今日要聞
今日的 AI 消息呈現三條清晰主線：第一，開源模型持續把能力與成本門檻拉低，令『部署速度』開始追上『模型能力』成為企業競爭關鍵；第二，全球監管仍在拉扯之中，企業不能只看條文，更要看時間表與豁免範圍如何落地；第三，本地政策與資源配置正在加速，香港要在區域競爭中突圍，關鍵在於把研發、算力、人才與行業場景串連成可複製的落地路徑。
重點速讀
- 開源大模型與更便宜的推理成本，正把『AI 應用』從少數科技公司擴散到更多行業與中小企。
- 歐盟監管修訂談判未有結果，意味跨境產品與服務的合規規劃要保留彈性。
- 香港提出 AI+ 產業化與資助方案，本地企業可及早把 AI 導入研發、營運與客戶服務流程。
開源大模型再推進：DeepSeek V4 釋出，焦點不只在能力而是擴散速度
近日有內地團隊推出新一代大型語言模型版本，並以開放權重／開源方式提供下載、使用與修改。相關分析指出，這類模型即使在最前沿能力上仍可能落後最頂級封閉模型一段時間，但它帶來的真正改變，是把『可用的 AI 能力』快速擴散到更多企業與開發者手上，進一步推動工具鏈、插件、生態與行業解決方案的普及。（資料來源：https://www.cfr.org/articles/deepseek-v4-signals-a-new-phase-in-the-u-s-china-ai-rivalry）
該文章亦提到，模型在推理成本、長上下文等工程能力上持續優化，並且在供應鏈與算力限制的背景下，出現針對特定硬件平台的優化策略。對企業而言，這意味在『同等預算』下能跑得更長、更穩、更便宜；同時也提醒決策者，AI 競爭不只看單點 benchmark，而是看誰能在政府與產業鏈中更快完成大規模部署。（資料來源：https://www.cfr.org/articles/deepseek-v4-signals-a-new-phase-in-the-u-s-china-ai-rivalry）
給香港企業的實務提示
如果你正在評估『應用是否要上雲、是否要自建』：可以用開源模型先做一輪內部 PoC（例如客服知識庫、內部文件搜尋、銷售提案生成），再按資料敏感度與成本，把成熟流程逐步分層部署（本地／私有雲／公有雲混合）。
歐盟 AI 監管博弈：修訂方案談判未果，合規時間表仍存變數
歐洲方面，針對 AI 法規修訂方案的政治談判出現僵局：有報道指，歐盟成員國與歐洲議會就修訂內容進行長時間磋商後未能達成共識，談判將延續到下一輪。焦點之一，是某些已受其他產品安全法規規管的『內嵌式高風險 AI 系統』，是否需要再額外符合 AI 法規的要求；同時亦涉及把部分核心義務的適用時間向後順延的討論。（資料來源：https://thenextweb.com/news/eu-ai-act-omnibus-deal-fails-april-2026-talks）
對香港與亞洲出海企業而言，重點不只是『最終條文』，而是『時間表是否確定』：一旦延後方案未能在期限前完成立法程序，企業仍需按原定時程準備風險評估、文件化、透明度與人類監督等要求。換言之，合規工作要以最保守的 deadline 作底線，同時保留因應豁免或延後而調整的空間。（資料來源：https://thenextweb.com/news/eu-ai-act-omnibus-deal-fails-april-2026-talks）
風險提醒
如果你的產品同時涉及 AI 功能與受規管行業（如醫療、金融、交通、教育），請避免只把合規視為『法務文件』；更要把數據治理、模型版本控制、審計紀錄與事故回報流程內建到研發與運營。
香港 AI+ 產業化路線：從 30 個研發項目到 5,000 petaFLOPS 算力
本地方面，政府在最新財政預算案中提出推動『AI+』與產業深度融合，並提及已推出的 30 億元 AI 資助計劃已批出約 30 個研發申請，涵蓋大型語言模型、新材料、生物醫藥等領域；同時，香港整體算力已達到 5,000 petaFLOPS，並會以策略委員會及研究機構推動研發成果轉化。（資料來源：https://www.budget.gov.hk/2026/eng/budget07.html）
對企業來說，這類政策訊號的重要性在於：一方面為本地研發與試點提供資金與算力供應，另一方面也意味未來在 AI 治理框架、行業標準與人才培訓上會更有系統。若你的公司正準備在 2026 年內落地 AI（例如自動化文檔處理、智能風控、供應鏈預測、營運儀表板），可以把『研發資助＋算力資源＋場景試點』當作一個整合式的路線圖，而不只是單次工具採購。（資料來源：https://www.budget.gov.hk/2026/eng/budget07.html）
如何把 AI+ 變成可衡量的 KPI？
建議先用 4 週做『流程盤點』：選 1–2 個高頻、可量化的流程（如客服回覆時間、文件審核時間、銷售提案產出），定義基線，再導入 AI 工具建立 A/B 測試，最後用節省工時與錯誤率下降作為第一階段回報指標。
總結而言，企業在 2026 年的 AI 競爭力，很大程度取決於三件事：是否能在合規不確定下仍保持迭代速度、是否懂得把開源模型與商業工具混合使用、以及是否能把 AI 導入本地業務場景並持續量化成效。對香港公司來說，現在正是把『試點』升級為『可複製的落地方法』的窗口期。
本文由 AI Course Hong Kong 導師 Ivan So 整理。如有查詢，歡迎電郵至 ivan@hdcourse.com。