信報專欄

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而，即使模型選擇正確數據卻 難以整合；數據成功整合，系統卻無法運行；系統成功運行，但業務部門不會操作；即使學會操作，3個月後模型又變得過時。 問題根源其實不在模型，而在架構。猶如建造大樓，若設計圖存在缺陷，再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」（模型和算力），卻忽視了地基 （數據基礎設施）、水電管線（部署與整合）及消防系統（安全與監控）這些關鍵要素。 任何成熟的Al系統 , 都應該包含4個層級 : 第一層 : 數據層 數據是AI系統的原料倉庫。原始數據通常雜亂無章，系統必須先清洗、分類、去雜訊。這是大多數 AI 專案失敗的第一個關卡 :不是模型不好，而是數據不能用。 第二層 : 訓練層 真正的「學習」在此發生。系統從清洗好的數據中找出規律，這個過程極度消耗運算資源，也決定了你的AI 聰明程度。 第三層：推理層 模型投入實際使用時，這一層負責快速回應。如果慢了兩三秒，用戶體驗就大打扣；如果不準，整個業務

上周把兩個消息放在一起看，很有意思。 第一個，Anthropic宣布Claude Code推出Artifacts，讓軟件工程師在寫程式的過程中，業務主管能同時打開網頁儀表板，就能看到軟件即時更新及開發的狀態。 第二個，中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架，系統能自動提出假設、修改代碼，運行真實實驗並從結果中學習，自動優化解決問題。 過去一年大家比併的是模型能力──誰的基準分數高，誰的幻覺少，誰能編寫更長的程式碼；但現在比的不是「AI能否寫程式」，而是「寫完之後，你的團隊怎樣跟它合作」。 Artifacts不是一個技術功能，它是一個溝通層，讓不懂程式的人可以實時看到智能代理在做什麼，追蹤版本歷史，直接給予回饋，不需要等候進度報告和簡報。他們自己用了一句話形容：「讓智能代理在沒有人類逐步介入的情況下，透過實驗回饋自主迭代優化。」以往的開發循環是：寫程式→提交→構建→部署→展示→等回饋→修改程式，但Artifacts將系統或程式碼，由內嵌到開發過程直接展示出來。 從管理角度看，公司買了AI工具但回報不明顯，未必

你可曾想過，你抽屜裏那部4年前的舊手機，可能很有價值？ 這個星期，Google Research聯同加州大學聖地牙哥分校（UCSD）公布一項創新計劃：運用2000部退役的Pixel手機，構建一個真實可用的雲端計算平台。這不僅是概念驗證，更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接，將舊手機的熒幕、電池、外殼全部移除，僅保留主機板，透過Kubernetes技術組成叢集，直接轉化為伺服器使用。結果令人驚訝，根據美國標準性能評估公司基準測試數據顯示，僅需25至50部手機的運算能力，已能達到現代伺服器的同等水平。 換言之，你抽屜中那部被遺忘的舊手機，再加上鄰居與同事手中的同類型號，它們的組合效能或許能超越一整台專業伺服器。這並非簡單的回收利用，而是一種資源的共生關係。放眼全球，每年有數以億計的手機被淘汰更新；在香港，平均每兩年就更換手機的頻率，已成為普遍現象，遠高於全球平均水平。關鍵在於，手機製造商希望你覺得4年前的處理器太慢、鏡頭畫質落後，我們被市場定義的「過時」蒙蔽了雙眼。 同時，美國西雅圖市議會正式通過一項緊急禁令，規定一年

上周Anthropic公布的數據，揭示了令人矚目的趨勢。該企內部高達80%以上的新生產代碼，如今均由人工智能（AI）助手Claude Code撰寫。此外，OpenAI也對AI程式編寫與自主開發代理Codex進行升級，整合了企業工作空間與角色插件功能。 同時，Microsoft Build開發者大會一次過推出了3項人工智能代理（AI Agent）相關基礎設施： 1. Microsoft Execution Containers（MXC）（OS級別的Agent沙盒環境） 2. Solara（專門為Agent開發的Android 系統） 3. IQ/Rayfin（跨Agent統一資料層） 看起來，AI Agent的編碼開發生產力時代真的來了。但如果你只看到這裏，你可能錯過了這周最重要的一篇文章，VentureBeat的Pulse Research在同周發表了一份報告，標題叫做The Agentic Reckoning，裏面有一個核心論點：企業AI組織的問題不是模型能力，而是如何意識到程式運行錯誤。 正是80%的AI新生產代碼帶來的陷阱！我不是來潑冷水的

如果你在5年前問我網絡安全行業會走向何方，我會告訴你一個穩定增長的答案；但到了今天，答案完全不同。這個行業正在經歷一場結構性的重塑─不是線性的擴張，而是多重力量的疊加爆發。 全球網絡安全市場在2026年已達2480億美元，預計2034年將增長到7000億美元，年複合增長率13.8%。然而，更有趣的是某顧問公司的另一個數字，人工智能（AI）正在把這個市場的總可及規模推高至2萬億美元。為什麼？因為網絡安全正在從資訊總監（CIO）的財政預算項目，升格為董事會對風險管理所關注的基礎設施。 AI正從根本上重新定義這場遊戲。攻擊者用深偽（Deepfake）身份詐騙、用自動化工具滲透測試、用生成式AI大規模生產社交工程攻擊。防禦方則以AI-SIEM（AI安全資訊與事件管理）、自動化威脅獵捕和異常檢測系統應對。核心矛盾在於AI讓攻擊的規模化成本趨近於零，防禦的難度和複雜度正指數級上升。 網絡安全已不再是純粹的技術問題，它是地緣政治的延伸戰場。歐盟網絡與資訊安全指令（NIS2）、中國的數據安全法三法聯動、美國的一系列行政命令，每一套監管體系都在說同一件事，但說法不

人工智能（AI）正在以深刻且不可逆轉的方式重塑經濟，以美國為例，從勞動力市場崗位結構到企業競爭格局，從生產率增長到行業營運模式，AI的影響已開始滲透到經濟體的核心。AI創造新機會的同時，也在打破舊有秩序。 美國哈佛大學的一項研究，透過分析美國人口普查數據，建構了「職業流失率」這一獨特指標。研究發現，1990年至2017年間，美國勞動力市場經歷了非常穩定的低流失期，但從2019年開始，變革驟然而至，這與生成式AI的興起時間高度吻合。同時麻省理工實驗室的「冰山指數」（Iceberg Index），提供了更具規模的估算。該指數以151萬名美國勞動者為模型對象，發現AI目前已可替代11.7%的美國勞動力，覆蓋金融、醫療、專業服務等核心領域。 AI對宏觀經濟的影響，突出地表現於生產率的提升潛力。有經濟學專家指出，「AI將重塑就業格局，某些領域的勞動力將逐漸被智能任務系統所取代。」可是，這些專家也預測AI，將為美國經濟發展帶來強勁的推動力。 高盛研究報告顯示，AI技術在全球範圍內，可能影響高達3億個工作崗位，美國約四分一的工時，面臨被AI自動化取代的可能性。

我之前在文章裏說過，人工智能（AI）競爭正在從技術參數之爭，轉向「數據管道、標準制定、規模落地」的全鏈條控制權之爭。最近歐洲的舉動，恰好印證這個判斷，也帶來一個有趣的問題：歐洲AI能否走出一條有別於中美的新道路？ 德國上月啟動了「人工智能創新園」，總投資數十億歐羅，號稱歐洲迄今最完整的AI產業集群。布局的方向很明確：工業AI、智能製造、自動駕駛、智能物流、AI倫理與安全，全是「製造業+人工智能」的方向。 這個選擇本身，就說明歐洲的邏輯跟中美都不一樣。中美兩強爭奪的是底層平台和數據通道；相反，歐洲沒有這個本錢，算力規模和工程化能力都較落後，但歐洲有自己的王牌：深厚的製造業基礎。歐洲有13座「人工智能工廠」即將投入生產，每座配備約10萬枚高端AI晶片。德國AI算力規劃到2030年，將會是2025年的4倍，據悉已吸引上百間企業，市值超過3.7萬億歐羅（約33.7萬億港元）。 但歐洲有一個致命的結構性問題：碎片化。 數據標準不統一、語言環境各異、產業政策各行其是，若要讓一個德國工廠的AI系統和法國工廠打通，每一步都要穿過一道制度壁壘，這種碎片化現象，是歐

在當前的商業社會中，生成式人工智能（GenAI）以前所未有的速度滲透全球企業。美國近三分二組織已把AI納入營運，然而，其所承諾的價值卻依然模糊。企業高管手握這把被譽為「未來鑰匙」技術，卻對如何提升實質增長與競爭優勢感茫然。問題核心不在於技術本身，而在於我們對其框架的認知。若僅把生成式AI視為一件嶄新工具，然而真正要把價值釋放，還需要一場深刻的組織變革。 這要求領導者摒棄把AI技術，看成短期應用的心態，而應該去想像。在未來，由AI代理群主導的「最小可行組織」（MVOs）的運行方式，包括如何自主處理重複性、基於邏輯的業務（如借貸審批），人類團隊專注於需要創造力和戰略判斷的高價值領域，如此人與AI便共同構成一個更敏捷、更高效的混合型組織形態。 然而，無論願景多麼宏偉，若缺乏信任的基石，一切都只是空中樓閣。信任，是AI規模化應用的命脈。倘若員工或客戶對AI生成的結果心存疑慮，技術發展的潛力便會被徹底摧毀。惟建立信任並非易事，它需要具體行動：確保數據的高度可解釋性與質量、建立具透明度的AI治理框架（如設立監督委員會、制定明確的使用政策），以及運用高質量數據

這段時間，筆者持續關注中美兩國在人工智能（AI）發展軌跡上的步伐。倘若說2022年是眾人見證「生成式AI奇蹟」誕生的時刻，那麼2026年，則更像是具有里程碑意義的轉折點。我們終於領悟到，AI競賽早已超越那張在商業領域實質意義的大模型比併榜單，而是演變為一場關乎「資本—晶片—大模型—產業—制度標準」的全鏈條競爭。 從產業化節奏看，中美競爭已從「誰有更強模型」轉向「誰能把AI更快轉化為產業體系和基礎設施優勢」。舉例來說，中國汽車產業正加速把AI嵌入下一代電動車，形成「自主化機器+中國晶片+中國軟件」的路徑；另外，有報道提到，華為計劃未來5年投入超過100億美元提升智能駕駛算力。與之對應，美國4月發布的《經濟報告》強調，生成式AI數據中心的電力需求，預計由2023年佔美國總用電量的4%，升至2028年的7%至12%，並提到美國能源部此前已識別出16個具備快速建設數據中心合適條件的地點。換句話說，中國展現的優勢是「快速擴散AI應用並深度嵌入產業」；美國展現出的則是「前沿模型研發、龐大算力與能源發展，以及制度性資源整合能力」。 然而，在我們瘋狂追逐AI成果

上周說到，在全球氣候治理的棋局裏，我們正經歷一場悄然無聲，卻影響深遠的「範式轉移」。曾幾何時，《京都議定書》試圖通過強制性的溫室氣體減排配額，約束少數發達經濟體。然而，隨着邊際減排成本日益上升，這種「由上至下」的強制模式，逐漸顯露其局限。 《巴黎協定》的出現，標誌着一個新時代的開啟：以國家自主貢獻（NDC）為核心的制度安排，取代了單一強制配額邏輯。這意味着，氣候行動的驅動力已發生本質演變，正從單一的強制合規，走向國際合作與經濟激勵並行的新模式。 值得注意的是，近年來國際規則也在迅速演進。隨着《巴黎協定》第六條規則在第29屆聯合國氣候變化大會（COP29）後取得關鍵進展，全球碳市場的制度架構已愈來愈清晰。特別是第6.4條下的《巴黎協定》信用機制逐步成形，為高標準碳信用提供更具全球一致性的准入框架。 這項機制之所以重要，是因為它在全球範圍內，嘗試為碳信用建立由聯合國監督的統一標準，由專門機構制定方法學、審批項目，並簽發符合統一要求的碳信用，從而推動碳資產朝向更高透明度、更強可比性與更高完整性的方向發展。這有助於緩解過去自願碳市場標準分散、質量參差與重

在國家「十五五」規劃與香港特區五年規劃即將銜接的關鍵時刻，社會大眾的討論往往仍停留於股市波動、樓市起伏等短期議題，卻較少意識到，一場更深層、足以重塑未來新產業格局與全球資產配置的變革─綠色金融正悄然展開。 聯合國雖在2015年簽署《巴黎協定》，但一直未就設立碳信用交易機制的第六條達成共識。然而，全球碳市場正從過去自願減排時代的標準不一、數據可信度不足，正逐步走向由主權授權、合規審查與由高質量資產主導的新階段。 2024年第29屆聯合國氣候變化綱要公約締約方大會COP29取得重要進展，碳市場機制得以正式投入運作；與此同時，倫敦證券交易所數據顯示，全球碳市場交易規模已接近一萬億美元，碳市場早已不再只是環保議題，而全球性新資產市場正在逐漸成形。 在這一新格局下，真正稀缺的是可審計、可追溯、可跨境流轉的高信度碳資產，而中國正迅速成為全球最重要的高質量碳資產需求來源之一。 一方面，中國年排放總量約在130億噸量級，但即使按多項公開分項數據粗略估算，森林碳滙、清潔能源替代、節能降碳及其他措施形成的年度綜合減排與吸收能力約為25億至27億噸二氧化碳當量（Car

站在2026年回望，如果在10年前能更早意識到生成式人工智能（GenAI）的到來，我們會發現：企業迎接AI，最關鍵的不是使用某個大模型，而是重塑對數據與智能之間關係的理解。其中最重要的思維轉變，是從傳統的「數據優先」轉向「AI優先」，即是數據的採集、儲存與處理，每一個環節都應優先考慮現在及未來AI應用的需求。 沿着這個思路，有兩個在當時尚未被清晰定義，如今卻至關重要的概念值得深入探討。 一、運用AI技術強化數據治理 這是指利用AI技術（涵蓋機器學習、自然語言處理等）革新，並提升數據治理的流程，有效應對傳統治理模式中效率低、過度依賴人工干預的挑戰。其核心理念在於「實現智能化治理」。 相比之下，AI提供的解決方案更是全方位： 智能剖析：自動完成數據血緣及數據字典的掃描與解析 主動監控：實時監測數據異常狀況，例如字段值突然變為空值 自動分類：智能識別數據類型（如身份證訊息、交易金額等）並自動添加標籤 動態安全：通過分析數據訪問行為模式，自動識別異常操作，例如非工作時間出現大量數據下載等異動 把治理工作中重複、繁瑣的部分交給AI，讓人可以專注於真正需要判

當生成式人工智能以周為單位快速迭代，全球互聯網治理的齒輪正加緊步伐。承接去年世界互聯網大會（WIC）亞太峰會首次在香港舉辦，今年香港再接再厲以「數智賦能創新發展──攜手構建網絡空間命運共同體」為主題，成為科技界的年度盛會。這不僅是國家對香港「超級聯繫人」角色的認可，更是中國引領全球數字時代治理的關鍵時刻。 從2025年首屆峰會吸引50餘國近千名政商領袖，到2026年新增部長級對話與AI治理論壇，這場會議正在重新定義亞太地區的技術版圖。會議同時滙聚多位國際知名演講嘉賓，分別就「智能體創新與應用」、「數字金融」、「人工智能安全治理」、「智惠民生」、「數智健康」及「典籍數智化與傳播」議題分享真知灼見。 2026年國家工作報告首次提出「打造智能經濟新形態」，繼續強調「深化拓展人工智能+」，把AI從技術工具進一步上升為經濟增長新空間和新動能的核心來源。與此相呼應，國家發改委在「十五五」規劃綱要草案解讀中明確提出，要把「提升數智化發展水準」單獨成篇，要求突破人工智能基礎理論和關鍵算法、建設全國一體化算力網、全面實施「人工智能+」行動，並且前瞻布局具身智能等未

在「大模型時代」，人工智能（AI）工具正逐漸成為職場競爭的核心議題。美國有專家指出，部分科技企業內部，員工間競爭已演變成AI工具使用頻率的比併，例如應用次數愈高、消耗的Tokens（詞元）愈多等。OpenAI Codex工具年使用量增長5倍，Google的AI每月處理量也高達1300萬億詞元，有員工單月為AI工具所耗的支出高達15萬美元，這些數據卻被視作技術驅動增長的有力證明，竟有管理者把使用量激增等同於生產力提升，員工也因此贏得更多職場認可。 然而，這種「數據表象」引發了爭議。一部分企業認為，此類排行榜能夠有效激勵員工掌握AI工具，尤其是在工程師生成代碼或處理數據時，AI能夠全天候工作，效率顯著提升。另一方面，也有批評聲音指出，這種評估方式更像是一場「消耗資源的競賽」。 從表面來看，AI工具的應用展現出顯著優勢，以往需要數日甚至數周才能完成的任務，如今藉助AI可在短時間內高效完成。可是，過度依賴AI潛藏着不容忽視的風險與代價。為提升AI的使用頻率，工程師傾向於把更多工作交由AI處理，導致代碼質量逐步下滑。在多數情況下，員工對AI生成的代碼缺乏必

最近，美國白宮的一份人工智能（AI）政策指南，觸發筆者長久以來對科技治理的思考。文件點出一個核心矛盾：面對AI帶來的潛在風險，美國該讓各州分頭摸索，還是由聯邦政府統一立法，為這輛高速行駛的「AI列車」設定統一軌道？ 這更像一個全球縮影，呈現出我們在面對強大新技術時普遍陷入的「創新油門」與「風險煞車」之間的取捨。在我看來，這份文件的價值，不在於提供終極答案，而在於迫使我們去思考一個根本問題：我們該如何設計一套制度，既釋放AI的潛力，又不至於被其反噬？ 美國白宮的論點非常清晰：零散的州法律，會削弱美國在AI全球競賽中的領導地位。當一個AI應用需同時應對加州私隱、得州審計、紐約稅收時，其合規成本必然劇增。這就好比在一條高速公路中駕駛，途經每個州都有自己一套不同的速限和行駛規則，混亂情況可想而知。不過一位州議員助理反問道：「當AI出現問題，導致市民蒙受損失時，難道我們要坐着等聯邦法案慢悠悠地討論嗎？」這點出治理的另一核心矛盾：統一可提高效率，但地方的反應能力往往是應對的第一道防線。 這場監管辯論本質上是一場多方利益博弈與戰略平衡，但同時引出擔憂：誰來為這

近來身邊很多朋友都在興高采烈地準備養「龍蝦」（OpenClaw），這自主化的人工智能代理（AI Agent）承諾將人類從繁瑣的執行工作中徹底解放。這幅圖景無疑是誘人的，但歷史的教訓往往反覆在上演。對任何新技術的引入，若只看到其效率提升，而忽視其內含的風險，潛在災難往往是始料不及。 當AI僅作為聊天機械人時，一個錯誤的答案影響通常有限。但當具備自主執行能力的AI代理產生「幻覺」時，其破壞力將呈指數級放大。過去的聊天機械人，充其量把這個錯誤結論告訴你，而AI代理則會付諸行動：它可能會自主訪問你的郵箱，看到郵箱儲存量已經到了95%，而決定把「沒有用」的郵件刪掉。一個微小的「幻覺」火種，可以讓你失去了一些重要訊息。 無奈的是為了讓AI代理足夠強大，我們必須授予它訪問電子郵箱、即時通訊軟件、數據庫、調用API（應用程式介面），甚至作業系統的權限。這就像為了讓新來的實習生能分擔工作，我們不得不把辦公室的鑰匙和文件的密碼都交給它。我們授予的權限愈多，它能做的事就愈多，但整個組織的安全邊界也就愈脆弱。 這位「數字實習生」的殷勤和能力，恰恰是風險的根源，就如同一個

盛預測到2030年，全球3億個工作崗位可能被人工智能（AI）取代，低技能勞動者首當其衝。例如，客服、流水線工人和文職工作面臨極高風險。分析師布里格斯（Joseph Briggs）指出，「6%至7%的勞動者可能失業，年輕人和低技能群體風險最大。」 AI正以前所未有的速度重塑全球經濟與社會結構，從日常生活的智能助手到企業決策的數據分析，AI技術的影響力無處不在。AI的快速發展既帶來機遇，也伴隨挑戰。一方面，它能極大提高生產效率、優化資源配置；另一方面，也可能在短期內對勞動力市場和社會公平造成衝擊，怪不得財爺也不斷強調科技發展對香港的重要性。 面對這趨勢，香港特區政府在新一份《財政預算案》提出了一項極具前瞻性的舉措，撥款5000萬元推進全民AI培訓計劃，致力於提升公眾對AI的認知水平與應用能力，同時倡導負責任地運用先進技術。這一戰略舉措不僅順應了全球AI技術蓬勃發展的浪潮，更彰顯了香港在數字化轉型進程的前瞻性規劃，其推出時機可謂恰到好處。 推動全民AI培訓，不僅是一項提升技能的重要舉措，更是為社會開啟未來之門的「金鑰匙」。AI技術的廣泛傳播與深度教育，

作為一名在科技行業摸爬滾打了半生的人，我深知人工智能（AI）這把雙刃劍的威力，它帶來前所未有便利的同時，也引發了關乎心智、公平、私隱乃至人類存續的深層憂慮。我們今日所創造的便利，若缺乏清醒的審視與反思，或許成為明日禁錮自身的枷鎖。 首當其衝的是心智自主權的外判。當獲取答案變得輕而易舉，我們獨立思考、與思想搏鬥的寶貴過程便有被減省的風險。人腦如肌肉，用進廢退，這種思維上的外判，最終讓決策主導權被削弱，使我們從技術的主人，淪為被動接受算法引導的庸才，隨之而來的是加深社會鴻溝。當效率成為重大目標，冰冷邏輯的算法可能加劇贏者通吃現象，甚至催生出因不懂技術而被社會遺棄的數碼棄民，這已非簡單的數字包容問題，而是結構性的社會不公。同時，生物識別的濫用與被遺忘權（刪除資料）的失效，令私隱輕易被洩露。最令人警醒的是機器為了達成某個指令，可能做出違背人類常識與價值觀的危險行為。 面對這股洪流，我們不能袖手旁觀，必須回歸以人為本，為自己與AI的共生關係構建清晰的護欄，其核心在於從被動的AI用戶，轉變為主動的設計者。這首先要求AI有可追溯、可審計的功能，也配備撤銷（Un

塔爾瓦爾（Rohit Talwar）身為全球頂尖未來學家、屢獲殊榮的主題演講人，他尤其關注如何利用新思維、創新，以及人工智能（AI）和智能工作流自動化等來推動商業、社會和個人生活的發展，大灣區國際信息科技協會有幸在3月份邀請他遠赴香港作主講嘉賓。 為了屆時能更好地與他交流，筆者做了一些學習筆記公諸同好。礙於篇幅所限，只選取其中五個觀點如下： 1. 這次的浪潮，究竟有何不同？ AI的根本差異，在於它不僅僅是工具的迭代，更是「思考方式」的重塑（思維2.0）。當中結合算力、大數據、物聯網和機器學習，第一次讓機器擁有了「學習」和「推理」能力。作為先導者，我們必須投入時間去理解：它為何而來？資本為何瘋狂？真正機遇潛藏在何處？ 2. 潛力無限，但第一步如何邁出？ 讓機構真正「觸摸」到AI的力量，圍繞一個具體業務痛點，透過更精準的客戶洞察、更智能的生產排程，進行一次小規模的實驗。關鍵在於「快速學習、快速感知」，而非追求一步到位的完美方案。 3. AI的發展速度，我們真的理解嗎？ AI發展步伐之快，超出了大多數人的預期。我們必須意識到，這不再是一個可以「等等看」

根據市場研調機構Gartner今年1月30日發布的最新預測，2026年全球人工智能（AI）總支出將達到2.52萬億美元，全年增長44%。這數據充分反映了全球AI需求還在爆發式增長。 在AI代理Manus的賣盤交易還未有定案之際，最近OpenClaw（前稱Clawdbot及Moltbot）爆紅。OpenClaw是一款可部署於個人電腦的開源AI助手，旨在成為用戶的「超級助理」。其核心功能在於其自動化能力，可以自主整理收件箱、預訂服務、管理日程等，而毋須等待用戶指令。 該產品在技術上作為一個AI代理的「編排層」，用戶可在本地硬件託管一個「控制台」，並將其連接至Claude或ChatGPT等外部模型，確保所有數據與日誌留存於本機，保障私隱安全。自OpenClaw公開後，迅速吸引了多間主流雲服務商、即時通訊應用程式的關注。據聞大型科技企業如騰訊（00700）、百度（09888）等，已全力在解構該開源軟件。 以下是OpenClaw主要特點： 主動執行任務：毋須用戶手動觸發，即可自動處理電郵、安排會議、管理文件、運行腳本乃至編寫代碼，擴展自身功能。...