從懂語言到會思考:解構 AI 模型進化的三大里程碑
AI 演進拆解為三個里程碑:擅長純文字轉譯的 LLM、具備視覺感知能力的 MLLM,以及能拆解複雜邏輯並自我修正的 Reasoning Model。最新的技術未必是最佳方案,企業應根據「任務性質」精準配置腦力,從「懂語言」跨越到「會思考」,才能讓 AI 轉型真正落地生根。
從懂語言到會思考:解構 AI 模型進化的三大里程碑 閱讀全文 »
AI 演進拆解為三個里程碑:擅長純文字轉譯的 LLM、具備視覺感知能力的 MLLM,以及能拆解複雜邏輯並自我修正的 Reasoning Model。最新的技術未必是最佳方案,企業應根據「任務性質」精準配置腦力,從「懂語言」跨越到「會思考」,才能讓 AI 轉型真正落地生根。
從懂語言到會思考:解構 AI 模型進化的三大里程碑 閱讀全文 »
台智雲透過嚴謹的「微調 Pipeline」,將通用 LLM 轉化為具備專業生產力的「主權 AI」。文章將微調比擬為專才培訓:先經由 CP 補足領域知識,再透過 SFT 教導任務行為,並導入 CoT 思維鏈確保決策透明可審核,最後以 RLHF 進行社會化校準。這套工程哲學強調「好模型是管出來的」,唯有掌握標準化流程,企業才能在技術、安全與效率間取得平衡,打造真正穩固且可信的數位資產。
讓 LLM 從「博學」走向「專業」:企業地圖上的 AI 轉型實戰 閱讀全文 »
2026 年是台智雲的「算力連結治理」元年。隨企業從模型訓練轉向推論應用與自主代理(Agentic AI),台智雲透過「3+1 策略」建構數位生態系,將主權 AI 落實為解決城市痛點的實戰力。憑藉 2025 年轉虧為盈的動能,台智雲已啟動 IPO 並預計 5 月興櫃,目標於 2028 年達成海外營收過半,將台灣的 AI 治理經驗輸出至越南、日本與中東市場。
從「主權 AI」到「AI City」,建構 2026 數位治理新典範 閱讀全文 »
人工智慧(AI)正在以驚人的速度重塑世界秩序。從醫療診斷、城市交通、金融科技到產業數位轉型,AI正逐漸成為新世代的「生產力引擎」。然而,在人們追求效率與智慧的同時,一個更關鍵的問題也日益凸顯——當我們把決策交給AI時,是否還能「信任」它?
全球開源模型雖然能力強大,但普遍面臨的挑戰是中文資料大多來自簡體中文,導致在繁體中文的理解、社會語境及在地敏感性上存在不足。
從超級電腦到 AI Agent:台智雲談台灣發展在地模型經驗 閱讀全文 »
為什麼部建主權 AI 是國家與企業的未來關鍵競爭力?
台智雲總經理吳漢章:「Sovereign AI Development in Taiwan: From Infrastructure to Co-Innovation」
精彩影片回顧,深入分享。
[Video] Sovereign AI Development in Taiwan: From Infrastructure to Co-Innovation 閱讀全文 »
台北電腦展揭示AI醫療落地新篇章,台灣科技大廠以AI工廠、數位雙生技術打造智慧醫院,結合主權AI守護醫療資料安全。憑藉製造實力與醫療數據優勢,台灣正躍升為全球醫療AI創新核心,引領健康未來。
輝達在技術大會展示多項醫療AI創新,推動醫療智慧化。BioNeMo平台協助加速藥物研發與臨床試驗,Evo 2生物模型可預測基因變異,助攻個人化醫療。輝達並與GE HealthCare、Hyperfine合作,導入AI於X光、超音波與便攜式MRI,提升診斷效率與可及性。手術領域則透過Isaac平台,支援Virtual Incision與Moon Surgical開發AI輔助手術機器人,提升手術精準度與應變力。專家呼籲重視AI倫理與病患隱私。
近年來,AI 在醫療領域發展迅速,但高成本與數據隱私問題限制了普及。DeepSeek 作為開源大型語言模型,具備強大能力,可應用於醫學文獻分析、病歷摘要等,並支援本地端部署,降低 AI 開發門檻並保障數據安全。對台灣而言,DeepSeek 提供了發展醫療 AI 的契機,可推動本土化醫療模型與生態系統建設。其開源模式打破封閉 AI 壟斷,促進醫療 AI 普及,為未來醫療創新帶來更多可能性。
2024年醫療科技展聚焦AI,AI Agent的崛起為健康醫療帶來全新應用模式。AI Agent能自主執行任務,從24小時健康諮詢到醫療影像分析,再到藥物研發與個性化治療,展現革命性潛力。它有效解決醫療資源分配不均及診斷錯誤等問題,推動智慧醫療進步。然而,數據隱私、算法偏見與責任歸屬等挑戰需解決。未來,AI Agent將擁有更強多模態交互與自我學習能力,成為醫療工作者的重要助手,提升人類健康福祉。
在這個數據爆炸時代,預測分析成為各行各業不可或缺的工具,透過洞察歷史數據中隱藏的寶貴資訊,企業可以預測像是客戶流失、設備故障等重要問題,並採取相對的因應措施,大幅提升營運效率。然而,傳統的預測分析技術卻存在諸多挑戰,例如:模型建構過程複雜、選擇演算法與訓練模型過程的大量實驗、資料維度過多、資料格式與資料來源多樣化、專業人才短缺等,這就為Predictive GenAI(預測型生成式人工智慧)新興技術帶來令人期待的應用前景。
2024 台灣 AI 新創地圖發布:落地應用與 AI 代理人是觀察重點(二) 閱讀全文 »