今周刊編按：中國人權律師王夏紅是北京凱門律師事務所（VDoor Law Firm）合夥人，曾協助北京地下教會「錫安教會」辯護，因而遭到中國當局施壓，要求她自行解散事務所。王夏紅因害怕遭到報復，於台灣轉機時臨時改變行程選擇「跳機」尋求庇護，中斷原本預定的計畫。對此，陸委會於周五(9/4)證實，目前政府基於人道考量已先予以安置。不過，因台灣沒有專門處理政治庇護的法律，後續將依既有機制辦理。
日期：2026-09-04
台股震盪，ETF市場照樣有戲，截至8/28統計，94檔台股ETF受益人數上周雖然減少4.3萬人，總人數未創新高，不過還是有包括00881、00891、00927、00686R等在內的9檔台股ETF受益人數領先逆勢創高，以科技、反1為主，台股反1則是00686R與00664R都上榜。從投資角度分析，財經專家楊倩琳認為，高股息ETF不一定只能「領股息」。如果ETF本身選到具有成長性的產業，一樣有機會做到「股息現金流＋資本利得」雙引擎。她指出，AI、半導體、先進製程、高速運算這些趨勢持續成長，也讓科技高息ETF除了追求配息之外，還多了一個「成長性」。不過，她也提醒，今年漲得多，不代表接下來一定還會繼續漲。楊倩琳指出，她的投資邏輯一直很簡單，不是只看殖利率，也不是只看今年漲多少，而是看這檔ETF在資產配置裡扮演什麼角色。想要現金流，可以配置高股息；想參與台灣企業長期成長，可以搭配市值型，想掌握AI、半導體趨勢，也可以用科技型或主動式ETF當成衛星配置。楊倩琳說，市場越震盪，越不是把所有資金押在「今年第一名」，而是把自己的ETF財富水田種得更完整。
日期：2026-09-02
日前有民眾在台北捷運板南線，發現男子筆電顯示「2戰區光合系統」，懷疑是共諜出任務。警方調查確認該名48歲高姓男子，僅是在等候友人時播放線上投資理財課程音檔，最終研判為誤傳的烏龍案件。常受邀至銀行、調查單位交流的區塊勢創辦人許明恩分析，該課程背後恐為假AI算力的割韭菜騙局，別再放錢；台灣區塊鏈大學聯盟理事長彭少甫也示警，這類軍事化代號常見於資金盤，呼籲執法單位應續追金流。
日期：2026-09-02
台灣曾是手工業代工王國，隨著產業外移與機器量產興起，在地手工製品日益稀少。然而，衣著時尚手工配件，針線間藏著機器無法取代的細節，即使師傅逐漸凋零，堅持台灣製造的品牌，依然延續著工藝魅力。
日期：2026-09-02
AI戰場已從「比模型」轉向拚產品與搶算力。而算力逐漸商品化，帶動科技巨頭擴建資料中心，伺服器需求持續升溫下，也將推升滑軌廠南俊等台灣硬體供應鏈，迎向下一波成長。
日期：2026-09-02
今周刊編按：台股周三(9/2)在美伊戰爭戰況再次加溫、油價跳增4%，以及美債殖利率驟升，前一晚美股收黑下，開低走低來到46202點，下跌746點或1.5%。盤面上權值股包括台積電(2330)、鴻海(2317)、廣達(2382)等跌幅都在2%上下，而台達電(2308)則是重挫超過6%，最低來到1750元。而指標股聯電(2303)也是一路往下殺、最低來到127元，跌幅逾4%近半根跌停，國巨*(2327)跌幅高達5.45%，盤中最低見537元。記憶體族群則是相對守穩，包括華邦電(2344)、南亞科(2408)都在平盤附近游走。聯發科(2454)在週二漲停後，周三開高漲半根停板、碰觸4565元後，隨即短線獲利賣壓出爐，一度殺回平盤甚至翻黑。大立光(3008)則是繼續「發光」走勢，股價最高來到7955元，連7天從最低5295元至今，漲幅高達5成，氣勢相當驚人。金控旗下投顧出具報告指出，大立光切入CPO，成功延伸至下游光纖陣列模組(FAU)，完成零組件到模組一條龍布局，在輝達光通訊角色從間接供應商晉升直接供應商。而「PCB女王」統一投顧總經理廖婉婷分析，大立光將重新定義企業獲利結構和本益比，若以法人估算明年EPS為200元，加上改以光通訊50倍本益比計算，大立光確實有機會挑戰萬元大關。廖婉婷提醒，股價反映2028年本夢比，仍須持續檢視包括產線設備駐進時間點、客戶認證時程，以及2027年實際營收數字，是否跟上等3大關鍵指標。
日期：2026-09-02
昨日九一記者節，適逢台灣網路新聞自律聯盟(TASON)成立一周年，台網盟特別以「新聞的未來在哪裡？」為題舉辦論壇，傳播產學界共聚一堂，聚焦AI時代，如何透過專業自律、認證機制等做法，重建大眾對新聞的信任度。
日期：2026-09-02
身為營養師，我在營養諮詢門診中，曾遇見幾位個案驚訝地提出疑問：「營養師，我又不胖，為什麼檢查出有脂肪肝（Fatty Liver）？」、「我又不喝酒，為什麼肝指數會有紅字？」、「抽血檢查肝功能指數正常，為什麼有脂肪肝？」
日期：2026-09-02
看到台北市無人自動公車要試行上路的新聞，我還挺興奮的，我一向是對新的科技事物充滿好奇心，也樂觀擁抱。說著說著，學工程的兒子給我澆了一盆冷水，「一片葉子飄過來、大棵路樹受到一陣強風在剛進/離站的公車前、突然地雷陣雨、台灣路上三寶特多，你覺得機器要多久才能學會辨識？物理AI真的很複雜。」好問題！但我認為正因為充滿了挑戰，同時也充滿了機會！
日期：2026-09-01
