[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-what-big-tech-expects-from-ai-in-2026-zh":3,"article-related-what-big-tech-expects-from-ai-in-2026-zh":32,"series-industry-fe2c4a1c-15e0-48e1-93db-1a818730bf54":91},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":11,"views":29,"created_at":30,"published_at":31,"topic_cluster_id":11},"fe2c4a1c-15e0-48e1-93db-1a818730bf54","what-big-tech-expects-from-ai-in-2026-zh","2026 大科技怎麼看 AI","\u003Cp>到了 2026 年初，AI 預測已經很少只談想像。大家開始拿數字說話。這批報告裡最刺眼的兩個數字是：52% 已經使用 AI 的公司，已把 AI agents 放進正式環境；Anthropic 也說，自家大約 60% 的內部開發工作，某種程度上已交給 AI 處理。\u003C\u002Fp>\u003Cp>這代表討論重點變了。現在不是在看聊天機器人能不能幫你寫草稿，也不是看圖像模型能不能做漂亮 demo。Google、Microsoft、IBM、NVIDIA、Stanford HAI、MIT Technology Review，再加上中國產業預測，講白了都指向同一件事：AI 正從「協助」走向「執行」。\u003C\u002Fp>\u003Cp>我覺得這個變化很實際。因為企業真正買單的，從來不是模型多會聊天，而是它能不能接流程、能不能少出包、能不能省下人力和時間。2026 年的主戰場，不在聊天室，而在公司內部的工作流。\u003C\u002Fp>\u003Ch2>共識比你想的還集中\u003C\u002Fh2>\u003Cp>把這些預測排在一起看，差異其實沒有外界講得那麼大。重複出現的關鍵字很固定：agentic software、更嚴格的資安控制、醫療與製造落地、還有基礎設施比模型尺寸更重要。炒作很多，但主線很窄。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1774519831083-avgd.png\" alt=\"2026 大科技怎麼看 AI\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這很有意思。產業現在幾乎不再吵「AI 會不會進核心流程」。這題差不多結束了。真正還在拉扯的是，哪些流程先上、企業願意給多大自主權、還有護欄到底能不能真的擋住風險。\u003C\u002Fp>\u003Cp>從數字看，企業也沒有瘋到把一切交給 AI。Anthropic 提到，AI 雖然已處理約 60% 的內部開發工作，但真正能在沒有明顯人工介入下獨立完成的比例，還不到 20%。這很合理。公司要的是可控的半自動化，不是豪賭式全自動。\u003C\u002Fp>\u003Cul>\u003Cli>52% 使用 AI 的企業，已把 agents 放進正式環境。\u003C\u002Fli>\u003Cli>主要場景在客服、行銷、技術支援與生產力工具。\u003C\u002Fli>\u003Cli>48% 員工表示，可以接受和 AI 系統一起工作。\u003C\u002Fli>\u003Cli>IBM 指出，56% 消費者願意容忍 AI 服務有些小瑕疵，前提是能換到新功能。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這些數字講得很白。AI 還沒取代人，但公司願意接受「部分自主」這件事。只要成本算得過去，管理做得到，很多企業其實願意讓 AI 先上場試跑。\u003C\u002Fp>\u003Cp>還有一個語言上的變化。2024 到 2025 年，大家很愛講 copilot。到了 2026 年，常見詞變成 coworker、operator、agent。你可能會想問，這只是換名字嗎？我覺得不是。這反映的是產品目標已從「幫你補一句」變成「幫你跑完整段流程」。\u003C\u002Fp>\u003Cp>一個真正的 agent，不只要會回答。它還要能跨工具操作、記住長任務上下文、知道何時停下來問人、出錯後能回復，甚至連跑幾小時或幾天。這跟聊天視窗裡丟一句回一句，根本不是同一個難度。\u003C\u002Fp>\u003Ch2>Agent 正在從助手變成流程負責人\u003C\u002Fh2>\u003Cp>Anthropic 和 Google 在這點上講得很直接。Anthropic 認為，軟體開發正從單線程協助，變成平行協作模式。一個 lead agent 管理多個 specialist sub-agents，分工處理測試、除錯、重構、文件整理等任務。這套說法，已經不是 autocomplete 的延伸版。\u003C\u002Fp>\u003Cp>Google 對企業流程的看法也差不多。它把 multi-agent workflow 當成端到端商業自動化的預設架構。意思很明白：未來不是一個模型做所有事，而是一組 agent 分工合作，像小型數位團隊一樣接手流程。\u003C\u002Fp>\u003Cp>這對產品設計的要求高很多。2026 年最有價值的 AI 產品，未必是回最快的那個。更可能是能長時間維持上下文、在對的時機求助、還能乖乖遵守公司權限規則的系統。快很重要，但穩定更值錢。\u003C\u002Fp>\u003Cblockquote>\u003Cp>“The era of physical AI is here.”\u003C\u002Fp>\u003Cfooter>Jensen Huang，NVIDIA 執行長，CES 2025 主題演講\u003C\u002Ffooter>\u003C\u002Fblockquote>\u003Cp>Jensen Huang 這句話，把討論往前推了一步。NVIDIA 想講的不只是數位工作流。它的主張是，AI 已經從感知系統、生成系統，走到 agents，接著會往 physical AI 前進，也就是能在真實世界中感知、規劃、執行的系統，包含機器人、工業設備和自動化平台。\u003C\u002Fp>\u003Cp>說真的，這方向很猛，但也最容易高估。軟體 agent 可以很快滲透客服、內部工具、程式開發。physical AI 就沒那麼輕鬆。它要碰硬體週期、安全驗證、工廠整合、醫療法規、車輛測試，沒有一項是靠 prompt 就能解決。\u003C\u002Fp>\u003Cp>所以我會這樣看。2026 年，agent 在軟體世界會跑得比 physical AI 快很多。前者可能幾季就能擴散，後者多半是分產業、分場域慢慢推進。兩者都會動，但速度差很大。\u003C\u002Fp>\u003Ch2>醫療、製造、科研會先吃到效果\u003C\u002Fh2>\u003Cp>這些報告對垂直場景的看法，意外地一致。Microsoft 點名醫療和科學研究。NVIDIA 強調製造與醫療系統。Stanford HAI 看好 biomedical foundation models。中國產業預測則把多模態系統、機器人、AI for science 一起列進重點名單。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1774519849618-vcce.png\" alt=\"2026 大科技怎麼看 AI\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這種一致性不是巧合。因為這幾個產業有三個共通點。第一，人工成本高。第二，資料量大。第三，流程裡有很多模式辨識和決策支援的空間。只要模型表現達標，投資報酬通常比一般辦公場景更明顯。\u003C\u002Fp>\u003Cp>而且這些場景願意花錢。醫院、藥廠、工廠、研究機構，對部署成本和風險管理的接受度，本來就比中小企業高。對供應商來說，這些地方比較可能先形成穩定收入，而不是只停留在 PoC。\u003C\u002Fp>\u003Cul>\u003Cli>Microsoft 預期 AI 會從診斷支援，往分診與治療規劃擴張。\u003C\u002Fli>\u003Cli>Stanford HAI 預測，會出現接近 ChatGPT 等級訓練規模的生醫 foundation model。\u003C\u002Fli>\u003Cli>NVIDIA 認為 physical AI 最先落地的地方，會是科學發現與工業製造。\u003C\u002Fli>\u003Cli>中國產業預測認為，2026 年智慧機器人會在製造、倉儲、居家服務進入規模化試點。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>醫療特別值得盯。因為它有超高價值，也有超低容錯。這種組合反而容易做出好產品。系統必須有明確經濟效益，結果要能量測，還要經得起嚴格檢驗。這會逼供應商把設計做紮實，而不是只顧 demo 漂亮。\u003C\u002Fp>\u003Cp>但我不覺得 2026 年會看到「完全自動醫療」。太快了。比較可能先發生的是工作流壓縮，像病歷摘要、分診排序、治療方案建議、保險與行政流程輔助。這些任務離臨床核心近，但還保留人類把關。\u003C\u002Fp>\u003Cp>科研可能更快。Microsoft 提到，AI 不只幫忙找資料，還會協助提出實驗假設，甚至執行部分流程。這和材料科學、蛋白質研究、實驗室自動化的現況很接近。下一步不是「機器科學家取代研究員」，而是模型先產生假設，軟體幫忙排序，再由自動化實驗系統驗證候選方案。\u003C\u002Fp>\u003Cp>這個循環一旦跑順，研究速度會很可觀。不是每個領域都適用，但在高通量實驗、標準化流程多的領域，AI 很可能先變成研究團隊的固定成員。\u003C\u002Fp>\u003Ch2>基礎設施回到舞台中央，量子是變數\u003C\u002Fh2>\u003Cp>另一個很清楚的變化，是大家開始少談「模型再做大一點」，多談基礎設施怎麼撐住。Microsoft 講分散式運算網路和更好的資源利用率。中國預測提到超大訓練叢集、長上下文多模態系統，還有電力限制。IBM 和 Microsoft 也都把量子運算拉進 2026 的討論裡。\u003C\u002Fp>\u003Cp>先講白，量子運算很容易被講過頭。每次有人提 quantum advantage，市場就很容易腦補成隔天全面商用。實際上沒那麼快。2026 年比較合理的解讀是，大型供應商想先把 AI 基礎設施做成多路徑架構，讓不同類型工作負載跑在不同堆疊上。\u003C\u002Fp>\u003Cp>也就是說，GPU 還是核心，但不會是唯一答案。某些模擬、最佳化、科學計算、特定 AI 訓練與推論任務，可能會逐步導向更專門的硬體。這是工程問題，不是口號問題。\u003C\u002Fp>\u003Cul>\u003Cli>Microsoft 認為，未來 AI 基礎設施會更重視高密度分散式運算與動態排程。\u003C\u002Fli>\u003Cli>中國產業預測指出，1 萬張 GPU 等級的訓練叢集正變成大型模型的常見配置。\u003C\u002Fli>\u003Cli>IBM 預估，到 2026 年底，量子系統可能在部分 AI 相關問題上展現明確優勢。\u003C\u002Fli>\u003Cli>多份報告都把能源需求列為直接商業限制，不是附帶問題。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>最後這點其實最重要，也最少人愛談。因為它不酷。可是一旦電力供應決定資料中心能不能擴張，AI 競爭就不只是模型競爭，而是電力、散熱、土地、供應鏈的綜合戰。\u003C\u002Fp>\u003Cp>對台灣讀者來說，這點特別有感。半導體、伺服器、散熱、電源管理，本來就是台灣供應鏈的強項。AI 基礎設施如果真的從「拼模型」轉向「拼整體效率」，那受益的不只雲端平台，還有整條硬體鏈。\u003C\u002Fp>\u003Cp>所以 2026 年看 AI，不能只盯 OpenAI、Google、Anthropic 的模型更新。你還要看誰拿得到 GPU、誰的伺服器交期穩、誰的機房有電、誰能把散熱成本壓下來。很多勝負，會在這些很土但很真實的地方決定。\u003C\u002Fp>\u003Ch2>資安與治理終於變成產品本體\u003C\u002Fh2>\u003Cp>幾乎每一份來源都提到同一件事：只要系統開始自主行動，限制就不能事後再補。Microsoft 講 agent 對系統和資訊的存取限制。IBM 強調透明度、使用者選擇權、本地安全控制。Anthropic 則主張 agent security 必須從一開始就設計進去，還要替 agent network 準備自動化防禦。\u003C\u002Fp>\u003Cp>這其實是在修正前兩年的壞習慣。早期很多 AI 產品把安全當成政策層，等上線後再慢慢補。這招在聊天工具還勉強能撐，但到了 agent 可以觸發動作、讀公司資料、跨系統協作時，這種做法很容易炸鍋。\u003C\u002Fp>\u003Cp>2026 年真正能大規模出貨的 AI 產品，我覺得都會有三個共通點：權限管理做得細、操作軌跡可追蹤、失敗後能回復。少一個都麻煩。因為企業要的不是「看起來聰明」，而是「出事時找得到原因」。\u003C\u002Fp>\u003Cp>還有一個常被忽略的點，是人的角色變了。Google 和 IBM 都提到，企業得訓練員工去監督、設定、管理 AI 系統。這聽起來很普通，但可能比 benchmark 再多 5 分還重要。模型可以買，懂得何時信它、何時停它、何時稽核它的人，沒那麼容易補。\u003C\u002Fp>\u003Cp>這也代表職位內容會變。客服主管可能要管 agent queue，軟體工程師可能要寫 agent orchestration，資訊安全團隊要開始審查模型權限與資料流。很多工作不會消失，但會被重新切分。\u003C\u002Fp>\u003Cp>如果公司現在還把 AI 專案丟給單一創新小組，老實說有點慢了。接下來更合理的做法，是讓 IT、資安、法務、業務單位一起進場。因為 agent 一旦接進正式流程，出問題時不會只影響一個部門。\u003C\u002Fp>\u003Ch2>2026 最可能發生的事\u003C\u002Fh2>\u003Cp>如果把這八份預測濃縮成一句話，我會這樣講：到 2026 年底，最有價值的 AI 產品，會是綁定特定商業流程、能長時間運作的 agents。最先成熟的場景，會落在軟體開發、客服支援、研究流程、醫療營運、工業場域。\u003C\u002Fp>\u003Cp>真正的問題不是這些系統會不會存在。它們現在就已經存在，只是還很早期。比較現實的問題是，哪家公司能把它做得夠穩，穩到每天都能用，穩到不用派一堆人盯著它收尾。\u003C\u002Fp>\u003Cp>所以如果你是開發者、產品經理，或企業決策者，我的建議很簡單。少看華麗 demo，多看三件事：正式環境部署數、權限與稽核設計、還有能源成本。這三個指標，比模型排行榜更接近真相。\u003C\u002Fp>\u003Cp>如果你在做產品，現在可以先問自己四個問題。你的 agent 能不能跨工具做事？出錯時能不能回復？權限有沒有切乾淨？整體成本能不能在 12 個月內算回來？四題答不出來，專案多半還沒準備好上正式環境。\u003C\u002Fp>\u003Cp>如果你是工程師，也別只顧著追新模型。2026 年很吃香的能力，會是 workflow orchestration、RAG 品質控制、權限系統、觀測性、資料治理、還有和既有軟體整合的工程細節。講白了，真正值錢的地方，通常都很不 glamorous。\u003C\u002Fp>\u003Cp>最後留一個很實際的觀察。2026 年的 AI 故事，八成不是某個模型突然變神，而是企業把一堆麻煩的工程、資安、硬體、流程問題慢慢解掉。誰能把這些髒活累活做好，誰就比較可能吃到最大的商業價值。\u003C\u002Fp>","2026 年 AI 的主線越來越清楚：Agent 進入正式環境、資安與治理變成產品本體，醫療與製造先吃到紅利，基礎設施與量子運算也開始搶戲。從 Anthropic、Google 到 Microsoft，八份預測其實都在講同一件事。","zhuanlan.zhihu.com","https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2011108769992577031",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1774519831083-avgd.png","industry","zh","b12f8304-2703-4db8-a0c1-48b21b89b739",[17,18,19,20,21,22,23,24,25,26,27,28],"AI agents","Anthropic","Google","Microsoft","IBM","NVIDIA","醫療 AI","製造業 AI","量子運算","AI 基礎設施","資安治理","多代理系統",6,"2026-03-26T08:24:22.74605+00:00","2026-03-26T10:10:49.867+00:00",{"tags":33,"relatedLang":50,"relatedPosts":54},[34,36,37,40,43,45,47,49],{"name":20,"slug":35},"microsoft",{"name":28,"slug":28},{"name":38,"slug":39},"Nvidia","nvidia",{"name":41,"slug":42},"研究整理","-",{"name":23,"slug":44},"醫療-ai",{"name":24,"slug":46},"製造業-ai",{"name":18,"slug":48},"anthropic",{"name":27,"slug":27},{"id":15,"slug":51,"title":52,"language":53},"ai-2026-tech-titans-predictions-en","AI Trends for 2026: Tech Titans' Predictions","en",[55,61,67,73,79,85],{"id":56,"slug":57,"title":58,"cover_image":59,"image_url":59,"created_at":60,"category":13},"9a0692ba-a9c5-42eb-823d-8a0e6e6ae3fc","openai-ipo-filing-turns-hype-into-scrutiny-zh","OpenAI IPO 讓神話變審核","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781042614962-bj12.png","2026-06-09T22:03:04.524304+00:00",{"id":62,"slug":63,"title":64,"cover_image":65,"image_url":65,"created_at":66,"category":13},"40d4f012-36b6-4b8f-b470-30242a0b8483","skatteetaten-public-sector-ai-should-be-judged-by-outcomes-zh","Skatteetaten 證明公部門 AI 應該看成果，不是看噱頭","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781038986405-p8cf.png","2026-06-09T21:02:32.1198+00:00",{"id":68,"slug":69,"title":70,"cover_image":71,"image_url":71,"created_at":72,"category":13},"f937e16b-7b3c-4ec8-b9f6-2b6031c6892c","openai-ipo-filing-wall-street-test-zh","OpenAI IPO 登場，華爾街先看這 5 件事","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781032675072-oq1m.png","2026-06-09T19:17:23.187013+00:00",{"id":74,"slug":75,"title":76,"cover_image":77,"image_url":77,"created_at":78,"category":13},"8258e540-397f-4566-8ae5-37582f3e3418","openai-latest-moves-pricing-safety-scale-zh","OpenAI 4 個最新動向：定價、安全、規模都在變","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781031777355-odh9.png","2026-06-09T19:02:26.913687+00:00",{"id":80,"slug":81,"title":82,"cover_image":83,"image_url":83,"created_at":84,"category":13},"5a3f8c97-afa9-43cd-a5f7-64a1fcfd99d2","risc-v-mini-pcs-worth-buying-now-future-bet-zh","RISC-V 迷你電腦現在值得買，但只適合押注未來","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781026383355-9003.png","2026-06-09T17:32:31.318476+00:00",{"id":86,"slug":87,"title":88,"cover_image":89,"image_url":89,"created_at":90,"category":13},"651bdda4-2566-4185-a33d-254862d4290d","fedora-44-risc-v-widens-linux-board-support-zh","Fedora 44 RISC-V 把支援面擴到 17 板","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781025476806-1woq.png","2026-06-09T17:17:24.257564+00:00",[92,97,102,107,112,117,122,127,132,137],{"id":93,"slug":94,"title":95,"created_at":96},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":98,"slug":99,"title":100,"created_at":101},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":103,"slug":104,"title":105,"created_at":106},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":108,"slug":109,"title":110,"created_at":111},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":113,"slug":114,"title":115,"created_at":116},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":118,"slug":119,"title":120,"created_at":121},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":123,"slug":124,"title":125,"created_at":126},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":128,"slug":129,"title":130,"created_at":131},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":133,"slug":134,"title":135,"created_at":136},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":138,"slug":139,"title":140,"created_at":141},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]