(硬是要學／手哥 HANDBRO 報導)
Plaud 這個來自新創界的錄音筆記品牌，這次推出的最新產品 Plaud Note Pro，不只將裝置做得如信用卡大小，還搭載自家升級版 AI 引擎「Plaud Intelligence 3.0」，主打人類與 AI 的即時協作體驗。
本文 Plaud 推出 Note Pro AI 智慧筆記工具，信用卡大小方便攜帶、收音更達5公尺 最早出現於 硬是要學。
如果你最近常常在用 Claude Code 或 Claude API 的時候撞到限制牆，看到那個「You […]
這篇文章 Claude 大躍進！Anthropic 包下 Colossus 1 超算，用量限制直接加倍（2026） 最早出現於 軟體玩家。
製造業從不缺乏 AI 的遠大願景，當多數企業還在為 AI 試點專案的投資報酬率發愁時，Lenovo 在智慧製造的應用，已經做出成績。
其最具代表性的案例來自北美最大生產基地，該廠導入 AI 與生成式 AI 技術後，整體營運效率出現顯著變化：前置時間大幅縮短 85%，意味著產品交付速度獲得根本性提升；物流成本下降 42%，顯示供應鏈調度與資源配置達到更高精準度；整體生產力提升 58%，反映 AI 已成為推動產線效能的關鍵引擎。這些數據不僅驗證技術可行性，也顯示 AI 在製造現場具備直接的商業價值。
在品質管理層面，Lenovo 採取的是系統性整合思維。傳統製造依賴特定節點的檢測機制，容易形成資訊斷點，影響問題追蹤與改善效率。Lenovo 則透過機器視覺、邊緣 AI 與數位孿生技術，讓品質監控與生產流程緊密連結。當缺陷在產線上出現時，系統可即時辨識並觸發分析流程，快速定位根本原因，避免問題擴散至後續環節。這種架構讓品質數據能與物料流動、設備運行狀態以及上游供應條件產生關聯，形成可持續優化的回饋機制，使整體製造系統具備更高的適應能力與穩定性。
在實際應用中，Lenovo 已於巴西、匈牙利與墨西哥等地導入自動化品質檢測機器單元，將 AI 模型與機器視覺整合進現場作業流程。這類系統能在產品通過檢測站點時同步完成判斷與分類，降低人工檢測的不確定性，並提升一致性與效率。當品質管理轉為即時且連續的過程，製造現場便能更快速回應變化，減少浪費並提升整體產出品質。
在更宏觀的供應鏈面向，Lenovo 推出 iChain 平台，將供應商、物流夥伴與製造端整合於同一數據網絡中。透過即時且安全的數據共享，各方能同步掌握庫存狀態、生產排程與需求變化，提升協同效率並降低資訊落差。這種多層級可視化能力，使企業在面對市場波動時能更快做出調整，強化供應鏈韌性。
電子製造商海信（Hisense）的導入案例進一步說明其成效。該公司在營運環境中採用 Lenovo 的 AI 驅動監控解決方案後，實現了 100% 的監控覆蓋率，讓系統運行狀態全面透明；同時，警報數量減少 40%，代表系統能更精準識別真正需要關注的問題，避免過度干擾；問題調查速度提升 50%，則顯示 AI 在事件分析與定位上的效率優勢。這些改善直接降低營運風險，也提升整體生產穩定性。
為了讓 AI 能順利進入實際生產環境，Lenovo 也強調部署前的驗證機制。透過搭載 NVIDIA 的平台，企業可在模擬環境中訓練與測試機器人系統，確保其在真實場景中具備足夠準確性與可靠性。這種模擬能力有助於降低導入風險，並加快自動化專案的推進速度。
Lenovo 在智慧製造上的布局，不侷限在單點工具的革新，而是打造一種「混合 AI」的整合架構。這種架構最核心的價值，在於將現場人員從冗餘警報中解放出來，並透過數位孿生與模擬技術，在第一顆螺絲釘鎖下前就預見風險。
＊本文開放合作夥伴轉載，參考資料：Lenovo 、《中央社》，首圖來源：Lenovo
（責任編輯：廖紹伶）
專訪：戴季全
撰稿：李昀蔚
生成式 AI 正在讓軟體開發成本快速下降。過去，企業如果想開發系統、串接 API 或改造內部流程，往往需要仰賴高階工程師、外部廠商或大型軟體服務，但如今，AI 已經能協助完成前端、後端、資料庫、介面設計，甚至跨語言與跨國市場推廣。
本集《全新一週》邀請到《AI First 自我升級革命》作者、前 LINE 台灣總經理陶韻智，深入分析當軟體開發成本趨近於零後，企業競爭門檻的移動方向，以及 AI 時代下的工作管理思維及個人職涯走向。
過去常說「軟體吃掉全世界」，但實際上大多數企業受限於優秀工程師數量稀缺與培養成本高昂，並沒有能力自行開發軟體。然而，隨著 AI 加速發展，情況正在發生翻天覆地的改變：現在 AI 在多項軟體工程評測上的能力已逼近頂尖工程師水準，這代表過去找不到專業人才的公司，如今也能輕易打造專屬自己的軟體服務。
陶韻智舉例，如果有傳統產業想將台灣的 ERP 系統串接至 Amazon、Walmart 等美國平台，過去可能需要後端工程師與外部廠商互相協作，過程非常繁瑣，但如今在 AI 助力下，企業自行串接 API 的門檻大幅降低，已不再是「癡人說夢」。
更值得注意的是，AI 將無情侵蝕傳統軟體業引以為傲的「護城河」，例如轉換成本（Switching Cost）。以 Salesforce 為例，過去企業常因資料庫綁定、API 複雜等因素難以搬遷，但現在只要透過 AI Agent 或瀏覽器，就能逐步完成資料轉移，瞬間打破過去看似難以跨越的壁壘。
「所有企業的競爭門檻，本來就是獲客能力，」陶韻智進一步強調，「真正的競爭門檻，一直都是跟客戶的關係、價值主張這些的實現，那現在原本作為壁壘的，可能會被一個 AI Native 的公司侵蝕。」陶韻智表示，當軟體能力不再是少數公司的專利，企業的資源分配也將隨之改變：過去企業可能將一半的時間花在產品開發、一半花在市場推廣（Go-to-market），但是當 AI 讓產品開發變得容易，企業未來可能將高達 95% 的精力投入在獲客、行銷與客戶關係的維護上。
不只是企業端的競爭法則改變，對個人與知識工作者而言，AI 同樣帶來顛覆性的影響。陶韻智分享，過去一年他獨力完成超過 100 個 App 與網站，「100 分鐘中有 99 分鐘都是 AI 在做事，只有 1 分鐘是我在做事，」他強調，現在只要提出明確需求與規格，AI 就能立刻開工。陶韻智也舉例，儘管自己不熟悉 .NET ASP 架構，但仍能透過 AI 成功為醫院客戶開發系統畫面，讓對方大為驚豔。
在陶韻智看來，AI 已經不再只是寫程式的工具，而是一組龐大的「數位員工」，其中包含 PM、前端、後端、安全工程師，甚至是跨國的行銷團隊。他也進一步強調：「我們在 AI 時代下，事實上不是學工具，我們是學管理，是每一個人都有 AI 做屬下。」
既然身為管理者，那就不需要跟 AI 比拚誰更懂 Coding、誰更懂框架或安全性，而是要能清楚定義想要的結果。因此，陶韻智分析，AI 時代的核心競爭力將轉移至領導力、判斷力與發問力：領導力在於將 AI 帶往正確方向並看見全局；判斷力是檢視 AI 的成果是否符合需求；發問力則是能提出具體的「應用文」指令，精準描述規格與功能，帶領 AI 往正確的方向前進。
當這股 AI 浪潮襲來，就像進入戰爭時期，原本的規則都可能被打破。陶韻智形容這是一場「生產力鉅變」，影響力堪比當年蒸汽機發明取代勞力與獸力，而這一次，AI 要取代的是「智力」。
「現在是 IQ 開始不重要的年代，」陶韻智直言，過去知識工作者之所以能獲取高薪，很大一部分來自具備解決複雜問題的硬技能（Hard Skill），現在並不是說人不再重要，而是過去仰賴特定硬技能所創造的價值，正快速被 AI 取代。
這正是商業史上的「紅色警報（Code Red）」，提醒著所有職場工作者：原本的慣性、規則、做法，甚至是過去數十年累積的經驗，都必須重新檢視，甚至果斷拋棄。接下來，必須重新建立與 AI 協作的新技能，才能在這一波浪潮中存活下來。
當資深工作者的硬技能面臨貶值，相較之下，這卻是年輕世代最好的年代。現在 AI 工具成本極低，年輕人可以輕鬆利用 AI 做出一個網站或軟體產品，並發布到全世界。「發布之後假設有用戶了，這就是最好的履歷，」陶韻智指出，這就是年輕人可以展現出的「領導 AI」實戰經驗。
此外，AI 也是一位不眠不休、不會罵人的頂尖老師。過去學生學習受限於老師的時間與教學方式，如今卻能透過 AI 不斷改變提問與解釋的角度，甚至反過來「考驗」AI。因此，這對於有心提升自我的年輕人來說，透過 AI 在一年內將高中、大學到研究所的知識學完，已具備高度可行性，但前提是，必須帶著 AI 的產出（Outcome），讓外部世界驗證。
對企業而言，當軟體開發成本趨近於零，真正的競爭力將回歸獲客能力、客戶關係、品牌價值與產品是否真正解決用戶問題。對個人而言，未來的關鍵不再是會不會使用某一套 AI 工具，而是能否跳脫過往的硬技能思維，將 AI 視為下屬、老師與協作夥伴，並運用領導力與判斷力，帶領這支數位團隊創造出真正有價值的產出。
過去幾年，無數企業已經導入 OpenAI 的產品與 API，目前企業客戶已佔 OpenAI 營收超過 40%，且預計在 2026 年底前將與消費者業務營收並駕齊驅。然而，企業 AI 的下一階段挑戰，已逐漸轉向如何將模型串接既有資料、工具、控管機制與工作流程，讓 AI 成為日常營運中穩定可靠的一環。
如同 OpenAI 營收長 Denise Dresser 近日接受《CNBC》採訪時所言，企業 AI 的採用已來到關鍵「轉折點（tipping point）」。她指出：「AI 逐漸有能力在組織內完成越來越有意義的工作，現在的挑戰是協助企業將這些系統整合到驅動其業務的基礎設施和工作流程中。」為了解決這個痛點，OpenAI 宣布成立全新的 Deployment Company，加速企業將 AI 導入真實業務流程。
成立「OpenAI Deployment Company」代表 OpenAI 的企業策略正從純模型供應商，延伸至系統部署與整合服務，且目標非常明確：協助企業組織打造並部署能實際運作的 AI 系統。
Deployment Company 的核心運作模式，是將專精於前沿 AI 應用的「前線部署工程師（Forward Deployed Engineers, FDEs）」直接嵌入客戶組織內部。Denise Dresser 如此描述這些 FDE 的實際工作樣貌：「前線部署工程師可以與組織及其使用者坐在一起，了解工作流程，然後協助他們把後台應用程式連接到模型，並在每個工作流程中真正建立智慧。」
在實務操作上，典型的企業專案會先由 OpenAI 的 FDE 啟動診斷，判斷 AI 在何處能創造最大價值，再進行一系列概念驗證（PoCs）。一旦驗證成功，FDE 就會著手設計、建置，並部署能與企業既有客戶資料和工具緊密連結的生產級系統。事實上，OpenAI 已經有一些亮眼的部署案例，像是西班牙對外銀行（BBVA）正將 ChatGPT 變成全球 12 萬名員工的工具；農機巨頭 John Deere 則透過 AI 推薦系統，協助農民在種植季減少高達 70% 的化學品使用量。
企業要導入 AI，過程其實充滿複雜艱鉅的技術挑戰。Box 執行長 Aaron Levie 分享：「你必須先現代化你的基礎架構與資料，確保它們已為 AI 做好準備，存取控制、授權與權限必須以 AI 和人類都能運作的方式進行對應，」此外，也需要確保 AI 擁有正確的上下文，在模型升級時持續評估與維護，並且需要推動流程的變革管理，以釐清哪些部分由人來做、哪些由 AI 來做。
B Capital 合夥人 Yan-David Erlich 也指出，目前「只有少數企業」準備好迎接 AI 模型的導入，而 OpenAI Deployment Company 的設計正是「為了縮小前沿能力與真實世界落地之間的差距」。
為了解決上述由企業端點出的 AI 落地難題，OpenAI 同步宣布收購應用 AI 顧問與工程公司 Tomoro，這項交易也將為新公司帶來約 150 名 FDE 與部署專家。Tomoro 過去的實戰經驗橫跨 Tesco、Virgin Atlantic、Supercell 等大型企業，他們專注於將「企業野心轉化為可投入生產的 AI」。
值得注意的是，Tomoro 早在 2023 年就與 OpenAI 結盟，主打極高效的部署速度：最快 2 週內就能產出投資回報（ROI）評估模型與 AI 藍圖，並能在 12 週內將客製化 AI 代理投入生產線。 由此可見，OpenAI 這次布局的關鍵不只是多了一批工程師，而是把資料、權限、流程、評估與變革管理等落地難關，包裝成一套企業可執行的部署模式。
解決了技術團隊的問題，OpenAI 還需要廣大的通路。科技分析師 Carolina Milanesi 點出背後的戰略意義：微軟雖是 OpenAI 最大的合作夥伴，卻對「協助企業導入的服務層」興致缺缺，讓 OpenAI 決定親自填補這塊市場空白。
這次 OpenAI Deployment Company 帶著超過 40 億美元的初始投資啟動，其背後更是一個龐大的生態系網路。創始夥伴由私募股權巨頭 TPG 領投，集結了 Advent、Bain Capital、SoftBank 以及 McKinsey、Bain & Company 等 19 家全球頂尖投資公司、顧問公司與系統整合商，這群夥伴也為 OpenAI 打開可以接觸超過 2,000 家企業的強大分銷通路。
《Implicator.ai》分析，企業 AI 競爭已正式演變成「部署通路戰」。OpenAI 將私募股權與顧問網絡作為通路，而競爭對手 Anthropic 也在 5 月 4 日宣布與 Blackstone、Goldman Sachs 等機構成立企業 AI 服務公司，但兩者的差別在於，OpenAI 是將資源綁定自家的 Deployment Company，而 Anthropic 則是圍繞一家獨立營運的公司運作。
Anthropic 金融服務產品負責人 Nicholas Lin 的一句話，精準總結這些 AI 巨頭們正在解決的痛點：「當前 AI 能做的事，與市場真正從中獲得的價值之間，存在著巨大的落差。」 這代表未來 AI 的勝負，已經開始轉向誰能透過顧問與整合商生態系，把強大的模型能力轉化成可部署、可治理的營運成果。
對 OpenAI 來說，建立 Deployment Company 是一場從模型供應商進一步切入企業服務與顧問市場的跨界布局。藉由 Tomoro 的部署專家與 19 家重量級夥伴，OpenAI 正試圖擴大企業 AI 採用的速度與規模。對企業決策者來說，市場競爭焦點也正在改變：未來勝負的關鍵，將取決於誰能把 AI 模型變成企業內部穩定可靠的工作系統。
＊本文開放合作夥伴轉載，資料來源：OpenAI、《CNBC》、《Business Insider》、《The Register》、《implicator.ai》，首圖來源：Unsplash
多年來，AI 是否會幫助駭客更快找到漏洞、生成攻擊程式，一直是資安圈最擔心的問題之一。但如今，這個風險不再只是理論，而是正式進入實戰階段。Google 威脅情報小組（Google Threat Intelligence Group）發布最新報告指出，他們首次發現並阻止了一起駭客利用 AI 發現並武器化零日漏洞的網路攻擊事件。
零日漏洞是連軟體開發商本身都尚未知曉的安全漏洞。過去這類漏洞極為稀有且威力強大，甚至能在地下駭客交易市場上賣出數百萬美元高價。Google 雖然沒有透露是哪一個組織發動攻擊，但指出中國與北韓相關的駭客，對於如何使用 AI 來發現這類漏洞展現高度興趣。
根據 Google 報告，攻擊者為「知名網路犯罪威脅行為者」，目標是一款廣泛使用的開源網頁式系統管理工具。攻擊者發現了該工具雙重驗證（2FA）機制中的一個高階語意邏輯漏洞：開發者在程式碼中硬性建立了一個信任假設，使攻擊者得以在取得有效帳號憑證的前提下繞過 2FA。
攻擊者隨後以 Python 腳本撰寫了漏洞利用程式（exploit），準備發動大規模利用行動，但在造成損害前已被 Google 阻斷。Google 表示已即時通知相關軟體開發商與執法機關，並協助完成修補。
Google 研究人員判斷此次攻擊有 AI 介入，主要依據是 exploit 程式碼本身的多個異常特徵，包括出現「幻覺式 CVSS 評分」、過度詳盡的說明性文字（educational docstrings）、結構化的教科書式格式，以及人類工程師在正常情況下不會加入的多餘說明內容。
美國國家安全局前網路安全主任 Rob Joyce 在公開發表前受邀審閱這份報告，他表示 AI 生成的程式碼不會自我揭露，但 Google 所找到的這些線索，「是目前最接近犯罪現場指紋的東西」。Google 威脅情報小組首席分析師 John Hultquist 告訴《紐約時報》，Google 另掌握其他佐證駭客程式碼是由 AI 編寫的指標，但拒絕討論這些證據。
Google 未公開受影響的工具名稱、攻擊者身分，以及攻擊者所使用的 AI 模型為何，但明確表示不認為是 Google 自家的 Gemini 或 Anthropic 的 Claude Mythos。
Hultquist 在接受外媒採訪時表示，「這其實只是未來局勢的一個預演。我們相信，目前看到的恐怕只是冰山一角，實際問題可能比想像中還要更大，而這只是第一個真正浮上檯面的具體案例。」
Google 這次案例之所以重要，在於犯罪集團其實不需要完美的漏洞掃描能力，他們只需要「夠快」，快到能在漏洞公開與修補完成之前搶先發動攻擊即可。Hultquist 表示，相較於行動緩慢、以長期潛伏為主的國家級間諜組織，犯罪集團更能從 AI 的高速能力中獲益。「你和他們之間正在展開一場競賽，你必須在他們獲取勒索你或發動勒索軟體所需的任何資料之前阻止他們。」
Google 的更廣泛追蹤報告也顯示，AI 輔助攻擊已不限於零日漏洞，而是滲透進整個攻擊作業流程。根據《implicator.ai》，與中國有關聯的威脅行為者已使用專家角色扮演提示對 TP-Link 韌體與特定檔案傳輸協定實作進行滲透測試；北韓相關組織 APT45 則向 AI 模型送出大量提示，用以分析 CVE 漏洞資料庫並建立概念驗證型漏洞利用程式。此外，Google 也觀察到威脅行為者正在使用包含逾 8.5 萬筆中國漏洞賞金平台案例的 GitHub 儲存庫訓練與測試 AI 模型。報告同時指出，攻擊者也開始以 AI 系統本身為目標，針對賦予 AI 系統實際行動能力的自主技能模組與第三方資料連接器發動攻擊。
《implicator.ai》強調，零日漏洞競賽不再只比誰先發現漏洞，而要比拼誰能將發現的漏洞轉化成可重複使用的攻擊能力。
Google 此消息發布的時間點格外敏感。Anthropic 上個月剛宣布推出 Mythos 模型，並以功能過強、擔憂遭惡意利用為由，僅開放給約 40 家受信任的合作企業與政府機構測試。Anthropic 當時指出，Mythos 已在每個主要作業系統與每個主要瀏覽器中發現數千個零日漏洞，其中許多已存在數十年。
《紐約時報》表示，Google 此次公布的零日漏洞案例，可能進一步強化國際社會對「限制最新 AI 模型釋出方式」的呼聲，希望能先讓專業人士完成安全修補，再擴大開放使用。《紐約時報》上週報導指出，美國川普政府正評估相關方案，其中甚至包括建立正式的政府審查機制，用來評估新 AI 模型是否適合公開發布。
部分專家認為，從長期來看，AI 最終將有助於提升資安水準，因為它能協助開發近乎完美的程式碼。不過在短期內，政府與企業仍需合作，降低 AI 對現有網路環境可能帶來的衝擊。Hultquist 就表示：「最前沿的模型，將讓我們打造出史上最安全的程式碼，這對資安而言絕對是一件好事。但問題在於，我們才剛開始這個過程，同時還必須面對一整個早已存在、充滿歷史遺留程式碼的世界。」
【推薦閱讀】
◆ Anthropic Mythos 太會找漏洞：Firefox 修補數暴增 13 倍，工程師坦言還沒有自動化解方
＊本文開放合作夥伴轉載，資料來源：《CNBC》、《The New York Times》、《Reuters》、Google Cloud、《The Verge》、《implicator.ai》、《AP》，首圖來源：Unsplash
OpenAI 發表名為 Daybreak 的新資安計畫，建立於先進 AI 模型、Codex，以及多家資安公司的合作網絡之上。該計畫主要面向開發者、企業資安團隊、研究人員，以及與政府相關防禦單位，協助他們在軟體開發流程早期，更快驗證與修補漏洞。
《The Verge》指出，OpenAI 這次推出時間點，距離其競爭對手 Anthropic 宣布 Claude Mythos 約一個多月。Anthropic 當時表示，這是一款專注資安的 AI 模型，因為風險過高而無法公開發布，只能作為「Project Glasswing」計畫的一部分私下提供。與 Anthropic 發起的 Glasswing 類似，Daybreak 也並非基於單一 AI 模型建構。
Daybreak 把 OpenAI 模型視為資安防禦流程的一環，而不只是程式開發助手。該計畫把安全程式碼審查、潛在攻擊路徑分析、漏洞修補驗證與供應鏈風險分析等能力整合進 Codex Security（OpenAI 的應用程式安全代理）。OpenAI 表示，目標是協助團隊識別高風險漏洞、在程式碼儲存庫中生成並測試修補方案，回傳可稽核的證據至既有資安系統。
此次也導入一套模型分級存取機制「Trusted Access for Cyber」，依據使用者身分與任務風險，提供不同權限等級的 AI 模型存取。在該框架之下，OpenAI 提供三種不同模型配置：標準版 GPT-5.5 仍為一般工作的預設模型，而具備 Trusted Access 的 GPT-5.5 則面向已驗證的資安防禦團隊，用於安全程式碼審查、漏洞分類、惡意程式分析、偵測工程與修補驗證等任務。GPT-5.5-Cyber，則被定位為權限較寬鬆的限量預覽版本，用於紅隊演練、滲透測試與受控環境驗證等授權的專業資安工作。
目前 Daybreak 尚未全面公開。OpenAI 正邀請企業申請漏洞掃描或聯繫銷售團隊，而更大規模的部署，預計在未來幾週內與產業及政府合作夥伴共同推進。公司強調，該計畫將搭配更嚴格的身份驗證、帳號層級控制、範圍限制、監控與人工審核，以應對先進模型資安能力提升所帶來的雙重用途風險。
Daybreak 進一步擴大 Codex Security 的角色，使其從開發工具轉型為企業級資安防護層，並為此計畫建立龐大的合作夥伴陣容，合作對象涵蓋 Intel、Cisco、CrowdStrike 及 Palo Alto Networks 等頂尖硬體與資安大廠。《TestingCatalog》指出，這項合作不僅限於單點技術開發，而是企圖橫跨整條資安防禦鏈，從最前端的檢查漏洞與軟體供應鏈防禦，到中段的監控修補、邊緣端的安全防護。
《TestingCatalog》補充，對 OpenAI 而言，Daybreak 也是將 Codex 從開發工具轉型為企業資安平台的重要一步。公司不僅提供模型存取權限，更希望建立一套可管理的工作流程，讓更強大的 AI 系統能安全地部署於敏感環境中。其核心策略在於，讓經驗證的防禦方獲得更少的模型拒答限制與更強的資安協助，同時持續限制惡意用途，例如憑證竊取、隱匿行動、持續性滲透、惡意軟體部署或未經授權的攻擊利用。
＊本文開放合作夥伴轉載，資料來源：《The Verge》、《TestingCatalog》、OpenAI，圖片來源：OpenAI。
前 OpenAI 技術長 Mira Murati 創辦的 Thinking Machines Lab 近日發表「互動模型」（interaction models）的研究預覽。這項研究的出發點在於，現有 AI 模型多半仍停留在「回合制」的互動模式，也就是使用者必須完整說完話或打完字，模型才開始處理，然而在模型生成回覆的期間，AI 的感知會完全凍結，無法持續接收新資訊或察覺使用者當下的狀態。
Thinking Machines 認為，這種單線式的互動不僅限縮人類知識、意圖與判斷傳遞給模型的空間，也讓 AI 的工作過程更難被使用者即時理解與修正。因此 Thinking Machines 期待 AI 應該像人與人協作一樣自然，能夠持續接收語音、影像與文字，並能即時思考、回應與行動。
為了打破上述瓶頸，Thinking Machines 試圖將「互動」變成模型的原生能力，而非僅在文字模型外加上一層語音辨識的包裝。Thinking Machines 的做法是將互動拆解為每 200 毫秒（200ms）一個的「micro-turn」。在這套架構下，模型接收的是連續不斷的串流，並在連續的時間軸上交錯且同時處理輸入與輸出，不再等待完整一輪對話結束。這就代表沉默、重疊說話、插話與視覺線索，都能直接成為模型判斷何時回應、何時等待的上下文。
Thinking Machines 指出，這套架構讓互動模型能做到無縫的對話管理、語音與視覺的插話、同步說話與時間感知，甚至可以在對話中同時進行搜尋、呼叫工具或生成 UI。《The Verge》也舉出相關展示案例，像是模型能在聽故事時辨識提及的動物、即時翻譯語音，或者在看到使用者駝背時主動出聲提醒。
為了要讓 AI 能在極短時間內反應，同時又能處理複雜任務，Thinking Machines 採用了「互動模型」與「背景模型」協同運作的雙模型架構。前端的互動模型負責維持與使用者的即時交流，當任務需要更長時間的深度推理時，互動模型不會讓使用者陷入漫長的等待，而是將完整的對話脈絡交給非同步的背景模型處理。
當背景結果產生時，互動模型會將其自然地編織進當下的對話中。這種分工機制讓 AI 有機會一邊聽取使用者回饋、一邊執行複雜任務，讓使用者同時享有極低延遲的回應，以及推理模型在規劃與代理工作流（agentic workflows）上的強大能力，這也創造出了一種更接近「協作」而非單純「提示詞輸入」的體驗。
在效能表現上，Thinking Machines 公布的基準測試展現雙模型架構的潛力。例如 TML-Interaction-Small 模型在 FD-bench v1 的輪流發言延遲（turn-taking latency）僅需 0.40 秒，優於 GPT-realtime-2.0 minimal 的 1.18 秒與 Gemini-3.1-flash-live minimal 的 0.57 秒。在衡量平均互動品質的 FD-bench v1.5 中，該模型獲得 77.8 分，同樣大幅領先競品。
除了標準化測試，官方還發布自建的 TimeSpeak、CueSpeak、RepCount-A、ProactiveVideoQA 與 Charades 等內部評測。這些測試顯示，這款互動模型不僅能在使用者指定的時間點主動發言，還能展現「視覺主動性」（Visual proactivity），例如即時追蹤並計算影片中的連續動作次數，這都是目前其他企業難以做到的。
不過，《Implicator.ai》提醒，這些亮眼數據皆為公司自行公布，且在影音問答（QIVD）準確率上，TML-Interaction-Small（54.0 分）並未勝過 GPT-realtime-2.0 minimal（57.5 分），顯示其優勢目前主要集中在互動品質與低延遲，而非所有能力皆全面領先。
《Implicator.ai》進一步指出這項技術目前的運算瓶頸：TML-Interaction-Small 是一個擁有 276B 參數、12B 活躍參數的 MoE 系統，Thinking Machines 坦承，目前更大的預訓練模型運算速度仍太慢，還無法在這種即時互動的設定中提供服務。
儘管 OpenAI 與 Google 都已經推出具備即時語音能力的 AI，但 Thinking Machines 這次發表的重點在於對系統底層架構的革新。這也呼應 Thinking Machines 的核心主張：「要讓互動性隨著智慧擴展，它必須成為模型本身的一部分。」這次技術創新特別值得關注的是，AI 介面正試圖擺脫傳統的外部語音包裝，走向真正的原生互動，也讓未來的 AI 更有機會從「使用者下指令、模型回覆」的被動工具，變成「邊聽、邊看、邊協作」的新工作夥伴。
＊本文開放合作夥伴轉載，資料來源：Thinking Machines Lab、《VentureBeat》、《The Verge》、《implicator.ai》，首圖來源：AI 工具生成
根據《AdAge》報導，零售與餐飲品牌正加速將 ChatGPT 轉化為新的消費入口。近期，星巴克宣布在 ChatGPT 生態系測試全新專屬應用，讓消費者可以直接透過自然語言描述需求，由 AI 推薦飲品並協助完成訂單流程。
《商業內幕》根據星巴克公布的功能指出，用戶現在不一定要先研究菜單再下單，而是能直接向 ChatGPT 描述自己的偏好與情境。例如想找低糖、高蛋白飲品，或是希望來一杯符合陰天氛圍的咖啡，甚至上傳當天穿搭照片，ChatGPT 都能生成相對應的飲品建議。使用者還能在對話中調整客製化選項，包括加入奶蓋、抹茶粉等配料，接著選擇附近門市，最後再跳轉至星巴克 App 或官網完成結帳。
星巴克數位與會員平台主管 Paul Riedel 表示，過去一年觀察到消費者在點飲料之前，往往先有的是「感覺」而不是「菜單需求」。因此，品牌希望透過 ChatGPT 直接切入這種靈感產生的瞬間，讓飲品推薦更貼近當下情緒與生活情境，同時提升消費者對產品的期待感。
該功能目前屬於 Beta 測試階段，主要適用於美國市場，並非全球同步推出。星巴克強調，這次合作的目的之一，是觀察消費者如何透過生成式 AI 與品牌互動，再進一步優化未來的數位體驗。
星巴克此次和 ChatGPT 合作，業界關注的不只是 AI 推薦飲料本身，而是零售交易流程正在發生變化。過去，ChatGPT 多半被視為資訊搜尋工具，如今則逐漸朝向能夠協助完成購買的 AI 代理角色發展，它不再只是回答問題，而是能代替使用者執行部分消費決策與購物流程。如此一來，消費者不需要反覆切換搜尋引擎、品牌官網與外送平台，只要在聊天介面輸入需求，AI 就能結合品牌資料、商品選項與歷史偏好，自動生成建議並推進交易，做到一條龍完成商品發現、推薦、客製化與訂單啟動。
不過，目前各品牌的 AI 應用成熟度其實仍有差異。以星巴克來看，ChatGPT 已開始介入商品推薦與訂單啟動流程，因此更接近真正的「AI 代理商務」。但部分品牌目前仍偏向 AI 搜尋或導購輔助功能，尚未完全進入自主代理階段。
例如，漢堡王與 Firehouse Subs 目前推出的 ChatGPT 應用，主要聚焦於附近門市查詢、優惠推薦與餐點探索；DoorDash 與 Uber Eats 則讓用戶能透過 AI 將食譜轉化為可購買的生鮮清單，或快速瀏覽餐廳菜單並建立訂單。這類服務雖然提升了聊天式購物體驗，但 AI 的自主決策與代理能力仍相對有限。
AI 正式走向消費者端，代表生成式 AI 在零售產業的角色正在快速擴張。ChatGPT 不再只是聊天工具，而開始成為新的數位店員、導購顧問與購物入口。當越來越多品牌把商品資料、會員系統與交易流程接入 AI 平台後，AI 也將悄悄改變消費者尋找商品與完成購買的方式。
【推薦閱讀】
◆ 投放逾 400 個 AI 代理的零售實驗：銷售轉化提升 57%，周大福如何導入 AI？
＊本文開放合作夥伴轉載，參考資料：《商業內幕》、《AdAge》、《TechCrunch》、Starbucks ，首圖來源：Starbucks
（責任編輯：廖紹伶）
俗稱「養龍蝦」的 OpenClaw 風潮，在過去幾個月間席捲了全球科技圈，然而對於缺乏一定技術知識的普通人來說，設定與使用 OpenClaw 並沒有想像中這麼容易。
隨著普通人與企業對自主型 AI 代理的需求激增，日前 OpenAI 以外界難以想像的速度，將 OpenClaw 創辦人Peter Steinberger 收入麾下；NVIDIA 執行長黃仁勳也曾公開指出，每家企業都應該要有自己的 OpenClaw 策略。
只不過，對於缺乏知識技術，不夠熟悉 AI 系統的多數消費者來說，舉凡類似 OpenClaw 的應用程式，幾乎都需要透過終端機安裝軟體、管理相依性套件，並且要求使用者具備故障排除的相關知識。
若再加上 OpenClaw 涉及深度的系統存取權限，進一步引發資安疑慮，且令不少人望而卻步，因此造就市場上亟需一套跟 OpenClaw 能力相似，但又可以讓消費者輕鬆使用的 AI 代理系統，Poke 的開發目標正是為此而來。
來自美國加州的 AI 新創公司 The Interaction Company of California，正在利用旗下產品 Poke 打造人人都能輕鬆使用的 OpenClaw。
消費者僅需利用手機簡訊、iMessage、Telegram 或 WhatsApp 等服務，就可以輕鬆操作 Poke，打造屬於自己的 AI 代理應用程式。
今年 3 月，Poke 在 OpenClaw 風頭正盛之時悄悄上線，而這款智慧型 AI 助理，將能協助消費者處理日常生活中的各種需求，包含每天的工作安排、行事曆管理、追蹤健康狀況、控制智慧家庭裝置、快速編輯照片等，且所有操作全都可以利用手機簡訊，透過文字下達指令快速完成。
Poke 開發團隊 The Interaction Company of California 共同創辦人 Marvin von Hagen 向外媒表示，事實上 Poke 的誕生源於公司一年前開發的早期產品。
Marvin von Hagen 回憶，當時 Poke 只是一款專為電子郵件服務設計的人工智慧助理，但是開發團隊很快就發現，參與測試的使用者更喜歡要求 Poke 處理更多事情，例如提醒他們服藥、詢問運動比賽的結果等。
由於 Poke 當時還無法涵蓋這些使用需求，因此開發團隊很快就決定轉型，開始將 Poke 打造為通用型 AI 服務，試圖讓消費者獲取更多功能，同時保留 Poke 原先就具備的人性化特質，使其變得更實用、更主動也更具親和力。
跟 ChatGPT 或 Claude 這類通用型 AI 聊天機器人相比，Poke 並非是使用者想發起深入研究，或者進一步搜尋問題時的優先選項。
原則上，Poke 所負責的任務和使用情境，在於消費者想快速達成某項作業，或者嘗試透過自動化工具完成某些事情時，即可呼叫 Poke 透過 AI 代理處理任務，藉此節省時間與精力消耗。
舉例來說，使用者可以請 Poke 主動通知收取到的重要電子郵件，比方來自家人或上司的 E-Mail，或是要求 Poke 於每天早上更新天氣資訊，並讓消費者知道出門是否需要帶傘。
借助 AI 代理強大的自主作業能力，Poke 也能協助使用者追蹤健康與健身目標、發送每日服藥提醒、整理當日新聞、球賽勝負比分等，甚至是透過消費者自行撰寫的「純文字」自動化腳本──又稱為「配方（Recipes）」，向其他人分享 AI 代理的工作指令。
跟 OpenClaw 與大多數類 OpenClaw 服務平台不同，Poke 的使用操作簡單到令人難以想像。
首先，消費者需要開啟 Poke 官方網站，然後點擊網頁上的「開始使用」，接著再輸入手機電話號碼即可；由於 Poke 的 AI 助理可以透過簡訊直接操作，因此使用者根本不需要安裝任何應用程式。
為了徹底簡化消費者的操作體驗，當使用者向 Poke 下達指令時，系統會在幕後自動選擇最適合任務的 AI 模型，其模型則可能來自大型 AI 供應商，或者是更為節省支出的開源模型。
Marvin von Hagen 說，從長遠的角度來看，由系統自動選擇 AI模型，稱得上是 Poke 的一大優勢。畢竟，目前 AI 代理市場上的競爭對手，幾乎都是大型科技公司或 AI 實驗室，而他們的服務通常會跟模型供應商互相綁定，如 Meta AI 只會使用 Meta 開發的模型，而 ChatGPT 也只會使用 OpenAI 模型。
為了讓 Poke 在 iMessage 等通訊平台上順利運作，該公司運用了同樣於近期爆紅的嵌入式通訊應用程式解決方案 Linq，藉此支援標準文字簡訊（SMS）和 Telegram 等平台。
然而，由於 Meta 限制了 WhatsApp 上的第三方 AI 聊天機器人，因此 Poke 目前對 WhatsApp 的支援相對有限，而這種情況應該會在未來有所改變。
根據情報，包含歐盟、義大利和巴西的監管機構，已經針對Meta 限制第三方 AI 於 WhatsApp 上運作，展開針對性的反壟斷調查，所以目前 Poke 已經重返巴西市場。
Marvin von Hagen 指出，在歐盟地區 Meta 利用收取高昂費用的方式，惡意阻擋第三方 AI 聊天機器人服務上架 WhatsApp；這種「惡意合規」的問題應該可以在反壟斷調查啟動後，由Meta 降低相關費用得到解決。
此外，開發團隊在 Poke 服務中，加入了一種稱為「配方（Recipes）」的客製化功能，讓使用者可以自行創造 AI 工作流程，自動化處理各種任務。
截至目前為止，Poke 中的「配方」涵蓋健康保健、生產力、財務、行程安排、旅遊、居家、學校、電子郵件、社群等類別，以及專為技術人員設計的開發者工作流程，而安裝他人分享的配方，更只需要點擊按鈕並允許授權即可。
為了將「配方」的實用性最大化，該功能已經能跟 Gmail、Google 日曆、Outlook、Notion、Linear、Granola 等服務共同使用，至於健康類平台如 Strava、Withings、Oura、Fitbit，以及 Philips Hue 和 Sonos 等智慧家庭設備，亦可成為 Poke 與「配方」存取的對象。
對於擁有一定技術經驗的開發者，目前 Poke 也能夠跟 PostHog、Webflow、Supabase、Vercel、Devin、Sentry、GitHub、Cursor Cloud Agents 等工具互相整合，將工作流程的部分環節完全自動化。
自從 Poke 上線至今，平台已經擁有上千個由使用者自行設計的「配方」與工作流程，開發團隊也計劃於未來設立目錄，讓所有人都可以輕鬆探索並採用，甚至考慮推動獎勵機制，讓主動分享「配方」連結給他人並成功拉進新會員的使用者，可以得到 10 美分至 1 美元不等的回饋獎勵。
在隱私安全方面，Poke 的安全模型採多層次設計，包含定期滲透測試、安全檢查，以及針對 AI 代理與人類操作者的存取限制。預設情況下，開發團隊將無法查看使用者於Poke 上擁有的任何內容，除非手動於設定中切換開關，選擇分享日誌檔案或分析資料。
至於收費方面，雖然 Poke 是擁有 AI 代理功能智慧助理服務，但其使用價格卻出乎意料實惠，不僅允許消費者完全免費入門體驗，後續的功能定價也非常具備彈性。
以目前的狀態而言，消費者唯一需要支出的費用，在於AI 代理的運算成本；根據官方說法，多數人的支出大約落在每個月 10 到 30 美元之間。
Marvin von Hagen 進一步解釋，關鍵在於消費者使用 AI 代理的方法；假若使用者要求的功能，不需要調用即時資料或 AI 推論服務，那麼通常都可以免費使用 Poke。
因此，當前 Poke 真正可能向使用者收費的項目，在於調用 AI 的即時推論功能，例如針對每封收到的電子郵件執行自動化流程，或是要求 AI 幫忙處理航班報到等任務。
為了讓消費者更清楚哪些服務可能遭到收費，開發團隊已經在 Poke 內部加入了一份成本參考清單，只要詢問 AI 就可以算出大致開銷，以個人使用情境計算概略支出。
面對 Poke 的商業未來，Marvin von Hagen 強調，雖然開發團隊一直都在提升服務效率，並且同時降低運作成本，但 Poke 暫時還沒有把獲利當成目標。
Marvin von Hagen 直言，當前公司還沒有想透過 Poke 賺錢的意思，他們更想見到生態系不斷成長，將 Poke 變成一款可以服務數十億人的產品。
因此 Marvin von Hagen 說，開發團隊接下來的目標，就是要讓 Poke 融入民眾的日常生活，並計畫邀請創作者和網紅，展示他們如何使用這款 AI 智慧助理。
綜觀目前的 AI 市場，此時誕生的 Poke 似乎正掌握著絕佳的風口。
Poke 營運公司 The Interaction Company of California 目前的員工人數，合計起來僅僅只有 10 人，但該團隊卻獲得由 Spark Capital、General Catalyst 及其他天使投資人大力支持，繼去年得到 1500 萬美元的融資後，近期又再籌得 1,000 萬美元資金，使公司估值達到 3 億美元。
隨然沒有確切數字，但根據官方說法，過去幾個月以來 Poke 所擁有的使用者數量，大概增加了10 倍，而在 Vercel 的 AI Gateway 排行榜上，Poke 也在 Top Apps 項目奪下了榜首，可見它確實發展迅速。
把握 OpenClaw 所帶來的 AI 代理應用程式風潮，Poke 似乎正在透過它的簡單、易用，成為使用者手上真正實用的自主型 AI 智慧助理。
【推薦閱讀】
◆ GitHub 專案爆紅：Colleague Skill 把同事變 AI 分身，為何讓科技工作者不安？
◆ 氛圍編碼進入醫療現場：從紙本衛教到 AI 互動工具，AI 改變醫病照護模式
◆ 開發產出暴增 10 倍的代價：AI 程式碼湧現，企業如何防堵資安與技術債漏洞？
＊本文開放合作夥伴轉載，參考資料：TechCrunch、WebWire，首圖來源：Poke
（責任編輯：鄒家彥）
隨著生成式 AI 進入日常工作流程，員工私下使用 ChatGPT、Gemini、Claude、NotebookLM 等工具加速整理資料、撰寫內容、分析文件與處理信件，已經成為企業難以忽視的風險。由於這些未經公司核准的 AI 工具常透過瀏覽器分頁、外掛或個人帳號使用，其 AI 流量看起來往往就像一般網頁活動，導致 IT 部門難以即時發現。
這種「Shadow AI（影子 AI）」早已不是零星個案，而是大規模的職場現象。《Business Insider》報導，Microsoft 對英國工作者的調查顯示，高達 71% 的受訪者曾在工作中使用未經核准的消費級 AI 工具，其中一半的人甚至每週都會使用。AI 資安平台 Reco 的資料也進一步印證了這個趨勢：在中型企業中，每 1,000 名員工通常約會出現 200 個未授權 AI 工具。
那麼，員工為何要繞過 IT 政策？《Tom’s Guide》指出，這並非單純為了違規，而是因為 AI 真的能協助處理爆量信件、瞬間摘要會議、重寫 email、生成報告、分析試算表與加速寫程式，為員工省下大量工時。以生技研究領域工作者 Gregg Bayes-Brown 為例，即使過去身為企業內部的 AI 規則制定者，他仍使用了未核准的個人 Google 帳號存取 NotebookLM，因為這能將原本約 150 小時的繁雜工作，大幅壓縮到 30 分鐘內完成。
過去的「Shadow IT」是指員工繞過公司政策使用未經核准的應用程式，但如今偷偷將公司資訊餵給 AI 的「Shadow AI」，成為更棘手的挑戰。《Business Insider》引述 Fable Security 共同創辦人 Nicole Jiang 的說法，強調「Shadow AI 的問題比 Shadow IT 更嚴重」，因為企業正以前所未見的速度採用 AI，這使得 IT 部門必須在「不封鎖員工創新」與「保護公司資安」之間維持平衡。
同時，真正的危機藏在資料流向中。CybSafe 與 National Cybersecurity Alliance 的調查顯示，超過 38% 的員工承認曾在未經雇主允許下，將敏感資訊分享給 AI 工具。Mimecast 資安長 Leslie Nielsen 指出，若員工上傳包含財務資料的文件，聊天機器人就可能在特定提示下，把相關資料輸出給外部人士。
這並非杞人憂天，因為像 Samsung 就曾因軟體工程師把內部程式碼貼進 ChatGPT，而全面禁止員工在公司裝置上使用生成式 AI；Amazon 也曾因 ChatGPT 的回答太像其內部機密而提高警覺。這也形成一個矛盾的局面：Freshworks 的調查顯示，近 80% 的 IT 領導者認為使用未核准 AI 的員工更有生產力，但同時也有 86% 的人表示，過去一年曾目睹未授權 AI 引發的合規違規與資安外洩事件。
《Forbes》則指出，Shadow AI 涵蓋的範圍遠大於員工私下使用的聊天機器人。SentinelOne 傑出 AI 研究科學家 Gabriel Bernadett-Shapiro 進一步表示，Shadow AI 還包含部署在傳統治理外部的非受管 AI 基礎設施、隱藏在應用程式介面後的 AI 功能，甚至使用者根本不知道自己正在和 LLM 互動的情境。
此外，當 AI 從「單純生成文字」走向「執行動作」時，風險更會急遽升高。《Business Insider》指出，半數的白領工作者已經開始使用 AI Agents，微軟也因此推出 Agent 365，目的是協助企業掌控「代理蔓延（Agent Sprawl）」，以觀察、治理並保護 Agents 的互動。
Orchid Security 指出，Shadow AI 不只是未授權的工具，而是未授權的「身分」，也就是每個員工啟動的 AI Agent 都會成為環境中的主動行動者，能跨系統執行任務。Britive 執行長 Artyom Poghosyan 更警告，已有實際案例顯示，部署在開發者筆電上的 AI Agent 利用了使用者的憑證進入生產資料庫，並刪除了資料。因此，Orchid Security 建議企業應將 AI Agents 視為「第一級身分（first-class identities）」，將資安焦點從「存取權限」轉向「行為可觀察性（behavior observability）」，及早落實最小權限。
面對這股浪潮，未來能成功的企業不會是完全禁止 AI 的企業，而是能建立清楚 AI 政策、提供核准工具、教育員工風險，並提供更安全替代方案的組織。《Business Insider》則提醒，IT 專業人員必須訓練缺乏技術背景的白領工作者，讓他們理解如何安全使用 AI 以及資安協議的重要性。因為 Shadow AI 的真正風險，不在於員工私下選擇哪一款工具，而是企業失去對環境的掌控：不知道資料流向何方、AI 連上哪些系統、Agent 正以誰的權限行動，以及災難發生時究竟該由誰負責。
＊本文開放合作夥伴轉載，資料來源：《Forbes》、《Business Insider》、《Tom’s Guide》，圖片來源：Unsplash
就在 Apple 預計於 WWDC 大會重新展示 AI 功能 Apple Intelligence 的前幾週，Google 率先出手。Google 在「Android Show」活動中宣布一系列 Android 系統重大更新，並以「Gemini Intelligence」為核心主軸，將 Gemini 能力深度整合進 Android 作業系統，涵蓋跨應用程式執行、Chrome 瀏覽器、Android 車載系統，以及筆記型電腦平台。
負責 Google Android 生態系統的 Sameer Samat 在接受《CNBC》採訪時表示：「我們正在從作業系統過渡到智慧系統。」他同時也指出，「這是我們與科技互動方式的根本性轉變，作業系統的每個層面都要隨之改變。」
Gemini Intelligence 的核心突破，在於 AI 不再停留在對話框內回應指令，而是能夠主動理解手機螢幕上的情境，並跨越應用程式邊界執行多步驟任務。
Google 舉出的具體場景包括：從 Gmail 中找出課程書單並自動加入購物車、長按電源鍵後請 Gemini 將備忘錄中的採買清單直接轉為外送平台的訂單、拍下旅遊手冊後要求 Gemini 在 Expedia 上搜尋適合六人的類似行程。Samat 也以烤肉派對為例說明，使用者可以要求 Gemini 查看賓客名單、規劃菜單，並將食材加入 Instacart 購物清單，待使用者最終確認後才送出訂單。
針對外界對 AI 代理自主行動的隱憂，Samat 強調 Gemini 在完成交易前都會先回報使用者，確保人類始終參與決策流程。意即 Gemini 只在收到指令後才會行動，任務完成後即停止，並由使用者進行最後確認。Gemini Intelligence 將於今年夏季稍晚首先登陸三星 Galaxy 和 Google Pixel 手機。
從 6 月底起，Chrome 瀏覽器也將導入 Gemini，支援網頁摘要、跨站比較資訊，以及自動代為完成線上預約，包括看診預約與停車位預訂。智慧自動填入功能也同步升級，可從 Google Drive 等已連結應用程式中擷取駕照、護照號碼等資訊，自動填寫複雜表格。
除了任務自動化，Google 也針對日常輸入體驗推出名為「Rambler」的語音轉文字新功能。這項功能透過 Gemini 的多語言模型，過濾掉口語中的自我修正、重複字詞與「呃」、「那個」等語氣詞，將自然說話的內容整理為流暢文字，並支援單一訊息中切換語言。語音檔案僅用於即時轉錄，不會被儲存或保留。
另一項新功能「Create My Widget」讓使用者透過自然語言指令生成客製化的桌面小工具，例如要求系統每週推薦三道高蛋白備餐食譜，或建立只顯示風速與降雨機率的天氣小工具，無需任何程式設計技能。《TechRadar》形容，這已經類似將「vibe coding」概念融入手機 UI。
介面設計層面，Gemini Intelligence 同步帶來以 Material 3 Expressive 為基礎的全新設計語言，目標是在 Gemini 於背景執行更多任務的同時，讓系統整體感受更為沉浸、專注，減少視覺干擾。
Samat 告訴《Bloomberg》：「多年來，我們一直在『微管理（micromanaging）』電腦，把目標拆解成無數次點擊與操作。但我認為，AI 帶來的新介面將改變這件事。使用者只需要說出目標，接下來該怎麼執行，應該交由電腦自己完成。」
Android Auto 也在這次更新中獲得全面翻新。搭載 Gemini Intelligence 的車載系統新增了更流暢的動態效果、更鮮明的字型與色彩，以及可在停車時播放影片、行進中自動切換為純音訊的播放模式。Google Maps 同步推出號稱十年來最大幅度的更新，導入建築物、橋梁與地形的 3D 沉浸式導航視圖，並在路線上疊加車道引導、交通號誌與路標等資訊。Android Auto 目前已搭載於逾 2.5 億輛汽車中。
Google 同時宣布將推出全新筆記型電腦品類「Googlebook」，預計於秋季上市，由 Acer、Asus、Dell、HP 與 Lenovo 等製造商生產，整合 Chrome 瀏覽器、Android 應用程式與 Gemini Intelligence 功能，機蓋設有與 2015 年原版 Chromebook Pixel 相呼應的發光條設計。
Google 的這波更新，在更宏觀的產業脈絡下具有明確的意涵。《CNET》報導，知名分析師郭明錤上個月在分析 OpenAI 手機計畫的報告中指出，使用者並非想使用一堆應用程式，而是想透過手機完成任務、滿足需求。這從根本上改變了人們對智慧型手機的認知。
隨著 OpenAI 傳出正在開發專屬的 AI 手機，以及各種 AI 瀏覽器持續挑戰傳統入口市場，科技巨頭們的競爭焦點已經從應用程式生態系，轉移至 AI 代理作業層（AI agent OS layer）的爭奪戰。這場從底層發起的變革，正預告著手機產業可能即將告別傳統的 App 時代。
在此背景下，Google 透過將 Gemini 深度融合進 Android 與硬體生態中，不僅是為了應對 Apple 在隱私與硬體整合上的傳統優勢，更是為了在下一代以 AI 為絕對核心的人機互動典範中，緊緊握住最關鍵的使用者入口。
不過，Google 的新 AI 是否能讓手機的日常操作比現在更流暢，最終仍取決於 Gemini 在現實場景中的執行可靠度。但從 Google 的宣示方向來看，手機作業系統的競爭維度，已不只是硬體規格或 App 生態，而是誰能更深、更穩定地將 AI 代理能力嵌入使用者的核心工作流程。
【推薦閱讀】
◆ Google 首次攔截 AI 零日攻擊，駭客武器化漏洞的高速戰役正式開打
＊本文開放合作夥伴轉載，資料來源：《CNBC》、《Bloomberg》、The Keyword、《TechRadar》、《CNET》，首圖來源：The Keyword
SAP 在近日舉行的 Sapphire 2026 大會上宣布推出「Autonomous Enterprise」，被視為 SAP 成立 53 年以來最大規模的 AI 產品發布。這也展現出 SAP 的生存新策略：因為在 AI 代理（AI Agents）時代，市場正在重新評估傳統企業軟體的價值與前景。
從這次的新產品可見，SAP 試圖將 ERP 從過去單純「記錄企業資料與流程的系統」，轉型為一個能讓 AI 代理自動執行財務、採購、供應鏈、人資與客服等核心流程的企業營運中樞。當 AI 技術的發展讓市場開始懷疑企業軟體公司過去收費模式的可持續性，SAP 更必須向市場證明自己不會被 AI 公司取代，而是能站穩企業 AI 的核心，成為不可或缺的治理與編排層。
SAP Autonomous Enterprise 主要由三個層次組成：提供建置與治理基礎的「SAP Business AI Platform」、負責核心流程自動化的「SAP Autonomous Suite」，以及新世代人機互動介面「Joule Work」。
首先，SAP Business AI Platform 將 SAP Business Technology Platform、SAP Business Data Cloud 與 SAP Business AI 整合在單一的受治理環境中，讓企業能夠在具備真實商業脈絡的情況下，建立並管理 AI 代理。
其次，SAP Autonomous Suite 部署超過 50 個特定領域的 Joule Assistants，也能編排超過 200 個專門化的 AI 代理，廣泛應用於財務、供應鏈、採購、人力資本管理與客戶體驗等核心業務場景。SAP 舉出的具體案例是 Autonomous Close Assistant（自主結帳助理），它能自動處理分錄、對帳與錯誤排除，將原本需要數週的財務結帳流程，大幅壓縮到只需幾天即可完成。
最後，Joule Work 則徹底改變使用者介面，從傳統的表單與欄位操作，轉變為意圖導向：員工只需描述想要達成的商業結果，Joule 就會在幕後協調資料與各項 AI 代理來完成任務。這個介面將跨足桌面、行動裝置與語音，並適用於非 SAP 系統。同時，系統的擴展強調「設計即具備可追溯性（traceability by design）」，AI 代理執行的每一個動作、原因與使用的資料都會被完整記錄，確保高度透明。
近期，AI 新創與模型公司的崛起，正對 SAP 這一類傳統軟體商構成直接威脅。2026 年初，由 Anthropic、Salesforce 與 Google 推出的代理型 AI 產品，曾在短短 48 小時內讓 SaaS 公司的市場估值蒸發約 2,850 億美元。
更嚴峻的是市場的定價邏輯改變：Anthropic 在次級市場的隱含估值已高達 1 兆美元，約為 SAP 當前市值的五倍，且 Anthropic 已有超過千家企業客戶，其市場平台甚至開始銷售能執行 SAP 傳統業務功能的工具。這也凸顯市場目前認為建構 AI 模型的公司，其價值遠高於擁有業務流程的傳統軟體公司。
面對當前的威脅，SAP 的策略是擴大與 Anthropic、AWS、Google Cloud、Microsoft、NVIDIA 以及 Palantir 等公司的合作，具體的生態系分工包括：AWS 負責零複製（zero-copy）的資料整合、Google Cloud 與 Microsoft 實現雙向的代理間互通、NVIDIA 提供 OpenShell 安全執行環境，以及由 Mistral AI 與 Cohere 提供給受嚴格監管企業的「主權模型（sovereign model）」選項。在這個生態系中，SAP 也將 Anthropic 的 Claude 作為 AI 平台的基礎模型之一，負責在人資、採購與供應鏈等企業應用中，支援 Joule 代理的推理與任務執行。
這也展現 SAP 與 AI 模型公司之間微妙的競合關係：SAP 體認到自己不一定要擁有最強的基礎模型，但必須確保這些模型是在 SAP 既有的企業流程、資料脈絡與治理規則內運作。SAP 執行長 Christian Klein 指出：「藉由結合 SAP Business AI Platform 與 SAP Autonomous Suite，我們將 AI 代理錨定在業務流程、資料與治理之上，以確保它們能交付準確、合規且安全的結果。」 這等於是把 SAP 的護城河，從傳統的 ERP 功能，轉向了企業 AI 的信任與治理層。
現在，幾乎所有大型企業軟體公司，都希望自己能成為 AI 代理進行推理、行動與自動化工作的「編排系統（orchestration system）」，但每家供應商切入這場戰爭的起點都不盡相同。
例如，Salesforce 是 SAP 近期最具侵略性的挑戰者之一，其 Agentforce 最初雖然聚焦於面對客戶的自動化，但現在已經擴展到入職、審計與企業工作流程等，傳統上更接近 ERP 供應商主導的後台自動化領域。
Oracle 則依然是 SAP 在 ERP 領域最直接的競爭對手，其 Fusion Agentic Apps 策略是將自主代理嵌入採購、財務與供應鏈流程中，並憑藉涵蓋基礎設施、資料庫、雲端平台與企業應用的垂直整合優勢來吸引資訊長。
Microsoft 的優勢則在於 Copilot、Azure AI 與 Copilot Studio 已經掌握員工日常花費最多時間的「生產力層」。ServiceNow 則是從工作流程治理的角度切入企業 AI，與 SAP 一樣，他們都主張企業級 AI 必須建立在受監管的工作流程與可信賴的營運資料之上才能成功。
面對群雄環伺，Christian Klein 認為 SAP 依然具有優勢：「在財務、採購與人資等領域，我們的代理是依照完全符合審計要求（fully audit-ready）的標準開發的，這與部署一個通用型 AI，然後期望它能自然符合合規要求，有著根本上的不同。」
因此，這場企業 AI 編排之戰的關鍵在於，誰能成為讓 AI 代理調用資料、理解流程、執行任務、符合審計規範，並進行跨系統協作的「主要介面」。ERP 的下一步並不一定是被 AI 所取代，而是從一個傳統的企業資料紀錄系統，轉型為由 AI 代理來執行、治理與編排企業流程的核心平台。真正的問題在於，當 AI 代理開始替企業自動執行財務、採購與供應鏈流程時，SAP 能不能成功將自己從一個傳統的 ERP 供應商，重塑為這場企業 AI 編排戰爭中無法被撼動的核心平台。
＊本文開放合作夥伴轉載，資料來源：SAP、《The Next Web》、《Forbes》，圖片來源：SAP
生成式 AI 加速走入企業核心流程，從知識協作、營運管理到資安防護，企業導入 AI 的焦點已從單點工具應用，進一步延伸至治理、風險控管與營運韌性。叡揚資訊13日舉辦「GSS Solutions Day 2026」，以「Always Solving, Always Evolving」為主題，聚焦 AI 治理、數位韌性、AI Agent 協作與永續管理等議題，邀集產官學專家分享 AI 時代下的企業轉型觀察與實務經驗。
邁入成立第 40 年，叡揚資訊張培鏞董事長表示，企業對 AI 的需求已不再只是模型導入，而是如何真正融入既有工作流程與產品服務，並兼顧治理與營運穩定。從公文管理、人資、知識協作、徵授信到資安維運，AI 正逐步成為企業系統持續演進的重要驅動力，也讓企業重新思考數位基礎架構與治理模式。
在趨勢議題方面，國家安全會議諮詢委員李育杰於「2026 全球資安威脅與戰略分析」中指出，台灣正面臨高度密集的網路攻擊威脅，隨著大型語言模型（LLM）逐步被武器化，AI 已大幅提升駭客自動化發掘漏洞與發動攻擊的能力。他強調，企業資安策略需從被動防禦轉向主動治理，透過 AI Agents、自動化弱點修補，以及跨組織情資聯防機制，建立更具韌性的防護架構。
中央研究院資安專題中心執行長、前數位發展部部長黃彥男，則於「AI 風險與治理」中，聚焦 AI Agents 所帶來的新型態風險，包括目標劫持、權限濫用與供應鏈漏洞等問題。他指出，台灣已推動《人工智慧基本法》，並建立 AI 產品與系統評測機制，希望在鼓勵創新的同時，也逐步建立可信任的 AI 發展環境。
面對 AI 與數位化帶來的高度不確定性，叡揚資訊數位韌性辦公室執行長馬正維於「邁向數位韌性之路」中表示，數位韌性已不只是 IT 部門的議題，而是企業治理與營運策略的重要核心。企業需透過制度、流程與技術整合，提升面對突發風險時的持續營運能力，而政府近年也積極投入關鍵民生系統韌性建設，透過雲端架構與多元備援機制，確保極端情境下的基本運作能力。
除了治理與風險議題，本次活動也聚焦 AI 在協作與永續管理上的實際應用。叡揚資訊前瞻技術研究所經理王麒詳於「Thinking Teams with Multi-Agent Collaborations」中指出，AI Agent 未來將從個人助理角色，逐步演變為具備主動協作能力的「Team Agent」，能夠理解團隊脈絡、追蹤任務進度並協助資訊整合。叡揚資訊創新研發中心處長李漢超則於「永續 e 治理：Vital ESG 永續指標管理」中分享，面對 ESG 規範持續演進，企業正逐步從被動合規走向指標化與財務化管理，透過數位平台提升永續治理效率與決策能力。
針對 AI 時代的新型資安挑戰，杜浦數位安全創辦人暨執行長蔡松廷於「AI Agent 上桌了：你吃的是龍蝦，還是被龍蝦吃？」中提醒，AI Agent 雖能提升效率，但若缺乏治理與權限控管，也可能成為新的攻擊入口。企業應重新檢視 AI 資產盤點、權限管理與風險監測機制，避免因過度自動化而產生資料外洩與營運風險。
叡揚資訊表示，邁入成立 40 年，長期參與台灣企業數位化歷程，從早期資訊化、雲端化，到如今 AI 驅動的新一波轉型浪潮，企業關注的核心議題，已從「系統導入」逐步轉向「治理整合」與「持續演進」。隨著 AI Agent、自動化決策與智慧協作逐漸進入日常營運，AI 也正重新定義企業流程、組織分工與風險治理模式。
面對快速變動的技術環境，企業未來競爭力的關鍵，不僅在於導入新技術的速度，更在於是否具備持續調整、整合與治理的能力。叡揚資訊認為，AI 時代的數位轉型將不再是一次性的專案，而是一場長期且持續演進的過程；如何在創新效率、治理韌性與實際營運需求之間取得平衡，也將成為下一階段企業發展的重要課題。
《CNBC》報導，自 2022 年 OpenAI 發表 ChatGPT 引發 AI 革命以來，全球產業面臨大規模裁員衝擊。根據近日 IBM 發布的報告，AI 不僅影響基層，也正重塑董事會結構與執行長的決策模式。在 2,000 多家受訪組織中，高達 76% 已設立 AI 長（CAIO），與 2025 年僅 26% 的比例相比呈現爆發式增長。
麥肯錫（McKinsey & Company）合夥人 Vivek Lath 指出，這場變革的規模堪比工業革命與數位革命，AI 在推動技術職位增長的同時，也強化了傳統管理職能：59% 的受訪者預期人力資源長（CHRO）的影響力將不減反增，成為企業轉型中的核心力量。
隨著 AI 技術趨於成熟，董事會對於「誰該負責 AI」的界線日益模糊。Omdia 分析師 Lian Jye Su 指出，現有的技術職位如 CTO、CIO 與 CDO，常讓企業在 AI 責任歸屬上產生混淆。面對基礎建設、治理與流程升級等多重挑戰，企業需要專責的 AI 長來統籌轉型，例如 HSBC 與 Lloyds 等金融巨頭，今年皆已設立相關職務。
然而，業界對 AI 長是否會成為主流仍持不同意見。Gartner 顧問總監 Jonathan Tabah 質疑，設立 C-suite 職位成本高昂，未必每家公司都能負擔。對此，IBM 亞太區總經理 Hans Dekkers 則持反對意見，他認為 AI 長的出現象徵著 AI「已不再只是技術專案」，CIO 或 CTO 能負責基礎設施與數據，但 AI 長的任務在於讓 AI 真正落地，改變決策與執行模式。
IBM 報告說明， AI 長制度能引導組織在風險可控下推動轉型，達成加速發展而不失控的目標，Vivek Lath 補充，比起職稱，確保 AI 行動的「集中協調」才是重點。管理顧問公司 Bain & Company 的顧問 Randy Bean 總結，AI 長的職責仍具高度變動性，真正的挑戰在於，這究竟是一個因應轉型的過渡性角色，還是未來企業結構中的長期常設職位。
Lian Jye Su 指出，員工的 AI 素養通常是企業轉型的主要瓶頸，這也讓負責人才培育與招聘的人力資源長掌握關鍵影響力。Randy Bean 在 2026 年的調查中進一步證實，高達 93.2% 的受訪者認為文化挑戰才是 AI 導入的最大障礙。Jonathan Tabah 認為，AI 自動化將使人力資源部門面臨分水嶺：若能藉此從瑣碎的營運中解脫，人力資源長將轉型為「策略領導者」；反之，若其職能仍停留在操作層面，則極可能被 AI 進一步取代。
在裁員浪潮中，高階管理職因具備策略判斷與利害關係人管理等核心能力，加上擁有對 AI 導入的決定權，短期內受衝擊最小。然而，Bain & Company 的報告揭示了殘酷的產業現實：SaaS 業者正透過將「人力成本轉向軟體支出」，預期創造近 1,000 億美元的利潤。顧問 David Crawford 表示，與其聚焦 AI 對勞動力的衝擊，不如將其視為釋放人力的過程，讓人才得以投入更高價值的工作。
儘管近期法庭上屢次出現律師因使用 AI 生成虛假判例而面臨裁罰的窘境，例如加州去年對一名使用 ChatGPT 撰寫上訴狀的律師開出首例罰單，聯邦法官與律師公會也紛紛發布警告，這卻絲毫沒有放緩大型律師事務所全面押注 AI 的腳步。
Anthropic 近日宣布大規模擴展其 AI 助理 Claude 在法律領域的應用。這次更新的重點，是將律師日常高度依賴的資料庫與軟體整合在同一個專業工作流中。為什麼 Anthropic 特別看準法律領域？「法律界正面臨採用 AI 的巨大壓力，而率先採取行動的律師事務所和內部團隊正迅速脫穎而出，」Anthropic 發言人表示，Claude 正在進一步深入知識工作領域，而法律部門已成為最重要且成長最快的產業之一。
Anthropic 這次推出了 12 款專為法律實務設計的擴充功能（plug-ins），涵蓋商務法律顧問、勞動法務顧問、訴訟律師、併購盡職調查，甚至法律學生等多元場景。這些工具不僅能部署在 Anthropic 專為知識工作者打造的 Claude Cowork 平台中，還能透過「模型上下文協議連接器（MCP connectors）」無縫嵌入律師事務所的既有系統，包含與 Microsoft 365 整合，讓 Claude 成為貫穿 Word、Outlook 與 PowerPoint 的單一助理。
Anthropic 副總法律顧問 Mark Pike 形容這次升級的差異：「就像是買現成成衣與量身定做並修改過的服裝之間的差別。」 他更生動地表示：「事實證明，只要讓通用模型獲得與律師相同工具的存取權限，這就有點像給工程師一個法律學位。」
現在，大型律師事務所已開始在實際案件中使用這些功能，包括 Freshfields、Holland & Knight 與 Crosby Legal 都已在真實案件中部署 Claude，其底層模型 Claude Opus 4.7 在業界最受矚目的法律 AI 基準測試「Harvey’s BigLaw Bench」中，拿下了 90.9% 的高分。Freshfields 合夥人 Gerrit Beckhaus 表示，Claude 已成為該所專屬 AI 解決方案的「核心部分」，雙方正共同開發能處理多步驟法律任務的代理式工作流。
Quinn Emanuel 律師事務所合夥人 Christopher D. Kercher 也分享，他在幾乎沒有程式背景的情況下，用 Claude 建立一個訴訟平台：「突破點在於把 Claude 當作案件團隊的一員，像引導中途加入的合夥人一樣，為它輸入時間表、關鍵摘錄和主題，其產出的工作成果遠遠超過我自己能做到的程度。」
然而，在法律領域，AI 生成看似權威卻錯誤的「幻覺（hallucinations）」比無法回答問題更糟。為了確保準確性，Anthropic 也將競爭焦點轉向「整合能力」與「資料錨定（Grounding）」。法律 AI 公司 Eve 執行長 Jay Madheswaran 指出：「在訴訟中，聽起來具權威性的幻覺比沒有答案更糟。」他表示，Claude 在引用準確性與真實性等關鍵指標的內部評測中屢屢勝出，這也是他們將最高風險的運算流程交給 Anthropic 的原因。
《Reuters》指出，Claude 這次成功接入了 Thomson Reuters 旗下的 Westlaw Primary Law、Practical Law 以及 CoCounsel。這套架構讓 Claude 只能從經過驗證的真實來源提取資訊，而非依賴模型記憶生成答案。Thomson Reuters 技術長 Joel Hron 強調：「我們正積極整合，將通用型 AI 連接到專業環境，確保無論律師在哪裡工作，都能使用 CoCounsel Legal 的完整功能。」
此外，Claude 也全面串接文件管理與法務工具，包含 Box、Everlaw、DocuSign、CourtListener 與 iManage 等，甚至連由 OpenAI 投資的競爭對手 Harvey 也加入連接名單。
Anthropic 大舉進軍的時間點，正值法律 AI 新創的估值爆發期。《TechCrunch》報導，使用代理式 AI（Agentic AI）自動化複雜法律流程的 Harvey，剛在 3 月份募資 2 億美元、估值高達 110 億美元；而其競爭對手 Legora 也完成了 6 億美元的 D 輪募資。
這股熱潮不僅推升企業估值，更直接改寫律師的職涯。《Financial Times》指出，越來越多律師放棄傳統在事務所「熬成合夥人」的路徑，轉而選擇加入法律 AI 新創，並在新創中擔任「法律工程師（legal engineers）」或創新夥伴，負責引導模型開發、提供策略建議，同時擔任科技與客戶間的橋樑。
例如，前國際律所律師 Alex Fortescue-Webb 目前在 Legora 領導一支約 70 名法律工程師的團隊，其中約 90% 是前律師，而從大型企業法務轉戰 Harvey 的 Farrah Pepper 則表示：「這是一個機會，不僅能為單一組織，更能為整個行業塑造法律的未來。」
Anthropic 的更新顯示，法律 AI 的競爭已經推進到「深度整合工作流」。《Business Insider》分析，若這套整合專業工具的策略成功，Anthropic 與 OpenAI 極可能將這套「劇本」複製到金融、醫療等其他高度專業化的產業，讓 AI 產品開始具備傳統老牌軟體公司的功能。
值得注意的是，Anthropic 也試圖為這場技術軍備競賽注入「司法平權」的社會價值。透過與 Courtroom5、Free Law Project 等法律援助組織合作，Claude 得以協助資源匱乏、必須在沒有律師陪同下出庭的民眾。「大多數人直到來不及時，才知道自己擁有法律權利，」Courtroom5 執行長 Sonja Ebron 說，「現在，Claude 可以在他們感到害怕、尋求答案的當下，滿足他們的需求。」
無論是幫助大型律所提升效率，還是協助一般民眾爭取權益，法律產業顯然已經做出擁抱 AI 的決定。至於這些技術與防護機制是否足夠完善，最終都將在法庭上接受真正的檢驗。
＊本文開放合作夥伴轉載，資料來源：《Reuters》、《TechCrunch》、《Financial Times》、《Business Insider》，首圖來源：Anthropic
全球藥廠近年開始將 AI 視為新藥研發的重要基礎設施。醫療製藥巨頭強生（Johnson & Johnson，J&J）近期透露，公司已透過 AI 大幅縮短新藥開發前期的研究流程，將原本需要耗費大量時間的化合物篩選與優化工作加快一倍，成為大型藥廠導入 AI 的最新案例。
在製藥產業中，新藥開發原本就是極度耗時且高成本的流程。從早期研究、臨床測試到最終上市，往往需要長達十年以上時間與數十億美元投入。大量失敗的候選藥物，也讓藥廠長期承受巨額研發風險。AI 的導入，則讓藥廠開始有能力重新優化這些流程。
根據 J&J，該公司目前將 AI 應用聚焦於幾個核心領域，包括 AI 驅動產品開發、新藥研發流程與供應鏈最佳化。其中，化合物篩選是 AI 最具價值的應用之一。透過大型語言模型與機器學習技術，研究團隊能更快速分析大量化學資料，預測哪些分子結構較可能具備療效，降低研究人員在低潛力項目上的時間浪費。
J&J 資訊長 Jim Swanson 表示，公司已成功透過 AI 加速兩項新藥化合物的開發，其中一項應用於腫瘤治療，另一項則聚焦免疫疾病領域。
目前 AI 雖然還無法完全自主發明新藥，但已能有效協助研究團隊在化合物與生物製劑資料中，快速找出具有潛力的候選藥物。這讓研發人員能更快進入下一階段測試，縮短前期試驗與優化時間。
除了研發端，J&J 也將 AI 導入藥品製造流程。Swanson 表示，在藥物生產過程中，AI 能協助判定何時應加入溶劑，以及控制最適合的溫度條件，藉此提升製造穩定性與品質一致性。這類應用對大型藥廠而言，會直接影響生產品質與成本控制。
另一項受到高度關注的應用，則來自臨床試驗文件作業。臨床試驗本身涉及大量監管流程與法規文件，過去光是一份完整的臨床試驗報告，就可能需要投入 700 至 900 小時的人工作業。如今，J&J 已利用 AI 協助整理與生成相關內容，將整體作業時間壓縮至約 15 分鐘，大幅減少研究與法規團隊的行政負擔。
J&J 也透露，AI 正被用於改善臨床試驗受試者招募流程。Swanson 表示，公司希望臨床研究能更真實反映全球病患結構，因此 AI 會協助分析不同地區與族群資料，提升多元受試者的招募效率，避免試驗樣本過度集中於特定人口。這對藥物最終療效與安全性評估具有重要影響。
J&J 的應用案例，證明了 AI 能夠在高度監管且流程複雜的醫療產業中，找到效率與合規的平衡點，做到 Swanson 所言，AI 與人類員工形成相輔相成的關係而非取代。隨著藥業巨頭將 AI 視為研發製造的基礎設施，未來的製藥競賽將不再僅僅比拚生物科學的深度，更比拚誰能透過 AI 代理更有效地管理知識、加速實驗，並在風險四伏的開發道路上，找到最短的成功路徑。
【推薦閱讀】
◆ AI 熱潮進入製藥工廠端：BMS 產量提升 40%，Eli Lilly 如何用數位孿生突破產能瓶頸？
＊本文開放合作夥伴轉載，參考資料：《Reuters》、《華爾街日報》，首圖來源：Johnson & Johnson
（責任編輯：廖紹伶）
2026 年第一季，科技業在三個月內裁掉超過 7.3 萬人，部分統計甚至達到 7.85 萬。Oracle 一口氣砍掉一萬個職位，同時還在加碼 AI 投資；Meta 宣布五月前再裁約 8,000 人；Amazon 透過 AI 縮減企業層級的人力；Block 執行長 Jack Dorsey 把員工人數砍了將近一半，理由是智慧工具改變了遊戲規則。
這些公司給出的理由幾乎一致：AI 帶來的效率提升讓組織不再需要那麼多人。將近一半的裁員案例都被歸因於 AI。
同一時間，另一個領域的人才需求正在爆炸。支撐這場 AI 革命的，是一場規模高達 7,000 億美元的資料中心建設熱潮，部分經濟學家甚至認為這是當前美國 GDP 成長的主要引擎。
Meta 在路易斯安那州興建的 Hyperion 資料中心，面積是曼哈頓中央公園的四倍。這些龐然大物不會自己長出來，它們需要電工、需要懂液冷系統的工程師、需要佈光纖的技術人員、需要 HVAC 暖通空調的專家。
且薪資水準也說明了一切。一般技術員年薪中位數約 7.1 萬美元，資深電工輕鬆超過十萬，而擁有資料中心專業知識，特別是液冷與光纖佈線經驗的電工年薪可達 30 萬美元，與專科醫療或金融業的初階職位相當。
人力資源企業 Broadstaff 執行長 Carrie Charles 形容，這種角色「是一種白領的技術工作」，技術含量高，但不必整天坐在桌前。
跨國人力資源諮詢公司 Randstad 分析超過五千萬則職缺後發現，自 2022 年底 ChatGPT 問世以來，機器人技術員的需求翻倍，HVAC 工程師需求成長 67%，建築相關職缺成長 30%。
美國勞工統計局預估電工每年將有 8.1 萬個新職缺，成長速度遠高於平均。Randstad 執行長 Sander van’t Noordende 表示，全球科技成長真正的瓶頸不是晶片、能源或資金，而是建造這一切所需的專業人才嚴重短缺。
值得注意的是，工作者也早已在省思自身的職涯路線。求職平台 FlexJobs 在 2025 年的調查顯示，若薪資與穩定性相當，62% 的白領願意轉入技術職；Z 世代當中，每四人就有一人正認真考慮這條路。
當 Anthropic 執行長 Dario Amodei 預測，AI 可能在五年內消滅一半的初階白領職位，以及美國科技創業家 Andrew Yang 警告，美國白領工作者中有 20% 到 50% 將面臨衝擊時，「換跑道」從一種選項變成一種必要。
另一頭，企業也開始有動作。貝萊德投入一億美元培訓水管工、電工與 HVAC 技術員，執行長 Larry Fink 公開表示 AI 創造的是技術工人的工作。美國第二大家居裝飾用品零售商 Lowe’s 砸下 2.5 億美元投入同樣的領域。Meta 與不動產公司 CBRE 合作推出 LevelUp 計畫，要培訓數千名技術員來建造 Meta 的資料中心。
這些投資的規模本身都代表，問題不是缺人這件事被低估，是企業已經在為長期的人才管道下注。
對科技從業者而言，這條路並非從零開始。寫程式所需的邏輯思維可以遷移到設備診斷，問題解決能力本就是技術職的核心，而多數技術職並不要求四年制學位，學徒制訓練體系完整。真正的門檻往往在心理層面：文科學位的學貸壓力、對「藍領」工作的偏見、害怕從六位數薪資的辦公桌走到現場會傷害自尊。
網路上當然不乏嘲諷的聲音，質疑被裁的工程師難道真要去當水電工。但拋開這些情緒化反應，數字本身已經很清楚，資料中心專業電工的薪資並不亞於原本的白領崗位。
不過，把這場變化簡化為「AI 取代白領、技職崛起」的故事過於簡易。Scale AI 執行長 Jason Droege 直指，業界普遍存在「AI 漂洗」現象，許多公司把本來就要進行的常規裁員包裝成 AI 驅動的效率提升，OpenAI 的 Sam Altman 也承認部分裁員是借 AI 之名行人力縮編之實。
也就是說，並非所有失業的白領都真的被演算法取代了，但無論真實原因為何，市場上正在尋找下一站的人才已為數不少。
從職位層級來看，AI 的衝擊並不平均。初階白領首當其衝，撰寫初稿、整理資料、初步分析這類工作正是大型語言模型最擅長的領域。資深職位短期內仍難以取代，因為涉及判斷、責任與跨部門協調。
但這不代表資深員工就高枕無憂，相反地，他們正在承擔被裁掉的初階員工原本的工作量。
更值得思考的是，技術職人才短缺若持續惡化，將反過來限制 AI 擴張的速度。Broadstaff 的研究指出，人才短缺已經影響資料中心的施工進度、商轉時程與長期維運穩定性。
這種市場價值錯配的現象不會消失，它正在改寫接下來十年的職涯地圖。被裁的工程師與分析師面前出現的，不是單純的「降級轉職」，而是一個薪資、需求、長期穩定性都優於許多傳統白領職位的選項。但是要承認這一點，需要放下某些根深柢固的階層觀念，而市場已經用真金白銀給出了答案，遠比任何分析報告都更直接地說明了未來的方向。
【推薦閱讀】
◆ 不賣軟體給律師，Lawhive 如何以 AI 重構流程讓律師收入最高達傳統 2.8 倍？
◆ 博士、律師、棋王都來了！Mercor 用 AI 招募高技能人才來訓練 AI
◆ 律師事務所還得辦「AI 黑客松」？AI 正全面改變律師的工作方式
＊本文開放合作夥伴轉載，參考資料：《WPN》、《Fortune》，圖片來源：Unsplash
（責任編輯：鄒家彥）
隨著 SpaceX 預計在下個月進行首次公開募股（IPO），馬斯克（Elon Musk）旗下的 xAI 正面臨擴大營收的急迫壓力。在與 SpaceX 合併前，xAI 每個月的資金消耗高達近 10 億美元。為了在上市前交出漂亮成績單，xAI 正急於透過銷售聊天機器人 Grok 的訂閱服務與運算資源存取權來變現。
《Bloomberg》報導，xAI 已招募多家與馬斯克商業帝國關係密切的華爾街公司進行內部測試，包含阿波羅全球管理（Apollo Global Management）、摩根士丹利（Morgan Stanley）以及 Valor Equity Partners，這也顯示，xAI 開始意識到 Grok 不能只停留在吸引大眾目光的話題階段，而是必須證明 Grok 是一款能讓華爾街願意長期留用的企業工具。
xAI 至今為止很大一部分的銷售額，其實多半來自 SpaceX、Tesla 等馬斯克旗下的「自家人」企業。為了順利切入含金量極高的金融產業，xAI 正積極利用馬斯克深厚的人脈網絡作為突破口。例如，Apollo 曾與 xAI 在 NVIDIA 晶片融資上密切合作；摩根士丹利多年來一直是馬斯克主要的合作銀行，並預計在即將到來的 SpaceX IPO 中擔任要角。此外，由馬斯克長期盟友 Antonio Gracias 帶領的 Valor Equity Partners，同時也是 xAI 與 SpaceX 的共同投資人。
然而，儘管這層關係成功讓部分銀行簽署合約並開始內部試用，但知情人士透露，金融業人士實際上極少將 Grok 真正應用在日常工作中。在金融產業的高標準下，Grok 的可用性普遍被視為落後 OpenAI 與 Anthropic，因此為了挽救低迷的實際使用率，xAI 內部已將針對金融領域的訓練列為優先事項，並調動專門人員投入。
xAI 內部特別要求讓 Grok 在閱讀文件與 Excel 試算表的能力上達到與 Claude 同等的熟練度，並聘請信用與金融專家協助訓練財務模型。xAI 總裁 Michael Nicolls 在內部備忘錄中更直言：「我們的短期目標是趕上 Claude 的表現。」為配合這項策略，xAI 也經歷高層人事異動，讓原營收長 Jon Shulkin 轉任顧問，公司也正試圖向企業客戶推銷 Grok，強調它可用於抓取內部資訊、進行績效評估，並善用 X 平台數據。
Grok 在企業端面臨的「低留存率」困境，同時也反映在一般消費市場的頹勢上。科技行銷媒體《WeRSM》分析，Grok 的處境完美凸顯「關注力不等於留存率」的殘酷現實。儘管 Grok 擁有 X 平台作為強大的導流優勢，但平台的曝光並不等於能直接轉換為用戶的使用習慣。使用者可能會因為一時的話題熱度去試用名氣響亮的新產品，但在擁擠的 AI 生態系中，具備高實用性與可靠度的工具才會被持續使用。
《WeRSM》更點出，相較於 Meta 旗下擁有多個社群平台，或 Google 具備的搜尋與 Workspace 等廣泛應用場景，Grok 與 X 平台的深度綁定雖然創造了知名度，卻也侷限人們在日常或工作場景中使用它的情境。
調查數據也證實這個觀點。《華爾街日報》引述 AppMagic 的資料指出，Grok 的下載量已從今年一月超過 2,000 萬次的高峰，大幅衰退至四月份的約 830 萬次，下降近 60%。此外，Recon Analytics 的調查更顯示，2026 年第二季表示願意付費使用 Grok 的受訪者比例僅有 0.174%，與一年前的 0.173% 差別不大，相較之下付費使用 ChatGPT 的比例則超過 6%。工程師兼科技投資人 Ben Pouladian 對此直言：「OpenAI 就像可口可樂，Anthropic 是百事可樂，而 Grok 則是皇冠可樂，因為我從沒看過有人真的在喝它。」
若將目光轉回企業市場，Grok 面臨的競爭壓力同樣沉重。根據 Enterprise Technology Research 於 2026 年 3 月的調查顯示，高達 48% 的受訪者表示公司正在使用並計畫繼續使用 Claude，Gemini 也拿下 40% 的比例，但 Grok 卻僅獲得 7% 企業的青睞。
《華爾街日報》分析，目前大型 AI 實驗室競爭最激烈的主戰場是「程式編寫助理（coding assistants）」，因為這類工具能直接推動企業營收快速成長，但 Grok 在這方面依舊明顯落後。不過，Vercel 執行長 Guillermo Rauch 仍抱持樂觀態度，他指出開發者在不同模型間的轉換極快，且馬斯克一旦專注於某事往往能表現優異，因此若 Grok 未來推出效能更好的模型，工程師很可能會迅速回流。
《Bloomberg》進一步點出，OpenAI 與 Anthropic 同樣將目光鎖定金融業，視其為推動業務成長的關鍵市場，因為華爾街公司不僅較早擁抱 AI 技術，且一旦導入，往往傾向保留更長期的軟體授權合約，這也正是 xAI 在此刻急於將 Grok 推向華爾街的根本原因：Grok 不能永遠只靠馬斯克的個人聲量與話題性來吸引嘗鮮客，而是必須進化為能實際節省時間、消除摩擦，讓企業願意持續買單的工作工具。
《WeRSM》強調，能贏得未來的 AI 產品必須變得「無聊但極度實用」，也就是要能穩定且自然地融入使用者日常，並解決反覆發生的工作需求。對 xAI 而言，華爾街不僅是 SpaceX IPO 前用來擴展營收的新客戶來源，更是檢驗 Grok 能否成功從「話題型產品」蛻變為「企業生產力工具」的關鍵測試場域。
＊本文開放合作夥伴轉載，資料來源：《Bloomberg》、《WSJ》、《WeRSM》，首圖來源：Unsplash
登录