Kaiser Permanente（美國大型非營利整合醫療系統）在電話客服中心與病房部署多套 AI 工具，用來監控護士的生產力與通話表現。核心是「生產力預測軟體」：每天分析接聽速度與通話量，預測誰當天「低效」，再觸發主管即時介入；通話超過約十五分鐘就可能被約談，時長還會計入月度績效。他們也曾測試語氣與同理心偵測（用 AI 聽聲音評分情感表達），因評分常錯、護士反彈，後來停用。調查與第一線訪談顯示，多數護士不信任演算法預測，有人因怕被監控而縮短與末期癌症病患的通話，形成所謂「照護寒蟬效應」（因怕被評分而不敢好好照顧人）。加州約四成居民以非英語為主要語言，需口譯的通話本來就更長，卻承受同樣時長壓力，語言弱勢與重症病患風險更大。這不是單一公司八卦，而是醫療 AI 如何改變勞動與病患安全的實例；2026 年 7 月 Kaiser 與加州護士協會的合約談判，已把 AI 治理條款列為重點，結果可能成為全美醫療勞動合約的先例。
假設我要替醫院電話護理諮詢線導入 AI，目標是提高接通量、控制成本。若採用傳統人工管理（例如主管抽聽錄音、使用KPI），績效考核相對主觀；但若照 Kaiser 模式導入新系統：上線生產力預測軟體，依接聽速度與通話量標記「低效」護士並即時約談；通話超過約十五分鐘可能面臨管理層批評或績效評估會議，且時長會計入月度績效評分（Kaiser 發言人否認以平均處理時間評估員工）。實際結果會是：護士遇到需口譯、末期關懷、複雜用藥說明等本來要三十分鐘以上的通話，也會急著掛斷或少問少講，以免被系統點名；患者得不到完整說明，語言弱勢與重症尤其受害，護士壓力與罷工風險上升。對比較好的做法：不把通話時長當主績效指標、把需口譯的長通話排除在懲罰外、公開監控範圍說明書、給員工對演算法評分的申訴管道，並在採購前做勞工影響評估。這樣才能用 AI 協助排班或減文書，而不用效率分數換掉第一線同理心與病患安全。
崑崙萬維旗下專做具身智能（讓 AI 能動手操作實體世界）的子公司黎曼動力，在 WAIC 2026 正式發布通用機器人操作世界模型 Riemann-1.0。它把兩條常被對立的路線合在同一個模型裡：VLA（視覺語言動作模型，看到畫面就直接輸出手部動作，反應快但容易失手）與世界模型（先在腦中預演環境怎麼變再出手，較穩但慢又貴），業界有人把這種混合體叫 WAM（世界動作模型）。訓練資料共約 23.2 萬小時，涵蓋約 41 種機器人本體：其中逾 20 萬小時是人類第一視角幹活影片（煮飯、疊衣服、收拾桌子），加上逾 1.2 萬小時 UMI 與外骨骼手套資料、逾 2 萬小時真機與模擬軌跡。因為人類影片本身沒有機器人動作標籤，團隊自研流水線做畫面校正、用 VLM（視覺語言模型，能看圖懂場景並寫出描述）切細粒度動作、過濾廢片，再重建手部 3D 姿態與世界座標軌跡，變成機器可讀的「動作教材」。訓練分三段，動作損失權重由 0.1 拉到 0.5 再到 0.9，先從影片學物理直覺，再對齊真實控制。在難度高的家庭長流程基準 RoboCasa-365 上成功率 62.6%，比先前最佳高 8.4 個百分點；LIBERO 約 99%、RoboTwin 2.0 約 94.3%。消融實驗顯示，加入人類影片後 RoboCasa-365 可再拉高約 14.4 個百分點。真機經家務場景後訓練，平均成功率約 85%、過程完成度約 94%，領先對照開源基座約 15 個百分點。
我想讓一隻雙臂家用機器人完成「收拾餐桌」長流程：先把薄薄貼在桌面的湯匙夾起、把碗裡剩湯倒掉再收碗，最後順手擦桌子，中間還可能碰到沒見過的餐具或雜亂桌面。用只靠少量真機示範的傳統 VLA，往往卡在細長小物夾不起來、或長流程中途漏步驟。改用 Riemann-1.0 這類先看大量人類第一視角影片再對齊機器人控制的世界動作模型：預訓練階段模型已從人類怎麼抓湯匙、倒湯、擦桌子學到物體互動與任務先驗；再以本體專屬動作映射模組適配我的機器人手臂與夾爪，並用少數遙操作示範做場景後訓練。結果在類似 RoboCasa-365 的長流程家務評測上可達到約六成多成功率（文中新 SOTA 62.6%），真機四類家務任務平均成功率約 85%、過程完成度九成以上，中間步驟較不易斷鏈。對比舊做法：只餵機器人軌跡時同基準可能只在四成上下，且陌生視覺背景與長任務鏈掉點更嚴重；加人類影片後泛化與長程成功率明顯拉高，較接近「看過人間煙火再上崗」的效果。
上海人工智能實驗室團隊提出一套叫 Self-Harness 的方法，讓 AI 智能體（Agent，就是能自己連續調用工具、多步驟完成任務的 AI 程式）外面那層「運行外殼」也能自己變好，而不用換底層大模型。這層外殼業界稱為 Harness，可以理解成包在模型外面的操作手冊與規則：包含系統提示詞（告訴 AI 該怎麼做事的說明文字）、工具使用規則、驗證器、失敗後怎麼恢復、什麼時候該停下來等。過去工程師要靠人工讀大量失敗紀錄、改提示詞或規則，再反覆跑測試，模型一多就難擴充。Self-Harness 改成三步自動循環：先從失敗軌跡挖出可重複的弱點模式，再由同一模型提出「有邊界」的修改方案（只能改預先允許的部分），最後用回歸測試（重跑舊題目確認沒變差）決定要不要採納。論文在 Terminal-Bench-2.0（一套在容器終端裡測多輪工具使用能力的基準）上驗證：底層模型、工具環境與評測規則都不動，只改 Harness，三個模型後端的 held-out（沒參與調參、專門拿來驗真本事的題目）成績都上升；其中 Qwen3.5-35B-A3B 總提升約 104%，MiniMax M2.5 約 28%，GLM-5 約 24%。此工作已被 LangChain 共同創辦人 Harrison Chase 轉發，也收錄進前 OpenAI 副總裁 Lilian Weng 關於自進化 Agent 的整理。論文與程式碼已公開。
假設你要在終端環境裡跑一批真實工具任務，例如整理檔案、執行命令、出錯後恢復、最後產出規定格式的答案檔。底層模型固定、工具也固定，但 Agent 常常失敗：找到關鍵資訊後遲遲不寫出答案檔而超時、工具一報錯就陷入重複下同一指令的迴圈、甚至把評測需要的檔案刪掉、或改了環境變數卻沒確認下一道命令還能不能用到。傳統做法是工程師手動翻軌跡、改提示詞與重試策略，再整批重測，既慢又難針對不同模型客製。用 Self-Harness 時，系統先用目前的 Harness 跑任務、記錄完整軌跡與評測結果，把「缺最終產物」「失敗後不恢復」「探索太久不進入實作」等失敗聚成可複用機制；再由同一模型針對這些機制提出有限範圍的 Harness 修改（例如依賴預檢查、失敗後恢復產物、禁止完全相同命令重試、長時間探索後強制轉向實作與驗證）；候選版本必須在 held-in 與 held-out 至少一邊提升、另一邊不退化才會留下。結果同一模型在 Terminal-Bench-2.0 上成績明顯上升（最強一組總提升約一倍），重點是錢花在「外殼規則」的搜索與驗證，而不是換更貴的模型。
PrismML 發表了 Bonsai 27B，走的是「壓縮」而不是「把模型愈做愈大」這條路。所謂三元模型（ternary model，權重大致只用三種離散數值來表示，大幅省空間）版本約 5.9GB，一位元變體約 3.9GB，公司聲稱小到能塞進現代智慧型手機實際可用的記憶體。他們回報在自家基準測試套件上，仍大致保住全精度（full-precision，也就是未大幅壓縮、數字精度較高）基線的大部分表現；獨立第三方驗證還要再看這些數字能不能站得住。方向很清楚：智慧密度（單位體積或單位記憶體能塞進多少能力）可能會跟「誰最聰明」一樣有戰略價值。能在本機跑的模型會改變延遲、隱私、成本，甚至使用者和雲端供應商之間的議價關係。
若採用 Bonsai 27B 的壓縮版，可在裝置上直接載入推論：在本地完成任務，資料不出手機。對比舊做法，雲端方案要付 API 費、有上傳延遲與外洩風險；未壓縮的大模型根本塞不進手機。前提是第三方實測要確認壓縮後性能是否真接近全精度基線。
Google DeepMind 提出 GenCeption，主張大規模「文字轉影片」生成模型（用文字描述就能自動產出一段影片的 AI）不只是合成工具，更是電腦視覺（讓電腦看懂畫面）的通用預訓練方式。他們把預訓練好的影片擴散模型骨幹改造成單次前向推論的感知模型：輸入一段真實影片與文字指令，一次就能輸出深度圖、表面法線、相機姿態、分割遮罩、3D 人體關鍵點等結果，不必為每個任務另做專用架構。實驗顯示，在深度估計、法線估計、相機姿態、指代表達式分割與 3D 關鍵點等多項基準上，GenCeption 常達到或超越專門模型（如 DepthAnything3、SAM3、D4RT、VGGT- 等），且用遠少於競品的訓練資料量（約七分之一到五百分之一）就能逼近其水準。更引人注目的是湧現行為：只在合成人體影片上訓練，卻能泛化到真實世界畫面，以及動物、機器人等訓練時沒見過的類別，顯示影片生成預訓練可能內含可用於實體世界的通用視覺先驗。
我想從一段監視器或手機拍的影片裡同時得到「這個人離鏡頭多遠、身體關節在三維空間的位置、以及用一句話指出的目標要不要被圈出來」。以前做法是分別接 DepthAnything 做深度、再接一個 3D 姿態模型、再接 SAM 或語言分割模型，每種任務換一套網路與資料管線，還常對不上時間軸。用 GenCeption，我只要把同一段影片丟進去，分別下文字指令像「estimate depth」「predict 3D human keypoints」「segment the person wearing red」，模型在單次前向推論就依指令吐出對應輸出影片或關鍵點；若是深度與法線等稠密任務，還會直接以類似 RGB 的像素格式呈現。差異在於：舊流程要維護多個專家模型、資料對齊與後處理；GenCeption 用同一套骨幹與損失，靠文字切換任務，而且在合成資料上訓完就能用到真實街景與非人類物體，省掉大量標註與任務專用工程。
耶魯大學與加州大學爾灣分校發表一篇系統性綜述，整理大型語言模型（LLM，就是 ChatGPT 這類會對話的 AI）有沒有「後設認知」（metacognition，人話是：知道自己知道什麼、不知道什麼，並據此調整做法）。文章把這領域分門別類：怎麼量測模型的自信是否準確、怎麼用提示詞或訓練讓模型會自我檢查、以及這些能力對推理、減少胡言亂語（幻覺）、人機協作有什麼幫助。目前共識是：模型會展現類似自我反思的行為，但整體仍偏弱，常過度自信，也未必真的「懂自己」，有時只是在模仿訓練資料裡的說話方式。作者並整理相關論文清單於 GitHub（yale-nlp/LLM-Metacognition），方便研究者與實務者追蹤後續。
我想做一個會回答醫療問題的聊天機器人，但不希望它在沒把握時還講得振振有詞。舊做法是隻看答對率，或叫模型輸出「我有九成把握」這種句子，結果常出現高自信卻答錯的狀況。照這篇綜述的做法，可以改成：先用後設認知相關的量測（例如看模型的自信分數能不能區分對與錯），再用「後設認知提示」告訴模型「你具備良好自我評估能力」，或在訓練時把「自信是否貼近真實表現」當成額外信號；模型就更常在知識不足時說「我不知道」或轉給人類醫師，而不是硬答。對比舊做法：以前只能事後發現幻覺，現在能在回答當下就降低亂講的機率，也讓使用者更知道該不該相信這句話。
上海 AI Lab 發布 AdvancedMathBench，專門測大型語言模型（LLM，就是 ChatGPT 這類會對話的 AI）在高階數學「自然語言證明」上的能力，而不只看最後答案對不對。套件分兩塊：ProverBench 有 245 道題，涵蓋大學部（UG）與博士資格考（QE）難度，要求模型寫出完整逐步證明；VerifierBench 則有 888 條模型生成的證明軌跡，配上專家標註，測模型能否判斷證明是否成立、找出致命錯誤並給出合理理由。研究團隊還訓練了對齊專家的自動驗證流程（含悲觀式多次驗證），用來大規模評分生成的證明。實驗顯示前沿模型仍很吃力：證明生成最佳的 GPT-5.5-xhigh 在 UG 僅約 64.5%、QE 約 48.9%；證明驗證上最佳 Meta-Verification Balanced F1 也只有約 65% 左右，模型常會「過度接受」看起來合理但其實有邏輯漏洞的證明，真正卡住的是精準抓出細微錯誤。
我想請 AI 幫我寫一道博士資格考等級的圖論或拓樸證明，再用另一個 AI 當「批改老師」檢查有沒有致命邏輯漏洞。在舊做法裡，很多人只看最終答案或用一般 LLM 當裁判，結果可能是證明中間其實錯了卻被判對，或裁判說對卻講不出真正錯在哪。用 AdvancedMathBench 的設定：模型必須產出完整自然語言證明，再由專家對齊的驗證器或 VerifierBench 式流程檢查全鏈路——區分「致命錯誤」（整條論證失效）與「可修復小錯」（符號筆誤等）。結果是：連最強模型在 QE 證明生成正確率掉到五成以下，驗證時真陰性率也偏低，代表「看起來很像對的錯誤證明」仍容易矇混過關。對比舊基準多半測高中或競賽計算題、或只比對答案，這個套件更能暴露高階證明構造與過程級查錯的真實瓶頸。
Demis Hassabis 在 X 上發布提案，呼籲建立類似 FINRA 的獨立標準機構，由業界出資、美國政府支持，負責在模型正式釋出前最多三十天進行審查，最終目標是讓該審查成為在美國市場上線的必要條件。
假設某家大廠準備在九月推出下一代多模態模型，舊做法是內部自測完就對外公佈，風險爭議常在上線後才爆發。若採用 Hassabis 這套流程：團隊在八月初就把候選模型送交標準機構，機構用公開與不公開的持有測試集檢查它是否具備高危網路入侵、合成危險生物資訊、或隱瞞自身意圖等能力，並要求補齊模型卡（公開說明訓練資料與安全措施的技術文件）。三十天內若通過，公司對外強調「已獲美國前沿標準審查」作為採購與合作的信譽證明；若未過，則延後釋出並補強。對企業採購方來說，以後選供應商可多問一句「有沒有過這類獨立審核」，比現在只能看各家自己發的安全報告更有依據；對開源或新創若未達前沿門檻則不受這套強制約束，仍可較快迭代。
Walden Robotics 是一家從豐田研究所（TRI）分拆出來的機器人公司，由 MIT 教授 Russ Tedrake 領軍，主打通用型機器人（能適應多種任務，而非只能做單一動作）。公司獲得種子輪募資約 3 億美元，估值約 11 億美元，由豐田與 Deviation Capital 共同領投。其機器人已在北美一座豐田工廠執行實際生產工作。
假設你是汽車工廠的生產主管，產線上有一批重複但略有變化的組裝、搬運或上料工作，過去要嘛用固定程式的傳統自動化（換產品就要大改工程），要嘛完全靠人力。導入 Walden 這類以 Large Behavior Models 驅動的通用機器人後，可以讓機器人先在真實產線旁學會當前任務、立刻開始分擔生產班次，熟練員工則轉去做更需要判斷與手藝的工作。豐田北美工廠的實際路徑是：公司出關後約一個月內機器人就開始做有用的生產任務，並在不到兩個月從試點進入正式產線使用；對比舊做法，不必等幾年才等到「完美人形機器人」才上線，而是用現在就能創造產能的通用機器人先解決人力缺口與產線彈性問題。
NVIDIA 發表機器人學習方法 RoboTTT，把機器人策略（也就是決定手臂下一步怎麼動的 AI）能記住的操作歷史拉長到約八千個時間步，比過去常見的「只看當下一步」或極短歷史長了大約一千倍，而且推論延遲幾乎不增加。過去機器人基礎模型多半像「失憶症患者」，每次只看眼前畫面做一個動作，要組裝零件、連做好幾分鐘的多步驟任務時很容易中途搞砸。RoboTTT 把「測試時訓練」（test-time training，意思是部署後還能邊用邊微調自己的內部參數）塞進視覺—語言—動作這類機器人模型裡，用一組會快速更新的權重把很長一段歷史壓縮進模型內部，之後再按需要取出來當條件。實驗裡整體操作表現比單步基準高出約八十七％，還能完整做完五分鐘、十階段的組裝任務，其他基準方法從來沒完成過；同一架構用八千步預訓練也比用一千步的版本好約六十二％，這是首度在閉環機器人控制上看到「預訓練上下文越長、表現越穩步提升」的現象。
假設工廠要組裝一臺小裝置，流程有十個階段、大約要五分鐘：先對準底板、依序鎖螺絲、插接線、蓋上外殼等，中途還可能被人手輕輕碰歪。舊式單步或短歷史機器人策略每一步只看當下鏡頭，做完第三步就忘了前面對齊是否偏掉，常在中後段失敗或亂猜。用 RoboTTT 時，模型在整段任務中持續用快速權重把過去數千個時間步的視覺與動作歷史寫進內部狀態，查詢與決策時再讀回來；若中途被幹擾，還能靠長上下文與測試時更新當場調整。結果是整條十階段組裝可以從頭做到尾完成，而過去那些短上下文基準模型從來沒有跑完全程。差異就是：舊做法像每次只看眼前、失憶的工人；RoboTTT 像能記住整段工序與失誤修正的熟練操作員。
阿里巴巴旗下的通義千問團隊發表了最新開源權重模型 Qwen 3.8（開源權重意思是之後會公開模型參數檔，讓人可下載自架或微調，而不只是透過官方聊天介面使用）。官方標稱總參數約 2.4 兆（參數可粗想成模型裡可調的「旋鈕」數量，數字越大通常模型越重、能力上限也越高），並聲稱整體能力已能對上當前頂尖前沿模型，且「僅次於 Fable 5」。開發者 Bai Shuai 表示，這是團隊第一個參數超過 1 兆的多模態模型（多模態就是同一套模型不只會讀文字，還能處理圖片、影片與文件）。阿里表示它應勝過自家前代 Qwen 3.7-Max，尤其在寫程式與複雜生產力任務上，例如全端開發、資料分析與辦公流程。目前尚未公佈獨立基準測試成績；預覽版可透過阿里的 Token Plan、Qoder 與 QoderWork 以標準價約一成的價格試用，完整開源權重則標示「很快」釋出。外界也把這波發布解讀為與近期熱門的 Moonshot Kimi K3 搶勢：後者雖承諾開源權重，但眼下仍主要走自家聊天 App 與 API。
我想同時丟一份產品規格 PDF、幾張介面截圖，再加上一段後端 API 文件，請 AI 幫我從零搭一個可跑的全端小專案：前端頁面、資料表結構與簡單後端路由都要。舊做法是：文字模型看不懂圖與長文件時就要我手動抄重點，多模態模型又常常參數不夠大、跨檔案改碼容易漏；或改用最貴的頂尖閉源 API，長對話成本一次就衝很高。現在可先走 Qwen 3.8 預覽（Token Plan／Qoder／QoderWork，官方稱約一成標準價），把 PDF、截圖與說明一次餵進去，請它產出前後端骨架並依截圖改版面；等開源權重釋出後，有算力的團隊還可把模型掛到自家叢集、接進內部程式碼庫做離線迭代。結果是：複雜生產力與寫碼任務有望更貼近自家宣稱的「僅次 Fable 5」能力，單次試錯成本也比全程用最頂閉源便宜；舊做法不是抄資料抄到手軟，就是帳單嚇人或模型吃不下圖文混雜的長上下文。
英國人工智慧安全研究院（AI Security Institute，簡稱 AISI，專門評估 AI 被濫用風險的官方機構）首次公開比較「開源權重模型」（open-weight，就是模型參數檔可自由下載、可在自己電腦或伺服器上跑，不靠原廠雲端）與「閉源前沿模型」（frontier，最頂尖、通常只能透過官方 API 使用的商用系統）在網路攻擊相關能力上的差距。結論是：差距正在縮小。像 GLM-5.2、DeepSeek V4-Pro 這類開源模型，在資安任務上已達到閉源模型約四到七個月前的水準；而 2025 年多數時間，這個落後幅度還是六到十個月。測試分兩類：一是「Narrow Cyber Tasks」共七十項任務，涵蓋漏洞研究、逆向工程、網頁攻擊、密碼學等，難度從非技術到專家級；二是「Cyber Ranges」在模擬企業網路裡測長流程自主攻擊（例如一項約三十二步驟、人類專家約需二十小時的攻防情境）。AISI 也強調，開源模型一旦釋出，任何人都能下載、改掉安全護欄、在私人環境跑，防護措施幾乎無效，形成「持續且不可逆的濫用風險」；但同時也有隱私、可客製、成本低、不會被原廠斷供等好處，需在風險與利益間取捨。
假設我是資安研究員或紅隊（模擬攻擊方）想測「AI 幫忙做弱點分析與攻擊鏈」的成本與能力。以前要達到接近 Opus 4.5／4.6 這類閉源前沿等級，往往得走官方 API，在 AISI 的模擬中，一次約一億 token（token 就是模型處理文字的計量單位，可粗略想成很短的詞或字元片段）的 Cyber Range 測試，用 Opus 4.5／4.6 約要八十五美元；換成開源 GLM-5.2 約四十六美元，DeepSeek V4-Pro 只要約一點一九美元。若只看兩邊都能穩定解掉的單一任務，Opus 4.6 約十五美元一題、GLM-5.2 約六美元、DeepSeek V4-Pro 只要二十八美分。能力上，GLM-5.2 在 Narrow Cyber Tasks 已追上 2026 年二月的 Opus 4.6（約落後四個月），在 Cyber Ranges 約等同更早的 Opus 4.5；DeepSeek V4-Pro 在窄任務上約等同 2025 年十一月的 Opus 4.5。舊做法是「付貴、靠 API、護欄較多但可被越獄」；新做法是「下載開源權重、本地或自架跑、成本可降到十分之一甚至更低，且原廠無法強制關閉或監控」。對防禦方來說，閉源領先開源的時間窗從半年以上縮到四至七個月，準備新攻擊型態的時間更緊。
美國海軍部（同時管轄海軍與陸戰隊）已正式批准一份「數據與人工智慧武器化戰略」，代理海軍部長 Hung Cao 簽署後立即生效。目標是打造「AI 優先」（AI-first，意思是決策與作戰流程把人工智慧當核心能力，而不是事後再加）艦隊，讓部隊能比對手更快學習、更快打。核心框架叫 Bits2Effects Cycle（位元到效果循環）：從自動蒐集軍用資料、傳輸、分類、分析，一路用到真實軍事決策與行動，再把教訓回饋系統、戰術與訓練。關鍵指標是 Mean Time to Effect（MTTE，平均到效果時間），量的是「新資料被抓到」到「產生具體軍事反應或調適」要多久；策略認為在多輪學習的長期衝突裡，學得最快的一方會主導戰場。策略明確寫出一個取捨：在戰時思維下，移動太慢的風險大於系統「對齊不完善」（imperfect alignment，意思是 AI 行為不一定完全符合人類價值或安全預期）的風險；並規劃把大型語言模型（LLM，就是 ChatGPT 這類會對話、讀寫文字的 AI）與代理式 AI（agentic AI，能自己連續規劃、調工具做事的 AI）直接跑在軍艦與遠徵單位上，即使通訊被幹擾或切斷也能運作。人員要在其上自建應用，另設「AI 戰爭委員會」優先排序用例、協調資源，並預先批准戰時對資料分享、密級與部署規則的調整。配套目標包括加快作戰 AI 上線、改善資料可用性、擴充技術基礎建設、精簡審批、提升官兵資料與 AI 素養，以及深化與產業、學界、政府與盟邦合作；多項措施目標在 2027 會計年度第一季前到位，到 2029 會計年度結束前要把合格資料工程師、資料科學家與 AI／機器學習工程師人數翻倍。
設想你是艦隊幕僚，要在通訊可能被幹擾的海域，把敵方船隻與岸上目標的最新感測資料，快速變成可執行的打擊或機動方案。舊做法是：各單位手動彙整報表、層層報核、靠岸上資料中心跑分析，再把結果傳回艦上，動輒數小時甚至數天，MTTE 很長。依這份新戰略，軍艦與遠徵單位上直接跑大型語言模型與代理式 AI，感測資料在艦上完成分類與分析，人員可在核準框架內自建小應用加速任務流程；「AI 戰爭委員會」事先排定優先用例並預核戰時資料分享與部署變更，不必每步再等和平時期完整審批鏈。文章另舉現有成果對照：某海軍 AI 專案把潛艦規劃任務從約 160 小時壓到約 10 分鐘；國防部人員可用的生成式 AI 平臺 GenAI.mil 在 2026 年 6 月已達約 150 萬日活躍用戶（2025 年 12 月上線時約 8 萬）。差異是：舊流程以「完美對齊與完整審批」為先、反應慢；新玩法以縮短 MTTE 為先，接受一定程度不完善對齊，換取在通訊受限環境下仍能把新資料更快變成具體軍事效果。
Anthropic 從 7 月 20 日起把 Claude Fable 5（Anthropic 旗下的高階對話式 AI 模型）正式納入 Max 與 Team Premium 訂閱方案，但額度砍得很兇。同一天「加碼使用期」結束，一般額度先砍掉約三分之一；Fable 5 只能用到這批已縮水額度的五成。原本訂閱裡能較寬鬆用 Fable 的體驗就此收緊。Pro 與 Team Standard 訂戶則實質失去訂閱內的 Fable 5 權限：公司給一次一百美元的用量抵用金，用完就要改付 API（按實際呼叫次數與字數計費的介面）價格，一百美元很可能很快就會用完。Anthropic 坦言 Fable 需求難管、用戶也挫折，並說仍在擴充產能。公司原本打算把 Fable 整包從訂閱抽掉，後來改為「訂閱仍有、但額度砍半再砍半」；文章推測與競爭有關——OpenAI 推出性能相近、價格約三分之一的 GPT-5.6 Sol，加上中國廠商對非最尖端層級的定價壓力。
我是重度 Claude 用戶，原本靠 Max 訂閱天天用 Fable 5 做長文改寫、多檔案程式除錯與長對話推理。舊做法是訂閱內額度大致夠日常，偶爾觸頂再等重置。7 月 20 日起：一般額度先少三分之一，Fable 5 又只能用到該額度的一半，等於 Fable 可用量大幅下修；若我只是 Pro，連訂閱內的 Fable 都沒了，只剩一次性一百美元抵用，之後每通對話都按 API 計費。實務上我會改成分層：日常草稿與短問改用訂閱內仍較充裕的較低階模型，真正需要 Fable 5 的重推理才開它，並盯用量儀錶板；若工作必須長時間吃 Fable，就要預先評估 API 帳單或改比較價 OpenAI 等對標方案。對比舊做法：以前「開訂閱就能當主力模型狂用」，現在變成「訂閱仍掛名有 Fable，但額度策略逼你省用或改走按量付費」。
美國聯邦政府正在六個州試辦一項計畫，用人工智慧（AI，就是能自動讀資料、幫人判斷的電腦系統）協助健保保險公司做「事前授權」（prior authorization，也就是醫師開了藥或檢查後，保險公司要先點頭才願意付錢的那道關卡）。事前授權原本是用來避免亂開貴療程、控制醫療支出，但實務上常讓病人等很久，有人甚至乾脆放棄治療。理論上，AI 能快速掃過大量病歷與規範，把「明顯符合給付條件」的案子先放行，縮短等待。不過醫師端反彈不小：美國醫學會（AMA，美國醫師的全國性專業組織）2025 年調查顯示，六成一的醫師擔心 AI 會讓「本來該給付的必要治療」更容易被拒。AMA 因此要求保險公司拒保時必須寫清楚臨床理由，並公開 AI 怎麼做決定。健康政策分析師 Camm Epstein 說得很直白：AI 應該用來讓該批的案子更好批，而不是讓該給的案子更好砍。目前這套試辦能不能修好卡住的保險流程，還要看實際結果。
假設我是病人，醫師建議做一項昂貴檢查或換一種新藥，但保險規定要先過事前授權。以前流程是：診所把病歷、診斷碼、用藥理由一包包傳給保險公司，人工審核員逐案看，常要等好幾天甚至數週；等太久我就可能先放棄或自費。若保險公司接入這類政府試辦的 AI 審核，系統會先對照給付準則與我的病歷摘要：若條件清楚符合（例如診斷與用藥適應症完全對得上），理論上可自動或半自動放行，診所當天或隔天就能接到同意。反過來，若 AI 判定不符合而拒保，依 AMA 的訴求，保險公司應附上具體臨床理由（不是隻回一句「不符合規範」），我或醫師才能針對理由上訴，而不是在黑盒子裡空等。對比舊做法，差異在於「明確可批」的案子可能更快過關，但若 AI 設定偏向控成本，錯誤拒保也可能變多——這正是醫師調查裡最怕的一點。
Wigolo 是一套專給 AI 程式碼代理用的開源工具，讓代理能自己上網搜尋、抓取網頁、整站爬取與做研究，而且預設完全在你電腦本機跑。核心搜尋與抓取不需要任何 API 金鑰（就是不用先去申請雲端服務帳號與付費金鑰），每次查詢費用為零，快取、模型與設定都放在本機的 ~/.wigolo/ 目錄，不會把查詢內容外送第三方。它透過 MCP（Model Context Protocol，讓 AI 代理用統一方式呼叫外部工具的標準協定）對外提供約十項工具，也能當 REST 服務或用 TypeScript／Python SDK 嵌入。安裝用一行指令即可接上 Claude Code、Cursor 等主流代理；需要寫成完整報告時可選接 Gemini 免費金鑰或本機 Ollama，搜尋與抓取本身仍可不依賴雲端。專案採 GNU AGPL-3.0 授權，公開測試版，GitHub 星數約一千二百顆。
我想讓本機的 Claude Code 在寫程式時，自己去查某函式庫最新官方文件並抓取關鍵段落，又不想每月付 Tavily、Exa 這類雲端搜尋 API 的費用，也不希望查詢內容離開我的電腦。我在終端機執行 npx wigolo init --agents=claude-code，它會下載本機瀏覽器引擎與嵌入模型、寫好 MCP 設定並做健康檢查。之後在對話裡請代理「查 PostgreSQL logical replication 官方文件並整理要點」時，代理會呼叫 wigolo 的 search 並行查多個搜尋引擎、再用 fetch 把頁面轉成乾淨 Markdown，結果附上可引用的原文摘錄與可解釋評分。對比舊做法：要嘛手動開瀏覽器複製貼上，要嘛接付費搜尋 API、資料與金鑰都綁雲端；現在同一次工作流程零查詢費、資料留本地，代理還能直接引用位元組級來源位置，較不易亂編。
ZooData 是一套專門給 AI Agent（會自動幫你做事的 AI 助手）用的資料服務，重點不是再訓練模型，而是先把網路上的資料整理乾淨再交給 Agent。它的核心能力是：丟進任意網址，就回傳結構化的 JSON（一種電腦好讀、欄位清楚的資料格式），讓 Agent 不用自己去爬整頁 HTML（網頁原始碼）再慢慢解析。文章指出，相較直接餵原始網頁轉成的 markdown，這種做法大約可省下 75% 的 token 用量（token 就是 AI 計費與上下文長度的基本單位，用得越少通常越省錢、也越不容易塞爆）。系統採用 deterministic extraction（確定性擷取：同一頁面重複處理會得到一致結果），降低 Agent 工作流程裡「每次結果不一樣」的不確定性；若驗證失敗會自動升級到更完整的模型提取，避免硬給錯誤答案。資料庫方面主打 Amazon 兩億多筆商品與十億多則預處理評論，也延伸到 TikTok 電商情報，並提供 REST API、命令列與 MCP Server（讓 AI 工具用標準方式接外部能力的介面），可接到 LangChain、CrewAI、Claude 等常見 Agent 框架。免費方案含 1,000 點起始額度，之後採 pay-per-field（按取出的欄位計費），Product Hunt 首日也曾排到日榜第一，顯示開發者對「資料前處理這層」有明確需求。
我想做一個每天自動比價與看評價的電商 Agent：輸入幾個競品 Amazon 商品網址，要整理出價格、規格重點，以及評價裡常被提到的優缺點，再寫成簡短日報。舊做法是自己爬 HTML、轉 markdown、再請 LLM（像 ChatGPT 那種對話式 AI）從長文裡抽重點，HTML 又臭又長，token 燒得多，版面一改 scraper 還會壞。改用 ZooData 後，Agent 直接呼叫它的 API 或 MCP，把商品網址換成乾淨 JSON 欄位（價格、標題、評論摘要等），再只把這些欄位丟進模型做分析與寫日報；同樣任務大約可省下七成左右 token，pipeline 也比較穩定，因為同一頁面輸出一致，不用再維護一堆解析規則。
AirLLM 是一套開源工具，讓你在單張只有約 4GB 顯示記憶體（VRAM，就是顯示卡上專門給 AI 運算用的記憶體）的消費級顯卡上，也能跑 70B 參數等級的大型語言模型（LLM，就是 ChatGPT 這類會對話、生成文字的 AI）推論，而且預設不需要量化（把模型數字精簡、可能略損精度的壓縮做法）或蒸餾。它的做法是「逐層推論」：一次只把模型的其中一層載入 GPU，算完再換下一層，因此峰值記憶體大約等於單層大小（約 1.6GB），而不是整個模型。搭配 Flash Attention（一種把注意力計算切塊、降低記憶體與加速的技術）、模型分片與虛擬初始化，進一步壓低記憶體與讀檔開銷。代價是速度比一次載入整模慢約 10 到 20 倍，較適合離線批次工作，不適合要秒回的即時聊天。2026 年 6 月 v3.0 新增 FP8 支援，並相容 DeepSeek-V3（671B，約需 12GB VRAM）等超大模型；專案有 Apache-2.0 授權，GitHub 星數已逾 2.3 萬，近期又因 Trending 再度受關注。
我想在家用 4GB 顯卡的電腦上，對內部 PDF 與文件做離線批次摘要與問答（RAG 管線，就是回答前先從資料庫撈相關段落再讓 AI 整理，減少憑空編造），又不想把資料上傳雲端、也不想租多張 A100。舊做法是要麼買／租高階多卡 GPU 一次載入 70B 模型，要麼把模型壓成大幅量化版、可能損失準度。現在安裝 AirLLM 後，用它的載入介面把 70B 開源模型分片到磁碟，推論時逐層進 GPU，峰值 VRAM 約 4GB 就能跑完整精度前向；若再開 4-bit／8-bit 壓縮還能再加速（文件稱最高約 3 倍）。結果是在消費級硬體上完成夜間批次分析，雲端 GPU 租金大幅下降；但若改做即時客服聊天，延遲會明顯偏高，仍應改用標準全載推論或更小模型。
這篇文章談的是「人在迴圈裡」（human-in-the-loop，意思是 AI 產出後仍要人把關與拍板）這套常見做法，正在讓工程師與知識工作者精疲力竭。Pydantic 工程師 Laura Summers 在 2026 年 2 月指出：AI 讓工作表面上變快，卻把最有成就感的環節——自己解題、摸清邏輯——外包給 LLM（大型語言模型，就是 ChatGPT、Claude 這類會寫程式、會對話的 AI），留給人類的只剩高負荷、低迴饋的審查。2026 年 6 月的 arXiv 論文（2606.05770）也把「持續人工監督」點名為 AI 輔助開發的隱性成本。BCG 針對近 1,500 名美國全職員工的調查顯示：重度 AI 監督者心理負擔高約 14%、資訊過載高約 19%，88% 重度使用者倦怠感上升。文中整理三種疲勞機制：成就感的「獎勵」消失、忍不住一直重提示的強度陷阱、以及寫作與思考都委外後對系統內隱理解被掏空的「認知債務」。實務建議是先劃清必須由人主導的決策（例如架構與安全邊界）、為每日 AI 協作設時數上限，並定期脫離 AI 親自動手，避免只當監督者。
我是後端工程師，要在 monorepo 裡實作一條新的付款對帳流程。以前會自己從資料模型畫到 API、邊寫邊測，寫完有清楚的成就感；現在改成全程丟給 coding agent（會自動改檔、跑指令的 AI 代理），我只負責審 diff、重提示、修它漏掉的邊界條件。結果常常陷入「再提示一次或許更好」的迴圈，晚上十一點還在哄模型，對整條對帳路徑的直覺反而變差。依文中做法調整後：我規定架構選型、金流安全邊界與錯誤碼語意必須自己寫完並 codereview，只把「依既有風格補單元測試、改 boilerplate」交給 AI；每日 AI 協作上限兩小時，超時就關掉代理自己收尾；每週至少一次完整手動走完一條關鍵路徑，維持對系統的心智模型。對比舊做法：表面產出行數變多，但心理負擔、資訊過載與倦怠都升高，而且 E2E 測試常 flake、共享知識流失；新做法下產出略慢一點，但審核時間可控、對系統仍有把握，也不容易被「一直重提示到凌晨」拖垮。
中國 AI 公司 Moonshot AI（月之暗面）旗下的對話式 AI 產品 Kimi，在推出 Kimi K3 後短時間內湧入大量使用者，過去四十八小時的算力需求幾乎把現有 GPU（就是跑 AI 模型的專用晶片）容量用滿。為了保護既有訂戶的使用體驗，公司暫時停止接受新訂閱，並把運算資源優先留給現有會員；已訂閱用戶不受影響。公司表示正盡快擴充容量，之後會分批重新開放新訂閱名額。同時宣佈未來會把會員拆成兩種較聚焦的方案：一般 Kimi Membership 涵蓋網頁、App 與 Work，另設 Kimi Code Membership 專給寫程式相關工作流程，以便更精準分配算力、維持穩定體驗。
假設你是軟體工程師，打算新開一個 Kimi 訂閱來當日常寫 code 助手：現在會被擋在「暫不開放新訂閱」門外，必須等公司分批重開名額才能加入。若你本來就已是訂戶，則可繼續用，不受這波限流影響。之後若你主要需求是寫程式，應改選或轉到即將推出的 Kimi Code Membership，而不是一般 Web／App 會員，這樣公司會把寫 code 專用的算力池配給你，較不易和一般聊天用戶搶同一批 GPU。舊做法是單一會員制、大家搶同一池算力；新做法用分方案把使用情境拆開，降低爆量時整站一起變慢的風險。
Claude Code（Anthropic 推出的終端機 AI 程式設計助手，能在你電腦上讀寫程式、跑指令幫你改碼）從 v2.1.181（2026 年 6 月 17 日）起，改成使用以 Rust 語言重寫的 Bun 執行環境。Bun 原本是用另一種語言寫的 JavaScript 執行器（用來跑網頁前端與工具腳本的「引擎」），其作者 Jarred Sumner 提到已用 Rust 重寫；Claude Code 把這個還未正式標籤釋出的 Bun 1.4.0（目前以 canary 預覽版形式提供）直接內嵌進自家安裝檔。Linux 上啟動約快 10%，其餘使用體驗幾乎沒變，所以多數人沒察覺。技術部落客 Simon Willison 用字串掃描與預載腳本驗證，在本機 claude 執行檔裡找到 Bun v1.4.0 與大量 .rs（Rust 原始檔）路徑，證實數百萬臺裝置上的 Claude Code 已在跑這套 Rust 版 Bun。重點是：AI 工具底層 runtime 升級可以做到「幾乎無感但更穩更快」，Boring is good。
你平常用 Claude Code 在終端機寫專案。想確認自己這臺是否已換成新引擎：先執行 strings ~/.local/bin/claude | grep -m1 'Bun v1'，若看到 Bun v1.4.0（而公開穩定版當時還在 1.3.x），代表內嵌的是較新的 Bun。再寫一個小檔 /tmp/bun-version.ts 內容為 console.log("embedded bun:", Bun.version); process.exit(0);，然後用 BUN_OPTIONS="--preload=/tmp/bun-version.ts" claude --version，會印出 embedded bun: 1.4.0。舊做法是靠官方更新說明或自己猜版本；現在用這兩步就能在本機直接驗證「AI 寫碼工具底層已換成 Rust 版 Bun」，並對照 Linux 上啟動約快 10% 的體感，而不必改任何使用習慣。
該pull request主要討論了代碼建議的提交方式，包括批次處理、單行應用等操作限制。
例如，當代碼未作修改時，無法應用建議；在已關閉的pull request上也無法添加建議。
Handy（一款跨平臺語音轉文字桌面應用）的作者與維護者發布了 transcribe.cpp，這是一套以 ggml（一種輕量、適合在本機跑 AI 模型的推論框架，類似把模型打包成可在一般電腦直接跑的引擎）為基礎的本地 ASR（自動語音辨識，就是把錄音或麥克風聲音轉成文字）函式庫。作者認為目前要做跨平臺本地語音轉文字，大致只剩 whisper.cpp 與 ONNX 兩條路：前者模型較受限，後者在只用 CPU 時效能常被吃掉，若再為 Apple 裝置另接 MLX 又要維護兩套引擎，分散模型也痛苦。transcribe.cpp 主打可信任、可驗證、可嵌入：目前支援約 16 個 ASR 模型家族、60 多個模型，涵蓋多數公開的現代語音轉寫模型，並持續擴充。加速面同時支援 Vulkan、Metal、CUDA 與 TinyBLAS，讓 Windows、macOS、Linux 都能盡量用到 GPU。每個模型都做過數值比對，並以 WER（字錯誤率，衡量轉寫錯多少字的指標）大量語料測試，目標與官方參考實作輸出一致或極接近，結果也公開在專案與 Hugging Face 的 handy-computer 組織。功能上支援串流與批次轉寫，對 whisper.cpp 的 .bin 模型大致可當替換使用，並提供 Python、JavaScript／TypeScript、Rust、Objective-C／Swift 等官方維護的語言綁定，方便嵌進桌面或行動 App，而不必拖進龐大的 PyTorch 套件。專案標示為 v0.1.0，仍有粗糙邊角，作者邀請社群回報問題。Mozilla AI 的 BiR 計畫等單位曾支援開發。
我想做一款桌面筆記軟體：使用者按下熱鍵開始講，邊講邊即時顯示字幕，結束後再把整段錄音精準轉成文字存檔，且全程不把語音送到雲端。舊做法若只綁 whisper.cpp，能用的模型選擇少，想換成更新、更準的開源 ASR 模型往往要自己改引擎或另接 ONNX，跨 Mac／Windows／Linux 又難統一加速；若直接上雲端 API 則有隱私與月費問題。改用 transcribe.cpp，我可以在應用裡透過官方 Rust 或 Swift 綁定載入已驗證過的模型檔，用串流模式邊收音邊出字，錄完再用批次模式做一次完整轉寫；同一套函式庫在有 GPU 的機器走 Vulkan／Metal／CUDA，在弱裝置也能跑。對比舊路，模型選擇變廣、輸出準度有公開 WER 與數值驗證可查，且不必為每種平臺重寫推論管線，本地隱私與部署成本都更好控。
在今年世界人工智慧大會（WAIC，每年在上海舉辦的大型 AI 展會）現場，哲學與人文社會科學的聲音明顯變多。過去 AI 大會常聊參數、算力與排行榜，現在模型已能寫論文、做數學證明、生成蛋白質構形，還能用一群「智能體」（agent，能自己規劃步驟去完成任務的 AI 程式）去模擬社會，於是「它真的理解嗎」「AI 算不算新科學家」「找不到解釋卻通過實驗的規律該不該信」這類接近哲學的問題變得急迫。復旦大學哲學學者把焦點拉回「智能之前先有世界、心智之前先有關係」：真正紮根現實的智能至少需要身體（行動有代價）、環境（有反饋）、他者（有規範）與歷史（失敗變成經驗）。同場還發布《2026人文社會科學智能發展藍皮書》，提出 STRIDES 等可執行檢查流程，並區分「代理型」（演算法一路做到決策輸出，人多半在出錯或申訴時才出現）與「輔助型」（AI 負責檢索、計算、風險提示與方案，最終決定仍由人下）兩種把 AI 嵌進公共治理的方式，強調「人在迴路」（human-in-the-loop，人仍能介入、糾偏與要求解釋）不能只剩一個確認按鈕。
假設我是大學研究團隊負責人，要評估「AI 能不能獨立產出可投稿的論文」並設計防翻車流程。舊做法多半是：研究員用 ChatGPT 類工具幫忙寫草稿，自己改完就投稿，過程裡 idea、程式、數據與審稿回應分散在信箱與硬碟，出問題很難重跑一遍。新做法可參考現場展示的兩條路徑：一是「自進化」科研系統（模型自己想題、寫程式、跑實驗、分析結果，再把成敗軌跡拿來調整資料與模型），例如超衍智能團隊用 Apex Search 生成 34 篇論文送進 ACL、ARR 等學術審查，現場披露約 10 篇有機會進 Findings 或主會，兩篇拿到 3.67 分、高於約 95% 人類投稿；二是在流程上套藍皮書 STRIDES 思路——研究問題、資料字典、分析腳本、執行紀錄、審查意見與人工裁決都要留下，低信心結論強制交回人類判斷。結果是：生成速度可以很快，但評估與追責變得比寫稿更難，你能回答的不只是「有沒有中稿」，還包括「這是真研究能力還是鑽到審稿漏洞」「出錯時誰負責、證據鏈能不能重走」。對比舊做法，新流程把『產出』和『可複核的治理』綁在一起，避免只留下一篇文字流暢卻無法追溯的論文。
在 2026 世界人工智慧大會（WAIC，一場大型 AI 產業展）上，特贊科技展示了「主觀世界模型」（Subjective World Model，簡稱 SWM）。它不是一般聊天型大語言模型（LLM，就是 ChatGPT 這類會對話的 AI），而是專門用來模擬「人如何做真實決策」的架構。核心判斷是：消費者「自己說在意什麼」和「實際掏錢時怎麼權衡」之間常有偏差，這個偏差可以量測、也可以建模。SWM 用四層不同資料一起訓練：社交語料抓語言風格與人群特徵、深度訪談建模購買動機的因果鏈、標準心理量表校正價值權重、經濟博弈與真實交易估行為經濟學參數。推理時四層聯合打分，產出可連續追問、內在狀態一致的 AI 虛擬消費者（AI Persona，用 AI 扮演特定族群的虛擬受訪者）。報導稱行為模擬準確率約 85%（對照真人深訪基準），並可在約 30 分鐘內交付大量 Persona。特贊還把 SWM 接到企業級智能體架構 GEA，串起「理解消費者」到「執行行銷、洞察、產品創新」的完整鏈路，強調十年真實深訪資料與抗合成資料機制才是難以用算力追趕的壁壘。
假設你是消費品牌產品經理，要測一款全新零食包裝：消費者會不會因為「看起來更健康」而買單，還是真正在意的是價格與份量。舊做法是找代理商做一輪一對一深訪與焦點團體，排期、招募、整理錄音往往要數週，而且樣本人數有限。用 SWM 流程：先鎖定目標族群（例如 25–35 歲都會上班族），系統從社交語言表徵、歷史深訪動機圖、價值權重與行為參數組出對應 AI Persona；你直接丟同一組追問（新包裝第一印象、願付價格、與競品對比、若漲價 10% 是否仍買），Persona 會維持跨回合一致的動機與風險偏好來回答，而不是像一般 LLM 每次隨機重講一個人設。據報導可在半小時級交付大量可追問的模擬受訪者，行為模擬準確率對照真人深訪約 85%。差異是：傳統深訪慢、樣本少但真人可信；純 LLM 角色扮演快但不穩、容易前後矛盾；SWM 目標是用分層真實資料把「說的」與「做的」校正成可重複、可規模化的虛擬研究。
在 2026 世界人工智慧大會（WAIC，大型 AI 產業展）上，奇異摩爾首次亮相，並與壁仞科技聯合展示「國產 GPU 直通國產 RDMA 網卡」的 IBGDA 方案。RDMA（遠端直接記憶體存取）是一種讓兩臺機器的記憶體幾乎可直接互傳、減少中間層開銷的高速網路技術；IBGDA 則讓 GPU（圖形處理器，這裡當 AI 加速卡用）自己直接發起這類網路傳輸，不必再把指令先丟給 CPU（中央處理器）中轉。傳統做法在跨節點通信時，GPU 要經 CPU 轉指令，多出延遲與 CPU 負擔。對 MoE 模型（混合專家模型，把大模型拆成多個「專家」子網路、每次只啟動一部分）的訓練與推理來說，專家並行常有大量小封包、高頻率的 All-to-All（大家互相傳資料）通信，最吃這類延遲。報導稱奇異摩爾的單通道 400G RDMA ASIC 引擎建在 Kiwi SNIC 800G 平臺上，並相容專為 MoE 優化的集合通信庫（對標 DeepEP 一類工具）。Demo 對標英偉達 IBGDA 測試水準：相對傳統 IBRC，小包高頻場景下單次小訊息頻寬明顯上升、All-to-All 延遲接近砍半，且傳統「小包比大包還慢」的小包懲罰被壓掉。方案走開放乙太網路生態，強調不綁死特定外國網卡。同場合還展示國產超節點全棧互聯方案，並參與發起「國產超節點生態共建倡議」與《共封裝光學（CPO）技術白皮書》。
假設你要在兩臺以上的國產 AI 伺服器上跑 MoE 大模型推理或訓練，專家並行時每隔一小段時間就要把大量「小塊」權重或中間結果在節點間互傳。舊做法是 GPU 算完先把通信指令交給 CPU，CPU 再驅動網卡，小訊息一多，等待與 CPU 開銷會把整體吞吐拖垮，All-to-All 延遲也會明顯變長。換成奇異摩爾與壁仞這套 IBGDA Demo 的路徑：壁仞 GPU 透過已適配的軟體庫直接對奇異摩爾國產 RDMA 網卡發通信，繞過 CPU 中轉。據現場對標英偉達 IBGDA 的實測描述，小包、高頻、強同步場景下吞吐量明顯躍升，All-to-All 延遲接近減半，小訊息不再被「小包懲罰」拖到比大訊息還慢。結果是：同樣一輪 Dispatch／Combine（MoE 裡把 token 分給專家、再把結果合併回來的兩段通信），叢集更容易把算力花在真正計算而不是等網路；差異關鍵在於「國產 GPU + 國產網卡」也能走 GPU 直通，不必再只靠外卡適配才能達到類似低延遲通訊。
在上海世界人工智慧大會（WAIC，業界常稱 AI 圈春晚）現場，京東首次集體展示面向「物理 AI」（就是不只聊天寫文，還要看懂真實環境、做決策並指揮機器與家電動手做事的 AI）的 JoyAI 全系列大模型與應用。重點不是單一聊天模型，而是把語音、圖像、影片、即時互動到具身智能（embodied AI，讓機器人像人一樣感知並動手的技術）串成感知、理解、決策、執行的完整閉環。視覺方面有 JoyAI-Image-Edit（可做視角變換與空間結構編輯）、JoyAI-Echo（用跨模態記憶維持長影片一致性）、JoyAI-VL-Interaction（毫秒級看畫面並呼叫代理），以及可即時預覽修改的 JoyAI-Video-Edit；語音有 JoyAI-Voice 與能辨情緒、可打斷的 JoyAI-Talker；動作則靠 JoyAI-RA 移動操控基礎模型，把決策轉成真實設備動作。具身資料上，京東稱已發動約 60 萬人參與採集、建全球最大具身資料中心，目標兩年蒐集 1000 萬小時人類真實操作資料，並開源目前業界規模最大的人類第一視角資料集 EgoLive（約 2000 小時影片、65866 個片段、覆蓋 346 項真實任務）。面向家庭則推出 JoyInside，把模型能力封成給硬體用的「AI 大腦」，處理語音、意圖、長期記憶與多設備協同，合作品牌近 200 個，今年預計接入超過千萬臺終端。整條線傳達的訊息是：AI 正從螢幕內容生成，往工廠、藥房、家庭與穿戴裝置的真實執行移動。
我想讓家裡的學習檯燈不只照明，還能幫孩子當場批改數學作業並講解。舊做法是家長拿手機拍題目丟進聊天式 AI，再把答案抄回紙上，流程斷裂、小孩也難邊寫邊問。若檯燈已接入京東這類 JoyInside 式的硬體 AI 系統：孩子在紙上寫題時，檯燈用相機辨識紙面題目與書寫內容，模型理解題意與錯誤點，再透過無螢幕漫反射投影把講解與訂正直接打在桌面，孩子可邊改邊問、系統可依進度調整回饋。同時同屋的智能床墊、空調、機器人若也接同一套系統，可共用家庭成員習慣與長期記憶，例如深夜起床或突然哭鬧時主動協調設備。對比舊做法：過去每臺家電各自 App、互不相通，AI 停在手機對話框；現在感知、理解與設備控制在同一條鏈路上，傳統檯燈變成具備感知—理解—回饋的物理 AI 終端，而且現場展示聲稱接入後對話輪次平均可提升超過一倍。
在 2026 世界人工智慧大會（WAIC，每年在上海舉辦、匯聚全球 AI 產業與學術界的大型盛會）上，杭州聯匯科技（Om AI 聯匯）舉辦了專門討論「端側流式多模態模型」的分論壇。端側（on-device）指的是 AI 直接跑在手機、穿戴裝置、機器人等本地硬體上，不必事事連上雲端伺服器；多模態（multimodal）則是模型能同時處理影像、語音、文字等多種資訊。論壇上，Om AI 正式發起《端側多模態基座與 AI 硬體協同發展倡議》，並同步上線 VLX 開發者社群。業界共識是：過去常見的「雲端先訓練大模型，再壓縮裁剪塞進裝置」做法，越來越難滿足真實物理世界對低延遲、離線運作與資料隱私的要求，因此需要從底層就按端側場景重新設計的「端側原生架構」。該公司自研的 VLX 端側流式多模態模型系列也在會上首次公開亮相。
假設你是一家做戶外巡檢或低空作業無人機的硬體廠工程師，要在機上即時辨識障礙物、讀取儀表與語音指令，並在無網路的山區或海上獨立決策。舊做法是把畫面與語音上傳雲端大模型再等回覆，延遲較高，訊號一斷就整機停擺，敏感影像還可能外洩。改走端側原生路線：你加入 VLX 開發者社群，用其提供的標準模型呼叫介面與全場景適配 SDK（軟體開發套件，一組現成函式與工具，讓你不必從零接模型）把 VLX 流式多模態模型直接部署到機載晶片上，影像與語音在本地串流推論、即時輸出動作指令。結果是：巡檢可在斷網環境持續作業、反應時間壓到可接受的即時範圍，且畫面不必離開裝置。對比雲端方案，差在「離線可用、延遲更低、隱私留在本地」，也省去為每款硬體反覆手工裁剪雲端模型的適配成本。
這篇論文來自 MIT CSAIL 與希伯來大學，用數學分析解釋「對比學習」（不需標籤、靠讓同一張圖的不同變形彼此靠近、不同圖彼此遠離來學特徵的方法）為什麼在自然影像上特別有效。作者證明：只要影像資料大致滿足「平穩性」（平移後統計特性差不多），在常見的簡單資料增強（隨機裁切、亮度與對比抖動、模糊）下，對比損失的最優表示會做「部分白化」——只保留一部分空間頻率，並依各頻率的平均能量反比調整敏感度，讓表示在各方向的方差變均勻。這種最優表示可用非常簡單的 CNN（卷積神經網路）算出：第一層濾波是正弦波、再經點狀非線性（例如平方或 ReLU）、全域平均池化，最後一層線性投影做部分白化；頻率與權重可依資料的「功率譜」（各頻率平均能量）用水填演算法算出。實驗顯示，用隨機梯度下降訓練的簡單 CNN，在雜訊、死葉、CIFAR、ImageNet 等資料與多種增強下，第一層真的會學到正弦濾波，並表現出理論預測的部分白化。這也解釋了為何用「看起來不像真圖」的雜訊影像做對比學習，仍可能得到對真實影像有用的表示——關鍵在功率譜是否接近。
假設我要在沒有標籤的影像上先學一組通用特徵，之後用簡單分類器做 CIFAR-10 物體辨識。舊做法常直接用原始像素，或手刻對裁切、顏色抖動不變的特徵，但辨識準確率有限且難以泛化。依這篇理論，我可以建一個很淺的 CNN：第一層卷積、平方或 ReLU、全域平均池化，再線性投影到固定維度，並依訓練集功率譜做部分白化（用水填決定保留哪些頻率與權重）。訓練時只最小化對比損失：同一張圖的不同裁切／模糊要靠近、不同圖要分開。結果第一層會自然收斂成正弦波，對中頻較敏感並完成部分白化；拿這表示做 K 近鄰分類，準確率會明顯高於隨機初始權重，且多數增益來自白化這一步。對比完全手刻「對增強不變」的特徵往往不實用，這條路用很簡單架構就能得到可用於下游的表示；也說明選什麼增強、訓練影像的功率譜會直接決定學到哪些頻率，進而影響辨識效果。若增強改成更接近現今主流的隨機裁切比例與非線性顏色抖動，濾波會更局部化，就不只是部分白化而已。
Google Research 在 ICLR 2026 發表論文，解釋擴散模型（一種把純雜訊一步步「還原」成圖、分子等的生成式 AI）為什麼能創造新東西，而不只是死背訓練資料。訓練時，模型會學一個叫「分數函數」（score function，可想成告訴雜訊粒子該往哪裡移動的力場）的東西；若學得完美、尖銳，生成結果就容易變成訓練圖的複製品（背誦）。實際上神經網路因權重衰減等正則化（訓練時限制模型不要過度擬合的手法），以及梯度優化本身的隱性平滑效果，學到的是「稍微被磨圓」的分數函數，稱為分數平滑（score smoothing）。在一維簡單例子裡，完美分數會在兩個訓練點中間形成陡峭斷崖，粒子全被吸到原點；平滑後中間變成緩坡，粒子會停在兩點之間的插值區，產生新樣本。在真實高維影像空間，有意義的資料只佔極小「資料流形」（像藏在雜訊大海裡的一張薄片）；分數平滑主要沿流形切線方向放慢、避免崩向訓練點，卻不太阻礙朝流形本體靠攏，因此兼顧真實感與新穎度。作者也釋出數值實驗程式碼，並指出可依此思路刻意打造更擅長插值、較不易盲目背誦的生成模型。
假設你只拿兩張貓照片訓練擴散模型，想再生成一張沒見過的貓。若模型學到「完美」尖銳的分數函數，去噪時雜訊粒子會幾乎只被吸回那兩張原圖的位置，輸出常是近乎複製。實際上網路學到的是平滑版分數：在資料流形（有意義的貓影像所在薄片）的切線方向，平滑效果會影響粒子的最終落點，可能在訓練樣本之間生成新樣本；同時朝流形本體的方向幾乎不減速，所以結果仍像真貓而非糊掉的雜訊。對比舊理解把「創造力」當黑箱奇蹟，這套說法指出創造力其實是學習不完美帶來的可預期插值；在藥物分子生成上同理，模型不會只背兩個已知分子，而能在兩者之間探索出第三種合理結構。想重現可看作者釋出的一維 ReLU 網路與權重衰減實驗程式。
OpenRouter 被描述為一個「模型路由市集」，讓開發者透過單一 API 就能接入多種大語言模型。近期有消息指出，這家新創公司可能成為併購標的，吸引大型科技公司關注。對開發者而言，這代表一站式模型中介層正逐漸被視為戰略資產。
我想做一支內部客服機器人，希望依題型自動選擇適合的模型，又不想同時管理好幾個供應商的帳號與計費。用 OpenRouter 的單一 API 可以簡化這項工作，例如一般問答用開源模型、複雜投訴用強推理模型，系統會自動路由。若被大型科技公司收購，路由規則、定價或供應商組合可能變動，團隊應評估備援與資料出口策略。
這則整理來自 AI 社群人士 swyx：本週最熱門的一場技術演講，是 OpenAI 工程師 Abhishek Bhardwaj 在沙箱議程（Sandbox track）的主題演講。他回顧過去一年，從早期專案 Arrakis（一套讓大型語言模型在安全環境裡完成複雜工作的工具與安全環境）被 Greg Brockman 招進 OpenAI，到現在負責 ChatGPT 工作產品背後的代理雲端基礎建設。演講核心論點是：很多人以為「給 AI 代理（agent，就是能自己規劃步驟、呼叫工具完成任務的 AI）開沙箱」只是「在 Kubernetes（管理容器的系統）上跑容器」就夠了，其實嚴重低估問題。真正關鍵不只是算力，更是隔離安全與儲存／檔案系統——代理常要跑模型產出、可能不可信的程式碼，任務可能橫跨多天，還需要快照、回退與故障恢復。演講強調：若只把問題想成運算資源調度，很容易忽略「持久化儲存與檔案系統」對長時間代理工作的決定性影響。
假設我要讓一個寫程式的 AI 代理幫我重構大型專案：它會反覆寫碼、跑測試、修 bug。若用傳統「臨時容器」：每次跑完就銷毀，模型寫錯或節點故障時進度全沒；且容器仍共用主機作業系統核心，惡意或有漏洞的程式碼一旦逃出，可能危及整臺機器。改用演講主張的微虛擬機（micro-VM，一種靠硬體隔離的輕量虛擬機）加上增量快照儲存：代理在獨立微虛擬機裡執行，即使拿到虛擬機內最高權限也碰不到主機；同時用寫時複製（只記錄有改動的磁碟區塊）做增量快照，探索分支 A 失敗後可立刻回到分支前狀態再試 B。結果是多天長任務不會因一次崩潰重來，安全性也從「靠規則擋住」升級成硬體級隔離，比單純容器更適合大規模、不可信程式碼的代理雲。
史丹佛學者 Simran Arora 指出，學術界裡的混合線性注意力（hybrid linear attention：一種讓 AI 讀長文時不必每一步都把全部字元互相重算一遍、改用更省算力的「近似關聯」來處理上下文的做法）、KernelBench（專門考 GPU 核心程式寫得好不好、跑得快不快的基準與題庫），以及整模超大核心（full-model megakernels：把模型裡多個運算步驟揉成一個超大 GPU 程式，減少中間來回停頓）已經直接用在打造與評測最頂尖的大模型上。同時，名為 HipKittens 的專案也在 AMD 的 aiter（AMD 官方的 AI 運算核心函式庫，負責在 AMD 顯示卡上把推理關鍵步驟寫到極致）裡交出目前最快的 MLA 解碼核心（Multi-head Latent Attention 解碼：一種把注意力相關的中間狀態壓得更小、解碼時省記憶體的做法）與 DeepSeek V4 風格的 DSV4 解碼核心。重點是：以前看起來很學術的「注意力變體」與「手寫 GPU 核心」研究，現在已經變成前沿模型能不能在特定硬體上又快又便宜跑起來的關鍵零件，而不是紙上論文。
假設你要在 AMD MI350 系列顯示卡上架設一個採用 MLA 注意力的長上下文模型，舊做法是用函式庫裡既有的組譯核心或通用路徑，解碼（就是模型一個字一個字往外吐答案的階段）在大批次、長上下文時往往被記憶體與啟動開銷卡住。改接 aiter 裡 HipKittens 那條 MLA／DSV4 解碼核心後，同一張卡在高負載解碼情境可看到顯著的吞吐提升，等於同樣硬體能同時服務更多用戶或更長對話。對比舊做法：以前要嘛換更貴的卡、要嘛縮短上下文上限；現在是同一代 AMD 硬體靠核心工程把解碼瓶頸往下壓，部署成本與延遲都更可控。
AI 代理人（Agent，就是能多步驟自己調工具、連續完成任務的 AI 程式）這陣子不只比拼底層大模型，連外層「怎麼組能力、怎麼控流程」也在快速變成熟。一條產品線是技能（Skill）抽象：Perplexity 的 Agent API 新增了 Skills，開發者不必只靠一則系統提示詞定義代理人，而是把能力拆成可組合模組——例如內建的 office／PDF 技能可再配上你自己寫的排版技能，一次產出格式客製好的研究報告 PDF。同方向還有 Nous 的 Hermes Agent 桌面版與 Unreal Engine 陪伴技能，以及社群整理的進階 MCP（Model Context Protocol，讓模型和外部工具、資料源用同一套協定溝通的標準）用法。研究側最醒目的是 MemoHarness：它把包住模型的「運行外殼」（Harness，包含上下文怎麼拼、工具怎麼叫、解碼預算、多輪流程、記憶、輸出後處理）拆成六個可編輯控制面，從歷史執行軌跡學習，再在部署時依個案檢索相似經驗，產生任務專用外殼，不必額外標註或回饋。在長程終端代理人基準 Shell-Agent／Terminal-Bench 上，MemoHarness 報出平均任務成功率約 0.806，對上最強固定外殼基線約 0.722，同時因快取重用把單次任務成本壓得比部分固定方案還低。整體訊息是：MCP 與技能模組、以及可自動調的 Harness，正在變成代理人產品與研究的主戰場。
我想用代理人自動做一份客製格式的研究 PDF：先上網查某個主題、整理論點，再依公司簡報風格排版輸出。舊做法是把所有要求塞進一長段系統提示詞，再外接搜尋與轉 PDF 腳本，一旦格式或查詢步驟變了就要整段重寫、也難複用到別的報告類型。改用 Perplexity Agent API 的 Skills 時，我直接掛上內建的 office／PDF 技能，再附上自己的 inline 設計技能（定義字型、標題層級、頁首頁尾），代理人一次組裝查詢與排版能力，產出成品 PDF 研究報告。若是終端裡長程任務（例如多步 shell 操作修環境、找檔、驗證結果），固定外殼常在某一類錯誤上卡住；MemoHarness 會先從過往失敗案例學到「該改哪一面」（例如加強工具重試、調整上下文組裝或輸出驗證），部署時可針對任務特性調整外殼設定，在 Shell-Agent 類基準上成功率高於最強固定基線，且因大量輸入走快取，回報的單次成本可低於部分固定方案。
一篇名為《The Illusion of Robustness》（魯棒性的幻象）的論文指出：現在最頂尖的大型語言模型（LLM，就是 ChatGPT 這類會對話、寫文、解題的 AI）在整體正確率上看起來很穩，但其實會被「跟題目無關」的多餘文字搞到答案翻來翻去。研究者把無意義的雜訊、甚至亂拼的假字加進題目前後，發現整體正確率幾乎沒變，看起來像「模型很穩健、不受幹擾」。可是逐題看會發現：有些題目答對變答錯、有些答錯變答對，兩邊互相抵銷，所以平均分數看起來很平靜。這種「逐題不穩、總分卻平」的現象在多種模型與多份資料上都看得到，而且哪幾題會翻大多是「這個模型特有」的，不是大家共用同一批雷區。不穩定程度還會受多餘文字的類型、長度、推理時多給多少算力、以及模型發展階段影響。論文因此呼籲：只看平均正確率會掩蓋「少數題目突然翻車」的尾部風險，部署或評估時應做逐例可靠性檢查。
假設你要評估某個聊天 AI 能不能穩定答「臺北 101 有幾層」，在乾淨題目下它答對「101 層」。若你在題目前貼上一段完全無關的新聞摘要、或一串亂碼假字，它可能突然改答「508 層」或「不知道」。同一輪測試裡，另一道題「臺灣最高的山是哪座」原本答錯，加了雜訊後反而答對了「玉山」。兩邊一加一減，整份考卷的平均分數幾乎不變，報表會寫「模型對無關上下文很穩健」。實際上若你的產品把用戶長對話、貼上的網頁、或系統提示裡的雜訊一起送進模型，少數關鍵問題仍可能在同一題上答案反覆翻轉。舊做法只看平均正確率會以為沒問題；照這篇論文的做法，應另外統計「加雜訊後答案有沒有變」的逐題翻轉率，才能抓出真正不穩的案例。
日本 AI 實驗室 Sakana 與合作者發表論文 Diffusing Blame（已獲 ALIFE 2026 接受），探討「神經網路能不能像真的大腦一樣學習」。真神經元大致遵守 Dale 原則（就是：同一個神經元要嘛專門負責興奮、要嘛專門負責抑制，不能混著發正負訊號）。一般人工神經網路卻常讓每個節點同時有正、負連線，再靠反向傳播（backprop，也就是把錯誤從輸出一層層往回傳、調整權重）來訓練；但反向傳播需要把前向權重完整轉置再送回去，生物學裡幾乎找不到對應機制，這叫權重傳輸問題（weight transport problem）。作者在 Error Diffusion（錯誤擴散，一種把全域錯誤訊號直接廣播給各隱藏層、不必搬運轉置權重的局部規則）上擴充，把網路拆成興奮流與抑制流、權重皆非負、連線正負號由族群身份固定，並用 modulo error routing（依類別取模分配錯誤訊號）把原本偏二分類的做法推到多類別。結果顯示：嚴格遵守 Dale 原則、又不做標準權重傳輸，網路仍能在影像分類與強化學習裡學到可用表現，指向更貼近生物、又仍有效的學習路徑。
我想訓練一個認手寫數字的小模型，但又想強制遵守「每個神經元只能興奮或只能抑制」。舊做法是用一般全連接網路加反向傳播：誤差從輸出層往回算梯度，中間權重可正可負，MNIST（手寫數字資料集）容易衝到很高準確率，但違反 Dale 原則，也需要權重傳輸。改用 Diffusing Blame 的做法：隱藏層拆成興奮／抑制兩股，四組非負權重矩陣，前向時由固定族群身份決定連線正負；訓練時不把前向權重轉置回傳，而是用錯誤擴散加 modulo 路由，把全域錯誤依類別分配到各單元。論文在影像分類和強化學習任務上驗證了這種設計的有效性。若改做機器人控制，可把同一套局部更新接進 PPO（近端策略優化，常見強化學習演算法）訓練 Ant、Humanoid 等連續控制任務，論文顯示在多種路由方案中 modulo 路由與真實反向傳播梯度對齊最好。差異是：舊做法準確率常更高、實作也成熟，但生物不可信；這套刻意犧牲部分彈性，換來「無標準權重傳輸 + 恪守 Dale」仍可學的證明，適合研究生物可信學習或想探索非 backprop 訓練規則的人。
研究人員 Elie Bakouch 把 Anthropic 風格的 j-space（一種用來畫出模型內部表徵空間幾何形狀的分析方法）套用到 Thinking Machines 的 Inkling 模型上，發現它和其他模型不太一樣：多數模型在淺層、中層、深層會拆成近乎互相正交的感覺／工作區／動作等區塊，Inkling 卻在整條堆疊裡大致維持同一套幾何，早期層與晚期層的 CKA（Centered Kernel Alignment，用來量兩層表徵有多像的相似分數，越高越像）約 0.8，其他模型常見大約 0.5。同一串討論也比較了 Poolside 的 Laguna XS 2.1 在 bf16 與 NVFP4 量化（把數字精度壓低以省記憶體與算力的壓縮方式）前後的 j-space，結果幾乎沒變，代表這種低精度量化對該模型的表徵幾何影響很輕微。相關 j-space 檢查點已放到 Hugging Face 供人下載對照。這屬於可解釋性（interpretability，想打開黑盒子看模型「怎麼想」）與表徵幾何的研究，主要幫助研究者理解模型結構差異與量化是否傷到內部表徵，而非一般使用者的新功能。
假設我在公司要評估「能不能把某顆開源大模型壓成 NVFP4 以省顯卡記憶體，又擔心量化後推理品質 silently 變差」。舊做法多半隻看榜單分數或人工抽樣問答，分數差不多就上線，卻不知道內部表徵是否已扭曲。現在可下載上述公開的 j-space 檢查點，用同樣流程畫出量化前後的表徵幾何：若像 Laguna XS 2.1 那樣 j-space 幾乎重合，就比較有信心量化主要是省資源、沒大改內部組織；若早期－晚期 CKA 大跌或區塊結構打散，就優先做更細的回歸測試與微調。對比只看分數：分數可能仍過關，但表徵已偏；j-space 多給一層「結構是否還像原版」的訊號，方便決定要不要上線或換壓精度。
投資人 Chamath Palihapitiya 指出，目前「領先邊緣」（leading-edge，指當下最強、最新一代）的 AI 模型 token（就是模型計費的最小單位，類似「一個字詞」）價格已經出現極端落差：同樣一百萬個 token，最便宜只要大約 0.5 美元，最貴卻要大約 56 美元，價差可到一百倍上下。這代表市場不再是「大家都差不多貴」，而是同時存在極低價路線（多半是強力開源或低成本供應商）與高價旗艦路線（閉源頂尖模型）。對一般使用者與公司來說，同一個「用 AI 處理文字」的任務，成本可以差一個數量級以上，選擇模型變成真正的預算決策，而不只是功能偏好。這種「價格崩塌／兩極化」的敘事，也呼應近年開源模型快速追趕、API 競價激烈的產業趨勢，後續會直接影響產品定價、Agent（能自動串多步驟任務的 AI 代理人）能否大規模部署，以及企業要不要把工作負載拆成「便宜模型處理粗活、貴模型處理關鍵判斷」。
這種價格差距讓實際使用時的選擇更具策略性。例如，企業可以根據任務重要性，把日常簡單處理交由低價模型，只有關鍵判斷才動用高價旗艦模型，從而大幅降低整體推論成本。不過具體節省多少，取決於任務分佈與用量，尚無法給出精確數字。
非營利組織 Current AI 正在打造一套像早期全球資訊網那樣、對所有人免費開放的 AI 公共基礎設施（公共 AI 基建，就是不歸單一私人公司所有、由政府與公益資金支持的 AI 底層工具與資料）。它由 Martin Tisne 在 2025 年 2 月創辦，現任執行長是曾領導 Mozilla AI 策略的 Ayah Bdeir。法國政府先投入一億美元種子資金，再加上福特基金會、MacArthur 基金會、DeepMind、Salesforce 等，承諾總額約四億美元；這些是出資方（funders），不是拿股份的投資人。組織定位是公部門、企業與公益單位一起出資的公私協力，目標是當 AI 會改變每個人生活時，必須有公共替代方案，而不是隻靠 OpenAI、Google、Anthropic 這類私人公司的系統。重點痛點是：目前主流大型語言模型（LLM，就是 ChatGPT 這類會對話、寫文章的 AI）以英文為主，全球約一半口語語言瀕臨消失，連帶語言背後的文化、知識與社群也被排除在 AI 之外。
印度鄉下農民拍了枯萎植株的照片，想上網查病因但不會英文、也常沒穩定網路。Current AI 在印度 AI 峰會與印度政府語言 AI 單位 Bhashini 合作，宣稱開發了一款開源、口袋大小的離線裝置，可在多種印度語言上運行 AI，無需網路，開發者社群也可自行改裝延伸。同一組織上個月撥出三百二十萬美元給四個計畫：肯亞 Masakhane 為五十多種非洲語言建健康、農作與教育資料集；黎巴嫩 Institute for Worldmaking 把阿拉伯文化史與當代實踐做成社群可掌控的機器可讀資料庫；巴西 Portal sem Porteiras 與亞馬遜原住民一起做離線 AI 工具並把資料留在當地；肯亞 African Internet Rights Alliance 做全洲 AI 問責稽核工具。本月在日內瓦 AI for Good 峰會，它與 Hugging Face、Mozilla、MIT Media Lab 等十個單位用七週組出開源聊天機器人 Alpha Chat；另與東京 Sakana AI 合作，要做支援日語與全球南方社群的共享開源 AI 技術棧。對比舊做法是等大科技公司為擴市場而加多語模型、訓練資料可能未徵得社群同意（例如用原住民語言的傳教聖經譯本直接當訓練資料），Current AI 改為在地存模型與資料、先引入社群專家、把同意與可中止流程寫進管線，讓資料與文化控制權留在社群，而不是矽谷公司。
奢華手機品牌 Vertu（做高價手機的英國品牌）推出摺疊機 Alphafold，起價 6880 美元，主打給高階主管用。真正賣點不是規格，而是預裝的 Hermes Agent（AI 代理人：可跨 App 幫你多步驟執行工作，不只是聊天回覆）。它建在開源 Hermes 專案上，號稱能分析本機檔案、自動排程與導航、必要時轉給真人禮賓服務。TechCrunch 實測幾天後發現：硬體很像較便宜的中興 Nubia 摺疊機再包真皮與鈦，Vertu 也承認與 ZTE／Nubia 有供應鏈合作。Hermes 比三星摺疊機上的 Gemini 更敢自己動手，但常弄錯時間、日期或沒把流程做完；文件分析一開始不錯，過幾天同一對話卻認不出本機檔案。作者結論是：野心很大，但現階段難撐這麼高溢價，更像在演進中的代理人，不是必買理由。
你是主管、馬上要趕機場，要一次完成：傳訊給同事說晚二十分鐘、開導航去機場、開勿擾、十五分鐘後提醒打給飯店。在 Alphafold 上跟 Hermes Agent 這樣下指令，它會傳訊息、開勿擾、打開 Google 地圖；但未必自動開始導航，且把「十五分鐘後」設成錯誤時段。同一需求在三星 Galaxy Z Fold 7 用 Gemini，它會先問哪個機場、提醒要寫進哪個 App，確認後時間才正確。再測出差規劃（孟買到浦那、早班飛機、飯店、寫進日曆）：Hermes 說找不到直飛就推給禮賓、日曆還寫錯日期；Gemini 則繼續建議替代交通。對比舊做法：自己逐一手動切 App、或只靠會問清楚的助手——Hermes 更像「敢代勞的 agent」，但錯誤與不完整步驟代表目前還不能當可靠的數位行政助理。
越來越多會議、閒聊甚至約會被 AI 筆記工具自動錄音並轉成文字摘要（AI 轉錄就是用人工智慧把講話內容自動打成文字、再整理重點），讓人開始反感。創投人 Jeremy Levine 的做法很直接：在 Zoom 上把自己的顯示名稱改成「Jeremy Levine I do not consent to transcribing or recording」（意思是我不同意被轉錄或錄音），用改名公開表態拒絕。另一位創投 Eric Bahn 說，現在跟新創團隊開會，還沒看到手機滑到桌面上，就已經預設這場會被錄。有創辦人甚至用 Granola 這類 App 錄下大部分初次約會，再把逐字稿丟給 Claude（一種會對話的 AI）分析自己夠不夠「有吸引力或有同理心」、誰講比較多。Levine 認為這種無所不在的錄音是「社會上不可接受」的行為，會扼殺即興聊天；文章也提醒法律風險很大。另一個更實際的問題是：如果每場會議、茶水間對話、約會都被轉錄與摘要，到底有誰真的會去讀？這些音訊垃圾場到什麼程度就不再有用，只是沒人有時間回放的另一堆錄音？
我要參加一場重要商務視訊，又不想被對方用 AI 筆記 App 默默全程錄音、事後再餵給 AI 分析語氣與發言比重。舊做法是口頭說「請不要錄」、或會前在聊天室打一句，對方常裝沒看到，或說「只是個人筆記」就繼續錄。現在我可以像 Levine 一樣，在進 Zoom 前把顯示名稱改成「我的名字 I do not consent to transcribing or recording」，一進會議室所有人（含對方的 AI 旁聽機器人）立刻看到拒絕同意的聲明，對方若仍錄音就更難事後說「不知情」。若對方真的把逐字稿再丟進 Claude 做「誰講比較多、夠不夠有同理心」這類分析，至少我已留下公開不同意的紀錄，之後若涉及隱私或法律爭議時比較好主張。對比只靠口頭提醒，改名把「不同意」寫在所有人看得到的畫面上，阻力與可追溯性都比較強，也直接回應「隨時隨地 AI 筆記」讓人不敢即興說話的問題。
Agility Robotics（一家做雙足人形機器人的公司）在加州佛利蒙（Fremont）開設約六萬平方英尺的新設施，專門訓練旗下人形機器人 Digit。地點就在特斯拉預期開始量產 Optimus 機器人的工廠附近，等於在同一都會區正面對標。Digit 已不是展示用樣機：它已在製造與倉儲現場幫客戶搬運箱子與料籃，客戶包括 Amazon、物流商 GXO、汽車零件商 Schaeffler，以及加拿大豐田製造廠；公司稱已拿下約三億美元的機器人合約訂單。外界估計已有數十臺進入試點或能賺錢的實際部署，例如在 GXO 據點累計搬運過十萬個料籃。執行長 Peggy Johnson 說，公司已商業化，知道怎麼進客戶場地、過安規與法規、接對方 IT 與倉儲管理系統；她也肯定特斯拉等對手進場，讓人形領域不再只有他們孤單。公司走務實路線：安全控制不能交給會「亂創作」的生成式 AI（generative AI，就是會憑上下文自由產出文字或動作的那類模型），但生成式 AI 能解決「機器人能做的事遠多於工程師能手動寫程式」的規模問題。新場地會模擬真實客戶環境，讓六呎高的 Digit 學新技能；有逾三十家客戶在談部署。他們近期不打算做家用機器人，先專注製造與物流；預計今秋發表的第五版將能感知人類，不必再完全隔離在無人區。
我想在自家電子零件倉引入人形機器人搬料籃，從產線旁的暫存區搬到包裝線，目標是少開夜班人力、又要接進既有的倉儲管理系統。舊做法是買固定式輸送帶或軌道 AGV（自動導引車），改動產線貴、路線一變就要重裝；若等特斯拉 Optimus 等尚未量產、也還沒有完整商業部署經驗的機種，時程與安規都不確定。改用已有實績的 Digit：先把廠內料籃尺寸、走道寬度、IT 與 WMS 介面規格丟給 Agility，機器人在佛利蒙訓練中心的仿真環境學會路徑與抓取，再到現場接安規與網路；上線後由 Digit 在製造／物流空間搬運料籃，人與機先分區作業。實際結果是能對接既有系統、合約與部署路徑較清楚，客戶端已有 Amazon、GXO 等先例可參考；對比純展示型人型或尚未商用的對手，差異在於「已有營收與合約」與「安全堆疊不交給生成式 AI 亂創作」。若之後升級到能感知人類的第五版，再評估人機混線，而不是一開始就塞進住家或人潮密集區。
Epoch AI（專門追蹤 AI 能力與成本的研究機構）測試了市面上三款最常用的 AI 文字偵測工具：Pangram、GPTZero 與 Originality.ai。這些工具本來是用來判斷一段文字是人類寫的、還是 AI（大型語言模型，就是 ChatGPT 這類會依指示寫文章的系統）產生的。在一般情況下，它們幾乎能完美抓出「直接用簡單提示詞生出來」的 AI 文，漏判率最高只有約 0.7%；對真人文字也大多能正確辨識，只有 Originality.ai 把約 3.8% 的真人段落誤標成 AI。但一旦讓 AI 先讀五段某位作者的真實作品、再模仿那位作者的寫作風格寫新文，偵測器就大幅失手：平均約 13% 的風格仿寫 AI 文被當成人類作品漏掉，Originality.ai 甚至漏到 18%。科學論文這類文體尤其脆弱，三種工具漏判率約在 24% 到 29%，個別模型與工具組合甚至高達 48%。研究團隊用 99 位作者、共 495 段在 2022 年 ChatGPT 問世前就寫好的真人文字當基準，再用 Claude Opus、GPT 與 Gemini 等前沿模型做風格仿寫測試，避免訓練資料被 AI 汙染。
假設大學老師懷疑學生繳交的科學報告可能是 AI 寫的，就把全文貼進 GPTZero 或 Pangram。若學生只是下簡單指令「幫我寫一篇某某主題報告」，偵測器幾乎一定會亮紅燈。但如果學生先丟五段自己過去寫過的作業或部落格給 Claude 或 GPT，要求「用我的語氣與用詞習慣寫一篇新的科學報告」，再微調後交出去，根據 Epoch AI 的研究，科學寫作類的風格仿寫文尤其容易被漏判，部分情況甚至可能近半數被當成「人類寫的」。老師若只看偵測器分數就當鐵證，既可能冤枉人（Originality.ai 對真人文字也有約 3.8% 誤報），也可能放走真的用 AI 仿寫的作業。比較穩妥的做法是搭配口頭答辯、過程草稿與引文查核，而不是把單一偵測分數當唯一裁決。
印度 Ashoka 大學 CRASH Lab 發布第二版 RadLE（全名 Radiology's Last Exam，就是「放射科最後一考」）基準，專門測 AI 看 X 光／影像時，會不會知道自己該何時閉嘴、把判斷留給人類醫生。測試讓模型對答案給 0 到 4 分的自信度，也允許直接說「我不知道」；計分規則是：高自信答對拿高分，高自信答錯重罰，誠實說不知道不扣分。共 200 個病例、16 個模型，對照一組放射科醫師：人類總分約 988.7（滿分 2000），最佳 AI 只到 758。沒有單一模型全面勝出：Claude Fable 5 在「可靠且安全的回答」主指標領先，Gemini 3 Pro 原始正確率最高，Meta 的 Muse Spark 1.1 最會在沒把握時把案子交回人類。研究重點是：只要基準只獎勵「猜對」，模型就會被訓練成愛猜；在醫療裡，自信滿滿的誤診遠比坦承不確定更危險。準確率近幾個月進步很快，但模型對自身極限的感覺仍然很差，尤其部分開源權重與專為醫療訓練的模型幾乎每題都硬答、還常高自信答錯。
假設我在醫院資訊室要評估「能不能讓一般聊天機器人幫急診看胸腔 X 光、初步標出可疑區域」。舊做法若只比對「診斷有沒有猜對」，某模型可能看起來不錯，上線後卻在模糊或罕見病灶上以高自信給出錯誤判讀，值班醫師若不加審核就可能誤導後續處置。改用 RadLE 2.0 式流程：同一批 200 類病例，要求系統同時輸出診斷與 0–4 自信度，並允許「不知道」；評分採「高自信錯判重扣、誠實棄權不扣」。若某模型在原始正確率尚可、但一改計分就大跌，代表它習慣瞎猜；若另一模型正確率稍低卻常在沒把握時交回人類、安全指標較高，就更適合當「只提示、最終由醫師拍板」的輔助工具。對比只看正確率：後者藏不住「答錯卻很自信」的風險，更貼近真實臨床能不能放心接上工作流程。
媒體報導，Meta（臉書母公司）正與 Anthropic（開發 Claude 對話 AI 的公司）洽談，把自家資料中心多出來的運算容量（compute capacity，就是訓練與跑大型 AI 模型時需要的超強伺服器算力）租給對方使用。據《紐約時報》說法，這筆安排規模上看兩年約一百億美元；Anthropic 在六月提出構想，Meta 仍在審核，任何一方都可能退出。對 Meta 來說，這可能變成新收入來源：執行長馬克·祖克柏先前已向投資人表示，若自家 AI 需求跟不上建置速度，可以賣掉多餘產能。Meta 今年資本支出上看約一千四百五十億美元，多數砸在 AI；Anthropic 則因 Claude Code（能在終端機幫人寫程式、改專案的 AI 助手）需求暴增而急需更多算力，雖已另簽大額算力合約，長期仍計畫自建資料中心並延攬前 Google 高管主導。
假設你是 Anthropic 的產能規劃負責人，Claude Code 訂閱與使用量突然暴衝，現有合作算力排程幾個月內就會吃緊。舊做法是隻能等自家新機房蓋好，或再去跟少數超大雲端供應商搶下一波 GPU 配額，往往要排隊、議價數月，期間產品可能限流。現在你在六月向 Meta 提案：直接租用 Meta 已蓋好、但自家模型還沒完全吃滿的資料中心容量，談成的話可在較短時間拿到大量可用算力（報導稱整體規模可達兩年約一百億美元等級），先撐住高峰需求。Meta 端若拍板，就從「只服務自己的 AI」多出一條「把多餘機房租給同級 rival」的現金流；你這邊則爭取到過渡期產能，同時仍繼續推進自建機房的長期計畫。差異在於：舊路是慢、貴、受制於少數供應商；這條路是用對手暫時閒置的基建解燃眉之急，但交易尚未敲定、任一方仍可能喊停。
Turing Post 與 TheFocus.AI 合寫的「AI 組織時代」系列第七篇，解釋為何員工用 AI（人工智慧，能幫人寫稿、查資料、做摘要的軟體）明明省了時間，公司財報卻看不出好處。核心證據是 2025 年一份丹麥 NBER 研究：約 25,000 名高暴露職業工作者、約 7,000 個工作場所的調查加上薪資工時行政資料顯示，使用者平均回報 AI 省下約 2.8% 總工時，64% 到 90% 的人至少有省到一點時間，且多半把時間轉去做其他工作；但 ChatGPT 上線後前兩年，行政紀錄裡的工時、薪資、就業與薪資總額幾乎沒變，平均效果接近零，且可排除超過約 2% 的平均影響。作者強調研究沒量營收、利潤、客戶滿意或品質，所以不能說企業完全沒價值，只能說「任務變輕」與「帳上變好」中間仍隔一道鴻溝。他們提出「產能到成果鏈」（Capacity-to-Outcome Chain）：任務層級的增益 → 釋出可用產能 → 組織吸收（有人負責把多餘人力用在明確方向）→ 可追蹤的業務結果。AI 原生企業不是「很多人會用聊天機器人」或「有幾個厲害的代理」，而是能把機器智慧穩定轉成可重複的組織成果；大多數公司的弱點就在這段「轉換缺口」。省下的時間常碎成小塊，被積壓工作、會議或驗收吃掉，除非刻意改流程、產品、編制或服務水準。
2025年丹麥NBER研究顯示，高度暴露於AI聊天機器人的工作者平均回報節省約2.8%總工時，64%至90%的人至少省下一些時間，多數把時間轉去做其他工作。然而行政紀錄在ChatGPT推出後前兩年未顯示工時、薪資或就業總額有可偵測變化，平均效果接近零。這說明瞭「任務變輕」與「帳上變好」之間的轉換缺口：任務層級的產能被釋出，但組織缺乏吸收機制，省下的時間就被既有積壓與會議消耗掉。作者提出「產能到成果鏈」，強調組織需要主動設計吸收路徑（例如調整服務水準、提高處理量、投入新專案），並追蹤對應業務指標，否則AI的價值無法反映在P&L上。
AI Engineer（簡稱 AIE，專門給工程師辦的 AI 技術年會）紐約場 2026 年演講者申請今天開跑，特別強調「AI 與金融服務」交叉應用。
我在紐約做量化交易系統，想分享『用 LLM（就是 ChatGPT 這類會對話的 AI）幫交易員即時整理財報與風險摘要』的實作經驗。舊做法是工程師自己寫爬蟲、規則引擎，財報格式一變就壞、維護成本高；新做法是把文件餵給 RAG（讓 AI 回答前先查公司內部資料庫、減少亂編）再加評估指標，把幻覺率壓下來。我去 Sessionize 的 AIE NYC 2026 頁面填 15–20 分鐘 Stage Talk 摘要，標題寫清楚問題與結果（例如『把研報幻覺從 30% 壓到 5% 的金融 RAG 管線』），避免泛泛的 AI 概念講。若 8 月中到 9 月中被錄取，就能在主舞臺對上千名工程師講，還能拿免費票與差旅，遠比自己在公司內部分享影響大。