AI模型選型怎麼做？企業評估成本、資料與部署
AI模型選型要先從任務與資料開始，再用真實案例比較回答品質、延遲、每次呼叫成本、資料處理方式與版本穩定性。本文整理模型家族怎麼分工、台灣人工智慧基本法與風險分類框架走到哪，以及一般人與企業導入前的檢查清單。
科技
AI
AI資料中心搶水搶電惹怒居民？美國案例對台灣的啟示
美國資料中心擴建已引發水電、電價與地方審查爭議，61%受訪民眾反對住家附近新增資料中心。本文整理美國案例、冷卻與電力負載的查證資料，以及台灣5MW以上資料中心的選址、供電與產業效益審查方向。
醫療 AI 合成資料怎麼驗證？五道臨床檢查
合成資料能補醫療 AI 的資料缺口，卻不能直接替臨床證據蓋章。驗證要一路追到資料代表性、獨立外部測試、病歷介接與上線後監測。
醫療 AI 導入怎麼做？五道臨床關卡
醫療 AI 能不能進醫院，決勝點不在展示會上的準確率。從資料代表性、FHIR 串接到醫師覆核和版本監測，每一關都要留下可追溯的證據。
髖關節疼痛看哪一科？AI 分流能做到哪一步
髖關節疼痛看哪一科？AI 可以整理症狀、標示急迫程度與就醫入口，卻不能跳過理學檢查。從 TFDA 電腦輔助分流指引、FHIR 到臨床責任分配，拆解 AI 真正能落地的範圍。
Gemini Pro學生方案怎麼申請？教育信箱認證與一年免費資格整理
PTT Lifeismoney 熱議的 Gemini Pro 學生一年免費方案，台灣 2025 年活動已截止；本文對照 Google 官方公告與現行 AI Plus 方案，整理教育信箱、個人 Google 帳戶、付款方式、地區限制及常見卡關點。
合成資料是什麼？醫療AI資料不能只靠複製貼上湊量
醫院病歷受個資法保護、跨院共享困難，合成資料讓 AI 可以拿「統計特性像真的」但沒有真人紀錄的假資料練功。但假資料一路餵下去也有代價，叫模型崩潰。
AI 乳房攝影篩檢準嗎？瑞典大型試驗與台灣現況
瑞典 10 萬人試驗證實 AI 輔助判讀乳房攝影能少漏診多發現癌症，還能砍掉近半判讀工作量。台灣已核准同類醫材，但公費篩檢流程還沒把它排進去。
OpenAI降價因應中國AI競爭：Luna砍8成、Terra砍2成
OpenAI於2026年7月30日大砍GPT-5.6系列API價格因應中國Kimi K3、MiniMax M3等平價開源模型競爭，Luna降幅達八成、Terra降二成，整理官方降價細節、中國陣營定價策略，以及對台灣企業導入AI成本與新創競爭環境的影響。
AI 語音病歷是什麼？醫師少打字的背後，誰該負責任
AI 語音病歷讓醫師少打字，過勞比例也真的降了。但它多半不被當成醫療器材管，寫錯了要找誰負責，目前沒有清楚答案。
企業AI訓練加速器怎麼選？GPU、ASIC或雲端評估清單
企業選AI訓練加速器該挑GPU、ASIC還是雲端服務？本文列出六個評估問題：模型異動頻率、延遲、吞吐、記憶體與三年總成本，並提供從工作負載盤點到試跑驗收的完整採購流程。
智慧手錶測心房顫動準不準？收到通知不代表確診
智慧手錶的不整脈演算法是初篩工具，不是診斷。收到通知的人裡，經臨床心電圖證實的比例遠低於一般人想像，誤報還會讓人自覺健康變差。台灣食藥署核准了什麼、排除了誰，逐項說明。
蘋果找阿里巴巴做AI：中國版Apple Intelligence內幕
蘋果2026年7月拿到中國核准上線Apple Intelligence，條件是整合阿里巴巴通義千問與百度AI模型，這篇整理核准經過、監理背景與兩家業者的功能分工。
聯邦學習是什麼？醫院想合作訓練 AI，卻不用把病歷送出院外
多家醫院想合作訓練 AI，個資法卻不准把病歷送出院外。聯邦學習讓模型「巡迴受訓」，資料留在原地，只有學到的權重更新往中央跑。
眼科AI篩檢準嗎？美國免醫師覆核，台灣未跟上
AI 已經能在 60 秒內自己判讀要不要轉診，不用醫師覆核。台灣核准的同類醫材還停在輔助判讀，健保投的 AI 資源又是另一件事。
長照輔具補助智慧科技是AI嗎？毫米波雷達安全看視怎麼挑
長照3.0開放的智慧科技輔具補助，把AI驅動的行為辨識系統跟傳統固定閾值感測器混在同一個「智慧」標籤下給付，家屬申請前該問清楚裡面裝的到底是哪一種。
你的健檢報告丟給ChatGPT解讀合理嗎？健保SDK vs OpenAI
健檢報告解讀準不準，不是你該先問的問題。先問清楚：這套系統出錯了，你找得到誰負責嗎？ChatGPT Health 與健保健康存摺SDK，是兩種完全不同的資料主權設計。
AI 幻覺是什麼？為什麼聊天機器人會一本正經說錯話
AI 幻覺不是模型故障，是訓練與評分機制鼓勵猜測、而不是承認不確定所造成的結果。實測發現問 AI 健康問題，半數答案有問題；台灣衛福部已要求醫院主動揭露這個風險。
AI 藥物研發砸下 20 億美元，為何至今零款 AI 原生新藥過關
20 億美元砸進 AI 藥物研發，聽起來像是新藥要量產了。但拉長時間軸看，600 億美元、175 個 AI 藥物進了人體試驗，核准欄還是掛零。判讀這波熱潮，該看的是核准數字，不是募資金額。
iFree2 CGM 台灣有許可證，AI血糖預測還買不到
生成式 AI 預測食物血糖反應的 CGM 功能，綁定的感測器台灣沒有許可證；台灣人買得到的連續血糖監測，健保給付窄、普及率不到 1%。AI 預測與台灣現況之間，隔著一道法規與給付的落差。
AI 診斷工具擬納健保：年底效益評估，值不值得埋單怎麼算
健保只給付過一款 AI 醫材，靠六篇臨床試驗過關。CT 顱內出血判讀能不能跟進，關鍵不是模型準不準，是醫師時間、誤診成本、資源排擠這幾筆帳有沒有算清楚。
美國核准首個病人對話LLM醫材：介面不是決策者
UpDoc 靠「LLM 只負責蒐集資料、醫師預設規則才做決策」的架構，拿到美國首張病人對話 LLM 醫材許可證。這套「守門不決策」的設計邏輯，正是台灣評估 AI 診斷工具給付時最該借鏡的先例。
FHIR 是什麼？AI 想讀懂病歷，得先學會這套語言
FHIR 把病歷拆成機器讀得懂的「資源」。AI 讀結構化 FHIR 資料的代碼準確率能拉到九成以上，遠高於直接讀病歷文字猜代碼。台灣的 FHIR Box 計畫正把這套語言鋪進全台醫學中心。
中醫 AI 值不值得信任？上線前該查清楚的六件事
中醫 AI 可不可信，看展示影片的準確率沒有意義。六件事沒查過，就只是一個包裝精美的黑箱：推理能不能追溯、資料來源站不站得住腳、藥材溯源、法規分級、資料互通、出事誰負責。