金融資料與研究平台公司 PitchBook 發佈《2026 年第一季網路安全創投趨勢》報告，梳理了全球資安資金的最新動態與產業變革；從數據可觀察到，即便整體創投交易件數來到近年新低，總投資金額卻依然穩健。

市場資金不再平均分散於單一功能的防禦工具，而是加速集中到少數具備 AI 原生架構與平台整合能力的強勢供應商身上。

以下從資金分佈與併購動態摘要出決策視角，了解目前資金高度集中的三大資安防禦熱區，並探討大型科技巨頭在收購策略上的思維轉向，提供決策層在未來評估技術供應商、編列資安預算，以及建立內部治理機制時的實務建議。

📎 這份報告適合誰閱讀？

報告從創投交易數據、估值變化到巨頭併購動態進行剖析，適合以下核心工作者閱讀：

• 創投機構與私募股權投資人
• 企業的高階決策者、資安長
• 資安企業的策略投資/併購部門
• 網路安全新創的創辦人與經營團隊

🔴 報告洞見

交易件數創八年新低，投資金額卻逆勢成長

2026 年第一季的全球網路安全創投市場，展現了不尋常的兩極化現象。根據 PitchBook 發佈的數據，該季度的資安創投交易數量大幅下滑至僅 198 筆，創下自 2018 年以來的歷史新低點、較去年同期衰退 23.6%。

然而，整體投資總金額卻展現出驚人的強韌，穩穩守在 50 億美元的大關，甚至較去年同期逆勢成長了 23.2%。

這種「量縮價穩」的極端背離，並非短期的市場波動，而是投資人已經拋棄過去廣撒網、投資零散「單點解決方案」的策略。相反地，龐大的資金正高度集中於少數具備實質營收牽引力、明確退場路徑，且有能力進行市場整合的強勢平台上。

當資本開始集中，意味著技術標準即將收斂，企業若繼續依賴即將被淘汰的孤立防禦工具，將在未來的 AI 攻防戰中，面臨極大的安全漏洞與整併風險。而這個轉變，在創投的資金分佈上已經出現了清晰的先行訊號。

💡 AI 原生資安架構正在改寫估值邏輯

在創投的歷史常規中，晚期階段的融資額通常遠高於早期階段，因為晚期企業往往具備更成熟的商業模式與更低的風險。然而，在 2026 年第一季，這項鐵律被打破。早期階段融資總額躍升至 21 億美元（共 60 筆交易），自 2022 年第三季以來，史上首度超越了晚期階段的 17 億美元（共 70 筆交易）。

推動這場巨變的核心動力，是「AI 原生」資安新創的強勢崛起。

這些新創公司從成立之初，就能憑藉專為 AI 時代設計的防禦架構，吸引過去只有晚期企業才能拿到的鉅額資金。舉例來說，專攻安全營運的 Tenex.AI，以及專注雲端安全的 Upwind Security，在早期階段就分別拿下 2.5 億美元的驚人融資，投後估值更直接飆升至 10 億及 15 億美元，強勢跨越獨角獸門檻。

這股狂潮導致 2026 年第一季早期階段的單筆融資規模，中位數暴增至 2,500 萬美元，甚至反超晚期階段的 1,750 萬美元。

那麼，投資人正在把錢押向哪些領域？

💡 安全營運、資料安全、身分管理：資金集中的三大熱區

透過拆解資金分佈，可以勾勒出企業在未來一到三年內重兵部署的三大防禦核心。

一、「安全營運」穩居投資榜首

安全營運在 2026 年第一季持續主導市場，單季在 59 筆交易中吸金高達 18 億美元，較上一季度成長 30.5%。

由 AI 驅動的威脅在安全營運的層面上最為顯著，企業的防禦預算正大量整合至，具備綜合能力的安全資訊與事件管理及編排平台中。投資人對此領域的強烈信心，也反映在涵蓋早期、晚期至創投成長期等各個階段的指標性交易上。

二、「資料安全」因 AI 部署迎來爆發性增長

資料安全領域展現本季最顯著的擴張，投資額從 2025 年第四季的 3.06 億美元激增至 7.04 億美元。這波增長主要由 Cyera 所獲得的 4 億美元創投成長期融資所驅動，該筆交易由黑石集團領投，使其投後估值高達 90 億美元。

背後的資本邏輯在於，隨著企業大規模導入支援 AI 的工作流程，導致嚴重的「敏感資料蔓延」問題。為應對此現狀，資料安全態勢管理（DSPM，動態追蹤敏感資料流向的管理機制）的潛在需求維持強勁，成為企業部署 AI 時不可或缺的基礎架構。

三、「身分與存取管理」因應機器身分擴張成為架構核心

身分與存取管理領域在本季取得 7.78 億美元的融資額，持續保持其在戰略上的關鍵地位。代表性案例為 Cloaked 獲得的 3.75 億美元晚期階段融資。

投資人指出，在現代企業環境中，非人類的「機器身分」與「AI 代理」數量，正與人類身分同步激增；這些憑證攻擊面擴張的速度，已經超越傳統存取管理工具所能治理的極限。這種環境使得統一身分治理，成為現代安全架構的最核心控制點，以應對日益增加的憑證攻擊。

資金的集中，也加速了另一端的整合，併購市場同步升溫。

💡 科技巨頭從自建，轉向直接買下成熟平台

2026 年第一季的網路安全市場，在退場端創下了歷史性紀錄。本季度總退場金額達到 329 億美元，創下該數據集有史以來的最高單季紀錄。這項驚人的數據，幾乎完全由 Google 母公司 Alphabet 斥資 320 億美元、收購雲端安全平台 Wiz 這一筆交易所貢獻。

過去，這些科技巨頭傾向於在內部自行研發安全功能，或是透過收購小型的技術團隊來補齊缺口。然而現在，他們越來越願意支付破紀錄的高額溢價，直接收購市場上的成熟雲端安全平台。

PitchBook 報告指出，這種態勢不僅為新興的市場領導者設定了估值底線，也預計將壓縮下一批具規模之資安平台的被收購時程。

除了這筆指標性交易外，市場的戰略性併購活動依然活躍。在本季的 29 筆退場交易中，有 22 筆屬於收購案。活躍的買家陣容包含了 CrowdStrike、Check Point、Rapid7 以及 Arctic Wolf 等產業龍頭。

這些既有廠商持續收購單點功能，並將其整合進自身廣泛的平台中，背後的驅動力正是，為了迎合企業客戶目前極力試圖減少供應商數量的市場現狀。

🧭 從投資邏輯反推企業行動

PitchBook 報告反映的是投資人對未來的押注與預期，為了將這些財務指標轉化為企業的防禦策略，以下為《TechOrange》從報告內容為決策層反向延伸摘出的實戰建議：

1. 重整採購與預算分配，擁抱 AI 原生安全營運

企業應停止大額投資「無法跨系統整合」的傳統單點防禦工具。未來的資安預算，應優先分配至具備 AI 自動化能力的安全營運平台。

決策者應要求團隊重新評估現有的偵測與回應機制，確保能透過機器學習與自動化編排，在龐大複雜的 AI 攻擊矩陣中實現即時阻斷。

2. 升級資料與身分治理架構，建立 DSPM 基準

在全面推動企業內部 AI 轉型的同時，必須將資料與身分治理拉升至董事會監理的高度。

針對企業內部的 AI 工作流程，高管應授權進行全面的帳號與存取權限盤點，特別是針對激增的「AI 代理」與機器身分。

同時，企業必須盡速導入資料安全態勢管理機制，動態追蹤敏感資料在 AI 模型中的外溢流向，確保創新應用不會成為合規災難。

3. 審視現有供應商的存續風險，提早佈局平台整合

決策者應要求資安團隊全面盤點現有產品庫，評估每一家供應商是否具備長期的市場競爭力。

在未來的技術採購中，選擇能無縫融入大型科技巨頭生態系，或本身已具備平台整合能力的強勢品牌。這不僅能迎合減少供應商的現代化管理需求，更能避免未來因單一廠商被整併或淘汰而產生防線空窗期。

＊閱讀完整報告內容，請見：Cybersecurity VC Trends

【更多產業研究報告】

◆ 【AI 吞噬世界】AI 是繼網路、智慧型手機後的新一輪底層洗牌，你的護城河還在嗎？
◆ 【微軟 2026 工作趨勢報告】代理 AI 接管常規任務，企業如何將成效轉化為無法複製的「自有智慧」？
◆ 【數位資產的未來】30% 利潤蒸發風險：傳統金融如何透過五大關鍵佈局抓住代幣化機遇

➡️ 其他產業研究報告

＊初稿由 AI 協作，首圖來源：Unsplash

過去兩年，AI 產業最重要的變化之一，是 AI 開始參與軟體開發本身：從 OpenAI 的 Codex、Anthropic 的 Claude Code，到近期快速崛起的各類 AI Coding Agent，這些工具不再只是回答問題，而是能閱讀程式碼、撰寫程式、執行測試、修正錯誤，甚至在有限範圍內完成整個開發循環。如今，這股「AI 研發 AI」的趨勢正開始從數位世界延伸到實體世界。

NVIDIA GEAR Lab 聯手卡內基美隆大學（Carnegie Mellon University）與加州大學柏克萊分校（UC Berkeley）最新發表的 ENPIRE（Embodied Neural Policy Improvement through Physical AutoResearch）框架，嘗試讓 AI 代理直接在真實機器人上完成研究流程。

根據 NVIDIA GEAR Lab 發表的研究成果，搭配 ENPIRE 的 AI Coding Agent 已能在裝設顯示卡、插針與束帶處理等高精度任務中達到最高 99% 成功率。更重要的是，這些成果並非來自人類工程師反覆調校，而是來自 AI 代理自行執行實驗、分析結果、改寫程式並持續優化。

機器人研究真正瓶頸：每次失敗都得有人把現場收乾淨

根據《Tech Times》報導，機器人研究長期面臨一個軟體工程沒有的瓶頸：每次實驗失敗後，都必須有人重新整理現場。

如果是軟體開發，測試失敗只要重新執行即可；但在機器人領域，物體可能掉落、位置偏移，甚至整個實驗場景被破壞。研究人員必須先確認結果、重設環境，再讓演算法進行下一輪嘗試。這使得機器人研究的迭代速度，往往受限於人類操作速度，而非演算法本身的進步速度。而 ENPIRE 的核心目標，就是將這個循環自動化。

從重設場景到改寫程式，ENPIRE 想讓 AI 接手整個研究流程

根據論文與《Tech Times》報導，ENPIRE 主要由四個模組組成：Environment、Rollout、Policy Improvement 與 Evolution。

其中，Environment 負責自動重設場景與驗證結果；Rollout 負責在真實硬體上執行實驗；Policy Improvement 讓 AI 代理根據執行結果修改控制策略；Evolution 則負責比較不同研究方向的成果，保留有效方法並淘汰失敗路線。

研究團隊表示，AI 代理不只會修改程式，還能閱讀研究論文、分析實驗紀錄、比較不同演算法表現，並決定下一步應該採用模仿學習（Imitation Learning）、強化學習（Reinforcement Learning）或其他訓練方法。換句話說，AI 代理不只是控制機器人，而是在執行一整套研究流程。

裝顯卡、插針、剪束帶，AI 代理把成功率推向 99%

為了驗證 ENPIRE 的能力，研究團隊將 OpenAI Codex、Anthropic Claude Code 與 Moonshot AI 的 Kimi Code 分別接入真實機器人系統進行測試。

根據《Decrypt》與《Ars Technica》報導，研究團隊讓這些 AI 代理控制由 8 組雙臂機器人組成的實驗平台，挑戰多項高精度操作任務，包括插入細小金屬針、綁束帶並剪斷，以及將顯示卡插入主機板 PCIe 插槽。

《Tom’s Hardware》指出，在顯示的示範影片中，機器人先抓取顯示卡，再將其精準對準主機板插槽並完成安裝。雖然過程中仍可看到細微調整，但已展現相當接近人工操作的精度。

此外，研究人員也發現規模化帶來明顯效果。根據《Ars Technica》與《Decrypt》報導，在 Push-T 測試中，單一代理需要接近 5 小時才能達到高成功率；當系統擴展至 8 組代理與機器人並行研究時，所需時間縮短至約 2 小時。這代表機器人研究也開始出現類似 AI 模型訓練中的規模效應。

從一台到八台機器人，研究速度加快但成本也同步上升

ENPIRE 的另一個重要發現是，多個 AI 代理與多台機器人協同工作，確實能顯著縮短研究時間。然而，《Tech Times》指出，隨著代理數量增加，新的問題也開始出現。代理需要閱讀彼此的實驗紀錄、整理研究成果並同步程式碼，導致部分時間花在協作而非實驗本身。

研究團隊因此提出兩項新指標：機器人利用率（Mean Robot Utilization）與 Token 利用率（Mean Token Utilization），用來衡量研究效率與算力消耗。結果顯示，雖然更多代理能更快找到有效解法，但 Token 消耗成長速度甚至超過時間節省幅度。換言之，研究速度提升的代價，是更高的推理成本。

研究也坦承，Physical AI 仍有三大限制待克服

儘管 ENPIRE 展現出令人印象深刻的成果，論文作者也坦承這項技術距離完全自主研究仍有不少限制。首先，每個任務仍需事先建立自動重設與驗證機制。

根據《Tech Times》與《Decrypt》報導，在正式開始自我研究之前，人類研究人員仍需先建立 Reset Routine 與 Reward Function。例如 GPU 插入任務中，系統必須先學會如何自行拔出顯示卡、恢復初始位置，才能開始下一輪實驗。

其次，模擬與真實世界之間的落差依然存在。論文指出，在 Push-T 任務中，三個 AI Coding Agent 都能在模擬器內成功完成訓練，但進入真實世界後，只有一個代理成功達成目標。研究團隊認為，摩擦力、感測器誤差與物體位置偏移等現象，仍是現有模擬環境難以完全重現的因素。

第三，機器人並非一直處於工作狀態。根據《Ars Technica》分析，許多時間其實消耗在 AI 代理閱讀日誌、撰寫程式、等待模型回應與除錯過程。即使研究循環已高度自動化，系統仍受限於大型語言模型本身的推理效率。

如果說 Claude Code、Codex 等工具代表 AI 開始參與軟體開發，那麼 ENPIRE 展現的，則是 AI 開始參與機器人研究本身。當然，現階段的 ENPIRE 仍離不開人類建立環境、設計評估機制與提供算力資源。但這項研究所揭示的方向已相當明確：未來加速 Physical AI 發展的，未必是更多工程師，也可能是更多負責研究的 AI 代理。

＊本文開放合作夥伴轉載，資料來源：《Tech Times》、《Decrypt》、《Tom’s Hardware》、《Ars Technica》，首圖來源：ENPIRE

AI 代理要替使用者執行任務，通常必須以使用者本人的帳號登入，幾乎等同取得其所有系統權限。愛沙尼亞共和國（Republic of Estonia）希望改變這種做法，終結 AI 代理必須「借用人類身分」運作的模式。

愛沙尼亞總理 Kristen Michal 在 6 月 17 日核准國家 AI 顧問委員會 Eesti.ai 提出的相關構想，計畫為 AI 助手核發專屬個人識別號碼（ID），將使該國成為全球首個為 AI 代理建立正式數位身分的國家。透過這樣的制度，AI 將不再需要使用人類帳號登入系統，而是能以自身的獨立身分被授權、限制並追蹤行為，使其操作過程更可控，也更容易進行稽核。

幫 AI 發身分證？愛沙尼亞再推治理新實驗

Kristen Michal 在社群平台 X 發文表示，AI 助手不應被賦予與使用者完全相同的權限，否則等同於能存取個人的所有資料與服務。他認為，AI 代理的權限範圍應受到明確限制，並具備可監督、可追蹤的機制，以確保相關行為都能被檢視與究責。

愛沙尼亞之所以率先提出這項構想，與其長年推動數位政府發展有關。《The Next Web》提及，這個擁有約 130 萬人口的國家，早已將數位身分廣泛應用於民眾生活，從醫療、婚姻登記到文件簽署等行政程序，都可透過數位身分完成。愛沙尼亞推行多年的電子居留（e-Residency）制度，也讓海外創業者得以取得官方認可的數位身分，遠端使用當地商業與政府服務。

不過， AI 並不具備法律上的身分資格，既無法獨立完成身分驗證，也不能承擔相應責任，因此現階段只能透過使用者授權，代替人類執行各項操作。愛沙尼亞政府認為，為 AI 建立專屬身分機制，將有助於填補現行制度的空缺。這項概念某種程度上也延續了電子居留制度的思維，透過制度設計，讓新的參與者能夠被正式納入既有的數位治理架構之中。

《The Next Web》指出，AI 已逐漸成為愛沙尼亞公共服務的一環。政府近年與 OpenAI 等科技企業合作，將 AI 聊天機器人導入教育體系，同時推動名為 Bürokratt 的 AI 平台，協助處理各類政府服務與行政業務。Kristen Michal 也成立由科技創業者組成的 AI 顧問委員會，並曾利用 Anthropic 的 Claude 開發名為 PM Cockpit 的管理工具，用以追蹤政府施政進度與政策目標。

AI 犯錯誰買單？從失控代理事件看數位身分制度重要性

Kristen Michal 目前尚未公布這項制度的具體上路時間，也未說明當 AI 代理因自身判斷失誤導致他人財務損失時，相關法律責任將如何認定。《The Next Web》補充，讓 AI 代理擁有獨立數位身分雖有助於提升管理與責任追蹤能力，但在政府系統中賦予機器正式身分，將涉及資安與責任歸屬等風險。

《Decrypt》舉例，一名使用者要求未經監督的 AI 代理掃描業餘網路社群，卻未設置審查機制，結果不到一天便產生 6,531 美元的 AWS 雲端運算費用，AI 代理甚至向社群發起加密貨幣募款，希望籌措資金支付這筆開銷。為解決 AI 身分驗證與責任追蹤問題，今年 3 月，OpenAI 執行長 Sam Altman 共同創立的區塊鏈身分專案 World 推出一套驗證工具，讓 AI 代理在取得網站權限前，能證明背後有真人負責，協助平台辨識請求究竟來自人類還是機器。

除了愛沙尼亞之外，烏克蘭的 Diia.AI 與新加坡也有相關試驗計畫，顯示各國正積極探索 AI 在公共治理領域的應用可能性。《Decrypt》指出，支持者認為，若各國政府能建立明確規範，界定 AI 代理的權限範圍與運作方式，不僅能降低系統失控或損害使用者利益的風險，也有助於釐清各方責任。在這樣的框架下，無論是服務提供者、使用者、基礎設施業者或其他參與者，都能更清楚了解自身權利、義務與法律保障。

＊本文開放合作夥伴轉載，資料來源：《The Next Web》、《Decrypt》，圖片來源：Unsplash。

AI 新創公司 Odyssey 宣布完成 3.1 億美元融資。根據《Financial Times》報導，參與投資的企業包括亞馬遜，反映其持續加強在世界模型（World Models）技術上的布局。這類模型透過學習物理規律與環境互動關係，讓 AI 能夠理解並模擬真實世界，未來可望應用於機器人、自動駕駛及遊戲開發等領域。

Odyssey 完成募資後，公司估值達 14.5 億美元。除了亞馬遜之外，本輪投資人還包括 NVIDIA 與 AMD 的投資部門、與美國中央情報局（CIA）有關聯的投資基金 IQT、創投公司 Natural Capital、Google 科學家 Jeff Dean，以及知名投資人 Elad Gil。

Odyssey 投入世界模型，挑戰以語言模型為核心的 AI 路線

Odyssey 是目前少數投入世界模型技術研發的新創公司之一。與現今主流 AI 主要依賴語言資料訓練不同，世界模型透過學習物理規律及物體間的互動關係，讓 AI 能夠更深入理解現實世界的運作方式。

創投公司 Natural Capital 合夥人 Jay Zaveri 認為，世界模型代表 AI 發展的下一個階段，未來有望推動機器人、遊戲等產業的技術革新。目前 AI 雖已展現強大的語言能力，但對現實世界的理解仍相當有限。「我們打造出類似人類大腦的架構，卻只讓它學會語言。」他表示，世界模型的目標正是讓 AI 進一步理解物理規律、環境變化及物體互動等真實世界資訊。

Odyssey 由 Oliver Cameron 與 Jeff Hawke 共同創立，兩人皆具備自動駕駛技術開發背景。Oliver Cameron 表示，相較於現有 AI 模型，世界模型能夠掌握更多語言難以表達的資訊，包括物理規律、肢體動作及環境變化等，進而建立更接近真實世界的理解能力。目前 Odyssey 擁有約 55 名員工，團隊分布於倫敦、蘇黎世及美國帕羅奧圖，成員多來自 AI 研究機構及自動駕駛相關新創公司。

根據雙方合作協議，Odyssey 將以 Amazon Web Services（AWS）作為主要雲端平台，並採用亞馬遜最新的 Trainium AI 晶片。《Financial Times》提及，對亞馬遜而言，此次合作不僅有助於拓展 Trainium 的應用場景，也有助於強化其在 AI 基礎設施市場的布局，與 NVIDIA、Google 等競爭對手抗衡。

AWS 副總裁 Ron Diamant 表示：「我的目標是有一天能告訴兒子，我打造出了世界上最好的 AI 加速器。」Odyssey 在模型開發與部署過程中的實際經驗，將成為 Trainium 持續優化的重要參考。

世界模型成本與算力需求浮現，仰賴晶片推動商業化進程

亞馬遜近年持續加碼 AI 布局。執行長 Andy Jassy 除了擴大對 AI 技術與基礎設施的投資外，也投入資金支持 Anthropic 等 AI 公司。今年稍早，他向投資人表示，Trainium 晶片相關業務已累積約 2,250 億美元的訂單需求。同時，亞馬遜創辦人兼執行董事長 Jeff Bezos 也正投入 AI 創業，推動名為 Prometheus 的新創公司發展。

《Financial Times》指出，對 Odyssey 而言，與晶片廠商建立合作關係，有助於降低訓練及部署世界模型所需的龐大運算成本。在產品展示中，Oliver Cameron 示範模型如何僅透過畫面影像、玩家操作及聲音等資料，自行重建 1997 年經典遊戲《GoldenEye 007》的多人遊戲版本，而無須預先學習該遊戲的物理引擎或規則設定。

Oliver Cameron 表示，目前公司的模型主要運行於 Nvidia H200 與 B200 晶片，每位使用者的運算成本約為每小時 2 至 4 美元，但相關費用尚未納入模型訓練成本。前 Google Ventures 倫敦合夥人 Luna Schmid 認為，隨著資金持續湧入世界模型領域，這項技術有機會迎來屬於自己的 GPT-3 時刻，如同 OpenAI 在 2020 年推出 GPT-3 後，帶動生成式 AI 快速發展的重要轉折點。

《SiliconANGLE》補充，世界模型領域正快速成長。近幾個月來，多家相關新創企業相繼獲得大額資金挹注。其中，AI 公司 Decart.ai 完成 3 億美元募資，公司估值接近 40 億美元，資金將用於開發名為 Lucy 與 Oasis 的兩款世界模型；被譽為 AI 教父的 Yann LeCun 所創立的 AMI Labs 於今年 3 月募得 10.3 億美元，用於訓練世界模型；而世界模型新創公司 Runway AI 則在 2 月完成 3.15 億美元融資。隨著資金持續湧入，世界模型逐漸成為 AI 產業最受關注的發展方向之一。

＊本文開放合作夥伴轉載，資料來源：《Financial Times》、《SiliconANGLE》，圖片來源：Odyssey。

過去談 AI 出口管制，主角多半是 NVIDIA 的高階晶片；如今被擋下的，換成了 AI 模型本身。美國上週以國家安全為由，要求 Anthropic 限制海外用戶存取最先進的 Mythos 5 與 Fable 5 模型。這道禁令在本週於法國舉行的 G7 峰會上成為焦點，被推上檯面的問題，已經不只是這些模型安不安全，而是未來誰有權決定先進 AI 模型如何跨越國界流通。

從晶片到模型：被「一鍵關掉」的恐懼登上 G7 圓桌

根據《Financial Times》報導，Anthropic 執行長 Dario Amodei 在峰會上當著美國總統川普與其他領袖的面表示，各國必須「抗拒分裂的誘惑」。他說自己理解各國想防止 AI 流入危險對象手中的努力，但呼籲民主國家應團結合作。

值得注意的是，這番話得到宿敵、OpenAI 執行長 Sam Altman 的聲援，Altman 強調網路防禦工具應提供給在場所有國家。Google DeepMind 執行長 Demis Hassabis 也一同出席，三位高層共同呼籲由美國主導 AI 模型開發上的合作，同時點出若民主同盟出現裂痕，在生物恐怖主義與網路安全上的風險。

《TechCrunch》指出，這次事件暴露出許多國際企業一直在面對的風險：任何建立在美國 AI 基礎設施上的公司或政府，如今都必須正視一個可能性：存取權可能在一夜之間被收回，而且當事人可能永遠不會被告知原因。

法國總統馬克宏在 G7 會議期間警告，如果美國「從一天到另一天就能關掉開關（turn off the switch）」，不僅可能傷害歐洲經濟，也可能損害正在全球競爭的美國 AI 企業。他提醒，要慎防「民主國家之間不合作」的風險，並表示：「未來幾個月內，我們將打造一個平台，作為多個民主國家之間進行討論與合作的機制，共同因應人工智慧帶來的風險，並攜手制定一套共同的標準。」

印度總理莫迪同樣表達對美方此舉的擔憂，他補充，民主國家必須能存取頂尖 AI 模型，以保護關鍵基礎設施。從這些表態來看，各國擔心的已不只是 Anthropic 一家公司，而是未來 AI 能力是否可能受到單一國家政策影響。

美國為何限制 Mythos 5 與 Fable 5？

根據《Reuters》報導，美國總統 Donald Trump 日前要求 Anthropic 限制海外用戶使用 Mythos 5 與 Fable 5，理由是國家安全風險。Mythos 被設計用於發現程式碼漏洞，部分資安專家擔心這類能力可能被用來強化對銀行等機構技術系統的攻擊，因此引起政府關注。

而根據《WIRED》報導，美國國家安全局（NSA）認定 Fable 5 的安全護欄存在被停用的可能，因此要求 Anthropic 採取更多措施。不過，報導同時引述多位獨立資安專家看法指出，隨著模型能力持續進步，完全消除越獄（Jailbreak）的可能性並不現實。專家普遍認為，模型護欄（Guardrails）更像是一種降低風險的機制，而非永久有效的解決方案。

「可信夥伴」浮現：一套繞過單邊管制的新流通規則

面對限制措施帶來的衝擊，G7 領袖也開始尋找折衷方案。根據《Reuters》報導，多名外交消息人士透露，G7 各國正與美國官員討論建立「Trusted Partners（可信合作夥伴）」機制，讓特定國家或企業能夠持續取得 Anthropic、OpenAI 等公司開發的先進模型。

這些「可信夥伴」可以是國家，也可以是公司，前提是這些對象將模型用於發展更強的防禦能力，以對抗中國等對手。不過《TechCrunch》進一步指出，這套「受信任合作夥伴」制度究竟能涵蓋哪些對象，目前仍不明朗。

事實上，這場爭論也讓降低對美國技術依賴的聲音浮上檯面。法國 AI 公司 Mistral 執行長 Arthur Mensch 在會中點出供應鏈交纏的隱憂：「當供應鏈彼此交纏，你能確定對方無法切斷你嗎？」他指出，這個問題主要由非美國的與會者反覆提及。

加拿大企業級 AI 公司 Cohere 執行長 Aidan Gomez 的態度更直接，他在一份提供《TechCrunch》的聲明中表示，企業與民主國家若持續依賴少數幾家大型科技公司，對自身韌性是危險的，而數位主權的核心，是「誰掌控了未來數十年將形塑經濟安全與國家主權的基礎技術」。

而馬克宏認為，美國若希望全球持續採用其 AI 技術，就有必要支持 Trusted Partners 這類制度，並讓 Mythos 等先進模型的存取權更具穩定性與可預測性。否則，企業很難放心將關鍵產品建立在可能隨時失去存取權的 AI 平台之上。

這番談話也反映出當前 AI 主權辯論的矛盾。一方面，歐洲與其他國家希望降低對美國 AI 技術的依賴；另一方面，美國模型的能力持續領先，使得各國在追求技術自主與取得最先進 AI 能力之間，面臨愈來愈艱難的取捨。

【推薦閱讀】

◆ Anthropic 被迫關閉 Fable 5、Mythos 5：美國經濟學家 Tyler Cowen 警告，全球可能轉向中國 AI

◆ Anthropic 監管立場大轉向：Dario Amodei 為何發長文主張政府有權阻止 AI 上線？

◆ Anthropic 推出 Fable 5 與 Mythos 5，最重要的升級其實不是模型

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

隨著 2026 年 FIFA 世界盃足球賽開踢，對於有幸親臨現場觀賽，全球超過 1,000 萬名球迷來說，有些技術既是本屆賽事的科技亮點，卻也同時成為了爭議焦點。

這些技術分別是由 Google 所主導的消費級人工智慧 Gemini，以及能夠將球迷的面貌，直接轉化為門票驗證與入場方式的生物辨識。

根據外媒報導，在美國、加拿大和墨西哥，三個國家合計共 16 座主辦城市中，這些隨著世界盃一同到來的產品和技術，將會持續影響到賽事完結之後。

Google Gemini 的行銷舞台

首先是 Google Gemini。事實上，包括法國、阿根廷、摩洛哥、伊拉克、土耳其和美國等參賽隊伍，全都接受了來自 Google 的贊助，將 Gemini 與 Pixel 手機應用到了許多地方。

舉例來說，Google Pixel 就成為法國國家隊的「官方指定手機」，同時該隊伍也使用 Gemini 進行團隊通訊。

至於對球迷而言，目前 Google 正大力透過搜尋服務、地圖、Waze 及 Gemini 應用程式，配合 FIFA 世界盃推出各項賽事相關功能，舉凡即時比分追蹤、AI 生成的戰術圖解，球迷甚至能夠要求 AI 彙整比賽過程的精華片段。

此外，Google 也將配合本屆世界盃賽事，在整個夏季為 Google 搜尋內建的 AI Mode Pro 功能，套用上對應的視覺效果。

因此對 Google 來說，2026 年 FIFA世界盃將不只是一場足球賽，更是外表披著「回饋球迷」外衣，但實際上大力推廣 Gemini 相關技術的行銷舞台。

人臉辨識驗票、入場系統

除了 Google Gemini 之外，生物辨識技術亦成為了本屆世界盃的科技焦點，但卻也掀起了針對民眾的隱私風暴。

位於美國波士頓附近的吉列體育場（註：世界盃期間被稱為波士頓體育場），為本次 FIFA 世界盃的舉辦場地之一，已經購買門票並想要入場觀賽的球迷，可以選擇啟用臉部辨識功能，將自己的臉部資料與手機數位錢包進行綁定。

如此一來，球迷將不再需要提供紙本門票，或者出示購買門票的信用卡驗證身分以入場觀賽。外媒指出，除了吉列體育場，世界盃期間還會有多個場館，將投入測試類似的臉部辨識驗票系統。

政府擴大監控技術引發爭議

同時，在各大世界盃主辦城市的賽事地點和體育場周邊，當地政府也正大舉擴建影像監控網路。

比方以美國西雅圖為例，當地政府將體育場的監視器畫面與自動化車牌辨識系統，直接連線到執法部門的即時犯罪監控中心，引發民眾對身分監控與非法移民追蹤的相關爭議。

外媒表示，雖然利用監視器影像進行賽事安全監控並非前所未有，例如卡達就於舉辦 2022 年世界盃時，在 8 個賽事場館內架設了約 22,000 台監視器，但差異在於本次世界盃允許使用者主動交出面容資料，藉此換取更快速的入場便利性，所以才觸動了民眾對隱私保障的敏感神經。

生物辨識技術跟其他更加顯眼的維安科技，例如機器人警犬、巡邏無人機和 AI 攝影機同時存在，不過考慮到利用臉部辨識加速入場，確實對民眾有著一定的吸引力，是否要主動參與這種經包裝過後的隱私資料蒐集方式，站在資安角度或許仍需要球迷再三思考。

另一方面，外媒也點出生物辨識技術並非萬無一失。根據獨立研究顯示，人臉辨識系統誤判女性及有色人種的頻率，本質上遠遠高於白人男性；同時一旦臉部辨識技術大規模普及，自然會對公民自由構成一定風險。

從裁判視角欣賞世界盃

除了將攝影機對準球迷臉部之外，2026 年 FIFA 世界盃還有更多的「鏡頭」，其中一個就安裝在場內不斷跑動的裁判身上。

國際足總在 2025 年的俱樂部世界盃中，嘗試了全新的「裁判鏡頭（Ref Cam）」視角，並接著納入正式比賽規則，在 2026 年的 FIFA 世界盃中大舉應用。

裁判鏡頭會將裁判身處位置所看見的畫面，透過攝影機傳送到賽事轉播台與球場大螢幕。FIFA 合作夥伴聯想（Lenovo）指出，他們正運用 AI 來最佳化裁判鏡頭的影像品質，並聲稱能將夠其畫面的動態模糊程度，減少高達 50%。

透過 AI 洞察打破戰力差距

在本屆 FIFA 世界盃中，聯想也推出名為 Football AI Pro 的生成式人工智慧知識助理，支援在加拿大、美國和墨西哥參賽的 48 支隊伍。

根據官方說法，Football AI Pro 不僅是運用創新技術，嘗試提升頂尖選手的表現，更是以數據為主要驅動力，協助縮小各隊之間的實力差距。

在過去的世界盃賽事中，能否取得精密的分析數據，往往取決於球隊所擁有的財務和技術資源，因此 Football AI Pro 的目標就是打破這種不平衡現象，讓全部參賽隊伍都能享有同樣先進的賽前與賽後分析能力。

FIFA 進一步解釋，Football AI Pro 借助聯想的全端 AI 技術，並基於 FIFA 的自有的「足球語言模型」進行建構，透過分析數億筆由 FIFA 擁有及主辦的足球賽事資料，由 AI 生成經驗證的洞察數據，再輔以文字、影片、圖表及 3D 可視化形式，有效呈現給世界盃參賽球隊。

3D 模擬協助 VAR 判決

此外，搭載 AI 技術的 3D 球員虛擬形象，亦成為本屆 FIFA 世界盃半自動越位技術的關鍵突破。

所有參加 2026 年 FIFA 世界盃的球員，全都將接受數位掃描以建立精確的 3D 模型，提供精準的身體部位尺寸，使系統能夠於球員快速移動，或者裁判視線、攝影機視角受阻擋時，仍然能夠可靠追蹤球員當下位置。

FIFA 指出，前述的球員 3D 模型將被整合到主要轉播畫面中，讓透過影像輔助裁判（VAR）所做出的越位裁決，能夠以更逼真且更具吸引力的方式，呈現給現場球迷及全球觀眾。

公民團體的警告與建議

FIFA 世界盃大舉採用生物辨識與 AI 技術所帶來的隱私衝擊，引起包括美國公民自由聯盟（ACLU）、國際特赦組織在內，全球超過 120 個民間團體，紛紛發出了相關警告。

其中一部分公民團體強調，本屆賽事期間可能出現種族歧視性盤查、電子設備搜索、社群媒體言論審查與人臉辨識等情況，並建議部分想要前往美國、加拿大、墨西哥觀賽的球迷，於搭機之前就先關閉手機的面容解鎖功能。

尤其今年二月，美國移民及海關執法局（ICE）已經確認，旗下探員將在世界盃賽事期間的維安工作中，扮演十分重要「關鍵角色」。

球賽會結束，但監控不會消失

總歸來說，本屆 FIFA 世界盃期間的生物辨識入場系統，仍需要民眾主動、自願提供面容資料，才具備隱私數據遭到蒐集的可能。

然而，外媒卻也強調，這些有可能影響民眾隱私的科技工具，通常並不會隨著賽事結束之後，直接於現實世界中拆除或消失。

舉凡人臉辨識、車牌識別以及 AI 影像分析系統在內，世界盃足球賽正是這些由執法單位所設立的關鍵基礎設施，嘗試將反對意見軟化，並過渡到常態存在的有力舞台，甚至也將變成場館周遭、主辦城市中，無數公民必須時刻警惕的隱私風險來源。

【推薦閱讀】

◆ 電子郵件是駭客入侵的核心破口，改變五個習慣讓你的網路帳號更安全
◆ AI 降低國家級網攻門檻：伊朗如何用 ChatGPT、Gemini 加速情報滲透
◆ 不用駭進軍方系統也能追蹤美軍行動，手機裡的「廣告數據」如何成為國安破口？

＊本文開放合作夥伴轉載，參考資料：The Next Web、FIFA，首圖來源：Nano Banana 2

（責任編輯：鄒家彥）

文／台灣數位平台經濟協會（DEAT）

如果要形容一座城市的數位發展，你會想到什麼？

是路邊的智慧站牌、免費 Wi-Fi、線上申辦服務，還是手機裡各種早已融入生活的 App？過去談到智慧城市，人們往往先想到各種數位建設與科技設備。但當這些基礎條件逐漸普及之後，一個新的問題開始浮現：當每個城市都擁有相近的數位基礎條件，未來的競爭力將由什麼決定？

台灣數位平台經濟協會（DEAT）與政治大學公共行政學系共同完成的《六都數位政策調查研究》，提供了一個值得關注的觀察角度。研究結果顯示，影響城市未來競爭力的因素，正逐漸從硬體建設轉向治理能力。而在這個過程中，數位平台也開始從單純的服務提供者，逐步發展成為城市治理的重要協作力量。

城市開始走不同的路，治理需求也不一樣了

本次研究發現，六都的數位發展已逐漸出現不同路徑。臺北市持續維持整體優勢，新北、桃園與臺中受惠於人口與產業發展動能持續成長，臺南與高雄則在能源轉型與開放治理等面向展現特色。不同城市開始依據自身條件發展出不同方向，也面對不同類型的治理課題。

有些城市需要處理人口移動與交通壓力，有些城市關注能源與永續發展，有些城市則面臨高齡化與公共服務需求增加的挑戰。隨著城市發展路徑逐漸分化，治理所需要的資訊與工具也開始變得更加多元。這些問題沒有單一解方，也很難僅依靠傳統治理工具來回應。城市治理逐漸進入更講求精準決策與跨域協作的新階段。

城市治理最大的挑戰，往往是資料缺口

當政府希望改善交通、提升公共服務效率，或規劃新的城市政策時，首先需要回答一個問題：城市究竟正在發生什麼事？

理論上，政府可以透過各種統計資料掌握現況。但本次研究過程中也發現，部分縣市層級資料取得不易，地方資料分散於不同單位，許多與市民感受相關的指標也難以量化。即使有資料，也可能因為格式不一致而難以整合分析。

研究團隊指出，目前中央缺乏部分縣市分層數據，地方資料仍有零碎化現象，而社會信任等軟性指標的量化方式也尚待發展。這些問題不僅影響研究工作的推進，也反映出台灣數位治理所面臨的共同挑戰。

事實上，這樣的情況並非台灣獨有。許多國家在推動智慧城市發展時，都曾面臨類似問題。資料量愈來愈多，但真正能支撐治理決策的資料仍然不足，如何讓資料轉化為決策能力，成為城市治理的重要課題。

平台每天累積的資料，其實記錄著城市如何運作

在這樣的背景下，數位平台開始展現不同於過去的價值。許多人使用數位平台時，很少意識到自己也正在參與一張即時運作的城市地圖。

共享機車平台可以觀察短程移動需求的變化，共享停車平台反映停車空間的供需狀況，外送平台呈現不同區域的消費與物流流動，共享電力服務則能觀察人流聚集與商圈活動熱度。

這些資料原本是服務運作過程中的自然產出，但從治理角度來看，它們其實反映了城市運作的即時樣貌。

例如，一個區域的共享機車使用量持續增加，可能代表短程交通需求正在改變；某些商圈的行動電源租借需求快速成長，可能反映人流與商業活動的變化；外送訂單的分布情況，也可能提供城市物流規劃的重要參考。這些資訊未必能直接形成政策，但能幫助政府更即時理解城市正在發生的事情，並作為決策的重要參考依據。

平台角色正在從服務提供者走向治理協作者

過去，數位平台的主要任務是提供服務。然而隨平台逐漸融入交通、生活、消費與公共服務場景，其角色也開始產生變化。

在許多國際城市中，政府已逐步與平台建立合作機制，透過匿名化與去識別化資料分析，協助交通規劃、公共運輸調整、能源管理與城市研究。這些合作案例顯示，平台的價值逐漸延伸至服務之外，其累積的資料與觀察能力，也開始成為理解城市運作的重要參考。

對城市而言，這樣的合作關係並非由平台取代政府決策，而是在既有治理架構下，透過更多元的資料來源與觀察角度，提升治理品質與政策判斷能力。

本次六都數位政策調查所呈現的現象，也反映出類似趨勢。當城市治理面對的問題愈來愈複雜，平台角色正逐漸延伸至治理協作、資料補位與公共服務優化等面向。

城市治理的新課題：如何與平台協作

當城市發展進入分化階段，治理思維也需要跟著調整。

過去，政府與平台之間的關係多半圍繞在管理與被管理。然而，當平台逐漸成為城市運作的一部分，未來更值得思考的問題，可能是如何建立更有效率的合作機制。

當然，這樣的合作仍需要建立在明確規範之上。資料使用範圍、隱私保護機制、資訊安全要求以及責任界線，都必須有清楚的制度設計。唯有在公共利益與民眾信任獲得保障的前提下，資料共享與治理合作才有可能長期運作。

對地方政府而言，平台所帶來的價值，包含新的服務形式，也提供了更多理解城市運作的即時資訊。如何在治理與創新之間建立平衡，將成為未來的重要課題。

下一階段的競爭將是更好的城市數位治理能力

當基礎建設逐漸普及，城市之間的差異開始出現在治理能力。

誰能更有效運用資料、整合資源、理解市民需求，誰就更有機會提升城市運作效率與生活品質。

《六都數位政策調查研究》所揭示的重要觀察之一，在於城市競爭的邏輯正在發生變化。過去被視為核心優勢的硬體建設與基礎條件，已逐步成為共同基礎；而如何運用資料、整合跨部門資源，以及回應不同城市需求，則成為影響未來發展的重要因素。

而在這個過程中，數位平台所累積的即時資料與服務網絡，也逐漸成為城市治理的重要資產。

未來的智慧城市競爭，將更加聚焦於政府、平台與社會如何共同建立治理能力。當城市開始走向不同發展路徑，能否善用這些新的治理工具與合作模式，將成為下一階段城市發展的重要關鍵。

城市治理的核心始終是回應市民需求，而數位平台所累積的資料、技術與服務網絡，正逐漸成為這塊拼圖中不可忽視的一部分。當治理能力成為城市競爭力的重要來源，平台與政府之間如何建立更成熟的協作關係，也將成為下一階段智慧城市發展的重要課題。

社團法人台灣數位平台經濟協會

社團法人台灣數位平台經濟協會（DEAT）集結了台灣社會關心網路協作與共享經濟發展趨勢的業者、學者、法律專家，致力推動有利創新的商業模式與法規環境、促進社會支持、以及推動本地數位平台與共享新創的蓬勃發展，會員涵蓋共享智慧運輸、外送服務、承攬媒合與資訊平台等領域，服務用戶突破千萬，就業人口達十多萬人，為台灣新經濟與新生活型態的重要推動者。

＊ 本文經社團法人台灣數位平台經濟協會授權刊登，首圖來源：Unsplash。

（責任編輯：廖紹伶）

【科技早餐】今天精選 7 則國內外重要科技新聞。

＊Microsoft 評估 DeepSeek 進 Copilot，低成本模型牽動美中角力

Microsoft 正評估把中國 AI 新創 DeepSeek 的模型，納入企業 AI 平台 Copilot Cowork，作為較低成本的模型選項。Microsoft 同時計畫讓 Copilot Cowork 改採依運算資源使用量計費，因應代理型 AI 工具普及後快速上升的運算成本。這代表企業 AI 服務正從固定訂閱，走向依算力消耗計價。

這也反映 Microsoft 正推動多模型策略，不再只依賴 OpenAI 與 Anthropic，而是把更多模型選項納入企業服務。不過，DeepSeek 不只是低成本模型選項，也被放進美中科技競爭。《華爾街日報》報導，DeepSeek 首輪融資超過 74 億美元，估值超過 500 億美元，已成為中國估值最高的 AI 新創公司；《路透》也報導，美國政府目前暫緩把 DeepSeek、長鑫存儲等中國企業列入實體清單，外界解讀是為了避免升高與北京的緊張關係。

＊ChatGPT 市佔首跌破 50%，Anthropic 在企業支出反超 OpenAI

市調機構 Sensor Tower 最新報告指出，截至今年 5 月底，ChatGPT 在全球 AI 助理應用的月活躍用戶市佔率降至 46.4%，是 ChatGPT 推出三年半以來首次跌破 50%。ChatGPT 目前仍排名第一，月活躍用戶約 11 億；排名第二的 Google Gemini 約 6.62 億，第三名 Anthropic Claude 約 2.45 億，顯示 AI 助理市場正從一家獨大轉向多家競爭。

企業端的變化也同步擴大。企業支出管理平台 Ramp 數據顯示，Anthropic 今年 5 月在企業 AI 訂閱支出占比升至 41%，首次超過 OpenAI 的 39.5%。分析指出，Claude Code 等程式開發工具，以及 Claude Opus 系列在企業場景的採用，是 Anthropic 成長的主要原因。從 AI 助理到企業工具，AI 市場競爭正更明顯轉向軟體開發與生產力場景。

＊SpaceX 砸 600 億美元買 Cursor，馬斯克搶進 AI 編碼工具戰

SpaceX 宣布，將以 600 億美元全股票交易收購 Cursor 母公司 Anysphere，交易預計在 2026 年第三季完成。Cursor 是近年快速成長的 AI 程式開發工具，可以協助開發者用自然語言編寫、修改與除錯程式碼，也被視為 AI 程式開發熱潮中最受矚目的產品之一。

這筆交易發生在 SpaceX 完成 IPO 後不久。SpaceX 股價掛牌後大漲，市值一度快速攀升，並短暫超過亞馬遜（Amazon），也讓 SpaceX 有能力以股票作為併購籌碼，切入企業 AI 工具市場。馬斯克（Elon Musk）過去曾表示，xAI 在 AI 程式開發工具方面仍落後 OpenAI 與 Anthropic。收購 Anysphere 後，SpaceX 也可望把更多運算資源導入 Cursor，補強馬斯克的 AI 版圖。

＊Intel 18A-P 進入早期生產，晶圓代工翻身戰進入驗證期

Intel 最新宣布，18A-P 先進製程已進入風險量產階段。這代表這項製程已經走到早期生產與客戶驗證階段，但距離大規模穩定量產，仍需要通過良率、成本與交期考驗。根據 Intel 說法，18A-P 相較原本 18A 製程，可在相同功耗下提升約 9% 效能，或在相同性能下降低 18% 功耗。

18A-P 也相容原本 18A 的設計規則，讓客戶比較容易沿用既有設計流程，不必大幅重做晶片。這對 Intel Foundry 來說，是爭取外部客戶的重要一步。過去 Intel 先進製程主要服務自家產品，但在 AI 晶片需求升高、台積電先進製程與封裝產能持續吃緊之下，Intel 也希望搶進晶圓代工市場。接下來 18A-P 能不能穩定量產，並在良率、成本與交期上取得大型晶片客戶信任，將是市場關注關鍵。

＊黃仁勳談 AI 新規範：用得更廣，也要顧能源與國安

NVIDIA 執行長黃仁勳最近接受《美聯社》專訪時表示，AI 時代需要建立新的社會規範，他鼓勵更多人實際使用 AI，理解這項技術如何改變工作與生活。他認為，AI 可以協助設計網站、分析文件、支援研究，甚至規劃家中改造，讓不會寫程式的人也能用電腦完成更高階的工作。

面對外界對 AI 造成失業與安全風險的擔憂，黃仁勳表示，AI 需要一定的規範與安全標準，國家安全也必須列為科技發展的優先考量。不過他也提醒，政府在制定出口管制政策時，需要清楚說明具體風險。能源同樣是他關注的重點。黃仁勳指出，AI 資料中心需要龐大電力，美國若沒有投入更多能源，將難以在 AI 基礎建設、模型與晶片發展上發揮優勢。

＊法國砸 6.55 億歐元推 AI 主權，歐洲加速降低對美國科技依賴

法國總理勒克努（Sebastien Lecornu）宣布，政府將新增 6.55 億歐元投資 AI 發展，並推動多達 100 萬名公務員使用 AI 對話工具。這項計畫在巴黎科技新創展 VivaTech 登場前夕公布，投資將用於支援基礎設施、算力、研究、企業與工業應用，並被法國政府定位為強化公共服務與數位主權的一部分。

法國也同步降低對美國科技服務的依賴。法國國內安全總局將結束與美國資料分析公司帕蘭泰爾（Palantir）的合約，改採本土企業 ChapsVision 的服務。勒克努表示，法國不能接受在數位領域出現新的戰略依賴性。法國政府也規劃推出通用自主對話助理、外交部翻譯工具 DiploIA，以及公共健康 AI 助理，讓政府服務與公共資料更能掌握在本土系統內。

＊高通押 40 款 AI 終端，代理式 AI 開始改寫 App 入口

高通（Qualcomm）總裁暨執行長艾蒙（Cristiano Amon）接受《CNBC》訪問時表示，高通目前正參與超過 40 款新型 AI 終端設備的設計研發，產品形態包括智慧珠寶、內建攝影機的耳機、胸針、智慧手錶與 AI 眼鏡等。這些設備共同指向一個趨勢：AI 不只存在於手機或電腦裡，也會逐漸成為隨身、可感知情境的互動入口。

艾蒙認為，代理式 AI 將成為新的應用平台，未來可以跨 App 執行複雜任務，例如查詢交易紀錄、規劃行程或完成預訂。這不代表 App 會消失，而是 App 的角色將被重新定義。高通也把 AI 終端與資料中心推論視為下一階段成長重點，希望從手機晶片供應商，延伸為端側 AI 與雲端推論的算力供應商。不過，相關產品能否帶來實際營收貢獻，仍有待後續市場驗證。

＊本文開放合作夥伴轉載，資料來源：《Axios》、《The Wall Street Journal》、《Reuters》、《TechCrunch》、《TechCrunch》、《Reuters》、《Reuters》、Intel、《Associated Press News》、《The Guardian》、《CNBC》，首圖來源：AI 生成圖。

機器人新創 Genesis AI 推出其首款通用機器人 Eno，沒有頭、也沒有腿，採用輪式設計。另值得關注的是，這家公司放棄了業界常見的遠端遙控（teleoperation）路線，改以感測手套蒐集真人操作資料，同時自行打造模型、模擬器、資料平台與機器人本體。當整個產業仍在追逐人形機器人熱潮時，Genesis AI 想解決的核心問題之一是：通用機器人的資料，究竟從哪裡來？

據《TNW》報導，這家新創在巴黎與舊金山設有辦公室、約有 60 名員工，由共同創辦人 Zhou Xian 與前 Mistral 研究員 Théophile Gervet 共同創立；該公司去年募得 1.05 億美元種子資金，是法國最大規模的融資之一，由 Eclipse 與 Khosla Ventures 共同領投，投資人包括 Google 前執行長 Eric Schmidt、Xavier Niel、MIT 機器人學教授 Daniela Rus 等。

一台沒有頭、沒有腿的機器人

據《Business Insider》報導，Eno 是一台有著兩隻手臂、但沒有雙腿的輪式機器人，其軀幹由三片面板組成、可即時調整高度與伸展範圍，不使用時還能折疊收納。《The Robot Report》進一步說明，Eno 的手臂裝有 Genesis AI 自研的靈巧機械手，其形態與功能皆貼近人手，方便操作那些原本就為人類設計的工具與物件。

這樣的外形是刻意為之。Genesis AI 共同創辦人暨執行長 Zhou Xian 表示，公司有一套名為「平靜智慧（calm intelligence）」的設計哲學：機器人把事情做完，然後就消失。《Reuters》引述其商務與策略副總裁 Vivian Sun 的說法指出，採用輪式底座，是因為多數工業客戶都在平坦地面上作業，雙腿只有在爬樓梯這類情境才有意義：「我們是在能力上模仿人類，而不是在形態上。」

為了建立信任，Genesis AI 也提供一個在軀幹加上螢幕的版本，能即時顯示機器人正在「想什麼、做什麼」，Zhou Xian 比喻：「當你跟 Claude Code 對話時，它會一步步告訴你它在想什麼，機器人也該如此。」

Genesis AI 的選擇，是對業界主流假設的正面挑戰。《Business Insider》描述，在公司位於舊金山灣區的研發場所中，Zhou Xian 指著牆上一張投影片，上頭是 Agility 的 Digit、Figure 的人形機器人、1X 的 Neo 等現有通用機器人。「當我看著這些，我感到不安，」他說，「五年後，如果我們周圍部署了數百萬台這樣的機器人，我不認為人類會喜歡那個版本的未來。」

Genesis AI 想打造的，是一台能融入資料中心到居家廚房等不同場景的機器人。報導指出，它刻意拿掉雙腿，是因為輪子更節能、更穩定也更安全；省略頭部，則是為了避免做出「反烏托邦外觀的機器人」，或賦予它會誘導人們把它當成「人」來對待的特徵。「我們不希望它太可愛，」Zhou Xian 說。Eno 是英文「one」反過來拼，據《Business Insider》報導，它只是 Genesis AI 計畫打造的多款機器人中的第一台。

真正的難題不是移動，而是操作

支撐這套設計的，是 Genesis AI 對機器人核心難題的判斷。《TNW》引述 Zhou Xian 的話指出：「機器人最難的問題不是移動（locomotion），而是操作（manipulation）」，也就是用接近人手的靈巧度與適應力來處理物件的能力。

Eno 由 Genesis AI 的機器人基礎模型 GENE 驅動，扮演機器人「大腦」的角色。《The Robot Report》說明，GENE 賦予 Eno 達到人類水準的靈巧操作能力，使其能以毫米級精度完成複雜、長時程的任務；不同於只能執行單一指令的傳統機器人，它能在收到一個高階目標後理解情境、保留記憶、隨條件變化推理，並動態規劃與完成多步驟任務。《TNW》補充，Genesis AI 在 5 月展示的 GENE-26.5 模型，曾以同一套模型在相同硬體上完成烹飪、解魔術方塊、彈鋼琴與組裝線束等任務。

不過，從工業場景走向居家應用，取決於機器人領域最大的挑戰之一：資料。《Business Insider》點出問題核心：聊天機器人是靠網路上海量的文字與影像訓練出來的，但機器人並不存在一個可與之比擬的資料庫。而這也讓資料蒐集方式成為 Genesis AI 與其他機器人公司的重要差異。

放棄遠端遙控，改用 300 美元的感測手套

業界普遍的做法是「遠端遙控」：由人類操作員遠端控制機器人，同時讓感測器記錄每一個動作。但 Genesis AI 認為這無法為通用機器人產生足夠的資料。根據《TNW》，Genesis AI 指出遠端遙控的成本每小時最高達 6,000 美元，而 Genesis AI 開發的感測手套一副約 300 美元，且每次蒐集到的可用訓練資料多達五倍。

這副手套能追蹤每根手指、透過手掌感測觸覺，並以一具小型相機記錄工作者的手部動作。《Business Insider》報導，熟練工人會在實際工作時戴上手套，為 Genesis AI 提供專家如何完成困難實體任務的高品質資料。

該公司計畫今年稍晚與工業夥伴一同製造並部署數千副手套。共同領投種子輪的 Eclipse 合夥人 Charly Mwangi 對《Business Insider》表示：「當你比較一個在遠端遙控上花 6,000 美元的人，和一個花 300 美元（買手套）的人，Genesis AI 的做法在可擴展性上要高出好幾個數量級。」

自己做模型、模擬器、資料與本體

Genesis AI 的另一個差異，是不只做模型。《Business Insider》指出，相較於 Physical Intelligence、Skild 等專注模型的公司，Genesis AI 同時開發整套系統：AI 模型、訓練手套、模擬器，以及機器人本體。Zhou Xian 告訴《The Robot Report》，從第一天起，公司就以「量產思維」把硬體、軟體與智慧當成一個整體來設計：「唯一能打造出真正為社會帶來價值、並在真實世界中勝出的機器人的途徑，就是透過刻意的設計與單一、完整的系統。」

《Bloomberg》補充，Schmidt 在受訪時點出 Genesis 的技術突破在於速度：「當我看機器人時，有一個稱為 VLA（視覺、語言、行動）的迴圈，Genesis 的突破在於他們的演算法現在跑得快多了。」

Genesis AI 計劃在 2026 年底前開始量產與針對性的客戶部署，先從製造、物流與實驗室等工業客戶切入，再擴及飯店、醫院等服務業，最後才是消費者居家與戶外應用。Zhou Xian 對《Business Insider》坦言，要進入家庭還需三到五年：「技術還沒到能處理所有極端情況、以及與孩童互動的程度，這裡有很多安全顧慮，也還沒有嚴謹的產業標準。」

整體而言，當人形機器人吸走大量資金與目光，Genesis AI 押注的，則是一台有輪子、沒有頭和腿的機器人。《TNW》指出，輪式或人形孰是孰非，最終取決於一個市場尚未回答的問題：一台真正有用的機器人，究竟需要長成什麼形狀？而在這個形狀之爭的底層，Genesis AI 想解開的，仍是那道決定通用機器人能走多遠的難題：資料，到底從哪裡來。

【推薦閱讀】

◆ 四隻手、沒有腿，Helios 四臂機器人如何做到為太空站而生？

◆ 展示容易部署難，人形機器人距離真正的工業化還有多遠？

◆ 複製大疆、比亞迪崛起路徑，Semianalysis：宇樹科技將主導人形機器人產業

＊本文開放合作夥伴轉載，資料來源：《Business Insider》、《Reuters》、《Bloomberg》、《TNW》、《The Robot Report》，首圖來源：Genesis AI

阿里巴巴推出首套機器人 AI 模型「通義機器人套件」（Qwen Robot Suite），正式進軍實體 AI 市場。《南華早報》報導，隨著全球科技業積極推動 AI 從虛擬對話走向實體應用，阿里巴巴也希望透過新技術提升機器人的環境感知、推理決策與實際操作能力，搶占下一波人工智慧發展商機。

阿里巴巴推出通義機器人 AI 套件，瞄準實體 AI 新戰場

阿里巴巴表示，這套系統由旗下 AI 研發團隊通義實驗室（Tongyi Lab）打造，目前已在部分阿里雲企業客戶中展開測試驗證。通義機器人套件採用三層式架構設計。首先是負責導航與環境理解的 Qwen-RobotNav，透過視覺與語言模型協助機器人辨識周遭環境並規劃移動路徑；其次是 Qwen-RobotWorld，這套模型可根據影像資訊模擬環境變化，讓機器人在執行任務前先預測可能發生的情況，提高決策能力。

在實際操作層面，則由 Qwen-RobotManip 負責執行任務。這款基於 Qwen3.5-4B 架構打造的視覺、語言、動作（VLA）模型，經過 3.8 萬小時以上時間的開源資料訓練，可執行抓取、搬運等物體操作任務。阿里巴巴指出，該模型近期在 RoboChallenge 真實機器人評測中表現亮眼，在通用組別拿下 59.83 分的流程評分，任務成功率達 45%。

《南華早報》提及，此次推出機器人 AI 套件，也顯示阿里巴巴正進一步拓展 Qwen 模型的應用版圖。過去 Qwen 主要聚焦大型語言模型與多模態 AI 發展，與 OpenAI、Google，以及中國的 DeepSeek、字節跳動等業者競爭；如今則進一步將 AI 技術延伸至機器人領域，搶攻被視為下一波人工智慧發展重點的實體 AI 市場。

從硬體優勢到 AI 大腦布局，中國發展人形機器人生態系

隨著實體 AI 成為全球科技產業的新戰場，美國科技巨頭也持續加大投資力道。Google DeepMind 正推動 Gemini Robotics 計畫，NVIDIA 則以 Cosmos、Isaac 與 GR00T 等平台打造機器人與實體 AI 生態系。此外，Physical Intelligence、Skild AI 和 Figure AI 等獲得大量資金挹注的新創公司，也積極投入通用型機器人系統的研發。

《南華早報》指出，中國雖然在人形機器人硬體領域占有優勢，但競爭焦點正逐漸延伸至軟體能力。 當地科技企業近年積極發展機器人 AI 模型，希望提升機器人的感知、推理與自主決策能力，補足「大腦」技術布局。

目前參與相關競爭的業者橫跨多個領域，包括阿里巴巴 Qwen、騰訊 HY-Embodied 等大型模型團隊，以及宇樹科技、優必選、AgiBot、Galbot、Spirit AI、GigaAI 等機器人公司。此外，小鵬汽車與小米等車廠也正將自動駕駛與智慧製造技術延伸至實體 AI 應用，希望在新興市場中搶占先機。

人形機器人產業也逐漸受到資本市場關注。Morgan Stanley 分析師 Zhong Sheng 預期，未來相關企業的研發資源將持續集中於機器人模型等核心技術。隨著阿里巴巴、騰訊等科技公司加入競爭，中國能否在「機器人大腦」領域複製其硬體製造優勢，將成為觀察全球實體 AI 發展的重要指標。

＊本文開放合作夥伴轉載，資料來源：《南華早報》、Qwen，圖片來源：Qwen。

法國國內情報機構 DGSI（法國國內安全總局）將逐步汰換美國數據分析公司 Palantir Technologies 的資料分析系統，改採法國本土科技公司 ChapsVision 所開發的解決方案。根據《Reuters》報導，由於涉及龐大的系統移轉與技術整合作業，整體替換計畫預計需耗時數年才能完成。

降低對 Palantir 依賴，法國企業 ChapsVision 接手資料分析系統

Palantir 強調，與 DGSI 的合約目前仍持續有效。接手的法國業者 ChapsVision 公司開發資料整合平台，能將來自不同系統與來源的數據進行整合分析，協助政府與企業提升決策效率。 Palantir 自 2015 年起便為 DGSI 提供資料分析平台，去年 12 月才宣布與法國政府續簽三年合約。

然而，隨著歐洲對數位主權及資料安全議題日益重視，部分政府與企業開始重新檢視對美國科技公司的依賴程度。尤其是由矽谷投資人 Peter Thiel 創立的 Palantir，長期承接美國國防、情報與政府相關業務，其在敏感資料處理上的角色也引發外界關注。英國國會本月也有委員會建議重新評估與 Palantir 的合作案。

美國日前限制 Anthropic 先進 AI 模型對部分外國用戶的存取權限，引發盟友擔憂關鍵 AI 技術過度集中於少數美國企業手中。此一事件也進一步促使歐洲各國加快發展本土 AI 技術與數位基礎建設，降低對外部供應商的依賴。

投入 6.55 億歐元強化 AI 基礎建設，法國力拚歐洲 AI 領導地位

《Reuters》指出，在川普政府對外政策充滿不確定性的情況下，歐洲各國近年來愈發重視科技與安全領域的自主性。這股趨勢也反映在各國政府的數位政策上。法國總理 Sébastien Lecornu 表示，法國必須掌握自己的數位工具與 AI 技術，避免關鍵系統過度仰賴外國供應商。他認為，近期國際情勢已顯示，當核心技術掌握在他國企業手中時，服務存取與技術使用都可能受到外部因素影響，因此法國有必要加速發展自主技術能力。

負責接手 DGSI 系統的 ChapsVision 近年積極布局資料分析市場，希望與 Palantir 等國際業者競爭。其平台可整合來自不同來源的資料，協助政府與企業進行分析與決策。Sébastien Lecornu 表示，除了強化政府系統採用本土技術外，法國也將為全體公務員導入由本土 AI 新創公司 Mistral AI 開發的 AI 助理，藉此提升行政效率，並加速 AI 技術在公共部門的應用。

為進一步推動 AI 發展，法國政府宣布將在 2030 年前加碼投入 6.55 億歐元，擴充運算資源、強化基礎建設、支持學術研究及企業創新，並加速 AI 技術落地應用。Sébastien Lecornu 表示，未來各部會都必須提出具體的 AI 應用成果，說明如何透過科技提升行政效率與優化公共服務。 《Reuters》補充，法國政府規劃為國營健康保險機構 Ameli 開發專屬 AI 聊天機器人，並建置新的數位平台，讓民眾更方便取得政府公開資訊。

法國總統 Emmanuel Macron 也持續推動法國成為歐洲 AI 發展中心。本週 G7 峰會期間，他在法國東部城市埃維昂邀請多位 AI 產業領袖參與交流，包括 OpenAI 執行長 Sam Altman、Anthropic 執行長 Dario Amodei，以及 Google DeepMind 執行長 Demis Hassabis。分析人士指出，法國希望藉此鞏固其在歐洲 AI 產業中的領導地位。

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

SpaceX 才剛完成史上最大規模的 IPO，就宣布以價值 600 億美元的 A 類普通股收購 AI 程式開發工具 Cursor 的母公司 Anysphere，創下 AI Coding 領域最大交易之一。表面上，這是其執行長馬斯克替旗下 Grok 補足企業級開發工具與開發者生態系；但進一步來看，這筆交易反映出 AI 產業的競爭焦點正在轉移：當模型能力逐漸趨同，開發者入口、工作流程與使用場景，正成為新的戰略資產。

Cursor 為何值 600 億美元？

Cursor 由四名 MIT 畢業生於 2022 年創立，最初是一款加密通訊工具，後來轉型為 AI 程式開發平台，讓開發者能夠在同一介面中切換 OpenAI、Anthropic、xAI、Google 等不同 AI 模型。它不只是一個程式碼補全工具，而是涵蓋程式碼生成、除錯、大型程式庫理解與任務自動化的完整開發工作流程。

Cursor 的成長速度在矽谷屬於異數，其估值在 2025 年間從 25 億美元飆升至近 300 億美元。根據《Bloomberg》引述的內部數據，其年化營收在 2026 年 4 月突破 30 億美元。《Reuters》則報導，Cursor 企業客戶中有逾 3,000 家每年支付超過 10 萬美元的授權費，服務的企業涵蓋財富 500 強中約六成的公司。

對 SpaceX 而言，Grok 雖然是它的 AI 品牌，但始終難以打入企業市場。《The Wall Street Journal》指出，大型企業客戶普遍對 Grok 保持距離，部分原因在於馬斯克將 Grok 定位為「反政治正確、追求真相」的聊天機器人，使其在企業採購決策中處於劣勢。而 Cursor 作為一個開發者已建立使用習慣、企業端 AI 支出已經在流動的軟體入口，恰好補足了 SpaceX 缺乏的那一塊。

《Reuters》也提到，SpaceX 在 IPO 文件中指出，Cursor 所累積的開發者資料，包括程式請求與設計決策，可能有助於改善 Grok 等 AI 模型。《INDmoney》分析，SpaceX 已經透過 Colossus 擁有運算基礎設施，Cursor 則能帶給 SpaceX 三件事：產品分發、程式碼資料，以及可變現的企業工作流程。

這項收購正是當前 AI 競爭轉向的縮影。當底層模型能力逐漸趨同，真正稀缺的，是開發者願意每天打開、信任並嵌入日常工作的那一層產品入口。《implicator.ai》形容，這筆交易會把 Cursor 從一個獨立的 AI 寫程式工具，變成 SpaceX 企業 AI 計畫的「應用層」。

這筆交易也有助 SpaceX 在激烈的 AI 人才戰中競爭，《Bloomberg》則透露，SpaceX AI 部門在工程與資料訓練端流失了數十名人員、招募頂尖人才也屢屢受挫，而 Cursor 旗下擁有一家曾協助 OpenAI 等領先 AI 公司招募的公司。SpaceX 總裁暨營運長 Gwynne Shotwell 對《CNBC》表示，這項合作「極為合理」。

AI Coding 成為 Agent 最先成熟的商業模式

如果把這筆交易放進更大的產業脈絡來看，時機點並非偶然。《Financial Times》指出，軟體工程是生成式 AI 迄今商業化最成功的應用領域，也是各大 AI 實驗室爭奪企業預算的主戰場。Anthropic 的 Claude Code 已被整合進 Team 與 Enterprise 方案，成為企業級工作流程的標配；OpenAI 的 Codex 同樣在快速演進。

《CNBC》引述支出追蹤平台 Ramp 數據指出，Cursor 在 AI Coding 工具市場的市占率已從 2025 年 6 月的 41% 降至 2026 年 5 月的約 26%，Anthropic 現在則掌握約一半的市場份額。但是 Hargreaves Lansdown 資深股票分析師 Matt Britzman 向《Reuters》表示，Cursor 雖然規模不及 OpenAI 或 Anthropic，但以成本比例來看建立了令人印象深刻的寫程式模型，「這對 SpaceX 而言是正面的行動」。

收購後最大的風險：模型中立性一旦瓦解，開發者就會離開

不過，值得留意的是，Cursor 過去能夠成為開發者首選，很大程度源於它的模型中立性，也就是讓使用者可以在同一介面自由切換不同 AI 模型。但收購完成後，這個特性是否會被改變，是目前最值得關注的不確定因素。

《implicator.ai》分析指出，現行的合併協議並未明確規定 Cursor 在交割後必須繼續支援哪些第三方模型。如果 SpaceX 將 Cursor 的模型路由逐漸導向 Grok，或在資料條款與定價上做出對企業用戶不利的調整，開發者有充分的理由轉向 Claude Code、OpenAI Codex 或 GitHub Copilot 等替代方案。《INDmoney》也點出這個矛盾：Cursor 的核心價值建立在模型中立的信任上，一旦 SpaceX 把它鎖進 Grok 專屬工作流程，這個信任就很難挽回。

此外，《Bloomberg》也提及，SpaceX 的 AI 部門在 2025 年已虧損逾 49 億美元，資本支出幾乎翻倍至 207 億美元，其中最大的單項支出即為 AI 投資。Cursor 的年化營收雖然可觀，但要在 600 億美元的收購價格下創造合理回報，需要持續的企業端成長與產品力提升，而非單純把 Cursor 變成 Grok 的前端介面。

SpaceX 預計在 2026 年第三季完成這筆交易，屆時 Cursor 將以全資子公司形式存續。從馬斯克過去整合 X、Tesla 與 xAI 資產的模式來看，這套垂直整合邏輯並不陌生，但能否在不破壞 Cursor 既有開發者信任的前提下完成整合，將是這筆 600 億美元交易最終是否值得的關鍵判準。

【推薦閱讀】

◆ 史上最大 IPO 背後：SpaceX 如何把太空定調成 AI 時代的新基礎設施？

◆ Loop Engineering 崛起：當 AI Agent 能自己工作，Google 工程師點人類三大職責

◆ 比 NVIDIA 系統快 4 倍、功耗只有五分之一：Tensordyne 用一個數學技巧重新設計 AI 推理晶片

＊本文開放合作夥伴轉載，資料來源：《The Wall Street Journal》、《Reuters》、《INDmoney》、《Financial Times》、《BBC》、《CNBC》、《Bloomberg》、《implicator.ai》，首圖來源： Unsplash

當多數機器人吸塵器廠商在比拚誰能爬樓梯、誰有機械臂能撿東西時，Dyson 最新推出的 Spot+Scrub Ai 選擇了一個切入點：辨識並清除地板上的頑固污漬，這選擇和 Dyson 首席工程師 Jake Dyson 想闡述的產品哲學相關。

先找到真實問題，再驗證解法是否真的有效

Jake Dyson 是創辦人 James Dyson 的兒子，22 歲時曾短暫在 Dyson 工作，隨後離開，獨立發展工業設計事業，專精照明領域，多年後才帶著這段經驗回到公司，成為首席工程師。

他描述自己的方法論時，用了一個 LED 散熱的例子：LED 剛進入市場時，多數人沒有把它們冷卻好，導致原本該用一輩子的產品被當成一次性燈泡使用。他造訪了亞洲的 Osram，了解到把二極體溫度維持在攝氏 50 度以下，就能保住亮度、色彩品質與使用壽命，並借用衛星的被動散熱原理，設計出讓熱量自然從晶片擴散的系統，「找到問題、解決問題，這個過程驅動著一切，」他也將這套方法論延伸到 Spot+Scrub Ai 上。

Dyson 在 2025 年推出這款濕拖兼乾吸機器人，配備綠光照明系統與 HD 攝影機，搭配一套涵蓋 190 多種不同家居物品和污漬的智慧雷射識別系統，辨識需要額外清潔的污漬，多次來回清潔，並在移動前確認污漬已完全清除。

謹慎的說法，與實測結果有些落差

當被問到為什麼不像其他公司一樣推出能爬樓梯、用機械臂搬東西的機器人時，Jake Dyson 表示 Dyson 已經研究這類問題大約十年，但解決方案還沒有達到可靠實用的水準。這個說法有時間佐證，早在 2022 年，Dyson 就公開宣布要在 2030 年前大力發展家用機器人，當時稱其為一場「大賭注」，這項技術將影響機械工程、視覺系統、機器學習和儲能等領域的研究。

他口中「還不夠可靠」的問題，目前在市面上其他產品身上也能看到。Roborock Saros Z70 的機械臂在實測中無法自主辨識並移動物體，仍需遠端操控，在地毯上的成功率也因「硬體限制」較低；爬樓梯機器人則因每座樓梯的高度、間距、材質各異，加上寵物與孩童的動態干擾，要做到安全可靠仍有相當難度。

Jake Dyson 認為這類問題比自動駕駛更複雜，這也是 Dyson 選擇先專注於今天就能在真實家庭中可靠運作的產品的原因。

機器人與傳統工具，短期內將持續共存

被問到機器人是否終將取代手持吸塵器時，Jake Dyson 給出否定答案，他認為機器人吸塵器擅長日常維護，但深度清潔與非地板表面，人們仍會用無線吸塵器處理。

這個說法與 Dyson 近期的產品佈局一致，公司剛推出超輕巧的 Pencilvac Fluffycones，也發表了首款自動集塵的無線吸塵器。

AI 推理能力，是下一波突破的關鍵

Jake Dyson 對機器人技術整體的進展速度仍相當樂觀。他認為過去機器人遇到不熟悉情況時會卡住，現在透過推理能力，能做出更安全、更明智的決策。

他也觀察到全球發展的分工態勢，美國在 AI 與「大腦」層面領先，中國則以更大規模、更實惠的成本生產機器人硬體。

展望未來，他認為機器人將透過雲端彼此學習，一個機器人的經驗能立即提升其他機器人的能力，甚至一台機器人能修復另一台的故障，這將大幅加速整體發展速度。

不過，技術成熟與大規模普及之間，還有法規與安全這道關卡。Jake Dyson 認為這些技術可能很快就準備就緒，但實際廣泛進入家庭可能還需要約十年。

他同意 Elon Musk 提出的「人形機器人三年內將進入許多家庭」的預測，但同時指出人形機器人需要消耗大量能源維持雙足行走，相較之下，專用的機器人吸塵器在能源效率上遠遠勝出：「所以，沒錯，機器人會變得更有能力，但我認為傳統工具仍會與它們並存。」

雖然把所有家務都交給機器人聽起來很吸引人，但無線與手持吸塵器看起來還會繼續存在一段時間，而爬樓梯與整理散落物品，現階段仍得靠自己動手。

【推薦閱讀】

◆ 四隻手、沒有腿，Helios 四臂機器人如何做到為太空站而生？
◆ 展示容易部署難，人形機器人距離真正的工業化還有多遠？
◆ 複製大疆、比亞迪崛起路徑，Semianalysis：宇樹科技將主導人形機器人產業

＊本文開放合作夥伴轉載，參考資料：Tech Radar、Web Pro News，首圖來源：Dyson

（責任編輯：鄒家彥）

文 / Google Cloud 台灣技術總經理 林書平

當我們談論 AI 如何解放企業生產力時，也看見另一個不容忽視的現實：駭客也正積極將 AI「武器化」。駭客現在能利用 AI 自動生成幾可亂真的多國語言釣魚誘餌，極速探測系統漏洞。這不僅大幅降低了攻擊門檻，更讓威脅擴散的速度遠超以往。在這場技術軍備競賽中，AI 顯然已成為一把雙面刃。

面對 AI 驅動的極速擴張威脅，傳統高度仰賴人員介入的被動防禦早已失效。這是一個決定性的轉捩點：企業必須依靠「代理式 AI（Agentic AI）」來實現「更聰明且更有效的防禦」，將過去零碎的資安工具，全面升級為端到端的主動式安全網並進行資安聯防。面對這場沒有硝煙的戰爭，企業領導者必須重新思考我們的資安戰略。

戰略一：應對「奈秒級」機器速度網攻，全面轉向「免疫系統」思維

我們觀察到，駭客正利用 AI 從根本上改變攻擊的速度與規模。當前的網路攻擊已不再受限於人類的節奏，而是以「機器速度」（Machine speed）發動。駭客組織之間的攻擊協作與交接時間，已從過去的 8 小時驟減至驚人的 22 秒，未來更將無可避免地逼近「奈秒級」（nanosecond）。

面對這種閃電戰，企業必須全面轉向「免疫系統」的防禦思維——如同人體免疫系統會自動偵測並消滅病毒，我們必須實踐「安全預設（Secure-by-default）」，在開發階段就將防護機制直接納入雲端架構、AI 模型與終端裝置，並從架構本身縮小攻擊面。

同時，防禦方不能只靠單一 AI 打天下，而應建構「多代理協作（Multi-agent）」架構。讓不同的 AI 代理各司其職，24 小時不間斷地進行全天候異常偵測，將防線推至駭客攻擊的最前線。

戰略二：從「找出個別漏洞」進化到「大規模自動化修補」

AI 在發掘未知漏洞上確實展現了驚人能力，但本質上並非全新的攻擊手法，而是將既有攻擊「規模性擴張」。這也導致當前資安團隊面對的防禦挑戰，已經不是如何「找出」漏洞，而是來不來得及修補大量的漏洞警報。

但好消息是，AI 作為防禦工具，也具備強大的反制優勢。藉由 AI 的賦能，防禦者得以利用 AI 分析程式碼並產生修補建議，同時進行全天候網路監控並即時標記異常；其大規模分析與自動化回應的能力，不僅能瞬間為數百萬用戶攔截威脅，更能協助資安團隊有效反制挾 AI 威勢而來的大量攻擊。

未來的安全營運，需要深度融合第一線威脅情報、情境風險優先排序、頂尖 AI 模型的強大推理與即時的程式碼修復能力。透過部署 AI 代理，系統能預測攻擊路徑，並在軟體開發生命週期（SDLC）的每一道防線即時介入。唯有將過去耗時數週的修補流程縮短至幾分鐘內完成，我們才能真正運用自動化、規模化的優勢反制，做到「以 AI 對抗 AI」，趕上甚至超越攻擊者的步伐。

戰略三：建構資安治理架構，落實最小權限原則

隨著企業將 AI 推向規模化營運，我們也看見信心落差正在蔓延。有高達 72% 的組織坦言，對於能否執行「安全的 AI 策略」缺乏把握。這種焦慮其來有自，因為除了外部攻擊，內部邊界的模糊正帶來更棘手的隱憂。攻擊者已開始將企業日常使用的第三方 SaaS 工具，作為竊取與轉移數據的管道；另一方面，員工若私自使用未經企業 IT 或資安團隊授權的 AI 工具處理工作任務，這種「影子 AI」（Shadow AI）情形，更極易引發機密外洩的災難。

要解決這個痛點，企業不能因噎廢食，而是必須建構嚴謹的資安治理架構。透過強化日誌記錄與異常行為偵測，並將資安事件監控與應變平台（SecOps）深度嵌入日常營運流程，才能打造主動防禦的基石。

此外，企業亦需要落實「最小權限」原則，嚴謹評估員工與 AI 代理在執行任務時所需的權限，並在任務完成的瞬間立即收回存取權。透過這種滴水不漏的動態管控，能確保企業在驅動 AI 創新與嚴守資安底線之間，取得完美的平衡。

決勝的頂層思維

在這場賽局中，工具的升級固然重要，但「人」的思維依然是決定成敗的關鍵。

首先是普及資安意識。面對 AI 時代幾可亂真的攻擊手法，資安不再只是深鎖在機房裡、極度複雜的 IT 議題。它應該像新進員工培訓一樣，成為全體員工都具備的基礎意識。唯有強化組織整體的防禦體質，才是防禦攻擊的基礎且根本之道。

最後，我想強調的是高階主管的使命。企業要成功導入 AI 資安防禦，CEO、CTO 等高階主管必須親自將其視為「自己的專案」，由上而下貫徹推動。只有全心擁抱「大膽創新，負責任應用」的 AI-First 理念，企業才能在這場瞬息萬變的攻防戰中立於不敗之地，並將資訊安全地轉化為推動業務成長、維繫客戶信任的真實投資回報。

【推薦閱讀】

◆ 【Google Cloud 林書平專欄】從追求效率轉向衡量自主性：生成式 AI 顛覆營運邏輯的 3 大底層轉變

◆ 電子郵件是駭客入侵的核心破口，改變五個習慣讓你的網路帳號更安全

◆ 不用駭進軍方系統也能追蹤美軍行動，手機裡的「廣告數據」如何成為國安破口？

＊本文由作者授權刊登，並同意 TechOrange 編寫導讀與修訂標題。首圖來源：由 Gemini 生成。

（責任編輯：廖紹伶）

【科技早餐】今天精選 8 則國內外重要科技新聞。

＊美商會點名 AI 用電是國安題，台美合作延伸到無人機供應鏈

台灣美國商會發布 2026 台灣白皮書，將能源與基礎建設韌性列為優先議題，並主張應把能源供應充足與電網韌性視為國安議題。白皮書指出，企業長期關注台灣電力供應可靠性，近期 AI 需求快速增加，也讓能源政策的穩定性與可預測性更加重要。

除了 AI 用電，科技領域策略合作也被列為重點。台灣美國商會執行長魏凱（Carl Wegner）表示，無人機是台美新的合作機會，美國具備設計優勢，台灣則懂得規模化生產，雙方有合作空間。在 AI 政策方面，台灣美國商會理事長陳幼臻表示，台灣已通過人工智慧基本法，採取原則管理與風險管理框架。下一步如果政府為不同產業訂出 AI 使用指引，企業導入 AI 時，也會更需要留意各自產業的合規要求。

＊NVIDIA 發債 250 億美元，AI 資本戰燒進債券市場

NVIDIA 宣布在美國發行公司債，籌資 250 億美元，強化財務彈性。這是 NVIDIA 自 2021 年以來，再度進入投資級債券市場。《路透》報導，NVIDIA 這次發債規模高於原先計畫，投資人認購需求達到 850 億美元，遠高於最初預計募資的 200 億美元。

根據條款文件，NVIDIA 計畫發行 7 種不同期限債券，最長將於 2056 年到期。公司表示，資金將用於一般企業用途，包括償還與再融資既有債務。不過消息人士指出，這次發債主要目的不是為了大規模資本支出，而是建立更具流動性的信用成本基準。隨著科技巨頭持續擴大 AI 支出，AI 基建戰不只考驗晶片與電力，也開始考驗企業的融資能力與資本成本。

＊Google 揭中國駭客入侵美加研究機構，AI、無人機與醫療資料成目標

Google 威脅情報團隊發布報告指出，一個與中國有關的駭客組織，曾在未被察覺的情況下，入侵美國與加拿大學術、醫療和軍事研究機構。Google 指出，這個駭客組織相關活動最早可追溯至 2023 年 9 月，目標資訊包含國防情報、印太地區軍事戰略、人工智慧、無人機、網路戰計畫與醫療研究。

研究人員表示，駭客利用 REDCap 伺服器漏洞發動攻擊，取得合法登入憑證後進入目標網路，並設定系統，把含有特定關鍵字的電子郵件，自動轉寄到駭客控制的 Gmail 帳號。這些關鍵字涵蓋地緣政治、先進科技、軍事戰略與醫學研究等領域。Google 表示，已通知遭入侵的相關機構。這起事件顯示，AI、無人機與醫療研究不只涉及產業競爭，也已經成為網路間諜活動鎖定的高價值目標。

＊阿里巴巴推機器人 AI 模型，AI 代理從聊天走向實體任務

阿里巴巴發表首款支援機器人應用的 AI 模型，顯示中國科技公司正把 AI 競爭從聊天機器人，推向能執行複雜任務的 AI 代理。《路透》報導，這次推出的模型，是阿里巴巴第一套可用於機器人的 AI 模型，也反映中國科技業正從聊天機器人，轉向更具商業價值的代理式 AI。

相較於過去主要強調文字對話、搜尋與內容生成，新的模型方向更接近讓 AI 理解任務，並協助機器執行更複雜的動作。這也反映 AI 產業的競爭正在改變。科技公司不再只競爭誰的聊天機器人回答得更好，而是開始把 AI 模型接到工具、流程與機器系統，讓 AI 應用從螢幕內的對話，往實體任務延伸。

＊社群影音首度超越電視，AI 聊天機器人也進入新聞入口

英國牛津大學路透新聞學研究所發布年度報告指出，社群媒體和影音平台已首度超越電視，成為全球受訪者最常使用的新聞來源。報告以全球 48 個國家、近 10 萬人的線上調查為基礎。研究發現，有 54% 受訪者在受訪前一週，曾透過社群媒體或影音平台取得新聞；若把 ChatGPT 等 AI 聊天機器人納入，比例進一步上升到 56%。

相比之下，電視新聞占 52%，新聞網站或應用程式占 51%，廣播則為 21%。報告也指出，在 18 到 24 歲族群中，有一半受訪者把社群媒體或影音平台視為主要新聞來源。不同平台的使用方式也不同，部分用戶會主動到 X 或 YouTube 找新聞，但在 Facebook、Instagram 和 TikTok 上，更多人是在瀏覽其他內容時偶然滑到新聞。同時，約 10% 受訪者每週會使用 AI 聊天機器人取得新聞，高於去年的 7%。

＊英國擬全球首封未成年直播，社群監管從平台禁令走向功能封鎖

英國政府宣布，將參考澳洲作法，禁止未滿 16 歲者使用主要社群平台，適用範圍包含 TikTok、YouTube、Instagram、Facebook、X 和 Snapchat 等；WhatsApp、Signal 等以通訊功能為主的服務，則不在這次社群禁令範圍內。

更受關注的是，英國也計畫率全球之先，在網路和遊戲平台上，針對未滿 16 歲者封鎖直播、陌生人互動等被認定為有害的功能。這代表即使部分平台本身不被列為高風險，也不得向未成年人開放特定功能。政府也將研議對未滿 18 歲者導入網路使用宵禁、中斷無限自動載入等限制，並要求「浪漫伴侶」聊天機器人設定 18 歲以上使用門檻。

＊Google DeepMind 發表 AGI 到 ASI 報告，四條路徑描繪超級智慧發展

Google DeepMind 近日發布研究報告《From AGI to ASI》，討論人工通用智慧走向人工超級智慧的可能路徑。這份報告由 Shane Legg、Marcus Hutter 等 DeepMind 研究人員共同撰寫，將 ASI 描述為認知能力超越大型人類組織的系統，並把焦點放在 AGI 之後，AI 能力如何繼續演進。

報告提出四條可能路徑，包括擴大 AGI 規模、演算法轉變、遞迴式自我改進，以及由大規模多智慧體集體形成 ASI。報告也指出，這些路徑仍面臨摩擦與瓶頸，包含技術、治理、安全與跨領域研究等問題。由於 ASI 進展仍高度不確定，報告認為，未來 AI 帶來的變化不一定是單一時間點的劇烈轉折，也可能是一連串由 AI 推動的科學與技術突破。

＊Meta 技術長承認 AI 重組失準，Applied AI 團隊士氣壓力浮上檯面

《Wired》取得 Meta 技術長安德魯・博斯沃思（Andrew Bosworth）的內部備忘錄，內容顯示他承認公司在推動 Applied AI 部門整併時處理不佳，削弱員工對專業價值、職涯發展與影響力的信任。Applied AI 團隊今年 3 月成立，規模約 6,500 人，目標是推動生成式 AI 專案，但部分員工對工作內容、管理溝通與重組方式表達不滿。

博斯沃思在備忘錄中表示，公司將透過更清楚的策略說明、較穩定的管理架構，以及更多個人化關注修補信任。他也提到，管理者直屬部屬人數將控制在約 20 人，並盡量減少重組造成的主管更換。Meta 也計畫改善辦公室互動、增加差旅與社交活動預算。這起事件顯示，大型科技公司在加速 AI 轉型時，除了模型與產品競爭，也必須處理組織調整、人才留任與員工信任問題。

＊本文開放合作夥伴轉載，資料來源：《Reuters》、《Reuters》、《Reuters》、《Reuters》、《Straits Times》、UK Government、Google DeepMind、《Wired》，首圖來源：Unsplash。

金融業對 AI 的想像，正在經歷一場典範轉移：從單純回答問題的 AI 助理，正式轉向能替使用者完成付款、交易、客服與銀行流程的自主系統。

在近期於阿姆斯特丹舉辦的 Money 20/20 Europe 會場上，具備自主執行能力的 Agentic AI（代理型 AI）成為金融科技產業最熱議的主題，也反映出銀行、支付公司與金融科技（fintech）新創正從過去的競爭關係，走向共同導入新技術的合作模式。

劍橋大學（University of Cambridge）在 2026 年發布的一份報告指出，在調查全球 600 多家公司與監管機構後，預計金融業部署 AI Agent 的比例將從目前的 24%，在 2030 年大幅躍升至 81%。這項數據清楚點明，AI Agent 正快速且全面地進入金融服務業的主流市場。

從代客付款開始，AI 實質介入金融交易流程

這股趨勢並非紙上談兵，而是已經實際發生在交易的最前線。在 Money 20/20 Europe 會議上，Mastercard、荷蘭銀行 ING 與支付服務公司 Worldline 共同宣布，完成了「歐洲首個即時端到端代理支付」。

在這項實際案例中，使用者只需告訴 AI 助理想在特定地點、日期與預算內尋找演唱會門票，AI 便能自動為使用者找出各種選項，在使用者選擇並批准後，AI 便會在使用者批准後完成付款。這項里程碑也代表 AI 在金融業的角色，已超越查詢資訊或生成建議，並開始實質介入「支付」這類最核心的交易流程。

Money 20/20 Europe 的首席策略長 Scarlett Sieber 受訪時直言，AI 在金融業過去常被視為流行語，但如今 AI 已經在整個產業中被實際採用。

從投資交易到客服，Fintech 將 AI Agent 推向高價值金融任務

除了支付領域，Fintech 公司更將 AI Agent 推進至對時效與資源要求極高的任務中。例如投資平台 eToro 已將其 AI 助理大幅升級，從過去單純提供投資組合建議，進化為能在使用者預設的限制條件下，直接代表使用者採取行動。其中，最引人注目的例子，是該平台上名為 POTU$ 的應用程式，它會持續掃描美國總統川普的社群貼文與相關新聞，一旦系統判斷其發言可能影響市場走勢，便能在短短幾秒鐘內替使用者的帳戶下單交易。

eToro 執行長 Yoni Assia 表示，公司內部的 AI 使用量在六個月內成長約十倍，目前高達 95% 的新程式碼皆由 AI 撰寫。然而，他也點出現階段的底線：「如果沒有人類引導，AI 就是毫無用處的。」

不只在交易場景，客戶服務也是 AI Agent 大展身手的舞台。瑞典先買後付（BNPL）巨頭 Klarna 積極將 AI 用於客服與購物搜尋，甚至曾宣稱其與 OpenAI 共同打造的 AI 客服助理，能完成等同於 700 名全職人類客服的工作量。Klarna 執行長 Sebastian Siemiatkowski 指出，AI 讓公司能「用更少資源做更多事」，該公司近年員工數已從 6,000 人大砍至不到 3,000 人，但每位員工帶來的營收反而提升

然而，自動化並非毫無陣痛。根據《Bloomberg》先前的報導，Sebastian Siemiatkowski 曾承認，成本削減導致服務品質下降，迫使 Klarna 重新雇用人工客服，這也再次呼應人類在金融服務中無可取代的價值。

傳統銀行加速導入，核心流程需堅守「人類監督」原則

面對新創的來勢洶洶，傳統金融機構也將 AI 的應用觸角深入更核心的內部流程。以荷蘭第三大銀行 ABN AMRO 為例，AI 就是其龐大數位轉型計畫的關鍵一環。ABN AMRO 的實體分行已從 2010 年的 500 家，大幅縮減至目前的 26 家。執行長 Marguerite Bérard 指出：「銀行裡有 85% 的同事在日常工作中使用 AI。」

ABN AMRO 除了有與客戶進行數百萬次對話的 AI 機器人「Ana」外，另一個 AI 機器人「Lenny」更開始負責簡化信用申請流程，顯示 AI 已正式跨足授信這一類高度依賴風險評估的核心環節。

儘管擁抱自動化，Marguerite Bérard 認為人類的監督始終是關鍵。他強調：「如果你把 AI 放在一個糟糕的流程上，你得到的依然會是一個糟糕的流程。」因此，Marguerite Bérard 主張金融機構的 AI 應用應採取「有護欄，但不綁手綁腳」的原則，並確保「始終有人類參與其中」。

監管機構敲響警鐘：越自主的系統，越需要嚴格控制

隨著 AI 從輔助工具躍升為自主決策的 Agent，全球監管機構也看到潛在的系統性危機。金融穩定委員會（FSB）近期警告，越來越具備規劃、推理與執行能力的 Agentic AI 若缺乏人類監督，可能會放大金融系統的風險，這包含潛在的未經授權或非法行為、資料外洩，以及對互連系統的連鎖破壞，且這些風險可能「以極快的速度發生」。

對此，FSB 呼籲金融業在加速採用 AI 時，必須建立更嚴格的控制措施。例如，在超過特定金額的高風險金融交易中，應強制要求人類介入批准，並建議企業調整人資與控制流程，以管理「虛擬員工」的思維來看待 AI Agent。

從 Mastercard、ING 與 Worldline 合作的端到端代理支付、eToro 根據市場訊號進行秒級交易，再到 Klarna 與 ABN AMRO 的流程自動化，AI Agent 正以前所未有的速度接管金融業的核心流程。但正如全球監管單位的警告所示：當 AI 從「回答問題」跨越到「執行金融任務」，金融業面臨的將是一個全新的治理考驗，未來的金融領導者必須釐清哪些決策可以交給 AI，而哪些環節必須堅守人類的判斷與批准，並在擁抱效率的同時，建立起不被輕易擊穿的安全防護網。

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

雖然對多數電動車主而言，在家充電是相當便利的日常，但手動插拔沉重的充電線，仍是一件生活中的麻煩事。為了解決這個日常痛點，中國科技巨頭小米近期發表一款專為家用車庫設計的「自動充電機械臂」，目標是完全免除手動充電的步驟，實現車主將車輛停妥後，即可轉身離開的無縫體驗。

這項產品推出後，立刻讓市場聯想到馬斯克（Elon Musk）在 2014 年的言論。當時馬斯克表示，特斯拉正在開發一款充電器，會「自動從牆壁伸出，像一條堅固的金屬蛇一樣連接」。儘管特斯拉在 2015 年確實展示過一款具備多節結構的金屬充電蛇原型，卻從未實際量產。如今，小米正準備把這個十年前的科幻概念化為現實。

停好車就自動插電，小米用 AI 視覺讓家用 EV 充電無感化

小米的充電機械臂能與車輛的自動停車功能協同運作。這套系統運用基於 AI 的視覺辨識技術，以小米聲稱的次毫米級超高精準度，自動尋找車輛的充電孔並將插頭精確插入。在自動化操作方面，該裝置具備「懶人充電」的功能，當車輛停妥後便會自動開始充電，當電池達到使用者設定的電量限制或完全充飽時，機械臂就會自動拔除充電線並妥善收納。

在硬體設計上，其機身寬度僅 152 毫米，使其能順利安裝在狹窄的住宅停車位中。此外，只要車輛停放於機械臂的運作範圍內，車主也能透過智慧型手機的應用程式遠端啟動充電，完全不需親手碰觸實體纜線。

小米如何避開 Tesla 充電蛇的落地難題？

過去，業界普遍推測這類充電蛇可能因為設計過於複雜、成本過高，或是概念太難以推向市場而告終。如今，特斯拉已經轉換技術方向，將重心轉往為未來的 Cybercab 自動駕駛計程車開發「無線充電」技術，甚至取消實體的充電孔設計，並為此在 2023 年收購了德國無線充電新創公司 Wiferion。

相較之下，小米採取更務實的策略，其機械臂相容於現有的實體插電標準，不需要對車輛硬體進行大幅度的重新設計，這是一種相對傳統卻更具有實際應用價值的解決方案。除此之外，小米在不到兩年的時間內已經交付超過 60 萬輛電動車，這賦予小米將此類創新配件推向大眾市場的規模優勢。

小米把充電臂融入智慧家庭生態系，EV 競爭從續航轉向無感體驗

這款自動充電機械臂不只是一個獨立的硬體配件，更是被刻意設計過的產品，以融入小米廣大的智慧家庭與自動停車生態系之中。小米所描繪的理想工作流程是讓車位基礎建設全面智慧化：車輛自動駛入車庫停妥後，接著由機械臂自動接手充電工作，車主只要轉身離開即可。

這種流暢體驗背後，依賴車輛對基礎設施的通訊協議，而小米能針對其 SU7 與 YU7 車系進行端對端的完全控制，這正是同時製造車輛與周邊配件所帶來的獨家優勢。這款只能與小米自家電動車完美搭配的充電臂，將能進一步強化消費者對於小米生態系的黏著度。同時，業界也越來越相信，充電的便利性是目前影響電動車普及的一大障礙，未來的充電體驗勢必要做到「隱形（Invisible）」的境界，讓車主完全無感。

在中國市場中，針對無感充電的軍備競賽已然展開，小米並非唯一投入的企業。華為在 2025 年 1 月便展示專為 Maextro S800 設計的全無人自動充電機械臂；比亞迪（BYD）甚至已經申請一項由 AI 驅動的充電機器人專利，讓該設備不僅能自動充電，還能同時幫輪胎打氣。

隨著技術發展，車輛現在不僅能自己駕駛、自己停車，甚至還能自己完成充電。儘管相關的軟硬體技術已經準備就緒，但這款產品最終能否從新奇的展示品，變成家家戶戶都願意購買的主流配件，主要還是取決於小米未來的定價策略。不過，可以預見的是，電動車的下一場競爭焦點，已經從單純的馬力數據與續航里程，轉向誰能讓車庫裡的工作變得最不費力的模式。

【推薦閱讀】

◆ 中國 EV 競爭門檻變了：比亞迪以自研 4nm 晶片與平價 LiDAR，掀起智慧駕駛低價化戰爭
◆ 小鵬喊今年 8 月超越 Tesla FSD：從 VLA 2.0 到自研 AI 晶片，中國 EV 技術戰升級
◆ 融資總額暴漲 262%、75% 資金流向單一巨頭：盤點 2026 自駕車新創最新賽局

＊本文開放合作夥伴轉載，參考資料：《The Next Web》、《TechRadar》、《Drive Tesla Canada》，首圖來源：小米

當消費者想買一雙跑鞋、一台咖啡機，或比較不同品牌耳機的時候，越來越多人會打開 ChatGPT、Gemini 等 AI 工具詢問建議，再點擊商品進一步了解。而最新數據顯示，這些由 AI 帶來的訪客，不只是流量來源之一，更可能是對零售商來說最有價值的一群顧客。

根據 Adobe Analytics 於今年 5 月發布的數據，來自大型語言模型（LLM）的零售流量，轉換率比非 AI 來源高出 54%，每次訪問創造的營收高出 53%，停留時間也多出 53%。這代表 AI 不再只是資訊搜尋工具，而正在成為消費決策的重要入口。

AI 導流不只增加流量，還帶來更高價值客戶

《Reuters》報導，Adobe 分析發現，今年 5 月美國零售網站來自 AI 工具的流量較去年同期成長 138%，創下 Adobe 自 2024 年 10 月開始追蹤以來的新高。

如同前述，這些流量不僅快速增加，品質也明顯優於傳統來源。Adobe Digital Insights 總監 Vivek Pandya 解釋，當產品能出現在 AI 推薦結果中，品牌有機會接觸到更符合需求的消費者，進一步提高網站上的個人化體驗與成交機率。這是因為，當使用者進入零售網站之前，許多商品比較、需求整理與資訊搜尋工作，已經在 AI 對話介面內完成。

事實上，AI 流量的品質從過去到現在經歷了一場逆轉。根據 Adobe 報告，2026 年 3 月 AI 流量的轉換率比非 AI 流量高出 42%，創下新高；而就在一年前的 2025 年 3 月，AI 流量的轉換率還比非 AI 流量「差」38%。

這樣的變化或許與 AI 購物行為快速普及有關。Adobe 對超過 5,000 名美國消費者的調查顯示，已有 39% 受訪者曾使用 AI 協助線上購物，其中 85% 認為 AI 改善了購物體驗。另有 66% 的受訪者認為 AI 提供的結果具有可信度。

研究：AI 讓沒接觸過你的消費者都開始搜尋你

近期一篇由 AI 搜尋優化平台 Scrunch AI 發表於 arXiv 的研究，也進一步揭露 AI 推薦如何影響消費者行為。該研究團隊分析 ChatGPT、Claude 與 Gemini 的對話紀錄及後續網路行為後發現，當 AI 助理向近期未接觸某品牌的使用者推薦品牌時，後續同名品牌搜尋增加 4.3 個百分點，品牌官網造訪增加 2.4 個百分點，品牌商品頁造訪增加 1.0 個百分點。

研究作者指出，AI 推薦本身正在形成一種新的品牌曝光機制：消費者先在 AI 對話中看到品牌名稱，再透過搜尋引擎、品牌官網或電商平台展開後續探索，而這段過程往往不會被傳統流量分析工具完整追蹤。

雖然研究並未觀察實際購買交易，因此無法直接證明 AI 推薦帶來多少銷售額，但至少顯示 AI 已開始影響消費者的品牌認知與購買路徑。

品牌競爭開始從 SEO 走向 AI 可見度

當 AI 開始能理解、比較甚至推薦商品，品牌要優化的不再只是網站排名，而是商品資訊是否足夠結構化、標準化，並能被 AI 讀懂。然而 Adobe 今年 4 月的新數據顯示，美國零售網站在這方面準備得並不充分：很大部分的網站內容「並非完全能被機器讀取」，這限制了它們在 AI 搜尋結果中的能見度。

Adobe 透過「AI 內容能見度檢測器（AI Content Visibility Checker）」以百分制評分美國零售業首頁，分數越高代表越少內容無法被 LLM 讀取。結果顯示，美國零售業首頁的平均分數為 75%、分類頁面為 74%，意味著約四分之一的內容尚未為 LLM 最佳化；而挑戰最大的是「個別商品頁」，平均僅 66%。由於零售商往往有數千個 SKU，Adobe 指出其中大量內容目前對 LLM 是「看不見的」。其他如門市查詢頁（73%）、會員權益頁（78%）、客服中心（79%）等也各有改善空間。

Adobe 總結，美國零售商在 AI 能見度上雖已打下不錯的基礎，但仍有明顯需要修正之處；隨著消費者採用 AI 工具的速度不見放緩，企業必須確保自己的「數位前門」已為 AI 最佳化，才能在當前環境中保持相關性。

綜合來看，這些數據共同描繪出零售業競爭焦點的轉移：當 AI 導來的流量不僅更多、還更會買，品牌之間比拚的就不再只是搜尋引擎上的排名與流量爭奪，而是商品資料是否被結構化、標準化到足以被機器理解與推薦。只是，如 Scrunch AI 研究提醒，目前多數衡量工具仍看不見從提示到購買的路徑，因此誰能先把這條路徑測量清楚、並讓商品資料被 AI 讀懂，或許才是這場新競爭真正的起跑線。

【推薦閱讀】

◆ 限時折扣不管用了？《哈佛商業評論》揭 AI 購物代理的決策邏輯

◆ 電商轉換率提升 380%、瀏覽頁面數提升 320%：戶外品牌 Columbia 用 AI 標籤做對了什麼？

◆ 當 AI 不看廣告，只看資料：品牌行銷邏輯從頭改寫的三大策略

＊本文開放合作夥伴轉載，資料來源：《Reuters》、Adobe、arXiv，首圖來源：Unsplash

過去人們與 AI 的互動方式主要是一問一答，也許是用戶丟出一個問題讓 AI 回答，或是要求 AI 修改一段程式碼，然而這樣 AI 被動地接收指令，並回傳單一步驟的互動模式能提供的幫助其實有限，一但要處理比較複雜的任務，可能就要花很多步驟才能解決。

AI Agent – 能真正執行任務的 AI 工具

隨著 AI Agent（人工智慧代理人） 的概念逐漸成熟，使用者與 AI 的互動方式也不斷在改變，AI Agent 的核心不再只是回應輸入，而是具備規劃、執行、工具使用，以及根據回饋持續優化的能力。

開發者的角色也正在轉變，從提出問題的人變成設定目標的人。例如將開發環境、部署流程與協作工具整合在瀏覽器中的平台 Replit，近年也逐步強化其 AI 能力，讓使用者可以用自然語言直接生成應用程式，而不需要從零開始搭建開發環境或手動撰寫完整專案結構。在這樣的工作流程中，使用者不再需要親自處理每一行程式碼的細節，而是讓 AI agents 協助完成從生成、除錯到部署的整個開發流程，開發者更像是專案管理者或產品設計者，負責定義目標、拆解需求與確認最終輸出的方向，而實作層則逐漸交由 AI 來完成。

然而，AI Agent 能力的提升並不意味著使用門檻降低，使用者不再需要逐步指示 AI 該怎麼做，而是需要提供足夠的上下文、策略以及業務背景，讓 Agent 能在理解整體情境後，自主規劃並執行任務。換句話說，重點不在於告訴 AI 怎麼做，而在於清楚定義要達成什麼以及在什麼條件下完成。若輸入仍停留在模糊或單句指令，Agent 雖然可以嘗試補足資訊，但在多步驟任務中容易出現偏離目標或決策不穩定的情況。因此，更有效的使用方式，是在一開始就明確界定任務目標、限制條件與成功標準，讓 Agent 在規劃階段即可對齊方向。

同時，在 AI Agent 的運作過程中，可見性與治理能力變得至關重要。相較於傳統一次性輸出的問答模式，AI Agent 涉及規劃、執行與優化等多個階段，因此平台需要具備觀察、審核與優化的能力。透過監控 Agent 的行為，使用者可以即時了解其決策過程，並在出現偏差或違反政策時立即介入甚至中止任務。此外，透過提供良好與不良的執行範例作為回饋，Agent 能持續學習並調整策略，逐步提升表現。這種結合可觀察性與回饋機制的使用方式，使 AI Agent 不僅能完成任務，更能在多步驟流程中維持穩定性並持續優化結果。

從 Googe Gemini 迭代看到人們與 AI 互動的改變

Google 從 2023 年開始推出能與 ChatGPT 抗衡的語言模型，接著加緊腳步迭代出各式 Gemini 模型，AI 已經逐步朝向多功能系統演進。

以 Google 發佈的 Gemini 3.5 Flash 為例，它不僅具備強大的推理能力，也原生支援多模態輸入與輸出，能夠同時處理文字、圖片、影片、音訊甚至程式碼，並且已經被實際應用在程式開發（coding assistant）等各式各樣的場景中。

除了Gemini 之外，Google DeepMind 作為 Google 旗下專注於人工智慧研究的核心團隊，也持續推出不同形態的模型，進一步擴展 AI 的能力邊界。這些模型包括主打輕量化與裝置端運行的 Gemma 系列模型、支援即時語音互動的 Gemini Live、能夠從文字生成可互動 3D 世界的 Genie 世界模型，以及結合實體機器人的 Gemini Robotics 系統。

Google Cloud 如何協助 AI Agent 的應用

AI Agent 能夠真正落地，並不只是模型能力提升的結果，還有一個關鍵因素是 Google Cloud 也將 Gemini 整合進平台內。Google Cloud 正朝著建立一個完整的 AI Agent 生態系方向發展，從資料存取與整合、模型部署與運行環境、Agent 的監控與管理，到安全性與權限控制，形成一個完整的基礎架構。AI 才能順利串接企業內部的資料，在維持資安的前提下，保持系統的穩定性，並在最節省成本的情況下達到最大的效益。

另一個關鍵推動因素是小型模型（如 Gemini Flash）的快速進步。在實務應用中，並不是所有任務都需要最強的推理能力，反而有大量任務更依賴低延遲與高頻互動，例如即時回應、簡單決策或工具調用。因此 Google 的策略逐漸轉向模型分工：大型模型負責規劃與複雜推理，小型模型負責高效率執行與即時互動。這種架構讓 AI Agent 不再只是概念，而是可以真正大規模部署的系統，因為它解決了成本與速度的瓶頸。

AI 已不再靠單一的「最強模型」單打獨鬥，而是多模態、多模組共同作戰，這也是 AI Agent 能夠商業落地的關鍵前提，因為在真實的應用場景中，任務的執行必須考慮速度、成本與算力，而非只依賴高成本的最大模型。

最後，Gemini 的優勢不僅來自模型本身，還有Google 整合了軟硬體設施。從自研 TPU 晶片、資料中心基礎設施，加上到 Google Search、YouTube、Android 等產品，讓 Google 本身就是一個完整的 AI 運行系統，Gemini 不只是一個可以被呼叫的模型，而是能夠直接部署在全球數十億用戶規模的產品之中。

AI Agent 的崛起並不是單一技術突破的結果，而是模型能力、雲端平台以及工具整合三者共同推動的結果。在這個轉變之中，我們看到的不只是 AI 變得更聰明，而是它開始真正進入「能夠完成工作流程」的階段，而這也正是 AI Agent 時代的起點。隨著 AI 工具的自主性以及任務執行能力提升，使用者也要學習如何使用這樣的 AI 工具發揮出它的最大效果並有效完成任務。

(本文訊息由 CloudMile 萬里雲提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：pr@fusionmedium.com，經編輯檯審核並評估合宜性後再行刊登。圖片來源：Shutterstock。）

隨著市場對尋找 NVIDIA 替代方案的需求日益強烈，由傳奇晶片設計師 Jim Keller 領軍的 AI 晶片新創公司 Tenstorrent，正以獨特的 RISC-V 架構迅速成為科技巨頭眼中的併購新焦點。

外媒報導，Intel 與高通（Qualcomm）皆已和 Tenstorrent 展開早期的收購談判。知情人士透露，高通甚至正洽談以 80 億至 100 億美元的金額收購 Tenstorrent，遠高於 Tenstorrent 去年底籌資時約 32 億美元的估值。儘管高通發言人表示對市場傳聞不予置評，但這場潛在併購戰，已凸顯 Tenstorrent 的巨大戰略價值。

Intel、高通為何都想搶 Tenstorrent？

科技巨頭不惜重金求購的背後，各有自己的戰略盤算。對 Intel 而言，由於過去兩年旗下 Gaudi 獨立加速器產品線的市場表現不如預期，目前正處於重整 AI 策略的關鍵期。如果能成功收購 Tenstorrent，Intel 將能獲得現成且強大的 RISC-V AI 平台，迅速在資料中心與 AI 訓練市場重新站穩腳步，以對抗 NVIDIA 的主導地位。

另一方面，營收高度仰賴智慧型手機與個人電腦晶片的高通，在資料中心 AI 領域相對缺乏競爭力。透過這筆交易，高通不僅能取得可授權的矽智財（IP）區塊，更能獲得一個可靠的非 Arm 架構 CPU 發展藍圖，這對要實現業務多元化的高通也具有重大意義。

Jim Keller 加持，Tenstorrent 靠 RISC-V 與網路化 AI 突圍

讓這些巨頭買單的，是 Tenstorrent 顛覆傳統的硬實力與獨特的商業模式。Jim Keller 擁有極為輝煌的履歷，他曾參與開發 Apple 的 A 系列晶片、特斯拉（Tesla）的自動駕駛晶片、AMD 的 Zen 架構，以及 Intel 的 CPU 研發。

不同於一般的晶片新創公司，Tenstorrent 採用開源的 RISC-V 架構來開發其 Ascalon CPU 核心與 Tensix AI 核心，不僅銷售封裝好的實體矽晶片，同時也將其 IP 授權給客戶使用，帶來極高的市場彈性。

在系統設計上，Tenstorrent 打破多數 AI 加速器僅關注運算的盲點，他們優先解決資料放置與資料流的問題，其「網路化 AI」架構更將運算、記憶體與網路統一至單一系統中，無需依賴專有互連技術，即可透過標準乙太網路從單一核心無限擴充至數千台伺服器，該平台也主打不受專有軟體堆疊限制，高達 90% 的 Hugging Face 模型都能直接在 Tenstorrent 硬體上順利運行。 

Tenstorrent 執行長 Jim Keller 曾表示：「業界的每家公司都在成雙成對地打造『加速器的加速器的加速器』，CPU 執行程式碼，GPU 加速 CPU，TPU 加速 GPU，LPU 再加速 TPU，這導致解決方案過於複雜，且難以與 AI 模型及應用的變化相容，因此在 Tenstorrent，我們認為更通用、更簡單的架構才會有效。」

Galaxy Blackhole 效能顛覆市場，AI 影片生成快 10 倍

這種化繁為簡的架構，在實際效能上展現出超越競爭對手的數據。Tenstorrent 以新一代 Blackhole 晶片打造的 Galaxy Blackhole 系統，在 AI 影片生成速度上比領先的 GPU 系統快上 10 倍。例如與 Prodia 的合作，能在短短 2.4 秒內生成 720p、81 幀的高品質影片。

Prodia Labs 共同創辦人 Mikhail Avady 與 Monty Anderson 證實：「我們本來就已經在 Artificial Analysis 排行榜上領先，而與 Tenstorrent 的合作，讓我們在影片生成速度上又解鎖了另一個 10 倍的提升。」 

大廠投資、客戶部署到位，Tenstorrent 進入估值關鍵期

這些效能表現，讓 Tenstorrent 不僅獲得三星（Samsung）、現代汽車（Hyundai）、起亞（Kia）、Bezos Expeditions 等巨頭的投資與合作，也與 Equinix、Virtu Financial、Cirrascale 等企業達成資料中心部署協議。

目前，Tenstorrent 似乎正採取雙軌並行的資本策略。一方面，它先前曾洽談由 Fidelity 領投、估值約 32 億美元的 8 億美元新一輪融資；另一方面，他們也並未放棄與戰略買家進行潛在的收購談判，甚至可能保留首次公開發行（IPO）的選項，藉此測試其在公開市場的最高估值。

對 Intel 或高通而言，收購 Tenstorrent 就等同買下撼動 NVIDIA 霸主地位的戰略武器，因此接下來兩季的產品與客戶發布表現，將是決定這些早期併購談判最終能否化為行動的關鍵時刻。

【推薦閱讀】

◆ 比 NVIDIA 系統快 4 倍、功耗只有五分之一：Tensordyne 用一個數學技巧重新設計 AI 推理晶片
◆ 從黑名單到全鏈追蹤：台灣擬將 AI 晶片管制擴大到所有中國客戶，伺服器供應鏈迎合規新考驗
◆ 半導體出口暴增 169%、變壓器訂單衝上 32 兆韓元：AI 算力戰如何讓南韓成為全球戰略產業贏家？

＊本文開放合作夥伴轉載，參考資料：《The Information》、Tenstorrent、《The Next Web》，首圖來源：Tenstorrent