奧丁丁新聞 OwlNews|多元觀點。獨創你的輪廓

黃仁勳旋風襲韓!會晤五大財閥 AI、機器人合作成焦點
商傳媒|吳承岳/台北報導輝達執行長黃仁勳5日抵達韓國,展開為期數天的密集行程。由於涉及半導體、人工智慧(AI)、機器人及未來產業合作布局,韓國媒體形容此次訪韓猶如一場「007作戰」,行程安排高度保密,也吸引產業界高度關注。根據韓國媒體報導,黃仁勳抵韓後,預計首先與韓國主要企業集團領導人進行晚宴交流,包括SK集團會長崔泰源、現代汽車集團會長鄭義宣、LG集團會長具光謨、斗山集團會長朴政元以及Naver創辦人李海珍等重量級企業領袖。由於三星電子會長李在鎔目前正在海外出差,因此未能出席此次聚會。市場普遍認為,這場企業領袖聚會不只是單純餐敘,更可能涉及AI基礎建設、資料中心、機器人、自駕車以及Physical AI等未來合作方向。近年來韓國積極發展AI產業,而輝達則掌握全球最重要的AI運算平台,雙方合作空間備受關注。事實上,黃仁勳近年在亞洲市場積極深化合作關係,除了台灣之外,韓國也是其重要布局據點。SK海力士已成為全球高頻寬記憶體(HBM)供應龍頭,而現代汽車則積極發展智慧工廠、自駕車與機器人業務,LG集團也持續投入AI與機器人應用領域。除了企業交流外,黃仁勳此次訪韓也延續一貫的親民風格。市場盛傳晚宴地點可能選在一般民眾熟悉的韓式烤肉店,而非高級飯店或私人會所。去年訪韓期間,他便曾與李在鎔及鄭義宣以炸雞與啤酒餐敘,引發韓國社群媒體熱烈討論。黃仁勳此行也將參與多項公開活動。7日將現身首爾蠶室棒球場,擔任韓國職棒KBO聯盟賽事開球嘉賓。這場比賽由斗山熊對戰培證英雄,斗山集團會長朴政元將擔任打者,形成企業界與體育界難得同台畫面。此外,黃仁勳也預計錄製韓國知名談話節目《You Quiz on the Block》,延續其近年來在全球科技圈之外的高人氣。由於其親民形象與鮮明個人風格,黃仁勳已逐漸成為全球科技產業少見的明星級企業領袖。根據規劃,8日黃仁勳還將參訪LG集團總部、Naver第二總部,以及首爾大學AI研究中心與機器人實驗室,並與韓國AI新創企業進行閉門交流,預計8日晚間或9日上午離開韓國。商傳媒觀點從此次訪韓行程可看出,全球AI競賽已從單純的晶片競爭,進一步擴大到機器人、自駕車、智慧工廠、Physical AI與資料中心等完整產業鏈布局。對韓國而言,擁有記憶體、汽車、電子與機器人產業優勢;對輝達而言,則掌握AI運算平台與軟體生態系。雙方若進一步深化合作,將有機會打造下一波AI產業成長動能。對台灣來說,黃仁勳此次訪韓也值得密切觀察。台灣在先進製程、AI伺服器、先進封裝及供應鏈整合上仍具關鍵地位,但韓國正積極透過記憶體、機器人與智慧製造切入AI新戰場。未來全球AI產業競爭,將不只是晶片競賽,而是整體生態系與跨國合作能力的競爭。隨著AI從雲端模型逐步走向實體世界,誰能整合晶片、記憶體、機器人、汽車與資料中心資源,誰就更有機會主導下一個十年的科技產業版圖。
商傳媒
稍後閱讀
商傳媒
SpaceX上市在即潛力超越標普500?輝達歷史成借鏡
圖/示意圖商傳媒|吳承岳/台北報導馬斯克的太空公司 SpaceX 準備挑戰史上最大 IPO。外媒報導,SpaceX 打算用每股 135 美元,募資大概 750 億美元,公司估值衝到 1.75 兆美元。如果成功上市,會是史上最轟動的上市案之一。但這場太空派對,不只考驗大家有多信馬斯克,也考驗市場願不願意用跟蘋果、微軟差不多的估值,去買一間還很靠「未來想像」在撐的太空公司。SpaceX 為什麼全球都在看?不是只因為要募很多錢,而是它代表「商業太空時代」正式進到股市。以前太空都是政府在玩,又貴又慢,賺錢很難;SpaceX 靠可回收火箭、自己從頭做到尾、一直發射,還有 Starlink 衛星網路,把全球發射市場整個改寫。從幫 NASA 送貨、幫公司發射衛星,到做低軌衛星網路,SpaceX 已經不只是火箭公司,更像是太空界的「水電基礎建設公司」。根據世界經濟論壇跟麥肯錫研究,全球太空經濟會從 2023 年大概 6,300 億美元,漲到 2035 年大概 1.8 兆美元。成長不只靠發射火箭,還包括衛星上網、看地球、GPS 定位、氣候監測、國防、物流、農業、金融保險跟賣數據。簡單說,太空產業正在從「只有大國玩得起的貴工程」,變成各行各業都會用的底層服務。SpaceX 最大的亮點就是 Starlink。低軌衛星網路可以讓偏鄉、船上、飛機上、戰場跟災區有網路,也讓 SpaceX 從「發射一次收一次錢」,變成「每個月收訂閱費」的通訊服務公司。如果 Starlink 用戶一直增加、開始賺錢,市場就會比較願意把 SpaceX 當成電信、雲端、基礎建設公司,而不是只會燒錢做火箭的航太廠。但 IPO 很熱,風險還是很多。第一,如果 SpaceX 估值真的到 1.75 兆美元,等於市場已經先把未來很多年的成長算進去了。外媒報導說,有些分析師擔心它估值比營收高太多,而且公司整體還在虧錢。上市後如果財報不能很快證明會賺錢,股價可能大漲大跌。以前很多大型科技公司 IPO,剛上市大家搶,後來因為估值太高、利率變了、成長沒那麼快,股價就暴跌。第二,SpaceX 生意很大,但燒錢也超大。開發火箭、發射衛星、蓋地面站、測試 Starship、做全球通訊服務,都要長期砸大錢。太空產業不像寫 App,寫完程式就能快速複製;它要做硬體、要發射、有風險、要政府核准、要頻譜、還會牽扯國防跟國際政治。只要一次重大發射失敗、政府卡關、或國際情勢變了,營運跟市場信心都會受影響。第三,馬斯克本人也是投資人不能不看的變數。外媒報導說,SpaceX 上市後馬斯克還是會掌握大部分投票權。這種創辦人說了算的模式,優點是公司方向不會飄、做決定快;缺點是一般股東很難影響公司。市場喜歡馬斯克敢衝,但也要承受他個人風格帶來的不確定。最近《Motley Fool》這些投資媒體也拿輝達早期報酬來比較,說如果 2009 年買輝達,現在會賺翻,用這個來談 SpaceX 或太空產業的潛力。但這種比較要小心。輝達成功是因為 GPU、資料中心、AI 軟體生態跟十幾年研發,不是只靠「早點買」。每一個輝達背後,都有幾百家公司技術、錢、市場沒過關就倒了。只用成功案例去推下一個會成功,很容易想得太美好,低估失敗機率。SpaceX IPO 如果順利完成,會是科技、航太跟金融市場的分水嶺。它可能開啟商業太空公司的新估值時代,也可能變成市場太樂觀的試金石。對投資人來說,抬頭看星星之前,還是要先看懂財報、價格跟風險。
25 分鐘前
25 分鐘前
商傳媒
AI開始吃掉中階主管?黃仁勳兩年前預言正在成真
商傳媒|吳承岳/台北報導當大家還在討論 AI 會不會取代工程師、客服、行政人員時,黃仁勳兩年前的一個觀點,現在變成企業圈最熱的話題:未來最先被改變的,可能不是基層員工,而是中階主管。過去幾十年,大公司幾乎都是金字塔管理。基層員工負責做事,中階主管負責整理資料、寫報告、盯進度、跨部門溝通,高層負責做決定。但現在生成式 AI 跑進公司內部,這套玩法第一次被挑戰。黃仁勳早在 2024 年去史丹佛商學院演講時就說,很多公司內部資訊傳遞的層級太多。這些層級本來是為了管得更有效率,但在數位化和 AI 時代,反而會拖慢做決定的速度。他自己就用超扁平的管理方式。他公開說過,他直接帶超過 60 個人,不用一層一層往上報,都是開大會、公開討論來解決問題。到了 2026 年,企業慢慢發現,很多以前中階主管在做的事,AI 其實做得不錯。像是會議記錄整理、盯工作進度、專案管理、業績分析、風險提醒、跨部門資料彙整、做簡報,現在用 AI 工具幾分鐘就搞定。以前要幾個主管花好幾天做的營運報告,現在接上公司資料庫 + AI,幾分鐘就能出初稿。根據麥肯錫研究報告,生成式 AI 未來可能影響 60% 到 70% 的工作內容,衝擊最大的不是體力活,而是大量需要整理資訊、管知識的工作。這也讓企業開始重新想一個問題:到底多少管理職是真的在創造價值?又有多少只是負責傳話?這幾年科技業、金融業、顧問業、大型跨國公司都開始「管理層瘦身」。有些公司甚至直接要求主管多帶人,砍掉中間層級。但這不代表中階主管會全部消失。因為 AI 雖然會整理資料,卻不一定懂人性。公司做決定常常牽涉到企業文化、客戶關係、團隊士氣、內部談判、風險判斷。這些到現在還是很靠人的經驗和判斷力。AI 可以告訴主管哪裡業績掉、哪個專案延遲,但它不懂為什麼團隊沒士氣,也抓不到客戶關係裡的小細節。所以未來會消失的,可能不是「主管」這個職位,而是「只會傳資料的主管」。以前很多管理者的工作就是收資料、做報告、開會協調、往上報;未來公司更需要的是能做判斷、解決衝突、帶動團隊、定策略的領導者。AI 帶來的真正改變,不一定是裁員,而是把「管理」的定義重寫一次。以前升官常常是管更多人、掌握更多資訊;未來價值可能變成:你會不會用 AI、能不能整合跨部門資源、能不能帶團隊做出新東西。對台灣公司來說,這波趨勢更值得注意。很多傳統公司還留著很多層級的管理架構,但當 AI 開始接手報表、會議紀錄、數據分析後,組織可能會變得更扁平、做決定更快。不過,AI 不會取代所有主管,而是淘汰沒決策能力、沒領導價值的管理方式。未來公司要比的,不只是誰有最強的 AI,而是誰能讓人和 AI 一起工作,做出更高效率的組織。從這個角度看,黃仁勳兩年前的提醒,可能不是在談裁員,而是在提醒公司:AI 時代真正需要的,不是層層管理,而是更少官僚、更快決策、更有創造力的領導力。
41 分鐘前
41 分鐘前
商傳媒
AI代理上線三日釀個資外洩與帳單暴增 開發者分享防護措施經驗
圖/本報資料庫商傳媒|責任編輯/綜合外電報導一名開發者近期分享其打造的人工智慧(AI)代理上線短短三天,便發生客戶個人身份資訊(PII,指可識別個人身份的資料,如電子郵件地址或姓名)外洩,並因程式錯誤導致費用高昂的經驗。這起事件凸顯了在開發與部署 AI 代理時,安全性與成本控制措施的重要性。 根據《hackernoon》報導,該開發者使用 LangGraph(一個用於構建代理的 Python 函式庫)與 OpenAI 的多模態模型 GPT-4o 打造的 AI 代理,在上線第三天便將一名客戶的電子郵件地址洩漏給了另一名客戶。經調查,問題根源在於模型將原始資料庫內容直接納入回應中,而開發者的處理流程並未對此進行檢查。此外,該代理還曾因陷入重複嘗試的迴圈長達六小時,導致一晚產生 400 美元(約新台幣 12,800 元)的驚人費用。 這名開發者指出,現有的 AI 代理框架,如 LangChain(美國 LLM 應用開發框架)、CrewAI(開源人工智慧代理框架)和 OpenAI's Agents SDK,雖然提供了任務編排、工具呼叫與記憶體功能,但並未內建輸入驗證、輸出過濾或成本控制等安全機制。這意味著,開發者必須自行建構這些「防護措施」(guardrails),以確保 AI 代理運作的穩定與安全。 為解決上述問題,該開發者花了兩週時間建構了一套包含四個層面的防護措施: 輸入防護(Input Guardrails) :主要功能是攔截「提示注入攻擊」(prompt injection attacks,指惡意使用者透過輸入來操控 AI 行為的攻擊),並在大型語言模型(LLM)處理輸入前,清理敏感資料(如 PII)。這項機制若及早部署,將可避免電子郵件外洩。 輸出防護(Output Guardrails) :在 AI 代理的回應呈現給使用者之前進行驗證,以防止模型「產生幻覺的事實」(hallucinated facts,指 AI 編造不實資訊的現象)或洩漏敏感內容。開發者利用 Pydantic 模型來確保輸出符合預設的 JSON 格式與內容檢查,並進行 PII 遮蔽處理。若驗證失敗,代理會重試,多次失敗後則會返回預設回應並記錄事件。 成本斷路器(Cost Circuit Breakers) :旨在避免 API 費用因程式碼缺陷或意外的長時間對話而失控。此斷路器可設定單次請求、單次會話、每分鐘呼叫次數以及每日總花費上限。該開發者設定了每日 50 美元的上限,超過後系統便會停止呼叫 API,並回傳「服務暫時無法使用」的訊息。 工具呼叫驗證器(Tool Call Validators) :當 AI 代理有權存取資料庫、檔案系統或外部 API 時,這項驗證機制至關重要。它確保代理僅呼叫經授權的工具,並使用符合規範的參數。該開發者採用「預設拒絕」(default-deny)策略,任何未明確列入允許清單的工具或參數都將被拒絕,有效防範潛在的破壞性操作或模型「產生幻覺」的工具呼叫。 這些防護措施的總延遲僅增加不到 40 毫秒(不包括基於機器學習的分類器),對於 AI 代理的效能影響極小。開發者建議,應在編寫代理邏輯之前就考慮部署這些防護措施,因為事後建構花費了較長時間。 這名開發者預測,未來 12 個月內,主要的 AI 代理框架將會把防護措施納入其核心功能。他強調,防護措施雖然不能提升 AI 代理的準確性,卻能在模型出錯時,有效限制其可能造成的損害。
1 小時前
1 小時前
商傳媒
AI 重塑零售業競爭格局 FTI 諮詢籲企業掌握十大關鍵戰略
商傳媒|責任編輯/綜合外電報導根據 FTI諮詢公司(FTI Consulting)最新發布的報告指出,人工智慧(AI)正以前所未有的速度,對全球零售產業帶來「結構性重塑」,預計未來三到五年內,將全面改變零售業者捕捉市場需求、創造價值及競爭的方式。這份報告特別強調,零售領袖必須在 AI 浪潮下做出十大戰略決策,才能保持競爭力。 AI 轉變消費模式:從貨架到演算法 報告分析,過去由銷售通路主導的產品發現與需求捕捉,正逐漸轉移至 AI 演算法手中。新的 AI 模型類別,例如基礎模型 (foundation models,指經過大量資料訓練,能應對多種任務的 AI 模型)和代理系統 (agentic systems,能夠自主執行複雜任務的 AI 系統),不僅能推薦商品,更能進一步執行和協調消費者的購買決策。這意味著,零售商若在定價、產品數據、庫存準確性及履約可靠性方面存在弱點,將直接導致訂單流失和利潤壓力。 面對 AI 媒介的產品發現模式,零售業者必須思考如何維持可見度、競爭力與影響力。報告提到,個人化服務 (根據個別顧客的偏好和行為,提供獨特內容、產品或體驗)正從單純的顧客分群與商品推薦,進化為即時動態建構的購物體驗。如何營運實時且針對個別消費者的內容、定價與促銷活動,將成為提升顧客轉換率與擴大單筆訂單價值的關鍵。此外,有效利用第一方數據 (企業直接從客戶互動中收集到的數據,例如購買歷史)和零售媒體能力 (零售商利用自家平台提供廣告空間,讓品牌能更精準觸及消費者的能力),將在 AI 主導的需求環境中,對品牌能見度產生決定性影響。 優化利潤與營運效率:即時決策成關鍵 人工智慧也在重新定義零售業者做出商業決策的方式,從週期性優化轉變為連續、信號驅動的控制 ,涵蓋定價、促銷與商品組合。利潤表現將日益取決於 AI 驅動商業決策的速度、整合度及品質。這項轉變要求零售業者從分散式決策轉向整合、即時的利潤驅動因素控制。 在營運方面,AI 將使零售業從靜態規劃走向供應鏈、勞動力和履約的即時調度 (根據即時數據,動態調整資源分配和作業流程)。競爭優勢將取決於動態分配資源和大規模執行決策的能力。庫存分配、補貨和網絡決策正變得連續且由數據驅動,將即時決策嵌入供應鏈 (從原物料採購到最終商品送到消費者手中,整個過程的網絡)營運中。透過勞動力優化 (透過更有效率的方式管理員工,提升工作效能)、電腦視覺 (讓電腦能夠「看懂」圖片和影片的人工智慧技術)和智慧任務管理 ,AI 也正在增強實體店面的執行效率,提升生產力與一致性,同時在不大幅增加勞動力的情況下改善客戶體驗。 建立數據基礎與領導者挑戰 報告強調,AI 系統的成功仰賴於即時的產品數據、庫存可見性、定價紀律和整合治理 (將不同系統、流程和數據統一起來,進行全面性管理)。建立統一的數據和決策基礎設施,才能確保各價值層次的表現一致且可擴展。對於零售業者來說,主要的領導挑戰不僅在於識別機會,更在於如何清晰且有紀律地採取行動。這可能涉及彌補執行缺口、重新排序並擴大投資,或者在 AI 重新定義需求捕捉和決策執行的領域,重新設計營運模式。 FTI諮詢公司認為,AI 已不再僅是創新議程上的一個項目,而是零售經濟的核心驅動力。能夠成功應對的零售領袖,將憑藉紀律行動,彌補執行上的不足,在價值提升的領域擴大規模,並在 AI 重塑需求捕捉和決策執行方式的領域,重新設計營運模式,從 AI 實驗走向持續的競爭優勢。
1 小時前
1 小時前
商傳媒
AI工具碎片化反降效率 業界籲轉向統一工作流平台
商傳媒|何映辰/台北報導人工智慧(AI)工具自問世以來,在寫作、設計和資料分析等領域獲得快速普及。然而,根據《Towards Data Science》週四(6月4日)的報導,這些工具的實際應用成效參半,儘管部分工作流程因此變得更快、更簡便,但另一方面卻也讓某些流程更加複雜。 報導指出,企業初期實驗 AI 自動化時,發現其整合相對容易,能將原本耗時數小時的任務在幾分鐘內完成,且錯誤率極低,進而重新定義了工作角色。然而,隨著 AI 發展成目前這種以「代理導向型」(agentic-focused form)為核心的模式,意指 AI 不僅能回應指令,還能自主規劃並執行多個步驟來達成複雜目標,AI 工具生態系也迅速擴張。這導致使用者需頻繁在多個 AI 介面間切換、為不同系統重新撰寫提示詞,並難以維持內容一致性,反而讓工作流最佳化變得更加困難。 文章提到,頻繁切換多種 AI 工具會帶來「情境切換」(context switching)、重複輸入提示詞和輸出結果不一致等問題,此現象被稱為「AI 悖論」(AI paradox)。雖然表面上使用多個 AI 工具看似效率更高,但實際上卻常引發「決策疲勞」(decision fatigue),導致使用者耗費大量時間在選擇工具上。部分統計數據顯示,頻繁切換不同工作情境可能導致效率降低高達 40%。對於 AI 工作流而言,由於不同工具間存在提示詞格式、資料呈現與學習曲線的差異,這種衝擊尤為顯著。最終,專業人士發現自己花更多時間在管理工具上,而非專注於有意義的工作。 為了解決這種「碎片化」(fragmentation)的 AI 生態系問題,報導建議業界應將思維從「選擇多個 AI 工具」轉變為「透過統一的 AI 平台將其整合為無縫系統」。這種「統一的 AI 平台」能連接多個 AI 模型,在不同任務間保持情境連貫性,並減少手動切換的頻率。如此一來,便能實現「多模型協作優勢」(multi-model privilege),即針對不同任務自動選用最適合的 AI 模型來處理,例如簡單任務使用小型模型,複雜需求則運用精密模型,從而優化模型使用並降低成本,達到「經濟型智慧」(economical intelligence)。 以撰寫部落格文章為例,傳統方式需要使用者在草稿、潤飾、SEO(搜尋引擎最佳化)和視覺設計等不同工具間切換,並不斷重複輸入提示詞,導致情境資料流失。而統一的平台則能讓內容與圖像生成、編輯、優化及 SEO 工作在單一環境下完成,保持情境連貫,大幅減少重複勞動與認知負擔,並加速執行效率。 AI 的未來趨勢將不再是盲目追求更智慧的單一工具,而是建立能彼此良好互動、有效保留工作情境,並最佳化成本與效能的智慧系統。
1 小時前
1 小時前
閱讀更多