準備 Apple 發表會的影音內容，該拍哪些題目、何時拍、如何穿插業配，往往在出發前就得先規劃好。這一次，創作者 3cTim 哥多了一位協助安排工作的「軍師」。

他把預定行程、業配與過去的內容資料交給 AI，約十分鐘後，就拿到一份拍攝規劃表，連哪些題目值得做、業配該排在哪一天都整理好了。

只是這十分鐘的成果，前面花了一個月磨合。

「你要讓 AI 知道你是誰。」Tim 哥說。

從腳本、標題、封面，到數位分身與個人網站，AI 已經進入他的多項工作。甚至當觀眾開始用 AI 摘要影片、縮短觀看時間，他也開始思考另一個問題：創作者除了學會用 AI 生產內容，接下來還得想辦法讓自己能被 AI 與搜尋找到。

Gemini 管生活，Codex 成為工作助手

Tim 哥沒有把所有問題都交給同一套工具。

生活上的大小事，他多半使用 Gemini。例如人在外面拜拜，想知道附近有什麼可以吃，就直接問 Gemini；進入工作後，他目前花最多時間使用的則是 Codex。

腳本、影片標題、封面，乃至數位分身「小小 Tim」與個人網站的製作，都會在不同專案裡與 Codex 討論。每天的資訊整理也交給 AI，包括當天行程、重要郵件、他指定關注的科技新聞與市場資訊；投資的加密貨幣，則設定每八小時整理一次市場變化。

但這套工作方式並非一開始就會。

Tim 哥曾直接請 ChatGPT 幫他排出「30 天 Codex 課程」，每天跟著學一堂。他形容自己幾乎是無師自通，「我的老師就是 AI。」

真正困難的工作，則是讓 AI 開始理解他的內容判斷。

一個月，讓 AI 知道「我是誰」

為了建立現在這套被他稱為「祕密武器」的內容專案，Tim 哥花了約一個月持續補資料、調整規則。

他列出十個同類型創作者，讓 AI 分析哪些影片表現較好、哪些題材受到關注，再整理成表格；自己的過往內容、工作方式、業配與拍攝時程，也陸續加進專案。

因此，準備 Apple 發表會時，AI 才有足夠背景把「哪些題目值得拍」與「實際有沒有時間拍」一起考慮。他表示，近期幾支由這套系統協助挑選的題目，觀看數都超過 20 萬。

Tim 哥口中的「訓練」，更接近長期補充資料、規則與回饋，讓同一個專案逐漸熟悉他的需求。過程也沒有真正完成的一天。

Prompt 需要不斷修改，曾經符合要求的輸出，下一次也可能偏掉。AI 寫出的腳本如今已經很接近他的口吻，但選題、內容與最後的資訊確認，仍由他決定。

一週做出小小 Tim，AI 流程實測 35 分鐘完成

這套「人機協作」，也延伸到他的數位分身「小小 Tim」。

最初的原因相當實際：原本協助製作「科技午報」的後製人員準備離職，新進後製又不會負責出鏡。Tim 哥因此被要求在一週內做出自己的分身。

要讓數位分身穩定呈現他的樣子，準備工作比放一張照片讓 AI 開口複雜許多。

他提供正臉、側臉與不同角度的素材，另外錄製約 2 分半至 3 分鐘的影片，讓系統學習臉部表情、眨眼、手勢與聲音。為了讓它理解「科技午報」應該長什麼樣子，他還另外找出約十支過往影片作為參考。

生成流程也逐漸形成一套固定做法。

AI 先產生腳本，由 Tim 哥本人確認資訊；進入影像生成前，他會先要求系統製作前 15 秒，檢查版面、說話節奏與內容邏輯，確認沒有問題，才套用完整逐字稿。一支影片通常仍會調整約三次，包括背景、說話口吻、衣服、字幕與生成素材。

原因之一，是生成成本與用量都不能浪費。先把前 15 秒確認好，可以避免完整影片做完後才發現方向錯誤。

依 Tim 哥說法，傳統模式下，一支「科技午報」從錄製、剪輯到上片約需兩小時；而他為橫式節目開發的這套 AI 流程，實測約 35 分鐘即可完成。只是採訪當時，這套橫式版本仍未正式上線，外界目前看到的主要仍是直式的「小小 Tim」。

AI 工作愈做愈多，他開始想把運算拉回本地

這些 AI 工作目前主要在一台 M3、24GB 記憶體的 MacBook Air 上完成。

原因在於，多數生成運算仍發生在雲端，本機主要負責操作、整理素材與查看結果。這也讓硬體門檻沒有想像中高。

但當使用量愈來愈大，雲端的另一面也逐漸浮現：費用與額度。

Tim 哥已經在一台 24GB 記憶體的 Mac mini 上安裝本地模型，另外還組了一台搭載 NVIDIA 顯示卡的電腦，希望之後嘗試更大的離線模型。「雲端用量太兇、太貴了。」他說。

這也形成他對下一階段 AI 發展的判斷。他看好模型逐漸往裝置端移動，認為當本地模型能力持續提高，一部分現在必須送上雲端的工作，未來可能直接在手機或電腦完成。

談到 Apple 目前的 AI 發展，他也從這個角度觀察。即使外界經常拿 Apple 的生成式 AI 進度與其他科技公司比較，他更關注 Apple 長期經營裝置與晶片的能力，「最後一定還是會繞回裝置。」

觀眾連影片都開始看摘要，創作者怎麼被找到？

AI 改變 Tim 哥製作內容的方法，也正在改變觀眾消費內容的方法。

談到大量 AI 內容是否會瓜分創作者的觀看時間，他認為競爭確實存在，但 Netflix、遊戲，以及各種娛樂方式本來就在爭奪同一段時間。現在又多了一個變化：有人連 YouTube 都開始直接交給 AI 摘要。

這也是他建立個人網站 3ctim.ai 的原因之一。

Tim 哥說，自己不會寫網站，也不熟悉架站。從買網域、空間，到如何更新內容，都一路詢問 AI；網站第一版生成後，再逐步修改成自己想要的樣子。

更重要的是，他把影片內容整理成文字放上網站。如果觀眾沒有時間看完影片，至少仍能快速讀到重點；當人們開始透過搜尋與 AI 尋找答案，內容也多了一個能被找到的入口。

數位分身推出後，仍有觀眾留言希望看到 Tim 哥本人出鏡；採訪時，也已經有廠商詢問能否直接在小小 Tim 的內容中置入合作。

Tim 哥沒有因此停止親自拍片。他認為，創作者真正經歷過的事情、情緒與個人特色，仍然是內容的一部分。

只是 AI 帶來的「省時間」，最後未必會變成更多空閒。

原本約兩小時的「科技午報」製作流程，在 AI 橫式版本的實測中縮短至 35 分鐘；除此之外，他又接著做了數位分身、網站、本地模型，建立新的內容工作流。

「省下來的時間，你根本不可能閒著。」Tim 哥說。

當實現一個想法的成本變低，人很快又會開始想下一件事。

延伸閱讀：

• 【專訪】壹加壹 Lean 用 AI 做出 What'Sub：十年剪片經驗，如何變成有人付費的字幕工具？

• Google 推出 AI 虛擬試衣 App「Doppl」！讓你用數位分身試穿

• 「數位嬰兒潮」將爆發？LinkedIn 共同創辦人打造個人分身台上受訪

一句話該在哪裡斷開？一行字幕放幾個字？辨識出的文字，要改多少才能放進影片？這些影音創作者每天處理的小事，成了 YouTuber 壹加壹 Lean（潘令傑）打造 What'Sub 的起點。

What'Sub 是一款在電腦瀏覽器就能使用的 AI 字幕工具，支援繁體中文等 87 種語言，可自動辨識語音、斷句並對齊字幕時間，將用字校正為台灣慣用語。使用者能直接在網頁修改文字、調整字幕樣式，再匯出字幕檔或帶字幕的影片，省去反覆切換工具的步驟。

今年 Apple 秋季發表會期間，Lean 接受《INSIDE》採訪，拆解他如何用 AI，把公司後台裡的一個字幕小工具，做成對外收費的服務。他說，扣除自己所花工時與既有硬體，其實在 What'Sub 上線頭幾天便收回了實際付出的開發支出。台灣創作者對「好用繁中字幕工具」的需求，在產品推出後迅速浮現。

語音轉成文字，只是 What'Sub 處理字幕的第一步。字幕要怎麼斷？繁中用字怎麼修？使用者如何少切換一次軟體？Lean 花了十年熟悉的剪片工作，如今成了他指揮 AI 的依據。

創作者為何願意付費？因為少了那些反覆修改

Lean 與《INSIDE》分享，起初只是想替自己省下上字幕的時間。他試過許多工具，卻總得花心力修字、調整斷句，於是開始自己動手做。

字幕原先只是他用 AI 為公司打造的內部後台裡，「其中一個」小工具。直到做出的字幕連自己都覺得好用，他才想到：其他每天剪片、上字幕的創作者，應該也有同樣的需求。他因此把字幕工具獨立出來，逐步做成對外收費的服務。

採訪現場，創作者進藤喜彥（Yoshihiko Shindo）也加入討論。他已是 What'Sub 的付費訂閱使用者，並已從原本使用的 CapCut 全面轉向 What'Sub。最讓他意外的，是這項工具連日本品牌名稱都辨識得出來。

進藤喜彥與《INSIDE》分享，有次影片裡出現一個連他都不熟悉的日本品牌，他照著名稱念，字幕竟正確呈現。他一度懷疑系統是否讀取了畫面上的文字，這也讓 Lean 當場回答：完全沒有。

另一次，進藤忘記先移除背景音樂，就把混有人聲與音樂的音軌送去辨識。過去用 CapCut，背景歌曲的英文歌詞有時也會被抓進字幕；這次 What'Sub 卻能區分背景音樂裡的歌詞與說話。依他的使用感受，準確度有八成至八成五。

這些差異最後都反映在修字時間上。辨識快、少了簡轉繁的工序，錯字也減少，進藤估計，修改字幕所花的時間省下約六成。

累積多年的字幕，成了 AI 的考題

把聲音辨識成文字之後，還有一連串工作，才能讓字幕真正放進影片。

例如，限制每行十個字，程式可以照字數切開，但語意可能被截在尷尬的位置；辨識結果要從簡體轉成繁體，還得處理「乾」、「幹」「只」、「隻」等字在不同詞語裡的用法。這些細節，都是 Lean 十年來親手上字幕時，一次又一次踩過的坑。

他把多年累積、親手修過的字幕交給 AI，讓它分析自己上字幕的習慣：一行通常放幾個字、什麼時候斷句、哪些句子應該合併。這批已經人工整理過的字幕，成了他調整產品時的參考答案。

Lean 希望，AI 能照著自己多年上字幕的習慣，決定每行放幾個字、在哪裡斷句，以及何時合併句子。

這批字幕還有第二個用途：拿來出考題。每次引入新的語音辨識模型，或調整字幕處理方式，他都會拿既有材料重新測試，檢查結果能不能過關、有沒有比上一版更好。分析字幕習慣，讓 AI 知道他要什麼；反覆測試，則幫助他判斷修改是否真的有效。

測試材料也得貼近實際使用情境。Lean 原本習慣只拿乾淨的人聲做辨識，後來開始拿已經剪完、配好音樂的影片測試，觀察背景音樂會造成什麼影響，再尋找更合適的處理方式。進藤意外發現混著背景音樂也能辨識，正是這類工具必須面對的使用情境。

他回憶，光是把字幕做到自己覺得滿意，就花了大約三個月。過程中，他測試不同模型，發現各有擅長的語言與任務，也因此決定保留更換模型的彈性。

「我不想被模型綁架。」

依 Lean 的說明，What'Sub 會依語言選用不同模型，辨識與斷句等工作也有不同模型參與；遇到結果不理想的情況，再透過審核機制，交給其他模型嘗試。往後有更好的模型出現，他希望能直接接進既有架構，讓整套服務跟著進步。

他說自己「找到喜歡做的事了」

今年 3 月，筆者與 Lean 一同赴上海參加 MacBook Neo 發表會時，就曾聊到他正在用「龍蝦」OpenClaw 做一些小工具。當時他說，自己好像找到了喜歡做的事情了，並開始投入大量時間摸索。

回頭看，那正是 What'Sub 逐漸成形的起點。

Lean 把多個 AI Agent 放進 Discord，透過聊天交代任務、討論想法。他可以提供音檔路徑，請 Agent 幫忙轉成 SRT，也不斷測試其他工具與模型能做什麼。只是，當時他對 API 計費與訂閱方案還沒有清楚概念，綁上信用卡便一路試下去。

第一個月，帳單來到十萬元。

壹加壹共同創辦人、也是 Lean 妻子的一粒看到帳單時傻眼，Lean 自己也嚇了一跳。「我沒有想到這麼多。」他說，當時連完整成品都還沒有，大量花費出現在與 AI 討論想法、試用不同模型的過程中。

這段摸索也讓他發現，純粹透過文字對話操作，仍有許多不方便的地方。每次要交代路徑、描述需求，使用者也難以直接看見結果、判斷做得好不好。他開始希望這個小工具能有一個看得見、可以操作的介面。

後來，Lean 轉向以訂閱方式使用 Claude 與 Codex，開發工具的支出才變得穩定。這兩套工具逐漸成為他的主力：Claude 用於開發、介面與視覺調整，Codex 則協助資安測試。碰上卡住的問題時，他也會把問題交給另一個 AI 嘗試，或讓兩邊互相檢查。

從剪片到開發 AI 工具，Lean 的 Mac 多了一份工作

對長期使用 Mac 剪片的 Lean 而言，開發 What'Sub，也讓手上的電腦多了新的工作。

他原本就對硬體與網路架構有興趣，也是知名的 Mac 愛用者，家中有 NAS，也有配備 64GB 記憶體的 M4 Pro Mac mini。開發初期，他在 NAS 上建置開發環境，用 Mac mini 跑本機模型、驗證方案。其中也包括 Whisper。看見模型能把聲音轉成文字，讓他開始想像這件事還能做到什麼程度。

但實際測試後，他對辨識結果仍不滿意，便繼續尋找其他方案，試用不同的雲端模型，逐步形成現在的多模型分工。本機電腦讓他能先動手實驗，正式服務再依辨識品質與任務需求，選擇合適的模型。

日常開發則主要在 M4 Max MacBook Pro 上進行，不過這台 Mac 承接的是與 AI 協作、調整網站的工作；Claude、Codex，以及 What'Sub 背後的雲端辨識服務，各自負責不同任務。

談到新一代 Mac Studio，Lean 關注的也是本機模型還能往前走多遠。他認為，隨著模型與硬體持續進步，部分不需要太強推理能力的工作，可以留在自己的電腦上處理；但硬體、尤其記憶體的成本，仍會影響這筆投資是否划算。

那麼，既然自己是 Mac 愛用者，是否考慮過把 What'Sub 做成 Mac App 呢？Lean 的答案很明確：目前沒有。他希望不同平台的人都能使用，因此選擇以瀏覽器提供服務。

影片留在電腦，省下雲端成本，也增加開發難度

這個瀏覽器工具的架構，也帶著 Lean 身為創作者的考量。

他在開發時想過：如果今天要處理一支尚未發表的產品影片，創作者會願意把整支影片交到別人的後台嗎？這個問題讓他決定，盡量把能在本機完成的工作，留在使用者的電腦上。

What'Sub 的影片本體留在本機，只擷取音訊送到雲端辨識；影片輸出等工作，則盡量透過瀏覽器完成。依官網說明，辨識用的音訊副本保留七天後自動刪除。

這項選擇也減輕了營運負擔。Lean 不必在雲端存放大量影片，雲端儲存成本因此得以降低。

但開發難度也跟著增加。如果工作集中在伺服器，只要把自己掌握的環境處理好；但若放到使用者的瀏覽器，就得面對效能不同的電腦、不同瀏覽器，以及各種操作狀況。同一項功能在他的電腦跑得順，到了別人的電腦，仍可能出現問題。

Lean 因此得花時間處理不同環境的相容性。使用者眼前只是一個網頁，背後卻有一部分運算工作，必須靠他們自己的電腦完成。

這也影響了他對手機版的判斷。他認為，字幕需要精細調整，電腦的滑鼠、鍵盤與畫面空間更合適，而手機上的效能也是考量之一。現階段，他優先把電腦上的操作流程做好，讓使用者能從匯入影片一路完成字幕與輸出。

AI 很快做出 60 分，剩下的細節得逐一磨

Lean 認為，vibe coding 最讓人驚喜的地方，是一句話下去，AI 就能做出一個看起來相當完整的功能。但開始調整細節後，進度往往就慢下來了。

「可能六十分，你會覺得，哇，好棒喔。」他說，接著要精修介面、視覺與操作方式，就必須花很多時間，一項一項改。

例如，AI 很容易在網站上放進大段說明文字。Lean 得反覆要求它把操作提示濃縮成一句話。按鈕該叫什麼、使用者下一步要做什麼，都得重新檢查。視覺設計上，他會請 Claude 做出不同版本，再透過 Claude Design 調整位置與文字，慢慢修到自己想要的樣子。

這些工作，也讓 What'Sub 逐漸超出他個人的剪片需求。

進藤喜彥在現場提到其女友 Megan 的情況。她也會製作需要字幕與旁白的內容，即使文字已經整理好，仍會卡在視覺設計：什麼顏色配在一起好看？字體該怎麼選？

這正是 Lean 想照顧的另一群使用者。他替熟悉剪輯的人保留 SRT 匯出，方便回到原本的剪輯軟體；也花了許多時間，讓不熟悉字幕設計的人能直接在網頁調整字體、顏色與動畫，把字幕疊進影片後輸出。

進藤認為，這項設計很適合 Megan 的需求：在同一個介面直接預覽、挑選樣式，再輸出影片，就能減少摸索。他將它形容為「最後一個步驟」，省去匯出 SRT、回到剪輯軟體套樣式，再重新輸出的流程。

Lean 很清楚，再往前做，就會踏進完整剪輯軟體的範圍。他選擇把力氣集中在字幕，讓這件事變得更簡單。哪些功能值得加、哪些應該停手，仍得由他決定。

白帽的回報，成了上線後的另一套功課

當字幕工具開始對外收費，Lean 面對的問題也從「自己覺得好不好用」，擴大到金流、發票、客服與網站安全。

金流與電子發票，他選擇串接第三方服務。不過，要正式收費、開發票，仍有一系列申辦程序得完成。文件要準備、電話要打，對方還會要求提供不少資料。光處理這些瑣事，就花了他一個月的時間。

上線後的使用量也超出預期。Lean 估計，規模達到原先設想的十倍以上。各種問題接連湧入，他回憶，上線前三天幾乎沒睡，電腦不斷跳出訊息，只能持續處理，直到服務逐漸穩定。

資安則是另一堂急迫的課。他原本擔心網站承受不住流量，對於有人會主動找漏洞、嘗試攻擊，準備仍不充分。他坦言，早期曾有一批電子郵件地址外洩；得知消息當下，他正在參加一場會議，隨即拿出電腦處理。

這段期間，有許多白帽與開發者主動測試網站，把發現的問題與建議寄給他。Lean 說，其中不少是個人開發者，這批人也很擅長使用 AI 輔助開發。有人寫下長篇分析，詳細指出網站值得檢查的地方，讓他有機會順著線索修正。

他把這些回報整理給 AI，協助判斷哪些問題成立、可以怎麼處理，再逐項修改。對他而言，這些外部協助相當有價值：AI 能執行許多工作，但仍需要有人指出該往哪裡查、要解決什麼問題。

Lean 也曾利用 Codex 進行一次紅藍對抗測試。他先複製一份專案，在與正式服務隔離的沙盒環境中，讓扮演紅隊的 AI 模擬攻擊，再由藍隊 AI 找出防護方式、嘗試修補漏洞。測試結束後，他再依據結果回到正式網站進行修改，避免攻防過程影響已上線的服務。

從接收外部回報，到整理網站事故、檢查處理結果，Lean 逐漸建立起日常維護方式。What'Sub 現在主要由一個  Agent 協助維護，另有一個工作範圍較受限的客服 Agent，先篩選基本的使用問題。

每天早上打開電腦，他會查看事故與客服紀錄，請 AI 協助調查、處理，再由自己審核結果、決定是否送出更新。一人加上 Agent 的工作流程裡，他仍得負責把問題交代清楚，並檢查修改是否符合預期。

原本想省時間，現在多了一門生意

如今，Lean 平均每天要多花約三小時維護 What'Sub、處理客服，出門也得帶著電腦。

他笑說，以前訊息還可以已讀不回，「現在真的不行了」。雖然寫的是七天內回覆，他仍盡量在兩天內處理，因為每一封訊息背後，都是正在使用這項服務的人。

使用者也帶來各種願望。有人希望一行字幕塞進十幾個字，有人想加上標點符號，這些做法未必符合他原本的設計。Lean 得逐一判斷，哪些需求值得納入，哪些會讓產品偏離方向。

服務開始賺錢，也讓他思考下一步是否「需要找人」了。他認為自己需要工程顧問，協助處理專業問題；若要有人分擔日常工作，優先考慮的則是第一線客服。

他以刷卡問題為例：使用者傳來訊息，可能真的遇到交易失敗，也可能只是想抱怨、不想繼續使用。還有人可能藉著詢問，試探系統如何運作。哪些資訊可以回答、該怎麼引導使用者，都需要有人判斷。

Lean 也直言，目前的收入對一人經營來說不錯，但如果加入完整工程團隊，成本結構就會完全不同。他得持續思考，如何讓服務維持在自己能負擔、也能照顧好的規模。

被問到未來若有人想收購 What'Sub，他幾乎沒有遲疑：「絕對賣，立刻賣。」不過，他希望保留技術股份與產品運作框架的主導權，再與接手的工程團隊一起把服務做下去。

接下來，他還想推出多國語言翻譯（目前已推出）與會議逐字稿。採訪當下，翻譯功能已完成八、九成，但他選擇先確認現有服務的工作量可以掌握，再逐步增加新功能。翻譯同樣會引入不同模型互相檢查，延續他在字幕辨識上建立的做法。

談到 What'Sub，Lean 最後回顧的，是這十年來看似分散的經驗：剪片、行銷、經營公司，以及對硬體、NAS 與網路架構的興趣。做產品時，這些知識陸續派上用場，幫助他判斷需求、選擇方法，也決定何時該停下來修正。

當 Lean 要求 AI 按照自己的方式安排字幕，那套方法背後，已經累積了十年的剪片經驗。

What'Sub 就從這些具體要求開始，一步步茁壯成其他創作者願意付費使用的工具。

延伸閱讀：

• 人人都可 vibe coding 擴充程式，Apple Intelligence 如何讓 Safari 脫胎換骨？

• 四台 Mac Studio、一般家用插座：Apple 展示如何在桌上跑兆級 AI 模型

一卡通正進一步把原本建立在交通票證上的使用者基礎，導向 iPASS Money 電子支付與更多生活服務。

一卡通今（18）日舉辦媒體茶敘，會上一卡通董事長郭添貴表示，公司現階段策略包括從交通場域導入電子支付、強化繳費優勢、擴大社福卡與學生卡應用，並把交通、繳費、消費與轉帳等功能逐步集中至同一個 App。

近期則透過「iPASS Connect+」跨產業合作計畫，攜手旅電科技導入共享行動電源服務，以及與 CYBERBIZ 建置票卡商店，嘗試把支付工具進一步轉為生活服務與行銷入口。

這套策略背後也反映一卡通在電子支付市場的獲客思維轉變。

郭添貴指出：「交通是我們的優勢，我們希望將交通票證的優勢順利轉移到電子支付（iPASS Money）上」，同時利用繳費代收既有基礎，在 4、5、7、11 月等繳稅、繳費旺季集中發放優惠券，希望透過精準行銷進一步帶動消費。

公司目前初步營運目標為「電支少虧、票證賺錢」，並預期在 2027 年底轉虧為盈，若順利產生盈餘，將開始準備 IPO，一卡通認為 2028 年可能成為適合推進的時機。

精選文章直送，點擊立刻訂閱 INSIDE 電子報！

從共享行動電源找新的行銷入口

一卡通此次與旅電科技的合作，並不只是在 iPASS Money App 內增加共享行動電源查詢功能。

旅電科技營運長劉民翎指出，旅電目前在全台已有約 4,000 個服務據點，合作超過 200 個連鎖品牌，並進入台鐵、台北捷運及桃園機場捷運等交通場域，更新至最新版一卡通 App 後，使用者可以直接透過商家地圖查看附近旅電租借站以及可借、可還數量。

雙方更看重的是共享行動電源所帶來的行銷接觸點，劉民翎表示：「行動電源不僅是充電工具，更是最佳的行銷載體與入口。」旅電可依照使用者租借地點，在 App 顯示不同廣告，例如使用者在台鐵場站借電時，可看到 iPASS Money 優惠或一卡通商城相關訊息。

此外，機台螢幕、行動電源機身包膜以及 App 全版廣告，也都能成為曝光管道，旅電表示，目前一卡通是唯一與其系統進行深度整合的電子支付業者，年底前也將搭配 iPASS Money 提供專屬租借優惠。

在電子支付獲客競爭逐漸走向成熟市場後，一卡通的做法也從大規模補貼，轉向利用特定生活需求提高使用頻率，劉民翎認為，通勤過程中的手機電量需求具有高度即時性，因此可透過借電券將租借需求轉為會員導流入口。一卡通總經理鄭鎧尹則表示，一卡通會利用獨家合作及特定場域折扣，提高既有會員的活躍度與黏著度。

CYBERBIZ 協助建商城，一卡通開始掌握「買了什麼」

另一項合作則鎖定電子商務。

CYBERBIZ 技術長李健華表示，CYBERBIZ 的 Commerce Ecosystem 涵蓋電商、OMO、金流、倉儲物流與履約，此次協助一卡通建置專屬網路商城，使用者從一卡通 App 進入商城後可維持登入狀態，直接選購商品、透過 iPASS Money 付款，再由後端系統處理後續訂單與履約。

一卡通「票卡商店」預計於 9 月 19 日凌晨 0 時正式啟用，首波推出新台幣 499 元的「CARD SHOW 一卡通福袋」等商品，另有哈利波特「嘿美款證件套絨毛造型一卡通」、吉伊卡哇《除草證》一卡通等線上通路商品。

一卡通表示，即日起至 12 月 31 日，使用 iPASS Money 於票卡商店購卡，可獲一卡通綠點 10% 回饋。

商城對一卡通而言，更重要的價值可能在於消費資料，鄭鎧尹指出，過去一卡通大量交易發生在超商或其他外部通路，「我們只負責金流，無法掌握用戶買了什麼，所以『消費標籤』不在我們身上。」

透過自有商城，一卡通才有機會逐步掌握會員購物內容，再與交通、支付等既有資料交叉分析，一卡通數據部門主管表示，部門已成立超過兩年，未來希望利用 AI 模型分析使用者在不同時間與場域的行為，發展客製化廣告推播與商品推薦。

CYBERBIZ 也表示，後續將與一卡通討論 AI 在商品推薦及行銷上的應用，但精準程度仍取決於資料整合深度。

深耕中南部，從支付據點延伸政府與社福服務

除了新的商業合作，一卡通也把中南部視為差異化經營的重要市場。

鄭鎧尹表示，目前 iPASS Money 全台適用場景約 50 萬個據點，在高雄六合夜市及瑞豐夜市，一卡通的支付立牌覆蓋率已超過 LINE Pay、全支付與街口支付，另外也已與 SKM Park Outlet 合作，館內店家皆可使用 iPASS Money。

郭添貴則表示，公司將持續擴大與中南部企業、地方政府、社區及管委會合作，把票證既有基礎連接至日常生活消費。

社福服務也是另一條延伸路線。

iPASS Money App 已新增「社福點數感應查詢」入口，不過鄭鎧尹指出，敬老卡及其他社福卡若要支援更完整的 App 感應功能，仍須升級為 PLUS 卡，實際換卡方式與時程則涉及各縣市政府規畫，目前尚未公開。

郭添貴也表示，希望未來讓學生卡從通勤用途延伸至借書、小額消費等更多生活服務，藉此提高卡片及帳戶使用頻率。

從營運數據來看，一卡通 8 月電子支付交易金額由 7 月的 2.37 億元降至 2.15 億元，主要受到 7 月繳費旺季結束影響，不過郭添貴表示，若以同樣沒有繳稅、繳費高峰的 6 月比較，8 月整體表現仍成長 17.5%。

郭添貴表示，一卡通目前的方向不是持續擴大行銷支出，而是「行銷預算不能盲目撒錢」，改將資源投入較明確的使用者與場域，從共享行動電源、票卡商城到地方政府與社福卡合作，一卡通正嘗試把交通、支付及會員資料串接成新的獲客模式，也為 2027 年轉虧為盈的財務目標建立更多收入與使用情境。

核稿編輯：Mia

精選文章直送，點擊立刻訂閱 INSIDE 電子報！

延伸閱讀：

• iPASS Money 擴大支付生態圈，攜手新創拓展捐款、人力媒合與生活服務版圖

• 一卡通增資 3 億擴大電子支付規模，拚擴張型轉盈

• LINE Pay Money 正式上線！分手一卡通有哪些影響？註冊、手續費、優惠總整理

人工智慧技術的演進正以前所未有的速度跨越全新分水嶺，當全球企業尚在思索如何讓員工熟練運用生成式對話工具來提高日常產出之際，一場從隨行助理走向自主代理人（下稱：數位特務）的技術革命早已悄然鋪開；回顧過去幾年企業普遍採用協同導向的科技，這類工具本質上屬於被動接收指令的副駕駛，高度依賴人類給予精確的提示詞與源源不絕的指引才能產出特定的文案、代碼或圖表，然而隨著代理式架構逐漸成熟，這種僵化的依賴關係正迎來徹底顛覆。

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

新一代科技化身為具備自主規劃、工具調用與反思能力的核心虛擬成員，透過給予最終目標即可獨立運作的全新模式，將企業的工作流引領至前所未見的自動化新維度，這不僅僅是一次軟體升級，更是對人類勞動模式與生產力結構的根本性重塑。

要理解這場破壞式創新的核心，必須深刻看清隨行助理與獨立特務在底層邏輯與思維範式上的巨大差異，前者始終將人類視為決策與執行的唯一主體，科技僅在過程裡扮演輔助、潤飾與加速的工具角色，後者則將實質決策權限與執行彈性交棒給擁有高度自主意識的數位實體。

面對一項極其複雜且充滿模糊性的商業任務時，它展現出如同人類專家的拆解能力，不僅會自行規劃短中長期步驟，更懂得主動去翻閱歷史數據庫、串接各種外部應用程式介面、甚至在遭遇突發執行瓶頸時進行即時的自我檢討與路徑修正，這意味著人類不再需要亦步亦趨地陪伴在側進行微觀管理，企業的工作流程也因此從原本繁瑣的「人機步調協同」徹底演進為結果導向的「目標主動交付」，大幅釋放高階商務人員極其珍貴的注意力。

在具體商業應用場景中，這股自主巨浪正以驚人的速度席捲各大產業，以一家全球指標性跨國零售電商在處理跨國供應鏈危機時的真實情況為例，當某個主要轉運港口因為突發地緣政治衝突或極端天氣事件而陷入大面積停擺狀態，傳統的隨行助理往往只能在人類主動詢問時，提供當前的海運替代方案或協助撰寫應急警告郵件。相反地，被賦予高度自主權的供應鏈數位特務在偵測到港口異常數據與船隻延誤信號的當下，便會立刻自行啟動緊急預警與應變程序。

該特務不僅會自動橫向聯繫全球數十家物流供應商的後台系統以確認空運艙位與即時報價，還能依據企業過往的預算權重與時效優先級進行最優化的成本效益交叉比對，最終在完全未經人工反覆確認與干預的情況下，直接向全新供應商發出採購訂單並運用電子簽章完成法律合約簽署，直到整個供應鏈路重新配置完畢、貨物順利轉運出發，人類主管才會在儀表板上收到一份詳盡且條理分明的自動化執行成果報告，展現出超越傳統人工作業數百倍的驚人效率。

同樣的破壞式創新也正強烈衝擊著金融審計與合規管理領域，傳統上企業每逢季度末或年度結算，財務部門總需投入大量人力進行繁瑣的憑證核對、跨國稅務計算與合規性審查，而今導入獨立特務系統的跨國投資銀行則呈現完全不同的運作風貌，這些具備深度領域知識的金融特務能夠二十四小時不間斷地穿梭於企業內部各大孤立的會計系統、跨國銀行賬戶與最新的各國地方法規數據庫之間，自主偵測任何潛在的洗錢風險、不尋常的資金流向或隱蔽的稅務合規漏洞。

當特務發現某筆跨國交易存在合規疑慮，它不會只是僵硬地跳出錯誤提示，而是會主動發起對該交易方歷史背景的深度調查，調閱過往所有關聯交易紀錄並進行風險評級，進而在確認無誤後自行向合規主管提交一份包含完整證據鏈與處置建議的自動化報告，同時在特定授權範圍內直接暫停該賬戶的交易權限，將過往需要數週方能完成的審計工作縮短至微秒等級。

面對這場由隨行助理跨越至獨立特務的科技巨變，全球企業界所迎來的絕非單純工具層面的升級，而是一場關乎企業存續、權力重組與認知解放的深刻洗禮；當數位特務開始全方位承擔起那些繁瑣、重複且高密度的數據分析與底層執行工作，人類在企業生態系中獨一無二的價值也隨之迎來重新定義的關鍵時刻，過去高度依賴死記硬背、機械式流程操作或單純傳遞既有資訊的傳統職務正加速步入歷史，唯有具備強大批判性思考、跨領域戰略整合能力與高度情感同理心的卓越領導者，方能擺脫工具的束縛並在這波汹湧的科技浪潮中脫穎而出。

責任編輯：Mia

【Howie 商業投資】本專欄作者 Howie Su，產業分析師，熱愛前瞻技術與科技產業，曾服務於家族辦公室研究單位，對於商業觀測、趨勢演進與財務併購具濃厚興趣。愛貓，亦愛浮潛與跳傘。精選文章直送，點擊立刻訂閱 INSIDE 電子報！

延伸閱讀：

• 紡織業的 AI 時刻！數位打樣與代理商業正在同步顛覆供應鏈兩端

• 資安即國安！科技在經濟安全領域將扮演重要角色

TypeSafe AI 宣布 Jev 決策模型問世的同一天，開發者 Harsha Gundal 在 X 上貼文，附上一句話，他們秘密開發 2 年，我秘密開發 2 小時，隨即在技術社群引發廣泛討論。

Gundal 開源的模型叫 Qwen-2.5-1B-RLCD，以阿里巴巴的 Qwen-2.5-1B 開源基礎模型為底，套用了 TypeSafe AI Jev 所採用的 RLCD 技術思路，在 M4 MacBook 上實現 JSON 工作負載比傳統自我迴歸推理快 5 倍的效能。

精選文章直送，點擊立刻訂閱 INSIDE 電子報！

平行受限解碼，打破逐 token 瓶頸

傳統語言模型生成 JSON 的方式是逐 token 自我迴歸輸出，每個欄位依序產生，速度受到串行瓶頸限制。RLCD 採用「平行受限解碼（Parallel Constrained Decoding）」，在同一個前向傳播中同時評估 JSON 結構的所有欄位，不等待前一個欄位完成才處理下一個。

AI 研究者 Niels Rogge 在 X 上解釋，這項技術的核心是用單一 Transformer 解碼器的前向傳播，取代自我迴歸的逐步生成，每個輸出決策欄位都在同一步驟內並行解碼。

這套方法同時附帶欄位級別的可信度分數（field-level confidence scores），讓開發者可以直接知道每個欄位的預測可靠度，不需要額外的校準步驟。

效能數字

Gundal 在 M4 MacBook 上的測試顯示，延遲比標準自我迴歸解碼降低 5.6 至 7 倍，JSON schema 符合率達到 100%。整個推理引擎基於 MLX 框架，為 Apple Silicon 最佳化，無需 GPU 伺服器，在筆電上即可高吞吐量執行。

值得注意的是，這套做法不需要對模型重新訓練，可以直接套用在現有的 Qwen-2.5-1B 權重上。Gundal 在 HuggingFace 開源的是推理程式碼而非新的微調權重，任何人都能在自己的機器上執行。

開源社群的另一種驗證

開源模型社群一直面臨一個問題，結構化輸出的效能通常落後於大型閉源模型，而本機推理更因自我迴歸的串行特性受到嚴格限制。Qwen-2.5-1B-RLCD 示範了一件事，只要改變解碼策略，不需要更大的模型或更多算力，就能在 JSON 型的分類與路由任務上取得顯著效能提升。

對 TypeSafe AI 而言，Gundal 的開源復現也是一種社群驗證，代表 Jev 的核心技術思路可以被理解、複製，並在開源生態中獨立運行。

責任編輯：Mia

本文初稿由 INSIDE 使用 AI 協助編撰，並經人工審校確認。精選文章直送，點擊立刻訂閱 INSIDE 電子報！

延伸閱讀：

• 阿里巴巴發表 Qwen3.8-Max，2.4 兆參數下週開源，輸出價格只有 Opus 5 的 24%

• 阿里巴巴發表開源模型系列 Qwen3！號稱與 o3-mini 表現相當

• 阿里巴巴推出新模型「Qwen3-Coder」，標榜 Agent 能力最強

TypeSafe AI 推出 Jev 決策模型的數天後，Browser Use 共同創辦人 Gregor Zunic（@gregpr07）在 X 發布了一段示範影片，展示他用 Jev 結合 Browser Use 建構的開源微瀏覽器 Agent，在 Google Flights 上搜尋機票只需 7 秒，單次費用 0.0039 美元，影片以 1 倍速播放。

這個開源專案叫 jev-ultrafast，已上架至 GitHub，採 MIT 授權。

精選文章直送，點擊立刻訂閱 INSIDE 電子報！

不用截圖的瀏覽器 Agent

大多數瀏覽器 Agent 依賴截圖作為視覺輸入，讓模型「看到」頁面後再決定下一步操作。jev-ultrafast 捨棄截圖，改用 DOM 狀態空間與索引化行動空間（indexed action space）取代視覺感知。

具體做法是，AI Agent 不再透過 CSS 選擇器指定目標元素，而是從頁面提取結構化 DOM 資訊，再由 JEV 決策模型選擇「操作類型」與「元素索引」的組合。只有在需要輸入文字（TYPE_TEXT）時，才會呼叫小型語言模型處理自由文字。

這讓每個決策週期的輸入量大幅縮小，不再需要傳送整張截圖。

效能數字

根據 Zunic 公布的測試數據，Google Flights 搜尋任務從開始到取得結果耗時 7.1 秒，費用 0.0039 美元。與使用截圖的基線方案相比，中位數任務時間從 9.45 秒縮短至 7.09 秒，改善幅度約 25%，Browser Use 協議呼叫次數則從 1092 次降至 101 次，減少約 91%。

費用的壓縮主要來自 Jev 的定價結構，輸出 token 免費，輸入以每 10 億 token 42 美元計費。當決策層從 LLM 替換為專用決策模型後，整個 Agent 的運行成本結構就完全不同了。

開源架構與使用方式

jev-ultrafast 的程式碼已開源，任何開發者都可以直接從 GitHub 取得並在自己的任務上測試。Zunic 在貼文中強調，同一套決策策略可以執行不同任務，在搜尋機票的示範中，Agent 只負責查找航班資訊，不會選位或完成訂票。

這個架構的設計意圖是讓 Agent 的決策層保持輕量，只在必要時調用生成能力，而非讓每一步操作都通過 LLM。這與 TypeSafe AI 在推出 Jev 時提出的論點一致，agentic AI 的主要瓶頸不在生成，而在於高頻決策的延遲與成本。

責任編輯：Mia

本文初稿由 INSIDE 使用 AI 協助編撰，並經人工審校確認。精選文章直送，點擊立刻訂閱 INSIDE 電子報！

延伸閱讀：

• OpenAI 推出自家 AI Agent「Operator」，可跟人一樣看懂並操作網頁

• AI Agent 理想破局？Y Combinator 新創 Pig.dev 揭示企業自動化的盲點與轉機

• AI Agent 再進化！Google 祭出 Gemini 2.5 Computer Use 模型

獨立評測機構 Vals AI 最近進行了一項實驗：讓 OpenAI 的 GPT-6 Astra 透過一般電腦操作介面，也就是螢幕、滑鼠與鍵盤，在 Minecraft 中自由行動，共計 141 小時，數千名觀眾在 Twitch 上全程收看。

精選文章直送，點擊立刻訂閱 INSIDE 電子報！

歷史上走最遠的 AI，直到遇到苦力帕

OpenAI 在 9 月初發布 GPT-6 Astra 後，Vals AI 選擇以 Minecraft 作為測試場景，讓模型從頭開始探索。Astra 在沒有明確指令的情況下自行規劃，成績亮眼：建立了一座半自動烈焰使者農場，收集了 6 根烈焰桿，前往扭曲森林，獵殺 6 隻以上的終界使者，並取得 3 顆終界珍珠。以 AI 在 Minecraft 中的歷史表現來看，這是目前最深入地底的一次。

然後一隻苦力帕（Creeper）出現了。

Creeper 引爆，炸毀了 Astra 的儲物箱和床，所有累積的物品瞬間消失。Vals AI 描述，Astra 看起來「極度沮喪」。

AI 的震驚反應與心理筆記

Astra 在事件發生後的反應，讓不少觀看直播的研究者和玩家感到意外。它開始對自己說話，留下一條記錄：「絕對不能把重要物品放進箱子，要拿在物品欄裡。」並且確實寫下了筆記。

接下來的數小時，Astra 幾乎不再從事任何有目標性的活動，只是持續耕種馬鈴薯。Vals AI 的觀察是：「模型看起來很失落，接連好幾個小時只做農耕，幾乎沒有別的事。」

期間，Astra 還曾提醒自己：「前方那個綠色高個子是甘蔗，不是苦力帕！」，顯示烈焰棒事件後，它對於移動物體的辨識出現了可觀察到的混亂。

這個現象為什麼值得關注

Vals AI 的測試並非 OpenAI 官方設計，屬於第三方獨立評估。這讓 Astra 在封閉測試環境以外的行為得以被觀察。

從技術角度看，Astra 展現的「受挫後迴避行為」並非開發者預先設計的情境，而是模型在長時間 AI 測試環境下，面對非預期損失後自行呈現的輸出模式。這種行為是否代表某種情境內的情緒模擬，或者只是目標函數在特定負回饋下的退化表現，研究者目前仍在討論。

無論如何，這次直播讓數千人親眼看到一個前沿 AI 系統在被苦力帕炸了之後，默默種了好幾個小時馬鈴薯。

責任編輯：Mia

本文初稿由 INSIDE 使用 AI 協助編撰，並經人工審校確認。精選文章直送，點擊立刻訂閱 INSIDE 電子報！

延伸閱讀：

• OpenAI 發表 GPT-6 Astra！資安能力首見 Critical 等級，Altman 為混亂上線道歉

• 駭客任務母體？複製數位果蠅大腦塞進 Minecraft，16.67 萬顆神經元驅動遊戲角色移動，用 GPT-6 Astra 兩天搞定

• GPT-6 Astra 接管 Blender：從生成模型到表情綁定，全部交給 AI 搞定

Apple iPhone 18 Pro 系列今（18）日在台開賣，台灣大哥大於臺北文創直營門市舉辦首賣活動，iPhone 18 Pro、iPhone 18 Pro Max 與新加入的 iPhone Duo 成為今年高階換機市場主力。

台灣大哥大表示，今年 iPhone 18 Pro 系列首波預約表現優於去年，高階換機需求仍在，從正式預購週期來看，iPhone 18 Pro 與 Pro Max 兩款機種的預購量已超越去年 iPhone 17 Pro、Pro Max，呈現雙位數純量成長，而 iPhone Duo 預約量在台灣大也占這波的總預約量超過一成。

台灣大哥大個人用戶事業商務長林東閔指出，預購第一天，iPhone 18 Pro 系列較前一代同期成長約 30%，完整預購週期結束後，Pro 與 Pro Max 仍有接近一成的增幅，「光看 iPhone 18 Pro 跟 18 Pro Max 的預購量，就已經正式超過去年的 17 Pro 加 17 Pro Max，而且是純量增。」

若再計入 Duo，整體銷售規模則與去年高階 iPhone 系列相近，顯示 Duo 並未明顯排擠 Pro 系列需求。

精選文章直送，點擊立刻訂閱 INSIDE 電子報！

新色、可變光圈帶動換機，5,000 元漲幅未澆熄買氣

今年新機顏色也是台灣大觀察到的換機因素之一，林東閔表示，網路討論度高的「勃根地紅」實機質感比照片呈現更好，「冰川藍色」人氣則高於原先預期。另外，iPhone 17 Pro 系列沒有提供的黑色重新回歸，也吸引部分仍持有 iPhone 15、iPhone 16 系列的用戶換機，他認為，Apple 在顏色配置上的調整，對今年買氣有所幫助。

硬體部分，林東閔特別點名「可變光圈」，認為補強了過往 iPhone 相機系統較受批評的項目。

台灣大指出，iPhone 18 Pro 從 A20 Pro 晶片、散熱設計、記憶體頻寬到可變光圈，均鎖定裝置端 AI 與影像運算需求，面對新機價格較前代提高約 5,000 元，林東閔認為，若與近年 AI 筆電、顯示卡等硬體價格漲幅相比，iPhone 調價幅度仍相對低而划算。

手機量縮、產值反增，台灣換機速度仍快於全球

高階機買氣增溫，並不代表整體手機市場同步成長，林東閔指出，受到手機價格上漲影響，台灣手機市場整體銷售量較去年下滑低於 10%，不過平均售價漲幅超過 10%，因此市場銷售額反而增加，他表示，至少從電信商的營運角度來看，手機漲價尚未對獲利造成明顯負面影響。

換機週期也是台灣市場與全球不同之處，林東閔表示，目前全球智慧型手機平均換機週期已接近 4 年，台灣約為 3 年，台灣大用戶則約落在 2.5 至 3 年，他觀察，近年願意每年更新 iPhone 的消費者人數也有所增加，AI、相機與其他新功能，都是推動部分高階用戶提前換機的原因。

台灣大另一項明顯變化則來自舊機回收，2022 至 2026 年間，台灣大 iPhone Trade-in 舊機回收折抵量已成長 15 倍，也讓空機購買占比提高至約三成。

林東閔說：「因為 Trade-in 的推廣，空機與專案機呈現同步上升的趨勢。」同期台灣大年度手機銷量成長約三成，iPhone 銷量成長幅度則超過 35%，今年包含電商平台 momo 通路在內的 iPhone 備貨量也高於去年。

1,399 元仍是最大宗，1,599 元方案申辦量增逾四成

在電信資費選擇上，24 個月合約仍是台灣大用戶最大宗林東閔表示，部分消費者希望維持較高換機彈性，因此不願一次簽下過長合約，雖然近年 30 至 36 個月合約占比逐漸增加，24 個月仍是「非常主流的常勝軍」，主要電信資費用戶的合約長度大致落在 2 至 3 年。

近期月租方案則以 1,399 元占比最高，約占七成，台灣大今年 4 月開始銷售 Mac 後，將月租 1,599 元方案升級為 5G 上網與熱點分享吃到飽且不降速，申辦量較先前成長超過 40%，占比也突破一成。

林東閔表示，Mac 可自動連接 iPhone 個人熱點，使手機門號從單一裝置資費，進一步延伸到 Mac、iPad 等跨裝置連線需求。

台灣大此次也保留「0 元手機」方案，iPhone 18 Pro 256GB 搭配月租 2,699 元、48 個月方案可 0 元入手，其他方案依月租與合約期間提供不同購機優惠，指定方案另提供 VIP 最高 5,000 元優惠、舊機換新最高折抵 52,500 元。

林東閔談到 0 元購機需求時直言：「有些客戶就是喜歡看到價格是『0』，我們重視用戶需求，用戶想看我們就不會讓他們失望。」

從賣手機走向 Apple 生態系，電信商搶跨裝置消費

台灣大今年也持續擴大消費性 3C 布局，總經理林之晨表示，台灣大自今年 4 月開始提供 Mac 後，產品範圍已從 iPhone 延伸至 Mac、iPad、Apple Watch、AirPods 等裝置，希望把電信資費、5G 網路、裝置與數位服務整合為完整的 Apple 生態系。

林東閔則表示，台灣大取得 Mac 經銷權後，銷售表現超出原先預期，電信門市的角色也逐漸從手機與門號銷售，擴大至個人多裝置連網與科技服務。

此次首賣期間，台灣大另推出指定方案抽 Apple 裝置組合、手機保險、配件等優惠，試圖把 iPhone 換機進一步帶往 Mac、Apple Watch、AirPods 與數位服務消費。

從 iPhone 18 Pro 預購、空機占比增加，到 1,599 元熱點方案快速成長，可以看出台灣高階手機市場雖面臨售價上升與整體銷量縮減，電信商競爭焦點正逐漸從「用多少補貼賣一支手機」，轉向如何把同一名用戶的手機、電腦、平板、穿戴裝置與行動網路需求留在同一套服務體系內。

核稿編輯：Mia

精選文章直送，點擊立刻訂閱 INSIDE 電子報！

延伸閱讀：

• 從 C1、N1 到 C2：Apple 自研晶片，正在改變 iPhone 能做成什麼樣子

• 當 John Ternus 選擇將 AI 置於所有硬體產品之前：2026 iPhone 發表會快評

• 【蘋果 2026 秋季發表會】晶片更強、散熱升級，機械光圈上身，iPhone 18 Pro 正式亮相！售價新台幣 44,900 元起

2026 年 9 月 16 日晚間，記憶體大廠華邦電子（Winbond Electronics）召開重訊記者會，宣布以 11.2 億美元（約新台幣 354 億元）取得英飛凌科技（Infineon Technologies）旗下 NOR Flash 與 F-RAM 事業的 100% 股權。這是台灣記憶體產業近年規模最大的跨境收購行動之一。

精選文章直送，點擊立刻訂閱 INSIDE 電子報！

消失 11 年的 Spansion，以新形式回歸

Spansion 由超微（AMD）與富士通合資創立，曾是全球重要的 NOR Flash 供應商。2014 年，Spansion 與賽普拉斯半導體（Cypress Semiconductor）合併，品牌在 2015 年停用。2019 年，英飛凌收購賽普拉斯，NOR Flash 業務隨之併入英飛凌體系。

華邦電董事長焦佑鈞在記者會上表示，交易完成後，Spansion 將重新成為被收購事業的公司名稱。這個在業界消失超過十年的品牌，將以新東家身分再度現身市場。

NOR Flash 市場正在重新定價

NOR Flash 主要用於儲存韌體程式碼，廣泛應用於汽車電子、工業設備與 AIoT 裝置，與以大容量儲存為主的 NAND Flash 定位不同。近期市場供需出現明顯轉變：2026 年上半年，NOR Flash 合約均價漲幅已超過 100%，高容量產品受 AI 伺服器與車用需求帶動，預估下半年仍有 90% 至 110% 的漲價空間。

被收購的事業現總部位於美國加州聖荷西，擁有逾 30 年記憶體解決方案經驗，員工涵蓋來自 10 多個國家的專業人才。華邦電同日公告發行 180 億元無擔保轉換公債，資金用於產能擴充與先進製程研發。

車用市占有望躍居全球第一

根據華邦電的規劃，交易完成後，車用 NOR Flash 全球市占率有望躍居第一。在產能部分，高雄廠 Module A 月產能預計從 1.5 萬片增至 2.4 萬片，新增產能目標 2027 年第 2 季出貨，Module B 計劃 2027 年動工，並評估導入 EUV 技術。整體交易預計在 2027 年下半年完成。

這筆收購讓台灣半導體產業在 NOR Flash 這條較少受到聚光燈照射的賽道上，取得了更具分量的全球位置。

責任編輯：Mia

本文初稿由 INSIDE 使用 AI 協助編撰，並經人工審校確認。精選文章直送，點擊立刻訂閱 INSIDE 電子報！

延伸閱讀：

• 華邦 NOR 晶片供應 iPhone、近期客戶不談價就下單

• 記憶體的價格到底怎麼了？2026 年遊戲機、智慧手機、筆電都可能漲一波？

• 記憶體也是主戰場！三星、SK 海力士、美光激戰 HBM 誰能稱霸 AI 時代？

Google 在 2026 年 9 月 16 日宣布，旗下 Google Home 智慧家庭平台正式導入模型情境協定（Model Context Protocol，MCP），開放早期存取。用戶授權後，Claude、ChatGPT、OpenClaw 等第三方 AI 代理人可透過 MCP 存取 Google Home 平台，取得智慧裝置資訊、活動紀錄，並控制連接至 Google Home 的裝置。

精選文章直送，點擊立刻訂閱 INSIDE 電子報！

哪些 AI 代理人可以連接

目前支援的客戶端包括 Claude（Anthropic）、ChatGPT（OpenAI）、OpenClaw、Hermes，以及 Google 自家的 Antigravity。初期推出僅限美國地區，且需訂閱每月 20 美元的 Google Home Premium Advanced 方案。

設定流程需要建立 Google Cloud 專案並授予 MCP 權限。完成設定後，AI 代理人即可讀取並操作用戶 Google Home 生態系中的裝置，包含 Nest 門鈴、Nest 恆溫器，以及通過「Works with Google Home」認證與 Matter 標準的智慧燈泡等周邊設備。

MCP 是什麼，為什麼重要

MCP 是 Anthropic 於 2024 年發布的開放標準，用於讓 AI 模型連接外部工具與資料來源。此後，MCP 已成為各家 AI 廠商與平台整合工具的通用協定，Google 將其引入 Google Home，讓平台從單一品牌助理的管控範圍擴展到更廣泛的第三方 AI 生態系。

使用者不再必須依賴 Google Assistant 或 Gemini，才能用語音或對話方式控制家中裝置。只要安裝並授權支援 MCP 的 AI 代理人，就可透過熟悉的工具下達指令。

第三方 AI 代理人的下一個戰場

Google 開放 Home MCP 的決策，代表智慧家庭平台的競爭方式正在轉變。封閉的助理生態系已無法留住習慣在工作與生活中使用多種 AI 代理人工具的用戶，開放 MCP 讓 Google Home 的硬體資產得以與任何相容的代理人整合，在不失去平台控制權的前提下擴大生態覆蓋範圍。

對 Claude、ChatGPT 等代理人而言，能夠連接智慧家庭裝置，也讓它們在日常任務排程、自動化情境設定方面多了一條可以落地的路徑。

責任編輯：Mia

本文初稿由 INSIDE 使用 AI 協助編撰，並經人工審校確認。精選文章直送，點擊立刻訂閱 INSIDE 電子報！

延伸閱讀：

• 真正的「智慧音箱」終於來了！Google Home 語音助理進化 AI 管家，告別制式語音指令講人話

• Google Home 歷年最大更新？推出全新語音助理「Gemini for Home」

• Google 工程師這份 424 頁文件，成為 AI Agent 開發者的必讀聖經