根據《2025 台灣產業 AI 化大調查》，仍有七成企業難以跨越 AI 落地應用門檻。人工智慧科技基金會今年啟動全台製造業 AI 導入媒合活動，聚焦實戰落地與技術對接。
閱讀專題連結：https://aif.tw/topics/taiwan-manufacturing-inventory/
專題精選
-
製造業 AI 導入現況觀察
-
ChatGPT 正夯，多模態基礎模型的挑戰與機會
Midjourney、ChatGPT 等 AI 應用爆紅，其背後基礎模型的重要性也備受關注。基礎模型（Foundation model）指的是，透過大量數據訓練出能執行多種不同任務的模型（通常有規模的使用自監督式學習），例如 Google、Facebook 等大型科技公司，近幾年挹注龐大的資源訓練出大型模型，如 GPT-3、BERT 等，都屬於基礎模型。
閱讀專題連結：https://aif.tw/topics/hhri-20230303-next-forum/index.html
-
No-Code AI平台這麼多，企業該選哪一家？
近幾年大為流行的Low Code、No Code AI平台，強調不用培養AI團隊與快速看到結果。由於主打「完全不需寫程式」或「寫少量程式」就能完成工作，也讓不少公司開始考慮是否導入相關系統。而這麼多的平台工具該怎麼選呢？
閱讀專題連結：https://aif.tw/topics/no-code-and-low-code/index.html
知勢電子報
-
討論 AI 好不好用之前，企業該先解決的基礎問題
Anthropic 在 6 月底發布的最新一期經濟指數報告特別吸引我，因為主題正是《Cadences》（節奏）。報告裡首度用小時等級的顆粒度，描繪人們與 Claude 互動的生活節奏：幾點看新聞、幾點問食譜、報稅季節前後使用量的暴起暴落。有趣的是，報告發現，越習慣把整個任務放心交給 AI 處理的重度使用者，反而對自己未來的薪資、工作保障與工作意義，抱持更樂觀的看法。
-
從技術競賽到系統治理，AI 的賽場正在改變
這幾年 AI 賽場真正的轉折。過去比的是誰的模型更強、更快、參數更多，是一場技術競賽；但當 AI 開始以「通用個人代理」的形式，深度嵌入每個人的日常認知活動時，真正該被放上桌面討論的，變成了系統治理的問題——誰設計、誰把關，用什麼原則決定這套系統替我們做的每一個判斷。
-
不只是自動化！重新定義人機協作價值與市場規則
最近看到 Brookings Institution 漢密爾頓計畫 (Hamilton Project) 在 2026 年 2 月發表的報告中，提出了如何設計出賦能人才的 AI 系統，提供企業發展 AI 的另一個重要面向，正好成為我備課的重要參考，也特別與各位朋友分享。