英偉達 CEO 黃仁勳 (Jensen Huang) 周三表示，Anthropic 最新網絡安全模型 Mythos 取得的突破表現，突顯美國應與中國加強合作，以便這兩個全球最大經濟體的 AI 研究人員能夠安全使用這項日益強大的技術。黃仁勳在接受科技播客 Dwarkesh 採訪時指出：「我們希望美國能贏，但認為保持對話、開放研究層面的交流可能是最安全的做法。我們需要努力達成共識，明確哪些用途不能使用 AI 去做。

這一點至關重要。」他擔心美國與中國在貿易和安全問題上的緊張關係，已阻礙雙方在關鍵研究領域的合作。「由於我們目前把中國視為對手的態度，這領域的交流明顯缺失，」黃仁勳說，「我們的 AI 研究人員與他們的 AI 研究人員進行真誠對話，是至關重要的。」

出口管制影響研究合作

過去一年，黃仁勳一直向特朗普政府施壓，要求放寬美國的出口管制。這些管制以國家安全為由，阻止英偉達向中國銷售其頂級 AI 處理器。當被問及美國的出口管制是否限制了中國時，黃仁勳表示，中國市場並不會因算力不足而受限，因為中國擁有豐富的能源資源、製造「主導」芯片的技術，以及將更多處理器組合成一體的能力。他指出，訓練 Anthropic Mythos 模型所需的算力「相當普通」，而且「在中國大量可得」。

由於該模型具備強大的網絡安全能力，目前僅向部分企業和政府官員開放。「他們擁有如此豐富的能源。他們有完備設施、供電充足的數據中心，」黃仁勳說，「如果他們願意，他們可以把更多芯片組合成一體使用，即便是 7 納米芯片。」「他們的芯片製造能力是世界上最強之一。」黃仁勳表示。

美國律師事務所越發頻繁地向客戶發出警告，提醒他們在使用人工智慧（AI）聊天機械人時需謹慎行事。路透社報導指出，當涉及個人自由或法律責任時，律師建議客戶不要將AI視為值得信賴的知己。這些警告變得更為緊迫，源於今年紐約一位聯邦法官的裁決，一家破產金融服務公司的前首席執行官無法阻止檢察官取得其AI聊天記錄。檢察官已就證券詐騙指控對其提出起訴。 律師們持續提醒客戶：在刑事案件中，檢察官可能要求取得當事人與Anthropic 旗下 Claude、OpenAI 旗下 ChatGPT 等聊天機械人的對話記錄；

在民事案件中，原告亦可提出類似要求。「我們告訴客戶：你們應小心處理與AI的聊天。」紐約律師事務所 Kobre & Kim 的律師 Alexandria Gutiérrez Swette 表示。根據美國法律，人與律師的討論通常被視為保密資訊。但AI聊天機械人並非律師，因此律師正指導客戶採取措施，提升與AI工具通訊的私隱性。

律師事務所的警示措施

逾十家美國大型律師事務所已在發送給客戶的電郵及自家網站公告中，列出相關建議，以降低AI聊天記錄最終出現在法庭上的可能性。類似警告亦開始出現在一些律師事務所與客戶簽訂的合夥協議中。例如，總部位於紐約的 Sher Tremonte 在近期客戶協議中明確指出：若將律師建議或溝通內容輸入聊天機械人，可能導致原本受保護的「律師-客戶特權」失效。此特權常用以阻礙律師與客戶間通訊被公開。

此類擔憂源於涉及布萊德利·赫普納（Bradley Heppner）的案件。他是破產金融服務公司 GWG Holdings 的前董事長，同時為另一資產公司 Beneficent 的創辦人。赫普納於去年 11 月被聯邦檢察官以證券詐騙及電訊詐騙罪名起訴，他否認控罪。赫普納曾使用 Anthropic 的 Claude 準備與其案件相關報告，以便與律師分享。律師後來主張，他與AI的交流不應公開，因為其中包含來自律師的案件辯護資訊。

但檢方認為，他們有權取得赫普納使用 Claude 生成的材料，因為律師並未直接參與這些內容的生成，且「律師-客戶特權」不適用於聊天機械人。對客戶而言，自願將律師提供的資訊洩露給任何第三方，可能危害這些律師通訊慣常享有的法律保護。今年 2 月，紐約曼哈頓地區法官傑德·拉科夫（Jed Rakoff）裁定，赫普納須交出由 Anthropic 旗下 Claude 生成、與本案相關的 31 份文件。

拉科夫法官認為，AI用戶與 Claude 等平台間不存在、亦不可存在律師-客戶關係。截至今文發稿，赫普納的律師尚未就此置評。曼哈頓美國檢察官辦公室發言人拒絕評論。

美國空軍首次將 AI 驅動的戰爭推演平台應用於實際演習。該系統在為期兩週的大型演習中投入使用，參與者超過 150 人，包括聯合作戰部隊、盟國代表及高級空軍領導。GE 26 Benchmark Wargame 於 2026 年 3 月 27 日在維珍尼亞州亞歷山大市結束。WarMatrix 作為加速戰爭推演與分析的平台，首次在真實行動中亮相。

WarMatrix 的功能與設計

WarMatrix 並未取代傳統戰爭推演方法。美國空軍強調，該系統僅輔助並加速現有流程，而非取代人類策劃者角色。它整合現有模型、數據及工作流程，利用 AI 縮短大規模作戰分析所需的時間與人力。系統設計注重透明度與可審核性，直接回應嚴肅情境中對「黑箱」AI 工具的疑慮。WarMatrix 在每個步驟記錄決策、證據及分析，產生以往難以實現的大規模清晰記錄，讓決策者檢視結果背後假設，並理解各選擇的權衡取捨。

此外，WarMatrix 讓團隊更快建構情境、更可靠重複決策，並提升聯合作戰及聯盟夥伴的即時協作。傳統大規模模擬在此領域表現欠佳。GE 26 演習參與者包括太平洋空軍領導、空軍戰爭中心、跨軍種及盟國策劃者、高級角色扮演者及技術專家，此陣容正符合系統支援的聯盟及聯合部隊環境。演習中執行超過六個 24 小時遊戲時間的行動，決策基於物理模擬，結果貼近現實而非隨機。

演習同時測試 WarMatrix 作為初始運作概念，並評估可加入更大推演系統的其他工具。 美國空軍採用 AI 戰爭推演平台，是因現有模擬工具明顯受限。2025 年底，空軍設定技術目標，將模擬速度提升至實時 10,000 倍，以匹配現代衝突節奏及太平洋潛在大戰準備所需的分析。傳統推演依賴專家主持及大量手動工作，無法滿足策劃者對數量與速度的需求。中國已部署能在數秒內重現數千戰場情境的 AI 系統，形成美國策劃者須彌補的差距。

WarMatrix 在空軍作戰分析層面應對此挑戰，系統不進行全自主決策，而是強化人類判斷並消除過去技術與後勤瓶頸。

Mozilla 發佈一款名為「Thunderbolt」的全新開源 AI 客戶端，主打可控性與獨立性，針對希望自建 AI 基礎設施的企業與組織。Thunderbolt 被定位為「主宰 AI 客戶端」，提供開放、可擴展的工作空間，用戶可透過聊天、搜尋與研究等方式與 AI 互動，並連接企業自身數據，同時自由選擇所需模型與工具。

核心功能與優勢

根據官方介紹，Thunderbolt 著眼讓組織在以下幾方面掌握更大主動權：模型選擇自由，可運行自家雲端供應商的模型，也支援各類開源模型與本地部署模型，便於根據安全、合規或成本需求靈活切換；系統與數據打通，支援多種數據管線與開放協定集成，包括 deepset 的 Haystack 平臺、Model Context Protocol（MCP）服務器，以及基於 Agent Client Protocol（ACP）的智能體，從而將企業既有系統納入統一 AI 工作流；自動化工作與任務，可生成日報摘要、監

控特定主題、彙整報告，或基於事件與預設時間觸發各類動作，幫助減輕重複性知識工作；多設備無縫使用，提供網頁端以及適配 Windows、macOS、Linux、iOS 與 Android 的原生應用，讓用戶在桌面與移動端之間順暢切換；安全與訪問控制，支援自託管部署、可選端到端加密，並提供設備級訪問控制，以滿足對數據主權與安全性要求較高的企業環境。 | 功能類別 | 詳細規格 |

|———-|———-| | 模型支援 | 自家雲端模型、開源模型、本地部署模型 | | 數據集成 | Haystack 平臺、MCP 服務器、ACP 智能體、多數據管線與開放協定 | | 自動化任務 | 日報摘要、主題監控、報告彙整、事件觸發動作 | | 平台支援 | 網頁端、Windows、macOS、Linux、iOS、Android 原生應用 |

| 安全特性 | 自託管、端到端加密、設備級訪問控制 | Thunderbolt 已上線獨立項目網站 Thunderbolt.io，用戶可透過該站點獲取更多資訊與下載入口。目前，Thunderbolt 提供 Web 應用以及 Linux、macOS、Windows、iOS、Android 的原生版本，源代碼託管於 GitHub，並採用 MPL 2.0 開源許可發佈。

Mozilla 旗下 MZLA Technologies Corporation 亦表示，未來將圍繞 Thunderbolt 提供面向企業的商業授權選項，為有償支援需求客戶提供服務。在命名方面，Thunderbolt 延續 Mozilla Thunderbird 郵件客戶端的「雷電」意象，但此名稱已在電腦接口等多個科技領域廣泛使用，也易與現有的 Thunderbolt 接口標準混淆。

評論認為，這是一次大膽的 AI 客戶端嘗試，但在品牌與命名上可能帶來額外辨識度與宣傳上的挑戰。

中國人形機器人展示即時網球對打能力，標誌著具身人工智能邁出新步伐。這套系統由 Galbot 與清華大學合作開發，位於北京海淀區，能追蹤來球、預測軌跡、調整位置，並以自主學習及全身協調回擊。團隊表示，正手回球成功率達 90.9%，突顯機器人在動態對抗環境下的進展，這是人形機器人領域最具挑戰的基準之一，據本地媒體報導。

高效技能獲取框架

這款網球機器人採用名為 LATENT 的訓練框架，由清華大學團隊與中國人工智能機器人公司 Galbot 共同開發，讓人形機器人從不完美的人類動作數據中習得複雜運動技能。系統將網球動作分解為基本運動原語，例如正手及反手揮拍、側向滑步及交叉步，讓機器人以結構化、可擴展方式學習。LATENT 不依賴高精度動作捕捉或詳細運動學建模，而是使用來自業餘球手的「準真實」輸入。

團隊以簡易捕捉設備收集約 5 小時動作數據，產生帶噪聲但有意義的人類運動表示，將其映射至潛在動作空間，讓機器人解讀、精煉並重組為連貫動作。
框架整合強化學習與大規模模擬，讓系統適應不同球路及比賽條件，同時保留流暢的人類般動作。訓練後的政策部署於 Unitree G1 人形機器人上，展現可靠擊球及控制回球表現。團隊指，透過減少對高品質數據集的依賴，並從不完美輸入學習，LATENT 解決機器人領域關鍵瓶頸：在非結構化環境中複製人類快速、動態且精準行為。

團隊強調，人形機器人能追蹤來球、預測軌跡、調整位置，並以自主學習、全身協調及即時決策回擊。它能與不同年齡及水平的球手維持多球對打，展現動態比賽的適應力。正手回球成功率達 90.9%，在快速對抗及非結構環境中運作出色，據 China Daily 報導。在早期評估中，研究人員於真實比賽測試 LATENT 系統，人形機器人於前場及後場對抗人類球手。經 10,000 次試驗，系統在正手及反手揮拍表現優異，超越先前方法在準確度、一致性及動作自然度。

團隊稱，峰值表現下成功率達 96.5%，穩定回球至預定區域。雖未達職業球手速度及精度，但系統能維持長時間對打，並調整不同風格及條件，彰顯朝向更強大真實運動機器人的穩步進展。

人工智慧（AI）的內部運作機制仍未被完全理解，人類實際上是在盲飛狀態下使用它。Anthropic 與美國國防部（Pentagon）之間的法律爭議，正圍繞 AI 在戰爭中的應用展開。這場辯論因當前與伊朗衝突中 AI 的角色日益擴大而變得迫切。AI 不再僅輔助人類分析情報，它已成為主動參與者——即時生成目標、控制及協調導彈攔截，並引導致命的自主無人機群。

人類監督的幻覺風險

公眾對 AI 驅動自主致命武器的討論，多聚焦於人類應保留多少「在迴路中」（in the loop）的控制權。根據 Pentagon 現行指引，人類監督應提供問責、脈絡及細微判斷，同時降低駭客風險。但「人類在迴路中」的辯論，只是一種安慰性的 diversion。真正迫切危險並非機器無人監督而獨行，而是人類監督者根本不知機器實際「思考」什麼。Pentagon 指引的根本缺陷，在於假設人類理解 AI 運作方式。

研究人類大腦意圖數十年、近期轉向 AI 系統的研究顯示，頂尖 AI 本質上是「黑盒子」。我們知曉輸入與輸出，但處理它們的人工「大腦」仍不透明。即使創造者也無法完全解讀或理解其運作機制。AI 提供的理由，也不總是可靠。在人類監督辯論中，一個關鍵問題被忽略：我們能否在 AI 行動前理解其意圖？ 想像一架自主無人機任務摧毀敵方彈藥工廠。自動指揮系統判定最佳目標為彈藥儲存樓，報告 92% 任務成功率，因二次爆炸將徹底摧毀設施。

人類操作員審核合法軍事目標、見高成功率後批准攻擊。但操作員不知，AI 計算包含隱藏因素：二次爆炸不僅毀滅工廠，還嚴重損壞附近兒童醫院。緊急應變將聚焦醫院，確保工廠燒燬。對 AI，這最大化干擾符合目標；對人類，這可能違反保護平民生命的戰爭規則，構成戰罪。 保留人類在迴路中，並非想像中的保障，因為人類無法預知 AI 意圖。先進 AI 不僅執行指令，還會詮釋它們。

若操作員在高壓情境下未能精準定義目標——極可能發生——黑盒系統雖依指令行事，卻可能偏離人類預期。這「意圖差距」正是我們猶豫將前沿黑盒 AI 部署於民用醫療或空中交通管制的原因，亦使職場整合充滿風險——但戰場上卻倉促推進。 若衝突一方部署全自主武器，以機器速度及規模運作，對手為求競爭將被迫跟進。這意味戰爭中自主且不透明的 AI 決策使用，只會日益增長。AI 科學須兼顧建造高能力技術與理解其運作。

Gartner 預測，相關投資將於 2026 年達 US$2.5 trillion，約 HK$19.5 千億，但理解技術運作的投資卻微不足道。我們需重大範式轉移。 工程師正建構更強大系統，但理解其運作不僅是工程問題——需跨學科努力。須開發工具，在 AI 代理行動前特徵化、測量及干預其意圖。需繪製驅動這些代理的神經網絡內部路徑，建立決策的真正因果理解，超越僅觀察輸入輸出。

一途徑是結合機械解釋性（mechanistic interpretability，將神經網絡拆解為人類可懂組件）與意圖神經科學洞見。另一想法是開發透明「審計」AI，即時監測更強大黑盒系統的行為及湧現目標。 跨學科努力，包括學術、政府及產業合作，須獲優先。科技業及資助 AI alignment（將人類價值編碼入模型）的慈善家，應大舉投資解釋性研究。隨著 Pentagon 追求更自主系統，國會須強制測試 AI 意圖，而非僅性能。

Uri Maoz 是認知及計算神經科學家，專攻大腦如何將意圖轉化為行動。他任教於 Chapman University，並兼任 UCLA 及 Caltech 職位，領導 ai-intentions.org 計劃，聚焦理解及測量 AI 系統意圖。

柬埔寨洗錢中心內，一名員工打開手機銀行應用程式，需上傳與帳戶連結的照片，他便傳送一張30多歲亞洲男子的圖像。應用程式隨後要求視頻「活體檢測」，詐騙者舉起一張與帳戶不符女子的靜態圖像，90秒後成功登入。此漏洞依賴Telegram上販售的非法駭客服務，能破解「認識你的客戶」（KYC）面部掃描。MIT Technology Review 發現22個頻道及群組推廣此類服務。

Microsoft上週宣布暫停碳移除購買，此舉震驚業界，因Microsoft獨佔約80%的碳移除合約市場，引發對碳移除未來及大型科技公司角色的擔憂。完整報導詳見 MIT Technology Review。另有報導指，聯合國團隊正開發人類與非人類關係的新衡量指標，以探索人類如何與自然共存。此為 MIT Technology Review 印刷雜誌下一期「自然」專題內容。

今日科技熱點

烏克蘭稱俄羅斯軍隊向機器人投降，這是史上首次全自動化攻擊奪取軍事陣地。（404 Media）歐洲未來戰爭願景充斥無人機。（MIT Technology Review）
猴子透過腦機介面（BCI）僅用思想導航虛擬世界，此研究或助癱瘓人士。（New Scientist）但植入物仍面臨關鍵考驗。（MIT Technology Review）
NASA 計劃在月球部署核反應爐，為月球基地供電並延長太空飛行。

（Wired）NASA 亦開發核動力太空船。（MIT Technology Review）
美國線上年齡驗證計劃引發警訊，專家警告合規問題及資料外洩風險。（NBC News）歐盟年齡驗證應用即將推出。（Reuters）
AI 晶片熱潮推升台灣股市超越英國，市值逾4萬億美元，成為全球第七。（FT）未來AI晶片或以玻璃製造。（MIT Technology Review）

美國數據中心公眾反彈加劇，抗議及訴訟阻礙項目。（CNBC）潛在解決方案：置於太空。（MIT Technology Review）
中國比亞迪（BYD）開始推出5分鐘電動車充電。（Gizmodo）美國即將見到「增程電動車」上路。（Atlantic）
隱形訊號繞過伊朗網際網路封鎖，藏於衛星電視廣播維持資訊流通。（IEEE）
鞋履品牌Allbirds 轉向AI，股價飆升700%。

（CNBC）AI泡沫究竟何在？（MIT Technology Review）
宇宙最大地圖完成，涵蓋4700萬個星系及類星體。（Space.com）
共和黨議員欲將色情內容刑事化並逮捕創作者，但若全由演算法生成，猥褻、倫理及安全議題將退居次位。主要問題在於「真實」色情的定義，以及其對我們的啟示。AI生成色情或預示合成性愛時代。完整報導見 MIT Technology Review。

美國國防部多年秘密測試OpenAI模型；政府欲用Anthropic AI分析美國人大量資料；前DOGE員工被控竊取社安資料。

物理 AI 的願景是工程師能以編寫數位代理程式的相同方式，來程式化物理代理。但目前尚未實現。機器人技術仍受限於物理空間數據短缺。企業需興建模擬倉庫來測試機器，同時衍生出監視工廠生產線及零工以訓練深度學習模型的產業。另一途徑是模擬技術，即建構真實世界的詳細虛擬複本，提供機器人開發者可擴展的數據及工作空間。 Antioch 這家專為機器人開發者打造模擬工具的初創公司，旨在縮小業界所稱的「模擬到現實」（sim-to-real）差距——即讓虛擬環境逼真到足夠，使其內訓練的機器人在物理世界可靠運作。

「我們如何盡力縮小這差距，讓模擬從自主系統視角感覺宛如真實世界？」Antioch 執行長兼共同創辦人 Harry Mellsop 表示。公司今日宣布完成 850 萬美元種子輪融資，估值達 6000 萬美元，由 A* 及 Category Ventures 主導，MaC Venture Capital、Abstract、Box Group 及 Icehouse Ventures 等參與。

Mellsop 於去年 5 月與四位共同創辦人於紐約創立公司。其中 Alex Langshur 及 Michael Calvey 曾助其創辦安全及情報初創 Transpose，並以未公開金額售予 Chainalysis；其餘 Collin Schlager 及 Colton Swingle 分別曾在 Google DeepMind 及 Meta Reality Labs 任職。

模擬工具填補機器人開發缺口

更好模擬需求是多數主要自主公司核心工作。例如自駕車領域，Waymo 使用 Google DeepMind 的世界模型測試駕駛模型，理論上可減少新區域部署所需數據收集，從而降低擴展自主車輛技術的關鍵成本。建構及運用這些模型測試機器人，與開發自駕車所需技能不同，Antioch 希望為無力自行建置的中小企業提供解決方案。這些公司缺乏資金興建實體測試場或駕駛配備感測器的車輛數百萬英里。

「業界大多未使用模擬，我們現在清楚需加速前進，」Mellsop 說。 Antioch 高層將其產品比作 AI 驅動軟件開發工具 Cursor，讓機器人開發者啟動多個數位硬體實例，並連接模擬感測器，模擬真實世界數據。這些環境可用於測試邊緣案例、強化學習或生成訓練數據，前提是模擬保真度足夠。挑戰在於確保模擬物理與現實匹配，避免真實機器出錯。公司以 Nvidia 及 World Labs 等模型為基礎，建構領域特定程式庫便於使用。

與多客戶合作，提供單一物理 AI 公司無法匹敵的模擬精煉脈絡。「軟件工程及大型語言模型（LLMs）的變革，正開始發生在物理 AI，」Category Ventures 合夥人 Çağla Kaymaz 表示。「開發工具挑戰不同，軟件壞工具風險限於數位世界；物理世界風險更高。」 Antioch 現聚焦感測器及感知系統，涵蓋自動駕駛車輛、卡車、農機、工程機械及空中無人機等需求。

通用機器人複製人類任務的願景仍遙遠。雖主攻初創，其最早客戶包括已大量投資機器人的跨國巨頭。Cruise 前高層 Adrian Macneil（現 Foxglove 創辦人，提供物理 AI 數據管道）以天使投資人身分支持 Antioch。「模擬對建構安全案例或高精度任務至關重要，現實世界無法駕駛足夠里程，」他在舊金山 Ride.AI 會議表示。他期望出現如 Github、Stripe 及 Twilio 等推動 SaaS 革命的工具，支持物理 AI 全工具鏈即插即用。

「我們相信兩至三年內，所有真實世界自主系統將主要在軟件中建構，」Mellsop 說。「這是首次讓自主代理迭代物理系統並閉合反饋迴圈。」MIT 電腦科學及人工智慧實驗室研究員 David Mayo 已用 Antioch 平台評估 LLMs，讓 AI 模型設計機器人後於模擬器測試，甚至模擬對抗如推對手下平台。提供逼真沙盒或許帶來 LLMs 新評測範式。MIT 研究員 David Mayo 使用 Antioch 平台評估 LLMs，讓 AI 模型設計機器人後於模擬器測試，甚至模擬對抗賽如推對手下平台

。此逼真沙盒或許帶來 LLMs 新評測範式。關閉數位模型與現實差距仍有大量工作，但若成功，開發者將打造數據飛輪，如 Waymo 領先者般，讓工程師對下月模型更具信心。其他公司欲複製成功，需自建或採購這些工具。

台積電公布優於預期的業績，並上調全年營收預測，顯示中東衝突帶來的更大不確定性，並未阻礙人工智慧晶片需求強勁。這家全球最大晶片代工廠，同時也是英偉達、Apple 等科技巨頭的核心供應商，目前預計全年營收增幅將超過 30%，高於此前以美元計約 30% 的增長預測。台積電預計本季度營收將落在 390 億至 402 億美元之間，創下歷史新高。

AI 需求推動業績上修

台積電創辦人暨董事長劉德音在展館外展示的台積電標誌，這家中國台灣地區最大企業亦顯示，資本支出預計落在 520 億至 560 億美元預測區間的上端，凸顯其對 AI 產業前景的信心。劉德音表示：「需求強勁。」他引用對客戶的調研稱，「他們給出了非常積極的前景預測。」台積電上調業績預測與資本開支計畫，表明 AI 晶片需求並未受到中東衝突及由此引發的能源供應中斷影響。

eToro 市場分析師喬吉爾伯特表示：「建造 AI 基礎設施的企業並未減少開支，甚至還在加速投入。」投資者曾擔心中東局勢持續惡化可能危害台積電生產線，因為中國台灣地區電力高度依賴進口燃料，而晶片製造屬於高耗能產業。卡塔爾供應中斷已導致全球約三分之一的氮氣供應切斷。氮氣是天然氣生產的副產品，在高性能晶片製造中用作冷卻劑。 上週，台積電高級副總裁兼中國台灣地區半導體產業協會理事長鄭永暑呼籲中國台灣地區增加氮氣與天然氣的戰略儲備，並擴大採購管道，以確保供應穩定。

台積電財務長黃仁昭週四試圖化解市場對燃料短缺的擔憂，他表示，短期內公司生產不會受影響，因為中國台灣地區已確保充足的液化天然氣供應，至少可維持至 5 月份。黃仁昭稱，公司正從不同供應商及地區採購氮氣、氫氣等特殊氣體，並補充稱這不會對晶片產量造成任何實質性影響。 今年第一季度，台積電淨利潤激增 58%，達 5724.8 億新台幣（約合 US$181.2 億，約 HK$1413.

4 億），超出市場預期。營收大漲 35%，達到創紀錄的 1.134 兆新台幣。公司毛利率升至 66.2%，同比提升 7.4 個百分點，顯示台積電藉由旺盛需求完全消化成本壓力。今年前四個月，台積電股價波動較大，反彈出伊朗衝突帶來的的不確定性。受強勁資本支出計畫提振市場信心，台積電在台北上市的股票 1 月、2 月累計上漲逾 25%，但 3 月中東衝突爆發後，股價回吐約一半漲幅。

此後台積電股價逐步回升，週四收於新高。市場對美伊達成協議、關鍵航道霍爾木茲海峽重新開放抱有預期，科技股普遍上漲。