close

應用方案

應用方案科技專欄

智能奧運降臨 雲端與 AI 如何重塑冬季奧運會


智能奧運降臨 雲端與 AI 如何重塑冬季奧運會▲即時 360 度回放系統,細膩呈現運動員動作細節

 

三千多年來,奧林匹克運動會一直是人類展示雄心壯志的舞台——不僅在運動場上,更在於捕捉、測量和分享精彩時刻的工具上。2026 年米蘭科爾蒂納丹佩佐冬季奧運會標誌着一個轉捩點:「智能奧運」的降臨,雲計算與 AI 不再只是隱藏的基礎設施,而是奧運故事的主角。

這一轉變的核心,在於從被動觀看轉為由 AI 驅動的主動參與。由阿里巴巴 Qwen 大語言模型驅動的「奧運 AI 助手」為奧運史上首次使用大語言模型技術。觀眾只需以自然語言提問搜索,即可獲得答案。雲端與 AI 正被用來「翻譯」奧運會,讓更多人能夠在這個故事中找到自己的身影。

讓冬季運動煥發活力

在捕捉運動表現方面, 升級後的即時 360 度回放系統在 15 至 20 秒內將運動員動作重構為三維影像,支持 17 個項目的賽事直播。「時空切片」(Spacetime Slices)功能將動作的多個階段疊加成單一合成影像,讓觀眾看清以往只有教練才能察覺的細節。

在幕後,由Qwen驅動的自動媒體描述(AMD)系統,能自動識別運動員、辨認關鍵時刻、並實時生成賽事描述及為素材添加標籤。從前需要由多支編輯團隊耗時處理的工作,如今數秒內即可完成。

邁向可持續智能之路

智能奧運亦重塑了主辦單位管理幕後的營運方式。阿里雲升級版能源數據管理系統讓主辦單位能夠即時監察競賽場館的能源使用量和碳排放量。當出現用電量突然飆升時,工作人員可向由Qwen驅動的可持續發展聊天機器人提問獲得精確且數據化的答案。該平台還全面掌握奧運會整個生命週期的環境足跡。

重新詮釋奧運傳統

即便是奧運會最珍視的傳統儀式,也正透過 AI 悄然蛻變。在米蘭奧運選手村,「智能徽章交換站」邀請運動員通過語音或手勢操控機械臂,選取其他運動員留下的徽章。位於米蘭斯福爾扎城堡的「阿里巴巴米蘭-阿里廊」活動,互動裝置依託雲端 AI 驅動能回應參觀者的動作。在洛桑奧林匹克博物館,個人化 AI 語音導覽能根據每位參觀者的興趣調整內容。在每一個案例中,雲端與AI都在背後默默打造個人化體驗,讓這屆奧運會更像是屬於他們的奧運會。

勾勒未來賽事藍圖

2026年米蘭科爾蒂納冬奧會所展現的是,經過精心部署的雲端與AI可以為大型賽事建立全新的互動架構。此架構具有三大關鍵特徵:對話性質,互動界面漸漸趨向於人類的自然語言;適應性,AI系統都能回應當下發生的狀況;包容性,多語言支援、客製化博物館導覽和無障礙的數碼體驗讓更多人感到受邀進入奧運故事。

這些特質並非體育賽事所獨有。支撐智能奧運的雲端與 AI 技術棧,同樣可以應用於世界博覽會、全球峰會、大型節慶活動,這些場合的主辦單位面對着相似的挑戰:多元受眾、複雜營運,以及對成本和碳排放的嚴格審查。

阿里雲在 2026 年米蘭科爾蒂納冬奧會中的角色,並非炫技,而是將智能科技無縫編進賽事肌理,成為奧林匹克精神的自然延伸。無論是自由式滑雪選手透過與機械臂互動獲得了一枚稀有徽章,義工在問題浮現前解決能源故障,或是身處不同時區的觀眾以母語接收即時賽事更新:每個微小時刻,共同昭示着奧運會可以展現的嶄新面貌。

 

 

資料由客戶提供

閱讀文章
企業趨勢應用方案業界消息

蘋果低調收購 Color.io: 調色技術佈局背後的創作生態野心

色彩調整軟件界面與模特兒照片的結合.

蘋果公司於 2026 年 1 月透過子公司完成對德國獨立開發商 Patchflyer GmbH 的收購,創辦人 Jonathan Marvin Ochmann 隨即加入蘋果旗下。他開發逾十年、深受攝影師及影視創作者信賴的網頁調色工具 Color.io 亦隨之易主。這宗交易直至歐盟近日公布最新併購披露文件後才首度曝光,再次印證蘋果一貫低調整合核心技術的策略思路。

Patchflyer:一人公司的十年調色傳奇

Jonathan Ochmann 獨自營運 Patchflyer 逾十年,憑一己之力打造出 Color.io 這款面向影像行業的專業工具,高峰時期服務用戶超過 20 萬人。Color.io 提供菲林質感模擬、色彩分級、曝光校正等進階功能,在攝影師及獨立電影製作人社群中累積極高口碑。然而,2025 年 11 月,Ochmann 在官方聲明中宣布工具將於同年 12 月 31 日正式下線,並透露將加入一間能讓他「以獨立開發者身份無法實現的規模運作」的公司。

如今回看,這家「神秘公司」正是蘋果。根據歐盟披露文件,此次收購涉及「收購特定資產並聘用 Patchflyer GmbH 唯一員工」,顯示蘋果着眼的不僅是技術本身,更是 Ochmann 本人的深厚專業積累。AppleInsider 分析指出,考慮到歐盟資料庫存在至少四個月的披露延遲,實際收購時間可能早在 2025 年 10 月已完成。

調色技術有望進駐 Final Cut Pro 與 Pixelmator Pro

業界最廣泛的猜測是,Color.io 的核心技術將被整合至蘋果旗下的影像編輯軟件生態。MacTech 分析師指出,Color.io 的色彩管理能力「有望進入 Final Cut Pro 或 Pixelmator Pro」,為蘋果的創作工具套件注入更具針對性的專業調色功能。

目前 Final Cut Pro 已搭載機器學習驅動的一鍵色彩增強功能,以及色彩曲線、色調/飽和度曲線等進階工具。然而部分影視從業者仍認為,與 DaVinci Resolve 等專業軟件相比,Final Cut Pro 的調色深度仍有提升空間。Ochmann 的加入,或許正是蘋果回應這一市場訴求的重要一步。與此同時,2026 年 1 月正式推出的「Apple Creator Studio」訂閱套件已納入 Final Cut Pro 及 Pixelmator Pro 等核心創作應用,並持續透過 Apple Intelligence 整合視覺搜尋、AI 輔助剪輯等功能,為 Color.io 技術的落地提供了清晰的平台入口。

連環收購:蘋果構建影像處理技術矩陣

Color.io 的收購並非孤立事件,而是蘋果近兩年來大規模影像技術佈局的組成部分。2025 年 10 月,蘋果幾乎同步接近完成對電腦視覺初創公司 Prompt AI 的「人才+技術」收購,後者專注於視覺識別及智能場景分析領域。稍早前,蘋果於 2024 年底完成對 Pixelmator 的全面收購,並於 2025 年 2 月正式併入旗下,使其成為蘋果原生圖像編輯工具。

回顧蘋果的併購歷史,其策略始終偏向小規模、高精準的「人才收購」(acqui-hire),以技術人才為核心載體,快速強化自身的軟硬件整合能力。從 Beats Audio 的音訊技術,到近期高達 20 億美元的 AI 音訊初創公司 Q.ai 收購,再到如今的 Color.io,蘋果正在以系統性的方式填補從音訊到影像、從基礎算法到上層應用的全棧技術拼圖。

從獨立工具到生態基石的行業轉型縮影

Color.io 的興衰與重生,折射出獨立開發者在科技生態中處境的深層矛盾。一方面,個人開發者憑藉垂直領域的深耕,能夠創造出大公司難以快速複製的精品工具;另一方面,用戶規模與商業模式的天花板,往往迫使創始人在獨立營運與出售之間艱難抉擇。Ochmann 在宣布關閉 Color.io 時坦言:「獨自營運超過十年後,我到了一個需要以單人開發者無法實現的方式成長的階段。」

這現象在蘋果生態中尤為明顯。Pixelmator 同樣是由獨立團隊開發、被蘋果納入 Creator Studio 的成功案例。Ochmann 的加入,與 Pixelmator 創始團隊的路徑高度相似,共同指向蘋果在創作工具領域吸納精英人才的一貫邏輯。

下一步:蘋果創作生態的色彩革命

Color.io 技術落地蘋果平台,對影像創作者而言既是機遇,也是行業格局的潛在重塑訊號。若相關技術被整合至 Final Cut Pro,蘋果有望在專業影片調色領域縮小與 DaVinci Resolve 的差距;若落地 Pixelmator Pro,則可能進一步鞏固蘋果在靜態影像後期市場的競爭力。隨着 Apple Intelligence 在創作工具中的滲透不斷加深,AI 輔助調色、菲林質感智能模擬等功能,或將成為下一代蘋果創作套件的核心賣點。

值得關注的是,蘋果目前尚未就 Color.io 技術的具體整合路徑作出任何官方表態。對影像行業而言,這場收購真正的影響力,或許要等到 2026 年的 WWDC 或年底的軟件更新才能揭曉——蘋果的創作生態革命,才剛剛開始。

資料來源:MacRumors AppleInsider MacTech IT之家 The Phrase Maker

 

閱讀文章
應用方案數據分析

優化資源運用的示範:提升智慧交通效率促政務轉型

智慧交通數據分析平台,展示城市交通流量與優化方案。.

鄧淑明博士
香港大學計算與數據科學學院及社會科學學院地理系客席教授

 

政府公布的《運輸策略藍圖》提出本港交通運輸可持續發展策略及具體建議,當中亮點之一是推展「交通管理平台」,整合各類交通及運輸數據,以助優化交通數字化管理。

擬建的平台結合大數據分析和人工智能技術,可預測交通變化、識別交通瓶頸和制訂應急預案,協助交通管理及運輸規劃,可提高運輸效率,其應用場景涵蓋大型活動、惡劣天氣及突發事故等,又能提供實時交通和運輸資訊,可與相關政府部門分享,例如警務處可以根據實時數據進行相應的執法行動,而路政署則可於極端天氣下迅速清理阻塞的道路,維持交通暢順。根據藍圖的執行時間表,平台會在今年展開研究,籌備在市區內進行一個區域性試點應用,並於 2028 至 2032 年檢視相關成效。

不過,據筆者了解,土木工程拓展署早於 8 年前已研發及營運以電子地圖為核心的「聯合運作平台」(COP),可供不同部門實時分享事故的相關資訊,目前已有 20 多個政府部門參與。惟 COP 現時僅在處理山泥傾瀉、水浸等天災事故時使用,未見充分運用及發揮其效能。

筆者認為,只要把現有的 COP 升級,如加入地理空間人工智能(Geospatial Artificial Intelligence, GeoAI),配合人造衛星、無人機以及傳感器接收大量數據,並擴大應用場景至惠及民生的所有政府部門,便能打破數據與行政壁壘,以單一平台去加強跨部門協作,促進數據互通,提升政府的施政效率,實現高效治理,同時成為各部門優化資源運用的示範。優化資源運用的示範

 

閱讀文章
企業趨勢低碳綠色應用方案業界消息

寧德時代夥海博思創簽 60GWh 供貨協議 全球最大鈉離子儲能合作正式啟動

寧德時代(CATL)與海博思創(HyperStrong)在福建寧德正式簽署鈉離子電池儲能戰略合作協議,宣佈建立為期三年、供應規模達 60GWh 的鈉離子電池合作框架。這是全球至今規模最大的鈉離子電池供貨協議,代表鈉離子電池技術產業化進程進入全新階段。

雙方合作涵蓋技術研發、產品應用及項目部署三大範疇,共同推動鈉離子電池從技術驗證走向大規模商業落地。本文剖析三個重點:第一,這次合作的全球戰略意義;第二,寧德時代如何突破量產技術瓶頸;第三,鈉離子電池的核心優勢及儲能市場前景。

60GWh 協議重塑全球鈉電格局

作為寧德時代鈉離子儲能領域的首個戰略合作夥伴,海博思創簽約代表寧德時代成功打通鈉離子電池大批量生產的全流程價值鏈,正式具備規模化交付能力。這份三年 60GWh 的合作協議不但是全球鈉離子電池行業的歷史性突破,亦標誌全球鈉離子電池大規模擴張的新階段正式展開,行業格局由此改寫。

從市場角度來看,60GWh 的供貨規模代表鈉離子電池已跨越技術驗證階段,正式進入商業規模化部署軌道。寧德時代透過這次合作向市場發出明確訊號:鈉離子電池不再只是鋰離子電池的補充選項,而是具備獨立競爭力、可大規模交付的主流儲能技術路線,為全球能源轉型提供更具韌性與多元化的技術支撐。

攻克量產瓶頸:埃級技術成破局關鍵

技術層面上,寧德時代透過形貌控制與表面改性,顯著提升鈉離子電池的能量密度,從根本解決鈉電長期面對的能量密度不足問題。在量產製造環節,公司系統性攻克硬碳生產線的發泡問題及水分控制兩大難題。這兩項挑戰一直是鈉電規模化生產的核心瓶頸。

寧德時代為此投入三項核心技術:埃級孔徑調控技術精準掌控硬碳材料的微觀孔隙結構;表面分子鎖水技術消除生產過程中的水分干擾;自適應動態化成技術確保電池在大批量生產條件下維持高度一致性。三項技術互相配合,令寧德時代在大規模量產環境中穩定輸出高品質產品,為 60GWh 合作的順利交付奠定穩固的製造基礎。

安全、穩定、兼容:鈉電的三大競爭優勢

相比鋰離子電池,鈉離子電池在多個關鍵性能維度展現獨特優勢。鈉離子電池具備出色的寬溫域適應性,高溫循環壽命表現卓越;電池運行過程中產熱量較低,電芯膨脹應力更小,帶來更優越的安全性與穩定性,有效降低儲能系統的營運安全隱患。

在長時儲能應用場景中,鈉離子電池可簡化系統整合架構,降低輔助能量損耗,全面提升電站的整體效率與經濟表現。值得留意的是,寧德時代的鈉離子儲能電池採用平台化設計,與鋰離子電池保持相同外型尺寸,確保與現有產業鏈高度兼容,有效降低市場適配成本,並大幅縮短從產品準備就緒到電站部署的時間,為儲能營運商大幅降低技術遷移門檻。

鈉電時代全面提速,能源轉型迎來新支柱

這次 60GWh 鈉離子電池合作,是雙方共同寫下的重要里程碑。隨着鈉離子技術正式進入大規模發展階段,寧德時代與海博思創將持續深化合作,推動儲能行業高品質發展,為全球能源轉型提供更具韌性與多元化的技術支撐。這項規模空前的合作,將會加快鈉離子電池的全球商業部署進程,並深刻影響未來三年儲能行業的技術路線選擇。

 

資料來源:寧德時代(CATL)官方公告

 

閱讀文章
初創企業市場營銷應用方案科技專欄

以科技提升旅遊新體驗:善用 GeoAI 打造智慧生態導覽


以科技提升旅遊新體驗:善用 GeoAI 打造智慧生態導覽

鄧淑明博士
香港大學計算與數據科學學院及社會科學學院地理系客席教授

 

香港的大自然郊野風光明媚,早已名聞海外。如港島徑第八段的龍脊早於 2004 年獲《時代》雜誌選為亞洲區「最佳市區遠足徑」,並於 2019 年獲 CNN 評為「全球最佳 23 條遠足徑」之一。

 

事實上,香港的行山徑除風景怡人,其自然生態更包含著豐富的生物多樣性和傳統文化特色。如新近成立的紅花嶺郊野公園,連綿的山嶺及縱橫交錯的天然溪澗為野生動植物提供各式各樣的棲息地,不少更屬高保育價值的物種,如紅杜鵑、土沉香、大草鶯及灰伏翼。其中蓮麻坑鉛鑛洞更是重要的蝙蝠群居地,深具生態研究價值。而且,郊野公園附近的蓮麻坑村,曾是擁有深厚客家文化之地,保存了不少戰時遺跡及文物古跡,當中包括用於邊境防衛的機槍堡、戰壕及二級歷史建築「麥景陶碉堡」。市民遊客到此一遊,便能深入體會香港源遠流長的人文歷史。

 

近年,為推動本地生態旅遊,政府積極優化行山徑設施,又開發「實時旅遊地圖」及「人工智能行程規劃」,以方便旅客獲取全港不同地區的實時旅遊資訊,並提供個人化的行程建議。筆者認為,假如兩項流動應用程式能結合地理空間人工智能 (GeoAI) ,便可充分運用創新科技,以 3D 、 AR/VR 等多維度呈現地圖面貌,自動尋找方向和路線,同時實時介紹行山徑的有用資訊和歷史故事,為市民及旅客提升更多旅遊新體驗。

 

不過,在推動生態遊時,也要配合環保教育和宣傳,引導大眾珍惜自然資源,這才能有效深化國家「綠水青山就是金山銀山」的理念,讓香港的生態環境可持續發展。

 

閱讀文章
人工智能應用方案

Anthropic 新推出 Claude Managed Agents 為企業免自建團隊下 AI 開發期由數月變數天

Anthropic 於 2026 年 4 月 8 日推出 Claude Managed Agents,以 public beta 形式開放;官方把它定位為一組可組合的 API,讓企業建立與部署雲端託管的 AI agents。對多數 CEO 與 CIO 來說,重點在於企業未來不一定要自己養一整隊人去搭 Agent 的底盤,最難上線的一段正被平台產品化。我的理解是:Anthropic 賣的是一種更快把 AI 變成營運能力的方法,而非單純一個模型。

 

 

Anthropic 把最耗時的底層工程,直接包成可採購服務

Claude Managed Agents 的核心,是把 agent loop、工具執行、runtime 與相關基礎設施交由 Anthropic 代管,讓 Claude 可在受控環境中讀檔、執行命令、瀏覽網頁與安全地跑程式碼。官方列出的能力包括安全沙箱、可長時間運行且斷線後仍保留進度的 sessions、執行追蹤,以及仍在 research preview 的 multi-agent coordination。對 CIO 的價值很直接:企業原本最耗時的是補齊權限、安全、狀態保存與可觀測性,而非寫好 prompt,現在 Anthropic 試圖把這整段工程變成標準服務。

Anthropic 新推出 Claude Managed Agents 為企業免自建團隊下 AI 開發期由數月變數天

 

 

CIO 應關注的是它替企業省下哪些人力與交付時間

Anthropic 在官方公告中明言,過去要把 production agent 推上線,往往要先自行處理 sandboxed code execution、checkpointing、credential management、scoped permissions 與 end-to-end tracing,這些工作常要花上數月;Managed Agents 的目標就是把這段時間縮短為幾天。定價方面,官方寫明 token 費用沿用 Claude Platform 標準,另加每個活躍 session 每小時 0.08 美元(約港幣 HK$0.62)。但企業真正該計的帳,是那幾個月工程人力、反覆整合、內部審批與延後上線的機會成本能否因託管平台而大幅下降。換句話說,這產品首先節省的,是團隊把 AI 變成可用系統之前那段最昂貴、也最不容易被高層看見的時間,而非 token 本身。

 

官方案例說明 Agent 已開始進入程式開發、知識工作與後勤部門

Anthropic 在原生頁面裡給出的案例很值得 CIO 細看,因為它直接點出哪些部門已經在用、輸出甚麼成果、部署速度快到甚麼程度,而非抽象地說「生產力提升」。官方寫道,團隊正用 Managed Agents 處理 coding agents、productivity agents,以及 finance 和 legal agents 等生產場景,包括讀取 codebase、規劃修復、開 PR,或加入專案後接手任務、生成文件與整理重點內容;這些案例共同指向一件事:「幾天內上線」本身就代表更快把價值交到用戶手上。

 

Notion 的例子很具代表性,因為它顯示 Agent 不再只是工程師工具,而是直接進入日常知識工作流程。官方指出,Notion 讓團隊可直接在 workspace 內把工作委派給 Claude,現時以 private alpha 形式存在於 Notion Custom Agents 中;工程師可用來交付程式碼,知識工作者可拿來產出網站與簡報,而且數十個任務可並行運行,同時由整個團隊一起協作輸出內容。若平台層已經能處理並行任務與執行環境,企業未來導入 Agent 的阻力會擴散到整個知識工作鏈條,不限於 IT 部門。

 

 

 

 

Rakuten 的案例更貼近大型企業的部門管理現場。官方表示,Rakuten 已在產品、銷售、市場推廣、財務與 HR 推出 enterprise agents,並可接入 Slack 與 Teams,讓員工分派任務後取得試算表、簡報與應用程式等交付成果;每個 specialist agent 都可在一週內部署完成。這說明託管式 Agent 平台的價值,在於能夠在跨部門協作工具中快速複製可治理的工作流,而非單點自動化。

 

 

 

Asana、Vibecode 與 Sentry 則分別說明三種不同的應用模式。Asana 用 Managed Agents 建構 AI Teammates,讓協作型 AI agents 在專案內與人一起接手任務並起草交付內容,且團隊能比原本快得多地加入進階功能;Vibecode 把 Managed Agents 作為預設整合,幫助客戶從 prompt 直接走到 deployed app,同類基建的建立速度提升至少 10 倍;Sentry 把 Seer 與 Claude-powered agent 串起來,讓開發者從被標記的 bug 直接走到可 review 的修補與 PR,整合時間由數月壓縮到數週。三個案例合起來看,Agent 平台未來會更深入地進入軟件開發、協作管理與產品交付主線,不止於客服或搜尋。

 

導入門檻降低的同時,平台依賴也會同步加深

我認為這次發布最值得高層留意的,是 Anthropic 正把 AI 從「模型採購」推向「運行層採購」。當 agent、session、environment 與 observability 都被收進同一套框架,企業導入速度當然會上升,但未來亦會更依賴同一供應商提供的權限模型、執行方式與追蹤機制。另外,官方文件也清楚寫明 outcomes、multiagent 與 memory 等部分能力仍在 research preview,代表方向已經非常明確,但並非所有能力都已成熟到可以無差別大規模部署。對 CIO 來說,下一步真正該問的是:哪些流程最值得先上、哪些資料不能交出去、當公司愈來愈快之後還能否保留切換平台的主導權。

 

 

 

資料來源:AnthropicClaude API DocsAnthropic Pricing

閱讀文章
企業趨勢低碳綠色應用方案業界消息

BYD 低價搶佔日本市場 Mitsubishi Fuso 結盟 Foxconn 反擊


BYD 低價搶佔日本市場 Mitsubishi Fuso 結盟 Foxconn 反擊

比亞迪(BYD)以低於日系廠商約40%的售價,在日本電動巴士市場斬獲逾七成佔有率,迫使三菱扶桑卡車巴士(Mitsubishi Fuso)與台灣鴻海精密工業於2026年1月宣布攜手成立合資公司,計劃以本土化電動巴士展開反擊。這場中、日、台三方角力,正重塑整個亞太電動商用車版圖。

BYD 定價破壞市場 日系廠商被逼入死角

Mitsubishi Fuso 與 Foxconn 於 2026 年 1 月宣布將於下半年各出資 50%,在日本神奈川縣川崎市設立巴士專業合資公司。新公司以富山工廠為生產基地,目標在 2027 年推出首款大型電動路線巴士,並計劃在 2030 年前後進軍東南亞與澳洲市場。這個決定源於 BYD 在日本市場展開銳不可擋攻勢,其電動巴士售價比日系競爭對手低逾四成,令本土廠商幾乎無利可圖。BYD 自 2015 年以 5 輛電動巴士首度進入京都市場,用 10 年時間將市場佔有率推升至 70% 以上。截至 2025 年底日本累計交付量已突破 500 輛,服務範圍橫跨 24 個都道府縣。

Foxconn 技術平台降低開發成本 本土化成反攻核心

Mitsubishi Fuso 行政總裁 Karl Deppen 在記者會明確表示很高興與 Foxconn 合作。他指夥伴關係結合雙方優勢能加速巴士領域轉型,透過 Foxconn 豐富經驗與技術能為客戶提供公共交通的尖端解決方案。合資公司初期將引進兩款已由 Foxconn 旗下子公司 Foxtron Vehicle Technologies 開發的參考車款,包括 12 米電動城市巴士 Model T(最大續航約 400 公里)及 Model U 車款。這兩款車款已在台北及印尼投入營運,具備充分實地驗證數據。Foxconn 電動車首席策略官關潤同時亦強調行動力是集團戰略優先項目,與 Mitsubishi Fuso 合作將顯著縮短開發周期並提升成本效率。

歐系平台難以本土化 速度決定勝負

外界或許疑惑為何 Mitsubishi Fuso 不直接引入母公司 Daimler Truck 旗下廣受好評的 Mercedes-Benz eCitaro。答案在於速度與本土適應性,將歐規電動巴士針對日本特殊法規、安全標準及基礎設施要求進行改造,所需時間與成本遠超預期。相比之下 Foxconn 的 Model T 平台已符合亞洲市場實際營運條件。結合 Mitsubishi Fuso 在日本既有銷售渠道與監管認證經驗,雙方合力可大幅壓縮上市時間窗口。合資公司行政總裁一職由 Fuso 巴士事業部現任負責人古良勝人出任,確保日本市場本土營運不脫軌。

日本巴士需求萎縮過半 東南亞成唯一出路

這場聯盟戰略背景遠比表面上反攻 BYD 更為深刻。日本國內巴士銷售量已跌至高峰期約一半,人口老化與公共交通整合令市場長期萎縮,迫使廠商必須拓展外國市場。東南亞成為最具吸引力目標市場,然而 BYD 已在該區域深度耕耘多年。中國廠商在 2025 年上半年出口約 9,000 輛電動巴士,按年激增 124%。BYD 更在印尼與本地製造商 VKTR 合作設廠,年產能達 3,000 輛。全球電動巴士出口市場中中國佔去近八成產能,BYD 於 2025 年推出搭載全球首款量產型 1000V 高壓架構的第三代 e-BUS Platform 3.0 平台,進一步拉大技術與成本雙重優勢。

合資模式能否突破 BYD 成本護城河

Mitsubishi Fuso 與 Foxconn 聯手代表日本製造業與台灣科技供應鏈首次在電動商用車領域深度融合,亦是日本汽車生態系統面對中國電動車攻勢時選擇借外力補強的標誌性案例。合資公司在 2026 年下半年正式成立後,能否在 2027 年如期取得日本市場訂單並在 2030 年前在東南亞與澳洲站穩陣腳,將成為檢驗這場跨國聯盟成效關鍵指標。日本電動巴士市場規模預計由 2022 年 11 億美元(約港幣 85.8 億元)擴張至 2030 年 36 億美元(約港幣 280.8 億元)。這塊增長中市場究竟能有多少落入新合資公司手中,還是繼續鞏固 BYD 主導地位仍有待觀察。

 

資料來源:INSIDEElectric Cars ReportElectrive中央社OilPrice / Nikkei Asia

閱讀文章
IT 基建人工智能企業趨勢應用方案

DeepSeek V4 正式登場:成本僅 GPT 百分之一 企業 AI 市場大洗牌


DeepSeek V4 正式登場:成本僅 GPT 百分之一 企業 AI 市場大洗牌

DeepSeek V4 於 2026 年 4 月正式推出。定價每百萬 token 僅 0.3 美元(約港幣 2.3 元),比 GPT 旗艦模型平逾 10 倍,亦較 Claude Opus 4.6 便宜約 16 倍。開源 AI 正式進入兆參數時代。這款中國研發的模型加入全新 Engram 條件記憶架構,支援 100 萬 token 超長上下文窗口。編寫程式碼與推理測試成績直逼頂尖閉源模型,各大企業技術主管都要重新考慮 AI 供應商。

兆參數架構 推理成本不升反跌

DeepSeek V4 採用混合專家(MoE)架構,總參數量約達 1 兆。每個 token 推理過程只激活約 32 億個參數,比上一代 V3 的 37 億參數更少。模型規模擴大約 50%,單次推理成本卻不升反跌。V4 採用 Top-16 路由機制,在數百個專家子網絡中每次激活 16 個,平衡運算效率與表達能力。

訓練成本亦是關鍵。上一代 V3 訓練成本約 600 萬美元(約港幣 4,680 萬元),對比 OpenAI 訓練 GPT-4 估計花費逾 1 億美元(約港幣 7.8 億元),差距極大。DeepSeek V4 輸入定價為每百萬 token 0.3 美元(約港幣 2.3 元),輸出定價為 0.5 美元(約港幣 3.9 元)。

AI 開支慳足九成 實測數據見真章

以每月處理 10 億 token 計算,DeepSeek V4 無快取費用約 300 美元(約港幣 2,340 元),啟用快取後更低至 30 美元(約港幣 234 元)。若使用 GPT 旗艦模型執行相同工作量,估計需 2,500 美元(約港幣 19,500 元)。Claude Opus 4.6 標準輸入定價計算則約需 5,000 美元(約港幣 39,000 元)。兩者成本相差 10 至 150 倍。

網上流傳「Claude Opus 4.6 每月 15,000 美元」的說法,其實是混淆了舊版 Claude Opus 4 定價。根據 wavespeed.ai 實測分析,V4 性能有明顯提升,SWE-Bench 分數由 V3 的 69% 升至 81%,但定價只比 V3.2 高約 15%。

基準測試逼近閉源模型 Engram 記憶架構發功

目前流出的 V4 預發布基準測試數據尚未經第三方核實。報告指 SWE-Bench Verified 軟件工程任務得分達 81%,HumanEval+ 程式碼生成約 90%,GPQA Diamond 研究生級科學推理約 88%。Claude Opus 4.6 在 SWE-Bench Verified 錄得 81.42%。兩者表現相近,但每百萬 token 成本相差 16 倍。

背後關鍵在於 Engram 條件記憶架構。官方文件顯示,新架構能在超過 100 萬 token 的超長上下文做到高效檢索。V4 特別適合處理超長文件、程式碼庫分析或跨對話記憶等企業應用。evolink.ai 分析指出,DeepSeek 早於 2026 年 2 月起,已將基礎設施上下文窗口由 128K 擴展至 100 萬 token,早為 V4 生產環境做準備。

採用華為晶片 需考量地緣政治風險

V4 背後的硬件策略涉及地緣政治因素。路透社於 2026 年 4 月 3 日引述 The Information 報道,V4 完全運行於華為最新設計的晶片。DeepSeek 為此直接與華為及中國晶片設計商寒武紀合作,重寫模型底層程式碼。Nvidia 並未獲得 V4 早期測試機會,打破業界慣例。

Alibaba、ByteDance 及 Tencent 等中國科技巨頭已為 V4 採購數十萬台華為最新 Ascend 950PR 晶片。需求激增推動晶片價格上漲約 20%。Reddit 上有開源情報報告指,V4 多次延期,部分原因是華為 Ascend 910B 硬件在早期訓練過程故障,才順延至 2026 年 4 月發布。企業考慮採用 V4 時,要同時評估供應鏈風險與資料合規要求。

開源策略吸引企業自設伺服器

DeepSeek 計劃以 Apache 2.0 授權開源發布 V4 權重。Apache 2.0 允許企業在自家伺服器自行部署,消除依賴 API 的風險。企業亦可按業務需求微調模型,解決資料主權疑慮。金融、醫療、法律等監管嚴格行業對此甚有需求。

隨着 V4 落地,企業技術主管要面對的問題,已由「開源夠不夠用」變成「閉源模型高昂收費是否合理」。根據 particula.tech 市場數據,DeepSeek 與 Qwen 目前合計佔全球 AI 市場約 15% 份額,對比一年前僅有 1%。

成本與風險的角力

DeepSeek V4 打破了市場定價慣例。當成本相差最高 150 倍,繼續盲目選用 GPT 或 Claude 似乎不再是理所當然。然而便宜背後有代價。V4 依賴華為晶片,加上基準測試數據仍未經獨立核實,實際應用表現仍有待觀察。各大企業要享受低成本開源模型帶來的好處,就要先搞清楚如何在法規與地緣政治風險中取得平衡。這不再是單純的技術測試,而是一場真金白銀的商業決策。

資料來源:nxcode.io · reuters

閱讀文章
人工智能企業趨勢應用方案

阿里騰訊提前佈局華為新一代 AI 晶片 DeepSeek 帶動國產算力崛起


阿里騰訊提前佈局華為新一代 AI 晶片 DeepSeek 帶動國產算力崛起

DeepSeek 即將推出的新一代大語言模型 V4 已完成基於華為昇騰及寒武紀等國產 AI 晶片的深度最佳化,並打破行業慣例拒絕向 Nvidia 及 AMD 開放預先發佈測試,正式宣告中國 AI 算力生態從被動適配轉向主動協同的歷史性拐點。

打破慣例:去 Nvidia 化的硬件轉向

過去相當長時間裡,全球主要 AI 模型開發者在預先發佈階段均習慣優先與 Nvidia 工程師合作,共同完成 CUDA 底層最佳化。此慣例確保 Nvidia GPU 在模型推出首日便能獲得最佳效能表現,也使全球算力市場長期形成預設 Nvidia 的生態依賴。

然而 DeepSeek 這次做出截然不同選擇。據路透社報導指出,DeepSeek 並未向 Nvidia 及 AMD 開放 V4 模型預先發佈測試權限,而是將華為昇騰與寒武紀思元系列列為優先適配對象,賦予國產廠商數週先發最佳化窗口期。路透社科技記者指出這是重要 AI 實驗室首次如此操作,標誌著中國 AI 產業在硬件層面正式開始構建一套獨立於西方供應鏈的自主算力體系。

此戰略轉向背後有著清晰技術邏輯。軟件最佳化能顯著縮小硬件效能差距。經過專項適配後,搭載昇騰 950PR 的華為 Atlas 350 在算力指標上已達 Nvidia H20 近 3 倍。一旦 V4 從推出首日即對昇騰架構深度最佳化,國產算力在實際部署的競爭力將得到質的飛躍。正如 AI 研究機構 ainvest.com 分析所指,軟件最佳化能戲劇性縮小硬件差距,V4 推出之時昇騰生態系統將已擁有穩定運作的生產部署。

華為昇騰 950PR:對標旗艦的算力底座

DeepSeek V4 國產晶片優先策略能夠在此時落實,與華為昇騰新一代旗艦晶片正式亮相密不可分。

華為於 2026 年 3 月 21 日在中國合作夥伴大會上,正式發佈搭載昇騰 950PR 處理器的 Atlas 350 加速卡。昇騰 950PR 的 FP8 算力達 1 PFLOPS 及 FP4 算力達 2 PFLOPS,支援 FP32、FP16、BF16、FP8、MXFP8 及 FP4 等多種精度數據格式。其互聯頻寬高達 2 TB/s,記憶體容量 128 GB 及頻寬達 1.6 TB/s。Atlas 350 整卡在 FP4 精度下實測算力達 1.56 PFLOPS,頻寬 1.4 TB/s 及功耗 600 W,相較 Nvidia H20 具備顯著算力優勢。

值得注意的是在昇騰 950PR 亮相前,DeepSeek V4 在早期訓練階段曾因華為昇騰 910B 硬件故障遭遇嚴重延誤,被迫切換至 Nvidia GPU 架構才完成訓練。此挫折正是 DeepSeek 這次提前向華為開放 V4 存取權限並攜手推進深度協同核心動因。雙方透過充裕聯合測試窗口徹底彌補軟件生態歷史欠帳,確保 V4 在昇騰 950PR 實現完整商業落實。

科技巨頭搶籌:阿里、字節、騰訊提前佈局

DeepSeek V4 推出預期已在商業層面觸發連鎖反應。據媒體報導指出,阿里巴巴、字節跳動和騰訊等科技巨頭已提前大規模預購華為新一代 AI 晶片。訂單規模達數十萬顆,以應對未來基於 V4 模型的雲端服務啟用需求。科技分析人士指出相關需求急劇增加已帶動國產 AI 晶片市場持續升溫,國產算力生態自我造血能力正加速形成。

這場搶購潮背後折射出業界對算力供應鏈安全高度重視。自美國持續升級對華晶片出口管制以來,主要科技企業均加速佈局去 Nvidia 化替代方案。DeepSeek V4 優先適配國產晶片明確訊號進一步強化市場信心,促使各大廠商加快與昇騰生態深度連結戰略部署。這情況亦令此前處於觀望態度的中小型 AI 企業,開始重新評估自身硬件選型策略。

從補課到超車:自主算力的全球意義

DeepSeek 這次與華為深度合作意義早已超越單一模型發佈節點,而是標誌著中國 AI 產業鏈在演算法定義硬件層面獲得系統性升級。過去中國 AI 廠商雖則在模型演算法層面取得重大突破,但訓練及推理基礎設施仍高度依賴 Nvidia GPU,形成結構性供應鏈脆弱問題。

透過將國產晶片廠商置於優先適配位置,DeepSeek 實際上向整個行業傳遞出清晰訊號。中國頂尖 AI 模型可以且應當優先在本土算力上運作與迭代,並持續強化此生態自主閉環能力。中國資訊通訊研究院數據顯示,2026 年 2 月國產大模型 Token 使用量首次超越美國,在全球前五名中佔據四席。這在一定程度上印證國產算力生態正從量變走向質變。

展望未來若 DeepSeek V4 最終在商業層面驗證國產算力可行性,有望在全球範圍內加速算力格局深度重塑,也將倒逼 Nvidia 重新審視其在中國市場長期定位。在這場算力自主化浪潮中,誰能率先建立起從晶片到模型的完整閉環,或將在下一輪 AI 競爭中搶佔真正制高點。

 

資料來源:
www.reuters.com | finance.sina.com.cn | www.163.com | ascendai.csdn.net

閱讀文章
IT 基建企業趨勢應用方案

破解東京 AI 算力樽頸:東急電鐵首創高架橋下模組化數據中心


破解東京 AI 算力樽頸:東急電鐵首創高架橋下模組化數據中心

東急電鐵聯合三家集團企業宣布將於 2026 年 6 月在大井町線高架橋下部署模組化數據中心,正式啟動全球首個鐵路高架下城市型數據中心實證實驗,以驗證伺服器設施在列車振動與溫度劇變環境下的可行性。

這項由東急株式會社、東急電鐵、東急建設及 Its Communications 四方聯合推進的計劃被業界視為破解東京土地短缺與電力瓶頸的創新路徑,亦是日本數碼基礎設施建設從「中心化」轉向「分散式」的重要里程碑。

列車之下伺服器能否存活?

這場實驗技術核心落在一個看似不起眼的問題上:當每日數十列東急電車從頭頂呼嘯而過,底下的伺服器機櫃能否正常運行?東急集團選定大井町線高架下方安裝一套容器規格的模組化小型數據中心,將伺服器、冷卻系統與電源裝置一體封裝,無需建造獨立建築即可落實部署。

根據 PR Times 公告,實驗團隊將重點評估四項指標:機殼隔音性能、隔熱效果、防震能力及散熱效率。當中防震測試尤為關鍵,電車行駛時產生機械振動屬寬頻段衝擊,與地震或建築施工不同,其頻率具規律性,但累積效應對硬碟讀寫頭、PCB 焊點及機架結構均構成長期威脅。科技媒體 Tom’s Hardware 技術編輯 Luke James 在報導指出,模組化封裝設計令設施可在複雜城市微環境中快速複製部署,正是傳統磚瓦建築數據中心無法實現的靈活性。

Its Communications 早已沿東急沿線鋪設大容量光纖骨幹網絡,高架下數據中心無需額外挖溝引纜即可直接連接既有基礎設施,大幅降低網絡連接成本與施工週期。若這次實驗成功,東急集團計劃將此模式推廣至澀谷等核心沿線站點,逐步建構沿鐵路廊道分佈邊緣運算節點網絡。

東京數據中心「260 億美元矛盾」

這次實驗更深層背景是東京數據中心市場陷入「需求爆炸、供給受困」結構性矛盾。AWS 承諾投入 152.4 億美元(約港幣 1,188.72 億元)、Oracle 投入 80 億美元(約港幣 624 億元)、Microsoft 投入 29 億美元(約港幣 226.2 億元),三大美國超大規模業者合計逾 260 億美元(約港幣 2,028 億元)資本已鎖定日本 AI 基礎設施。然而在東京市中心,新設施等待電網連接時間卻長達 5 至 10 年。

NTT 全球數據中心執行副總裁兼日本及亞太區董事總經理鈴木康雄(Yasuo Suzuki)在 2025 年 9 月接受 Data Center Knowledge 採訪時直言:「在東京最密集區域,光是等待電力連接就可能需要 5 到 10 年。」這句話精準揭示日本數碼基礎設施核心矛盾:資金充裕但土地與電力雙雙告急。

根據 Mordor Intelligence 數據,東京土地價格在 2024 年飆升 69%,全市目前擁有 132 座營運中數據中心及至少 18 座在建場地。日本數據中心市場規模預計從 2025 年 127.6 億美元(約港幣 995.28 億元)增至 2031 年 389.1 億美元(約港幣 3,034.98 億元),複合年增長率高達 20.42%。當中 AI 最佳化型數據中心增速最快,預測期間複合增長率達 26.14%,遠超整體市場速度。面對這壓力,分散式邊緣部署模型正如東急這次實驗探索方向,成為釋放城市閒置空間突圍選項。

電力供應之困催生分散式革命

日本電力危機並非短期波動而是結構性難題。根據 Wood Mackenzie 分析,日本數據中心電力消耗將從 2024 年 19 TWh 急增至 2034 年 57 至 66 TWh,屆時數據中心將驅動日本整體電力需求增長 60%。為此東京電力(TEPCO)及大阪地區電力公司計劃自 2026 年起投入逾 1,500 億日圓(約港幣 75 億元),用於升級大阪 4 座變電站及擴建東京 66 千伏電網。

在這背景下,高架橋下模組化數據中心具備一項隱性優勢:可直接接駁鐵路沿線既有電力供應線路,繞開排隊多年的電網連接申請程序。同時亦因日本政府計劃於 2026 年 4 月實施新版數據中心能效規範,要求 PUE(電力使用效率)不得超過 1.4,進一步促使業界採納高效冷卻與分散式部署方案。

同時日本政府已規劃在富山縣南礪市建設 3.1 吉瓦容量的超大型數據中心集群,列為亞洲規模最大單一選址開發項目,以緩解東京集中式部署壓力。日本經濟產業省與總務省均明確表態,對數據中心產業發展給予全力支援。

城市空間再造:高架橋第二次生命

回顧日本都市空間利用歷史脈絡,高架橋下商業化早有先例。自 1960 年代起,東京各線高架橋下陸續出現餐廳、便利店及健身房等商業設施,形成獨特「高架下經濟帶」。東急這次將這邏輯延伸至數碼基礎設施領域,本質上是對城市存量空間作高密度再利用。

從技術演進時間軸來看,模組化數據中心概念在 2015 年前後隨邊緣運算興起而普及,最初應用於工廠及港口等工業場景。2020 年後隨 5G 部署加速,超低延遲需求推動邊緣節點向更貼近終端用戶位置滲透。東急這次實驗代表這趨勢向極致城市密集環境延伸嘗試,其技術可行性一旦獲驗證,將為全球大城市鐵路網絡提供可複製數碼基礎設施「插件」方案。

值得關注的是,目前東京至大阪傳統數據中心走廊集中日本約 85% 算力資源。分散式鐵路沿線節點建立有助緩解這高度集中所帶來的單點故障風險,為生成式 AI、IoT 及 5G 低延遲服務提供更具韌性的基礎設施底座。

挑戰城市算力邊界下一步

東急集團高架橋下數據中心實驗,折射出更宏觀命題:在土地稀缺及電力緊張的超大城市,算力基礎設施邊界究竟在哪裡?若 2026 年 6 月啟動實驗順利驗證防震、隔熱、散熱等關鍵指標,東急有望在澀谷等核心地帶複製推廣,催生以鐵路網絡為骨幹的新型分散式數碼城市架構,從而提升沿線區域附加值。

這模式對香港及新加坡等高密度亞洲城市同樣具借鑑意義,當傳統數據中心選址空間日益逼仄,鐵路基礎設施「第二層價值」或將成為新一輪 AI 算力競賽隱藏籌碼。隨著 AI 與 IoT 應用對低延遲算力需求持續攀升,未來數據中心或許就藏在你每天乘坐的列車之下。

 

資料來源:DoNewsTom’s HardwareIntrol BlogYahoo Finance

閱讀文章
初創企業應用方案業界消息

河套香港園區注資百億:推初創培育計劃建立大灣區創科生態


河套香港園區注資百億:推初創培育計劃建立大灣區創科生態

港深創新及科技園(HSITP)於 2026 年 3 月 30 日正式啟動培育計劃,創科局局長孫東教授親臨主持啟動禮暨首屆科技日展覽,標誌河套香港園區從「建園」正式邁向「育苗」新階段。

政策投入顯政府決心

港深創科園 2025 年 12 月 22 日正式開園,迄今不足百日便推出涵蓋初創全生命周期培育計劃,足見特區政府緊迫部署。2026 至 27 年度財政預算案已提出向立法會申請注資 100 億港元予河套香港園區公司,用以加快園區發展、引入市場力量、提供基礎設施及成立創投基金。財政預算案同時建議另注資 100 億元推動新田科技城發展,與河套形成上中下游協同發展完整產業生態圈。

孫東在致辭中強調河套合作區是國家戰略規劃下粵港澳大灣區重大合作平台,港深創科園肩負「搭建平台、匯聚資源、孕育人才」使命,要讓創新意念落實生根並轉化為實際產業成果以貢獻實體經濟增長。創新科技及工業局常任秘書長蔡傑銘亦表示投資目標期望能為市場提供信心,並鼓勵公私營合作加速提升效率。

三層梯級覆蓋創業全旅程

港深創科園培育計劃最大重點在於設計「SPIN → IGNITE → GAS」三個梯級,精準對應初創企業從萌芽到高速擴張不同需要:

第一層:SPIN@HSITP 起動計劃
專為剛起步科技企業家而設且計劃年期一年,提供最高 15 萬港元現金補助並配套創業培訓(涵蓋商業策劃、項目展示)及共享工作空間,協助創業者將概念方案轉化為可行商業計劃。

第二層:IGNITE@HSITP 企業躍進計劃
針對需要商品化初創企業且為期二至四年,重點聚焦生命健康科技(最高 600 萬港元現金補助為期四年)及人工智能與數據科學(最高 100 萬港元為期兩年),並由孵化器及行業龍頭提供產業指導。

第三層:GAS@HSITP 拓展加速資助計劃
專為處於高速增長階段且具備高潛力科技企業而設,計劃年期三至四年;生命健康科技企業最高可獲 600 萬港元資助,AI 與數據科學企業則最高可獲 300 萬港元,並按每六個月里程碑評估分期發放。

資助範圍廣泛涵蓋研發、概念驗證、產品試驗、知識產權授權、法律諮詢、海外展覽及加速器計劃等,全面支援企業市場拓展開支。

生命健康與 AI:兩大戰略核心

港深創科園聚焦「生命健康科技」及「人工智能與數據科學」兩大前沿領域,並以此為培育計劃主要支援對象。園區整體定位六大支柱產業除上述兩項外,還涵蓋新能源、新材料、微電子及機械人等領域。

立法會財委會文件顯示政府早於 2024-25 財政預算案已提出撥款 2 億港元,用以推行港深創科園生命健康科技初創企業培育計劃,預計可在兩年內為超過 70 支初創團隊或企業提供服務。這三套培育計劃同步啟動意味香港創科支援網絡進一步延伸至 AI 賽道,全面提升園區產業吸引力。

從開園到育苗:快速建立生態圈

港深創科園於 2025 年 12 月 22 日開園時三座大樓(兩座濕實驗室及一座人才公寓)已全面落成投入營運。園區行政總裁馬惟善當時表示園區目標是於 2026 年第一季度達到 90% 入住率,而開園時實驗室樓面已有逾八成租出,入駐企業中四分之三來自香港及中國內地,餘下四分之一來自外國。

從開園至今不足四個月港深創科園已完成「建設→入駐→培育」初期流程,節奏迅速反映政府及園區管理層急於確立「大灣區創科核心節點」定位戰略意圖。孫東在致辭中亦特別提及初創企業除了需要資金亦需要市場指導與產業對接等全方位支援,「這正是港深創科園推出培育計劃初衷」。

國際跳板戰略想像

三套培育計劃正式啟動後港深創科園下一步核心任務,是將園區塑造成「引進來、走出去」國際跳板——一方面吸引更多海內外頂尖企業和人才落戶,另一方面借助香港「背靠祖國、聯通世界」獨特優勢,協助初創企業拓展全球市場。

隨今年財政預算案百億港元注資計劃逐步落實以及新田科技城發展計劃同步推進,河套生態圈規模效應將持續擴大。孫東深信港深創科園將「成為孕育未來獨角獸搖籃,為香港創科產業注入源源不斷動力」。未來值得觀察問題是:在全球科技競爭日趨激烈背景下,港深創科園能否在三至五年內培育出真正具國際競爭力本土獨角獸?

 

資料來源:香港特區政府新聞公告港深創新及科技園公司(HSITP)香港電台(RTHK)2026-27年度財政預算案Macao News

閱讀文章