AI 政策與模型新局

過去一週 AI 產業同時出現兩條主線：一邊是監管邏輯更清晰，另一邊是模型更貼近日常工作流。對香港企業而言，重點不是追新名詞，而是把合規、成本與可交付成果放在同一張藍圖。

美國提出「全國 AI 政策框架」

美國政府在三月發布全國 AI 政策框架，提出七大支柱，並強調以聯邦層面建立一致做法，減少州法碎片化。框架同時提到監管沙盒、避免新設專責 AI 監管機關，以及以既有主管機關與產業標準處理分業監管。

框架亦把「州權保留」寫得更具體，例如兒童保護、反詐騙、基建選址與州政府採購使用 AI 等仍可由州處理。對跨境營運公司來說，這類方向會影響合約條款、風險揭露與供應商責任分配。

大型模型透明度要求升溫

同一時間，美國國會有法案提出要求部分大型模型開發者披露訓練方式、用途、限制風險，以及評估與監控方法。雖然仍待後續進展，但「可追溯」與「可解釋的治理文件」已成為採購與審批的共同語言。

企業可先把模型清單、數據來源、測試紀錄與人機分工流程做成內部台帳，並在導入新工具前建立最低標準：誰可用、可用於哪些資料、輸出如何抽查、發現錯誤如何回報與修正。

Meta 發布 Muse Spark：多代理與更省算力

產品端方面，Meta 發布新模型 Muse Spark，主打「小而快」但可處理科學、數學與健康等複雜問題，並提供多種模式，包括以多代理並行推理的深度思考模式，以及與購物、影像理解等工作流結合。這代表大型平台正把模型能力包進更完整的應用層。

對市場人員與知識工作者，啟示是把 AI 當成「可重複的流程」而非一次性問答：先定義任務、建立範本與檢核點，再決定要用快速模式或深度模式，才能在成本受控下穩定產出。

總結來看，政策端正把透明度與責任邊界推向標準化，產品端則把多代理與工具鏈變成預設選項。下一步建議先做一次部門級盤點：哪些流程最值得自動化、哪些資料最敏感、以及需要哪些審批與紀錄，才能把 AI 變成可持續的生產力。