當全球 AI 競賽的焦點從「模型演算法」轉向「算力基礎設施」，誰能高效調度 GPU、誰能將算力資產商業化，誰就掌握了下個世代 AI 經濟的話語權。

在剛落幕的 COMPUTEX 2026 上，深耕 AI 基礎設施近十年的 INFINITIX 數位無限，以「從 AI 基礎設施到 AI 雲端經濟」為主題，協助企業將手中昂貴卻無法最大化效率的 GPU，轉化為可營運、可計價、可變現的雲端服務。

「AI 經濟的底層驅動力不是模型，而是算力。」這是 INFINITIX 在 COMPUTEX 2026 展場上向業界傳達的核心命題，也是執行長兼共同創辦人陳文裕對當前 AI 產業的觀察。

從 AI Factory 到 Token Factory：算力需求為何出現轉折？

針對近兩年全球 AI 產業的競爭焦點轉變，陳文裕指出，這個轉折其實是相輔相成的過程，「三年前大家明顯看到算力的增長，開始有人在投資相關基礎設施，但那時候算力的應用場景尚未明朗。」直到模型越來越普及、使用者大量增加，「訓練模型的需要算力，使用模型的也需要算力」，GPU 才開始供不應求。

「再加上今年 AI Agent 的使用，人類可以訓練很多 Agent，這些 Agent 也大量使用到模型，所以算力肯定不夠。」陳文裕解釋，這也是為什麼 INFINITIX 把今年的 COMPUTEX 主題訂為「從 AI 基礎設施到 AI 雲端經濟」，因為當 AI 從基礎設施走向經濟循環，算力本身就必須被服務化、商業化。

陳文裕進一步觀察到，今年最明顯的轉折在於市場下沉，去年還只是大型算力中心持續擴建，今年則開始下沉到企業端，企業也開始建置中小型的算力基礎設施。

而對於台灣硬體產業而言，這波算力浪潮無疑是巨大的機會。「建 AI Factory、建 Token Factory 都需要買伺服器，這就是台灣的強項。」陳文裕分析，GPU 伺服器解決的是高耗電、高散熱與高密度的技術挑戰，這些刁鑽的工程問題正好是台灣供應鏈的舞台。「我認為這一波 AI 會比網路時代更劇烈，因為人類對 AI 的使用強度遠高於網路。」他預估，這一波算力需求至少可以延續 7 到 10 年才會到達高原期，另外每 3 到 5 年則會出現一波汰換動能。

價值錯配的真相，為何 GPU 利用率普遍不足 30%？

不過回過頭看，儘管 AI 算力支出屢創新高，企業端的 GPU 利用率卻普遍偏低。據數據指出，多數企業 GPU 平均使用率不到 30%，造成大量算力閒置。而這個「高成本、低回報」的價值錯配，根源究竟在哪裡？

陳文裕指出，這個問題其實在 CPU 時代就存在，當年虛擬化技術的興起，就是為了「擠乾 CPU 伺服器的所有 performance」。GPU 時代同樣面臨類似困境，但問題更為複雜，呈現出多種樣態：第一是企業端的應用錯配，也就是企業的 AI 技術應用跟硬體設備產生的 Gap ; 第二是訓練端的中斷閒置，在企業端使用過程中，或多或少都會遇上訓練到一半因硬體故障或程式瑕疵讓訓練中斷的情況，造成機器閒置的問題 ; 最後則是推論端的需求預估難題，「在採購時，企業無法精準估算有多少人流，因此先買一票 GPU 來應對高峰期的使用者，但可能實際上使用者就沒那麼多，即出現閒置問題，」陳文裕解釋道。

因此，這正是 INFINITIX 旗艦產品 AI-Stack 切入的關鍵痛點。

CTAs Scheduler 獨家技術：GPU 利用率拉到 90% 的解法

AI-Stack 的獨家技術 CTAs Scheduler（Core Type Aware Scheduler），協助企業端將 GPU 使用率拉升到 90% 以上。陳文裕實際拆解了 INFINITIX 累積近十年的技術演進路徑，分別是 GPU 切割（虛擬化）、GPU 聚合以及分散式運算自動化，還有 INFINITIX 最新的技術突破：CTAs 核心感知排程。

陳文裕解釋，NVIDIA GPU 上除了 CUDA Core 還有 Tensor Core，兩者各有所長。「有時候用戶只需要 CUDA，不需要 Tensor。因此 INFINITIX 研發出 CTAs 技術，將 CUDA Core 與 Tensor Core 的調度權交回使用者手中，可依工作負載自主決定所需的核心類型與數量，避免 Tensor Core 被無謂占用。」

另外，隨著 GPU 從單卡走向機櫃、走向工廠，跨節點通訊成為新瓶頸。AI-Stack 也能在分配 GPU 時，盡可能將同一任務的資源集中在同一台伺服器或同一機櫃內，避免跨櫃延遲。「算力調度的命題已從『一張 GPU 如何切得更細』升級為『一座 AI 工廠如何更有效率調度』，INFINITIX 也隨著這條演進路徑，持續向前推進核心技術。」陳文裕說道。

如果說 AI-Stack 解決的是「如何用好 GPU」，那麼 INFINITIX 的 ixCSP（INFINITIX Cloud Service Provider）解決的就是「如何賣好 GPU」。
陳文裕坦言，這兩個產品面對的是不同客戶族群。AI-Stack 主要服務企業使用者，幫助企業有效管理自有 GPU；ixCSP 則是面向算力中心與 CSP（Cloud Service Provider）業者，協助他們把算力轉化為可銷售的雲端服務。

「我們發現算力中心更在意的是如何把算力資源賣出去。所以我們做了 ixCSP，提供 GaaS（GPU as a Service）、MaaS（Model as a Service）、TaaS（Training as a Service）三層架構，協助 CSP 業者高效率地建構像 CoreWeave 或是 Nebius 這種線上算力銷售平台。」

對於一家想跨入 AI 雲端業務的客戶來說，建置算力中心可能要半年到兩年的時間，但透過 ixCSP 上線銷售，最快一週、平均一個月內就可以開始營運。

「ixCSP 讓算力中心升級成線上銷售模式，服務可以面向大企業，也可以是零散的小規模使用者。」

舉例來說，近期 OpenAI、Claude 等應用端正逐步走向 Token 計費，陳文裕對此趨勢也觀察到，「Token 計價模式正從應用端一路反向滲透到供應端。」這也呼應了 ixCSP 平台中 MaaS 與 TaaS  的設計，讓算力中心能透過 Token 計費、模型商業化等方式，讓算力資產的營收路徑多元化。

而在生態合作層面，INFINITIX 與 NVIDIA、AMD 是認證夥伴計畫關係，與群聯電子（Phison）則是聯合解決方案等級的深度合作。

群聯的 aiDAPTIV+ 技術透過高速 SSD 動態擴展 GPU 記憶體，突破傳統 HBM/GDDR 的容量限制。陳文裕解釋，這項合作的契機在於兩家公司的客戶高度重疊，因此雙方談及合作，要讓客戶有更有效的算力調度選擇。「對企業客戶而言，這意味著不需要全數採購高階 HBM GPU，就能完成大型語言模型訓練，以更經濟的硬體組合達成相同目標。」

Photo credit：數位無限

從算力調度走向 AI 經濟生態，未來三年的奇異點是什麼？

最後，談到未來三年的 AI 發展，陳文裕認為 AI Agent 將是「星星之火、可以燎原」的起點。

「如今人類與 AI 高度互動 ，未來模型會越來越多樣化，而 Agent 就是指揮這些模型、產生自動化工作流的關鍵角色。」陳文裕認為， Agent 作為新時代的工作介面，方向已不可逆。

而 INFINITIX 已開始招募 AI 軟體應用開發商，將其應用拓展到 AI-Stack 或 ixCSP 平台，形成一個完整的雲端經濟生態。「這些 AI 應用需要找到出口，而我們提供出口、提供通路。這是我們未來三年希望持續做得更好的事情。」

可以看出，從 AI-Stack 到 ixCSP ，INFINITIX 想要打通算力商業化路徑的決心，它們在 AI 經濟的關鍵節點上，扮演的是「算力變現的商業化推手」角色，它們知曉在 AI 經濟時代，誰能高效調度、靈活分配並商業化 GPU 資源，誰就掌握了核心生產力。

當全球算力市場進入下沉週期、企業加倍重視資料主權，台灣作為硬體製造之島正迎來新一輪產業高峰，而 INFINITIX 則站在軟體層的關鍵位置，要用近十年的基礎設施調度經驗，協助企業端把這些昂貴的資源，變成擁有營收效率的 AI 雲端經濟體。

本文章由「數位無限」提供。

Apple 全球開發者大會 WWDC 即將在台灣時間 9 日凌晨 1 點正式登場，《INSIDE》獲邀至現場實體活動，今年 Apple 贈與開發者、媒體的贈品也已出爐，包括 WWDC 字樣的黑色帆布袋、黑色水壺、別針，以及相當可愛的貼紙。

今年的別針圖樣別出心裁，最下方的是名為 Clarus 的 Dogcow，有用過老 Mac 的讀者可能認識這隻非牛非狗，叫聲是 Moof（moo + woof）的小動物：狗牛。

牠最初是 Apple 設計的一張點陣圖圖示，原本只是用來示範頁面排版效果（讓你在列印前一眼看出現在是直向還是橫向），後來卻成為了 Apple Developer Technical Support（DTS）的吉祥物，也變成早期 Macintosh 開發團隊文化裡超現實幽默的代表符號。

Apple DTS 的工程師 Mark Harlan 還在 1989 年寫了一份 Technote #31，專門介紹 Clarus 的「生態」與「習性」，文風荒誕、一本正經，堪稱技術文件史上的「經典」，也讓人窺見早期 Apple 工程師文化裡那股不按牌理出牌的怪奇氣質。

Mark Harlan 在裡面解釋了 DTS 為什麼把 Clarus 當吉祥物：「牠被踢來踢去、被嘲笑、幾乎被所有人遺忘。我們決定把牠收留下來。牠是每一個帶著想法衝進草叢亂跑、或眼睜睜看著自己的程式從懸崖上衝下去的開發者的象徵。牠代表著 DTS 的每一位成員，因為牠的智商和我們大概差不多。」

然而隨著 Apple 在 2000 年代轉型，Clarus 一度從 Mac 的介面中消退，不過，Clarus 的基因並未徹底消失。

Apple 在推廣 Swift 的說明文件中，其實長期保留著一個以狗與牛 emoji 示範命名規則的例子，並注明兩者合體等於「dogcow」，可說是對這隻消失已久的吉祥物，最低調也最溫柔的一次致敬。

⋯⋯好吧，故事也沒有那麼悲傷，狗牛其實在 2022 年就「正式回歸」了，只要在支援的應用程式中按下 Command-Shift-P，Clarus 就會現身，繼續盡職地告訴你頁面方向，還會隨版面設定的縮放比例跟著放大或縮小（如下）。雖不是每個 App 都支援，但大多數文字編輯器都還能看到它的身影喔。

其他贈品如下：

Apple 會在 WWDC26 「兌現承諾」嗎？ 

看完了贈品還有狗牛的身世，來講講預測。WWDC26 的預測文《INSIDE》站上已經寫了一些：

• Siri 大翻新、相機可客製化？iOS 27 最大規模洩露搶先看

• WWDC26 即將來臨！Siri 將化身「獨立 App」？對話傳可自動刪除、隱私保護或成最大賣點  

但今年不外乎是「實現承諾」，也就是 Apple 可能會在今年將 WWDC24 上所承諾過的 Apple Intelligence 功能一一實現（WWDC24 詳情可看專題報導）。

這包括「全新進化」的 Siri，它將有可能成為一個獨立 app，並深度整合動態島（Dynamic Island），可「執行」啟動應用程式、傳送訊息、查天氣、加行事曆、搜尋備忘錄、觸發應用程式內捷徑，乃至使用 Apple 全新 AI 搜尋引擎瀏覽網路等多種操作。

同時，「隱私」預計會是此次 Apple 強調的重點，在獨立的 Siri 應用程式中，可能主打業界首見的自動刪除對話機制，讓使用者選擇對話保留 30 天、一年或永久留存。

除自動刪除對話外，Apple 也計劃嚴格限制 Siri 的記憶功能，規範哪些資訊可留存、留存多久等，並且不含廣告。

Apple 在 2024 年提出 Apple Intelligence 的願景，那時，Apple 所說的仍是 OpenAI 眼中的「GPT 的未來樣貌」，是 NVIDIA CEO 黃仁勳所預測的「電腦產業即將被重塑」的未來，而到如今，當我們談到 AI 時，甚至已不再指生成式 AI，而是 Agentic AI 了。

Apple 在 WWDC26 上提出的 Apple Intelligence、新版 Siri，是否能一步到位，值得我們期待，《INSIDE》也將在現場，一起與讀者們見證這一刻。

人工智慧（AI）晶片龍頭輝達（Nvidia）今天宣布與韓國 SK 海力士（SK Hynix）、NAVER 及斗山集團簽署合作協議，建設 AI 資料中心並導入輝達技術，持續推動 AI 熱潮。

路透社報導，這些協議是在輝達執行長黃仁勳高調訪問韓國期間宣布。黃仁勳 5 日飛抵韓國後，這幾天與當地頂尖企業主管共享炸雞、擔任開球嘉賓，同時攜手知名電競玩家共同出席活動。

輝達及各合作夥伴均未披露協議金額。

SK 海力士與輝達表示，雙方已簽署多年技術合作夥伴協議，將推動全球 AI 資料中心所需的次世代記憶體發展。

這家韓國記憶體晶片製造商表示，將透過此次合作進入個人 AI 與實體 AI 等新 AI 領域，並指出此協議有助於在先進記憶體漫長的半導體的開發周期中，維持穩定供貨。

SK 海力士的姊妹企業 SK 電信表示，將採用輝達技術在韓國打造吉瓦（Gigawatt）規模的 AI 雲端，首座 AI 資料中心預計於 2027 年上線。

輝達還宣布，將與韓國網路巨擘 NAVER 及斗山集團（Doosan Group）合作，兩者均將採用輝達技術建設 AI 資料中心。

斗山集團旗下擁有機器人事業，並生產輝達 Blackwell 晶片所使用材料；集團表示，預期其能源解決方案將應用於輝達資料中心平台，同時也將引進輝達的實體 AI 技術。

韓國是亞洲製造業重鎮，擁有晶片、電子、汽車及造船等世界重要生產廠商。SK 海力士與競爭對手三星電子（Samsung Electronics）是全球 2 大記憶體晶片製造商，記憶體晶片正是資料中心的關鍵元件。

責任編輯：Claire

本文來自中央社，INSIDE 授權轉載；加入 INSIDE 會員，獨享 INSIDE 科技趨勢電子報，點擊立刻成為會員！

延伸閱讀：

• 打破「記憶體牆」瓶頸！OpenAI 結盟三星、SK 海力士，南韓 AI 資料中心 3 月動工
• SK 海力士赴美上市，最高籌資 144 億美元、要讓華爾街重新定價 HBM 霸主 

面對 AI 應用的剛性需求，精誠資訊深知，若僅靠傳統地端架構，無論在建置成本、擴充彈性或部署速度，都難以支撐 SaaS 服務規模。為此，精誠近年展開「以雲建雲」的戰略，全面擁抱雲端原生架構。精誠資訊幫助客戶數位轉型之際，他們自己又是如何轉型？

Photo Credit：TNL Brand Studio

加速 Time to Market！精誠打破地端限制，展現 Cloud Native 精神

AI 浪潮席捲全球，精誠資訊 AI 智能科技事業部副總經理林宗瀛表示，他們深知企業焦慮：想用 AI 但內部機敏數據不能直接丟到大型語言模型訓練。對此，精誠設計的 EAP 平台主打「數據前台化」，將企業的結構、非結構資料，轉譯成大模型讀懂的 AI-Ready 數據，讓 AI 不僅可對話，更主動協助企業員工做決策。

這套企業級 AI 大腦有多靈活？林宗瀛舉例， EAP 平台幫助有 2 萬 7 千名學生的輔仁大學打造「AI 智能選課推薦系統」，選課時學生直接問 AI「我想選有關程式語言的課程」， AI 就會推薦符合需求的課表，又會自動避開衝堂情況。

教育場景之外，更多企業部署 EAP 平台的期望，是希望加速 Time to Market ，也就是不希望新產品、服務拖慢上市時間而錯失商機。也是這個原因，林宗瀛回應，「我們研發 EAP 平台一開始，就是秉持 Cloud Native 架構來設計。」

換言之，若當時精誠不擁抱公有雲，而是選擇地端環境，可預期要在短時間內湊齊伺服器硬體、GPU 與周邊資安防護功能，不僅耗時且在配置資源，更可能遭遇採購卡關、擴充緩慢等挑戰。

林宗瀛接著回應，精誠的 EAP 平台選擇與 Amazon Web Services (AWS) 合作，有三大因素。首先是功能豐富，從底層運算到新興技術一應俱全；其次是技術可靠， AWS 遍布全球的多可用區架構，確保系統遇到突發流量，仍維持低延遲、高可用；最後是有廣大市占率與社群，當精誠要尋求技術諮詢時，能夠以短時間解決眼前難題。

Photo Credit：TNL Brand Studio

受惠 AWS 多元計費組合，雲服務賦能 EAP 平台因地制宜

對精誠而言， SaaS 工具上雲後關注的另一議題即是成本控管。林宗瀛指出，很多企業仍以為雲端方案皆是「用多少付多少」計費方式，但其實 AWS 有不同計費方案可搭配。例如工程團隊善用 Reserved Instances 機制，將長期且固定的工作負載提前配置，有助於掌握預算，確保 SaaS 商業模式的財務可控性。

至於 EAP 平台的功能，之所以能因應用戶不同工作流程，快速因地、因時制宜的彈性，背後也仰賴不少 AWS 的服務。林宗瀛舉例， EAP 平台底層使用 Amazon EKS 容器服務，透過 Amazon EKS 的微服務特性， EAP 平台能實踐 Multi-Tenant 架構切割。這不僅確保了業務、財務、法務等部門間的資料權限獨立，更能在高負載時自動橫向擴充資源，還能隨使用人數自動橫向擴充與縮減資源。甚至企業用戶要新增使用者或資料源，不需透過工程師手動設定，系統即可自動完成彈性部署。

另外，企業上雲相當在意資安議題。林宗瀛分享他們客戶之一的日本大型電信公司，該客戶將機敏的資安事件與情資數據放置於 EAP 系統，每天有數個 Terabyte 的資料量在運作。為保障資料安全，精誠在架構外層便採用 Amazon CloudFront 與 AWS WAF 等資安防禦方案，讓威脅調查有效縮短至分鐘級。

這些防護對於前端使用者使用過程可能相對無感，背後正因為有 Amazon CloudFront、AWS WAF、AWS Shield Standard 等方案支援，可有效隱匿源站 IP、阻擋應用層惡意攻擊。「藉由 AWS 的防護網，精誠不需自行建置底層防線，當平台面對跨國高峰流量挑戰時，依然維持穩定的服務品質，」林宗瀛補充道。

Photo Credit：TNL Brand Studio

升級知識管理， EAP 巧用 Hybrid RAG 技術優化企業流程

精誠的 EAP 平台除了驅動企業透過 AI 加速決策，更重要的是，針對「知識管理」需求提供破壞式創新的躍進。林宗瀛指出，過去企業多將 AI 應用侷限於查詢文件等非結構化資料，但這並未發揮技術的最大潛能。 EAP 的核心優勢是採用 Hybrid RAG（混合檢索增強生成）技術，讓 AI 不僅讀懂非結構的文件檔案，更能串接企業內部資料庫的各項結構化數據。

以人資部門為例，員工過去多半要自己查公司的請假辦法，再到系統確認「我今年剩幾天特休？」EAP 平台有了 Hybrid RAG 技術，等於讓 AI 閱讀請假規範，同時整合人資系統資料庫，精準算出實際的剩餘天數，甚至可要求 AI Agent 自動完成請假流程。林宗瀛表示，結合結構與非結構資料融合的技術， EAP 平台的價值就不侷限於 AI 生成回應，更是智慧大腦可執行更多營運任務。

隨著這幾年地緣政治、供應鏈重組態勢，台商在全球佈局的腳步有增無減。對此，精誠正加速啟動全球 IT 服務戰略，林宗瀛呼籲，現在是企業主實踐「Go Cloud, Go Global」的絕佳時機。

當企業出海設廠、落地新據點，無需將大批 IT 人員、機台搬遷到國外，而是透過上雲，就能在 AWS 無遠弗屆的基礎設施支持下，快速建立跨國營運與 AI 能力。展望未來，精誠持續與 AWS 合作，以雲端結合 AI 的雙重引擎，為台灣產業開創轉型雙贏之路。

Photo Credit：TNL Brand Studio

隨著 AI 資料中心快速擴張，龐大的用電需求正成為能源產業下一波競逐焦點。

T1 Energy（前身為 FREYR Battery）宣布將收購電池儲能與軟體公司 KORE Power，藉此擴大在能源儲存、太陽能與 AI 資料中心供電市場的布局，也反映出能源公司正積極尋找發電、儲能與系統營運整合的新商機。

這筆交易總價約 3,200 萬美元，內容包含股權、現金與承接債務，預計於 2026 年第二季完成。

對 T1 Energy 而言，收購 KORE Power 不只是補強電池儲能技術與客戶基礎，也有助於把既有太陽能製造布局，延伸到大型儲能系統設計、建置與後續營運服務，進一步回應美國市場對穩定、低成本電力的需求。

切入大型儲能系統市場

此次收購的核心資產之一，是 KORE Power 旗下的 NRI 部門。

NRI 主要負責大型電池儲能系統，也就是 BESS 的設計、安裝與營運，根據 T1 Energy 說法，KORE Power 的 NRI 團隊已參與全球約 1,100 項電池儲能專案，並在超過 50 年期間，為美國政府、國家實驗室、公用事業公司、開發商與工業客戶提供能源儲存解決方案。

T1 Energy 表示，交易完成後，計畫將 KORE Power 更名為 T1 NRI，這代表 KORE Power 原有的儲能專案經驗、系統整合能力與客戶關係，未來將被納入 T1 Energy 的品牌與業務架構之中，成為 T1 Energy 擴張儲能事業的重要基礎。

AI 資料中心推升電力與儲能需求

這筆收購案發生的背景，是美國電力需求正在快速升溫，尤其 AI 資料中心的大規模建設，讓穩定供電、尖峰負載管理與備援電力的重要性持續提高，相較於單純新增發電容量，電池儲能系統能協助電網調節供需，也能與太陽能、風電等再生能源搭配，提升電力使用彈性。

研究機構 Rystad Energy 預估，美國公用事業規模電池儲能市場，將從目前已安裝的 45 GWh，成長至 2035 年的 143 GWh，這樣的市場前景，也是 T1 Energy 選擇此時切入 KORE Power 儲能業務的重要原因。

補齊太陽能與儲能整合版圖

T1 Energy 也將這筆交易視為擴大太陽能與儲能整合解決方案的機會。目前 T1 Energy 在達拉斯附近擁有一座太陽能板組裝工廠，並正在奧斯汀郊外興建太陽能電池工廠，若結合 KORE Power 的大型儲能系統能力，T1 Energy 將能向更廣泛客戶提供從發電、儲能到系統設計與營運的完整方案。

T1 Energy 董事長暨執行長 Dan Barcelo 表示：「我們相信，NRI 的過往實績、既有客戶關係，以及對電池儲能系統的策略性聚焦，將與 T1 建立美國本土太陽能與電池供應鏈、以可擴展、可靠且低成本能源振興美國的使命形成互補。」

從製造商走向系統整合商

對 T1 Energy 來說，收購 KORE Power 也意味著公司角色可能進一步轉變。過去 T1 Energy 的布局重心在電池與太陽能製造供應鏈，如今透過 KORE Power 的專案能力與 NRI 部門經驗，T1 Energy 將更有機會進入能源系統整合與長期營運服務市場。

KORE Power 總裁暨執行長 Jay Bellows 表示，合併後的公司預期將為客戶提供「涵蓋發電、儲能、系統設計與持續營運的一站式解決方案」。這也凸顯能源產業正在從單一設備供應，走向更完整的系統解決方案競爭。

2027 年 EBITDA 估貢獻最高 2,000 萬美元

在財務面，T1 Energy 預期這項收購將在 2026 年帶來正向 EBITDA，並在 2027 年貢獻 1,500 萬至 2,000 萬美元 EBITDA，協議內容也包含一項潛在的股權型 earn-out 條款，最高價值可達 960 萬美元，並與 2026 與 2027 會計年度表現掛鉤。

不過，這筆交易仍需取得 KORE Power 股東批准，T1 Energy 表示，持有 KORE Power 多數股份的股東已同意支持交易，因此後續關鍵將在於收購程序是否能如期於 2026 年第二季完成，以及 T1 Energy 能否順利整合 KORE Power 的專案團隊、客戶資源與儲能營運能力。

AI 資料中心帶來的電力需求，正在讓能源產業重新評估發電、儲能與電網服務的商業價值，T1 Energy 收購 KORE Power，正是這波趨勢下的其中一個案例：當資料中心成為用電成長的重要來源，能否提供穩定、可擴張且具成本競爭力的能源方案，將成為能源公司爭取新市場的關鍵。

加入 INSIDE 會員，獨享 INSIDE 科技趨勢電子報，點擊立刻成為會員！

延伸閱讀：

• 風能加太陽能，史上首次單月全球發電量超越天然氣
• 大氣二氧化碳濃度衝到 431 ppm，又創下一個讓人難過的新紀錄

比亞迪（BYD）近日正式宣布，若車主在使用最新自動駕駛系統時發生事故並造成損害，將由比亞迪承擔相應責任，這項承諾目前僅適用於中國市場，涵蓋比亞迪「天神之眼」智慧駕駛系統的使用情境，包括智慧自動停車，以及城市速度下的「領航輔助駕駛」（NOA）功能。

這項宣示之所以受到關注，不只因為它牽涉自動駕駛技術能力，也直接碰觸近年車用科技產業最敏感的問題：當車輛在高度仰賴演算法、感測器與晶片判斷的狀態下行駛，若發生事故，責任究竟應由駕駛人、車廠，還是系統供應商承擔？比亞迪選擇以有限度承擔損害費用的方式，向市場釋放對自家智慧駕駛系統的信心，但同時也讓自身暴露在更高的責任檢驗之下。

自駕責任從宣傳走向保證

根據比亞迪說法，這項保障是全球首創，不過若從高階駕駛輔助與自動駕駛責任歸屬的發展脈絡來看，Mercedes-Benz（賓士）早在 2022 年就曾針對 Drive Pilot 系統表示，當駕駛人使用該系統時，駕駛人已不再是車輛的控制者，若發生事故，Mercedes-Benz 當時也主張應由車廠負責，而不是由駕駛人承擔。

比亞迪此次提出的方案，被稱為「全損害保障保證」。

依照內容，只要車主在使用城市 NOA 系統期間，發生依法須負責的事故並造成經濟損失，比亞迪將承擔相關損害，不過，這項承諾並非無條件適用，而是設有明確限制：比亞迪僅會在車輛購入後前 12 個月提供財務補償，超過這段期間後，相關責任將回到駕駛人身上。

這代表比亞迪並未將自動駕駛責任全面轉移到車廠身上，而是透過一定時間內的損害承擔，讓市場看見其對系統可靠度的信心，換言之，這比較接近一種結合技術背書、保固邏輯與市場行銷的責任承諾，而非全面改寫駕駛責任制度。

315 萬輛相容車上路，風險規模不小

即便有 12 個月的限制，這項承諾仍可能讓比亞迪面對龐大風險，依照比亞迪自身估算，目前已有超過 315 萬輛相容車款行駛在道路上，若系統表現未能達到宣稱水準，只要事故量體擴大，相關補償金額與法律責任就可能快速累積。

比亞迪表示，車主每天累積的行駛里程超過 2 億公里，而「天神之眼」駕駛軟體也持續進行演算法學習與細部調校，這套系統背後由一支超過 5,000 名工程師的專責團隊負責，透過大量道路資料回饋，持續調整系統在不同交通場景中的判斷能力。

資料量正是比亞迪能提出這項保證的關鍵基礎。

對車廠而言，智慧駕駛系統是否可靠，不只取決於硬體規格，也取決於實際道路上的資料累積、事故紀錄、系統誤判情境，以及演算法能否持續修正，比亞迪能夠接收大量關於自動駕駛系統準確度的資訊，也能記錄車主使用系統時發生的事故，這些資料讓車廠更有機會評估風險，並據此提出損害承擔方案。

光達、晶片與自研程式碼成技術基礎

比亞迪目前在中國市場銷售的所有車款，都已相容於天神之眼-B。這是一套以光達為基礎的智慧自動駕駛系統，支援 Level 3 與 Level 4 自動駕駛能力。Level 3 仍需要駕駛人保持注意力，並在必要時接手，Level 4 雖然尚未達到完全自動化，但在特定情境下，車輛可在更少駕駛介入的狀態下完成行駛任務。

比亞迪也透過全新「玄璣 A3」4 奈米車規級晶片，支撐最新智慧駕駛能力，這顆晶片導入後，比亞迪可將自家程式碼應用於自動駕駛與先進駕駛輔助系統，強化軟硬體整合能力，對比亞迪而言，這不只是單一功能升級，而是從車輛平台、晶片、演算法到資料回饋的完整技術布局。

從產業角度來看，車廠願意承擔部分事故損害，前提通常是對系統可控性有足夠信心，若軟體、硬體與資料都由車廠深度掌握，車廠也較有能力判斷系統在何種情境下可靠、何種情境仍需駕駛介入，這也是比亞迪此次承諾背後的重要產業訊號。

自動駕駛責任仍有待制度化

不過，比亞迪的作法也凸顯自動駕駛產業仍面臨責任歸屬尚未完全制度化的問題。

當車輛開啟城市 NOA、自動停車或其他高階駕駛輔助功能時，系統可能同時涉及車主操作、道路環境、感測器判斷、軟體決策與其他用路人行為，事故發生後，如何判定「依法須負責」的範圍，仍將是實務上的核心難題。

此外，比亞迪承諾僅適用於車輛購入後前 12 個月，也讓這項方案更像是新車初期的信任保證，而不是長期責任制度，若車主在第 13 個月後使用同一套系統發生事故，責任又回到駕駛人身上，這對消費者認知與法律判斷都可能帶來新的討論空間。

對全球車廠而言，比亞迪這項宣示可能會形成新的競爭壓力。

過去車廠多半強調自動駕駛與先進駕駛輔助系統能降低駕駛負擔、提升行車安全，但鮮少明確承擔事故損害，如今比亞迪率先把「系統信心」轉化為「費用承擔」，也可能迫使其他車廠重新思考，未來該如何定義智慧駕駛功能的商業承諾與法律責任。

比亞迪這項方案短期內仍以中國市場為主，是否會擴大至其他市場仍有待觀察，但可以確定的是，隨著智慧駕駛功能從高速公路延伸到城市道路，車廠不能只用功能名稱與硬體規格吸引消費者，也必須面對更現實的責任問題。

比亞迪的承諾未必代表自動駕駛責任歸屬已有標準答案，卻讓這場討論從技術展示，進一步走向保固、賠償與制度設計。

加入 INSIDE 會員，獨享 INSIDE 科技趨勢電子報，點擊立刻成為會員！

延伸閱讀：

• 歐洲電動車 4 月大幅增長，特斯拉銷量暴增 4 成、比亞迪銷量暴增 1 倍
• 液冷全程運作還是高達 76 度，比亞迪閃充測試讓兩條安全閾值同時失守
• 福特電動車部門年虧 48 億，CEO Jim Farley 說學特斯拉不如學比亞迪

美國線上汽車零售商 Carvana 近期獲准買進電動車新創 Slate 的股份，這起交易表面上看似只是線上中古車零售平台對電動車新創的投資，但若放在美國汽車經銷制度、電動車品牌直售模式，以及新創車廠尋找交車與售後服務通路的脈絡中，意義可能不僅止於單純財務投資。

近年來，包括 Tesla（特斯拉）、Scout、Slate 等新興或電動車品牌，都試圖繞過傳統加盟經銷商，建立更直接的銷售與服務關係，不過在美國，汽車銷售長期受各州經銷法規與加盟商利益牽動，車廠若想採取直售模式，往往會面臨經銷商團體的法律挑戰。

也因此，誰能同時處理線上銷售、貸款、交車與維修，並在法規與通路端取得足夠籌碼，就可能成為下一階段汽車零售競爭的關鍵角色。

Carvana 的角色不再只是線上賣車平台

Carvana 以線上買賣中古車起家，過去最鮮明的品牌印象，是消費者能在網路上完成選車、融資與購車流程，再透過物流交付車輛，不過隨著公司持續擴大規模，Carvana 已不只是單純的線上平台，而是逐漸掌握車輛交易、金融服務、交車流程與後續服務等多個環節。

這也是這次 Carvana 與 Slate 關係受到關注的原因。

根據外媒《Electrek》的報導：「Carvana 已經能做到上述所有事情。無論這是不是原本計畫的一部分，事實仍是，隨著這家公司持續買下越來越多經銷商，它實際上也正在消除這些經銷商反對這類交易的能力。」

換句話說，如果 Carvana 一方面具備線上銷售與交付能力，另一方面又透過收購累積經銷商身分，它在美國汽車零售體制中的位置就會變得相當特殊。

Slate 則是另一個值得注意的對象，這家由 Amazon（亞馬遜）創辦人 Jeff Bezos 支持的電動車新創，正在尋找不同於傳統經銷商體系的市場切入方式。

對新創車廠來說，打造車輛本身已經相當困難，若還要自行建立全美銷售、交車與維修網路，資本與時間壓力都會大幅提高，若有一家公司已經具備這些基礎設施，就可能成為新創車廠進入市場的捷徑。

經銷制度可能出現新的繞道方式

美國汽車市場長期由加盟經銷商制度主導，傳統車廠通常透過各地經銷商銷售新車，經銷商也掌握定價、庫存與售後關係，這套體系在燃油車時代運作多年，但到了電動車與軟體定義汽車時代，車廠愈來愈重視價格透明、品牌體驗一致，以及直接掌握使用者資料，因此直售模式成為新興品牌的重要策略。

問題在於，直售不只是一種商業模式，也會碰到既有經銷商的法律與政治力量。

Tesla 多年來在美國不同州面對直售限制，Scout 也遭遇類似挑戰。原文提到，當全美經銷商集團仍持續在法院挑戰 Tesla、Scout 等公司的直售模式時，車廠仍在尋找一種能夠大規模處理行銷、融資、交車與維修，同時把傳統經銷商與其定價遊戲排除在外的方法。

在這個脈絡下，Carvana 的特殊之處在於，它並不是單純站在經銷商體系外部挑戰規則，而是可能透過取得經銷商資產與身分，從體系內改變競爭格局。

《Electrek》用較口語的方式形容：「如果 Carvana 在某個市場成為那隻 800 磅重的大猩猩加盟商，它就可能克服加盟經銷商對 Slate 卡車直售的法律反對，方法很簡單：一開始就選擇不提出反對，因為它自己就是加盟經銷商的所有者。」

從 Slate 到 Scout、Lynk & Co. 與比亞迪

若這套模式成立，Slate 可能只是第一個案例，《Electrek》進一步推測，如果 Carvana 在足夠多市場收購足夠多的經銷商集團，就可能透過 Slate 建立先例，之後再把同樣的模式推向 Scout、Lynk & Co.，或是比亞迪（BYD）等希望進入或擴大美國市場的品牌。

這樣的想像仍屬於長期推測，因為美國各州對汽車銷售、經銷商保護與直售的規範並不相同，任何模式要大規模複製，都必須面對不同地方市場的法律、政治與產業阻力，不過 Carvana 若能把線上銷售能力、實體交付網路、售後服務據點與經銷商身分整合起來，確實可能成為新創車廠避開傳統經銷商摩擦的一種替代方案。

《Electrek》也以帶有評論色彩的語氣指出，這類推測「顯然是在展望多年後的未來，而且那顆水晶球大概是你能想像中最模糊的一顆」，甚至開玩笑說「我覺得這根本是一顆保齡球」。但同時，《Electrek》認為，這並不是最瘋狂的想法，而且事情似乎正在逐步成形。

投資關係讓市場想像空間擴大

這起事件之所以受到關注，也與 Slate 背後的投資人結構有關，根據力一家外媒《TechCrunch》的報導，提交給德拉瓦州公司部門的文件顯示，Carvana 早在 2025 年就取得購買 Slate 股份的認股權證，時間點大約與 Slate Auto 開始籌備 6.5 億美元 C 輪募資時相近。

目前尚不清楚 Carvana 是否已經執行這份認股權證，Slate 自去年結束隱身開發狀態以來，對於投資人資訊一直相對低調，不過已知 Amazon 創辦人 Jeff Bezos 與 Guggenheim Partners 執行長 Mark Walter 都是 Slate 的重要支持者，同時 Mark Walter 旗下的 TWG Global，也是 Carvana 的主要支持者。

這些交錯的投資關係，不代表 Carvana 一定會成為 Slate 的銷售、交車或服務合作夥伴，但確實讓市場開始想像：如果資本、通路與服務能力最後匯流在同一個網絡中，美國新興電動車品牌的上市模式，可能不必完全複製傳統車廠與經銷商之間的合作關係。

Carvana 與 Slate 的案例仍提供一個觀察方向：當電動車品牌愈來愈強調線上銷售、透明價格、軟體服務與使用者資料掌握，傳統汽車零售商的角色也必須改變。未來的汽車通路競爭，可能不只是誰擁有最多展示中心，而是誰能同時處理金融、物流、交付、售後、保固與數位化使用體驗。

Carvana 對 Slate 的押注，未必只是投資一家電動車新創，而可能是押注自己能成為下一代汽車零售基礎設施，若 Carvana 持續投入資本，未來可能成為任何希望在美國推出新車的電動車新創「實質上的服務與交車中心」。

這樣的發展是否會成真仍有待觀察，但在電動車市場進入更激烈的汰選階段後，誰掌握零售與服務末端，可能就會掌握新品牌能否真正落地的關鍵。

加入 INSIDE 會員，獨享 INSIDE 科技趨勢電子報，點擊立刻成為會員！

延伸閱讀：

• 外媒評鴻華先進 Cavira：從 iPhone 到電動車，鴻海都能造
• Tesla 擴大 Robotaxi 奧斯汀服務範圍，但無人監督車隊規模仍僅約 20 輛
• 【Tenz 科技評論】法拉利電動車首作 Luce，其實是 Apple Car 借殼重生？

談到自動駕駛，外界往往會先想到 Tesla（特斯拉）的 FSD，或 Waymo 在美國城市中營運的 Robotaxi，但自駕車的發展起點，其實遠早於矽谷科技公司投入這個領域，早在 Tesla 成立以前，歐洲與日本的研究機構就已經嘗試讓車輛透過攝影機、車載電腦與自動控制系統，在道路上自行行駛。

日本最早踏出第一步，但能力仍相當有限

1977 年，日本筑波機械工程實驗室打造出一輛早期視覺導引自動駕駛測試車，可說是自駕車發展史上的重要里程碑，這輛車配備兩具安裝在車頂的攝影機，用來辨識道路標線，並透過車載電腦處理影像資訊，讓車輛沿著道路上的導引特徵行駛。

不過，這輛車的能力仍相當陽春，它的最高時速只有 30 km/h，而且只能在封閉測試場域中運作，雖然它不是靠電線導引，也不是遠端遙控，但若以今日標準來看，稱它為完整自動駕駛仍有些勉強，因為它只能跟隨道路標線，無法因應其他車輛、突發狀況或更複雜的交通環境。

即便如此，筑波的實驗仍具有代表性，它證明了車輛可以透過車上感測與運算設備，在特定條件下自行行駛，為後來更複雜的自駕研究建立基礎，只是日本研究團隊後續並未接著推出新設計，自駕車故事也在 1980 年代轉往歐洲發展。

Mercedes 廂型車在德國高速公路寫下關鍵進展

自動駕駛的下一個重要突破，出現在德國。

德國慕尼黑聯邦國防軍大學研究人員 Ernst Dickmanns 主導 VaMoRs 計畫，將一輛 Mercedes-Benz 廂型車改裝為「自動移動與電腦視覺測試車」。這輛車配備攝影機、感測器與控制系統，可自動控制方向、煞車與車速。

1986 年，這輛實驗廂型車首次自行行駛，到了 1987 年，它已能在一段尚未開放的德國高速公路上，以 100 km/h 的速度自行行駛超過 19 公里，更可怕的是，當時所能使用的運算能力，甚至還不如今日的一支智慧手錶。

隨著研究推進，VaMoRs 也逐步加入更進階的自動駕駛功能，包括偵測前方障礙物、依照前車速度調整車速，以及自動變換車道，這些能力雖然仍無法與今日自駕系統相比，但已經展現現代駕駛輔助與自動駕駛技術的雛形。

PROMETHEUS 計畫曾讓歐洲走在矽谷之前

VaMoRs 之後，Ernst Dickmanns 與團隊加入規模更大的 Eureka PROMETHEUS 計畫。

這項計畫集合超過 600 家企業，其中包含 Mercedes-Benz 等主要車廠，目標是推動更先進的車輛自動化技術，與 VaMoRs 不同，PROMETHEUS 不再使用廂型車，而是改以兩輛以 S-Class 為基礎的測試車作為平台。

以 1990 年代初期的標準來看，這些測試車的能力相當先進，它們可透過攝影機與車載電腦讀取道路、追蹤周遭車流、沿車道行駛，並評估是否能安全變換車道。

1994 年，兩輛測試車在巴黎周邊繁忙的三線道高速公路上自動行駛，車上雖然有安全駕駛，但車輛可在約 130 km/h 的速限下跟上車流並自動變換車道。

Ernst Dickmanns 在論文〈Vehicles Capable of Dynamic Vision〉中形容，這套系統在一般高速公路車流中展現「卓越表現」，到了 1994 年，系統已能辨識道路曲率、車道寬度、車道數量、車道標線、車輛相對於車道與道路的位置，以及最多 10 輛其他車輛的位置與速度，包括前方 5 輛與後方 5 輛。

1995 年，這項計畫迎來最大成就：測試車從德國慕尼黑開往丹麥歐登塞再返回，全程約 1,600 公里，其中約 95% 由車輛自動駕駛完成，最高速度甚至達到約 180 km/h。

不過，系統仍有明顯限制，Ernst Dickmanns 在論文中指出，因為系統只使用黑白影像與邊緣特徵擷取，也就是主要辨識線條與邊界，因此難以處理施工區黃色臨時標線疊在白色標線上的狀況，當其他車輛在極近距離切入前方車道時，系統也可能無法及早偵測，距離估算也需要時間調整。

DARPA 讓美國自駕車研究轉向競賽與軍事技術

在美國，自動駕駛的發展最初同樣來自大學研究，接著進入國防研究與科技公司。

卡內基美隆大學是早期關鍵角色，其 Navlab 計畫始於 1980 年代，並在 1995 年完成「No Hands Across America」行動。當時一輛改裝 Pontiac Trans Sport 從匹茲堡開往聖地牙哥，由電腦控制大部分轉向，人類則仍負責油門與煞車。

美國也曾推動 National Automated Highway System，1991 年，美國國會批准 6.5 億美元，希望發展完全自動化道路與自駕車技術，並期待提升交通安全與燃油效率。

1997 年 Demo ’97 活動在聖地牙哥 I-15 公路一段 7.6 英里的高乘載車道進行，讓自動化測試車隊在受控制的高速公路環境中行駛，美國運輸研究委員會報告稱這場活動是「可行性驗證展示」，但它仍需要在道路上加裝數千個磁鐵，技術路線相當初步。

真正讓美國自駕車研究成為焦點的，是美國國防高等研究計畫署（DARPA）。DARPA 在 2004 年舉辦 Grand Challenge，要求自動駕駛車輛從加州巴斯托外圍行駛至內華達州普里姆，全程 142 英里，約 229 公里。

首屆比賽中，15 輛參賽車沒有任何一輛接近完賽，表現最好的卡內基美隆 Sandstorm 也只行駛約 7.4 英里便受困。

2005 年，DARPA Grand Challenge 迎來轉折，共有 5 輛車完成 132 英里的沙漠路線，史丹佛大學的 Stanley，以一輛裝滿感測器的 Volkswagen（福斯）Touareg 為基礎，在不到 7 小時內完賽，DARPA 將此視為突破，因為它證明自動地面車輛能在沒有人類控制下，完成漫長且困難的越野路線。

矽谷沒有發明自駕車，卻把它變成生意

矽谷並不是自動駕駛車的發明者，但它讓自駕技術出現更明確的商業模式與投資理由。

2009 年，Google（Google）啟動自駕車計畫，當時被形容為一項希望革新交通安全的「登月計畫」，這套系統結合光達、雷達、攝影機與 GPS，本質上延續 DARPA 挑戰賽中累積的技術基礎。

Google 自駕車計畫在 2016 年底成為 Waymo，當時市場上已不只一家業者投入自駕服務，Uber 也在匹茲堡推出邀請制自動駕駛乘車服務，使用改裝 Ford（福特）Fusion 轎車，並由工程師坐在前座監看行駛過程。

Tesla 則在 2016 年 10 月宣布，此後生產的所有車款都會配備其所稱「full self-driving」所需硬體，不過，Full Self Driving Beta 又過了 4 年才推出，最初僅提供給少數經篩選的美國用戶，即使到了今日，使用 FSD 的 Tesla 車主在法律上仍是駕駛人，仍須對車輛行為負責。

自動駕駛仍未抵達終點

回顧這段歷史可以發現，自駕車並不是在 Google 把旋轉式光達裝上 Prius，或 Tesla 開始販售 Full Self-Driving 願景時才突然誕生。

從筑波那輛速度緩慢、以攝影機導引的測試車，到 Ernst Dickmanns 的 Mercedes-Benz 廂型車、從 PROMETHEUS 到 Navlab、從 DARPA 沙漠挑戰失敗，到 Waymo Robotaxi 上路，背後面對的都是同一個問題：車輛如何在真實世界中理解環境並安全行駛。

這也是為何自動駕駛至今仍需謹慎看待，今日車輛已比以往更接近自行駕駛，但多數消費者買得到的系統，在法律上仍只是駕駛輔助，並不是無人自駕，至於真正不需要人類駕駛的 Robotaxi，也仍主要限於少數特定城市與營運區域。

這段歷史也提醒外界，自動駕駛並不是某一家公司突然帶來的技術突破，而是一連串實驗、失敗、改良與商業化嘗試堆疊而成。

從日本筑波機械工程實驗室的早期視覺導引車，到 Mercedes-Benz（賓士）廂型車在德國高速公路上的自動駕駛測試，再到 DARPA 挑戰賽與 Google 自駕車計畫，自駕技術的核心問題始終相同：如何讓一輛車看見周遭環境、理解道路與車流，並在變化不斷的情境中做出正確反應。

未來 5 年，自動駕駛技術很可能會更加成熟，但距離真正全面普及仍有許多問題待解，包括法規責任、道路環境、極端情境處理、成本與社會接受度，至於下一個重大突破來自哪裡，也未必一定是美國，隨著中國車廠與科技公司加速投入，自駕車競賽的重心仍可能持續轉移。

加入 INSIDE 會員，獨享 INSIDE 科技趨勢電子報，點擊立刻成為會員！

延伸閱讀：

• 號稱可達 Level 4！小鵬汽車發表 VLA 2.0 自駕技術，Volkswagen 為其首位客戶
• Uber 轉型自駕界「最強後援」：不開發技術，改當機器人計程車的全能管家
• 深度分析：Waymo 的草根戰術，當矽谷技術遇上華盛頓政治牆

Anthropic 共同創辦人 Ben Mann 首度現身台北，出席由台灣人工智慧學校（AIA）主辦、Anthropic 擔任合作夥伴、數位發展部數位產業署指導的「Taiwan AI Academy Developer Day powered by Claude Code」，完成他對台灣的正式訪問。

Mann 在 Anthropic 負責 Anthropic Labs 部門，主導 Claude Code 與模型上下文協定（Model Context Protocol，MCP）等核心產品開發，依主辦單位說明，Claude Code 上市六個月內已達年化 10 億美元營收。大會中，數位發展部次長侯宜秀與 Mann 進行爐邊對談，話題從硬體策略、企業部署路線，一路延伸至 AI 安全與就業結構衝擊。

硬體野心，從軟體類比開始

對談中，侯次長以台灣在全球 AI 供應鏈中的角色為引，提及 Anthropic 近期在硬體介接領域的嘗試，追問這是否代表一套新硬體策略的開端。

Mann 以 Claude Code 的誕生邏輯類比：當時 Anthropic 觀察到 Claude 的代理式程式設計能力尚未被充分發揮，於是自行打造工具，帶動整個產業轉向 Agentic AI 開發範式，他認為硬體領域也可能走上同一條路，Claude 不只能在軟體世界運作，也能介接硬體，甚至協助硬體設計與製造的環節。Anthropic 目前雖無意自製硬體，但已與台灣及其他地區的夥伴密切合作，探索 Claude 在這些領域的能力邊界。

企業採用路線，MCP 勝過蒸餾

另一個台灣企業高度關注的問題是：面對資安與資料主權的顧慮，究竟該採蒸餾（distillation）自建小模型，還是透過 MCP 連接雲端前沿模型？

Mann 態度明確，傾向 MCP 路線。現在的模型已支援百萬 token 上下文視窗，MCP 讓企業開發的工具可以直接串接到下一代模型，不必每次重新訓練，可移植性高，跨模型測試也更靈活。Anthropic 已將 MCP 治理移交給獨立基金會維護，所有主要 AI 實驗室均已採用這套標準，開放中立性有制度保障，在合規部署上，Anthropic 的三大雲端夥伴 AWS、Google Cloud、Azure 均已支援跨區域推論（cross-region inference），讓運算在境外執行、資料靜態儲存留在境內，企業無需在合規與前沿能力之間二擇一。

對絕對需要空氣隔離或離線部署的場景，例如潛艦或完全封閉的作業環境，Mann 承認蒸餾到開放原始碼模型仍是唯一選擇，但強調這屬於少數例外，而非主流路徑。

安全紅線，在生物武器測試前先暫緩發布

在某一次新模型發布前的生物安全評估中，Anthropic 委託外部人員嘗試利用模型協助合成生物武器，其中一名測試者在一個週末內取得了約 2.5 倍的能力提升（uplift）幅度，即使樣本只有一個人，這個數字已足以引發統計層面的警戒，Anthropic 因此暫停發布，待安全措施補強後才重新上線。

他以最新的 Claude Mythos 模型說明 Anthropic 目前的謹慎態度：Mythos 目前僅透過 Project Glasswing 開放給極少數受信任的機構試用，原因是其在網路安全領域的能力已達到全球頂尖約 2,000 名網路安全專家的水準，Anthropic 仍在評估如何在不製造系統性風險的前提下，讓這類能力惠及更廣泛的用戶。

Mann 在問答尾聲主動延伸談到 AI 安全的定義本身，他說，業界談 AI 安全，很多時候停留在「模型是否公平、是否有偏見」這個層次，但 Anthropic 從公司成立之前就在思考另一個層次的問題：AI 是否可能造成人類滅絕等級的事件（extinction level events）。他表示這聽起來遙遠，但他個人從 2017 年起就在研究這個問題。

他舉了一個今天已然存在的具體風險：美國有提供基因序列合成服務的機構，有生物安全研究機構曾做過測試，用 Gmail 帳號、寄信到住家地址，要求合成伊波拉病毒大部分基因序列，對方沒有提出任何質疑就直接寄出。若這是台下觀眾第一次聽到生物滅絕風險的討論，他強烈建議認真去了解，這是他認為即將到來最重要的社會變革，也希望更多人能加入這個議題的思考與行動。

在台設點、誰會贏，地緣政治都在這場對話裡

侯次長在對談中拋出幾個直球問題，Mann 逐一回應：

問：什麼時候在台灣開公司？

答：Anthropic 目前在日本設有辦公室，計畫持續頻繁派員往返台灣，對設點時間表沒有進一步說明。

問：白宮 AI 行政命令怎麼看？台灣作為盟友，美國 AI 優先的框架是否還留有真正合作的空間？

答：Anthropic 長期支持立法，認為建立 AI 透明度機制是管理這項技術的必要前提，不該讓任何人隨意將具備生物武器威脅潛力的模型開放原始碼。Mann 認可行政命令的整體方向，但直言目前版本仍有大量模糊地帶，Anthropic 會持續與政府合作推動更完整的版本。

問：AI 競賽誰會贏？中國和美國各有什麼優劣勢？

答：中國不能贏，若由威權政體率先掌握超級智慧，對全球局勢的影響將極為嚴峻，即便民主陣營率先達成，競賽也不會就此停止，出口管制的持續收緊因此至關重要。至於 Anthropic 自己是否非贏不可，他態度坦然：算力資源決定誰站在前沿，核心策略是在領先期間盡可能拉高安全標準、設立行業先例。

Mann 也主動提及「轉運站」（transfer station）問題，指中國用戶透過非法中間商繞過出口管制存取 Anthropic API 的情況相當嚴重，Anthropic 數月前已就相關案例發布公開文件，記錄一起由中國國家支持組織（GTG-1002）透過非法管道操縱 Claude 進行網路間諜活動的事件。

就業衝擊，50% 機率不是玩笑話

Mann 對就業衝擊的判斷同樣直接，他認為超級智慧在未來數年內達成的機率約為 50%，一旦軟體層面的奇點成立，機器人技術的突破將隨之而來，知識工作者的就業衝擊將先於體力勞動者出現。目前就業指標尚未顯現明顯異常，但他援引 2008 年金融危機前同樣缺乏先行指標的類比，認為趁 AI 尚未全面取代人力之前，各國政府應該現在就開始認真準備。

核稿編輯：Mia 

加入 INSIDE 會員，獨享 INSIDE 科技趨勢電子報，點擊立刻成為會員！

延伸閱讀： 

• 趨勢科技加入 Anthropic Project Glasswing！以 AI 對抗 AI 守護台灣關鍵供應鏈

• AI 影響哪些職位？Anthropic 公布自家數據！程式設計師暴露度達 75%，初階職位入口正在縮窄 

• Anthropic 正式向 SEC 提交 S-1，搶在 OpenAI 之前啟動 IPO 流程
   

• 「AI 會讓軟體公司倒光？」黃仁勳：現在才是成立軟體公司的絕佳時機

台灣是全球 AI 供應鏈的核心重鎮，台積電（TSMC）與 ASML 等企業均在此深耕，眾多 AI 新創公司也在此蓬勃發展。然而，隨著 AI 能力急速躍升，一場攻防格局的根本性轉變正悄然到來。趨勢科技與 AI 安全公司 Anthropic 宣布策略結盟，加入 Project Glasswing，以最先進的 AI 模型強化全球資安防線，守護台灣及全球關鍵基礎設施。

台灣：全球 AI 雙強權之一，也是最需要守護的防線

數位發展部部長林宜敬直言：「美國是 AI 的軟體強權，然後台灣是 AI 的硬體強權，如果台灣的治安被攻破的話，這個當然對台灣來講是一個災難，對美國對全世界的民主國家來講都是一個很大的災難。」

這番話點出台灣在全球 AI 供應鏈中的戰略地位。台灣在 AI 硬體領域排名全球第一，幾乎所有 AI 基礎設施都在此製造或組裝。Anthropic 的 Head of Cyber Partnerships of Anthropic, Robert Bair 也強調如果沒有在台灣製造的基礎設施，人工智慧在今天就不會存在。

正因如此，一旦台灣的資安防線出現缺口，衝擊範圍將遠遠超出台灣本身，對美國及全球民主陣營都將造成難以估計的損害。

Claude 模型震驚資安界，催生 Project Glasswing

今年四月，Anthropic 開發的 Claude 相關模型在極短時間內發現了數千個極度危險等級（critical level）的資安漏洞，數量甚至超過全世界過去一年所能發現的總和。更驚人的是，該模型還能迅速將這些漏洞串聯起來，自動產生可能的攻擊指令，這一突破震驚了整個資安產業。

Project Glasswing 正由此而生。計畫最初第一波（Wave 1）先在美國推行，近 50 家加入機構中，除少數英國機構外，清一色全是美國企業。台灣方面意識到情況緊迫，積極透過管道協調，爭取台灣企業加入。

Rob 說明，計畫擴展到全球合作夥伴時，趨勢科技是首選之一，「因為他們保護了世界上許多國家與地區的關鍵基礎設施。」

趨勢科技：以 AI 原生思維，深入 Kill Chain 每個節點防禦

趨勢科技加入 Project Glasswing 有其獨特優勢。林宜敬指出，趨勢科技創辦人、CEO 及主要研發團隊皆為台灣人，且同時也有在日本上市，加入後能一口氣解決台灣與日本兩國的資安問題。

趨勢科技現已轉型為「AI 原生」公司，將 AI 技術全面融入研究、營運與防禦架構。其核心競爭力在於，集團在各個資安領域擁有深厚專業，不僅緊跟最新技術並持續發布安全更新（patch），更深入了解攻擊者的整套 kill chain，從每一個節點去研判並防堵攻擊路徑。

結合趨勢科技龐大的漏洞研究計畫與全球威脅情資，研究人員將能以機器運算的速度搭配專家判斷，像攻擊者一樣思考，主動發掘漏洞、加速修補。

Rob 說，Anthropic 帶來從第一行程式碼就以安全為核心的 AI 模型，趨勢科技則帶來數十年的領域專業、客戶信任，以及凌晨三點發生資安事件時真正陪伴在客戶身邊的能力，兩者缺一不可。

以更好的 AI 對抗惡意的 AI，防禦者必須搶先一步

趨勢科技的執行長陳怡樺強調，當企業要部署或銷售 AI 產品時，「得到客戶的信任是最重要的。」透過引進 Anthropic 最先進的 AI 模型，趨勢科技期望協助台灣的 AI 新創公司、醫療 AI 企業等，讓它們在營運與部署 AI 時擁有安全可靠的環境。

Rob 也點出這場競賽的殘酷現實：惡意攻擊者絕不會等待許可才使用這些強大的工具，未來的關鍵問題不在於 AI 是否會改變資安，而是「誰能用 AI 用得最好」。

「對抗惡意 AI 唯一有效的答案，就是由知道自己在做什麼的人，負責任地使用更好的 AI。你們正在使用 AI 來對抗惡意的 AI。」Rob 如此總結趨勢科技與 Anthropic 此次結盟的核心精神，也道出了整個資安產業在 AI 時代最重要的生存法則。

核稿編輯：Sherlock

本文初稿由 INSIDE 使用 AI 協助編撰，並經人工審校確認；加入 INSIDE 會員，獨享 INSIDE 科技趨勢電子報，點擊立刻成為會員！

延伸閱讀：

• 趨勢科技攜手 NVIDIA 推出 AI 資安平台，守護企業 AI 部署安全
• Anthropic 推出 Claude 企業版，強調安全性與合規性為核心設計
• AI 時代的資安新戰場：攻擊者也在用 AI，防禦方如何接招？