close

應用方案

人工智能應用方案

Meta Muse Wonder 開發者懶人包　模型、API 價格及私隱設定一覽

by anskar on 人工智能應用方案 AI 智能體 Meta Meta Model API Muse Wonder Muse Wonder Full
Muse Wonder 宣布到來，科技與數據連接的未來.

Muse Wonder 宣布到來，科技與數據連接的未來.

Meta 於 10 月 12 日推出 Muse Wonder 及 Muse Wonder Full 兩款 AI 模型，主打程式開發、長時間執行的 AI Agent 及電腦操作能力。兩款均支援 100 萬 token 上下文，第三方評測顯示 Full 的綜合效能已追上 Claude Sonnet 5.5，但標準版 API 的實際任務成本仍高於部分競爭對手。

 

模型分別　API 價格及使用限制

項目 Muse Wonder Muse Wonder Full
模型 ID muse-wonder-1.0 muse-wonder-full-1.0
Context Window 100 萬 token 100 萬 token
Meta Model API 支援 暫不提供
Muse Code 支援 Power／Maximum 訂閱限定
API 輸入價格 US$4／100 萬 token 未提供
API 快取輸入 US$0.20／100 萬 token 未提供
API 輸出價格 US$20／100 萬 token 未提供
Full 訂閱月費 不適用 US$50 或 US$200

Muse Wonder 已透過 Meta Model API 開放按用量計費，100 萬 token 的長上下文不另收額外費率。Muse Wonder Full 暫時只供 Muse Code 訂戶使用，Power Usage 月費 US$50，提供 Everyday Usage 的 20 倍用量；Maximum Usage 月費 US$200，提供 80 倍用量。訂閱配額與 API token 收費並不能直接比較。

 

效能比拼 GPT-6 及 Claude　Full 綜合評分達 56

第三方評測機構 Artificial Analysis 於 10 月 12 日公佈 Intelligence Index v4.3 測試，Muse Wonder Full 取得 56 分，與 Claude Sonnet 5.5 持平，但仍低於 Claude Opus 5.5 的 58 分。標準版 Muse Wonder 則取得 52 分，與 GPT-6.1 Sol 相同。

以下比較均採用最高推理強度，成本數據來自 Artificial Analysis 的測試工作負載。

AI 模型 AA 綜合評分 API 輸入／輸出價格（US$／百萬 token） 平均每任務成本
Claude Opus 5.5 58 $4／$20 US$5.98
Muse Wonder Full 56 未開放 API 無可比數據
Claude Sonnet 5.5 56 $2／$10 US$5.46
GPT-6 Astra 53 $10／$50 US$3.26
Muse Wonder 52 $4／$20 US$4.52
GPT-6.1 Sol 52 $2／$10 US$0.72

標準版 Muse Wonder 與 GPT-6.1 Sol 同為 52 分，但平均每項測試任務成本分別達 US$4.52 及 US$0.72，相差約 6.3 倍。Artificial Analysis 指 Wonder 每項任務平均使用約 769 萬個輸入 token，較其他部分同級模型多。即使 API 單價低於 GPT-6 Astra，整項任務成本仍可能更高。

上述每任務成本是特定 Benchmark 的加權平均值，包含推理過程、快取及工具工作流程帶來的 token 消耗，不代表一般程式開發任務必定產生相同費用。

Coding Benchmark　長時間開發較強　從零寫程式仍輸 Claude

Meta 公佈的軟件開發 Benchmark 顯示，Muse Wonder Full 在 DeepSWE 1.1 及 SWE-Marathon 取得較高完成率，但在 Terminal-Bench 4.0 及 ProgramBench，Claude Opus 5.5 仍然領先。

Benchmark Wonder Full Wonder GPT-6 Astra Claude Opus 5.5
DeepSWE 1.1（長時間程式維護） 79.0% 78.8% 74.1% 74.2%
SWE-Marathon（超長程式項目） 57.5% 53.1% 42.5% 46.3%
Terminal-Bench 4.0（終端機操作） 57.1% 52.0% 59.1% 59.6%
ProgramBench（從零建立程式） 59.0% 50.0% 52.5% 70.5%

其中 SWE-Marathon 的結果來自第三方測試，但部分模型採用不同 Agent 執行框架，不能視為完全相同條件下的直接對決。Muse Wonder Full 在該項目亦使用 xhigh 推理強度。

Artificial Analysis 的 Coding Agents Index 另顯示，Muse Wonder Full 取得 68 分，與 Claude Code 配合 Sonnet 5.5 的成績相同，高於 Claude Code 配合 Opus 5.5 的 66 分；標準版 Muse Wonder 則為 63 分。這反映 Full 具備頂級 Coding Agent 競爭力，但不同任務類型的領先模型仍有分別。

Meta Muse Wonder 與 Claude 於 API 性能測試中的比較圖.

 

開發者要注意的 3 件事

1. 可沿用 OpenAI SDK 接入

Meta Model API 提供 OpenAI 相容接口。開發者取得 API Key 後，將 base_url 改為 https://api.meta.ai/v1，模型設為 muse-wonder-1.0，即可沿用現有 SDK 接入。需要注意將推理強度設定為 max，並不等於切換至 Wonder Full。

2. 針對長時間 Agent 工作流程

Muse Wonder 系列支援多步驟推理、工具呼叫、平行子代理及電腦操作。Active Memory 可跨對話找回相關背景，Active Focus 協助模型遇到障礙時嘗試其他方法，適合大型程式碼庫修改、自動除錯及持續執行的工作流程。實際部署仍應測試成功率、執行時間及總成本。

3. Muse Code 預設 Contributor mode 可能使用程式碼訓練模型

Meta 官方文件指出，Muse Code 訂閱預設啟用 Contributor mode，容許公司使用提交的 Prompt、程式碼、文件及模型回應訓練未來模型。開發者可在設定中關閉。處理商業機密及客戶資料前，應先確認目前使用的模式。

Meta Model API 的 Muse Wonder 暫時只提供 Standard mode，官方表示此模式不會將提交內容用於訓練 Meta 模型。

Muse 個人 AI 代理應用程式每月 US$20 及 US$100 的訂閱方案，與上述開發者 API 及 Muse Code 收費屬不同服務。Meta 表示 Muse Wonder 將稍後整合至個人版 Muse，首先向訂閱用戶推出。

資料來源：
Meta 官方模型規格與價格、
Meta Muse Wonder Model Card、
Artificial Analysis 獨立評測、
Meta API 收費與私隱模式、
Meta 模型接入文件、
Meta 官方公告

閱讀文章
人工智能應用方案

Gemini at Work 2026: Google Gemini Agent 懶人包：是甚麼、如何幫自己工作、公司如何提升效率

by anskar on 人工智能應用方案 AI Agent Gemini Agent google 企業人工智能 工作流程自動化
Google Cloud Gemini at Work logo with colorful design and text.

Google 於 10 月 8 日發表全新企業 AI 服務 Gemini Agent，讓用戶直接交代工作目標，由 AI 自行找資料、操作不同軟件、分析數據及製作報告，甚至與其他 AI Agent 分工，完成整項工作後才交回成果。

Gemini Agent 可以在用戶關閉電腦後繼續工作，亦能主動識別電郵中的待辦事項，建議交由 AI 處理。Google 同時加入企業權限管理、工作紀錄及成本控制功能，讓公司可以像管理員工一樣管理 AI Agent。

究竟它與一般 Gemini、Gemini Spark 有何分別？已經有類似功能的 Grok Bot、Meta Muse 和 OpenAI dots 又有何不同？以下逐項拆解。

1. Gemini Agent 是甚麼？與以往 Gemini 有何分別？

簡單一句，Spark 幫你自己做事；新 Gemini Agent 可以替整個部門做事。

以往使用 AI 處理工作，可能要分別叫它搜尋資料、整理 Excel、撰寫報告，再製作簡報，每一步都要輸入指令，有時更要自行複製資料到另一個軟件。

Gemini Agent 讓用戶直接交代工作目標。例如：

「分析上個月的銷售表現，找出問題，製作一份給老闆的簡報。」

Gemini 便可自行規劃工作，選擇適合的 AI 模型及工具，從不同系統取得資料，再交付分析報告及簡報。

它亦能生成圖片、影片，以及編寫和執行程式。用戶可以透過網頁、手機、電腦或已連接的辦公軟件使用同一個 Agent，沿用相關工作記憶。

 

2. 打工仔實際怎樣用？AI 還會主動找工作做

假設老闆發電郵，要求你明早交一份項目進度簡報。按 Google 公布的功能，Gemini Agent 可以協助完成以下工作：

  1. 主動發現任務：Gemini 從電郵識別老闆要求製作簡報，顯示一鍵交給 AI 處理的選項。
  2. 自己搜尋資料：在獲授權的範圍內，從 Gmail、Google Drive 及其他系統找出相關文件、電郵和項目紀錄。
  3. 跨軟件完成工作：整理數據、更新 Google Sheets，再用 Google Slides 製作簡報，不必逐個軟件重新輸入指令。
  4. 交付成果：完成後交由員工審閱，檢查資料及內容是否正確。

以上是根據 Google 公布的功能整理的應用情境，並非實際完成的獨立測試。

更有趣的是，Gemini Agent 可以成為公司的 AI 同事。例如建立一位「AI 活動統籌」，讓它擁有自己的公司電郵、Calendar、Drive，並加入 Google Chat 群組。

同事可以直接 @ 它，要求整理活動進度、準備文件，甚至回覆 Google Docs 的留言。這個 AI 同事有獨立身份及工作紀錄，毋須一直借用某位員工的帳戶。

Gemini Agent 亦支援定時或事件觸發工作。任務在雲端執行，即使關閉電腦，仍可持續運作數小時甚至數天。

▲ Google 公布全球多間企業採用 Gemini Enterprise，涵蓋銀行、零售、電訊及其他行業，但不代表全部已使用今次公布的新 Gemini Agent。

3. 技術有甚麼特別？四層記憶、多 AI 分工、自由選擇模型

Gemini Agent 背後是一套整合 AI 模型、記憶、Skills、工具連接及企業管理的系統。當用戶交代目標後，它可以自行規劃步驟，將部分工作分配給其他 Agent，再整合成果。

▲ Gemini Agent 技術架構示意圖：用戶交代工作目標後，系統利用記憶、Skills、不同 AI 模型及子 Agent 執行任務，再透過已連接的工具完成工作。

四種長期記憶：不用每次重新教 AI

  • Session Memory：記住目前正在處理的任務，即使工作持續多天亦可沿用。
  • Semantic Memory：整理公司知識、文件內容及工作關係。
  • Procedural Memory：記住工作方法，甚至自行編寫可重複使用的 Skill。
  • Episodic Memory：保留過往執行工作的紀錄，供日後參考。

 

Multi-Agent：一個 AI 可以指揮其他 AI

例如製作市場分析報告，Gemini 可以安排一個 Agent 搜集資料、另一個分析數據，再由第三個製作簡報。

部分工作可以同時進行，亦可以前一個 Agent 完成後交給下一個處理。Google 稱這些子 Agent 可以按任務需要動態建立，各自有獨立身份。

 

不一定使用 Gemini 模型

Gemini Agent 是負責管理工作的系統，底層可以選擇 Google Gemini 或 Anthropic Claude 等模型。

Google 的 Smart Routing 會按工作需求選擇模型。簡單任務可使用成本較低的模型，複雜工作則使用能力較強的模型，避免所有工作都消耗昂貴 Token。

 

MCP + Skills：教 AI 使用公司的工具

Gemini 支援 Model Context Protocol（MCP），可連接 Microsoft 365、Slack、Salesforce、Jira、BigQuery 等服務，以及公司的資料庫。

Skills 則是可重複使用的工作指引。例如公司可以建立「每週銷售報告」Skill，教 AI 按指定格式找資料、計算數字及製作報告，再提供給其他員工使用。

相比 n8n 等主要依照預先設定流程執行的自動化工具，Gemini Agent 可以按工作目標自行選擇下一步。不過，企業仍須設定資料連接、存取權限及工作規則。

 

懂得查公司數據，也能寫 SQL

Gemini Agent 還有專為企業數據分析而設的 Skills。員工可以直接用日常語言發問，例如「上月哪個產品的利潤率最低？」

系統透過 BigQuery 和 Knowledge Catalog 理解公司的數據定義，再產生 SQL 等查詢程式，計算結果及製作圖表。經驗證的查詢可以儲存，日後重複執行時毋須重新消耗 AI 生成查詢的 Token。

Google 亦加入金融及法律等行業專用 Skills，配合相關資料權限及工作要求。

 

4. 市場早已有類似產品，Gemini Agent 有甚麼不同？

AI 自動代辦工作並非 Google 首創。Meta、OpenAI、Grok 和 Microsoft 等公司，都有提供不同類型的 AI Agent。

產品 適合用戶 主要特色
Google Gemini Agent 企業、部門 整合公司資料、跨系統工作、多 Agent 分工，以及集中管理權限和成本
Gemini Spark 個人用戶 全天候個人 AI Agent，可設定 Skills、定時任務及操作已連接的 App
Grok Bot 個人、小團隊 透過持續運作的雲端電腦操作網站和軟件，Bots 可以互相協作
Meta Muse 個人、小商戶 處理購物、預約、電郵及其他日常任務，使用獨立雲端虛擬電腦
OpenAI dots 專業人士、企業 全天候 AI Agent，擁有雲端電腦，能連接不同 App 執行長時間工作
Microsoft 365 Copilot 使用 Microsoft 365 的公司 整合 Outlook、Teams、Excel 等辦公軟件及企業工作流程
Claude Cowork 知識工作者 處理文件、研究、跨工具操作及多步驟工作

Gemini Agent 與 Gemini Spark 最容易混淆

Google 早於今年 5 月推出個人 AI Agent Gemini Spark，支援持續運作、定時任務、Skills，以及操作不同 App。

新 Gemini Agent 則針對企業使用。除了個人助手，它還可以建立供整個團隊共用的 AI 同事，配合公司身份管理、權限、審計及成本政策。

兩者部分功能相近，但服務對象和管理方式不同。

如果公司本身已使用 Microsoft 365，Copilot 可能更容易配合現有工作環境；想試用具有雲端電腦的個人 Agent，Grok Bot、Meta Muse、OpenAI dots 或 Gemini Spark 亦是選擇。

Google 的主要優勢，是將這些 AI 工作能力整合到既有 Workspace、企業資料平台及管理系統。

5. 老闆最關心：AI 真能節省多少時間？

Google 在發布會列出多個 Gemini Enterprise 客戶案例，部分企業已經利用 AI Agent 處理文件審核、行政工作和內部分析。

企業 Google 公布的成效
巴西 Bradesco 銀行 文件審核由 60 分鐘縮短至 5 分鐘
德國 Commerzbank 銀行 文件品質檢查由 20 小時縮短至 1 小時
澳洲 Bunnings 零售商 內部 AI Agent 累計節省約 50 萬小時行政工作

要留意，以上是現有 Gemini Enterprise 產品的客戶案例，並非今次全新 Gemini Agent 的獨立實測成績，也不代表其他公司必然取得相同效果。

對老闆來說，衡量 AI 投資回報（ROI）時，除了節省多少工時，亦要計算員工核對內容的時間、出錯風險、軟件費用、Token 開支及後續維護成本。

▲ 英國 Lloyds Banking Group 利用 Google Cloud 建立 AI 開發平台，Google 指已有近 1,000 名工程師加入相關計劃，推動銀行內部 AI 應用。

6. AI 會否看到公司機密？做錯事怎辦？

當 AI 開始自行操作公司軟件、讀取文件，甚至發送電郵，權限管理便相當重要。

Google 今次介紹了三方面的企業管理技術：

  • 獨立身份及權限：每個 Agent 有自己的身份，可按職責限制資料存取。系統記錄其操作，方便管理員追查。
  • Agent Sandbox + Agent Gateway：Agent 在隔離環境執行任務，相關網絡通訊須經 Gateway，並套用公司安全政策。
  • Real-time Spend Caps：管理員可為專案設定 AI 支出上限，監察 Token 和 Sandbox 成本。達到上限後，相關 Agent 便會暫停。

例如公司可以統一規定，所有 Agent 都不得開啟標記為高度機密的文件，不必逐個 Agent 設定。

Google 亦支援按部門或專案追蹤 AI 支出，方便企業知道哪個團隊使用最多資源。

不過，安全沙盒及權限管理無法完全避免 AI 判斷錯誤。誤發電郵、修改錯誤資料、受到惡意內容誘導等情況仍可能出現。

涉及付款、刪除資料或向外發送機密文件等高風險操作，企業應設定人工審批，並保留可追查及復原的工作程序。新 Gemini Agent 實際可靠程度仍有待更多獨立測試。

7. 收費多少？香港用戶現在可以用嗎？

截至 2026 年 10 月 9 日，全新 Gemini Agent 仍處於企業 Private Preview 階段，未全面開放，Google 亦未公布可以直接確認的新服務獨立公開定價。

目前已有部分相關 AI 服務可供試用：

服務 參考收費 使用情況
Google Workspace 每人每月 US$14 起 已有 Gmail、Docs、Meet 等現有 Gemini AI 功能
Gemini Enterprise Business 每人每月 US$21 起 可以連接企業資料，使用現有 AI Agent 及自動化功能
Gemini Spark 需符合資格的 Google AI Ultra 或 Pro 訂閱 個人 AI Agent，實際使用資格按地區及訂閱方案而定
新 Gemini Agent 未公布獨立公開定價 企業 Private Preview，未全面開放

以上為 Google 官網美元起始參考價，實際收費須按地區、付款方式及使用量確認。訂閱現有 Workspace 或 Gemini Enterprise，不代表立即獲得今次公布的全部新功能。

 

香港用戶怎樣試？

Google 於 7 月已將 Gemini Spark 擴展至香港等地區的合資格 Google AI Ultra 用戶。Google AI Pro 的開放安排則因地區而異，不能假設所有 Pro 用戶都有使用資格。

至於今次新 Gemini Agent，香港全面開放日期仍未公布，完整企業工作流程的中文及粵語支援程度亦有待更多實際測試。

想先體驗類似功能，可以按以下方式開始：

  1. 個人用戶：前往 Gemini，檢查帳戶是否符合 Gemini Spark 的使用資格。
  2. 小型公司：透過 Gemini Enterprise Business 的現有試用方案，了解企業 AI Agent 及工作流程功能。
  3. 大型企業：前往 Gemini for Work 聯絡 Google Cloud，了解新 Gemini Agent 的企業測試資格。

8. Gemini Agent 值得期待嗎？

Google 今次希望將 AI 由需要逐步指示的助手，發展成可以自行規劃工作、連接公司系統，並與其他 AI 分工的虛擬同事。

對打工仔：最吸引的是減少重複工作，例如搜尋文件、整理資料和製作報告，甚至讓 AI 主動提出哪些任務可以交給它處理。

對老闆：企業可以利用 AI Agent 執行工作，同時集中管理資料權限、操作紀錄及使用成本。

但新 Gemini Agent 目前仍未全面開放，Google 公布的功能與實際部署效果之間仍有待驗證。企業是否值得採用，最終要看它能否穩定完成工作，以及節省的人力成本能否抵銷 AI 使用及維護開支。

資料來源：Google Cloud 官方發布、Gemini for Work、Gemini Spark 官方更新紀錄

 

 

閱讀文章
應用方案支付系統

手機號碼就可過數　Swift 夥 Bizum、Pix、PayID 打通跨境支付

by Pierce on 應用方案支付系統 Bizum Pay by Alias Swift 跨境匯款 電子支付
Swift 標誌與多種貨幣符號背景圖.

Swift 聯同全球金融業界推進「別名支付」（Pay by Alias）計劃，日後消費者或可憑手機號碼、電郵地址或虛擬支付地址等常用識別資料，向海外親友匯款，把本地支付的便捷體驗延伸至跨境交易。計劃以 Swift 消費者支付框架 Swift Scheme 為基礎，重點在串連不同市場的本地支付網絡、提升交易可預測性，以及簡化跨境付款的前端流程。

Swift 表示正與西班牙 Bizum、澳洲 Australian Payments Plus（AP+）旗下 PayID、巴西 Pix，以及來自四大洲的銀行、支付服務供應商和科技公司合作，研究把本地支付系統常見的「別名」識別方式引入跨境支付。按計劃，付款人毋須輸入收款人完整銀行戶口資料，可用已登記的手機號碼、電郵地址或虛擬支付地址，經 Swift 平台安全配對後進行跨境交易。Swift 稱，目前經其網絡傳輸的跨境款項中，超過 75% 可於 10 分鐘內到達收款銀行，部分交易更可在數秒內完成。

讓跨境匯款接近本地轉賬體驗

「別名支付」的核心，是把消費者在本地市場慣用的付款方式延伸至國際匯款。現時數以百萬計用戶使用 Bizum、PayID 及 Pix 處理本地轉賬，通常毋須輸入收款人詳細銀行戶口資料，利用手機號碼或電郵地址等資訊即可完成付款。Swift 今次提出的方向，正是把這種較直觀的前端操作方式，連接至跨境付款流程。

根據 Swift 公布資料，方案會沿用本地支付常見的付款識別資料，並由 Swift 平台作安全配對，以支援跨境交易處理。付款人面對的是熟悉的收款人識別資訊，至於跨市場連接、訊息交換及付款處理，則由參與機構和 Swift 網絡共同支援。Swift 支付平台董事總經理 Juan Martinez 表示，機構目標是令跨境匯款如本地轉賬般簡單。Martinez 指出，Swift 已透過與金融業界合作，提升國際支付的速度和可預測性，現正由用戶發起交易的第一步開始簡化流程，讓大眾可更安心地進行海外匯款。

Swift Scheme 進入下一階段

是次「別名支付」計劃，代表 Swift 跨境支付新框架 Swift Scheme 踏入下一發展階段。Swift Scheme 於 2026 年 6 月推出，現時已有超過 100 間銀行參與，主要目標是確保款項全額到賬、提高交易可預測性，並在全球規模下加快結算速度，改善端到端支付體驗。Swift 指出，隨着跨境支付流程持續改進，經其網絡傳輸的付款已有超過 75% 可在 10 分鐘內抵達收款銀行，部分交易更只需數秒。這組數字顯示跨境支付的處理效率正持續提升；「別名支付」則把改善範圍由交易處理速度，延伸至消費者輸入付款資料時的操作體驗。

對銀行及支付服務供應商而言，支付流程更簡化，或有助降低因收款資料複雜而出現的操作障礙。對消費者而言，若能以平日熟悉的電話號碼或電郵地址處理國際付款，跨境轉賬的使用門檻可望下降。不過 Swift 在公告中把工作定位為與業界共同創新及串連系統，相關服務的具體推出時間、適用市場及使用安排，仍有待參與機構進一步落實。

多地金融機構參與互聯探索

參與計劃的機構包括 Australian Payments Plus、秘魯信貸銀行、Banorte、西班牙對外銀行 BBVA、Bizum、Bradesco、Caixabank、Citizens Bank、Commonwealth Bank of Australia、星展銀行、IDFC FIRST Bank、Ouribank、TerraPay 及 Veritran。參與者橫跨銀行、本地支付網絡、跨境匯款服務及金融科技領域，反映計劃着眼於不同支付基礎設施之間的互操作性。

AP+ 行政總裁 Lynn Kraus 表示，澳洲民眾早已習慣以 PayID 配合手機號碼或電郵地址轉賬，毋須記憶銀行戶口資料；將這種簡便體驗延伸至跨境支付，是推動國際支付接近國內支付便利程度的重要一步。

Banorte 國際銀行業務部負責人 Ricardo Velazquez Rodriguez 認為，「別名支付」透過較易使用的支付標識，令交易操作更直觀、流程更簡化，有望推動跨境支付轉型。BBVA 國際解決方案全球負責人 Raouf Soussi 則指出，要令國際支付如本地支付般簡單和直觀，有賴整個行業協作，推動不同基礎設施互聯，並持續簡化客戶付款流程。

本地即時支付模式走向國際

Swift 表示，其平台、產品及服務目前連接全球超過 11,500 間銀行、證券機構、市場基礎設施及企業用戶，覆蓋 200 多個國家和地區。Swift 不持有客戶資金或管理帳戶，而是提供安全通訊及標準化金融報文交換服務，支援全球及本地市場的金融交流、國際貿易和商業活動。

「別名支付」能否成為跨境零售支付的新常態，將取決於各地支付系統、銀行及服務供應商的連接進度，以及不同市場能否建立一致的付款體驗。對企業及消費者而言，若計劃逐步落地，國際付款或可由繁複的戶口資料輸入，轉向更熟悉的手機號碼、電郵地址及虛擬支付地址操作；但最終服務範圍及實施時間，仍須視乎業界後續安排。`

 

資料來源： press release

閱讀文章
人工智能應用方案最新產品

騰訊 Agent Day 首度襲港　 雙層巴士上體驗 WorkBuddy 十分鐘搞掂會議記錄

by Pierce on 人工智能應用方案最新產品 Agent Day WorkBuddy 人工智能 混元 騰訊
女性展示智能機器人和手機，背景有活動標語和品牌標誌.

騰訊在香港舉辦其境外首場 Agent Day 活動，以一輛專門打造的AI雙層巴士全港巡遊，讓市民「上車」即可實測 WorkBudd y國際版、Miora 創意助手、JOOX 及最新上線的混元 Hy4 preview 四款產品。活動最矚目的示範，是把一份 300 多頁的招股書或一段多小時的會議錄音，壓縮至幾分鐘內完成整理，直觀展現AI在真實辦公場景中的處理效率。

雙層巴士變身流動辦公室，金融場景成主打賣點

從辦公提效到創意生成，從小程序體驗到音樂創作，AI巴士將專為職場人士打造的產品體驗帶到香港，帶來為期三天的 Tencent Agent Day 香港站活動。同期，混元 Hy4 preview 首發接入,WorkBuddy 國際版安全能力同步升級,持續提升AI產品體驗。展望未來，騰訊表示將深入更多真實工作場景，打造更多更高效、更自然的智能工作夥伴。當三天巡遊結束後,這股「上車體驗」的熱潮,能否轉化為香港用戶長期使用 WorkBuddy 與混元系列產品的習慣,將是後續值得觀察的重點。

雙層巴士變身 AI 體驗場 分金融電商中小企多個專區

本次活動由騰訊主辦，分設公眾場與企業專場，集中展示 AI Agent 在真實辦公和日常生活場景中「能幹活、可交付、會創作」的能力。本文將從三個層面拆解這場活動：其一，AI 巴士的體驗設計如何呈現不同行業的辦公場景；其二，WorkBuddy 國際版與混元 Hy4 preview 的產品升級細節；其三，Miora 創意助手與JOOX為一般市民帶來的創作體驗。

AI 巴士提供由智能體打造的「職場超能力」綜合體驗，涵蓋專為金融行業人員設計的 AI 辦公場景，以及面向中小企業、電商、內容創作者、開發者的便捷 AI 場景，內容涉及數據分析、一鍵設計、技術開發、大模型創作及小程序搭建等最新功能。巴士下層為品牌體驗區，設有 WorkBuddy體驗台、Miora 創意助手體驗台及專家討論區；上層則是產品深入體驗區，按真實行業與場景劃分為金融、電商營運、大模型、音樂創作、小程序挑戰賽、技術開發、中小企業等多個專區。這種「上層深度、下層普及」的空間規劃,讓不同需求的參與者都能找到對應的體驗入口,而不必逐一排隊試用同一套流程。

現場一位前來體驗的金融行業人士分享道，見客戶前一天，WorkBuddy 可以為他扮演客戶演練追問問題；會後只需 10 分鐘，客戶原話、待辦事項和下次聯絡時間便自動整理記錄完成，AI 可以承擔約八成的準備工作，既省時又有效率。這段真實體驗說明,騰訊今次巡遊活動並非單純的產品發布會,而是試圖透過一線從業者的具體場景,說服香港職場人士相信 AI 能真正減輕工作負擔,而非停留在概念展示層面。

WorkBuddy 強調「人機雙寫」，混元 Hy4 preview 首發加持

在 WorkBuddy 體驗區，「你出判斷，AI執行到交付」這種「人機雙寫」的工作模式成為焦點，強調人與AI各自做擅長的事：一鍵交付報告、圖表與簡報等完整成果，而不只是給出一段建議；導入各類數據後,也能一鍵輸出分析簡報。整個過程只需上傳檔案，再以自然語言描述需求,AI便會代勞完成繁瑣重複的工作,這正是 WorkBuddy 國際版辦公場景能力的核心示範。

值得留意的是，判斷大模型是否好用的標準,原始新聞稿特別強調並非參數規模大小,而是能為工作實際減輕多少負擔。目前 WorkBuddy 已首發接入複雜辦公環境理解與金融分析能力顯著提升的混元 Hy4 preview，用戶註冊即可免費試用兩星期；上一代混元 Hy3 的免費使用期亦同步延長至 9月底。與此同時，WorkBuddy 國際版也進一步加強安全功能，讓香港用戶在提升效率的同時用得更安心。除了 WorkBuddy 本身，企業亦可透過騰訊雲智能體開發平台 ADP，搭建能夠接入業務系統、滿足個性化場景需求的專屬智能體。

產品專家：香港市場效率要求高  上線三個月已驗證場景

WorkBuddy 國際版產品專家劉嘉敏在活動現場表示：「香港市場對AI產品的效率等要求都很高，而提升工作生產力正好是 WorkBuddy 的強項。產品上線僅三個月，已經打通大部分職場所須提效的場景，此次借助混元 Hy4 preview 的上線，產品能力再次升級，後續我們也將持續深耕香港市場，圍繞金融、電商、中小企業等各行各業，用最新技術不斷提升產品能力和體驗。」這番說法透露出騰訊對香港市場的長期布局意圖,而非僅止於一場快閃活動。

Miora 一句話交付海報   JOOX 寫歌送 14 天會員

在 Miora 創意助手體驗台，市民只需通過自然語言說出需求，Logo、海報、宣傳影片及 IP 形象即可一併交付，隨手即用。在「微信小程序挑戰賽」體驗區，市民可以看到許多借助 WorkBuddy、通過自然語言指令搭建的專屬小程序作品，例如《時光膠囊：失智症家庭的 AI 守護者》，直觀感受 AI Agent 如何幫助青少年把奇思妙想變成現實。這類作品不僅展現技術能力，也反映出騰訊有意將AI 工具與社會議題結合,藉此拉近與一般市民的距離。

旁邊的 JOOX AI 寫歌體驗台同樣人氣高漲,音樂助手 JOJO 能讀懂用戶情緒與偏好，既可智能生成歌單，也能圍繞心情或熱點一鍵完成詞曲創作，現場體驗用戶還可領取14天免費會員資格。值得一提的是，本次活動主題曲《即刻上車》，正是透過 JOOX AI 寫歌功能創作而成，等於讓整場活動的宣傳素材本身,就成為AI能力的一次現場示範。

 

資料來源:  新聞稿

閱讀文章
人工智能企業趨勢應用方案

佳能香港「NEXTech: AI Agent in Action」研討會 展示企業級 AI 智能代理落地方案

by Pierce on 人工智能企業趨勢應用方案 ai canon canon hk 佳能 佳能香港
展示企業級AI智能代理方案的互動展區，配備多個LED屏幕和AI相關標誌.

佳能香港（Canon Hongkong Company Limited）於今天舉辦了名為「NEXTech: AI Agent in Action」的科技研討會。是次活動邀得業界專家及技術領袖，共同展示由 AI Agent（任務型智能代理）驅動的商業平台，協助企業在營運效率、成本效益、合規性與安全性之間取得平衡，加速智慧轉型，同場亦展示了佳能香港多個不同的商業應用方案，讓與會者能更進一步了解公司的最新產品及技術，以及未來的發展路向。

展示全線企業級 AI 應用方案

在「NEXTech: AI Agent in Action」研討會旁邊的宴會廳，佳能香港向現在來賓展出全線企業 AI 應用方案，當中包括可把病歷及醫療檔案數碼化的 Healthcare Digitalization、提供超過 30+ 預設 workflows 流程的 Smartwork、協助大型企業管理物業的智能家居系統 AIoT Ecosystem、Next-Gen AI Agent 代理式人工智慧解決方案、Canon LED Poster 及 Intelligent Print Hub 方案等。

六大主題研討會與嘉賓陣容

現場研討會涵蓋多個前瞻課題，包括「AI Agent 實踐：破解企業 AI 轉型痛點」、「透過 ISO 控制措施建立『數位信任』」，以及「從模型到 Agent：自主 AI（Autonomous AI）如何在 2026 年重塑職場協作」等。演講嘉賓包括：佳能香港高級經理 Ivan Kwok、 華懋集團資訊科技及方案高級副總監 Ben Fung、Antelope International Limited 創辦人 Clement Hong，以及香港大學人工智能與數據科學學部主任兼教授鄭振剛教授等，為出席的高管、IT、HR 及財務人員帶來實用的轉型洞見。

▲佳能香港（Canon Hong Kong）商務影像方案及數碼印刷部高級總監 Jeffrey Kung 在研討會上致歡迎詞。同時他亦分享了香港科技大學研究指有 73% 的企業受訪者已經在日常運作中使用 AI。而有 80% 的受訪者相信 AI 對他們的營運、生產力和效率帶來正面影響。

AI 辦公新思路：從知識庫到治理框架的實戰

佳能香港高級經理 Ivan Kwok 在會上分享企業如何透過知識庫整合與 RAG 技術，將 AI 真正融入日常工作流程。他在演講中強調，企業導入 AI 最重要的基礎並非模型本身，而是足夠且高質量的數據，加上人員的持續學習與轉變。Ivan 以 Canon 香港自身的兩個實戰案例 — Smart Green Office 智慧綠色辦公室，以及 AI Enterprise Process Platform 企業流程平台 — 說明 AI 如何從「量度與控制」進化至「分析與決策」。

▲佳能香港高級經理 Ivan Kwok。

由「找數據」到「問 AI」：辦公室生態的改變

Ivan 回顧了工業時代量度生產力靠「physical」與「manual」的方式；過去十年的數碼時代講求「information」的生產力，即能否快速掌握資訊；今天進入 AI 年代，企業講求的是「intelligence」的生產力。他指出，傳統工作模式高度依賴人手處理資訊搜尋、內容制定與決策，知識往往局限在個人身上，難以有效流通。相反，在有效採用 AI 的工作環境下，AI 可以即時協助搜尋資訊、草擬內容，甚至讓企業內部資訊更加透明，讓不同員工都能存取。他以自己處理電郵為例，過去回覆需要花長時間構思架構的郵件，現時透過 Copilot 整合 Outlook，草擬內容的效率大幅提升，但最終決策仍需交回人手覆核。

案例一：智慧綠色辦公室——由感應器數據到 ESG 決策

Ivan 分享的第一個案例是 Smart Green Office。他指出，傳統智慧辦公室主要依靠 IoT 感應器收集電力使用量、溫度、空氣質素等數據，並做基本的自動控制，例如窗邊光線充足時自動熄燈。但透過新一代 AI 平台的 API 整合能力，企業現時可以匯聚感應器以外的數據來源，例如打印用紙量、出差時的碳排放記錄，甚至義工服務時數與員工培訓時數等 ESG 相關指標——這些過往根本沒有系統可以量度。

Canon 香港即將遷入新辦公室，屆時會採用一個以 3D digital twin 形式呈現的全新智能 dashboard，整合辦公室運作數據，並以「human centric」為原則制定電力、冷氣等資源的控制情境，同時讓 GA 同事可透過統一平台存取不同層面數據，甚至在中央平台上 override AI 提出的建議情境。

案例二：知識庫加 RAG——回答「我們公司」的專屬問題

第二個案例聚焦於 AI Enterprise Process Platform。Ivan 提出一個關鍵觀察：一般聊天機械人被問及公司內部資料時，理應答不出來，因為它無法存取企業內部系統。因此，新一代 AI 平台引入「知識庫」（Knowledge Base）概念，將 HR 手冊、公司政策等內部資訊整合，再透過 RAG 技術將大型語言模型與企業自身資料庫連結，執行日常工作指令。

他以由淺入深的四個問題示範這套邏輯：簡單的文件摘要，一般 chatbot 配合 LLM 已可完成；但問及「公司年假政策」，LLM 本身答不出，需靠知識庫加 RAG；查詢「我還有多少年假餘額」，則要透過 API 連接 HRM 系統的實際數據；最複雜的「根據公司政策我可享有多少年假」，則需同時結合知識庫、RAG 與 API 三者。Ivan 補充，這套平台亦連接企業其他核心系統，例如財務的付款審批完成後自動執行結算，或 HR 招聘流程完成後自動生成員工主檔資料，將分散的數據整合到同一個知識庫中運算。

治理不能缺席：從 Responsible AI 到 ISO 42001

Ivan 特別提到，企業普遍關注兩大難題：AI 難以整合現有系統，以及數據私隱與保安治理的顧慮。他解釋，市場上「Prompt Engineering」講求如何下達指令以取得所需答案；「Context Engineering」關乎 LLM 連接內部系統時可接觸哪些數據；更進一步的「Harness Engineering」，則是透過建立管理制度規範 AI 的建構與部署方式，而非單純的技術能力。

他透露研討會上會有專家講解 ISO 42001 這套 AI 管理系統標準，核心包括制定 AI 政策、界定員工角色與問責、識別及緩解風險，並在整個 AI 生命週期（設計、開發、測試、部署、監察、退役）中持續進行影響分析與透明度管理。Ivan 直言，若企業使用 AI 處理數據卻完全不加監察，一旦 AI「發神經」錯誤地在付款時多打一個零，後果不堪設想，這正是治理框架不可或缺的原因。

Canon 數碼轉型的時間軸

回顧 Canon 香港的發展歷程，Ivan 指集團早於 2013 年開始為客戶提供文件及流程數碼化管理服務，到 2022 年已將 AI 擷取技術應用於發票及收貨單等文件處理，隨後引入 chatbot 技術，並由去年起建構 AI Agent 協助客戶優化運作流程，直至今年初才正式將 AI 整合至自身產品線。

他特別提到，流程數碼化的重災區落在財務範疇——大約 8 年前已協助客戶處理應付帳款（AP）流程，至今仍有大型 AP 項目在進行，同時亦涵蓋 HR 招聘、員工入職離職、法務合約生成及供應商登記等流程。Canon 發現不同行業客戶的後台流程有九成相似，因此將這些流程標準化並整合至同一平台。他總結，有效實施 AI 的關鍵成功因素包括安全可靠的 AI 方案、數據整合能力、治理框架建構，以及企業能否培養持續學習的心態，讓 AI 與人類真正做到協作而非取代。

閱讀文章
應用方案支付系統電子商務

Visa x 順豐 : 將 Tap to Pay 帶入「最後一公里」上門收寄也能輕鬆感應拍卡

by anskar on 應用方案支付系統電子商務 SoftPOS Tap to Pay visa 電子支付 順豐速運
順豐快遞員用手機進行Tap to Pay支付，方便快捷的最後一公里收寄服務.

順豐快遞員用手機進行Tap to Pay支付，方便快捷的最後一公里收寄服務.

Visa 與順豐速運（香港）正式宣布達成合作，將 Visa 感應式支付服務由現時的順豐門市全面延伸至上門收寄件環節。即日起順豐收派員將配備搭載 Yedpay 支付解決方案的智能終端機，消費者無論在上門寄件付款、收取到付包裹，或是處理代收貨款時，均可直接使用 Visa 卡完成即時電子支付。

這項合作結合了 Visa 的全球支付網絡與順豐香港的配送系統，旨在回應市場對無現金支付及代收貨款的需求，同時方便市民在購買海外商戶商品時選擇熟悉的付款方式。雙方管理層均指出，將電子支付深入融入物流環節能有效減少現金處理的風險與營運成本，大幅提升配送效率，為智慧物流與電子商貿提供更順暢的基礎設施。

對廣大企業而言，順豐香港本次的應用實踐正是 SoftPOS（軟件 POS / 移動感應收款）技術落地商業場景的典型範例。企業無需再為前線人員配置笨重且成本高昂的傳統刷卡機，只需利用既有的智能手持裝置或手機，即可直接升級為安全可靠的流動收款終端。這種模式不僅顯著降低了硬體維護與營運成本，更大幅簡化了核賬與資金調撥流程，使外勤服務、物流配送及快閃零售等動態場景均能實現高效無縫的無現金交易，將支付體驗真正轉化為業務競爭力的一部分。

閱讀文章
人工智能應用方案業界消息雲端服務

AMD Advancing AI 2026 全面佈局　Helios 機櫃級系統量產 與多家 AI 巨頭深度合作

by Pierce on 人工智能應用方案業界消息雲端服務 AMD GPU 人工智能 代理式AI 數據中心
女性科技專家在舞台上展示AMD最新AI技術.

AMD 於 Advancing AI 2026 年度大會上，正式推出涵蓋數據中心、個人電腦、邊緣及嵌入式處理器的全新 AI 基建與實體 AI 產品組合。核心為全球最強大的 AI 機櫃級系統 AMD Helios，目前已投入量產並獲多家 AI 企業展開 Gigawatt 級部署。AMD 董事長兼行政總裁蘇姿丰博士表示，AI 下一階段將涵蓋前沿模型、代理式 AI 及實體 AI，需要整個產業共同努力才能實現這一願景。

Helios 機櫃樹立效能標準

AMD Helios 機櫃級解決方案採用 72 個 AMD Instinct MI455X GPU 及 18 個第 6 代 AMD EPYC「Venice」CPU，透過 AMD Pensando 前端網絡連接，並以 ROCm 開放軟件加速，較領先競爭方案提供高達 30% 的每美元 Token 產出優勢。OpenAI、Anthropic、Meta、微軟、Oracle 等雲端與 AI 實驗室已選用該架構，系統將由 Bull、HPE、聯想、Supermicro 等 OEM 廠商及 Sanmina、緯穎等基礎設施夥伴提供。

重點合作夥伴進展

多家 AI 巨頭在大會上詳述與 AMD 的深度合作：

Anthropic：將於 AMD Helios 機櫃部署高達 2 Gigawatts 的 MI455X GPU，並運用 Claude 加快 AMD 軟件與 ROCm 開發。

OpenAI：結合 Triton 框架與 ROCm 優化 GPT 級工作負載，預計 2026 年第 4 季導入 Helios，2027 年全面加速部署。

Meta：針對 Gigawatt 級部署聯合設計，正驗證第 6 代 EPYC CPU 平台及 Helios 機櫃。

Cerebras：結合超低延遲 AI 運算與 Helios 高吞吐量基礎設施，提升推論服務效率。

AT&T 與思科：分別展示電訊領域專用開源模型 OTel 2.0 部署及企業級混合式 AI 管治方案。

CPU 與 GPU 產品線全面升級

第 6 代 AMD EPYC 處理器主打代理式 AI 場景，具備領先業界的單核心效能與最高執行緒密度，確保加速器維持滿載運作。GPU 陣容方面，AMD Instinct MI455X 較 MI355X 提供高出 34 倍的 Token 吞吐量，MI430X 則為 HPC 及主權 AI 市場提供高達 288 TFLOPS 的硬件原生 FP64 效能，而 MI350P 透過每美元 Token 數提升高達 4.2 倍，為現有基礎設施帶來無縫 AI 加速能力。

產品路線圖延伸至 2030 年

AMD 公布最新藍圖：基於「Zen 7」架構的 Florence、Ferrara 及 Fidenza CPU 將於 2028 年推出，「Zen 8」架構的 Ravenna CPU 則預計 2030 年登場；GPU 方面，MI500 系列將於 2027 年推出，MI600 系列則於 2028 年跟進，同步將有 Helios 500 與 Helios 600 機櫃級解決方案配套發布。

實體 AI 與邊緣布局

AMD 推出 Kria AI 系統模組及機械人開發平台，將 AI 感知、推理與代理式決策控制整合於單一平台，並結合 CPU、GPU、NPU 及 FPGA 運算能力，協助開發人員加速機械人系統從原型走向量產。全新 Ryzen AI Embedded X100 處理器及 Ryzen AI Halo 開發平台，將 AI 延伸至 PC 與邊緣裝置，AMD 預估此舉將推動其 2030 年潛在市場規模上升至約 2 兆美元。

 

資料來源: press release

閱讀文章
人工智能企業趨勢應用方案科技專欄

Anthropic禁令引爆市場震盪 地緣科技政治加速產業重組

by Francis Fong on 人工智能企業趨勢應用方案科技專欄 Anthropic web3 人工智能 出口管制 半導體 去中心化 AI 地緣政治
全球地圖與數據圖表顯示科技政治動態與市場震盪.

美國最新一輪針對人工智能的出口管制措施，正迅速重塑全球科技產業的格局。華府早前要求 Anthropic 限制高階模型向外國人士提供服務，但由於技術上難以精準區分用戶國籍，最終導致 Fable 5 與 Mythos 5 被迫全面下架。此結果不僅突顯 AI 安全與監管的矛盾，更直接衝擊半導體產業、雲端服務供應商，並意外為中國 AI 企業及去中心化 AI 生態帶來短期利好。

從市場反應可見，投資者對 AI 發展前景的不確定性正顯著上升。原本半導體板塊已因宏觀經濟數據及企業盈利預期轉弱而承壓，此次出口管制進一步加劇市場憂慮。當 AI 模型的部署受到政策限制，對高性能晶片的需求亦可能隨之波動。作為 Anthropic 重要投資者的亞馬遜，亦難免受到牽連，反映出大型科技企業在 AI 生態中的深度綁定關係。

然而，資本市場從來不會出現真空。資金迅速轉向其他具備增長潛力的市場，中國 AI 企業因而成為新的焦點。以智譜（Zhipu）為代表的企業香港股價急升，顯示投資者正重新評估全球 AI 競爭格局。這不單是資本流動，更是一種對「技術自主」與「地緣科技風險」的重新定價。當美國收緊技術出口，某程度亦促使中國加快本土 AI 技術發展，長遠或將削弱美國企業的全球主導地位。

另一方面，去中心化 AI（Decentralized AI）亦在此次事件中獲得意外受惠。相關代幣價格與交易量顯著上升，反映市場對不依賴單一企業或政府控制的 AI 模式產生興趣。這種趨勢與近年 Web3 理念不謀而合，即透過分散式架構降低政策風險與審查風險。不過，從網絡安全及數據治理角度來看，去中心化 AI 同樣存在監管真空與濫用風險，未來勢必成為政策討論的新焦點。

從政策層面分析，事件再次揭示關鍵轉變：AI 技術已由純商業競爭，升級為國家安全與地緣政治工具。美國政府關注的並非單一漏洞，而是 AI 模型可能被用於網絡攻擊、資訊操控甚至軍事用途。在此背景下，政策制定者傾向採取「寧可過度限制」的策略，以降低不可控風險。

對企業而言，這意味著 AI 發展將面對更高的合規成本與不確定性。Anthropic 目前已與華府展開緊急磋商，試圖釐清技術風險並恢復服務，但事件已對其商業計劃及潛在上市進程造成壓力。更重要的是，整個 AI 產業需要重新思考一個核心問題：如何在推動技術創新的同時，有效回應國家安全與監管要求，並在兩者之間取得可持續的平衡。

這場由出口管制引發的連鎖反應，正加速全球 AI 產業的分裂與重組。半導體需求、AI 資本流向、技術標準乃至監管框架，都可能因此出現結構性轉變。對香港及亞洲市場而言，這既是風險亦是機遇。在中美科技競爭持續升溫之際，如何在合規、創新與市場之間取得定位，將成為未來數年 AI 產業發展的關鍵。

 

Francis Fong 方保僑

方保僑先生於資訊、通訊、科技及電子消費品市場工作超過二十年，引入過不少新科技產品，並創辦多個業界組職及為多個非營利機構擔任委員提供專業意見。現任香港資訊科技商會榮譽會長、香港互動市務商會創會及榮譽會長、香港消費電子產品聯盟創會會長、電子學習聯盟創辦人、世界資訊通訊與服務業聯盟董事、電訊事務管理局辦公室電訊規管事務咨詢委員會成員、運輸署智慧交通基金管理委員會委員、樂施會香港及樂施會澳門董事會成員、香港小童群益會資訊科技委員會委員、香港紅十字會資訊科技委員會成員，仁愛堂堂務行政委員會外界委員等。

閱讀文章
應用方案業界消息資訊保安

加拿大後門法案進入倒數：Apple、Google 聯手施壓 Signal 準備撤離

by Pierce on 應用方案業界消息資訊保安 《C-22 法案》 signal 加密通訊 加拿大 數碼私隱
加拿大自由黨政府推進的《C-22 合法訪問法案》（Bill C-22, Lawful Access Act），正引發前所未有的業界抵制。Signal、DuckDuckGo、NordVPN 等主要科技公司相繼警告，一旦法案以目前形式通過，寧可撤出加拿大市場，也不願犧牲用戶私隱。事件不僅預示數碼監控與企業自治之間的激烈衝突，更揭示科技巨頭與政府圍繞「安全後門」的世紀博弈。

法案核心：強制留存元數據

《C-22 號法案》由加拿大公共安全部長 Gary Anandasangaree 主導，2026 年 3 月正式提出，已完成眾議院二讀，正由公共安全與國家安全常設委員會審查。法案核心條款要求數碼服務供應商——包括互聯網服務商（ISP）、即時通訊平台、電郵服務，甚至潛在硬件製造商——強制留存用戶長達一年的元數據，並建立技術機制讓執法機關在刑事調查中「合法訪問」這些資料。

批評者指出，元數據雖不包含訊息內容，卻能記錄通訊對象、時間及地點，足以描繪出一個人的完整社交圖譜與行動軌跡，其侵入性不亞於直接監聽。更引發爭議的是，法案授權公共安全部長以「秘密命令」要求任何服務供應商開發特定監控技術能力，且無需向公眾或用戶披露——這等同在法律框架內開了一條「暗門」。

民間組織 OpenMedia 將《C-22 法案》形容為打造「監控國家」的工程，並援引 2024 年底由疑似中國政府支持的黑客攻破美國 AT&T、Verizon 等電信商合法監聽系統的真實案例，力證「依法監聽」基建本身已成為高價值攻擊目標。

科技公司集體威脅撤出

加密即時通訊應用 Signal 的策略與全球事務副總裁 Udbhav Tiwari 在眾議院委員會作證時直言，強制企業留存用戶通訊元數據，「與 Signal 一貫堅持的私隱保護做法完全相悖」，並明確表示「寧可退出加拿大，也不願妥協」。私隱搜尋引擎 DuckDuckGo 創辦人兼行政總裁 Gabriel Weinberg 接受《環球郵報》採訪時確認，一旦法案通過，公司將下架加拿大 VPN 服務，強調《C-22》的安全後門與元數據留存要求，直接牴觸 DuckDuckGo 不追蹤用戶的私隱政策。

VPN 龍頭 NordVPN 立場更強硬，表明「不存在任何情境會讓我們妥協於無日誌架構或加密保護」。加拿大本土 VPN 服務商 Windscribe 亦宣稱將追隨 Signal 撤離本國市場。另一間多倫多公司 Tailscale 雖未明確威脅退出，但強調法案必須加入逐案司法授權機制。

全球市值最高的兩間科技公司 Apple 與 Google（Alphabet）也相繼發表聲明，強調法案「可能迫使它們削弱現有加密措施」，並聯合向委員會提交書面意見，要求增設獨立司法監督機制，防止秘密命令被濫用。Apple 去年曾成功阻止英國一項性質相似的 iCloud 後門提案，今次再次亮出相同底牌。

後門風險：技術安全的致命弱點

反對者最核心的論點不在道德立場，而在技術現實。網絡安全領域長期存在一個業界共識：一旦在系統中人為設置「合法訪問後門」，無論初衷多麼正當，都會不可避免地引入新的攻擊面，並可能被惡意行為者（包括外國情報機構、網絡犯罪組織）利用。2024 年底，疑似由中國政府支持的黑客組織正是透過滲透美國電信商依法預留的監聽系統，從 AT&T、Verizon 及 Lumen Technologies 竊取大量敏感數據，成為這一論點最具說服力的現實佐證。

同時，圍繞後門的爭議也在其他科技巨頭中接連浮現。一名安全研究人員近期公開指控微軟在其 BitLocker 加密系統中故意留有後門，並稱微軟在問題被點出後試圖壓制相關討論；漏洞細節曝光後，微軟緊急發佈臨時緩解更新，卻始終未正面回應缺陷究竟是設計失誤還是有意為之。在批評者眼中，這類事件接連發生，令「合法訪問」與「技術後門」之間的灰色地帶愈發令人憂慮，也使《C-22 法案》的推進更加舉步維艱。

政府讓步與未解的核心矛盾

面對業界排山倒海的批評，部長 Anandasangaree 在 2026 年 5 月 27 日向媒體表示，政府將提出修正案，明確澄清法案不會要求企業破壞點對點加密。他承諾將「釐清加密的定義，並對元數據的範圍給出更精確的界定」，並形容外界有「不少誤解」。然而，部長同時強調強制留存元數據的核心義務依然保留——這恰恰是各方爭議的真正焦點。他更明言希望法案在國會 2026 年夏季休會前（預計 6 月 19 日前後）完成立法，時間壓力之下，修正幅度能否真正化解各方疑慮，仍是未知數。

執法部門則持完全相反立場。溫尼伯警察局副局長 Cam Mackid 明確表態全力支持法案，認為相關技術訪問機制能有效協助刑事調查，且所有訪問均在司法授權後才能進行，安全顧慮有所誇大。這場爭論的實質，是現代社會對「公共安全」與「個人私隱」之間難以調和的根本矛盾：執法機構需要追蹤犯罪嫌疑人的能力，而科技公司和公民社會則堅守「後門的存在本身就是漏洞」的技術原則。

數碼邊界的最後防線

《C-22 號法案》的走向，將成為全球民主國家處理「加密與安全」關係的重要先例。若加拿大最終以強制元數據留存換取所謂的「執法便利」，Signal、DuckDuckGo 等以私隱為核心商業模式的企業所承受的壓力，勢必引發骨牌效應，讓其他國家的類似立法更有底氣推進。對於每天使用加密通訊的普通用戶而言，真正值得追問的問題或許是：當「合法的監控門」一旦打開，誰能保證只有合法的人才能走進來？

 

資料來源：Reuters / The Star、CBC News、iPhone in Canada、Gadget Review、The Straits Times

 

閱讀文章
人工智能企業趨勢應用方案業界消息

國產大模型追到全球第五　企業 AI 選型不再只看排名

by Pierce on 人工智能企業趨勢應用方案業界消息 Deepseek SuperCLUE 企業 AI 大模型 香港科技政策

SuperCLUE 最新中文大模型測評顯示，中國 AI 模型已形成明顯追趕力量，但全球第一梯隊暫時仍由海外模型佔據。今次測評覆蓋 21 款模型、492 題，包括數學推理、科學推理、程式碼生成、智能體任務規劃、精確指令遵循及幻覺控制。對企業決策人而言，這不單純是排名新聞，而是 AI 採購邏輯改變的訊號：模型能力、成本結構和合規部署，將同時影響未來一年企業導入生成式 AI 的速度。

全球前四仍被海外模型佔據，中國三強進入企業候選清單

SuperCLUE 榜單顯示，Gemini、GPT-5.5、Claude-Opus 及 Gemini-Flash 位居前四；DeepSeek-V4-Pro、Qwen3.7-Max 及豆包 Seed 2.0 Pro 分數接近，集中在全球第五名附近。由於「GPT-5.5」等名稱來自榜單及原文表述，本文只按測評結果轉述，不代表相關廠商已作官方確認。從企業角度看，國產大模型已不再只是中文問答或內容生成工具，而是逐步進入客服、程式輔助、知識庫搜尋、文件摘要及工作流程自動化等核心流程。原文指出，Qwen3.7-Max 在程式碼生成項目與海外頭部模型差距不足 2 分，DeepSeek 與豆包在數學及科學推理項目多次進入前列。

成本下降迫使 CIO 重新計算 AI 投資回報

DeepSeek 近日宣布，將 V4-Pro 模型 API 價格永久下調 75%，降至原來四分之一。Reuters 報道，調整後價格約為每百萬 token 0.025 至 6 元人民幣。這數字對企業很關鍵，因為生成式 AI 真正大規模落地後，最大成本往往不是試用費，而是每天反覆發生的推理費、延遲成本、整合成本和監控成本。CKGSB 教授陳龍分析，DeepSeek 代表一種新的 AI 經濟學，重點是用工程效率與成本控制改寫模型競爭規則。

香港企業要把模型能力、資料治理與本地部署放在同一張表

香港企業面對國產大模型時，不能只看分數。香港政府在 2026 至 27 年度財政預算案提到，30 億港元 AI 資助計劃已批准約 30 個研發申請，範疇包括大語言模型、新材料及生物醫學；香港整體算力達 5,000 petaFLOPS，為 AI 應用提供基礎。另一方面，數字政策辦公室在立法會回覆中披露，HKGAI V1 已基於 DeepSeek 技術更新，並正整合到 HKPilot，用於草擬、翻譯及摘要等文件處理任務。這說明本地化大模型並非概念，而是已進入政府及公共服務場景。對銀行、零售、物流及專業服務公司而言，國產大模型意味着成本下降；同時亦意味着資料存放地、審計紀錄、偏見控制、幻覺風險及供應商可替換性，需要納入採購條款。

從榜單競爭到供應鏈競爭，AI 採購將走向多模型管理

這場競爭的背景，是中國 AI 公司過去一年加速追趕。DeepSeek 先以低成本推理模型打開國際知名度，阿里 Qwen、字節豆包及其他平台隨後加快模型迭代。SuperCLUE 今次測評反映的，不只是單一模型排名，而是中國模型在中文理解、程式碼生成、性價比和應用場景上形成集群效應。可是，企業也要看到另一面：原文指出海外模型仍佔據高效能區，國產模型在推理效能上仍多處於中低區間。換句話說，高敏感決策、金融風險分析、醫療建議及跨境合規任務，仍需要更嚴格測試。

企業下一步是建立 AI 模型治理，而不是追逐排行榜

國產大模型追到全球第五，對企業的真正影響，是把 AI 導入從「創新項目」推向「營運基建」。未來一年，模型排名仍會變動，但成本、合規和流程整合會比名次更重要。企業現在要問的開放性問題是：哪些工作值得交給 AI，哪些決策必須保留人工審批？

資料來源：cnBeta、Reuters、Stanford HAI、香港政府財政預算案、香港政府新聞公報

 

閱讀文章
載入更多