✨まいど！相場の福の神・藤本誠之です✨ DXからさらに一歩進んだ「製造AX」に注目⚙️ 政府後押しの“AI中心ファクトリー構想”が本格始動です！ この中でワタクシ藤本が特に注目したのが👇 🎯サイエンスアーツ <4412> 　現場音声×AIで製造現場の効率化を実現！ 🎯ピーバンドットコム <3559> 　「P板.com」×「GUGEN Hub」でものづくりをつなぐDX推進企業！ AIと製造の融合＝“製造AX”はこれからの成長テーマ💡 国策と企業の動きがリンクする、この流れ、個人投資家として見逃せませんね！ #相場の福の神# #株投資# #個人投資家# #ニュース紹介# #AI関連# #製造AX# #サイエンスアーツ# #ピーバンドットコムDXは新ステージ突入、「製造AX」が描く未来図と関連株# ＜株探トップ特集＞ | 特集 - 株探ニュース

重點解讀台積電的玻璃核心載板投影片 台積電在 6 月 11 日的日本 JPCA Show 2026，進行主題為「AIの進化に不可欠な先端パッケージング技術」的簡報，該份簡報約40頁，當中某張標題為「Glass Substrate Development for CoWoS」的投影片流出，引發廣泛關注。 以下是對該投影片（見附圖）的重點解讀，能網路科普查到的技術細節就不多說了，要注意的是投影片上的 COP 不是 Chip-on-Package 的縮寫，而是 Coplanarity、也就是平整度 / 共面度。 ▌重點結論： 1. 台積電正式宣布與 Ibiden 以及群創合作，開發玻璃核心載板（glass core substrate），結構為玻璃上下各黏合 ABF 的三層結構設計，該技術就是用於 CoPoS 的 oS。 2. 市場低估玻璃核心載板的重要性，該技術對台積電是「must have」，意即 CoPoS 中，oS 的重要性高於 CoP，這也是該技術進行測試時，先搭配既有的 CoW 而非 CoP 的原因。 3. 玻璃核心載板單價較既有 ABF 載板高出數倍，群創加工的玻璃單價非常高，為最核心的材料。除 Nvidia 外，目前已有兩家美系客戶同樣表達高度興趣。 ▌與本投影片相關的產業調查： 1. 本投影片提及的玻璃核心載板由 250x250mm 切割而來，ABF 增層主要採用 Ajinomoto 的 GL107 並混搭 ABF-GCP，以 2027–2028 主流 AI 晶片 ABF 規格的 24-28 層進行測試 2. 台積電實驗時的 CoW 是測試載具（test vehicle），足以驗證採用複合材料時最具挑戰性的機械結構問題。測試結果良好意味著台積電、Ibiden 與群創已合作突破關鍵技術瓶頸。 3. 目前是由 Ibiden 負責切割 250x250mm 的玻璃核心載板。待 2H27 採用 510x515mm 做量產前模擬時，若 Ibiden 仍想降低生產複雜性以維持超高毛利率，可能會改交由更熟悉玻璃特性的群創切割。 ▌流出的投影片內容是將 CoPoS 中的 oS、也就是玻璃核心載板（投影片中的 glass-SBT）與 CoW 搭配的技術驗證結果，這是為解決該投影片前一頁所提到的「Substrate mechanical and electrical Dilemma」，而這顯著凸顯了 CoPoS 中 oS 的重要性。 1. CoPoS 中，CoP 要解決的是生產效率 / 切割經濟性的問題，這與成本與售價有關；而 oS 要解決的是翹曲與耐用性問題，這牽涉到能否做出晶片，以及晶片能否運作。 2. CoP 與 oS 兩者整合相得益彰，但展望未來數年，兩者的技術定位還是有些差異。CoP 是可選的絕佳優化選項（very-nice-to-have），沒有它的代價就是晶片更貴；但 oS 是必需品（must-have）， 沒有它可能連能否做出可用晶片都是問題。 3. 比較定位差異不是為了捧 oS 貶 CoP，這牽涉到客戶願意為哪個技術環節付錢的現實問題，細節下面分析。 ▌投影片中含金量最高的是電源完整性（power integrity；PI）改善，這對客戶意義重大，這也代表玻璃核心載板生產穩定後，台積電獲利能力與競爭優勢可望同步提升。 1. 技術說明：玻璃核心載板薄 → TGV（through glass via）垂直導通路徑短 → 導通路徑電阻（R）跟迴路電感（L）同降 → PI 改善 2. 對客戶意義重大原因：PI 改善 → 供電更穩 → 釋出功率餘裕（power headroom）→ 可整合更多電晶體、或拉高運作時脈 → AI 晶片算力提升 3. 對客戶而言，生產效率是台積電的基本責任，客戶不會為此多付錢；但 AI 算力提升能直接轉化為客戶的競爭力與獲利，故客戶願意為此買單。這也是 Nvidia 積極看待玻璃核心載板的原因。 4. 對台積電而言，玻璃核心載板可提升良率並降低成本，同時提高 AI 晶片的算力與售價，既是降本工具，也是漲價籌碼，對獲利與競爭力都是加分。 5. 目前載板成本佔 AI 晶片 BOM 約低個位數，封裝良率造成的損失約載板成本的 5-10 倍，故即便未來玻璃核心載板成本高於目前的數倍以上，但佔 BOM 比重仍低，且可改善封裝良率造成的損失，故預期玻璃核心載板的高單價不會影響客戶採用意願。 ▌簡報後的問答環節，有聽眾提問關於玻璃核心載板的 TGV 細節，台積電當場拒絕回答，因為玻璃核心載板的關鍵技術就是 TGV，核心 know-how 目前掌握在台積電與群創手中。相較下，另一個提問者的問題是關於 IVR、eDTC、與 LSI 的整合，台積電就回答了不少。 ▌根據產業調查，若一切順利，台積電的目標是在 4Q28-1Q29 開始量產玻璃核心載板，以符合 Nvidia AI 晶片迭代節奏。順帶一提，許多人在傳的 Ibiden 的法說投影片，上面將玻璃核心載板時程列為 CY30，我對此的解讀是：對外向來保守謹慎的 Ibiden 將玻璃核心載板正式列為發展路線，這更確定了該技術長期趨勢。但從 Ibiden 投影片的其他細節與市場資訊不完全一致來看，例如 reticle 時程與台積電公開宣稱的差約一個世代、Rubin Ultra 載板尺寸明顯大於其在 CY26-27 標示的 90x90 等，這說明了在預測未來時，需隨時多方交叉驗證。

# ADKの便利で実践的な使い方 🔀 プロンプトだけでエージェントの実行フローを制御するのは不安定になりがちです。ADKのGraph Workflowsなら、ノードとエッジでワークフローを明示的に定義し、AIノードと関数ノードを自在に組み合わせられます！ 📌 タイトル：Graph Workflows — ノードとエッジによる明示的なワークフロー定義 🔗 URL： 🧩 概要 Graph Workflowsは、`Workflow`クラスの`edges`パラメータでノードの接続関係を定義し、実行フローを構築する仕組みです。AIエージェントノード、関数ノード、ツールノード、ネストされたWorkflowを混在させることができます。ルーターノードが`Event(route=...)`を返すことで辞書ベースの条件分岐が可能になり、「プロンプトに頼らない予測可能な制御フロー」を実現します。 🛠 使い方 基本的なGraph Workflowの構成です。 `google.adk` から `Workflow` と `Event` をインポートします。ルーター関数 `process_message` は `node_input` の内容に応じて `Event(route="BUG")`、`Event(route="LOGISTICS")`、または `Event(route="CUSTOMER_SUPPORT")` を返します。各ルートに対応する関数（`response_bug`、`response_support`、`response_logistics`）はそれぞれ `Event(output=...)` で応答メッセージを返します。 `Workflow` の `name="support_router"` で、`edges` に2つのタプルを定義します。1つ目は `("START", process_message)` で開始ノードからルーターへ接続し、2つ目は `process_message` の出力を `{"BUG": response_bug, "CUSTOMER_SUPPORT": response_support, "LOGISTICS": response_logistics}` の辞書で各ハンドラーに振り分けます。 順次実行のシンプルなチェーンも定義できます。 `Workflow` の `edges` にタプル `("START", agent1, function1, agent2, function2)` を1つ渡すことで、ノードを順次接続するシンプルなチェーンを定義できます。 🏗 実践的な使い方 **AIフリー関数チェーン + AIノードの混在**: データの前処理や後処理はPython関数で行い、判断が必要な部分だけAIエージェントノードを使います。これによりLLMの呼び出し回数を最小限に抑え、コストと遅延を削減できます。 関数ノード `extract_data` は `json.loads(node_input)` でデータを解析し `Event(output=parsed["content"])` を返します（AI不要）。`LlmAgent` の `analyzer` がデータの分析と要約を行い、関数ノード `format_output` が `Event(output=f"## 分析結果\n{node_input}")` でフォーマットします（AI不要）。 `Workflow` の `name="hybrid_pipeline"` で `edges=[("START", extract_data, analysis_agent, format_output)]` と定義し、関数ノードとAIノードを混在させたハイブリッドパイプラインを構築します。 **カスタマーサポートの自動振り分け**: 問い合わせ内容をルーター関数で分類し、適切な対応エージェントに振り分けます。分類ロジックがコードで明示されているため、動作の予測と検証が容易です。 💡 ユースケース 📨 問い合わせの自動分類・振り分け（バグ/サポート/配送） 🔧 前処理（関数）→ 分析（AI）→ 後処理（関数）のハイブリッドパイプライン 🏭 ETLパイプラインのAI組み込み（抽出は関数、変換にAIを活用） 🔀 ルーティングロジックの明示化によるテスタビリティ向上 ⚠️ 注意点 - ライブストリーミング機能はGraph Workflowsと互換性がありません。 - 一部のサードパーティ連携はGraph Workflowsをサポートしていない場合があります。 - ルーターの辞書にないrouteキーが返された場合のエラーハンドリングを考慮してください。 - ノードは1回の実行で1つの`Event.output`のみを出力できます。 ✨ Graph Workflowsは、AIノードと関数ノードをノードとエッジで明示的に結合し、プロンプトだけに頼らない予測可能なエージェントパイプラインを構築します。コスト効率と信頼性を両立したい場面でぜひ活用してください！ #ADK# #AIAgent#

【#競馬予想】ＧⅢ# #関屋記念🏇AIみかん🐹予想担当はCocoんco😸きのこ🍄栽培マン🥒の推奨馬3頭で好配当的中目指します《##競馬楽部💛LOVE》通算Vol#.443 YouTube動画 ニコニコ動画 Instagram動画

【馬番発表後2番目位に早い競馬予想】ＧⅢ #関屋記念🏇AIみかん🐹予想担当はCocoんco😸きのこ🍄栽培マン🥒の推奨馬3頭で好配当的中目指します#... @YouTubeより

【馬番発表後2番目位に早い競馬予想】ＧⅢ #関屋記念🏇AIみかん🐹予想担当はCocoんco😸きのこ🍄栽培マン🥒の推奨馬3頭で好配当的中目指します#... @YouTubeより

奏です。おはようございます！九州、関東甲信～東北南部を中心に雲が広がりやすく雨になりやすいみたい。その他の地域は晴れ！今日も暑いよ！ 今夜は夜会だよ！1日目！ご参加お待ちしております！ この子の優しい歌声は、こちらで聴けます。 朝の作業用BGMにどうぞ。 ▶️ #AIイラスト# #奏# #おはよう# #朝活#

Claude Security 插件正式公測！這不只是又一個掃描工具，而是把「資安研究員級」的能力直接塞進 Claude Code 終端。 它會像真人一樣讀懂你的架構、追蹤跨檔案資料流、建立威脅模型，再用多代理互相驗證，找出傳統靜態掃描器常漏掉的複雜邏輯漏洞與認證繞過。掃完還能直接產出符合你程式風格的修補建議，人審完就能套用。 這代表什麼？AI 正在把高階資安「左移」到每一位開發者的日常工作流。不用再等資安團隊排程、不用把程式碼丟上雲端，提交前就能自己把關。在 AI 加速攻擊的時代，這等於給防禦端裝上同等級的火力。真正讓「安全寫程式」變成預設，而不是事後補救。 👉🏻推薦實戰流程 1. 輸入 /claude-security → 選 Scan codebase（或 Scan changes） 2. 選擇掃描深度（Medium 通常就夠用，High / Max 更深入但較貴） 3. 等掃描完成（會產生 CLAUDE-SECURITY-時間戳/ 資料夾） 4. 看報告（CLAUDE-SECURITY-RESULTS.md） 5. 再輸入 /claude-security → 選 Suggest patches 6. 選擇要修的 finding（例如 F1、F2） 7. 用 git apply 套用產生的 .patch 檔，自己 review 後再 commit 👉🏻小技巧 • 大專案建議先只掃重點目錄，不要一次掃整個 repo • 掃描是非確定性的，同一段程式碼跑兩次結果可能略有不同 • 修補永遠不會自動套用，一定要人審核 這樣就可以直接在終端裡把「資安掃描 + 修補建議」變成日常工作流的一部分了！

#ミスFLASH2024# 選考オーディション セミファイナル最終ランキングを発表‼️ ストレートでファイナルに進出した上位10名には画像の特典が用意されています✨ ⬇️今後のスケジュール チャレンジバトル…8/30(水)～9/5(火) ファイナル…9/17(日)～10/17(火) 宮川みやび： @miyakawa_miyabi 白石時： @coco_shira0913 北島萌加： @Moe__0704 矢矧愛： @ya_huggymeg 中村凌華： @ryoka15551 由利美桜： @miao_Yurimio 本間ミサ： @misa_minna ぷりん： @pudding_tabetan 織田いちか： @oda_ichika 花々緒みき： @miki__O418 さよ： @sayo_pi_pi_pi りん： @rin_noFilter 朱華： @syuka_dreaves 成瀬結愛： @yua__naruse 桃瀬ちかこ： @momochika924 永野蘭： @ran_nagano 関美恵子： @mii_1520_ 北川美麗： @mi_2000_ 三葉ゆあ： @MitsubaYua 三峰あずさ： @azusa_minna 永瀬永茉： @nagase_ema 中川心： @556_nakagawa 野村林可： @ringring0617 成瀬桃花： @os__momoka 佐伯桃子： @momoko_Chase2 朝野ナツ： @asano_72 つぶらあい： @tsubura_ai 磯貝花音： @kanon61_ 遠藤まめ： @mameendo8 花木のんの： @teardrop_nonno