除菌、抗病毒科技，泛指透過物理或化學作用機制，於物體表面或空氣中消滅、抑制細菌與病毒活性之技術總稱。當前市場主流方案涵蓋傳統消毒噴霧（如酒精、漂白水）及光觸媒塗層等類別。過去數年，此類產品市場快速擴張，多元方案相繼導入建築與物業管理領域。然而，市場繁榮背後普遍存在認知偏差：氣味濃烈或表面潮濕，常被視為安全指標，實則多數技術只能提供短暫表面衛生。 想睇更多專家見解，立即免費訂閱！ 辦公大樓內，空調風口、通風管道、電梯按鈕與門把手等高頻接觸區域，構成微生物附著與傳播之隱蔽途徑。依賴密集噴灑消毒液之傳統模式，雖可達成即時清潔，卻無法根除細菌在深層表面之持續累積，亦難以阻擋病毒於清潔空窗期之再次擴散。此一現實，驅使除菌抗病毒科技從「應急干預」邁向「持續防護」之技術轉型。 現行消毒方案　無法阻止二次污染 傳統消毒噴霧如酒精、漂白水，作用機制屬於「接觸瞬間殺滅」。其物理限制在於：液態有效成分揮發後，表面防護能力歸零。兩次清潔作業之間的間隔期，電梯按鈕或門把手一旦經人觸摸，微生物載量隨即回升，無法阻止二次污染。此特性迫使物業管理團隊以高頻人力投入維持衛生標準，造成營運成本攀升，且防護連續性難以驗證。 再者，光觸媒類產品普遍以紫外線為激發條件。室內空間存在大量無光或弱光區域——如辦公角落、儲藏室、深色材質表面——在此類環境中，光觸媒抗菌效能大幅衰減，適用場景受限。 此外，物業清潔程序中不可避免使用漂白水或酸鹼清潔劑。若抗菌塗層無法耐受此類化學物質，則在實際操作週期內迅速降解，失去長期防護意義。 結構級防護：分子鍵結的技術路徑 企業設施管理者應將思維從「被動除菌抗病毒」調整為「主動防護架構」。物理性接枝技術（Chemically Grafted）提供了一條不同於傳統塗膜的路徑：將奈米結構與基質分子以共價鍵結合，使抗菌抗病毒功能成為表面材質的內生性質，而非外加附著層。以 NanoClear™ 為代表的此類技術，其效能不受揮發時間影響。 首先，該技術實現不間斷主動防護。分子級化學鍵結在表面形成持久結構，即便載體液體完全揮發，抗菌機制仍持續運作，通過破壞微生物細胞膜及阻斷病毒附著，消除傳統消毒「乾燥即失效」的防護斷層。經實驗驗證，該塗層可承受超過 1,000 次耐磨測試，且面對漂白水或強力清潔劑反覆擦拭，防護層完整性不受影響，大幅降低頻繁重複施作的人力與時間成本。 其次，此技術無需紫外線參與催化，在昏暗走道、無窗內室或高照度會議室中，均能維持 24 小時恆定抗菌活性。此環境適應性，使其符合現代建築多樣化照明條件的實際需求。 第三，安全與無感設計。高頻接觸表面（扶手、按鍵、開關）與使用者皮膚直接互動，該塗層通過 ISO…

Orova 勒索軟件持續活躍：企業除了防攻擊，更要確保業務能夠快速恢復 近期，Orova 勒索軟件在香港及其他地區持續出現攻擊活動，受影響企業涉及金融、製造、零售、酒店旅遊等不同產業。值得留意的是，Orova 並不只針對一般電腦或檔案伺服器。公開安全研究顯示，它亦具備針對 VMware ESXi 等虛擬化環境的攻擊及加密能力。 對很多企業而言，虛擬化平台承載的往往不是一兩個系統，而是 ERP、File Server、Database、Application Server 等大量核心業務。 因此，一旦虛擬化平台受到攻擊，影響的可能不只是一台伺服器，而是整批企業系統同時停止運作。 想睇更多專家見解，立即免費訂閱！ 為什麼這類攻擊特別值得關注？ 1．一次攻擊，可能影響多個核心系統 過往不少企業會將不同業務系統集中運行在同一套虛擬化平台上。 這樣做可以提升管理效率，但同時亦代表，如果底層平台受到勒索軟件攻擊，黑客可能一次影響多個系統。 對企業來說，真正的風險不是「一台…

香港要邁向 2050 年前碳中和，交通運輸的低碳轉型是重要一環。相比私家車，商用車每天行駛時間更長、使用率更高，推動電動化所帶來的減碳效益亦更直接。公共小巴作為香港獨有的公共交通工具，長期穿梭於住宅區、商業區及交通樞紐，電動化其實有相當大的發展空間。 只是，小巴「轉電」並不是買一部新車那麼簡單。 想睇更多專家見解，立即免費訂閱！ 小巴的電動化，考驗的是「時間」 公共小巴的營運特色，是車輛使用率高，而且部分路線需要頻繁上落斜坡。一輛小巴每日營運可達十多小時，對續航力、動力輸出及車輛可靠性都有一定要求。更現實的問題，是充電需要時間。 本港不少小巴採用「人停車不停」的營運模式，司機交更後，車輛很快便要重新投入服務。如果每次充電都需要長時間停泊，即使車輛本身性能理想，也可能因為影響班次而增加營運成本。 因此，小巴電動化的核心問題未必只是「一程可以行幾遠」，而是「在一天的營運周期內，車輛可以如何有效地補充能源」。 這亦解釋了為何快速充電技術對小巴特別重要。近年快充技術持續發展，筆者所在企業的電動小巴方案，最快可於約 15 分鐘完成充電。若配合總站、停車場或交通樞紐的充電設施，利用司機交更、休息或短暫停泊時間補電，便有機會減少充電對日常班次的影響。當充電時間由「數小時」縮短至可以融入日常營運流程，電動小巴的使用模式亦會有所改變。 從「換車」走向「計算整體營運成本」 電動化另一個值得思考的地方，是營運商的成本計算方式。傳統車隊較容易以購車價格作比較，但電動商用車的經濟效益，不能只看購入成本。能源消耗、保養維修、車輛使用率，以及充電設施的投資，都應納入整體營運成本（Total Cost of Ownership，TCO）計算。 對小巴營運商而言，能源成本的可預算性同樣重要。近年國際油價受地緣政治及供應變化影響，價格時高時低，令燃油車的營運成本較難預計。相比之下，電動車以電力作為主要能源，營運商可按每日行駛里程及耗電量預算充電成本，能源開支相對較容易管理。 對每日長時間行駛的小巴而言，當每公里能源成本可以較清楚計算，便更容易評估一輛車的實際營運效益，亦有助車隊作長遠投資決定。往後如再配合智能車隊管理系統，營運商可以掌握每輛車的行駛里程、耗電量及充電情況，對照實際班次及路線，了解不同車輛及路線的能源使用，再調整充電安排及車隊調度。 小巴電動化要處理的，不只是換一部車，而是整套營運模式。車輛、充電設施、班次安排，以至每日能源成本，都需要放在同一個營運框架下考慮。…

面對極端氣候挑戰，傳統防災思維仍偏向災後補救與被動應對。斜坡加固工程慣用大規模剛性混凝土灌漿及打泥釘，此類「硬碰硬」手法雖具成效，卻耗用大量物料、工期冗長，且對前線工人構成安全隱患。更根本的問題在於，暴雨頻率與強度持續上升，剛性結構易因內部積水積壓誘發二次崩塌。值得深思的是，我們究竟應繼續「抵擋」災害，抑或應構建一套能與極端天氣共存的「韌性」系統？ 想睇更多專家見解，立即免費訂閱！ 回答這個問題前，先看清香港面對的真實處境。香港依山而建，空間極度狹窄，極端天氣的頻率與強度已遠超歷史經驗。2023 年 9 月「世紀暴雨」襲港，天文台錄得一小時 158.1 毫米雨量，創下紀錄，黑色暴雨警告維持 16 小時 35 分鐘；去年全港共 257 宗山泥傾瀉事故，高於近年年均約 200 宗。超強颱風與極端暴雨不再是偶發事件，而是城市營運必須納入常態考量的風險變數。 數據主導・因地制宜：從進口依賴到本地智能斜坡防護的轉型之路 歐美進口防護產品難以靈活適應本地施工環境，船期亦無法應付突發需求。這驅使我們從根本研發更切合本地環境的解決方案。 而要突破傳統思維，關鍵在於引入新的決策工具。 過去數年，我們與本地及內地大學科研團隊合作，將智能演算技術導入斜坡防護設計。傳統做法倚賴工程師現場經驗，面對香港密集複雜的地形，人腦終究有限。新系統以數據模擬不同地質與地形的受力狀況，精確計算重點加固位置與可簡化區域，一切由數據主導，既確保安全，亦避免大規模土方工程造成的資源浪費。 這套從研發走到落地的理念，去年於薄扶林斜坡工程迎來首次實戰考驗，在符合所有安全標準下，防護網成本顯著降低，施工周期亦大幅縮短。…

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…

我哋 Sangfor 應急響應團隊喺 2026 年 3 月處理多宗企業入侵個案時，留意到一個幾值得警惕的趨勢：黑客開始將「AI 工具熱潮」變成釣魚入口，而且手法比以往更加隱蔽、更加貼近用戶行為。 想睇更多專家見解，立即免費訂閱！ 老實講，呢個已經唔單止係技術升級咁簡單。我自己比較在意的一點係——黑客其實係利用緊企業對「新工具」嘅容忍度。好多公司對未知 AI 工具未有清晰管控，但員工又急於試新嘢，結果就形成一個非常理想嘅攻擊面。 今次呢單所謂「OpenClaw AI」事件，我認為幾有代表性。表面睇係下載一個 AI 工具，但實際上係一條設計得相當完整嘅攻擊鏈，由誘導下載到記憶體執行，全程自動化，而且快到你未必察覺。 我想藉住呢個案例，拆解整個攻擊過程，同時分享幾個我自己喺實戰中嘅判斷。 入侵流程解析：由「搵工具」到「記憶體入侵」 根據我哋實際捕捉到嘅數據，整個攻擊由用戶下載，到觸發 EDR…

IT 資產：不止是硬件清單 當談到「IT 資產管理」，不少人第一時間想到的，仍然是一份 Hardware List：有多少部手提電腦、平板、哪一年購買、目前由哪個部門保管。這種做法並不罕見，尤其在中小企與學校等未必設有專職 IT 團隊的機構更為常見。只是，一旦出現資料外洩、帳號被濫用或系統遭入侵，管理層需要回答的，已不僅是「有哪些裝置」，而是這些裝置和系統，究竟與哪些、人哪些資料，更重要的是有什麼業務和決策可能受影響。 「資產」早已不限於硬件與軟件授權，還包括處理及存儲的各類資料，尤其是與個人、客戶、學生或員工有關的資訊。能否看清設備、系統、資料與使用者之間的關聯，往往決定了機構在面對營運風險、監管要求以及社會期望時，是否具備基本的應對能力。 「資源有限」與「資產不清」，往往同時出現 不少學校以「預算有限」作為決策的起點，討論焦點多集中於如何在有限資源下引入新系統。相對而言，對於現有資產的結構與實際使用情況，則未必能投放同等程度的關注。例如，一間學校可能同時擁有不同年度採購的流動裝置，部分仍在教學中使用，部分長期存放於儲物空間，而當中的成績記錄或其他個人資料卻未必得到相應重視。 中小企的情況亦相似。管理層一方面感到 IT 預算緊絀，另一方面，實際運作中的系統往往分散在不同部門與項目之間：銷售團隊訂閱雲端推廣平台，營運部門仍在使用多年前「自家研發」的系統；部分舊系統仍保留對外連接，只因沒有人能確認是否仍有業務依賴其運作；甚至不同部門各自採用功能相近的系統，處理相同類型的工作。 在這種情況下，要準確回答機構擁有哪些重要資產、由誰負責、與哪些業務活動相關，並非易事。 當 Excel 清單變成管治盲點 對於自覺「資源有限」的機構而言，以 Excel…

Sangfor 應急響應工程師近期在處理多宗應急響應（Incident Response）個案時，發現一個值得企業高度重視的趨勢：黑客的入侵手法，正由傳統電郵釣魚，逐步轉向更具欺騙性、也更貼近日常工作流程的協作平台攻擊。 想睇更多專家見解，立即免費訂閱！ 作為 Sangfor IR Team 的其中一員，在筆者看來，這不是一次簡單的攻擊手法升級，而是黑客對企業防守習慣的一次精準利用。很多企業已經在郵件安全、防毒、連結檢測上投入大量資源，但對 Microsoft Teams 這類日常協作工具的警覺性，仍然明顯不足。黑客正是看準了這個心理落差，繞過傳統郵件安全過濾系統，直接把攻擊送到員工最習慣、也最容易放下戒心的地方。 本文希望拆解這條從「會議邀約」到「財務詐騙」的完整攻擊鏈，同時分享對這類事件的幾點實務判斷，提醒企業管理層、資訊保安負責人，以及前線員工，不要再把協作平台視為天然可信的內部空間。 入侵流程解析：從線上會議到帳戶劫持 從近期觀察到的個案來看，黑客的攻擊路徑已經相當成熟，而且每一步都圍繞一個核心原則：不急於破壞，而是先取得信任，再利用信任變現。 1. 突破常規：Teams 會議邀約釣魚 黑客先註冊合法的微軟帳號，成為 Teams…

「你的公司有沒有安排培訓預算？」 這並非隨口一問，而是相當具體的管理問題。不少機構在談轉型時，往往著眼於技術投資、系統升級、流程優化，但當話題轉到「培訓預算」時，氣氛往往一片沉默。答案不外乎三種：沒有、不足，或者「再作安排」。情況有點像新年計畫：年初列出詳細目標，年中已經悄然無聲。企業與人才在準備程度上的落差，正是在這種「看似重視，實際缺乏行動」的狀態下，逐步拉闊。 世界經濟論壇《未來就業報告 2025》估計，未來數年內約有四成核心技能需要更新或重塑，即使職位名稱維持不變，工作內容與要求也會大幅改變。在這樣的背景下，若培訓長期停留在形式化的零碎安排，技術升級與人才能力之間的落差，只會愈來愈大。 浪潮未至，是否代表時間充裕？ 2026 年的今天，AI 早已不再是「即將出現的威脅」，而是實實在在存在於各行各業之中。決策層與員工都普遍明白一件事：AI 正在改變工作性質。然而，正因為變化尚未全面鋪開，不少機構傾向將相關議題擱置，抱持「仍有時間準備」的心態。 問題在於，培訓並不是一次 Workshop、一套新工具，或者一本指引可以解決。真正與業務結合的培養，往往是一個橫跨數年的系統性過程：員工需要持續學習，工作流程需要重新設計，管理模式需要調整，KPI 亦須更新。 當轉型真正來到，而團隊尚未做好準備，就等同白白錯過 AI 能帶來的一整段機遇期。 看似省錢的決定，最終代價高昂 在不少企業之中，AI 常被視為自動化與減省成本的代名詞，培訓預算更是最容易被削減的一項開支。 然而，要讓 AI 真正發揮效能，前提是有具備足夠能力的人才，去設計、監測和優化相關系統。這並非單純「減少人手」，而是「提高現有人手的能力」。這樣看來，人力資源的投入理應增加，而不是縮減。…

生成式人工智能（GenAI）和大型語言模型 （LLM） 顯著地為各個行業提高了生產力和效率。事實上，研究顯示，在公共部門、醫療保健和教育領域利用生成式人工智能，全球生產力收益可以達到近五千億美元。然而，儘管取得了這些進步，我們仍只是觸及了人工智能潛力的表面。即使有生成式人工智能和大型語言模型的幫助，很多日常工作中的例行任務仍然會阻礙提升生產力，限制人們充分發揮他們的潛力，而代理式人工智能的興起正幫助彌合這一差距。 作者：劉銘賢（UiPath 香港區域高級銷售工程師）擁有超過 20 年的企業軟件諮詢經驗，並一直為企業在數碼轉型方面帶來顯著成果。Ming Yin在軟件架構方面亦擁有廣泛的技術知識，令他能夠將複雜的業務挑戰轉化為滿足客戶獨特需求的科技解決方案。 在先進的人工智能和機器學習（ML）模型的支援下，人工智能代理的能力遠遠超出了生成式人工智能生成內容和回答問題的能力，並且可以制定和執行行動計劃，以實現設定好的業務目標。此外，人工智能代理可以支援員工，或透過對話能力來執行任務，讓人們能夠專注於業務策略並最大限度地發揮他們的潛力。 為人工智能代理時代定義 雖然 GenAI 和 LLMs 擅長內容策劃或驅動聊天功能等任務，但在理解每天在各行業企業中進行數百萬次的複雜工作流程時，它們卻存在不足。當中包括信用風險評估、總賬編碼和審批，以及預約安排等流程，亦即是業務營運的基礎。 如果沒有這些端到端業務流程的資料和記憶，生成式人工智能技術就無法單獨提供令員工成功所需的可行情報。 在安全性方面，人為錯誤始終是安全和管理中最常見的風險。人工智能代理可以幫助減少人為錯誤，降低人類接觸敏感數據的風險，並減少數據外洩的成本。例如，代理可以確保只有授權人員才能訪問敏感數據，從而降低數據洩漏或被濫用的風險，增強企業的網絡韌性。 人工智能代理會通過每次互動學習和取得進步。他們與人類和自動化系統一同工作，以執行業務流程中的特定步驟。在此情況下，機械人最適合基於規則的任務；人工智能代理適合處理非結構化信息和決定；而人類則負責驗證代理所提供的建議。 在企業管理中運用代理以減少網絡安全風險 儘管人工智能代理具有龐大的價值，但其自主性同時亦引發了對安全和信賴性方面的擔憂，例如某些代理式人工智能解決方案不夠透明，用戶難以理解技術背後的複雜推理和決策過程。隨著企業在現有工作流程和應用中部署人工智能代理，企業領導層需要確保他們不會面臨濫用、數據外洩或網絡攻擊等威脅。在香港，研究顯示超過六性（66%）的領導層對其企業內缺乏明確的人工智能實施計劃感到擔憂。…