香港首個針對關鍵基礎設施的網絡安全法規《保護關鍵基礎設施（電腦系統）條例》，將於 2026 年 1 月 1 日正式生效。雖然新法例未必適用於一般企業，惟 AWS 香港暨台灣總經理王定愷認為，在網絡威脅不斷演變的環境下，企業仍應視網絡安全為首要任務，並呼籲企業加強事故應變能力，制定全面的應急計劃。

據香港網絡安全事故協調中心（HKCERT）的《香港網絡安全展望2025》報告顯示，「網絡釣魚」活動升至 5 年新高（去年錄得7,811 宗，佔整體事故的 62% ）。因此 HKCERT 提醒，企業今年須關注 5 大網絡安全風險，包括：

▪️第三方風險上升，如供應鏈安全漏洞等

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。

面對全球經濟下行和港人北上消費等行為變化的雙重挑戰，本地零售業急需創新突破，而生成式 AI 等創新科技，也許正是帶來突破的機遇。有見及此，AWS 上周四在港舉辦零售行業論壇，探討雲端和生成式 AI 科技的最新應用案例與未來趨勢。

提及線上零售，Amazon 可謂鼻組級平台。其電子書平台很早期便已利用 AI 針對用戶的個人喜好及購物記錄，推薦相關產品並取得空前成功。隨著技術及業務拓展，現時 AWS 多款方案亦透過生成式 AI 的應用方式，聚焦客戶為本、產品為本、員工為本及資訊科技為基礎四大範疇，為零售及消費品業務革新體驗。

AWS 全球消費品、餐飲及零售業務發展部門主管 Justin Honaman 形容，生成式 AI 為採購和合約管理，帶來了革命性的改變。企業可利用文字模型分析 PDF 或 Word 格式的合約，快速完成價格核對、付款條款及合約條款的合規檢查，既能提高效率，更有助減少人工操作的失誤可能性，令企業能專注於核心業務。

繼 Microsoft 推出由拓撲導體（Topoconductor）驅動的運算晶片 Majorana 1 後，AWS 亦迎頭趕上推出新量子運算晶片 Ocelot。量子運算市場似乎正醞釀著一場惡鬥，看誰能將軍事研究級的量子電腦成本壓至商用級。

Ocelot 晶片由設於加州理工學院的 AWS 量子計算中心團隊研發，AWS 稱與目前的量子糾錯方式相比，成本可降低多達 90%。

AWS 在 Ocelot 架構採用嶄新設計，從一開始便內置糾錯功能，並採用貓量子位元 （cat qubit）。貓量子位元以著名的「薛丁格貓」思想實驗命名，能夠抑制某些形式的錯誤，從而減少量子糾錯所需的資源。透過 Ocelot 的全新設計，AWS 研究人員首次成功將貓量子位元技術，和其他量子糾錯組件整合到可大規模生產的微型晶片之上，而這種方式借鑑於微電子業的製程。