可信任AI, 主權AI, 資料治理, AI治理, AI治理框架, 人工智慧, 趨勢 從中央指引到地方落地的挑戰與突破（二）：AI 治理的多重挑戰，風險的分類與邊界該如何劃分？ 當人工智慧從「輔助工具」進化為能自主判斷、執行任務的「代理人」，政府部門的治理難題也隨之升級。過去談 AI 治理，多半聚焦於資料該怎麼盤點、風險該如何分級；但當 AI 開始導入後，一個更根本、也更尖銳的問題浮上檯面：權限的邊界該畫在哪裡？一旦 AI 犯了錯，究竟該由誰負責？
主權AI, 可信任AI, 資料治理, AI治理, AI治理框架, 人工智慧, 趨勢 從中央指引到地方落地（一）：AI 治理的多重挑戰，情境與用途是關鍵 隨著《人工智慧基本法》今年1月正式施行，數位發展部已依法在7月公布《人工智慧風險分類框架》，資料治理相關指引則仍在研擬階段，台灣的AI治理架構正逐步成形。然而，當AI浪潮席捲公部門，地方政府與第一線實務單位在推動治理落地時，卻正經歷著轉型陣痛。從跨局處的資料盤點、AI與既有工作流程的整合，以及時程與預算壓力之外，更要面臨專業人力不足、權責劃分不清等現實考驗，政策落地的真正挑戰才正要開始。
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。
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。
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。
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。
算力, 生成式AI, 人工智慧, 趨勢 從 Anthropic 經濟指數報告看 AI 如何重塑全球經濟節奏 Anthropic 於 6 月底發布最新一期經濟指數報告《Cadences》（節奏），首度以更高頻率、更細緻的分類方式，剖析人們如何在一天、一週乃至特定節日中使用 Claude。這份報告不僅描繪出 AI 使用的「生活節奏」，更指出，運算資源的消耗與職業薪資水準呈正相關，也就是薪資越高的職位，越傾向將高度自主性的任務交付給 AI 執行。
生成式AI, 人工智慧, 趨勢 Google DeepMind 紀懷新揭示個人通用助理的未來 Google DeepMind 研究副總裁紀懷新日前在 2026 AI TAIWAN 未來商務展的演講中，從 AI 推理的底層邏輯出發，從 sequential transducer（序列轉換器）講到 Chain of Thought（思維鏈），並指出 agentic coding（代理式程式設計）只是前兆，未來的終極藍圖將聚焦於「個人通用助理」的全面普及。
趨勢, 蔡博探路, 觀點 《AI 趨勢-蔡博探路》算力、Agent、治理：企業領導者本週不能錯過的三個訊號 本週的科技世界步調緊湊。GTC Taipei & Computex 2026、微軟 Build、Apple WWDC 26 接連重磅登場，各大巨頭爭相勾勒未來藍圖，龐大的資訊浪潮席捲而來。與此同時，從美國國會到梵蒂岡，從頂尖研究室到四大科技公司執行長的聯名公開信，另一邊的聲音正在提出截然不同的問題：這場加速，我們準備好了嗎？
