AI Agent, 策略觀點, 觀點 從「通用大模型」邁向「專家 Agent」的價值變現之路 AI 下半場的核心轉變，是從「讓模型回答問題」，進化為「讓模型解決問題」。這意味著企業必須轉向識別真實痛點，發展以人為本的 AI，畢竟智能代理的價值體現於三個要件：問題可格式化、任務可分解、結果可衡量，唯有如此才能直接驅動價值變現。
智慧醫療, 趨勢 從數據到分子：AI如何重塑生技製藥產業 AI的應用持續影響生技臨床試驗產業。例如法國達梭集團旗下臨床試驗解決方案商 Medidata，FDA新分子藥（novel drugs）核准案的72%是採用其技術，顯見在全球新藥開發流程中，AI已成為重要的助力。
產業案例, 人才培育, 觀點 台灣智慧製造關鍵字：人才、流程、跨部門協作 製造業導入 AI 的一大挑戰，來自於員工對於AI的焦慮感 。例如傳統的電焊與組裝工人與新世代的 AI 工程師間存在巨大的鴻溝，雙方語言不通，甚至會產生「這是要監督我、操控我」的抗拒心理 。
人工智慧, 主權AI, 觀點 ASML 入股 Mistral AI 未來賽局勝敗在於生態系 在半導體領域，美國對中國的晶片出口管制、各國對關鍵礦物的爭奪，在在顯示科技與地緣政治的深度糾葛。AI作為新興的戰略性技術，其重要性不亞於半導體，甚至可能更高。
智慧醫療, 產業案例, 觀點 從深度學習到信任：醫療AI落地的關鍵思維 許多人談到數據保密時，直覺想到的是採用「本地部署」。但真正的爭議點在於「信任」與「治理」，這正回應了各國人工智慧相關法案所關注的「負責任的AI（Responsible AI）」。醫療數據在被二次或多次利用時，是否合規、合乎倫理，以及醫院在使用AI模型時，能否有即時的回饋機制，都是亟待解決的信任問題。
智慧醫療, 產業案例, 觀點 醫療 AI 的「入流」挑戰：深度簡化 贏得信賴 醫療AI的發展面臨漫長驗證、法規模糊與數據治理的重重挑戰，要讓AI真正「入流」醫療體系，必須從「深度學習」（Deep Learning) 轉向「深度清理」(Deep Cleaning)，透過簡化流程、優化工作流，才能贏得醫護人員的信任。
人工智慧, 觀點 「人工超級智慧」是否成真 抉擇在人類手中 由 OpenAI 前研究員 Daniel Kokotajlo 等人撰寫的未來預測報告《AI 2027 》中，提出一個可能的情境：通用人工智慧（AGI）最快將於2027年實現，並進入人工超級智慧（ASI）階段，思考速度將是人類的 50 倍，且可同步運作 30 萬個副本。
智慧醫療, 人工智慧, 趨勢 AI 有助治療憂鬱症？先看數據蒐集是否正確 隨著人工智慧技術的迅速發展，在醫療領域的應用也日益廣泛。美國達特茅斯學院開發 AI 機器人 Therabot，並完成史上第一次生成式 AI 治療機器人臨床試驗，證明可有效減輕憂鬱症與飲食障礙症狀。但去年曾發生少年因其他AI自殺的不幸事件，現階段 Therabot 仍需專家密切監督、及時介入。
智慧醫療, 產業案例, 觀點 FDA 終結百年動物實驗史 AI、器官晶片將如何接棒藥物開發？ 2024 年 4 月，美國食品藥物管理局（FDA）宣佈一項具有劃時代意義的公告，：正式提出有關動物實驗減量的新計畫，針對單株抗體及其他藥物，FDA將採納多種動物實驗替代方案，包含基於人工智慧(AI)的演算法模型、人源類器官及器官晶片模型，以及真實世界人體數據等。
