微光新聞網

商傳媒｜責任編輯／綜合外電報導人工智慧程式開發工具正快速改變軟體工程師的工作模式，但背後的運算成本問題也逐漸浮上檯面。一名開發者近期深入分析自身使用 Claude Code 的紀錄後發現，高達三分之一的訊息內容其實屬於重複傳送，而快取機制調整後，更進一步加速了額度消耗速度。根據《XDA》報導，Claude Code的運作方式與一般聊天機器人有所不同。每當使用者發出新指令時，系統不只是傳送當前問題，而是會將整個工作環境一併重新載入，包括系統提示詞、工具說明、專案規則、自訂設定以及歷史上下文等資訊，確保模型能理解完整開發情境。這種設計雖然提升程式開發品質，卻也帶來額外成本。由於大量內容反覆傳送，實際上相當比例的Token消耗並非來自新的問題，而是重複載入既有內容。分析指出，問題在於快取（Cache）機制的改變。過去由 Anthropic 提供的快取可維持約一小時，因此相同上下文能持續享有折扣計費。但自今年三月起，預設快取有效時間被縮短至僅五分鐘。這意味著，若開發者離開電腦開會、接電話或處理其他工作，只要超過數分鐘未與Claude Code互動，快取便會失效。當再次發送訊息時，系統必須重新建立完整上下文，而這些原本享有折扣的內容，將重新以完整成本計算。對採用訂閱方案的開發者而言，這種變化會直接影響每週可用額度。部分使用者甚至發現，明明實際互動次數不多，額度卻消耗得比預期更快。為降低資源浪費，開發者建議善用 Claude Code 內建的「/compact」功能。這項指令可將現有上下文壓縮成摘要形式保存，避免因快取過期而必須重新載入大量歷史資訊，進而降低Token消耗量。另一方面，不同模型之間的成本差異也相當明顯。Anthropic目前主要提供三大模型系列，包括功能最完整的 Claude Opus 、平衡效能與成本的 Claude Sonnet ，以及主打經濟實惠的 Claude Haiku 。其中Opus擁有最強推理能力，但運算成本最高；Haiku則以低成本、高速度見長。開發者若長期進行程式碼生成、除錯或大型專案開發，不同模型選擇將大幅影響實際支出。這項發現也反映出生成式AI產業的新現象。隨著模型能力不斷提升，市場焦點已不只是模型是否夠聰明，而是如何更有效率地管理上下文、記憶體與Token成本。對企業與專業開發者而言，未來競爭關鍵除了AI能力本身，更包括運算效率與成本控制能力。從更大的產業趨勢來看，AI工具正在從單純聊天助手轉型為生產力平台，而快取管理、長期記憶與上下文壓縮等技術，將成為下一波AI產品競爭的重要戰場。誰能在維持模型能力的同時降低運算成本，誰就更有機會在企業市場取得優勢。標籤： 合作媒體商傳媒

商傳媒｜何映辰／台北報導企業AI應用正從「被動問答」邁向「主動協作」新階段。人工智慧公司 Anthropic 近日正式推出全新AI代理「Claude Tag」，並整合至 Slack 平台，讓AI不再只是等待指令的聊天機器人，而是能像真人同事一樣主動參與團隊工作流程。Anthropic表示，Claude Tag最大的特色在於具備持續觀察與主動協助能力。它能自動閱讀頻道中的討論內容、追蹤專案進度、拆解工作任務、保留長期情境記憶，甚至在發現重要資訊時主動通知相關人員，而不需要員工特別下達指令。Anthropic產品長 Cat Wu 指出，未來使用者將能像標記同事一樣直接標記AI代理參與工作。「把AI當成團隊成員而非工具，將徹底改變企業與人工智慧互動的方式。」過去企業導入生成式AI，大多停留在問答查詢、文件摘要或客服支援等應用場景。但Claude Tag代表的是另一種發展方向——AI代理（AI Agent）。與傳統聊天機器人不同，AI代理具備持續記憶與自主執行能力。當專案討論持續數週甚至數月時，Claude Tag能記住過去的決策脈絡、專案背景與待辦事項，並在適當時機提醒團隊成員。例如產品開發會議中，AI可自動整理決議事項、追蹤進度落後項目，甚至在不同部門之間協助資訊同步，降低企業內部溝通成本。由於企業內部往往涉及大量機密資料，因此安全控管成為Claude Tag的重要設計核心。Anthropic表示，管理者可精細設定AI代理的權限範圍，包括可閱讀哪些頻道、可使用哪些工具，以及能接觸哪些企業資料。企業可依據部門、專案或職務角色建立不同權限層級，避免敏感資訊外流風險。這種企業級治理架構，也被視為Anthropic與其他AI業者競爭的重要差異化優勢。市場分析認為，Claude Tag的推出象徵企業AI市場正進入新階段。過去生成式AI主要協助員工完成單一任務，未來則可能直接成為企業組織中的數位員工（Digital Worker）。事實上，包括 Microsoft 、 Google 、 OpenAI 與 Salesforce 等科技巨頭，都正積極投入AI代理市場，希望打造能自主規劃、執行與協作的新一代工作助手。Anthropic近年快速擴張企業市場版圖，其Claude模型已被大量企業導入內部知識管理、客服與程式開發場景。市場估計，公司估值已達約9,650億美元規模，成為全球最受矚目的AI獨角獸之一。業界預期，未來數週內Claude...

商傳媒｜林昭衡／綜合外電報導人工智慧（AI）正快速改變軟體開發模式，其中「AI配對程式設計」已在短短數年內，躍升為業界的新標準。這種模式利用AI工具輔助程式設計師，如同人類結伴協作一般，提升開發效率。程式設計工具的演進歷經數十年，從早期的命令列介面，逐漸發展成功能豐富的視覺化開發環境，例如微軟（Microsoft）的Visual Studio Code。這些工具持續精進，以應對日益複雜的程式碼與龐大的程式庫。然而，在2020年代生成式AI浪潮興起之前，這些工具仍受限於規則導向的自動化與分析，缺乏對程式碼的深入理解。現代AI程式碼輔助的發展，始於2021年GitHub Copilot的問世，這項工具能夠根據自然語言指令或部分撰寫的程式碼來生成程式碼。接著在2022年末，ChatGPT的推出進一步擴大了AI程式碼輔助的應用領域，提供更具對話互動的體驗。同期間，Amazon CodeWhisperer也將AI驅動的程式碼生成功能帶給了AWS開發者。到了2023年，Cursor推出了一款將對話式輔助功能直接嵌入開發環境的AI優先程式編輯器。2025年，Anthropic更推出了其代理式編程助理Claude Code，這類工具不僅能生成程式碼，還能在程式庫中自主執行任務。現今的AI程式碼助理主要仰賴大型語言模型（LLM，一種透過大量資料學習生成新內容的人工智慧）來運作。這些模型經過海量真實程式碼的訓練，因此具備深厚的領域知識，使其成為程式設計師稱職的配對合作夥伴。開發者只需以自然語言向AI助理提出請求，AI便能如同副駕駛一般，執行整個工作流程，甚至從單一指令開發應用程式。這種人機協作模式通常是一個反覆進行的過程。此外，像IBM Bob這類工具，更將AI輔助的範圍從單純的程式碼撰寫，擴展到完整的企業軟體工程工作流程。標籤： 合作媒體商傳媒

商傳媒｜吳承岳／台北報導面對人工智慧（AI）科技股席捲全球股市的熱潮，Dixon Mitchell Investment Counsel, Inc. 的投資經理 Ken O’Kennedy 指出，若投資人想尋求被低估的潛在機會，可能需放眼非傳統的 AI 概念股。他強調，成功的股票投資始於深入了解企業本質，而非僅追逐表面上的低價。O’Kennedy 認為，投資人必須真正理解所持有的資產及其背後的原因，尤其要側重對企業及其特定情況的定性分析，而非單純檢視數字。從基本面來看，任何投資的價值僅是其未來現金流量的現值。他提及，企業有時會進行策略性投資以建立競爭優勢，這需要投資人具備耐心。例如，亞馬遜（Amazon）早期大舉投資其航運網絡，雖然初期虧損，卻隨著時間推移建立了難以逾越的護城河，最終帶來現金流增長。O’Kennedy 判斷，目前最佳的投資機會存在於國際市場，其次是加拿大，最後才是美國。他指出，國際市場在估值（也與成長性相關）與業務品質之間取得了最佳平衡，許多高品質的特許經營企業，其估值較美國同產業的同類公司更為合理。在加拿大，潛在機會涵蓋了部分金融、工業和基礎設施相關企業，特別是那些管理團隊專注於長期價值成長的公司，例如多倫多道明銀行（TD）、加拿大皇家銀行（Royal Bank）、加拿大國民銀行（National Bank）、布魯克菲爾德基礎設施合夥人（Brookfield Infrastructure）、The Boyd Group Inc 及 Element Fleet Management。此外，Spotify 也透過引入新的...

商傳媒｜責任編輯／綜合外電報導美國聯邦政府近年大舉投入人工智慧（AI）發展，希望透過AI提升行政效率、強化國家競爭力並改善公共服務。然而最新研究顯示，真正阻礙AI落地的原因並非技術能力不足，而是政府體系本身的制度瓶頸。根據 ICF 於美東時間23日發布的最新調查報告，美國各聯邦機構在AI策略規劃與技術測試方面已取得明顯進展，但從概念驗證（POC）走向實際部署的速度仍然緩慢，使得AI投資與實際任務成果之間出現愈來愈大的落差。這份調查訪問了200名直接參與聯邦AI規劃、採購、導入與決策工作的公務人員。結果顯示，多數機構已完成AI試驗專案，但真正進入正式營運環境的比例仍偏低，許多專案停留在測試與驗證階段，未能轉化為具體生產力。報告指出，目前聯邦政府面臨三大挑戰。首先是採購制度過於緩慢。傳統政府採購流程往往需要經過冗長審查與招標程序，但AI技術更新速度極快，當採購完成時，原本評估的技術方案可能已經過時，導致政府難以跟上市場發展節奏。其次是數據碎片化問題。各部門長期建立獨立資訊系統，資料格式、標準與管理機制不盡相同，形成大量「資料孤島」。AI模型需要大量且高品質資料進行訓練與運作，但當資料無法跨機關流通時，AI效能自然受到限制。第三則是人才準備不足。雖然聯邦政府積極推動數位轉型，但具備AI治理、資料科學、機器學習及系統整合能力的人才仍相對短缺，許多單位缺乏能夠同時理解技術與業務需求的專業人員。ICF認為，未來政府若要真正發揮AI價值，不能只增加預算投入，而必須從制度面進行改革。報告建議，聯邦政府應將AI深度整合至核心業務系統與工作流程，而非僅作為獨立實驗專案存在。同時，必須強化資料治理與基礎建設，建立跨部門共享機制，提升資料品質與可用性。此外，政府也應重新設計採購與治理架構，使其更符合AI產品快速迭代的特性。例如採用模組化採購、分階段驗證及敏捷開發模式，以縮短技術導入時間。從全球趨勢來看，美國政府遭遇的問題其實並非個案。包括 Microsoft 、 Google 、 OpenAI 與 Anthropic 等科技企業持續推出更強大的AI模型，但企業與政府組織逐漸發現，影響AI成效的關鍵已從模型能力轉向組織治理能力。換言之，AI競賽正在進入下一階段。過去比拚的是誰擁有更強大的模型與運算能力，未來則將轉變為誰能更快完成組織轉型、打通資料流程並建立適合AI運作的管理制度。對美國聯邦政府而言，若無法解決採購、數據與人才三大問題，即使持續增加AI投資，也可能難以轉化為實際行政效率與公共服務成果。這不僅關係到政府數位轉型成敗，更將影響美國在全球AI競爭中的長期領先地位。  標籤： 合作媒體商傳媒