2018年Next大會上推出的人工智慧預包裝服務客服中心AI（Contact Center AI），現在Google透過增加人工智慧理解對話情境的方法，進一步強化虛擬代理人語音辨識的能力，用戶現在還可以更靈活地自訂定義SpeechContext類別，減少人工智慧對於文字概念混淆的問題。

Google提到，即便客服中心虛擬代理人的語音辨識精準度達90％，但是比起實驗室，實際使用環境以及雜訊的影響，在部分情況下，仍然會使得自動語音辨識的結果變得很糟，因此現在Google進一步更新客服中心AI所使用的技術，特別是在Dialogflow以及雲端語音轉文字兩服務，以提升辨識品質。

Dialogflow讓用戶能夠在網頁、行動應用程式或是熱門的傳訊平臺，建構對話服務，而這次更新，Google為Dialogflow加入了自動語音調適能力（Auto Speech Adaptation），以對話情境資訊，解決虛擬代理人混淆單字發音的問題。

由於許多單字的讀音很相似，在電話中可能無法很清楚傳遞，像是cheese和these的發音，還有可能把mail誤翻成male或nail，但是當虛擬代理人知道這些對話背景，發生在速食餐廳或是商品退貨時，便不容易混淆這些字。用戶只要在Dialogflow控制臺中，將自動語音調適功能打開，就能讓語音辨識準確度上升40％以上。

Google也改進了互動式語音應答（IVR）以及電話虛擬代理人，所使用的雲端語音轉文字基線模型，而這將會使語音轉錄的結果更好，Google以電話用語的常用短句最佳化了該模型，使得新模型的表現，在美國英文上的辨識準確度提高15％，再加上自動語音調適功能，還能進一步提升辨識的品質。

開發人員在使用雲端語音轉文字服務時，能使用SpeechContext參數來控制情境資訊，讓語音轉錄更加精確，以讓虛擬代理人更精準地辨識企業產品等特定名詞。

而現在Google在SpeechContext中新增類別，而預定義的類別則對應到流行或是通用的概念上，使用情境像是在數字溝通時，4個數字的組合可能代表年、時間或是金錢，而開發者可以在SpeechContext類別，調校整個自動語音辨識的單字列表，改善輸入語音的轉錄結果。

不過，Google也提到，使用SpeechContext這樣的工具，會增加部分短句被擷取的機率，這可能降低了語音有提及卻沒出現在轉錄文字上的錯誤，但同時也會增加語音未提及卻出現在轉錄文字的情形，自動語音調適的強度需要權衡結果進行調整，而SpeechContext的Boost功能解決了開發者這樣的煩惱，可以自動為使用案例調整語音調適的最佳強度。

過去雲端語音轉語音服務，處理語音只能以1分鐘為單位，而這對於需要較長時間轉錄文字的使用案例，像是會議、即時影片或是電話等是個大問題，現在Google將處理語音時間上限提高5分鐘，而且API也允許開發人員開啟新的串流對話，來接續前一個串流對話，以做到無限時間的串流語音轉錄文字。

SAS今揭露臺灣企業AI大調查，金融業為全臺運用AI領先度最高的產業，而就導入AI的目標來說，不論產業別，企業運用AI皆為提高營運效率。

這項調查由SAS與天下雜誌合辦，由SAS設計問卷，透過天下雜誌的企業資料庫來發送問卷，有效問卷達1,200多份。天下雜誌主筆黃亦荺表示，透過用叢集將問卷填答者分群，將企業的AI領先度分為4類，包括先進者、跟隨者、觀望者和未啟動者等4類，其中，先進者指的是已運用AI分析3至10年、分析組織達50至100人，並且已執行5～10個AI專案；跟隨者則是運用AI分析1至5年，組織規模達10至20人，已執行1～2個AI專案；觀望者則是已運用AI分析1至5年，分析組織為10人左右，但委外比例最高、尚未執行任何AI專案。未啟動者則是企業內無任何AI相關組織，也未採用任何AI解決方案。

調查顯示，從產業來看，金融業是所有產業中AI領先度最高者，其先進者占24.30%、追隨者33.64%，製造業先進者則是15.15%、追隨者為30.30%，再來才是零售、流通和服務業，其先進者為5.15%、追隨者22.79%。由此可見，金融業也是投入AI應用比例最高的產業（58%），而製造業則是45.5%， 零售、流通和服務業則是27.94%。

而就執行AI專案的分工來看，在金融業中，超過80%的企業透過外部資源或委外來投入AI分析， 而靠公司自行開發AI系統的比例則近10%。然而，其他產業整合外部資源或委外的比例則較金融業低，約為6、7成，但自行開發AI的比例則比金融業高，分別是製造業24%，零售、流通和服務業27.63%。

就各產業導入AI的進展來說，金融業與零售、流通和服務業一樣，已應用於業務上的AI有自然語言處理和虛擬助理（比如Chatbot），而機器學習模型、進階推薦演算法還在驗證階段。對製造業而言，已採用的AI則是電腦視覺、機器學習模型，比如用於產品良率把關的影像辨識系統；還在驗證的階段則是最佳化預測、即時決策平臺和進階推薦演算法模型。調查也指出，金融業和服務業投入AI分析的目的，是要改善對外服務，而製造業則聚焦於對內的決策和管理上。

而從AI專案滿意度來看，85%先進者認為滿意且符合期待，但就追隨者和觀望者來說，滿意程度則遞減。

企業一致認為組織共識是發展AI的關鍵，而AI專案的KPI則是提高營運效率

另一方面，調查顯示，企業導入AI最在意的關鍵之一，是組織內部要先達成發展AI的共識（如下圖）。新光人壽數位服務發展部資深協理廖晨旭也分享導入防詐欺AI的經驗，指出「AI不會一開始就存在於公司，」第一步通常由實驗性專案出發，新光人壽當初也是以小型IT專案做起，由MIS人員負責執行。但模型上線後，因職員異動、導致難以維持AI專案的模型，必須藉助外部廠商。因此他建議，企業要發展AI，必須在第一天下定決心，成立專門的AI團隊來負責。他也認為，小專案成功後，能夠得到其他部門或長官的信任，才能在企業內推行AI應用，連點成線，再擴大為面。

此外，調查顯示，多數企業認為營運效率是衡量AI專案績效的關鍵，也就是AI專案的首要KPI，其次才是降低營運成本。不過，企業決策人員和執行人員則有不同想法，決策人員認為品牌市佔率和業務創新是導入AI的重點，而執行人員則看重營運成本的改善，顯示兩者對AI專案的目標有所落差。

多次協助電商和金融業者導入AI的臺大金融科技研究中心主任張智星則建議，企業導入AI時，還要考慮是否改善品牌形象，比如銀行客服中心採用聲紋辨識，來取代傳統需要不斷輸入個人資料的步驟。 他也認為，企業決策者在衡量AI效益時，應考慮導入的AI是否對未來10年、20年的產業有所幫助，而非著眼短期目標。文◎王若樸

為了雙方面優化店家及消費者的集點行為，以拉近店家與消費者間的關係，智慧餐飲科技公司iCHEF今日（７／２４）宣布，將臉書App中的集點錢包功能「集點趣」，整合進自家POS系統，成為第一個整合臉書集點功能的POS系統。

程開佑表示，臺灣有著很深的集點文化，從過去超商集點換卡通人物相關物品，至近期，超市集點換購廚房用具，都再再顯示台灣人對集點的熱情。且臉書在臺具有高滲透率，他指出，臉書在臺有超過8成的市占率，臺灣每月使用臉書的用戶數，更超過1900萬人，臉書可說是臺灣人最活躍使用的工具。

臉書集點趣為一個會員點數的錢包，雙方整合後，iCHEF POS系統在處理結帳程序時，會自動生成該筆交易的專屬QR Code，並在結帳完成時，將該QR Code印於收據上。消費者只要掃描該QR Code，就可將該筆交易的點數，存於臉書App集點趣頁面上，對應店家的會員帳號裡，完成集點程序。臉書集點趣還有提供綁定電話號碼的選項，顧客可綁定電話號碼，以利後續提供號碼，由店員完成集點程序。

小型餐飲業者發展點數機制，因資金有限，無法建構自身的集點系統，而多發放紙本的集點卡，但是集點卡保存不易，有了該功能，顧客可以就可以直接透過臉書帳號，收集和管理各個支援該功能之店家的點數。程開佑表示，顧客不再需要擔心集點卡遺失。

除此之外，程開佑指出，此功能也可改善電子集點拖延結帳程序的問題。其中，參與測試店家鹹酥李老闆李書賢指出，先前採用知名通訊軟體的集點功能，因顧客未必熟悉該功能，結帳人員需要一步一步引導顧客，才能完成集點程序，使得結帳流程被拉長，他指出，啟用該功能後，人員省去了說明的時間。

且當人流多時，要加快結帳程序，也不需擔心遺漏了集點工作，因顧客可自行掃QR Code。李書賢表示，提高結帳流程效率，對以接單數量為重的經營模式，尤為重要。

程開佑表示，該功能更延伸了集點的場域，由顧客自行決定在何處完成集點行為。那印有QR Code的收據，不限制顧客於何地完成集點動作，意味著，顧客離開店家後，也可完成集點程序，而點外送餐點的顧客，亦可自行掃QR Code，不用擔心失去集點的機會。

iCHEF從6月初開始，測試該新功能，而過去一個多月，共有5個店家參與封測，也陸續有店家詢問該功能，累計至今，已有近150個店家用戶向iCHEF提出，啟用該新功能的申請。iCHEF表示，即日起，所有用戶可至iCHEF POS系統的後臺，開啟該新功能，且不需支付POS系統月費外額外的費用。

iCHEF與臉書共同開發API，串聯雙方系統

iCHEF為臉書全球第一個POS系統的合作夥伴，程開佑回顧歷時2年的旅程，從接觸、交流，到決定合作後，雙方研發團隊以臺灣小餐廳店家為中心，觀察市場需求，調整產品，並決定共同開發API，以串聯雙方的系統，及交換資料。

開發API更是一個繁瑣的工程，不僅要討論需交換的資料項目，包含了儲存點數量、已有點數量和顧客電話號碼，也需要討論資料交換的形式和架構，以及確認加密的方式。

有了API的串接後，iCHEF的客戶可在POS系統管理報表後臺中，第三方服務綁定項目裡，放入自身臉書粉絲頁的連結，經與臉書確認綁定事宜，該功能就會自動串接流程。每回顧客掃描QR Code，臉書App在確認店家後，會將資訊上傳至雲端，再與iCHEF雲端確認，是否有該筆交易，及這筆交易點數的數目是否正確。

顧客集點，店家獲消費資料，可轉化為行銷工具

顧客在收集點數的同時，店家可透過該機制，獲得顧客消費資料，包含了消費種類、數量、來電數等，藉由這些資料，店家可掌握核心顧客群，以有效集中行銷資源，在適當時機，向核心顧客投放行銷內容，吸引顧客再次消費。

數位行銷的方法不斷在演變，程開佑表示，沒有人知道3年後，主流的平臺、數位行銷工具為何者，但可以肯定的是，客戶資料是數位行銷的石油，因為手中擁有的資料可用於任何的平臺，及借助任何工具使力。換句話說，更多的客戶資料，可讓餐廳業者因應未來數位行銷的競爭壓力

目前臺灣集點率約為1成，程開佑表示，藉該功能優化集點程序，目標將集點率提升為3成，甚至要達4成。他強調，「更高的集點率，就代表店家有更多的會員資料。」

叫車服務供應商Lyft釋出自家自駕車團隊所收集的Level 5資料集，供學術單位使用以發展自駕車技術，其中包含了超過55,000個由人類3D標記的影格、一個可駕駛的表面地圖（Drivable Surface Map），以及能為資料提供情境的高畫質度空間語意地圖（Spatial Semantic Map）。

Lyft的自駕車發展到了第三代，其Level 5的自駕車隊已經累積了數萬公里的行駛路程，而車上搭載的先進感測裝置，包括超高動態攝影機，能在行駛的過程收集清晰的道路資料，Lyft提到，高畫質製圖對於自駕車非常重要，他們在德國慕尼黑與美國帕羅奧圖，以車上的光達（Lidar）繪製了高品質的幾何地圖以及高畫質語意地圖，內含車道與人行道等資訊。資料集以nuScenes格式釋出，以確保能與現存的nuScenes技術發展相容。並使用自家團隊發展的技術，擴大幾何地圖的建置規模。

這次釋出的Level 5資料集影格，來自車上7個攝影鏡頭以及3臺光達。

Lyft提到，要取得能用於自駕車的訓練資料，除了要建置並調校感測器硬體外，還需要創建高解析度語意地圖等，如此才能繼續發展3D感測、預測或是路線規畫等進階功能。而Lyft在過去兩年，致力發展自駕車的硬體以及技術，並收集了一些資料，現在釋出以幫助有興趣的人員進行研究。

德國的電腦緊急應變中心（CERT）於本周警告，VLC媒體播放器（VLC Media Player）含有一個安全漏洞，允許駭客繞過安全機制，自遠端執行任意程式。

VLC為一開源且跨平台的媒體播放器，不僅支援Windows、Linux及macOS等桌面平台，也支援Andorid與iOS等行動平台，其全球累積下載次數已超過31億次。

該漏洞編號為CVE-2019-13615，屬於緩衝區溢位漏洞，只影響桌面版的VLC Media Player，但波及最新的3.0.7.1版。

CERT並未公布漏洞細節，但德國科技媒體Heise報導，駭客可能藉由一個特製的MP4檔案來攻陷該漏洞。

目前VLC團隊正在修補該臭蟲，且說尚未傳出災情，不過VLC Media Player用戶仍應小心為上，不要開啟來路不明的檔案。

臉書發展了一項使用人工智慧判斷衛星圖像，以繪製地圖的專案，並將這個技術發布成一個名為RapiD的人工智慧工具，貢獻給OpenStreetMap（OSM）專案，幫助OSM社群快速標記全世界的道路，現在這項工具在mapwith.ai網站上開放給所有人使用。

OSM社群多年以來，一直是由志工在公共衛星圖像上，手動添加地面資料，標記道路、高速公路以及橋梁等設施，這個標記過程非常的繁瑣而且花時間，而臉書的人工智慧團隊，則提出了以電腦視覺技術來解決這個問題，臉書表示，過去雖然有類似的概念性驗證，但是從未大規模的應用過。事實上，不同地方的道路寬度和顏色差異很大，而且衛星圖像上的道路可能被樹木等雜物擋住，也有許多看起來像是道路，但實際為乾掉的河床或是田野中的圍牆等，要從衛星圖像上辨識出道路並不容易。

為此臉書建立了一個34層的DNN模型，在解析度為每畫素約0.2平方公尺的衛星圖像上辨識道路，臉書工程經理Danil Kirsanov表示，能達到這種規模與精確度的技術，一直到最近才出現，而這代表人工智慧可以判斷更多的細節，包括小巷子、人行道，甚至是未鋪砌的道路，也能夠分辨河床或牆壁與道路之間的差異。臉書使用了Maxar衛星圖像，由人類手動標記道路，並使用這些繪製的資料訓練機器學習模型。

臉書的地圖團隊，使用這項技術編輯了泰國以及印尼地圖，在地圖上補齊了90％缺失的道路，18個月內，就為泰國在地圖上標出了約48萬公里的道路，臉書表示，如果要以傳統的方法達到相同成果，至少需要花3年到5年的時間。

而作為人工智慧繪製地圖專案的一部分，臉書也向OSM社群發布了RapiD工具，這是OSM社群原本編輯工具iD的加強版，RapiD讓任何人都可以快速地添加並編輯道路。人工智慧會做完創建地圖大部分的工作，使用者只需要在地圖上，填補人工智慧無法判斷的空白資訊、確認預填資訊的正確性，並選擇適當的道路類型就可以了。RapiD內建驗證工具，可幫助用戶即時捕捉和修復資料錯誤，進而提高OSM地圖資料的正確性。

臉書提到，擁有正確的地圖非常重要，但世界上很多農村難以從地上繪製地圖，阻礙包括地區偏遠、或是複雜的經濟與政治環境等原因，但是在救災、社區規畫或是經濟救助等行動，都需要有準確的地圖才能順利進行。RapiD能幫助OSM專案建立地圖資料，而OSM的地圖資料被非常多組織使用，像是人道組織、政府機構、小企業和社群團體等，臉書的這項技術擴大了世界地圖的基礎，使世界各地人們受惠。

知名的加密貨幣投資人Michael Terpin在2018年遭到駭客襲擊，駭客透過SIM卡交換詐騙盜用了Terpin的手機號碼，並把Terpin錢包內價值2,400萬美元的加密貨幣提領一空，Terpin除了控告駭客之外，也控告電信營運商AT&T有重大的業務過失，並向AT&T求償，AT&T隨之向法院提出撤銷訴訟，但被法官回絕。

駭客所使用的技倆為SIM卡交換（SIM Swap）詐騙，利用假冒的受害者身分文件，向電信營運商宣稱手機遺失或換手機等理由，以將手機號碼移植到新的SIM卡上，駭客再利用新的SIM卡來接收認證碼以進行雙因素身分驗證並執行交易。

根據Terpin的訴狀，駭客在2017年6月就駭進了他向AT&T申請的電話號碼，當時駭客是在猜錯11次密碼之後，才成功竄改了Terpin在AT&T所設置的密碼，在掌控Terpin的電話號碼之後再盜轉Terpin的加密貨幣。

有了第一次的意外，AT&T承諾要把Terpin的帳號設為高安全等級，若再有人企圖存取或變更該帳號，都必須先輸入6位數的認證碼，不料駭客卻又在2018年1月成功實現了SIM卡交換攻擊，讓AT&T把Terpin電話號碼移植到持有偽造身份的駭客SIM卡上，使得駭客盜走了Terpin錢包中價值2,400萬美元的加密貨幣。

Terpin除了控告駭客之外，也指控AT&T涉及重大業務過失，並要求AT&T賠償2,400萬美元的損失以及2億美元的懲罰性賠償。

隨後AT&T請求法官撤銷此一案件，理由是Terpin並未充份解釋電話號碼被駭如何造成加密貨幣的損失，Terpin既無說明他存放加密貨幣的方式，也沒說駭客如何取得這些加密貨幣，何況也許就算沒有電話號碼，駭客依然得以盜走加密貨幣。

其實負責此案的法官Otis Wright認為AT&T的說法有點道理，於是Wright要求Terpin應該充份解釋電話號碼被駭與加密貨幣遭盜之間的關聯，也要Terpin說明他認為AT&T應該要負責的原因。不過，Wright認為此案仍可就AT&T與Terpin之間的合約進行審理，只是要Terpin在21天內修改訴狀。

0720-0726

 BBVA   AI Factory  
西班牙銀行BBVA整合旗下資料科學家、工程與業務領域團隊，成立150人AI工廠
西班牙國際銀行Banco Bilbao Vizcaya Argentaria（BBVA）新成立了一間人工智慧工廠（AI Factory），作為BBVA在AI領域的全球開發中心。要為個人與企業顧客提供解決方案上的支援，以及簡化BBVA集團內部的作業流程。AI Factory初期共有150人，由來自BBVA資料科學家、工程師、軟體開發人員、數據架構師與業務領域的人員所組成的跨領域團隊，為的就是彌平分析能力與業務需求之間的差距。

BBVA全球數據主管Ricardo Martín Manjón表示，智能並負責任地使用數據，是BBVA轉型的關鍵之一，為此他們已努力了多年，而AI Factory的成立，將更聚焦讓AI應用有更大差異與大規模的影響。BBVA指出，AI Factory將遵循「敏捷」（Agile）方法，採取全球視角，以確保所有的AI解決方案都能被其他業務部門與國家或地區重複使用與擴展。這將使得BBVA縮短新解決方案的上市時間，同時為全球所有客戶提供一致的用戶體驗。

BBVA全球工程主管Ricardo Forcano提到，AI工廠整合了BBVA的技術與數據團隊，來開發可嵌入銀行流程的演算法，透過個性化、情境化與推薦，豐富BBVA的通路、產品與服務，還要能簡化與提高內部流程的效率。

 KPMG   區塊鏈   跨境跨網電信交易結算 
KPMG推區塊鏈電信結算平臺，要降低電信公司跨國與跨網路結算成本
四大會計事務所之一的KPMG近期宣布，與技術公司Tomi、微軟、R3合作，開發了區塊鏈電信結算平臺的解決方案，要為電信公司解決複雜的交易結算問題。KPMG（U.S）區塊鏈負責人Arun Ghosh指出，隨著5G無線網絡的電信發展浪潮，未來，應用將從智慧製造到消費者可更快地傳輸內容。然而，電信公司之間跨境與跨網路的交易費用結算變得越來越複雜。他指出，預計2022年，國際行動數據漫遊收入將達到310億美元，年均增長率為8％。

Arun Ghosh提到，目前電信公司之間是以人工處理跨境與跨網路交易結算與對帳，整個流程大約得花上幾個禮拜的時間。而透過他們合作開發的區塊鏈電信結算平臺，則能節省結算和糾紛發生時的管理時間，提高透明度並降低成本，交易結算流程也能從幾周簡化為幾天。

此解決方案由KPMG作為設計與主要執行，使用的是R3 Corda的區塊鏈服務，微軟則是提供架構建議，而在全球擁有40多家電信客戶的Tomi，則提供了電信方面的相關知識。

 永豐銀   Open API  
永豐銀行開放4大類別50支API，已服務300家企業累積42萬筆交易
金管會力推的開放銀行（Open Banking），在7月初公開了第一階段Open API標準，目前財金公司建置的開放API管理平臺，已有13家金融機構上架，正在做測試驗證中。在這之前，已有幾家金融業者在Open API的腳步走得更快速，像是永豐銀行推出的Partner APIs。永豐銀行電子金融處副總經理黃品睿揭露，Partner APIs開放出消費支付、生活繳費、身分認證與金融資訊4大類別API。截至目前，永豐旗下所提供了超過50支API中，累積交易逾42萬筆，永豐銀行也預估，今年底收付金額有望突破20億元。

永豐銀行也表示，Partner APIs具備標準模組化（Modules）、資訊安全化（Information Security）及消費者保護（Consumer Protection）、風險管理（Risk Management）等特色，目前在餐飲、服飾、人力銀行、電子支付、電子商務與旅遊等業者合作「消費支付」、「身分認證」與「金融資訊」API。也與物業管理、管委會、停車等業者合作「生活繳費」API，以創造數位金融場景化。永豐銀行指出，Partner APIs已服務超過300家企業。

 區塊科技   數位存證  
區塊科技推出數位存證上鏈App，讓數位證據在法庭舉證時更具效力
隨著數位與多媒體的普及，數位證據在警方辦案與法庭審理程序中也逐漸被採用。然而，數位證據仍有容易被竄改、容易遭人損毀或遺失、無法被認可為有效證據等疑慮。即便在訴訟的攻防中，數位證據被採信了，頂多也只能是輔助判決的證據，並不能成為法庭上有力的關鍵證據。為了確保數位資料的原始性，進而提升數位證據在法庭上的有效性，區塊科技開發的行動蒐證App「區塊鏈存證王」，讓民眾在民事和解、網路毀謗、交通事件等情境下，只要打開App進行拍照、錄音、錄影、螢幕錄影截圖等4種功能來蒐證，留下數位證據，並上傳到區塊鏈上，即能確保證據的真實性與安全性。

不過，如何確保上傳到區塊鏈前的資訊無誤？使用者以區塊鏈存證王App蒐證的所有內容，都會記錄下拍攝時間點與GPS地點定位，有了這時間戳，就能確保證據為真。使用者可自行選擇要上傳的數位資料，當資料上鏈存放後，日後若有爭議，就能以區塊鏈上的原始資料與數位指紋驗證，作為在法庭上的舉證。（更多內容）

 臉書Libra   歐洲中央銀行
歐洲央行Benoit Coeure：在全球監管機構滿意之前，臉書不會發行Libra
路透社報導，歐洲中央銀行（European Central Bank）董事會成員Benoit Coeure表示，臉書對全球的影響力意味著穩定幣Libra在推出的第一天，就必須保證對用戶來說是安全的，才能投入使用。Benoit Coeure其實是歐洲央行負責臉書Libra國際工作組的主席，他提及，監管機關擔心Libra原先的設計，允許用戶使用假名轉帳，可能會被用來洗錢或資助恐怖主義。他們還想知道，臉書與Libra協會的其他27名成員所採取的保障措施，以確保他們能保護用戶的隱私和所有權。

他說，這得需要長時間的討論，因為這可能涉及改變各國監管機關既有的法規與國際上的規則。在各國監管機關得到問題的答案，並且擁有正確的監管框架之前，有關當局不會讓任何此類項目發生，Benoit Coeure強調。

 MaiCoin   STO   碳權交易 
MaiCoin力爭臺灣首家STO交易平臺，先鎖定用於碳權交易
擁有臺灣本土虛擬貨幣交易平臺MaiCoin與交易所MAX的現代財富科技（MaiCoin）在臺成立首間加密貨幣交易所的實體門市。不只如此，MaiCoin創辦人暨執行長劉世偉也揭露接下來的布局，將以MAX為基礎，將它更進一步延伸打造成為一個證券型代幣交易平臺，力爭成為全臺首家STO合法上路的交易所業者。

他表示，STO第一步，就是先鎖定用於碳權的交易，最近已跟國內南部一家大型客運公司合作，把大約60輛燃油巴士換成電動巴士，減少碳排放量，同時間也和臺大合作在南投山區種植樹木來吸收二氧化碳，進而產生碳權。「我們準備跟客運公司和臺大代買這個碳權，然後把它幣化，希望讓有意願的金融機構或其他業者來認購或購買這筆碳權」，但他也強調，未來要擴大碳權規模，需要大量流通資本，STO就是關鍵，讓碳權能夠像證券一樣，用STO框架去發幣與交易碳權。（更多內容）

 台新銀行   AI智能客服   Goole Assistant 
台新銀AI智能客服連結Google助理，讓用戶詢問金融問題
台新銀行7月22日宣布其AI智能客服Rose，進駐Google助理（Google Assistant）。使用者只要告訴Google助理「我要跟台新銀行說話」，就可以與台新銀行AI智能客服展開對話，詢問金融相關問題。台新銀行布局的AI語音應用，讓民眾未來在使用Google助理規畫旅遊行程時，如果不知道要使用哪張信用卡，只要告訴Google助理說「我要跟台新銀行說話」，詢問「哪張信用卡適合我」，台新銀行AI智能客服就會透過對話的方式，進行客戶消費習慣分析，推薦合適的信用卡。此外，台新信用卡客戶在海外想要調整信用卡臨時額度，也可以詢問「調高信用卡臨時額度的方式」，即可在海外完成信用卡額度調整申請。

圖片來源：BBVA、KPMG、永豐銀行、區塊科技；攝影/余至浩

責任編輯／李靜宜

 金融科技近期新聞 
1. Visa臺灣區總經理麻少華接任中國區策略專案暨企劃副總裁
資料來源：iThome整理，2019年7月。

在上周媒體報導後，美國聯邦交易委員會（FTC）周三宣佈和臉書就去年的劍橋分析資料外洩案達成和解，這家社群龍頭將被處以美國史上最高的50億美元罰款，未來也將接受主管機關的監管。

一如月中華爾街日報報導，FTC以3:2一票之差通過對臉書的和解案。這50億美元除了是美國政府對違法企業做出的最重罰金，也是歷來消費者隱私外洩案件中罰金最高的，比第2名的Equifax的2.75億美元高出將近20倍。第3及第4名，分別是英航的2.3億美金及Uber的1.48億美金。

去年三月爆發劍橋分析存取臉書8,700萬用戶個資後，FTC介入調查是否違反了FTC於2012年下達的命令。這些命令包括臉書不得隱瞞消費者個資權益，以及必須明白揭露分享哪些資訊給第三方單位，像是姓名和生日等，此外臉書也需有隱私方案來保護用戶資訊。FTC認為，在劍橋分析案中，臉書將用戶的友人資料分享給了第三方app開發商，即使那些人做過嚴格的隱私設定，已經違反了2012年的和解命令。此外，FTC認為臉書告知用戶蒐集電話號碼只是為了安全功能，卻沒說也會用它來發送廣告，這類欺騙性行為也違反了FTC法令。

FTC主席Joe Simons說，雖然臉書數度承諾他們有善加控管全球數十億用戶個資的分享行為，最終卻破壞消費者選擇，為茲懲罰及防止未來再犯，除了破紀錄的罰金外，這次FTC也做出「前所未見」的約束和監管措施。

在新版20年和解命令中，FTC要求未來臉書每項新產品和服務推出、執行新措施時都需執行隱私審查，並設立獨立的隱私委員會以制衡執行長祖克柏（Mark Zuckerberg）無上限的控管權。此外臉書也需由隱私委員會任命遵法主管，他（或她）和祖克柏每季都得交驗證報告給FTC，確保臉書有遵守命令，做假報告將面臨民事和刑事責任。還將設立外部第三方評估員，未來20年內負責評估臉書、WhatsApp和Instagram上所有資料蒐集行為，這位評估員直接向臉書獨立隱私委員會報告。FTC也有權利用檢查工具，監控臉書是否遵守命令。

其他要求包括：

●臉書必須加強監督第三方app，未能遵守臉書政策或不當蒐集用戶個資者將被終止。

●臉書不得以用於雙因素驗證的用戶電話號碼，發送個人化廣告。

●臉書使用臉部辨識時必須清楚告知用戶，資料使用超出之前公告範圍時，必須事先取得用戶明白同意。

●臉書必須建置及導入完整的安全計畫。用戶密碼必須加密，同時定期掃瞄偵測是否有密碼以明碼儲存。

●消費者註冊服務時，臉書不得要求用戶提供電子郵件密碼。

不過媒體批評這次和解是個大笑話。除了50億罰金臉書一個月就賺回來之外，Techcrunch指出，臉書根本不用對劍橋分析案做出任何負責，像祖克柏或營運長Sheryl Sandberg等高層也都沒有人受到制裁。這宗和解案似乎也對臉書發出免死金牌，將2012年到2018年之前所有侵害隱私行為一筆勾銷。而所謂的隱私委員會根本就是無牙老虎，不可能發揮監控作用。

重點新聞（2019/07/18～2019/07/24）

  雲端     IBM    AT&T  

AT&T與IBM簽訂多年雲端互惠合約，將共同打造邊緣運算平臺

美國電信業龍頭AT&T近日宣布，與IBM簽訂一紙多年合約，內容涵蓋使用雲端代管服務，及共建5G邊緣運算服務平臺。在這項合約之中，AT&T業務部門使用的內部應用，將由IBM進行現代化的翻新與開發，以利後續將應用搬遷上IBM公有雲，且這些應用將採用IBM的底層基礎架構來支援。此外，AT&T將延續過去採用紅帽開源工具管理應用的模式，繼續使用Red Hat Enterprise Linux、OpenShift開源平臺等開源工具，管理AT&T內部應用的相關工作負載。

而AT&T本就是IBM全球網路設備的夥伴，在新合約下，AT&T會成為IBM軟體定義網路的主要設備供應商，提供5G、邊緣運算、物聯網及多雲等技術支援，以強化IBM網路解決方案。為因應5G時代的到來，雙方還將合作建立邊緣運算平臺，以支援零售、金融、運算、製造及醫療等產業，部署5G網路於多雲環境、數十億個連網裝置及感測器之間，滿足這些產業訴求安全、穩定，且可高速傳送大量資料之需求。（詳全文）

  AT&T     微軟    Office 365  

消滅機房，AT&T要將非網路基礎架構應用搬遷上Azure

繼稍早宣布與IBM達成合作項目，AT&T再宣布，與微軟簽訂多年合約，AT&T計畫將非網路基礎架構應用搬遷上Azure，以逐步實現至2024年，將大部分非網路工作負載搬遷上公有雲的計畫。今年初，AT&T便將旗下31座機房賣出。該新合約除涉及AT&T應用搬上Azure外，AT&T旗下25 萬名員工也將使用微軟Office 365的生產和協作工具，以改變員工間的合作方式。此外，AT&T計畫在明年上半年，擴大5G行動網路的覆蓋面積，將規模擴及全美，對此，雙方新合作也涵蓋微軟參與AT&T的5G網絡項目，包含設計、測試和發展邊緣計算能力。近期，AT&T與微軟正在共同測試一個用於無人機，基於邊緣運算技術的跟蹤和檢測系統。（詳全文）

  微軟    財報    雲端營收   

微軟財報出爐，雲端業務營收首度超越Windows

微軟在7月18日公布了該公司2019財年第四季財報，該季微軟營收達337億美元，相比去年同期成長了12%，淨收入則達132億美元，成長了49%。其中，智慧雲端業務（Intelligent Cloud）的營收達114億美元，首度超過個人電腦業務（More Personal Computing）113億美元的營收。隸屬於智慧雲端業務的Azure，其營收更成長了64%，然而分析師指出，Azure成長幅度已出現趨緩的態勢，因大數法則起了作用，當Azure越趨龐大，它的成長速度也將緩和。（詳全文）

  美國國防部    川普   雲端合約  

川普打算介入國防部的JEDI專案競標

美國國防部預計在8月公布，雲端合約採購案《聯合企業防禦基礎設施》（Joint EnterpriseDefense Infrastructure ，JEDI）專案最後的贏家，然而，美國總統川普近日表示，他將親自檢視該專案的狀況。該專案為一紙價值百億美元的10年合約，且採贏者通吃的策略，只有單一業者會得標，獲得該合約的業者將為五角大廈建立雲端運算系統。外界多認為AWS與微軟的贏面較大，也因此甲骨文與IBM在過去一年，都曾向美國政府責任署（Government Accountability Office，GAO）提出抗議，而甲骨文更向索賠法院提出投標抗議（Bid Protest）訴訟，但皆被駁回。

今年4月，美國國防部宣布微軟與Amazon進入決選，但即便如此，微軟也認為贏者通吃的策略有違全球趨勢，因旗下有8成客戶都採多雲解決方案。川普表示，他耳聞了微軟、甲骨文與IBM等多方，都對該採購案的招標程序和規範有所微詞，所以決定了解其中狀況。但市場擔心川普的介入，只是因他與Amazon之間的個人恩怨。在得知川普的意圖後，有4名美國國會議員表示，JEDI是用來存放與管理機密的軍事與國防資料，不必要的延誤將會危及美國安全。（詳全文）

  GCP平臺    雲端程式碼    儲存庫除錯  

Google雲端程式碼儲存庫新增除錯工具

Google日前宣布，在自家雲端程式碼儲存庫Cloud Source Repositories中整合一項新工具Stackdriver Debugger，該工具可調查生產環境中的程式碼行為，讓用戶可以直接在該儲存庫中，為正式生產服務除錯。這項整合將為該儲存庫新增兩個功能，分別是快照（Snapshots）以及記錄點（Logpoints）。偵錯快照指的是當應用程式在生產環境中執行時，該功能可擷取位於特定行的應用程式狀態，像是特定時間點的區域變數，以及符合條件時觸發的堆棧。用戶只要點擊程式碼的行數號碼，就能建立快照點，接著該功能就會在下次實例運作時執行，讓用戶擷取變數及堆棧。

另一個功能是偵錯記錄點，該功能讓用戶不需重新部署服務，即可在特定行位置，依照需求插入新的記錄陳述式。記錄點的操作就像是一般開發者在程式碼插入記錄語法一樣，可以增加自定義的文字，以及參照變數，並設置儲存記錄的條件。Google表示，開發者將記錄點加到應用程式後，系統會自動將其推送至該服務的所有實例中，所有記錄點都會持續運作24小時，或是直到應用程式重新完成部署為止。且由於記錄點使用標準路徑輸出，因此可以與任何記錄點的後端整合使用。（詳全文）

  AWS    使用預測    AWS Cost Explorer   

AWS成本管理工具AWS Cost Explorer新增用量預測功能

AWS近期為成本管理工具AWS Cost Explorer新增用量預測功能，提供用戶掌握未來雲端服務的用量情形。該新功能透過機器學習演算法，分析用戶使用量的歷史走向，以預測未來的使用情況。用戶將可以提前掌握預期成本的金額，並監控關鍵服務的使用情況，像是儲存、資料傳輸或運行時間。用戶可為歷史分析及預測的報告，選擇時間衡量的範圍，從一日到一個月，或半年至一年皆可，甚至可以明確指定起始和結束的日期。用戶獲在得自訂的預測報告後，進而可依據預測使用量的金額，來訂定預算工具AWS Budgets裡的額度，當該工具偵測到使用情況發生變化時，會主動發送警告提醒。（詳全文）

  IBM    雲端應用程式   

IBM釋出打造雲端應用程式工具Appsody

IBM在OSCON 2019大會上，釋出打造容器內的雲端應用程式工具Appsody，讓開發者可以在幾分鐘內，建立符合企業標準和要求的微服務。Appsody為多個開源runtime和框架提供了預先配置堆棧和模板，作為建構Kubernetes和Knative的部署應用之基礎。用戶可以客製Appsody堆棧以符合企業自身的開發要求，並可控制和配置所要包含的技術。且當需要修改堆棧時，用戶通過單一控制處進行變更，就可使所有使用該堆棧所建構的應用，都同時獲得修改。（詳全文）

圖片來源／AT&T、IBM、微軟、美國國防部、Google雲端、AWS 

  更多Cloud動態  

1. 英特爾與SAP簽定產品多年合作計畫，結合彼此軟硬體專長，搶攻公私雲市場（詳全文）

2. 網路設備業者Extreme收購無線網路廠商Aerohive，強化雲端管理和端點功能（詳全文）

3. Amazon EC2用戶現可透過AWS Cost Explorer，存取自訂EC2資源的優化建議（詳全文）

4. Docker Enterprise 3.0正式釋出，推DKS提供整合式的K8s生命周期管理工具，自動化許多日常管理工作（詳全文）

5. AWS備份服務AWS Backup現可自動將資源的標籤一同複製至備份資源，方便用戶用標籤管理雲端資源（詳全文）

資料來源：iThome整理，2019年7月

重點新聞(0719～0725)

  Deep01     醫療影像判讀    智慧醫療  

全臺首家AI醫療新創獲美國FDA認證，30秒判讀腦中風AI上市

專攻醫療影像AI服務的臺灣新創Deep01，其產品DeepCT於7月10日正式通過美國食品藥物管理局（FDA）認證，不僅是臺灣第一家獲FDA認證的醫療AI新創，也是亞太區第一家。DeepCT是利用深度學習開發的腦出血偵測平臺，可在30秒內偵測病患腦部CT影像是否有腦出血病灶，並能圈出出血位置，不僅加速醫生判讀時間，也能加速病患腦出血或中風的後續醫療處置時間。目前，DeepCT的準確率達95％，其平臺可整合雲端或院內伺服器。而通過認證後，Deeo01已獲得一家醫院客戶，未來也將進一步打入中國市場，還有因老齡化導致心腦血管疾病好發的日本、韓國，以及急診尚未完上的印尼、越南。

馬斯克     Neuralink     BMI  

直播秀BIM系統，馬斯克要讓人腦接電腦

特斯拉和SpaceX的創辦人馬斯克日前揭露旗下新創Neuralink進展，在直播中展示了腦機介面（BMI）系統，由感測器、超細合成線和植入器組成，目的是要植入人腦、連結神經元，來進行資料傳輸，首先要讓癱瘓的病人能藉此控制手機、電腦，終極目標是要讓人擁有AI般的運算能力。

BMI的合成線寬4至6微米，比頭髮還細。這些線上有著電極，可接收或將大腦神經元的訊息傳輸到感測器，以連結外部的數位世界。這些線還搭配了植入器，每分鐘可植入6根合成線。在實驗中，Neuralink已將96根合成線植入靈長類大腦，其中有一隻猴子以能藉此控制電腦。Neuralink目前正開發一組晶片BMI系統，馬斯克預計明年將開始進行人體實驗，藉由植入人腦，來與耳後小型接收器傳輸訊息。（詳全文）

  英特爾     神經型態系統    Pohoiki Beach  

英特爾發表新神經型態系統，能模擬800萬個神經元

英特爾發布Pohoiki Beach神經型態系統，結合了64個自家研發的第一代神經型態研究晶片Loihi，共擁有800萬個神經元，處理資料的速度比CPU快上1,000倍。

Loihi晶片目前發展到第五代，已應用於AMPRO義肢控制和iCub機器人電子皮膚的觸覺感知等專案。除了高運算速度外，低功耗也是Loihi晶片的一大特性，能以低於GPU 109倍的功耗完成即時深度學習基準測試，即便將神經網路擴展50倍，Loihi也只會多用30％的電力，並維持即時效能，與之相比的物聯網裝置硬體，則必須使用500％的電力，且已經無法提供即時的結果。英特爾計畫，今年還會擴展Pohoiki Beach架構，發表更大的Loihi系統：Pohoiki Springs，預計提供1億個神經元，要為神經型態工作負載提供超前的運算能力。（詳全文）

  工研院   智慧工廠       自動化  

邁向全自動化！工研院助飛輪大廠打造智慧數位工廠

工研院要助飛輪健身車大廠期美科技，用4年在臺南打造3千坪的智慧數位工廠，要建立智慧化生產模式，導入智慧產線監測系統，即時監測生產數據以提升產品良率。

工研院智慧機械科技中心執行長陳來勝表示，智慧數位工廠將引進臺中智慧製造試營運場域相關技術，像是智慧製造管理系統、彈性模組化生產線、自動倉儲系統、智慧機上盒（VMX）、無人搬運車、智慧監控系統等技術，讓期美從拿到工單到最終產品產出，全產線都能達到自動化與智慧化目標，不必再依靠人工手抄報表、人工機器操作、人工排程甚至人工物料搬運與組裝，增加效率與資料正確性。（詳全文）

  東京奧運   中暑預警    人臉辨識 

東京奧運倒數一年！日本警政將大力引進AI強化會場安全

距離東京奧運還有一年，日本政府、東京警視廳不斷與科技公司合作，要部署AI系統來提高安全、減少不必要的人流和車流。首先是東京警視廳和Panasonic聯手打造的人群預測系統，利用警車鏡頭下的人群影片，上傳至雲端分析，並即時預測未來人群動向。這套預測系統也能揪出可疑的行為和物品，比如逆向或是在限制區域活動的人、車。此外，人群預測系統還可用來管理交通，保持行車順暢。

再來是將在奧運入口閘門採用NEC人臉辨識系統，並搭配證件刷卡，來辨識30多萬名參與者，包括1萬2千名運動選手、隨行人員、志工等。在安全方面，則由日本安防公司ALSOK的巡邏機器人來負責。這些機器人配有攝影機和AI系統，不只能辨識危險物品，還會主動尋找可疑人士，比如要是有人微微抽搐、臉部漲紅等緊張特徵，就會通知保安人員查看。最後則是中暑預警系統，由日本Yahoo利用當地資料和熱指數（WBGT），來預測和降低每125平方公尺的中暑風險。

Deep TabNine   開發   寫程式 

開發者福音，Deep TabNine程式碼預測模型可自動補上程式碼

加拿大滑鐵盧大學學生Jacob Jackson開發一套深度學習模型Deep TabNine，可預測開發者接下來要輸入的程式碼並自動輸入，就像Google搜尋的搜尋建議一樣。Deep TabNine以OpenAI開發的大型Transformer語言模型GPT-2為基礎，用了GitHub上200萬筆資料來訓練，讓Deep TabNine模型能從文件的自然語言名稱，來推導函數名稱、參數和回傳類型。

Deep TabNine能根據開發者寫程式的習慣，在建議框中顯示程式碼輸入建議，要是出現與過去專案相似的程式碼，Deep TabNine也會在建議框中顯示address。Deep TabNine支援23種程式語言、5種程式碼編輯器，此外，也提供雲端服務版本，來達到低延遲效果。（詳全文）

IBM    資料交換    DAX  

IBM推出資料交換服務DAX促進開放資料與AI發展

IBM在OSCON 2019大會上推出了線上資料交換中心DAX（Data Asset eXchange），供開發者和資料科學家免費使用開放資料授權的資料集，以訓練機器學習模型。IBM表示，DAX上發布的資料集，都盡可能採用Linux基金會社群資料授權協議（CDLA）的開放資料授權框架，讓資料能夠共享與協作，而DAX也提供IBM Research資料集，供用戶使用。IBM將定期更新DAX上的資料集，旗下的IBM Cloud和AI服務也會整合DAX，讓用戶使用DAX上的資料集。（詳全文）

AI Academy     疾病預測      智慧醫療  

臺灣人工智慧學校8月將開設北、中、南智慧醫療專班

臺灣人工智慧學校營運長蔡明順表示，8月開始將於北、中、南分校開設智慧醫療專班，是為臺灣醫療從業人員設計的密集課程，除了培育人才，未來也將鏈結產學資源、推廣技術、顧問輔導等，來協助醫療業導入AI。

過去，臺灣人工智慧學校已於智慧醫療領域小有成績，像是南部分校與長庚、奇美、義大等醫院合作，將AI用來預測敗血症、肺炎和失智症。而與中國附醫，則運用AI來預測洗腎風險，只要輸入病患超音波影像，就能分析第一年內測量的腎功能指標變化，預測病患未來末期洗腎與罹患急性冠狀動脈症候群的風險，臺灣人工智慧學校表示，這是全球首度提出的傑出成果。（詳全文）

花旗銀行     匯款偵測      機器學習  

臺灣花旗銀行靠AI揪出異常付款

有鑑於跨境交易越趨複雜，臺灣花旗銀行日前推出花旗匯款智能偵測服務，與全球90國同步，利用AI來協助客戶辨別異常付款。該服務由位於都柏林的花旗創新實驗室開發，利用機器學習來學習客戶行為，協助客戶自動調整管控帳戶，也能監測付款行為，在付款前要是發現異常，就會啟動分析和辦識，通知客戶。要是檢測正常，該系統也會幫客戶更順暢地處理付款。目前，花旗與AI即時風險管理廠商Feedzai合作，正整合Feedzai的交易監控平臺。

圖片來源／Nerualink、Tokyo 2020、Intel、TabNine

 AI趨勢近期新聞 

1. 研究人員找到AI端點防護平臺BlackBerry Cylance的通用旁路

2. AI藥物開發公司Recursion 發表RxRx1資料集，助力新藥物開發

資料來源：iThome整理，2019年7月

通訊加密技術顯然讓政府及警方十分反感。美國司法部長周二在一場網路安全會議上指出，加密讓網路犯罪防治變得更加困難，Google、蘋果和微軟等科技公司為其軟體加入存取資料的後門，不但做得到也必須這麼做。

美國司法部長Bill Barr在紐約福坦莫大學舉辦的國際網路安全會議上指出，現今服務供應商、裝置製造商和應用開發都在發展、部署只能從用戶端解密的加密技術，且拒絕提供允許執法機關在特定狀況下「合法存取」的技術。如此一來警方愈來愈無法存取即時通訊內容，或是存在手機或電腦上的資料，即使有搜索令也辦不到。

他說，現今連搜查令也無可奈何的加密技術，讓危險罪犯的通訊和犯罪活動，得以隱藏於堅固的數位防護後，已經對社會造成極大成本。除了嚴重損及執法機關事前偵查和防範，也減低犯案後警方緝兇的能力，讓罪犯肆無忌憚，並使網際網路和通訊變成一個無法無天的地帶（law-free zone）。

司法部認為科技業者在產品、服務、和平臺提供加密時，有必要保留合法存取的機制，讓有適當法律權限的政府機關穩當、迅速及機巧地存取到資料。Barr說，民間科技廠商明明有豐沛人才可以開發這種科技，卻搬出漂亮辭令說這件事做不到。他說，這事不但「做得到，而且有必要」，他相信廠商可以開發出不減損加密安全，又能允許合法存取加密內容的技術。

雖然Barr沒有明說，不過顯然指的就是蘋果。蘋果在2015及2016年拒絕聯邦調查局（FBI）開發有後門的iPhone作業系統，以供警方偵辦案件。執行長庫克指出這種作業系統不存在，而且也太危險而不應存在。這使得FBI局長Christopher Wray在去年同一場網路安全會議會議上重申，加密的智慧裝置屬於「重大的公共安全議題。」

不只美國政府想要刺探加密通訊。2017年俄羅斯加密通訊程式Telegram，因拒絕提供加密金鑰而被判罰款。上個月俄國情報機關外包商遭駭，因而洩露該國政府正在打造Tor網路反匿名技術。

此外， 2018年底澳洲國會通過反加密法案，要求業者必須協助官方取得加密內容且不准對外透露。英國情治機關GCHQ（Government Communication Headquarters）也建議發展可在群組加密對話中悄悄加入鬼魅一般的參與者（ghost participant）以監聽對話內容的技術。

原本預計要在今年4月上市，卻因媒體評測不斷弄壞螢幕的三星首款摺疊螢幕手機Galaxy Fold，終於要在9月上市了。

三星一一修補了當初媒體測試時所提報的意見，包括把螢幕保護貼延伸到邊框，以讓消費者理解這是螢幕架構的一部分，不應隨便移除；也強化了對螢幕的保護，以避免異物損及螢幕；新增金屬層來鞏固螢幕，並減少機身與螢幕轉軸之間的空間。

上述的改善都是針對Galaxy Fold螢幕，除此之外，三星也趁著此一時間全面改善Galaxy Fold的使用經驗，特別是最佳化那些可應用在摺疊介面的程式及服務。

三星表示，該公司正在進行Galaxy Fold的最終測試，準備在今年9月於特定市場推出Galaxy Fold。

Galaxy Fold為全球首款摺疊螢幕手機，售價高達1,980美元（約6.2萬元新台幣），在傳出螢幕瑕疵之後，華為原本要在6月推出的摺疊螢幕手機Mate X也跟著宣布要延後至9月才上市。

高階Python網頁開發框架Django的技術委員會，核准了非同步功能提案DEP 0009，預計將會正式出現在Django 3.0中，以更好的支援網頁使用案例。

去年6月，Django貢獻者Andrew Godwin提出了將非同步功能加入Django的草案，主要支援WebSocket，而現在已經被Django的技術委員會接受。Andrew Godwin表示，雖然目前沒有明顯立即擴充Django，來處理WebSockets這類非HTTP協定的理由，但是在Django傳統MTV（Model-View-Template）模式中支援非同步程式碼，將會帶來許多優點，

他提到，Python的核心缺陷之一是效能低落的執行緒，但是當前Python網頁伺服器這類的高並行工作負載，以及大量平行化的查詢，卻需要仰賴足夠的執行緒，才能夠有效率的執行，Django非同步功能的出現，就是要來解決這個問題，避免過長的上下文切換時間。

Python被認為不是個完美的非同步語言，Andrew Godwin也指出，其用於撰寫並行程式碼的函式庫asyncio，存在一些核心設計缺陷，雖然Python有其他替代的非同步框架，但是卻乏相容性，而既然網頁應用已經與過去不同，Django也必須做出變化。

非同步提案的目標，是要將Python的非同步支援帶到Django中，同時維持對同步Python的支援，並提供向後相容性。最終會置換Django中大多數阻塞式（Blocking）的部分，包括對話（Session）、Auth、物件關係對映（ORM）以及處理程式（Handlers）等，使其原生支援非同步，儘管過程會需要修改Django的MTV以及中介軟體，但是會盡量維持開發者熟悉的布局。

這項工程會在Django 2.2開始進行初步的工作，增加非同步ORM以及View，但是所有的預設都仍維持同步的形式，而所有非同步支援都使用執行緒池（Thread Pool）的模式。在Django 3.0則會重寫內部請求處理堆疊，增加非同步中介軟體、表單、快取、對話、Auth，以完全支援非同步功能，Django 3.1會繼續對細部功能進行改善，並更新潛在非同步模板，所有工作會在Django 3.2告一個段落。