在台灣市場，Poe AI 以多語言與快速回應的特性，協助企業提升客服與內部協作。政府推動數位轉型與在地創新，鞏固本地雲端與 AI 應用的發展環境，醫療、金融、製造等產業已見成效。若強化在地語言模型與資料安全，Poe AI 將在台灣市場取得穩固競爭力。結合本地案例與用戶回饋，Poe AI 在雲端法規遵循、資料主權與風險控管方面展現成熟度，為企業跨域應用提供可信的基礎。

醫療人工智慧軟體大廠長佳智能與記憶體大廠群聯電子合資成立的長聯科技，於今天長佳智能法說會發表首款生成式AI照護型機器人原型機，預計今年10月起在中國醫藥大學附設醫院進行為期3個月的實地驗證，希望明年第1季進入量產階段。

想像一下，2035年的香港街頭，熙來攘往的人群中，一位曾完全失明的市民小明，戴著一副時尚的AI智能眼鏡，自信地穿梭於旺角的霓虹燈下。他的「眼睛」並非天生，而是由尖端仿生眼技術打造——一個結合微型攝影機、人工智慧（AI）晶片與視神經植入電極的系統。小明的大腦接收到AI轉譯的電訊號，能辨識路標、人臉，甚至手機上的文字。他不再依賴導盲杖，而是獨立行走，感受世界的色彩與輪廓。這不是科幻電影，而是仿生眼技術即將開啟的未來：一個讓「看見」成為可創造能力的時代。 這項技術的核心在於「人工視覺語言」。AI眼鏡捕捉環境影像，實時分析物體形狀、光影與距離，轉換為電訊號，直接刺激視神經或視覺皮層，繞過受損的視網膜。這樣的突破讓因視網膜色素變性（RP）或老年黃斑部病變（AMD）而失明的人，重獲感知光線與物體的能力。未來，隨著電極解析度提升（從數百像素到數千），失明者或許能閱讀書籍、欣賞風景，甚至辨識親人微笑的表情。香港作為科技與醫療樞紐，可能成為這場視覺革命的亞洲先鋒。 現今進展：仿生眼的全球突破 截至2025年10月，仿生眼技術正處於臨床試驗與商業化的關鍵階段，全球多個團隊正推動這一領域的革命。以下是最新進展，聚焦於AI與植入技術的結合，呼應未來場景的願景： 仿生眼, AI視覺重建 1. PRIMA視網膜植入系統（法國/美國） 由法國Pixium Vision（現由Science Corp.收購）與Stanford大學合作開發，PRIMA系統使用光伏電池植入視網膜，搭配AI眼鏡將影像轉為紅外光訊號，刺激視網膜殞地細胞。2024年臨床試驗顯示，47名AMD患者術後可閱讀大字、辨識人臉輪廓，解析度達378像素。Science Corp.計畫2025年底在歐美擴大試驗，目標2026年獲FDA批准。這項技術與香港醫療市場高度相關，因AMD在老年人口中普遍，香港或可引入此技術。<grok:render type="render_inline_citation">0 2. Gennaris仿生視覺系統（澳洲） 澳洲Monash大學的Gennaris項目直接刺激視覺皮層，繞過視網膜與視神經，適用於完全失明者。系統包含AI眼鏡與無線腦植入電極，視野達100度。2025年，羊類試驗成功後，墨爾本啟動首個人體試驗，患者可辨識移動物體。此技術展現「大腦重新學習看見」的潛力，與未來場景的「人工視覺語言」不謀而合。<grok:render type="render_inline_citation">1 3. Bionic Vision Technologies（澳洲/加拿大） 澳洲Bionics Institute的第3代視網膜植入系統，結合AI眼鏡與電極陣列，已在2024年試驗中幫助4名RP患者獨立導航、辨識家具與人形。2025年進入全球樞紐試驗，預計2027年上市。患者回饋「看到光就夠了」，與未來場景中「重獲希望」的描述相符。加拿大參與試驗，顯示北美在這領域的領先。<grok:render type="render_inline_citation">2 4. Smart Bionic Eye（美國） 加州大學Santa Barbara分校的Orion升級版，使用AI與VR訓練大腦辨識物體（如車輛、門框）。2025年完成理論驗證，預計2-3年內進入人體試驗。這項技術強調AI的即時影像處理，與未來場景的智能眼鏡概念一致。<grok:render type="render_inline_citation">3 5. 加拿大Ocumetics Bionic Lens 加拿大Ocumetics公司開發的人工晶狀體（非針對失明，而是提升視力至20/6），2025年完成動物試驗，預計年內獲批公眾使用。此技術雖不直接重建視覺，但顯示加拿大在眼科科技的潛力，可能為香港醫療市場帶來靈感。<grok:render type="render_inline_citation">4 香港的機遇與挑戰 香港作為亞洲醫療科技中心，擁有先進的醫療基礎設施與高齡化人口，極適合引進仿生眼技術。根據世界衛生組織，全球約200萬人患RP，香港老年人口中的AMD病例也在增加。未來，香港可與國際團隊合作，參與PRIMA或Gennaris的臨床試驗，或開發本地化AI眼鏡，降低成本（目前植入約15萬美元）。挑戰包括： 技術限制：當前解析度低（數百像素），難以實現清晰視覺，需數週大腦適應。 成本與普及：高昂費用限制普及，香港需探索公私合營模式。 倫理考量：植入技術的長期安全性與數據隱私需嚴格監管。 結語：光明的未來即將到來 仿生眼技術正從實驗室走向現實，AI與神經科學的結合讓「看見」不再是遙不可及的夢想。2035年，香港街頭或許充滿小明的故事——曾被黑暗籠罩的人們，透過科技重獲光明。這不僅是醫療的突破，更是人性希望的體現。隨著試驗進展與成本下降，仿生眼將成為改變數百萬人生活的革命性科技。香港，準備好迎接這場視覺革命了嗎？ 參考資料 Stanford Medicine: PRIMA Bionic Eye Trials Monash University: Gennaris Bionic Vision System…

達方今天宣布，旗下子公司達宇電能科技，決議以不超過現金新台幣5.4億元，收購海昌電子100%股權，希望藉此整合電源技術優勢，加速集團在Edge AI（邊緣AI）、工業控制及醫療等利基市場的戰略布局。

在當今科技迅速發展的時代，人工智慧（AI）已成為各行各業的重要推動力。AI不僅能提升工作效率，還能分析大量數據，提供精準的決策支持。無論是在醫療、金融還是製造業，AI的應用潛力無限，將引領我們邁向更智能的未來。

➡️ OpenAI面對計算需求激增，正推動史上最大基礎設施計畫，預計投資5000億美元擴充算力。 ➡️ 《星際之門》靈感下，與日本軟銀、甲骨文等企業合作，解決大規模算力供應鏈問題。 ➡️ AI加速就業結構變革，取代部分工作卻創造新機會，技術轉變速度遠超以往，類人機器人可能帶來深遠影響。 ➡️ 預期2026年，OpenAI將在科學領域如人類認知、醫療等領域見證重大突破。 ➡️ 持續優化晶片、能源與演算法，目標讓人類從重複勞動中釋放，深化對智慧與創造力的理解。 https://www.youtube.com/watch?v=yTu0ak4GoyM

行動創新AI內閣2.0邁步，新任數發部長林宜敬上任後首度接受中央社專訪，擘劃施政願景。來自民間、曾親力親為投入創業的他，對於新創事業可能面臨的各項難關瞭然於胸，他強調，軟體科技的創新發展都來自民間自由競爭，因此數發部將透過5大政策工具，壯大人工智慧（AI）產業生態系。

在台灣，隨著高齡化社會與健保大數據的推動，醫療影像需求快速成長。AI繪圖能以較低成本生成高品質的訓練影像與模擬病灶，協助放射科提升診斷穩健性、訓練新進技術人員、並加速疾病篩檢流程。透過在台灣多家教學醫院的合作試點，結合健保署與衛福部的法規框架，可提升資料共享與品質控管。當然，必須落實資料隱私、避免偽影像風險、建立可解釋機制，才可能讓AI繪圖真正作為臨床決策的補充工具。整體而言，若規畫得當，AI繪圖在台灣的醫療影像生成具高度實用價值與發展潛力。

人工智慧（AI）在醫療領域的發展迅速，尤其是在醫療診斷方面，AI已經成為一個不可或缺的工具。AI技術能夠分析大量數據，識別出隱藏的模式，從而幫助醫療專業人員更準確地做出診斷。然而，儘管AI在醫療診斷中的應用潛力巨大，但也面臨著諸多挑戰。本文將詳細探討人工智慧在醫療診斷中的應用及其所面臨的挑戰。 1. 人工智慧的醫療診斷應用 1.1 影像診斷的革新 影像診斷是AI在醫療領域最顯著的應用之一。AI技術，特別是深度學習算法，已被廣泛應用於X光、MRI、CT掃描等醫療影像的分析。這些算法能夠快速且準確地識別影像中的異常，例如腫瘤、肺炎或骨折等病變。研究表明，某些AI系統的診斷準確率已達到或超過專業放射科醫生的水平，這不僅提高了診斷效率，還減輕了醫療工作者的負擔。 1.2 患者數據的預測分析 AI也能夠通過分析患者的歷史數據來預測疾病風險。結合電子健康記錄（EHR）、基因組數據和生活方式信息，AI可以評估個體患某種疾病的可能性。例如，AI可以預測心血管疾病、糖尿病等慢性疾病的風險，從而幫助醫生制定個性化的預防和治療方案。這種基於數據的預測不僅能提高早期診斷的準確性，還能改善患者的整體健康結果。 1.3 自然語言處理（NLP） 自然語言處理（NLP）是AI在醫療領域的另一重要應用。NLP技術能夠從醫療記錄、研究文獻和患者報告中提取有用的信息，幫助醫療人員更快地獲取所需的知識。通過分析大量的非結構化數據，NLP可以幫助醫生了解患者的病史、症狀和治療反應，進而做出更有效的診斷和治療決策。 1.4 決策支持系統 AI技術還可以用於開發臨床決策支持系統，這些系統能夠根據患者的具體情況提供診斷和治療建議。這些系統通常整合了最新的醫學知識和臨床指南，幫助醫生在複雜的病例中做出更為明智的選擇。AI的引入使得醫療決策更加科學化和標準化，降低了醫療差錯的風險。 2. 人工智慧在醫療診斷中的挑戰 2.1 數據質量與數量 AI模型的效能高度依賴於所使用數據的質量和數量。在醫療領域，數據往往不完整或存在偏見，這可能導致AI模型在實際應用中的表現不佳。確保數據的多樣性和代表性是開發可靠的AI系統的關鍵。因此，醫療機構需要建立高質量的數據收集和管理系統，以支持AI的有效運作。 2.2 可解釋性與信任問題 許多AI算法，特別是深度學習模型，通常被視為「黑箱」，因為其內部運作過程難以解釋。醫療專業人員在面對這些模型的建議時，可能會因缺乏可解釋性而感到不安。為了提高醫生對AI系統的信任，開發者需要努力提升模型的可解釋性，讓醫生理解AI的決策過程，從而更好地應用這些技術。 2.3 法律與倫理問題 AI在醫療診斷中的應用還涉及到法律和倫理問題。例如，如何保護患者的隱私、如何獲得患者的知情同意，以及在AI做出錯誤決策時的責任問題等。這些問題需要醫療機構、法律專家和倫理學者共同探討，以確保AI的應用符合相關法律法規和倫理標準。 2.4 與臨床流程的整合 將AI有效整合進現有的臨床流程中是一項挑戰。這需要AI開發者與醫療專業人員之間的密切合作，以確保AI工具的設計符合臨床需求。此外，醫療人員還需接受相應的培訓，以便能夠熟練使用AI系統，並將其融入日常的診療工作中。 3. 未來展望 隨著科技的進步和AI技術的持續發展，未來AI在醫療診斷中的應用將更加廣泛。研究人員和醫療專業人士將繼續探索AI的潛力，以提高診斷的準確性和效率。此外，隨著數據的增加和算法的改進，AI的預測能力將更加精確，能夠為醫療提供更深入的見解。 4. 總結 人工智慧在醫療診斷中具有巨大的潛力，可以提高診斷的準確性和效率，並改善患者的健康結果。然而，數據質量、可解釋性、法律和倫理問題以及臨床流程的整合等挑戰仍需克服。未來，隨著技術的進步和相應政策的完善，AI有望在醫療診斷中發揮更大的作用，為醫療行業帶來革命性的變化。醫療機構、科技公司和政策制定者需要共同努力，推動AI技術的健康發展，以造福全球患者。

智慧醫療成趨勢，台灣、泰國簽署合作備忘錄，攜手4家臨床AI取證驗證中心啟動跨國驗證，除了在台灣醫院啟動AI模型驗證合作，將建立泰國試點驗證場域，加速智慧醫療商品化。

Cortex是指大腦的皮層，掌管思考、感知、語言與決策。就台灣而言，神經科學與教育科技研究正快速發展，跨校際與企業的合作日益密切，推動功能性影像與AI在臨床與教學中的應用。理解Cortex，能協助提升學習策略、工作效率與長期腦健康，促進台灣在智慧醫療與創新教育的國際競爭力。因此，熟悉 Cortex 的專業人才，能在台灣的學習與工作場域迎接未來的變革，提升整體競爭力。

台灣證券交易所董事長林修銘今天參加亞太生技投資論壇，他表示，目前在證交所掛牌的生技醫療業者總市值已突破新台幣8600億元，他看好台灣AI產業鏈完整，未來結合數位醫療與智慧醫材，可提供生技業跨域整合契機。

Reid Hoffman on Future of AI, Elon Musk's Role in Government | 台灣好字幕 - 觀看影片並同步顯示字幕

AI是未來社會的最重要基礎設施，會給各行各業帶來巨大改變。上一次技術進步將人類從農業時代，帶入工業時代；而這一次我們將隨著AI的發展，從工業時代邁入鏡像時代。