「ChatGPT」的搜尋結果 – 科技島-掌握科技新聞、科技職場最新資訊

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】

黃仁杰 — Mon, 12 Oct 2026 02:00:43 +0000

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。

越逼越不來？美遊戲大廠放寬出勤員工反而更愛進公司

林育如 — Sun, 11 Oct 2026 07:10:30 +0000

遠距、混合辦公已成歐美不少企業的工作型態，但近年企業「召回辦公室」的聲音也越來越大，不少公司要求員工增加進公司天數，甚至恢復固定出勤規定。然而，美國遊戲大廠Riot Games卻反其道而行——放寬出勤要求後，員工進辦公室的比例反而增加15%。記者林育如／編譯

遠距、混合辦公已成歐美不少企業的工作型態，但近年企業「召回辦公室」的聲音也越來越大，不少公司要求員工增加進公司天數，甚至恢復固定出勤規定。然而，美國遊戲大廠Riot Games卻反其道而行——放寬出勤要求後，員工進辦公室的比例反而增加15%。

[caption id="attachment_327624" align="alignnone" width="841"] 真正讓員工願意回公司的關鍵，可能不只是免費食物，而是「進公司有事情要做」。（圖／AI生成）[/caption]

放寬每週3天硬性規定　出勤率反增15%

Riot Games原本要求員工每週至少3天進辦公室，今年1月改變策略，不再要求所有員工固定進公司，而是讓各團隊依照實際工作需求，自行決定何時需要面對面合作。

沒想到政策放寬後，2026年員工進辦公室的情況比過去平均增加15%，創下2022年恢復實體辦公以來的新高。

免費零食、餐點全包　辦公環境也成誘因

Riot Games的辦公環境也相當受到員工青睞。公司提供全額補助的福利商店，園區內還有分布在奧林匹克大道上的小型食品站，提供穀片、包裝零食及其他預製餐點，讓員工不用特別離開辦公區，就能方便取得食物。

不過，真正讓員工願意回公司的關鍵，可能不只是免費食物，而是「進公司有事情要做」。

新制度下，員工不必為了湊足每週出勤天數而進辦公室，而是在需要開會、腦力激盪或團隊協作時，再選擇進公司，讓實體辦公有更明確的目的。

歐美掀「回辦公室」潮　台灣企業也值得參考

近年歐美不少企業重新要求員工回辦公室，希望透過面對面工作提升溝通效率與團隊合作，但員工卻未必買單。對已經習慣遠距工作的上班族來說，如果工作在家就能完成，增加通勤時間自然容易引發反彈。

這個現象對台灣企業也值得參考。與其規定「你一定要來」，Riot Games採取的方式是讓員工覺得「來公司有必要」。

從結果來看，放寬硬性出勤規定後，員工進辦公室的比例反而增加15%。這也顯示，企業面對「回辦公室」問題時，關鍵或許不只是規定員工一週要來幾天，而是能不能讓員工認為，進公司比待在家裡更有價值。

資料來源：Los Angeles Times

科技浪｜AI Agent 大戰全面開打！深度解析 OpenAI Dots、Muse、Grok Bot、Instinct

林育如 — Sat, 10 Oct 2026 03:05:01 +0000

本集內容深入剖析了近期迅速崛起的個人雲端 AI 助理趨勢，探討其如何透過獨立身份與雲端虛擬機徹底顛覆傳統的對話介面。節目詳細比較了四大主流產品 Instinct、Meta Muse、Grok Bot 以及 OpenAI Dots 在功能設計上的差異與各自的優勢。此外，講者也分析了各家廠商所採取的交易抽成與訂閱計費這兩種截然不同的商業模式。最後，內容延伸探討了這波技術浪潮將如何重塑未來網路生態，並試算支援龐大用戶所需的 CPU 基礎設施成本。本集內容深入剖析了近期迅速崛起的個人雲端 AI 助理趨勢，探討其如何透過獨立身份與雲端虛擬機徹底顛覆傳統的對話介面。節目詳細比較了四大主流產品 Instinct、Meta Muse、Grok Bot 以及 OpenAI Dots 在功能設計上的差異與各自的優勢。此外，講者也分析了各家廠商所採取的交易抽成與訂閱計費這兩種截然不同的商業模式。最後，內容延伸探討了這波技術浪潮將如何重塑未來網路生態，並試算支援龐大用戶所需的 CPU 基礎設施成本。

本集三大重點：

1. 個人雲端 AI Agent 的定位與架構
與傳統單次任務的 Session（如 ChatGPT）不同，最新的 Personal AI Agent 被賦予獨立身份、長期記憶與高層次目標責任，能自主跟進廠商談判或關注新模型並自動更換部署。它具備主動性，可在緊急或關鍵時刻主動傳訊提醒。架構上，廠商直接在雲端資料中心劃分虛擬機器（Cloud VM），免去過去自行在本地設備裝機（如 OpenClaw）的繁瑣設定與維護，大幅降低一般人的使用門檻與操作摩擦力。

2. 四大產品特色與兩大商業模式
四大 Agent 各具特色：Instinct 無獨立 App，直接融入通訊軟體並支援 Agent 間互瞧時間；Meta Muse 主打資安防護，導入 Sentinel agent 門衛與 Tainted egress 標記；xAI Grok Bot 支援建立多 Agent 團隊協作；OpenAI Dots 則深度整合 Codex 生態系與雲端開發環境。商業模式則分兩派：面向消費者的「交易抽成（Transaction Take Rate）」（如 Instinct、Muse），靠協助線上交易抽取佣金；面向專業用戶與企業的「訂閱費 + 用量計費」（如 Dots、Grok Bot）。

3. 對網路生態與算力基礎設施的衝擊
AI Agent 將成為全新網路互動入口，顛覆傳統 App UI 操作。無實體履約能力、僅靠 UI 流量與資訊聚合抽佣的服務（如 Skyscanner）容易被取代；而具備實體外送與服務網路的平台（如 Uber Eats）則能保持不可替代性。在基礎設施方面，Agent 需在背景長時間常駐運行雲端 VM 沙盒，這使得資料中心除了 GPU 與記憶體外，對伺服器 CPU 核心數量的配置需求也隨之顯著增加。

【AI工具】GPT-6導入「智慧介面」 ChatGPT回答將更視覺化互動

許若茵 — Thu, 08 Oct 2026 07:04:22 +0000

OpenAI推出新一代GPT-6模型，進一步將「智慧介面」導入ChatGPT，讓AI不再只透過文字回答問題，而是能依據使用者需求，自動組合圖形、按鈕、表單、圖表等互動元素，甚至直接建立可使用的工具，讓資訊呈現與任務執行更加直觀。

記者許若茵／台北報導

[caption id="attachment_327768" align="aligncenter" width="1024"] OpenAI推出新一代GPT-6模型，進一步將「智慧介面」導入ChatGPT，讓AI不再只透過文字回答問題。（圖／截取自OpenAI）[/caption]

OpenAI表示，上個月已向付費用戶推出首批GPT-6模型，如今則推出全新的GPT-6模型，將這一代AI能力帶給每週使用ChatGPT的超過12億人。

此次GPT-6最大的更新之一，是導入「智慧介面」（Intelligent UI）。OpenAI表示，模型經過訓練後，能結合文字、視覺內容與互動元素回答問題，並根據使用者提出的問題，決定最適合的呈現方式。

例如，在進行內容比較時，ChatGPT可以採用並列方式呈現；解釋複雜概念時，則可能使用互動式圖表；如果單純文字回答最有效，也會直接提供文字內容。透過智慧介面，ChatGPT的回答可以包含圖形、可點擊按鈕、表單、圖表，以及能直接在對話中使用的互動體驗。

OpenAI舉例，使用者若要安排週日烤肉，ChatGPT可以將時間安排與食譜並列呈現；規劃公路旅行時，則可以將停靠點放在地圖上，並附上值得繞道前往的地點說明。

除了資訊呈現更加視覺化，GPT-6也能針對使用者當下的任務建立工具。例如，使用者可以要求ChatGPT建立計算器，探索儲蓄如何成長，也可以建立朋友聚餐時使用的分帳工具，甚至直接在對話中建立遊戲。

OpenAI指出，GPT-6除了導入智慧介面，也讓ChatGPT能在持續思考的同時開始回答。對於需要網頁搜尋的問題，GPT-6Instant平均可比GPT-5.6Instant更早開始回答。OpenAI在不同內部評估中指出，GPT-6在回答速度與高價值日常代理任務表現上都有進一步提升。

同時，GPT-6也改善需要網頁搜尋的回答品質，包括更準確判斷何時需要查找資訊，以及更可靠地找到能支持回答的資訊。在針對困難問題的內部評估中，GPT-6也更常正確處理使用者問題中的關鍵面向。

在AI安全方面，OpenAI表示，GPT-6持續強化辨識現實世界風險、保持回應誠實，以及遵守使用者限制的能力。相較於GPT-5.6Sol，GPT-6更能抵抗試圖繞過安全訓練的行為，也更能遵循安全防護措施，並清楚說明自身能做與不能做的事情。

OpenAI也根據真實世界使用經驗更新安全訓練，強化針對網路攻擊、生物威脅與暴力等高風險濫用的防護。在對抗性測試中，GPT-6展現出更強的防護能力，尤其能抵抗跨多輪對話、不斷調整策略以繞過安全訓練的攻擊。

此外，GPT-6也接受訓練，在較高風險情境下提供安全回應，同時避免對無害請求進行不必要的拒絕，並利用對話歷史與相關背景辨識單一提示中可能不明顯的風險。

OpenAI表示，搭載智慧介面的GPT-6自今日起，陸續向全球ChatGPTPlus、Pro、Business與Enterprise方案的Chat分頁推出，明日起則擴大至Free與Go方案。Enterprise方案是否能使用，則取決於工作場所管理員的設定。

ChatGPT中的GPT-6，Plus、Pro、Business與Enterprise方案由GPT-6Sol提供支援，Free與Go方案則由GPT-6Luna提供支援，兩者皆針對日常對話進行調整。此次更新適用於ChatGPT的Chat體驗，Work與Codex所使用的模型則不會因本次發布而改變。

資料來源：OpenAI

不只中國AI！OpenAI與Anthropic迎新威脅 Reflection挑戰AI巨頭

許若茵 — Tue, 06 Oct 2026 02:39:15 +0000

OpenAI與Anthropic如今面臨一項新的威脅，而對手並不是中國，一家鮮為人知的美國AI新創公司正試圖搶走前沿AI公司的核心企業業務，讓企業客戶能夠自行打造客製化AI模型。記者許若茵／編譯

OpenAI與Anthropic如今面臨一項新的威脅，而對手並不是中國，一家鮮為人知的美國AI新創公司正試圖搶走前沿AI公司的核心企業業務，讓企業客戶能夠自行打造客製化AI模型。

[caption id="attachment_214624" align="aligncenter" width="1024"] 一家鮮為人知的美國AI新創公司正試圖搶走前沿AI公司的核心企業業務。（圖／AI生成）[/caption]

OpenAI與Anthropic的商業模式，很大程度上都是透過API與企業訂閱服務向企業客戶銷售AI。據CNBC報導，OpenAI財務長Sarah Friar在8月一次閉門會議中告訴投資人，該公司的營收過去大約以60比40的比例偏向個人客戶，但近期這項比例已經反轉。Friar表示：「現在我們的大部分營收來自企業。」

Anthropic則在2月表示，已有超過500家企業客戶每年在API使用或Claude訂閱上的支出超過100萬美元。上個月外洩的IPO招股說明書顯示，Anthropic去年四分之一的營收來自兩家客戶，兩家公司名稱未公開，但幾乎可以確定是企業。

由中國AI實驗室開發的幾款強大開源與開放權重模型，已成為吸引人的替代方案，因為企業可以修改這些模型以符合自身需求，更重要的是，它們比美國前沿模型更加便宜。

相較之下，ChatGPT與Claude提供一套令人困惑的價格方案，讓價格追蹤變得困難。所謂「token-maxxing」時代，也就是企業鼓勵員工在日常工作中盡可能大量使用AI工具的時代，如今已經讓位給更加審慎的節省成本做法。但中國模型也帶來自身問題。多數美國大型企業自然不願意將敏感的客戶資訊交給與中國共產黨存在直接關係的AI開發商。

Reflection AI希望填補這項空缺。這家公司於2024年由兩名前Google DeepMind研究人員創立，目前正打造其所稱的「AI工廠」，也就是讓企業自行建立AI模型的軟體，藉此不必依賴ChatGPT等封閉系統的訂閱服務，也不必採用具有風險的中國替代方案。

Reflection共同創辦人兼執行長Misha Laskin在7月接受CNBC採訪時表示：「如今最好的開放模型都來自中國。因此，全球AI採用實際上很大程度建立在中國模型之上，包括美國企業也是如此。這很好，但我們希望建立一個充滿活力的AI生態系統，擁有大量競爭與參與者，而我們正在建立對此的制衡，也就是在美國打造優秀的開放模型。」

根據Axios最新報導，Reflection目前也正準備推出自己的開放權重AI模型，直接與太平洋兩岸最大的前沿AI實驗室競爭。報導沒有透露太多細節，但表示這款模型預計很快推出，其能力將可與最先進的中國開放權重模型相當。Axios並補充，Reflection的首款模型推出後，本月還將有其他西方業者推出更多開放權重模型。

資料來源：gizmodo

歐洲逾半地區今夏面臨極強熱壓力持續13天創最熱紀錄

許若茵 — Mon, 05 Oct 2026 09:15:24 +0000

歐盟哥白尼氣候變化服務（C3S）週五表示，今年夏季歐洲略超過一半地區一度經歷「極強」程度的熱壓力，使整個歐洲面積創紀錄比例的人口暴露於極端高溫的健康風險中。記者許若茵／編譯

歐盟哥白尼氣候變化服務（C3S）週五表示，今年夏季歐洲略超過一半地區一度經歷「極強」程度的熱壓力，使整個歐洲面積創紀錄比例的人口暴露於極端高溫的健康風險中。

[caption id="attachment_214293" align="aligncenter" width="1024"] 極端高溫正嚴重衝擊全球。（圖／AI生成）[/caption]

C3S表示，今年夏季有52%的歐洲地區暴露於極強熱壓力，創下歷史最高紀錄。

當高溫與高濕度使人體無法透過流汗降溫時，就會出現熱壓力，相關症狀包括心率增加、噁心、頭暈與中暑。中暑可能危及生命。

哥白尼氣候變化服務將「極強」熱壓力定義為體感溫度至少達到攝氏38度（華氏100度）的環境，西歐經歷有紀錄以來最炎熱的夏季，出現「極強」熱壓力的天數達13天。

極端高溫對戶外工作者、老年人，以及患有心血管疾病與糖尿病等疾病的人帶來特別高的健康風險，C3S表示，今年夏季歐洲各地河川流量也創下30多年來最低紀錄，根據世界氣象組織，人類造成的氣候變遷已使歐洲成為全球升溫最快的洲。

資料來源：reuters

亞馬遜回應資料中心反彈宣布不再與政府簽保密協議

許若茵 — Mon, 05 Oct 2026 08:53:59 +0000

亞馬遜網路服務執行長Matt Garman表示，亞馬遜已停止在與政府機構的合作中使用保密協議（NDAs），目前公司正尋求批准興建新的資料中心。Garman回應外界對資料中心日益普遍的疑慮，並主張資料中心實際上能為社區帶來好處。記者許若茵／編譯

亞馬遜網路服務執行長Matt Garman表示，亞馬遜已停止在與政府機構的合作中使用保密協議（NDAs），目前公司正尋求批准興建新的資料中心。Garman回應外界對資料中心日益普遍的疑慮，並主張資料中心實際上能為社區帶來好處。

[caption id="attachment_251019" align="aligncenter" width="1024"] 亞馬遜網路服務執行長Matt Garman表示，亞馬遜已停止在與政府機構的合作中使用保密協議（NDAs），目前公司正尋求批准興建新的資料中心。（圖／AI生成）[/caption]

保密協議是資料中心引發更廣泛反彈的重要一環。例如，環境倡議人士Erin Brockovich最近表示，她聽到有關資料中心的第一大抱怨就是透明度問題，而這些項目往往遵循一種常見模式，項目在許可已經取得後才宣布、開發商不回覆電話、地方官員在鄰居知道某項目正在被考慮之前就已簽署保密協議。」

在這波反彈下，紐約州宣布暫停大型資料中心許可1年。Garman表示，目前全美正在考慮的資料中心暫停措施超過100項。Garman聲稱，「如果這些措施被採納，美國可能是在這場競賽中自行寫下失敗的結果，而後果將持續數代。作為一個國家，我們無法承擔陷入這種局面的代價。」

Garman也試圖反駁他所稱資料中心面臨的四大迷思，包括資料中心消耗過多水資源、推高電價、產生大量污染，以及無法為所在社區帶來任何好處。

Garman引用亞馬遜一份關於自身用水情況的報告表示，「資料中心直接用水量」僅占美國所有工業用水量的0.5%，「比高爾夫球場、杏仁種植以及許多其他產業少了數個數量級」。

輝達最近表示，其新的冷卻系統可以消除資料中心內「幾乎所有用水」，但這些說法與亞馬遜的說法一樣，似乎忽略了發電與晶片製造所涉及的更廣泛用水量。科學家也表示，他們需要分別研究資料中心的用水與能源使用情況，因為目前聯邦或州政府並沒有要求科技公司以特定方式回報這些數據。

至於電價，Garman表示，在資料中心數量較多的一些州，電價確實上漲，但在其他州則有所下降，或至少增長速度較慢。他主張：「在能源價格上漲的情況下，主要原因是電網老舊，而且在需求出現之前，並未進行投資與擴建。」另一方面，一個獨立監督機構最近表示，資料中心是美國最大電網電價年增76%的主要原因。

至於污染問題，目前NAACP正就此起訴Elon Musk旗下SpaceX/xAI。Garman抱怨，批評者關注的是資料中心許可所允許的最高污染量。例如，德州一座規劃中的亞馬遜資料中心獲准每年排放3300萬噸二氧化碳，排放量高於美國其他任何發電廠。

Garman表示，「事實是，資料中心的發電機幾乎從未運轉。它們有99.9%的時間處於閒置狀態，每年大約運轉10小時，主要用於必要的維護測試。」

至於對社區帶來的好處，Garman在文章中寫道，「我們不再與合作項目的政府機構使用保密協議。」此外，他表示，「過去3年，亞馬遜已向全美具有重要資料中心據點的社區投入超過10億美元。」

資料來源：techcrunch

AI模型研發緩步台灣半導體產業的機遇與挑戰｜專家論點【劉佩真】

許若茵 — Mon, 05 Oct 2026 00:30:20 +0000

三大人工智慧巨頭--包含Anthropic執行長Dario Amodei提出長篇警告，以及OpenAI的山姆·奧特曼(Sam Altman)與xAI的伊隆·馬斯克(Elon Musk)等人的呼應，近期相繼建議放緩前端 AI 模型研發的步伐，這為全球科技格局帶來深遠的典範轉移。對於長期乘著數據中心擴張與GPU 求狂潮、迎來前所未有高成長的台灣半導體產業而言，這項戰略轉向既帶來短期的市場震盪，也引發複雜的結構性影響。作者：劉佩真（台經院產經資料庫總監、APIAA院士）

[caption id="attachment_252215" align="aligncenter" width="1024"] 對於長期乘著數據中心擴張與GPU 求狂潮、迎來前所未有高成長的台灣半導體產業而言，這項戰略轉向既帶來短期的市場震盪，也引發複雜的結構性影響。（圖／AI生成）[/caption]

在短期內，前端訓練模型研發的協調性放緩，恐將直接衝擊台灣以出口為導向的科技生態系。台積電、鴻海、廣達及各大IC設計公司，其近期亮眼的財務表現皆建立在美國雲端巨頭的積極資本支出之上。若科技巨頭因安全考量、法規壓力或巨型叢集邊際效益遞減，而放慢對更大規模語言模型參數的追逐，高階製程及CoWoS封裝產能的囤積急迫性可能會出現暫時性的降溫。隨著投資人重新評估AI高速成長曲線的斜率，高階矽晶圓市場的市場情緒也可能面臨短期的修正。

然而，在度過最初的衝擊後，前端訓練的減速並不等同於 AI 發展的全面停擺；相反地，它將促使資金轉向推論與營運效率的提升。隨著產業焦點從打造龐大的基礎模型，轉向商業化與現有模型的規模化應用，市場的需求樣貌也隨之改變。硬體需求將強烈轉向高能源效率的邊緣AI、專用特殊應用積體電路(ASIC)以及成本最佳化的硬體設備。台灣在此領域擁有無可匹敵的優勢，其涵蓋靈活的IC設計、先進封裝與精密製造的完整生態系，具備獨特的適應能力，能夠迎合重視性價比與綠色運算的市場新趨勢。

此外，西方領袖呼籲採取自願性克制，也為地緣政治變數增添有趣的維度。雖然安全導向的緩步發展恐會放慢美國國內的步調，但來自其他競逐技術自主生態系的全球競爭壓力，確保整體矽晶圓的爭奪戰並不會完全凍結。台積電作為全球首要晶圓代工廠的無可取代地位，意味著即便特定客戶的開發藍圖遭遇交錯的延遲，其依然能透過結構性的需求多元化獲得保護。

整體來說，這場要求對 AI 研發進行控制性減速的集體呼籲，迫使台灣半導體產業從盲目追求指數級擴張的時代，過渡至更為成熟、講求效率的發展階段。透過將其優勢扎根於先進製造的韌性與靈活應變的硬體解決方案，台灣的科技供應鏈將能安然度過這波亂流，並隨著 AI 革命從純粹的規模競賽走向務實的實際效用，展現更強韌的生命力。

從挑戰來看，過往由巨型模型軍備競賽所帶動的超高成長動能將面臨修正，雲端大廠資本支出的短暫觀望與調整，不可避免地會牽動台灣高階晶圓代工與先進封裝產能的接單節奏。然而，危機往往伴隨著轉機。當產業焦點轉向推論普及、邊緣 AI 落地以及高性價比的客製化晶片時，台灣憑藉完整的半導體生態系與無可取代的製造韌性，正好能夠精準對應市場對綠色運算與成本最佳化的新需求。

展望未來，台灣半導體產業的護城河不再僅僅依賴硬體代工的規模，而必須加速從純粹製造者轉型為系統設計與價值整合者，僅要持續深化先進製程、封裝技術的創新，並靈活應對國際局勢與市場需求的交替，台灣必能在AI革命由虛擬走向實體、由規模走向實效的下一波浪潮中，穩固其全球科技樞紐的長遠地位。

AI讓履歷失效了？求職者一鍵狂生履歷企業改成「直接測技能」找人才

彭夢竺 — Sun, 04 Oct 2026 03:05:02 +0000

生成式AI讓求職者可以快速修改履歷、撰寫求職信，甚至針對不同職缺大量客製化內容，卻也讓企業越來越難單靠一份履歷判斷人才。招聘平台Sapia.ai創辦人暨執行長Barb Hyman直言，傳統履歷已經「壞掉了」，未來企業找人可能不再只看學歷與工作經歷，而是直接確認求職者到底具備哪些技能。記者彭夢竺／編譯

生成式AI讓求職者可以快速修改履歷、撰寫求職信，甚至針對不同職缺大量客製化內容，卻也讓企業越來越難單靠一份履歷判斷人才。招聘平台Sapia.ai創辦人暨執行長Barb Hyman直言，傳統履歷已經「壞掉了」，未來企業找人可能不再只看學歷與工作經歷，而是直接確認求職者到底具備哪些技能。

英國畢業生就業市場已經出現明顯變化。英國學生雇主協會（Institute of Student Employers）數據顯示，2025年英國畢業生雇主平均每個職缺收到140份申請，創下30年來最高紀錄。當AI讓求職者能大量產生履歷與求職信，企業從大量申請中找到真正適合的人，反而變得更加困難。

[caption id="attachment_267040" align="aligncenter" width="1536"] 現在許多求職者在撰寫履歷時，會使用AI幫忙做優化。（圖／AI生成）[/caption]

AI讓每份履歷都能「量身打造」

Hyman認為，問題在於AI現在可以輕易把同一名求職者的履歷，針對任何職缺重新包裝。如果企業仍把履歷當成第一道重要篩選工具，就可能錯過真正適合的人。

她舉例，一名美髮師從工作經歷來看，可能不像客服中心職缺的典型候選人，但美髮師每天需要傾聽顧客需求、展現同理心，還得持續解決各種問題，這些能力反而可能非常符合客服工作。

因此，直接評估技能，有機會看見傳統履歷無法呈現的能力。

企業開始改成「技能優先」近2/3已採用

這種招聘方式也正在增加。招聘公司Michael Page 2026年研究顯示，約三分之二英國企業已經採用技能導向招聘；近60％求職者也表示，如果職缺是以技能而非傳統學歷或職涯經歷定義，自己會更願意投遞。

AI同時正在改變企業認定的「能力」。AI決策公司Taktile技術長James Broadhead表示，以前工程師可能需要3週才能完成一個原型，現在利用AI，一個下午就可能做出10個版本。真正困難的事情因此從「做不做得出來」，轉變成「能不能判斷哪一個真的好」。

Taktile現在除了技術能力，也會觀察求職者與客戶溝通的能力、自我反思，以及是否願意質疑自己做出的成果，同時關注候選人是否持續嘗試新的AI工具。

Broadhead甚至表示，由於AI模型更新速度太快，公司會直接詢問求職者：「過去3週，你改變了哪些AI工具的使用方式？」

履歷寫得再漂亮不如直接做給企業看

部分企業則乾脆把招聘變成實戰測驗。數位行銷與廣告公司PMG會要求畢業生求職者到現場完成實際任務，包括團隊合作及處理客戶需求，希望直接觀察候選人如何互動、思考與完成工作。

PMG歐洲、中東及非洲區總裁Josh Krichefski認為，在真正要求一個人完成任務以前，很難知道他是否具備所需能力，「過去的經歷並不能告訴你這件事」。

這種改變甚至可能替缺乏工作經驗的新鮮人帶來不同機會。當企業更在意「現在能不能做」，而不是「以前做過什麼」，傳統履歷上的年資優勢也可能降低。

AI弄亂招聘也可能反過來解決問題

有趣的是，造成履歷可信度下降的AI，也可能成為企業改善招聘的工具。Hyman認為，傳統履歷與面試原本就容易受到人為偏見影響，例如主管可能有意或無意偏好與自己背景相似的人。AI則可以協助企業從大量候選人中找出不同背景、但具備所需技能的人才。

不過，這不代表AI應該完全取代真人招聘。Hyman認為，AI更適合處理大規模的前期篩選，最終錄取決定仍應交給真正會與新員工一起工作的團隊。

當AI可以讓每個人快速產生一份看起來完美的履歷，企業真正想知道的問題，也可能逐漸從「你以前在哪裡工作」，變成更直接的「你現在到底會做什麼」。

資料來源：CNBC

PAPAYA 電腦教室｜找不到適合自己的 App？不如乾脆自己做一個！無程式基礎也沒有關係只要會「許願」就可以！

林育如 — Sat, 03 Oct 2026 03:05:58 +0000

本集介紹了如何利用 AI 助理（如 Claude 或 ChatGPT）來零基礎打造專屬的 AI 語音助理 App。使用者只需透過清晰的文字描述提出需求，並搭配 GitHub 進行程式碼的版本管理與備份。接著，透過設定 Cloudflare、Gemini 金鑰以及連接 Line 官方帳號，就能實現透過口說來設定提醒或傳送賀卡的功能。此外，開發者還能利用 Claude 建立新分支來安全地測試與新增功能。最後，透過撰寫 CLAUDE.md 備忘錄，能讓 AI 迅速掌握專案脈絡，方便日後進行維護與更新。本集介紹了如何利用 AI 助理（如 Claude 或 ChatGPT）來零基礎打造專屬的 AI 語音助理 App。使用者只需透過清晰的文字描述提出需求，並搭配 GitHub 進行程式碼的版本管理與備份。接著，透過設定 Cloudflare、Gemini 金鑰以及連接 Line 官方帳號，就能實現透過口說來設定提醒或傳送賀卡的功能。此外，開發者還能利用 Claude 建立新分支來安全地測試與新增功能。最後，透過撰寫 CLAUDE.md 備忘錄，能讓 AI 迅速掌握專案脈絡，方便日後進行維護與更新。

🔹 內容綱要

00:00 設定專案資料夾

02:27 設計 App 圖示

03:17 提出 App 功能需求

05:44 將專案納入 Git 版本管理

07:11 雲端空間註冊和申請金鑰

11:16 App 功能測試

13:15 修改和新增 App 功能

🔹 提示詞連結 https://papayaclass.s.gy/ogpU2y

🔹 網站連結

Claude https://claude.ai/

ChatGPT https://chatgpt.com/