AI新聞

人工智慧模型開發商 doubleAI 在由輝達（Nvidia Corp.）與戴爾科技（Dell Technologies Inc.）支援的新一輪融資中獲得 2 億美元。這筆資金將用於協助該公司推進其人工智慧模型開發與擴充企業基礎設施能力。來自領先硬體與計算提供商的這項戰略投資，突顯了專用企業級 AI 模型與可擴充部署解決方案日益擴大的市場需求。

法國國防研究計畫正探索將數千輛退役主戰戰車改造為重型無人地面載具（UGV），以用作機器人運輸與後勤補給騾車。透過為舊裝甲車體改裝遠端遙控與自動駕駛系統，軍隊可以在不冒組員生命危險或支付全新機器人平台高昂費用的情況下，部署重型載荷能力與裝甲防護。最近的一款原型車驗證了這個概念的可行性，不過該原型車建立在極其罕見的AMX-32戰車底盤上（全球僅製造過兩輛），因而引發了廣泛關注。

Hugging Face的政策領導層警告，嵌入式AI評估器（旨在持續測試與判斷模型行為的自動化內部系統）並非AI安全與治理的簡單解決方案。儘管這些內建評估工具旨在簡化合規性與效能監控，但它們面臨重大障礙，包括評估器偏見、易受對抗性操縱，以及缺乏標準化的測試基準。僅僅依賴自動化檢查可能會產生虛假的安全感，因此人工監督與獨立的外部審計對於可靠的部署至關重要。

微軟憑藉 Copilot 深植於法律專業人士日常使用的 Word、Outlook 和 Teams 等工具中的優勢，在法律 AI 市場中佔據著獨特的領先地位。微軟無需強制律師切換到獨立的法律科技平台，而是讓從業人員能夠直接在其現有的 Microsoft 365 環境中分析合約、起草文件和管理案件。在成熟的企業安全標準和現有的組織授權支援下，這種工作流程優勢使微軟有望贏得大量的企業法律採用，儘管保持特定領域的準確性依然至關重要。

HP 已在其線上商店上架 EliteBoard G2a，推出了一款讓人聯想到復古 Commodore C64 的「鍵盤電腦」形態產品。這款緊湊型裝置搭載 AMD Ryzen AI 7 Pro APU，直接在鍵盤機身內整合了完整的電腦系統與內建電池。該裝置主要針對需要節省空間或行動工作站設定的特定商業與企業環境設計，售價高達約 4,200 美元。

起亞在南韓啟動了一項共享汽車試點計畫，該計畫利用車輛遠端控制技術，為駕駛簡化了取車、還車與停車流程。在即時視訊傳輸、感測器和低延遲連線技術的支援下，中央控制中心的人類操作員可以遠端將車輛直接駕駛至使用者所在位置，並在預約結束後將車輛停妥。該服務透過提供代客泊車式的送車服務與自動化停車支援，旨在完全自動駕駛技術成熟之前，減輕都市停車壓力並降低營運成本。

微軟警告指出，部署於企業網路內部的自主 AI 代理所帶來的安全風險堪比內部威脅，並提醒目前的「前沿模型」（frontier models）本質上是無法盲目信任的。由於這些模型容易受到提示注入攻擊（prompt injection attacks）和未經驗證的輸入影響，賦予它們廣泛的系統權限會產生類似於惡意或遭入侵員工的安全漏洞。為了降低這些風險，微軟建議採用嚴格的零信任安全架構、實施最小權限存取控制，並持續監控 AI 代理的行為，以防止未經授權的資料外洩與非預期的操作。

TikTok上的一項熱門趨勢是，使用者要求ChatGPT根據過往的互動，找出他們最常重複的五個短語或習慣。透過審視歷史聊天記錄和儲存的記憶，該AI能生成個人化的清單，反映出使用者的招牌用語、情緒基調或經常討論的話題。社群媒體使用者正在分享這些回答，以一種輕鬆的方式了解對話式AI如何看待他們的溝通風格與習慣。

推理成本的迅速下降與上下文視窗的擴大促成了「Tokenmaxxing」——這是一種開發者將海量上下文輸入 AI 模型以實現軟體工程自動化的工作流程。透過程式碼代理（coding agents）執行大批量的 Token 查詢，開發者可以將功能開發、重構和測試建立等端到端任務外包給大語言模型（LLM）。程式碼編寫成本的急劇下降使個人開發者和小團隊能夠建置過去需要大型工程部門才能完成的複雜應用程式，從而將軟體開發的主要瓶頸從撰寫程式碼轉移到了系統架構和產品願景上。

MiniMax 推出了 MiniMax M3.1 Flash，這是一款專為快速推論與高成本效益而優化的高效能語言模型。M3.1 Flash 旨在處理複雜推理、程式編寫與多語言對話等高要求任務，與先前版本相比，它顯著提升了 Token 生成速率並降低了延遲。其精簡的架構有助於降低營運成本，使開發者與企業能以更經濟的方式擴充即時 AI 應用、互動式代理（Agents）及大規模資料工作流程。

評估 AI 代理需要超越靜態基準測試，轉向基於環境的動態框架。近期研究強調了 AI 代理評估的關鍵新興趨勢，突出了評估在網頁瀏覽器和作業系統等複雜環境中進行多步推理、工具使用和適應能力的必要性。核心方法包括評估完整的決策軌跡而非僅關注最終輸出、利用 SWE-bench 和 WebArena 等互動式基準測試，以及將 LLM 裁判（LLM-as-a-judge）系統與人類監督相結合。該論文還強調了安全性與魯棒性測試的重要性，以便檢測多輪互動期間的非預期行為，從而幫助開發者建構更可靠的自主系統。

波士頓正將麻省理工學院（MIT）與哈佛大學等機構的世界級學術研究，與 MassRobotics 等機器人技術先驅及產業集群組成的龐大生態系統結合，致力於打造自身成為具身人工智慧的領先樞紐。該地區集聚的風險投資、專業工程人才與硬體基礎設施，正推動初創企業與成熟企業將人工智慧直接整合到機器人硬體中。這種整合加速了空間智慧、自主移動機器人以及專為物流、製造和醫療等真實世界應用設計的人形機器人系統的發展。

智慧電視使用者正在使用 Anthropic 的 Claude Code 等 AI 編程助手，以消除裝置主螢幕上的廣告、預裝垃圾軟體（bloatware）和背景追蹤。透過提示 AI 工具生成 Android 調試橋（ADB）指令、網路廣告攔截規則以及自訂桌面設定，使用者無需具備進階程式設計技能即可停用遙測資料收集並移除贊助內容。這一趨勢表明，易於取得的 AI 工具降低了個人裝置自訂的技術門檻，使消費者能夠輕鬆簡化擁擠的智慧電視介面並保護個人隱私。

一位 YouTuber 進行了一項實驗，指派一名 AI 應徵者去完成單向自動化影片求職面試，突顯出演算法招聘流程去人性化的本質。該 AI 應徵者成功即時生成回答並完成了評估，而自動化平台完全沒有察覺自己正在與另一台機器對話。這項測試反映出求職者在面對單向自動化篩選工具時日益增加的挫折感，這正驅使求職者使用自己的 AI 反制工具來應對招聘篩選。

生成式 AI 工具讓山寨開發者能夠快速複製未發售獨立遊戲的遊戲機制、美術資源與概念設計。因此，獨立遊戲開發者越來越猶豫是否要發布早期開發日誌、遊戲片段或公開試玩版（Demo），擔心自動化的山寨行為會讓抄襲作品搶先一步在應用商店與 PC 平台上架。這種轉變正在破壞獨立創作者長期以來所依賴的合作與開放開發文化——這種文化過去用於社群建立、玩家回饋與前期宣傳，從而在整個獨立遊戲產業引發了日益加劇的焦慮。