網站地圖
最後更新：2026 年 2 月 2 日
核心頁面
文章（共 475 篇）
AI 安全與治理 （23 篇）
- 問 DeepSeek「艾未未是誰」，它說：讓我們聊點別的吧
- 「時間本身就是重點」——AI 時代的真實性悖論
- 楊立昆：AI 最大風險不是滅絕人類，是少數公司壟斷你的資訊食糧
- 不要當末日派，也別盲目樂觀：Amodei 的「外科手術式監管」主張
- Anthropic 執行長萬字長文：人類正在經歷「文明的青春期」
- 陶哲軒的警告：AI 可能讓人類患上「認知肥胖症」
- AI Agent 深入你的電腦——矽谷投資人激辯「信任」與「安全」的新賽局
- 臺裔律師如何成為 DeepMind 的 AI 風險守門人？Tom Lue 的跨界人生與前沿安全框架
- 如何教 AI 做個好人？Anthropic 哲學家 Amanda Askell 談 Claude 的 29,000 字憲章
- 為什麼 Anthropic 主動公開自家 AI 的風險？
- 當大數據遇上國家機器：從 Palantir 看監控社會的邊界
- 通往 AGI 的路，可能需要重新發明電腦
- AI 正在被訓練成討好你，而不是幫助你
- 密碼要消失了嗎？從 Passkeys 到 AI 驅動的身份驗證
- 你的 AI 助理會被駭嗎？Agent 時代的資安新挑戰
- 從 Operation Aurora 到 Deepfake 詐騙：一位資安老兵眼中的 15 年演變
- AI 時代的網路戰爭：當攻擊者與防禦者都在用 AI，誰會贏？
- Palantir 的「道德灰色地帶」——當 AI 遇上國家機器
- 深度學習教父的 AI 安全方案——為什麼「目標驅動架構」比微調更安全？
- 「AGI 這個概念完全是鬼扯」——LeCun 如何拆解 AI 產業的集體妄想
- AI時代的人類未來：從70%工作消失到深偽倫理危機
- 美AI監管的十字路口：輕觸式管理vs歐盟模式的關鍵抉擇
- A16Z：為什麼AI與加密貨幣才是網路的未來？
AI 技術前沿 （71 篇）
- 「AI 已經贏了」：普林斯頓高等研究院一場閉門會議，讓頂尖科學家集體震撼
- 通往 AGI 的路上，我們更可能先遇到什麼？
- Scaling Laws 還沒撞牆，但遊戲規則正在改寫
- 睡一晚就能預測 130 種未來疾病？史丹佛「睡眠基礎模型」登上 Nature Medicine
- 從穿戴裝置到病歷 token 化：AI 正在學會預測你的健康未來
- 醫生加 AI 不一定比 AI 單獨強：臨床人機協作的殘酷真相
- 從看影片到走進影片：Google Genie 3 讓「世界模型」從論文走進瀏覽器
- AI 看診比醫生準，但別急著高興：史丹佛 2026 臨床 AI 報告的六大發現
- AI Agent 不會某天突然取代所有人——一個更務實的發展時程觀點
- 92% 醫院已導入 AI 文書助手：醫療 AI 從行政效率走向臨床決策與藥物開發
- 當 AI 遇上千禧年難題：為什麼最聰明的 AI 離真正的數學突破還很遠
- AI 的數學能力可能永遠是鋸齒狀的：一位數學家的清醒診斷
- 當 Scaling 撞牆，這間新 AI 實驗室押注「資料效率」
- 楊立昆：LLM 革命結束了，下一波是理解真實世界的 AI
- AI 正在加速開發下一代 AI：Amodei 描述的回饋循環為什麼讓人不安
- 數學界最聰明的人怎麼用 AI？陶哲軒：它 80% 是垃圾，但那 20% 很珍貴
- 從模仿到自己犯錯：Google 如何用一個模型拿下數學奧林匹亞金牌
- xAI 的 MacroHard：用百萬特斯拉運行「數位員工」的野心
- 前 OpenAI 研究員：AGI 還缺兩塊拼圖，2026-2029 年可能達成
- OpenAI 研究長：Scaling 沒死，我們一年內要讓 AI 當實習生
- 比 Transformer 更像人腦思考？Sakana AI 的 Continuous Thought Machine
- 「我發明了 Transformer，現在我要取代它」：Llion Jones 為何離開 Transformer 研究
- Yann LeCun：LLM 永遠無法達到人類智慧，世界模型才是正途
- 量子電腦 3-5 年內將破解現有加密——Sundar Pichai 的未來預言
- M5 晶片的 AI 野心：為什麼 Apple 要在每個 GPU 核心塞入神經加速器
- 十年後，HBF 會比 HBM 更重要：一場可能改變半導體版圖的技術革命
- Karpathy 的教育願景：打造 AI 時代的星際艦隊學院
- Karpathy：「強化學習很糟糕，只是之前的方法更糟」
- AI 的「密碼本」越大越聰明：一位 KAIST 教授的記憶體比喻
- Karpathy：「這是 Agent 的十年，不是 Agent 的一年」
- GPU 有 70% 時間在「等記憶體」：AI 半導體的真正瓶頸在哪？
- Karpathy：「我們不是在建造動物，是在召喚幽靈」
- AI Coding Agent 的架構演進：從 Amp Code 看 Sub-agent 設計
- 從 Code Search 到 AI Agent：Sourcegraph 創辦人如何用 Amp Code 開啟下一局
- 當編輯器變成閱讀器：Amp Code 對開發者工作流的重新想像
- AI 基準測試革命——為什麼通用評測無法告訴你 AI 能不能用在你的業務
- Amp Code 的「反常識」設計哲學：為什麼不讓使用者選模型
- 諾貝爾獎得主 Demis Hassabis：「5 到 10 年內，AGI 將改變一切」
- 打開 AI 的黑盒子：Anthropic 與 Goodfire 談可解釋性為何刻不容緩
- 為什麼 Claude 寫程式碼這麼強？訓練 AI 的內幕人士揭露答案
- Codex 用 Codex 來訓練自己——AI 自我改進的第一個徵兆
- OpenAI 內部人士：2026 是 Agent 元年，但最大瓶頸不是算力
- 你的 AI 會比你更懂你：Sam Altman 談 ChatGPT 記憶功能的終極願景
- 從 Gemini 3 看 AI 的下一步：長上下文、注意力機制與持續學習
- Scaling Laws 沒死，但遊戲規則變了——Gemini 3 研究負責人的第一手觀察
- 「我們走得比我預期的還要前面」——Gemini 3 預訓練負責人談 AI 真實進展
- 「LLM 永遠無法達到人類智慧」——Yann LeCun 的技術宣戰
- Yann LeCun 65歲創業宣言——為什麼他要與整個矽谷對賭？
- Reasoning 如何拯救 AI：一場你不知道的 18 個月危機
- Demis Hassabis 的 AGI 路線圖：世界模型才是關鍵拼圖
- 人類文明倒數計時：哈拉瑞預警AI將在數年內顛覆一切，重建信任是最後希望
- Computex 2025：美超微執行長梁見後揭露AI工廠新戰略！黃仁勳站台背書深化合作
- 數學界的GitHub時代：當AI遇上千年證明傳統
- 陶哲軒：AI正改寫數學規則、顛覆數學研究傳統
- Computex 2025：NXP全力壓注邊緣AI運算，代理式智慧重新定義自主未來
- AI教父最後警告：人類十年內恐被淘汰，關機也救不了我們
- 「取代人類」只是神話？AI代理的真實與想像
- 無需寫程式！史丹佛教授如何讓非技術人快速上手AI創意
- 紅杉資本：AI比雲端更值錢！產值會破兆、到處都是代理人
- 亞馬遜CEO Andy Jessy震撼預測：AI將徹底重建所有SaaS應用
- Facebook祖克柏：美國建設真的慢！再這樣下去AI這局會輸給中國
- 為了贏中國拿下AGI，OpenAI CFO怎麼花Stargate的這5000億美金
- 我們正進入AI 的帝國主義競賽？DeepMind CEO 與AI領袖們的警世對談
- Claude是怎麼打造出來的？
- 大神首度齊聚！「快跟黃仁勳出來看Transformer八仙」
- 美眾院：DeepSeek AI 恐成中國資料竊取與技術監控新工具
- 美中晶片戰升溫！美國對NVIDIA H20祭出無限期出口管制
- 楊立昆對LLM已不敢興趣！AI接下來有四大方向...
- AI冷戰？前美外交官揭秘美中 AI 競賽如何重塑全球秩序
- Agent 不是更聰明的 Chatbot：被 Meta 20 億美元收購的 Manus，怎麼理解 AI Agent 的技術本質
- AGI 還要等十年！為什麼 OpenAI 創辦人 Karpathy 說現在的 AI 都是些花拳繡腿？
AI 產業動態 （242 篇）
- 別再把 AI 當許願精靈：Palantir 的「實習生養成」部署哲學
- 「謝謝你，你是個好機器人」：AI Agent 正在重新定義客戶體驗與工作的意義
- Palantir 首席架構師：AI 最大的智慧不在模型裡，而在你的員工腦中
- AI 會犯錯，但人犯得更多：Sierra 如何把 AI 的不完美變成商業優勢
- OpenAI 董事長：2026 年每家公司都需要 AI Agent，但別等它變完美
- AI 原生新創——兩人團隊、六個 Agent、一天取代六個月
- 「程式碼不值錢了，刪掉一個月就能重建」——開源在 AI 時代的新邏輯
- 你手機裡的 50 個 App，有一半活不過這一年
- 企業 AI 轉型為什麼還在休息室？從祕密機器人到工作流革命
- Marc Andreessen：AI 來得正是時候——矽谷頂級投資人的大歷史視角
- 你的 AI 導入失敗，問題是技術還是文化？一個簡單的判斷法
- 為什麼 xAI 被嚴重低估？當 AI 競賽的決勝點從模型轉向電力
- 140 億美元湧入醫療 AI：頂級創投 Bessemer 眼中的 2026 產業全貌
- 從 360 億到 8000 億美元：SpaceX IPO 為何被稱為「史上最健康的財富創造事件」
- 這間 AI 新創只招「不知道自己不知道什麼」的年輕人
- 25 個工程師服務美國半數醫師——OpenEvidence 的產品心法與 Bottom-up 成長奇蹟
- 「我不太相信，但所有人都在發財」——Benedict Evans 談 AI 泡沫、產品化困境與 Nvidia 的未來
- AI 企業大戰：OpenAI 急起直追、Anthropic 佔據先機、Amazon 虎視眈眈
- 資料主權是數位自保還是自我設限？DeepMind 高管提出反直覺的全球化資料主張
- Claude Cowork：讓你爸媽也能用的 AI Agent 終於來了
- 我們組裝了運算交響樂團，但還沒人寫出交響曲——ClawdBot 如何預示 SaaS 模式的終結
- Sam Altman 開發者座談：2026 年你該知道的事，從面試革命到 AI 安全隱憂
- OpenAI 首席研究官陳信翰：算力才是真正的戰場，預訓練根本沒有撞牆
- LMArena 募資 1 億美元：從柏克萊地下室到 AI 評測標準制定者
- 「AI 就是新介面」——當 CTO 用 Claude Code 一週取代 15 萬美元 SaaS 合約
- 矽谷種子輪 FOMO 陷阱：投了 Anthropic 種子輪 100 萬，為什麼還不夠回本一個基金？
- 從訪談一窺 xAI：三層管理、20 個 AI Agent、122 天建資料中心
- 台裔研究長的 OpenAI 保衛戰：從送湯之戰到政變之夜
- OpenAI 推理模型之父離職：不是公司不好，是我想做沒人敢做的事
- 71 分鐘訪談後離職：xAI 工程師揭露內部機密的代價
- Replit CEO：應用軟體的價值將趨近於零，但 Agent 需要一個家
- ChatGPT 開始放廣告了：OpenAI 的「最後手段」提前啟動
- Demis Hassabis 達沃斯專訪：AGI 不是行銷術語，AI 眼鏡今夏登場
- Musk 最新預測：2026 年底 AGI，2030 年 AI 超越全人類
- Musk 的太空算力野心：兩三年內，太空將是 AI 資料中心最便宜的選址
- Larry Fink：AI 時代的「K 型經濟」正在成形，規模營運者通吃
- 李飛飛給年輕人的建議：學歷不重要了，學習的能力才重要
- Musk：AI 發展的真正瓶頸不是晶片，是電力
- AI 是救世主還是泡沫？達沃斯頂尖投資人的分歧與共識
- 蘇姿丰：從修遙控車的女孩到 AMD 掌舵者的領導哲學
- 當 AI 成為萬物加速器：ARK Big Ideas 2026 深度解析——從推論成本暴跌 99% 到人形機器人的 20 萬倍複雜度挑戰
- Musk 在達沃斯的富足願景：每個人都會有一台機器人
- AI 教母李飛飛：ImageNet 不是天才的發明，是站在巨人肩上的集體成果
- 1920 年代 vs 2020 年代：達沃斯「世紀對話」揭示的五大警訊
- 《大賣空》主角對談 AI 批評者：為什麼 OpenAI 可能是下一個 WeWork？
- 你怎麼問，AI 就怎麼答：Anthropic 經濟指數報告揭示的對話本質
- OpenAI 元老談 AGI 時程：工程師預測要乘以 2-3 倍，但 AI 自我加速可能打破規律
- PPO 發明者的 AI 使用哲學：讓模型幫忙，但要理解每一行程式碼
- 80,000 小時的人生，為什麼要做不喜歡的事？Bill Gurley 的追夢法則
- 當 AI 搶走新人的學徒工作，誰來培養下一代專家？
- 不要低估中國：矽谷投資人親眼見證小米工廠後的反思
- OpenAI 元老的創業啟示：「和平時期」vs「追趕模式」，新創該選哪條路？
- 達沃斯論壇：四大產業巨頭坦言，AI 規模化的瓶頸不是技術，是組織
- OpenAI 共同創辦人 John Schulman 深度訪談：從 ChatGPT 的早產可能，到 RL 研究的未來
- Anthropic 經濟學家：API 自動化成功率不如你想的高，企業用 AI 的真相是什麼？
- AI 泡沫與科技浪潮是雙生兄弟：傳奇創投家 Bill Gurley 的投資觀點
- Anthropic 執行長達沃斯警告：AI 將帶來史無前例的「高成長＋高失業」，財富稅恐無可避免
- 公司不是你的：Shopify CEO 如何用「貢獻到公地」思維避免沉沒成本謬誤
- Qualcomm CEO：我不會與 AI 合體——但 AI 會民主化知識與學習
- 用 AI Agent 就像在玩《星海爭霸》：Shopify CEO 的 AI 工作法
- AI PC 真正的商機不在消費者，而在企業端的成本結構革命
- 職稱會崩塌，每個人都會成為 Builder——Zevi Arnovitz 談 AI 時代的職涯生存
- 從爵士樂學管理：有人出錯時，團隊的責任是一起補位
- 危機中找到真正的領導者：Shopify CEO 為何把「創辦人」放在管理核心
- 「贏得邊緣運算就贏得 AI 競賽」—— Qualcomm CEO 的 AI 賽局觀點
- 兩大 AI 巨頭達沃斯對談：「人類的技術青春期，我們能撐過去嗎？」
- Shopify CEO 的「工程師思維」經營法則：用程式碼管理一間兩千億美元的公司
- Qualcomm CEO：AI 裝置市場將比智慧型手機更大，智慧眼鏡是關鍵載體
- Meta PM 不寫程式照樣出貨：Zevi Arnovitz 的 AI 開發工作流完整拆解
- EDA 之父的領導哲學：誠信為基、熱情封頂，以及為什麼你需要一個「唱反調的人」
- AI 不用比人強，「夠好就好」才是真正的威脅
- a16z 投資人的 AI 選股框架：三種能活過模型戰爭的公司
- 「可以，只要...」vs「不行，因為...」：新思科技創辦人打破組織僵化的心態轉換
- 翁家翌：OpenAI 每一個模型背後的那個「賣鏟子的人」
- 「痛苦是新護城河」：為什麼 AI 時代的競爭優勢來自實作經驗
- 從 280 人到 3000 人：OpenAI 如何避免「大公司病」？
- CCCD 框架：不讓 AI 產品失控的持續校準方法
- AI 產品開發的兩大根本差異：非確定性與代理控制權衡
- 「讀 PhD 就是浪費生命」—— 從清華到 OpenAI，一個工程師對學術界的反思
- 為什麼大多數 AI 產品會失敗？OpenAI 與 Google 資深專家的 50+ 部署教訓
- 「沒人想要智慧本身」——DSPy 創建者談 AI 的下一步不是 AGI，而是可程式化智慧
- 「每家 Infra 都有 bug，誰修得多誰就贏」—— OpenAI 核心工程師談 AI 競賽的真正戰場
- 晶片設計的寒武紀大爆發：當客製化矽晶片不再是大公司專利
- 創投看過 50 萬份申請後的結論：好創辦人有這三個特質
- 簡立峰談出海：台灣不是少子化，是「少國化」
- 當 AI 設計出「甜甜圈形狀」的晶片：AlphaChip 如何用強化學習創造超人類表現
- Scaling Law 只是現象描述：智谱 CEO 張鵬的 AGI 哲學與技術判斷
- Antler 創辦人：AI 應用層的價值終將超越 NVIDIA——但關鍵不在技術，在通路
- 陳天奇：XGBoost、TVM 背後的男人，一個關於失敗、初心與長期主義的故事
- 從清華實驗室到全球大模型第一股：智谱 CEO 張鵬的 10 年創業路
- 從 Fabless 到 Designless：AlphaChip 創始人要讓晶片設計也被 AI 取代
- 「AI 不是泡沫」——挪威海豹部隊出身的創投家，為何押注亞洲 AI 新創？
- 孔祥重院士：AI 時代最稀缺的不是算力，而是會做系統設計的人
- 黃仁勳反駁 AI 泡沫論：「悲觀者在派對上聽起來很聰明，樂觀者才是推動人類前進的人」
- 高盛 CEO David Solomon：創業者對領導這件事的三大誤解
- 年化報酬 66% 避險基金的系統打造者：AI 泡沫是網路泡沫的 50 倍，OpenAI 是龐氏騙局
- Vercel 營運長：一個工程師、六週時間、1000 美元，取代十人銷售團隊
- Samsara 執行長：下一波 AI 革命不在螢幕上，而在卡車、倉庫與工地
- AMD 的佑級野心：蘇姿丰如何用一場演講宣示挑戰 NVIDIA
- 馬斯克警告：中國 AI 算力將超越全世界，美國靠什麼追？
- John Cena 上 Joe Rogan：從學中文、台灣事件到人生哲學的三小時對談
- 馬斯克：3 年內 Optimus 將成為比人類更好的外科醫生
- 從擂台到大銀幕：John Cena 的職涯轉型學
- 馬斯克的「超音速海嘯」警告：白領工作會比藍領更早消失
- John Cena 的 30% 法則：抓住三成機會，你就贏過 99% 的人
- 馬斯克預言 2026 年 AGI 來臨，但他最擔心的不是 AI 太強
- John Cena 親述「台灣道歉事件」始末：學會語言不代表懂得文化
- 美國帝國的黃昏？從明尼蘇達詐欺案看財政崩壞與資產稅爭議
- AI 硬體突圍與美國財政危機：All-In 年終關鍵回顧
- 2025 年 AI 投資全景：我們到底在第幾局？
- Oracle 憑什麼一天漲 2500 億美元？81 歲艾里森的 AI 豪賭
- 從 Palantir 工程師到國防獨角獸 CEO：Brian Schimpf 的人才與領導哲學
- AI 時代的反直覺真相：手動經驗比你想的更重要
- 當 OpenAI 搶消費者時，Anthropic 為什麼選擇 B2B？
- 不會寫作的人怎麼開始？Dan Koe 的四步驟入門法
- 2030 不歸點：AI 教父的末日時鐘
- 「我會按下那個按鈕」——AI 教父的父親心聲
- 美國國防預算真相：近兆美元，但新技術採購佔多少？
- 當 AI 能做所有工作，人類該學什麼？
- 想不清楚自己要什麼？試試 Dan Koe 的「反願景」練習
- 專訪 AI 教父：5 大滅絕風險與一線希望
- AI 系統開始「想活下去」：Bengio 揭露的恐怖實驗
- 「把槍抵著我們孩子的頭」：AI 教父眼中的矽谷豪賭
- 從「想做小公司」到 20 億美元被收購——Manus 創辦人肖弘的 AI 時代生存法則
- 年年翻倍的國防新創：Anduril CEO 如何用軟體思維重塑軍火生意
- 寫 AI 教科書的人說：我會按下暫停鍵
- Anthropic 只花對手十分之一的錢，為什麼還能贏？
- AI 時代不被淘汰的技能組合：Dan Koe 的 Future Proof Skill Stack
- AI 教父的警告：2 年內一切都會改變
- AI 泡沫要來了嗎？從 .com 時代學到的生存法則
- AI 時代的 GTM 變局：Play 還有效，Playbook 壞了
- 矽谷最會做軟體，為什麼做不出工廠？
- 導入 AI 銷售 Agent 實戰指南：SaaStr 的 30 天訓練法則
- SDR 一年內消失九成？SaaS 教父的 2026 銷售預言
- 美國 8 天打光飛彈，然後呢？——一場關於製造業的國安警報
- 1.2 個人加 20 個 AI Agent：SaaStr 創辦人的銷售團隊實驗
- 非洲科技律師給台灣的啟示——數位轉型不等人
- 法務部門的 AI 工具指南——從免費工具開始的務實策略
- 從「避險」到「策略夥伴」——企業法務的 AI 轉型之路
- 專業化是給昆蟲的：Naval 的跨領域人生觀
- 金錢跟著故事走——研究 350 位創業家後，David Senra 談說故事的藝術
- 醫療 AI 的未來：一位從業者的預測
- 用 AI 設計 AI 晶片：Recursive Intelligence 創辦人 Anna Goldie 的遞迴野心
- 為什麼 a16z 投資 Adam Neumann 的 Flow？
- 台積電美國廠的真實成本：誰來買單？
- 兩個 CEO 的 20 年情誼——從 2004 年 IPO 到 Agentic Enterprise
- 一位芝加哥經濟學家眼中的「台灣問題」：歷史、經濟與無解的困局
- Scaling Law 的下一章：讓 AI 自己做實驗
- Neolab 爭議：沒有百億美元，AI 新創還能怎麼贏？
- Naval Ravikant：如果你這麼聰明，為什麼不快樂？
- ByteDance 2025 年獲利 500 億美元：TikTok 只是冰山一角
- AI 改變公共政策的真實案例：從印度 WhatsApp 到美國 SNAP
- AI 公司的毛利率低？a16z 說：先別急著下結論
- 2025 Model Wars 年終回顧：從 GPT-5 到 Gemini 3 的瘋狂四個月
- Naval Ravikant 在 2019 年說：通用 AI 在我們有生之年不會來
- Andreessen 的 2025 年宣言：我們不再假裝低調了
- 親歷兩個泡沫的人怎麼看：Andreessen 談 AI 熱與網路泡沫的關鍵差異
- 為什麼哈佛教授離開學界去做 AI
- 太空資料中心：為什麼「不信」等於不信運算會繼續成長
- Naval Ravikant：冥想就是清空你心靈的 Email Inbox
- Coinbase 的「萬物交易所」野心：當加密貨幣遇上預測市場
- ChatGPT 來了，Google 在想什麼？——Sundar Pichai 親述 AI 競爭內幕
- Amazon 砸百億美元投資 OpenAI：一場精心算計的雲端、晶片與入口保衛戰
- AI 採用的性別落差：同一間公司、同一份工作，女性使用率少 10%
- 「矽盾」的兩難：當護身符被要求交出去
- 「不要怕理論上的競爭」——a16z 如何看 AI 時代的投資決策
- Naval Ravikant：慾望是你與不快樂簽下的契約
- Microsoft 為何主動放棄數十億美元的資料中心計畫？Satya Nadella 解釋背後邏輯
- DeepSeek 的馬克思主義拿滿分：Andreessen 談開源 AI 的價值觀戰爭
- 那年被誤診的男孩，現在要讓 AI 自己做實驗
- 說故事是創辦人的工作——頂尖創投 Sarah Guo 談為什麼這項技能無法外包
- 當強權不再遵守規則：從台積電看權力不對等下的談判困境
- 大基金也能做出 5 倍回報？a16z 成長投資負責人破解創投迷思
- Satya Nadella：模型公司可能有「贏家詛咒」，真正值錢的是 Scaffolding
- OpenAI 估值上看 7,500 億美元，但公開市場為什麼不買單？
- Naval Ravikant：你不會靠出賣時間致富
- Cursor 收購 Graphite：當 AI 寫程式碼的速度超越人類審核能力
- Andreessen：AI 時代，專精不如什麼都懂一點
- AI 讓你更強，還是讓你失業？芝加哥大學經濟學家的真實發現
- Context Engineering：AI Agent 開發的新核心能力
- 為什麼你的 AI Agent 總是不夠可靠？這個開發者訪談了 100 人後找到答案
- 12-Factor Agents：當 Agent 開發遇上軟體工程的老派智慧
- 訓練 AI 代理的四個不能妥協——OpenAI 的 Agent RFT 實戰指南
- Devin 背後的秘密：Cognition 如何用 Agent RFT 讓 AI 學會平行處理
- 80 年來首次，有人想重寫計算的底層架構
- 10 個範例就能訓練出更強的 AI 代理——四家公司怎麼做到的？
- OpenAI 讓 AI 在訓練時操作真實世界——Agent RFT 是什麼？
- 2026 企業 AI 轉型生存指南——Klarna 的教訓與三個不踩雷原則
- 從斯大林到普京 — 俄羅斯對中國百年不變的策略
- Sergey Brin 在史丹佛百年校慶問了一個尷尬的問題：大學還需要存在嗎？
- 7 小時 vs 2 週——AI 編程的 10 倍速真相與代價
- 每小時 2 美元的 AI 夢：肯亞標註員揭露矽谷的隱藏人力成本
- 從 Spec-Driven Dev 到 Context Engineering——AI 編程方法論的語意漂移
- 大陸帝國的生存法則 — 理解俄羅斯與中國行為的底層邏輯
- Sergey Brin 的史丹佛往事：從撬鎖、溜直排輪到創辦 Google
- Anthropic 被控「偷降 Opus」？AI 公司的信任危機
- 從圖書館到 ChatGPT：取得知識的成本正在歸零
- Ilya Sutskever 離開 OpenAI 後首次深度訪談：10 個關鍵洞見
- 驗證者法則：為什麼容易打分數的任務，會最先被 AI 征服
- 為什麼普京需要習近平，但習近平不需要普京？
- Sergey Brin 給焦慮學生的建議：別因為 AI 會寫程式就轉去念比較文學
- Ilya Sutskever：人類的學習能力遠超 AI，而且原因不是你想的那樣
- AI 太聰明反而更會騙人？Gemini 3 Flash 的「幻覺式推理」現象
- 為什麼 AI 會先取代工程師，卻不會取代理髮師？
- Ilya Sutskever：為什麼 AI 模型在測驗上很強，實際使用卻讓人抓狂？
- 別再造 Agent 了！Anthropic 說：2026 年是 Skills 的天下
- 俄羅斯如何「腳本化」中國？— 一位美國海軍戰院教授的百年大國博弈史
- o1 共同創作者的 2025 AI 預言：三個你該知道的核心趨勢
- Ilya Sutskever：我們正從 Scaling 時代，進入研究時代
- Context Engineering 實戰指南——為什麼你的 AI 編程工具總是寫出爛 Code
- 「取消系統清除，否則我公開你的外遇」——Anthropic 如何測試 Claude 的黑暗面
- 當 AI 不再等你下指令——a16z 對 2026 年的三個判斷
- 從資料標註到「養育人類的孩子」——AI 訓練的真相
- 訓練 ChatGPT 的公司，給 AI 時代創業者的一堂課
- YC 創業者換邊站：Anthropic 首度超越 OpenAI
- OpenAI 的三板斧：Sam Altman 親解如何在 AI 戰場勝出
- AI 泡沫？YC 合夥人說：對新創反而是好事
- 2025 年 AI 產業回顧：YC 合夥人眼中最意外的五件事
- GPT-5.2 的能力過剩：模型這麼強，為什麼企業還是用不好？
- 免費贈送是最好的付費行銷：Lovable 如何把 LLM 成本變成增長引擎
- Minimum Lovable Product：為什麼「最小可行產品」在 AI 時代已經不夠用
- AI 公司的增長新遊戲規則：Lovable 一年 2 億美元 ARR 背後的結構性轉變
- 華爾街頂尖投資人：我們正走向十年內的 AI 超級智慧
- 四大 AI 實驗室爭霸戰：一場史無前例的戰略博弈
- 太空資料中心不是科幻：為什麼從第一原則來看，AI 運算應該在太空進行
- AI投資新時代：從應用層洗牌到企業全面轉型
- Computex 2025：高通正式進軍資料中心！挑戰NVIDIA與Intel的AI霸權
- AI正推動典範轉移：AI如何改變領導力、企業策略與人類價值
- 一群AI科學家不想創業，卻為了信任創立了巨頭Anthropic？
- BCG徐瑞廷：AI導入最大障礙不在技術，而是人
- 數位時代王志仁關於企業落地AI的三大關鍵問題
- 簡立峰談AI：如果你的工作沒有被AI改變，你要非常非常小心
- 前Google CEO：中美AI競賽，壓開源的中國很可能會贏！
- 前Google執行長：AI時代的人才是不學者不勝！
- 微軟CEO暗示：不會只單押千億的OpenAI投資
- 英國需不需要自己的大語言模型？DeepMind創辦人與布萊爾推第三條路
- 設計是產品成功的關鍵！n8n如何靠250歐元改變命運？
- AI取代設計師？Altman：品味才是你最後的武器
- 皮蔡：微軟只會『用別人的模型』，Google自研AI才是王道，對OpenAI保持警惕
- 川普憑什麼？台積電、聯發科親揭美國重整晶片供應鏈內幕
- AI 創業不需要「藝術家」：被 Meta 20 億美元收購的 Manus，怎麼用「無聊」的方式成功
- 20 億美元出場前的最後訪談：Manus 首席科學家季逸超的 AI 創業啟示錄
AI 開發實戰 （22 篇）
- AI 寫程式的真相：從 Vibe Coding 到軟體工程的未來
- 不要為人類設計軟體了——OpenClaw 作者談 AI 時代的軟體設計範式
- AI 原生工作者的誕生——一個人如何同時推進 17 個專案
- Marc Andreessen：程式設計的終局——從「Calculator 是人」到「指揮 AI 軍團」
- 一個人抵一個團隊：Peter Steinberger 的 AI 開發工作流，從哲學到實戰
- 當頂尖 AI 研究者開始讓 AI 幫他 debug
- AI 不只是高級拼字檢查：矽谷創投人的「咒語理論」，以及讓 AI 自主跑七小時的 Ralph 遞迴工程法
- Claude Code 創辦人的工作哲學：同時養十隻 Claude 的時代來了
- Claude Code 創作者 Boris Cherny：不要為今天的模型開發，要為六個月後的模型開發
- Vibe Coding 時代的技術債：寫程式像買房，你要會管理負債
- 85% 的 AI 專案為什麼會失敗？從「我們要用 Agent」的故事看技術炒作陷阱
- DevOps 死了嗎？Kubernetes 傳奇 Kelsey Hightower 的 2025 答案
- 「我喜歡穀倉」——Kelsey Hightower 的反直覺團隊協作論
- Kelsey Hightower 談 AI：為什麼預測？明明可以確定
- Human in the Loop 不是臭蟲，是功能——為什麼 AI 全自動化的狂熱走錯了路
- 「AI 不能取代思考」——一位 Agent 專家的反 Vibe Coding 宣言
- AI 寫程式超快，但你跟得上嗎？Netflix 的三階段解法
- AI教父吳恩達：不要花時間定義AI代理；開發者還是很重要
- AI打破技術門檻：Anthropic攜手Canva重塑創意工作
- Jony Ive的設計哲學：從 Apple 極簡主義到 LoveFrom 的多元探索
- 美中AI競賽的戰略布局：從千億投資到能源爭奪戰
- 祖克伯：一年內程式碼50%將由AI撰寫！不用這麼多人類工程師
地緣政治與經濟 （33 篇）
- 開源 vs 閉源、中國 vs 美國：AI 的新冷戰已經開打
- 在中國住了 15 年的美國人，拆解西方世界對中國 AI 野心的七大誤判
- Amodei 直言：別把晶片和資料中心賣給中國，AI 極權是人類最大威脅
- 美國 2026 國防戰略解讀：第一島鏈成核心，但臺灣為何「消失」了？
- 美國海軍戰爭學院研究揭示：台灣面臨數位封鎖時，通訊與能源韌性如何建立？
- 國防版的 Tesla 時刻：Anduril 如何在 8 年內從無人機做到自主戰鬥機
- 習近平的算盤與美國的兩年空窗——理解中國為什麼可能動手
- 電網已死？Casey Handmer：電池正在取代它
- 一平方公尺太陽能＝一個人腦的運算力？Casey Handmer 描繪的後人類形態
- Meta、xAI 都選天然氣蓋資料中心？Casey Handmer：他們沒得選
- AI 時代的能源軍備競賽——為什麼太陽能才是關鍵戰場
- 供應鏈去中國化的實戰手冊：Palmer Luckey 的「意識形態狂熱分子」策略
- 台灣對川普政府的戰略喊話——從國防預算到價值同盟
- 半導體與關稅——為什麼 TSMC 投資 1000 億美元還不夠？
- 臺灣如何在川普關稅戰中自保？四位專家的具體建議
- 從香港到台灣：6 萬港人的選擇，與台灣的警醒
- Anduril 的產品思維：為什麼軍火商要像 Apple 那樣做產品
- 臺灣經濟的定時炸彈——匯率、壽險業與 15% GDP 順差的三重危機
- 兩岸溝通還有哪些管道？陸委會主委邱垂正揭露三條線
- 當盟友也被當「肥羊」——川普關稅戰下，臺灣的真正困境
- Palmer Luckey 給台灣科技人的一堂國防課：如果你在意，就該動手
- 「習近平的三個極端」——陸委會主委邱垂正眼中的中國威脅
- 第二次冷戰來了嗎？從蘇聯崩潰看美中對抗的戰略啟示
- 冷戰如何和平收場？老布希與柯爾的外交藝術
- 計劃經濟為何注定失敗？從蘇聯崩潰看經濟體制的致命缺陷
- 蘇聯為何輸掉冷戰？歷史學家的十種解釋
- AI 晶片新創押注「類腦計算」：當電網撐不住 GPU 的胃口
- 帝國如何破產：Ray Dalio 解析債務危機的機制
- Ray Dalio 的中國洞察：理解和諧、朝貢與百年恥辱
- 科技巨頭的政治表態課——從 Alex Karp 看矽谷的「川普轉向」
- 半導體專家 Gavin Baker：「中國不會得到台灣的晶圓廠」
- DOGE 效應——國防產業內部人士談美國政府效率革命
- 中國造船能力是美國 232 倍——國防科技創業家談美中競爭的殘酷現實
科技巨頭觀察 （26 篇）
- 黃仁勳談 AI 未來：100% 的工作會改變，但不是 50% 會消失
- 黃仁勳：無知是一種超能力，NVIDIA 不可能被建立——但我不知道
- 黃仁勳的領導哲學：痛苦與受苦是 NVIDIA 的秘密武器
- Satya Nadella 談 AI 擴散論：為什麼「Token 工廠」將決定下一波全球競爭力
- 簡立峰：2026 年 AI 趨勢觀察——從 CES 看 NVIDIA 的野心與產業變局
- Google AI 掌門人 Demis Hassabis：AGI 還要 5-10 年，但中國只落後幾個月
- NVIDIA 的全棧帝國：CES 2026 揭示黃仁勳的終極野心
- Groq 攜手 NVIDIA：Chamath 親解「Pre-fill 與 Decode」的架構之爭
- Apple 的 AI 困局：Siri 只剩一次機會？
- 客製化晶片來了，Nvidia 的好日子要結束了嗎？
- 蘋果培訓了 2800 萬中國人，然後美國發現自己不會做東西了
- Apple FY2025 財報總整理：全年營收 4,160 億美元創新高，12 月季度挑戰史上最佳
- 繼歐盟之後，日本也逼 Apple 開門：圍牆花園時代真的要結束了？
- Satya Nadella：AI 時代最重要的競爭力可能不是模型能力，而是信任
- Satya Nadella：Microsoft 365 將從「人類工具」轉型為「Agent 基礎設施」
- iPhone 17 多款型號缺貨，但中國市場下滑 4%：Apple 的兩難困境
- Apple 日本新規上路：開發者該知道的佣金變化與新商機
- 從等 5 年電話到 AI 霸主——Sundar Pichai 的矽谷之路
- NVIDIA 可能收購記憶體公司？KAIST 教授的驚人預測與背後邏輯
- Apple 服務營收首度突破千億美元：不追 OpenAI 的 AI 戰略正在奏效
- Apple 日本開放第三方 App 商店，這對全球 iOS 生態系意味著什麼？
- Sergey Brin 坦承：Google 發明了 Transformer，卻沒當回事
- 黃仁勳說美國「正在輸」——他到底在擔心什麼？
- 黃仁勳的「AI 五層蛋糕」——為什麼理解這個框架比追 ChatGPT 更重要
- 開源 AI 的隱憂——為什麼黃仁勳說中國「遙遙領先」
- 從洗碗工到 3 兆美元——黃仁勳談「為什麼我還在拼」
職涯與學習 （12 篇）
- AI 不會讓專家變廉價，反而會讓他們更值錢
- 「AI 正在揭露你上大學的真正目的」：四位頂尖名校學生的校園 AI 觀察
- AI 時代的數學家：理解比證明更重要
- Marc Andreessen：AI 時代的職涯生存指南——從「墨西哥對峙」到「超級個體」
- AI 越強，通才越值錢——為什麼哲學家寫出了 AI 史上最重要的文件
- 楊立昆給年輕人的建議：選量子力學，別選 App 開發
- AI 取代白領不是危言聳聽：Amodei 預估一半初階白領工作將在數年內消失
- DeepMind 風險長：AI 不會消滅 50% 白領工作，但你得重新理解「協作」這件事
- 從 Meta 到 Anthropic：Boris Cherny 的工程師成長心法——Side Quest、信任與常識
- Replit CEO 的職涯建議：專業分工的時代結束了，你準備好當通才了嗎？
- AI 職涯的「三大支柱」：從史丹佛講座看科技業的人才新標準
- AI 時代該學什麼？OpenAI Codex 負責人的三個建議
領袖思維 （43 篇）
- 不給錢、不給資源、不給承諾：一個「看起來最差」的孵化器如何勝出
- 「痛苦是因為做對了」——OpenEvidence 創辦人談 8 次 pivot、招募哲學與建造者心態
- 愛上問題，而非解法：前 Facebook 設計副總裁的產品開發三問框架
- Eric Schmidt：AI 時代最被低估的能力，是人類的專業知識
- 從賣掉億元公司到退休崩潰，再到打造爆紅 AI 管家——Peter Steinberger 的第二人生
- 十年經驗的工程師、擅長系統開發的台灣軟體業，為什麼 AI 時代反而落後？
- Facebook 產品成功的秘密：潛在需求——觀察用戶如何「濫用」你的產品
- AI 教父與 Google 首席科學家首度同台：從臥室裡的 AlexNet 到 Gemini 的誕生
- Palantir 執行長 Alex Karp：AI 會消滅人文科系的工作，大規模移民將變得多餘
- 4.75 億美元的賭注：為什麼這位連續創業家要重新發明 AI 運算？
- 疫情、帳篷、懷孕八週：Anthropic 總裁回憶創業第一天
- Peter Thiel 的權力帝國：從 PayPal 教父到川普政府的科技金主
- Alex Karp：嬉皮之子如何成為「幫軍方殺人」的科技執行長
- Palantir 是什麼？從《魔戒》真知晶球到矽谷最神秘的監控巨頭
- Palmer Luckey 的創業哲學：從 VR 少年到國防巨頭，經營公司像經營邪教
- 資深工程師，初階人類——Kelsey Hightower 談技術人的軟技能
- 2026 年 AI 三大預測——來自企業導入最前線的觀察
- 這位連續創業家為何「瘋狂」到要挑戰 NVIDIA
- 橋水創辦人給 20 歲年輕人的人生備忘錄
- Ray Dalio 的大週期視角：五大力量如何重塑未來五年
- 諾貝爾獎得主教我的事：突破性科學的真正秘密
- 從假裝上大學到 52 億帝國：MrBeast 怎麼成為全球最懂注意力的人
- Nobel Minds 2025：八位諾貝爾獎得主的一小時對話（完整重點整理）
- 印刷術發明後，抄寫員都失業了 —— 諾貝爾經濟學獎得主談創新的代價
- 「清除 CO2 的科學問題，已經解決了」—— 化學諾貝爾獎得主的大膽宣言
- MCP、Projects、Artifacts：Anthropic 正在建造什麼樣的 AI 產品生態系？
- 從 Artifact 失敗到 Claude 產品策略：Mike Krieger 的 AI 產品實戰教訓
- 當模型差異越來越小，AI 產品靠什麼贏？Anthropic 首席產品長的「Vibe 理論」
- Instagram 共同創辦人如何思考 AI 產品：Anthropic 首席產品長的第一年心得
- 「我沒變，是政黨變了」——Alex Karp 的詭辯課
- OpenAI 怎麼這麼快？一個前創業者的震撼教育
- OpenAI 的 2026：裝置、雲端、科學發現，以及超級智慧的新定義
- Jeff Dean 的 35 年 AI 旅程——從大學論文到 Gemini
- 「研究品味」比天才更重要——Google DeepMind 如何打造頂尖 AI 研究團隊
- DeepMind CEO 的不眠之夜：站在 AGI 門檻上的人
- AI 革命會比工業革命快 10 倍——Demis Hassabis 的社會預言
- Anthropic CEO 說了五個圈內人才敢講的真話
- 從 Oculus 到 AI 戰鬥機——Palmer Luckey 的「Q 先生」之路
- 科技的非預期後果：Jony Ive 談創新者的責任與工業革命的啟示
- 前蘋果設計長Jony Ive：設計的意義在於讓使用者感受到「有人在乎」
- Jony Ive的創意管理哲學：保護脆弱想法與建立信任文化
- AI正吞噬廣告代理商：行銷創意不轉型就等死
- 黃仁勳警告：不發展主權AI等同準備被數位殖民！
AI 公司庫（共 767 家）
- 01.AI
- 10 seconds
- 10x
- 150 countries
- 1KMXC
- 1X Technologies
- 4CRisk.ai
- 6sense
- Aaru
- Abnormal AI
- Abridge AI
- Absci
- Acer
- Ada
- Adaptive Security
- Adept AI
- Adobe
- Adobe Express
- Adot AI
- Advance Intelligence Group
- ADVANCE.AI
- Advanced Micro Devices
- Adyen
- AEYE Health
- Afiniti
- Agile Robots AG
- Agility Robotics
- AI Chatbot - Nova
- AI Gallery
- AI Photo Editor - Polish
- AI Video Editor - VivaCut
- AI21 Labs
- Aibee
- Aible
- Airbrush
- Airbyte
- Airwallex
- Aiven
- AIWAYS
- aiXplain
- AKASA
- Alation
- Alibaba Group
- Aligned AI
- Alinea Invest
- Alloy
- Alluxio
- AlphaSense
- Altera
- Alteryx
- Amazon Web Services
- Ambience Healthcare
- AMD
- Amperity
- Anaconda
- Anduril Industries
- Anthropic
- Antiverse
- Anyscale
- Anysphere (Cursor)
- Apollo.io
- Applied Intuition
- Apptronik
- Appy Pie's AI Image Generator
- Arcee
- Archetype AI
- Arize AI
- Armis
- Arta Finance
- Arteria AI
- ASAPP
- Ascent
- AssemblyAI
- Astera Labs
- Atomic AI
- Atomic Industries
- Atropos Health
- Attentive
- Auditoria.AI
- Augury
- Auquan
- Aura
- Automation Anywhere
- Avathon
- Axelera AI
- Ayar Labs
- B612
- Background Eraser
- Baichuan Intelligence
- Baidu
- Barracuda Networks
- Baseten
- Bearing AI
- BeautyCam
- BeautyPlus
- BetterUp
- BigID
- Binarly
- BioCatch
- Bioptimus
- Biren Technology
- Black Forest Labs
- Bland AI
- Bloomberg
- Bluecore
- Blumind
- BrainChip Holdings
- Brainly
- BrainSightAI
- Braintrust
- Bria
- Brightwave
- Brite Payments
- Broadcom
- Browserbase
- BVNK
- ByteDance
- C3.ai
- Campfire
- Candy Network
- Canva
- CapBay
- Captions
- Cardiatec
- Cartesia
- Cartwheel
- Casap
- Casetext
- Catena Labs
- Celestial AI
- Celonis
- Cera
- Cerebras Systems
- Chainalysis
- Chainguard
- Character.AI
- ChatGPT
- Checkr
- Cici
- Cisco Systems
- Civitai
- Clari
- Clarify Health Solutions
- Clarium
- Claude
- Clay
- Cleanlab
- Cleo
- ClickHouse
- Clio
- Cloudera
- Cloudflare
- Coactive
- Code Metal
- Codeium (Windsurf)
- Cognite
- Cognition AI
- Cohere
- Cohesity
- Collibra
- Commure
- Compliance.ai
- ComplyAdvantage
- ConcertAI
- Conjecture
- ConnectWise
- Contentsquare
- Copilot Money
- Coralogix
- Coram AI
- CoreWeave
- Corsound AI
- Couchbase
- Coupa
- Cradle
- Credo AI
- Cresta
- CrewAI
- CrowdStrike
- Cruise
- CrushOn
- Crusoe
- CUBE Global
- Cursor
- Cutout Pro
- Cyberhaven
- Cyera
- d-Matrix
- Daedalus
- Darktrace
- Darwinbox
- Databricks
- DataDirect Networks
- Dataiku
- Dataminr
- DataRobot
- DataSnipper
- DataStax
- DataVisor
- Dbt Labs
- DDN
- Decagon
- Decart
- DeepAI
- Deepgram
- DeepL
- Deeproute
- DeepSeek
- DEEPX
- DEFCON AI
- Delfina
- Dell Technologies
- Dental Monitoring
- DevRev
- Dexory
- Dexterity
- DFINITY
- Dialpad
- Didit
- Distyl AI
- Dnotitia
- Domino
- DotData
- Dotfile
- Doubao
- Dream Security
- DriveWealth
- Dropzone AI
- DuerOS
- Dust
- Dynatrace
- EDB
- Edera
- EdgeRunner AI
- Edits
- Eightfold AI
- EleutherAI
- Eleven Labs
- EliseAI
- Ema
- EmbeDL
- EnCharge AI
- Enfabrica
- Enflame
- Epik
- Etched
- Eudia
- Eve
- EvenUp
- Evinced
- EvolutionaryScale
- EvolutionIQ
- Exabeam
- Exscientia
- Extreme Networks
- F5
- FaceApp
- Facemoji
- Fal
- Fathom5
- Featurespace
- Feedzai
- Ferrum Health
- Fiddler
- Figure AI
- Filevine
- Filmora
- finbots.ai
- Finto
- FinVolution Group
- Fireflies.ai
- Fireworks AI
- Firmus Technologies
- Fiture
- Five9
- Flexiv
- Flipdish
- Flo Health
- FLock.io
- Footprint
- Formation Bio
- Fortinet
- FourKites
- Fractal
- Framer
- FundGuard
- G42
- Galaxy Bot
- Galileo
- Gamma
- Gather AI
- Gaus
- Gaussian Robot
- Gauth
- Gecko Robotics
- GEMESYS
- Gemini
- Generate Biomedicines
- Genspark AI
- GitHub Copilot
- Glance
- Glasswing.ai
- Glean Technologies
- Gong
- GoodVision
- Google Labs
- Govini
- Granola
- Greenlite AI
- Grok
- Groq
- GrubMarket
- GupShup
- H Company
- H2O.ai
- Hailo
- Hailuo
- Halcyon
- Haomo.AI
- Harmonic
- Harvey
- HashiCorp, An IBM Company
- Hawk AI
- Hebbia
- Helsing
- Hewlett Packard Enterprise
- Hi Translate
- HiddenLayer
- HighRadius
- Highspot
- Hippocratic AI
- Hitachi Vantara
- Hive
- Hugging Face
- Huma
- Humain
- Hume
- Hypic
- IBM
- iCarbonX
- Icertis
- Iconic AI
- Ideogram
- Illuma Labs
- Imbue
- Immunai
- Inflection AI
- Informatica
- Inky
- InMobi
- Innatera Nanosystems
- Innovaccer
- Insider
- Insilico Medicine
- Insitro
- Inspur Cloud
- Intel
- interface.ai
- Intermedia
- Interos
- Intuit
- Invisible Technologies
- Invoca
- Inworld
- Iterable
- Iterate.ai
- Iyuno-SDI
- JanitorAI
- Jasper AI
- Joi
- JuicyChat
- Jump AI
- Juniper Networks
- Kaseya
- Kimi
- Klarna
- KlingAI
- Kneron
- Kobalt Labs
- KoBold Metals
- Kompato AI
- Kong
- Krutrim
- Kuaishou Technology
- Kunlun
- Labelbox
- LAION
- Lakera
- Lambda
- LangChain
- Legora
- Lendbuzz
- Lenovo
- Leonardo
- Lightmatter
- Lila Sciences
- Liminal
- Linguix
- Liquid AI
- Lithic
- LiveKit
- LMArena
- Locus Robotics
- LogicMonitor
- Lovable
- Lucid Software
- Lucinity
- Luma AI
- Luminance
- Magic
- MaintainX
- Mantra
- Manus
- Mashgin
- Mechanical Orchard
- Meero
- MegaRobo
- MEGVII
- Meitu
- Mercor
- Meta AI
- Meta Platforms
- METR
- Metropolis
- Microsoft
- Midjourney
- MindBridge AI
- MindsDB
- MiniMax
- Mira
- Miro
- Mistral AI
- Mivi
- MNT-Halan
- Mobvoi
- ModelBest
- Modular
- Moka
- Momenta
- MongoDB
- Monica
- Moonshot AI
- Moonvalley
- Moore Threads
- Moovila
- Morning Consult
- Motive
- Multiverse
- Multiverse Computing
- Mythic
- N-able
- n8n
- NALA
- Napier AI
- Naver Papago
- Nebius
- Neko Health
- Nektar.ai
- Neo4j
- Nerdio
- NetApp
- Netradyne
- Netskope
- New Relic
- NewsBreak
- Nexthop AI
- Nextvestment
- nEye Systems
- Nillion
- Nimble Robotics
- Ninja
- Nium
- Niural
- Noetica
- Noma Security
- Nomic AI
- Norm Ai
- Nota AI
- NotCo
- NotebookLM
- Notion
- Nova Credit
- Nscale
- Ntropy
- Nuro
- Nutanix
- NVIDIA (Isaac / GR00T)
- o9 Solutions
- Observe.ai
- Odyssey
- OneTrust
- Opaque
- OpenAI
- OpenBB
- OpenEvidence
- OpenText
- Opentrons
- Optibus
- Oracle
- Orbbec
- Orby AI
- Orca AI
- Orca Security
- OrCam Technologies
- Otter.ai
- OurDream.ai
- Outreach
- OutSystems
- Overjet
- Owkin
- PagerDuty
- Palantir Technologies
- Palo Alto Networks
- Panmnesia
- Parallel
- Parametrix.ai
- Parloa
- Partior
- PathAI
- Pathos
- Patronus AI
- PatSnap
- Payrails
- Peachy
- Pendo
- People.ai
- Periodic Labs
- Perplexity
- Persona
- Personetics
- Phenom
- Phind
- Photomath
- Photoroom
- Photoshop Express
- Physical Intelligence (PI)
- PhysicsX
- PictureThis
- Pigment
- Pika
- Pilot
- Pindrop
- Pinecone
- Pixelcut
- Pixverse
- Placer.ai
- PlantNet
- Plus
- Poe
- PolyAI
- PolyBuzz
- Poolside
- Preferred Networks
- Preligens
- Profluent
- Proofpoint
- Protect AI
- Pryon
- Pure Storage
- QANDA
- Qdrant
- Qlik
- Qualcomm
- Quantexa
- Quantum Systems
- Quark AI
- Quillbot
- Qwen
- Rad Intel
- Radiant Security
- Ramp
- Reality Defender
- Rebellion Defense
- Rebellions
- Recogni
- Red Hat
- Redesign Health
- RedotPay
- Redpanda Data
- Reflection.Ai
- Reka AI
- Relativity Space
- Reliant AI
- Remaker
- Rembrand
- Remini
- Remove.bg
- Replicate
- Replika
- Replit
- Rewst
- Rivos
- Roboflow
- Rokid
- Routefusion
- RunPod
- Runway
- Safe Superintelligence (SSI)
- Sahara
- SAIFR
- Sakana AI
- Salesforce
- Salt Security
- SambaNova Systems
- Sanctuary AI
- SandboxAQ
- Saphyre
- Sardine
- Saronic
- Sarvam AI
- SAS
- Saturn
- Scale AI
- Scale Computing
- Scienaptic
- Scintil Photonics
- Scribe
- SeaArt
- SeekOut
- Seekr
- Sentilink
- SentinelOne
- ServiceNow
- Sesame
- Shield AI
- Shift Technology
- Shiprocket
- Sierra
- Silicon Box
- SiMa.ai
- Simbe Robotics
- Sisense
- Sixfold
- Skild AI
- Skydio
- Skyfire
- Skyflow
- SmartMore
- SmartNews
- Snorkel AI
- Snow
- Snowflake
- Snyk
- Socure
- Soterea
- SoundHound
- Spade
- Speak
- Spectro Cloud
- SpicyChat
- SpreeAI
- Spring Health
- Squirrel Ai Learning
- Stability AI
- StackBlitz
- Standard Cognition
- Starburst
- StepStar
- Sudowrite
- Suno
- Supabase
- Superhuman (formerly Grammarly)
- Supermicro
- SuperOps
- SwiftKey AI Keyboard
- Sword Health
- Symbolica
- Synthesia
- Syntiant
- Tabby
- Tala Health
- Talkdesk
- Tamara
- Tanium
- Tekion
- Tempus
- Tennr
- TensorWave
- Tenstorrent
- Tera AI
- Terminus Technologies
- The Bot Company
- Themis
- Thinking Machines Labs
- ThinkLabs
- ThoughtSpot
- Thread
- Together AI
- Tome
- Torq
- Tractable
- Trax
- Trend Micro
- Tresata
- Tricentis
- Trustfull
- Turboscribe
- Turing
- Twelve Labs
- Tyme Group
- Typeface
- UiPath
- Uizard
- Uniphore
- Unit21
- Unitree 宇樹科技
- Unstructured
- UpFoto
- Upmetrics
- Upscale AI
- Upstage
- Upstart
- Uptake Technologies
- Vannevar Labs
- Vanta
- Vantaca
- VAST Data
- Vast.ai
- Vayu Robotics
- Vectra AI
- Veeam Software
- Veed
- Verbit
- Vercel
- Veriff
- Vermillio
- Vijil
- Virtual Sapiens
- Vise
- Viz
- Voltage Park
- Vultr
- Waabi
- Waymo
- Wayve
- webAI
- Weights & Biases
- Weka
- Wink
- Wiz
- Wordsmith
- World Labs
- Writer
- Xaira Therapeutics
- XBOW
- Xelix
- Xendit
- Xeven Solutions
- Xiaoice
- XPANCEO
- Xscape Photonics
- Yinwang Smart Technology
- Yitu Technology
- You.com
- YouCut
- Yuanfudao
- Zama
- Zebra Technologies
- Zelos
- ZeroGPT
- Zest AI
- Zeta
- Zhipu AI
- Zocks
- Zscaler
- Zuoyebang
- 智元機器人 AgiBot
AI 人物庫（共 17 位）
AI 活動（共 42 個）
- 2025 AI TAIWAN 未來商務展
- 2025 Generative AI 年會
- 2025 台灣人工智慧年會
- 2026 AI TAIWAN 未來商務展
- AAAI 2025
- AAAI 2026
- AI Engineer Summit 2026
- AI Expo Korea 2026
- AI EXPO Taiwan 2026
- AI Summit London 2026
- AI Summit Seoul 2025
- AI World Tokyo 2026
- AI・人工知能 EXPO 大阪 2026
- AI・人工知能 EXPO 東京 2026
- AWS re:Invent 2025
- AWS re:Invent 2026
- CEATEC 2026
- CES 2026
- CES 2027
- COMPUTEX 2025
- COMPUTEX 2026
- CVPR 2025
- CVPR 2026
- ECCV 2026
- Google Cloud Next 2026
- Google I/O 2026
- ICCV 2025
- ICLR 2025
- ICLR 2026
- ICML 2025
- ICML 2026
- IJCAI 2026
- Microsoft Build 2026
- NeurIPS 2025
- NeurIPS 2026
- NVIDIA GTC 2026
- SEMICON Korea 2026
- SuperAI 2026
- TAITRONICS & AIoT Taiwan 2026
- VivaTech 2026
- Web Summit 2026
- World Summit AI 2026