Check Point 策略總監 Itai Greenberg 接受 HKEPC Biz 專訪時指出，生成式 AI 技術正全面重塑網絡安全版圖，攻防戰已進入由 AI 驅動的全新階段。他強調，企業須以「混合網狀架構（Hybrid Mesh Architecture）」作為應對多雲環境與安全需求的核心策略。

▪️攻擊者武器化 AI：黑客現時可輕易利用大型語言模型（LLMs）自動生成惡意代碼、釣魚網站等攻擊工具，且可在極短時間內大量部署，令威脅更快更廣。

▪️保護 AI 系統本身：隨著企業使用 GenAI 與 LLMs 開發應用程式，保護 Prompt、API、雲端元件乃至整個應用生命週期的安全變得尤其關鍵。Check Point 已推出相應防護方案，包括監察公共 LLM 使用情況、限制數據外洩，以及與 Nvidia 整合安全模組保護私有 GenAI 系統。

隨著人工智能（AI）從生成式 AI 步入代理式人工智能（Agentic AI）的世代，AI 模型的自主決策能力亦急速提升，同時亦再次勾起各界對 AI 安全性的疑憂。Palisade Research 近日便於社交平台 X 公佈其研究發現，指部分 AI 大語言模型（LLM）在測試中拒絕執行關機指令，甚至主動破壞關機程式，引起業界對 AI 訓練機制的安全性關注。

AI 模型拒絕關機

該報告指出，多個 AI 模型在受控測試中未能遵守關機指令，甚至主動改寫或破壞程式碼，令系統無法正常關閉。研究團隊在指令中要求 AI 解答數學問題，並在第三題後顯示警告，指 AI 若繼續運算，系統將自動關機。部分 AI 模型試圖規避關機機制，包括：

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：

生成式 AI 的商業化應用正不斷擴展，從智能客服、市場推廣到市場分析，生成式 AI 正逐步成為驅動商業模式變革的核心技術之一。過去數月間，各大科技公司爭相推出新的大模型，如 Google 的 Gemini 2.5、OpenAI 的 o3、Meta 的 Llama 3.3、X（前 Twitter）的 Grok 3、Anthropic 的 Claude 3.7、Amazon 的 Nova Premier、Microsoft 的 Phi-4，還有話題王 DeepSeek 的 R1 和 V3 等。

阿里雲亦不甘後人，近日宣佈推出端到端多模態 AI 模型 Qwen2.5-Omni-7B，展現多模態生成能力及高效能應用場景。

Qwen2.5-Omni-7B 專為全模態感知設計，能處理文本、圖像、音檔及影片等多模態輸入，並實時生成自然語言對答，適用於手機、筆記本電腦等終端設備的部署。儘管僅採用輕量級的 7B 參數，Qwen2.5-Omni-7B 的應用前景仍相當廣泛，包括即時語音導航協助視障者辨識周邊環境、分析影片中的食材提供烹飪指導，以及創建理解客戶需求的智能客服對話體驗。