歐盟AI法案
-
雙方合作聚焦多個範疇發展：GPU 原生資料分析、非結構化資料提取、本地及雲端基礎設施、雀巢全球供應鏈決策效率提升，以及大規模企業人工智慧部署顧問服務。 香港2026年3月23日 /美通社/ — 近日，IBM（紐約證券交易所程式碼：IBM）於 GTC 2026 大會上宣佈，將擴大與 NVIDIA 的合作，協助企業大規模落地人工智慧。這次合作旨在推動 GPU 原生資料分析、智慧檔案處理、本地及受監管環境的基礎設施部署，以及雲端與顧問服務，為企業提供穩固的資料基礎、先進基礎設施及專業行業知識，推動人工智慧由試點階段邁向規模化生產。 IBM Announces Expanded Collaboration with NVIDIA 儘管企業於人工智慧領域投入龐大資源，但仍有大量企業停留在試驗階段，難以實現規模化生產。當中主要障礙包括：資料分散且難以存取、基礎設施無法支援高階人工智慧工作負載、AI 部署難以符合受監管行業的合規要求與資料駐留規定；不少機構於技術實施及部署過程中，仍欠缺必要的指導與專業知識。IBM 與 NVIDIA 是次發布的聯合公告，正針對有關障礙提出解決方案。 IBM 董事長兼行政總裁 Arvind Krishna 表示：「在下一波企業人工智慧浪潮中，模型表現取決於底層資料、基礎設施及流程編排，更取決於能否在業務中將三者結合運用。我們與 NVIDIA 的合作，正正聚焦此核心難題。雙方攜手，旨在為企業提供切實可行方案，協助他們不再停留於試驗階段，真正應用人工智慧。」 NVIDIA 創辦人兼行政總裁黃仁勳表示：「六十年前，IBM 開創企業運算與資料處理先河；如今，該公司正為人工智慧年代重新定義有關範疇。資料是人工智慧理解現實場景與意義的根基。透過與 IBM 合作，我們將 CUDA GPU 加速能力直接注入資料層，令資料分析及檔案處理由以往的樽頸，轉變為實時智慧的驅動引擎。」 運用 GPU 原生運算加速結構化資料分析 為協助企業以更低成本、更高效率從海量資料中發掘價值，IBM 與 NVIDIA 聯合研發開源整合方案。方案核心在於透過 NVIDIA cuDF 為 IBM watsonx.data 的 SQL 引擎 Presto 提供加速，大幅提升海量資料集的查詢效能。 為了在生產環境中驗證技術成效，IBM 與 NVIDIA 將 GPU 加速的 watsonx.data 應用於雀巢(Nestlé)的「訂單至收款」（Order-to-Cash）資料集市。該資料集市追蹤 186 個國家／地區的每一張訂單、履行、交付及發票流程，於 44 張資料表中處理 TB 級資料。雀巢憑藉完善的數碼化基礎，成為是次概念驗證的理想合作物件：其全球統一資料模型、整合資料基礎及跨市場單一資料來源，確保資料即時、準確及可信，正是生產環境驗證 GPU 加速分析所需的穩固基礎。 以往雀巢基於 CPU…
-
可信任且合規的人工智慧標準 德國斯圖加特2026年3月18日 /美通社/ — 全球領先的檢驗、檢測與認證機構 DEKRA 德凱，現已正式成為歐盟《人工智慧法案》（EU AI Act）架構下，首家獲得官方認可的人工智慧（AI）生物辨識系統驗證機構。憑藉此項認可，DEKRA 德凱將協助製造商從容應對歐盟不斷演進的監管要求，推動合規且負責任的 AI 驅動技術順利進入歐盟市場。 隨著人工智慧不僅深度融入日常生活，更被廣泛應用於可辨識、分類及監控個人的系統中，由誰來認證這些系統的可信任度，已成為前所未有的重要議題。 人工智慧生物辨識系統是依據個人的生理或行為特徵進行身分辨識，且通常具備即時性與大規模處理的能力。然而，其強大的功能也伴隨著潛在的風險，因此歐盟《人工智慧法案》將其列為高風險類別。DEKRA 德凱目前已獲授權，可針對以下三類敏感的人工智慧生物辨識系統進行符合性評估（Conformity Assessment）： 遠端生物辨識系統：無須個人主動配合，即可在遠距離辨識身分。 情緒辨識系統：透過分析生物特徵資料，推斷或辨識個人的情緒狀態或意圖。 生物特徵分類系統：依據個人生理特徵或行為屬性進行分類。 DEKRA德凱集團執行副總裁、數位與產品解決方案總裁 Fernando Hardasmal 表示：「歐盟《人工智慧法案》正在重塑高風險技術進入市場的方式，而 DEKRA 德凱已準備好迎接這項轉變。作為歐盟《人工智慧法案》下首家獲得認可的驗證機構，這意味著人工智慧生物辨識系統的製造商能夠信任我們，以應對最嚴苛的監管要求，並確保其產品符合安全性、可靠性及數位信任的標準。」 此次由荷蘭認證委員會（RvA）頒發的認證正值關鍵時刻。歐盟《人工智慧法案》已於 2024 年正式生效，而針對高風險人工智慧系統的強制性合規要求即將於 2026 年 8 月正式實施。對 AI 生物辨識系統製造商而言，在產品進入歐盟市場前證明其符合相關規範的壓力正持續增加。 這項重要里程碑不僅進一步強化了 DEKRA 德凱的數位信任服務組合，同時也展現出我們在全球範疇下致力於讓先進技術變得更智慧、更安全且更具保障的堅定承諾。 對於製造商而言，前進的方向已非常明確：深入瞭解合規要求、將安全性與可歸責性嵌入系統設計，並且須在 2026 年 8 月的最後期限前取得證書。及早因應法規要求不僅是必要步驟，更是在日益重視信任的產業環境中，脫穎而出的關鍵優勢。 關於DEKRA德凱 DEKRA德凱，百年安全保障的全球領導者。成立於1925年，DEKRA德凱旨在透過車輛檢驗確保道路安全。如今，DEKRA德凱已發展成為全球最大的獨立非上市的檢驗、檢測和認證專家機構，覆蓋廣泛行業領域。作為值得信賴的全球合作夥伴，DEKRA德凱憑藉全面的服務和創新解決方案，助力客戶提升安全和可持續發展，契合百年慶典主題——”Securing the Future”。2024年，DEKRA德凱營業總額預計達到43億歐元，業務遍佈世界5大洲60多個國家和地區，逾49,000名員工緻力於提供獨立、專業的專家服務。DEKRA德凱連續榮獲EcoVadis鉑金評級，位列前1%的可持續發展公司之列。 Website: https://www.dekra.com.tw/
-
新澤西州蒂內克2026年3月12日 /美通社/ — Cognizant (Nasdaq: CTSH) 釋出最新研究，指出正積極引入人工智慧 (AI) 的企業，大多傾向於選擇資訊科技服務公司，例如「AI 構建商」(AI Builder)，這種新型服務公司專門設計和構建客製化的全棧 AI 解決方案，以助企業從 AI 中獲取實際價值。 Cognizant 的新研究顯示，即插即用 AI 純屬迷思。 透過對 600 位 AI 決策者的定量研究及對 38 位高層主管的定性訪談，研究結果發現，企業在挑選 AI 合作夥伴時，企業將客製化解決方案及靈活的合作模式列為最重要因素，這比定價和見效時間更為重要。 定價和成功的 AI 案例依然重要，但企業更看重合作夥伴能否將 AI 直接融入其業務營運及價值鏈。 與此同時，企業拒絕 AI 供應商的主因，包括對方提供千篇一律的現成 AI 解決方案，欠缺行業專門知識，無法與現有技術架構整合，以及支援和維護不足。 研究指出，企業在引入 AI 時面對的三大挑戰，分別是監管合規問題、難以量化投資回報率，以及 AI 策略與願景不明朗。 Cognizant 行政總裁 Ravi Kumar S 表示：「AI 的成功，並非依靠部署零散的模型，而是要透過度身訂造的解決方案，將智慧有系統地融入企業營運之中。 邁向 AI 未來的可靠路徑，莫過於與 AI 構建商同行——其兼具深入行業知識與系統工程專長，亦能對營運成果負責。…
-
北京2026年2月26日 /美通社/ — 就在剛剛，雲知聲正式推出「Unisound U1-OCR」 文件智慧基礎大模型。作為首個工業級文件智慧基座，該模型憑借 「效能 SOTA、可信可驗、開箱即用、高效部署、強適配」 五大核心優勢，打破傳統文件處理邊界，樹立起行業新標杆。 一、技術跨越：從 OCR 2.0 邁向 3.0 文件智慧（Document Intelligence）是指利用人工智慧技術自動閱讀和理解文件影像，並進行內容的讀取、理解、分類及關鍵資訊提取。傳統視覺方案（OCR 1.0，以 CRNN 為代表）僅能識別文字，新一代多模態方案（OCR 2.0，以VLM為代表 ）具備初步版面理解能力。而 「Unisound U1-OCR」 則正式開啟 OCR 3.0 時代——在理解版面的基礎上，進一步洞察文件深層語義，實現自動分類與業務級資訊抽取，完成了從「字元感知」到「文件認知」的質的飛躍。 二、實力領跑：多項權威評測穩居全球第一梯隊 「Unisound U1-OCR」是一款達到國際頂尖水平（SOTA）的文件智慧理解模型，其核心優勢在於突破了傳統模型「只讀文字、不懂排版」的瓶頸，能夠像人類專家一樣「看懂」複雜文件。為適應 OCR 3.0 時代對於文件業務級結構化抽取的新要求，Unisound U1-OCR 採用 ViT + LLM 架構，其中視覺編碼器部分採用 NaViT 架構，實現文件解析度動態處理，模型引數規模 3B 量級，兼顧模型計算效率與文件深層語義資訊理解的能力要求。除此之外，模型還提出了多項創新舉措： 首先，它擁有「先懂結構，再讀內容」的智慧。傳統模型往往按順序死板閱讀，而「Unisound U1-OCR」首創了「語義驅動+動態聚焦」策略。如同人類閱讀習慣，先梳理文件目錄、標題的層級關系，再按需提取內容。模型能自動構建文件的「語義地圖」，精準識別標題、圖表與正文的從屬關系，即使面對排版混亂的極端場景，也能條理清晰地提取資訊。 其次，它具備敏銳的「空間感知力」。透過強化空間對齊模組，模型能充分利用文字在頁面上的位置資訊，主動理解元素間的空間佈局。結合動態解析度技術，無論是密集表格還是圖文混排，它都能精準還原文件結構，徹底解決了以往模型「張冠李戴」的空間盲區。 此外，模型採用Multi-Token Prediction（MTP）技術——在預測當前 Token時，同步考慮未來多個Token的機率分佈，大幅提升長文件邏輯連貫性。配合全任務強化學習策略，增強模型對版式結構的全域性預見性並在推理階段將模型生成效率提升了80%以上。在訓練階段，採用多工協同強化訓練方案，實現文件結構還原、文件分類與資訊抽取的深度對齊。強化訓練策略圍繞「語義+坐標」雙目標最佳化，針對坐標回溯的 IoU 精度進行專項強化，有效遏制定位幻覺，確保輸出結果的物理可信度。透過多檔位解析度擾動與Mask取樣策略，顯著提升了模型多場景文件影象的理解能力。 憑借這些創新，Unisound U1-OCR在多項權威測試中均獲業界SOTA表現，真正實現了從「識別文字」到「理解文件」的跨越。 1. OmniDocBench V1.5評測SOTA 在OmniDocBench V1.5評測中，Unisound U1-OCR以95.1分取得SOTA表現（如圖1），領先GLM-OCR，Deepseek-OCR2，Gemini-3-Pro，GPT-5.2等主流模型，實現了精度與泛化能力的雙重突破。 圖1Unisound U1-OCR在OmniDocBench V1.5的評測得分對比 2. D4LA評測SOTA 在D4LA評測中， F1 分數達 90.8，大幅領先 DocLayout-YOLO（87.3）、PP-StructureV3（86.0）。無需微調即可高精度解析學術論文、財務報表等 11 類高複雜度文件。 3. DocLayNet評測SOTA…