浮水印元年：AI 開始為自己的輸出簽名，而醫療是最需要那個簽名的地方

歐盟執委會於 8 月 2 日公告透明度規則正式適用。依 Cooley 的整理，四項義務同時上路：(1) 與 AI 互動時必須告知使用者（除非顯而易見）；(2) 生成或經竄改的音訊、影像、影片與文字必須嵌入「機器可讀標記」並提供偵測機制；(3) 生物辨識與情緒辨識系統須告知受影響者；(4) deepfake 與公開發布的 AI 生成內容須揭露，除非經人為編輯審查並有人承擔編輯責任。罰則最高 1,500 萬歐元或全球年營收 3%（取高者）；既有生成式系統的標記另有 2026 年 12 月 2 日的延長期限。《AI 生成內容透明度行為準則》的簽署者可取得「符合性推定」與較輕的執法檢視。

這是第一條有牙齒、且把「文字」明確納入的合成內容標記法。過去兩年的浮水印討論幾乎都圍繞影像（SynthID、C2PA），文字被認為「技術上做不到、做了也會被改掉」；第 50 條直接把它變成合規問題而非研究問題。Morgan Lewis 提醒，義務同時落在提供者與部署者身上——也就是說，醫院若把生成式 AI 用在病人溝通或衛教文件上，在歐盟境內就是「部署者」，責任不會只停在模型商那一端。

醫療 AI 系統在 AI 法中多屬高風險類別，主要義務要到 2027 年 8 月才全面適用；但第 50 條是橫向規定，只要輸出是生成內容就適用。環境式病歷（ambient scribe）產出的病程紀錄、AI 撰寫的出院衛教單、病人端聊天機器人回覆，都落在射程內。實務上最棘手的是「誰是編輯責任人」——若醫師簽署了 AI 起草的病歷，是否構成第 50 條的人為編輯審查豁免，目前沒有明文。

Anthropic 於 8 月 11 日確認，將在模型層對 Claude 產生的文字嵌入浮水印，並對檔案採用 C2PA 開放標準的內容憑證。因為做在模型層，涵蓋範圍是所有產品線——API、Claude 網頁與 App、Claude Code、Claude Cowork、Claude Tag。TechCrunch 指出，浮水印會隨著文字被複製貼上而移動，並「可能在部分編輯後仍然存留」。The Decoder 與 Euronews 都強調關鍵在「不分地區」：8 月 2 日之後發布的模型自動內建，舊模型將陸續補上。

這是「布魯塞爾效應」的即時演示：一家美國公司為了滿足一部歐洲法律，選擇對全球使用者一體適用，因為維護兩套模型行為比全面實施更貴。實務含意是所有用 Claude 產生的文字，從今以後預設可被追溯——包含企業內部文件、程式碼註解、學生作業與病歷草稿。Forbes 的解讀則點出一個容易被誤解的地方：浮水印證明的是「這段文字經過該模型處理」，不等於證明作者是誰；把它當成抄襲偵測器會出錯，因為人類把自己的文章丟給 Claude 潤稿，出來的東西一樣帶標記。

兩面刃。正面是可稽核性：若日後要追究「這段病歷是誰寫的、AI 參與到什麼程度」，浮水印提供了技術上的線索，對醫療糾紛與 EHR 稽核可能有價值。反面是隱私與去識別化的新破口——帶浮水印的病歷文字被匯出、共享或用於研究時，等於多攜帶了一個訊號；而在文件經過多次人為修改後，浮水印還剩多少、誤判率多高，Anthropic 至今未公布技術韌性數據。在拿它當證據之前，這個空白必須先補上。

Abulibdeh、Cajas Ordóñez、Celi 等人 8 月 19 日發表於《PLOS Digital Health》，盤點截至 2025 年 12 月 5 日的 1,357 台 FDA 核可 AI／ML 醫材，結果是一條急遽收斂的漏斗：34 台（2.5%）連結到已註冊的前瞻性試驗、12 台（0.9%）公布過試驗結果、12 台（0.9%）有同儕審查論文，而真正評估過死亡率、併發症或再入院等病人中心結果的只有 3 台（0.2%）。科別分布高度集中：放射科 1,059 台（78%）、心血管約 9%、神經科約 5%。

這不是「AI 醫材沒用」的證據，而是「我們不知道它們有沒有用」的證據——這在監理上更麻煩。510(k) 途徑要求的是與既有裝置實質等同，不是臨床效益；當上千台裝置沿著同一條等同鏈往下核可，整條鏈可能從未接觸過任何結果數據。研究團隊直言「監理核准已經超前臨床驗證」，並主張採分階段的證據標準，把財務誘因對齊到結果研究而非搶快上市（Inside Precision Medicine）。

分析建立在公開可得的試驗註冊與文獻連結之上，廠商未註冊、未發表或以商業機密處理的內部驗證不會被計入，因此 0.2% 應理解為「公開可查證的比例」下限，而非全部真相（AuntMinnie、News-Medical）。不過這反而強化了論點：如果證據不可公開查證，臨床端與付費端本來就無從據以決策。

Google 於 8 月 13 日發表 Gemini 3.7 Flash，定位為「最聰明的主力工作馬（workhorse）」，主打軟體工程、知識工作與網頁開發。官方基準跳幅相當大：FrontierCode 1.1 由 34.4% 升至 43.6%、DeepSWE v1.1 由 49.0% 升至 65.3%、WebDev Arena Elo 1538 → 1588、AutomationBench 17.0% → 30.4%，而衡量長篇密集文件理解的 GDP.pdf 由 22.0% 升至 34.0%。定價方面，導入價（至 2026 年 12 月 31 日）為每百萬 input token 0.75 美元、output 3.75 美元，2027 年 1 月 1 日起調整為 1.50／7.50 美元。9to5Google 指出此版距 3.6 Flash 僅隔三週，並已進入 Spark 與 Google 搜尋的 AI Mode。

三週一代的節奏本身就是新聞：前沿模型的發布週期已經壓縮到比多數企業的採購與驗證流程還短。這對受監理產業是實質問題——當你花六個月驗證一個模型版本，驗證完成時它已經退了兩代。另一個訊號是價格：導入價明訂到期日，等於 Google 公開承認目前的定價是市佔補貼而非成本反映。規劃 2027 年預算的團隊若照 0.75 美元估算，會低估一半。

Google 明確把「金融、法律、生物科學等知識密集領域的文件理解」列為改進重點，而 GDP.pdf 的 12 個百分點增幅正是這一類任務。醫療端最直接對應的是臨床試驗文件、給付審查資料、法規送件這類長而結構混亂的 PDF 工作。但要注意：這些是廠商自行公布的通用基準，不是臨床基準；模型在 GDP.pdf 上進步，不代表在病歷摘要或用藥核對上的錯誤率同步下降。這正是 STAT 7 月那篇關於臨床 AI 基準可信度的報導反覆強調的落差。

Google DeepMind 於 8 月 6 日在《Nature》發表 WeatherNext，模型結合全球天氣動力與歷史氣旋資料，預測熱帶氣旋的路徑、強度與風場結構，在三項指標上都取得最低誤差。最關鍵的數字是多出整整一天的預測準確度——它的三日預報準確度相當於既有模型的兩日預報，官方形容約等於「十年的氣象學進展」。合作單位包括美國國家颶風中心（NHC）、CIRA 與英國氣象局。同時開源的有 WeatherNext 2、WeatherNext Cyclones 與 WeatherNext 2-mini，程式碼與權重公開在 GitHub。

這是「AI for science」目前最完整的一套劇本，而且四個要素齊備：(1) 同儕審查（《Nature》而非部落格）；(2) 對照的是既有作業系統而非另一個 AI 模型；(3) 官方機構共同驗證（NHC、Met Office）；(4) 權重開源讓第三方能重現。eWeek 指出多出的一天在疏散決策上是實質的生命差異——這也是它與大多數「刷榜型」AI 成果的根本差別：它的評估指標本身就是使用者在乎的東西。

兩層。直接層是公共衛生整備：多一天的氣旋前置時間直接影響醫院疏散、透析與呼吸器病人的轉運、急診量能調度——對台灣這種年年面對颱風的醫療體系，這是可以立刻拿去用的開源資產。間接層更重要：WeatherNext 示範了醫療基礎模型「該長什麼樣」——不是在既有基準上刷分，而是與臨床標準流程正面對照、由主管機關共同驗證、權重公開讓外部稽核。對照今天第三則的 0.2%，差距一目了然。

Google DeepMind 與 Android 團隊於 8 月 12 日發表 Sign-Language-to-Text（SL2T），訓練資料為逾 10 萬小時、涵蓋 50 種以上手語。技術上的關鍵選擇是不吃原始影片，而是用姿態追蹤：先以 MediaPipe Holistic 抽出身體關鍵點，再把座標序列直接翻譯成文字，繞過傳統做法中的中介標註「gloss」——這正是過去手語 AI 詞彙量被人工天花板卡住的主因。產品已隨 Pixel 11 上線於 Gboard 與 Live Transcribe，首發為美國手語（ASL）對英文。倫理與部署則由納入全球聾人組織的 AI 手語諮詢委員會（AISLAC）把關。

技術上，「跳過 gloss」是這則新聞的真正重點。gloss 是人工定義的中介符號層，好處是可解釋、壞處是詞彙量與表達細膩度都被人工上限鎖死。直接從姿態序列端到端翻譯，把手語 AI 從受限詞彙的分類問題變成開放式的翻譯問題——這與語音辨識十年前從音素模型轉向端到端的那次轉折是同一種轉折。而由 AISLAC 而非工程團隊決定部署節奏，也是一個值得注意的治理選擇。

聾人與重聽者在醫療現場的溝通障礙是長期且有實證的健康不平等來源——手語翻譯員調度困難，急診與夜間尤其難。裝置端的即時手語轉文字理論上能填補這個縫隙。但要非常小心：目前的產品定位是日常溝通與輸入，不是醫療級翻譯，首發也只有 ASL→英文一個方向。醫囑、知情同意、症狀描述的錯譯後果與傳訊息完全不同層級；在有臨床場域的驗證資料出現之前，這應該被視為輔助工具而非翻譯員的替代品。台灣手語（TSL）也不在首波支援之列。

Hugging Face 於 8 月 15 日發布《State of Open Models》報告，2026 年前七個月的下載量：Qwen（阿里巴巴）20.6 億次、Google 4.18 億次、Meta 2.27 億次——Qwen 約為 Google 的 5 倍、Meta 的 9 倍（數位時代）。衍生模型 151,448 個，是 Meta 整體生態的 2.6 倍。報告歸因於三點：全參數級距（1,000 萬到 2.4 兆）的持續更新、Apache 2.0 寬鬆授權可商用，以及同時覆蓋本地小模型與大規模部署。但這裡有一個必須註明的落差：TNW 指出阿里巴巴自行宣稱的 30 億次下載與 30 萬個衍生模型，比 Hugging Face 實測數字分別高出約三分之一與數倍；Hugging Face 的計數不含 API 使用、私有部署與 ModelScope 等其他平台。

下載榜第一名不是最有意思的數字。「歷史上 83% 的下載來自 10 億參數以下的模型，超過 1,000 億參數的只佔 1%」才是（數位時代）。這說明公開論述（都在談前沿大模型）與實際部署（絕大多數是能塞進單張卡甚至邊緣裝置的小模型）之間，存在一個巨大的認知落差。另一個結構性訊號：報告指出 NVIDIA 與 AMD 已成為開源的主要貢獻者，策略性地把模型針對自家硬體最佳化——開源在這裡是硬體銷售的補完，不是慈善。

醫療是最需要「小而可地端部署」的產業之一：病人資料不出院區、推論成本可預測、不受供應商 API 政策變動影響。83% 這個數字說明醫院想走的路，正好是整個開源生態實際在走的路。Apache 2.0 授權也直接降低了法遵摩擦。但地端部署把責任一併搬回院內——模型驗證、版本控管、漂移監測、第 50 條的標記義務，全都變成醫院自己的工作，而多數醫院的資訊部門並沒有為此配置人力。至於中國模型在台灣醫療機構的採用，另有資安與治理層面的考量，需個案評估。

依中央社 8 月 6 日報導，立法院厚生會成立智慧醫療委員會（由台大醫院陳石池擔任主任委員），衛福部資訊處長李建璋表示將在三個月內提出 AI 醫療應用細則，並揭示七項原則：透明、隱私、可歸責、安全、公平、永續與人類自主。同篇報導指出跨院互通平台 FHIR Box 預計年底上線，以「政府蓋資料高速公路」的方式，在三到五年內連接約 80% 的醫療機構。此前衛福部已頒布《醫療機構應用生成式人工智慧指引》。

台灣的細則還在草擬階段，這在此刻是優勢。PLOS 那份 0.2% 的研究等於免費提供了一份「別人怎麼踩到坑」的實證報告：如果細則只複製「實質等同」式的上市前審查，台灣會在五年後得到一份自己的 0.2%。可以借鑑的是研究團隊提的分階段證據標準——上市時要求分析效能，納入健保給付時才要求臨床結果證據。台灣的單一保險人制度在這件事上比美國有結構優勢：健保署同時握有給付決定與全國結果資料，理論上可以做到美國因支付方分散而難以執行的「給付綁結果」。

台灣醫材與智慧醫療業者若銷往歐盟，第 50 條已經生效、罰則到全球營收 3%；而 Anthropic 全球實施浮水印的先例說明，供應鏈上游會替你做決定——即使台灣沒有對應規範，你採用的模型輸出可能已經帶著標記。院內導入生成式 AI 的單位現在就該盤點：哪些輸出會進入病歷、哪些會發給病人、哪些會外流到研究資料集。TFDA 的智慧醫療器材資訊暨媒合平台與臺灣智慧醫療三大中心是目前追蹤本地進度的兩個官方入口。

在算力與硬體側，聯合報 6 月 27 日報導的高醫大論壇提到衛福部「333 政策」與「健康台灣深耕計畫」五年 48.9 億元預算，並以高醫大與鴻海合作、採用 NVIDIA 技術的大腸癌診斷 AI agent 為代表案例。放在本期脈絡下，這正是 HF 報告揭示的那條路：台灣的機會在小模型的地端部署與硬體整合，不在前沿模型的軍備競賽——而那也剛好是台灣供應鏈本來就強的地方。