AI 重點摘要 — 全貌 — 2026-10-22 (週四) 每日新聞

OpenAI收購Orchestra Bio、Astellas與AI Proteins達成4億美元交易、高通裁員並轉向AI資料中心。過去半天的一系列報導顯示，AI正在決定研究、設備與人力配置的資金流向。與此同時，在一篇列出美國人恐懼事物的文章中，對AI的焦慮名列前10名，而杜克大學正推進將AI用於失智症的臨床應用。這一連串的發展，無法單靠衡量技術有多準確來解釋。AI導入的成敗，如今取決於組織如何定位AI，以及人們如何看待它。在接下來的各節中，我們將根據個別報導來檢視這些變化。

藥物開發已進入透過併購與聯盟爭奪主導權的階段

OpenAI已收購AI藥物開發新創公司Orchestra Bio。CHOSUNBIZ將這起收購報導為"加速AI驅動的藥物開發"之舉，另一篇文章則以「加速新藥開發」為標題。Business+IT報導指出，這起收購正值來自Anthropic與Google的競爭日益加劇之際。AI公司選擇以收購新創公司、而非自行研發的方式進軍藥物開發領域。在評估藥物開發AI時，僅比較模型效能已經不再足夠。哪些公司手上有堅強的藥物開發團隊與技術，也會成為決策的考量因素。

在藥廠方面，透過聯盟留住客戶也有進展。據Fierce Biotech報導，Astellas已與AI Proteins簽訂一項4億美元的計算藥物開發協議。在AI Proteins於Business Wire發布的公告中，兩家公司簽署的是研究合作與授權協議。目標是以微型蛋白為基礎，搜尋與開發新的治療藥物，據稱總金額超過4億美元。收購主要是AI公司進軍藥物開發領域的動作，而這項協議則是大型藥廠與專精AI的公司合作的舉動。由於公布的金額是總額，讀者需要查看公告中的合約條款，才能判斷實際的負擔與回報。儘管如此，我們仍可看到資金正從個別實驗，轉向與擁有特定技術基礎架構的夥伴進行長期合作。

合約本身的型態也在改變。GeneOnline 報導指出，隨著 AI 為規模 $400 billion 的製藥業後勤業務帶來變革，按時計費正走向終結。如果累積工時再據以計費的體制難以為繼，承接方就必須透過成果與所提供的機制來展現自身的價值。委託方在挑選分包對象時，也將越來越依據對方如何導入 AI 來做選擇，而非對方能投入多少工時。媒體將這項轉變描繪為整個產業的結構性轉變。

這三個舉動——併購、合作與外包合約——顯示，AI 的採用不只是技術問題，還延伸到資金的分配與交易的設計。接下來的問題是：現場的人員將如何看待並運用這套已經建置好的制度。

資本投資與人員重新配置將改變組織的樣貌

據報導，高通（Qualcomm）正進行裁員，並配合重視成果的方針，將業務重心轉向 AI 資料中心 (news.lavx.hu)。從此處可取得的資料，無法確認裁員的規模或鎖定的職務類型。可以確定的是，削減人員的決定與將重心轉向 AI 設備的決定，是在同一篇文章中被討論的。大約在同一時間，Jamie Dimon 談論了經濟、「黏性」通膨與 AI 支出 (WSJ)。AI 支出與通膨被相提並論，顯示對 AI 的投資已不再侷限於個別企業的技術選擇，而是開始從成本與經濟前景的角度被衡量。當讀者考量自身的 AI 投資時，不僅會檢視技術本身的優劣，也會檢視支出水準在外部環境之下呈現的面貌。

人力這一側的分佈也在變化。isolved 在組織圖上將 AI 代理人與人力資源並列，以推動人力資本管理 (Yahoo Finance)。也就是說，AI 所承擔的工作將與人的工作放在同一張圖上管理，導入的單位也從工具轉變為組織上的角色。 招募流程也在發生變化。與製藥產業關係密切的 CMIC 集團在應屆畢業生招募中廢除了 Entry Sheet (ES)，改為導入 AI 對話，並要求學生「用自己的話」來表達 (日刊藥業)。至於目的究竟是減少閱讀書面資料的功夫，還是改變判斷應徵者人格特質的手段，從這些素材中無法得知。 不過，重點依然在於 AI 的導入正在改變甄選流程本身。

目前為止的四個動向，規模與產業各不相同。儘管如此，它們有一致的點：設備資金與人員及角色的配置正同時重組。評估導入 AI 的人，若將資本投資金額、人員的增減、在組織架構圖中的定位，以及在招募上如何運用它，視為各自獨立的議題，就會漏看整體的動向。資金流向何處、人員安置在何處，必須視為一體的兩面。如此一來，導入的成敗將取決於組織內部的人如何看待 AI。接下來我們將看到的，是 AI 滲透進工作方式、甚至滲透到我們內心領域的景象。

影像與分析模型在診斷與預測領域扎根

以影像作為輸入的 AI，其應用正從輔助診斷擴展到手術前的風險評估。Medical Economics 的晨間醫療新聞報導，AI 已提升心臟超音波診斷的準確度。同一期也刊出了一名藥廠高階主管因黑市販售 HIV 藥物而遭定罪的消息。《國際泌尿學與腎臟學》刊登了一項研究，開發並外部驗證了一個利用平掃 CT 影像組學辨識無功能腎臟的多中心模型。《乳癌研究: BCR》的研究則使用以 DCE-MRI 為基礎的整合模型，在術前預測乳房保留手術的切緣陽性。這是多中心回溯性與前瞻性研究的結合。

術前預測的例子在其他器官也找得到。《Frontiers in Artificial Intelligence》報導了一個機器學習模型，能從多序列MRI萃取並整合二維與三維的腫瘤內異質性特徵，以高準確度預測胰臟導管癌的神經周圍侵犯。《Asian Journal of Andrology》發表了一項研究，利用T2加權MRI影像體學預測攝護腺癌的術前尖端切緣風險，目標範圍縮小至腫瘤在頂端可被影像呈現的病例。《Abdominal Radiology》則有一個運用機器學習與CT影像體學辨識食道靜脈曲張的模型，這類曲張在肝細胞癌病人身上具有高出血風險。

並排來看，有三個共通點。輸入是在日常醫療中拍攝的影像。預測目標是與手術方式和治療策略選擇相關的事件，例如切緣、浸潤、靜脈曲張。評估不僅限於單一機構的內部驗證，還包括多中心開發、外部驗證與前瞻性研究。也有先確定該技術可用條件的設計，例如聚焦於腫瘤在頂端可見病例的攝護腺研究。讀者應該看的不只是模型的準確率數字。有必要確認它可應用於哪些機構、在什麼樣的影像條件下、以及對哪些病患族群。

這些研究顯示，驗證設計已開始質疑影像 AI 能否用於臨床。然而，通過驗證的模型是否會持續在現場被使用，這點是與其準確度分開來決定的。這完全取決於閱讀影像的醫師與外科醫師如何看待它，以及他們如何將它納入醫療流程之中。

貼近日常生活與情感的 AI，同時引發焦慮與期待

在一篇列出美國人恐懼事物的報導中，對AI的焦慮名列前10名（La Voce di New York）。與此同時，在醫療領域，有報導指出杜克大學（Duke University）正推動將AI臨床導入失智症照護的努力（News-Medical）。當AI被當作令人恐懼的事物來談論的同時，它也正進入失智症照護這個細緻的領域。這兩件事正在同一個社會中並行。因此，單看對AI的焦慮程度，很難判斷AI會如何被導入。我們必須觀察心懷憂慮的人們，在攸關照顧自己與家人的情境中，是否會接受AI。

貼近日常生活的應用不僅限於照護場景。西班牙哥多華大學 (UCO) 發布的公告，探討了免費 AI 女友為何如此受歡迎，以及使用者的真實想法。在南韓，有報導指出 Apple 的 Siri AI 將支援韓語，還會參考旅遊回憶 (朝鮮日報)。前者將 AI 定位為情感交流的夥伴，後者則定位為運用個人紀錄的助理。這兩者用得越多，你所記錄的私人感受與行為就越多。免費入門與記憶參照帶來了便利，但同時也留給使用者疑問：什麼會被記住，以及這些內容能如何被使用。

讀取情緒的技術本身也開始被納入產品之中。據報導，Emotional Technologies 的情緒分析 AI 將搭載於 Robutler (Dellows News)。如果對話對象或助理能分析使用者的情緒，就更容易針對個人的狀況調整回應。另一方面，被人解讀情緒也可能讓某些人感到負擔。這裡列出的所有文章都僅以標題所含的資訊為限，個別報導無法確認其準確性與安全性的紀錄。因此，與其著重於功能的數量，導入這類系統的業者更需要先表明：他們打算讓使用者知情到什麼程度，以及使用者能夠自行選擇到什麼程度。

無論是失智症照護、陪伴、語音助理，還是情緒分析，使用者的信任更容易受到資訊處理與說明方式的影響，而非效能數字。隨著科技越來越貼近日常生活，導入的成敗取決於組織與人們如何看待它。在檢視職場與工作型態的變化時，這一點也同樣共通。

導入的基礎延伸至作物、學習與創作

有報導指出，相關方面正努力利用AI開發能抵抗氣候變遷的馬鈴薯與水稻。這是獲歐盟資助的BIOCRAFT計畫，SeedWorld如此報導。該計畫以兩種主食作物為對象，由歐盟的公共框架提供資金。在這則新聞的範圍內，無法確認開發方法或數值結果。儘管如此，仍可看出AI不僅被導入用於彙整資料與任務自動化，也被用於育成生長耗時長久的作物品種。讀者該關注的重點也隨之改變。除了模型的效能之外，公共資金是在什麼條件下、被使用多久來進行品種開發，也是評估的線索。

導入的浪潮也延伸到了個人學習。Mashable 介紹了一組 $35 的課程，能幫助你磨練 AI 技能，甚至將其變現。由歐盟資助的研究計畫，與 $35 的課程，兩者規模完全不同。這些文章被歸在同一個群組中，顯示 AI 的運用正同時從組織投資擴展到個人學習。讀者在這裡想看的並不是低價。重點在於課程的目的包含了變現。會不會用 AI，如今已被當作工作技能的一部分來討論，並直接與個人的賺錢能力掛鉤。無論是修課的人，還是雇用這些人的人，都需要把技能的內容與實際工作的成果區分開來。

文化領域也有相關動向。據 AzerNews 報導，國家藝術博物館已參與一場關於 AI 與文化的國際對話。博物館是收藏、保存並展示藝術作品的機構。這件事之所以發生在跨越國界的對話論壇中，大概是因為 AI 被視為文化界的領導者應該親自用自己的話來討論的議題，而非侷限於技術領域的議題。從報導中我們所知道的僅是參與的事實，無法確認是否已宣布任何協議或具體政策。當更多機構坐上對話的餐桌，AI 在創作與展示中的處理方式，將不僅從技術角度、也會從文化角度受到檢視。

這三個例子——農作物、課程與博物館——分屬不同的領域與規模。然而，共通之處在於：是否導入 AI 的決策，如今不僅取決於技術本身的效能，也取決於由誰出資、誰來學習，以及誰來接受。隨著實施範圍擴大，決定成敗的因素正從技術轉向人與組織。

雖然各節涵蓋的案例分屬不同領域，但都指向同一個方向。併購與聯盟決定著 AI 在新藥開發中的定位，以及在設備與人員方面的投資與重新配置。在影像分析方面，多機構外部驗證是評估的關鍵；而在作物、學習與創作方面，資金的來源與方式則被用作評估的線索。在貼近日常生活與情感的領域，焦慮與期待在同一個社會中被並列討論。在所有案例中，模型準確度都是前提條件，而非決定性因素。導入的成敗將取決於由誰提供資金、由誰承擔責任，以及使用者如何感受。對 AI 的評估，焦點正從衡量技術本身的性能，轉向衡量組織與人們如何看待它。

Q1: 將AI導入工作時，除了準確度數字之外，您會在什麼時間點、以什麼方式確認同事與使用者能否接受？ Q2: 身為AI使用的負責人，您是否在導入之前就決定了由誰來檢查範圍、檢查到什麼程度，以及發生問題時由誰來說明？ Q3: 在決定是否投資AI或配置人員時，除了技術效能之外，您會用什麼標準把外部環境和使用者的看法納入考量？

最後，三個問題

- 將 AI 導入工作時，除了準確率數字之外，您如何以及何時能知道同事與使用者會接受它？ Q2: 身為負責 AI 應用的人，您是否在導入前就決定了由誰來檢查範圍、檢查到什麼程度，以及發生問題時由誰來說明？ Q3: 在決定是否投資 AI 或配置人力時，除了技術本身的效能之外，您用什麼標準來考量外部環境以及使用者的觀感？ - 身為負責 AI 應用的人，您是否在實施前就決定了由誰來檢查範圍、檢查到什麼程度，以及發生問題時由誰來說明？ Q3: 在決定是否投資 AI 或配置人力時，除了技術本身的效能之外，您用什麼標準來考量外部環境以及使用者的觀感？ - 在決定是否投資 AI 或配置人力時，除了技術本身的效能之外，您用什麼標準來考量外部環境以及使用者的觀感？