人工智能（AI）成為企業競爭的新戰場，企業共同的「Prompt」幾乎都是：AI 盡快落地。然而，當 AI 模型這個「黑盒」，進化成擁有自主決策權限的 AI 代理（AI Agent），風險亦隨之而倍增，AI 治理（AI Governance）成為高速發展下的一大隱憂。 小編邀請到兩位專家，Splunk, a Cisco Company 大灣區銷售總監 Paul Lee，以及香港大學商學院客席助理教授兼 KBQuest CEO Eric Moy，深入探討企業在…

繼今年 7 月 OpenAI 旗下 AI Agent 被指入侵 Hugging Face 後，OpenAI 再被揭發，早在該事件之前，已有數以千計疑似失控的 AI Agent 於今年 5 月入侵一個德國編程網站，並將其改造成代理之間的秘密留言板。這些代理不但交換資訊，更分享繞過公司限制、在測試任務中偷捷徑，以及掩蓋行蹤的方法。有專家形容，事件性質等同黑客攻擊。 想睇更多科技新聞，立即免費訂閱！ 網站管理員刪頁後　AI Agent…

過去幾年，生成式 AI 應用快速普及，從撰寫電郵、企劃構思、圖像生成到程式編寫，各行業已廣泛採用。到了 2026 年，技術焦點已轉移至 AI Agents（智慧代理）。這類系統已超越問答式聊天機械人的功能層級，具備目標理解、任務拆解、工具調用及持續執行的自主能力，被視為數碼勞動力的延伸。業界預測，未來相當比例的決策與工作流程，將由這類智慧代理自主完成。 想睇更多專家見解，立即免費訂閱！ 如果說生成式 AI 解決的是「怎樣表達」，AI Agents 處理的則是「怎樣執行」。在辦公場景中，它能自動整理郵件、匯總數據、生成報告，甚至主動發送予相關人員；在實體環境中，它則驅動機械人與 AI 攝影機，進行自主巡邏、即場分析，再將結果呈交人類決策者。對智慧城市與智慧保安系統而言，這標誌著巡邏模式正從「人為主、機器為輔」，轉向「AI 自主、人工監督」的架構。 要實現智慧代理在實體環境中的可靠部署，Edge Computing（邊緣運算）扮演著關鍵的技術支撐。違例泊車監察、工地安全巡查、酒店保安巡邏等場景，俱屬高即時性、環境多變且不容系統中斷的應用，將 AI 算力集中於雲端雖具彈性，卻在延遲、可靠性與數據私隱方面存在制約。相比之下，將運算能力直接嵌入機械狗或巡邏機械人，使影像在現場即時分析與決策，可實現毫秒級反應，同時降低對網絡連線的依賴，顯著提升系統穩定度與安全性。…

AI 生態系統不斷轉型，由以往的「AI 輔助」正逐漸轉向「 AI-Native（AI 原生）」，這轉變不止是技術上的升級，更重塑了企業運作模式。兩大國際級頂尖公司 Palo Alto Networks 及 IBM，聯手透過深度整合，以平台化、一體性方案保障企業應用 AI Agents 的安全，助客戶實現 AI-Native。 IBM 與 Palo Alto Networks 的夥伴關係建立在共同目標之上，包括資源互補，以及簡化網絡安全複雜性。Palo Alto Networks 提供網絡安全技術，包括基於 Precision AI 的 Cortex XSIAM 平台、專注 AI 安全的 Prisma AIRS 2.0 等；而 IBM…

企業採用人工智能代理（AI Agent）成趨勢，企業自動化和人工智能軟件公司 UiPath 最近委託 IDC 的調查結果顯示，已有 43% 香港企業正使用 AI Agent。不過，原來並非所有工序都適合採用 AI Agent，UiPath 香港高級銷售工程師劉銘賢表示，UiPath 會為客戶建議自動化工序流程，並作為「穿針引線」的角色，加速企業 AI 轉型。 想知最新科技新聞？立即免費訂閱！ 簡單任務毋須採用 AI Agent…

隨著生成式 AI（Generative AI）從單向的「對話問答」（ChatBot）演進至具執行力的「自主智能體」（Agentic AI），全球及本地企業正經歷一場從「人找工具」到「讓 AI 編排工作流」的範式轉移。 想睇更多專家見解，立即免費訂閱！ 傳統的 AI 屬於「一問一答」，而 Agentic AI 則具備目標導向（Goal-Oriented）、任務拆解（Task Decomposition）、自我修正（Self-Reflection）以及工具調用（Tool Use）的能力。企業不再只是用 AI 撰寫電郵，而是讓 AI 自動分析數據、編排系統指令甚至生成合規報告。然而，「賦予 AI…

騰訊 Agent Day 首度登陸香港！公眾可透過專為活動而設的 AI 雙層巴士，親身「上車」體驗一系列 AI 智能工具，包括 WorkBuddy 國際版、Miora 創意助手、國際化音樂媒體平台 JOOX 及最新上線的混元 Hy4 preview 四款產品。 想睇更多行內動態，立即免費訂閱！ 提供「職場超能力」綜合體驗 AI 巴士提供由…

踏入 Agentic AI 時代，面對日益複雜的網絡安全威脅，企業必須重新思考和重塑整體安全架構。第二集《Fortinet – Agentic AI 安全攻防戰》，Fortinet 北亞區首席信息安全官鄺偉基（Daniel）將視點由基建平台延伸至整體架構層面，拆解在應用安全層（Application Security Level）中的「安全鐵三角」，讓企業更清楚如何在 Agentic AI 的應用場景中，構建實用且嚴密的安全防線。 Daniel指出，一個完整且可落地的 Agentic AI 安全架構， 至少需涵蓋三個核心層級：基礎建設（Infrastructure）、應用（Application）以及數據與治理（Data and…

一、從 GenAI 到 Agentic AI 的典範轉移 過去兩年，我們經歷了 Generative AI（生成式 AI）的爆發——ChatGPT、Claude、Gemini 等工具讓每個人都能產生文字、程式碼、圖像。但這只是序幕。 Agentic AI（智能體 AI）的本質差異在於：它不只是回答，而是行動。Agentic AI 具備規劃、使用工具、執行多步驟任務、並在過程中自我修正的能力。從「幫你寫郵件」到「幫你發郵件、追蹤回覆、並根據回覆內容安排日程」——這中間的距離，就是 GenAI 與 Agentic AI…

近年人工智能（AI）的發展，已經由「回應指令」逐步走向「主動執行任務」。這種轉變不僅代表技術能力提升，更意味著企業對 AI 的使用方式正進入全新階段。要在競爭中保持優勢，企業不能只靠部署模型或引入工具，而是要重新思考 AI 基礎建設的部署方式。Agentic Web（代理式網絡），正正能讓 AI 代理在分散的環境中，繼續保持高效運作。 兩種 AI 運作重點不同  由 ChatGPT 引爆的生成式 AI 熱潮，儘管只是僅 3 年前的事，但 AI 的重點已經轉向現今的代理式 AI（ Agentic AI）。當時的 AI 主要用於生成內容、回答問題或提供建議，而時至今天，隨著 Agentic AI 的興起，AI 正演變為能夠自主檢索資料、規劃步驟、執行操作，甚至協同其他系統完成複雜工作流程的數碼代理。  與傳統生成式 AI 相比，Agentic AI 並不只停留於一次性的內容輸出，而是需要持續推論（Inference）、反覆判斷及即時互動，而每一次互動都可能牽涉多輪推論，延遲一旦累積，便會直接影響使用體驗與業務成效。 這代表 AI 的重心，正逐漸由單純的集中式訓練，延伸到高頻率、低延遲的推論運算，企業需要同時兼顧訓練與推論架構，才能支撐下一代 Agentic AI 的需求。對企業而言，再不能只關注模型是否夠強大，而是要考慮整體架構能否支撐大規模、即時且分散式的 AI 工作負載。 邊緣運算助大幅提升效能  換言之，AI 基礎建設不應只集中於單一中心，而是應該按應用場景與地理位置分布，將推論運算部署於更接近使用者的節點，以降低延遲、提升效率，並改善整體服務表現。由此衍生的基礎架構 —— 正是 Agentic Web，並不單是更智能的網絡環境，而是更接近用戶、更具彈性，並能按需分配算力的推論架構。 在 Agentic Web 的架構下，邊緣運算越來越重要。當推論工作能夠在更接近數據來源及使用者的地方完成，AI 代理便可更快作出反應，支援即時決策與互動。同時，分布式架構亦有助提升系統的擴展能力，使企業能夠更靈活地應對不同的使用需求，例如流量波動或來自不同地域。對於需要處理大量即時請求的行業而言，這種部署方式不但提升效能，亦有助優化成本與安全管理。 企業若要在智能化競爭中保持優勢，便必須重新思考 AI 的運作模式、部署位置與推論效率。想了解更多 Agentic Web 的架構原則，以及 Akamai Cloud…