知勢 - 提供AI新知與觀點的媒體

下指令叫 AI 公平篩選履歷表？無效！

過去，企業導入人工智慧篩選履歷卻引發歧視爭議的事件仍歷歷在目。如今，在生成式 AI 盛行的時代，企業無不希望藉由大語言模型（LLM）與自動化決策演算法，實現從海量履歷篩選到跨國資源配置的高效管理。然而，大型語言模型除了可能讓企業的決策趨向一致外，也可能創造出更多偏見。

AI治理, 人工智慧, 趨勢

MIT公布五大AI風險，恐釀百萬人死亡級災難

麻省理工學院未來科技實驗室（MIT FutureTech）與昆士蘭大學（University of Queensland）共同發布《人工智慧風險優先排序》研究報告，報告指出，未來五年內最可能造成嚴重損害的五大風險依序為：危險能力、競爭壓力、武器與網路攻擊、權力集中，以及虛假資訊。報告也指出，資訊與金融產業對此尤為脆弱；而最容易受到這些風險衝擊的個人與組織，往往缺乏足夠的應對能力。

蔡博探路, 專欄, 觀點

《AI 趨勢-蔡博探路》新一代 AI 的價格戰與可控性焦慮

中國開源模型追平頂尖梯隊中國新創月之暗面（Moonshot AI）發布開源模型Kimi K3，採用混合專家（MoE）設計，性能刷新開源模型紀錄，定價遠低於同級產品，卻能與Claude Fable 5、GPT-5.6 Sol等頂尖模型並列同一梯隊。詳細技術報告尚未公布，實際表現有待後續驗證。

生成式AI, 人工智慧, 趨勢

小心，AI的產出可能讓企業決策變得千篇一律

目前多數的大型語言模型（LLM）都陷入了某種窠臼。它們的回答比你想像的更容易預測，而且缺乏創意。這對於寫程式或研究等任務來說沒什麼大礙，但當你在進行腦力激盪或規劃下一次度假時，這種「群體思維（Groupthink）」就會成為一個問題。

生態系, 人物訪談, 觀點

梁伯嵩：AI 發展不只靠先進製程，而是系統整合的挑戰

聯發科技企業策略與前瞻技術資深處長梁伯嵩日前於「DIGITIMES 2026 GenAI 技術論壇」中，以「七層架構」系統性地說明 AI 發展的完整脈絡。他指出，AI 已不再是單純的技術演進,而須全面串聯硬體、半導體、軟體與應用，並成為實質驅動全球經濟成長的核心引擎。

精選書單, 觀點

比起轉換數字，《點擊成長》指出行銷人更應該知道以下原則

實務上，數位行銷遠比想像中困難：預算難以掌控、成效難以評估，甚至連是否真正帶來獲利都說不清楚。當你無法釐清哪些行銷活動真的有效，他人的成功經驗往往也無法複製。因為沒有找到成功真正的原因，以及真正不變的原則，使用再多工具，都只是用來指飾行銷策略失敗的障眼法而已。

機器人, AI Agent, 人工智慧, 趨勢

AI機器人時代將至？台大教授徐宏民：2030年迎商業化甜蜜點

當前的 AI 發展正處於從「數位虛擬端」跨入「實體物理界」的轉捩點。台大資訊工程學系教授徐宏民從市場動能與技術演進的角度分析推估，若以目前硬體成本下降曲線與模型能力成熟速度，Physical AI 技術成熟與商業落地的甜蜜點有機會出現在2030 年前後。

LLM, 蔡博探路, 專欄, 觀點

《AI 趨勢-蔡博探路》產業 AI 需求轉向：長效、本地部署，更要實際產出

綜觀過去兩週 AI 領域的重大發布與研究成果，可以看到一條清晰的主線：業界焦點已從「單一模型是否更聰明」，轉向「系統能否長時間續航、精通外部工具調用、並真正落地部署」，換句話說，AI 的發展仍走在變現的路上。

資料治理, 數位轉型, 趨勢

「資料變現」重點不在數量，而在流動性

MIT 史隆管理學院資訊系統研究中心（MIT CISR）首席研究科學家 Barbara Wixom 的最新研究點出了盲點：轉型的關鍵不在於企業收集了多少資料或模型有多複雜，而在於資料能否在企業內部被高效整合、靈活應用並重複創造價值。研究團隊將這種能力稱為「資料流動性（Data Liquidity）」，亦即資料資產被重複使用與重新組合的容易程度。