AI人工智能

根据TrendForce统计，2025年全球服务器整体出货量将成长约5%，其中人工智能（AI）服务器的需求将会继续攀升。2024年AI服务器出货量年增46%，预计2025年全球AI服务器规模将达到约210万台，年增约24.5 %，以满足云端运算服务供货商（CSP）和原始设备制造商（OEM）对生成式人工智能训练和推理应用的需求。展望2025~2026年，北美和中国的主要CSP将成为AI服务器订单的主要推动力。预计地缘政治紧张局势和关税相关的不确定性仍将是最大的风险...... TrendForce集邦科技研究经理龚明德在「CompuForum 2025 –智链驱动 释放AI算力」研讨会...

随着人工智能运算需求快速成长，AI 服务器的功率密度与热负载同步攀升，使数据中心散热面临前所未有的挑战。传统CPU时代单颗处理器功耗约200W，而当前高阶GPU与AI加速器的热设计功耗已普遍超过 700W，并正迈向1000W等级；单一机柜总功率亦由过往的10–20 kW 提升至 50–150 kW。如此剧烈的热密度跃升，使单一散热技术已难以支撑 AI 数据中心的可靠运行。为响应此趋势，数据中心散热逐步发展出「分层热管理（Hierarchical Thermal Management，HTM）」架构，透过芯片、服务器、机架(柜)、列、气流缓冲与机房等六个层级的协同设计，建立具备系统性、可扩展...

人形机器人（Humanoid robot）技术正在快速发展，根据摩根士丹利（Morgan Stanley）预测， 2050年全球人形机器人数量将达到近10亿台，市场规模可能超过5兆美元，涵盖供应链、维修与支持服务等多个环节。随着技术进步以及监管和社会支持的逐步加强，人形机器人的普及有望在2030年代后期迎来加速期。尽管目前类人机器人仍处于开发阶段，但未来90%的应用将集中于工业与商业领域，值得注意的是，得益于强而有力的政策性支持，中国目前在这场人形机器人的全球市场竞赛中处于领先地位。 摩根士丹利（Morgan Stanley）研究部估计，到2050年，人形机器人市场规模可能达到5兆美...

美国版权局在2025年1月发布《版权与人工智能》报告（下称《报告》）第二部分，讨论利用生成式人工智能（Gen AI）生成内容是否受版权保护（Copyrightability）的问题。其认为，单纯输入提示词、由AI生成内容并非人类创作，无法获得保护。但若人类利用AI协助其创作，人类对创作有贡献，仍可获得保护。 美国版权局在撰写《版权与人工智能》前，先对外征求意见，收到超过10,000份回复意见，其中大约有一半涉及版权保护资格的问题。绝大多数回复者同意，完全由AI生成的内容不具备版权保护资格，但人类利用AI作为创作工具，只要具有人类贡献（human contribution），仍可获得版...

上海一家公司，提供一种人工智能生成（Gen AI）图片服务 — 可让用户透过少量图片数据，即能微调既有图像生成系统，以定向生成特定角色或风格，该公司将此称为「训练LoRA」。一名用户利用该服务，训练出一个可生成特定动漫角色形象的Gen AI模型，并将其上传供他人使用。

台资策会产业情报研究所（MIC）于12月18日举行《2026资通讯产业趋势》记者会，由MIC资通讯产业科技中心主任林柏齐分享2026年资通讯产业十大重点科技趋势。整体而言，生成式人工智能（Gen AI）与大型语言模型（LLMs）应用将快速扩张，全面推动半导体与资通讯产业结构重塑。

美国加州北区联邦地方法院法官William Alsup于2025年6月23日作成初步判决，认为生成式人工智能（Gen AI）软件开发公司Anthropic PBC因下载盗版书籍建立训练AI用中央数据库而不构成合理使用后，法官Alsup也同意本案成立集体诉讼，预估将有50万名原告都可以对Anthropic提告。因而Anthropic提出一项和解方案 — 愿意对其使用Gen AI训练的每一本书均赔偿3,000美元，其总共要承担15亿美元的预估赔偿。 Bartz v. Anthropic PBC案初步判决 如我们之前在北美智权报186期所介绍，Bartz v. Anthropic PBC案是...

李淑莲╱北美智权报 编辑部 全球AI专利版图：从数据看创新竞赛与未来主导权 五年前，人工智能（AI）仍只是科技圈的热门词汇；如今，它已成为各国重塑产业与国家战略蓝图的核心引擎。从2019年至2025年，全球AI相关专利活动呈现爆炸性成长，生成式AI（GENERATIVE AI）更成为最具代表性的技术热潮。根据统计，2014至2023年间全球已提交超过5.4万件生成式AI发明，其中有四分之一集中在2023年一年。AI创新的规模与多样性前所未见，不再局限于硅谷、深圳、日韩，非洲、南亚与欧洲的研究中心也正以疾病预测、粮食安全与气候韧性等议题推动在地创新。在这种前提下，专利申请及知识产权的储备便成...

近年来，随着人工智能（AI）技术逐步导入材料科学领域，传统研发模式正走向转型，过往材料开发仰赖大量实验试错与高成本仿真，其周期冗长且效率有限，而AI可透过加速运算与深度学习模型，在极短时间内完成材料的设计、性能预测与制程优化，可大幅压缩开发时间并降低资源浪费，例如可协助人们由目标材料特性反推潜力候选物、设计可行的合成与验证流程以及根据实验数据实时调整模型参数等。 过去耗时、耗力的流程，现在仅需数天即可完成，大幅缩短传统研发流程。因此，AI应用于材料科学的技术亦受到国际企业的高度关注，如Google与Microsoft已积极布局相关应用，显示出AI在材料科学的应用将正成为新一轮技术投资与产...

随着生成式AI与大型语言模型（LLM）算力需求呈指数级增长，AI 加速器芯片正式迈入「千瓦级（Kilowatt-scale）」功耗时代。当前先进制程芯片的局部热流密度（Heat Flux Density）正逼近1kW/cm²的物理极限，传统气冷方案已无法将结温（Junction Temperature, Tj）维持于安全范围，成为制约摩尔定律延续与 HPC系统稳定性的最大瓶颈。本文将聚焦于数据中心分层热管理(Hierarchical Thermal Management, HTM)中最底层的芯片层级（Chip Level），从热阻网络微观分析出发，探讨直接液体冷却、微流体散热与相变材料缓冲等结...