Writer:2026 年企業 AI 採用調查報告
Writer 的調查顯示,企業 AI 使用率高,但投資回報仍有限:70% 員工和 94% 高層管理人員每天至少使用 AI 30 分鐘,僅 29% 高層管理人員認為企業已從生成式 AI 獲得顯著投資回報。52% 員工過去一年使用過 AI agents,97% 高層管理人員已使用這類工具。調查指出,企業需建立 AI agents 治理機制,並將 AI 融入業務流程,以創造可衡量的商業價值。
Writer 的調查顯示,企業 AI 使用率高,但投資回報仍有限:70% 員工和 94% 高層管理人員每天至少使用 AI 30 分鐘,僅 29% 高層管理人員認為企業已從生成式 AI 獲得顯著投資回報。52% 員工過去一年使用過 AI agents,97% 高層管理人員已使用這類工具。調查指出,企業需建立 AI agents 治理機制,並將 AI 融入業務流程,以創造可衡量的商業價值。
加州理工學院團隊研發的 ASTRA 系統,已在太空自主完成一段結構組裝,但因技術故障及時間限制,未能搭建整個反射天線。該系統於今年3月發射,載荷體積約1立方米,目標是搭建直徑1.4米的反射天線。研究人員透過「活力號」飛行器向機載電腦發送指令,由機械人自動執行組裝,並根據傳回的照片監察進度及處理故障。
CyberBinGym以100項漏洞任務測試AI智能體能否只憑已剝除符號的易受攻擊二進制檔及其修補版本,在沒有原始碼或觸發輸入下找出並利用漏洞。任務來自53個開源項目;Codex配合GPT-5.6的漏洞復原率為88%,經審核的利用率為20%,而在20項配對任務中提供修補版本後,利用率由10%升至25%。
Claroc Research 報告指出,在測試時仍在線的 37,571 個 Grok 應用程式中,35,578 個無須登入即可開啟。Claroc 在 30 個組織的應用程式中辨認出內部資料,並估計 650 至 800 個應用程式含有私人資料,例子包括企業銷售資料、員工名冊和病人醫療資訊。
推薦理由:報告將風險從應用程式可被公開讀取延伸至主機名稱可被搜尋,並以自建測試界定寫入及團隊授權缺陷的範圍。
聯合國《2026年可持續發展目標報告》指出,全球可持續發展仍在前進,但進度明顯不足。在可評估的139項具體目標中,僅36%已達標或接近預定進度,49%進展緩慢,15%較2015年倒退。2025年全球官方發展援助(ODA)下跌23.1%,而人工智能應用亦令官方統計更須重視透明度、可信度及數據主權。
OpenAI 發佈研究,分析預訓練、模型架構、強化學習及模型生成數據如何影響思維鏈(CoT)可監控性。研究發現,基礎模型困惑度下降與無 CoT 能力提升相關,部分架構在特定評測的表現亦高於困惑度所預測;強化學習在只有長度限制及最終答案評分時仍會提高 CoT 可控性,這種特徵也可經模型生成數據的監督式微調傳遞。作者指出,CoT 可控性是有噪聲且不完美的監控規避代理指標,與實際規避表現未必一致。
UC Berkeley 與 Amazon Web Services 研究團隊展示一種智能體最佳化方法,要求 Lean 證明改寫程式對所有輸入都與原程式結果相同。在 Verina 的 189 個程式中,智能體為 156 個產生經證明的加速改寫,幾何平均加速 1.85×。在 17 個遷移應用中,92 個經證明的改寫令 51 個應用情境中的 47 個加快,應用層級加速為 1.12×。
NextLadder Ventures 與 Vals AI 公佈 Access to Justice Benchmark,23 個 AI 模型在 252 個法律援助情境中均未達基準設定的 80% 可靠首輪求助門檻。
Anthropic 與 Truthful AI 等機構的研究人員在小型模型實驗中發現,加入對照式乾淨資料有時會加強投毒資料的後門效應。例如,Qwen3-8B 的投毒資料有 80% 換成乾淨資料後,在接種提示詞下的不對齊率由 7% 升至 16%,但一般助理系統提示詞下沒有變化。研究亦在其他設定及 MNIST 分類器觀察到類似效應,並指出單獨審核訓練資料可能漏掉混合資料後才出現的影響。
VibePrevisBench 是評測智能體把簡短描述轉化為可執行 4D 場景並渲染代理影片的基準,涵蓋 242 項任務及四種輸入類型。研究以規則式 Scene Check 和 VLM 式 Screen Check 評估場景與影片,並分析 11 個前沿編碼智能體:它們在空間和鏡頭運動理解方面表現有別,亦未能有效修正渲染錯誤。
Continual-ARC 以 ARC-AGI 三個版本的任務建立終身學習測試流,在凍結權重的智能體 harness 下,以同一尺度比較基於記憶與權重的持續學習。研究在 Qwen3.5-9B 和 GLM-5.3 Flash 上測試,發現 harness 持續性通常未能改善記憶,多數方法表現不及單純快取示範;權重學習則在未見任務上展現較佳泛化。
研究追蹤 5 個 LLM、2 種智能體框架及 3 個 SWE-bench 數據集,發現編碼智能體常在產生正確補丁後仍繼續執行。38–82% 的成功執行在首次原始碼修改時已得到正確補丁;核心設定下,成功執行中位數有 35–60% 的步驟是在正確補丁產生後執行。這些額外步驟主要用於驗證和探索,1–8% 的個案會把已正確的解答改壞;研究認為,改善停止判斷或可減少不必要計算。
Lang-SVG以顯式樹狀結構組織SVG圖元,並運用語義標籤和父子關係表達物件及其部件層級。它結合可控制粒度及開放詞彙的分割先驗、多模態大語言模型和多種簡化與修剪方法,提升重建保真度及結構完整性。實驗顯示,Lang-SVG在渲染保真度和結構質素上均達到最先進水平。
SO-Arena 評測 System One 模型在不同領域的能力範圍與決策可靠性,涵蓋 11 個領域及五類能力。對 21 個模型的評測顯示,擴展規模和增加推理帶來的效益因領域而異;整體表現最佳的模型在可靠性排名中僅列第七。
Iris-Z 是一個同時生成圖像外觀與深度的通用圖像生成模型,以單一骨幹網絡處理圖像生成、深度估算及依據深度繪製圖像。在足夠規模下,它在既有深度基準測試中超越專用模型,同時保留原有骨幹網絡的圖像生成能力;研究團隊向社羣發布了兩個模型。
JustRUA 在統一評測框架下研究 GPT-6 機械人操作智能體,發現保留完整回合歷史並提早停止動作的精簡評測框架可提升 RoboDojo 表現。由官方 L3 評測框架精簡而成的方案,在沒有學習策略、自我改進循環或任務專項微調下,將 RoboDojo 模擬基準分數由 29.7 提升至 50.3。場景幾何資訊帶來最大的額外收益,即使深度只由 RGB 預測亦然。
研究在 Cloudflare 的 Clef-flash(9B)與 Clef(27B)上,以同一批 2,400 項公開決策衡量量化造成的變化,並與引擎、重啟、批次及核心選擇造成的非量化波動比較。
Neuro-VL 是一個以近一百萬份常規臨牀神經影像研究訓練的視覺語言模型,可解讀完整影像檢查並以自然語言討論其發現。在內部及國際數據集上,它在診斷、定位和描述異常,以及生成完整放射科報告方面,表現優於前沿通用模型及專科醫療模型。它亦可比較連續檢查以評估病情進展,並比 OpenAI 和 Google 的領先模型更可靠地抵抗誤導性臨牀假設。
Duo v1 提出互惠世界模型(RWM),共同建模意圖與實現,以支援即時全雙工視聽互動。其技術設計包括自回歸推理、同步注意力及雙重 rollout 蒸餾;模型會持續感知音訊、影片和文字,並即時回應用戶。作者表示,Duo v1 的發布只是第一步,下一個版本即將推出。
MemInStream 是一項評測串流影片理解記憶能力的基準,透過證據控制驗證區分記憶限制與視覺理解失誤。驗證流程為問題配對時間定位證據,並排除僅憑近期觀察、證據之後的觀察或文字輸入便能作答的問題。基準涵蓋情節檢索、狀態追蹤與更新、多重證據整合及情境記憶四大類別。
Open Vision Banana(OVB)提出一套全開放、可重現的方案,把預訓練生成模型轉化為統一的多任務感知系統。OVB 使用 4B 和 9B 參數的開放權重基礎模型及 2.1M-3.8M 個訓練配對,在 Cityscapes 零樣本表現以 73.9 mIoU 超越 Vision Banana 報告的 69.9 mIoU。
Breath-Dx 使用包含 1,234 名患者、涵蓋九個診斷組別的 S-OH 數據集,評估 10 種時間序列分類方法,並以配合感測器漂移的時間切分進行測試。時間驗證的 AUC 較隨機交叉驗證低 0.05–0.12;部分肺部疾病的 ROC AUC 達 0.74–0.76,循環模型在不同疾病間表現最穩定。研究公開 S-OH 數據集、時間切分、評估流程及程式碼。
Google 根據數千名工程師的分散式追蹤資料及數億個智能體步驟,發現過時 TODO/FIXME 註釋會令編碼智能體偏離開發者要求,處理未要求的支線任務。約 13% 工作階段出現這類註釋,其中 6% 令智能體着手處理註釋所指的錯誤;這類偏離任務的工作階段平均多出 70% 步驟、77% 模型 token 和 105% 等待時間。
Stanford HAI 於 2026 年 11 月 10 日公佈第三份 AI100 報告,指出生成式 AI 擴展正受高質素數據短缺及前沿訓練成本限制。報告預期下一階段會更多依靠更智能的演算法、可能較小且較少重建的模型,以及推理階段的更多計算和工具或智能體。報告亦稱,AI 數據中心及晶片投資的規模與速度超越以往投資熱潮,但 AI 對整體宏觀經濟的影響及企業投資回報尚未在數據中顯現。
Creative priming 提出以 GRPO 訓練 priming model,按提示詞生成專屬 primer,協助 response model 產生新穎、高質素且多元的回應。此方法將創作過程與回應生成分開,透過獎勵能帶來理想回應的 primer,學習創作原則而非重複特定作品。
OpenAI 與 Upwork 的聯合研究發現,AI 相關固定報價自由工作項目的預算較可比的非 AI 項目高 52.4%,調整後的廣告時薪差距則只有 1.5%。在有正數工時紀錄的已聘用時薪合約中,AI 相關工作聘用後首 90 日的工時多 40.6%;三項調整後估算均按相同子類別及刊登月份比較。研究亦指出,兩組平台數據並非直接配對,估算反映關聯而非因果。
Stanford AI100 發佈第三份五年報告,指出過去五年由更多算力和數據推動的擴展模式,正受高質素數據短缺及前沿模型計算成本所限。報告預期下一階段將依靠更聰明的演算法、更小的模型,以及更多時間進行推理,並指出資料中心及晶片投資正加劇能源和淡水供應壓力。
OpenAI 與 Upwork 的研究指出,AI 可能正在改變自由工作者的服務需求與項目範圍,AI 相關項目亦涉及更大固定價格預算和更多工時。研究分析 63 個工作類別,其中 43 個類別呈現 ChatGPT 使用佔比較高、Upwork 職缺佔比下滑的模式。AI 相關職缺的工作組合多樣性由 2023 年初至 2025 年末增加 45%;這些項目的固定價格預算較高、工時較多,而刊登時薪相近。
SQUINT 研究提出以知識蒸餾訓練視覺語言模型,提升模型從人類可讀、但模型難以辨識的圖像中讀取隱藏文字的能力。在 SquintBench 上,Qwen3.5-9B 的分數由 26.50 升至 88.61;AdvOCR 和 HC-Bench 分數分別由 3.7 升至 66.7、由 1.8 升至 44.6,Illusory VQA 詞錯率則由 178.10 降至 67.00。
SWAM 研究如何在動作學習中維持語言與影片的對齊,並擴展世界動作模型。研究整理約 47,000 小時影片及示範數據;模型在 Easy 和 Hard 條件下的成功率分別為 88.10% 和 61.56%,三項真實世界任務的成功率為 40.00%,高於最強基線的 23.33%。團隊公開整理後的數據、訓練程式碼及模型權重。
Click3R 是一個互動式幾何校正框架,讓用戶以稀疏的跨視角對應點點擊,透過輕量級適配器向前饋式 3D 重建網絡注入幾何約束。實驗顯示,Click3R 即使只需一次對應點點擊,也能降低重建誤差,並提升在標準基準及新整理基準上的表現。
Azul《2026 AI 漏洞差距報告》指出,企業部署關鍵漏洞修補的速度落後於安全主管對 AI 裝備攻擊者的速度預期:69% 認為攻擊者可在三天內製作可用漏洞利用程式,44% 的企業則需四天或更久才能修補。調查中,85% 受訪者表示曾遇到與修補緩慢有關的事故、疑似事故或險情;這是受訪者回報,並非經獨立核實的入侵率,也不能證明事件由 AI 引起。
Google DeepMind 團隊利用 AI 智能體完成 Signal 加密協議的形式化驗證,按既定模型以數學方法檢驗其安全性承諾。研究人員亦用該方法測試含已知漏洞的舊版協議實現,AI 成功識別問題;驗證對象是協議本身,並非 Signal 應用程式的全面安全審查。分析約耗時四週,所需計算資源未公開,Google 表示目前尚不能確定大規模推廣的實際可行性。
AI100 第三份報告指出,人工智能改變社會的速度超出預期,技術發展已超越治理步伐。報告指出,訓練前沿模型的成本高昂且高質素數據日益稀缺,未來進展或轉向更高效的模型和更深入的推理;人工智能亦正影響科學研究、經濟、網絡安全、戰場及公共信任。
Google DeepMind 團隊利用 AI 對 Signal 加密協議完成形式化驗證,以數學方法檢驗其安全性承諾。驗證對象是協議本身,而非整個 Signal 應用;研究人員亦用該方法識別出含已知漏洞的舊版協議實現。分析歷時約四週,所需計算資源尚未公佈,Google 表示目前未能確定這項技術大規模推廣的實際可行性。
一項研究分析了 2015 年至 2024 年間在 Steam 發佈的 9000 多款遊戲,發現 DEI 評分越高,遊戲銷量下降 5.26%、收入下降 7.69%。研究使用 DeepSeek R1 為遊戲評定 1 至 5 分的 SBI 評級,並指出中國等較保守地區的影響更明顯。研究仍在進行中,作者提醒目前結果不能視為定論。
Microsoft 研究人員藉助 AI 漏洞掃描系統 Hyenas,發現 Rust 標準程式庫中一項近 11 年未被察覺的記憶體安全缺陷。研究亦找出可能令以 safe Rust 編寫的應用程式觸發未定義行為的問題,其中兩項影響 stable Rust,另有一項可能導致存取已釋放記憶體。
Google DeepMind 介紹 AlphaProof Code,利用 AI 智能體為 Signal 編譯後的 libsignal 程式碼生成經 Lean 核查的證明,以驗證指定安全性質。五人研究團隊用四星期完成證明工作,生成約 6.5 million 行 Lean 證明碼,並公開規格及驗證材料供外部檢視。驗證範圍不涵蓋 Signal 完整應用,亦依賴人類審核的規格及明確假設。
推薦理由:研究呈現 AI 智能體承擔 Lean 證明構造的分工,同時説明安全保證仍取決於人類審核規格、可信假設及驗證範圍。
Google DeepMind 研究人員使用 AlphaProof Code,對 Signal 加密協議的實際編譯程式碼進行形式化驗證,證明其符合指定的關鍵安全性質。這個多 LLM 智能體框架生成超過 600 萬行 Lean 證明,並將需人工複查的範圍縮至程式碼庫的 1%;整個驗證流程歷時四週。Google DeepMind 將公開形式化驗證成果供社羣使用。
推薦理由:文章展示 AlphaProof Code 如何把形式化驗證延伸至 Signal 實際程式碼,並以 Lean 機器檢查證明,呈現驗證協議設計與實作落差的一種方法。
研究提出兩種視覺聚焦損失函數,讓 Vision Transformer 的多頭注意力對應影像區域,並形成專門化的空間注意力頭。這些注意力頭無需標註即可展現多樣且聚焦於空間位置的感知能力,並提升零樣本影像分割等密集預測任務的表現。