Chinese Traditional

李頴彰律師|AI 席捲白領戰場:香港如何防止「高才低就」?

長期以來,香港勞工政策在公共輿論中的熱度,往往低於房屋、教育、醫療或社會福利等議題,主要原因是本港失業率與全球其他國際大都會相比,長期維持在低水平。然而,數據的平穩不應成為安於現狀的理由。日前,微軟人工智能(AI)部門行政總裁發出一則公開預警,直言AI極可能在未來18個月內取代現時大量白領工作。 回望第一次工業革命晚期,倫敦街頭曾遍佈數以萬計的馬車伕,他們擁有精湛的駕馭技術與道路知識。然而,隨着內燃機技術成熟與汽車普及,這些曾經不可或缺的技能,在一夜之間變得毫無價值。當年的馬車伕並非不努力,而是被時代的技術巨輪淘汰。如今,人工智能的崛起,正如當年的汽車駛入倫敦街頭——只不過,這次可能被取代的對象,由體力勞動者變成了辦公室內的知識型專才。 微軟高層的預警,對以製造業為主的經濟體或許尚屬遙不可及的隱憂,但對倚重金融、法律及會計等高端專業服務的香港來說,卻是迫在眉睫的生存挑戰。根據大學聯校就業資料庫(JIJIS)數據顯示,2025年本港大學畢業生職位空缺較四年前斷崖式暴跌55%,揭示香港正深陷「學歷與技能錯配」的結構性危機。儘管香港這彈丸之地,竟可坐擁五間世界百強大學,每年源源不絕輸出傳統學術精英;然而,市場上的相關職位正被人工智能及自動化技術迅速吞噬。這種供求之間的錯配,不僅可能導致青年失業率的結構性上升,更危險的是造成了大量高學歷人才被迫「向下流動」,從而形成「高才低就」的情況。對於一個缺乏天然資源、唯有依賴人力資本增值的知識型經濟體來說,這是資源的巨大浪費。 特區政府一直強調「搶人才」,這無疑是正確的戰略方向。但在「搶」外來人才的同時,更應該關注如何「保住」本地人才的競爭力。因此,香港的職業培訓戰場,不應再局限於基層勞動力的再就業,而是必須升級為協助受過高等教育及專業人士進行「技能重塑」,使他們能夠駕馭新技術以配合時代所需,這需要一場從概念到執行機制的徹底變革。 不得不承認,儘管特區政府多年投入了大量資源在現行的職業培訓體系,但在設計邏輯上存在着一定的滯後性。這並非單一部門的責任,而是歷史發展形成的制度慣性。目前的培訓體系主要由教育局、社會福利署、勞工處、僱員再培訓局及職業訓練局等機構分擔。回顧過去,這些機構在協助基層勞工轉型、維持社會穩定方面功不可沒。然而,其政策重心長期偏向基層及低技術工種,例如建築、保安、護理、家務助理等「保就業」性質的課程佔據了大量資源。這種設計在應對周期性經濟衰退時或許有效,但在面對如今人工智能時代的產業升級時,卻顯得捉襟見肘。 對於擁有高等學歷的年輕人或中層專業人士而言,現有的職業培訓課程往往顯得有如「雞肋」。他們需要的不是基礎的職業技能證書,而是能夠與新興產業,如金融科技、綠色金融、生物科技數據分析等,無縫對接的「高階實戰能力」。遺憾的是,現行體系難以提供具備足夠「含金量」的轉型路徑。 此外,現行體系最為人詬病的是「政出多門」與「供需脫節」。各個部門缺乏統一的頂層設計與數據互通,導致培訓資源「碎片化」。課程設計往往由培訓機構主導,而非由市場最前線的需求驅動。這種缺乏前瞻性與針對性的模式,不僅無法解決高學歷人士的焦慮,反而加劇了社會對於職業教育「低端化」的刻板印象,使得許多專業人士對特區政府資助的培訓計劃望而卻步。 面對人工智能帶來的挑戰,特區政府需要展現出更大的魄力與智慧。要破解這困局,必須將改革的核心鎖定在「產教融合」與「企業主導」之上,徹底摒棄「政府買單、機構培訓、學員求職」的舊有路徑,建立一套與企業深度綁定的高階學徒制或在職培訓機制。 特區政府應當意識到,最先進的技術與最真實的技能需求,永遠掌握在市場最前線的企業手中,而非大學校園或政府部門之內。因此,未來的培訓不應再是學員在課室裏聽講,而應該是直接進入企業的真實項目中「邊做邊學」。具體而言,特區政府應考慮設立專項的「高階人才轉型基金」。這筆基金不應直接撥款給傳統培訓機構,而是針對金融科技、人工智能、生物醫藥等「八大中心」建設的重點領域,資助相關企業設立內部的「企業學院」或「技能孵化中心」。運作模式可以由企業根據自身業務發展需求,制定培訓標準與課程內容。特區政府則扮演「促進者」與「風險分擔者」的角色,按企業實際聘用並成功轉型的員工人數,提供薪金補貼或稅務減免。 舉例來說,一家傳統銀行若急需轉型發展虛擬資產業務,它未必能直接在市場上找到足夠的現成人才。在建議的新機制下,銀行可以先招聘具備法律、會計或傳統金融背景的專才,並通過內部的實戰培訓,將其轉化為合規科技專家。特區政府在此過程中承擔部分培訓成本。這種「先聘用、後培訓」或「帶薪培訓」的模式,能夠確保培訓內容與市場需求百分之百吻合,同時解決高學歷人士在轉型期間的收入顧慮與身份認同問題,真正實現人力資源的高效配置。這實際上是將企業的發展需求與人才的轉型需求進行完美的利益綁定。 香港職業培訓體系的改革已刻不容緩,這不僅是為了緩解人工智能重塑全球分工帶來的陣痛,更是為了在關鍵時刻,為本港保留並激活最寶貴的高端人力資產。為了落實這宏大願景,特區政府必須展現出打破部門利益藩籬的政治魄力,可考慮成立高層次的統籌機構,如「人力發展局」,統籌目前分散在教育局、社會福利署、勞工處及各類法定機構的資源。該機構應被賦予法定的權力,去推動跨部門、跨行業的協作,並建立全港性的人才技能數據庫及未來發展計劃。 在這個全新的職業培訓生態系統中,企業不再是袖手旁觀的用人單位,而是技能標準的制定者與人才培養的主力軍;大學與培訓機構不再是閉門造車的學術孤島,而是企業創新的合作夥伴;高學歷人才不再是轉型浪潮中的受害者,而是通過終身學習不斷增值的資產。 千寶貴,萬寶貴,人才最寶貴。正如行政長官在《施政報告》中多次強調,香港要發展成為國際創新科技中心。這不僅需要硬基建的投入,更需要軟實力的升級。只有當特區政府、企業與個人三方在思維與行動上徹底同步,共同構建一個具備高度適應性與韌性的現代化勞動力市場,香港才能在人工智能時代的全球競爭中立於不敗之地,續寫東方之珠的繁榮傳奇。 作者李頴彰是執業律師、熟悉民事訴訟和刑事訴訟事項,暨南大學國際關係學院政治學博士候選人。 原文網址: 李頴彰律師|AI 席捲白領戰場:香港如何防止「高才低就」? | 香港01 資訊來源: https://www.hk01.com/article/60327451?utm_source=01articlecopy&utm_medium=referral

 涉中國AI晶片融資恐踩紅線?亞洲投行憂遭美國制裁 

隨著美國與中國在人工智能領域的競爭持續升溫,亞洲金融圈正浮現一股不安情緒。台媒《中時新聞網》1月9日報道指出,部分任職於西方投資銀行亞洲分行的銀行員,對涉及中國終端用戶的AI晶片融資業務開始感到憂心,擔憂相關交易可能引發美國監管單位的關注,甚至帶來制裁風險。 報道引述美國財經媒體消息稱,至少有9名銀行員曾參與或被推介為此類交易提供融資,並私下表達疑慮,認為相關業務恐使銀行捲入敏感的地緣政治與監管問題。部分案件因此在銀行內部引發討論,管理階層重新評估此類融資案的風險,是否與潛在回報相符。 在此氛圍下,即便已投入數月努力,摩根大通的一筆相關交易仍未取得實質進展。另據報導,去年底亦有一家西方銀行拒絕為一家馬來西亞資料中心營運商提供融資,理由正是該企業與中國存在關聯。 以摩根大通尚未拍板的案例為例,一家矽谷AI公司PaleBlueDot AI計畫籌措約3億美元貸款,用於在日本採購NVIDIA的先進晶片。不過,該技術實際將服務於東京的資料中心,其終端用戶卻是中國社群平台小紅書,使交易前景充滿不確定性。 報道指出,儘管科技企業對資金的需求依然強勁,但美國對NVIDIA高階AI晶片出口中國的限制,使融資環境變得更加複雜。這些案例顯示,西方投行在面對可能涉及中國終端用戶的交易時,態度明顯趨於保守。即便中國企業無法直接購買相關硬件,仍可透過設於境外的資料中心合法取用先進晶片,進一步模糊監管界線。 對此,加州大學柏克萊分校哈斯商學院教授葛洛斯表示,對美國銀行而言,這類融資早已不只是單純的商業判斷,而是牽涉投資規範、出口管制與國家安全的複雜抉擇。 資訊來源: https://www.hk01.com/article/60311318?utm_source=01articlecopy&utm_medium=referral

 馬斯克近3小時訪談:中國將在AI運算領域遠超世界其他國家 

「Moonshots」播客(Podcast)節目1月6日發布世界首富馬斯克(Elon Musk)與X獎基金創辦人戴曼迪斯(Peter Diamandis)、Link Ventures風險投資公司創始人布倫丁(Dave Blundin)近3小時對話影片。馬斯克表示AI使世界正處於歷史上最具顛覆性的時期,其發展也正迅速成為地緣政治權力的新前沿。他認為目前中美兩國AI競賽中,雖然美國暫時處領先地位,但中國正以電力生產優勢、大力投資來縮小差距。他還稱中國可望在AI運算領域引領世界,也將「攻克晶片難題」。 儘管美國目前在創新領域佔據領先地位——這得益於其由新創公司、學術機構和資本組成的生態系統,但中國正在大力投資以縮小差距。 他強調這場AI競賽的走向將決定21世紀格局,而在AI領域領先的國家很可能掌控下一輪工業革命的標準、協議和經濟利益。 「中國將擁有比其他任何國家都更強大的實力,而且很可能擁有更多的晶片。」馬斯克補充道,「根據目前的趨勢,中國在AI運算方面將遠超越世界其他國家。」 馬斯克表示,發電能力是AI系統擴展規模的限制因素,而中國在AI競賽中的決定性優勢在於其電力生產規模。他估計到2026年,中國的電力產量將達到美國的近三倍,使其有能力支援高耗能的AI資料中心。 儘管美國致力於限制中國獲取先進半導體,但馬斯克認為這些限制隨時間推移可能影響減弱。他表示,中國終將「攻克晶片技術」,且晶片性能的前沿領域存在邊際效益遞減,即便沒有最先進的設計,中國也可能更容易迎頭趕上。 訪談並提及AI對社會經濟、就業的影響。馬斯克先前就曾提過一個概念:在一個機械人勞動力豐富且成本低廉的世界裏,就業與生存之間的傳統連結或許需要被打破。他預測生產力將大幅提升,進而創造一個商品和服務價格極為低廉的富足時代。 馬斯克並沒有迴避這種轉變的顛覆性,他承認傳統的工作結構將被徹底顛覆,但他同時認為雖然傳統產業的崗位流失不可避免,但新的產業和機會將會湧現,尤其是在AI維護、太空探索和先進製造業等領域。 馬斯克還區分「全民基本收入」與他所稱的「全民高收入」,理論上自動化生產力所創造的財富足以讓每個人享有高生活水準。但他稱,真正的挑戰在於轉型期——當經濟從人力勞動主導轉向機械勞動主導時,如何應對社會出現的磨擦。 資訊來源: https://www.hk01.com/article/60311542?utm_source=01articlecopy&utm_medium=referral

 XTransfer夥浦發、永豐 攻中小企跨境支付X-Net AI風控解匯款難題

全球領先的B2B跨境貿易支付平台XTransfer,於上周舉行的「香港金融科技周2025」上動作頻頻,繼早前發布業界首份《全球B2B貿易結算網絡與風險控制平台白皮書》(下稱「X-Net白皮書」),再先後宣布與浦發銀行香港分行及永豐銀行香港分行達成戰略合作。XTransfer創始人兼首席執行官鄧國標表示,此舉旨在邀請全球更多銀行加入其X-Net網絡,共同建構新一代的全球貿易反洗錢基礎設施,解決中小微企業(SMEs)在全球貿易結算中長期面對的「黑市」、「地下錢莊」等高風險痛點。 在「香港金融科技周」上,XTransfer分別與浦發銀行香港分行及永豐銀行香港分行簽署了合作備忘錄。與永豐銀行的合作,將聚焦為中小企提供「本地貨幣帳戶」服務。鄧國標解釋,這項服務旨在利用永豐銀行在台灣及東南亞地區的優勢,讓客戶可直接收取當地幣種款項,避免中間行強制換匯造成的損失。他舉例:「以前越南賣家賣貨到台灣,新台幣需先換成美金,經紐約清算行,再換成越南盾。現在透過合作,越南客戶可直接收新台幣,一次性換成越南盾,錢甚至不需要再繞道紐約清算行。」他指,新服務最快可做到即時到賬,大幅節省時間與手續費,並避免了傳統匯款中因「調單」審核導致資金卡住一、兩個月的風險。 至於與浦發銀行香港分行的合作,則是繼今年8月與上海分行簽約後的進一步深化。雙方將圍繞資金收付款、交易處理、資金管理等核心能力,共同為XTransfer全球逾70萬家客戶構建更安全便捷的全球收付與資金管理服務,支持企業於全球合規經營及拓展。 XTransfer本周亦公布了業界首份X-Net白皮書。白皮書指出,中小企佔全球企業總數約九成,但長期面臨跨境支付流程繁瑣、成本高昂及合規要求高等痛點,很多企業無奈下只能選擇「地下錢莊」等非法渠道,面臨資金凍結的巨大風險。 鄧國標強調,X-Net不僅是連接全球銀行的多幣種結算網絡,其更重要的核心是建構一個「全球貿易資金結算領域新的反洗錢基礎設施」。他指出X-Net有兩大基石: 全流程API自動化:XTransfer要求所有加入X-Net的合作銀行,必須實現全流程API自動交付,不僅包括入賬、付款等正向流程,更包括退款、調單等逆向流程的自動化。 AI驅動的智能風控:這是XTransfer最大的特色。系統將所有相關文件數字化,利用AI將非結構化數據轉為結構化數據,實現風控審核的自動化。鄧國標稱:「這能確保極高的審核準確率、極低的成本,以及極佳的用戶體驗,因為客戶不會老是覺得被打擾。」 他續指,X-Net的AI風險管理系統在過去12個月內,已為7,445家企業識別出10,027宗潛在高風險交易,成功避免約4.73億美元的潛在損失。該網絡未來亦將支援穩定幣等新型結算方式。 對於X-Net白皮書中提到「90%價值讓渡給中小微企業」的定價原則,鄧國標坦言,這是一個「薄利多銷」的策略。他解釋,B2B跨境支付市場潛力巨大,XTransfer希望透過低手續費吸引海量客戶使用,將「餅做大」。「當規模做得非常大之後,即使乘以一個非常小的費率,最終的絕對金額是足夠的。」鄧國標續說,「這能支撐XTransfer的發展,也能讓我們所有的金融合作夥伴收回投入成本,實現客戶、XTransfer及X-Net參與機構的『三贏』局面。」 鄧國標透露,XTransfer在亞洲、非洲和拉丁美洲的收款業務增長強勁,尤其非洲今年1-10月同比增長超過300%。他歸因於兩大因素:一是宏觀上中國對發展中國家的出口增速遠高於發達國家;二是XTransfer的產品正好解決了出口企業從這些地區「安全、方便地把錢收回來」的最大痛點,提供了「黑市」以外的安全合規選擇,因此成為「爆款」產品。 他強調,XTransfer目前處於行業領先水平,而最大的競爭對手並非其他支付機構,而是「現金和錢莊」。他認為這是一個巨大的藍海市場。XTransfer的優勢在於已建立的規模效應和正向反饋循環:「客戶愈多,數據愈多;數據愈多,風控就愈好,客戶體驗也愈舒服;這就吸引愈多的銀行加入X-Net,提供更多功能,從而吸引更多客戶使用。」 鄧國標表示,XTransfer的使命是攜手全球金融夥伴,共同建設安全可信的金融基礎設施,讓全球中小微企業都能享受到與大型跨國集團同等水平的跨境金融服務 。 资訊來源: https://www.hk01.com/article/60293003?utm_source=01articlecopy&utm_medium=referral

海豚研究|博通AVGO——AI業務火力全開,英偉達勁敵風頭正盛?

海豚研究專欄 北京時間2026年3月5日凌晨美股盤後,英偉達頭號對手博通(AVGO.O)發布2026財年第一季度財報(截至2026年1月)。在AI浪潮席卷下,博通憑藉AI業務增長交出合格成績單,更給出超預期業績指引,這家半導體巨頭有望逆勢蓋過英偉達風采? 具體財報核心內容如下: 整體業績符合預期:本季度實現營收193億美元,同比增長29%,與市場預期的192億美元基本持平;環比增長13億美元,增長動能主要來自AI業務帶動。本季度毛利率為68.1%,若剔除收購攤銷及重組費用影響,實際經營層面毛利率達75.8%,環比微降0.8個百分點,主要受毛利率相對偏低的定製ASIC業務佔比提升帶來的結構性影響。 半導體業務穩增,AI業務好於預期:本季度半導體業務實現收入125億美元,環比增長15億美元,AI業務貢獻主要增量。 (1)AI業務收入84億美元,環比增長19億美元,優於市場預期的82億美元,收入來自谷歌、Meta、字節三大客戶,季度增長主要受大客戶谷歌TPU出貨量增加帶動;谷歌、Meta等大廠近期陸續上調2026年資本開支展望,公司AI業務增長有望進一步提速,預計下季度AI業務收入達107億美元,環比增長23億美元。 (2)非AI業務收入41億美元,同比基本持平,整體表現平穩。 基礎設施軟件增長放緩:本季度實現收入68億美元,同比增長1.4%。此前該業務增長主要依賴VMware併購整合及收費模式調整(從永久許可證模式全面轉向訂閱模式),目前併購帶來的高增長已結束,未來軟件業務增長將主要依賴VMware訂閱模式的內生增長。 經營費用有所下降,規模效應顯現:本季度核心經營費用(研發費用+銷售及管理費用)達39.8億美元,環比略有下降;在規模效應帶動下,核心經營費用率降至21%左右。近兩年公司明顯增加股權激勵相關支出(當前股權激勵佔比接近一半),若剔除股權激勵影響,本季度核心經營費用為20.4億美元,環比減少0.9億美元。 存貨大幅增加,為需求備貨:本季度存貨達29.6億美元,環比增長30%。不同於過去個位數的環比增長,此次存貨大幅增加無需擔憂,主要因市場需求強勁,公司提前備貨以應對訂單需求。 VMware整合成效顯著,債務壓力消化完畢:長橋海豚君引入債務償還指標(總債務/過去十二個月調整後EBITDA),經測算本季度該指標進一步降至2,已回落至收購前水平,收購VMware對公司債務端的影響在兩年內已完全消化。 業績指引超預期:公司預期2026財年第二季度收入約220億美元,優於市場預期的208億美元;預計下季度調整後EBITDA利潤率為68%,同樣好於市場預期的67%;下季度AI業務收入有望繼續增長至107億美元。 長橋海豚研究整體觀點:AI增長提速,明確指引注入信心 博通本季度營收與毛利率均達市場預期,營收增長主要依賴AI業務貢獻;毛利率方面,剔除收購攤銷及重組費用後的實際經營層面毛利率為75.8%,環比微降主要受ASIC業務佔比提升的結構性影響。 下季度指引方面,公司預期收入達220億美元,環比增長27億美元,優於市場預期,增長動能仍來自AI業務。 收購影響消化完畢:本季度公司債務償還指標降至2,回到收購前水平,收購VMware對債務端的壓力已在兩年內完全消化。 AI業務表現強勁且前景樂觀:本季度AI業務收入84億美元,環比增長19億美元;公司預計下季度AI收入達107億美元,環比增長23億美元,優於市場預期的97億美元。 在VMware整合完成後,市場對博通的關注焦點集中在AI業務進展,核心圍繞三大方面: (1)大廠資本開支是核心驅動力:大型雲服務商是博通定製ASIC晶片的主要採購方,直接影響公司AI業務預期。結合各大廠指引,長橋海豚研究預計谷歌、Meta、微軟、亞馬遜四大核心雲廠商2026年合計資本開支有望達6600億美元,同比增速超60%,為AI晶片市場2026年增長提供堅實支撐。 (2)AI晶片市場份額逐步提升:在AI晶片市場,英偉達仍處絕對領先地位,博通扮演「追趕者」角色。目前博通在AI晶片市場的份額約1成,在谷歌TPU、Anthropic等需求帶動下,未來份額有望提升至2成左右,呈現穩步上升態勢。 (3)產品迭代緊跟行業節奏:博通已收穫谷歌、Meta、Open AI等客戶訂單,其中谷歌TPU是當前核心產品,其表現直接影響公司AI業務增長。目前TPUv7已開啟量產出貨,對比英偉達GPU,TPUv7在FP8等領域的表現大致接近英偉達B200(2024年四季度量產),整體落後英偉達約一年時間。 谷歌TPU與英偉達GPU的核心差異在於: (1)谷歌目前僅支持FP8領域,更側重穩定性與大規模集群效率; (2)英偉達更追求運算速度,在Blackwell系列中引入NVFP4格式,推理性能在FP8基礎上再翻倍。 綜合來看,下游客戶仍在增加資本開支,博通市場份額也在逐步提升,但公司近期股價表現平淡,長橋海豚研究認為核心原因是市場對大廠後續資本開支的不確定性存在擔憂。 以Meta為例,公司管理層給出2026年資本開支1,150-1,350億美元的指引,相當於Meta全年收入規模的50%以上,遠高於此前20-25%的區間;無獨有偶,谷歌、微軟等公司的資本開支佔比也將提升至4成及以上。 Meta的收入增速普遍在15-20%左右,而2026年資本開支/預期收入已達5-6成,後續進一步提升空間有限,意味著大廠資本開支的高增長難以持續。 正因如此,市場普遍預期大廠資本開支增速將在2027年左右大幅回落,行業「高增長、拔估值」的階段也將結束。對於2026財年的博通AVGO,是業績增長、消化估值的階段。 以上主要是行業層面尤其是英偉達面臨的困境。博通更為明确的問題是,雖然是雲服務商們的降本選項,但谷歌等有可能進一步將訂單交由台灣廠商或自研晶片承接。 比如博通的大客戶谷歌,其下一代的TPUv8是採取博通AVGO、聯發科MTK雙線併進的方式在研發。如果老客戶不進一步追加訂單,市場會擔心訂單交給了台廠等替代方案。 存量客戶本身的訂單量增長情況是公司要回答的質疑之一。同時,在AI業務做大過程中,不同於英偉達越來越高的毛利率,博通毛利率結構性走低,也是市場重點擔心的趨勢之一。 參考產業鏈情況,博通AVGO的估值依然高於英偉達。相對較高的估值中體現了ASIC搶佔份額的潛在機會,但行業的整體估值都出現了顯著回落。 至於後續的成長性,公司管理層明确給出了2027年的AI指引,其中六大AI核心客戶(Google、Anthropic、Meta、OpenAI等),合計算力需求接近10GW,大致對應1,000億美元以上的AI收入。 明确的指引,能在一定程度上緩解市場的擔憂,帶來短期的信心提振。而台廠 / 自研競爭帶來的訂單不確定性、毛利率結構性走低的趨勢,才是壓制公司估值表現的主要因素。 作者長橋海豚研究,專注有靈魂的思考、有態度的研究。 文章僅屬作者意見,不代表香港01立場。 01專欄精選不同範疇專家,豐富公共輿論場域,鼓勵更多維度思考。   原文網址: 海豚研究|博通AVGO——AI業務火力全開,英偉達勁敵風頭正盛? | 香港01 資訊來源: https://www.hk01.com/article/60327750?utm_source=01articlecopy&utm_medium=referral

Gemini 3官方提示詞來了!記住8招寫法 告別冗長讓AI回答更精準

Google釋出Gemini 3教戰守則,建議改掉長篇敘述習慣,善用結構化標籤與8大進階策略,並維持溫度預設值,讓AI回答精準更有料。 Google官方的開發者教學文件中,針對最新一代AI模型Gemini 3釋出了詳盡的「提示詞設計指南」(Prompt Design Guide)。Google指出,隨著模型演進至具備高階推理能力,使用者必須跟著「換腦」,從隨興的聊天模式轉向精密、系統性的「工程模式」,讓AI能夠生成更具邏輯、精確的回覆,也大幅降低錯誤率。 以下整理出官方推薦的8大重點與實戰範例,帶你一步步拆解怎麼寫最精準的提示詞: 善用「結構化標籤」 Google指出,Gemini 3對於結構清晰的指令反應最佳,建議放棄傳統「寫作文」式的冗長提問, 改用XML風格標籤(如 <context>、<task> )或Markdown格式,將背景資訊、任務目標與限制條件明確區隔,幫助AI模型一眼看懂哪些是指令,哪些是參考資料。 建立「代理工作流」,強制模型先思考再行動 針對複雜任務,指南提出了「代理工作流」(Agentic Workflows)的概念。 在提示詞中明確要求AI在給出最終答案前,必須先進行邏輯分析、風險評估或擬定大綱,最後才執行動作。 這種「思維鏈」(Chain of Thought)的強制執行,能大幅降低AI胡言亂語(幻覺)的機率。 【文字範例】 在回答前,請依序執行: 計畫:將目標拆解為子任務。 執行:執行計畫。 驗證:檢查輸出是否符合用戶要求。 格式化:呈現最終答案。 「少量樣本提示」仍是黃金法則 「舉例」比說明更有效。指南強調,提供「少量樣本」(Few-Shot),也就是 在指令中包含1、2個理想的「問題+答案」的範例,能讓模型迅速掌握你想要的格式、語氣和邏輯,比單純用文字描述規則(Zero-Shot)來得精準許多。 賦予上下文脈絡 模型無法通靈,若不提供背景資料,AI只能給出通用的廢話。 貼上參考資料: 不要問通用的維修問題。直接把「產品說明書」貼給它,要求它「根據上述資料」回答,這樣能大幅降低錯誤率。 使用標籤: 當你丟給AI一堆文字時,它可能分不清楚哪句是英文、哪句是中文,這時可以使用「English:」或「Answer:」等前置詞標籤,標示哪裡是資料、哪裡是你期待的答案區塊。 以「起手式」定調輸出架構 想要讓AI產出特定的版面(如階層式大綱、清單或表格),光用「請給我大綱」指令可能不夠,AI往往會給出它自己喜歡的格式。 最有效的作法是利用AI的「續寫特性」,直接寫下你想要的開頭。當你給了第一行格式,模型為了讓文章連貫,就必須被迫模仿你的標號系統(如羅馬數字、縮排、星號)繼續寫下去。這就像是幫AI架好骨架,讓它負責填肉。 拆解複雜任務 當一個提示太複雜時,模型容易出錯,透過以下方式,逐步引導AI一步步拆解問題。 【範例公式】 .拆解指令步驟: 不要把所有要求擠在一段,將大任務拆成「摘要」→「翻譯」→「格式化」三個連續的小提示。 .提示鏈: 將步驟A的輸出,當作步驟B的輸入。 .分段處理: 遇到長篇文件,先分段讓AI處理,最後再將結果合併,準確度會比一次做完高得多。 採用正向表述 Google指出,與其告訴模型「不要使用被動語態」、「不要使用負面詞彙」(負面模式),不如直接展示「請使用主動語態」、「請使用正面詞彙」(正面模式)。 參數設定反直覺,維持「溫度1.0」 是指南中最反直覺的技術細節。過去為了讓模型在數學或邏輯題上表現穩定,開發者習慣將「溫度」(Temperature,控制隨機性的參數)調低至0。但Google警告,Gemini 3的架構不同,調低溫度反而會破壞其推理能力,導致表現退化。官方建議即便處理邏輯任務,也應維持預設值1.0。   原文網址: Gemini …

Gemini 3官方提示詞來了!記住8招寫法 告別冗長讓AI回答更精準 查看全文 »

問AI總是答非所問?1簡單方法讓智商翻4倍 網友:好用到不可思議

「重要的事情說兩遍。」這聽起來像是玄學,但確實是真的。2026年,當很多的人還在費盡心機設計複雜提示詞,想讓AI更好地聽懂人類需求時,Google研究院悄悄發布了一篇論文,提出了一個簡單到讓人意外的方法——重複提示詞,就能大幅改善大語言模型在非推理任務上的表現。 方法簡單到離譜:先寫好你的需求提示詞,再把它複製一遍、貼上在後面,直接發給AI就可以。比如:之前你的提示詞是:「這是我的問題」。現在把它換成:「這是我的問題」「這是我的問題」,然後餵給AI。 這篇論文名為《提示重複可增強大語言模型非推理性能(Prompt Repetition Improves Non-Reasoning LLMs)》,它的核心結論,徹底顛覆了人們對AI提示詞設計的固有認知。(Google研究院) 這篇論文名為《提示重複可增強大語言模型非推理性能(Prompt Repetition Improves Non-Reasoning LLMs)》,它的核心結論,徹底顛覆了人們對AI提示詞設計的固有認知。整個論文比較長,我用AI總結了一下核心意思: 大模型本身無法讓提示詞裏的訊息相互關聯,提示詞的順序還會影響回答效果,而重複提示詞能讓這些訊息彼此呼應,且這個重複操作只在模型的並行預處理階段完成,不會影響後續的內容生成。 團隊測試了Gemini、GPT、Claude等7個主流模型,在多項標準任務和2個自定義任務中,無推理場景下該方法47次提升模型性能且0次失效,自定義任務裏模型準確率甚至從21.33%飆升至97.33%。 但讓模型逐步推理時,這個方法效果一般,因為推理型模型本就會自主重複部分提示詞。實驗還證實,性能提升是因為重複提示詞本身,而非單純增加輸入長度,重複三次在部分任務中效果更好。該方法基本不改變輸出格式,能直接適配現有系統,僅Claude處理超長內容時延遲會稍增,是個易落地的輕量優化方案。 說白了,這就是我們從小聽到大的「重要的事情說兩遍」,沒想到這個樸素的道理,在AI身上同樣管用。為了驗證這個方法是否可行,Google研究團隊做了嚴謹測試,選取了Gemini、GPT-4、Claude、DeepSeek等7個主流大模型,在70種不同場景下展開驗證。 結果出人意料:47個場景中,AI的表現有明顯提升;23個場景中表現持平;全程沒有出現因為重複提示詞,導致AI表現變差的情況。論文中設計了一項名為NameIndex的測試,具體來說,就是給AI一份包含50個名字的長名單,然後問它「第25個人叫什麼名字」。這項任務對人類來說,只要逐個數一遍就能完成,但對AI而言,要在長長的序列中精準定位,難度不小。 常規操作下,Gemini 2.0 Flash-Lite模型的準確率只有21.3%,幾乎和瞎蒙沒區別;而使用重複提示詞的方法後,準確率直接飆升到97.3%,提升幅度超過4倍,從幾乎無法使用的狀態,變得近乎完美。而且這種提升不是個例,像數學題、代碼理解這類不需要極強推理能力的任務,重複提示詞都能帶來穩定的效果提升。 這個看似很笨的土辦法,背後其實有明確的科學邏輯,並非什麼玄學。當前主流的大語言模型,都採用Transformer架構,它有一個明顯的短板,只能單向閲讀。AI讀取提示詞時,就像我們看直播彈幕一樣,只能逐詞往後看,讀到前面的內容時,根本不知道後面會講什麼,很容易遺漏關鍵訊息。 而重複提示詞,相當於讓AI做了一次「虛擬重讀」(Virtual Re-reading),當它讀第二遍內容時,已經對整體情況有了了解,就能借着第一遍的記憶,精準抓住那些真正重要的訊息,從而提高響應的準確性。 不過,這個技巧也不是萬能的,存在明顯的侷限性。Google論文中也明確提到,它對OpenAI的o1、國產DeepSeek-R1這類主打深度推理(Reasoning)的模型,效果並不明顯。原因很簡單,這類模型在給出答案之前,內部已經完成了類似反覆琢磨的過程,這時再在外部重複提示詞,就顯得多此一舉了。 另外,如果提示詞本身已經很長,快達到模型的上下文上限,再複製一遍,可能會導致AI處理速度變慢,甚至出現內存溢出的情況。除此之外,這個技巧更適合訊息提取、閲讀理解這類任務,要是讓AI寫小說、寫詩,重複提示詞不僅不會讓文采變好,反而可能讓AI感到困惑。 業內人士認為,這一研究也給大家提了個醒,優化AI性能,未必非要依賴複雜技術,有時候最樸素的方法,反而能帶來意外驚喜。對普通用戶來說,以後遇到AI答非所問,或者處理長文檔時丟三落四的情況,不用急着花心思改寫複雜提示詞,不妨試着把自己的需求複製粘貼一遍再發送。   原文網址: 問AI總是答非所問?1簡單方法讓智商翻4倍 網友:好用到不可思議 | 香港01 资訊來源: https://www.hk01.com/article/60327290?utm_source=01articlecopy&utm_medium=referral

港府與國家網信辦簽創科備忘錄 聚焦AI與數據跨境發展等

創新科技及工業局局長孫東和國家網信辦副主任王京濤共同簽署《合作備忘錄》。(創新科技及工業局) 行政長官李家超和國家互聯網信息辦公室主任莊榮文今日(12日)在香港會面,就深化創科合作交流意見,並共同見證創新科技及工業局與國家網信辦簽署《關於創新科技發展的合作備忘錄》,推動以科技創新賦能數字經濟的高質量發展。 行政長官李家超和國家互聯網信息辦公室主任莊榮文今日(12日)在香港會面,就深化創科合作交流意見。(創新科技及工業局) 創新科技及工業局局長孫東和國家網信辦副主任王京濤共同簽署《合作備忘錄》,涵蓋推動人工智能、數據跨境、區塊鏈等重點範疇,目標是深入落實國家「十五五」規劃,支持香港建設國際創新科技中心,推動以科技創新為主體的新實體經濟,助力香港更好融入和服務國家發展大局。 李家超感謝國家網信辦一直支持香港創科發展,他指港府會主動對接國家「十五五」規劃,為香港制定首份五年規劃,全力建設香港成為國際創新科技中心和國際高端人才集聚高地,實現高質量發展。他表示,今日簽署的《合作備忘錄》標誌特區政府和國家網信辦在數字經濟發展的合作邁向新里程,充分體現國家對香港創科發展的高度重視和支持。 創新科技及工業局局長孫東和國家網信辦副主任王京濤共同簽署《合作備忘錄》。(創新科技及工業局) 李家超表示,世界互聯網大會亞太峰會今年再度選址香港,於4月13日至14日舉行,香港會積極展現數字經濟和創新能力的實力,發揮好「引進來、走出去」的重要橋樑作用。 孫東表示,國家「十五五」規劃明確支持香港建設國際創新科技中心,特區政府將加速推進科技創新發展,將香港打造成為國家以至是世界的創新策源地,在服務國家所需的同時,實現香港創科發展的新飛躍。 原文網址: 港府與國家網信辦簽創科備忘錄 聚焦AI與數據跨境發展等 | 香港01 資訊來源: https://www.hk01.com/article/60339484?utm_source=01articlecopy&utm_medium=referral

寰海明察|香港五年規劃少不了「科技外交」

梁海明專欄|寰海明察 香港特區政府今年內將完成首個五年規劃的制定。未來要更好融入和服務國家發展大局,香港首個五年規劃中需積極考慮納入「科技外交」的相關內容,充分發揮香港作為國際創新科技中心及國際高端人才集聚高地的作用。當前,日本通過深化與東南亞國家的科技合作加快其科技外交布局,對中國的「一帶一路」倡議形成挑戰。 香港應助力國家科技外交 在此背景下,香港更應肩負「超級合夥人」的新角色,主動融入和服務國家科技外交戰略,助力中國在國際科技領域贏得更多話語權與合作空間,同時為香港自身高質量發展注入新動能。 「科技外交」這一概念具有深厚歷史淵源。可以追溯至1723年英國皇家學會設立外交秘書一職,這標誌着科技與外交相結合的雛形誕生。作為一個專業術語,「科技外交」於2007年正式提出,並涵蓋以下三個主要維度:科技為外交、外交為科技、科學的外交。科技外交展現了科技與外交深度融合的潛力,日益成為國際競爭的新高地。在當前國際科技競爭日趨激烈的背景下,科技外交已經從單純的技術援助擴展為一種具有戰略意義的國家手段。 日本的科技外交發展速度與力度令人矚目。2007年,日本內閣正式提出「科技外交」概念。次年,《強化科技外交戰略》報告發布,將科技外交目標明確為推動科技創新、解決全球性挑戰、提升日本國際地位。此後,日本陸續發布一系列相關報告與計劃,最新的是將出台《科技創新基本計劃(2026-2030)》,進一步從國家戰略高度明確了科技外交的作用。 東南亞國家一直是日本科技外交戰略的重要核心,但隨着中國「一帶一路」倡議的快速推進,日本在該地區的重要性受到了一定挑戰。為了增強競爭力,近年來,日本的科技外交呈現出更明顯的戰略性調整,其目標已不再局限於單純的經濟利益或國際影響力,而是深度嵌入國家安全與全球技術競爭的框架之中。在這一過程中,日本通過推動數字經濟、人工智能、半導體產業、網絡安全、綠色能源和太空合作等多個領域的項目,與東南亞各國建立起更為緊密的技術協作機制。這種以全方位滲透為特征的科技外交體系,正成為日本鞏固區域影響力的重要手段。 日本對「一帶一路」構成挑戰 由於東南亞國家是共建「一帶一路」倡議的重要參與者,也是香港在科技合作與經貿連接中的關鍵區域。這些國家的數字化轉型和經濟發展需求,與中國的技術輸出和基礎設施投資形成高度互補,為「一帶一路」倡議提供了廣闊天地。同時,香港憑藉自身國際化優勢,可以在創新科技和專業服務方面為東南亞提供關鍵支持,進一步鞏固其在區域經濟合作中的「超級聯繫人」地位。 故此,日本加強對東南亞國家的科技外交,已對共建「一帶一路」倡議構成了挑戰。一是日本通過科技援助構建其技術生態系統,分流了東南亞國家對中國科技合作的依賴。二是日本通過提供替代性的技術解決方案,在某些領域削弱了中國主導的技術標準。例如,2023年啟動的「亞洲Open-RAN學院」計劃,意圖推廣日本主導的新一代5G開放網絡標準,以挑戰中國在通信領域的主導地位。三是日本通過軍民兩用技術合作,幫助菲律賓、越南等國增強軍事實力,這無形中增加了中國與這些國家的外交協調難度。且這種地緣政治與技術競爭的深度捆綁,更增加了東南亞地區競爭局勢的復雜性。四是日本在與東南亞國家的科技合作中, 特別提出促進數字基礎設施的發展。公開數據顯示,日本有 200 多家企業參與東南亞國家 26 個城市的智慧城市建設項目,包括越南、 緬甸、馬來西亞、 印尼、 菲律賓等國的多個城市。 特別值得指出的是,日本為提高其話語影響力, 不斷加強與東南亞的人才培養合作。早在 2024 年 4 月, 在巴黎舉行的日本—東盟高層科技創新圓桌會議上, 日本推出為期五年的 1 億美元新項目, 旨在進一步加強日本與東盟在科技創新合作中的人力資源開發和能力建設。同年5月,時任日本首相岸田文雄宣布未來五年將與東盟國家共同培養 10 萬名人工智能和半導體行業的高技能人才。日本試圖通過培養親日派、知日派,推動日本的價值理念在東南亞的落地, 並將其作為一張有效的外交牌。 在科技外交成為大國競爭焦點的背景下,香港需關注日本在東南亞的科技外交布局及其對「一帶一路」的影響,更應以「國家所需、香港所長」為原則,主動融入和服務中國科技外交工作,助力國家提升技術競爭力和全球話語權。作為國際創新科技中心及高端人才集聚高地,香港在首個五年規劃中,需考慮將科技外交納入其中,將其視為調整國際格局的機遇,不僅服務國家需求,也為自身產業升級和高質量發展創造新動能。 原文網址: 寰海明察|香港五年規劃少不了「科技外交」 | 香港01 資訊來源: https://www.hk01.com/article/60344260?utm_source=01articlecopy&utm_medium=referral

葉文瀚|連賣波鞋的都跑去做 AI?

葉文瀚博士專欄 一間賣波鞋的公司,突然宣布不再做鞋,改做人工智能算力生意,股價隨即暴升數倍。吊詭的是,最令市場興奮的,不是它有突破性技術,不是找到新商業模式,而只是因為它說自己要做 AI。一句「轉型人工智能」,竟彷彿比盈利能力更重要,比產業經驗更值錢,甚至比公司原本做甚麼都重要。 這正是 Allbirds 事件耐人尋味之處。這家曾是矽谷科技精英追捧的品牌,幾年前仍被視作可持續消費典範,如今主業失速、資產折價出售,卻在改名 NewBird AI、宣告投入 GPU 租賃後,被市場重新追捧。做鞋多年未能重燃市場信心,一轉口談 AI,資金卻蜂擁而至。 不是企業轉型傳奇 是市場狂熱的縮影 更值得警惕的是,這不是個別怪象,而是一再上演的資本戲碼。從元宇宙、NFT 到 Web3,每逢新概念冒起,總是先有故事,後有炒作,再由估值脫離現實,最後泡沫散場。 今天人工智能當然與過往那些炒作概念不同。AI 確有技術突破,也可能改變生產方式。但問題不在技術,而在市場開始把任何與 AI 沾邊的公司,都當成增長故事。當這種氣氛形成,人工智能便不只是科技革命,也可能成為新一輪泡沫的載體。 這才真正令人不安。一家鞋企理應思考產品、市場與品牌如何重整,最後卻選擇變身算力中介。這未必是創新,更像借熱門概念續命。而市場不但沒有質疑,反而用股價鼓掌,才最值得警惕。因為當市場獎勵的不是做得好,而是講得動聽,資本配置便開始失衡。 近來不少企業只要宣布 AI 戰略,估值便獲重新定價。這已不完全是投資,更像炒概念。買入的不是商業模式,而是故事本身。這讓人想起互聯網泡沫年代,公司名字後加個「.com」,估值便水漲船高。如今,不過是換成在簡報裡加上 AI。 不只是科技熱 是傳統產業焦慮 更何況,當前這場熱潮還夾帶另一個更大的夢,就是算力淘金。晶片、數據中心、GPU 租賃,被包裝成新石油、新基建、新黃金賽道。人人都想參與,但市場似乎很少追問,需求是否真有想像般龐大,回報又是否足以支撐天價估值。 歷史從不缺淘金故事。真正穩賺的,往往不是淘金者,而是賣鏟的人。這也是近期「AI 泡沫」論再度升溫的原因。不是人工智能沒有價值,而是資本開始對它寄託過多想像。當估值跑在盈利前面,故事跑在現實前面,風險便開始積聚。 更諷刺的是,這股狂熱反映的,不只是科技熱,而是傳統產業的焦慮。消費品牌疲弱、零售承壓、增長難尋,AI 成了最容易吸引資金的新招牌。不是因為每家公司都適合做 AI,而是因為不講 AI,彷彿就不夠吸引。 這是一個危險訊號。當「人工智能」由技術方向變成資本包裝,創新便可能被概念取代。真正需要時間驗證的技術,被即時股價主導;真正需要耐性的產業升級,被一句熱門口號蓋過。 市場開始獎勵包裝而非能力。Allbirds 由賣鞋到賣算力,看似笑話,其實折射的是市場狂熱。它提醒我們,資本有時追捧的不是創新,而是一股情緒。而情緒,往往最容易吹出泡沫。 原文網址: 葉文瀚|連賣波鞋的都跑去做 AI? | 香港01 资訊來源: https://www.hk01.com/article/60344239?utm_source=01articlecopy&utm_medium=referral