過去一年，香港企業談 AI，常常卡在兩個「落差」：一邊是模型能力日新月異，另一邊是組織治理、數據準備、合規流程跟不上。今天的三則焦點，剛好分別回應這三個層面：香港政府把「AI+」推到專責委員會層級、主流聊天工具的預設模型轉向更低延遲與更少幻覺的路線，以及美國政策端對「政府監督應該走多深」的再定位。把三件事連起來看，你會更清楚未來 6–12 個月企業 AI 競爭真正的主戰場在哪裡。
香港成立「AI+」專責委員會：由政策口號走向落地工程
香港宣布將成立專責「AI+」及產業發展的委員會，目標是把人工智能更系統化地導入重點產業，並先聚焦生命健康科技與具身智能等方向。對商界而言，這意味政府希望把 AI 視為「產業升級的工程」，而不只是創科口號：從策略、資源配置，到供需對接的機制，將更有機會形成可追蹤的路線圖。
值得留意的是，相關安排亦提到研究院在年內啟動、以及建立「AI 技術配對平台」把產業需求對接到合適方案。這類平台如果運作得宜，會讓香港中小企更容易以較低試錯成本找到可落地的 AI 方案（例如客服自動化、內部知識庫、文件審閱、營運預測），同時也能讓本地與大灣區供應商更快找到可規模化的應用場景。
重點整理
- 政策訊號：「AI+」將以委員會形式推動，意味更重視跨部門協調與產業落地。
- 商業機會：若技術配對平台成形，中小企導入 AI 的門檻有望下降。
- 建議行動：企業可先盤點 3 類高回報流程：大量文字/表格處理、重複決策、跨部門知識查詢。
ChatGPT 預設模型更新：更快、更穩，對企業導入更關鍵
不少人以為「模型更新」只是科技圈熱鬧，但對企業使用者來說，最關鍵其實是「預設模型」的改動：因為它直接影響員工每天得到的答案品質、回應速度、以及錯誤風險。近期主流產品把預設模型更新到 GPT-5.5 Instant 這類更偏向低延遲與穩定性的版本，訊號很清楚：接下來的競爭，不只在於更高分數的推理能力，更在於把「日常使用的可靠度」做上去。
如果你在公司內部推行生成式 AI（例如用作會議紀錄、內部知識問答、合約初稿、客戶電郵草擬），「少幻覺」通常比「更聰明」更重要。原因很現實：錯誤答案會造成合規風險、品牌風險與返工成本；而較快回應則影響員工是否願意把 AI 變成工作習慣。當預設模型策略轉向「可靠與速度」，企業也應把 KPI 從「能不能做」轉到「做得穩不穩」。
實務提示
若你想提升「少幻覺」的體感成效，最有效往往不是換模型，而是建立「資料引用」與「可追溯輸出」：例如強制要求回覆附上來源段落、或把答案限制在公司文件與已核准資料範圍內。
美國 AI 監督路線：更偏向「合作」而非「強制審批」
美國政策討論的焦點之一，是政府是否應在模型大規模發布前介入評估與協調。最新的表態顯示，政府在論述上更強調與企業合作、避免把監督做成「阻礙競爭」的強制審批機制。同時，亦有討論由情報與安全部門更早接觸新模型能力，先行研究風險與防護方式，避免能力落入對手或被濫用。
對香港企業而言，這類政策方向的改變有兩個啟示：第一，全球監管並非單一路線，企業在跨境部署 AI（尤其涉及個資、金融、醫療、網絡安全）要預留「不同法域的合規差異」；第二，「自願測試、標準化評估、第三方驗證」很可能成為折衷方案，未來你向客戶或合作夥伴交代 AI 系統可信度時，可能不再只講功能，而要講測試流程、風險控制、以及審計證據。
風險提醒
當監督偏向合作，企業內部的治理責任反而更大：包括模型使用政策、敏感資料處理、權限管理、以及對輸出錯誤的事故回報流程。
總結來說，今天三則消息把同一個主題講得更清楚：AI 正在由「工具升級」走向「制度化」——政策端用委員會與研究院把資源集中、產品端用預設模型調整把可靠度拉高、監管端則把焦點放在合作與測試框架。對香港公司最實際的下一步，是把 AI 導入計劃拆成三條線同步推進：選對用例、建立資料與流程治理、以及預留合規與審計的證據鏈。做到這三件事，才有機會把 AI 變成可持續的競爭優勢。
資料來源：https://www.dimsumdaily.hk/hong-kong-to-form-ai-committee-to-drive-industry-upgrade/ 、 https://llm-stats.com/llm-updates 、 https://whatllm.org/blog/new-ai-models-may-2026 、 https://www.politico.com/news/2026/05/07/white-house-ai-oversight-00910837
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。