 |
研華亮相GTC 展示邊緣運算與醫療AI軟硬整合方案 (2025.03.23)
相較於雲端AI，邊緣端生成式AI提供更即時的回應、更低的資安風險與更少的網路傳輸成本。研華公司近期參加NVIDIA 2025 GTC大會，也在工業AI、醫療與生命科學兩大展區展示最新邊緣運算AI解決方案，包含生成式AI邊緣系統、服務型引導機器人及醫療AI設備等3大主軸，協助夥伴加速導入AI |
 |
微控制器的AI進化：從邊緣運算到智能化的實現 (2025.03.14)
透過整合AI處理器、優化資源分配、壓縮和量化AI模型，MCU能夠在傳統應用與AI功能之間取得平衡，並在邊緣與終端設備中發揮重要作用。未來，隨著技術的不斷進步，MCU將在更多領域實現智能化，為AI的普及和應用提供強大的支持 |
|
Google發表大語言模型實體機器人：Gemini Robotics (2025.03.13)
Google DeepMind 日前發表全新模型 Gemini Robotics，將其大型語言模型（LLM）與機器人技術結合，為機器人帶來前所未有的靈活性、自然語言指令操作能力，以及跨任務的能力。
DeepMind機器人部門主管Kanishka Rao在發表會上表示 |
|
創建工具機生態系價值鏈 (2025.03.07)
為分散總體經濟受到關稅衝擊的風險，近來除了法人單位呼籲政府，應強化半導體、AI與傳統產業鏈結、擴散以提升競爭力。同時期許台灣工具機產業能積極開拓半導體、機器人等終端創新應用領域加乘效益，共同創造最大市場價值突圍 |
|
耐能借鏡DeepSeek-R1訓練框架 實現輕量級大語言模型 (2025.03.07)
在人工智慧領域，大型語言模型（LLM）的發展日新月異，但其龐大的計算需求和資源消耗一直是普及應用的主要障礙。為了解決這一問題，許多研究團隊開始探索如何將大語言模型的強大能力移植到輕量級模型上，並在保持高效運行的同時，提升其推理和反思能力 |
|
產學合作打造全台首創LLM校園平台 重塑智慧學習模式 (2025.03.06)
由於一般生成式AI教學存在著應用層次、算力資源及實作場景等三大斷層，東海大學攜手HPE、NVIDIA及AMD打造全台首創「從晶片到應用」的全棧式(full-stack) LLM校園學習平台，讓學生能實際建置AI Agent、微調大型語言模型（LLM），創造具商業價值的AI應用，以克服AI教學的三大斷層 |
|
人工智慧將會如何顛覆物聯網？ (2025.02.24)
在物聯網融入人工智慧可以極大地提升能力和靈活性，不過，首先需要克服重大的工程技術挑戰。 |
|
經濟部攜手AMD提升AI晶片效能 1,500W散熱能力突破瓶頸 (2025.02.18)
基於現今AI需求激增，全球資料中心的能源消耗持續攀升，由經濟部補助工研院開發全球領先的雙相浸沒式冷卻系統，則宣佈成功應用於全球IC設計大廠AMD的場域驗證，有效解決新款高功率AI晶片的高熱密度問題，最高可提升晶片散熱能力50%，滿足資料中心及雲端AI訓練的高速運算需求 |
|
擴展定律有助AI在更多領域發揮應用潛力 (2025.02.17)
在AI領域，擴展定律（Scaling Laws）已成為推動技術進步的核心概念。這些定律描述了AI系統的效能如何隨著訓練資料、模型參數或運算資源的增加而提升。正如自然界中的物理定律一樣，擴展定律為AI的發展提供了可預測的框架，並在近年來成為大型語言模型（LLM）和複雜AI系統的基礎 |
|
多功機器人協作再進化 (2025.02.11)
橫跨2024年初從NVIDIA執行長黃仁勳頻繁登台、年底由台積電董座魏哲家發言，以及2025年CES首度發表Cosmos模型以來，這波人形機器人熱潮方興未艾。台灣除了追逐供應鏈商機，也不能忽略多功應用與工業5.0「以人為本」的關聯性 |
|
2025年智慧眼鏡將成主流？AI助攻成關鍵 (2025.02.05)
MIT Tech Review近期撰文指出，智慧眼鏡正蓄勢待發，準備迎接它的「酷」世代。包含Meta與Ray-Ban合作推出的智慧眼鏡，而Snap則推出了第五代Spectacles，兩者都走在潮流尖端。去年12月，Google展示了新款未命名的Android XR原型眼鏡 |
|
車用資安三方聯手 展出智慧座艙Gen AI資安解決方案 (2025.01.22)
面對現今越來越多產業將GenAI應用在實務上，車用資安領導品牌VicOne與英業達集團和Skymizer今（22）日在日本汽車工業技術博覽會（Automotive World 2025）共同宣布，將合作推出強大的車載GenAI網路安全解決方案，專用於保護創新AI賦能智慧座艙，防止敏感數據洩漏，同時讓駕駛人能夠安心享受更優質的AI服務 |
|
AI驅動龐大資料生成 將迎來下一波雲端儲存需求挑戰 (2025.01.19)
基於人工智慧（AI）的普及應用，正在快速改變全球的資料儲存需求。根據Recon Analytics最新調查顯示，約有75%台灣受訪者表示，日常生活中會使用到AI；更有61%受訪者預測雲端儲存需求，將在未來3年內成長超過100%，企業正面臨前所未有的資料生成與儲存挑戰 |
|
IEEE公佈2025年五大科技預測：人工智慧普及化、無人機服務崛起 (2025.01.16)
IEEE與 IEEE計算機協會(CS) ，共同發佈了2025年科技預測報告。該報告預測了2025年將對全球計算機工程產業產生最大影響的趨勢，這些趨勢將在未來幾年重新定義和重塑全球社會 |
|
MIC：CES 2025聚焦AI終端應用 人形機器人成亮點 (2025.01.14)
資策會MIC 發佈CES 2025四大趨勢，指出AI持續深化終端應用，人形機器人互動性提升成為展會亮點。
人形機器人更智慧
展場上出現多款人形機器人，具備視覺感知、觸覺回饋與智慧互動功能 |
|
感測器融合：增強自主移動機器人的導航能力和安全性 (2025.01.10)
隨著自主移動機器人應用日漸廣泛，感測器融合領域呈現採用AI驅動的演算法、增強物體檢測和分類能力、感測器融合用於實現協同感知、多種感測器模式，以及惡劣條件下的環境感知等趨勢 |
|
IEK CQM估製造業2025年成長6.48% (2025.01.10)
面對2025年各國大選結束後政權交替，其經貿、匯率及關稅政策亦將隨之重塑。根據工研院IEK CQM預測團隊綜整國內外政經情勢，並加入中研院AI大語言模型後預估，整體製造業產值年成長率將達到6.48%、約為25.9兆元新台幣 |
|
機器人LLM估破千億美元 Cosmos平台成主流 (2025.01.09)
基於現今人型機器人邁向高度系統整合，並有望從工業場景走進居家生活，前端的AI模型訓練將更為關鍵，以滿足更多後端的理解、互動需求。依TrendForce預估，包含AI訓練、AIGC解決方案在內的全球機器人大語言模型（LLM）市場，有望於2028年超越1,000億美元，2025~2028年複合成長率將達48.2% |
|
Arm：2025年AI走向個性化 並以邊緣運算與多模態為核心 (2025.01.03)
隨著AI技術的快速發展，2025年將見證多項關鍵趨勢的興起，進一步推動AI在不同領域的應用深化。從邊緣運算到小語言模型（SLM）的進化，以及「綠色AI」的實踐，這些發展不僅改變了AI應用的方式，也帶來了更多永續性與效率的可能性 |
|
DRAM製程節點持續微縮並增加層數 HBM容量與性能將進一步提升 (2025.01.02)
生成式AI快速發展，記憶體技術成為推動這一技術突破的關鍵。生成式 AI 的模型訓練與推理需要高速、高頻寬及低延遲的記憶體解決方案，以即時處理海量數據。因此，記憶體性能的提升已成為支撐這些應用的核心要素 |
