在人工智能（AI）熱潮下，比特幣礦工也轉型，不再把全部運算能力用作挖礦資源，而是提供基礎設施，以滿足AI的快速發展。

綜合外媒報導，部份曾經專注於挖掘加密貨幣的公司，據報正在簽署長期合約，出租其土地、能源和數據中心來分擔訓練和運行AI所需的工作負荷。

為AI提供電力及算力，好賺過挖礦？

報導引述行內人士稱，人工智能有望帶來比加密幣挖掘更好的回報。一眾礦商股如IREN（美：IREN）、Riot（美：RIOT）、TeraWulf（美：WULF）和Cipher Miner（美：CIFR）將資源轉向高效能運算（HPC）基礎設施和AI數據中心。

隨住聊天機械人龍頭如OpenAI跟英偉達（美：NVDA）、AMD和博通（美：AVGO）等AI晶片製造商簽定大量訂單，算力和能源是圍繞AI行業一個方興未艾的商機。

雲端基礎設施公司InFlux Technologies共同創辦人兼CEO Daniel Keller接受Yahoo財經查詢時甚至直言：「比特幣挖礦已經不再划算。」

Coindesk引述富瑞集團分析師研究指出，目前挖礦環境競爭激烈，加上比特幣價格波幅，可能會影響礦工的毛利率，指出隨着9月比特幣下跌，同期礦工的利潤跌逾7%。

Bitcoin「減半」是挖礦業致命傷

礦工面對的另一個致命傷在於：比特幣區塊鏈每四年一度將挖礦獎勵減半。隨住時間過去，挖礦的回報只有持續遭到侵蝕，而不會增長。

「由於減半計劃，從長遠來看，挖礦的利潤低過AI運算。」Daniel Keller補充，目前對AI工作負載的需求非常大，而比特幣礦工擁有人工智能數據中心所需的一切，包括在溫和的環境中提供「價格合理且穩定」的電力。

AI電力需求大，能源供應卻緊張

有分析認為，Google母企Alphabet（美：GOOG／GOOGL）、微軟（美：MSFT）和亞馬遜（美：AMZN）等經營雲端運算的科技巨頭多年來都難以解決電網問題，因此推遲推供更多AI數據中心容量的計劃。

這個供應上的真空，為規模較小、電力充足的供應商創造機會，以幫助滿足市場需求。

伯恩斯坦分析師Gautam Chhugani月初發表報告指出，比特幣礦工提供現成的廉價可再生能源，加上數據中心的能力，讓他們成為吸引AI雲端供應商的合作夥伴，尤其是那些希望產品加快上市、並構建彈性HPC集群的AI提供者。

他估計，比特幣礦工的併網電力可以縮短數據中心的部署時間75%。此外，與傳統數據中心相比，他們現有的基礎設施「更接近AI數據中心」：「這使得比特幣礦工能夠以較低的增量資本開支改造現有的比特幣挖礦設施，以用於AI或HPC。」

礦商股紛建立AI數據中心業務

比特幣礦商CleanSpark（美：CLSK）宣布，利用其土地和運算基礎設施進軍人工智能數據中心市場。不過此前，已有一批公司採取了類似策略，市場亦以資本增值做回應。

Riot已轉向AI領域，夏季時也宣布其位於美國德州科西卡納的數據中心園區將擴建，供予比特幣挖礦與HPC混合使用，預計2026年運作。要注意的是，今年以來RIOT股價升逾一倍。

TeraWulf股價今年已累升150%，跟同業Cipher Mining近日亦與Google有份投資的AI雲端基建公司Fluidstack簽訂了數十億美元、為期十年的租約。

Galaxy Digital宣布將其位於德州狄更斯縣的Helios資料中心園區改造為AI及HPC中心，並與雲端基礎設施大廠CoreWeave（美：CRWV）合作。

比特幣礦工可能永久轉型

無獨有偶，原名Iris Energy的IREN今年4月暫停擴大比特幣挖礦業務，轉而投放AI雲端服務；8月又宣布訂購4,200枚英偉達Blackwell晶片。年初以來該公司股價升幅更誇張，漲逾500%。

有分析認為，礦商股轉向AI雲端服務是結構性轉型，而非暫時的附帶賭注。巨頭分漏的那份餅，他們要吃下了。

Compass Point分析師Michael Donovan及Ed Engel本月初指，綜合考慮多年期投資級保障、以十年計的合約條款和電網樽頸，「這並不是超大規模企業在等待自己的園區時可以採取的權宜之計。」

美國有分析師指出，人工智能（AI）發展存在被外界忽略隱藏成本—折舊，導致可能進一步刺激AI泡沫化。

美國銀行分析師波斯特（Justin Post）周三（17日）發出的備忘錄相信，市場共識預估尚未充分考量AI資本支出周期的完整規模，直指市場仍未跟上日益增長的折舊成本，重申一旦輕視相關成本將錯估大型科技盈利能力，可能會助長 AI 泡沫。

波斯特指出，Google母公司Alphabet﹑亞馬遜（Amazon）及Facebook母企Meta正加快投入AI基建，預計2025年底相關資本支出將達2,740億美元（約2.1萬億港元）。他預測折舊成本攀升比預期侵蝕利潤率，科技巨企將比預期最快2026年起察覺成本上升。

美國銀行最近提升Meta的2026年及2027年的折舊及攤銷費用的預測，波斯特預料當最近投資的AI資產開始運作，經營支出的壓力將顯著增加。波斯特估計，圖形處理器（GPU）因高工作效能及AI創新速度更快，折舊成本更快浮現，資產生命周期比傳統資產為短。

Amazon﹑Alphabet及Meta上調伺服器及網絡裝置的可用壽命至超過5年，允許企業有更長時間分攤成本。但波斯特指開始有逆轉趨勢，稱Amazon於2025年因應AI驅動的科技發展加快，下調部分伺服器及網絡資產的生命周期。

同時，科企亦可能有過度建設AI基建的風險，導致供大於求，或促使企業為提升銷售額而展開價格戰，商品化AI產品及降低獲利能力。

雖然大型科企已加快把AI技術變現，但折舊及攤銷費用增長更快。美國銀行預期，Amazon﹑Alphabet及Meta於2026年收入合計將按年增加13%，但折舊及攤銷費用卻分別按年增加33%及30%。

不過，美國銀行預期三大科技仍然看好AI，估計2026年的合計資本支出將增加22%至3,330億美元（約2.6萬億港元）。

內地人工智能（AI）芯片設計公司寒武紀科技（滬：688256）發出交易警告後，周五股價開市即跌近7%，最新跌一成，成交超過200億元人民幣。

寒武紀科技公告指，公司還在美國制裁下持續努力，並強調技術進步的艱辛，預期今年營業收入介乎50億至70億元人民幣；2024年收入為12億元人民幣。寒武紀指，沒有發布新產品的計畫，並稱近期網上傳播的關於公司新產品情況的信息均為誤導市場的不實信息。

寒武紀表示，公司股價漲幅已超過多數同行，且顯著高於相關指數的表現。股價存在偏離公司當前基本面的風險，參與交易的投資者可能面臨重大風險。

發改委：未來1至2年為AI落地關鍵期　
另外，國家發改委今日早上召開記者會，強調未來1至2年是人工智能落地的關鍵窗口期。發改委高技術司副司長張鍇麟表示，將堅決防止無序競爭和一擁而上，推動各地因地制宜發展「人工智能+」，形成優勢互補、特色鮮明的發展格局。

發改委創新驅動發展中心主任霍福鵬指出，到2027年，人工智能要與六大重點領域廣泛深度融合，新一代智能終端、智能體等應用普及率超七成，智能經濟規模快速增長，公共治理效能顯著提升，並完善開放合作體系，推動人工智能實現突破性應用。

在應用創新方面，人工智能將加速與元宇宙、低空飛行、增材製造、腦機接口等前沿技術融合，帶動新產品、新形態湧現，釋放消費潛力，讓智能科技深入生活場景，普惠萬家。

人工智能（AI）浪潮席卷全球，不少企業雖已積極推動AI應用，但安全部署依然滯後。根據最新身份安全形勢報告》，88%受訪港企承認使用AI大型語言模型，會因涉及存取敏感資料而構成潛在網絡風險，67%尚未針對AI和大型語言模型採取身份安全管理，更有46%企業無法有效管控影子AI的安全性。

隨著AI代理迅速融入企業環境，資訊安全團隊正面臨似曾相識的挑戰。數年前，不少企業快速採用機器流程自動化（Robotic Process Automation；RPA）技術，導致資訊安全團隊來不及應對，未能及時建立有效的身份驗證及監察機制。當業務團隊主導部署時，資訊安全部門往往被動跟上，缺乏足夠的掌握和管理。

現時不少RPA解決方案的運作方式仍有隱憂，包括多個機器人共用同一組憑證或密碼 （Shared Credentials），或被設定為特定員工「替身」身份執行工作。這一做法存在重大安全風險，一旦多個機器人使用相同身份，問題發生時便難以追蹤和防範。此外，企業如建立重複憑證，亦會進一步擴大憑證遭濫用的風險，讓不法分子更容易有機可乘，入侵企業核心系統。而企業推動部署 AI 的積極程度甚至超越RPA，但許多資訊安全團隊仍然未做好準備。

AI代理成第三類身份

與一般的自動化機器人不同，AI代理具備自主運作能力，能夠自行決策，存取敏感數據、執行交易等，而且幾乎不需人為監督。這使他們成為人類與傳統機器身份以外，真正的第三類身份，因此企業必須為其建立專屬的身份架構進行管理。

AI代理充分體現機器身份和人類身份之間模糊的界線，企業必須確保其安全運作。AI代理由員工委派執行工作並採取自主行動，過程中可能需要使用一個或多個員工或合作夥伴身份，涵蓋機器和人類身份。而每個AI代理都需要一個獨特且通用的工作負載（Workload）身份並執行委派的操作。

為甚麼AI代理需要獨特身份？

RPA 機器人不同，AI代理不僅會與應用程式互動，還會與其他AI代理互動。無論互動時間長短，每個代理都需要在其整個生命週期內進行身份驗證、授權和監管。如果企業缺乏適當的安全和身份架構，便難以落實有效的管理機制，當中包括AI代理的緊急終止機制（Kill Switch），而相關機制僅在AI代理擁有強大且獨特身份的情況下方可實現。因此，企業必須為AI代理落實全面的安全機制，而網絡安全的基石便是身份安全。

新興的安全標準，如 SPIFFE（Secure Production Identity Framework for Everyone）在工作負載身份識別方面已見成效，亦適用於 AI 代理，以建立合適的身份驗證與授權機制。這類標準能提供跨環境、應用程式、雲端的通用身份，必要時更可搭配現行的身份驗證方法，例如由機密管理工具保護的 API 金鑰（API Key）與存取權杖（Access Token）。部署這些安全標準後，每個代理便能在最小必要權限運作，進而避免 RPA 部署時常見的憑證共用與身份冒充問題。

安全標準下的五大AI自主代理核心管理要點：

零常設特權（Zero Standing Privileges）：AI代理不應持有任何永久存取權限，而應根據具體項目，在需要時獲得即時且足夠的授權。

持續監控（Continuous Monitoring）：AI代理具備自主運作能力，需要在交易與工作階段期間持續監控。

進階驗證（Step-up Challenges）：如人類工作一般，AI代理在執行敏感操作時，應進行額外的身份驗證程序。

行為分析（Behavioral Analytics）：若要偵測異常行為，首先需了解AI代理的正常行為模式作為基準。

緊急終止機制（Kill Switch）：如需將業務營運委託於AI代理，須具備在必要時立即停止其行為的機制。AI的「緊急終止機制」必須依賴身份識別啟動。只要每個AI代理都有獨特身份，便能即時中斷出現行為異常的AI代理。

付諸行動刻不容緩

相比過去的 RPA浪潮，企業現時應主動和充分掌握部署AI代理安全策略的主導權，而非事後補救。問題不再是AI代理是否會普及，而是面對AI代理日漸普及，屆時企業是否已做好充分準備，應對挑戰，以保護企業自身，發掘更多機遇。

人工智能（AI）近年逐漸引入用作教學，有調查顯示，有八成受訪教師憂慮AI生成內容有誤，更有83.5%教師表示，擔心學生會用AI抄襲功課，降低學生自主學習能力。另外，有超過一半受訪者表示，對應用AI工具感到困難。

教育工作者聯會早前進行問卷調查，訪問514名中小學和幼稚園教師，發現與77.4%受訪者曾使用AI工具輔助教學。至於未曾嘗試使用AI的教師中，有45人表示因不熟悉AI工具，另外有個別教師反映，因學校不鼓勵教師教學期間使用AI。

37.5%受訪者至少每周三次用AI輔助教學
至於使用頻率，有37.5%受訪教師表示，每周至少三次使用AI工具輔助教學，38%教師表示每周使用一至兩次。至於如何用於教學，有使用AI的教師中，75%人表示曾用作備課，用作製作教具或工作紙的有63%，另外有40%表示用作生成測考題目。

87.1%教師表示，AI輔助教學有助提升教學效能，亦有78.9%教師認為，有助提升學生的學習興趣。不過，受訪教師亦對AI輔助教學表達擔憂，有80.3%教師指出，憂慮AI的生成內容有錯，83.5%教師表示，憂慮學生利用AI抄襲功課，減低學生自主學習的能力，削弱學生的批判性思維。

調查亦訪問教師，希望AI具體能為教師代勞甚麼工作，66.9%受訪教師表示，期望AI能幫助整理教學資源，65.8%則表示期望能幫助設計教學簡報。至於表達期望AI能生成測考題目、批改作業、提供學生表現回饋的教師，亦分別各有過半。

黃錦良建議教育局制定教師AI教學實務指引
教聯會主席黃錦良認為，調查反映學界推動數字教育的差異。他認為，政府可推出不同支援措施，協助業界適應。他建議教育局制定教師AI教學實務指引和提供案例，協助教師理解如何安全地使用AI，同時亦可參考國家和海外的做法，制定「教師數字素養框架」。

黃錦良又建議，當局可設立撥款資助AI教學項目，並由政府統一採購AI工具，向學校提供免費或價格較低廉的AI工具。

• 拜登計劃在卸任前進一步收緊出口人工智能芯片
• 旨在將AI研發集中於美國盟友
• 收緊AI芯片出口的限制會擴大至世界大部分地區

彭博引述消息人士指，美國總統拜登計劃在卸任前進一步收緊出口人工智能（AI）芯片的限制，並英偉達Nvidia（美：NVDA）等AI芯片實施新一輪出口限制，以防止先進技術落入中國及俄羅斯手中，預期新規定最快星期五公布，並對芯片貿易實三級限制。

收緊AI芯片出口的限制會擴大至世界大部分地區
消息人士表示，美國政府希望在國家及公司層面，限制數據中心所採用的AI芯片的銷售，旨在將AI研發集中於美國盟友，並讓全球各地企業採納美國標準。

報道指，收緊AI芯片出口的限制會擴大至世界大部分地區，冀在需求飇升的環境下，控制AI技術的傳播，故會以三級制來限制芯片貿易。

英偉達反對 限制芯片出口將威脅美國經濟成長
三級制中，頂層的少數美國盟友可繼續基本上不受限制地獲取美國芯片，但中層的大部分國家將面臨出口限制，至於底層國家的企業若同意遵守美國政府的安全及人權要求，則可以繞過國家的限額，獲取芯片。

美國白宮國家安全委員會不予置評。

英偉達發表聲明反對拜登政府的計劃，因限制對全球大多數國家出口芯片將是政策重大轉變，不僅不會降低濫用風險，反而會威脅到美國的經濟成長和領導地位。

銀行和金融業陸續應用生成式人工智能（GenAI），以提升生產效率，但同時也增加詐騙的風險。這促使企業投資於人工智能技術以進行詐騙檢測。

德勤發佈關於金融服務業生成式AI增加深度偽造（Deepfake）欺詐風險的報告，在美國與深度偽造相關的網路攻擊損失預計將從2023年的123億美元飆升至2027年的400億美元。

深度偽造技術是一種偽造手法，利用人工智能創造逼真的圖像和影片。最近，一個 GitHub 上的項目Deep-Live-Cam突然爆紅，它可以用一張照片，就能在直播中即時換臉，而且效果不錯。這顯示深度偽造技術既有趣同時具危險性。

金融詐騙的新威脅

人工智能深度偽造已成為一種越趨複雜的詐騙方法，特別是在身份驗證方面：

• 繞過面部驗證系統：網絡罪犯利用實時換臉操縱網絡銀行驗證系統，使他們能夠在不被檢測的情況下進行詐騙活動。
• 在通話和影片中冒充他人：騙徒使用個人圖像，在視像通話中令人信服地冒充他人，導致受害者被騙而轉移資金。

檢測技術的進步

近年來人工智能生成內容（AIGC）造假激增，嚴重威脅業務安全。隨著詐騙工具威脅的增長，各種檢測方法相繼出現。早期的檢測技術集中於單一模態，例如驗證圖像或音頻的真實性。雖然這些單模態方法能快速完成檢測，但在不同媒體類型之間缺乏有效的泛化能力。

為了解決這些限制，金融科技解決方案供應商開發出多模態鑒偽方法。然而，現有的多模態技術往往在小數據集上進行訓練，並忽略身份信息，限制了其泛化能力。為了增強檢測模型的穩健性，本公司和復旦大學的研究人員提出了參照輔助的多模態鑒偽方法(Reference-assisted Multimodal Forgery Detection Network, R-MFDN)，並在ACM Multimedia 2024會議上獲得認可。

核心技術見解

多模態鑒偽中的R-MFDN方法創新性地利用豐富的身份信息，通過探索跨模態不一致性來檢測防偽。R-MFDN方法由三個模塊組成：多模態特徵提取、特徵信息融合和偽造辨識。視頻幀編碼組件使用圖像特徵提取器Resnet以及時序特徵提取器Vision Transformer進行圖像級特徵以及時序級特徵的提取，而音頻編碼組件則使用音頻頻譜變壓器，融合模塊使用自注意力機制以及交叉注意力機制逐步對多模態特徵進行融合，鑒偽模塊基於融合後的多模態特徵進行資料真偽判斷及偽造方法類別判斷。

基於R-MFDN技術研發的多模態智能鑒偽大模型，通過對偽造影片的視頻幀、音訊、話文本分別進行特徵提取，並運用基於身份的對比學習和跨模態對比學習進行訓練，提取出對身份和模態間不一致的敏感特徵來鑒別真偽。該模型可廣泛應用在金融身份認證、視訊會議核身認證、網絡視像電話防欺詐等場景。目前，雙模態篡改檢出率已達到99.9%以上，單模態篡改檢出率達到96%以上。

隨著深度偽造技術的不斷演進，騙徒所使用的詐騙方法也在不斷變化。金融行業必須保持警覺，並採取先進的檢測策略以減低風險。在這個新環境中，研究人員、行業專業人士和監管機構之間的合作對於促進更安全的數碼環境至關重要。

人工智能（AI）已滲透生活的不同領域，例如企業會把一部分的工作流程加入AI元素，以協助提升營運效率，這在法律部門亦不例外。中華人民共和國最高人民法院發布指令，要求所有法院必在2025年前，必須加入AI系統，推動AI與司法工作的深度整合。

最高人民法院發布《關於規範和加強人工智能司法應用的意見》，提出AI司法應用需要遵循的5項基本原則，分別為：安全合法原則、公平公正原則、輔助審判原則、透明可信原則，以及公序良俗原則。

減輕法官事務性工作負擔

同時，明確表明AI司法應用的主要應用範圍，包括透過AI為司法工作提供全方位智能輔助支持、減輕法官事務性工作負擔、有效保障廉潔司法、提高司法管理水平，以及創新服務社會治理等。

雖然不少司法程序將由AI協助，但該指令提到，仍將由法官作出最後裁決，而AI主要是用作參考和輔助工具，以提高法官的效率。最高人民法院表示，AI系統將為公眾提供更多的法律服務，並幫助更有效地解決問題。