市場對人工智能（AI）的期望已逐步轉變，企業不再僅僅依賴單一功能的 AI，而是尋求全面自動化的業務流程，以提高效率與決策能力。不過企業在計劃大規模部署 AI 時，難免會憂慮安全與合規風險、缺乏可靠性、試行專案停滯不前，以及被供應商鎖定等挑戰。

為幫助企業將 AI 潛力轉化為實際成果兼克服種種部署挑戰，UiPath 宣佈推出首個專為代理式自動化（agentic automation）構建的企業級平台 UiPath Platform，將 AI 代理、機械人流程自動化（RPA）及人類專業知識整合在單一智能系統上，達致協同工作的平台。

▪️UiPath Maestro ── 為 AI 代理、機械人及人類提供無縫協調作業；

香港及亞太地區的教育體系正面對多重挑戰，包括資源分配不均、學生學習負擔沉重、教師行政壓力增加及數碼化程度不足等問題。人工智能（AI）技術的普及，無疑能為教育界帶來創新的解決方案，促進學習模式轉型。

Lenovo 早前便協助張振興伉儷書院，成功部署設備內置的⼤型語⾔模型（LLM）的解決⽅案 Lenovo AI Now。該方案旨在提升學生自主學習能力，同時簡化教師行政工作，使教學體驗更高效，更具互動性。

在 AI Now 平台的支援下，學生可運用教科書、教材、筆記及近三年考試卷建立數碼知識庫，從而提升學習效率。此技術為校方帶來三大優勢：

雲運算與生成式 AI（Generative AI）的急速發展，顛覆了人們的學習、工作、生活以至娛樂模式。而 AWS 亦致力透過高效數據處理與人工智能分析，提升賽事的公平性、觀賞體驗及運動數據管理。

自 2018 年起，AWS 與 Formula 1（一級方程式賽車，F1）展開緊密合作，透過人工智能及雲運算，解決賽車運動最核心的問題 ── 如何有效處理龐大的賽事數據，並提升賽車迷的觀賽體驗。

F1 賽車每場比賽都會產生海量數據，包含車輛性能、賽道條件、車手操作數據等，AWS 透過數據湖（Data Lake）技術整合所有資訊，並運用機器學習（Machine Learning，ML），發掘車迷最關心的問題。

Amazon 早前宣布推出全新基礎模型 Amazon Nova Sonic，將語音理解與語音生成統一於單一的模型中，使 AI 應用程式中的語音對話更貼近真人交流。該模型透過 Amazon Bedrock 上的 API 提供，可簡化語音應用開發流程，例如客戶服務通話自動化，以及涵蓋旅遊、教育、醫療、娛樂等領域的跨行業 AI agents。

若要讓語音 AI 創造更多實際價值，必須能夠理解人類對話的微妙與複雜性。對話中，文字本身承載著意義，不過若缺乏聲音語境為它賦予深度，僅憑文字往往難以傳達完整資訊。如何表達與表達甚麼同樣重要，甚至更為關鍵。從過去直到現在，透過 AI 實現這一點仍是重大挑戰。

傳統語音應用開發須協調多個模型，例如將語音轉為文字的語音識別模型、理解並生成回覆的大語言模型（LLM）、將文字再轉為音檔的文本轉語音模型。這種分散的方法不僅增加了開發的複雜性，同時也難以保留自然對話中至關重要的聲學情境和細微差別，如語氣、語調韻律和說話風格等。

50 年前，Bill Gates 與 Paul Allen 抱著開創科技，讓所有人都能創造更多科技的理念創立 Microsoft。踏入 50 周年，相比回顧過去成就，Microsoft 更專注於探討未來 50 年的發展可能。

「如果說我在 Microsoft 工作期間學到了甚麼，那便是我們的未來並非由我們已經建立的東西決定，而是由我們賦能他人去建立的東西所決定。」Microsoft 主席兼 CEO Satya Nadella 指出，Microsoft 一直致力將創新科技普及化，例如推出 GitHub Copilot，將 AI 賦能予全球開發者。

自動化 AI 代理與合作模式：