Runway 以 Kueue 管理研究運算,GPU 利用率提升逾 20 個百分點
Runway 將 Kueue 用作 Kubernetes 准入控制器,讓共享佇列借用保留配額中的閒置 GPU,並在團隊需要時搶佔回收,使 GPU 利用率提高逾 20 個百分點,同時保障團隊容量。共享佇列中的工作必須能容忍中斷,而搶佔啟動至保留工作開始運行可能相隔 20–30 分鐘。Runway 亦以 CI 檢查確保 Kueue 配額總量不超過實際節點容量,避免配額已獲批但 Pod 無法排程。
Runway 將 Kueue 用作 Kubernetes 准入控制器,讓共享佇列借用保留配額中的閒置 GPU,並在團隊需要時搶佔回收,使 GPU 利用率提高逾 20 個百分點,同時保障團隊容量。共享佇列中的工作必須能容忍中斷,而搶佔啟動至保留工作開始運行可能相隔 20–30 分鐘。Runway 亦以 CI 檢查確保 Kueue 配額總量不超過實際節點容量,避免配額已獲批但 Pod 無法排程。
ACCESS 連續第四年參與 InnoEX,展示多項研究成果;相關項目於 2025 及 2026 年日內瓦國際發明展獲兩項金獎及一項評審特別嘉許金獎。其 3D AI 晶片結合 ProteinMPNN,較 GPU 性能提升 7.5x、功耗降低 235.29x,並將成本降低 200x。展品亦包括便攜式基因組分析原型,以及供糖尿病和高血壓患者使用、無需連接互聯網的篩查裝置。
ClusterTech 受 Huawei 邀請,以生態合作夥伴身份參與 InnoEX 2026,展示 CHESS 如何支援 HPC 與 AI 融合。CHESS 是 ClusterTech 自行開發的 HPC/AI 融合計算管理平台,支援傳統 HPC 科學計算與工程模擬,以及 AI 模型訓練和推理。
OpenAI 更新 Agents SDK,加入原生沙盒執行與模型原生 harness。這些更新旨在協助開發者構建可跨文件和工具運作的安全、長時間運行智能體。
推薦理由:更新把原生沙盒執行和模型原生 harness 納入 Agents SDK,呈現其對安全、長時間運行智能體跨文件與工具工作的支持。
OpenAI 為金融服務機構提供 AI 資源,包括提示詞套件、GPTs、指南及工具,協助機構安全部署並擴展 AI。
Overworld 推出 Waypoint-1.5 即時影片世界模型,提升視覺保真度並擴大可本地運行的硬件範圍。桌面硬件 RTX 3090 至 5090 可生成最高 720p、60 FPS 的即時環境;另有面向更廣泛消費級硬件(包括遊戲筆電)的 360p 版本,Apple Silicon Mac 支援即將推出。
推薦理由:Waypoint-1.5 分設 720p 與 360p 檔位,並列明 RTX 3090 至 5090 可達最高 720p、60 FPS,呈現其畫質與本地硬件覆蓋方案。
Gradio 介紹 gradio.Server,讓自訂前端可使用 Gradio 的後端能力,同時採用自選的前端框架。gradio.Server 擴展 FastAPI,提供自訂路由等功能,並加入 Gradio 的佇列、SSE 串流、並發控制和 gradio_client 相容性。
推薦理由:文章以圖像去背示例展示如何讓自訂 HTML/CSS/JS 前端透過 gradio.Server 使用 Gradio 佇列、並發控制與 ZeroGPU,提供兼顧介面自由度和後端管理的實作參考。
Granite 4.0 3B Vision 現已推出,是面向企業文件理解的緊湊型視覺語言模型,支援表格抽取、圖表理解及語義鍵值對抽取。模型以 LoRA adapter 形式構建於 Granite 4.0 Micro 之上,可獨立使用或配合 Docling,並以 Apache 2.0 授權在 Hugging Face 提供。
HKCERT指出,OpenClaw 快速普及且可接觸本機資源及外部服務,令惡意 skills、假冒安裝來源及已披露漏洞帶來代理接管與惡意程式感染風險。文章提到 ClawHub 已引入 VirusTotal 掃描,但部分 prompt injection 載荷仍可能避過檢測。建議核實官方下載來源、審核 skills、採用最小權限及隔離環境,並更新 OpenClaw。
推薦理由:文章將 skills 供應鏈、假冒安裝來源及核心漏洞納入高權限 Agent 的整體風險脈絡,並整理來源核實、權限收斂、隔離與監察等部署措施。
華為2025創新與知識產權論壇提出,開源共享與知識產權保護並非對立,而是推動創新的雙引擎。Atlas 950 SuperPod以64卡模組靈活擴展,最多支援8,192個Ascend AI處理器。上一代Atlas 900系列超級節點系統已部署逾300套,服務超過20個客戶。
Jensen Huang 的觀點為 CXO 評估 AI 日常營運投資提供思考框架,重點是理解計算架構轉型,而非陷入泡沫論爭。評估投資時機和規模,可檢視流程韌性、組織吸收能力及行業競爭節奏。AI 基礎設施的經濟模式正由 CapEx 轉向 OpEx,企業可採取「實驗、驗證、擴大」的滾動投資策略。
Yum! Brands 於 2025 年推出 AI 營運平台 Byte by Yum,整合旗下品牌的門店營運軟件。平台已在全球超過 25,000 間餐廳啟用,處理超過 300 million 張數碼訂單。Taco Bell 部分得來速地點採用的語音訂餐系統,初步數據顯示可縮短約 10-20% 等候時間。
馬來西亞正憑藉數據中心投資與半導體製造能力,崛起為東南亞人工智能產業的重要據點。柔佛州數據中心營運容量由2020年的約10MW增至2024年的逾1,500MW;馬來西亞2023年吸引逾US$10 billion數據中心投資,2024年投資額翻倍。馬來西亞承擔全球約13%的晶片封裝與測試產能,並計劃到2030年培養60,000名高技能工程師。
文章主張香港應把巖洞定位為 AI 數據中心的核心戰略資產,利用其低温穩定、具天然屏障及土地成本相對較低等優勢。香港超過三分之二的土地具巖洞發展潛力,政府亦已劃定 48 個「策略巖洞區」;但大規模 AI 運算仍須配合穩定電力及整體能源規劃。
Yum! Brands 於 2025 年推出 Byte by Yum,將旗下品牌的 POS、庫存、人手排班、配送調度及數碼點餐工具整合至單一 SaaS 平台。Byte by Yum 已在全球超過 25,000 間餐廳啟用,並處理超過 300 million 筆數碼訂單。
馬來西亞正憑藉數據中心投資與半導體製造基礎,成為人工智能時代東南亞崛起中的 AI 樞紐。柔佛州營運中的數據中心容量由 2020 年約 10MW 增至 2024 年逾 1,500MW,馬來西亞亦承擔全球約 13% 的晶片封裝與測試產能。當地仍面對 AI 算法、雲端架構等高端人才短缺,政府目標是在 2030 年前培育 60,000 名高技能工程師。
Yum! Brands 透過 Byte by Yum 整合旗下品牌的營運系統,並把 AI 用於供應鏈預測、廚房管理、人手安排及顧客點餐。平台於 2025 年推出,已在全球超過 25,000 間餐廳使用,處理逾 300 million 張數碼訂單。
企業評估辦公室自動化系統時,焦點已不止流程效率,更在於數據主權、合規風險及系統透明度。企業關注伺服器位置、跨境數據傳輸、文件能否真正刪除,以及 AI 是否會讀取文件或用作模型訓練。企業要求清楚掌握數據存放位置和存取權限,並按文件階段、流程節點及分類級別設定權限。
Yum! Brands 於 2025 年推出 Byte by Yum,整合旗下品牌門店軟件,並以 AI 支援餐廳營運。平台已在全球超過 25,000 間餐廳上線,處理超過 300 million 張數碼訂單。文中列出 Taco Bell 會員互動按年增加 30%,以及語音點餐令免下車點餐等候時間縮短約 10-20% 的初步數據。
Michael C.S. So 分析 Musk 與 Sam Altman 對軌道 AI 數據中心的分歧,認為這類設施本十年難以大規模改變 AI 能源格局。SpaceX 向美國 FCC 申請部署最多 1,000,000 顆衞星,但發射成本、在軌維修及抗輻射晶片等挑戰,令大規模商業部署更可能要到 2030 年代。作者主張香港及亞太應將太空數據中心視為長期戰略選項,並及早參與標準討論和協作實驗。
企業推動 AI 營運需要建立本體模型,並由業務、IT、營運及人力資源等部門共同參與,而非把工作完全交由 IT 部門。本體模型以機器可讀方式定義業務概念、屬性及關係,協助 AI 理解業務邏輯。企業亦需重設流程與職位、培訓員工,並加強 AI 治理及倫理監督。
Michael C.S. So 結合 OpenAI《The State of Enterprise AI 2025》及香港企業觀察指出,AI 正由個人效率工具轉為企業協作與營運流程的一部分。
AiX Society 籌備在深圳設立辦公室,作者藉此梳理香港企業跨境營運面對的數碼基建障礙與適應經驗。測試 AI 原生協作系統期間,作者體驗到實時字幕翻譯、自動安排會議及生成紀錄、知識搜尋,以及分區儲存、操作審計和水印等功能。作者認為,2026 年是全面重整標準作業程序(SOP)的良機,AI 系統可把部分流程自動化。
文章主張香港應把巖洞納入 AI 數據中心規劃,善用地下空間,並發揮巖層温度穩定、具天然屏障及土地成本較低等優勢。政府早於 2017 年提出「巖洞總綱圖」,劃定 48 個策略性巖洞區,而全港超過三分之二土地具巖洞發展潛力。文章亦指出,AI 運算對電力需求甚高,相關規劃須兼顧儲能、分散式能源及電力管理。
文章以 Jensen Huang 對 AI 基礎設施投資的看法為框架,探討 CXO 如何判斷日常營運的 AI 投資時機與規模。評估應考慮流程韌性、組織吸收能力及行業競爭進度,並以階段里程碑和對照組管理風險。AI 基礎設施投資模式正由 CapEx 轉向 OpEx,企業可採取「試驗、驗證、擴展」的滾動策略。
企業要讓 AI 融入日常營運,需建立本體模型,並由業務、IT、營運及人力資源等部門共同推動,而非把 AI 當成單純的 IT 項目。本體模型界定業務概念、屬性及關係,協助 AI 理解業務邏輯並整合跨部門數據。企業還需配合重設流程與職位、員工培訓,以及 AI 治理和倫理機制。
文章提出,AI 正同時推動運算由雲端回到本地、軟件由 SaaS 訂閲轉向用戶自有模式,以及介面由 GUI 回到命令列。作者將此歸因於 AI 對私隱、延遲、成本及自主操作的需求,並指出這不代表雲端或 SaaS 全面消失。文章稱三種轉向在 2–3 年內同步加速,並分析既有軟件企業面對的競爭壓力。
CTS Limited 的 EaaS 高效能運算雲平台已正式接入 OpenClaw,結合 AI 框架與算力編排能力。EaaS 可連接及管理異構運算資源,為模型推理、多任務協作及大規模數據處理提供運算支援。平台支援開箱即用的 OpenClaw 體驗,無需額外部署。
LeRobot 團隊發佈 v0.5.0,擴展機械人硬件、策略模型、資料集處理及模擬環境支援。版本加入 Unitree G1 人形機械人完整支援(包括全身控制)、Pi0-FAST 自回歸 VLA 及 Real-Time Chunking,並新增 EnvHub 以從 Hugging Face Hub 載入模擬環境,亦整合 NVIDIA IsaacLab-Arena。
推薦理由:版本把人形機械人控制、即時推理、模擬環境和資料提速納入同次更新,呈現 LeRobot 從硬件接入至訓練工具鏈的擴展範圍。
Balyasny Asset Management 結合嚴謹的模型評估、全面運用 OpenAI 平台及智能體工作流程,重塑投資研究。
NXP 分享將機械人 AI 部署到嵌入式平台的實踐指南,涵蓋數據集錄製、ACT 與 SmolVLA 微調,以及 i.MX 95 上的 VLA 推理優化。實驗以把茶包放入杯中為任務,使用 3 部攝影機;文章建議保留獨立驗證集,並以非同步方式計算下一動作區塊,但推理時間須短於當前動作執行時間。
OpenAI 與 Amazon 宣佈戰略合作,將 OpenAI 的 Frontier 平台帶至 AWS。合作亦將擴展 AI 基礎設施、客製模型及企業 AI 智能體。
推薦理由:合作將 Frontier 平台帶至 AWS,並涉及基礎設施、客製模型及企業智能體,可由此瞭解雙方合作涵蓋的企業 AI 範圍。
文章重新審視 Musk 與 Sam Altman 對軌道數據中心的爭論,認為這類設施本十年難以大規模商用,但長期仍可能成為 AI 基建選項。Altman 的主要疑慮包括發射成本、軌道維修與可靠性,以及先進 AI 加速器的耐輻射能力;受訪專家普遍認為技術上可行,但短期難以形成具商業規模的集羣。文章建議香港及亞太把能源與算力納入 AI 政策核心,並將軌道算力視為長期基建選項,而非短期解方。
文章重新審視 Musk 與 Altman 對軌道數據中心的爭論,認為這類設施長遠可能成為 AI 算力選項,但本十年難以大規模商業化。主要障礙包括發射成本、軌道維修與可靠性,以及 AI 加速器的抗輻射能力;Google 的 Project Suncatcher 和 SpaceX 的衞星計劃則顯示相關探索正在推進。
GGML 團隊加入 Hugging Face,並將持續維護 llama.cpp;Hugging Face 會為項目提供長期資源支持。團隊仍將 100% 時間用於維護,並對技術方向及社羣保有完全自主權與領導權;項目會繼續 100% 開源並由社羣推動。雙方計劃讓 transformers library 的模型定義更順暢地用於 llama.cpp,並改善 ggml 軟件封裝及本地模型部署體驗。
推薦理由:文章交代 GGML 團隊加入後 llama.cpp 的維護自主權與資源支持,也列出連接 transformers library 模型定義及改善本地部署體驗的方向。
OpenAI 建立結合速率限制、用量追蹤與 credits 的即時存取系統,支援 Sora 和 Codex 持續存取。
OpenAI for Government 宣佈在 GenAI.mil 部署自訂版 ChatGPT,為美國國防團隊帶來具安全保障、並以安全性為先的 AI。
Hugging Face 宣佈 Transformers.js v4 已上架 NPM,安裝命令為 `npm i @huggingface/transformers`。
推薦理由:v4 支援 Node、Bun 和 Deno 的 WebGPU 加速,預設網頁版縮小 53%,呈現跨環境部署與下載、啟動效率的具體改進。
Google Research提出 Sequential Attention,將子集選擇整合至單次模型訓練,以較低開銷提升模型效率並維持準確度。該方法以注意力分數逐步挑選特徵,在多項神經網絡基準測試中取得最先進結果。
Gradio 團隊推出開源 Python 函式庫 Daggr,可用程式串接 Gradio 應用、ML 模型及自訂函數,建立 AI 工作流程。Daggr 會自動生成視覺畫布,供使用者檢視中間輸出、修改輸入並單獨重跑步驟,同時保存工作流程狀態。該工具目前處於 beta,更新期間仍可能發生本機保存資料遺失。