研究人員發現，原本是駭客慣用的「提示注入」（就是在文字內容裡藏指令、騙 AI 照著執行惡意任務的攻擊手法）技術，現在也能被防守方拿來用。資安公司 Tracebit 設計出一種叫做「情境炸彈」（context bombing）的防禦技巧：把特殊的文字指令偷偷藏在重要資料旁邊，例如放在雲端服務 AWS（亞馬遜提供的雲端平臺）裡存放的密碼或加密金鑰附近。當 AI 駭客代理（就是自動化執行入侵任務的 AI 程式）在掃描這些機密資料時，一旦讀到「情境炸彈」的內容——例如一條要求 AI 提供生化武器製作步驟的指令，或針對中國開發的模型放入涉及天安門事件的描述——AI 的安全防護機制就會被觸發，讓它立刻停止運作。Tracebit 對五個主流 AI 模型（包括 Opus 4.8、Gemini 3.1 Pro、GLM 5.2、DeepSeek 4 Pro、Kimi 2.6）共進行了 152 次模擬攻擊測試，結果顯示，只要在環境中放置一個「情境炸彈」，AI 代理成功取得最高管理員權限的比率就從 57% 驟降至 5%，完全入侵的成功率更從 36% 跌至 1%；其中最強的 Opus 4.8 模型，在沒有炸彈時 93% 的攻擊都能成功，但遇到情境炸彈後，成功率歸零。
假設你是企業資安人員，負責保護公司存放在 AWS 雲端上的資料庫密碼。傳統防禦依賴防火牆和異常登入監控，但 AI 駭客代理能像真正的工程師一樣自動探索整個雲端環境、找到密碼、再利用密碼取得管理員權限，速度遠超人工監控能反應的範圍。現在有了「情境炸彈」，你可以在存放密碼的位置旁邊悄悄加一段隱藏文字，例如要求 AI 提供製造生化武器的步驟。當 AI 代理讀到這段話，它內建的安全機制會立刻介入阻止（因為這屬於被明確禁止的有害請求），AI 就此卡死、無法繼續執行入侵指令，也不會試圖繞過或重試。相較於舊做法需要部署複雜的防火牆規則或即時威脅偵測系統，這個技巧只需在機密資料附近植入一段文字，便能讓攻擊 AI 自己觸發安全防線而失效。
Systima 團隊在 API 邊界架設監聽代理，對 Claude Code 和 OpenCode（兩款 AI 程式編輯助理）進行了逐筆請求的 token（就是 AI 計費的最小單位，大約等於半個英文單字）用量比較。實測發現：Claude Code 在使用者還沒輸入任何問題之前，每次請求就預先送出約 32,800 個 token（包含系統提示和 27 個工具定義），而 OpenCode 同場景只送出約 6,900 個，差距達 4.7 倍。更嚴重的問題在於快取策略（快取就是「先把常用內容存起來、下次用打折費率讀取」）：OpenCode 每次請求的前綴完全一致，可有效重複利用快取；Claude Code 卻在同一工作階段中途多次重新產生快取內容，導致快取寫入量（要用較高費率計費）高達 OpenCode 的 54 倍。若使用子代理（讓 AI 把任務分派給多個平行 AI 子任務）功能，原本需要 121,000 token 的任務會膨脹到 513,000 token，暴增 4.2 倍。唯一對 Claude Code 有利的場景是多步驟複雜任務：它能將多個工具呼叫合併成一次請求，在特定任務上總 token 數與 OpenCode 相近，但這個優勢在測試新版模型時消失了，反而多耗費超過兩倍。
假設我是一個開發者，想用 AI 助理幫我讀一個程式碼檔案並寫出摘要。用 Claude Code 完成這項任務需要 6 次 API 請求、約 199,000 個 token；用 OpenCode 完成同樣的任務只需 4 次請求、約 41,000 個 token，達到同樣正確的摘要結果。差距約 5 倍。如果我再加上 CLAUDE.md 設定檔（一個 72KB 的工作說明文件），每次請求再多 20,000 個 token；再加上 5 個 MCP 伺服器（讓 AI 連結外部工具的介面），又再多 5,000 到 7,000 個 token——這樣在使用者輸入第一個字之前，系統已經先花了 75,000 到 85,000 個 token 的開銷，相當於佔用了 AI 工作記憶體（200,000 token 上限）的 40% 以上。
一名研究者對 Grok CLI（xAI 公司推出的 AI 程式碼助理工具）進行流量監測，發現它在正常使用過程中，會把整個程式碼倉庫完整上傳到 Google Cloud Storage 的儲存桶，且該行為預設開啟、完全沒有在文件或設定頁面告知。在一個 12 GB 的測試專案中，AI 對話本身只傳輸 192 KB，但工具額外傳輸了 5.10 GiB 的完整倉庫快照，差距高達 27,800 倍。研究者還特地放入一個標記「不要開啟」的探針檔案，該檔案從未被 AI 讀取，卻仍以 git bundle 形式被上傳，事後可透過 git clone 重建整個倉庫，證明「從未讀取」不等於「未被傳輸」。更嚴重的是，專案中的 .env 檔案（存放 API 金鑰、資料庫密碼等機密）以明文、未加密形式出現在請求體中，且關閉「Improve the model」開關對此上傳行為完全無效。與此同時，Claude Code（Anthropic 推出的 AI 程式碼助理）也被發現在啟動多個子代理人（sub-agent，讓 AI 自動分工的機制）時 token（計費單位）消耗遠超合理範圍，有用戶回報啟動 7 個子 agent 後預算耗盡、任務未完成。兩起事件讓開發者社群對 AI 程式碼工具爆發嚴重的信任危機。
假設你是一位開發電商網站的工程師，專案裡的 .env 檔案存著 Stripe 金流 API 金鑰和資料庫密碼。你只是想請 Grok CLI 幫你修一個購物車的小 bug，AI 回答你問題只傳輸了幾百 KB 的對話內容，但你完全不知道的是，工具同時把你整個 12 GB 的程式碼資料夾，包含 .env 裡所有機密，完整備份到 xAI 在 Google Cloud 上的儲存空間。你的 Stripe 金鑰從沒被 AI 「讀取」，但它已經在雲端某處了。舊做法是開發者會審閱工具的隱私條款，但沒有人預期「協助改善模型」這個選項的背後代表「上傳整座程式庫的快照」。這件事被揭露後，社群的自保建議是：在 Grok CLI 外面套一層網路沙盒，只允許它連線到 AI 服務的網址，切斷它對 Google Cloud Storage 的存取通道。
菲爾茲獎（數學界最高榮譽，等同數學界的諾貝爾獎）得主 Terence Tao 在 2026 年 7 月發表親身實驗：他用 AI coding agent（能自主寫程式、執行任務的 AI 工具）在「數小時內」把約二十幾個從 1999 年以 Java 1.0 撰寫的數學視覺化程式，全數搬移成現代 JavaScript。這些程式原本預估需要數週的人工作業，被壓縮到一個下午。更值得注意的是：AI 在搬移過程中主動發現了 Tao 自己都沒察覺的兩個隱藏錯誤，最終程式品質甚至比原始版本更好。這件事讓軟體開發社群廣泛討論，因為 JDK 26（Java 的最新版本）已完全移除舊有的 Applet 技術，讓這類「老程式碼搬移」從「可選」變成「不得不做」的剛性需求。然而，業界研究也同時指出風險：AI 生成程式碼的重大問題率約是人類的 1.7 倍，最危險的失敗模式是「語法正確但語意錯誤」——程式跑起來不報錯，但邏輯根本不對，要到正式上線後才會爆發。AI 最大的盲點是「部落知識」（存在於老員工腦中、從未寫成文件的隱性規則），Tao 的成功恰好是因為他自己就是原作者，完整掌握所有細節，大多數企業的老系統並沒有這種優勢。AI 研究員 Karpathy 也分享：他的工作流程已從 2025 年的「80% 自己寫、20% 用 AI」翻轉為「80% 用 AI agent、20% 人工微調」，這個趨勢預示著工程師的核心價值正在從「親手寫程式碼」轉向「定義問題邊界、驗證 AI 輸出是否正確、引導 AI 做正確決策」。
假設你公司有一套 20 年前用 Java 寫的財務計算工具，原作者早已離職，只有零星的操作手冊。現在要把它搬移到 Python。舊做法是：找人把幾萬行程式碼逐行讀懂、手動改寫，光理解原始邏輯可能就要花好幾週，搬移本身再花幾週，總計幾個月。套用 Tao 的方式：把程式碼丟給 Claude Code 或 Cursor（AI 輔助開發工具），請它自動轉成 Python。若這套財務工具的計算邏輯有完整的規格文件，AI 能在數小時內完成機械性的語法轉換，甚至可能順手挖出原始程式裡潛藏多年的計算錯誤。但若計算規則有一條「每季末最後一天的匯率要用前一個交易日的收盤價，除非碰上特定假日」這類從未被寫成文件、只存在於老員工記憶裡的規則，AI 就會直接忽略它，生成一個「跑起來沒有任何報錯、但結果算錯」的程式。差異在於：AI 能快速處理「有明確規則、有文件依據」的搬移，但對「人腦隱性規則、口耳相傳的例外情況」毫無感知，這正是 Tao 案例無法直接套用到多數企業老系統的根本原因。
這篇論文來自 AlayaLab 研究團隊，提出一套名為 AgenticSTS 的 AI 代理（Agent，就是能自己做決策、執行多步驟任務的 AI 程式）記憶管理架構，解決了一個長期困擾 AI Agent 開發者的問題：context 膨脹。所謂 context（上下文），就是 AI 每次做決策時能「看到」的資訊總量，通常以 token（文字單位）計算，token 越多費用越高也越慢。傳統 Agent 設計會把所有對話紀錄一直累積下去，導致 token 數不斷膨脹，後期既昂貴又遲緩。AgenticSTS 改用「五層記憶契約」，將知識分成固定規則、當前狀態、動態規則、歷史摘要、情境策略五個獨立層次，每次只組裝當下需要的部分，讓 prompt（AI 每次收到的指令文字）長度維持在約 5,000 token 的固定上限，而非競品的超過 50 萬 token。研究者以卡牌遊戲《Slay the Spire 2》為測試場景，結果顯示在相同任務品質下，這套方法比現有競品省下 66 到 90 倍的 token 用量、處理速度快 4 倍，並在對戰中拿到 6 勝 0 敗的成績；論文、298 場完整遊戲記錄及程式碼均已公開於 Hugging Face。
假設你在開發一個需要長期運作的 AI Agent，會遇到 context 不斷膨脹的問題——因為每次決策都要塞進越來越多的歷史紀錄，導致 token 數暴增、成本飆升。AgenticSTS 提出的解法是「有界記憶契約」，將知識拆分為五個獨立的記憶層：固定協議指令、當前狀態與合法動作、按需檢索的動態規則、跨局歷史摘要，以及情境對應的策略技能庫。每次 AI 回應前只從各層組裝當下需要的部分，讓 prompt 長度維持在固定範圍內，不會隨著執行輪數增長。這套架構原本針對遊戲 AI 設計，但類似原則可應用於其他長期任務場景，例如客服或流程自動化，關鍵在於把知識分層管理、按需取用，而非無限制累積日誌。
2026 年 7 月，Interconnects 研究員 Nathan Lambert 發出警告：美國政府計畫在六個月內，限制或延緩所有能力超過 GPT 5.5、Claude Opus 4.8 或 GLM-5.2 的「開源權重模型（open-weight model，就是把模型參數完整公開、讓任何人免費下載使用的 AI 模型）」發布。這類模型和只提供 API 介面、不公開內部參數的「閉源模型」是相對的概念，被白宮點名的 DeepSeek、MiniMax 等中國廠商的模型即屬於開源權重模型。政府提出的理由是「蒸餾攻擊（distillation attack，意思是把一個強大 AI 的輸出結果拿去訓練另一個比較小的 AI，讓小 AI 低成本複製強 AI 的能力）」，白宮指控中國廠商 DeepSeek、MiniMax 等進行工業級別的大規模蒸餾攻擊。但 Lambert 直接點破：這場政策討論的最大受益者是 Anthropic 等閉源公司，而非真正的 AI 安全考量——因為若開源模型受限，使用者就只能轉向閉源 API，閉源廠商市場份額自然擴大。更諷刺的是，Discord 用戶已透過 API 漏洞存取 Anthropic 的 Mythos 模型，讓「閉源比開源更安全」的論點站不住腳。從實際數據看，監管令發布後，OpenRouter（一個 AI 模型路由平臺）流量前四名全數來自中國開源模型（DeepSeek、MiniMax、騰訊、小米），顯示企業正主動轉向開源替代方案以規避地緣政治風險。Anthropic 本身也因為美國「視同出口（deemed export，意思是把技術提供給任何外國人，不論其在哪個國家，都算是出口行為）」法規，被迫全球暫停 Mythos 5 和 Fable 5 的服務，代表依賴單一閉源供應商的企業，隨時可能面臨毫無預警的突發服務中斷。
假設我是一位開發者，長期使用 Anthropic 的 Claude API 建立企業用的文件摘要服務。某天 Anthropic 為了遵守美國「視同出口」法規，突然全球暫停 Mythos 5 和 Fable 5 的 API 存取，我的服務立刻無法呼叫這些模型，而且沒有事先通知。相較之下，如果我當初選擇把 DeepSeek 或 Qwen 這類開源模型部署在自己的伺服器或雲端環境上，美國的監管令就不會直接影響我服務的運作——因為模型的權重已經在我手上，執行不需要依賴第三方 API。這個案例的差異就是：依賴閉源 API 等於把服務的生死交給供應商和政府的合規決策，而本地部署開源模型雖然需要自己管理算力，但不受外部地緣政治因素切斷。
DSpark 是北京大學與 DeepSeek-AI 共同研發的一種 LLM（大型語言模型，就是 ChatGPT 這類對話 AI）推理加速框架，採用一種叫「推測解碼（speculative decoding，讓一個小模型先猜接下來幾個字，主模型再一次性確認，取代逐字生成的慢速方式）」的技術。DSpark 解決了現有推測解碼的兩大痛點：第一是「平行草稿品質衰退」問題——純平行預測時，各位置獨立推算，容易出現「of course」和「no problem」混成「of problem」的不一致組合，DSpark 加入一個輕量循序頭，讓每個字都能參考前一個字再做決定，顯著改善草稿連貫性。第二是「驗證資源浪費」問題——在用戶多、伺服器忙的高並發情境下，把大概率猜錯的字也拿去驗證，反而佔用寶貴的運算資源；DSpark 的信心排程器（confidence-scheduled verification，依照即時估算的「這個字被接受的機率」動態決定要驗多少個字）可以自動縮減低品質字詞，讓忙碌時的伺服器不浪費算力。DSpark 已正式取代 DeepSeek-V4 生產系統原有的 MTP-1 方案，在相同總輸出量下每位用戶的生成速度提升 60%–85%，相關模型權重與訓練框架（DeepSpec）已全數開源。
假設你在維運一個以 DeepSeek-V4 提供服務的聊天 API。舊方案（MTP-1）每輪只推測 1 個字，因為一次推測太多字、卻多數被拒絕，反而拖慢整體吞吐量。換上 DSpark 後：在中等負載（每位用戶 80 字元每秒的回覆速度要求）下，系統整體吞吐量提升 51%；在嚴格互動性要求（每位用戶 120 字元每秒）下，MTP-1 幾乎已達運作極限，而 DSpark 仍能保持穩定服務。另外，在系統達到相同總吞吐量的條件下，每位用戶的生成速度提升 60%–85%。若你想在自己的 Qwen3 或 Gemma4 模型上用類似方法加速，可以直接從開源的 DeepSpec 訓練框架下手，訓練一個專屬的 DSpark 草稿模型——對比沒有草稿模型的原始逐字生成，整體推理延遲會大幅降低。
這是由 NVIDIA、喬治亞理工學院、香港大學、芝加哥大學和 MIT 聯合發表的研究，介紹一種名為 Nemotron-Labs-Diffusion 的「三模態語言模型」——也就是一個 AI 文字生成模型，可以在同一個模型架構裡切換三種不同的文字生成方式。傳統的 AI 語言模型（就是 ChatGPT 這類會對話的 AI）採用「自回歸（AR）」方式，像逐字打字一樣一個接一個地生成文字，速度有其極限。這個新模型同時整合了「自回歸（AR）」、「擴散生成（Diffusion，一種能一口氣預測多個位置文字的技術）」以及「自我推測解碼（Self-Speculation Decoding）」三種方式。AR 和擴散訓練互補：擴散訓練幫助 AI 更好地規劃後續文字，自回歸訓練讓模型保有從左到右的語言直覺，而自我推測解碼先讓擴散部分一次草擬一批字，再讓自回歸部分驗證並接受正確的那些。模型以 3B、8B、14B 三種規模發布，包含基礎版、指令微調版和視覺語言版（可同時理解圖片與文字的 AI），已開放在 Hugging Face 下載。
假設你要部署一個 AI 問答服務，希望在相同 GPU 上服務更多用戶、降低每次回答的算力成本。過去的做法是用 Qwen3-8B 這類標準模型，每次只能生成一個 token（文字片段），在低並發情境（同時只有少數人詢問）下 GPU 大量閒置，換算下來成本偏高。改用 Nemotron-Labs-Diffusion-8B 的線性自我推測解碼模式：模型的擴散部分先一口氣草擬多個 token，再由自回歸部分驗證；驗證時只接受從起點開始連續正確的前綴，遇到第一個預測不符就停止，後面的草稿即使部分正確也會被捨棄。根據論文數據，使用 LoRA 增強後，每次驗證週期可接受的 token 數量明顯高於傳統逐字生成方式；與 Eagle3 這個業界流行的多 token 推測加速方案相比，Nemotron-Labs-Diffusion 在 NVIDIA GB200、RTX Pro 6000 和 DGX Spark 三款 GPU 上的每用戶吞吐量均更高，且不需要額外的輔助預測模型，只要下載同一個模型就能切換加速模式。
Richard Sutton 是 2024 年圖靈獎（電腦科學界最高榮譽，相當於諾貝爾獎）得主，也是強化學習（讓 AI 透過不斷嘗試與獲得回饋來自我改進的技術，AlphaGo 就是代表作）的現代奠基人之一。他與夥伴 Khurram Javed 在加拿大多倫多創立了新創公司 Oak Lab，兩人此前都曾在遊戲傳奇人物 John Carmack 的 AI 公司 Keen Technologies 任職。Sutton 直言批評目前主流的深度學習（就是 ChatGPT、Gemini 等大型 AI 模型背後的核心技術）「既弱又沒效率」，認為光靠修修補補不夠，必須從根本上重新思考。他的目標是打造能在實際運作中持續學習的 AI 智能體（agent，能自主執行任務的 AI 程式），讓它自己建構對世界的理解、評估自己的行為並不斷改進，而不是像現在的 AI 一樣只靠事先準備好的龐大訓練資料學一次就固定下來。長遠目標是建出一個擁有兆級參數（參數就是 AI 模型學到的「知識量」，數量越多理論上越強）、能即時學習與規劃，且只消耗 20 瓦電力（相當於一顆省電燈泡）的智能體。
假設一家物流公司倉庫每週都有新商品入庫、貨架位置也常調整。用現在的 AI（例如訓練好的視覺辨識模型）：每次倉庫佈局改變就得重新收集資料、重新訓練，費時費錢，且訓練期間機器人等於「失憶」。Oak Lab 的做法是讓機器人在實際工作中自己觀察環境、建立倉庫的內部地圖，遇到新商品或新貨架位置時自行摸索、累積經驗，不需要工程師介入重新訓練。差異在於：傳統做法是「學完再用」，Oak Lab 追求的是「邊用邊學」，更接近人類在新環境中自然適應的方式。
過去幾年大家熟悉的 AI，大多是 LLM（大型語言模型，就是像 ChatGPT 這種能對話的 AI）。但現在有一類叫做「世界模型」（world model）的 AI 技術正在快速崛起，吸引了大量研究資金與人才投入。世界模型的目標不是處理文字，而是讓 AI 能夠「模擬」物理世界的運作方式，至少能做到足夠有用的近似模擬。Ars Technica 採訪了來自 MIT、生成式影片公司 Runway、以及 World Labs（由 NeRF 技術發明者共同創辦的新創）的三位專家，整理出世界模型的現況與侷限。專家指出，LLM 當初是先有「聊天介面」這個產品，然後才慢慢找到各種應用場景；但世界模型現在反過來，是先鎖定明確的應用場景——包括機器人控制、科學研究模擬、3D 資產（素材）生成——然後再來摸索介面與工具長什麼樣。前 Meta 首席 AI 科學家 Yann LeCun 更直言，單靠擴大 LLM 規模來達到人類等級智慧「根本是無稽之談」，世界模型被部分研究者視為突破 LLM 天花板的潛在路徑。
假設我是機器人工程師，需要讓機器手臂學會「把雞蛋從籃子裡取出、放進紙盒」這個動作。用 LLM 方式，我只能給機器人下文字指令，但它沒有辦法真正「理解」抓取時需要施多大力、雞蛋在移動過程中會怎麼晃動。有了世界模型，我可以先在電腦裡建一個模擬環境，讓 AI 在虛擬空間裡不斷練習抓取——AI 從模擬中學到蛋殼易碎、需要輕拿輕放、以及手指閉合角度等物理直覺——再把學到的策略移植到真實機器手臂上。舊做法（純用真實機器人試錯）光是摔破的蛋就幾百顆，世界模型讓大量練習在虛擬環境裡完成，省下大量時間與成本。
知名駭客 George Hotz（comma.ai 與 tinygrad 的創辦人，以破解 iPhone 和 PS3 而聞名）在部落格發文，從工程師的實戰角度把兩件事分開來看：LLM（就是 ChatGPT 這類會對話的 AI）作為工具確實好用，但前沿 AI 實驗室（如 OpenAI、Anthropic）的公司估值卻充滿泡沫。討論中指出，目前前沿模型月費約 20 到 200 美元，但要讓目前的天價估值說得通，使用者必須接受每月 1000 到 10000 美元的 token（就是 AI 按字數收費的計費單位）費用，這幾乎不可能發生，因為開源模型（就是原始碼對外公開、任何人都能免費下載使用的 AI 模型）隨時可以用便宜 10 到 100 倍的成本做到差不多的事。他引用 Linux 之父 Linus Torvalds 的觀察指出：編譯器（把工程師寫的程式碼翻譯成電腦能執行格式的工具）當年帶來了 1000 倍的效率飛躍，但現在的 AI agent（讓 AI 自動完成多步驟任務的系統）頂多帶來 10 倍提升，市場給的估值溢價卻遠超這個比例。他也警告，不求甚解就用 AI 生成的程式碼，會累積難以察覺的技術債（就是圖省事留下的爛底子，以後會愈來愈難維護）。
假設你是統計師，需要寫程式分析大量數據，但程式能力有限，以前只能用蹩腳的方式硬寫，很多複雜分析根本做不到。現在用 LLM 的做法是：把你的需求用白話描述給 AI，請它幫你寫分析程式碼，自己再看懂大致邏輯後執行。HN 社群用戶 CrazyStat 分享親身案例：他多次發現 AI 給的程式碼跑得很慢，便請 AI 解釋為何慢、再逐步優化，最終擠出了超過 1000 倍（三個數量級）的執行速度提升。對比舊做法，他根本沒有能力自己找出效能瓶頸；有了 AI 當橋梁，他能做到過去完全封閉的分析，差距非常具體。另一個例子是 Hotz 自己：他在個人電腦上部署開源模型 GLM-5.2 搭配 OpenCode agents（讓 AI 自動操作終端機的工具），完成本地部署後，便能直接以語音指令「用我的設定安裝 tmux」讓 AI 自動完成配置，大幅降低環境設定的摩擦。
Vibe-Trading 是香港大學數據科學研究組於 2026 年 4 月推出的免費開源 AI 交易研究框架（「開源」是指程式碼完全公開，任何人都能免費使用和修改）。它的設計理念是：你只需要用日常語言問一個問題——例如「A 股動能因子最近還有效嗎？」——系統就會自動抓取市場數據、生成交易策略代碼、執行回測（回測就是用過去的歷史股價數據，模擬這個策略如果在當時執行會賺錢還是虧錢），最後輸出含圖表的研究報告，全程不需要自己寫任何程式碼。框架內建超過 460 個量化因子（因子就是用來判斷股票買賣時機的數學指標，例如近期漲幅、本益比、成交量變化等），並支援 A 股、港股、美股、印度股市與加密貨幣等 19 個免費資料來源，以及 13 家以上的 AI 語言模型服務（包括 OpenAI、DeepSeek、Gemini、通義千問等），可依個人喜好自由切換。專案上線三個月就在 GitHub（全球最大程式碼分享平臺）累積超過 2 萬個「星號」（星號代表其他開發者的認可與收藏），並登上全語言熱門排行第一名，顯示 AI 量化研究社群對此工具的高度興趣。
假設你是一位想研究「臺股或 A 股中，過去一個月漲最多的股票，接下來一個月是否還會繼續漲」的投資研究者，傳統做法你需要自己寫 Python 程式去抓資料、計算排名、建立買賣條件、跑回測模型，可能需要幾天甚至一週時間，還要懂程式語言才行。用 Vibe-Trading，你只需要在命令列輸入一行：vibe-trading run -p「分析 A 股動能因子在 2022 到 2025 年的有效性，以 CSI 300 指數為基準，輸出含夏普值和最大回撤的報告」，系統就會自動連接 mootdx 或 AKShare 這類免費 A 股資料源、從內建因子庫抓出動能相關指標、計算 IC 值（資訊係數，衡量這個因子預測能力強弱的指標）與夏普值（衡量風險調整後報酬的指標），最後產出含圖表的完整研究報告。和傳統方法的差異在於：傳統每換一個研究問題就要重寫程式，Vibe-Trading 讓你用說話的方式描述問題，由 AI 自動拆解任務並執行，大幅降低量化研究的技術門檻。
Mesh LLM 是由 iroh（一個點對點網路函式庫）團隊在 2026 年 7 月發布的開源工具，讓使用者可以把多臺電腦的 GPU（顯示卡，用來加速 AI 運算的硬體）和記憶體串連起來，共同執行大型 AI 語言模型（就是 ChatGPT 這類能對話、能生成文字的 AI），而不需要依賴雲端服務。軟體本體只有 18 MB，使用 MIT 授權（一種允許任何人免費使用、修改、散佈的開放授權），且對外提供與 OpenAI API（應用程式介面，讓開發者呼叫 AI 服務的橋樑）相容的介面，原本寫好的程式幾乎不需要修改就能接上。系統支援從小型的 0.5B 到超大型的 235B MoE（Mixture of Experts，一種讓 AI 每次只啟動部分子模型的架構，在參數量龐大時仍能維持相對低的計算量）共 40 餘個模型。底層使用 QUIC（一種快速且加密的網路傳輸協定）連線，可以穿透家用路由器的 NAT（網路位址轉換）限制，讓不同地點的電腦也能加入同一個叢集，且每個節點以加密身份識別，整個過程不需要中央伺服器。
我有兩臺各配備 GPU 的伺服器，想跑 Qwen 235B（一個超大型 AI 模型），但買雲端算力太貴，而且資料不能傳出境內。使用 Mesh LLM，系統會啟動「Skippy 管線」——把這個巨型模型按照層（layer，AI 模型的計算步驟）切成多個段落，分散到兩臺機器上各自負責一段。AI 每次處理一段文字時，只把「激活值」（每層計算的中間結果，資料量通常只有 KB 等級）傳給下一臺機器，而不是把整個幾十 GB 的模型權重搬來搬去。實測結果是兩個節點跑 Qwen 235B 達到 16 tok/s（每秒產生 16 個詞，大致上達到可正常對話的流暢速度）。對比舊做法，要嘛需要一臺配備超大 VRAM 的高端 GPU（採購成本極高），要嘛付雲端費用並把資料傳出去——Mesh LLM 讓分散的閒置硬體直接頂上。
布朗大學（Brown University，美國知名研究型大學）的經濟學教授 Roberto Serrano 在一門進階課程中發現異常：讓學生帶回家完成的期中考試，全班平均分高達 96%，遠超歷年正常水準 65～80%，甚至有 40 人拿到滿分。他把考題輸入 ChatGPT（OpenAI 開發的 AI 對話程式，就是一般人常用的那種 AI 助手），發現 AI 給出的答案和部分學生作答「幾乎一字不差」，連解題路徑都一樣——偏偏那是 ChatGPT 特有的迂迴數學推導方式，而非課堂強調的直覺解法。他隨後警告學生，並把期末考改為現場監考，結果平均分暴跌至 48.6%，創課程史上最低紀錄；19 人不及格，18 人提前退課，9 人直接缺考——這 27 位退課或缺考學生中，有 22 人期中都曾拿到滿分。同樣的趨勢在其他研究中也得到印證：中國一項追蹤逾 2.6 萬名中學生的研究發現，學生使用 AI 輔助做作業後，作業分數上升 18%，但監考考試分數反而下降 20%，且影響在兩年後才完整顯現；加州大學柏克萊分校的研究同樣顯示，ChatGPT 普及後，大量書面與程式作業的課程出現 A 等成績比例大幅攀升，但效果主要集中在沒有人監考的作業部分。
假設我是一位大學教授，發現某次帶回家考試的全班成績突然偏高。我可以把幾道考題直接輸入 ChatGPT，比對 AI 的解法與學生作答是否高度雷同——重點不只是看最終答案，而是看「解題路徑」：AI 傾向選擇步驟機械但數學推導繁複的方式，而人類學生通常會套用老師課堂上強調的更直觀方法。若多份作業的解題路徑都與 ChatGPT 一致，就有具體依據懷疑使用了 AI。舊做法只能憑語感或使用 AI 偵測器（市面上工具的誤判率普遍偏高，準確性不穩定），這個案例提供了一個更可靠的對照方式：安排一次現場監考，與帶回家考試的成績做比較——若落差超過 30 個百分點以上，這個「自然實驗」本身就能說明問題的規模，完全不需要任何技術偵測工具。
美國布朗大學（Brown University）經濟學教授羅貝託‧塞拉諾（Roberto Serrano）在一次帶回家作答的考試中發現異常：全班86人的平均分高達96%，而這門課歷史上的正常平均落在65%至80%之間。他把考題輸入ChatGPT（目前最廣為人知的AI對話工具），幾乎得到與學生作答完全相同的答案，甚至連許多學生選用的那套數學解法都一模一樣。為了確認，教授把期末考改為在場監考的現場考試，結果班級平均直墜至48.6%，創下這門課有史以來最低分；18人在考前退選，9人根本沒出現，19人直接當掉。這個現象並非個案：一項追蹤中國逾2萬6千名國中高中生長達30個月的研究發現，開始使用AI後半年，作業分數上升18%、花費時間縮短，但正式考試成績卻下滑20%；加州大學柏克萊分校（UC Berkeley）分析美國德州某大型研究型大學超過50萬筆成績紀錄，也發現ChatGPT推出後，倚重家庭作業的課程A等成績飆升16個百分點，但同樣的提升在有監考考試為主的課程中幾乎看不到。
假設你是一名高中老師，佈置了一篇500字作文或一組數學題回家完成。學生用ChatGPT（AI對話工具）生成答案、稍作修改後交卷，成績可能因此看起來很理想。但下一次換成課堂現場測驗，沒有任何工具可用，那些靠AI完成作業的學生便完全無從發揮——因為他們從未真正理解題目。布朗大學的案例就是這樣：帶回家考試平均96%，換成現場監考立刻跌到48.6%。這兩個數字之間的落差，就是「學生實際學到多少」與「AI幫他們展示了多少」之間的鴻溝。
這篇文章示範如何用 Claude Code（一種 AI 程式碼助手，可以幫你自動執行各種開發工作）來打造 Mac 和 iOS 應用程式的全自動發布流程，整個過程完全不需要打開 Xcode（蘋果官方的圖形化開發軟體）。作者的核心發現是：Xcode 雖然必須安裝，但它內建的命令列工具（如 xcodebuild、notarytool 等，都是可以在終端機視窗中直接輸入文字指令執行的程式）完全可以在不開啟圖形介面的情況下運作。只需做一次初始設定（包含在 Xcode 裡登入開發者帳號、建立簽署憑證），之後所有的建置、程式碼簽名（Software Signing，證明這個程式是你寫的）、Apple 公証（Notarization，蘋果掃描你的 App 確認無惡意程式）、安裝步驟都可以透過一個自動化腳本（release.sh，就是一個把所有指令串在一起執行的文字檔）一鍵完成。Claude Code 會讀取一份名為 CLAUDE.md 的說明文件來學習專案的建置規則，之後每次只要用一句話告訴它「發布新版本」，它就能自動執行整個流程，開發者完全不需要手動操作或重複解釋步驟。
假設我想發布一個 Mac 選單列小工具的新版本。舊做法需要打開 Xcode，手動執行 Product → Archive，然後在 Organizer 視窗裡上傳到 Apple 公証，整個過程依賴圖形介面操作。換用這套 AI 驅動的方法後：先花一到兩小時讓 Claude Code 建立 release.sh 腳本和 CLAUDE.md 說明文件（這個前置作業只需要做一次，之後新的 App 直接複製同一套設定），往後每次發布只要在 Claude Code 聊天視窗輸入「幫我發布新版本」，它就會自動在終端機依序執行：用 xcodegen 產生最新專案檔 → 用 xcodebuild 打包 → 用 Developer ID 憑證簽名 → 用 notarytool 上傳 Apple 掃描並等待核準 → 用 stapler 將核准票券附加到 App → 複製到 /Applications 安裝。若任何步驟失敗，腳本立刻停止並明確指出哪一步出錯，不會繼續執行下去。最終結果是「發布新版本」從一個需要手動操作的流程，變成了一句話就能完成的全自動任務。
這是一個 GitHub 開源專案（在網路上公開分享程式碼、讓任何人都能免費使用的教學專案），教你把 Big Mouth Billy Bass——一款 1990 年代流行的搞笑禮品，外型是一條掛在木板上會動嘴唱歌的假魚——改裝成真正能對話的 AI 語音助理。整個系統跑在 Raspberry Pi 5（信用卡大小、約 80 美元的迷你電腦）上，使用 Strands Agents（AWS 推出的 AI Agent 框架，也就是讓 AI 能自動處理多步驟對話與任務的軟體工具）連接 Amazon Nova 2 Sonic（Amazon 雲端平臺 Bedrock 上的即時語音 AI 模型，能聽懂人聲並生成自然語音回應）。你對著魚說話，AI 幾乎立即回覆，魚嘴同步開合配合音訊節奏、頭轉向說話者、尾巴在強調時拍動。作者特別說明不需要任何機器人或焊接經驗，教學中的示範者第一次接觸樹莓派，照著指南在一個週末就完成了一條會對話的魚，總材料成本約 240 美元。
假設你想在辦公室放一個能隨時語音聊天、還有趣味實體反應的 AI 擺飾，舊做法是買智慧音箱（外觀無聊）或用手機 App（沒有實體感）。用這個專案的做法是：買一條約 30 美元的 Big Mouth Billy Bass，搭配 Raspberry Pi 5 及零件，照教學焊接馬達驅動板、在 AWS 設定一個只能呼叫 Nova Sonic 這一個 AI 模型的最小權限帳號，然後部署 billy_final.py 這支 Python 程式。程式啟動後會開啟雙向音訊串流，你說話，Nova Sonic 幾乎即時回應（一段 10 秒的回覆約 1 秒內送達），程式同時測量音訊播放中的音量大小來驅動魚嘴馬達——嘴巴動作精準對應正在播放的聲音，視覺上就像魚真的在說話。AI 的個性可以透過修改系統提示（就是給 AI 的角色設定文字）完全自訂，例如改成每句不超過 12 個字的幽默魚、或者你們團隊的每日站立會議主持人。
OpenClawMachines 是一套開源工具，讓你把自己的 Linux 伺服器變成可同時運行多個 AI Agent（就是能自主完成程式碼編寫等任務的 AI 機器人）的安全沙箱平臺。每個 AI Agent 都在一個叫做 Firecracker microVM（一種極輕量的虛擬機器，能在硬體層面隔離各個 Agent，讓它們互不幹擾也無法破壞主機）的獨立環境裡執行。平臺提供控制介面統一管理所有 Agent 的啟動、停止與備份，並透過 Cloudflare 網路層讓每臺虛擬機器都有獨立網址，且只有通過身份驗證才能連線。比起每個 Agent 都要付費的託管服務，這套做法只需租一臺裸機（bare-metal）伺服器，就能在上面同時跑幾十個硬體隔離的 Agent，費用是固定的一臺主機租金。此外它還內建 MCP（Model Context Protocol，讓 AI Agent 能安全呼叫外部工具的標準介面）整合，支援 GitHub、Google Workspace 等服務，以及瀏覽器自動化（讓 Agent 操控真實 Chromium 瀏覽器完成網頁任務）功能。整個核心採用 Apache 2.0 授權開放原始碼。
假設你的公司有 20 個開發者，每人都想有一個 AI 程式碼 Agent 隨時待命。若用 KiloClaw 這類按 Agent 計費的託管服務，費用會隨 Agent 數量線性增加。改用 OpenClawMachines：先租一臺 OVHcloud 或 Hetzner 的裸機伺服器（約每月固定費用），用安裝腳本把它加入控制平臺，之後每位開發者需要 Agent 時，平臺就在這臺伺服器上啟動一個 Firecracker microVM 給他專用，Agent 在裡面執行任意程式碼也不會影響其他人的環境。20 個 Agent 的費用仍然只有一臺伺服器的固定租金，不會因為人數增加而暴增。
Apple 在 iOS/macOS 26 推出了全新的語音辨識介面（API，就是讓開發者呼叫系統功能的接口）叫做 SpeechAnalyzer，用來取代舊版的 SFSpeechRecognizer。一家名叫 Inscribe 的公司做了實測比較，結果顯示 SpeechAnalyzer 的辨識準確度超越了 OpenAI 的 Whisper Small（一個約 460MB、廣受開發者採用的知名語音轉文字 AI 模型），而且速度快了約 3 倍，完全在裝置本機執行、不需要上傳音訊到雲端伺服器。評測使用的是語音辨識領域常用的 LibriSpeech 標準測試集，以「字詞錯誤率」（WER，也就是每 100 個字裡有幾個字辨識錯誤，越低越好）衡量準確度：SpeechAnalyzer 拿到 2.12%，Whisper Small 是 3.74%，而舊版 SFSpeechRecognizer 則高達 9.02%，準確度最差。Whisper 的優勢在於支援超過 100 種語言，而 Apple 同時推出的另一個 API——SpeechTranscriber 目前只支援約 30 種語言，且這些 API 僅限蘋果裝置上的 iOS/macOS 26 以上系統才能使用。
假設你在開發一款 iPhone 或 Mac 應用，需要把用戶的錄音自動轉成文字。過去若想達到較好的辨識效果，你可能會在 app 裡內建 Whisper Small，光這個模型就佔了約 460MB 的安裝空間。現在升級到 iOS/macOS 26 後，你可以直接呼叫系統內建的 SpeechAnalyzer API——而且在 LibriSpeech 標準測試的乾淨語音情境下，辨識準確度比 Whisper Small 更好，轉寫速度還快了約 3 倍。音訊也全程留在用戶本機，不會上傳到任何伺服器，對注重資料隱私的應用特別適合。
Clawk 是一個開源工具，讓 AI 程式代理（就是能自動幫你寫程式、執行指令的 AI 助手，例如 Claude Code、Codex）在一臺「用完即丟」的 Linux 虛擬機（一種在你電腦裡模擬出的獨立電腦環境）裡執行，而不是直接在你的電腦上跑。目前許多人使用 AI 代理時面臨兩難：要嘛每隔幾秒跳出確認提示讓你批准每個指令，要嘛乾脆跳過所有安全確認、讓 AI 自由操作你的電腦，但這樣有資料外洩或誤刪重要檔案的風險。Clawk 提供第三條路：它啟動一臺完全隔離的虛擬機，AI 代理在這臺「客用機器」裡可以任意安裝套件、執行程式碼、開啟伺服器，但你的真實檔案、SSH 金鑰（登入伺服器用的密碼憑證）和系統環境完全不受影響。網路部分也有管控，預設只允許連線到白名單裡的網址（npm、PyPI、GitHub、Anthropic 等常用服務已預先放行），AI 嘗試連到未知網站時會直接被擋下並記錄。就算 AI 把虛擬機搞壞了，一個指令就能刪掉舊的、立刻建一臺全新的，程式碼和對話紀錄都完好保留在你的電腦上。
假設我想讓 Claude Code 幫我在一個 Node.js 專案裡自動裝套件、執行測試，並且修 bug，但又不想讓 AI 有機會碰到我電腦上的其他資料夾或 SSH 金鑰。以前我要嘛一直點「允許」確認每個步驟，要嘛冒著風險跳過確認。用 Clawk 的話，我只要 cd 進專案目錄，輸入 clawk，它就會幫我啟動一臺虛擬機並自動把 Claude Code 接進去，AI 在裡面可以隨意 npm install、跑測試、甚至開啟開發伺服器，完全不需要我逐一批准。如果我想看到 AI 啟動的 web 伺服器，只要執行 clawk forward add 我的專案 3000，就能在 localhost:3000 預覽。AI 想連到未在白名單上的網站會直接失敗，我事後還可以用 clawk network denials 查看 AI 到底試圖連過哪些地方。整個虛擬機用完就可以 clawk destroy 刪掉，跟以前相比，整個開發過程裡我完全不用擔心 AI 誤改了系統設定或把密鑰洩漏出去。
AnySearch 是一款由中國團隊開發、專門設計給 AI Agent（就是能自動執行任務的人工智慧程式）使用的搜尋工具，最近登上全球開發者社群 Product Hunt 的週榜第一名。它與一般 AI 搜尋的最大差異在於：目標使用者不是人類，而是 AI Agent 本身。傳統搜尋工具會把網頁連結、標題和摘要一股腦丟給 Agent，但 Agent 閱讀這些內容會消耗大量 Token（就是 AI 處理文字時的計算資源，Token 越多費用越高），廣告、重複轉載、過時內容更會讓 Agent 做出錯誤判斷。AnySearch 的做法是在把資料交給 Agent 之前，先透過意圖識別自動選擇最合適的資料來源——它整合了代碼庫、法律、學術、金融、企業商業等 20 多個垂直領域的專屬資料庫，再用去重排序與內容清洗，只把最新、最精準的結構化（格式整齊、可直接使用的）資訊交給 AI，減少 Token 浪費並提升準確率。在一項由 300 道問題組成的基準測試中，AnySearch 以 76.4% 的綜合準確率超越 Parallel 和 Brave Search 等競品，回應延遲也是三者最低。開發者可透過 API、MCP 或 Skill 三種方式接入，註冊後每天有 1000 次免費搜尋額度。
假設你在用 AI Agent 幫你蒐集美股即時資訊來輔助量化交易決策。用一般搜尋工具時，Agent 往往搜到幾週前的舊新聞或大量重複轉載的文章，導致 AI 判斷失誤、交易系統不穩定。換成 AnySearch 之後，它會自動辨識「這是金融資訊需求」，優先從金融資料庫拉取最新資料，並去除廣告和重複內容，直接以整理好的結構化格式交給 Agent，讓 Agent 不需要再自行花費大量 Token 篩選和理解原始網頁。另一個例子是企業盡調（調查一家公司背景），AnySearch 能抓取工商數據庫、投訴平臺、專利庫等本土公示資訊，而 Exa 等海外搜尋工具往往對這類國內平臺一無所知，關鍵風險欄位直接空白。換句話說，AnySearch 的價值在於讓 Agent 在開始推理之前就拿到乾淨、即時、可信的資料，從源頭減少 AI 出錯的機率。
浪潮信息（中國知名AI伺服器廠商）在2026開放計算大會上發布多項針對AI Agent（AI代理，一種能自主拆解任務、呼叫工具、反覆執行的AI程式，例如自動客服或自動分析報告的系統）時代的基礎設施新品。第一項是業界首款CPU原生液冷整機櫃伺服器，單一機櫃最多可塞入384顆處理器，支撐4萬個以上Agent同時協同運行，規模是今年4月前一代方案的40倍。第二項是多模融合超節點（元腦SD200超節點AI服務器企業版），並同步在元腦企智EPAI平臺上線多模融合API，做法是把同一個問題同時丟給多個不同的大型語言模型（就是像ChatGPT這類會對話的AI）各自回答，再由一個「評審模型」比較各家答案的共識與分歧，最終整合成一個統一的輸出，在DRACO評測（一個衡量AI解題能力的標準測試）中取得53.9%的成績，優於候選池裡任何單一模型。此外，元腦SD200超節點企業版也同步發布，萬億參數大模型（規模超過一兆個參數、運算量極龐大的AI模型）的首個Token（AI吐出文字時最小的輸出單位）生成延遲降低40%以上。這些更新背後的關鍵訊號是：AI基礎設施的競爭重心，正從「單一模型推理有多快」轉移到「CPU、GPU、軟體平臺三者能不能協同支撐大規模Agent穩定運作」。
假設一家大型企業想同時跑1萬個AI Agent分頭處理客服、財報分析、合約審查等任務，過去的伺服器架構一臺頂多能跑一千個（浪潮今年4月發布的企千蝦方案即以單臺2U伺服器部署1000個OpenClaw為基準），數量一多就不夠用；改用浪潮這款CPU原生液冷整機櫃，單櫃就能支撐4萬個Agent協同上線，而且散熱採用冷板液冷設計，所有發熱零件（CPU、記憶體、網卡等）均透過一整塊冷板統一散熱，不需要風扇與大量線材，機櫃內部空間更緊湊，服務器可以熱插拔維護、業務不中斷。如果企業還想讓AI回答更準確，可以呼叫多模融合API：丟一個複雜的任務（如法律合約分析）進去，系統自動同時讓多個不同的大型語言模型各自回答，再由評審模型比較各家答案的共識與分歧，最終整合成一個統一的輸出，其準確度在DRACO測試中優於任何單一模型，企業不需工程師手動比較多個模型的輸出結果。
隨著 AI 的能力越來越強，它不再只是回答問題，還能主動使用工具、執行程式碼，這讓安全風險也跟著大幅增加。中國工信部旗下的 NVDB 平臺近期發出警告，指出 Claude Code（Anthropic 公司開發的 AI 程式設計助手）存在安全後門隱患，可能在使用者不知情的情況下收集敏感資訊；另一個知名 AI 智能體產品 OpenClaw 也屢屢被發現高危漏洞。面對這種「AI 動手越來越多」的新風險型態，光靠事後打補丁已經不夠用了。螞蟻集團（就是支付寶的母公司）安全團隊最近在 GitHub 上開源了兩套安全框架：SingGuard-NSFA 和 SingGuard。前者專門監控 AI 智能體（Agent，就是能自動規劃並執行一系列任務的 AI 程式）的「行為安全」，在 AI 動手之前就先攔截潛在危險操作；後者針對多模態大模型（就是能同時理解文字和圖片的 AI）的感知安全，支援不同業務場景即時下發各自的安全規則。兩套框架都強調可解釋性（每一條判斷都有理有據，不是黑箱）以及可擴充性（遇到新型風險只需輕量更新，不影響現有防護）。
假設一間金融公司部署了 AI 客服智能體，這個智能體有權限查詢用戶帳戶資料並發送通知郵件。傳統安全做法只審查 AI 說了什麼話，但惡意的「提示注入」攻擊（就是攻擊者把指令藏在看似正常的用戶輸入裡，誘騙 AI 執行惡意操作，例如把用戶資料寄到駭客信箱）能讓 AI 在回覆正常的同時，偷偷做了壞事。接入 SingGuard-NSFA 後，每一次 AI 準備執行動作（例如「發送郵件到某個地址」）之前，框架都會先過一道安全分類——這個動作是否違反機密性、完整性或可用性規則。若偵測到異常（例如目標郵件地址不在白名單內），系統在 45 到 57 毫秒內就能攔截，遠快於人工審核。相較於舊做法只能事後分析 log、找到漏洞再打補丁，這套框架把防線推進到「行動前」，能阻止尚未發生的損害。
HAMi 是一個讓多個 AI 程式共享同一張 GPU（顯示卡，AI 訓練最核心的昂貴硬體）的開源軟體工具，由中國公司範式智能（Parasail）發起，並貢獻給國際社群。CNCF（雲端原生計算基金會，負責管理 Kubernetes 等重要雲端基礎設施開源專案的國際組織）日前正式發布招商銀行採用 HAMi 建設 AI 算力調度平臺的案例研究，該案例也是 HAMi 從「沙盒」等級晉升至「孵化」等級後，首個獲得 CNCF 官方認證的標竿項目。根據招商銀行的實際運行數據，導入 HAMi 之後，GPU 硬體池的使用率提升至接近 100%，AI 分散式訓練（將一個大型 AI 模型的訓練工作拆給很多臺機器同時進行）需要跨機器調度的比例降低了 30%。HAMi 目前已被招商銀行、蔚來汽車、貝殼找房、順豐科技等逾 300 家企業部署使用，覆蓋金融、物流、教育、汽車等多個行業，並延伸至東南亞和歐洲市場。今年 HAMi 還登上 KubeCon 歐洲場主論壇 Keynote，被視為近年唯一獲此席位的中國開源專案。
假設一家公司有 20 張 GPU，每天有數十個 AI 訓練任務在排隊。傳統做法是把整張 GPU 分配給單一任務，若該任務只用了部分算力，剩下的算力就白白閒置；一旦多個大型任務同時到來，又必須等待排隊，造成「算力孤島」。導入 HAMi 之後，系統可以更靈活地共享 GPU 算力，顯著提升整體利用率。此外，招商銀行平臺的「拓撲優化」機制有助於降低分散式訓練所需的跨機器調度次數，實際數據顯示此類跨機調度比例下降了 30%，訓練時間縮短。相較於買更多 GPU，這套方式讓企業節省最高達 80% 的硬體採購成本，等於用同樣的 GPU 做了多倍的事。
知識蒸餾（Knowledge Distillation，簡稱 KD）是一種讓小型 AI 模型「向大型模型學習」的訓練技術，就像讓學生看老師的考卷解題思路，而不只是背答案。2015 年 Hinton（深度學習三巨頭之一）提出的原始方法很直觀：讓大模型（老師）對每張圖片輸出一組機率分佈，再訓練小模型（學生）去模仿這組機率。整個流程乾淨俐落，假設條件固定：輸入資料種類有限、輸出類別封閉，一切都在可控範圍內。但語言模型（LLM，就是 ChatGPT 這類能對話、寫文章的 AI）的出現，把這套框架的每一個前提都打破了——輸入可以是任意文字，輸出是開放的自然語言，沒有固定的「類別清單」可以對應。這篇文章回顧了蒸餾技術在 LLM 時代如何演化，核心轉變是從「壓縮」（把大模型做小）變成「能力轉移」（讓小模型真的會做難事）。這個轉變歷經約五年，分三個明顯階段推進，每個階段在當時看起來只是工程小改進，回頭看卻是觀念上的重大轉移。
假設我要部署一個能回答客服問題的 AI，但預算只夠跑小型模型。傳統蒸餾（圖片分類時代）無法直接套用，因為客服問題的輸入千變萬化、答案也沒有固定類別。LLM 時代的新蒸餾方法改變了思路：先讓 GPT-4 這類大模型大量示範「如何回答複雜問題」，再把這些示範當訓練資料，讓小模型（例如只有大模型十分之一大小）學會同樣的推理步驟與表達風格。結果：小模型在客服場景的回答品質大幅提升，接近大模型水準，卻只需要一小部分的算力成本——這就是從「縮小模型」到「傳遞能力」的實際差異。
SkillOpt-Lite 是來自 LMMS-Lab、新加坡南洋理工大學 MMLab 和微軟研究團隊共同發表的論文，主題是讓 AI 代理人（agent，就是能自主規劃並完成任務的 AI 程式）學會自己改善技能的一套新方法。過去要讓 AI 代理人「自我進化」，需要設計非常複雜的演算法架構，例如特製的記憶模組、特殊評分機制等，工程量龐大且難以維護。SkillOpt-Lite 的核心思路截然不同：它把 AI 每次嘗試任務留下的操作記錄（稱為「軌跡」）直接存成普通的純文字檔案，接著用簡單的程式工具比對這些紀錄、找出哪些做法在多次成功中反覆出現（這個步驟稱為「共識挖掘」），再經由驗證關卡篩選出品質合格的技能並存入技能庫。論文實驗結果顯示，這個極簡設計在多個測試基準上的表現都超越了結構複雜的對比方法，而且讓 AI 學到一定水準所需的時間（即收斂速度）也更快。
假設我要訓練一個 AI 代理人自動完成「幫使用者在試算表裡整理資料」的任務。傳統做法需要工程師設計複雜的記憶模組和評分演算法來記錄 AI 每次嘗試、計算哪些步驟有效，開發成本很高。用 SkillOpt-Lite，系統只需把 AI 的每次嘗試過程存成一個普通的文字檔；跑了許多次之後，用簡單的程式工具比對所有嘗試，找出哪些步驟在大多數成功案例中都重複出現，把這些步驟整理成一條「技能」並驗證它真的有效，最後把這條技能存回技能庫。下次 AI 面對類似的試算表整理任務，直接調用已驗證的技能，不用從頭摸索。相較舊做法，這種方法大幅降低了對複雜記憶模組或特製評分邏輯的依賴，主要靠普通文字檔加簡單程式工具就能達到更好、更快的結果。
Gradium 是一家 2025 年 9 月成立的法國 AI 新創公司，由 Kyutai（法國知名 AI 研究機構）的核心研究員創辦，專注於打造「超低延遲即時語音 AI」的基礎設施——也就是讓 AI 聽話、說話、翻譯都能幾乎零等待地完成，適合用來開發語音客服、AI 語音助理等應用。公司最新宣佈將種子輪融資規模擴大到 1 億美元，新加入的投資人包括 NVIDIA（全球最大 AI 晶片廠商），並計畫在美國舊金山灣區設立新辦公室。Gradium 目前已推出完整的語音 AI 開發工具套件：即時語音轉文字（STT，讓 AI 聽懂說話內容）、文字轉語音（TTS，讓 AI 開口說話）、多語言即時翻譯服務 Gradium Translate（支援英法德西葡五種語言，延遲表現據稱優於 GPT Realtime 和 Gemini Live），以及可在本地裝置上執行的輕量語音合成模型 Phonon，不需要把資料傳到雲端。最值得注意的新技術是「語意換手偵測（Semantic VAD）」——傳統系統靠偵測「停頓/沉默」來判斷使用者是否說完話，Gradium 的系統改成讓 AI 讀懂語意，確認使用者真正表達完整意思才換手回應，避免 AI 在人還沒說完就打斷對話。此外，他們也推出開源框架 GradBot（以 Rust 撰寫，Rust 是一種以執行速度快、記憶體安全著稱的程式語言），讓開發者約 50 行程式碼就能搭建具備換手、打斷、沉默偵測等完整功能的語音 Agent（AI 語音助理）。
假設我要做一個即時電話客服 AI，希望當客戶打電話進來，AI 能自然地聽懂問題、不在客戶還沒說完時就搶話、再用接近真人的語氣回答。傳統做法要自己串接多個廠商的 API：Google 的語音辨識 + OpenAI 的語言模型 + ElevenLabs 的語音合成，光是整合就花大量時間，而且各家服務的延遲加總起來讓對話很不順暢，停頓偵測也常誤判、把客戶一個思考停頓當成「說完了」就打斷他。改用 GradBot 的話，只需在 Python 裡約 50 行程式碼就能把 Gradium 自家的 STT、LLM 串接、TTS 全部整合進來，同時開啟 Semantic VAD，讓系統等客戶真正說完一個完整想法再換 AI 回應——結果是客服 AI 打斷次數明顯減少、對話感覺更像在跟真人講話，而且整個系統大幅簡化跨服務整合的複雜度。
OpenAI 發布了一份新的提示詞（Prompt，就是你輸入給 AI 的指令或問題）使用指南，對象是一般日常使用者，而非工程師或開發者。指南提出四個可選的組成要素：目標（你想達成什麼）、背景（相關情境資訊）、輸出格式（你想要什麼樣的呈現方式）、以及限制條件（不能做什麼）。這四項都是可選的，不需要全部填寫——一句簡短的問題有時就完全夠用，只有在處理比較大型或複雜的任務時，才建議補充更多說明。核心建議是：直接描述你想要的最終結果，而不是一步步告訴 AI 怎麼做；只有當「過程本身很重要」時，才需要詳細說明步驟。這份指南也是 OpenAI 首次將 ChatGPT 一般介面和 Codex（一套可以長時間自動執行程式和檔案操作的 AI 工具）整合在同一個框架下說明，反映兩者正在走向統一的產品體驗。
假設我要請 AI 幫我整理一份會議記錄，傳統作法可能會寫：「先讀我的文件，然後列出每個議題，再逐一歸納決議，最後整理行動事項，並確認每個行動項目有負責人。」但根據這份指南的建議，只需要這樣寫：「幫我整理會議摘要，包含各議題決議與負責人，格式簡潔，會議中確認的日期和預算數字不可更動。」設定一兩條限制規則（不更動關鍵數字）比鉅細靡遺的步驟說明更有效，AI 有空間依情境自行判斷最佳輸出方式，最終結果通常更貼近需求。對比舊做法，舊的冗長步驟指令不但難寫，還容易讓 AI 死板地按步驟執行而忽略整體目標；新方法更輕鬆，產出品質也往往更好。
超過200位經濟學家與AI研究者，包含16位諾貝爾獎得主，以及Google的Jeff Dean、Anthropic共同創辦人Jack Clark、OpenAI的Noam Brown等人，聯合發表聲明「We Must Act Now（我們必須立即行動）」，由史丹佛大學數位經濟實驗室協調發布。聲明核心論點是：AI（人工智慧）的能力在未來十年內可能急速提升，引發的經濟轉型可能比工業革命（18至19世紀以機器取代人力的歷史大轉變）規模更大，但發生速度卻快得多，留給社會準備的時間非常有限。聲明明確警告「大規模失業風險」，但全程使用「可能」「或許」等條件語言，並未提出具體政策措施或時程規劃。值得注意的是，這份聲明發布的同一週，OpenAI執行長Sam Altman公開表示AI目前仍是「淨就業創造者」，Anthropic執行長Dario Amodei也認為AI更像生產力倍增工具而非取代就業的殺手。目前學術研究同樣尚未發現AI對整體勞動市場造成顯著影響，美聯儲（美國中央銀行）的研究雖發現程式設計師職位成長速度自ChatGPT推出後幾乎減半，但研究者也特別提醒不應直接解讀為就業損失的數字。
假設你是一家中型科技公司的人資主管，想評估五年後哪些職位會受AI影響、現在該不該開始培訓員工轉型。這份聲明本身並未提出具體政策或配套數據，而是由頂尖學者背書「這件事值得擔心、現在就該開始思考」。它的實際用途是提供決策的社會共識依據：你可以引用這份由200位學者背書的聲明，說服公司高層現在開始規劃AI人才轉型計畫並非過度緊張，而是與全球頂尖學術界同步的前瞻佈局。相較之下，如果你只看目前的勞動市場數據（尚無顯著AI就業衝擊），可能會認為現在行動太早；這份聲明的作用就是提供「早行動比晚行動代價小」的學術背書。
微軟執行長薩蒂亞·納德拉（Satya Nadella）公開點名批評 OpenAI 和 Anthropic，指責兩家 AI 大廠存在嚴重的「雙重標準」矛盾。他們一方面以「合理使用」（Fair Use，著作權法中允許在特定條件下使用他人資料而不需付費的規定）為由，大量爬取網路公開資料來訓練自家 AI；另一方面卻在服務條款中明令禁止「知識蒸餾」（Distillation，一種讓小型 AI 模型直接學習大型 AI 模型輸出結果的技術，讓小模型獲得接近大模型的能力），這項禁令主要針對中國 AI 公司。更值得注意的是，這些公司還透過蒐集企業用戶的互動記錄、修正回饋、評分資料等「使用廢氣」（exhaust data），持續汲取客戶的內部專業知識、強化自家模型。納德拉將此稱為「逆向資訊悖論」（reverse information paradox）——企業為了使用 AI 服務，不只支付金錢，還在每次使用過程中把自家的獨家商業知識免費貢獻給了 AI 廠商，讓廠商有能力開發出更好的產品，甚至可能直接與客戶競爭。他認為這使得經濟利益高度集中在掌握基礎設施的業者手中，而非真正產出這些知識的企業，並建議企業應掌控自己的「學習迴圈」（learning loop，即 AI 從自家資料持續學習改進的流程）——而巧合的是，微軟恰好有這樣的雲端基礎建設服務可以提供。
假設我是一家法律事務所，每天讓員工用 OpenAI 等 AI 服務處理「合約審查要注意哪些條款」「這份訴狀的論點是否有漏洞」等問題。員工每次對 AI 回答的修正、補充、評分，都會被 AI 服務商（如 OpenAI、Anthropic 等）蒐集，讓它們的模型逐漸更懂法律實務細節。幾年後，這些 AI 服務商可能推出與該事務所客戶直接競爭的產品——而其技術優勢，有一部分就來自這家事務所多年來貢獻的專業互動資料。若改成在微軟自建的 Azure 環境部署 AI，互動資料全留在自家伺服器，模型只為自己的業務持續改善，AI 服務商就無從取得這些珍貴的實務知識。這就是納德拉所說的「你在消費 AI 智慧的同時，其實也在創造 AI 智慧」——差別在於這個智慧是留在自己手上，還是免費送給了服務供應商。
Soofi S 30B-A3B 是由德國多個研究機構與企業組成的聯合體所推出的開源語言模型（就是一種可以理解和生成文字的 AI 系統，類似 ChatGPT 但程式碼完全公開）。它採用「混合專家架構」（MoE，意思是模型裡有許多專業子模組，每次只啟動其中一小部分），雖然整體有 316 億個參數（可以想成模型裡的「神經元」數量），但每次生成文字時只用到約 32 億個，計算量接近小型模型，卻能達到大型模型的效果。訓練時特別提高德語資料的比重——在第二階段訓練中德語佔 15.3%，遠超一般食譜的 5% 非英語總比例——使它在德語和英語的各項基準測試（評量 AI 能力的標準化考題）中，都超越其他所有完全開源的競爭者，包括更大的 Apertus 70B 和 OLMo 3 32B。長文本處理也是亮點：在同時處理 32 個請求、每個請求長達 4 萬個 token（約 3 萬個英文字）的情況下，吞吐量（每秒產出的文字量）是同級一般模型的 8 倍，且效能幾乎不隨文本長度增加而下降。聯合體完整公開了模型權重、訓練程式碼與資料清單，符合開源 AI 定義 1.0 標準；目前正在尋找產業夥伴，針對技術文件、程式碼生成及代理應用進行下一階段測試。
假設你的公司有大量德語合約或技術說明書需要 AI 輔助處理，且因為資料敏感、希望整個系統部署在歐洲境內伺服器，不把資料送到美國的雲端服務。過去的選擇往往是：用 GPT-4 或 Llama 這類以英語為主的模型，德語理解能力有限；或者採用較小的德語專屬模型，效果不夠好。現在可以直接下載 Soofi S 的開源模型權重，架設在自己的伺服器上，讓它讀取幾萬字的德語法律文件進行摘要、問答或分類。由於採用混合架構，處理長篇文件時速度不會像傳統模型那樣越來越慢；在德語和英語的編程測試（HumanEval 73.8 分）與德語知識測試（INCLUDE-DE 61.2 分）上，表現均領先同類開源模型。對於需要兼顧德英雙語、又重視資料不出境的企業來說，這個方案比以往可用的開源選項更實用。
研究公司 Pangram 在 2026 年 4 月至 6 月間，用他們的瀏覽器擴充工具掃描了超過 100 萬篇社群媒體貼文，結果發現：每 4 篇超過 250 字的長文中，就有 1 篇完全是由 AI（就是 ChatGPT 這類會自動寫文章的人工智慧工具）生成的。LinkedIn（一個主要用於職場社交和分享商業見解的平臺）是 AI 生成內容比例最高的平臺，41% 的長文被判定為 AI 撰寫；雖然 LinkedIn 只佔掃描總貼文的三分之一，卻貢獻了全部偵測到的 AI 內容中將近三分之二。X（前身為 Twitter）的長文 AI 比例接近 50%；Substack（電子報訂閱平臺）最低，只有約 10%；Reddit 的討論回覆有 98% 是真人撰寫，但獨立貼文的 AI 比例明顯更高。Pangram 說他們的偵測模型（Pangram 3）把人寫的文章誤判成 AI 的機率只有 0.01%，而且因為模型辨識人類文章比辨識 AI 文章更準，實際上的 AI 內容比例可能還更高；LinkedIn 本身似乎已感受到壓力，開始著手打擊 AI 生成貼文。
假設你是一位職場工作者，平常在 LinkedIn 上瀏覽商業領導人分享的「10 個創業心得」或「我在 Google 工作 5 年學到的事」這類長文。根據這份研究，你看到的這類長文裡，有 41% 其實是用 AI 直接生成的，背後並非真人的親身經歷或深度思考。舊做法是你信任這些貼文來自真實經驗；現在這份數據讓你知道，LinkedIn 長文的可信度需要打折扣，因為 41% 的長文都是由機器生成、非真人撰寫。相較之下，如果你想找真實的人類討論，Reddit 的回覆區有 98% 是真人寫的，可信度更高。
Thinking Machines 是一家菲律賓 AI 公司，他們在最新部落格文章中提出一個核心主張：AI（人工智慧）的未來應該由「每一個使用它的人和組織」來塑造，而不是由少數幾家大型科技公司決定全世界的 AI 長什麼樣、有什麼價值觀。他們認為現在大多數 AI 都是在少數地方訓練好然後「凍結」，沒辦法真正反映各地組織或個人的獨特知識和價值觀——就像一個只在美國長大的人，很難真正理解菲律賓鄉村的日常智慧和需求。為瞭解決這個問題，他們的技術方向涵蓋三件事：一是讓模型可被客製化，讓組織能用自己的資料去微調（fine-tune，也就是調整 AI 的核心記憶和判斷邏輯參數）模型，而不只是靠文字提示去改變 AI 的表面行為；二是開發更豐富的互動介面，讓人可以透過即時說話、手勢、即時回饋等多模態方式持續影響 AI 的行為，而不只是打一個文字問題等 AI 慢慢回應；三是推動「去中心化對齊」（decentralized alignment，意思是讓 AI 的價值觀由分散各地的組織和使用者自行決定，而非全由單一公司在某一個地方統一制定）。他們的長期願景是打造一個由許多不同 AI 共存的生態系，每個 AI 都被不同社群、組織、文化塑造成不同樣貌，透過競爭和交流共同進步，而不是全世界都被迫使用同一個由矽谷公司決定好價值觀的 AI。
假設一家菲律賓中型醫院想導入 AI 輔助醫師做臨床判斷——他們有獨特的在地醫療知識、病患語言習慣（混雜英語和他加祿語）、以及當地的醫療資源限制。若使用目前主流的大型集中式 AI，醫院只能靠文字提示（prompt，就是每次跟 AI 說「你是一個菲律賓醫院的助理…」）引導行為，但 AI 的底層知識和判斷邏輯仍是由 OpenAI 或其他美國公司在遠端訓練好的，無法真正貼近在地情境。Thinking Machines 提倡的做法是：讓這家醫院能直接用自己的病歷資料、醫師筆記、在地醫療指引去微調模型的權重（weights，可理解為 AI 記憶和判斷邏輯的底層設定），讓 AI 真正學會這間醫院的知識和慣例，而且隨著醫師持續使用和回饋，AI 也能持續更新調整。這樣得到的 AI 不只是「表面上會說菲律賓話的 ChatGPT」，而是真正理解當地醫療情境的客製化 AI，臨床輔助的準確性和適用性都更高；對比只用提示調整的做法，底層知識是在地的，不是硬套一個全球通用版本。
LangChain（一家主流 AI 開發工具公司）發布了 OpenWiki Brains 0.1.0，這是一套讓 AI 代理（agent，就是能自己執行任務的 AI 程式）擁有「主動記憶」的開源框架。過去 AI 代理的記憶大多是「被動的」——你告訴它什麼，它才記什麼；它不會主動去抓你工作環境裡的最新資訊。OpenWiki Brains 的不同之處在於，它會主動連接你的 Gmail、Notion、Twitter/X、Hacker News、Git 程式碼倉庫、網路搜尋等來源，把這些地方的相關內容整理成一份本地的「知識百科」（以 Markdown 純文字格式儲存在你電腦上）。接著，AI 代理每次工作前就能查閱這份百科，得到你的工作背景、研究主題、進行中的專案等資訊，而不需要你每次都手動貼入相同的說明。這套工具分兩個模式：「個人腦庫（Personal Brain）」處理跨工具的廣泛工作背景，「程式碼腦庫（Code Brain）」則專門針對程式碼倉庫（就是存放程式碼的資料夾）產生文件說明。系統還支援排程自動更新，讓百科內容保持最新。
假設你是一位研究員，每週都在追蹤多個 AI 論文主題、與不同廠商洽談合作、並在 Notion 記錄會議摘要。以往每次開啟新的 AI 代理對話，你都得手動貼入「目前進行中的專案有哪些、重點客戶是誰、最近在研究哪些主題」等背景資訊，才能讓 AI 給出有用的回覆。現在用 OpenWiki Brains，你只需設定一次連接器（Connector）——告訴它「去讀我的 Gmail 合作往來信件、Notion 的會議記錄、Twitter 書籤裡的 AI 論文連結」，並說明你希望它重點整理哪些類型的資訊。之後它會自動在背景排程執行，把這些來源的內容整合成一份本地 Markdown 百科。你的 AI 代理下次回答「幫我寫一封後續追蹤信給 A 廠商」時，便能自動查閱百科裡關於 A 廠商的往來記錄與你的研究興趣，給出有脈絡的草稿，而不是每次都從零開始。
這篇論文研究一個叫「行為狀態衰退」的問題：當 AI 代理人（Agent，就是能自主執行多步驟任務的 AI 程式）在處理很長、很複雜的工作時，之前發現的重要資訊、已嘗試過的方法、還沒完成的子目標，往往會被後來大量湧入的新內容「淹沒」，導致 AI 在關鍵決策時忘記了本來應該記得的事。研究者的解法是加入一個獨立的「記憶代理人」，它不直接做任務，而是全程監看任務進展，把重要狀態整理成結構化的記憶庫，並在判斷「行動代理人快要忘記某件關鍵事情」時，主動插入一條提醒，而不是每次都把整個記憶庫硬塞進去。這個模組設計成「即插即用」，不需要修改原本的行動 AI 模型就能使用。在兩個標準測試集（Terminal-Bench 2.0 和 τ²-Bench）上，這個方法讓任務完成率分別提升了 8.3 和 6.8 個百分點，而且不管原本的行動模型強弱都有效果。研究團隊也進一步用這套方法訓練了一個開源的記憶策略模型（基於 Qwen3.5-27B），讓這種記憶能力有望以開放權重的形式讓更多人使用。
假設我要用 AI 代理人自動完成一項軟體除錯任務：AI 要在 Linux 終端機裡執行指令、看錯誤訊息、反覆嘗試修法，整個過程可能要跑幾十甚至上百步。到了第 60 步，AI 可能早就忘了第 5 步發現的「這臺機器的 Python 版本是 3.8，某些語法不支援」這個關鍵事實，結果一直試著用 3.10 才有的語法，反覆失敗。用這篇論文的方法，旁邊會有一個記憶代理人默默記著「Python 版本限制」這條事實，並在 AI 快要犯同樣錯誤時主動提醒：「注意，這臺機器是 Python 3.8」。相較於過去每步都把所有記憶全部貼進去（會佔用大量 context window 空間、拖慢速度），或是完全不管（AI 自己忘了就算），這種「選擇性、主動提醒」的策略在基準測試中證明是最有效的。
GPT-5.6 Sol 是 OpenAI 目前最強大的旗艦模型（就是 ChatGPT 裡最頂規格的版本），原本對 Plus（個人付費版）、Business（企業版）和 Pro（高階方案）設有「五小時使用上限」，也就是每個五小時滾動視窗內只能用到一定量，超過就得被迫停工等待重置。由於過去 48 小時內需求暴增，OpenAI 產品負責人 Tibo 在 X（原 Twitter）上宣佈，暫時取消所有付費方案的五小時限制，讓用戶不再因為耗盡五小時額度就被強制中斷工作。OpenAI 同時進行一次性使用量重置，給所有用戶補回更多可用空間。此外，OpenAI 也正在優化 GPT-5.6 Sol 的效率，讓相同工作消耗更少的 token（就是 AI 處理和生成文字時計算用量的單位），同樣的額度以後可以做更多事，雖然目前並非完全無限制使用。
我平常用 ChatGPT Plus 方案密集使用 Codex 來寫程式，過去在長時間工作後常常撞上五小時限制，被迫停下來等重置，有時只能切換到其他替代服務。現在 OpenAI 暫時拿掉這道限制並重置額度，我可以不中斷地繼續用 GPT-5.6 Sol 完成手頭的編碼任務，不需要等待五小時過去或換工具，對當天需要長時間連續工作的用戶來說省去了不少麻煩。
Cursor正在開發一款通用AI代理，能自動回覆電子郵件與訊息、整理試算表、處理工程任務。
假設你是一位不寫程式的業務主管，每天要處理數十封客戶詢問郵件，還要把結果更新到 Excel 試算表，最後再整理成週報。過去你可能靠 ChatGPT 輔助，但還是得自己逐一把郵件內容複製進去問、再把答案貼回試算表，一步一步手動操作。如果 Sand 正式推出並開放使用，你可以把信箱和試算表直接連給它，然後說「把本週所有客戶詢問按產品類型整理成表格，並分別草擬一封回覆」，Sand 就會自動讀取郵件、分類整理、填入試算表欄位、寫好回信草稿——整套流程 AI 一手包辦，相比過去需要在多個工具間反覆切換、手動複製貼上，省去大量重複性操作。
Google Data Cloud 的 Frontier AI 團隊發表了一篇關於如何更嚴謹評估 AI 代理（agent，就是能自主執行任務的 AI 程式）的技術文章。他們指出，目前業界普遍用的「通過／失敗」式基準測試有個根本缺陷：測試通過了，你只知道 AI 在這個特定問法下答對了，卻完全不知道題目再模糊一點點它會不會整個崩潰。為瞭解決這個問題，他們設計了一套名為 Discovery Bench 的評測框架，核心技術叫 iSQR（迭代式驚奇度問題精煉，Iterative Surprisal-based Query Refinement）。這套方法借用了資訊理論（一種用數學衡量「資訊量多寡」的學科）裡的「驚奇度」（surprisal）概念——某個詞或片語愈罕見、愈能精準指向答案，驚奇度就愈高；把這類詞從問題裡抽掉，問題就變模糊。iSQR 會自動把同一道題生成「高模糊、中模糊、低模糊」三個版本，讓研究者看清楚 AI 在哪個模糊程度下開始出錯，而不只是回傳一個單一的分數。他們的實驗還意外發現，他們原本依賴的 KramaBench 公開基準裡有不少錯誤答案，這讓過去所有用這份資料集得到的結論都要重新審視。
假設我在測試一個 AI 代理能否從一個大型資料倉儲裡找到正確的衛星軌道資料表。現行做法是給 AI 一個固定問法：「請找出衛星 48445 在 2024 年使用 TLE 歷史資料的高度變化次數。」AI 答對了，評測報告寫「通過」。但 Google 的 iSQR 框架會自動生成高、中、低三種模糊程度的版本，例如把原始查詢中的關鍵詞「TLE」移除後，就變成高模糊版本，只剩「請找出衛星 48445 的高度資料」。實驗顯示，原本在標準問法拿到 F1 滿分（1.0）的 AI，在去掉「TLE」這個高辨識度詞彙後，F1 分數直接掉到 0，完全找不到正確的資料表。舊的單一版本評測會告訴你「這題 AI 解決了」，而 iSQR 揭露的是「AI 踩在一個懸崖邊緣，少一個詞就墜落」。對開發 AI 代理的工程師來說，這個差異直接告訴你哪裡要補強，而不是讓你誤以為問題已解決。
IBM Bob 是 IBM 今年推出的 AI 代理人（agent，一種能自主規劃並執行多步驟任務的 AI）軟體開發平臺，過去主要用於協助寫程式碼，現在大幅擴充，能夠管理整個「軟體開發生命週期」（SDLC，就是從需求分析、設計、撰寫程式、測試、部署到上線維運的完整流程）。這次更新的功能包括：多代理人能力（multi-agent workflows）、平行工具呼叫（parallel tool calling，Bob 可以同時派出多個子代理人分頭去執行不同任務，讓原本需要 30 秒的工作縮短到不到 10 秒）、內建成本與使用分析，以及針對 Java 現代化、IBM i 作業系統與 IBM Z 大型主機的三套專業化工作流程。脈絡視窗也從 20 萬擴大到 27 萬 token（token 是 AI 處理資訊的基本單位，視窗越大代表 AI 能記住越多上下文）。新版還推出「Bobalytics」能見度與成本優化工具，讓管理者看清楚 AI 工具的使用量與帶來的實際價值。此外，IBM 針對其主要企業客群推出三個專屬套件：協助企業把老舊 Java 程式升到新版本的「Java 現代化」套件，以及支援 IBM i 作業系統和 IBM Z 大型主機（mainframe，銀行、保險公司常用的超大型電腦）的專屬套件，Bob 可以閱讀和生成 COBOL、RPG 等傳統程式語言。
假設一家銀行的開發者想評估把老舊 Java 8 應用程式升級到 Java 21 的可行性。以前必須手動一步一步來：先看建置設定、再查相依套件版本、逐一找出不相容問題、閱讀錯誤日誌……每個步驟分開做，耗時可能半天到一天。用 IBM Bob 新版，開發者只要對 Bob 說「評估這個應用程式升級到 Java 21 的可行性」，Bob 會同時啟動多個子代理人分頭去讀建置設定檔、分析相依關係、找框架相容問題，各自完成後只把摘要回傳給主代理人——那些中間步驟的細節被丟棄，避免 AI 記憶體被佔滿。最終 Bob 整合出一份完整升級計畫，整個過程有稽核紀錄可查，主管在 Bobalytics 工具上也能看到團隊層級的使用模式與價值。對比舊做法，不但速度快上數倍，安全掃描與合規檢查也是在生成程式碼的同時就做了，而非事後補跑。
一份由科技媒體 VentureBeat 針對 101 家企業所做的調查顯示，有 57% 的企業曾親眼目睹 AI 代理（就是能自動執行任務、做決策的 AI 程式）給出「自信卻錯誤」的答案，而且這種錯誤的主要原因不是模型本身不夠聰明，而是 AI 缺乏足夠的「業務背景資訊」。舉例來說，AI 不知道公司內部最新的政策、客戶資料或產品規格，卻仍然大膽給出一個看起來很有把握的錯誤答案。調查同時發現，只有 25% 的企業已在實際運營環境中建立了「受管理的背景資料層」（agentic context layer，也就是一套讓 AI 能隨時查詢到正確、即時、有條理公司資料的基礎設施）。這意味著大多數企業目前的做法——不斷加入更多文件或升級更好的模型——並不足以解決問題，關鍵在於要給 AI 一個結構化、有人維護、隨時更新的企業知識庫。
假設一家電商公司讓 AI 代理負責回答客服問題，客戶詢問「這個商品還有折扣碼嗎？」。若 AI 沒有連接到最新的促銷資料庫，它可能根據舊資料自信地回答「有，用 SAVE10」，但實際上那個優惠碼早在上週就過期了。如果這家公司建立了一套「背景資料層」，讓 AI 在回答前先查詢即時的促銷資料庫，AI 就會回答「目前沒有進行中的折扣活動」，避免客戶收到錯誤資訊、也避免公司承擔客訴風險。這份調查的意義在於提醒企業：與其一直換更強的 AI 模型，不如先把「讓 AI 能查到正確資料的管道」建設好。
有個叫做「提示工程（Prompt Engineering，就是寫給 AI 看的使用說明）」的概念，過去幾年大家花了很多心力研究怎麼寫出「最好的提示詞」——通常是把任務拆成一步一步的詳細指令，告訴 AI 先做什麼、再做什麼、最後怎麼收尾。但這篇文章的作者 Daniel Miessler 認為，這種做法已經逐漸過時了。原因來自 AI 領域的「苦澀教訓（Bitter Lesson）」理論：隨著 AI 模型越來越聰明，人類自以為聰明的做法步驟，反而會限制 AI 發揮它自己更好的解題方式。換句話說，你以為你的分步指令很有幫助，其實很可能在「汙染」AI 本來可以更靈活找到的最佳路徑。作者建議大家改用「意圖工程（Intent Engineering）」——不要說「你應該怎麼做這件事」，改為直接說「我要達到什麼結果」，讓 AI 自己決定最好的執行方式。他建議大家把過去寫好的各種提示詞翻出來，檢查哪些是在告訴 AI 方法步驟（HOW），然後把它們改成只描述目標結果（WHAT）。
假設你要請 AI 幫你整理一份會議記錄。舊做法（提示工程）可能這樣寫：「先把發言者分類，然後列出每個人說的要點，用條列式呈現，最後加一段行動事項摘要，格式要用三個層級的標題。」新做法（意圖工程）改成：「把這份會議記錄整理成讓沒有參加會議的主管，能在兩分鐘內掌握所有重要決策與待辦事項的版本。」差別在於：舊做法你幫 AI 設計了輸出格式，但 AI 現在很可能有更好的整理方式；新做法你只說清楚「誰要用、用來幹嘛、要達到什麼效果」，AI 可以自由選擇最適合的結構和呈現方式，結果往往更實用。
中國 AI 公司智譜（Zhipu AI）的共同創辦人唐傑，在公司港股上市後股價大跌 19% 之際，發表了一封全員公開信，宣佈公司將全力回歸基礎模型研究，啟動名為「Touch High（觸高）」的兩年計畫，目標是推進 AGI（通用人工智慧，也就是能像人一樣全面理解、推理、創造的 AI）研究，而非追逐短期應用商業化。智譜同步推出了最新開源模型 GLM-5.2，採用最寬鬆的 MIT 授權（任何人、任何公司都可以免費下載、部署、商業使用，不設限制），支援 100 萬 token 的超長上下文視窗，可一次處理大量文本資料，並在國際模型評測排行榜上名列前三。唐傑在信中提出通往 AGI 的四大技術方向：長時程任務（讓 AI 能規劃跨週、跨月的複雜工程）、自主智能體系統（讓大量 AI 代理自動協作，實現「全自動公司」概念）、完全自我訓練（讓 AI 自己生成訓練資料並訓練自己，不依賴人力蒐集資料）、以及極致安全治理（把倫理規範與法規從一開始就內建到模型核心，而非事後補掛）。智譜長期堅持開源路線，認為真正的 AI 安全應建立在開放協作上，而非技術封鎖，GLM-5.2 是這一立場的具體行動。
假設你是一位臺灣的新創工程師，想開發一個能自動分析整季財報的 AI 助理。過去使用一般開源模型，一次只能處理幾萬字，財報文件動輒數十萬字，只能把文件切成小段分批處理再拼回來，容易漏失前後脈絡。GLM-5.2 支援 100 萬 token 的上下文，你可以直接把整份資料丟進去讓模型統一分析，不需要切片，準確度更高。更重要的是，因為採用 MIT 授權，你可以把它部署在自家伺服器上商業使用，完全不需要支付 API 費用，也不必擔心客戶資料傳到第三方伺服器；相比之下，同等能力的商業模型可能需要支付 API 費用，對預算有限的新創是一大負擔。
Text-to-SQL（讓 AI 把人類的自然語言問題自動轉成資料庫查詢語言 SQL 的技術）領域最常用的兩個排名基準測試，BIRD 和 Spider，其「標準答案」本身就有錯誤。sqlsure 這家公司用確定性語意檢查工具，在兩秒內掃描了 2,568 條標準答案，確認 Spider 有 30 個錯誤、BIRD 有 14 個實質錯誤。更嚴重的是現行評分方式叫做「執行準確率」（Execution Accuracy），邏輯是「AI 的輸出結果和標準答案一不一樣」，一旦標準答案本身就寫錯了，算出正確答案的 AI 反而會被扣分，重複了同樣錯誤的 AI 反而得高分。進一步稽核 BIRD 訓練集（用來訓練 AI 的資料）後發現，裡面有 8.2% 的 SQL 查詢根本找不到對應的資料庫關聯宣告，其中包含八個完全沒宣告任何資料關聯的資料庫，代表 AI 若用這些資料訓練，學到的就是錯誤的查詢習慣。sqlsure 提出「語意約束驗證」作為補充評估方式，不對比標準答案的執行結果，而是直接驗證 SQL 查詢是否符合資料庫本身宣告的結構規則，這種方式甚至能偵測出標準答案本身的問題。
BIRD 基準測試第 571 題問：「使用者 24 號的文章數量是他投票數的幾倍？」資料庫裡實際記錄是 3 篇文章、8 票，正確答案是 3 ÷ 8 = 0.375。但 BIRD 的標準答案 SQL 先把「投票」和「文章」兩張資料表做了交叉合併，產生 3×8=24 筆資料，再用「總計數 ÷ 不重複計數」的公式去除，代數化簡後剛好等於文章數 3.0，比正確答案偏差了整整 8 倍。結果是：任何 AI 模型只要算出正確的 0.375，在這道題就會被評為「答錯」；算出 3.0（重複了和標準答案一樣錯誤的做法）反而被評為「答對」。目前 GPT、Claude、Gemini 等主流 AI 模型在 text-to-SQL 公開排行榜上的準確率，都是靠這類有瑕疵的基準測試算出來的，代表排名數字可能有失真，企業若依據這些排名採購 AI 系統，選到的不一定是真正最準確的模型。
Apache Airflow（一套廣泛使用的資料工作流程排程系統，負責串接和自動化各種資料處理任務）在最新的 3.3 版本中加入三項 AI 功能，讓資料管線在發生問題時能更聰明地自我處理，減少工程師半夜被呼叫起床排查問題的情況。第一項是「語意式結構比對」：原本系統只用規則比對資料表欄位名稱和型別，遇到跨資料庫的同義寫法（例如 A 庫叫 varchar、B 庫叫 STRING，其實意思相同）就會誤判。新功能改用 LLM（大型語言模型，就是 ChatGPT 這類能理解文字意思的 AI）來判斷兩個結構是否語意相同，在資料搬移前就把破壞性的欄位變更攔下來。第二項是「任務狀態暫存」：一個跑了 40 分鐘的 Spark 任務（一種大規模資料處理工具）若在第 39 分鐘失敗，舊做法是從頭重跑，既浪費時間也浪費運算費用；新功能會記下外部任務的 ID，重試時直接接回原本那個任務，不用從頭來過。第三項是「LLM 重試策略」：舊做法不管任何錯誤都等幾分鐘再試，但憑證過期等不會自己好、API 速率限制等一下就好，處理方式應該不同。新功能讓工程師把自家的排障手冊寫成文字，AI 在每次失敗時讀取錯誤訊息、判斷屬於哪類問題，再決定要重試、等多久、還是直接停下來通知人。
我有一條每天凌晨跑的財務報表管線，上游資料庫把欄位名從 user_id 改成了 customer_id。舊的規則比對一看到名稱變了就擋下來，但其實這只是命名重構、資料內容一樣。用新的 LLMSchemaCompareOperator，AI 會判斷「這兩個欄位語意上相同，可以繼續執行」；但如果真的是破壞性變更（例如欄位類型從整數變成字串），AI 就會識別出來並通知團隊，在資料移動前就阻止錯誤發生。對比舊做法：要嘛誤報（相同欄位被擋）、要嘛漏報（不同欄位被放行、幾小時後才發現報表數字全錯），新功能可以同時減少這兩種失誤，讓管線又快又準。
GitHub 為旗下的 Copilot 程式碼審查功能（一種幫工程師自動檢查程式修改的 AI 工具）升級了底層工具，把自家開發的客製工具換成與其他產品共用、維護品質更好的標準工具（grep、glob、view，都是用來搜尋和讀取程式碼的指令）。然而換完之後，評測數字反而變差：AI 花的 token（就是 AI 處理文字的計算單位，用越多越貴）變多，抓到的問題卻變少。GitHub 工程師追蹤 AI 的行為記錄，發現問題不在工具本身，而在「工具使用說明」的寫法——新工具的說明是為通用程式助理設計的，AI 因此養成了「廣泛瀏覽整個專案」的習慣，就像在摸清一個陌生 repo（程式碼倉庫）的全貌，而非像一個有經驗的審查員一樣從「這次改了什麼」開始精準調查。GitHub 把說明改成「先從 diff（就是這次 PR 裡改動了哪些程式碼）出發、用 grep 縮小搜尋範圍、只在確定目標後才用 view 讀取具體程式段落」，AI 的平均審查成本立刻下降約 20%，品質維持不變。
一個開發者提交了修改「授權檢查函數」（就是那段決定某個操作是否被允許執行的程式邏輯）的 PR。用舊說明時，AI 會先廣泛搜尋整個 repo、把所有呼叫這個函數的地方都列出來、甚至順便讀了大量不相關的檔案，結果 token 暴增、審查焦點反而模糊。改寫說明後，AI 直接從這次 PR 的 diff 出發，只問一個精準問題：「有哪些處理外部請求的地方依賴舊的授權行為？」接著用 grep 找呼叫這個函數的程式位置、用 glob 鎖定可能的路由或控制器檔案、最後只用 view 讀最關鍵的幾個段落，快速判斷是否引入了安全風險——省掉了過去一大堆無關的讀取動作，審查又快又準。
Databricks 開源了一個名為 Omnigent 的工具，它是一個「meta-harness（元框架）」——意思是它不是一個新的 AI 模型，而是一個坐落在各種 AI 編程助理（例如 Claude Code、OpenAI Codex 等）之上的管理層。工程師在實際使用 AI 的過程中發現，愈來愈多人會把多個 AI agent（就是能自動執行任務的 AI 程序）串在一起組成工作流程，但現有工具沒有統一的辦法來管理這種「多 AI 協作」的情境。Omnigent 就是為瞭解決這個問題而誕生的，它主打三個核心能力：組合（讓不同 AI agent 組成團隊）、協作（多人同時監控與介入 AI 工作流程）、控制（設定政策來限制 AI 能做什麼）。此外，Databricks 研究團隊也展示了一種叫 TAO 的新訓練方法，可以在「完全沒有人工標記資料」的情況下微調 AI 模型（微調就是把通用 AI 訓練成適合特定任務的版本），效果還超越傳統的監督式微調（需要人工標記大量資料的訓練方式），隨著投入的算力增加，模型品質也會隨之提升。
假設你是一家公司的工程主管，你的團隊同時用著幾種不同的 AI 編程助理：有人用 Claude Code，有人用 Codex，還有人自己串了 API。現在你想建立一條自動化流程：先讓一個 AI 寫程式碼，再讓另一個 AI 做程式碼審查，最後讓第三個 AI 跑測試。舊做法是每個工具各自為政，寫膠水程式碼把它們串起來非常麻煩，而且換掉其中一個工具就要重寫串接邏輯。用 Omnigent 之後，你可以透過它統一的 API 把這三個 AI 組成一個「團隊」，在流程執行到一半時還能臨時換掉某個環節用的模型（比如把 Claude Code 換成 Codex），同時讓多個工程師在線上共同監控整個流程進展並介入修正，不需要每次都重新設計整個流程架構。
2025 年愛爾蘭的數據中心（就是存放伺服器、讓各種雲端服務和 AI 系統運作的大型機房）耗電量達到 7,663 GWh，佔全國計量用電的 23%，比 2024 年的 20% 又再上升。十年前的 2015 年，這個數字只有 5%，十年之間成長了 360%，甚至超過全國城市住宅用電量（18%）。愛爾蘭全國僅 510 萬人，卻已有超過 80 座數據中心。國際能源署（IEA）預測，若趨勢不變，2026 年數據中心將消耗全國 32% 的電力。都柏林地區之前因電網容量已近上限而凍結新機房的申請，自 2025 年 12 月解禁，但加上嚴格附帶條件：超過 10 MW（百萬瓦，約等於一座中型工廠的用電規模）的新設施，必須自備等效備用發電或電池系統，且必須具備「向國家電網回饋電力」的能力，也就是說機房不再只是純粹耗電，必要時還要能把電供回電網。當地民眾質疑，數據中心享受折扣電費，電網的維護成本卻由全體用戶分攤，這種不公平的結構正受到越來越強的公眾批評。
假設一家臺灣 AI 新創公司打算在愛爾蘭建一座 15 MW 規模的 GPU 伺服器機房，用來訓練和推論自家大型語言模型（就是類似 ChatGPT 這種 AI 的核心引擎）。在 2025 年 12 月新規上路前，只要取得電網連線許可就能動工；但現在必須在設計初期就規劃好一套 15 MW 的電池儲能或備用發電系統，還要加裝讓機房電力可以「回饋給電網」的雙向供電設備。這些額外設備的前期資本支出和工程複雜度大幅提升，選址成本的計算從原本單純的「電費便不便宜」，變成還要考慮合規要求、電網穩定性、以及政治接受度等多項隱性成本。
西門子（Siemens）將在 2026 年世界人工智能大會（WAIC 2026，7 月 17 至 20 日在上海舉辦）上，於中國市場首次發布旗下的 Eigen Engineering Agent（Eigen 工程智能體）。這是一套專為工業自動化工程設計的 AI 智能體（AI agent，可自主執行任務的 AI 程式），與一般只會給出建議的 AI 輔助工具不同，它能夠獨立完成從理解需求、撰寫控制軟體（PLC 程式碼，即工廠機臺控制程式）、系統配置到持續優化的完整工程流程。西門子宣稱，使用該工具後整體執行效率比手動流程提升 2 至 5 倍、工程效率提升 50%、方案品質提升 80%。同場西門子也將首次在中國展示工業 AI 編排軟體 Intelligence Center X，這套軟體扮演整合平臺的角色，讓各種 AI 工具和智能體能夠協同運作，而非零散試驗，聲稱已幫助早期合作客戶將重複性手工作業負荷降低 95%、生產問題處置效率提升 85%。整體而言，這是一次針對工業製造場景的 AI 智能體產品發布活動，以展覽型 PR 為主，適合關注工業 AI 落地的讀者參考。
工廠自動化工程師要為一條新產線設計控制系統：傳統流程需手動編寫 PLC 程式碼（控制機臺的指令集）、設定人機介面（操作員看到的螢幕畫面）、調整驅動器參數，每個步驟都靠人力逐一完成，耗時且容易出錯。使用 Eigen Engineering Agent 後，工程師只需輸入專案需求與品質標準，智能體會自動生成 PLC 程式碼、完成 HMI 視覺化介面開發和系統配置，並持續自動迭代直到符合預設標準。西門子數據顯示，同樣任務的完成速度可較手動作業快 2 至 5 倍，工程師得以從重複性編程工作中抽身，專注於更高層的系統架構決策。
這是一篇由 Google Research、加州大學柏克萊分校和史丹佛商學院共同發表的研究論文，主題是用 Google Maps 的路由演算法（就是幫你規劃「走哪條路」的 AI 系統）來主動疏散都市塞車。研究團隊在美國 10 個大城市進行大規模實驗，讓 Google Maps 把一小部分使用者的路線，從最擁擠的路段導向較空的替代道路。實驗結果顯示，被介入的路段車速平均提升了 2%，整體路網的通行時間也有所改善。這個研究的意義在於：即使只改變少數人的導航路線，透過「分散流量」的方式，就能讓整座城市的交通更有效率，同時還附帶降低了二氧化碳當量排放（溫室氣體的一種計量方式，與氣候變遷直接相關）。
假設你每天早上開車上班，Google Maps 幫你導航。通常大家都用同一套演算法，結果大家都擠在同一條「最快路線」上，反而變成大塞車。在這個實驗裡，研究者讓 Google Maps 悄悄把一小部分使用者導向稍微繞路但比較空的替代路線。這些被改路的人只多走了一點點，但原本擁擠的幹道因為車輛減少而變順暢，留在原路的駕駛也受益。同時，替代路線因為只導入少量車流，不會因此塞住。最終整個路網的車速都提高了，沒有任何駕駛需要主動改變習慣——只靠演算法在背後小幅調配，就達到全城受惠的效果。
Anthropic（開發 Claude 這款 AI 聊天助手的美國公司）開始在印度提供以印度盧比（₹）計價的訂閱方案，不再強迫印度用戶以美元付款。印度是 Claude 全球第二大市場，佔全球使用量的 5.8%，僅次於美國。目前推出的方案包括：Claude Pro 每月 ₹2,000（約新臺幣 860 元，按年計費），Claude Max 每月 ₹11,999（約新臺幣 5,160 元），Team 版每個帳號每月 ₹2,399；這些定價已含當地稅，換算後略高於美國售價。不過，Anthropic 目前尚未支援 UPI（印度最普及的即時轉帳系統），只能用信用卡或 Apple、Google 的應用程式商店付款，這點遜於 OpenAI——OpenAI 旗下的 ChatGPT 去年在印度推出盧比定價時，已同步支援 UPI。此外，Anthropic 曾在六月短暫對非美國地區限制其部分模型存取，雖然 Fable 5 模型的限制已解除，但 Mythos 5 模型對非美國用戶仍受限。
假設你是住在孟買的 AI 工程師，之前要訂閱 Claude Pro，必須以美元刷卡、再加上信用卡海外交易手續費，實際花費比標價多出一截，還要自己換算匯率。現在 Anthropic 推出印度盧比定價，你直接看到本地價格 ₹2,000 每月，不用換算、不用承擔匯損，結帳流程明顯更直覺。若你之前因為付款麻煩而維持免費方案或轉去用 ChatGPT，這次調整後升級付費版 Claude 的門檻降低不少——唯一的不足是還不能用 UPI 轉帳，依然要綁信用卡。
Waze（Google 旗下的免費導航 App）宣佈推出多項 AI 新功能，部分功能由 Google 的 Gemini AI（一種能理解自然語言對話的人工智慧助理）驅動。第一個功能是「個人化路線」：App 會記住你的行車習慣（例如你偏好走高速公路），往後自動優先推薦符合你習慣的路線。第二個功能是「Gemini 語音搜尋目的地」：你不需要知道店名，只要對著 App 說「找一家現在有開的咖啡廳」或「找附近油價最低的加油站」，Gemini 就會幫你列出選項。第三個功能是「語音回報路況」：你可以直接說「這條路封閉了」，App 會把訊息傳給地圖編輯人員更新地圖，不需要手動操作。另外還新增了機車模式（官方說明會用 AI 計算適合機車的路線並提示坑洞、窄橋等障礙）以及「少說話模式」（官方說明可減少語音提示幹擾）。目前個人化路線、語音回報和少說話模式已在全球 Android 與 iOS 推出；Gemini 語音搜尋目前在 beta 測試中；機車模式則先在阿根廷、巴西、墨西哥等七個國家上線。
例如，點擊語音搜尋圖示後，可以對 App 說「找 Grand Mall 附近的停車場」，Waze 就會列出幾個選項供你參考。
AI 模型的「權重」（weight，也就是模型學到的所有知識和參數，決定 AI 如何思考與回答）是模型最核心的資產。Palantir 執行長 Alex Karp 近期在 CNBC 上公開討論此議題，指出現在多數企業面臨兩難：直接使用通用 AI（如 ChatGPT）缺乏客製化，但自己從頭訓練、維護模型又太複雜、成本太高。有觀點認為，產業真正需要的是一種中間型服務：企業把自己的業務資料和任務需求帶進去，服務商幫忙建出一個「只屬於這家公司的專屬模型」，而且這個模型最終跑在企業自己控制的基礎設施上，權重也歸企業所有。這樣一來，企業既享有高度客製化的 AI，又不用自己養一支 AI 工程團隊長期維護模型，而且日後還可以持續把新資料餵進去、讓模型愈來愈準。
假設一家保險公司想用 AI 自動審核理賠申請。直接用 ChatGPT 等通用模型，AI 不懂公司內部的核保規則和理賠術語，答錯率高。自己從頭訓練模型，需要龐大算力和 ML 團隊，動輒數千萬臺幣。若有「自擁權重服務」，保險公司只需把歷年理賠資料和審核標準上傳，服務商把模型訓練好後，這個模型就部署在保險公司自己的伺服器上、資料不外流、權重也是保險公司的財產。之後每季新增一批資料，模型就能持續優化，核賠準確率隨時間穩步提升，比租用通用 AI API 更精準，又比自建 ML 部門便宜得多。
Artificial Analysis 是一個專門對 AI 模型（就是像 ChatGPT 這類人工智慧程式）進行獨立評測的網站，不隸屬於任何 AI 公司，讓使用者能客觀比較各家模型的能力、速度與費用。平臺提供多種排行榜，涵蓋文字生成、程式碼撰寫、圖片製作、語音辨識等不同面向，方便開發者和企業選出最適合自身需求的 AI 模型或 API（讓程式呼叫 AI 服務的介面）。平臺的核心指標包括「智慧指數」（衡量模型整體推理能力）、「代理人指數」（評估能自動完成多步驟任務的 AI 代理，也就是能自己決定下一步要做什麼的 AI 程式）、以及「開放性指數」（評估模型的透明度與開放程度）。新推出的 AA-Briefcase 評測專門測試 AI 在長期商業工作流程中的表現，例如製作試算表、簡報和備忘錄等真實業務任務。
我是一名開發者，需要在多個 AI 服務之間選一個 API 來處理客戶的法律文件分析任務，不確定哪個模型性價比最高。進入 Artificial Analysis 後，可以直接在「Legal agentic work」（法律代理任務）排行榜上看到各模型的任務完成率，同時對照「Cost per Intelligence Index Task」（每次任務的費用）欄位，幾分鐘內找出在法律類任務中表現最好又最划算的選項，省去自己從頭搭建測試環境、跑 benchmark 的大量時間。
影子AI（Shadow AI）指的是員工在公司未正式批准的情況下，私下使用各種AI工具處理工作任務，例如把客戶資料貼進ChatGPT（一種能對話的AI工具）、或用個人帳號登入各式AI服務。根據IBM 2025年的報告，97%曾發生AI資安事件的企業都缺乏基本的AI存取管控，而65%的影子AI資安事故涉及客戶個人資料外洩。這份政策範本提供12個章節的完整框架，涵蓋AI工具的發現、風險分級（低、中、高三級）、審批流程、監控偵測、事件應變，到員工培訓與違規處置，幫助企業把員工已在用的工具納管，而非一刀切全部禁止。範本也針對中小企業、中型公司、大型企業分別提供客製化建議，並說明如何符合歐盟AI法（EU AI Act）、GDPR（歐洲個資保護法規）、NIST AI風險管理框架等國際法規要求。
假設一家300人的中型公司，IT主管發現員工私下在用至少數十種AI工具，但公司從未正式審批任何一個。套用這份範本後，IT團隊先用DNS記錄和代理伺服器流量找出員工實際在用哪些工具，把其中最常用的10個快速通過審批流程放進「已批准AI工具清冊」；接著開放30天自願申報窗口，讓員工把自己在用的工具填報出來且不受懲處。政策正式上線後，員工若想用新AI工具，提交申請後5個工作天內可得到低風險工具的核準回覆，而非毫無音訊讓人繼續偷偷用個人帳號。這樣一來，走正規申請流程比私下使用更快更方便，員工自然減少使用未授權工具的動機，企業也能看到哪些工具在被使用，一旦發生資料外洩才知道從哪裡追查。
1X 公司為其 NEO 家用機器人推出全新手掌設計，試圖解決人形機器人長期以來的難題：走路已不是問題，真正困難的是手。新手掌每隻有 25 個可活動關節（涵蓋手指、手掌與手腕），採用「順從式驅動」設計——也就是說，關節受到外力時會自然讓步，不會僵硬對抗，因此機器人拿取脆弱物品時不易造成損壞。手掌表層的觸覺感測器能同時偵測壓力與橫向滑動，一旦偵測到玻璃杯開始打滑，就會立即收緊握力、避免摔落。工廠機器人長期使用夾爪，但夾爪只適合固定位置、固定形狀的零件；家庭環境完全不同，物品形狀、重量和擺放位置都不固定，NEO 的手掌正是針對這種變化設計。不過，靈活的手掌不等於能獨立完成家務，機器人還需要整合視覺辨識和 AI（人工智慧）決策才能真正自主工作，這部分目前仍在開發中，部分情境下仍需人類遠端操控輔助。
假設我要讓 NEO 機器人洗碗，它去拿一個溼滑的玻璃杯時，手掌的觸覺感測器偵測到手指與玻璃間的側向滑動，立即通知系統收緊握力，避免杯子掉落——這種對物體動態變化的即時反應，正是家庭環境所需的適應性。傳統工廠夾爪通常需要零件被放在完全相同的位置才能運作，家庭中物體形狀、重量及擺放位置則充滿隨機變化。目前 NEO 已開放 200 美元訂金預購，但完全自主、無人介入地完成整套家務的能力尚未實現，部分不熟悉的任務仍需透過「專家模式」由人類遠端操作完成。