對自駕車與汽車公司而言，2016 年曾是一個充滿想像的關鍵年份。當時，每週都有數百萬美元的相關投資發布，福特（Ford）更曾大膽預測，將在 2021 年為消費者量產自駕車。

不過，到了 2026 年，消費型全自駕車仍未真正問世，Robotaxi 僅在少數城市中運行，自駕卡車也大多停留在試點專案階段。就在自駕車夢想延後的同時，部分 2016 年的自駕明星公司已經退場或重整，例如 LiDAR 公司 Luminar 於去年 12 月聲請破產，通用汽車（GM）也在 2024 年關閉 Robotaxi 公司 Cruise，將重心重新放回個人車輛。

然而，當自駕車的落地進程因現實挑戰而放緩時，這些原本為車輛開發的技術卻未隨之沉寂，像是透地雷達（Ground-penetrating radar, GPR）、3D 雷達與先進光學雷達（advanced LiDAR）等技術，正全面擴散到智慧城市、居家長照服務、船廠重型吊車、風力渦輪監測等領域，甚至也在機器人與 AI 系統中找到新出口。

LiDAR 成為城市、機場與偏遠機房的基礎設施守護者

在這些尋求新出口的技術中，LiDAR 獲得最廣泛的應用。由於 LiDAR 能透過近紅外光反射物體來建立周遭環境的三維（3D）視圖，因此非常適合用於交通監測等傳統攝影機容易受強光或完全黑暗影響的場域。

例如收購 LiDAR 先驅 Velodyne 的 Ouster 公司，不僅將感測器應用於 John Deere 的農業設備中，更將其部署於田納西州 Chattanooga 等城市的數百個路口，用於城市交通管理。此外，研發 LiDAR 技術的 Innoviz 創辦人 Omer Keilaf 表示，LiDAR 可用於測量車輛大小以支援收費系統，而另一家 Outsight 公司則將 LiDAR 運用於達拉斯沃斯堡國際機場的人流監測。

為了適應戶外環境，《紐約時報》指出，如今變得更小的 LiDAR，也成為軍事設施或關鍵基礎設施的安全防護利器。Ouster 創辦人 Angus Pacala 分享，最明顯的案例就是位於森林中的遠端資料中心。由於夜間攝影機視距有限，金屬圍欄和電線又會干擾傳統雷達，相較之下 LiDAR 能在黑暗中看得很遠，因此可以取代人類警衛巡邏圍欄的工作。

雷達技術從車廂安全轉向室內居家長照

在 LiDAR 逐步進入室外空間的同時，雷達技術則在室內找到全新價值。原本用於汽車避免碰撞與自適應巡航控制的標準雷達，後來演進為「毫米波雷達（mmwave radar）」，能在惡劣天候下比早期雷達看得更遠、更準確，如今也開始尋求更廣泛的應用。

大約十年前，Pontosense 公司原先使用毫米波雷達來提醒駕駛後座有兒童，並透過偵測呼吸與心率來監測乘客或駕駛的健康狀況。然而，因車用市場採用速度緩慢，在四年前 Pontosense 便開始轉向居家長照需求。這項技術現在被用來追蹤浴室、臥室等私人空間的長者活動，其數據精細度足以在人員跌倒或呼吸困難時發出警報，且因為沒有影像錄影，能讓屋主保有高度的隱私。

定位與感測技術的工業化出口：鹿特丹港的自動化升級

自駕技術延伸出來的另一個極佳測試場，就是高度可控的工業環境，特別是大型港口。例如在定位技術方面，能看見地下數英尺處的「透地雷達（GPR）」曾被寄望用於引導自駕車。WaveSense 公司在 2017 年成立時，就希望能藉此在沒有 GPS 或路面積雪時追蹤自駕車。

然而，後來市場未如期成形，WaveSense 便轉向航運與港口應用，並被荷蘭公司 BTG Positioning Systems 收購。BTG 技術長 Tom Cashman 指出，傳統自動化港口需要開挖基礎設施以埋設應答器，但有了透地雷達，就不需要埋設任何東西。

另一方面，自動化解決方案供應商 AMLab 近期在鹿特丹港取得合約，為 34 台自動化軌道式門式起重機供應 LiDAR 感測系統。這套解決方案包含兩大核心：「目標定位系統」專門管理自動引導車輛與貨櫃堆疊間的介面；「堆場剖面感測系統（SPSS）」則提供即時的堆場高度建模。

每台吊車配置的 3D LiDAR 感測器能全面掃描門架與小車的移動範圍，消除盲區並提供公分等級的連續測量資料。這讓吊車在朝目標移動時能同時接收定位資料，免去傳統「暫停並掃描（pause-and-scan）」的延遲流程。SPSS 系統更透過多平面 LiDAR 即時建立 3D 貨櫃模型，讓吊車預先計算吊具移動路徑，提升貨櫃降落的精準度。

AMLab 董事總經理 Shanil Herat 表示：「現代貨櫃碼頭面臨提升安全與營運表現的壓力，而 3D LiDAR 這類高精度感測技術正是實現此目標的關鍵。」他強調，這反映出歐洲市場對感測技術的強勁需求，證明先進感測系統能有效整合既有設施並強化營運。

自駕車技術的新價值，在於讓機器看懂現實世界

十年前，自駕車技術是市場追捧的焦點，如今這股能量正流向目前最熱門的領域：AI 與機器人技術。Boston Dynamics 技術長 Zack Jackowski 表示，機器人技術正大幅受益於汽車領域的研發結晶，包括改良的高動態範圍（HDR）攝影機、符合嚴格安全標準的微處理器，以及更平價的 LiDAR 感測器。事實上，Boston Dynamics 許多負責安全與感知團隊的成員，皆來自 Waymo 與 Zoox 等自駕車企業，因為他們正在處理極為相似的安全課題。Bosch 自動駕駛工程總監 Stefan Sellhusen 也指出，隨著成本下降，配備 LiDAR 的割草機與掃地機器人等消費性產品已經問世。

自駕車商業化或許未如當年預期順遂，但相關技術的價值從未消失。LiDAR、毫米波雷達、透地雷達與 3D 感測能力，正從充滿不確定性的公路場景，擴散到港口、城市、長照及機器人等實體場域，這些應用共同指出了一個新趨勢：自駕技術的核心價值不僅僅是「讓車自己開」，而是提供機器看懂環境、判斷位置並安全執行任務的能力，成為驅動下一波實體 AI 浪潮的重要基石。

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

歐盟達成協議，將放寬 AI 監管框架。《POLITICO》報導指出，此次調整是在產業界與各國政府壓力升高，以及歐盟與美國科技政策張力加劇的背景下形成，並涉及數位法規的重大修正與時程延後。

歐盟《AI 法案》分級鬆動：高風險監管延後、工業 AI 大幅排除適用

歐盟《AI 法案》依據 AI 對健康、安全與基本權利的風險程度進行分級，從「最低風險」到「不可接受風險」不等，風險越高，所需遵守的規範也越嚴格。所謂「高風險」AI 系統，是指將被應用於關鍵基礎設施、教育、就業、移民、庇護與邊境管制等領域的系統。這一類別過去也包括部分被歸類為機械設備的產品，例如智慧家電。

歐洲議會議員與歐盟各國均支持延後該法規的關鍵內容，但協議大幅排除工業應用中的 AI 使用，使其不再納入法規適用範圍。這對德國而言是一項重大勝利，德國總理 Friedrich Merz 等官員先前曾支持調整相關規範，以維持產業競爭力。

歐盟政府與立法者同意，將涉及生物識別技術或關鍵基礎設施、執法相關的高風險 AI 系統規範，從原定今年 8 月 2 日延後至 2027 年 12 月 2 日。《Reuters》提及，歐盟也同意將「機械設備」排除在 AI 法案適用範圍之外，因為該領域已受產業專門法規約束。此舉回應了德國西門子（Siemens）與荷蘭艾司摩爾（ASML）等企業的呼籲。

全球 AI 規範競賽升溫，引產業與公民團體意見分歧

《POLITICO》指出，歐盟各國支持德國的要求，是避免企業在工業 AI 領域面臨「雙重監管負擔」，未來企業只需遵守獨立的機械設備規範中的 AI 要求。醫療器材等其他產業則未獲得豁免，仍將受到 AI 法規約束。談判代表也在協議中加入限制條款，禁止 AI 生成未經授權的性露骨影像，此規範被視為回應近期在 X 平台上出現的相關生成內容與深偽爭議。

此項協議標誌著歐盟在數位領域首次出現重大監管退讓。在美國對其科技法規施壓之際，歐洲產業與政府警告，過於嚴格的限制可能使歐盟在全球 AI 競賽中處於劣勢。歐盟執委會主席 Ursula von der Leyen 稱該協議為歐洲 AI 發展提供「簡單且有利創新的環境」。她在 X 上表示：「我們強化了對公民的保護，打造安全且簡單的歐洲 AI 治理。」

然而，該協議也引發爭議。支持者認為修正有助於提升歐洲產業競爭力，但公民社會團體批評，這是向大型科技企業讓步。《POLITICO》並指出，由於僅少數國家跟進歐盟原本較嚴格的作法，歐盟在全球 AI 規範制定上的領先地位也面臨質疑。

＊本文開放合作夥伴轉載，資料來源：《Politico》、《Reuters》、《Euronews》，圖片來源：Unsplash。

Amazon Web Services 與 Coinbase、Stripe 合作，發布 Amazon Bedrock AgentCore Payments 新功能，讓 AI 代理能透過穩定幣執行交易。《The Block》指出，此舉被視為大型科技公司擁抱區塊鏈支付基礎設施、推動代理經濟（agentic economy）的重要訊號之一。

AI 代理可自己花錢了？AWS 與 Coinbase 打造微支付基礎設施

Coinbase 指出，Agentic commerce（代理商務）的核心願景其實相當明確：AI 代理應能自行尋找所需服務、完成付款，並持續執行任務，全程不需人類介入，也不必仰賴訂閱管理機制。不過，企業過去始終難以真正推出具備自主支付能力的 AI 代理。原因在於，如果 AI 能夠花錢，便牽涉到合規審查、預算控管與交易稽核等問題，而企業若必須從零開始建立這些機制，多數整合案往往在早期就被迫停滯。

這次 AWS 發布的新功能，目的是讓 AI 代理能即時存取並支付其所使用的資源，例如網頁內容、API、MCP 伺服器，以及其他 AI 代理。AWS 指出：「我們與 Coinbase、Stripe 合作打造這些功能，兩家公司將提供錢包基礎設施與支付網路，支援首波功能運作。」

Coinbase 也同步發表聲明指出，開發者可利用 x402 協議建立「代理支付解決方案」，讓 AI 代理透過 USDC 穩定幣進行微支付。USDC 由 Circle Internet Group 發行，也是 Coinbase 主要採用的穩定幣。Coinbase 基礎設施成長主管 Brian Foster 表示：「如今 AWS 開發者能透過一套完整的託管方案，賦予 AI 代理財務自主能力，且整個支付與錢包流程可在系統內直接執行。」

代理經濟成形中：AWS 與 Solana 同步推進 AI 支付標準

《The Block》說明，這項 AWS 新方案，與上週 Solana Foundation 推出的 AI 代理支付方案類似。後者讓 AI 代理能透過區塊鏈支付方式存取 Google Cloud 服務；而 AWS 的新功能則可讓建立於 Amazon Bedrock AgentCore 上的 AI 代理，透過 Coinbase 或 Stripe 提供的錢包進行真實微支付，用於購買服務與存取 API。

AWS 表示，這是首個專為自主代理打造的託管式支付功能。透過 Amazon Bedrock AgentCore Payments，開發者可選擇 Coinbase 或 Stripe 的錢包，並以穩定幣或法幣為其注資，使 AI 代理能執行極小金額、甚至低於 0.01 美元的微支付，以自動取得所需資源與服務。近期包括科技公司與加密支付基礎設施業者在內的多個專案，開始讓 AI 機器人使用虛擬的 Mastercard 與 Visa 卡，顯示代理支付正在往標準化金融介面發展。

在技術基礎上，基於區塊鏈的穩定幣因具備低成本與可程式化特性，被視為 AI 代理經濟活動的重要基礎設施。Stripe 旗下加密錢包基礎設施公司 Privy 執行長 Henri Stern 表示：「Stripe 正在打造 AI 的經濟基礎設施。若要讓 AI 代理成為真正的經濟參與者，它們必須能持有並花費資金，因此我們很高興與 AWS 合作，讓 AgentCore 開發者能輕鬆取得穩定幣錢包。」

＊本文開放合作夥伴轉載，資料來源：《The Block》、Coinbase，圖片來源：Coinbase。

當多數時尚企業仍依賴季節性節奏時，快時尚龍頭 Zara 已經建立一套以 AI 與即時數據為核心的供應鏈體系，支撐每年約兩萬款新品的高速運轉。

AI 驅動供應鏈，兩週完成從社群趨勢到門市上架

Zara 的產品節奏幾乎重新定義了時尚產業的時間邏輯。品牌每週固定上新兩次，相當於一年運行超過一百個「微型季度」。這樣的頻率背後，是 AI 驅動的趨勢偵測能力。Zara 系統持續分析社群媒體內容、街拍影像與時裝秀資料，快速捕捉消費者審美變化，使設計團隊能比傳統模式提早三到四週掌握流行方向。這種預測能力讓產品開發不再依賴長週期規劃，而是轉向高頻迭代的決策機制，使設計確認到門市上架的時間可壓縮至兩到三週。

此外，Zara 還透過 RFID 晶片為每一件商品建立即時追蹤能力，無論庫存位於門市、倉儲或運輸途中，都能被精確掌握。這些資料進一步輸入 AI 需求預測模型，形成動態調整的供應鏈決策系統。《Retail AI News》指出，AI 已經主導其約 85% 的首批生產分配決策，讓產品在一開始就能更精準地進入需求最強的市場。

《朝鮮日報》報導，這套機制直接反映在庫存效率上。Zara 的季末剩餘庫存率僅為 0.6%，遠低於產業普遍的 10% 至 20%。這代表絕大多數商品能在正價期間售出，顯著減少折扣壓力並提升毛利表現。庫存下降的同時，整體銷售仍持續成長，顯示 AI 驅動的供需匹配已經成為其獲利模式的關鍵支柱。

後端物流到前端 AI 個人化試穿，數據賦能全通路

在組織運作上，Zara 將數據嵌入日常決策之中。以後端物流為例，有自動化倉儲系統結合自主移動機器人（AMR）與多層穿梭系統，加速訂單處理與商品分揀；AI 同時優化配送路徑與倉儲配置，使物流網路在效率與碳排之間取得更佳平衡。《Retail AI News》報導，透過智慧路徑規劃，Zara 已將最後一哩配送的碳排放降低約 25%，顯示供應鏈優化同時具備商業與永續價值。

AI 的應用也延伸至消費者端體驗。Zara 近期推出基於生成式 AI 的 Try-On 虛擬試穿服務，讓用戶在線上即可模擬穿著效果。據觀察，這項功能可將退貨率降低一成，直接改善電商營運中最具成本壓力的環節之一。公司正開發進階版本，能呈現同一商品在不同尺寸下的穿著差異，進一步提升選購準確度。

未來規劃中，Zara 也將導入類似 ChatGPT 的對話式助理，協助消費者在龐大商品選擇中快速找到適合的款式。這類工具的核心價值在於降低決策負擔，使購物過程更直覺且個人化，同時也為品牌蒐集更多即時偏好數據，反饋至產品開發端。

Zara 的競爭優勢並非單一技術突破，而是將 AI、資料基礎建設與組織流程整合為一體的系統能力。在這個體系中，設計、製造、物流與銷售不再是分離的環節，而是透過即時資訊緊密連動，形成高度協同的運作模式。

【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？

◆ 零售業者的新難題：為何 AI 用得越多，消費者就越不信任我？

◆ 打造「物流版 AWS」：Amazon 開放自建供應鏈、搶攻 B2B 市場，FedEx 與 DHL 迎來科技平台對手

＊本文開放合作夥伴轉載，參考資料：《Retail AI News》、《朝鮮日報》、《Woman and Home》，首圖來源：Unsplash

（責任編輯：廖紹伶）

今年 4 月，Anthropic 發布新 AI 模型 Mythos，但因擔心能力過於強大，可能遭到惡意人士濫用，目前僅開放約 40 家合作企業測試。Anthropic 執行長 Dario Amodei 本週更警告，Mythos 已在各類軟體中發現數萬個潛在漏洞，而產業可能只剩下 6 至 12 個月的修補窗口期。

在已獲授權測試的合作夥伴中，Mozilla Firefox 安全團隊公開了其與 Anthropic 的合作，提供了部分 AI 資安工具實戰紀錄，也直接揭示了 AI 技術的能耐與現實侷限。

修補漏洞從 31 個變 423 個，中間發生什麼事？

今年 2 月，Anthropic 就已將一批透過 Claude 模型在 Firefox 中發現的漏洞通報給 Mozilla。Mozilla 在修復這批問題後，以自有模糊測試基礎設施為底，建構了一套代理式漏洞掃描框架，後續並在框架中導入 Claude Mythos Preview 等模型，展開大規模掃描。

結果相當顯著，2026 年 4 月，Firefox 共修補了 423 個安全漏洞，相比 2025 年同期的 31 個，成長了 13 倍。這 423 個修補中，271 個由 Claude Mythos Preview 發現，41 個來自外部研究員通報，其餘 111 個則由其他內部方式發現，包括使用 Mythos 以外模型的代理框架，以及傳統模糊測試技術。在 271 個 Mythos 發現的漏洞中，180 個被評定為高嚴重性，80 個為中等嚴重性，11 個為低嚴重性。

Mozilla 研究員坦言，這場轉變來得出乎意料地快。「很難形容這個局面在幾個月內對我們改變了多少，」研究團隊在公開文章中寫道。他們將這一轉折歸因於兩個因素：模型能力的大幅躍升，以及他們自身在引導、擴展與堆疊模型技術上的進步。

挖出沉睡 15 至 20 年的漏洞，連沙箱都沒能倖免

在 Mythos 協助下，Mozilla 發現的漏洞不僅數量驚人，品質也大幅提升。Mozilla 表示，在此之前，AI 漏洞查找工具存在許多嚴重缺陷，導致安全團隊被大量誤報和低品質回報淹沒，但最新一代工具已經取得突破性進展。

Mozilla 公開了其中 12 個具代表性的案例，涵蓋多個不同的瀏覽器子系統。其中包括一個存在 15 年、由 HTML 元素觸發的錯誤，以及一個潛伏 20 年的 XSLT 漏洞，皆在長期模糊測試下從未被察覺。

尤其值得關注的是多個沙箱漏洞。根據《TechCrunch》，要找到這類漏洞，模型必須先為瀏覽器撰寫一個受感染的修補程式，再用這段新程式碼攻擊瀏覽器最安全的核心層，是一個需要創造力與高度精準度的多步驟任務。

為了找出這些漏洞，Mozilla 曾祭出漏洞獎勵計畫，然而，即便提出最高可獲得 2 萬美元的高額獎勵，Mozilla 工程師 Grinstead 表示，Mythos 找出的沙箱漏洞數量，仍遠超過過去人類研究人員的成果。他向《TechCrunch》表示：「我們確實曾收到這類漏洞回報，但數量遠不及這種方法所能找到的規模。」

AI 能找漏洞，但還不能自己修

儘管 Mythos 在發現漏洞上表現突出，Mozilla 團隊也指出了一個現實限制：AI 目前仍無法真正自動修復問題。

《TechCrunch》報導，Mozilla 的做法是請 AI 為每個漏洞生成修補程式碼，但這些程式碼通常無法直接部署，而是作為人類工程師的參考樣本。Grinstead 表示官方文章中討論的每一個漏洞，都是由一位工程師撰寫修補程式、一位工程師負責審查而成，「我們還沒找到可以自動化的方法。」

根據 Mozilla，在 4 月共修補的 423 個漏洞中，有逾百人參與了撰寫修補程式、審查程式碼、測試修復成果與管理發布流程等工作。這反映出目前 AI coding 與 AI agent 發展的一個重要現實：AI 很擅長大規模探索與發現問題，但在需要高度可靠性、可維護性與系統整合能力的修復階段，人類工程師仍不可或缺。

但另一更深層的問題在於，AI 找漏洞的速度，可能正在超越人類修補漏洞的能力，全球軟體產業可能將進入「漏洞供給爆炸」的新時代。而目前的工程文化、review 流程與安全團隊規模，未必跟得上這種速度。

這也意味著，AI coding 的下一場競爭，或許不再是誰能生成更多程式碼，而是誰能在 AI 發現漏洞後，更快完成修補、驗證與部署。Mythos 所揭露的，已不只是 AI coding 的新能力，而是整個軟體產業攻防節奏正在被重新改寫。

Mozilla 透過自身經驗指出，任何軟體開發團隊都可以立即使用現有的代理框架搭配現代模型來尋找漏洞，不需要等待更好的工具，並建議從簡單的提示開始，觀察後再迭代。「你會找到漏洞，而且你會為自己做好準備，以便在新模型出現時立即加以利用。」其下一步計畫是將漏洞掃描整合進 CI 系統，在程式碼提交時即時掃描，預期效果與現有的檔案式掃描相當甚至更好。

【推薦閱讀】

◆ Anthropic 不敢全面公開的 AI：Claude Mythos 為何正在重寫網路安全規則？

◆ Anthropic Mythos 進入大型銀行、美英加三國監管體系同步介入：為何美財長緊急召集華爾街 CEO？

◆ 駭客不需駭入系統，只要讓你的 AI 客服讀一封信：專家揭三大攻擊型態升級

＊本文開放合作夥伴轉載，資料來源：《TechCrunch》、Mozilla、《CNBC》、Anthropic，首圖來源：Anthropic

OpenAI 與晶片設計大廠博通（Broadcom）在去年秋天宣布合作打造客製化 AI 晶片，目標是在 2030 年前達到消耗 10GW（吉瓦）電力的部署規模，藉此降低對 NVIDIA 昂貴硬體的依賴。然而，《The Information》近日揭露，雙方當時並未對外說明一個關鍵問題：OpenAI 究竟要如何支付這項專案龐大的晶片生產成本？

如今，OpenAI 與博通正在協商第一階段的晶片生產融資協議，該階段預計將消耗 1.3GW 的資料中心容量，光是成本就約為 180 億美元。若以此速度推算，這項代號為「Nexus」的 10GW 完整計畫，單單晶片生產成本就可能高達 1,800 億美元，且這甚至尚未包含資料中心的建設與其他成本支出。

為兩千億美元支出壓力止血，自研晶片成核心戰略

對 OpenAI 而言，取得巨額融資至關重要，因為公司預估到 2029 年為止，其營運支出規模將超過 2,000 億美元。在此背景下，推動自研晶片成為 OpenAI 降低伺服器成本、改善毛利率，並減少對 NVIDIA 依賴的核心戰略。事實上，開發 AI 伺服器晶片一直是全球大型 AI 開發商與雲端供應商共同投入的方向，包含 Google 早在十多年前就開始與博通合作設計晶片，以改善利潤率；Meta 與 Microsoft 等公司也因 NVIDIA 伺服器支出暴增，而與博通達成類似的客製化 AI 晶片協議。 

OpenAI 的第一代自研晶片代號為「Jalapeno」，其設計初衷是希望能比 NVIDIA 的通用圖形處理器（GPU）更有效率地支撐 OpenAI 現有模型的推論工作負載。談到這項專案，OpenAI 執行長 Sam Altman 曾表示：「我們清楚地意識到，世界將需要多麼龐大的推論運算能力。」他也提到：「我們開始思考，我們是否能做一款專為這種非常特定工作負載而設計的晶片？」

不過，硬體開發的時程充滿挑戰。OpenAI 與博通原本的目標是讓這批推論晶片在 2026 年下半年上線，但多位知情人士指出，目前預計多數 Jalapeno 晶片要到 2027 年才會準備就緒。與此同時，代號為「Serrano」的下一代晶片設計工作也已在進行中。

180 億美元融資卡關：博通要求微軟同意購買約 40% 的 OpenAI 自研晶片產量

然而，除了硬體開發時程充滿挑戰，這場融資談判也遇到一個潛在的巨大阻礙：博通願意為第一階段晶片生產提供融資的條件，是 Microsoft 必須同意購買約 40% 的 OpenAI 自研晶片產量。

根據協議規劃，Microsoft 會將這些晶片安裝在自家的資料中心內，再將晶片租回給 OpenAI 使用。一名參與談判的人士指出，Microsoft 作為全球最具信譽的企業之一，且擁有數十年的資料中心營運經驗，這樣的採購承諾能讓博通對收回資金更有信心。

然而，儘管 Microsoft 已經為這些晶片預留部分的資料中心空間，卻尚未正式同意購買這些晶片。一份 OpenAI 內部備忘錄透露，協議草案中規定如果 Microsoft 的採購量不足，OpenAI 就必須尋求其他替代買家，該備忘錄更直言：「計畫風險在於，Microsoft 最終可能不會出手完成 OpenAI 晶片採購。」

微軟的籌碼與 OpenAI 突圍戰

《The Information》指出，這場晶片融資談判凸顯一個事實：即使 OpenAI 過去一年左右，透過一系列協議獲得更多與其他公司合作的自由，但 Microsoft 仍持續對 OpenAI 具有強大的影響力。過去，Microsoft 曾是 OpenAI 使用 NVIDIA 晶片時的獨家雲端供應商，並擁有使用 OpenAI 智慧財產權等其他獨家權利。OpenAI 的內部備忘錄也坦承，Microsoft 在這項晶片計畫上「一直擁有槓桿」，而 OpenAI 也花費「不懈的努力和大量的時間」，試圖取得更明確的採購承諾。

負責 OpenAI 雲端交易與晶片計畫的高層 Sachin Katti，上個月曾在內部訊息中質疑這項博通協議。他警告，將 Microsoft 的採購承諾作為融資條件，會建立一個「長期來看真正阻礙我們」的先例。Sachin Katti 同時指出，Microsoft 的參與讓這筆交易在財務上「缺乏吸引力」，他也提醒，「這種商業結構對第二代晶片及後續版本而言，可能不可行。」因為其中一個核心衝突在於，Microsoft 的資料中心在設計上是為了容納各種類型的晶片，但 OpenAI 卻希望將自研晶片放進專門設計的資料中心內，以便更有效率地運作。

儘管面臨 Microsoft 的影響力挑戰，博通與 OpenAI 的談判仍在推進中。博通過去一直堅持一條底線，就是在每提供一美元融資時，OpenAI 也必須自己先投入一美元。但近期博通決定放寬這項要求，願意比 OpenAI 投入更多的前期資本，打破其長期堅持的強硬底線。

AI 算力戰不只搶晶片，也搶融資、產能與部署速度

OpenAI 自研晶片 Nexus 計畫的融資關卡，清楚揭示 AI 巨頭若要降低對 NVIDIA 的依賴，不能僅仰賴晶片設計能力，還必須妥善解決融資結構、資料中心部署、台積電（TSMC）的產能配置以及大型買家的採購承諾等複雜問題。《The Information》指出，截至上個月，OpenAI 與博通仍在致力推動一份「有條件的」協議，主要目標是讓博通能夠「有信心地配置」台積電稀缺的製造產能，以支援 2027 年的需求。

作為另一種發展路線的鮮明對照，《Reuters》報導指出，SpaceX 近日已經與 Anthropic 簽署協議，將讓 Anthropic 取得大型 AI 超級電腦 Colossus 1 的使用權。Anthropic 計畫利用這些額外算力，來提升 Claude Pro 與 Claude Max 訂閱用戶的服務容量。此外，Anthropic 更表達出與 SpaceX 合作開發多吉瓦（multiple gigawatts）軌道 AI 運算能力的濃厚興趣。

這顯示出 AI 發展的一個核心觀察：當 OpenAI 正努力用自研晶片及重資本融資路線來建立長期的硬體優勢時，Nexus 計畫短期內要真正落地，仍得看 Microsoft 是否願意買單。與此同時，OpenAI 的競爭對手正靈活地透過外部合作補足服務容量，這反映出 AI 算力戰已從單純的「誰有晶片」，全面升級為「誰能最快取得融資、鎖定產能，並將算力部署到位」的綜合實力對決。

＊本文開放合作夥伴轉載，資料來源：《The Information》、《Reuters》，圖片來源：Unsplash

近年來，全球製藥業投入數十億美元押注 AI，期盼能藉此加速新藥發現與開發速度。然而，儘管業界對此寄予厚望，但目前仍缺乏明確證據顯示 AI 能大幅提高新藥臨床試驗的成功率。

相較之下，AI 在「製造端」的效益卻已經率先浮現。以生產糖尿病與減重藥物聞名全球的美國製藥巨頭 Eli Lilly（禮來）為例，其資訊與數位長 Diogo Rau 就明確表示：「現實情況是，到目前為止我們看到的所有 AI 效益，實際上並非來自藥物探索，而是來自製造與其他流程。」

另一方面，專精於癌症與免疫疾病治療的美國跨國藥廠 Bristol Myers Squibb（必治妥施貴寶，簡稱 BMS），其位於麻州 Devens 的藥廠便為此提供了一個具體的成功案例：透過 AI 監控生物製程變數，成功讓藥品產量大幅提升約 40%。

BMS 將 AI 導入生物製程，藥品產量躍升 40%

BMS 位於美國麻州 Devens 的工廠，主要負責製造用於治療癌症等疾病的基因工程蛋白質藥物。在世界經濟論壇（WEF）與麥肯錫（McKinsey）今年表彰的全球 23 座創新製造基地中，Devens 工廠更是唯一入選的美國製造商。

在這座工廠裡，科學家會將活細胞放入容量高達 2,000 公升的不鏽鋼生物反應器中培養數週。由於細胞生長環境極為脆弱，溫度、光線或 pH 值等細微變化都可能讓細胞停止生長，進而導致危及病患的藥品短缺。過去，科學家往往得苦等到整個製程結束後，才能回頭檢視究竟是哪個環節出錯。事實上，直到 2020 年，Devens 廠房的員工仍在使用 Excel 試算表處理部分任務，甚至以手寫方式填寫記錄每個生產步驟的批次紀錄。

如今，BMS 導入 AI 系統來密切監控溫度與氧氣濃度等重要變數，一旦數據出現異常，系統會立刻提醒技術人員即時介入。BMS 執行副總裁兼首席供應鏈與營運長 Karin Shanahan 強調：「我們現在能夠在製造過程中直接介入處理批次，而不必等到最後一刻。」

此外，AI 還會分析過去的批次資料，主動提出製程修正建議。例如，當氧氣濃度偏低時，系統會自動建議補充氧氣；若 pH 值偏高，系統也會建議進行修正，甚至能精準預測最佳的細胞收成時間點。BMS 發言人指出，這些創新技術已讓 Devens 工廠在臨床試驗與商業用藥的產量上，大幅提升約 40%。

Eli Lilly 運用數位孿生解決產能瓶頸，優化糖尿病與減重藥製程

除了 BMS，面對市場需求爆發的 Eli Lilly 也藉由 AI 找到突破產能天花板的方法。近期，Eli Lilly 旗下熱銷的糖尿病藥物 Mounjaro 與減重藥物 Zepbound 需求暴增，導致初期出現廣泛缺貨潮。公司高層一度認為，他們已經將 Mounjaro 與 Zepbound 兩款藥物的主要活性成分 tirzepatide 產能推到極限。

為了測試是否還有進一步增產的空間，Lilly 去年為 tirzepatide 的製造流程建立「數位孿生」進行模擬，並透過內部開發的機器學習工具運行測試。結果這套 AI 工具成功找出製造設備內部壓力與溫度等變數的不同組合，協助 Eli Lilly 精準判斷哪些參數可以被調整，進而縮短整體製程。雖然 Eli Lilly 並未具體透露製程縮短的幅度或增產的實際規模，但 Eli Lilly 資訊與數位長 Diogo Rau 表示，這項改善讓公司得以觸及更多病患，效果「令人震驚」。

《華爾街日報》對此也評論，對藥廠而言，目前 AI 最明確且立竿見影的回報，多半來自於加快製造速度與精簡後勤任務，而非突破性的藥物研究成果。RBC Capital Markets 估計，這些技術預計在未來五年內能為美國製藥業節省約 900 億美元。

AI 尋找新藥仍待驗證，製造端率先成為落地突破口

事實上，全球製藥巨頭對於 AI 的投資毫不手軟。《華爾街日報》指出，包括 Eli Lilly、Roche（羅氏）、GSK（葛蘭素史克）、AstraZeneca（阿斯利康）與 Merck（默克）等國際大廠，近幾個月已陸續宣布投入數十億美元，與科技公司及 AI 生技新創展開合作，期盼全面改造製藥流程。

以 Eli Lilly 為例，該公司先是在去年 10 月宣布與  NVIDIA 合作打造號稱製藥業最強大的超級電腦，隨後又在今年 1 月把這項計畫擴大為規模 10 億美元、為期 5 年的深度合作，讓雙方科學家與工程師在灣區的新實驗室中共同開發 AI 新藥工具。

然而，理想與現實仍有落差。RBC Capital Markets 分析師 Trung Huynh 點出，業界曾高度期待 AI 能大幅改善臨床試驗的成功率，但他坦言「這還沒有發生」。以知名 AI 生技公司 Recursion Pharmaceuticals 為例，該公司致力於透過訓練 AI 辨識細胞影像，試圖降低高達 90% 的新藥開發失敗率。然而，在公司成立近 13 年後，至今仍未有任何一款 AI 輔助開發的藥物正式獲批上市。

《紐約時報》也提醒，技術上的優勢不保證能立即轉化為對病患的實際益處。藥物開發的歷史充滿了無數失敗，AI 所找出的候選分子，最終能否挺過嚴苛的臨床試驗考驗，依然是未知數。

從 BMS 與 Eli Lilly 的案例可以發現，AI 在製藥產業的角色正在發生改變：過去外界的目光總聚焦在 AI 能否縮短新藥探索時間、提高臨床成功率，但真正率先開花結果的，反而是製造端的製程優化與產能提升。對藥廠而言，AI 或許暫時還無法為人類帶來下一個奇蹟般的「新藥突破」，但已經開始徹底改變「藥物如何被更快、更大量地製造出來」。

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

【科技早餐】今天精選 8 則國內外重要科技新聞。

＊Anthropic 吃下 SpaceX 算力，Claude 需求把 AI 戰場推上 300 MW

Anthropic 宣布與太空探索科技公司（SpaceX）達成大規模算力協議，將使用 SpaceX 位於美國田納西州（Tennessee）曼菲斯（Memphis）的 Colossus 1 超級資料中心資源，規模超過 300 MW，並可動用逾 22 萬顆 NVIDIA GPU，支撐 Claude 平台持續成長的使用需求。

Anthropic 執行長阿莫迪（Dario Amodei）先前在舊金山開發者大會表示，公司原本按 10 倍成長規劃算力採購，但第 1 季營收與使用量以年化基礎計算，成長幅度達到約 80 倍，目前算力資源難以應付。這次合作也讓 SpaceX 與特斯拉（Tesla）執行長馬斯克（Elon Musk）旗下算力資源，正式提供給 OpenAI 競爭對手 Anthropic。

＊SpaceX Terafab 文件曝光，馬斯克把 AI 晶片製造拉進自家體系

根據外媒報導，SpaceX 首次公開上市（IPO）文件與地方政府資料顯示，公司計劃在美國德州（Texas）打造超大規模晶片製造園區 Terafab，初期投資約 550 億美元。若後續擴建計畫全數落實，總投資規模可能達到 1,190 億美元。

SpaceX 在文件中將 Terafab 描述為多階段、次世代、垂直整合的半導體製造與先進運算製造設施，目標是整合邏輯晶片、記憶體與先進封裝，服務 SpaceX、xAI 與 Tesla 內部需求。文件也指出，Terafab 將採用英特爾（Intel）開發中的 14A 先進製程，並由 Intel 協助晶片設計、製造與封裝，但 SpaceX 也提醒，無法保證計畫能依原定時程推進。

＊Arm 財報創高，AI 資料中心把 CPU 拉回關鍵位置

晶片設計公司 Arm 公布截至 3 月 31 日的 2026 財年第四季財報，單季營收達 14.9 億美元，年增 20%。其中授權收入為 8.19 億美元，年增 29%；權利金收入為 6.71 億美元，年增 11%。Arm 執行長哈斯（Rene Haas）表示，當季手機出貨雖然轉弱，但主要集中在低階市場，對 Arm 影響相對有限。

這次財報更受關注的，是 Arm 正把成長重心推向 AI 資料中心。Arm 表示，首款資料中心處理器 Arm AGI CPU，是為代理式 AI 設計，主要共同開發夥伴包括 Meta。公司指出，客戶在 2027 與 2028 財年對 Arm AGI CPU 的採購總額已超過 20 億美元，為原先預期的兩倍以上，也讓資料中心成為 Arm 的下一個成長重點。

＊SIA：全球半導體首季銷售達 2,985 億美元，AI 推動全年挑戰兆元大關

美國半導體產業協會（SIA）最新報告顯示，2026 年第 1 季全球半導體銷售額達 2,985 億美元，較 2025 年第 4 季成長 25%。光是 3 月單月銷售額就達 995 億美元，較去年同期大增 79.2%，也比 2 月成長 11.5%。

從區域市場來看，3 月各地銷售都明顯成長。與去年同期相比，亞太地區年增 108.5%，美洲與中國分別成長 83.1% 與 74.8%。SIA 總裁紐佛（John Neuffer）表示，亞太與美洲市場需求穩健，帶動整體市場增長。隨著 AI 推動晶片需求，SIA 預估 2026 年全球半導體年度銷售額有機會跨越 1 兆美元。

＊Coinbase 裁員 700 人，AI 原生組織把主管拉回第一線

美國加密貨幣交易所 Coinbase 宣布，將裁減約 14% 人力，約 700 名員工，作為組織重整的一部分。Coinbase 執行長阿姆斯壯（Brian Armstrong）在員工備忘錄中表示，公司正同時面對加密貨幣市場低迷，以及 AI 改變工作方式兩股力量，因此必須調整成本結構，讓公司更精實、更快速，也更 AI 原生。

這次重整不只是裁員。Coinbase 將把執行長與營運長以下的組織層級壓縮至最多 5 層，以減少協調成本、加快決策速度。阿姆斯壯也要求主管不能只是純管理者，而必須像「球員兼教練」一樣參與實際工作。公司也表示，未來將更重視能管理 AI 代理人的人才，並實驗更小型團隊與「一人團隊」模式。

＊台灣供應鏈赴美意願達 350 億美元，AI 伺服器聚落往美國延伸

經濟部長龔明鑫與國發會主委葉俊顯率台灣代表團參加 2026 年「選擇美國投資高峰會」（SelectUSA Investment Summit）。今年台灣代表團共有 113 家廠商、207 名代表，首次超過 200 人，再度成為最大代表團。

龔明鑫表示，經濟部盤點約 20 家半導體、AI 與伺服器相關企業赴美投資意願，目前累計金額約 350 億美元，將作為未來第一波投資。這批企業包括聯電、環球晶、緯創、廣達、仁寶與鴻海等供應鏈業者，但不包含台積電已公布的美國投資金額。台美避免雙重課稅法案目前仍待美國參議院排案，龔明鑫表示，美方多位官員與議員都表達支持。

＊台灣無人機出口歐洲暴增 40 倍，烏克蘭供應鏈轉向尋找中國以外選項

英國《衛報》報導，隨著外界愈來愈擔心中國主導工業供應鏈帶來的安全風險，烏克蘭與歐美國家正轉向台灣尋找無人機替代供應來源。烏克蘭獨立智庫蛇島研究所（Snake Island Institute，SII）指出，台灣在微電子、導航系統與電池領域具備技術實力，成為烏克蘭無人機製造商偏好的替代來源之一。

根據科技、民主與社會研究中心（DSET）資料，2025 年台灣出口至歐洲的無人機數量暴增逾 40 倍，其中波蘭與捷克是最大市場，許多產品最終轉往烏克蘭。不過報導也指出，台灣供應規模與價格仍是限制。烏克蘭戰時需求以每年百萬架無人機計算，但台灣目前產量仍在數十萬架規模，中國零組件也仍具價格與供應優勢。

＊中美傳研議 AI 對話機制，模型風險與自動化武器列入討論

《華爾街日報》報導，美中雙方正在研議 AI 議題，並考慮將其列入下週北京「川習會」正式議程。報導指出，美方由財政部長貝森特（Scott Bessent）領軍討論，行政當局仍在等待北京指定正式對口官員。初步構想是建立經常性對話機制，討論 AI 模型非預期行為、自動化武器系統風險，以及非國家參與者利用強大開源工具發動攻擊的可能性。

《路透》則報導，美國總統川普（Donald Trump）本週稍早表示，面對貿易與技術緊張局勢，他將提醒中國國家主席習近平，美國在 AI 領域仍處於領先地位。這項對話若成形，代表 AI 已從企業競爭與產業投資，進一步進入中美戰略穩定與危機管理討論。

＊本文開放合作夥伴轉載，資料來源：《Reuters1》、Anthropic、《Bloomberg》、Arm、SIA、《Tom’s Hardware》、Coinbase、《Reuters2》、《中央社》、《The Gaurdian》、《The Wall Street Journal》、《Reuters3》，首圖來源：AI 生成圖。

長久以來，要讓機器人精準抓取、移動、拆解或組裝物體，遠比教它們走路或說話困難得多，這也是人形機器人一直無法在現實世界大規模落地的關鍵門檻。然而，法國機器人新創 Genesis AI 正在逐步打破這道技術門檻。

Genesis AI 近日正式發表專為機器人打造的基礎 AI 模型 GENE-26.5，並同步推出一隻高度接近人類靈巧度的實體機械手，目標是賦予機器人前所未有的適應力，讓機器人跨入「會動手做事」的新階段。

會煮飯、打蛋、彈鋼琴，Genesis AI 用 Demo 展示人類級靈巧操作

為了具體展現 GENE-26.5 的實力，Genesis AI 釋出一系列令人驚豔的自主執行影片，全程以原速呈現且無人類遠端操控。在展示影片中，機器人能流暢完成高達 20 個步驟的料理任務，包含切番茄、單手打蛋，甚至能雙手製作冰沙並完成遞送，或是單手抓取並分類四個不同大小的物體，以及在空中連續操作解開魔術方塊。此外，機器人還能彈奏約 130 BPM 的快節奏鋼琴樂曲，並進行複雜的線束整理。

不過，這些任務並非「零樣本學習（zero-shot）」，機器人仍需針對特定任務進行事前訓練。Genesis AI 執行長 Zhou Xian 解釋，以料理 Demo 為例，需要數百條操作軌跡來訓練機器人打蛋或切番茄，一項 30 秒的複雜技能，背後大約需要數小時的人類示範資料，加上不到半小時的機器人執行資料。

在成功率方面，多數料理步驟已能達到 90% 至 95% 的成果，儘管難度極高的「單手打蛋」與「用刀轉移番茄」在拍攝時成功率約為 50% 至 60%，Zhou Xian 仍自豪地表示：「這可能是機器人有史以來，以最貼近人類的方式、效率與速度所執行的最複雜任務。」他也透露，目前機器人約已達到人類操作速度的 60% 至 70%，雖然操作問題尚未被徹底解決，但已邁出關鍵一步。

突破操作瓶頸，打造從模型到硬體的全棧式路線

為什麼 Genesis AI 能達成這項成果？關鍵就在於他們決定走全棧式（full-stack）路線。最初，公司的目標只是打造更好的機器人模型，但團隊很快意識到，機器人長期受限於「體現差距（embodiment gap）」，意即人類手部與傳統機器爪的形狀差異過大，導致機器人很難直接從人類的真實資料中學習。

為了解決這個硬傷，Genesis AI 不僅開發 AI 模型與模擬器，更親自打造一雙具有 20 個自由度與 20 顆馬達的「仿人機械手」。與傳統透過前臂馬達和肌腱線纜驅動的設計不同，這雙仿人機械手的馬達直接配置在手部，大小與形狀也極度接近人手，大幅縮小與真實世界條件的差距。

同時，Genesis AI 還推出配備觸覺感測電子皮膚的「資料訓練手套」，能建立手套、人手與機器手之間「1:1:1」的對應關係。因此，透過結合網路資料，以及訓練手套蒐集來的人類手部動作與觸覺、力覺訊號，Genesis AI 得以建立龐大的資料引擎。此外，團隊也開發具備超寫實物理運算的模擬系統，透過縮小模擬與現實的差距，讓 AI 模型的訓練與改善比傳統實體測試更快速。

從展示走向產業：優先鎖定汽車、電子、製藥與物流場景

在擁有強大軟硬體整合能力後，Genesis AI 正積極將 GENE-26.5 推向產業應用，並與法國、德國、義大利的潛在客戶進入進階洽談。Genesis AI 總裁 Theophile Gervet 指出，優先布局歐洲的原因在於當地擁有頂尖人才，且歐洲深厚的工業基礎本身就是 Genesis AI 的首要市場。

Genesis AI 目前鎖定汽車、電子、製藥與物流等產業，目標是解決傳統機器人難以處理的精細或變動性任務，例如電子業中極度困難的「線束整理」，因為需要將電纜整理成束並固定，這正是 Genesis AI 能大展身手的地方。

另一方面，為了持續擴充機器人的技能庫，Genesis AI 正與工業夥伴洽談，計畫讓數萬名實驗室技術員或製造業員工在日常工作中配戴感測手套，並搭配第一人稱視角影片來蒐集真實世界資料。這次的技術發表，也讓 Genesis AI 與同樣開發工業靈巧手、估值上看 60 億美元的中國新創 Linkerbot 展開直接競爭。

Genesis AI 預計很快就會公開第一款通用的機器人，正如 Zhou Xian 所強調的，他們的最終目標是「打造最有能力的機器人系統」。因此，GENE-26.5 的真正價值是將 AI 模型、仿人機械手、資料手套與模擬系統進行深度整合，並透過這套系統，讓 Genesis AI 正面突破機器人走向真實世界時最困難的「手部操作」瓶頸，並讓 Physical AI 真正具備執行複雜任務的能力，逐步實現 Zhou Xian 眼中「十年內，工廠機器人與家用機器人將不再有根本差異」的長遠願景。

＊本文開放合作夥伴轉載，資料來源：《TechCrunch》、《Reuters》、《The Robot Report》、《Business Insider》，圖片來源：Genesis AI

以 Microsoft 365 串聯在地合規、資安防護與生成式 AI，打造兼具創新與韌性的智慧醫療體系

「我們希望將技術賦能內部使用者。」國立臺灣大學醫學院附設醫院（以下簡稱臺大醫院）資訊室主任陳權忠這句話，道出臺大醫院數位轉型邁入新階段的核心思維。過去，臺大醫院透過電子病歷無紙化與行動化，奠定智慧醫院的數位基礎；隨著系統逐步成熟，關鍵已不再是技術是否到位，而是如何持續精進流程，並讓第一線的醫護與行政人員真正參與其中。在此轉變下，資訊室也重新定位自身角色，從過去一手承接各項需求轉為輔佐與賦能，並以 Microsoft 365（M365）為核心平台，結合 Power Automate、Power Apps、Copilot 等工具，將數位能力延伸至第一線使用者，讓臨床醫師、護理師和各科部行政人員皆能解決問題，成為流程優化的重要參與者。

實現技術賦能，將數位能力延伸至使用者

作為台灣規模最大的公立醫學中心，臺大醫療體系橫跨總院與多所分院，在行政與跨部門流程上，面臨需求分散且持續變動的挑戰。過去，院內多數行政資訊系統皆由資訊室自行開發，從財產管理、薪資計算、人事資料建置，到各科部日常流程需求，皆需仰賴資訊室逐一客製化處理。然而，隨著各單位需求日益多元，這樣的集中式開發模式也逐漸面臨瓶頸。

臺大醫院資訊室協理尚榮基表示：「資訊室能夠提供的服務，始終趕不上各科部的期待和需求。行政單位業務分散且需求各異，若仰賴工程師逐一開發系統，難以因應需求變化的速度。」他也指出，許多需求雖然看似單純，但仍需由工程師介入處理，對資訊室的人力與資源形成不小壓力。隨著技術演進，臺大醫院開始尋求新的解法，將資訊開發能力延伸至第一線使用者，這也成為導入 M365 平台的關鍵契機，使各單位得以透過平台工具自行解決日常工作中的問題，避免只能等待資訊室協助。

以財產報廢流程為例，過去一張報廢單需逐層簽核，完成時間常以月計。後來資訊室開發線上系統將流程電子化，處理效率雖有提升，但系統開發與維護仍高度仰賴工程師。如今，資訊室調整作法，投入教育訓練協助各單位定義問題與發想應用場景，並透過 M365 平台中的 Power Automate 等流程自動化工具，讓使用者能自行建置應用，並逐步推廣至更多科部，使承辦人得以將手邊作業電子化，落實第一線的數位轉型。

Azure 機房落地台灣，醫療上雲合規無虞

對醫療機構而言，上雲從來不是單純的技術決策。電子病歷涉及高度敏感的個人醫療資訊，如何在合規前提下擁抱雲端，是每家醫院都必須審慎面對的課題。臺大醫院將合規與資料落地能力視為推動上雲的重要基礎，自 2023 年起，陸續完成雲端版 Exchange Online 與 SharePoint Online 上線，提升部門協作效率與資料管理能力。隨著微軟在台區域資料中心啟用，醫療資料須落地台灣的合規要求得以落實，為電子病歷及相關資料逐步上雲提供更完善的基礎。

微軟在台區域資料中心上線後，臺大醫院在醫療上雲法規遵循與資料落地的需求得以滿足。臺大醫院院內長期採用 Office 365 服務，在備援與系統可用性已具備良好基礎，得以支撐醫療人員日常運作的穩定性與韌性。臺大醫院資訊室主任陳權忠說明，微軟在台區域資料中心的啟用不僅讓臺大醫院對上雲合規更有信心，也因資料落地台灣，服務存取無須連線至海外，整體效能得以提升。他進一步指出，透過 M365 進階資料落地服務（Advanced Data Residency，ADR），臺大醫院在資料駐留與法規遵循上更具彈性且能因應政策調整，並作為強化醫療韌性的基礎。

台灣微軟公共業務事業群總經理陳守正表示：「微軟很高興能和臺大醫院攜手，共同推動醫療數位轉型。透過 Microsoft 365 平台，得以將數位能力真正延伸至每位醫護與行政人員，讓技術賦能不只是口號。微軟在台區域資料中心的啟用進一步化解醫療機構上雲的合規疑慮，讓臺大醫院在法規遵循與資料安全無虞，全力推動智慧醫療的創新實踐。」

智慧資安防護，守護醫療資料安全

除雲端基礎建設與合規布局，資安防護亦是上雲首要考量。針對醫療機構的資安攻擊手法日益多元，其中釣魚郵件仍是常見的入侵途徑之一。為強化郵件防護，臺大醫院採用 Microsoft Defender for Office 365（MDO），在 Office 365 環境中提供進階郵件安全防護，平均每月可阻擋逾萬封惡意郵件。其安全連結（Safe Links）功能可在使用者點擊連結時進行檢測，即使連結於事後遭入侵或篡改仍能攔截潛在威脅，補足傳統過濾機制的防護缺口，有效降低員工誤點惡意連結的風險。

然而，資安挑戰不僅來自外部威脅，告警數量快速增加所帶來的處理壓力，也成為臺大醫院資訊室的重要維運課題。以端點偵測與回應（EDR）工具為例，每月產生數百筆告警，皆需逐一分析與判斷，已超出現有人力負荷。對此，資訊室團隊正嘗試導入 AI 輔助機制進行告警分類與處置，使多數事件可透過自動化處理，僅需人工介入少數高風險案例，降低資安維運的人力負擔。

生成式 AI 深入臨床輔助與資訊維運

面對生成式 AI 浪潮，臺大醫院積極探索各種應用可能。目前在病歷相關作業上，AI 可協助進行病歷標註、摘要生成與文件審核，讓醫師更快掌握病患病史，並提升記錄完整性，應用範圍亦從文字延伸至影像、圖片與聲音等多模態資料。此外，資訊室也運用 Azure OpenAI 建立對話式 AI 介面，醫師可以直接存取病歷資料進行臨床查詢，並將客製化 AI 功能嵌入既有系統，支援特定流程需求。

在資訊維運端，GitHub Copilot 不僅協助編寫程式碼，也用於修補安全漏洞。維運工程師可預先設定提示（Prompt），由 AI 自動執行例行性漏洞修補，隔日再進行結果確認，提升整體維護效率。陳權忠強調，即使導入 AI 自動化，最終的判斷仍需人為把關，並落實權限控管，以避免誤刪或誤改重要程式碼。

臺大醫院能在 AI 應用上快速推進，其中一項關鍵在於總院與各分院的應用系統皆採統一架構開發，資料自系統設計階段即採集中管理，避免形成資料孤島。在既有基礎上，為進一步支撐 AI 應用擴展，資訊室於 2025 年完成資料庫升級，新型資料庫支援向量搜尋，使地端亦可建置 RAG（檢索增強生成）應用，並同步擴充 GPU 伺服器算力，為後續 AI 應用提供穩定的運算基礎，並可彈性運用雲地資源。

隨著生成式 AI 應用逐步深化，臺大醫院將持續以雲端與 AI 驅動臨床創新，推動相關應用於臨床與行政場域，涵蓋語音病歷整理、緊急事件派工單自動生成及數位孿生（Digital Twins）等場景。台灣微軟亦將以合規、穩定且安全的雲端基礎架構與 AI 技術導入經驗，協助臺大醫院加速推動醫療數位轉型與 AI 應用落地，並進一步將技術賦能延伸至醫護與行政第一線，形塑智慧醫院新典範。

從社群、娛樂到工作協作，現代人的各種需求幾乎都能透過 App 完成，但過去這些應用程式始終離不開手機。《VentureBeat》報導，如今成立 10 年、總部位於紐約、以開源 AI 模型與應用平台聞名的 Hugging Face，為其低成本開源桌上型機器人 Reachy Mini 推出 App Store，標誌運算平台正從「手機中心」轉向「實體機器人」的新階段。

從破萬銷量到 App 生態，Reachy Mini 打造機器人開發新入口

Reachy Mini 為 Hugging Face 於 2025 年 7 月推出的開源桌上型機器人，售價 299 美元起，是該公司收購法國機器人新創公司 Pollen Robotics 後的成果之一。自去年上市以來，該機器人已累計售出約 1 萬台。Reachy Mini 提供兩種版本：Lite 有線版（299 美元）需連接外部電腦運算，以及 Wireless 無線版（449 美元）內建 Raspberry Pi CM4，可獨立運作並支援 Wi-Fi。

這款小型機器人內建攝影鏡頭、麥克風與喇叭，並可透過 Hugging Face 的 AI 代理工具 ML Intern 協助使用者快速開發客製化應用。使用者無需工程或程式背景，只需以自然語言描述需求，例如「在有人說早安時揮手」，AI 代理便可自動生成程式、測試行為並部署至機器人。現在 Hugging Face 正式推出機器人專屬 App Store，Reachy Mini App Store 已上架超過 200 個由社群打造的應用程式，所有內容均可免費下載使用。

Hugging Face 執行長 Clément Delangue 在接受《VentureBeat》訪問時指出，這項技術突破的關鍵，在於降低進入機器人開發的門檻，任何人都能在一小時內打造機器人應用。他表示，過去機器人開發之所以困難，主要原因在於高品質訓練資料稀缺。雖然大型語言模型（LLM）可透過 GitHub 等龐大程式庫學習，但專屬於機器人的程式資料規模仍然有限，導致 AI 難以理解硬體行為與控制邏輯。

Hugging Face 透過代理式工具（agentic toolkit）作為中介，讓使用者不必直接面對底層 SDK 或韌體複雜性，而是由 AI 代理負責轉譯、生成與測試程式碼。該平台同時支援多種主流 AI 模型，包括 GPT-5.5、Claude Opus 4.6、Kimmy 2.6、MiniMax GM5 與 DeepSig V4 Pro，並透過 OpenAI Realtime 與 Gemini Live 提供即時互動功能，大幅縮短傳統機器人整合所需的開發時間。

社群驅動機器人應用程式爆發，AI 降低機器人開發門檻

《Axios》說明，即使沒有實體機器人，用戶仍可透過 Reachy App 與 3D 模擬環境，在瀏覽器中設計與測試應用程式。App Store 也支援 Fork 功能，讓使用者可以複製現有應用並透過 AI 進行修改，例如要求機器人改用法語回應。

該平台完全開源，並建立於 Hugging Face Hub 與「Spaces」系統之上，使 AI 代理能更容易學習與操作硬體行為，也鼓勵社群共同開發。目前已有超過 150 名創作者參與內容開發，其中不少人過去從未接觸過機器人程式設計。《VentureBeat》舉例，一名 78 歲退休行銷主管 Joel Cohen，在沒有工程背景的情況下，透過自然語言描述打造出一款「未來思考副總裁」應用程式，能在會議中即時辨識成員、整理討論重點並提出反饋。

《Axios》提及，社群開發出多種創意應用，包括情緒打擊象棋、防拖延提醒機器人、語言學習矯正助手與 F1 賽事即時解說員等。Clément Delangue 自身也在數小時內完成一款辦公室迎賓應用程式，讓機器人可辨識訪客並即時通知相關同事。他指出：「對沒有機器人背景的人來說，這幾乎是過去不可能完成的事。」

隨著低成本開源硬體結合 AI 代理能力，機器人不再是少數工程師的專業領域，而將逐步成為可讓一般使用者透過描述來定義機器人行為的開放式平台。在已有近 1 萬台機器人進入市場、並持續擴展應用生態的情況下，Hugging Face 正將機器人從硬體產品，推向可像 App 一樣擴充行為的平台。《VentureBeat》補充：「未來的關鍵不再是如何打造機器人，而是當門檻被打開後，人們會讓機器人做什麼。」

＊本文開放合作夥伴轉載，資料來源：《VentureBeat》、《Axios》，圖片來源：Pollen Robotics。

「未來基本上就是 AI 對 AI，」談到未來的資安格局，VicOne 執行長鄭奕立強調，隨著生成式 AI 技術快速成熟、具身 AI（Physical AI）迎來爆發期，AI 正跨越螢幕與雲端，擁有能直接影響現實世界的身體與大腦。

面對這波從虛擬邁向物理世界的全新挑戰，VicOne 憑藉過往在全球軟體定義汽車領域累積的深厚防護經驗，積極將資安戰線從智慧車延伸至機器人、無人載具與無人機等領域，防範失控的 AI 模型對周遭人類帶來的致命風險。

AI 機器人的資安挑戰不只在模型，也在硬體極限

從底層架構來看，智慧車與機器人的軟體架構及通訊協定高度相似，但在 AI 模型的感知與控制上，卻有著顯著差異。鄭奕立解析，車用 AI 模型的主要任務是「防撞」，仰賴視覺與距離感測，本質上偏向 2D 空間的運作。然而，因為機器人有實際執行任務的需求，在做拿取物品、削水果等複雜動作時，就必須具備強大的「空間智慧（Spatial Intelligence）」，才能讓 AI 精準判斷環境的厚度、深度與距離。

更具挑戰的是硬體的先天限制。鄭奕立指出，傳統 IT 領域為了控制成本，機器人的硬體算力通常設計得「剛剛好」。這代表企業的思維不能像過去買傳統 PC 一樣，「買回來覺得需要再安裝防毒軟體」，因為機器人其實沒有多餘的容量安裝後加的防護程式。因此，鄭奕立提醒，這種硬體極限，將徹底顛覆企業「先買設備、再想資安」的傳統採購習慣。

一張圖就能讓機器狗失控：VicOne 揭 Physical AI 的五大攻擊面

VicOne 團隊也現場展示一隻內建 AI 視覺模型的機器狗。這隻機器狗在辨識到特定圖像時，原本的設定是會做出「比愛心」的動作；然而，一旦在視覺鏡頭前貼上一張特別設計的圖像進行視覺干擾後，機器狗的認知就會瞬間被扭曲，立刻失控轉為對著目標「揮拳攻擊」的模式。

鄭奕立解釋，這並非遙控作假，而是真實打中了 AI 模型的軟肋。當機器人將捕捉到的視覺影像轉換為語言模型來理解並執行動作時，若系統底層的安全護欄（Guardrails）沒有建置完善，那麼駭客僅憑一個簡單圖像，就能輕易達成提示詞注入（Prompt Injection），進而竄改機器人的控制權。

透過這個案例，鄭奕立進一步剖析，針對機器人的資安攻擊面主要可劃分為五大維度。除了上述最核心且最危險的 AI 模型攻擊之外，還包含直接針對機械設備漏洞下手的物理硬體層面、利用視覺或干擾 GPS 訊號的感知層面、鎖定機器人為了防盜與管理而勢必需要連網的雲端與軟體應用，以及最容易成為攻擊突破口、如同入侵手機與物聯網一般脆弱的無線通訊領域。

機器人進入實體場域後，資安防線不只要防駭客也要防環境誤導

「機器人的資安防禦，其實比純數位環境更難搞定，」鄭奕立坦言，建立機器人資安防護的過程中，最大的痛點在於現實世界充滿不可控的變數。當機器人走入家庭或複雜工廠，隨便一張亂丟在旁邊的報紙廣告、或是一本童話書，只要落入機器人的視覺範圍，都可能讓 AI 模型產生非預期的認知與設定。

同時，攻防雙方也處於極度不對等的狀態。在「AI 對 AI」的時代，駭客發動攻擊的成本極低，他們可以直接利用 AI 自動去尋找目標 AI 模型的盲點，只要防禦被穿透一次，駭客的攻擊手法就能輕易被自動化與大規模複製。

當機器人走進更多場域，資安防線必須從採購前就開始

面對嚴峻的物理 AI 防禦戰，鄭奕立強烈呼籲企業：在導入機器人前，第一步是「學習如何與機器人共處」，並且「務必先訂定資安規範，再進行採購」。他強調，企業千萬不要貿然買了幾台機器人就直接丟進工廠，因為機器人的運行會直接牽涉到員工的人身安全。

對此，鄭奕立建議企業可以依循三步驟，來增強 AI 機器人的資安防護。首先是在「開發期」，於製造與訓練模型的過程中，就先確保 AI 模型本身的安全性。其次，進入「模擬期」後，利用如 NVIDIA 提供的模擬環境，在機器人實際落地前，先於虛擬世界中進行「零成本」的 AI 弱點掃描與攻擊防禦測試，提早在出廠前防堵潛在的破口。最後則是在「運行期」，考量到 AI 模型會不斷更新改版，防護機制必須持續在系統底層運作，保護 AI 模型不會遭到惡意竄改。

隨著開源模型成熟與硬體成本大幅降低，如今部分中國製造的機器狗，價格甚至已逼近一台高階智慧型手機。在可見的未來，從幫你下樓拿咖啡，到回到家幫忙煮飯、打理家務，機器人將如現今的手機一樣普及。當「一人多機」的時代到來時，具身 AI 的資安將不再是遙遠的科技名詞，而是每個人生活中不可或缺的基礎建設。

NVIDIA 將投資最高 32 億美元於康寧（Corning），作為大規模光纖合作協議的一部分；康寧也將在美國新建三座先進製造工廠，專門為 NVIDIA 生產 AI 所需的光學技術。這項合作，串聯起 AI 基礎設施供應鏈中的兩大受惠企業。

從 GPU 到光纖！NVIDIA 攜康寧布局下一代 AI 基礎設施

位於 AI 熱潮核心的晶片大廠 NVIDIA 宣布與玻璃製造商康寧合作，兩家公司週三表示，新工廠預計創造至少 3,000 個工作機會，並讓康寧美國光學產能提升 10 倍。根據協議，NVIDIA 最多可投資康寧 32 億美元。

《CNBC》指出，ChatGPT 引爆市場對新型處理器與 AI 系統的大規模投資。雖然雙方未透露具體開發內容，但 NVIDIA 很可能正準備在 AI 機櫃級系統中，以康寧的光纖玻璃取代銅線，這種整合技術被稱為共同封裝光學（co-packaged optics，CPO）。

在 NVIDIA 2025 年 GTC 大會上，執行長黃仁勳曾表示，CPO 是 AI 基礎建設擴張的關鍵。康寧執行長 Wendell Weeks 則表示，這項合作不僅關乎 AI 發展，也將推動美國先進製造業。成立 175 年的康寧，近年積極轉向 AI 光通訊市場，成為市場焦點。NVIDIA 則早已站穩 AI 核心地位，其 GPU 是大型語言模型的重要基礎，也支撐 Alphabet、Meta 等科技巨頭擴建資料中心。

《CNBC》提及，分析師長期關注 NVIDIA 對 CPO 技術的大規模部署，因為該技術有望大幅提升資料傳輸速度，同時降低 AI 工作負載的能源需求。康寧最知名產品是 Apple iPhone 的顯示玻璃，但光通訊其實是其最大且成長最快的業務。自 1970 年發明長距離通訊用光纖後，康寧已提供數百萬英里的光纜，用於連接各大 AI 資料中心中的機櫃。

讓 AI 以光速運算，5,000 條銅線將被光纖取代？

《CNBC》補充，透過與 NVIDIA 合作，康寧未來甚至可能將玻璃光纖直接延伸至晶片之間，逐步取代 NVIDIA Vera Rubin 等機櫃級系統內部的 5,000 條銅纜。Wendell Weeks 表示：「傳輸光子所需耗能，比傳輸電子低 5 到 20 倍。」光纖是細小且可彎曲的玻璃纖維，可讓資料以光子的形式傳輸，速度遠高於傳統銅線，且耗能更低。

研究機構 Omdia 企業基礎設施分析師 Vlad Galabov 表示，光訊號轉換流程若直接部署在晶片旁，因訊號只需傳輸幾毫米，相較穿越整塊電路板，可大幅降低能耗。他也指出，「NVIDIA 正推動整個生態系加速創新。」相較銅線，光纖訊號損耗更低，可提升資料中心內數十萬顆 GPU 的通訊效率。

黃仁勳在官方新聞稿中表示，AI 正推動史上最大規模的基礎設施建設，也為美國製造業與供應鏈帶來新機會。他指出，NVIDIA 與康寧正透過先進光學技術打造「讓智慧以光速移動」的 AI 基礎設施。NVIDIA 已於 2025 年推出兩款採用類似技術的網路交換器，將光學元件直接部署於 AI 晶片旁。今年 3 月，NVIDIA 也投資 40 億美元於 Coherent 與 Lumentum，兩家公司專門開發雷射與光電元件，用於光訊號與電訊號轉換，再透過康寧光纖傳輸資料。

Wendell Weeks 今年 1 月接受《CNBC》專訪時透露，康寧正與多家晶片業者合作開發玻璃核心（glass core）技術，研究玻璃如何成為未來半導體封裝的一部分。他表示，隨著功耗問題加劇，光纖將愈來愈接近運算核心；而當單一伺服器內 GPU 數量增加、傳輸距離拉長時，光纖也會比銅線更具成本與能源效率。

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

AI 在程式開發領域（AI coding）引發的熱潮，正以驚人的速度消耗全球算力資源，迫使 AI 新創加速擴張實體基礎設施。

Anthropic 在舊金山舉行的開發者大會上宣布，已與 SpaceX 達成協議，取得其位於美國田納西州曼菲斯的 Colossus 1 資料中心全部算力資源。根據協議，Anthropic 將獲得超過 22 萬顆 NVIDIA GPU 所對應的逾 300 MW 運算容量，並預計在一個月內到位。這筆交易的直接導火線，是 Anthropic 旗下 AI 程式碼生成工具 Claude Code 的需求急速暴增。

Claude Code 需求爆量，算力告急

根據 Anthropic 自身數據，目前平均每位開發者每週使用 Claude Code 的時間已達至少 20 小時，讓 Anthropic 的基礎設施承壓至極限。上個月，該公司坦承 Claude 的需求已導致「基礎設施不可避免的緊張」，影響到使用者的服務可靠性與效能，在尖峰時段尤為明顯。

為此，Anthropic 近期密集簽署算力協議。除這次 SpaceX 交易外，Anthropic 已承諾在未來十年向 Amazon 技術投入逾 1,000 億美元，並據《The Information》報導，另對 Google 的 AI 雲端服務與 TPU 晶片承諾高達 2,000 億美元的採購。此外，Anthropic 也與微軟及 NVIDIA 簽訂了提供 300 億美元 Azure 雲端容量的協議。該報導也指出，Anthropic 與 OpenAI 的合約，目前已佔 Amazon、微軟、Google 等主要雲端供應商合計逾 2 兆美元積壓訂單的半數以上。

借助 SpaceX 協議帶來的額外算力，Anthropic 進一步宣布將旗下付費方案的 Claude Code 速率限制提升一倍，取消 Pro 與 Max 方案的尖峰時段使用上限，並大幅提高開發者對 Claude Opus 模型 API 的每分鐘請求上限。

馬斯克從批評者變合作夥伴

這筆交易的達成，也代表馬斯克對 Anthropic 態度的大轉彎。今年 2 月，馬斯克曾在 X 平台上多次抨擊 Anthropic，指其 Claude 模型帶有偏見，並稱 Anthropic「必然走向與其名稱相反的結局」、「憎恨西方文明」。然而週三，馬斯克在 X 發文表示，他上週花了大量時間與 Anthropic 高層成員深入交流，了解他們如何確保 Claude 對人類有益，並對此印象深刻，「我遇到的每個人都非常能幹，非常在乎做正確的事。沒有人觸發我的惡意偵測器。」

馬斯克說明，SpaceX 已將自身的 AI 訓練工作移往 Colossus 2，因此得以將 Colossus 1 的算力租給 Anthropic。他也表示，只要其他 AI 公司同樣致力於對人類有益的發展，他願意以「公平條款與定價」提供算力，就如同 SpaceX 為競爭對手發射衛星一樣。

《Financial Times》指出，馬斯克創立的 xAI 公司與 OpenAI 和 Anthropic 是競爭關係，建立了前沿模型並已迅速建成資料中心，但由於 Grok 使用量仍落後 ChatGPT 與 Claude，導致馬斯克開始將多餘算力出租給其他 AI 公司，包括 Anthropic 與 Cursor。

Colossus 1 由 SpaceX 旗下的 xAI 建造，由租用前 Electrolux 廠址、耗時 122 天完工，配備涵蓋 H100、H200 至最新 GB200 系列的 NVIDIA GPU。不過，驅動該設施的天然氣渦輪機引發的空氣汙染問題，持續招致當地居民抗議。

「Dreaming」功能登場，AI coding 邁向持久性代理

除算力擴充外，Anthropic 在開發者大會上還以研究預覽版形式發布了名為「Dreaming」的新功能。這項功能設計用於協助 AI 系統在工作階段之間回顧已完成的工作、辨識模式，並更新儲存使用者偏好與相關情境的檔案，使 AI 代理能在不同工作階段之間延續記憶與學習。

Anthropic Claude Code 負責人 Boris Cherny 在大會主舞台展示了開發者可如何設定「例行程序」，讓 AI 程式設計師自動排程並主動執行任務。他描述這套工作邏輯的轉變：「預設不再是『我要提示 Claude Code』，預設現在是『讓 Claude 去提示 Claude Code』。」這說明，AI coding 正從單次生成的工具，進化為具備長期記憶與自主工作流程的持久性代理。Cherny 在主題演講結尾表示：「這種能力已經就位，剩下的差距是我們以多快的速度付諸實踐。」

討論太空資料中心，AI 基建競賽進入新維度

更瘋狂的是，Anthropic 和 SpaceX 已開始探討在太空建設資料中心的可能性。Anthropic 在公告中表示，對與 SpaceX 合作開發 GW 等級的軌道 AI 算力容量「表達了興趣」。背後原因其實很現實：AI 已開始面臨能源與電力瓶頸。

SpaceX 方面也在聲明中指出，訓練與運行下一代 AI 系統所需的算力，「正在超越地面電力、土地與冷卻系統在關鍵時間節點內所能提供的上限」。Flexential 資料中心執行長 Ryan Mallory 評論：「連嚴肅的公司都在討論太空算力容量這件事，已足以說明市場在多積極地尋找電力與規模。」

這場 Anthropic 與 SpaceXAI 的合作，其實揭露了一件更深層的事：AI coding 已不再只是功能，而是新的基礎設施戰爭。當 Claude Code、OpenAI Codex 與各類 agent 工具開始長時間自主執行任務，AI 的算力消耗模式也徹底改變。這筆交易，或許正是 AI 產業算力需求曲線走向下一階段的最早預告。

【推薦閱讀】

◆ 從 HBM4 到 Apple 供應鏈備援：三星獲利狂飆 48 倍，AI 正重新定價半導體產業

◆ 全球供應版圖重組！12 吋矽晶圓成關鍵戰場，中國力拚 70% 國產供應

◆ Google 內測 Remy、Meta 開發 Hatch：OpenClaw 爆紅後，科技巨頭下一戰已悄然開打

＊本文開放合作夥伴轉載，資料來源：《Reuters》、《CNBC》、《WIRED》、Anthropic、《Financial Times》、《Business Insider》，首圖來源：Anthropic

實體零售有許多難以被自動化的環節，比方說，需要詳細解釋的設計細節，或者是銷售人員與客人之間的信任和連結。

珠寶品牌周大福，導入 AI 自動化，沒有試圖用冰冷的代碼取代溫度，而是選擇將其嵌入企業營運的 DNA。他們與微軟合作，建立起一整套安全、統一的數據護城河，接著在組織內投放超過 400 個客製化 AI 代理。這場實驗最終演變為一場效率革命：覆蓋 2.4 萬名員工、效率提升達 70%。

把經驗數據化，帶動轉化率激增 57%

周大福珠寶的數位長張宏光指出，周大福的 AI 應用，最直接的影響體現在門市第一線。珠寶銷售高度依賴即時資訊與專業判斷，但過去銷售人員往往需要在多個系統之間切換，查詢庫存、價格與產品細節，過程容易中斷顧客體驗。

為了解決這個問題，周大福打造了「AI 福（AI Fook）」助手，並建構於 Microsoft Foundry 之上。這個系統透過自然語言介面，讓銷售人員在與顧客互動過程中，即時取得產品工藝細節、設計故事、庫存狀況與穿搭建議，資訊取得不再干擾對話節奏。

AI 福的價值不僅在於資訊整合，更延伸至能力培養與行為優化。周大福導入 AI 角色扮演機制，模擬各種顧客情境，讓員工在虛擬環境中反覆練習銷售應對。「同時，門市內的智慧設備會記錄高績效銷售行為，透過分析轉化為標準化作業流程，再推廣至全球門市。」張宏光說。

這種將經驗數據化並快速擴散的機制，使銷售策略得以持續優化，最終帶動銷售轉化率提升達 57%。在資訊負擔降低之後，門市人員得以將更多精力投入在理解顧客需求與建立情感連結上，這對高單價商品而言具有關鍵意義。

AI 驅動情感推薦、預測性決策的數據生態

在消費者體驗端，AI 同樣扮演關鍵角色。周大福導入大型語言模型，打造能理解語意與情感的推薦系統。

當消費者在線上搜尋婚嫁、祝福或文化象徵相關產品時，系統能解析其背後的情感動機，並快速媒合對應商品。這些洞察會同步至實體門市，使顧客隔天到店時，銷售人員已能提供貼近其偏好的建議，形成線上與線下融合的 OMO 閉環體驗。對品牌而言，這代表顧客旅程被重新定義為連續且一致的互動，而非分散的接觸點。

AI 也改變了企業使用數據的方式。傳統報表多半反映過去績效，難以支援快速決策。周大福建置 AI Insights 平台，讓管理者可透過自然語言直接提問，例如預測特定商場在短期內的熱銷材質或商品類型。系統會整合消費行為、場域特性與金價波動等多重變數，產出具前瞻性的建議。這讓數據從靜態資訊轉為可行動的策略依據，也讓決策節奏更貼近市場變化。

周大福的 AI 應用關鍵在於將其滲透至企業每一層運作結構，而非停留在單點應用。無論是前線銷售、顧客體驗，還是管理決策，AI 都成為驅動效率與價值創造的核心引擎。在高度依賴人際互動與情感連結的珠寶產業中，當技術有效承擔資訊與流程的複雜性，人反而能更專注於創造信任與價值。

【推薦閱讀】

◆ 零售 3.0 是什麼？實體店用 AI 預測力＋零摩擦設計，打造顧客回流的隱形黏性

◆ 一支影片帶動 4 倍銷售成長，沃爾瑪旗下 Sam’s Club 揭開 RMN 新戰場

◆ 避免 1.7 萬小時停機、年省千萬美元：FedEx 的 AI 物流戰略一次看

＊本文開放合作夥伴轉載，參考資料：Microsoft、Youtube/Microsoft HK ，首圖來源：Microsoft

（責任編輯：廖紹伶）

知名創投家 Marc Andreessen 曾說：「軟體將吃掉世界。」現在，AI 正準備一口吞下軟體產業，而且許多當今最大的 SaaS（軟體即服務）巨頭，恐怕無法在這場淘汰賽中生存。

SaaS 曾在雲端時代扮演顛覆者的角色，讓 Sun Microsystems、Computer Associates、PeopleSoft 與 Siebel Systems 等 2000 年代初期的傳統軟體巨擘被收購並失去主導地位。如今歷史正在重演，AI 正反過來對 SaaS 產業施加殘酷的生存壓力。

《Business Insider》報導，Citizens 分析師 Pat Walravens 警告：如同雲端時代曾無情淘汰當年排名前 20 大軟體公司中的一大部分，今日頂尖的 SaaS 公司中，預計有高達三分之二無法撐過這波 AI 轉型期。「沒有人會直接宣告破產，」Pat Walravens 直言，「但最終他們會被收購，或是被迫整併到其他公司或平台之中，逐漸失去主導權。」

這也代表，AI 帶來的衝擊已經成為一場重新洗牌的產業淘汰賽，正劇烈顛覆企業軟體公司的營運根基、商業模式與組織配置。

AI 重寫 SaaS 存活條件：基礎設施型公司較有機會勝出

在這場淘汰賽中，並非所有軟體公司都處於劣勢。Pat Walravens 將 SaaS 公司分為基礎設施型與應用型兩類，並指出：「一般來說，基礎設施領域的公司日子比較好過。」他認為 Twilio、Bandwidth 等雲端通訊基礎設施公司較有機會受惠於 AI 浪潮，因為企業正急於利用 AI 來取代傳統客服中心，若要讓 AI 代理進入真實客戶互動場景，仍需要可靠的後端通訊與資料基礎設施作為支撐。

Bandwidth 執行長 David Morken 進一步解釋：「AI 讓軟體更容易被打造與替換，但也讓底層的基礎設施變得更不可或缺，這是因為 AI 代理的『智慧』，取決於它與現實世界連結的程度。」

相較之下，SAP、Workday、ServiceNow、Atlassian 與 Adobe 等應用型軟體公司則面臨更大衝擊，股價在過去一年中都曾大幅下跌，原因在於這類執行特定任務的服務，更容易被 AI 工具複製或取代。

三大測試浮現：營收成長、用量制收費、產品是否容易被 AI 複製

為了評估 SaaS 公司能否順利度過危機，Pat Walravens 建議可以透過三個指標進行測試。首先是觀察其「有機營收成長是否加速」，這是判斷企業 AI 策略是否奏效的良好跡象。其次是商業模式，是否採用更接近 AI 邏輯的「用量制收費」，通常會比傳統的按人頭計費表現得更好。

第三個關鍵指標則是產品被複製的難易度。Pat Walravens 提醒，若一家公司的產品容易被 Claude、OpenAI、Cursor 等 AI 寫程式工具以「vibe coding」方式快速複製，「那你們的處境就真的非常糟糕了。」他警告：「有太多方法可以透過 AI 快速寫出一個不錯且簡單的解決方案。」這正是為何 Asana 與 HubSpot 等公司正面臨龐大壓力。

不過，AI 也為積極轉型的企業帶來超車機會。《Business Insider》提到，商旅軟體 Navan 因一開始就積極導入 AI，因此被視為有機會挑戰 SAP Concur 等既有商旅工具的成功案例。Navan 總裁 Michael Sindicich 表示：「舊有的企業差旅工具基本上就像恐龍，從 90 年代起就沒什麼改變，Navan 提供了根本不同的服務，因為我們從第一天起就用 AI 來打造產品，這代表我們能為旅客和財務團隊提供卓越的價值與體驗。」

此外，深度嵌入企業客戶、處理敏感資料並建立信任基礎的複雜軟體，仍保有穩固的立足點。Pat Walravens 強調：「如果這些企業能從現有供應商那裡獲得他們想要的 AI 解決方案，他們就會繼續使用現有供應商，因為風險較低。」

Freshworks 宣布裁員 11%：AI 衝擊已進入軟體公司的組織重整

現在，AI 對 SaaS 產業的威脅不僅停留在分析師的預測，更已實際轉化為軟體公司的內部組織重整與人力精簡。《Reuters》報導，軟體商 Freshworks 近日宣布裁減約 11% 人力、近 500 個職位，以因應 AI 推動的產業變革。同業 Atlassian 先前也同樣宣布削減約 10% 的職位。

Freshworks 執行長 Dennis Woodside 指出，這項決定部分是由於產品與工程部門導入 AI，以及企業日常任務的自動化所致。他強調：「我們有一半以上的程式碼是由 AI 撰寫的。」並表示自動化降低了對人力的需求。這類調整也反映出，軟體公司正試圖用自動化重塑產品與組織，同時想辦法抵消導入 AI 帶來的龐大成本。

這波 AI 浪潮對 SaaS 的真正挑戰，在於許多 AI 工具已成為傳統軟體製造商的「潛在生存威脅」。因此，軟體公司必須證明自身產品、資料、流程與客戶關係不會輕易被 AI 取代。接下來，SaaS 產業的競爭核心，將是誰能在 AI 讓軟體更容易被複製的時代中，成功保住不可替代的基礎設施、信任與企業流程的關鍵位置。

＊本文開放合作夥伴轉載，資料來源：《Business Insider》、《Reuters》，圖片來源：Unsplash

【科技早餐】今天精選 8 則國內外重要科技新聞。

＊Meta、Google 都在做 AI 個人助理，下一戰是替用戶辦事

OpenClaw 今年爆紅後，「幫人直接做事」的 AI 代理成為下一個主戰場。NVIDIA 執行長黃仁勳（Jensen Huang）也在 GTC 2026 表示，每家公司都需要有自己的 OpenClaw 策略。根據外媒報導，Meta 正在打造高度個人化的 AI 助理，目標是替數十億用戶執行日常任務，工具由新型 Muse Spark AI 模型驅動，目前已有員工測試。

另外，Meta 也在訓練代號 Hatch 的內部 AI 代理，靈感來自 OpenClaw，目標是在 6 月底前完成測試，並可能把代理型購物工具整合進 Instagram。同一時間，Google 也被披露正在研發 24 小時個人代理，可整合 Google 服務、監控使用者在意事項，並代為處理複雜任務。「個人 AI 代理」正成為下一個必爭的使用者入口。

＊Anthropic 傳 5 年砸 2,000 億美元買 Google 算力，AI 雲端長約再放大

《The Information》引述知情人士報導，AI 新創 Anthropic 已在最新協議中承諾，未來 5 年將花費 2,000 億美元，向 Google 採購雲端運算資源。這筆承諾金額，占 Google 上週向投資人披露的營收積壓，也就是雲端客戶已經簽約、但尚未兌現的承諾總金額 40% 以上。

Anthropic 今年 4 月已和 Google 及晶片合作夥伴博通（Broadcom）簽署協議，取得 3.5GW 規模的 TPU 算力，預計 2027 年起陸續上線。Alphabet 也計劃向 Anthropic 投資多達 400 億美元。雖然目前 Anthropic 和 Google 對這項合作傳聞還沒有正面回應，但各家科技公司都在提前鎖定更多算力，AI 雲端長約也被一路放大。

＊蘇姿丰稱 AI 代理拉高 CPU 需求，AMD 財報優於預期

超微（AMD）公布 2026 年第一季財報，營收 103 億美元，年增 38%，並預期第二季營收約 112 億美元，優於市場預期。AMD 第一季資料中心業務營收成長 57%，達到 58 億美元。AMD 執行長蘇姿丰（Lisa Su）在財報電話會議中表示，代理型 AI 帶動的 CPU 成長，並不是以犧牲 GPU 為代價，而是會擴大 AI 的整體潛在市場。

她指出，AI 基礎模型仍需要加速器運行，但當 AI 代理處理任務，就會產生大量 CPU 工作。AMD 觀察到，資料中心主機 CPU 對 GPU 的配置比例，正從過去的 1 比 4 或 1 比 8，逐漸逼近 1 比 1。蘇姿丰也預估，伺服器 CPU 市場每年有望成長超過 35%，到 2030 年規模將超過 1,200 億美元。

＊Anthropic 推 10 款金融 AI 代理，Claude 打進華爾街工作流

Anthropic 推出 10 款專為金融服務業打造的 AI 代理程式，鎖定銀行、保險、資產管理與金融科技等場景，協助處理提案簡報、KYC 客戶身分審查、估值檢查、關帳作業與客戶會議前資料整理。《路透》報導，Anthropic 在活動簡報中寫道，程式開發領域已被永遠改變，下一個就是金融業。

Anthropic 表示，Claude 現在可透過外掛程式在 Excel、PowerPoint、Word 與 Outlook 中運作，也能連接 FactSet、S&P Capital IQ、MSCI、PitchBook、Morningstar 等金融資料源。金融服務是 Anthropic 第一個垂直產業焦點，也是該公司僅次於科技業的第二大企業營收來源。這次推出金融 AI 代理，顯示 Claude 正從開發者工具，進一步打進金融白領的日常工作流。

＊美光市值突破 7,000 億美元，躋身全美前 10 大科技巨頭

AI 記憶體需求持續升溫，美光（Micron）股價大漲，市值首次突破 7,000 億美元，據外媒報導，市值規模已躋身全美前 10 大科技公司之列。這波行情背後，是 AI 伺服器、GPU、CPU 與資料中心儲存需求同步推升，讓記憶體與高容量儲存成為 AI 基礎建設的重要零組件。

美光也宣布，245TB Micron 6600 ION 資料中心 SSD 已經開始出貨，主打在更低功耗與更少機櫃空間下提供更高儲存容量。隨著 AI 模型訓練、推論與資料湖規模擴大，資料中心不只需要更多 GPU 和 CPU，也需要更高密度的儲存與記憶體配置。美光這次市值突破，也讓記憶體在 AI 硬體鏈中的位置被重新抬高。

＊台積電不排斥加碼美國，SelectUSA 把製造回流推上主舞台

美國商務部「選擇美國」（SelectUSA）投資高峰會登場，台灣連續第三年成為全球最大代表團。美國商務部長盧特尼克（Howard Lutnick）在會中表示，許多企業正在美國大幅投資，包括 AI 基礎建設與晶片製造。他特別提到，光是台積電（TSMC）與美光（Micron）就投資數千億美元設廠，台灣、日本、韓國等夥伴都承諾在美國製造。

台積電資深副總經理暨副共同營運長侯永清被問到是否會在美國繼續投資時表示，台積電準備迎接各種新的商業機會與成長。目前台積電亞利桑那州第一座晶圓廠已進入量產，第二期工程預計 2026 年下半移入設備，目標 2027 年下半量產 3 奈米製程。從台積電到美光，美國政府正在把 AI 基礎建設、晶片製造與能源投資，放進同一條製造回流主線。

＊Apple 以 2.5 億美元和解 Siri AI 訴訟，功能延遲變品牌成本

蘋果（Apple）同意支付 2.5 億美元，達成 Siri AI 功能宣傳相關的集體訴訟和解。原告指控，蘋果在 2024 年宣傳 iPhone 新機時，對 Siri 的 AI 功能做出誤導性宣傳，讓消費者以為相關功能已經可用。美國廣告監管機構「經營改善協會」（Better Business Bureau）旗下全國廣告部，也曾認定蘋果對 Siri 新 AI 功能的宣傳容易讓大眾誤解。

這項和解涵蓋 2024 年 6 月 10 日至 2025 年 3 月 29 日期間，在美國購買符合條件設備的消費者，包括 iPhone 16、iPhone 15 Pro 與 iPhone 15 Pro Max。每台設備可獲得 25 美元賠償，依最終索賠人數，最高可能達到 95 美元。蘋果並沒有承認不當行為，而是表示和解是為了繼續專注在產品與服務。

＊Microsoft、Google、xAI 開放新模型給美國政府預先檢查

美國商務部轄下人工智慧標準與創新中心（Center for AI Standards and Innovation，CAISI）表示，Microsoft、Google 與馬斯克（Elon Musk）旗下 xAI 已同意一項新協議，讓美國政府在部分 AI 新模型對外發布前，先取得存取權限，進行國安與安全風險評估。

《路透》報導，CAISI 是美國政府測試 AI 模型的主要機構。這項協議將讓政府科學家在模型部署前，分析其能力、行為與潛在漏洞。隨著先進 AI 系統可能提升網路攻擊、生物安全與化學風險，美國政府正把前沿模型審查往發布前推進。這也代表 AI 公司與政府之間的安全測試合作，正在從自願揭露走向更制度化的流程。

＊本文開放合作夥伴轉載，資料來源：《Reuters1》、《Business Insider》、《The Information》、《Reuters2》、《Reuters3》、《Tom’s Hardware》、Anthropic、《Reuters4》、《Barron’s》、SelectUSA、僑委會、《The Verge》、《Reuters5》，首圖來源：Magnific。

半導體產業正在經歷一場由 AI 驅動的市場版圖大遷徙，其中亞洲正躍升為全球 AI 生態系的核心。三星電子（Samsung Electronics）近日市值正式衝破 1 兆美元大關，成為繼台積電之後，亞洲第二家躋身「兆元俱樂部」的科技巨頭。這也宣告市場邏輯的根本改變：過去總被視為會隨著市場大起大落的記憶體晶片，如今已打破數十年來的景氣循環宿命，DRAM、NAND 與 HBM 正式被資本市場重新定義，成為 AI 基礎設施堆疊中不可或缺的「結構性關鍵」。

與此同時，全球晶片供應鏈的另一端也正悄悄洗牌。當龐大的 AI 晶片需求持續擠壓先進製程產能，加上無法忽視的地緣政治風險，科技巨頭們的「產能焦慮」正在發酵。市場傳出，Apple 已向三星與 Intel 遞出橄欖枝並展開探索性討論，評估將部分裝置處理器產能移轉至美國本土製造。這也代表，尋找「台積電以外的 Plan B」已逐漸演變為半導體供應鏈重組的焦點。

AI 狂熱推升股價，三星強勢叩關「兆元俱樂部」

受惠於對 AI 晶片的強勁需求，三星股價在過去一年翻逾四倍，並在 5 月 6 日盤中一度上漲 13%，讓公司市值一舉衝破 1 兆美元。FactSet 資料顯示，三星其實早在今年 2 月 26 日就曾短暫跨越 1 兆美元市值門檻，這次的創紀錄漲勢則象徵延續投資人對 AI 相關股票的強烈追捧。

《Bloomberg》指出，三星、SK Hynix 與台積電都位於全球 AI 生態系的核心，亞洲的晶片製造與資料基礎設施正成為 AI 轉型的重要基石。這波狂熱不僅帶動三星與 SK Hynix 的股價大漲，更推升韓國 Kospi 基準指數首次突破 7,000 點大關，顯示 AI 晶片需求已從企業題材，擴張成為帶動整個韓國資本市場的主軸。

從 DRAM、NAND 到 HBM4，記憶體成為 AI 基礎設施關鍵戰場

股價狂飆的背後，是可觀的獲利支撐。三星半導體部門在今年第一季創下獲利年增 48 倍的歷史性成績，主因正是 AI 資料中心訂單帶來的高昂利潤。《CNBC》指出，三星第一季營業利益就達到 57.2 兆韓元，直接超越 2025 全年的 43.6 兆韓元表現，凸顯 AI 記憶體需求對獲利的驚人推動力道。

Morningstar 分析師 Yu Jing Jie 分析，AI 對高頻寬與儲存的需求極其強烈，進而造成 DRAM 與 NAND 記憶體晶片的嚴重短缺。由於新的半導體產能通常需要 2 至 3 年才能上線，因此短期內供給仍將受限，這可望支撐未來 1 至 2 年的獲利成長與利潤率。

此外，儘管三星在 HBM 市場的早期領先地位一度被 SK Hynix 超越，但三星在 2 月宣布，已成為全球首家開始量產 HBM4 並交付客戶的公司。HBM4 作為第六代高頻寬記憶體，預期將在 NVIDIA 即將推出的 Vera Rubin AI 架構中扮演關鍵角色，加上客戶反饋良好，預期將有助於縮小三星與 SK Hynix 之間的技術差距。

Apple 尋找台積電以外的備案，半導體競爭擴大到產能與地緣風險

就在亞洲記憶體巨頭狂歡之際，歐美科技大廠則在為未來的晶片供應未雨綢繆。《Bloomberg》報導，Apple 正與 Intel、三星洽談為其裝置製造處理器，試圖分散長期高度依賴台積電的供應鏈風險。

儘管台積電在最先進半導體製造能力上穩居霸主，但其主要營運位於台灣，面臨著潛在的中國入侵風險，可能導致晶片供應中斷。同時，暴增的 AI 晶片需求也佔用台積電越來越多的製造產能。Apple 在上週第二季財報中也坦言，有限的晶片供應正在限制最新 iPhone 與 Mac 電腦的成長，其中在 AI 開發者間極受歡迎的桌機型號 Mac Mini 與 Mac Studio 受到的影響尤其嚴重。

半導體賽局擴大，但三星仍面臨內部挑戰

三星突破 1 兆美元市值，反映的是 AI 記憶體需求正讓市場重新評價三星、SK Hynix 與台積電等亞洲半導體核心企業。從 HBM4、DRAM、NAND 的全面短缺，到 Apple 評估 Samsung 與 Intel 作為台積電之外的製造選項，這場半導體競爭早已擴大到 AI 資料中心需求、記憶體供給、產能分配與供應鏈分散等全方位戰略層面。摩根大通資產管理亞太區股票團隊主管 Mark Davids 表示，目前整體企業獲利走強幾乎都集中在科技板塊，三星的強勁財報正反映出這些科技巨頭能獲取「超額利潤（outsized profits）」的罕見時期。 

然而，《Bloomberg》也提醒，在這波 AI 浪潮下，三星仍面臨著手機與顯示器業務下滑、材料與零組件成本上升等挑戰。此外，員工要求分享 AI 帶來的巨額利潤，並威脅於月底發動長達 18 天的罷工，也將是三星短期內必須克服的內部隱患。因此，這家科技巨頭能否妥善化解危機，並緊抓這波打破傳統景氣循環的「記憶體超級週期」，將是在激烈的半導體戰局中穩坐兆元王座、延續這場獲利奇蹟的關鍵。 

＊本文開放合作夥伴轉載，資料來源：《Bloomberg》、《CNBC》、《The Information》，圖片來源：Unsplash

《Nikkei Asia》報導，中國力拚在今年達成關鍵目標：晶片製造商所使用的矽晶圓中，超過70% 將採用國產產品。此項目標已在中國業界形成某種心照不宣的要求，尤其是在 12 吋矽晶圓的採用上，更傾向優先使用中國本土供應。這也被視為中國在關鍵晶片供應鏈本土化進程中，最積極的推動措施之一。

中國晶圓本土化加速：12 吋矽晶圓成供應鏈攻防核心

《Nikkei Asia》指出，儘管中國在其他自給自足目標上仍未完全達標，但晶圓領域的本土化進展被業界認為有望率先實現，並可能成為推動供應鏈自主化的重要成果。一名晶片業高層表示：「市場中仍有約 30% 對外資開放。一些中國晶片廠仍在追求更先進製程，因此需要國際龍頭的支持。但在成熟製程與傳統晶片領域，本土矽晶圓已基本可以滿足需求。」

矽晶圓是製造邏輯晶片與記憶體晶片的核心基礎材料，其中 12 吋晶圓主要用於主流先進邏輯與記憶體晶片，而 8 吋晶圓則多用於成熟製程與功率電子產品。《Nikkei Asia》提及，中國在 8 吋晶圓領域已大致實現自給，但 12 吋晶圓仍是當前重點追趕方向。

中國矽晶圓龍頭企業西安奕斯偉材料科技（Eswin Material Technology）已於去年登上上海科創板。公司表示，到 2026 年其總產能將達每月 120 萬片晶圓，可滿足中國約 40% 的 12 吋矽晶圓需求，並預計全球市占率將超過 10%。其他主要本土廠商還包括國家矽產業集團、中環先進與杭州立昂微等，均持續擴產。

AI 推動先進製程擴張，中國晶圓供應鏈加速成形

《Nikkei Asia》進一步指出，奕斯偉材料目前正在西安與武漢建設新廠，並計畫今年新增每月 70 萬片產能。一名知情人士表示：「所有中國客戶都在擴產，而奕斯偉材料是最積極的一家，可能占整體擴產規模接近一半。」該公司亦表示，已供應包括美光、台積電、格羅方德與聯電等全球客戶，三星與 SK 海力士也正在驗證其產品。

中國晶圓代工龍頭中芯國際、華虹半導體，以及記憶體廠長鑫存儲與長江存儲均為其主要客戶。奕斯偉材料表示，其國產晶圓已逐步成為新建中國晶片廠的預設選項。同時，中芯國際、華虹及部分與華為相關的晶片企業正大幅擴張接近 7 奈米甚至 5 奈米等先進製程產能，以滿足 AI 運算需求，但部分先進製程仍需依賴海外矽晶圓供應。

從整體供需來看，根據 Bernstein Research 分析師估計，中國在 2025 年約可滿足 12 吋矽晶圓需求的 50%，並有望在 2026 年持續提升。近年中國企業積極擴張全球產能，使其在矽晶圓領域市占率從 2020 年的約 3% 快速提升至 2025 年的 28%，預計 2026 年進一步升至 32%，但實際產出仍受產能利用率與品質因素影響。

《Tech Wire Asia》指出，評估中國半導體自給能力需區分已取得進展的領域與仍受結構性限制的環節。其中在材料與成熟製程設備方面，中國已有明顯突破。根據日本研究機構 Global Net 數據，2025 年有三家中國晶片設備製造商首次進入全球銷售額前 20 名，顯示產業競爭力正在提升。

中國推動國產替代升級，美中 AI 晶片貿易陷拉鋸

《Nikkei Asia》分析全球市場結構，矽晶圓長期由日本信越化學與勝高、台灣環球晶圓，以及韓國與歐洲部分企業主導。中國雖然快速追趕，但目前仍以內需市場為主。不過隨著 AI 基礎建設與先進封裝需求成長，矽晶圓需求同步增加。國際半導體產業協會（SEMI）預估，2026 年全球矽晶圓出貨量將年增 13%。

中國不僅擴張本土產能，也進一步透過下游客戶推動國產替代，加速本土供應鏈驗證與導入。中國晶片製造龍頭中芯國際已要求旗下晶片設計客戶，在製造流程中採用國產矽晶圓，以協助驗證其可靠性；中國最大面板製造商京東方也要求驅動 IC 供應商採用國產矽晶圓進行生產，而驅動 IC 主要用於顯示與馬達控制。

這股中國國產替代趨勢，也正與美中科技管制形成交互影響。《Tech Wire Asia》補充，美國於 2026 年 2 月核發許可，允許向中國出口效能更高的 H200 晶片，但輝達至今未因此取得營收。美國商務部長 Howard Lutnick 證實相關晶片尚未交付，原因之一是北京持續要求本土企業優先採購國產產品，使該出口批准實際上陷入停滯。

對此，輝達執行長黃仁勳指出，將中國這樣龐大的市場完全排除在外，在戰略上未必合理，並認為相關政策「在很大程度上已經適得其反」。他也強調，單靠硬體限制難以抑制中國 AI 發展，因為中國同時具備較低能源成本與龐大人才庫，「中國 AI 研究人員數量非常驚人，是國家級資產之一」。

＊本文開放合作夥伴轉載，資料來源：《Nikkei Asia》、《Tech Wire Asia》，圖片來源：Unsplash。

當生成式工具在兩年內滲透進企業的行銷、法務、工程、客服部門，企業真正欠缺的不是工具，而是能讓員工每一次生成式調用都被看見、管理與追蹤的在地化系統。 Microsoft 與 LinkedIn 的職場調查指出：75% 的知識工作者已在工作中使用生成式工具，其中 78% 自行攜帶個人帳號，企業完全無法掌握。台灣在地則顯示，91% 企業已將生成式技術納入營運策略，92% 卻擔憂隨之而來的資料外洩、合規失控與成本失序，七成企業卡在導入門檻前無法推進。極風雲創 Twister5（股票代碼 7826）今（5日）正式發表軟硬整合的 AI 入口平台 Across，並宣布與群聯電子、GoTrust、陽信銀行等多家策略夥伴啟動合作，建構台灣首個以 AI 治理為核心的開放生態圈。

從自身 AI 轉型出發，把 Across 定位為企業級 AI 入口

極風雲創過去以 Cloudflare、Cato Networks、Palo Alto Networks 等國際資安品牌的 MSSP 為核心業務。內部推動生成式技術導入時，親身遭遇與客戶相同的困境，行銷團隊用 ChatGPT 寫提案，工程師用 Claud Code 寫程式，業務將客戶名單貼進各種生成式應用尋求分析，工具、帳號與資料流向高度分散，管理層難以集中掌握使用行為與成本。董事長張紘綱表示：「企業不缺工具，缺的是一個能讓員工的每一次調用都被看見、被管理的入口。就像十年前用統一登入系統管理應用存取，今天需要的是管理生成式工具使用的入口平台，這就是開發 Across 的起心動念。」Across 不取代企業既有應用，而是讓所有工具能在統一治理框架下運作，在更安全地環境中幫助企業透過 AI 賦能效率。 Across 平台的 AI 能力以 Anthropic Claude 為主力開發架構。極風雲創加入 Claude 開發合作計劃夥伴，技術團隊全員通過官方開發課程並獲發證書，為台灣企業 AI 平台領域中，技術能量經 Claude 官方體系驗證的先行者。林佑儒技術處長表示：「選擇 Claude 作為核心，不只是因為模型能力，更因為 Anthropic 在 AI 安全性與可信任架構上的一致理念，與 Across『Born from Security』的核心精神高度契合。」

打造 AI Workforce 為產品引擎，三模組協同運作

Across 產品架構以 AI Workforce 為核心，驅動 AI Security（資安防護）、AI Governance（治理機制）與 AI Ecosystem（生態串接）三大模組。AI Security 模組整合 Cloudflare、Cato Networks、Elastic 等多元資安品牌的 Log 與事件資料，透過可視化儀表板打造企業資安戰情室。AI Governance 模組提供前述 RBAC、護欄機制攔截敏感資訊傳送 與 Token 成本控管，讓各部門模型調用全程可治理，主張人機協作，確保生成式技術不替用戶做最終決定，關鍵決策點保留人類審核機制，避免模型幻覺或錯誤判斷直接流入正式流程，並透過零信任架構從傳統網路安全延伸至模型調用場景，預設不信任、每次驗證，搭配角色型存取控制（RBAC）與虛擬金鑰管理精準控制誰能調用哪個模型、存取哪類資料。以極風雲創自身為例，全面導入 Across 後，所有員工的生成式工具調用均經過平台統一入口，集中管控率提升，且更能有效控管不同 AI 工具於不同專案上的助益程度，調整投資成本。

號召多家企業啟動生態圈，以軟硬一體架構落地

極風雲創同步宣布與多家夥伴啟動生態圈 AI Ecosystem，透過開放串接多家在地營運商系統與數據，為台灣企業打造具備落地可能與延展性的系統平台。合作夥伴包含群聯電子、GoTrust、陽信銀行等。

此次合作的技術核心，在於群聯電子獨家專利的 aiDAPTIV 智慧記憶體架構技術。aiDAPTIV 技術能夠實現 HBM、 GDDR 記憶體與成本效益更高的快閃記憶體之間的動態資源調配，有效降低硬體支出，同時能在地端裝置上執行大型 AI 語言模型，以更低的成本、更少的運算資源與更低的功耗完成 AI 推論。在提升回應速度 (Time-to-First-Token ; TTFT) 的同時，並支援更多情境內容，以及確保資料留在地端，符合隱私並實現資料主權。群聯電子創辦人暨執行長潘健成表示：「AI 時代的關鍵基礎設施不只是運算力，還有讓資料安全儲存與治理的能力。群聯 aiDAPTIV 技術平台，是要讓企業 AI 真正落地、可被信任。」 Across 與群聯 aiDAPTIV 的整合，形成一套「算力落地、治理內建」的完整方案：aiDAPTIV 提供可信任的地端 AI 推論算力，Across 則在其上提供統一的 AI 使用入口、存取控管、護欄機制與全程可稽核的使用紀錄。兩者結合，讓企業在不將資料送往公有雲的前提下，兼顧 AI 應用效率與資料主權，直接回應台灣金融、醫療、製造等高合規產業的落地需求。

而陽信銀行作為極風雲創 Across 首波導入的金融業合作夥伴，電子金融部經理郭彥岐表示：「金融業在 AI 應用上最在乎的就是合規與資料主權，Across 提供的 AI 安全治理架構，讓我們能在受控的環境下推動生成式 AI 的應用，未來我們也將與極風雲創合作探索更多 AIW 的應用場景。」

Gartner 於 2026 年 2 月將 AI 治理平台（AI Governance Platform）定義為獨立市場品類，預測全球市場 2026 年達 4.92 億美元、2030 年突破 10 億美元，導入治理平台的企業在治理成效上是未導入者的 3.4 倍。Across 以本地部署、資料主權與在地生態圈為差異化，採「算力落地、輕量訂閱」的服務模式，搶先切入這個仍處於早期的市場空間。以 Across 為起點，極風雲創更將延伸 SOC724.ai（資安維運自動化）與 HireMeUp.ai（數位人力派遣）兩個子品牌方向，持續擴展企業生成式使用入口的應用邊界。