#AI人工智慧
•已編輯

月之暗面創始人楊植麟中科大最新演講：做大模型要堅持規模化定律，核心演算法研究團隊的平均年齡只有20多歲

投資者內參丨壽紫薇 近日，月之暗面Kimi創始人楊植麟在中國科學技術大學發表最新演講，作為青年創業者代表，他圍繞公司命名背後的搖滾情懷、大模型研發的硬核挑戰等，分享了自己的創業思考與科技探索歷程。 從搖滾樂隊到AI創業：月之暗面背後的故事 演講中，楊植麟首先講述了公司名稱“月之暗面”的由來。這個名字其實是一張搖滾專輯的名字——本科時期，他和現在的聯合創始人一起玩樂隊，創立公司時便覺得用專輯命名很有意思。
月之暗面創始人楊植麟中科大最新演講：做大模型要堅持規模化定律，核心演算法研究團隊的平均年齡只有20多歲
A股#AI#人工智慧#月之暗面
•
美光「記憶體牆」是需求到頂，還是 AI 速度太快？震為雷的三段承接法 美光出現「記憶體牆」的市場說法，市場很容易把它直接翻譯成「AI 需求到頂」。但從產業結構來看，記憶體牆也可能代表另一件事：AI 運算速度提升後，資料供應在容量、頻寬、延遲、功耗、封裝與交付上，開始需要同步升級。 需求增加與股價下跌並不矛盾。當市場原本已經把高成長預期反映在估值裡，任何供給擴張、產品轉換、交付瓶頸或獲利預期調整，都可能先造成價格修正。因此，今天不把美光單日跌幅直接等同於 AI 趨勢結束，也不把產業需求存在直接等同於股價必然上漲。 8 月 25 日的市場輸入顯示，加權指數下跌 461 點並跌破季線；美光下跌約 6%；外資賣超約 157.4 億元，投信逆勢買超約 30.5 億元；成交量縮至近四個月低位，VIX 約 15.85。這些數字是當日觀察值，不能延伸成後市預測，也不能只用單日法人方向替市場下結論。
firstory.me
AI記憶體需求的三段驗證法：看懂美光「記憶體牆」背後的承接力 Podcast Platforms - Flink by Firstory
震為雷的市場觀察：需求變速度，速度再變成交付，才算真正落地 美光股價下跌、記憶體市場出現「記憶體牆」的說法，很多人第一時間會問：AI 需求是不是要降溫了？ 這一集，我們用震為雷的六個圖像，拆解市場聲量與真正承接之間的距離：岩上人提醒高期待需要基本面支撐；開花樹提醒單一好消息不等於長期成果；一文書對應消息、規格與交付條件；推車與車上文字，則提醒需求要經過技術、產能與執行，最後才會變成出貨與現金流。 節目中也整理一套可以反覆使用的「需求、速度、交付」三段驗證法：先確認 AI 工作負載是否持續帶動需求，再看 HBM、頻寬、封裝與新技術是否跟得上，最後回到訂單、營收、毛利與現金流，確認需求是否真的完成交付。 這套方法也能用在工作與家庭：遇到突發消息時，先確認事情本身，再辨識急迫程度與負責人，最後留下可驗收的結果與安全 buffer。 想把每日市場資訊整理成自己的觀察紀律，可從這裡了解 MK 陪跑學苑： https://school.happy2brich.com/join-v2?utm_source=podcast&utm_medium=shownotes&utm_campaign=daily_podcast_20260825&utm_content=join_v2_cta [https://school.happy2brich.com/join-v2?utm_source=podcast&utm_medium=shownotes&utm_campaign=daily_podcast_20260825&utm_content=join_v2_cta] Podcast powered by Firstory.
美股#震為雷#AI#人工智慧
•
AI 資金越聚越多，市場為什麼反而更不安？澤地萃提醒：聚集不等於承接 AI 資金越聚越多，是否代表市場答案越來越清楚？不一定。 台股周報顯示，8 月 13 日至 20 日加權指數下跌 2.4%、櫃買指數下跌 4.0%；但 8 月 21 日加權指數單日上漲 290.55 點，收在 45,224.29 點。外資與投信的月累計、年初以來累計也呈現不同時間尺度，提醒投資人不要只用單一數字判斷市場。 海外季度持股資料顯示，部分機構的核心持股重複出現 Alphabet、Amazon、台積電、NVIDIA 與 Micron 等 AI、雲端與半導體資產；但也有機構增加大型指數 ETF、調節部分科技股。AI 是注意力的聚集中心，不等於所有機構都在同方向行動。
firstory.me
AI 資金越聚越多，市場為何反而更不安的3個觀察 Podcast Platforms - Flink by Firstory
澤地萃的週一觀察：從華爾街持股、算力融資到台股籌碼，看聚集能不能站穩 AI 資金越聚越多，為什麼市場反而更需要保持清醒？ 今天的《觀察節拍》，從華爾街季度持股、AI 基礎建設融資、台灣外銷訂單與台股籌碼，觀察資金與注意力如何聚在 AI 周邊。 台股周報顯示，8 月 13 日至 20 日加權指數下跌 2.4%、櫃買指數下跌 4.0%；但 8 月 21 日加權指數單日上漲 290.55 點，收在 45,224.29 點。同一份資料裡，外資、投信的日、月與年初以來數字也呈現不同時間尺度，提醒我們不能用單一數字代表全部市場。 海外持股資料顯示，部分機構的核心持股重複出現 Alphabet、Amazon、台積電、NVIDIA 與 Micron；但也有機構增加大型指數 ETF、調節部分科技股。資金注意力集中，不等於所有機構都在同方向行動。 另一方面，AI 的聚集也延伸到融資與基礎建設。台灣 7 月外銷訂單年增 61.9%，電子產品與資通訊訂單維持明顯成長；但融資變多、需求變熱，仍要繼續觀察現金流、資產殘值與風險承擔者。 今天的卦象是澤地萃。倪師圖像裡的貴人磨玉、一僧指、小兒山路、一人救火、一魚在火上與一鳳啣書，放在一起不是只說人多力量大，而是提醒：聚集會放大效率，也會放大脆弱。 本集唯一觀察閥是「聚合品質」：人、錢與注意力聚在一起之後，有沒有留下可驗證、可承擔、可回看的秩序？這個問題也可以放回工作與家庭：人到齊不等於專案完成，收入增加也不等於家庭安全感增加，還要看責任、時間與資源是否接得住。 邊聽邊問自己三件事：這個聚集由什麼帶來？聚集之後誰在承接？如果熱度減半，還有哪些證據會留下？ 加入 MK 陪跑學苑： https://school.happy2brich.com/join-v2?utm_source=podcast&utm_medium=shownotes&utm_campaign=daily_podcast_20260824&utm_content=join_v2_cta [https://school.happy2brich.com/join-v2?utm_source=podcast&utm_medium=shownotes&utm_campaign=daily_podcast_20260824&utm_content=join_v2_cta] 本集為市場教育與觀察內容，不構成個別投資建議、個股或 ETF 推薦。報告數字分屬不同日期與時間尺度，季度持股揭露亦非即時部位；卦象只作生活與決策觀察的敘事鏡頭，不預測市場漲跌。 ## 章節 00:00 開場：AI 資金為何越聚越需要觀察 04:00 AI 資金集中與產業需求 09:00 聚集、融資與風險承擔 14:00 澤地萃六個圖像 20:00 工作、家庭與資金的聚合品質 25:00 三個觀察問題與收尾 Podcast powered by Firstory.
台股#澤地萃#AI#人工智慧
•
AI 開始借錢擴張，高配息策略奏效？雷地豫提醒：有動能，先看能不能承接 I 算力與資料中心需要大量資本支出，金融市場開始研究如何把設備、算力與未來現金流接到資本市場；另一方面，高配息 ETF 的年化配息估算吸引目光，但配息後價格與淨值能否承接，才是投資人需要持續觀察的重點。 截至 2026 年 8 月 18 日，台股指數下跌 1.20%，費城半導體指數下跌 4.98%，VIX 上升 4.28% 至 15.84%。這些是單日市場資料，不代表未來走勢。 高配息率不能直接等同於實際報酬。配息來源可能包含股利、資本利得或 covered call 權利金，年化數字也只是估算。觀察重點應放在配息後的價格、淨值、成分股現金流與整體波動是否逐步形成承接。
firstory.me
《洞觀匯流節拍》AI 開始借錢擴張，高配息策略奏效？ Podcast Platforms - Flink by Firstory
AI 開始借錢擴張，高配息策略真的奏效嗎？ 今天的《洞觀匯流節拍》，從兩個看似不同的消息放在一起看：一邊是 AI 算力與資料中心需要更大的資本支出，金融機構開始研究如何把設備、算力與未來現金流接到資本市場；另一邊是高配息 ETF 帶來很高的年化配息估算，卻仍然要面對配息後價格能不能回來、淨值能不能承接的問題。 截至 2026 年 8 月 18 日，台股下跌 1.20%，費城半導體指數下跌 4.98%，VIX 上升 4.28% 至 15.84%。這些是當日資料，不是對未來的預測；它們提醒我們，市場有動能，也有波動，不能只看故事的熱度。 今天用雷地豫來看這件事。雷，是聲勢、消息與快速出現的動能；地，是資源、現金流與真正能承載它的基礎。放到市場，高配息不是看到配息率就結束，而要觀察配息來源、淨值、價格與成分股現金流能不能接住。年化配息率是估算值，可能包含股利、資本利得與 covered call 權利金，不等於保證報酬。 這個圖像也可以放回工作與家庭。工作上的新專案、升遷或獎金像雷聲，但人力、時間、預算與責任分工才是地；家庭裡的加薪或額外收入像新增資源，但房貸、教育、醫療、長輩與日常支出，才決定它能不能變成長期安全感。 本集唯一的觀察閥是「承接真實性」：這個動能，是否已經有現金流、資源、時間與制度可以承接？ 你可以邊聽邊問自己三件事：利多出現後，價格與淨值有沒有逐步穩住？AI 擴張的資金由什麼現金流、抵押品或生產力支撐？自己的工作與家庭，是否有足夠容量接住新增的機會與收入？ 加入 MK 陪跑學苑： https://school.happy2brich.com/join-v2?utm_source=podcast&utm_medium=shownotes&utm_campaign=daily_podcast_20260819&utm_content=join_v2_cta [https://school.happy2brich.com/join-v2?utm_source=podcast&utm_medium=shownotes&utm_campaign=daily_podcast_20260819&utm_content=join_v2_cta] 本集為市場教育與觀察內容，不構成個別投資建議。單日市場數據不代表趨勢預測；配息率、年化推算與任何策略表現均非保證；請依自身情況獨立判斷並承擔風險。 ## 章節 00:00 開場：AI 擴張與高配息，為什麼要放在一起看 03:20 AI 融資與算力資本化 10:10 高配息不等於實際報酬 16:00 雷地豫：有動能，先看有沒有地 21:00 工作與家庭中的承接 27:00 三個觀察問題與收尾 Podcast powered by Firstory.
台股#AI#人工智慧#算力證券化
•
《全球醫療連8年第一！長庚推醫學AI課程　吸引25名康乃爾、紐約大學生來台》 當全球競逐人工智慧、半導體與高科技產業之際，台灣另一項深具國際競爭力的「醫學與 AI 智慧醫療」優勢，也正受到世界矚目。長庚大學校長湯明哲透露，近年來，愈來愈多來自北美頂尖大學的學生，選擇跨海來台學習醫學。他們透過直接接觸台灣完善的醫療體系與臨床教育環境，為未來投入醫學領域做好充實準備。湯明哲強調，台灣的醫學與 AI 人工智慧醫療優勢獨步全球，已成為培養一流國際醫學人才的重要基地。 台灣醫療韌性與健保制度受到國際肯定，全球資料庫網站《Numbeo》公布「2026年全球醫療照護指數」排名，台灣以87.1分拿下冠軍寶座，連續第8年蟬聯世界第一，分數更領先排名第二的韓國。湯明哲校長指出，台灣醫療立足於健保優勢，現在更接軌「醫療人工智慧（AI）」新浪潮，擁有全球少見兼具高品質、可近性與高效率的醫療與醫學教育體系。過去多是亞洲學生前往美國接受醫學教育，如今人才流動的方向正悄悄改變。四年前長庚大學首次推出「醫學預科暑期課程」時，原本旨在提供海外學生認識台灣醫學教育與醫療體系的平台，未料課程推出後獲得熱烈迴響，學生來源也從北美西岸逐步擴充至全美各地及加拿大。這樣的現象顯示，台灣的醫療品質與醫學教育實力，已逐漸獲得國際高度認可。 湯明哲校長進一步說明，台灣 AI 實力獨步全球，長庚大學醫學系前瞻性地將 AI 科技與臨床結合，在臨床教學、病人照護、醫學研究與智慧醫療（AI 醫療）等課程發展上，均具備國際頂尖優勢。因此，校方將「醫療人工智慧（AI）」納入核心特色專題，成為最吸引學生的課程之一。這不僅讓這群北美的優秀學生在正式進入醫學院前，能提前建立醫學基礎概念，更能率先理解醫療科技發展趨勢，掌握未來由 AI 驅動的智慧醫療浪潮。這批來自北美的學生，皆對台灣醫療系統在「高效能、高科技（AI 應用）與人本照護」上的完美結合，留下了深刻印象。
全球醫療連8年第一！長庚推醫學AI課程　吸引25名康乃爾、紐約大學生來台
其他#長庚大學#長庚大學第四屆醫學預科暑期課程#醫學與AI智慧醫療
•

財經雜誌—人工智慧對經濟增長的兩大影響

人工智慧對經濟增長的總量促進作用較為顯著，更為重要的是，人工智慧的發展具有較多的結構性機會 人類近代歷史上，繼蒸汽動力、電力技術和資訊技術之後，人工智慧（AI）技術作為一種全新的通用目的技術，其引發的新一輪工業革命正逐漸由匯入期開始轉入拓展期。AI會像蒸汽機、電力這樣的通用型技術革命一樣持續推進經濟增長，還是只是一種短期性的衝擊。目前來看，學術界、金融市場和政策制定者對這一問題看法不一，但都高度關注。我們認為，人工智慧是第四次工業革命。 在過去的15年間，各國的勞動生產率增長大幅放緩，與放緩前相比，勞動生產率增長減少了一半以上。勞動生產率普遍降低的現象從發達經濟體到許多大型新興經濟體，都持續困擾著中長期的經濟增長。經濟學裡有著名的索洛悖論，即：雖然企業在IT方面投入了大量的資源，然而從生產率的角度看，收效甚微。在人工智慧時代，我們如何克服“索洛悖論”，積極引導供給端結合最新的人工智慧進展，提高生產率水平，積極促進消費端融合人工智慧的技術提升社會福利水平，改善收入分配，這是當前亟待解決的重大理論與現實問題。 我們認為，作為引領新一輪科技革命和產業變革的核心力量，AI不僅通過提升全要素生產率、最佳化資源配置效率，成為驅動經濟增長的新型引擎，其廣泛滲透還引發生產要素在產業間、區域間的重新配置，對產業結構升級、就業結構調整及供需結構適配產生系統性影響。現有研究已證實AI對經濟增長的雙重效應，同時其對經濟結構的不均衡影響也引發廣泛探討，既推動產業向數位化、智能化轉型，也可能加劇結構失衡與要素錯配。
財經雜誌—人工智慧對經濟增長的兩大影響
宏觀#AI#人工智慧#經濟增長
•

Fortune雜誌—關於AI，數千名企業CEO承認一個事實

1987年，諾貝爾經濟學獎得主、經濟學家羅伯特·索洛針對資訊時代發展停滯現象提出尖銳論斷：20世紀60年代，電晶體、微處理器、積體電路和儲存晶片相繼問世，經濟學家和企業原本預期這些新技術將顛覆工作場所，並實現生產率大幅躍升。然而現實卻恰恰相反，生產率增速持續放緩，從1948年至1973年的2.9%降至1973年之後的1.1%。諾貝爾經濟學獎得主、經濟學家羅伯特·索洛（Robert Solow）在資訊技術時代（20世紀80年代）發現生產率悖論。如今，經濟學家認為，這一悖論在人工智慧熱潮中再度顯現。圖片來源：Lior Mizrahi—Getty Images彼時，新興的電腦有時會產生過多資訊，生成內容繁瑣到令人頭疼的報告，列印出來的紙張堆積如山。這項本應大幅提升辦公效率的技術，在此後數年間反倒成了發展的拖累。正是基於索洛對這一現象的洞察，這一與預期相悖的結果，最終被命名為“索洛生產率悖論”。“電腦帶來的改變無處不在，但在生產率的資料統計上卻沒有體現。”索洛在1987年發表於《紐約時報書評》的一篇文章中寫道。如今，關於企業高管是否應用以及如何應用人工智慧的資料顯示，歷史正在重演。經濟學家和科技巨頭創始人曾就該技術對職場和經濟的影響做出類似承諾，而現實卻讓這些承諾變得更為複雜。《金融時報》針對2024年9月至2025年的資料分析顯示，標普500指數成份股企業中，有374家在財報電話會議中提及人工智慧，其中絕大多數都表示，人工智慧在公司內部的應用成效積極。但這些積極的應用案例，並未在整體生產率提升中得到印證。美國國家經濟研究局（National Bureau of Economic Research）2月發佈的一項研究發現，在參與各類商業前景調查、來自美國、英國、德國和澳大利亞的6000名首席執行長、首席財務官及其他高管中，絕大多數認為人工智慧對企業營運的影響微乎其微。儘管約三分之二的高管表示正在使用人工智慧，但每周使用時長僅約1.5小時，且有25%的受訪者稱在工作場所完全不使用人工智慧。研究指出，近90%的企業表示，過去三年人工智慧對就業或生產率未產生任何影響。然而，企業對人工智慧在工作場所和經濟領域的影響仍抱有極高預期：高管們預測，未來三年人工智慧將推動生產率提升1.4%，產出增加0.8%。儘管企業預計同期就業崗位將減少0.7%，但受訪員工卻認為就業崗位將增加0.5%。人工智慧真的能提升生產率嗎？2023年，麻省理工學院的研究人員聲稱，使用人工智慧的員工績效較未使用者可提升近40%。然而，最新資料未能印證這一預期中的生產率提升，這也讓經濟學家們開始質疑：企業在人工智慧領域的投資（2024年已飆升至超2500億美元）究竟何時、甚至能否獲得回報。阿波羅全球管理公司（Apollo）首席經濟學家托爾斯滕·斯洛克（Torsten Slok）在一篇博文中，援引了索洛近40年前的論斷：“人工智慧帶來的改變無處不在，但在最新發佈的宏觀經濟資料中卻沒有體現。如今，無論是在就業資料、生產率資料還是通膨資料中，都看不到人工智慧帶來的實質變化。”斯洛克補充道，除了美股“七巨頭”之外，“人工智慧在利潤率和盈利預期中也沒有體現”。斯洛克援引了大量關於人工智慧與生產率的學術研究，而這些研究對該技術的實際效用的結論卻相互矛盾。去年11月，聖路易斯聯準會在《生成式人工智慧應用現狀》報告中指出，自2022年底ChatGPT推出以來，美國超額生產率累計提升1.9%。然而，麻省理工學院2024年的一項研究卻顯示，未來十年，生產率增幅僅為0.5%。“我認為我們不應輕視未來十年0.5%的生產率增幅。這總比零增長要好，”該研究作者、諾貝爾經濟學獎得主達龍·阿西莫格魯（Daron Acemoglu）當時表示，“但與科技行業從業者和科技媒體所做出的承諾相比，這一結果實在令人失望。”其他最新研究也揭示了這一現象背後的原因。人力資源解決方案企業萬寶盛華（ManpowerGroup）發佈的《2026年全球人才晴雨表》顯示，在19個國家近1.4萬名受訪員工中，2025年經常使用人工智慧的員工比例上升了13%，但員工對該技術實用性的信心卻驟降18%，這表明員工對人工智慧仍存在疑慮。波士頓諮詢公司（Boston Consulting Group）的一項研究顯示，在某些情況下，人工智慧的應用甚至可能適得其反，引發“AI腦疲勞”。在一項針對1488名美國全職員工的調查中，受訪者表示，使用不超過3種人工智慧工具時，工作效率有所提升；但當使用的人工智慧工具不少於4種時，員工自評的工作效率大幅下滑。員工們稱，由於過度使用這類技術，他們感到頭腦昏沉，或是會犯更多低級失誤。IBM首席人力資源官尼克爾·拉莫羅（Nickle LaMoreaux）表示，今年這家科技巨頭將把年輕員工的招聘人數增加兩倍。這表明，儘管人工智慧能夠自動化處理部分基礎工作任務，但若大規模替代初級員工，未來將出現中層管理人才斷層，進而危及企業的管理人才梯隊建設。什麼能扭轉人工智慧的生產率模式？誠然，這種生產率模式並非不可逆轉。20世紀70年代和80年代的資訊技術熱潮，最終在20世紀90年代至21世紀初帶來生產率的大幅躍升，其中1995年至2005年間，生產率增速在經曆數十年低迷後提升1.5%。經濟學家、史丹佛大學數字經濟實驗室主任埃瑞克·布林約爾弗森（Erik Brynjolfsson）在《金融時報》的一篇評論文章中指出，這一趨勢或已開始逆轉。他觀察到，儘管上周的就業報告將新增就業人數下調至僅18.1萬，但第四季度GDP增速仍達到3.7%，這表明生產率正大幅提升。根據其分析，去年美國生產率躍升2.7%，他將此歸因於行業從人工智慧投資期向技術紅利收穫期過渡。前太平洋投資管理公司（Pimco）首席執行長兼經濟學家穆罕默德·埃爾-埃裡安（Mohamed El-Erian）也指出，就業增長與GDP增長持續脫鉤（部分源於人工智慧的持續應用），這與20世紀90年代辦公自動化推廣時期的情形頗為相似。部分生產率提升或許就在眼前，只是尚未被察覺。史丹佛經濟政策研究所牽頭的一項研究，通過分析20萬戶美國家庭的網路瀏覽資料發現，生成式人工智慧將求職、旅行規劃或購物等線上任務的處理效率提升了76%至176%。然而，研究人員發現，使用者借助人工智慧從日常瑣事中省出的時間，大多用來和朋友聚會、看電視，而非投入到工作或新技能學習中。斯洛克認為，人工智慧對未來的影響可能呈現“J型曲線”特徵：初期績效和產出增長緩慢，隨後將迎來指數級增長。他表示，人工智慧能否實現這一生產率躍升路徑，取決於其創造的價值。迄今為止，人工智慧的發展路徑已與早年的資訊技術產業截然不同。斯洛克指出，20世紀80年代，資訊技術領域的創新企業，在競爭對手開發出同類產品之前，始終擁有壟斷定價權。如今，大型語言模型企業之間“競爭激烈”，價格持續被壓低，人工智慧工具已變得觸手可及。因此，斯洛克提出，人工智慧未來能否真正推動生產率提升，取決於企業是否願意利用這項技術，並持續將其融入業務場景中。斯洛克表示：“換言之，從宏觀角度看，價值創造的核心並非產品本身，而是生成式人工智慧如何在經濟各行業中真正實現應用與落地。”   （財富中文網）
Fortune雜誌—關於AI，數千名企業CEO承認一個事實
科技#AI#人工智慧#生產率
•
《中華勞資事務基金會、品觀點舉辦台灣國會評鑑頒獎 首創AI評鑑更客觀！》中華勞資事務基金會今（20）日主辦「台灣國會評鑑頒獎典禮」，由品觀點媒體協辦。本屆評鑑除涵蓋法案提案、質詢次數及政策追蹤等傳統量化指標外，更首創導入人工智慧（AI）技術，針對113位立法委員進行深度質化分析，依據立法院官方公報、質詢影片逐字稿等資料，客觀評估每位委員的問政品質。品觀點表示，質化部分設有「地方建設守護獎」、「優秀政策分析獎」、「資料數據問政獎」、「公益價值宣揚獎」及「犀利監督質詢獎」五項獎項。本屆「犀利監督質詢獎」得主清一色為執政黨委員，品觀點強調，問政專業不分黨派，值得全民共同肯定。媒體人張宇韶則指出，量化指標涵蓋出席率、提案及聯署法案數量，均屬客觀常見數據。其中全院質詢部分以參與院長施政總質詢次數計算，書面質詢或時間未滿者不列入，此規則對部分執政黨委員相對不利，但伍麗華、徐富癸兩位委員仍突破限制拿下全院特優，賴惠員、王美惠委員亦分別奪得全院優秀，表現令人讚賞。本屆另設勞權特別貢獻獎，表彰國民黨、民進黨、民眾黨三黨黨團共同推動《外送平台外送員權益保障專法》三讀通過。中華勞資事務基金會董事長鄧學良表示，台灣外送員保障長期落後國際，三黨黨團頂住跨國平台壓力、促成立法意義重大，基金會致力勞權三十餘年特此表達肯定，並期許立法院未來持續關注非典型與新興勞動型態權益，提出更多福國利民法案。
中華勞資事務基金會、品觀點舉辦台灣國會評鑑頒獎 首創AI評鑑更客觀！
其他#中華勞資事務基金會#品觀點#台灣國會評鑑頒獎典禮