微光新聞網

商傳媒｜責任編輯／綜合外電報導通用汽車（General Motors）正積極拓展電池技術，以應對人工智慧（AI）發展帶動的數據中心能源需求與不斷攀升的電價。這家底特律車廠於週二詳細說明其計畫，包括提升電動車的「車輛對電網」（vehicle-to-grid）能力，讓電動車能將電能回饋給電網，同時也將發展新一代鈉離子電池，通用汽車的電池主管表示，這項技術「將重塑電網級儲能」市場。通用汽車電池與永續發展部門副總裁 Kurt Kelty 指出，鈉離子電池儲能系統的潛力在於能省去主動冷卻系統，並大幅降低整體複雜性。這不僅能減少前期建置成本，也能降低營運費用。他強調，這對於大型儲能系統而言至關重要。雖然鈉離子電池的運作原理與鋰離子電池相似，但通用汽車預期其在更廣泛的溫度範圍內能有更優異的表現，並擁有更長的循環壽命。為此，通用汽車已與位於丹佛的新創公司 Peak Energy 建立合作夥伴關係，共同開發鈉離子電池。Kurt Kelty 表示，Peak Energy 已證明其技術能有效降低成本並提升可靠性。通用汽車預計，與 Peak Energy 的合作將在 2028 年之後，為客戶提供鈉離子電池。據悉，Peak Energy 成立於 2023 年，其領導團隊成員曾服務於特斯拉（Tesla）、洛克希德馬丁（Lockheed Martin）及電池開發商北伏（Northvolt）等知名企業。除了鈉離子電池的研發，通用汽車也持續與 Redwood Materials...

商傳媒｜責任編輯／綜合外電報導根據 WITA 於週二（9日）發布的報告指出，人工智慧（AI）與創新正顯著提升美國的出口競爭力。其中，透過 AI 驅動的數位貿易平台，不僅擴大了美國企業在全球市場的機會，也有效降低了出口門檻並轉型供應鏈，成為美國出口及創造就業的關鍵因素。美國商務部國際貿易局（International Trade Administration）的 Bill Guidera 致力於推動政策，以確保美國數位、金融與供應鏈等服務產業能在國內外進行創新。同時，企業也積極運用 AI 工具來優化營運。例如，Spread The Love 執行長 Zach Fishbain 便善用 AI 驅動的工具，大幅簡化了公司在營運、供應鏈及銷售流程，成功帶動其在韓國等國際市場的成長。政策制定者在推動數位貿易方面扮演重要角色。曾任職於美國貿易代表處（Office of the United States...

商傳媒｜何映辰／台北報導隨著人工智慧（AI）技術日益成熟，一種稱為「公民開發者」的趨勢正深刻改變企業內部AI工具的部署模式。透過低程式碼（low-code）與無程式碼（no-code）工具，搭配生成式AI的能力，企業員工即使沒有專業程式設計背景，也能運用自然語言指令來創建各式應用程式、自動化流程及AI代理（Agent）。這項轉變將開發門檻從「誰會寫程式」轉向「誰能精準描述問題並構思解決方案」。公民開發模式允許業務單位，如人力資源、企業資源規劃（ERP）、客戶體驗（CX）、財務等部門，快速解決其部門內的瓶頸問題，打造小型工具，或測試創新想法，而無需漫長等待中央資訊科技（IT）部門的排程。然而，AI驅動的公民開發也帶來治理方面的挑戰。由於這些工具可能接觸客戶資料、員工資訊、財務流程等敏感企業數據，企業必須明確掌握每個工具能存取哪些資料、誰是所有者，以及何時需要進行審查，以避免「影子AI」（Shadow AI，指未經IT部門管控的工具）的風險。TechTarget資深科技編輯 James Alan Miller 強調，目標是在給予公民開發者創新空間的同時，確保這些工具符合企業的治理、安全與合規標準。為有效管理這項趨勢，建立正式的公民開發者計畫至關重要。這類計畫應包含共同的資料基礎、適當的治理框架、安全與合規實踐、明確的使用案例、互通性以及協同機制。當工具變得受歡迎、涉及敏感數據、改變工作流程，或扮演關鍵職能時，IT部門應介入接管。例如，美國顧問公司 Ducker Carlisle 在其AI專家部門需求超載後，啟動公民開發者計畫，吸引了約80名員工參與，成功自動化數十項任務，並將營運成本降低了3%。公民AI的願景是讓最貼近實際工作的員工，能參與改善工作流程，而非取代完整的企業級軟體開發。它更像一個釋放業務需求的壓力閥，讓企業在推動數位轉型時，能平衡創新與風險管理。標籤： 合作媒體商傳媒

商傳媒｜責任編輯／綜合外電報導一篇發表於《Entrepreneur》的報導指出，全球科技產業欲爭取下個十億用戶，必須放棄矽谷長期以來奉行的產品開發模式。傳統上，科技公司習慣透過建立行動應用程式，並設計精美的圖形使用者介面（GUI），再投入巨額行銷預算來推廣產品。然而，這種模式在主要大都會區之外，卻存在巨大缺陷。報導強調，對於全球數十億人口而言，無論是開發中國家的農民，抑或是需要導航醫療系統的年長者，下載應用程式、建立帳號及學習新介面帶來的「摩擦」成本過高。為了解決全球性的基本人道問題，最佳的使用者介面實際上是「無介面」（Zero-UI），意即科技應無縫融入人類自然的溝通流程，而非透過更多螢幕來呈現。為驗證此「無介面」理論，Jayachander Reddy Kandakatla 領導團隊在印度農村地區部署了一個整合農業與健康功能的聊天機器人。此生態系統直接建置於用戶已普遍使用的通訊平台 WhatsApp 之中。用戶只需在現有的聊天應用程式中發送訊息，例如「我的棉花作物有白點」，機器人便能即時回傳在地化的農藥建議；在同一個聊天串中，用戶也可詢問「我的孩子發燒 102 度」，機器人便會根據症狀進行分類，並引導至當地醫療流程。該系統運作原理為：當用戶輸入訊息或語音時，大型語言模型（LLM）會即時處理自然語言，判斷用戶意圖（農業或健康問題）。一旦意圖被分類，人工智慧（AI）便會像路由器一樣，若為農業問題，則從農業資料庫提取即時天氣、市場價格或作物疾病數據；若為健康問題，則存取經過驗證的醫療診斷協議。隨後，AI 會將這些高度專業的數據轉譯成簡單、對話式的語言，以標準文字訊息回傳給用戶。這種「無介面」模式能創造出獨特的競爭優勢，稱為「地方性數據護城河」（Vernacular Data Moat）。傳統應用程式用戶多半點擊預設按鈕，公司僅能收集結構化數據。然而，對話式 AI 讓用戶以其母語和方言，精確表達細微的問題，這產生了海量、非結構化且高度在地化的數據金礦。這些數據可用於訓練專有 AI 模型，使其對區域細微之處的理解超越全球科技巨頭。該模式的應用潛力廣泛，包括解決美國年長者處理複雜保險入口網站的問題，或為南美洲、非洲偏遠社區提供統一的資源機器人服務。標籤： 合作媒體商傳媒

商傳媒｜何映辰／台北報導隨著企業日益依賴人工智慧（AI）系統進行分析與決策，AI模型若因資料不一致而產生錯誤，可能導致嚴重後果。一份最新分析指出，許多企業AI專案失敗的主因，並非模型本身能力不足，而是因為其連接的企業資料分散、缺乏管理，且定義不統一。現行企業環境中，各部門常根據自身業務需求，在不同的資料倉儲、儀表板和商業智慧（BI）工具中建立工作流程，這導致關鍵指標（KPI）如「營收」或「活躍客戶」的定義產生歧異。當AI系統從這些不一致的來源獲取資訊時，便可能產生衝突的答案、引用過時的KPI，甚至因為缺乏業務情境而輸出缺乏價值的結果。為解決此問題，一種「AI就緒語義層」的架構應運而生。這種語義層是一個具備治理能力的資料基礎架構層，旨在統一企業AI系統、商業智慧平台與分析環境中的業務邏輯、指標與定義。它將資料定義標準化，確保AI模型能從單一且受管理的資料來源獲取正確上下文，而非自行解讀混亂的原始資料。語義層五大核心構成確保AI效能要建立穩健的AI就緒語義層，需包含五個核心架構元件：統一業務邏輯層： 這是語義層的核心，企業在此一次性定義KPI、指標、計算方式和業務定義，而非在各部門工作流程中重複建置，確保AI系統從集中式單一來源獲取分析與決策的上下文。語義模型： 原始企業資料通常缺乏AI系統所需的上下文。語義模型透過中介資料（metadata），如業務定義、指標關係、命名規範與組織階層，幫助AI高效提取上下文，為AI工作流程建立結構化框架。廠商中立互通性： 現代企業普遍使用多種雲端資料倉儲、商業智慧平台（例如：Snowflake、Databricks、Tableau、Power BI）和AI環境。廠商中立的語義層能夠橫跨這些平台運作，將複雜的技術資料庫架構轉化為業務導向的詞彙與指標，確保所有第三方系統能運用相同的指標和定義。集中化治理： 隨著企業AI應用規模擴大，資料治理變得愈加複雜。語義層能直接在基礎層面實施治理，包含基於角色的權限管理、集中式指標治理、可稽核性、血緣追蹤及跨系統政策執行，確保AI模型不會輸出不一致、過時或未經授權的資料。AI模型連結： 語義層必須能與企業AI模型連接，例如大型語言模型（LLMs）、企業版Copilot、AI助理、語義搜尋系統以及檢索增強生成（RAG）架構。AI系統從語義層獲取業務邏輯和定義，確保在回答任何查詢前，已取得集中、統一且受治理的上下文。軟體公司Strategy Mosaic便透過其Mosaic MCP（Model Context Protocol）工具，讓在Claude、Copilot、ChatGPT、Gemini及AWS等平台上運行的AI代理，能查詢與企業內部商業智慧儀表板相同的、受治理的語義定義。這種獨立於特定廠商的架構，是AI就緒語義層與傳統倉儲原生方法的根本區別。傳統倉儲原生方法將邏輯集中於單一封閉生態系統內，儘管能在單一平台內提高一致性，但在跨部門或跨工具的企業環境中，業務上下文仍會分散。例如，銷售部門可能使用Tableau，行銷部門使用Power BI，而產品團隊則依賴AI Copilot。若無廠商中立的語義層串聯，各團隊將依賴不同的KPI和業務定義。一個AI就緒語義層則能為所有團隊、工具和AI工作流程建立共同的語義基礎，確保無論資料從何處存取，都能維持受治理的業務邏輯。標籤： 合作媒體商傳媒