半導體材料整合服務廠商崇越科技公布第三季營收，2026年9月合併營收達新台幣77億元，年增26.4%，創單月歷史第三高，帶動第三季合併營收達236.7億元，季增13.6%、年增34.9%，創單季歷史新高。記者黃仁杰／台北報導

半導體材料整合服務廠商崇越科技公布第三季營收，2026年9月合併營收達新台幣77億元，年增26.4%，創單月歷史第三高，帶動第三季合併營收達236.7億元，季增13.6%、年增34.9%，創單季歷史新高。

[caption id="attachment_328063" align="aligncenter" width="2500"] 曾海華表示，隨著先進製程、記憶體與成熟製程產能皆維持近滿載，光阻、矽晶圓、石英及研磨液等半導體關鍵材料業務均呈雙位數成長。（圖／崇越提供）[/caption]

崇越科技今年7月營收創單月歷史新高後，8、9月接續寫下歷史次高與第三高紀錄，展現強勁成長動能；累計今年前九個月合併營收達630.3億元，較去年同期成長25.3%。

崇越科技董事長曾海華表示，隨著先進製程、記憶體與成熟製程產能皆維持近滿載，光阻、矽晶圓、石英及研磨液等半導體關鍵材料業務均呈雙位數成長。環保工程業務第三季亦較前一季顯著成長，共同推升整體營運表現。

在營運持續成長之際，崇越科技也榮獲台北市進出口商業同業公會（IEAT）80周年「傑出企業貿易獎」，肯定公司面對全球供應鏈重組與地緣政治風險所展現的經營韌性與國際競爭力。該獎項依企業基本資格、資本額及進出口實績進行初步篩選，再以近三年經營績效平均值為基礎，綜合檢視營收成長、獲利能力、資產運用效率及員工生產力等指標，並由產、官、學專家評估企業代表性與國際貿易貢獻。崇越於評選中脫穎而出。

展望未來，崇越科技指出，半導體與高效能運算是AI發展的核心，先進製程需求持續成長，也為上游半導體材料與整合服務帶來更多機會。公司將持續發揮供應鏈與價值鏈平台的整合優勢，攜手合作夥伴拓展海外市場，掌握AI與半導體產業發展帶來的商機。

這篇文章 崇越科技9月營收77億元 Q3營收236.7億元創歷史新高 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

AI基礎設施投資持續升溫，台積電第三季獲利可望再創歷史新高。市場預估，受惠AI晶片與CoWoS先進封裝需求強勁，台積電可能連續第六季刷新單季獲利紀錄。記者黃仁杰／編譯

AI基礎設施投資持續升溫，台積電第三季獲利可望再創歷史新高。市場預估，受惠AI晶片與CoWoS先進封裝需求強勁，台積電可能連續第六季刷新單季獲利紀錄。

[caption id="attachment_328059" align="aligncenter" width="1672"] 市場預估，受惠AI晶片與CoWoS先進封裝需求強勁，台積電可能連續第六季刷新單季獲利紀錄。（圖／AI生成）[/caption]

根據LSEG SmartEstimate彙整16名分析師預測，台積電第三季淨利預估達新台幣7463億元，約234億美元，較去年同期大增65%。

若最終淨利高於7065.6億元，就將刷新台積電史上單季最高獲利紀錄，同時也是連續第11季獲利成長。

台積電預計15日公布財報，並於下午2點舉行法人說明會，屆時將公布第四季與全年最新營運展望。

AI晶片、CoWoS需求維持強勁

分析師指出，目前市場對台積電AI晶片產能，以及CoWoS先進封裝技術的需求依舊強勁。

作為輝達與蘋果的重要供應商，台積電市值目前約2.1兆美元，幾乎是南韓三星電子的兩倍，也持續穩居亞洲市值最高企業。

台積電上週已公布第三季營收，年增50%，不僅優於市場預期，也再次刷新歷史紀錄。

摩根士丹利分析師Charlie Chan在10月6日報告中預期，在3奈米晶片需求強勁帶動下，台積電可能進一步上調全年營收成長預期。

公司目前預估全年營收成長超過40%，Chan認為最新展望可能提高至40%出頭至40%中段區間。

美國布局成法說焦點

除了財報與AI需求，台積電是否進一步擴大美國投資，也將成為這次法說的重要焦點。

台積電目前規畫在美國亞利桑那州投入2650億美元興建晶圓廠，其中包括今（2026）年7月新增公布的1000億美元投資。

外媒曾有消息指出，台積電正在評估赴德州投資的可能性。

特斯拉執行長馬斯克上週也表示，旗下企業將興建並營運名為「Terafab」的AI晶片製造園區，台積電可能承租其中部分設施。

分析師預期，投資人將在法說會上進一步追問台積電是否有德州擴產計畫。

分析師：德州可能是長期布局選項

Charlie Chan認為，隨著客戶需求持續增加，加上亞利桑那基地未來5年可使用土地可能受到限制，德州擴產最終可能成為必要選項。

不過，Morningstar資深股票分析師Phelix Lee認為，目前台積電赴德州擴產的急迫性仍有限，原因是亞利桑那州部分規畫中的晶圓廠甚至尚未開始興建。

他表示，德州擁有長期半導體產業基礎與人才供應，更適合作為2030年代甚至2040年代的長期擴張選項，也可能成為台積電因應美國未來貿易與政策變化的一項籌碼。

年度資本支出上看640億美元

台積電今年7月法說會已將全年資本支出預估，從原先520億至560億美元區間的高檔，上調至600億至640億美元。

隨著AI晶片、3奈米製程與CoWoS需求持續成長，市場目前也持續關注台積電是否進一步擴大先進製程與海外產能。

台積電今年以來股價已上漲約63%，同期台股大盤則上漲約69%。

來源：路透社

這篇文章 可望連6季創新高！台積電Q3獲利估年增65% 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

隨著機器人、自駕車與智慧工廠應用升溫，實體AI（Physical AI）正成為企業布局重點。AWS今（13）日宣布，推出 Physical AI Toolchain on AWS，整合輝達機器人軟體堆疊與AWS雲端服務，協助企業把原本分散的資料收集、模型訓練、模擬驗證與邊緣部署流程整合起來，縮短機器人從原型開發到實際量產的時間。記者黃仁杰／台北報導

隨著機器人、自駕車與智慧工廠應用升溫，實體AI（Physical AI）正成為企業布局重點。AWS今（13）日宣布，推出 Physical AI Toolchain on AWS，整合輝達機器人軟體堆疊與AWS雲端服務，協助企業把原本分散的資料收集、模型訓練、模擬驗證與邊緣部署流程整合起來，縮短機器人從原型開發到實際量產的時間。

[caption id="attachment_328043" align="aligncenter" width="2000"] AWS宣布，推出 Physical AI Toolchain on AWS，整合輝達機器人軟體堆疊與AWS雲端服務。（圖／AWS提供）[/caption]

根據Capgemini Research Institute調查，已有79%的企業投入Physical AI應用。不過，機器人要從實驗室中的可運作原型，走到真實場域可穩定執行任務的量產系統，仍是產業一大挑戰。開發團隊往往要花上數個月，處理資料蒐集、模型訓練、模擬測試與現場部署之間的銜接問題。

AWS此次推出的工具鏈，主打將Physical AI開發流程變成可持續循環的「飛輪」。整體涵蓋五大階段，包括合成資料生成、模型訓練、模擬與驗證、邊緣部署，以及持續改進。也就是先透過合成資料建立訓練場景，再結合人類示範與模擬環境訓練模型，接著在虛擬場域中驗證機器人行為，之後部署到邊緣端執行即時決策，最後再把現場資料回饋到模擬與訓練流程中，持續優化模型表現。

在技術整合上，AWS串接自家 Amazon SageMaker、Amazon EC2 GPU執行個體、AWS IoT Greengrass 與 Amazon Bedrock AgentCore；輝達則提供 Isaac GR00T、Isaac Sim、Isaac Lab 及 NVIDIA Cosmos 等工具，分別對應人形機器人訓練、物理模擬、強化學習與合成資料生成。AWS表示，企業可透過單一控制介面管理端到端流程，也能依需求彈性選用單一模組。

這套工具鏈也支援遠端無線更新（OTA）與大規模機器人機隊管理，且不限特定機器人平台或任務類型，企業可直接帶入自家機器人與資料進行開發。AWS指出，目標是讓客戶把資源集中在技術創新，而非花時間自行搭建底層基礎設施。

這篇文章 AWS攜手輝達推實體AI工具鏈 加速機器人從訓練到量產部署 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

隨著代理式AI（Agentic AI）逐漸從單一問答走向多步驟任務執行，資料中心對運算效能、記憶體容量及能源效率的需求持續攀升。英特爾今（13）日於開放運算計畫（Open Compute Project，OCP）全球峰會上，公布新一代Intel GPU D系列（代號Crescent Island）的技術規格，同時展示採用Xeon處理器的新款機櫃設計，透過CPU、GPU及開放式軟體整合，布局大規模AI推論市場。記者黃仁杰／台北報導

隨著代理式AI（Agentic AI）逐漸從單一問答走向多步驟任務執行，資料中心對運算效能、記憶體容量及能源效率的需求持續攀升。英特爾今（13）日於開放運算計畫（Open Compute Project，OCP）全球峰會上，公布新一代Intel GPU D系列（代號Crescent Island）的技術規格，同時展示採用Xeon處理器的新款機櫃設計，透過CPU、GPU及開放式軟體整合，布局大規模AI推論市場。

[caption id="attachment_328033" align="aligncenter" width="1672"] 英特爾今（13）日公布新一代Intel GPU D系列的技術規格。（圖／AI依英特爾素材生成）[/caption]

英特爾此次發布的重點之一，是專為記憶體密集型AI推論設計的GPU D系列。該產品採用最新Xe3P架構，在350瓦功耗下，最高可搭載480GB LPDDR5X記憶體，提供1.5TB/s記憶體頻寬，以及1.3 PFLOPS的FP8運算效能。

在模型支援能力方面，單張GPU卡可支援多達3千億個參數的模型，搭載8張GPU的系統則可支援超過1兆個參數的模型，鎖定大型語言模型、長上下文處理、多租戶AI服務及機器人等應用。

與需要特殊機櫃及液冷設備的AI加速系統不同，GPU D系列採用標準PCIe規格與氣冷式設計，可部署於既有資料中心環境，降低企業導入AI推論運算的基礎設施門檻。

英特爾資料中心事業群AI產品與市場策略副總裁Anil Nanduri表示，推論正逐漸成為AI主要的工作負載，企業需要在效能與成本之間取得平衡。GPU D系列的設計方向，便是讓高記憶體容量的推論系統更容易部署，同時改善大規模運作的成本效益。

目前GPU D系列已開始提供客戶樣品，英特爾也正與OEM、ODM、新世代雲端服務業者（neocloud）及軟體供應商合作，推動相關平台與部署方案。

代理式AI推升CPU需求 Xeon 6+單機櫃核心數突破4.6萬

除了GPU加速器，英特爾也將Xeon處理器定位為代理式AI基礎架構的重要運算核心。相較於傳統生成式AI主要著重模型推論與內容生成，代理式AI需要處理資訊檢索、任務規劃、工具呼叫、資料傳輸及多個AI代理之間的協調，使CPU在整體系統中的角色更加重要。

英特爾此次展示與合作夥伴共同開發的新款Xeon機櫃設計，其中多款採用OCP Open Rack v3（ORv3）標準，以利整合至開放式資料中心架構。

在運算密度方面，部分Xeon 6+配置可讓單一機櫃搭載超過46,000個CPU核心，整體機櫃功耗為133.45kW，藉此滿足大規模代理式AI工作流程的通用運算需求。

英特爾認為，隨著AI代理應用日益普及，資料中心的效能評估方式也將出現變化。除了GPU運算能力，未來還需要衡量單一機櫃在符合延遲要求的情況下，能同時支援多少個AI代理運作。

在這類架構中，Xeon主要負責工作負載協調、資料處理、I/O管理及任務執行，GPU則處理大型模型推論，兩者透過分工提升整體系統的資源利用率。

強化開放式軟體布局 降低企業AI部署門檻

在硬體之外，英特爾也持續擴大開放式AI軟體生態系，讓企業能在不同CPU與GPU平台之間部署AI工作負載。

GPU D系列採用共通的Xe軟體基礎，支援不同Intel GPU平台間的應用程式移植，開發人員可重複使用既有程式，減少導入新硬體時所需的調整。

英特爾也持續整合主流AI框架、推論服務引擎及開發工具，並透過效能函式庫與可程式化軟體層，最佳化AI推論吞吐量。

針對開放式AI模型，英特爾正推動新模型發布時同步提供硬體支援，包括近期Meta推出的Muse Glimmer，便在發布首日獲得英特爾平台支援。

此外，英特爾針對企業代理式AI應用推出的Intel AI for Enterprise Agent Toolkit，目前已針對Xeon處理器完成最佳化，可支援企業部署涉及任務協調與工具使用的AI代理工作流程，未來也可延伸至Intel GPU平台。

推動開放式機櫃與加速器標準 布局異質AI架構

在資料中心系統設計方面，英特爾持續參與OCP開放運算計畫，並與產業夥伴推動機櫃及加速器標準化。

英特爾表示，自2011年以來，已向OCP貢獻116項成果。今年則進一步展示與Open Adapter Card工作小組共同制定的標準化加速器卡規格，涵蓋機構、電氣及管理介面，希望提升不同加速器與機櫃系統之間的互通性。

透過標準化設計，系統業者與雲端服務供應商可在既有資料中心架構中導入不同運算設備，不必因更換加速器而全面重新設計機櫃。

英特爾資料中心事業群執行副總裁暨總經理Kevork Kechichian表示，代理式AI正在改變企業對資料中心的需求，未來AI基礎架構將不再只依賴單一運算元件，而是需要結合Xeon處理器、專用加速器及可互通軟體的異質運算架構。

這篇文章 英特爾新一代GPU「D系列」攻推論市場！單卡記憶體達480G、支援3千億參數模型　 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

半導體產業材料工程解決方案龍頭應用材料公司正式揭幕，其設備與製程創新暨商業化（Equipment and Process Innovation and Commercialization, EPIC）中心。這項耗資50億美元打造的設施，將成為全球規模最大的半導體製程技術與製造設備協同研發基地。EPIC中心將匯聚領先晶片製造商、系統公司、設備合作夥伴與學術研究人員，與應材科學家及工程師並肩協作，加速 AI 時代的晶片創新。記者黃仁杰／台北報導

半導體產業材料工程解決方案龍頭應用材料公司正式揭幕，其設備與製程創新暨商業化（Equipment and Process Innovation and Commercialization, EPIC）中心。這項耗資50億美元打造的設施，將成為全球規模最大的半導體製程技術與製造設備協同研發基地。EPIC中心將匯聚領先晶片製造商、系統公司、設備合作夥伴與學術研究人員，與應材科學家及工程師並肩協作，加速 AI 時代的晶片創新。

[caption id="attachment_328025" align="aligncenter" width="1200"] 應用材料公司正式揭幕其設備與製程創新暨商業化（Equipment and Process Innovation and Commercialization, EPIC）中心。（圖／應材提供）[/caption]

應材總裁暨執行長蓋瑞．迪克森（Gary Dickerson）表示，高效能運算需求正推動晶片製造技術藍圖邁向前所未有的複雜度。要在AI競賽中取得領先地位，產業必須重新思考、重塑合作模式，以開發並商業化新一代半導體技術。

EPIC中心於應材位於加州桑尼維爾（Sunnyvale）的園區正式揭幕，是全球最複雜的研發建設工程之一。占地達 60萬平方英尺的設施，設有近4英畝的先進無塵室空間。其目的在重新定義半導體產業數十年來沿用的研發模式。在傳統模式下，基礎材料研究、設備與製程開發以及製程整合與試產，往往分別在不同環境中進行，各階段間需要謹慎地完成製程整合與銜接。EPIC中心則打破這種分段式研發模式，將材料研發、設備開發與晶片製造領域的人才，匯聚在一座專為技術商業化而打造的最先進設施。

EPIC中心匯聚橫跨AI技術生態系的重要夥伴陣容。創始合作夥伴包括台積電、英特爾、三星電子、美光與 SK 海力士；創新合作夥伴包括博通、愛德萬測試（Advantest）、SCREEN、鎧俠與貝思半導體；研究合作夥伴則包括亞利桑那州立大學（Arizona State University）、倫斯勒理工學院（Rensselaer Polytechnic Institute）、史丹佛大學（Stanford University）、加州大學柏克萊分校（UC Berkeley），以及加州大學洛杉磯分校薩穆埃利工程學院（UCLA Samueli School of Engineering）。

半導體產品事業群總裁帕布‧若傑（Prabu Raja）博士表示，EPIC是唯一能同步推進材料、製程技術與設備創新的場所，有助於提高新材料與新技術研發的成功率。透過客戶工程團隊在技術導入自家晶圓廠前就參與優化，EPIC所開發的技術可以更快導入量產，並更早實現高效能與高良率。

台積電董事長暨總裁魏哲家表示，隨著晶片製造的複雜度呈指數成長，雙方的合作也比以往任何時候都更加重要。展望2奈米之後的技術世代，與應材的合作讓我們能更早取得將定義未來的突破性設備技術，加速技術從研發走向高量產製造，推動未來高能源效率的 AI 架構。

英特爾執行長陳立武表示，英特爾認為，到 2030 年單一封裝內的電晶體數量將突破一兆個。隨著架構日益複雜、研發成本持續上升，我們必須加快速度，並與設備合作夥伴更緊密合作。美光科技董事長暨執行長 Sanjay Mehrotra則說，資料密集型的AI工作負載正大幅帶動高效能記憶體與儲存的需求，而材料與製程技術創新則是推動新一代記憶體發展的關鍵。

三星電子裝置解決方案事業部技術長宋在赫表示，三星以全方位視角布局 AI 時代的運算發展，涵蓋技術。應用材料公司在這先進邏輯、記憶體以及先進封裝領域皆擁有業界領先且寬廣的製程設備技術組合。透過合作，雙方將以前所未有的速度共同開發、優化並導入突破性技術，以滿足 AI 持續擴展所需的創新步調。

SK 海力士總裁暨執行長郭魯正（Nohjung Kwak）表示，透過EPIC，SK 海力士將結合其在先進記憶體領域的領導地位，以及應材在材料工程與半導體製造技術方面的專業優勢，共同因應HBM、DRAM與NAND等技術的重大轉折，加速AI時代的記憶體創新。

應材預期，EPIC的營運模式將為合作雙方帶來效益。晶片製造商可優先接觸新一代材料與設備技術、縮短學習週期，並加速邁向量產。應材則能掌握未來世代的技術開發挑戰，協助公司布局研發投資，有利於為客戶創造價值，並讓應材的系統與服務更早納入客戶的技術規劃。

這篇文章 應材斥資50億美元EPIC中心矽谷揭幕 魏哲家、陳立武等半導體巨頭均出席 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

作者：鄭緯筌（專欄作家，「臺灣電子商務暨創業聯誼會」共同創辦人，前「APP01」網站總監、《風傳媒》產品總監和 …作者：鄭緯筌（專欄作家，「臺灣電子商務暨創業聯誼會」共同創辦人，前「APP01」網站總監、《風傳媒》產品總監和《數位時代》雜誌主編）

九月初，Meta 在美國推出個人 AI 代理工具「Muse」。上線不到一週，它就衝上美國 App Store 免費軟體排行榜，一度把 ChatGPT、Gemini 與 Claude 這些長年盤踞榜首的名字擠了下去。排行榜名次的更迭，很容易讓人以為這只是科技巨頭灑錢換來的短暫風光；但我更願意把它視為是一個訊號，使用者對 AI 的期待，已經悄悄換了一個方向。

[caption id="attachment_327789" align="aligncenter" width="1672"] 九月初，Meta 在美國推出個人 AI 代理工具「Muse」。上線不到一週，它就衝上美國 App Store 免費軟體排行榜。（圖／AI生成）[/caption]

過去三年，我們跟 AI 的關係，大致像是與一位博學的顧問共處。你問，它答；你給出一段提示詞，它馬上回應一段文字或一張圖片。我們曾為 ChatGPT 的文采驚嘆，為 Midjourney 的畫面折服，也為 Copilot 替工程師省下的時間感到振奮。然而無論答案多漂亮，最後那一哩路始終得自己走：打開網頁、登入帳號、填表、比價、按下付款。AI 替我們想好了，卻沒有辦法替我們做完。Muse 讓人眼睛一亮的地方，正是它試圖把這最後一哩路也接過去。換句話說，人們想要的，已經不只是一個會說話的顧問，而是一個能走進現實流程、把事情辦完的數位分身。

要理解這個轉變，得先看它背後的架構。過去絕大多數消費級 AI 都住在一個對話視窗裡，一次請求結束，它的生命週期也跟著落幕。即使接上了搜尋或工具呼叫，它依然被困在單次會話之中。Muse 的做法不同：Meta 為每一位使用者在雲端配置一臺專屬且彼此隔離的虛擬電腦，稱為 Muse Secure VM，由自家的 Muse Spark 模型擔任大腦。這臺電腦不會因為你關掉 App 而熄燈。你睡前交代一句「幫我比較下個月去東京的機票和飯店，總價控制在新臺幣三萬元以內，避開早班機」，它便在雲端開著瀏覽器慢慢比價跟篩選，隔天早上把整理好的組合放在你面前。

[caption id="attachment_327784" align="aligncenter" width="12800"] AI從顧問，變成代辦者。（圖／鄭緯筌提供）[/caption]

更關鍵的是，這臺電腦裡還住著另一位守門人。Meta 設計了一套名為 Sentinel 的獨立監控系統，專門審視 Muse 準備採取的行動；凡是對外連線、動用敏感憑證，或涉及付款、寄出重要郵件這類高風險操作，都得先過它這一關，必要時停下來請使用者親自核准。模型負責思考，虛擬機負責動手，哨兵負責踩煞車。這三者的組合，幾乎可以視為未來高階 AI 應用的標準骨架。

架構給了 AI 手腳，體驗上的轉變則改寫了人與機器之間的心理契約。長久以來，AI 最讓人疲憊的地方，是它像一位沒有記憶的新同事，每次見面都得重新自我介紹：我是誰、我在做什麼、我偏好什麼。Muse 試圖做的，是把散落各處的生活碎片縫合起來。你在 Instagram 收藏的料理影片、朋友在 WhatsApp 群組隨口提到的飲食禁忌、信箱裡下週研討會的確認信、行事曆上家人的出差日期，這些原本得靠你自己的大腦當轉運站，如今有機會交給一個能跨平臺理解脈絡的代理。當你只說一句「幫我安排週末四個人的晚餐」，它能自己去找線索、拼出答案。

[caption id="attachment_327785" align="aligncenter" width="12800"] 模型思考，虛擬機動手，哨兵踩煞車。（圖／鄭緯筌提供）[/caption]

這背後其實是一種思維層次的躍升，從指令與回應走向目標與子任務。模糊的願望被拆解成一棵任務樹，每一個分枝各自執行，再收攏成一個可供確認的方案。更進一步，AI 也開始從被召喚走向主動守護，例如在背景提醒你某項訂閱已經三個月沒用、某段追蹤已久的航線剛好降價。它不再只是一個等人發問的檢索工具，而更像一位會察言觀色的管家。

不過，真正讓整個產業坐立難安的，或許是商業邏輯的改變。生成式 AI 這幾年的變現方式，其實相當單薄且有限：語言模型層按用量計費，陷入價格戰與算力成本的泥淖；應用層靠每月訂閱，卻常在新鮮感褪去後面臨續訂率的考驗；而像 Meta 這樣長期仰賴廣告的平臺，更清楚如果膽敢在對話介面裡硬塞橫幅廣告，只會毀掉體驗。

如今，Muse 為人們指出了另一條路。它串接了 Stripe 打造的 Link 結帳系統，也成為第一個納入 Link 購物保障的 AI 代理，涵蓋商品損毀遺失、降價補償與免手續費退貨等情境。當 Muse 比價完成、使用者點頭授權，它就能直接完成結帳，過程中還能產生一次性卡號，不讓真實卡號曝光。傳統模式裡，AI 給你一串連結，你跳轉到別的網站自己下單，價值就這樣流到外面；在代理模式裡，從看見、想要、比較到付款，整條路徑都可以留在同一個生態之內。

這對 Meta 來說，其意義格外地深遠。它手上握有 Instagram、Facebook、Threads 這座龐大的內容蓄水池，過去只能靠曝光向廣告主收費。如果使用者在短影音裡看到的一件外套、一間民宿，能直接由代理在背景轉化為訂單，平臺的角色就從賣眼球，逐漸走向撮合交易。雖然 Meta 目前公布的收費方式仍是免費基本版加上每月 20 美元與 100 美元兩級訂閱，並未公開任何交易抽成機制，但這條路一旦被證明可行，AI 的商業想像就不再只是販售算力，而是重新站到數位商業的樞紐位置。

[caption id="attachment_327786" align="aligncenter" width="12800"] 從導流到成交，交易留在同一個生態裡。（圖／鄭緯筌提供）[/caption]

把視角拉遠，Muse 其實預示了幾個正在成形的趨勢。首先是介面的隱形化。Muse 不只有獨立 App，也進駐 WhatsApp，並預告將登上 Meta 的智慧眼鏡。未來 AI 的競爭，恐怕不在於誰的畫面最漂亮，而在於誰能在你最自然的生活場景裡隨時待命。當 AI 液化成空氣一般的存在，「打開某個 App」這個動作本身，可能都會慢慢消失。

其次是信任工程的崛起。傳統軟體要嘛全手動、要嘛全自動，但 AI 代理本質上帶著機率與不確定性，完全放手可能釀禍，處處請示又失去意義。真正的關鍵，在於漸進式授權與可驗證的透明度：讀取資料可以放寬，草擬郵件需要過目，涉及金錢、個資與刪除的動作，則必須保留人類最後按下確認的權利。未來評價一個 AI 產品，「它讓我多放心」可能比「它的模型有多大」來得更重要。

再來，則是護城河的位移。當頂尖模型之間的推理差距逐漸收窄，勝負就不再只取決於演算法，而是誰擁有使用者真實的身分、社交關係與存取授權。一個游離在生活之外的技術節點，很難知道你的朋友是誰、誰跟你最常聯絡；但一個坐擁數十億用戶的社群平臺，天生就握著這張地圖。這是 Meta 最大的底氣，也是其他 AI 公司最難複製的東西。

然而，越是誘人的未來，越需要冷靜檢視它的暗礁。第一道是隱私的悖論。要讓代理像私人秘書那樣懂你，你就得把信箱、行事曆、信用卡，甚至健康資料交出去。據外電報導，Meta 內部曾對這項技術處理敏感資料的方式有所疑慮，產品也為了強化安全而延後上市；使用者的互動資料預設可用於模型訓練，需要自行選擇退出。考量 Meta 過去在隱私上的歷史包袱，這份疑慮不會輕易消散。一旦這樣的代理出事，損害將遠遠超過一個社群帳號被盜。

第二道是開放網路的存續。當數以百萬計的代理每天替人類比價、填表和抓取內容，那些靠人類瀏覽、廣告與會員費維生的網站，要從哪裡得到回報？已經有越來越多網站開始封鎖 AI 爬蟲與無頭瀏覽器。接下來，網路究竟會走向更多的付費牆與封閉花園，還是催生出一套專為機器交易設計的新型支付協議，將是值得密切觀察的博弈。

第三道是責任歸屬的真空。如果代理誤判時區，訂下一張不可退款的國際機票；如果它替你回覆商業信件時，許下了你從未打算給的承諾，這筆帳該算在誰頭上？現行法律建立在自然人與法人的行為責任之上，而 AI 代理擁有經濟行動的能力，卻沒有法律主體的身分。科技公司以服務條款單方面免責的做法，遲早要面對司法的正面檢驗。

[caption id="attachment_327787" align="aligncenter" width="12800"] 繁榮背後的三道暗礁。（圖／鄭緯筌提供）[/caption]

回頭看，Muse 或許不會是最後的贏家，但它清楚劃出了一條分水嶺。以文字與圖像生成為代表的被動技術，正逐漸沉入底層，成為基礎設施；以目標導向、持續運作、主動預判與金流閉環為特徵的代理式 AI，則走到了舞臺中央。對每一個知識工作者來說，這意味著一次能力邊界的重新劃定。我們曾經學習如何下提示詞，接下來要學的，是如何授權、如何監督、如何與一群不知疲倦的數位分身協作。

提示詞是與機器對話的語言，授權則是與機器共事的倫理。這場成人禮才剛開始，而真正的考題，從來不只是 AI 能做多少事，而是我們願意、也應該，把多少事交給它。

[caption id="attachment_327788" align="aligncenter" width="3200"] AI能力的三層階梯。（圖／鄭緯筌提供）[/caption]

這篇文章 AI 開始替你跑腿之後：從 Meta Muse 看新世代應用的典範轉移｜專家論點【鄭緯筌 Vista】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

走進許多中小企業或新創團隊的辦公室，我們不難發現管理階層的嘴邊，時常掛著最新的科技名詞，從大型語言模型、AI 代理、簡報自動生成，到各類影音與文字生成軟體⋯⋯在不知不覺中，許多企業每個月都在為這些新型態的生產力工具買單。作者：鄭緯筌（專欄作家，「臺灣電子商務暨創業聯誼會」共同創辦人，前「APP01」網站總監、《風傳媒》產品總監和《數位時代》雜誌主編）

走進許多中小企業或新創團隊的辦公室，我們不難發現管理階層的嘴邊，時常掛著最新的科技名詞，從大型語言模型、AI 代理、簡報自動生成，到各類影音與文字生成軟體⋯⋯在不知不覺中，許多企業每個月都在為這些新型態的生產力工具買單。

[caption id="attachment_319720" align="aligncenter" width="1672"] 從大型語言模型、AI 代理、簡報自動生成，到各類影音與文字生成軟體⋯⋯在不知不覺中，許多企業每個月都在為這些新型態的生產力工具買單。（圖／AI生成）[/caption]

可想而知，經營者期待的是一場顛覆性的效率革命，希望企劃能在半天內交件、客服即時回覆、網站流量得以指數級爆發。然而，半年過去，當管理者檢視財務報表與實際產能時，卻常陷入一種尷尬的沉默，除了每個月多出幾筆軟體支出，整體專案交付週期並沒有顯著縮短，客訴問題依舊，某些員工甚至開始抱怨核對與修改生成內容所花費的心力，比自己從零開始撰寫還要累人。這種落差揭示了多數團隊在推動科技轉型時普遍陷入的盲點，誤以為只要買了市場上最頂尖的工具，團隊的產能就會自動升級。

企業運作的核心從來不能只寄望於單一工具，而必須衡諸資訊流動、決策判斷與協作交付的工作流。當我們把一個高運算能力的通用模型硬塞進原本就混亂、破碎且缺乏標準化架構的中小企業流程中，它不僅無法解決問題，反而會像一面放大鏡，將組織內部的溝通成本、資料混亂與權責不清徹底放大。要讓這項技術真正轉化為商業回報，就必須先看清那些藏在訂閱帳單背後的隱形成本，進而徹底重塑整體的業務邏輯。

在傳統製造業的精益生產理論中，在非瓶頸環節提高生產速度對整體產出毫無幫助，只會製造更多等待處理的半成品庫存。如果我們將這個邏輯放在知識工作與數位協作中，當可發現同樣精準。

這是出自限制理論（Theory of Constraints, TOC）以及精益生產（Lean Production）中的看板管理（Kanban）與拉動生產（Pull System）核心概念，值得我們深思。

很多團隊最常見的導入方式，是個人化的隨機試驗，行銷人員可能在幾秒鐘內生成了十篇社群文案，個人產出看似提升了十倍，但緊接著主管需要花費雙倍的時間去核對內容是否存在事實錯誤或虛構細節，設計人員依然按照原本的排程工作，根本無法消化爆量的文案需求，業務與客服部門甚至不知道行銷端發布了這些內容，導致客戶前來詢問時產生嚴重的溝通斷層。

話說回來，這種現象就是典型的局部最優與全域低效，單點工具解決的只是敲鍵盤的速度，但在需要多人協調的商業流程中，真正的瓶頸往往在於策略定義、跨部門驗證與最終交付。當工具只是加速了半成品的堆積，帶來的往往是組織內部資訊的塞車與協同混亂。

與此同時，對話式介面在本質上是高度隨機且非結構化的，而一個能夠持續運作的商業流程，要求的是穩定性、可重現性與極低的容錯率。如果一位企劃今天問出的行銷方案品質極高，明天換了另一種提問方式卻得到空洞平庸的內容，這種產出就無法被納入標準作業程序。當產出品質過度依賴個別員工的提問技巧時，它充其量只是少數技術愛好者的數位玩具，唯有當輸入條件、處理邏輯、校驗規則與輸出格式被固化到業務流程中時，它才具備商業工具的真實價值。

許多企業在評估新技術時，往往只看到帳面上的開銷，卻忽視了後續伴隨而來的龐大沉沒成本。首先是資料清洗與知識結構化的負擔，要知道通用模型再聰明，如果缺乏高品質的組織上下文，產出的內容就只能是網路上隨處可見的陳腔濫調。

許多業者興致勃勃地想要建置內部知識檢索系統，期待員工隨問隨答，但當技術人員準備串接內部資料時，才發現企業內部的知識資產形同廢墟，業務報價單散落在各個業務員的電腦桌面且版本混亂，產品規格書數年未曾更新，新功能全靠資深工程師的口耳相傳，客訴紀錄則零散地停留在即時通訊軟體裡，缺乏結構化的標籤與整理。要讓系統能夠給出精準解答，企業必須先投入大量人力將這些原始資料清理、去重與結構化，這筆前期人力與時間的投入，往往遠遠超過軟體本身的售價。

其次是事實校驗與風險治理的隱性負擔。大型語言模型的運作機制是基於機率預測下一個文字，這意味著幻覺與偏誤是其內生特性，無法百分之百根除。在個人日常生活場景中，偶爾出現錯誤無傷大雅，但在嚴謹的商業運作中，一個錯誤的報價條款、一份引用錯誤法規的合約草案，或是給予客戶錯誤的技術操作指引，都可能直接轉化為實質的法律訴訟或財務損失。

為了防範這些風險，企業不得不安排資深人員逐字逐句進行校驗，原本資深同仁花兩小時能完成的專案建議書，現在雖然幾分鐘內就能草擬完成，但資深同仁卻必須花費將近兩小時去檢查每一個數據來源、專有名詞與商業邏輯，節省下來的時間極其有限，而審閱過程中所耗費的注意力與心理疲勞，更是一筆難以量化的隱性支出。

此外，組織協同與流程摩擦同樣不可忽視。引入新工具必然打破既有的工作節奏，當少數業務同仁開始快速產出報價或方案時，後端財務與合約審核的流程是否能夠配合，當企劃端產出暴增時，校對人員與排程系統是否已經對接，都是潛在的衝突點。如果管理層只是由上而下宣布全面採用新工具，卻沒有同步修改跨部門的協作規範、驗收標準與權限劃分，部門之間就會產生嚴重的猜忌與推諉。

當產出成果出問題時，責任究竟歸屬於發起指令的承辦人，還是維護內部資料庫的同仁，這種權責不明的摩擦常讓團隊在試探階段就選擇退回原本安全但低效的舊模式。再加上技術演進速度極快，要求每天面對繁瑣業務的中小企業員工在維持日常績效的同時，自發性摸索提示詞架構與自動化串接邏輯，在實務上極不現實，缺乏系統性的內部培訓與轉化機制，最後的結果通常是少數人熱衷嘗試，多數人冷眼旁觀，工具推廣最終流於形式。

看清這些隱形成本並非要企業裹足不前，而是要確立一個關鍵共識：這項技術不該被視為可以獨立處理一切的數位實習生，而是需要被精確組裝到生產流水線中的運算節點。企業真正要優化的不是個別員工的打字速度，而是整條業務管線從輸入到輸出的整體品質。重構工作流的第一步是將龐大而模糊的業務目標進行切片，拆解成細緻的微步驟。

多數人使用失敗的原因往往在於給出過於籠統的指令，例如要求系統直接產出一份針對特定產業的完整提案企劃書，這種指令得到的必然是空泛的套話。一個經驗豐富的企劃在撰寫這份文件時，大腦會經歷分析客戶痛點、比對內部成功案例、擬定核心差異化切入點、排定導入時程與編列預算等精密步驟。在重構的工作流中，必須讓系統分別在資料彙整、痛點歸納、架構擬定等特定環節扮演專門角色，而不是試圖讓它一鍵完成複雜的多層次決策。

在完成流程拆解之後，接下來的關鍵是將組織內部的默會知識與規則外顯化。許多中小企業最大的運作風險在於業務標準與經驗往往只存在於創辦人或資深幹部的腦袋中，什麼樣的客訴需要升級處理、哪種類型的專案具備議價空間，如果沒有被沉澱為明確的文字規範，外部系統就無從依循。重塑工作流的本質就是推動企業將內部的審核邏輯、品牌規範與業務準則具體化，將品牌風格拆解為清晰的文字準則，將專案審核轉化為結構化的檢核表，只有當這些規則被清晰列出後，系統在生成與校驗時才具備明確的判斷標準。

進一步來看，高效的工作流絕非追求完全無人化，而是設計精準的人機協同界限。一個成熟的運作管線應當明確劃分機器與人類的責任分工，系統負責的是寬度與初篩，承擔資料檢索、初步草擬、格式標準化與文意轉換等大量耗費專注力的重複工作，而人類專家則負責深度與邊界，承擔目標界定、關鍵事實確認、核心商業決策與最終的信任背書。以客戶服務為例，系統可以自動解析來信、歸納問題類別、比對知識庫並生成回覆草稿，但最終的寄出確認與特殊條款核准權限必須保留在第一線專員手中，專員的角色從被動的打字員轉變為決策把關者，既維持了服務的準確度與人際溫度，又顯著拉高了單位時間的處理量能。

最後，建議企業必須告別繁瑣的手動複製貼上，走向系統級的自動化管線。如果員工在使用新技術時，還必須反覆在試算表、網頁對話介面與內部系統之間來回切換複製，這個過程本身就是嚴重的效率損耗。真正落地的工作流應當善用現代自動化串接工具或原生介面，當業務系統收到新的商機資訊時，自動觸發資料收集、完成背景整理、生成初步分析並推送至業務人員的工作環境中，讓技術安靜地隱藏在既有工具的底層運作，員工甚至不需要頻繁切換操作介面，這才是阻力最小的落地形態。

面對資源有限、缺乏龐大工程支援的中小企業，務實的落地節奏應採取由內而外、漸進推進的三階段策略。起步時切忌直接推向客戶前線，而應挑選內部使用、高頻率且容錯率極高的場景，例如會議錄音的結構化摘要、長篇產業調研的重點提煉，或是跨國商務郵件的文法潤飾。這個階段的重點在於消除團隊對新技術的陌生與焦慮，讓核心成員在實作中熟悉工具的邊界。

隨後，挑選一到兩個核心業務環節建立標準作業程序，規範同仁輸入的參數標準、固化經過驗證的系統提示，並建立嚴格的驗收檢核表，唯有當標準化輸出的合格率穩定維持在八成以上時，流程才具備進一步擴展的基礎。最終，則是將驗證成熟的流程與內部資料庫深度整合，持續將真實的專案數據、客戶回饋與解決方案回填至專屬資產中，形成外部競爭對手難以單靠購買現成軟體就能輕易超越的營運護城河。

在商業世界裡，如果原本的內部流程是一片空白，乘上再強大的運算能力，結果依然是零；如果原本的業務運作本就混亂無序，倉促導入新工具只會讓組織以更快的速度陷入失控。中小企業面對這場變革，最需要戒除的就是以為花錢購買帳號就能解決營運問題的科技迷信。真正的落地破局從來不是一場採購競賽，而是一場關於流程梳理、組織權責重組與知識資產經營的深層管理變革。唯有把散亂的工具收攏成嚴密的作業管線，把個人的經驗轉化為組織的長效標準，技術才會褪去虛浮的熱度，在企業的資產負債表上產出實質的商業利潤。

這篇文章 審慎評估中小企業導入AI的隱形成本，謹防落地破局｜專家論點【鄭緯筌 Vista】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

比亞迪旗下高階品牌仰望（Yangwang）全新旗艦純電房車近期再度於中國道路測試中曝光。這款新車定位超豪華行政房車，將導入品牌首見的後鉸鏈式對開車門，並傳出有望成為比亞迪首款搭載固態電池的量產車。記者黃仁杰／編譯

比亞迪旗下高階品牌仰望（Yangwang）全新旗艦純電房車近期再度於中國道路測試中曝光。這款新車定位超豪華行政房車，將導入品牌首見的後鉸鏈式對開車門，並傳出有望成為比亞迪首款搭載固態電池的量產車。

[caption id="attachment_327778" align="aligncenter" width="1400"] 比亞迪旗下高階品牌仰望（Yangwang）全新旗艦純電房車近期再度於中國道路測試中曝光。（圖／比亞迪提供）[/caption]

仰望是比亞迪旗下最高階品牌，定位高於騰勢（Denza），也是比亞迪展示新技術的重要平台。過去包括四馬達e4平台、第二代刀片電池以及5分鐘閃充技術，都曾率先導入仰望車款。

車長約5.5米 瞄準Maybach、Rolls-Royce級距

仰望總經理胡曉慶約兩週前首度公布新車預告，最新測試車照片則進一步曝光更多車身細節。

從目前外觀來看，新車採用長軸距、較方正的車身比例，整體風格被形容與Rolls-Royce Phantom相近。

胡曉慶表示，這款車是仰望歷時3年開發的成果，延續品牌設計語言，定位為超豪華行政房車。

新車車長約5.5米，尺碼大致與Mercedes-Maybach S-Class及Rolls-Royce Phantom相近。

首度導入後鉸鏈式對開車門 固態電池傳成最大亮點

目前曝光的測試車已確認採用後鉸鏈式對開車門，也是比亞迪旗下車款首次使用這類設計。

此外，新車先前也曾出現在比亞迪閃充站，意味它有望支援兆瓦級快速充電。

仰望執行總經理鄭宇則表示，新車將搭載「前所未有的顛覆性技術」，但並未進一步透露具體內容。

據中國市場消息，這款仰望新旗艦可能成為比亞迪首款搭載固態電池的車型。

比亞迪執行副總裁李柯（Stella Li）上月曾表示，公司首款搭載固態電池的車型將於2027年亮相，並稱比亞迪在固態電池技術與商業化方面「處於領先位置」。

旗下電池事業FinDreams目前規畫，自2027年開始小批量生產硫化物全固態電池，並預計在2030年前後逐步擴大至大規模量產。

不過，目前比亞迪尚未確認這款仰望房車是否真的會搭載固態電池。

若最終導入，相關技術可能先出現在高階版本，標準車型則仍可能採用最新一代刀片磷酸鐵鋰電池。

四馬達e4平台 輸出可望超過千匹

動力方面，新車預計採用比亞迪四馬達e4平台，綜效輸出可望超過1000匹馬力。

這款超豪華房車預計最快本月正式亮相，屆時比亞迪有望公布更多關於動力、電池與充電技術的資訊。

市場消息估計，新車售價可能超過200萬元人民幣，約接近30萬美元。

相比之下，目前仰望純電房車U7起售價為65.8萬元人民幣，約9.8萬美元；品牌旗下另有U8、U8L插電式油電豪華越野SUV，以及純電超跑U9。

來源：Electrek

這篇文章 比亞迪仰望新旗艦房車再曝光 首搭對開式車門、固態電池傳列高階版本 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

三星電子第三季營業利益預計較去年同期暴增近9倍，主要受惠於AI基礎設施需求持續強勁。不過，隨著記憶體價格漲勢放緩、韓元升值，分析師近一個多月來已明顯下修獲利預估。記者黃仁杰／編譯

三星電子第三季營業利益預計較去年同期暴增近9倍，主要受惠於AI基礎設施需求持續強勁。不過，隨著記憶體價格漲勢放緩、韓元升值，分析師近一個多月來已明顯下修獲利預估。

[caption id="attachment_327710" align="aligncenter" width="1672"] 三星電子第三季營業利益預計較去年同期暴增近9倍，主要受惠於AI基礎設施需求持續強勁。（圖／AI生成）[/caption]

根據LSEG SmartEstimate彙整21名分析師預測，三星今年7月至9月營業利益預估達106.1兆韓元，約791億美元，將高於去年同期的12.17兆韓元，並寫下連續第四季創紀錄的營業利益。

不過，自8月底以來，市場對三星第三季營業利益預估已下修7.7%。

AI需求仍強 記憶體供應吃緊延續

三星獲利持續走高，反映全球記憶體供應仍然吃緊。

AI基礎設施需求成長速度持續高於供應擴張，晶片業者預期，這波從一年多前開始的記憶體短缺，可能持續到明年，甚至延續至2028年。

但第三季記憶體價格漲幅已開始放緩，也讓市場擔心晶片獲利率是否已接近高點，並進一步質疑AI資本支出熱潮能否長期維持。

三星預計本週四公布第三季初步財報，完整財務數據則將於10月底揭曉。

DRAM漲價速度明顯降溫

過去一年多，AI需求推升記憶體價格快速上漲，也帶動三星、SK海力士與美光等主要記憶體廠商獲利與毛利率創高。

不過，高昂的晶片價格也推高智慧手機與消費電子產品成本，進而壓抑終端需求。

同時，記憶體廠與客戶簽訂愈來愈多長期供應合約，在保障供貨的同時，也限制價格進一步大幅上漲。

TrendForce預估，第四季一般型DRAM合約價格將季增10%至15%，明顯低於第二季約60%的漲幅。

TrendForce研究資深副總經理吳雅婷表示，市場供應仍然緊張，但價格上漲速度預計將持續放緩。

她指出，供應商也擔心價格漲幅過大，會進一步傷害整體消費電子市場需求。

此外，長期合約占供應商總產出的比重正在提高，加上部分合約設有價格上限機制，也使價格漲幅受到限制。

三星記憶體獲利率估持平76%

三星今年7月曾表示，希望透過長期合約鎖定約三分之二的記憶體產出，降低記憶體產業景氣大起大落帶來的風險。

美光則表示，2027年與2028年的記憶體市場可能比今年更加吃緊，不過公司本季毛利率預計從87%小幅下滑至86.3%，部分原因來自員工薪酬成本增加。

SK Securities分析師Han Dong-hee預估，三星第三季記憶體晶片營業利益率約為76%，與第二季持平。

這也顯示，即使AI需求仍強，記憶體價格漲勢放緩與成本上升，可能讓三星晶片獲利率暫時停止進一步攀升。

中國記憶體廠競爭壓力升高

三星同時也面臨中國記憶體廠商競爭升溫。

目前中國業者仍主要集中在較低階產品，但隨著全球記憶體供應吃緊，也開始取得更多市場機會。

Summit Insights Group資深研究分析師Kinngai Chan表示，產業調查顯示，愈來愈多OEM與ODM業者開始採用中國生產的DRAM與NAND產品。

韓元升值成另一項壓力

匯率也可能影響三星第三季獲利。

韓元第三季兌美元升值14.3%，從17年低點大幅反彈，並創下1998年初以來最大單季漲幅。

韓元升值會降低三星將海外營收換回韓元時的帳面價值，成為另一項獲利逆風。

三星股價目前較6月高點下跌約25%，但仍較今年初上漲超過一倍。

HBM4出貨擴大 三星市占傳升至34%

在AI記憶體方面，三星正持續擴大高頻寬記憶體（HBM）出貨，希望縮小與市場龍頭SK海力士之間的差距。

三星先前因產品通過輝達認證進度延遲，在HBM市場一度落後，但今年隨著最新HBM4出貨增加，市占率已有回升。

摩根大通預估，三星今年HBM市場占有率將從去年的20%提高至34%；同期SK海力士市占則可能從60%下降至46%。

來源：路透社

這篇文章 三星Q3營業利益估暴增近9倍 AI需求撐盤、但晶片獲利率恐停滯 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

輝達以200億美元取得AI晶片新創Groq資產的交易遭遇法律挑戰。兩名前Groq工程師提起訴訟，指控這筆交易以偏低價格「擠出」股東，並質疑董事會未依法交由股東表決，也沒有透過適當程序確認交易是否替股東爭取到最高價值。記者黃仁杰／編譯

輝達以200億美元取得AI晶片新創Groq資產的交易遭遇法律挑戰。兩名前Groq工程師提起訴訟，指控這筆交易以偏低價格「擠出」股東，並質疑董事會未依法交由股東表決，也沒有透過適當程序確認交易是否替股東爭取到最高價值。

[caption id="attachment_327584" align="aligncenter" width="1672"] 輝達以200億美元取得AI晶片新創Groq資產的交易遭遇法律挑戰。（圖／AI生成）[/caption]

Joshua Rubin與Benjamin Serebrin於10月2日向美國德拉瓦州衡平法院提出訴訟。兩人在輝達與Groq交易公布前就已離開公司，但根據訴狀，他們當時仍持有Groq股票。

Groq：訴訟毫無依據

Groq去年12月宣布與輝達簽署技術授權協議，由輝達取得Groq的AI推論技術授權。

交易完成後，Groq創辦人暨執行長Jonathan Ross、總裁Sunny Madra，以及其他高階主管加入輝達。不過Groq當時表示，公司仍將以「獨立公司」形式繼續營運。

自去年6月以來，Groq已募得約10億美元資金，投資人也包括輝達。

原告則指控，Groq董事會在沒有進行德拉瓦州法律要求的股東表決下，就把公司相關資產出售給輝達，也沒有建立一套程序來測試或最大化輝達所收購資產的價值。

Groq發言人回應表示，與輝達簽署的授權協議，為Groq、投資人及員工創造了「非常高的價值」，並稱這起訴訟毫無依據，公司將積極應訴。

170億美元用於技術授權 另有30億美元RSU

根據訴狀，這筆總額200億美元的交易中，輝達將約170億美元分配至一項被稱為「非獨家」的技術授權。

另外30億美元則以輝達限制型股票單位（RSU）形式，提供給隨技術一同轉往輝達任職的Groq員工。

訴狀指控，部分在Groq董事會擁有席次的投資基金，可能從後續的股東擠出安排中獲得可觀回報，因此造成董事會多數成員存在利益衝突。

原告進一步主張，董事會的選擇讓Groq股東損失數十億美元。

根據訴訟文件，約有150至200名Groq工程師在這筆交易後加入輝達。

黃仁勳：不是收購Groq公司本身

CNBC取得的一封內部信件顯示，輝達執行長黃仁勳在交易公布前後曾向員工表示，這項協議將擴大輝達的能力。

黃仁勳表示，輝達計畫把Groq的低延遲處理器整合至NVIDIA AI Factory架構，進一步支援更多AI推論與即時運算工作負載。

不過他也特別強調，這筆交易雖然包括吸收Groq人才以及取得其智慧財產授權，但輝達「並不是收購Groq這家公司」。

目前輝達尚未對這起訴訟作出回應。

來源：CNBC

這篇文章 輝達200億美元Groq交易遭股東提告 控董事會「低價擠出」持股人 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。