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。
科技
Tech追蹤 AI、資安、數位工具、軟體產品、新創、半導體、產業科技與科技政策。
科技最新文章
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。
AI ASIC 是什麼？為什麼雲端巨頭讓晶片從 GPU 轉向它
GPU 是什麼工作都能算的瑞士刀，ASIC 是只做一件事但做到極致的量身工具。當推論工作負載固定又大量重複，雲端巨頭開始覺得那份彈性的電費不划算。
42 州檢長聯手傳票 OpenAI：廣告、健康資料、未成年，IPO 前最硬的一道法規關卡
為什麼是 42 個州同時出手，而且挑在 IPO 遞件後？因為上市那一刻，法規風險第一次要被定價。
美國 FDA 替 AI 醫材鬆綁低風險、核准逾 1,350 件：和台灣、歐盟的路線差在哪
FDA 一邊衝核准量、一邊把低風險軟體移出監管，台灣逐案審、歐盟疊高風險義務。這不是誰進步誰落後，是三種不同的風險賭注；台灣要問的不是抄誰，是自己卡在哪。
GPT-5 Pro 解開卡三年的 T 細胞之謎，還預測了一場沒看過的實驗：該讀懂的不是 AI 會做科學了
GPT-5 Pro 幫免疫學家解開卡三年的 T 細胞謎題，還預測了沒公開過的實驗結果。但把這件事讀成『AI 會做科學了』，就解錯題了。
AI 從『答題』走進實驗室：GPT-5.4 跑一萬筆反應改良了卡多年的偶聯反應，但它解的是哪一類問題？
AI 真的自己做出化學發現了嗎？讀準一點：GPT-5.4 提假設、自動化實驗室跑一萬筆反應、人工逐筆驗證，三者缺一都不成。被解掉的是『沒人跑得起一萬次』的通量問題，不是智力問題。台灣要接住這波，缺的不是模型，是實驗室與資料。
OpenAI 端出 LifeSciBench：AI 做生命科學研究只過三成，而且裁判是自家
AI 連自家出的生命科學考卷都只過三成，這件事該怎麼讀？分數是一回事，出題兼改考卷兼頒獎的是同一個人，又是另一回事。
AMD 買下記憶體新創 Mext：AI 加速器的下一場仗，從算力打到記憶體牆
為什麼 AMD 不是再買一家算力公司，而是買記憶體軟體？因為堆更多 FLOPS 正在解錯題。晶片再快，資料餵不進去就是空轉，而餵資料這件事，卡在記憶體牆。
Claude Design 改版修掉「25 分鐘燒掉 80% 週額度」：AI 設計工具的成本可預期性成了產品命門
PCWorld 記者拿 Claude Pro 試用 Claude Design，25 分鐘做出三個變體就燒掉 80% 週額度。真正致命的不是貴，是不可預期。六月改版修的正是這一格。
KDDI 信箱系統外洩延燒六家 ISP：1,422 萬筆帳密外流，真正的問題不是漏洞
一套信箱系統同時服務六家 ISP，一個第三方軟體的未知漏洞就撈走 1,223 萬筆信箱、761 萬筆密碼。問題不在「哪套軟體有洞」，在為什麼一個洞可以炸這麼大、撈出來的密碼還能直接用。
政府與企業「資料統一層」變吸金題：Peregrine 募 2.5 億美元、估值 15 個月衝到 68 億
Peregrine 募 2.5 億美元、估值 68 億，投資人賭的是把企業髒資料清乾淨、打通孤島的營運軟體。台灣企業導入 agent 前，資料前置工程該怎麼排序，這篇給一條判讀線。
SK 海力士砸 19 兆韓元蓋封裝廠、再綁台積電做 HBM4：記憶體龍頭把戰線拉到封裝
HBM 龍頭不缺產能技術，為什麼還要砸 130 億美元蓋封裝廠、又跑去綁台積電？因為 AI 記憶體真正的瓶頸不在 DRAM 晶圓，在把晶粒堆疊、封裝、測試、控熱成可交付模組的後段。
AI 證出數學定理、還用 Lean 4 逐行機器驗證：AI 做研究的產物第一次能被查證
AI 拿奧數金牌很亮眼，但那是自然語言、靠人工評審判對錯。用 Lean 4 逐行驗證的證明才解掉了難題：不用人幫忙也知道它是對的。這才是 AI 可信度第一次有的工程解法。
AI 的錢從 GPU 換到 ASIC：小摩估 2026 出貨年增 109%、2027 超車 GPU，台灣 IC 設計族群迎重估
為什麼雲端巨頭寧可自己設計晶片也不多買 GPU？答案不在演算法，在電費。當每瓦效能變成天花板，專用 ASIC 就贏了，而台灣卡的是設計服務這道別人繞不過的工序。
柯達證實遭入侵、ShinyHunters 聲稱握 220 萬筆資料：第三方平台整合又成外洩破口
柯達承認外部人士短暫存取有限資料，ShinyHunters 卻喊 220 萬筆。兩個數字對不起來，但真正該記的是攻擊鎖定的位置：第三方平台整合的信任鏈。
Gemini 3.5 Pro 帶 200 萬 token 脈絡逼近 GA：超長脈絡到底在哪些場景才真的有用
200 萬 token 是量產最長脈絡，但廣告脈絡不等於可用脈絡。長脈絡真正划算的只有幾類場景，其餘知識庫問答用 RAG 更省更準。這篇給一個先分清楚任務類型的選型判準。
微軟一個月修掉約 200 個漏洞、含多個零時差：當找漏洞的成本被 AI 拉崩，企業的修補排程要改什麼
200 這個破紀錄的數字不是新聞重點，它為什麼會破紀錄才是。找漏洞的成本被 AI 拉崩，企業該改的不是修補手速，是那套假設漏洞會慢慢來的排程。
