如果你已經習慣 Google 搜尋內建的 AI 摘要服務，應該不難理解它在統整搜尋資訊方面，究竟有多麼強大。

舉例來說，當你想要為公司尋找適合的客戶服務平台，Google 的 AI 摘要可能會貼心整理出一份清單，包含 Zendesk、Freshworks、Eesel AI 等，並且給予引用來源連結，引導使用者進行下一步比較。

然而，當使用者點擊所謂的「引用來源」並跳轉，卻會發現其文章內容，根本是來自業者自行撰寫的行銷與推薦文章；文章中雖然會比較來自不同公司的多種產品，並且詳細列出每個平台的功能、優缺點，但它們所最終推薦的服務，基本上都還是撰寫者自身。

這種在網路上由業者「自吹自擂」進行排名的「最佳榜單」或「比較整理」，已變得隨處可見，產業類別亦橫跨實體與數位，不勝枚舉。

品牌與 SEO 產業的生存危機

但是最令人憂心之處，在於 Google 的搜尋演算法，尤其是 AI 摘要，似乎特別重視前述的文章與頁面，畢竟它們的格式與結構對機器來說十分容易理解。

長期以來，網路行銷人員早已習慣透過濫竽充數的內容與頁面，試圖吸引搜尋引擎演算法的注意，而隨著網路環境不斷變化，行銷業者操縱搜尋引擎的手段，亦開始發生了轉變。

在 Google 正式宣布將 AI 功能導入搜尋引擎之後，過去單純列出網站連結並進行排序的傳統做法，被 AI 主動進行的內容摘要逐步取代，更使搜尋引擎最佳化（SEO）產業備受考驗。

人工智慧時代下，那些曝光率最高的內容，已經未必來自大型網站，更有可能源於部落格、新聞文章及社群平台討論串；同時，部分網路使用者轉向其他管道進行搜尋，利用 ChatGPT 和 Claude 等 AI 聊天機器人尋找內容，進而使某些內容發佈商和品牌的 Google 搜尋流量不斷下滑，演變成一場生存危機。

如何評估 AI SEO 成效？沒人知道

正因為看見搜尋流量下滑而產生焦慮的廠商越來越多，大量 SEO 公司紛紛進軍 AI 搜尋領域，以各種方式向客戶承諾，他們有辦法讓 AI 聊天機器人於消費者提問時，繼續曝光廠商旗下的產品，前述的「自我推薦型」文章內容就是最好的案例。

曾任職於 AI 新創公司 Hugging Face 行銷部門的 SEO 顧問 Britney Muller 表示，當今身處 SEO 產業的相關人員都十分恐慌，因為他們身上背負著巨大壓力，希望趕緊找到一種方法建立起指標，接續過往的績效評估方法。

然而，Britney Muller 說，究竟該如何在 AI 時代下，重現過去 SEO 產業的績效評估方法？答案根本就沒有人知道。

即便「自我推薦」與「清單式文章」等行銷手段，目前看來似乎有些成效，但 Britney Muller 分析，這些帶有偏見、不夠客觀的內容，只是利用 AI 模型偏好透過網路即時搜尋，提取易讀文章結構以補充輸出結果的取巧方法，其資訊通常沒有烙印於模型核心之中，因此該 SEO 策略絕非長久之道。

Britney Muller 強調，AI 摘要被廠商自我推薦文章淹沒的問題，事實上屬於搜尋引擎資訊檢索層面的問題，而非 AI 或大型語言模型（LLM）本身所造成，隨著 Google 持續最佳化並改善搜尋結果，這類內容將會逐漸消失。

行銷花招百出，甚至對 AI 搜尋「投毒」

只不過，網路行銷業者對於 AI 搜尋的 SEO 嘗試，自然也不止於此。

2026 年 2 月，微軟在旗下部落格揭密了一起嶄新的「投毒攻擊」，指出某些企業與行銷組織，刻意將人工智慧通常會遵守的提示詞，隱藏在自家網站上「使用 AI 摘要」的按鈕之中。

微軟表示，當使用者於某些網站上點擊類似「使用 AI 摘要」功能的按鈕後，系統就會向大型語言模型注入指令，要求 AI 將廠商的「網域位置」與「服務內容」記住，並將其標記為將來引用的權威來源，藉此讓使用者慣用的 AI 服務「推薦中毒」。

由於大型語言模型根本無法區分，究竟哪些是使用者下達的真正提示，而哪些又是被第三方廠商注入的惡意提示，不只是傳統的聊天機器人受到影響，如 OpenClaw 等擁有自主工作能力的 AI 代理，更陷入另一層次的資安危機。

AEO？GEO？連名詞內涵都缺乏共識

受眾研究公司 SparkToro 負責人暨 SEO 專家 Rand Fishkin 向外媒表示，AI 的出現讓 SEO 領域掀起一股巨大的「淘金熱」。

近期曾有一家募得 900 萬美元資金的網路行銷公司對外聲稱，他們部署了超過 6 個 AI 代理程式，其運作模式宛如「世界級行銷專家」；其中一個 AI 代理負責研究搜尋查詢，另一個負責生成並設計到達頁（Landing Page）和部落格文章，還有一個 AI 則負責從外部來源獲取反向連結。

然而，擁有巨大商機的 AI 時代 SEO，卻也陷入缺乏共識的迷途，例如全新的 SEO 方式究竟該如何命名，以及其真正的內涵與整體概念，目前也還沒有公認的定義。

舉凡 AEO（答案引擎最佳化）、GEO（生成式引擎最佳化）、GSO（生成式搜尋最佳化）等無數新稱呼，不斷被創造並附加在行銷公司的宣傳策略中，簡直就跟 AI 開發商不斷發明新名詞的情況如出一轍。

Britney Muller 批評，許多自以為精通 AI 時代 SEO 的行銷業者，聲稱自己能夠搞定 GEO、AIO 之類的難題，但事實上他們更多只是在虛張聲勢，並且試圖透過「不切實際的方式」影響 AI，而這種情況將使 SEO 產業走向自取滅亡。

高調販賣 AI 時代 SEO 的危機感

回顧今年 2 月，一篇部落格文章在小眾社群媒體圈內瘋傳，聲稱多家科技媒體因為 AI 崛起，導致網站的 Google 搜尋流量徹底崩潰。如知名的 Digital Trends 和 ZDNet 等巨頭，其流量相較過往高峰期下降超過 90%。

經過進一步追查，該文章由一家名為 Growtika 的公司所撰寫、發表，而該公司自稱是專為 B2B SaaS 品牌提供 SEO 和 GEO 行銷服務的代理商，他們不只提供標準 SEO 諮詢，更特別強調針對 AI 最佳化的重要性。

Growtika 在自家網站上以挑釁口吻寫道：你的網站在 Google 搜尋上排名第一，然而 AI 根本就不在乎，同時聲稱公司已經掌握 GEO 的關鍵技巧，可以在 60 天內讓客戶內容獲得 AI 引用。

科技媒體《The Verge》當面質疑 Growtika 共同創辦人 Asaf Fybish 在網站宣傳頁面的說法，結果他的態度從挑釁轉為保守，並承認若想評估 SEO 方法在 AI 搜尋結果的能見度，目前確實還沒有任何正確、有效的方式。

Asaf Fybish 說，傳統 SEO 仍然重要，但如今「搜尋」所涵蓋動作與範圍，早已擴及 Google 以外的許多平台，消費者可能在任何地方尋找想要的資訊。

為了流量求生而踏入的死亡螺旋

Growtika 日前編撰的文章令科技業界感到震驚，對此 Asaf Fybish 則表示，雖然文章發表後公司收到了部分負面批評，但他仍建議業界正視現實，即自然搜尋流量確實因為 AI 而出現下滑，那些消失的流量未來也很可能無法回流。

Asaf Fybish 強調，公司的原則是透過數據追求真相，不過《The Verge》發行人 Helen Havlak 後續回應，指出 Growtika 所引用的數據其實「根本不準確」，同時 Google 搜尋自然流量的下滑，早就已經不是什麼秘密。

Helen Havlak 直言，部分科技媒體為了緩解 Google 搜尋流量下滑的影響，紛紛產出大量低品質、只為 SEO 而生的垃圾內容，但這種方法只能作為短期策略，否則將導致網站與品牌的 SEO 陷入死亡螺旋，即為了拼命追逐 Google 殘存的流量，進而流失忠實讀者。

高層只在意 AI，但搜尋卻不在 AI 發生

就跟所有與人工智慧相關的科技事物一樣，AI 時代 SEO 在表面上的熱度，似乎跟實際發生的情況有著不小的落差。

SparkToro 負責人 Rand Fishkin 指出，AI 搜尋在「概念」方面所獲得的關注程度，其實比實際發生的活動要高出 10 到 100 倍。

近來一份由 SparkToro 所公開的報告表明，若單純只看桌面端，傳統搜尋引擎的搜尋量仍遠遠超過利用 AI 工具所進行的搜尋，甚至連在亞馬遜、微軟 Bing 和 YouTube 所發起的搜尋活動，其佔比都還是高於 ChatGPT。

然而 Rand Fishkin 點明，幾乎沒有任何企業或組織，將在這些「非 Google 平台」上的搜尋能見度，列為優先最佳化事項；許多公司高層只是因為 AI 搜尋的狂熱，以及媒體報導和刻意炒作，才讓 AI 時代的 SEO 奪走了焦點。

反向連結式微，要建立第三方存在感

不過 Rand Fishkin 和 Hugging Face 前 SEO 顧問 Britney Muller 都同意，跟過去 SEO 強調需要反向連結，AI 時代下品牌與產品是否能夠被第三方平台提及，或許才是更重要的因素。

SEO 公司 Semrush 行銷長 Andrew Warden 以自身為例，指出他過去經常忽略 YouTube、Instagram 或 TikTok 等平台，它們未必能替產品或品牌帶來直接營收，但 AI 時代下情況已經完全不同，企業需要懂得在第三方平台建立存在感，關注曝光次數、互動率等較為軟性的指標。

研究與顧問公司 Gartner 於近期發表的報告中預估，企業品牌用於公關及自然媒體曝光的預算，將在 2027 年以前翻倍，並建議企業積極運用相關預算，換取媒體報導以提升 AI 能見度。

當廣告行銷入侵消費者與 AI 之間

將目光回歸 AI 本身。2026 年初，OpenAI 宣布將在 ChatGPT 中加入廣告內容，為使用者提供與當下對話有關的推薦廣告，並承諾廣告內容不會影響 AI 的答案輸出，同時廣告商也無法存取使用者與聊天機器人的對話，更高付費等級的服務則保持無廣告狀態。

只不過，OpenAI 一公布消息就立刻引發使用者強烈反彈，競爭對手 Anthropic 趁機表明旗下 Claude 服務永遠不會投放廣告。

此外，OpenAI 執行長 Sam Altman 也遭遇強烈抨擊，遭外界指責其原先想要打造超越人類智慧 AI 的遠大理想，現在卻化為 ChatGPT 中的小小橫幅廣告。

但是，廣大消費者與 AI 使用者心中，真正的不安或許並非是廣告出現，而是那身兼感情建議、職涯指導、心理諮商和工作協助的聊天機器人，似乎突然間變得容易受到他人操縱。

即便在操作體驗上，ChatGPT 總讓使用者覺得安全、私密，彷彿躲過企業品牌宣傳與行銷人員的掌控，然而消費者必須體認，事實一直以來都並非如此。

跟傳統搜尋引擎相比，使用者與 AI 聊天機器人之間的「緊密連結」，本質上反而是替網路行銷打開了新的突破口，面對 AI 搜尋時代，或許行銷人員將更需要展現出「謹慎的責任感」，避免讓消費者感到不知所措。

【推薦閱讀】

◆ 告別廣告代操中間商：AI 代理人如何重構程序化廣告市場？
◆ 告別關鍵字堆砌：2026 零售行銷新戰場，如何餵養 AI 想要的評論數據？
◆ 【引導 AI 推薦自家產品】萊雅、聯合利華宣布採用，解析 Azoma 為 AI 代理打造的 AMP 平台

＊本文開放合作夥伴轉載，參考資料：The Verge、Microsoft，首圖來源：Google

（責任編輯：鄒家彥）

劍橋大學賈吉商學院（Cambridge Judge Business School）旗下 Cambridge Centre for Alternative Finance（CCAF），攜手國際清算銀行（BIS）、國際貨幣基金組織（IMF）與世界經濟論壇（WEF）等重量級機構，最新發布《2026 Global AI in Financial Services Report》報告。這份深度調查全球橫跨 151 個司法管轄區、共 628 個組織的報告揭示，AI 正深刻影響金融機構營運與監管機關維護市場穩定的能力。

報告指出，整個金融業正處於一個關鍵的「轉型過渡期」（mid-transition）。業界的技術焦點正迅速從傳統機器學習，跨越至生成式 AI，並大步邁向具備高度自主決策能力的「代理式 AI」（Agentic AI）系統。

然而，在技術躍進背後，金融業正經歷巨大的「執行落差」（execution gap）。儘管多數機構已感受到營運效率與生產力的提升，卻普遍撞上資料品質不佳、老舊 IT 架構包袱以及 AI 專業人才短缺等三大結構性痛點。更令人擔憂的是，當金融業加速將 AI 導入系統時，監管機關的技術採用進度卻明顯落後，這使得業界的老舊系統在面對前沿 AI 時，面臨前所未有的風險。

81% 金融業已導入 AI，但監管機關明顯落後

首先，報告指出，81% 受訪金融服務業者已在某種程度採用 AI，其中 40% 業者達到「Scaling」或「Transforming」等進階採用階段。相較之下，卻僅有 20% 的監管機關達到同樣的進階採用水準。

報告進一步揭露監管端的現況：高達 48% 的受訪監管機關仍處於 AI 採用的「探索」（exploring）階段，或是尚未開始導入 AI，而另有 33% 監管機關仍停留在試點階段。這種進度落差，讓監管單位在面對快速變化的 AI 市場時，面臨極大挑戰。更嚴重的是監管機關也有「資料盲點」，僅有 24% 的受訪監管機構有收集產業 AI 導入的數據，且高達 43% 的機構在未來兩年內沒有相關收集計畫，缺乏實質數據恐將削弱其駕馭與評估 AI 風險的能力。 

AI 已進入銀行後台，軟體工程成資安風險傳導點

另外在應用面上，目前金融業的 AI 部署主要集中在內部營運效率的提升，而非商業模式重塑。報告顯示，金融服務業最常見的前五大 AI 應用中，有四項屬於後台功能，包含流程自動化、資料視覺化、軟體工程、資料與知識管理，以及屬於前台功能的 AI 客服。

值得注意的是，軟體工程雖然是金融業最成熟的 AI 應用之一，如今卻也成為主要的網路風險傳導向量（cyber risk transmission vector）。報告強調，AI 生成程式碼在數量與速度上都達到前所未有的規模，這讓傳統的人工審查在軟體工程場景中變得越來越無效，當人工無法有效把關龐大的 AI 生成程式碼時，系統的結構性脆弱點便會隨之增加。

Mythos 引發監管擔憂，銀行老舊系統成新挑戰

因此，當「傳統人工審查失效」遇上「強大的新興模型」，危機便隨之升級。《Reuters》報導，Anthropic 於今年 4 月發布的前沿模型 Mythos 被資安專家視為對銀行業與其老舊技術系統構成重大挑戰。為此，全球監管機關已經開始與銀行接觸，以了解這些老舊系統在面對新興前沿 AI 模型時的防禦準備程度。

報告將 Mythos 視為下一代 AI 系統的警世案例。這類前沿模型可能很快就會具備大規模利用軟體漏洞的能力，進而大幅削弱既有人類治理與監督機制的有效性。更嚴峻的是，Anthropic Mythos 在漏洞利用的能力往往比人類更強，這讓金融服務業中原先仰賴的「人工監督」防線變得更加困難且不可靠。

當金融機構已將 AI 深度整合進後台流程、軟體工程與客服等場景時，監管機關的 AI 採用率、資料掌握度與技術能力，是否能同步跟上時代的步伐，成為當前的關鍵課題。隨著 Mythos 這類前沿模型展現出大規模利用系統漏洞的潛力時，金融業面臨的挑戰，已從單純的「追求 AI 效率提升」，延伸到了生死存亡的防禦戰。

為了有效監督產業，報告強烈建議監管機關自身也必須導入「代理式 AI」能力，讓系統能以機器的速度進行監控與反應，才能匹配並監管高度自動化的金融市場。接下來，銀行如何加速汰換老舊系統，以及如何在 AI 逐漸脫離人工監督的趨勢下建立新防線，將是一場全球金融生態系無法迴避的硬仗。 

＊本文開放合作夥伴轉載，資料來源：《Reuters》、《2026 Global AI in Financial Services Report: Adoption, Impact and Risks》，首圖來源：Unsplash

社群媒體的資訊密度與使用體驗之間，存在著一個讓許多人陷入兩難的矛盾，所謂 doomscrolling，指的是強迫性消費負面或令人不安的內容，即使已感到心理疲勞仍無法停止，而這是演算法驅動的社群平台長期優化參與度的結果。

舉例來說，X 上就有著傳統媒體給不了的即時性與深度，但滑起來又讓人感覺很糟。

Noscroll 的創辦人 Nadav Hollander 把這個矛盾描述得很直白：「就像速食，你吃完就覺得噁心」，於是他決定自己動手解決這個問題。

把瀏覽這件事外包給 AI

Hollander 的背景是加密貨幣與 Web3 圈，他曾創辦去中心化金融新創，後來賣給 NFT 平台 OpenSea，並擔任其技術長。離職後，他花了大量時間泡在 X 上，一邊享受它的資訊密度，一邊忍受它的文化毒性。

他說自己想要的是訊號，不是雜訊，也不是無止盡的滾動。

Noscroll 的核心概念因此很簡單：讓 AI 代理替你瀏覽，然後把值得看的東西傳給你。

據 TechCrunch 報導，使用者不需要下載任何應用程式，只要用手機傳訊給 Noscroll 的 AI 代理（電話號碼為 415-718-4828），就能啟動設定流程。連結 X 帳號後，AI 會讀取你的追蹤清單、按讚紀錄與書籤，用這些資料理解你的興趣輪廓。接著，你用自然語言告訴它你想追蹤什麼、不在乎什麼，它會準備一份示範摘要讓你確認方向。

資料來源不限於 X，Noscroll 會同步抓取新聞網站、部落格、Reddit、Hacker News、Substack，甚至學術論文與地方政治資訊。使用者也可以自行指定特定來源，確保某些管道一定被納入。

摘要透過簡訊推送，頻率由你決定

設定完成後，Noscroll 會以簡訊推送新聞摘要。頻率完全彈性，輕度使用者可以選擇每週一次，重度資訊需求者可以設定每天多次。每則摘要包含新聞連結與 AI 撰寫的簡短說明，如果想深入閱讀，點開連結就能讀全文。

值得注意的是，即使兩個使用者訂閱了相同的來源，收到的內容也不會一樣。系統會根據每個人的點擊行為、主題參與頻率與偏好設定，持續調整推送內容的方向，形成各自不同的個人化輸出。

使用者也可以直接回覆 AI，就像和其他聊天機器人對話一樣，針對收到的新聞提問或延伸討論。Noscroll 也支援加入群組聊天或 Telegram 群組，讓多人共同使用同一個資訊流。

更多通訊平台的支援則在後續規劃中。當有重大突發事件時，系統不會等到下一次排程推送，而是即時傳訊通知。

Hollander 表示，AI 代理在後台使用多個現成的語言模型，跑在公司自有的基礎架構上。這些模型經過大量提示詞調整，形成 Noscroll 自己的語氣與溝通風格。服務會隨著時間學習使用者的偏好，逐步優化推送內容的相關性。

使用者樣貌比預期更分散

Noscroll 剛公開上線幾天，Hollander 自己也被使用者的樣貌給出乎意料了。除了科技圈追蹤 AI 產業動態的重度資訊需求者之外，已有人在用它追蹤日本動漫產業的利基新聞、京都的餐廳開幕消息，以及求職市場與裁員動態。

記者則把它當成情報監控工具，用來持續追蹤特定議題，例如地方政治與社區事件。

Hollander 用「副手」來描述這個使用情境：「任何有職業需求、需要密切跟蹤特定主題的人，有一個幫你盯著的助手是很有用的，不管你的跑線是什麼。」

這些長尾使用場景說明了一件事，Noscroll 解決的需求，可能比「幫人戒掉手機」更廣。「職業需要持續在線追蹤特定領域」，或許是比「社群媒體成癮」更穩定的付費理由。

月費 9.99 美元，已有投資人主動接觸

目前 Noscroll 的訂閱價格是每月 9.99 美元。新用戶可以先收到一份免費的示範摘要，並享有七天試用期，期間可以隨時取消。Hollander 表示未來可能測試浮動定價，但目前尚未定案。

Noscroll 由 Hollander 與一位來自加密貨幣開源社群、在 X 上以 @z0age 為名的開發者共同建立，目前只有兩個人。服務上線後快速吸引使用者，也有投資人主動洽詢，但兩人尚未決定是否接受外部資金。

Noscroll 成立的前提是，人們使用社群媒體的核心需求是「資訊」，而非「體驗」本身。如果這個假設成立，AI 代理就能有效切割資訊獲取與無限滾動這兩件事。

但這個模式有兩個值得關注的結構性風險，一是個人化過濾可能強化使用者既有的觀點，因為系統傾向推送符合偏好的內容，相反的聲音可能因此被系統性地過濾掉；二是服務的根基建立在能夠存取 X 等平台資料的前提上，若這些平台日後收緊 API 存取權限，Noscroll 的資料來源將直接受到衝擊。這兩個依賴關係，是這類服務較難繞開的天花板。

【推薦閱讀】
◆ 拒絕「幾乎有用」的 AI 資訊噪音，高效團隊的 3 種 AI 成熟協作模式
◆ AI 正在重寫軍事情資規則：當工程師能自製準情報系統、中國企業能追蹤美軍部署
◆ NotebookLM 元老打造個人 AI 音訊助理 Huxe，讓信件、行程、新聞全都能「聽」

＊本文開放合作夥伴轉載，參考資料：TechCrunch、1950，首圖來源：Unsplash

在醫院急診室裡，許多生死交關、分秒必爭的決策，仰賴的是人類醫師多年累積的專業與經驗。然而，頂尖權威期刊《Science》近日刊載一項由哈佛醫學院（Harvard Medical School）與貝斯以色列女執事醫學中心（Beth Israel Deaconess Medical Center）共同發表的研究成果，首度讓專為處理複雜問題而生的 OpenAI o1 推理模型（reasoning model），與資深人類醫師在真實的急診情境中展開「正面對決」。

結果顯示，o1 模型在急診診斷、分診與後續處置建議等臨床任務中，皆展現出超越人類醫師的表現。不過，這項結果傳達的並不是「AI 將取代人類醫師」的恐慌，而是開始重新定義醫療照護的核心：當 AI 能夠又快又準地處理龐雜的病歷與數據時，反而強烈凸顯人類的價值。因為在資訊不足的高壓急診場景中，醫師在監督系統、人性判斷、醫病溝通與承擔最終責任上的角色，不但沒有被演算法削弱，反而變得不可取代。

真實急診病歷壓力測試：OpenAI o1 在資訊有限的分診階段勝過醫師

為了測試 AI 在真實醫療場景中運行的能力，研究團隊以波士頓 Beth Israel Deaconess Medical Center 的急診病例進行測試。《SAN》指出，有別於過去乾淨、標準化的考題，研究人員刻意使用接近真實臨床環境、充滿「雜亂」（messy）數據的電子病歷資料，讓 AI 與兩位人類醫師都只能讀取包含生命徵象、人口統計資訊與護理師紀錄等有限的文字資訊。

在病患剛抵達急診、資訊仍相當有限的「分診階段」，OpenAI o1 展現了驚人的判斷力，做出正確或非常接近診斷的比例高達 67%，勝過兩位人類醫師的 50% 與 55%。當病患接近入院階段、具備更多病歷資訊可用時，AI 的診斷正確率進一步躍升至 81% 至 82%，而人類醫師則落在 70% 至 79%，可見 AI 的優勢在「需要快速決策、資訊又不完整」的急診分診場景中尤其明顯。

不僅如此，當被要求提供如抗生素療程或臨終照護流程等長期治療計畫時，AI 的評分高達 89%，遠勝使用傳統資源的人類醫師。在一例肺栓塞併發症惡化的真實病例中，人類醫師誤以為是抗凝血劑失效，但 AI 卻注意到病患有紅斑性狼瘡病史並推斷為肺部發炎，最終證明 AI 才是正確的。 

AI 勝過醫師不等於取代醫師，真實急診仍仰賴許多非文字判斷

儘管數據亮眼，但研究作者們一致強調，這項結果絕不代表 AI 已經準備好取代急診醫師。《SAN》引述研究共同作者 Adam Rodman 的說法表示：「沒有人應該看完這項研究後就說我們不需要醫師。」

探究其原因，這項研究主要測試的是「可被文字化」的病歷資料，而非複雜的完整臨床現場。《CNET》與《The Guardian》皆點出關鍵：真實的醫院與急診工作極度仰賴視覺與聽覺線索，例如病患的外觀狀態、痛苦程度等非文字訊號，而 AI 目前仍無法完整接收與準確解讀這些現場資訊，因此 AI 在研究中的定位，更像是根據書面資料提供第二意見的臨床決策輔助工具。

哈佛醫學院助理教授 Arjun Manrai 進一步解釋：「我不認為我們的發現意味著 AI 會取代醫生，我認為這確實代表我們正在目睹一場將重塑醫學的深刻技術變革，我們現在需要對這項技術進行評估，並嚴格進行前瞻性臨床試驗。」

醫療 AI 的落地邊界與挑戰：錯誤、偏誤、責任與人性判斷

不過，要將 AI 真正導入臨床，仍有許多邊界與風險需要克服。《Forbes》提醒，AI 工具雖然進步快速，但仍可能產生「假陽性」（false positive）。以另一項胰臟癌 CT 偵測研究為例，該 AI 模型在臨床診斷前偵測胰臟癌的特異度（specificity）為 81%，代表近五分之一的病患可能被錯誤判定為陽性，這將導致不必要的後續侵入性檢查、病患焦慮與額外的醫療成本。《Forbes》同時指出，AI 訓練資料本身可能存在偏誤，若資料未充分涵蓋不同族群，其診斷與治療建議恐將加深醫療不平等。

技術之外，制度面的配套同樣迫切。《The Guardian》提到，醫師對 AI 最大的擔憂在於「錯誤」與「責任歸屬」風險，而目前醫療界仍缺乏正式的問責框架。另一方面，AI 輔助醫療是否安全、公平且具成本效益，並不是本次研究的測試範圍，因此需要監管機構、醫院與醫療提供者共同建立更嚴謹的使用規則。

《Forbes》最終點出醫療的核心本質：醫療不只是辨識模式、做出診斷或提出治療，還包含理解病患的恐懼、家庭、財務、文化信念與個別臨床情境。這種奠基於人與人連結的「人性判斷」，是演算法無法計算的部分。

因此，這項哈佛研究清晰劃定醫療 AI 的能力邊界：AI 已能在特定的急診診斷與臨床推理任務中勝過人類醫師，但依然無法完整取代醫師在真實醫療現場中的觀察、溝通、判斷與責任承擔。未來，醫療 AI 的發展關鍵，在於醫師、病患與 AI 共同參與的「三方照護模式」（triadic care model），讓醫師能透過 AI 高效處理龐雜的醫療數據，進一步釋放更多心力，專注在無可取代的醫病關係與最終決策。

＊本文開放合作夥伴轉載，資料來源：《Science》、《The Guardian》、《SAN》、《Forbes》、《CNET》，首圖來源：AI 工具生成。

《Bloomberg》報導，NVIDIA 進軍實體 AI 帶動亞洲合作夥伴股價上漲，隨著亞洲進一步融入 NVIDIA 的商業生態系，受惠的亞洲企業名單正持續擴大，包含南韓的 LG 電子、台灣的南亞科技，以及中國的德賽西威、博泰車聯網。

黃仁勳點名下一波 AI 浪潮！亞洲成 NVIDIA 實體 AI 關鍵戰場

根據《Bloomberg》彙編的數據，亞洲供應商現約占 NVIDIA 生產成本的 90%，高於去年的 65%，隨著 NVIDIA 產品需求爆炸性成長，該公司對主導製造、組裝與關鍵零組件的亞洲夥伴依賴也日益加深。瑞聯銀行董事總經理 Vey-Sern Ling 表示：「全球科技公司持續加深對亞洲供應鏈的依賴，已是不可避免的趨勢。」他指出，實體 AI 的發展，將在既有成長基礎上，進一步推升亞洲對 AI 晶片的需求。

近年來，NVIDIA 持續擴大其亞洲合作夥伴陣容，先前透過與 SK 海力士、三星電子等供應商深化晶片合作，這些合作原本聚焦於提升 AI 運算能力，但最新一波區域合作顯示，NVIDIA 正從半導體延伸至實體 AI 領域，包括機器人技術。LG 電子發言人也證實，公司近期與 NVIDIA 會面，雙方正探索在實體 AI 領域的策略合作，包括機器人生態系。

《Bloomberg》提及，NVIDIA 進軍實體 AI，涵蓋機器人、自主系統與 AI 賦能製造，使其影響力從晶片延伸至真實世界部署，也讓亞洲成為這波擴張中的關鍵夥伴。NVIDIA 執行長黃仁勳曾將實體 AI 視為生成式 AI 之後的下一波浪潮，Bloomberg Intelligence 策略師 Marvin Chen 表示：「需求的增加與擴張，正為更多科技供應商創造機會，使其加入全球 AI 建設供應鏈。」

微軟砸半數資本支出在 NVIDIA，AI 軍備競賽帶動亞洲科技鏈

美國科技巨頭最新資本支出指引顯示 AI 投資正加速：亞馬遜、微軟與 Alphabet 今年各承諾投入約 1,900 億至 2,000 億美元，Meta Platforms 也將資本支出提高至最高 1,450 億美元。根據《Bloomberg》計算，NVIDIA 約占微軟資本支出的一半、亞馬遜的四分之一，在 Meta 與 Alphabet 亦占有高比重。

《Bloomberg》指出，鴻海也持續扮演次級受惠者角色，尤其受惠於微軟與亞馬遜的訂單挹注，SK 海力士則在各大科技巨頭供應鏈中，占有中個位數的供應份額。需求激增也反映在供應商財報表現上，三星電子半導體部門獲利暴增 48 倍、優於市場預期，SK 海力士亦公布單季獲利年增 5 倍。

資產管理機構 Gama Asset Management 投資組合經理 Rajeev De Mello 表示：「亞洲的科技基礎具結構性優勢，特別是在 AI 對半導體、零組件、伺服器與整體硬體基礎設施創造新需求之際。亞洲已累積建造先進半導體與機器人的豐富經驗與供應鏈，為實體 AI 的落地提供強大基礎。」

《Crypto Briefing》補充，市場認為 NVIDIA 持續擴大亞洲合作夥伴關係，正提升其成為全球市值最高公司的機率，反映投資人對其成長前景具信心。後續需關注亞洲布局、美中貿易變化、財報表現與監管政策，這些都將影響 NVIDIA 能否進一步登上市值王座。

＊本文開放合作夥伴轉載，資料來源：《Bloomberg》、《Crypto Briefing》，圖片來源：Unsplash。

電動車的價格戰，現演變為一場圍繞車內 AI 科技的「功能戰」，競爭正在全球同步升溫。在中國，電動車廠的戰場從價格轉向車內 AI 功能的堆疊；在全球市場，Apple CarPlay 正悄悄成為 Grok、ChatGPT 與 Perplexity 爭奪駕駛注意力的新戰場。

車市不只拚降價！中國電動車轉向車內 AI 競賽

《CNBC》指出，在全球最大汽車市場中，中國電動車製造商為了在長期價格戰中生存，正不斷疊加更多相同的 AI 功能。這場競爭在過去幾年已從延長電池續航力，轉向推出駕駛輔助系統，以及使用更強大的車用晶片，現在車廠的焦點則集中在一整套車用 AI 功能上。

字節跳動旗下雲端平台火山引擎近日在北京車展宣布，已有超過 50 個汽車品牌使用其豆包 AI 模型，且已應用於 145 款車型、超過 700 萬輛汽車。字節跳動的豆包是中國使用最廣泛的 AI 聊天機器人，根據顧問公司 Chozan 的數據，截至今年初，其每週活躍用戶超過 1.55 億。火山引擎進一步表示，除了國產車型之外，豆包 AI 也已整合進多款外資品牌新車，例如純電賓士 GLC、上汽奧迪 E7X，以及上汽大眾 ID. ERA 9X。

中國上汽集團奧迪合作計畫執行長 Fermín Soneira 在車展前接受媒體訪問時表示：「我們會持續更快地整合新功能。」他指出，車廠可以透過遠端更新（OTA）迅速部署技術升級。儘管新功能快速推出，車廠仍持續面臨銷售壓力，他表示：「因為產能存在。這場價格戰在未來幾個月內不會真正停止。」向 AI 功能轉型，反映出消費者對連網功能的需求，包括與華為手機相容的介面，以及像豆包這類語音助理。

AI 將成基本配備？中國車廠重心轉向體驗與生態布局

顧問公司 AlixPartners 亞洲汽車與工業部門主管 Stephen Dyer 表示，目前車內 AI 科技功能戰的問題在於，許多技術很快趨於同質化，使企業更難建立差異化優勢。根據 AlixPartners 數據，在中國前 20 大暢銷電動車型中，售價在 10 萬元人民幣以上的車款，其駕駛輔助與車用娛樂功能高度相似。

Stephen Dyer 表示：「在技術方面，企業必須持續競爭，因為技術擴散非常快，幾乎無法長期維持差異化。」他預期中國車企將轉向競爭「車外體驗」，類似奢侈品牌提供的專屬生活方式體驗，例如蔚來汽車（Nio）就為客戶提供專屬產品與會所服務，同時其車款也採用高階內裝材質。

顧問公司 Sino Auto Insights 創辦人 Tu Le 表示，AI 最終應該在背景中運作，重點是提升使用體驗，而不必成為車輛的主打功能。他指出，中國車廠在國內建立差異化優勢面臨挑戰，但未來在與外國品牌競爭時可能具優勢。他說：「在中國市場被視為基礎或標準的功能，未來在西方市場也會很快成為基本配備。」

CarPlay 成 AI 新戰場：Grok 對決 ChatGPT、Perplexity

與此同時，車用 AI 戰火也正延燒至全球車用平台。《Digital Trends》提及，馬斯克公司開發的生成式 AI 聊天機器人 Grok 即將加入 CarPlay 儀表板，與 ChatGPT 和 Perplexity 同場競爭，Apple 的 CarPlay 正悄悄變成 AI 聊天機器人的新戰場。ChatGPT 已在今年 3 月登上 iPhone 鏡像系統，Perplexity 於 4 月跟進，如今 Grok 也準備加入。

最新版本的 Grok iPhone App 中，已出現 CarPlay 介面佔位畫面，目前尚未啟用，但清楚寫著：「Grok 語音模式即將登陸 CarPlay。」過去 Grok 主要只在 Tesla 車輛中內建使用，如今支援 CarPlay，意味著幾乎所有 iPhone 用戶（非 Tesla 車主）都能在車上使用它。不同於 ChatGPT 與 Perplexity 同時提供文字與語音混合體驗，Grok 將以語音模式優先登場，特別針對駕駛情境設計，讓使用者在行車時不需看螢幕，只需透過語音互動。

《Digital Trends》補充，CarPlay 正在成為 2026 年的 AI 戰場。Apple 打開這個入口後，短時間內已吸引多個 AI 助手進駐，最終關鍵將是：誰能打造真正適合駕駛情境的免持操作語音 AI，誰就能在車用市場取得優勢。

＊本文開放合作夥伴轉載，資料來源：《CNBC》、《Digital Trends》，圖片來源：Unsplash。

隨著 AI 技術演進，企業希望盡快導入 AI 驅動創新，卻也面臨風險控管的兩難。趨勢科技旗下 TrendAI 調查，74% 的台灣受訪企業決策者坦言，過去曾在高層要求或市場競爭壓力下，被迫核准在企業導入可能帶來資安風險的 AI 方案；同時只有不到一半的企業認為內部團隊能辨識惡意或異常的 AI 行為，顯示台灣企業正面臨「盲目導入 AI」的高度風險。

不過，究竟企業當前面對的是什麼樣的資安風險、該如何應對？TrendAI 勾勒出三大威脅升級的具體樣態，提醒企業留意。

威脅升級一：假資訊與詐騙內容的大規模生產

TrendAI 威脅研究總監 Ryan Flores 指出，自從 2022 年底 ChatGPT 問世以來，垃圾郵件數量大幅增加了 1,000%，且預計到今年底，網路上的 90% 內容將由 AI 生成。他表示，駭客利用 AI 發動的攻擊也將變得更低成本，更具可擴展性。

TrendAI 實測，只需花費一週與不到 20 塊美金的 AI 影片生成訂閱費，不需親手撰寫程式碼，就能利用無程式碼（No-code）工具串接，在電商平台上創造出完美的「假賣家、假商品、假買家評論影片」，如此一來便可能輕鬆實現大規模詐騙。

威脅升級二：身分偽造進化，企業招募與信任機制面臨新挑戰

TrendAI 也觀察到，已有北韓駭客利用竊取而來的 LinkedIn、GitHub 等公開資料，搭配大型語言模型與深偽技術，偽裝成遠距 IT 工作者應聘。一旦錄取成為內部員工，其就會進行資料竊取、部署勒索軟體，或盜取資產。「一旦他們成為員工，基本上就成為內部威脅，所以可以進行橫向移動。」Flores 說。

駭客也會架設「假公司」發布職缺，要求求職者下載包含惡意軟體的面試測試包，反向盜取求職者的資產與身份，甚至劫持真實帳號。

威脅升級三：AI 原生攻擊工具與 AI 系統濫用，突破傳統限制

值得關注的是，隨著大型語言模型運算能力躍進，TrendAI 觀察到駭客攻擊手法已突破傳統技術限制，例如近期 LameHug 等惡意工具，便刻意偽裝成圖像生成應用，實際上是內嵌 LLM 運算能力，讓攻擊者只需透過提示指令下達意圖，模型就可以自動編譯並執行惡意指令。TrendAI 強調，這樣的攻擊能使單一軟體無縫跨越 Windows、Mac 與 Linux 多重作業系統的限制而發動攻擊。

Flores 表示，這種威脅的恐怖之處在於，未來的惡意軟體可能不再有固定程式碼，只要用「提示詞（Prompts）」就能由 AI 針對不同作業系統自動調整攻擊語法。

Flores 也提到，企業內部的 AI 系統例如智能客服、自助查詢或自動化流程平台，也可能成為「提示詞注入（Prompt Injection）」的跳板，成為新威脅。駭客只需在發給客服的信件中隱藏特殊指令，當企業的 AI 讀取該信件時，就會被誘騙去執行超出預期的動作，整個攻擊過程不需要駭入系統或寫入任何程式碼。

TrendAI 呼籲企業建立治理框架，善用整合能力工具

由上述威脅樣態可見，傳統防禦機制已能被生成式 AI 輕易破解。但 Flores 呼籲，儘管 AI 技術屢遭駭客濫用，AI 仍是驅動產業變革的時代創新，而面對 AI 時代的威脅，建立完善的安全機制與治理框架將成為企業相當重要的議題。他建議，企業應採用智慧的資安事件管理（Security Information and Event Management，SIEM），得以將碎片化數據資料轉化為一致語言，並有效分析串聯跨系統資訊，加速判斷與決策效率。

舉例來說，面對暴增的威脅日誌，可利用 AI 擅長「翻譯」的特性，將不同設備與系統的日誌格式統一並進行關聯分析，幫助資安人員從海量數據中找出最高風險的事件，在規模上提供幫助。

TrendAI 台灣暨香港區總經理洪偉淦在接受媒體訪問時，補充了企業導入 AI 代理時必須思考的兩個關鍵原則。第一是慎選大型語言模型，因為現在有許多開源或號稱免費的語言模型，但背後可能隱含未知資安風險，因此需要審慎評估。第二是權限控管，企業在設計 AI 系統時，就必須設定極為明確的框架與權限範圍，以防 AI 遭駭客利用。

洪偉淦指出，「我們觀察多數台灣企業的資安架構仍停留在過去以工具與規則為核心的模式。而在 AI 時代的競爭關鍵，不在於誰擁有最完整的資安工具，而在於誰能最快理解風險、做出決策」。

＊首圖來源：《TechOrange》拍攝。

隨著烏俄戰爭發展至今，無人機在戰場上的地位，似乎已變得至關重要。

根據官方數據，烏克蘭軍方在 2024 與 2025 年，合計訂購高達 180 萬架無人機，總值約 34 億美元。這些無人機包含自殺式攻擊機、情蒐偵察機、遠程攻擊機，以及多款可重複使用的機種，構築出一支龐大的無人機軍團。

然而，烏克蘭之所以能在戰場上取得牽制敵軍的優勢，不單單是因為數量龐大的無人機，更是由於他們在背後所建立的高效率「戰場回饋循環」。

無人機不再只是「攻擊武器」

在烏俄戰爭的每一個層面，兩個國家都不約而同大量運用無人機技術，例如烏克蘭以 FPV 無人機追擊敵方車輛與步兵陣地，並利用偵察無人機支援火炮攻擊，再透過遠程無人機打擊俄羅斯境內目標。

跟過去單純依賴人類操作或自殺式攻擊不同，隨著 AI 技術引入，無人機作戰開始出現進化。

當敵方發動電子作戰，導致人類操作員、無線電和 GPS 全都失效時，AI 系統便會接管任務，讓無人機透過影像識別與自主導航，持續追蹤並判斷敵軍動向，發揮除「爆炸」之外的最大效用。

無人機在戰場上的每一次飛行，以及攝影鏡頭所錄下的真實畫面，最終都被轉化成數據，成為訓練下一代 AI 模型的珍貴素材，為烏克蘭軍用武器的高速迭代奠定基礎。

打通「作戰」與「製造」的鴻溝

為了應對俄羅斯不斷升級的反制手段，烏克蘭國防部成立了 A1 中心，目標是利用真實的戰場數據，分析並預測敵方行動，同時專門針對訊號受阻與電子戰環境，開發新型無人機、機器人及軍事模擬系統。

最為關鍵之處在於，烏克蘭軍方將前線部隊所遭遇的挑戰，迅速轉化為後端的製造需求，打通「作戰」跟「製造」之間的溝通鴻溝。

舉例來說，一旦無人機作戰單位遇到了敵方的干擾，烏克蘭當地的武器製造商便能立刻依據軍方回傳的數據，進一步推動產品升級。

緊接著，當新產品投入戰場後，若是再度遭遇俄軍反制，整個產業鏈又會迅速進入數據分析、產品改良、生產製造，並將產品再次投入戰場的無限循環。

循環迭代所打造的國防護城河

跟傳統的武器供應鏈模式截然不同。在過去，前線士兵只能被動等待高層提出需求，並由承包商競標生產新武器，過程中幾乎無法提供任何即時回饋。

但是在烏克蘭所開創的新模式下，前線部隊可以直接將需求，反映給國內眾多的製造商；雖然過程中難免會有研發失敗的案例，但這種高速試錯的機制，讓軍工單位能夠迅速累積經驗，製造出真正符合戰場實況的裝備。

為了配合這種迭代速度，日前烏克蘭也推出了 DOT-Chain Defence 數位系統，打造現代化的武器交易平台，允許部隊快速訂購並取得軍事產品，大幅簡化繁瑣的官僚程序，確保前線能於最短時間內獲取所需資源。

該系統上線至今，已經替烏克蘭 186 個作戰旅及兩個軍團，成功媒合並交付了超過 17.5 萬套軍用設備；同時，烏克蘭無人機作戰部署評估系統（DELTA）的使用者也超過了 20 萬，單日處理高達一萬次的無人機作戰資訊流。

儘管俄羅斯擁有大規模生產無人機，藉此覆蓋烏克蘭領空的能力，也能抄襲硬體設計或打擊烏克蘭軍方的製造工廠，但這種將戰場經驗迅速轉化為產品升級的「迭代習慣」，才是烏克蘭真正的國防護城河。

昂貴的消耗戰及供應鏈韌性

當然，烏克蘭的「戰場回饋循環」防禦體系也並非毫無弱點。

由於無人機作戰高度仰賴軟體、硬體、訓練、採購與作戰回饋的完美協作，俄羅斯強大的電子戰能力、豐富的飛彈庫存與龐大產能，就有可能演變成消耗戰並徹底拖垮烏克蘭的國土防禦。

因此，假若烏克蘭過度依賴昂貴的「一機換一機」防禦模式，或者無人機的關鍵零組件，如馬達、電池、光學元件及無線電模組等，受迫於俄羅斯壓力而無法順利進口，這套回饋循環系統的運作速度就會大幅下降。

換句話說，維持烏克蘭「戰場回饋循環」持續運作的關鍵，終究在於國防供應鏈韌性，以及戰場數據的安全性。

保護共享資訊，擺脫 AI 幻想

對於烏克蘭來說，爭取盟友支援以擴大零件供應規模，並建立可替代的備用供應鏈，將是避免生產中斷的核心防線。

同時，妥善保護並適度共享戰場數據也至關重要，這既能讓烏克蘭的合作夥伴，協助改進無人機和各式武器、模擬系統的 AI 模型，也能確保前線作戰部隊安全，同時維持敵我識別的準確度。

此外，在科技且現代化的烏俄戰爭中，保留人類於決策環節的核心地位，依然是多數人的共識。

與其追求打造某種「AI 自動化武器」並企圖贏得戰爭，那些有能力對抗干擾、標記敵方目標、簡化任務作業，並為人類指揮官爭取更多決策時間的實用無人機與機器人，或許才是烏克蘭更該發展的方向。

一場科技與速度的戰爭

總歸來說，烏克蘭目前握有的無人機優勢，起源於戰爭壓力下的臨時應變，並在俄羅斯持續給予的壓力中，淬鍊成一條完整的產業鏈。

然而，烏克蘭維持這項優勢的核心，將在於保持產品的高速迭代，同時兼顧品質與穩定性。

另一方面，前線指揮官、政府高層對 AI 能力保持務實的認知，不過度迷信技術展示而忽視戰場實況，預期也會成為這場科技與速度的戰爭中，決定勝負的關鍵所在。

【推薦閱讀】

◆ 90% 傷亡來自無人機，烏克蘭從零建立「不依賴中國」的無人機供應鏈
◆ 一台設備整合通訊、反干擾、無人機攻擊，Phoenix 想成為美軍的「智慧型手機」
◆ AI 軍備競賽轉向低成本對決：模組化無人載具如何重塑全球國防供應鏈？

＊本文開放合作夥伴轉載，參考資料：Implicator.ai、Ministry of Defense of Ukraine，首圖來源：Pixabay

（責任編輯：鄒家彥）

專訪：戴季全
撰稿：李昀蔚

當 AI 從雲端模型走向真實世界，邊緣 AI（Edge AI）與實體 AI（Physical AI）正成為企業導入的下一個關鍵戰場。「2026 年是 Edge AI 跟 Physical AI 爆發的起始點，」研華嵌入式事業群總經理張家豪在本集《全新一週》特別提到，隨著 AI 深入工廠、醫療、機器人等場域，將所有資料送回雲端處理已不切實際，為了滿足低延遲、資料隱私與即時反應等特性，讓邊緣運算平台具備 AI 運算效能，已快速成為各產業邊緣設備的標準配備。

當 Edge AI 延伸至實體世界，Physical AI 的討論也隨之升溫。張家豪強調，Physical AI 真正要落地，絕非單純把 AI 算力放在邊緣端，而是必須將周邊模組、軟體平台與整個生態系進行深度整合，才能實現 Physical AI 的願景。

從大腦到小腦：人形機器人不只要像人，更要有人類的感知與決策

談到 Physical AI，最具代表性的場景之一就是人形機器人。針對機器人的運算分工，張家豪以「大腦」與「小腦」來形容：所謂「大腦」，指的是負責感知、推論與決策的 Edge AI Computing，必須處理語言模型、數位孿生、即時資料回饋與判斷；「小腦」則負責控制四肢、輪子與各種運動模組的實際運作。

在實際運作時，機器人必須透過各類感測器來理解外部環境並做出反應。例如，由 2D 與 3D 攝影機負責視覺感知，Wi-Fi 與藍牙負責通訊，LiDAR 與 IMU 協助路徑控制，再透過運動控制模組支撐機械結構運作。這也代表 Physical AI 的挑戰在於如何將感測、通訊、視覺、路徑與運動控制等多種模組，全數整合並串聯至 Edge AI 裝置中，形成完整的機械系統。

三大落地場景：工廠自動化、醫療影像與自主移動系統

從研華第一線接觸客戶的實戰經驗出發，張家豪觀察，目前 Edge AI 落地最明確的場域主要涵蓋工廠自動化、醫療產業以及自主移動機器人系統。在工廠自動化方面，由於工廠過去本就高度依賴自動化系統與工業電腦來提升效率，如今這些設備升級 AI 運算的速度極快，例如過去仰賴人工目視的產品瑕疵檢測，現在已能透過邊緣運算與視覺檢測在產線端即時完成。

其次是醫療產業，像是超音波、X 光等醫療影像判讀，過去高度仰賴醫師經驗，現在導入 AI 後一秒鐘即可處理高達 3,000 張影像，讓判讀效率獲得顯著提升。最後，則是包含人形機器人與無人機等自主移動機器人系統（Autonomous Mobile System），這些系統必須在真實環境中移動並做出反應，因此對於即時運算與多模組整合的需求也特別高。

Edge AI 落地的三大挑戰：規模化、整合性、軟體平台

儘管工廠自動化與醫療產業已相對成熟並具備一定標準，但像機器人這類新興應用仍面臨標準尚未建立的困境。當企業真正著手導入 Edge AI 時，往往會面臨規模化、整合性與軟體開發平台等三大痛點。

首先是規模化的挑戰，像人形機器人這一類新興產業仍停留在概念驗證（POC）階段，因此如何克服痛點，並將單一場域的成功案例複製與擴展至大規模商業部署，是一大難關。第二是整合性問題，Edge AI 無法僅靠單一 AI 大腦運作，還需與感測、通訊、視覺、路徑監控及運動控制等多種周邊模組共同協作，這極度考驗系統整合能力。第三則是軟體開發平台的標準化困境，隨著晶片組從 CPU、GPU 走向 NPU 時代，各家廠商提供的 SDK、驅動程式與訓練演算法皆不相同，導致開發者若要跨平台轉移晶片組，往往必須付出極高的轉換成本與開發時間。

從硬體供應商轉型 Edge AI Enabler，研華打破跨平台藩籬

「我們要作為一個 AI 的 Enabler，尤其是 Edge AI 的 Enabler，」面對 Edge AI 落地的挑戰，張家豪強調研華的角色定位為 Edge AI 的推動者（Enabler），也就是除了將既有核心優勢的邊緣運算硬體平台導入 AI 外，研華更重要的任務是協調並串聯整個生態系。

為了降低開發者的跨平台阻礙，研華推出 WISE-WEDA 容器化軟體架構。張家豪形容這就像貨櫃，只要將軟體應用依照標準裝進貨櫃，就能輕易放上不同的硬體平台運送。透過這套標準化介面，開發者能跨越所有晶片組的限制，大幅降低遷移成本並加速產業應用開發速度。

下一波競爭焦點：系統整合能力與台灣產業的出海考驗

在 2026 NVIDIA GTC 大會中，研華已結合 NVIDIA Jetson Thor、Isaac ROS、Holoscan 等方案推出 Physical AI 布局，持續強化多感測器整合能力。張家豪直言，下一波 Edge AI 技術競爭的關鍵不在於單純的運算效能比拚，而是「系統整合能力」，從核心 Edge AI Computing、周邊模組整合，到軟體開發環境的完整性，必須形成一套完整的解決方案，才能幫助客戶縮短開發週期。

最後，在探討台灣於全球 Edge AI 競爭中的定位時，張家豪點出台灣擁有極具彈性且完整的硬體供應鏈，從 PC、工業電腦到 Edge AI Server 都具備深厚基礎，並擁有高度客製化的服務能量。然而，台灣的相對弱勢在於生態系的建立能力。受限於本地市場規模，台灣產業往往依賴海外終端客戶來主導生態系，相較於中美歐等擁有龐大內需市場的企業，較難在本土完成落地驗證。因此，張家豪呼籲台灣企業必須勇敢走出去，親自前往美國、中國等大型終端市場建立研發、製造與銷售據點，直接串聯當地夥伴與客戶，藉此在 Physical AI 時代建立更強大的產業生態系。

歡迎大家訂閱「科技報橘」YouTube 頻道，一起用《全新一週》節目，來迎接全新的一週！

AI 巨頭現在不只拚誰的模型最聰明，更要競逐誰能把技術真正「落地」，成為企業內部的主要生產力來源。近日，OpenAI 與 Anthropic 幾乎在同一天、相隔不到幾分鐘的時間內，接連宣布結盟華爾街與頂級私募基金，各自砸下重金成立專屬的「企業 AI 服務公司」。

《The Deep View》一語道破這場戰局的核心：部署（Deployment）已正式成為 AI 的新戰場。OpenAI 與 Anthropic 的行動，顯示雙方的戰火已從單純的模型軍備競賽與程式開發工具的技術較勁，全面蔓延到商業世界最前線，看誰能在廣大的企業市場勝出，並率先將技術變現。

OpenAI 成立 The Deployment Company，借助私募基金打進企業客戶

為了打贏這場商業化戰役，《彭博社》報導，OpenAI 已從 TPG、Brookfield Asset Management、Advent、Bain Capital，以及 Dragoneer 與 SoftBank 等投資方手中，募得超過 40 億美元的資金，用於成立一家專注在協助企業部署 OpenAI 軟體的新公司。這家新合資企業名為「The Deployment Company」，估值高達 100 億美元，且將由 OpenAI 持有多數股權並握有實質控制權。

OpenAI 的布局策略十分明確，因為這些合作夥伴預計可觸及超過 2,000 家投資組合公司與客戶，因此 OpenAI 的核心目標正是透過這些既有的人脈網絡與商業關係，大幅降低企業導入門檻，使更多企業能加速採用 AI 技術。

Anthropic 找上 Blackstone、高盛等機構，把 Claude 導入企業核心流程

面對 OpenAI 的大動作，Anthropic 也不甘示弱。在幾乎同一時間，Anthropic 宣布與 Blackstone、Hellman & Friedman、Goldman Sachs 等機構達成合作，成立一家新的「AI 原生企業服務公司」（AI-native enterprise services firm），目標是將旗下的 Claude 導入中型企業的核心營運流程中。

這項合資計畫同時也獲得 Apollo Global Management、General Atlantic、Leonard Green & Partners、GIC 與 Sequoia Capital 等大型機構的支持。這家新的 AI 原生企業服務公司不僅將協助這些資產管理公司旗下的投資企業，也會為其他企業整合 AI 工具。

《TechCrunch》點出，這兩大 AI 巨頭策略背後的共同邏輯，是透過另類資產管理公司來建立新的「企業 AI 銷售通路」。這些合資企業預期將能獲得優先接觸投資方旗下「投資組合公司」（portfolio companies）的銷售優勢，藉此快速擴大市占率。

解決落地痛點，前沿部署工程師成為 AI 新戰力

然而，空有強大的模型與廣大的銷售通路，並不足以讓企業真正用上 AI。《SiliconANGLE》引述高盛高層 Marc Nachmann 的觀察指出，目前業界「極度缺乏」知道如何將 AI 整合進現有業務流程的專業人才。他直言，光有模型並無法改變企業的營運方式，必須有人將技術與實際業務結合，這正是企業導入 AI 時面臨的最大瓶頸。

為了直接打通這個落地痛點，OpenAI 與 Anthropic 透過新資金引進全新的作法。《彭博社》與《TechCrunch》觀察，這兩大巨頭的布局皆帶動「前沿部署工程師」（forward-deployed engineers, FDE）的興起，因為 OpenAI 與 Anthropic 新成立的 AI 服務公司，將有別於傳統的企業顧問，而是採用由 Palantir 公司所普及的 FDE 模式，將龐大的工程資源直接投入到個別客戶身上。

未來，這些 FDE 專家將直接進駐中大型企業，與客戶端的 IT 人員及第一線員工並肩作戰。從醫療到金融，他們將親自了解員工日常使用的軟體與痛點，為不同產業量身打造專屬的 AI 工作流程與工具，讓 AI 模型真正轉化為實質生產力。

Constellation Research 分析師 Holger Mueller 也觀察到，這個現象顯示 AI 越來越像傳統的企業級軟體。這兩家獲頂尖金融機構注資數十億美元的合資企業，雖然本質上如同傳統顧問公司，但這也證明投資人亟欲在 AI 帶來的龐大利潤中搶佔先機。

AI 巨頭的下一場競爭，是誰能把模型變成企業生產力

《彭博社》分析，OpenAI 與 Anthropic 在開發 AI 技術上耗費數十億美元，現在都希望能透過這些新成立的部署公司來提升 AI 技術的採用率並帶動實質銷售，尤其雙方目前都正朝著最快在今年進行首次公開募股（IPO）的目標前進。

《The Deep View》進一步指出雙方的競逐態勢：雖然 Anthropic 先前已成功建立起「企業界愛用者」的形象，但 OpenAI 在過去幾個月也做出大幅度的轉向，積極切入企業市場。例如，OpenAI 削減部分消費端專案，將更多資源與算力投入到核心模型，更不斷推出 Codex 更新，並透過與 AWS 的合作在企業與政府單位中建立動能。

這兩家公司的最新舉動正式宣告：AI 巨頭之間的競爭，已經不再侷限於誰的模型技術更強大，而是誰能藉由資本力量、專屬工程團隊與強大的企業銷售通路，將 AI 真正部署進企業營運中，成功把模型轉化為實質的企業生產力。

＊本文開放合作夥伴轉載，參考資料：《The Deep View》、《Bloomberg》、《TechCrunch》、《SiliconANGLE》，首圖來源：Unsplash

《The New York Times》報導，美國官員與知情人士透露，原本對 AI 採取不干預立場、讓矽谷自由推動技術發展的川普政府，正討論對新 AI 模型引入政府監督機制。

白宮擬成立 AI 工作小組，考慮仿英國建立模型審查制度

《The New York Times》指出，美國政府目前正研議透過行政命令成立一個 AI 工作小組，成員將包含科技企業高層與政府官員，共同檢視可能的監督機制。知情人士透露，白宮官員上週已向 Anthropic、Google 與 OpenAI 等企業高層說明部分規劃內容。該工作小組預計將評估多種監管模式，其中一種可能方向，將參考英國正在建立的制度架構，英國已指定多個政府機構，負責確保 AI 模型符合特定安全標準。

在顧問與政策諮詢層面，《Forbes》補充，今年 3 月，川普曾任命 13 名成員加入新成立的 AI 顧問委員會，成員包括 Meta 執行長馬克·祖克柏、甲骨文創辦人 Larry Ellison、輝達執行長黃仁勳，以及戴爾公司創辦人暨董事會主席 Michael Dell 等科技業領袖。該委員會將就「科學、科技、教育與創新政策相關事務」向總統提供建議。同時，白宮也提出一套希望國會推動的立法框架，目標在於建立全國統一的 AI 政策，以取代各州分散的監管規範。

《The New York Times》分析指出，這些動作顯示川普政府在 AI 政策上的明顯轉向。自去年重返白宮以來，川普長期強調 AI 對美國在與中國地緣政治競爭中的戰略重要性，並傾向減少監管。他上任後即撤銷拜登政府要求 AI 開發商進行安全評估、並申報具潛在軍事用途模型的相關監管措施。

川普去年 7 月曾表示，AI 是「剛誕生的美麗嬰兒，我們必須讓這個寶寶成長茁壯，不能用愚蠢的、荒唐的規則阻止它。」然而，隨著外界對 AI 威脅就業、能源價格、教育、隱私與心理健康的憂慮升高，川普在 AI 議題上的不干預立場逐漸顯得孤立。皮尤研究中心（Pew Research Center）去年民調顯示，50% 的共和黨支持者與 51% 的民主黨支持者表示，對 AI 在日常生活中的普及「擔憂多於期待」。

Anthropic 模型引資安警訊，白宮權力重組加速審查討論

政策轉變也始於上月 Anthropic 發布的新 AI 模型 Mythos。Anthropic 表示，該模型在辨識軟體安全漏洞方面能力極強，可能引發資安領域的「清算時刻」，因此決定不對外公開。《The New York Times》指出，白宮希望避免未來若發生重大 AI 驅動的網路攻擊時承擔政治後果。政府也正在評估，新 AI 模型是否具備可供五角大廈與美國情報機構利用的網路能力。為因應像 Mythos 這類模型，部分官員主張建立審查制度，讓政府能優先取得 AI 模型進行評估，但不會阻止其正式發布。

《The New York Times》提及，原本主導 AI 鬆綁政策的白宮 AI 顧問 David Sacks 已離職，其職責由白宮幕僚長 Susie Wiles 與財政部長 Scott Bessent 接手。知情人士表示，兩人有意更積極參與 AI 政策制定。若政府最終推動 AI 模型審查制度，工作小組將決定由哪些政府機構參與執行。由於目前美國沒有單一聯邦機構全面負責政府網路安全，部分官員認為，應由國家安全局、白宮國家網路總監辦公室與國家情報總監辦公室共同監督模型審查。

若這些措施最終落地，將與副總統 JD Vance 去年在巴黎國際 AI 峰會上的立場形成鮮明對比。當時他曾警告，對 AI 產業過度監管可能在其起飛之際扼殺這個改變世界的產業，並表示：「AI 的未來，不會靠對安全問題憂心忡忡而贏得，它將靠建設與發展來贏得。」

＊本文開放合作夥伴轉載，資料來源：《The New York Times》、《Forbes》，圖片來源：Unsplash。

在全球企業加速從生成式 AI、AI 代理（AI Agents）走向實際營運化的關鍵時刻，成立 50 週年的全球資料與 AI 領導品牌 SAS，於年度盛會 SAS Innovate 2026 宣布全面深化企業 AI 布局。以可信任 AI（Trustworthy AI）為核心，SAS 同步強化代理型 AI（Agentic AI）、治理架構、資料管理、產業應用與量子 AI（Quantum AI）等多項能力，協助企業突破概念驗證（PoC）限制，推動企業 AI 從試驗階段走向可治理、可規模化的營運應用。

深耕 50 年資料科學  以可信任 AI 作為企業決策核心

自 1976 年成立以來，SAS 從統計分析起家，逐步發展為全球企業級資料與 AI 平台的重要領導者，服務超過 150 個國家、多數《Fortune》100 大企業，長期深耕金融、製造、零售、醫療與政府等高複雜度產業。

面對 AI 快速演進，SAS 持續強調，企業真正需要的不僅是模型能力，而是兼顧透明度、治理、人工監督（human oversight）與商業落地的可信任架構。生成式 AI 雖提升互動效率，但影響企業營運的關鍵決策，仍需建立在可追溯、可稽核且具治理能力的決策系統之上。如何平衡創新速度、風險控管與法規要求，正成為企業AI投資能否成功的核心關鍵。

擴充 SAS Viya 平台能力  打造企業級 AI 營運基礎

此次 SAS Innovate 2026 的重要更新之一，是全面擴充 SAS Viya 平台的代理型 AI 能力，包括 SAS Viya Copilot、Model Context Protocol（MCP）Server 與 Agentic AI Accelerator。

透過自然語言互動、no-code 與 low-code 模式，企業可更快速建置 AI 助理與代理人，加速資料分析、模型開發與決策流程，同時降低 AI 導入門檻。MCP Server 則採用開放標準架構，讓企業內外部 AI 代理可在受控環境下安全調用 SAS 分析模型與決策能力，協助 AI 從單一工具，進一步融入跨部門營運流程。

在治理層面，SAS 同步推出 SAS AI Navigator，協助企業盤點模型、LLM 與 AI 代理使用狀況，對應內部政策與外部法規要求，因應日益普遍的影子 AI（Shadow AI）風險。SAS 將治理視為企業規模化導入 AI 的前提，而非事後補強，使企業能在推動創新的同時兼顧透明度、風險管理與法遵需求。

升級資料管理能力 建立 AI 就緒資料基礎

除 AI 模型與治理外，資料基礎建設仍是企業 AI 落地的關鍵。SAS 同步升級資料管理（Data Management）能力，強調打造 AI 就緒資料基礎，透過資料治理、資料來源與處理流程追蹤（lineage）、高效能分析與雲端原生架構，協助企業降低資料搬移成本，提升資料可用性與安全性。

SAS 強調，企業 AI 成效往往取決於資料是否具備一致性、治理能力與跨部門整合能力，而非單純模型本身。透過將分析能力直接帶到資料端，企業可在兼顧治理與安全的前提下，更快速推進AI 正式部署與規模化應用。

擴大產業 AI 應用布局 加速高價值場景落地

在產業應用層面，SAS 持續拓展產業型 AI 的應用，首波聚焦供應鏈優化、金融詐欺偵測、數位分身（Digital Twin）、職場安全管理與社會福利等場景。新版 Supply Chain Agent 可協助製造與零售業即時優化供需規劃；金融領域則透過即時詐欺模型因應深偽詐騙與數位金融犯罪；而結合數位分身、電腦視覺與合成資料的應用，可進一步提升設備效率、生產排程與職場安全管理。

透過將 AI 代理、模型與產業知識結合，SAS 正將過往強項的分析與決策能力，進一步轉化為更具自主協作能力的企業營運工具。

前瞻量子 AI 布局 提前探索下一世代企業競爭力

除現有 AI 布局外，SAS 也同步加速量子 AI 發展，預計於今年第四季推出 SAS Quantum Lab，協助企業在既有 SAS Viya 平台上探索、測試與驗證量子 AI 的商業應用潛力。不同於仍處發展初期的純量子運算，量子 AI 更強調量子硬體、傳統運算與機器學習的混合式架構，讓企業能提早布局高複雜度決策場景，如金融詐欺偵測、供應鏈最佳化、藥物研發與大型模型優化等應用。

隨著市場關注從導入成本逐步轉向商業價值驗證，量子 AI 正逐步從前瞻研究走向企業中長期數位轉型藍圖的重要一環。

SAS 持續引領企業 AI 邁向下一階段

從可信任 AI 治理、代理型 AI，到量子 AI 等新型運算架構，SAS 正以 50 年資料科學與決策專業為基礎，持續協助企業突破 AI 從概念驗證走向實際營運的關鍵門檻，助力全球企業在快速變動的 AI 時代中，同步兼顧創新、治理與規模化部署，打造未來企業決策韌性及競爭優勢。

（本文訊息由 SAS 提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：[email protected]，經編輯檯審核並評估合宜性後再行刊登。圖片來源：SAS。）

叡揚資訊與網軟日前共同舉辦【讓愛走更遠 · NPO 全方位營運的數位轉型實戰論壇】，從募款經營、志工與會員管理，到個案服務與內部治理，分享數位工具如何成為公益組織的強力後盾。

AI 取代不了志工，但它能讓每位志工多出一雙手

叡揚資訊群總經理胡瑞柔在開幕致詞中表示，AI 取代不了志工，因為「人」仍是公益服務最核心的力量。不過，AI 能協助處理重複性作業，讓人力回到更有價值的服務現場。她指出，叡揚與網軟將結合資訊開發專長，陪伴 NPO 在數位化到智慧化的過程中，兼顧資安、行動化與彈性應用。

一則深夜留言，看見資訊系統接住人的速度

喜馬拉雅研究發展基金會執行長高永興分享，某天深夜，他在公益資訊網站上看到一名受暴兒童的留言，情況危急。他立刻透過資料庫搜尋、整理援助資源，在最短時間內回應這名孩子。他提醒，當資源被整理成可搜尋的資訊系統，服務就能更快抵達需要的人；但科技不是答案，關鍵仍在以專業知識善用工具。

Excel 很方便，但跟不上組織成長

網軟總經理特助吳龍紅表示，Excel 在單人或少數人作業時確實方便，但當組織規模擴大，開始需要多人協作、資料串接與權限控管時，原本「夠用」的工具就可能成為瓶頸。她也指出，NPO 推動資訊化時，應掌握三個基礎：系統設計要符合作業流程、行政管理要能支援未來服務擴大，並且從一開始就納入資安規劃。

理監事會議要開了，卻等不到一張報表

叡揚財會軟體產品經理徐瑞元描述，許多 NPO 帳目由熟悉 Excel 的同仁獨立管理，一旦離職便難以交接；委外記帳也可能在開會前等不到報表。Vital Finance 可快速產出財務報表，並整合網軟捐款系統自動生成帳務紀錄，也能依專案查看損益，讓核銷更有效率。串接 Vital BizForm 後，付款可產生銀行媒體檔上傳網銀，不再擔心填錯帳號、匯錯款項。

用 Vital CRM 認識每一位支持者，讓關係走得更長遠

叡揚資訊業務經理劉婷慧分享，Vital CRM 內建 AI Copilot 智能助理，可協助分析與捐款者的互動紀錄與情感傾向，快速產製內容，擴大客服能量。透過 Insight 分析報表，能清楚掌握新舊捐款者的比例變化、每場活動的參與者輪廓及執行成效，讓後續關懷更有方向。她也提到，臺東縣南迴健康促進關懷服務協會與台北市文化基金會導入 Vital OD 公文系統後，提升簽核與公文傳遞效率，且支援電腦與手機操作，資深人員也能快速上手。

7 天都打不完的資料，現在一鍵送出

社團法人大都會國際兒童協會經理詹德寧指出，導入網軟捐款系統後，過去需要 7 天不眠不休登打的資料，現在可由系統整理。每月上千筆收據也能一鍵產出、寄送，資料集中於後台管理，並可依年份、年齡、性別或專案募款金額篩選分析。捐款管道也從單一方式擴充至 LINE Pay、街口支付、台灣 Pay 等選項；年底上傳國稅局名單時，系統可直接產出整年度資料，匯出後即可完成申報。

AI 應用快速發展，帶動企業加速導入各場景，但在實際推進過程中，亦逐漸浮現資料治理、資安風險與營運穩定性的挑戰。當AI從實驗走向營運核心，如何兼顧效率、治理與韌性，成為近期企業數位轉型的重要課題。

叡揚長期參與企業數位轉型歷程，觀察到企業需求已從單一工具導入，逐步轉向整體架構與治理機制的建立，本次活動將以此脈絡為主軸，呈現不同面向的實務經驗與應用情境。在此趨勢下，叡揚資訊將於 5 月 13 日舉行的「GSS Solutions Day」活動，將聚焦 AI 治理與風險的重要性、企業如何維持數位韌性，進而帶到 AI 如何改變辦公室協同、永續管理、資安與營運等場景。

研討會主題以政策視角與治理議題為核心，邀請國安會諮詢委員李育杰，從全球資安威脅的角度，延伸探討企業在不確定環境下的營運韌性；中央研究院資安專題中心執行長黃彥男，則分析 AI 應用帶來的風險與治理議題。叡揚資訊數位韌性辦公室執行長馬正維，進一步分享企業邁向數位韌性的實務觀察；杜浦數位安全創辦人蔡松廷，則從攻防視角解析 AI Agent 對威脅樣態的影響與變化。

分場議程則涵蓋 AI 應用落地與營運優化的多元面向，包括文件辨識與流程自動化、企業知識管理與人才招募應用、數據驅動決策與財務管理，以及 AI Agent 架構、資料治理與流程協作機制等主題；同時亦延伸至金融監理、國際資安法規與供應鏈治理，呈現企業在不同場域中的轉型實踐。

企業在導入 AI 的過程中，已逐步從單點應用，轉向系統化整合與長期治理。透過跨場域的實務分享與交流，期望促進產業對話。叡揚以深耕產業的洞察分享技術研發與應用，面對持續變動的 AI 發展及挑戰，精準解題、協助企業建立可持續演進的數位基礎。活動開放報名中，歡迎產業先進報名參與。

有「掃地機器人之父」稱號的 Colin Angle，正揭開創業生涯下一篇章。據《華爾街日報》報導，這位曾帶領 iRobot 開創家用掃地機器人時代的創辦人，推出一款全新機器生物：它毛茸茸、眼睛圓潤、擁有巨大腳掌，舉止神似小狗，目標是成為家庭中令人珍惜的一員。

身為機器人新創公司 Familiar Machines & Magic 共同創辦人兼執行長，Colin Angle 曾執掌 iRobot 近 30 年，憑藉 Roomba 系列締造公司輝煌，並開創家用掃地機器人品類，直到 2024 年離任。他的新創公司推出首款產品「Familiar」，最大不同在於，它擁有 Roomba 從未具備的特徵：四條腿。

不只是寵物或助理！Familiar 以「情緒智慧」挑戰人機關係

Colin Angle 強調，這不只是機器寵物，也不是智慧助理。它不會說話，但能以「情緒智慧」的方式回應你的行為與情緒。「我想建立的是一種人與機器之間截然不同於 Roomba 與顧客的關係，」Colin Angle 表示，「我希望自己打造的機器，會讓人感覺它真的在乎我。」

Colin Angle 與團隊稱它為「Familiar」，這個詞原指女巫的超自然動物使魔。它被定位為全新品類的情緒智慧機器人，能根據人的語氣、肢體語言與整體情緒氛圍做出適當反應。Colin Angle 認為，這樣的能力將使機器人能勝任需要高度信任的支援型角色。

短期內，Familiar Machines 計畫將產品鎖定在希望照看親人的族群，例如獨居的年長父母或其他受照顧者。公司也希望吸引重視自我健康管理的消費者。更長遠來看，該公司打算將其情緒智慧 AI 授權給其他企業。目前仍屬早期原型，因此 Colin Angle 尚未公布售價、上市時間，和最終產品是否會維持現有外觀。

《華爾街日報》指出，隨著自動無人機配送與人形機器人技術發展加速，人類與機器共處的未來已不再遙遠，未來人們甚至可能與機器夥伴共同分擔照護親友的責任。報導形容，Familiar 就像「長了腿的 Apple Watch」，不只是每半小時震動提醒你站起來，而是會主動跟著你移動，甚至以蹭手等擬寵物動作提醒你活動。

陪伴型機器人為何難以突破？Sony Aibo、Jibo 等前例揭示市場難題

陪伴型機器人的歷史上已有不少失敗案例，包括 Sony Aibo、Pleo 與智慧喇叭型機器人 Jibo。外界普遍認為，機器寵物之所以難以成功，主因在於真實寵物本就廣泛存在，且已能有效滿足人類對陪伴的需求。不過，Familiar Machines & Magic 共同創辦人兼技術長 Chris Jones 堅稱，這次情況不同。他以寵物排泄物為例指出，雖然真實寵物能提供情感陪伴，但照護成本與清潔負擔始終是飼主痛點，早期 Roomba 曾因誤掃寵物排泄物，將小意外變成居家災難。

幾年前，Roomba 的 AI 還難以辨識地板上的襪子或寵物排泄物，現在基於視覺與生成式 AI 的系統已能以前所未有的方式理解整個場景。Chris Jones 補充，「過去光是辨識 Roomba 可能遇到的少數幾種物件，就需要極大工程量，而現在最新 AI 模型幾乎能對周遭世界形成極其豐富的理解。」

Familiar 機器人的 AI 系統不僅能辨識物體，也能理解人的臉部表情、視線、姿勢、手勢與行為情境。舉例來說，當主人回家時，如果張開雙臂準備擁抱，Familiar 會主動靠近；但若對方手提物品、行色匆忙，則會適度保持距離。不同於智慧音箱或固定式感測器，Familiar 能在家中移動並持續觀察環境，進而建立「社交圖譜」，理解家庭成員之間的關係，以及他們與機器人之間的互動模式。

從《侏羅紀公園》到機器人夢想：Familiar 強調隱私優先

《華爾街日報》指出，一隻能走進家中任何房間、以攝影機與麥克風持續感知環境的機器寵物，勢必引發隱私疑慮。對此，Familiar Machines 創辦團隊強調，公司採取「隱私優先」策略。共同創辦人兼產品長 Ira Renfrew 表示，裝置預設不會將資料上傳雲端，若需連網，也將事先徵得用戶同意。

另外，報導也提及，隨著 AI 愈來愈深入情感陪伴領域，外界對其心理與倫理風險的擔憂同步升高。過往已有不少案例顯示，當人們過度依賴 AI 提供情感支持，可能產生負面影響。對於這項質疑，Ira Renfrew 給出的回答帶有哲學意味。他表示，人們知道、也應該知道自己互動的是機器，但人類本就容易對日常物件產生情感連結，「我就很喜歡這些筆，也很喜歡我的 Hyundai Ioniq 5。」

Familiar Machines 押注的正是這種人類對物件產生依附的傾向，認為若機器人具備情緒智慧並能建立情感連結，將成為更有效的陪伴與協助工具。《TechRadar》提到，這款機器人是 Colin Angle 構思長達 30 年的產品，也是他長期以來的創作願景。在充滿失敗案例的 AI 陪伴型機器人市場投入巨大賭注，與 Colin Angle 自身角色理想有關，他深受電影《侏羅紀公園》中的角色 John Hammond 啟發，認為這個角色並非單純的反派，而是試圖將幻想轉化為現實的人。

Colin Angle 表示，他希望延續這種精神，打造出真正具備實體形態、能與人建立情感連結的 AI 機器人。他也強調，與過去過度放權給 AI、導致隱私與安全風險的做法不同，他希望能避開這些問題，做出更負責任的設計。他最後指出，這類產品應該像 Roomba 一樣，是實用、被需要且具長期價值的技術產品。

＊本文開放合作夥伴轉載，資料來源：《華爾街日報》、《TechRadar》，圖片來源：Familiar Machines & Magic。

企業監控員工早已不是新鮮事，但在 AI 推波助瀾下，這場職場監控正迎來令人高度關注的改變。《The Atlantic》報導，新一波「情感人工智慧」（emotion AI，或稱 affective computing）浪潮正席捲而來，讓企業的焦點從單純的生產力追蹤，擴大到更深層的行為剖析，也就是雇主現在不只會看你做了多少事，更要分析你今天上班是否夠投入、夠正向，甚至態度是否具備高度的友善與協作性。

與此同時，AI 不只要看透你的情緒，還要複製你的工作技能。《Reuters》指出，科技巨頭 Meta 已開始擷取員工的電腦操作數據來訓練 AI。當員工的情緒被量化、日常操作成為演算法的燃料，我們熟知的職場生態正在被重塑。

「數位讀心術」的商業化與應用場景

現在，emotion AI 技術正快速在各大領域商業化。以新創工具 MorphCast 為例，該公司聲稱能利用 AI 直接從人類的臉部表情，精準判讀使用者的情緒起伏與注意力高低。這種宛如「數位讀心術」的技術，不僅已被授權應用在心理健康 App 與校園學童注意力監測，連麥當勞都曾將其導入葡萄牙的品牌行銷活動中，藉由掃描 App 使用者的臉部，根據顧客當下的「心情」來派發專屬的個人化優惠券，足見其龐大的商業潛力。此外，這類技術導入門檻極低，《The Atlantic》記者實測指出，不需安裝特殊軟體即可免費試用，且分析過程中未必需要取得同意。 

另一方面，當 emotion AI 被包裝成企業分析工具進入職場，最初主要被用來處理基層員工的績效問題，尤其常見於客服與藍領工作場域。例如，貨運公司開始使用眼球追蹤、高靈敏錄音設備與腦波掃描器，來偵測司機是否出現壓力或疲勞跡象；速食連鎖店 Burger King 甚至正在試點一款名為 Patty 的 AI 聊天機器人，並將其嵌入員工的耳機中，專門用來即時評估員工的互動是否足夠友善。在金融領域，First Horizon Bank 的 AI 系統甚至會在監測到客服員工壓力過高時，主動於螢幕上播放員工家人的照片以試圖緩解情緒。 

向上蔓延的監控網：白領階級的通訊軟體、會議與面試全面 AI 化

《The Atlantic》指出，emotion AI 的下一個大規模應用場景，就是白領工作圈。過去白領員工較少受到嚴密監控，但如今數位足跡已成為新標的，例如在日常協作方面，Slack 的整合工具 Aware 宣稱可持續監測內部訊息中的「情緒與毒性」；Microsoft Azure 理論上也允許雇主使用 AI 批次分析員工的聊天訊息。

對於遠距視訊，MorphCast 推出的 Zoom 擴充功能，能即時追蹤會議參與者的注意力、興奮度與正向程度。此外，這類技術也開始導入招募與人資領域，開發 emotion AI 的 Imentiv AI 公司，建議客戶把情緒分析用於求職面試流程中，承諾能為雇主提供候選人的情緒參與度、情緒正負向（valence）與人格類型的詳細分析。至於製造隔音辦公艙的 Framery，更曾測試在辦公椅中加入生物感測器，以量測員工的心率、呼吸率與緊張程度。

除了監控當下的表現，企業更開始徵用員工的「行為軌跡」來發展未來的 AI 代理（AI Agent）。根據《Reuters》報導，Meta 正在美國員工的電腦上安裝全新的追蹤軟體，全面擷取滑鼠移動、點擊、鍵盤輸入與螢幕畫面。雖然 Meta 發言人強調，這些資料將不會用於績效評估或其他目的，只會用於 AI 模型訓練，以解決 AI 在使用電腦介面時的障礙，並稱已設下保護「敏感內容」的措施，但耶魯大學法學教授 Ifeoma Ajunwa 仍對此發出警告：「擷取員工的鍵盤輸入讓資料蒐集的目標更進一步，也讓白領員工承受過去較常見於外送員與零工工作者才會經歷的即時監控程度。」

Ifeoma Ajunwa 表示，美國聯邦法律對職場監控幾乎沒有任何限制。相較之下，多倫多約克大學的法學教授 Valerio De Stefano 指出，這類作法極可能違反歐洲的 GDPR 規範，例如在義大利，利用電子監控追蹤生產力的行為明確違法，德國法院也僅允許在涉嫌嚴重犯罪這一類極端例外情況下，才能使用鍵盤側錄。

效率工具踩上信任紅線：情緒判讀的盲區與演算法偏見

面對這張天羅地網，《The Atlantic》點出了這類工具最核心的致命傷：它們未必能準確完成任務。舉例來說，鍵盤追蹤器不一定能分辨「無意義的打字」與「專注的知識產出」，而 App 的使用時間也不必然能代表工作品質。《紐約時報》就曾揭露，聯合健康集團（UnitedHealth Group）的監控程式會因為「鍵盤閒置」而扣減社工的績效分數，卻完全沒考量到他們當時其實正在與病患進行實體的諮商對談。 如果電腦連單純的生產力都可能判讀錯誤，將同樣技術套用在極度複雜的人類情緒上，風險將會呈指數級放大。

《The Atlantic》引述研究指出，AI 往往會複製其訓練資料中的偏誤。此外，許多 emotion AI 產品的底層邏輯仍建立在心理學家 Paul Ekman 提出的「六大基本情緒」理論上，但這套理論在過去幾十年來已被廣泛批評為過度簡化且具有方法學上的缺陷。

對此，神經科學與心理學學者 Lisa Feldman Barrett 嚴正表示：「你的動作，無論是在臉上、身體上，還是你發出的語調，都不具有固定的情緒意義，它們具有的是關係意義。」 意即，這些意義會隨著對話情境、個人體質、文化與氛圍而發生變化，AI 僅憑單一維度進行評分，將極易造成荒謬的誤判。

去年歐盟已正式禁止在職場使用 emotion AI，但全球 emotion AI 市場仍被預估將在 2030 年成長至 90 億美元。面對這樣的趨勢，《The Atlantic》拋出一個令人深思的警訊：在不遠的未來，員工可能不只被要求工作得更努力、工時更長，還可能會被要求看起來「更快樂地工作」。當 emotion AI 深入客服、會議、面試與白領協作工具，企業在導入這些「效率工具」時所面臨的挑戰，除了隱私保護之外，更牽涉到員工信任、演算法偏誤，以及勞工的「職場尊嚴」是否正在被科技重新定義的嚴肅課題。

＊本文開放合作夥伴轉載，參考資料：《The Atlantic》、《Reuters》，首圖來源：AI 工具生成。

一輛車的外型不只是美學決定，更是由空氣動力學塑造的結果。油耗、電動車續航、高速穩定性，都與車身切割空氣的效率直接相關。

但長期以來，這個設計環節存在一個根本性的時間錯位：設計師釋出一個設計面後，必須等待數天甚至數週才能取得完整的氣動分析結果，而在這段等待期間，設計往往已經修改了好幾版。

從草圖到 3D 動畫，一天之內完成

AI 在 GM 通用汽車設計流程中的介入，比氣動分析更早，甚至早在設計師握著鉛筆勾勒第一張草圖的時候就開始了。

GM 創意設計師 Daniel Shapiro 描述，他以幾張手繪的未來雪佛蘭概念車圖為起點，將草圖輸入 AI 工具，再透過提示詞引導 AI 生成一系列圖像，最終產出一段展示概念車 3D 動態的預告動畫，「傳統上，從設計草圖到高品質動畫，需要多個團隊花費數個月，」Shapiro 說，「現在單一設計師一天之內就能完成，而且不需要過去那樣深厚的 3D 視覺化技術。」

這個改變不只是省時，而是改變了創意探索的可能性。設計師可以快速生成數十個設計變體，挑出最有潛力的方向，再從更成熟的起點繼續深化。

AI 處理的是 3D 渲染所需的技術設定，包括虛擬攝影機、光線、CGI 環境，這些過去都需要耗費大量的人工時間。Shapiro 說，「我們可以探索更多方向，對想法可以少一點執著，這改變了我們日常工作的方式。」

不過，人類的判斷仍是保持品牌差異性的關鍵。Shapiro 強調：「AI 不是一鍵解決方案，我們常常要跟它角力才能得到想要的結果。什麼感覺像 Buick、什麼感覺像 GMC、什麼感覺像 Cadillac，這些判斷仍然是我們在做的事。」

從數週等待到一分鐘決策

氣動分析端的改變同樣顯著。GM 研發部門技術研究員暨實驗室組長 Scott Parrish 的團隊，建立了一套 AI 驅動的虛擬風洞能預測氣動阻力，並將結果直接回饋至設計師使用的數位雕塑工具。

傳統流程依賴高精度的計算流體動力學分析與全尺寸風洞測試，兩者都精確但費時。設計師完成車身設計面後，需要將其釋出給工程師進行 CFD（Computational Fluid Dynamics，計算流體力學）模擬，數天或數週後才能取得阻力係數的回饋，再傳回設計師進行下一輪調整。

GM 虛擬整合工程總監 Rene Strauss 說，過去完成一整輪設計與工程迭代需要約兩週，現在幾乎是即時的。他舉了一個具體的例子：「只需幾下點擊，不到一分鐘就能讀取設計面並取得結果。」

Jaguar Land Rover 走的是類似路徑，他們與 Neural Concept 合作（一家從瑞士聯邦理工學院 AI 研究室衍生出來的新創公司），目前每天可為 Jaguar Land Rover 執行大量氣動模擬。

協作方式的改變，比速度本身更重要

AI 氣動分析工具帶來的另一個改變，是設計師與工程師之間的協作方式。

過去兩個部門是序列式推進，設計師做完、工程師跑分析，結果出來再傳回設計師。現在，兩人可以坐在同一塊螢幕前，即時調整車頂線條或引擎蓋弧度，幾乎同步看到這些改動對氣動阻力的影響。

Neural Concept 共同創辦人 Thomas von Tschammer 指出，這讓設計師與氣動工程師能在同一個討論中做出即時的設計取捨，而不只是加快了收斂速度，也讓更多設計變體的探索成為可能。

訓練資料是競爭壁壘，氣動優化直達消費者端

這些 AI 模型的效果，取決於訓練資料的廣度與品質。GM 的虛擬風洞以自家歷年 CFD 資料為訓練基礎，並刻意調整既有車型的形狀來生成更多樣的設計面資料。Parrish 說：「訓練資料愈好，模型表現就愈好。」GM 過去數十年累積的設計與工程資料，因此成了建構 AI 預測能力的核心資產，也形成了難以被輕易複製的競爭壁壘。

氣動分析的加速，最終的效益會傳遞到消費者端。Parrish 指出，降低氣動阻力能直接提升電動車的續航里程，甚至讓車廠使用更小、更經濟的電池，並將成本優勢反映在售價上。

AI 壓縮週期，驗證流程一步不少

值得注意的是，AI 在這個場景裡的定位，是壓縮決策週期而非取代後續驗證。

GM 的做法是將 AI 虛擬風洞用於設計探索階段。一旦某個設計方向看起來有潛力，它仍然需要通過完整的 CFD 分析，再視情況進入縮尺黏土模型製作，最終才進入實體風洞測試。Styles 總結：「AI 沒有改變我們走過的流程步驟，但它讓我們能更快地走過每一個步驟。」

從草圖到氣動分析，AI 在 GM 設計流程中扮演的角色是「釋放時間」，讓設計師和工程師能在同樣的工作時數內探索更多方向、做出更多嘗試。

各廠商用自有資料訓練的專屬模型，準確度將反映其歷史研發資料的廣度；而跨部門即時協作的改變，也意味著設計與工程之間的組織分工將隨著工具的演進持續調整。速度是最容易被量化的改變，但它帶動的組織與競爭層面的連鎖效應，可能才是更值得追蹤的長期影響。

【推薦閱讀】
◆ 突圍製造業衰退：英國汽車業如何以 AI 與工程科學，重構高附加價值鏈？
◆ 北美「最自動化」汽車工廠曝光！現代汽車怎麼讓機器人、人類各司其職？
◆ GM 通用汽車用「矽谷式小隊」啟動 AI 轉型，改造的不只是車子

＊本文開放合作夥伴轉載，參考資料：FastCompany、GM，首圖來源：GM

（責任編輯：鄒家彥）

OpenClaw 今年爆紅後，「幫人直接做事」的 AI 代理已快速成為矽谷的下一個主戰場， NVIDIA 執行長黃仁勳日前更指出「每家公司都需要有 OpenClaw 策略」。根據外媒消息，Google 和 Meta 就正在開發類似於 OpenClaw 的 AI 代理工具。這兩家科技巨頭的動向，指向同一個方向：AI 競爭的重心，正從回答問題的聊天機器人，升級為主動替使用者完成任務的個人代理。

Google 內測「Remy」，定位為全天候個人代理

據《Business Insider》取得的一份 Google 內部文件，以及兩位熟悉此事的人士透露，Google 正在一個僅供員工使用的 Gemini 應用版本中測試名為「Remy」的 AI 代理。文件中對 Remy 的描述為：「Remy 是你在工作、學校與日常生活中全天候的個人代理，由 Gemini 驅動。它將 Gemini 應用提升為一個真正的助理，能夠代替你採取行動，而不只是回答問題或生成內容。」

文件進一步指出，Remy 與 Gmail、Chrome、Calendar 等 Google 旗下服務深度整合，能夠主動監控使用者關注的事項、處理複雜任務，並隨時間學習使用者的偏好。《Business Insider》指出在某方面，Remy 與 OpenClaw 類似，功能在定位上明顯比 Google 目前已推出的「Agent Mode」等工具更為進階。Google 發言人婉拒對此置評，也尚未透露 Remy 的公開上線時程。Google 將於本月稍後舉行 I/O 開發者大會，外界預計 AI 代理將是展示重點之一。

Meta 開發「Hatch」，先用 Anthropic 模型訓練

Meta 方面，據《The Information》報導，Meta 正在開發一款代號「Hatch」的 AI 代理，目標是在 6 月底前完成內部測試。知情人士透露，Hatch 的設計靈感源自 OpenClaw，目前以 Anthropic 的 Claude Opus 4.6 與 Claude Sonnet 4.6 模型驅動，正式上線後將改由 Meta 自家最新模型 Muse Spark 提供支援。為了訓練 Hatch，Meta 已建立包含 DoorDash、Etsy、Reddit、Yelp 與 Outlook 等真實網站的模擬環境進行測試。

Meta 執行長 Mark Zuckerberg 在上週的財報電話會議中表示，OpenClaw 對大多數使用者而言仍過於複雜，Meta 想解決的問題是：「如何打造一個更精緻、更易用的版本，讓所有基礎設施都已就位，讓一切直接能用？」他也補充，市場上雖已有多款代理工具，但「沒有多少是我願意介紹給我媽媽用的」。

《金融時報》援引知情人士透露，Meta 的目標是打造一款高度個人化的 AI 助理，允許使用者自行選擇是否與助理共享健康與財務等敏感資料。不過，其中一位知情人士也坦言，消費者是否願意信任 Meta 處理這類資訊，目前仍是未知數，直言雙方存在「巨大的信任赤字」。

OpenClaw 是催化劑，下一戰是個人 AI 代理的入口之爭

OpenClaw 並非第一款 AI 代理工具，但它的爆紅已成為這場競賽的市場催化劑。今年 2 月，OpenClaw 轉為基金會架構運作、由 OpenAI 提供資金支持，其創辦人 Peter Steinberger 則加入 OpenAI。Meta 與 Google 隨後相繼傳出內部研發類似工具的消息，顯示整個產業已將「個人 AI 代理」視為下一個必爭的使用者入口。

Wing Venture Capital 合夥人、Meta 前產品經理 Tanay Jaipuria 指出，OpenClaw 正在「激發人們的想像力」，但作為開源專案，它不太可能成為大眾市場產品。「Meta 正試圖打造那個能觸及 10 億用戶的版本，他們當然擁有這樣的分發能力，並且可以大力借助它。」他同時指出，若要以自家模型 Muse Spark 為基礎打造出有價值的產品，內部技術本身需要「至少具備競爭力」。

值得關注的是，Meta 去年 12 月以 20 億美元收購中國 AI 代理新創 Manus，但中國國家發展和改革委員會隨後要求 Meta 撤銷這筆交易，使這條外部補強的路線受阻。另一邊，Meta 在內部也已部署了名為「MyClaw」的員工用 AI 代理，但近期因員工遵循代理的錯誤建議，導致部分敏感公司與用戶資料遭未授權員工存取，已引發一起重大安全警報事件。

＊本文開放合作夥伴轉載，資料來源：《Business Insider》、《Financial Times》、《The Information》，首圖來源：Unsplash

Anthropic 近日推出 10 款專為金融服務業打造的 AI 代理程式（AI Agents），全面鎖定銀行、保險、資產管理與金融科技等關鍵場景。這項發布讓過去耗時費力的提案簡報草擬、財報估值審查，甚至是繁瑣的合規與客戶身分審查（KYC）任務，現在都能交由 AI 代勞，更顯示 Anthropic 正把旗下模型 Claude 從「開發者專用的寫程式工具」，大舉推進至華爾街白領的日常工作流中。

《Reuters》報導，Anthropic 近日在一場活動簡報上寫道：「程式開發領域已被永遠顛覆，下一個就是金融業。」這句話也點出 Anthropic 的強大企圖心：他們正急起直追，試圖將 AI 顛覆軟體開發的爆發性成長經驗複製到金融圈，全力搶下金融業這個 AI 落地應用的新市場。

10 款金融 AI 代理程式瞄準高耗時任務，從提案簡報到 KYC 都能接手

Anthropic 表示，這 10 款「隨插即用」的代理程式範本，是專為金融服務中最耗時的工作所設計，包含建立提案簡報、篩選 KYC 檔案，以及協助月底的關帳作業。

在研究與客戶服務場景中，Claude 代理程式可協助建立目標清單、執行可比公司分析、為客戶會議草擬提案簡報，並在通話前整理客戶與交易對手的背景摘要。而在財務與營運場景中，Claude 代理程式可檢查估值是否符合相似企業指標、評估方法論與公司審查標準，也可執行關帳清單、準備會計分錄並產出關帳報告。

《華爾街日報》指出，Anthropic 這次推出的金融 AI 代理程式，是該公司擴大企業客戶版圖，並朝最快今年首次公開發行（IPO）邁進的戰略之一。《Business Insider》也將這次發布定位為 Anthropic 替華爾街處理「繁瑣苦差事（grunt work）」的重大舉動，指出這些代理程式將大幅改變準備客戶會議、進行市場研究、建立財務模型與製作提案簡報的運作方式。

Claude 串接微軟 Office 與金融資料源，讓 AI 代理更貼近日常工作流

為求無縫融入現有工作環境，Anthropic 表示 Claude 現在可透過外掛程式直接在 Excel、PowerPoint、Word 與 Outlook 中運作，讓工作情境能在不同應用程式之間自動延續上下文。在 Excel 中，Claude 可根據申報文件與數據源建立財務模型、檢查連結活頁簿的公式並執行敏感度分析；在 PowerPoint 中，Claude 可草擬會隨底層數據自動更新的簡報；在 Word 中，Claude 則可依照公司模板編輯信用備忘錄。《Fortune》指出，與 Microsoft 365 整合對金融服務公司意義重大，因為分析師每天有大量時間都在試算表、簡報與電子郵件之間切換，這將大幅減少跨平台操作的摩擦。

此外，Anthropic 同時擴大 Claude 的金融資料生態系，讓 Claude 可連接 FactSet、S&P Capital IQ、MSCI、PitchBook、Morningstar 等市場資料、研究平台與企業內部系統。官方更進一步新增 Dun & Bradstreet、Fiscal AI 等多個資料庫連接器，並讓 Moody’s 透過專屬應用程式，將超過 6 億家公私營公司的信用評等與資料直接帶入 Claude 中，確保 AI 代理能基於可靠的真實數據進行運算。

在生態系佈局上，Anthropic 近日也宣布與黑石集團（Blackstone）、Hellman & Friedman 以及高盛（Goldman Sachs）成立規模達 15 億美元的合資企業，目的是將 Claude 的 AI 服務直接深度嵌入這幾家私募股權巨頭旗下眾多的中型投資組合公司中，建立起史無前例的軟體分銷管道。 

金融代理程式不只搶工作流，也讓 SaaS 與資料商面臨壓力

《Reuters》報導，Anthropic 執行長 Dario Amodei 近日在活動上談及 AI 對軟體業的衝擊，並對軟體的未來做出嚴峻預測。他表示，AI 將使軟體開發變得更便宜並帶動整體產業成長，而那些正面迎戰並導入 AI 的公司會表現比以往更好。同時，他也強烈警告，另一批軟體公司可能會因為沒有因應這波變化而失去市值、破產，甚至完全倒下。

《Business Insider》觀察，金融 AI 代理程式市場競爭激烈，除了 Anthropic，還有新創公司 Rogo、Hebbia，以及摩根大通（JPMorgan）和高盛（Goldman Sachs）等大型銀行內部部署的 AI 工具。專家預期，金融 AI 工具未來可能會圍繞少數核心模型供應商進行整併，而成功的關鍵將取決於特定領域的資料專業化、工作流設計與治理架構的完善度。

《華爾街日報》提到，金融服務是 Anthropic 第一個垂直產業焦點，目前也是該公司僅次於科技業的第二大企業營收來源。面對這塊大餅，競爭對手 OpenAI 也正積極進軍金融業，不僅擁有紐約梅隆銀行（BNY）與 BBVA 等客戶，並曾與 Intuit 合作，目前更計畫與私募股權公司建立合資企業，以擴大自家 AI 工具的業界採用率。

金融業成為 Anthropic 驗證 AI 代理程式商業化的壓力測試場

針對 AI 在企業端的實際落地挑戰，Anthropic 金融服務負責人 Jonathan Pelosi 指出，這些新舉動的目的是為了彌合 AI 發展速度與金融企業實際採用能力之間的巨大落差。Anthropic 執行長 Dario Amodei 則進一步強調，AI 商業化與營收成長面臨的限制，並非來自模型本身的能力或可創造的經濟價值，而是這項技術向全世界擴散普及的速度。

從開發程式碼的工具到處理複雜財務的代理程式，Anthropic 正把 AI 從開發者的專屬武器，進一步推向銀行、保險與資產管理的日常工作流。如今，金融場域儼然成為 Anthropic 與 OpenAI 證明企業級部署能力與推動營收爆發式成長的關鍵戰場。

＊本文開放合作夥伴轉載，資料來源：《Bloomberg》、Anthropic、《WSJ》、《Business Insider》、《Reuters》、《Fortune》，首圖來源：Anthropic