汶萊的油氣新聞很少再是「新發現」或「新開發」，這幾年更常出現的字眼是「維護」與「更換」——這正是2026年7月31日這則合約公告的關鍵詞。挪威海事工程公司Subsea7宣布，取得汶萊殼牌石油公司（Brunei Shell Petroleum, BSP）委託的海底管線更換工程合約，規模上看1.5億美元。對一個油田普遍進入生產後期的國家而言，這種資本支出的性質，本身就是一種訊號。
根據Upstream的報導，這項海底管線更換工程規模上看1.5億美元，客戶為汶萊殼牌石油公司（BSP）——由汶萊政府與殼牌集團各半合資的國家石油公司。報導並未附上BSP或Subsea7的具名高層發言，也沒有交代確切的簽約時間、施工期程，或這條管線隸屬哪一個具體油氣田。
這裡有一個容易被忽略的區別：合約性質是更換（replacement），不是新油田開發或擴產。汶萊經濟高度倚賴油氣部門，多數油田已進入生產後期，基礎設施老化下的維護性資本支出，某種程度上比新開發更能反映一個產油國上游服務鏈是否還健康——如果連既有管線的更新工程都招不到標，才是真正該擔心的訊號。這次規模上看1.5億美元的合約落在汶萊，且得標者是Subsea7這種具規模的國際海事工程公司，說明在全球油氣服務商普遍緊縮的環境下，汶萊仍有實質工程量能吸引國際廠商投標。
汶萊近年的產業論述常提到成長動能正從上游油氣，逐步移往下游加工與服務業，但下游多元化能走多快，某種程度上仍取決於上游有沒有餘裕持續投入——如果上游基礎設施維護跟不上，衝擊的會是整個油氣部門的營運穩定度，連帶壓縮政府在下游轉型上能挪出的政策資源。這次合約規模雖然不到能改寫汶萊總體經濟走向的量級，但作為汶萊上游服務供應鏈延續性的其中一筆證據，性質上與下游多元化戰略是並存、而非互相取代的關係。
對台灣的鋼管、閥件與防蝕工程業者來說，這類維護標案的意義也在這裡：東南亞油氣市場的新開發案這幾年愈來愈少，維護與更換工程反而是需求還在穩定釋出的那一塊。汶萊這筆合約規模不大，主承包商也不是台灣廠商，但它確認了一件事——這條需求線還沒斷，二階、三階的材料與檢測服務仍有進場空間。
Upstream這篇報導提供的是合約存在與規模上限，沒有提供的是這份合約真正牽動哪一段管線、涉及多少工作天，汶萊政府與BSP至今也都沒有各自發布正式聲明補充細節。要判斷這是一次性的單筆支出還是維護周期真的重啟，判準很具體：未來一年BSP如果再釋出第二、第三筆同性質的海管或平台維護標案，就是上游資本支出周期回來了；如果這筆之後沒有下文，那它就只是一段管線到了非換不可的年限。
本文出自：索引新聞 INDEX News
原文連結：https://news.org.tw/%e6%b1%b6%e8%90%8a%e6%ae%bc%e7%89%8c%e5%a7%94%e8%a8%97%e6%b5%b7%e5%ba%95%e7%ae%a1%e7%b7%9a%e6%9b%b4%e6%8f%9b%e5%b7%a5%e7%a8%8b%e5%90%88%e7%b4%84/
歡迎分享，轉載請註明出處。
商傳媒｜林昭衡／綜合外電報導 隨著人工智慧技術快速發展，OpenAI 的 ChatGPT 和 Anthropic 的 Claude 等大型語言模型（LLMs）已進化為多模態 AI，不僅能處理文字，還能分析圖像，甚至從文字描述生成圖片。然而，學術界對此一進步也提出擔憂，指出這些模型存在「視覺幻覺」（Visual Hallucinations）問題，即 AI 在圖像處理過程中可能生成看似合理但實際錯誤或荒謬的輸出。 根據知名學術期刊《Communications of the ACM》的報導，諾丁漢大學（University of Nottingham）電腦視覺副教授 Michael Pound 指出，LLMs 經過大量文本與影像資料訓練，由於缺乏對「真理」的明確規範，其輸出往往僅具統計學上的合理性，而非真實。加州柏克萊人工智慧研究實驗室（University of California Berkeley Artificial Intelligence Research lab, BAIR）的博士後研究員 David Chan 也提到，儘管人類也會有類似錯誤，但大眾期望 AI 模型的表現應優於人類。 「視覺幻覺」對自動駕駛車與安全監控影像分析等關鍵應用領域構成嚴重挑戰，可能損害大眾對 AI 的信任度。例如，當背景資訊與圖像內容矛盾時，幻覺現象會更頻繁。Michael Pound 舉例說明，醫學影像分析若受其他病患資料影響，AI 可能因此忽略圖像中實際存在的疾病跡象。他強調，對於盲人輔助科技等使用者無法自行驗證輸出的情境，AI 模型的精確度至關重要，任何錯誤都可能帶來風險。 研究人員正積極探討視覺幻覺的根本成因，認為這與生成式 AI 模型作為仰賴機率的「預測引擎」本質息息相關。目前，除了針對特定任務的影像資料進行模型微調（fine-tuning），並在如自動駕駛車中導入光達（LiDAR）等多餘感測器以彌補錯誤外，現有的後驗證（post-hoc verification）方法也面臨效率低落的問題，因為它需要額外的 AI 模型來檢查輸出，過程緩慢且僅能拒絕錯誤回應，無法直接修正。 為提升驗證效率，新的「REVERSE 框架」被提出，它能在 AI 生成回應的過程中同步檢查幻覺。此框架透過訓練模型將詞語分類為「自信」或「不自信」，並在生成影像描述時給予每個詞彙信心評分，從而實現即時修正。David Chan 形容這是一種「推論技巧」，能讓部署中的系統根據預期的錯誤率來進行應對。未來研究則將聚焦於從源頭防止 AI 模型產生幻覺，並探索視覺推理（visual reasoning）而非純文本推理，透過讓模型分析圖像的幾何與外觀，來提高其精準度、理解基礎及可解釋性。
圖／本報資料庫 商傳媒｜林昭衡／綜合外電報導 隨著生成式人工智慧（AI）工具的普及，許多企業起初不設限制地採購與導入 AI 系統。然而，這波熱潮如今卻讓企業開始正視其背後潛藏的法律風險，特別是在訴訟或調查過程中，AI 系統資料的保存問題日益凸顯。 在昨日舉行的法律科技會議 ILTACON 首日議程中，與會者便將焦點放在 AI 採購後的資料保存挑戰。ILTACON 是一個專為法律專業人士舉辦的年度技術會議，旨在探討法律領域的科技應用與趨勢。會中指出，如同大學生在派對上恣意拿取飲料，許多企業在面對 AI 浪潮時，也曾不加思索地大量引進新工具與系統。 隨著 AI 系統逐漸成為企業日常營運的一部分，相關的法律風險浮出檯面。企業必須開始思考如何妥善儲存 AI 系統產生的資料，以應對未來可能的法律訴訟或內部調查。例如，若有合成媒體（synthetic media）作為證據提交，透過正確儲存後設資料（metadata，即描述資料本身的資訊，如創建時間、來源、格式等），將有助於辨識其真偽。 為因應這項需求，市場上的供應商也正逐步推出相關工具，協助企業蒐集、保存並分析 AI 系統中的資料，例如 Thomson Reuters、律商聯訊（Lexis）等公司都提供此類服務，產品包含 Thomson、CoCounsel、Lexis+、Protégé 等。Reveal、Newcode 和 Relativity 等科技公司亦投入開發相關解決方案。
《圖說》國會民主研習戰鬥營學員們激烈攻防辯論戰。 【民眾網諸葛志一台中報導】立法院115年度國會民主研習戰鬥營於24日至25日在立法院民主議政園區辦理，來自全國各大專校院的青年學員齊聚臺中霧峰，立法院民主議政園區在原臺灣省議會議事堂，透過國會議事、人工智慧、媒體傳播、國際政治及議題攻防等多元課程，實際走進議事殿堂，深入認識國會運作及民主政治精神。 立法院中南部服務中心主任邱俊龍表示，立法院民主議政園區目前具體發展定位為落實「民主教育會展中心」的推動，今年立法院也編列預算辦理原省議會議事堂相關設備及公共服務設施之全面整修，結合園區歷史建築、議事設備、民主教育及情境模擬，立法院民主議政園區將成為「全國第一座議事教育實境模擬場域」。 《圖說》立法委員廖偉翔（右）、臺中市政府副秘書長林谷龍（中）與學員們交流。 今年民主戰鬥營最具特色的課程，是將成果發表及辯論攻防移至原臺灣省議會議事堂辦理。學員實際坐進議席、使用議事設備，分別扮演民意代表及相關議事角色，從議題分析、論述建構、政見發表到質詢答辯，完整體驗議事運作及公共政策辯論過程。 本屆戰鬥營亦開創傳承與菁英制的青年培育模式，發掘具有公共參與熱忱、民主素養、政策思辨、表達能力及領導潛力的優秀青年，逐步建立國會民主研習戰鬥營菁英人才資料庫名單，形成國會民主教育青年人才網絡。 《圖說》立法院國會民主研習戰鬥營在立法院民主議政園區舉行。 立法院中南部服務中心表示，透過近期活化整建，民主議政園區已成為全國舉辦民主教育營隊的選擇熱點。除了大專青年培育，近年也積極推動友善兒少及分齡民主教育。立法院中南部服務中心持續與鄰近大專校院合作，訓練青年志工，並共同設計適合不同年齡層的民主與議事教育課程。目前已逐步發展「小小議長營」、「青春議事槌」及「國會民主研習戰鬥營」等系列品牌，從國小、高中一路延伸至大專青年，建立不同學習階段的民主教育路徑，讓民主素養從兒童及青少年階段向下扎根。 立法院中南部服務中心表示，民主議政園區承載臺灣省議會數十年的議政歷史，未來將持續以民主教育會展中心為發展方向，使珍貴的民主歷史記憶轉化為青年教育及公共參與資源，讓民主議政園區不僅成為保存臺灣民主歷史的重要基地，更成為培養新世代公民領袖及實踐民主價值的教育場域。 《圖說》立法院中南部服務中心主任邱俊龍為學員們加油打氣。
