徐宏民 - 科技網 - DIGITIMES

徐宏民

記者

國立台灣大學資訊工程學系教授，曾任鴻海集團與Stellantis合資車用科技公司技術長暨副總經理，推動ADAS及智慧座艙系統產品進入全球車用市場。紐約哥倫比亞大學電機博士，專精於機器學習、電腦視覺、自駕車、機器人等領域。為訊連科技研發團隊創始成員，慧景科技（thingnario）共同創辦人，NVIDIA AI Lab計畫主持人；曾任IBM華生研究中心及美國微軟研究院客座研究員。擔任多家科技公司AI策略顧問，習慣從學術與產業雙重視角檢驗技術發展的機會與挑戰。

最新報導

共 33 筆

我該買高階AI伺服器嗎？

2026/08/24

最近一位在產業界的朋友跟我分享，這兩年LLM崛起，對他們的產品研發幫助很大，團隊還額外開發幾個全新的代理人（Agent）。但他算了token花費之後很驚訝，一年下來的金額，已經比買下一整櫃高階AI伺服器還多...

為什麼模型訓練需要「蒸餾」？

2026/08/17

2019年前後，一位在大型雲端服務業者任職的朋友興奮地分享：他們訓練一個CNN模型處理單據文字辨識，效果不錯，但直接上線的運算成本太高，於是用「蒸餾」（distillation）訓練出一個較小的模型來提供服務，發現還挺有效的。蒸餾一直是深度學習常用的策略之一，也稱為師生架構（teacher-...

地球運作也可以有基礎模型 (Foundation Model)

2026/08/11

2026年入夏以來，颱風與極端高溫頻繁進入新聞版面。放大到近幾年，豪雨與乾旱輪流上場，已逐漸成為常態。而理解、預報這些天氣的技術，正逐漸轉向AI。70年前，人類第一次用電腦做天氣預報，把大氣層切成格點，用...

AI Agent能力版圖到哪裡了？未來呢？

2026/07/30

Token單價下滑、總消耗量大增，專欄2026年3月分析過，趨勢至今有增無減。新一代前瞻模型朝AI代理（AI ...

企業的AI資產，不是模型，是學習迴圈

2026/07/23

過去20年，企業資訊治理的核心是保護資料：分級、加密、備援、不出門，這套做法如今已是標準作業。但資料本身是靜態的；真正創造競爭力的，不是資料，而是「運用資料改善工作」的能力：用它最佳化產品設計、良率、客戶經營與銷售流程，讓被動的資料「活化」。例如，晶圓廠把檢測資料回饋到製程參數，物流業者拿配送紀錄重排路線，品牌廠拿客服對話...

Digital AI vs. Physical AI：同一套成長邏輯，兩條路徑

2026/07/14

2026年5月東京人形機器人高峰會上，一家國際顧問公司的合夥人展示一張實體AI（Physical AI）的全球勞動自動化市場潛力圖。回來後，我把同一家機構的智庫報告中關於數位AI（Digital AI）的職能分類，重劃成一張...

Physical AI：從產業競爭走向國家競爭

2026/07/10

2026年5月底東京Humanoids ...

AI也會歧視AI嗎？

2026/07/01

隨著招募流程的兩端逐步由AI代勞，一份履歷能不能進入入圍名單，可能取決於一個求職者完全不知道的因素：履歷協作的模型，跟篩選履歷的模型，是否為同一家。2025年底收錄於人工智慧倫理與社會研討會（AIES ...

Physical AI產業化的安全缺口

2026/06/23

前兩個世代的機器人發展，安全框架的設計前提都是「確定性」。第一代被鎖在柵欄裡執行固定動作；第二代走出柵欄，但沿著預先規劃的路線移動。不論哪一代，系統在特定輸入下會做什麼，工程師都能事先預測，安全標準也是在這個前提下建立的。第三波機器人的期待是「自主性」，能在非結構化環境中做判斷、應對未曾見過的情境。但自主性本質上隱含「不確...

Physical AI：從Feature Robot到Smart Robot

2026/06/18

過去十年，全球投入實體AI（Physical AI）與機器人新創的年度創投金額，從幾億美元的規模成長到接近250億美元，是10倍以上的成長曲線，集中在最近這幾年。這個數字背後，隱含著一個更早就存在的剛需：主要經濟體的工作年齡人口持續下滑，如日本到2050年代將只剩2000年的6成左右。但「Physical ...