📌 快速答案
一句話總答:今日 AI 要聞彙整 最大事件,是 29 國與中國簽署協議成立「世界人工智慧合作組織」,總部設於上海。
– 29 國簽署成立世界人工智慧合作組織:含巴基斯坦、俄羅斯、哈薩克在內共 29 國於 7 月 16 日與中國簽署協議,成立總部設於上海的政府間組織,推動全球 AI 治理;隔日習近平於上海世界人工智慧大會開幕式提出五年內提供發展中國家 5,000 個 AI 訓練名額(2026-07-17 美聯社報導)。
– SAP 完成收購 Prior Labs:SAP 於 7 月 17 日宣布已完成收購表格式基礎模型(TFM)先行者 Prior Labs,承諾未來四年投入逾 10 億歐元,將其擴建為歐洲頂尖前沿 AI 實驗室,Prior Labs 維持獨立營運(2026-07-17 SAP 官方)。
– OpenAI 財務長提出「AI 時代計分卡」:OpenAI 財務長 Sarah Friar 於 7 月 17 日發表以「每一美元換得多少有用智慧」為核心的四項衡量指標,並揭露 GPT-5.6 Sol 在 DeepSWE v1.1 達 72.7%、高於 Claude Fable 5 的 69.9%,估計 API 成本低 36.2%(2026-07-17 OpenAI 官方)。
– 快訊:Anthropic 承諾投入 1,000 萬美元支持加拿大 AI 研究(2026-07-14,擴窗納入)。
📅 本篇為 2026-07-18(Asia/Taipei)AI 要聞彙整,由 Ted聊科技編輯部 整理;前三則落在常態 72 小時窗內,快訊為擴窗 96 小時納入、已標註原始日期。延續昨日的 AI 要聞彙整 2026-07-17:習近平首度親臨世界 AI 大會 —— 昨天談的是最高領導人親自上台替 AI 治理定調,今天要談的是同一場大會旁邊,一個實體的國際組織已經悄悄簽字成立。
🧠 一、29 國與中國簽署成立「世界人工智慧合作組織」,總部設上海
依美聯社 2026 年 7 月 17 日報導,在上海世界人工智慧大會開幕前一日,包含巴基斯坦、俄羅斯、哈薩克在內共 29 個國家與中國簽署協議,成立「世界人工智慧合作組織」;中國官媒描述其為總部設於上海、推動全球 AI 治理的政府間組織。
依同篇報導,習近平於 7 月 17 日開幕式演講中主張 AI 的發展與治理應是全球共同事務,「不應是任何單一國家的獨奏,而應是全球合作的交響樂」,並重申中國反對在人工智慧領域「過度延伸」國家安全概念、把自身安全置於他國安全之上的做法。
在具體承諾上,習近平表示中國未來五年將為發展中國家提供 5,000 個 AI 訓練名額,並將與東協、阿拉伯國家聯盟、非洲聯盟、拉丁美洲和加勒比國家共同體、上海合作組織及金磚國家擴大 AI 合作;另承諾開放 30 個國家使用中國開發的 AI 氣象預警系統。出席者包含哈薩克、柬埔寨、泰國領導人與聯合國秘書長古特瑞斯。
美聯社並指,美國主導的限制措施已阻斷中國取得部分最先進技術,反而促使中國加速自建能力;報導引述部分技術分析師觀點,認為中國在 AI 上已是創新者而非追趕者,而 DeepSeek 等中國開源模型因較美國多為閉源的模型更易取得且往往更便宜,在開發中國家具吸引力。本屆大會有逾 1,100 家企業與 1,400 位嘉賓參與,華為將展出 Atlas 950 SuperPoD AI 運算系統。
需要區分的是:29 國簽署與組織成立、習近平演講內容出自美聯社現場報導;「總部設於上海的政府間組織」之定位引自中國官媒描述;「中國已是 AI 創新者」則為報導引述之分析師觀點,非事實陳述。
這對台灣讀者為什麼重要:昨天那場演講是說法,今天這個組織是做法。一個總部設在上海、29 國背書的政府間 AI 治理組織,意味著全球 AI 規則從「美國一套」正在變成「至少兩套」,而且第二套已經有了秘書處與會員國。對台灣最直接的影響在於標準與合規:當你的 AI 產品要賣進東協、中東或非洲市場——這些正是台灣資通訊業近年主打的新南向與新興市場——未來可能面對的不是單一國際標準,而是要問「這個國家跟哪一套」。台廠過去在通訊、電源、資安認證上已經吃過一次「同一顆產品做兩套認證」的成本,AI 治理很可能重演。另一個值得台灣注意的細節是那 5,000 個訓練名額與 30 國氣象系統:這是把 AI 當外交工具在用,培養的是使用習慣與技術路徑依賴。台灣在這場軟實力競賽裡沒有位置,但台灣的晶片會出現在兩邊的機櫃裡——這既是機會,也是風險。
編輯觀察
昨天這篇彙整說「今天下午之前,任何『習近平將宣布 X』的標題都該打折扣」。演講講完了,值得回頭核對:實際宣布的內容比多數預期樸素——沒有新的監管框架,沒有針對美國的具體反制,主要是訓練名額、氣象系統與合作意向。真正的硬新聞反而不在演講裡,而在前一天的簽字桌上。
這個落差本身就是觀察點。29 國簽署一個新的國際組織,是需要數月鋪陳的外交工程;放在大會前一天完成、由官媒宣布,再由最高領導人隔天上台講「交響樂」,順序是設計過的:先有實體,再有論述。相較之下,美國近年在 AI 治理上的國際動作多半停在宣言與峰會層級,少有帶秘書處的常設組織。
要冷靜看的是這個組織的實質分量。看簽署名單——巴基斯坦、俄羅斯、哈薩克——這比較接近既有的上合、金磚朋友圈延伸,而非跨陣營的新共識。29 國聽起來不少,但關鍵不是數字,是裡面有沒有歐盟成員或主要 AI 研發國。目前公開資訊沒有,這個組織短期內比較可能是敘事平台,而不是規則制定機構。真正要看的是它明年會不會開始發標準文件——那才是規則權力落地的訊號。
來源:第二級媒體(通訊社現場報導)。原始來源:The Associated Press〈China’s Xi calls for step up of global effort in AI, as US curbs squeeze China’s tech access〉(2026-07-17,經 NPR 轉載)。29 國簽署、組織定位與總部、習近平演講引述、5,000 個訓練名額、30 國氣象系統、與會者名單、1,100 家企業/1,400 位嘉賓、華為 Atlas 950 SuperPoD 均引自該報導;「中國已成 AI 創新者」為該報導引述之分析師觀點,已於內文標明性質。中國官方對該組織之正式文件截至撰稿時未取得,本文未對其職權範圍做任何推斷。
🧠 二、SAP 完成收購德國 AI 新創 Prior Labs,四年投入逾 10 億歐元建歐洲前沿實驗室
SAP 於 2026 年 7 月 17 日宣布,已完成對表格式基礎模型(Tabular Foundation Models,TFM)先行者 Prior Labs 的收購;Prior Labs 將維持獨立實體營運,SAP 承諾未來四年投入逾 10 億歐元,將其擴建為專攻「支撐全球企業運作的結構化資料」的世界級前沿 AI 實驗室。
依 SAP 官方新聞稿,本次收購將加速 SAP 在 TFM 上的進展——該公司自研的 SAP-RPT-1 已是起點,收購則把全球頂尖 TFM 研究團隊之一納入。SAP 表示本案的完整背景可參照其 2026 年 5 月發布的收購意向新聞稿。
TFM 是相對於大型語言模型的另一條路線:LLM 學的是文字,TFM 學的是試算表、資料庫這類有欄有列的結構化資料。SAP 押注的邏輯不難理解——企業的核心資產多半不是文件,而是 ERP 裡的那些表。
依 SAP 官方揭露,交易金額未公開——5 月的收購意向新聞稿明文寫「交易條件未揭露」(Terms of the deal were not disclosed)。官方唯一給出的金額是「未來四年投入逾 10 億歐元」,而這是投資承諾,不是收購對價。部分媒體另以美元金額描述本案規模,該數字並非出自 SAP 官方文件;SAP 兩份新聞稿皆未提及任何美元數字,本文因此不採用、也不對其來源做推斷。
這對台灣讀者為什麼重要:如果你在台灣的製造業、零售或金融業上班,而公司跑 SAP,這件事三年內會走到你桌上。SAP 買的不是聊天機器人,是能直接讀懂 ERP 資料表的模型——這意味著未來的「AI 導入」可能不再是把 ChatGPT 接到公司文件庫,而是模型直接在你的物料主檔、應收帳款、生產排程上做預測。台灣有大量中大型製造業以 SAP 為核心系統,這條路線一旦成熟,受影響的會是 IT 部門的採購邏輯與財會、供應鏈人員的日常。另一個角度是主權議題:SAP 明白說要在歐洲建前沿實驗室,這是歐洲不甘心把企業 AI 完全交給美國模型商的表態。台灣企業選型時,未來多一個「非美系」的實務選項,對議價與資料落地都不是壞事。
編輯觀察
這樁併購真正有意思的是它挑的戰場。當大家都在拚通用模型的參數與 benchmark 時,SAP 選擇往結構化資料鑽——這是它唯一守得住、別人短期進不來的地方。全球企業的營運資料躺在 SAP 系統裡幾十年了,這個資料的形狀、語意與髒法,SAP 比任何前沿實驗室都熟。
從時間軸看,這也是一次執行力的展示:5 月宣布意向,7 月完成交割,兩個月出頭。對照 Prior Labs 成立於 2024 年——一家 18 個月大的公司,直接被寫進一家歐洲軟體巨頭的 AI 主線劇本。
要保留的疑問是「前沿實驗室」這個詞。SAP 用的是 frontier AI lab,但四年 10 億歐元的規模,對照 OpenAI、Anthropic 動輒數十億美元的年度資本支出,量級不在同一個檔次。合理的解讀是:SAP 要的不是通用 AGI 的入場券,而是在自己那塊資料上做到無人能及——這個目標務實得多,也可能更賺錢。真正該追蹤的指標不是實驗室規模,而是 TFM 何時進入 S/4HANA 的標準功能。
來源:官方公告(第一級)。原始來源:SAP News Center〈SAP Completes Acquisition of Prior Labs〉(2026-07-17,Walldorf 發布)。完成收購、Prior Labs 獨立營運、四年逾 10 億歐元投資承諾、SAP-RPT-1 銜接關係均引自該新聞稿;收購對價 SAP 未公開,本文未做任何幣別換算或衍生計算。5 月收購意向新聞稿為官方於該文交叉引用之背景來源。
🧠 三、OpenAI 財務長提出「AI 時代計分卡」:別再看每 token 單價,要算每次成功任務的總成本
OpenAI 財務長 Sarah Friar 於 2026 年 7 月 17 日發表〈A scorecard for the AI age〉,主張衡量 AI 投資報酬的正確指標是「每一美元換得多少有用智慧」(Useful Intelligence per Dollar),並提出四項衡量問題:AI 是否完成了有價值的工作、每次成功任務花多少錢、結果是否可靠、以及每一美元是否隨規模產生更多價值。
依該文,Friar 針對的是財務長普遍在問的問題:怎麼從 AI 支出得到更多價值。她主張過去衡量軟體成功的方式是採用率——買了幾席、幾人活躍、續約幾張;而衡量 AI 需要更有力的尺度,就是「完成了多少工作」。
其核心論點是每 token 單價會誤導決策:低價模型的 token 便宜,但要得到好結果可能需要更多次嘗試、更多時間與更多人工複審;高價模型 token 較貴,卻可能一次到位。真正該算的是完成一次成功結果的全部成本——包含員工時間、人工複審、重試與返工——再除以達到品質門檻的任務數。
在數據面,官方揭露 GPT-5.6 家族分三層:Sol 為旗艦、Terra 平衡效能與成本、Luna 最快且最便宜。官方引用 Artificial Analysis Coding Agent Index 表示,GPT-5.6 Sol 在最高推理設定下創下新的最佳成績,同時比「另一款領先模型」少用 54% 輸出 token;在 DeepSWE v1.1(長時程工程任務)上,GPT-5.6 Sol 達 72.7%,高於 Claude Fable 5 的 69.9%,且估計 API 成本低 36.2%。
可靠度方面,Friar 提出三分類追蹤法:可直接使用(結果達標)、需要修正(需再次嘗試或人工編輯)、需要升級處理(需人介入完成)。她並主張在 AI 從「起草」走向「執行動作」前,組織須先界定系統可存取哪些資料、可使用或變更哪些系統、以及何時需要人工審核或核准。
這對台灣讀者為什麼重要:台灣企業導入 AI 的採購對話,現在九成停在「哪家 token 比較便宜」。這篇文章提供的是一套可以直接搬進會議室的反駁框架——而且是由賣模型的人自己提出來的,這點很有用:當供應商用低單價來競標時,你可以要求對方用「每次成功任務的總成本」來報價,把重試次數、人工複審工時攤進去。對台灣的中小企業尤其實際,因為人力成本佔比高,一次做對省下的是工程師的下午,不是幾毛錢的 token。另一個可直接照抄的是那個三分類:可直接使用/需要修正/需要升級處理——這比「準確率 95%」有意義得多,因為它量的是「AI 到底幫你省了多少工」,而不是模型考試考幾分。要提醒的是:這篇的定位是 OpenAI 的商業論述,結論方向對它自家的高階模型有利,框架可用,數字要自己驗。
編輯觀察
一家模型公司的財務長出來說「別看 token 單價」,動機不必猜——OpenAI 的模型不是市場上最便宜的,把戰場從單價換成總成本,對它有利。但這不代表論點是錯的。這裡值得分開看:框架與數字要用不同的信任等級對待。
框架本身站得住腳,而且早該被說出來。「便宜的 token 可能更貴」在實務上是常識——凡是接過 AI 專案的人都知道,一個要跑三次才對的便宜模型,加上人工複審的工時,總帳未必比一次到位的貴模型划算。Friar 把它整理成可計算的公式(全部成本 ÷ 達標任務數),這個貢獻是實質的。
數字則要打折扣。「比另一款領先模型少用 54% 輸出 token」——沒點名對手,這種寫法在行銷文裡通常代表比較條件是挑過的。DeepSWE v1.1 的 72.7% 對 69.9% 倒是點名了 Claude Fable 5,差距 2.8 個百分點;至於「估計 API 成本低 36.2%」用的是「估計」二字,而估計的方法論官方未揭露。這些都是廠商自報的自家測試,不是第三方複現。
真正該追的是第三點:可靠度。Friar 說「能力贏得第一次使用,可靠度決定 AI 是否成為工作方式的一部分」——這句話是整篇最誠實的一段,因為它承認了目前多數企業 AI 專案卡住的地方,不是模型不夠聰明,而是不夠可信到敢放手。這一段沒有任何 benchmark 數字,大概也不是巧合。
來源:官方公告(第一級)。原始來源:OpenAI〈A scorecard for the AI age〉(2026-07-17,作者 Sarah Friar,OpenAI 財務長)。四項指標、每次成功任務成本公式、GPT-5.6 三層分級(Sol/Terra/Luna)、Artificial Analysis Coding Agent Index 之 54% 輸出 token 差、DeepSWE v1.1 之 72.7% 對 69.9%、估計 API 成本低 36.2%、三分類可靠度追蹤法均引自該文。所有 benchmark 數字均為 OpenAI 自行揭露、未經第三方複現,本文照原文轉述、未做任何衍生計算;「另一款領先模型」之身分官方未具名,本文未推測。
⚡ 今日 AI 快訊
Anthropic 承諾投入 1,000 萬美元支持加拿大 AI 研究(原始日期 2026-07-14,擴窗 96 小時納入):Anthropic 於 7 月 14 日宣布將投入 1,000 萬美元支持加拿大的 AI 研究。加拿大是深度學習發展的重要發源地之一,此舉為近期國際 AI 公司加碼非美國研究據點的又一例。(來源:Anthropic 官方公告,2026-07-14)
🔭 接下來值得觀察
- 世界人工智慧合作組織會不會開始產出標準文件:目前公開資訊僅有成立與總部地點,職權範圍、秘書處編制與會員國完整名單尚未見官方文件。它是敘事平台還是規則制定機構,要看第一份技術或治理文件何時出爐、以及是否有歐盟成員或主要 AI 研發國加入。
- Prior Labs 的 TFM 何時進入 SAP 標準產品:SAP 已明說要建前沿實驗室,但實驗室規模不是重點,TFM 何時成為 S/4HANA 的標準功能才是。這個時間點會決定台灣以 SAP 為核心的製造業什麼時候真的要面對它。
- OpenAI 的 benchmark 數字會不會被第三方複現:GPT-5.6 Sol 在 DeepSWE v1.1 的 72.7%、對 Claude Fable 5 的 2.8 個百分點差距、以及「估計 API 成本低 36.2%」皆為官方自報。Artificial Analysis 等第三方評測機構是否給出一致結果,值得追蹤。
- Gemini 3.5 Pro 的正式發布:Google 於 5 月 19 日 I/O 宣布該模型並原訂 6 月正式推出,後延至 7 月;截至撰稿時,Google 官方 API 文件仍無 gemini-3.5-pro 的 model card 與定價頁。市場流傳的 7 月 17 日發布日與 200 萬 token 脈絡窗規格,均出自第三方報導而非官方,本站在官方發布前不予採信。
⚠️ 本文為時效性要聞彙整,事件細節以各家官方/原始報導為準;數字與金額均為撰稿時查證結果,傳聞題已明確標示且未經官方證實。
參考資料來源
- The Associated Press(經 NPR 轉載):China’s Xi calls for step up of global effort in AI, as US curbs squeeze China’s tech access(2026-07-17)
- SAP News Center:SAP Completes Acquisition of Prior Labs(2026-07-17,第一級)
- SAP News Center:SAP to Acquire Prior Labs to Establish a Globally Leading Frontier AI Lab in Europe(2026-05,第一級,背景)
- OpenAI:A scorecard for the AI age(2026-07-17,第一級,作者 Sarah Friar)
- Anthropic:Anthropic commits $10 million to Canadian AI research(2026-07-14,第一級)