Almeida曾是OpenAI研究員，參與打造聊天機器人，之後還發明人類回饋強化學習（RLHF），但儘管ChatGPT具備強大能力，他仍感到失望。記者許若茵／編譯

Almeida曾是OpenAI研究員，參與打造聊天機器人，之後還發明人類回饋強化學習（RLHF），但儘管ChatGPT具備強大能力，他仍感到失望。

[caption id="attachment_303758" align="aligncenter" width="1024"] TypeSafe AI。（圖／TypeSafe AI）[/caption]

Almeida告訴TechCrunch，「從那時起，我一直在與這個問題搏鬥。花了一段時間，我才得出一個結論：問題在於我們正在針對人類語言進行最佳化……我們在過去4年裡非常擅長處理人類語言，但這對自動化沒有用，因為電腦使用的是不同的語言。」

2年前，Almeida離開OpenAI並創立新創公司TypeSafe AI，試圖解決這個問題。本週，該公司發布一款新的基於Transformer的模型Jev，它並不是大型語言模型（LLM），Jev不輸出文字，而是產生機率，也就是該公司所稱的「校準決策」。

捨棄語言帶來了幾項改變，這讓模型極為便宜且快速，而且由於使用者事先定義輸出內容，模型不會產生幻覺，它的輸出token免費，輸入token則以10億為單位計費，而不是以100萬為單位計費。

開發者對這項產品產生濃厚興趣；由於需求過高，該公司一度失去透過API為使用者提供服務的能力。Jev目前看來最適合軟體自動化。到目前為止，軟體開發者認為，它能以更低成本及更高穩定性，將智慧能力加入程式碼。

例如，製作代理型基礎設施的公司Vercel軟體工程師Pranit Sharma表示，公司曾使用OpenAI的ChatGPT Luna 5.6執行分類器，檢查指令是否安全。當Vercel將OpenAI的Luna換成Jev後，結果產生速度快了5至18倍，準確度也更高。

另一名開發者、Bryo AI技術長Nikhil Mudholkar則測試Jev與Gemini在商業電子郵件分類上的表現。在他的測試中，Gemini的準確度略高，但成本高出10至20倍。Mudholkar更感興趣的是Jev的信心分數，「它是唯一一個會回傳真正機率的模型，這讓它非常適合自動化工作流程！」

除了在特定使用情境中取代LLM之外，新模型也能對LLM進行補強，成為檢查模型不當行為的智慧工具。使用代理監控代理可能很快變得昂貴，但Almeida認為，使用Jev來執行這項工作是合理的。他認為，使用者可以部署Jev追蹤LLM代理的執行軌跡，並防止越獄。

「歸根究柢，它某種程度上是把幻覺問題交給使用者處理。」開源模型框架Pi的開發公司Earendil技術長Armin Ronacher解釋。「使用者必須說，好，如果這次回傳的機率只有50%，那可能就是一場五五波，我就忽略它。但如果是95%，那麼我就可以據此採取行動。」

Ronacher表示，Jev另一個潛在用途是模型路由。預測某項工作是否需要特定模型會很有用，但如果使用LLM執行這項工作，成本會很高。Jev的低成本與速度，讓這類即時分類成為可能。

這也是Almeida的期望。這款模型以19世紀經濟學家William Stanley Jevons命名，Jevons提出的同名悖論描述了某項商品成本下降後，可能導致該商品被更加廣泛使用的現象。在這個案例中，智慧成本下降應該會促使智慧能力被廣泛部署。

「我們認為，未來到處都會出現智慧軟體，以一種自然形成且分散的方式……更像早期網際網路，而不是現在人們試圖打造的那些大型應用程式。」Almeida表示。

Almeida對模型架構守口如瓶，外部觀察人士則猜測，Jev可能建立在開放權重LLM之上。該公司將Jev稱為「System One模型」，專注於直覺而非推理，並且特別聚焦於正確的任務。Almeida表示，Jev完全使用合成資料訓練，並採用他稱為「從校準決策進行強化學習」的技術。

「我們很早就押注，要讓所有資料都由我們自己製作，而這是我人生中做過最好的決定之一——依我看，比我們的發布更好，也比RLHF更好。」他告訴TechCrunch。「我們公司有一半是一間實驗室，基本上擁有整個統計上可理解的合成資料子領域，而這現在就是我人生的喜悅。」

目前，Jev在這類模型中仍是獨自存在，但Ronacher預期，既然它的實用性已經顯現，競爭者很快就會出現。

「從很多方面來看，我們早就應該發現這件事，但可能是因為LLM非常便宜，而且有補貼，所以人們往往還不需要發揮創意。」他說。

資料來源：techcrunch

這篇文章 新AI模型Jev不生成文字 主打高速低成本決策「不會幻覺」 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

AMD市值週一（21）首度突破1兆美元，在AI需求重新升溫帶動下，正式加入美國兆美元晶片公司行列。記者黃仁杰／編譯

AMD市值週一（21）首度突破1兆美元，在AI需求重新升溫帶動下，正式加入美國兆美元晶片公司行列。

[caption id="attachment_303740" align="aligncenter" width="1672"] AMD市值週一（21）首度突破1兆美元，在AI需求重新升溫帶動下，正式加入美國兆美元晶片公司行列。（圖／AI生成）[/caption]

AMD股價盤中大漲9.6%至613.31美元，改寫歷史新高。隨著投資人押注AMD在AI運算市場的角色持續擴大，公司也成為繼輝達、博通與美光之後，第4家市值突破1兆美元的美國晶片業者。

輝達早在2023年跨過1兆美元門檻，目前市值已超過5兆美元，穩居全球市值最高企業。

AI資金重新回流 晶片股全面走強

Great Hill Capital董事長Thomas Hayes表示，資金正在重新回到AI交易，而AMD正是這波資金回流的代表之一。

過去幾個月，隨著市場開始重新檢視超大規模雲端業者龐大的AI資本支出，晶片股熱度一度降溫；加上美伊衝突推升油價，以及市場預期利率可能維持高檔更久，也對科技股形成壓力。

不過，Hayes認為，在聯準會政策可能導致經濟放緩的情況下，投資人重新把AI視為少數仍有成長空間的領域。

週一多數晶片股同步上漲，英特爾大漲約11.8%，高通上漲4.5%，費城半導體指數則上漲2.7%，來到逾一個月高點。

不只賣GPU AMD加速轉向完整AI系統

AMD近來持續加快AI產品推出速度，也開始從單純銷售晶片，轉向提供完整AI系統。

相關產品不只涵蓋處理器，也包括網路設備與其他硬體，希望透過更完整的平台與輝達競爭。

另一方面，隨著AI推論伺服器對CPU需求升高，AMD也從英特爾手中搶下更多伺服器處理器市占。

AMD上月預估本季營收將高於華爾街預期，但仍未完全滿足市場原本相當高的期待。

即使如此，AMD今年股價至今仍大漲185%，遠高於以科技股為主的那斯達克指數15.8%漲幅，也成為標普500指數今年表現最強勁的成分股之一。

估值方面，AMD目前約以未來12個月預估獲利的41倍本益比交易，低於過去10年平均的44倍，但仍明顯高於輝達近期約16.3倍的預估本益比。

來源：路透社

這篇文章 AMD市值突破1兆美元躋身美國晶片四強 2026年股價狂飆185% 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

上篇聊到，Cosmos DB 這類資料庫天生是為 OLTP（處理單筆交易）設計的，想拿來做 OLAP（跨資料分析），需要先把巢狀資料反正規化成寬表。攤平之後，還有兩件事要決定：資料要放進什麼樣的資料庫、以及用什麼工具讓業務人員自然語言查詢。作者：黃婉中（雲端架構師）

上篇聊到，Cosmos DB 這類資料庫天生是為 OLTP（處理單筆交易）設計的，想拿來做 OLAP（跨資料分析），需要先把巢狀資料反正規化成寬表。攤平之後，還有兩件事要決定：資料要放進什麼樣的資料庫、以及用什麼工具讓業務人員自然語言查詢。

[caption id="attachment_274302" align="alignnone" width="834"] （圖／AI生成）[/caption]

順帶一提，攤平不用另外建表、複製一份資料維護。微軟的 Fabric 是一套把資料整理、儲存、查詢、視覺化包在一起的分析平台，用它的 Mirroring 功能，Cosmos DB 資料同步過去後，可以直接下 query 把巢狀 JSON 展開，再用這段 query 建一個 view。View 不是實體資料，是存起來的查詢邏輯，不用寫 ETL，也不動 Cosmos DB 本身的結構。 

除了表怎麼設計，資料庫本身也要跟著換

客戶後來又問了我一個問題：既然只是把表格設計改一下，那是不是隨便找個資料庫，把表改成上篇那樣就好，不用大費周章換資料庫？

「AI履歷健檢」看見自己優勢：https://campaign.1111.com.tw/resume-review/

更多科技工作請上科技專區：https://techplus.1111.com.tw/

這裡有一層容易被忽略的細節：反正規化只是改變表怎麼設計，但資料庫底層如何存資料，也會影響效能。

傳統 SQL 資料庫（像 PostgreSQL、MySQL）是列式儲存（row storage）：同一筆記錄的所有欄位，實際存在硬碟上相鄰的位置。這對 OLTP 很合適，因為一筆交易通常要讀寫一整列的大部分欄位，例如結帳、更新個人資料，整列存在一起，一次讀寫就搞定。

但 OLAP 常見的查詢是「只挑幾個欄位，掃過幾百萬列」，例如上篇那張銷售事實表，只要「城市」跟「小計」這兩欄算加總，不需要其他欄位。如果資料是列式儲存，即使只要兩個欄位，硬碟還是得把整列讀出來才能挑出需要的部分，等於浪費大量讀取效能。這就是為什麼專門做 OLAP 的資料庫，用的是欄式儲存（columnar storage）：把同一個欄位的資料集中存在一起，查詢時只讀取需要的欄位，大幅加快分析查詢的速度。

所以「要不要換成專門的欄式儲存資料庫」，是看兩個條件：

查詢形狀：如果使用情境是「掃過很多列、只看幾個欄位、要加總分組」，欄式儲存更快。

寫入方式：如果是批次匯入、寫入後很少逐筆修改（像這個客戶每天把 Cosmos DB 資料批次同步過來），欄式儲存更有優勢。

為什麼是 Fabric，不是自己組一套？

資料整理好，也放進合適的資料庫之後，接下來要決定的是：業務人員要用什麼工具，才能用自然語言查到答案。

客戶問我：如果重點是「把資料攤平」，那用 Microsoft AI Foundry 直接接 Cosmos DB，用 AI agent 現場處理，是不是也可以？

技術上走得通，Cosmos DB 的 SQL API 本身也能查巢狀 JSON。但差別在於：Cosmos DB 沒有Create view這種把查詢邏輯存成物件的功能，agent 每次都得現查。要把攤平邏輯固化成一個大家共用的 view，需要使用Fabric。Fabric 可以針對鏡射資料建 view，之後 Data Agent、Power BI 都直接查這個 view 就好。

選 Fabric，等於買了一套資料整理、儲存、查詢介面、視覺化全部包在一起的服務。攤平好的資料留在 OneLake 裡，Fabric Data Agent 直接查，要做報表就接 Power BI，中間不用再多想「這份資料該放哪個資料庫」。

如果選 Foundry，拿到的是查詢介面跟 AI 推理引擎，但資料整理完要放哪裡，得自己決定，可以放 Azure SQL、放 PostgreSQL，甚至最後還是得繞回 Fabric 的 OneLake。要做視覺化報表，還得另外接 Power BI 或別的工具。

有內部工程團隊、想要高度客製化的公司，可能會選 Foundry 自己組；沒有工程團隊、想要幾個月內上線的中小企業，買一套包好的服務，反而更划算。

給讀者的判斷框架

回頭看整件事，其實可以歸納成四個問題，遇到類似情境時可以拿來問自己：

1. 我要做的是 OLTP 還是 OLAP？ 查一筆資料 vs. 算一堆資料的加總，需要不同資料庫設計。
2. 值不值得做反正規化？ 這是一次性的整理成本，換取之後每次查詢都更快更準。如果查詢頻率低、資料結構單純，不一定要大費周章。
3. 需不需要換成專門的欄式儲存？ 看查詢的形狀（找特定一筆，還是掃很多列算加總）跟寫入的方式（頻繁單筆修改，還是批次匯入），不是單純看資料量大小。
4. 要自己組，還是買整合服務？ 沒有工程團隊、想快速上線，選整合服務；有能力客製化、想要更大的彈性，可以自己組。

這篇文章 讓 Cosmos DB 的資料開口說話：攤平之後怎麼查？｜專家論點【黃婉中】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

ComfyUI 是一款功能強大的 AI 影像生成工具，透過視覺化的節點流程，讓使用者能在本機電腦免費創作高品質的圖片、音樂與影片。雖然其學習曲線過去較為陡峭，但現在內建了豐富的 工作流程範本，並支援自動下載所需的 AI 模型，大幅降低了進入門檻。使用者可以根據硬體效能選擇在 本地端運算 或使用 雲端 API 服務，彈性調整創作資源。最重大的突破在於整合了 MCP 技術，讓 ChatGPT 或 Claude 等 AI 助理能直接接管並執行複雜的節點操作。這意謂著創作者只需透過 自然語言對話，就能請 AI 助理自動修改流程、優化提示詞或生成多種風格的視覺作品。這項進展將原本專業的生產線轉化為直覺的 超級創作工坊，讓不具備程式背景的新手也能輕鬆駕馭頂尖的 AI 運算。

🔹 內容綱要

00:00 下載與安裝 ComfyUI

01:50 套用內建範本

02:44 畫布基本操作

05:02 生成圖片

06:31 生成音樂

08:07 生成影片

10:46 將 Claude 連接到 ComfyUI

🔹 網站連結

ComfyUI 官網 https://comfy.org/

Comfy MCP 安裝 https://comfy.org/mcp/

Claude 桌面版下載 https://claude.com/download

🔹 請 Papaya 喝咖啡 ☕️ https://buymeacoffee.com/papayaclass

🔹 頻道會員影片目錄 https://bit.ly/3PaC4Jj

#教學 #ComfyUI #AI #Agent #MCP #ChatGPT #Claude

這篇文章 PAPAYA 電腦教室｜如何才能免費製作 AI 影片？將 ComfyUI 接上 Claude (ChatGPT) 讓影片生成不再卡關！本機電腦變成超級創作工坊！ 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

隨著大型語言模型（LLM）的快速發展，人工智慧（AI）晶片的二手殘值已成為觀察當前 AI 超級週期健康狀況的重要指標。根據市調機構 Silicon Data 的最新數據顯示，儘管 Anthropic 執行長 Dario Amodei 與 OpenAI 執行長 Sam Altman 等業界領袖呼籲放緩 AI 模型開發節奏，但市場對高階算力的需求依然強勁，輝達（NVIDIA）B200 GPU 的市場價值更呈現逆勢上漲趨勢。記者孟圓琦／編譯

隨著大型語言模型（LLM）的快速發展，人工智慧（AI）晶片的二手殘值已成為觀察當前 AI 超級週期健康狀況的重要指標。

[caption id="attachment_293893" align="alignnone" width="1064"] NVIDIA DGX B200。（圖／取自輝達官網）[/caption]

根據市調機構 Silicon Data 的最新數據顯示，儘管 Anthropic 執行長 Dario Amodei 與 OpenAI 執行長 Sam Altman 等業界領袖呼籲放緩 AI 模型開發節奏，但市場對高階算力的需求依然強勁，輝達（NVIDIA）B200 GPU 的市場價值更呈現逆勢上漲趨勢。

數據指出，輝達較早期的 A100 與 H100 GPU 目前殘值遠高於傳統 3 年或 5 年直線折舊法所計算出的預估值。更令人矚目的是，在大規模上市約一年後，B200 GPU 的二手殘值高達原始發售價格的 158%，相當於享有 58% 的溢價幅度。分析認為，此現象主因於產品相對稀缺性與市場無間斷的強勁需求。

GPU financing has become a core pain point in AI infrastructure. AI startups report that instead of reserving one year of compute, they're increasingly asked to reserve three while putting down 30-40% upfront.

Compute providers aren't imposing these onerous terms arbitrarily: demand is outstripping supply, and building a data center is capital-intensive, with financing itself expensive to obtain. Part of why: financial markets still treat GPUs as fast-depreciating assets.

Standard market practice still leans on 3-year straight-line schedules to assess GPU residual value, an assumption that flows straight through to the terms providers can offer, and the terms they in turn ask of their customers.

We plotted in the quoted post the actual evolution of residual values for major GPU generations as a share of their original purchase prices. These are market-based fair value estimates, derived from the forward curves implied by observed GPU rental contracts.

The A100 and H100 are both holding value well in excess of what 3 or 5-year straight-line schedules would imply. In fact, B200, whose supply is scarce, we estimate a current residual value well in excess of its original purchase price!

We believe that the financial institutions and capital markets will eventually come view GPUs as the long-lived income-generating capital assets they are and allow them to be financed accordingly. Silicon Data is committed to bringing price transparency and indices to help improve the capital efficiency around GPU financing.

— Silicon Data (@Silicon_Data) September 16, 2026

SemiAnalysis 的估算亦顯示，B200 在推理工作負載方面具備極高效率，以運行 DeepSeek R1 為例，在每位使用者每秒 76 個詞元（Token） 的速率下，每百萬詞元（Token） 的成本僅需 0.20 美元。

此外，晶片租賃市場亦反映出相同的供需緊繃態勢。今年 1 月，輝達 B200 GPU 的每小時租賃價格低於 5 美元；至 8 月時，該價格已攀升至 5.50 美元至 5.80 美元之間，漲幅達 50% 至 80%。強勁的租賃與二手市場表現，再次凸顯了輝達在 AI 硬體市場中難以撼動的龍頭地位。

延伸閱讀：
iPhone 18 Pro 獨特「勃根地紅」新色亮相！業界估將引領 2027 年智慧型手機色彩風潮
三星首款夾式無線耳機 Galaxy Buds On 通過 FCC 認證！預計近期正式登場

資料來源：wccftech

這篇文章 輝達 B200 晶片市場需求極度殷切 殘值逆勢狂飆超原價 58% 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

面對生成式AI、大語言模型（LLM）與AI Agent快速改變資訊產業，也帶來軟體開發與人才培育模式的轉變，國立中央大學資訊工程學系系主任王尉任表示，AI不代表資工教育的重要性降低，反而使「理解問題、掌握系統、驗證AI、解決複雜問題」的能力更加關鍵。未來中央資工將以扎實資工基礎為核心，逐步翻轉教學與評量方式，深化AI研究，並結合校內機械、電機、太空科學、生醫與地球科學等優勢，推動實體AI（Physical AI）、智慧機器人及AI跨域應用，培養能真正「掌控AI、駕馭AI」的新世代資工人才，期待讓學生更進一步「引領AI的應用與創新」。記者林育如／台北報導

面對生成式AI、大語言模型（LLM）與AI Agent快速改變資訊產業，也帶來軟體開發與人才培育模式的轉變，國立中央大學資訊工程學系系主任王尉任表示，AI不代表資工教育的重要性降低，反而使「理解問題、掌握系統、驗證AI、解決複雜問題」的能力更加關鍵。未來中央資工將以扎實資工基礎為核心，逐步翻轉教學與評量方式，深化AI研究，並結合校內機械、電機、太空科學、生醫與地球科學等優勢，推動實體AI（Physical AI）、智慧機器人及AI跨域應用，培養能真正「掌控AI、駕馭AI」的新世代資工人才，期待讓學生更進一步「引領AI的應用與創新」。

[caption id="attachment_292457" align="alignnone" width="843"] 張嘉惠教授指導實驗室團隊研究生廖梓逸、簡資烜、陳冠蓉參加台積電校園黑客松 2026 TSMC IT Career Hack 榮獲洞察半導體產業鏈的智慧助理組第一名。（圖／中央資工系提供）[/caption]

AI時代翻轉資工教育 不禁AI而是教學生駕馭AI

中央資工自1981年成立研究所、1992年成立大學部，並於2006年成立國內第一所軟體工程研究所，長期累積軟體工程、數位學習等特色研究能量。面對生成式AI進入軟體開發與日常工作，傳統資工教育也必須重新思考。

王尉任指出，AI確實可能取代部分入門型工作，例如查閱API、撰寫基礎程式碼或處理部分除錯，因此未來工程師的價值將逐漸從單純「產生程式碼」，轉向理解問題、設計系統、整合技術與驗證結果。也因此，資料結構、演算法、資料庫、作業系統、網路與軟體工程等核心能力仍是不可取代的基礎，因為工程師必須依靠這些專業能力，判斷AI產出的正確性、可靠性與安全性。

因此，中央資工不會以「禁止使用AI」作為教育策略，而是重新設計課程、作業與評量。如果題目本身AI就能直接解答，作業的意義就必須重新思考；未來將更重視學生對問題的分析、解決方法的說明、AI產出的驗證，以及與AI協作處理複雜問題的能力。

[caption id="attachment_292463" align="alignnone" width="794"]
蔡宗翰教授指導實驗室團隊研究生池秉宸、助理韓任倢參加第十三屆 BioASQ 國際級人工智慧競賽 (large-scale biomedical semantic indexing and question-answering challenge) 生醫語意問答任務 Ideal Answers 項目連續六年衛冕冠軍。（圖／中央資工系提供）[/caption]

[caption id="attachment_292471" align="alignnone" width="799"]
蔡宗翰教授指導實驗室團隊研究生池秉宸、助理韓任倢參加第十三屆 BioASQ 國際級人工智慧競賽 (large-scale biomedical semantic indexing and question-answering challenge) 生醫語意問答任務 Ideal Answers 項目連續六年衛冕冠軍。（圖／中央資工系提供）[/caption]

從寫程式走向控制品質 軟體工程價值更加凸顯

AI快速產生程式碼，也讓軟體工程的重要性更加凸顯。王尉任表示，當AI可以協助完成部分程式撰寫後，工程師的價值將逐漸從「寫出程式」轉向「確保軟體品質」，包括系統架構、程式碼檢查、漏洞尋找、除錯、測試，以及確保系統符合需求。

中央資工也思考將軟體工程觀念更早融入大學部課程，讓學生從基礎階段理解完整軟體產品如何設計、開發、測試與管理。同時，系上將鼓勵學生接觸人工智慧、資料科學、資安、資料庫與系統、數位學習、軟體工程等不同研究領域，再依興趣選擇專題與發展方向，並透過跨院微學程提升AI跨域應用能力。

[caption id="attachment_292476" align="alignnone" width="827"] 張嘉惠教授指導實驗室團隊大學部學生簡資烜，以及研究生廖梓逸、張彣謙參加NSF HDR Scientific-Mood Hackathon，在 Neural Forecasting 項目榮獲台灣區第一名，並於全球決賽獲得第二名。（圖／中央資工系提供）[/caption]

深化AI研究 從大語言模型走向AI Agent與實體AI

在AI研究方面，中央資工已累積人工智慧與大語言模型等研究能量，未來將持續深化AI技術，並將AI Agent列為重要發展方向之一。AI Agent不只生成文字或程式碼，更強調理解任務、規劃步驟、使用工具及完成複雜工作，將進一步改變軟體開發與人機協作模式。

此外，中央資工也將結合中央大學校內既有優勢，推動實體AI（Physical AI）與智慧機器人相關合作。實體AI強調讓AI從虛擬環境走向真實世界，結合機械、機器人等技術，發展服務型及產業應用，將AI技術導入真實世界，回應人力需求與實際工作場景。

[caption id="attachment_292479" align="alignnone" width="847"] 許富皓教授指導學生丁時揚、吳畬、賴詠文、郭奕宏、陳玨嶧參加2025臺北秋季程式設計節城市通微服務大黑客松榮獲第一名。（圖／中央資工系提供）[/caption]

結合太空遙測與生醫 擴大AI跨域應用

中央大學在太空科學、太空遙測與地球科學等領域具有研究特色，未來可進一步將AI應用於衛星影像分析、農業發展及國土監測，讓AI從資訊領域延伸至環境、土地與國家治理等實際問題。

在生醫領域，則可結合生醫與認知科學等研究能量，推動神經復健、認知評估與訓練、虛實整合等跨域研究。王尉任表示，資工的優勢不只在於發展AI技術本身，更在於將AI技術帶入不同專業領域，利用科技協助解決產業與社會面對的真實問題。

[caption id="attachment_292482" align="alignnone" width="812"]
林家瑜教授指導實驗室團隊大學部陳昱翔、張高睿、陳永軒、張婷婷、薛耀智、詹宸安、李若宇參加數發部2024 AIGO潛力新星盃競賽，與國立歷史博物館合作，將AI跨領域應用於輔助博物館展場行動導覽，榮獲「優等獎」。（圖／中央資工系提供）[/caption]

從課堂走向競賽與產學 讓學生在實戰中驗證所學

中央資工將採循序漸進的人才培育模式，讓學生從大一建立計算機與程式設計等基礎能力，接著認識不同資工研究領域，再依興趣選擇專題與發展方向，並透過大三、大四的專題、競賽與研究訓練，逐步累積解決實際問題的能力。

王尉任認為，競賽是連結課堂與產業實際問題的重要方式。學生除了掌握專業知識，也應在老師帶領下參與專題與競賽，將課堂所學放進接近真實世界的問題中驗證。

在產學合作方面，中央資工目前與台積電、中華電信及半導體相關企業等進行不同領域合作，未來將持續透過學生實習、教師產學計畫及企業共同研究，讓學生接觸產業第一線問題，也讓實務經驗回饋教學。

[caption id="attachment_292486" align="alignnone" width="795"] 楊晧琮教授指導大學部學生張苙烜、陳語安、林品妤、李姿慧和戴歆儒參加第三屆Gics尋找資安女婕思榮獲「創意發想賽大專校院組第一名」。（圖／中央資工系提供）[/caption]

下一個十年 打造「駕馭AI」人才生態系

展望未來5至10年，王尉任希望中央資工能在AI應用上形成更鮮明的特色，一方面持續強化大語言模型、AI Agent等AI技術研究，另一方面深化既有的軟體工程與數位學習特色，並透過跨域合作將AI導入不同專業領域。

他認為，台灣未來除了持續鞏固半導體產業的領先優勢，也必須進一步深化AI技術與應用，而資工系的重要角色，就是培養能掌握AI、理解系統並解決複雜問題的人才。

「讓 AI 成為學生前進的加速器」，將成為王尉任接任系主任後對中央資工人才培育與系所發展的重要期待。對他而言，AI不是取代資工教育的力量，而是重新定義資工人才價值的契機。中央資工要做的，不只是讓學生學會使用AI，更要讓學生理解AI、驗證AI、整合AI，並運用AI解決真實世界的複雜問題，成為真正能駕馭AI的新世代人才。

延伸閱讀：迎戰熱島效應 環境部攜中央大學打造「國土綠蔭」新願景

這篇文章 迎戰AI時代！中央資工翻轉教學、深化跨域合作 王尉任：讓AI成為學生前進的加速器 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

美國總統川普昨（14）日在洛杉磯All-In Summit期間，突然致電正在台上演講的輝達執行長黃仁勳，並透過擴音器公開表態支持AI資料中心建設，稱目前針對資料中心的反對聲浪是一場「騙局」。記者黃仁杰／編譯

美國總統川普昨（14）日在洛杉磯All-In Summit期間，突然致電正在台上演講的輝達執行長黃仁勳，並透過擴音器公開表態支持AI資料中心建設，稱目前針對資料中心的反對聲浪是一場「騙局」。

[caption id="attachment_291984" align="aligncenter" width="1672"] 美國總統川普昨（14）日在洛杉磯All-In Summit期間，突然致電正在台上演講的輝達執行長黃仁勳。（圖／AI生成）[/caption]

川普表示，資料中心能創造財富，也能為各州帶來經濟效益，甚至形容資料中心將成為未來20至25年的「石油」。

這通電話也凸顯川普與黃仁勳近期互動更加密切，以及AI基礎設施在美國經濟與政策中的重要性持續提高。

Anthropic執行長籲放慢AI發展 川普公開反對

川普近期積極介入AI發展速度與監管的爭論。

Anthropic執行長Dario Amodei日前發表文章，主張AI產業應有意放慢模型開發速度，以降低快速發展可能帶來的風險，相關主張也獲得OpenAI執行長Sam Altman與SpaceX執行長馬斯克支持。

川普則在Truth Social連續發文反擊，將對AI與資料中心發展抱持疑慮的人形容為支持「錯誤且邪惡事業」的革命者，並表示目前沒有必要再增加AI監管。

他也認為，要求美國放慢AI與資料中心建設的聲音，是因為美國目前在相關基礎設施建設速度上領先其他國家。

川普：資料中心是未來20至25年的石油

黃仁勳在All-In Summit台上接到川普電話後，隨即將電話切換至擴音模式。

川普在通話中表示，資料中心將是「未來20至25年的石油」，並稱AI資料中心能讓企業與州政府更加富裕。

他也開玩笑表示，黃仁勳能設計出沒有人能複製的複雜晶片，卻一度搞不清楚如何把電話切成擴音。

目前大規模AI資料中心正大量採用輝達GPU，川普也再次表達對相關建設的支持。

川普向黃仁勳表態「全力支持」

川普在電話中直接告訴黃仁勳，自己「完全支持」他的方向。

他並稱，反對資料中心建設的人正在幫助那些不希望美國AI基礎設施持續發展的勢力，甚至表示相關聲浪可能來自中國。

黃仁勳則回應，認同美國不能讓這種情況發生。

All-In Summit共同主持人Chamath Palihapitiya會後也在社群平台形容這段突如其來的通話「非常超現實」。

輝達截至目前未對這場公開通話進一步回應。

來源：CNBC

這篇文章 突致電黃仁勳力挺AI資料中心？川普稱反對聲浪是「騙局」 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

三星投入荷蘭AI晶片新創Euclyd最新一輪2.31億美元融資，隨著市場對輝達GPU替代方案需求升高，AI晶片新創也持續吸引大型科技與資本市場投資。記者黃仁杰／編譯

三星投入荷蘭AI晶片新創Euclyd最新一輪2.31億美元融資，隨著市場對輝達GPU替代方案需求升高，AI晶片新創也持續吸引大型科技與資本市場投資。

[caption id="attachment_291972" align="aligncenter" width="1672"] 隨著市場對輝達GPU替代方案需求升高，AI晶片新創也持續吸引大型科技與資本市場投資。（圖／AI生成）[/caption]

Euclyd執行長Bernardo Kastrup表示，公司此次完成2億歐元、約2.31億美元A輪募資，由Somerset Capital Partners、EQT旗下Scaleup Europe Fund、Innovation Industries與三星共同領投。

不走GPU架構 鎖定AI推論市場

Euclyd成立於2024年，目前正開發一套不同於GPU架構的AI晶片系統，主要瞄準AI推論工作負載，涵蓋處理器與記憶體架構。

輝達過去憑藉GPU在AI訓練與推論市場快速崛起，並取得高階AI晶片市場的主導地位。不過，隨著AI基礎設施成本持續上升，部分超大規模雲端業者與新創公司也開始尋找其他AI運算架構。

OpenAI今年8月公布首款自研AI晶片Jalapeño，並宣稱具備「業界領先的速度與效率」；Google、AWS與Meta也都正持續推進自研AI晶片。

主打降低AI資料中心耗電與成本 硬體與IP授權雙軌營運

Kastrup表示，AI正逐漸成為經濟成長、科學研究與國家競爭力的重要基礎，但如果底層基礎設施沒有改變，AI發展仍可能受到限制。

Euclyd宣稱，其針對基礎模型設計的晶片系統，可以降低AI資料中心的能源需求與基礎設施成本。

不過，Euclyd目前的系統尚未在大規模商業部署中獲得驗證。

Euclyd目前規畫兩大營收來源。

第一，是向企業客戶出售AI硬體與實體機櫃系統，鎖定希望自行部署、安全運行AI推論的企業。第二，則是授權自家智慧財產權，提供其他公司基於既有技術開發自有AI晶片。

三星不只出錢 記憶體與供應鏈能力也成關鍵

Kastrup表示，三星帶來的不只是資金。

他指出，三星本身就是全球最大記憶體製造商之一，同時具備系統工程、供應鏈管理與龐大產業網路，這些能力都有助於Euclyd後續產品開發與商業化。

Euclyd計畫於2028年開始推出實體晶片系統，並希望到2030年能服務數千家企業客戶。

來源：CNBC

這篇文章 三星投資荷蘭AI晶片新創Euclyd 2.31億美元A輪募資瞄準輝達GPU替代方案 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

雖然每天走1萬步的建議已被廣泛認為是個任意設定的數字，但專家一致認為，多走路對健康有益，也可能降低過早死亡的風險。不過，一項新研究指出，走路的速度可能與步數一樣重要，都能降低死亡風險。記者許若茵／編譯

雖然每天走1萬步的建議已被廣泛認為是個任意設定的數字，但專家一致認為，多走路對健康有益，也可能降低過早死亡的風險。不過，一項新研究指出，走路的速度可能與步數一樣重要，都能降低死亡風險。

[caption id="attachment_210474" align="aligncenter" width="1024"] 雖然每天走1萬步的建議已被廣泛認為是個任意設定的數字，但專家一致認為，多走路對健康有益，也可能降低過早死亡的風險。（圖／AI生成）[/caption]

這項發表於《英國運動醫學期刊》的研究發現，對於每天走不到5000步的人而言，在實際走路時將速度提高至每分鐘超過80步，其效果與以每分鐘60步的速度走超過5000步相當。

研究人員分析英國生物銀行103684名參與者的資料。這些參與者在2006年至2010年加入研究時，年齡介於40至69歲。所有參與者在2013年至2015年間連續7天佩戴活動追蹤器，以監測每天的步數與步行強度。

步行強度是透過「30分鐘最高步頻」進行評估，也就是一天之中30個最高、但不一定連續的步行分鐘所記錄的平均每分鐘步數，並在整個監測期間取平均值。

研究人員追蹤參與者至2022年11月，記錄全因死亡與心血管疾病死亡情況，平均追蹤時間為8年。他們排除了資料缺失、有心血管疾病或癌症病史，以及在追蹤期間因事故死亡的參與者。最終，共有64743名參與者被納入全因死亡分析，其中1697人在追蹤期間死亡；另有70075人被納入心血管疾病死亡分析，其中502人死亡。

「AI履歷健檢」看見自己優勢：https://campaign.1111.com.tw/resume-review/
更多科技工作請上科技專區：https://techplus.1111.com.tw/

每天走7500至10000步的人，過早死亡風險最低。然而，研究發現，每天走不到5000步、但步行速度較快的人，其過早死亡風險低於每天走5000至7500步、但步行速度較慢的人。

未參與這項研究的Kevin Shah醫師，是經美國專科認證的心臟科醫師，也是位於美國加州長灘的MemorialCare Heart & Vascular Institute及Long Beach Medical Center心臟衰竭推廣計畫主任。他解釋，「更多活動，或者就這項研究而言，更高強度的活動，有助改善血壓、維持健康體重、提升胰島素敏感性，並降低整體心臟代謝風險。」

研究作者Stamatakis也表示「這些發現與過去強調活動強度重要性的研究一致，而這些活動本來就是我們日常生活的一部分。我們可能沒有預料到，這種關聯在活動量最低的成年人，也就是每天累積不到5000步的人身上最為明顯，也沒預料到兩種相當不同的步行模式，會與相近程度的風險相關。」

Stamakis也強調持續性的重要。「身體回應的是習慣性的模式，而不是偶爾一次的努力，因此持續數月甚至數年的近乎每日活動，比任何單次步行都更加重要。」他提醒，「任何具有心血管疾病風險因子的人，在提高運動強度之前都應先諮詢醫師。」

資料來源：Medical News Today

這篇文章 走路步數越多越好？研究發現「走多快」也很關鍵 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

Google Cloud與Accenture正合作成立一個聯合事業單位，專門派遣工程師進入企業，協助企業更有效採用Google的AI工具與服務。記者許若茵／編譯

Google Cloud與Accenture正合作成立一個聯合事業單位，專門派遣工程師進入企業，協助企業更有效採用Google的AI工具與服務。

[caption id="attachment_214003" align="aligncenter" width="1024"] Google Cloud不再只談模型能力，而是明確對外釋出其企業AI布局藍圖。（圖／123RF）[/caption]

這個名為「Accenture Gemini Enterprise Business Group」的新單位，是Google近期進軍日益競爭激烈的「前線部署工程師」（FDE）領域的最新行動。AI競賽中的競爭對手，包括OpenAI、Anthropic、Microsoft與Amazon，近期都已成立各自的業務單位，押注AI模型的導入本身就能成為一項價值數兆美元的商機。

這是AI公司與超大規模雲端服務商（hyperscalers）日益需要做出的押注。即使直接歸因於AI的營收仍只是相關投資的一小部分，超大規模雲端服務商每年仍投入數千億美元於GPU、資料中心與電力容量。

Google Cloud第二季營收達248億美元，其中很大一部分由企業AI帶動。但支撐這項成長的承諾規模十分龐大。Google Cloud的母公司Alphabet據報截至6月30日，累積了8110億美元的採購承諾與合約義務。

這些投資目前尚未以企業與投資人所需要的方式產生足夠回報，因此一切都取決於AI公司能否為其服務創造足夠需求。但這項需求並非有保障，因為企業本身也正努力從AI支出中看到真正的投資報酬。

業界普遍認為，企業一直缺乏足夠專業能力，無法以智慧方式將AI工具與服務整合進工作流程，不僅要降低成本，還要長期協助企業創造更多收入。這正是FDE的作用所在——他們扮演穩定且具引導性的角色，理想情況下，應同時具備商業敏銳度與代理型AI能力，並以此徹底改變企業的運作方式。

根據與Accenture達成的協議，Google將培訓Accenture最多1000名FDE，讓他們與企業合作，並在Gemini Enterprise平台上建立客製化AI應用程式。Google發言人表示，這個組織將隸屬於Accenture。

根據Ramp的8月數據，在Ramp的美國客戶中，Google約占企業AI支出的6%，相較之下，Anthropic占43.5%，OpenAI占39.7%。一名Google發言人指出，Ramp許多客戶並未涵蓋那些與Google Cloud簽署大型策略性AI協議的主要企業，而這類協議不只是模型API使用，例如Oracle、Meta、Anthropic與ServiceNow。

「AI履歷健檢」看見自己優勢：https://campaign.1111.com.tw/resume-review/
更多科技工作請上科技專區：https://techplus.1111.com.tw/

Google與Accenture成立的新單位最早由《華爾街日報》報導，是Google今年積極擴張FDE模式的最新行動。Google正試圖解決企業部署瓶頸，並追趕競爭對手。

今年稍早，Google Cloud推出7.5億美元的合作夥伴生態系承諾，將Google自己的FDE部署到包括Capgemini、Cognizant與Deloitte在內的多家顧問公司。這家科技巨頭也與CVC Capital Partners達成多年合作夥伴關係，將FDE直接部署到這家投資公司的旗下企業。

Google並非唯一面臨可能被新興企業超越風險的科技巨頭。專門將工程師派駐企業、建立客製化AI工作流程的公司——例如與Anthropic合作的Ode，以及OpenAI旗下的The Deployment Co.——同樣對Accenture等大型顧問公司構成威脅。

對這家專業服務巨頭而言，與Google的合作加入了其今年自身掀起的一波FDE計畫，包括3月推出的Microsoft FDE業務、5月與ServiceNow合作的FDE計畫，以及6月與SAP共同推出的計畫。

資料來源：techcrunch

這篇文章 Google Cloud攜手Accenture加速AI企業部署 培訓1000名FDE工程師 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。