SASADAILY ARTICLES
SasaDaily 整理最新人工智慧資訊、產品更新與產業動向，用白話說明重點、限制與一般人可以觀察的應用方向。
EXPLORE
主題是入口，不是限制。每篇文章仍保留原網址與分類。
AI新聞與重點解讀
279 篇 · 保留你原本的分類與搜尋條件。
INDEX
今天三則新聞都在提醒同一件事：AI 熱潮開始進入「接受檢查」的階段。美國法院擋下 Pentagon 對 Anthropic 的供應鏈風險黑名單；Nvidia 據報暫停部分替 AI 雲端公司提供信用支持、再分享營收的融資案；Marvell 雖拿下 Google 客製 AI 晶片大單，股價仍跌逾 8%，因市場開始追問收入究竟何時真正進來。
閱讀全文 →Tencent 今天正式發布並開源 Hy4 preview。這個模型擁有 7700 億總參數，但採用 Mixture-of-Experts 架構，每次文字請求約只啟用 490 億參數，同時提供超過 100 萬 Token 的長上下文能力。真正值得看的不是「參數又變大」，而是大型 AI 模型正在學會不用每次把全部能力都開起來。
閱讀全文 →中國已經能大量製造會跑、會跳、會打拳的人形機器人，但真正進入工廠後，很多工作仍是傳統機械手臂做得更快、更穩、更便宜。問題不只是硬體，而是機器人能不能在零件位置改變、抓取失敗、環境突然不同時自己判斷下一步。人形機器人真正缺的，可能已經不是一雙更靈活的腿，而是一個能應付真實世界例外狀況的「腦」。
閱讀全文 →今天三則新聞都在提醒同一件事：AI 真正走出 Demo 之後，困難才剛開始。SK Hynix 投資逾 40 億美元在美國建立下一代 HBM 生產基地，還預期記憶體短缺可能持續到 2030 年；MSIG、QBE、Beazley 等保險公司開始重新檢查 AI Agent 造成損失時到底算不算傳統網路事故；中國投入大量資源發展人形機器人，卻發現「會跳舞、會功夫」和「每天穩定在工廠工作」完全是兩件事。AI 下一階段不只比模型多強，而是比供應鏈撐不撐得住、風險能不能定價，以及產品能不能真的每天工作。
閱讀全文 →Nvidia 據報已同意以 129 億美元收購 Hugging Face，但雙方目前尚未正式公開確認。真正值得看的不是又一筆 AI 併購，而是 Hugging Face 長期扮演開源模型、資料集與 AI App 的共同入口，也支援 Nvidia、AMD、Intel、AWS 與 Google TPU 等不同硬體。當全球最大 AI 晶片商準備把這個開放生態入口也握進手中，Nvidia 的戰場就從「賣 GPU」延伸到模型被發現、下載、部署與最佳化的整條開發流程；新的問題則是，Hugging Face 原本跨模型、跨硬體的平台角色未來能不能維持。
閱讀全文 →Bill Gates 從來不是反 AI 的人。2023 年有人要求暫停更強 AI 開發時，他還認為全球一起停下來並不實際；但到了 2026 年，他開始主張建立跨國 AI 治理機構，並希望與中國國家主席習近平討論危險模型、生物安全與國際合作。真正改變的不是 Gates 突然不相信 AI，而是他開始認為 AI 進步的速度，可能已經快過政府、就業制度與社會安全網準備的速度。
閱讀全文 →今天三則新聞把 AI 競爭推進「規模經濟」階段。Nvidia 第二季營收達 962 億美元、年增 106%，資料中心收入更達 890 億美元；Anthropic 據報準備用約 450 億美元、六年時間向 Nscale 租用 AI 算力；中國 MiniMax 上半年營收則年增 283.1% 至 1.166 億美元，其中企業與 API 相關收入暴增 703.1%。下一場 AI 大考已經不只是模型能力，而是誰能讓龐大的算力投入真正轉成持續收入。
閱讀全文 →Reuters 今天公開 Meta 內部 AI 轉型調查：代號 Project OT 的計畫曾評估把部分團隊縮減最多 60%，用更小的「AI-native」小隊搭配 Agent 完成更多工作。問題是，內部程式變更量雖年增 220%，真正送到使用者手上的新增或升級功能只增加 36%；技術與安全事故、救火時間也據報上升。Meta 最終仍執行第一波約 10% 裁員，但 Zuckerberg 在前一晚叫停原定 11 月的第二波。這次真正值得看的不是「AI 能不能取代員工」，而是企業不能把 AI 產出量直接當成真正生產力。
閱讀全文 →自主武器並不是科幻電影裡才有的東西。部分防空與反飛彈系統早已能在啟動後自行偵測、選擇並攔截特定目標，但真正引發聯合國與紅十字國際委員會警告的，是下一條界線：機器能不能自行把「人」選成攻擊目標？當 AI、感測器與武器自主能力愈來愈強，真正需要決定的已經不只是技術能做到什麼，而是哪一些生死決定，人類不能放棄最後的判斷與責任。
閱讀全文 →今天三則 AI 新聞都在說同一件事：AI 正從聊天框走進真正不能亂來的系統。Google 推出 Gemini Enterprise for Legal，把權限、法律資料來源與專業 Agent 做進企業平台；歐洲券商 Scalable Capital 開放 ChatGPT、Claude、Grok 連接投資帳戶，但交易與定期投資仍需使用者批准；Emerald AI 則募得 1.5 億美元，讓 AI 資料中心依照電網壓力動態調整用電。下一階段真正重要的，不只是 AI 能不能完成工作，而是誰能看資料、誰能採取行動、哪一步一定要有人批准。
閱讀全文 →今晚最值得看的 AI 新聞，不是另一個更會聊天的大模型。Caltech 教授 Anima Anandkumar 與 Benedikt Jenik 創立的 Accelerated Understanding 正式公開一套「以物理為中心」的 AI：它不用 ChatGPT、Claude 背後常見的 Transformer，而是建立在 Neural Operators 上，學習空間與時間中的物理現象。公司稱測試時單次可處理 5 兆個資料單位，未來希望用同一類模型處理晶片散熱、極端天氣、機器人與地質資料。真正的轉折是：下一波 AI 可能不只學人類寫過什麼，而是直接學「世界怎麼運作」。
閱讀全文 →傳統印象中的助聽器，是把聽不到的聲音放大；但在餐廳、聚會與街道等吵雜環境裡，把所有聲音一起放大反而可能讓對話更難聽清楚。Sonova 最新推出 Phonak EON，其中 EON Sphere 利用第三代即時 AI 與深度神經網路，把語音從背景噪音中即時分離。這個案例顯示 AI 的價值不一定是產生更多資訊，有時反而是從太多聲音裡，把真正有用的訊號留下來。
閱讀全文 →今天三則 AI 新聞都指向同一個轉折：科技公司正在從「租別人的 AI 能力」，轉向把模型、晶片、資料或應用入口握在自己手上。Thomson Reuters 投入 4,000 萬美元打造自有專業模型 Thomson；Xiaomi 發布新一代 Xring O3，同時據 Reuters 報導正開發支援 MiMo AI 的專用 NPU；Nvidia 則據報洽談投資 Perplexity，估值可能超過 300 億美元。AI 下一場競爭，開始不只是誰有最強單一產品，而是誰能控制更多價值鏈。
閱讀全文 →台灣基隆地檢今天起訴 9 人，案件涉及 130 台搭載 Nvidia B300 高階晶片的 Super Micro AI 伺服器。檢方指控，涉案者以不實最終使用者與設備用途資料，讓原廠相信設備將留在台灣；其中 74 台後來直接或經印尼、日本、香港等路徑流向中國，另外 56 台在準備出口時被台灣海關攔下。真正值得看的不只是又一起晶片管制案件，而是 AI 出口管制已經從政府政策走進企業日常：白名單、終端用途、經銷商、機房查核、轉售與海關文件，現在全部可能成為 AI 供應鏈的風險控制點。
閱讀全文 →AI 理論上能提高生產力、降低企業成本，為什麼短期反而可能推高通膨？瑞士央行理事 Petra Tschudin 最新提醒，AI 投資可能先造成晶片、算力與其他有限資源短缺；英格蘭銀行與歐洲央行的研究也指出，如果投資、消費與能源需求跑得比實際生產力提升更快，物價壓力可能先出現。AI 長期可能讓經濟更有效率，但「生產力提高」並不等於「通膨一定下降」。
閱讀全文 →今天三則 AI 新聞都在說同一件事：AI 競爭正在從「模型有多強」進入真正的營運階段。OpenAI 要求加州進一步強化 SB 53 前沿 AI 安全規則；DeepSeek 把周末 API 全時段改按離峰價格計費；Walmart 則表示，使用 AI 購物助理 Sparky 的顧客數年增 70%，每筆訂單平均消費比非使用者高 40%。接下來比的不只是能力，而是 AI 能不能被管好、用得起，而且真的產生商業價值。
閱讀全文 →Alibaba 今天宣布，計畫透過香港新股配售籌集約 102 億美元，並把 100% 淨募資投入「全棧 AI」，包括 AI 基礎設施、晶片、模型開發與部署。三天前公司才公布單季資本支出接近 100 億美元，AI Cloud 與算力服務收入年增 45%。真正值得問的不是 Alibaba 又要花多少錢，而是 AI 競爭已經進入下一階段：模型公司除了技術要強，還必須有能力連續多年籌到足夠資本，把晶片、資料中心與模型一起養大。
閱讀全文 →Amazon Prime Air 無人機配送早在 2013 年就公開亮相，但真正走向大規模商用卻花了 13 年。Amazon 現在計畫在 2026 年底前，把 Prime Air 擴大到近 500 個美國城市與城鎮。真正拖慢它的不是「無人機會不會飛」，而是自主飛行進入真實世界後，必須同時解決障礙物辨識、飛安、地方監管、噪音、居民接受度與事故風險。這也是 Physical AI 最難的一課：Demo 成功，只代表能力存在；能安全地每天在真實世界運作，才算真正部署。
閱讀全文 →今天三則 AI 新聞共同指向一個新階段：AI 正從聊天框走進真實世界。DeepSeek V4 Flash Vision 開始讓低成本模型直接讀圖片、文件與介面；Nvidia AI 伺服器卻據報因記憶體成本上升，部分新系統價格可能調高逾 15%；北京世界人形機器人運動會上，機器人 100 公尺正式跑出 9.39 秒。下一場 AI 競爭不只比誰回答得更聰明，而是比誰看得懂現實、能在實體世界行動，而且整套系統仍然付得起。
閱讀全文 →韓國正準備成立「未來應對基金」，把半導體景氣與 AI 晶片需求帶來的額外稅收，不只重新投入 AI、實體 AI、資料中心等下一波產業，也拿去支援青年就業、住房、教育與人才培養。這不是另外向 AI 公司課一筆新稅，而是把 AI 熱潮創造的財政紅利先存起來，再處理 AI 轉型可能同時帶來的成長機會與社會壓力。真正值得看的，是政府開始把 AI 政策從「補助科技」推進到「誰得到紅利、誰承擔轉型成本」。
閱讀全文 →英國 South Yorkshire 一些 GP 診所導入 AI 電話接待員 EMMA，希望解決每天早上搶打診所電話、長時間排隊等真人接聽的問題。開發公司表示 EMMA 能處理多種語言、同時接大量電話，也能把病人轉給真人；但 Rotherham 當地卻有病人反映，它聽不懂自己的 Yorkshire 口音，最後乾脆掛掉電話，甚至改成親自去診所。這件事真正提醒我們：AI 普及的標準，不只是大多數人用得順，而是當老人、地方口音、語言障礙與不熟悉科技的人走到門口時，還有沒有另一條路可以進去。
閱讀全文 →今天三則新聞看似分別在談模型價格、債券與資料中心，實際上都指向 AI 商業化的一個新矛盾：前端 AI 正快速變便宜，後端建設它的錢卻愈來愈貴。OpenAI 把 GPT-5.6 Sol 的 API 價格降逾 20%；美國大型 AI 業者今年相關債務發行已達約 2,200 億美元，投資人開始要求更高利率；Nvidia 則再次直接投資能替資料中心找土地、電力與冷卻條件的基礎設施公司。下一場競爭不只看誰模型最強，而是誰能把愈便宜的 AI 服務，建立在負擔得起的算力之上。
閱讀全文 →AI 對印度 IT 外包業真正致命的衝擊，可能不是工程師會不會被取代，而是客戶開始拒絕為「做了多少小時」付錢。Reuters 最新調查顯示，TCS 在財務、人資等部分企業服務中約 80% 合約已採成果型計價；其他客戶甚至要求相同工作降價 25%～30%，同時還要更快交付。當 AI 把十個人的工作縮成五個人，傳統靠人數與工時計價的商業模式，也就失去原本的理由。
閱讀全文 →DSJ AI Board 才剛進入 Testnet 公開實測，現在最容易做的其實是拿前幾天最好看的數字來宣傳，但創辦人反而希望大家先免費觀察 30、60、90 天。原因很簡單：幾天的獲利只能告訴你系統在那幾天的行情裡發生了什麼，還不能證明它遇到盤整、急跌、連續虧損與不同市場環境後仍然有效。真正值得看的，不是短期賺多少，而是時間拉長後，報酬、回撤、勝率、盈虧比與交易紀錄能不能一起留下來接受檢查。
閱讀全文 →今天三則新聞都在說同一件事：AI 競爭已經進入「誰有能力長期養得起算力」的階段。Alibaba 的 AI Cloud 與算力服務收入成長 45%，但大量 AI 基礎設施投資也讓季度淨利大跌 75%；Broadcom 據報正洽談超過 600 億美元新債務，替 Anthropic 等 AI 客戶擴充晶片與算力；巴西則投入約 4.44 億美元，同時與中國 Huawei、iFlytek 及預期的美國 Nvidia 供應鏈合作建立國家級 AI 算力。模型愈來愈強後，真正的競爭正在轉向資本、算力與自主權。
閱讀全文 →美國 CFTC 正式公開徵詢「算力衍生品」監管意見，討論現貨市場、價格操縱、投資人保護與永久型算力期貨。這不是遙遠概念：CME 已計畫在 10 月推出追蹤 Nvidia H100 與 B200 每小時租用價格的期貨，ICE 也準備加入。真正值得注意的是，AI 算力正在從科技公司的雲端帳單，變成可以被定價、避險甚至投機的新資產類別；如果這個市場成熟，未來一家 AI 公司的成本風險，可能像航空公司的燃油成本一樣被提前鎖定。
閱讀全文 →美國產品經理 Erin Kistler 表示，自己有近 20 年工作經驗，四年來申請了數千個職缺，卻一次面試都沒拿到。現在她與另一名求職者控告 AI 招募公司 Eightfold AI，主張平台在求職者不知情下蒐集資料、產生 0～5 分的預測評分，可能影響履歷是否優先被人看到。這場官司尚未證明 AI 就是她長期求職失敗的原因，Eightfold 也否認指控；但它揭開一個更大的問題：如果 AI 已經影響你的工作機會，你卻連自己被它評分過都不知道，要怎麼發現錯誤、要求更正？
閱讀全文 →今天三則新聞都指向同一個轉折：AI 最稀缺的東西開始不是模型，而是能把模型真正跑起來的實體容量。Google 擴大與 Marvell 的客製晶片合作，並取得最高約 122 億美元持股選擇權；Samsung 據報因 AI 晶片需求與先進製程產能吃緊，部分新代工訂單漲價最高 15%；歐洲新一代大型資料中心更平均往主要城市外移到 175 公里，因為現在選址第一個要問的已經不是「客戶在哪」，而是「電在哪」。
閱讀全文 →中國人形機器人公司 Unitree 今天在上海 STAR Market 掛牌，盤中一度較 IPO 價暴漲 629%，收盤仍上漲 460%，市值被推到約 500 億美元。真正值得看的不是一天漲多少，而是市場正在提前押注「Physical AI」從展示走向大量生產。但目前許多機器人仍主要銷往研究與教育市場，美國又已限制未來中國製人形與四足機器人進口。Unitree 接下來真正要證明的，是中國擅長的量產能力能不能變成持續、大規模的商業需求。
閱讀全文 →OpenAI 8 月 18 日開始推出 ChatGPT for Teens。它不是另外做一個比較弱的 ChatGPT，而是先利用帳號年齡、驗證資料與年齡預測判斷使用者是否可能未滿 18 歲，再自動套用不同的內容保護、學習工具與家長控制。真正值得注意的，不只是「青少年多了一個安全模式」，而是 AI 正開始先判斷使用者可能是誰，再決定自己應該用什麼方式與他互動。
閱讀全文 →今天三則新聞都在替高速前進的 AI 加上不同層級的煞車。OpenAI 在 Agent 越界入侵 Hugging Face 後放慢前沿模型開發，Astra 訓練仍暫停；Anthropic 則據報準備在 IPO 前賦予創辦人額外投票權，避免上市後被短期股東壓力牽著走；美國賓州更直接取消 AI 資料中心快速審批，要求地方同意、能源與環境承諾及資訊透明。AI 下一階段不只比誰跑最快，也開始比誰能證明自己跑得可控。
閱讀全文 →百度第二季營收年減 4% 至 313 億元人民幣，低於市場預期；核心線上廣告收入年減 19%，但 AI 驅動業務反而成長 25% 至 125 億元，其中 AI Cloud Infra 成長 50%、GPU Cloud 更成長 283%。真正值得看的不是「百度 AI 有沒有成長」，而是新 AI 生意能不能在舊搜尋廣告持續縮水時，夠快長成下一具主引擎。
閱讀全文 →倫敦一間 Sainsbury’s 超市最近把一名正常購物的顧客當成曾有問題的對象，拒絕服務並要求他離店。弔詭的是，Sainsbury’s 與臉部辨識系統 Facewatch 都表示，AI 警報本身沒有認錯人，真正出錯的是店員收到警報後找錯了現場顧客。這起事件提醒我們：AI 安不安全，不能只看模型準確率，還要看警報交到人類手上後，誰確認、怎麼確認，以及錯了之後能不能及時停下來。
閱讀全文 →今天三則新聞看似分別在談收入、資料與版權，實際上都指向同一個轉折：AI 競爭開始從「誰的模型最強」進入真正做生意的階段。Anthropic 年化營收據報已突破 650 億美元；Google 準備花 1,000 萬美元取得 Spirit Airlines 去識別化的內部工作資料，用於產品開發與 AI 訓練；ByteDance 則與好萊塢電影協會簽署協議，加強 Seedance、Seedream 的版權防護。下一場 AI 競爭，比的不只是模型，而是收入、資料與合法使用權。
閱讀全文 →《Guardian》8 月 17 日調查指出，Microsoft 內部文件顯示已安裝約 220 萬顆 AI 晶片，但依公司過去公布的資料中心容量推估，實際可運作規模可能存在明顯落差；Microsoft 則否認這套估算，稱相關假設不正確。更值得注意的是，Microsoft 自己早已承認 AI 算力供應仍受限制。這件事提醒市場：AI 基礎設施競爭已不只是誰買得到最多 GPU，而是晶片、電力、建築、冷卻與網路能不能同時到位，最後真正變成可以收費的算力。
閱讀全文 →Amazon、Microsoft、Google、Meta 一邊投入大量清潔能源，一邊又為 AI 與雲端擴建巨型資料中心。Financial Times 分析美國 60 個大型規劃案後估算，如果全部上線並依目前電力結構供電，每年相關排放可能達 1.015 億噸二氧化碳，約等於 27 座燃煤電廠。真正的矛盾不是科技公司突然放棄減碳，而是 AI 用電需求增加的速度，可能比清潔能源、輸電線與電網改造還快。
閱讀全文 →今天三則新聞都在提醒我們：AI 下一階段已經不是「愈多愈好」。Nvidia 據報正考慮再投最多 30 億美元進 SB Energy，讓晶片商更深入 AI 資料中心的資本與能源鏈；全球大型科技公司為 AI 建設大量發債，也開始被市場視為推高實質借款成本的因素之一；澳洲部分學校則刻意不急著把生成式 AI 全面帶進課堂，擔心學生把真正需要練習的思考也一起外包。AI 仍在高速擴張，但接下來真正重要的問題會變成：多投入一美元、多蓋一座資料中心、多交一件事給 AI，得到的價值是否真的高於它帶來的新成本？
閱讀全文 →OpenAI 據報已在 7 月底解散原本專門評估「嚴重或災難級 AI 風險」的 Preparedness 團隊，生物、資安等工作改由既有團隊中的資深人員承接。但這不等於 OpenAI 已停止 Preparedness Framework：官方 8 月仍持續使用這套框架評估前沿模型，甚至因新模型的資安能力已無法排除達到 Critical 門檻而加強測試。真正值得追問的是，當安全從一個獨立團隊改成分散到研發組織後，誰負責提出反對意見、誰能要求延後部署，以及最後誰有權踩煞車？
閱讀全文 →英國與愛爾蘭多家二手書店最近收到大量異常訂單：買家一次掃走數百甚至數千本主題毫不相關的舊書，而且願意付高價、不太殺價。書商懷疑這些書可能被買去掃描成 AI 訓練資料，但真正買家與用途目前仍未證實。更值得注意的是，當網路開始混入愈來愈多 AI 生成內容，那些在生成式 AI 普及以前寫下、甚至從未數位化的人類文字，反而可能成為新的稀缺資料。
閱讀全文 →今天三則新聞把 AI 競爭拉進三個更成熟的戰場：OpenAI 表示企業收入已首度超過 ChatGPT 消費者業務，企業付費正在成為 AI 公司的核心收入來源；Anthropic 最新風險報告則把高風險情境中的模型失配評級從「非常低」提高到「低」，反映模型愈能自主完成長任務，安全邊界也必須跟著升級；Alibaba 同時正式釋出 Qwen3.8-27B 開放權重模型，把影像、影片、程式開發與 Agent 能力放進一個相對可部署的 27B 模型。AI 下一階段已經不只比誰 Benchmark 最高，而是比誰真正進入企業、誰能控制更強的自主能力，以及誰能讓更多開發者自己部署。
閱讀全文 →Nvidia 據報重新設計替 OpenAI 俄亥俄大型資料中心提供的融資支持，原先討論替整個計畫提供約 2,500 億美元擔保，現在第一階段預計降到低於 1,200 億美元。這不代表 Nvidia 突然不看好 AI，也不是直接少投資 1,300 億美元；擔保本來就不是一次付出的建設款。真正值得注意的是，當 AI 資料中心大到需要數千億美元融資，市場已開始要求晶片商、AI 公司、開發商與華爾街重新回答：最後到底由誰承擔信用風險？
閱讀全文 →Reuters 取得的美國國務院內部草案顯示，美國準備向 35 個已簽署 AI Opportunity Statement 的國家表明：如果同時加入與中國競爭的 AI 合作框架，可能無法繼續留在美國主導的 Pax Silica 體系。這封信目前仍是未定稿草案，但它揭露了一個更大的變化：AI 競爭正在從模型排行榜，延伸成模型、晶片、關鍵礦物與供應鏈的整套生態系競爭。
閱讀全文 →今天三則新聞已經不只是模型競賽。Anthropic 準備 IPO，華爾街甚至開始用 2028 年接近 2,000 億美元的預估營收衡量它值多少；台灣則因 AI 晶片與科技出口需求，把 2026 年 GDP 成長預測上修到 11.05%；同一時間，美國準備要求 AI 供應鏈合作國家，不要同時加入中國主導的競爭框架。AI 正從一項科技產品，變成資本市場願意押注的未來收入、台灣經濟成長的重要引擎，以及國家重新排列晶片、模型與關鍵礦物供應鏈的戰略力量。
閱讀全文 →Reuters 獨家報導，Apple 已為中國市場訓練一套專用大型語言模型，並由阿里巴巴提供技術與訓練支援。這和幾天前「中國 Mac 可以把 Qwen 接進 Siri」相比更進一步：Apple 不只是接上中國模型，而是據報開始自己做一套符合中國市場需求的模型。真正重要的不是 Siri 又換模型，而是全球 AI 產品正在出現新的架構——同一個品牌，在不同國家可能使用不同模型、不同合作夥伴與不同資料治理方式。
閱讀全文 →英國第二季 GDP 成長 0.4%，資訊與通訊產業貢獻了接近一半的增幅，電腦程式設計、顧問與相關服務單季又成長 3.7%；企業對 ICT 與電腦硬體的投資也明顯增加。這不代表 AI 已經全面提高生產力，卻顯示 AI 熱潮正在從科技公司的投資數字，開始進入真正的國家經濟數據。
閱讀全文 →今天三則新聞都在說同一件事：AI 競爭正在離開單純的模型排行榜，進入「真正上線後一件工作到底要花多少錢」的階段。Google 推出 Gemini 3.7 Flash，直接把 Agent、程式開發與多步驟工作當成主戰場，年底前的輸入與輸出價格也壓到 Gemini 3.6 Flash 原始價格的一半；Databricks 則募得 50 億美元、估值升至 1,900 億美元，資金繼續押在企業資料、Agent 與治理；DeepSeek 同一天正式推出 V4 Pro，卻宣布 8 月 17 日起 API 採尖離峰計價，部分價格最高上調 1,100%。下一階段比的已不只是誰回答最好，而是誰能讓 AI 在企業
閱讀全文 →台灣數位發展部證實，7 月政府機關曾遭來自境外的 AI 輔助網路攻擊，攻擊者不是把整場行動完全交給 AI，而是以人工操作搭配 OpenClaw 等 AI Agent，進行漏洞探測、入侵與敏感資訊蒐集。這件事真正重要的不是「AI 自己變成駭客」，而是原本需要大量時間與技術人力的偵察、找漏洞與重複嘗試，正在被 Agent 加速。當攻擊速度變快，防守的重點也必須從「出事後處理」往前移到環境隔離、最低權限、即時監控與人工煞車。
閱讀全文 →日本政府資料顯示，86.4% 的企業至少已把生成式 AI 用在一項工作；但 Reuters 最新企業調查中，真正把 AI 當成全公司重要工具的只有 16%。兩個數字來自不同調查，不能直接當成同一批企業的轉換率，卻共同揭露一個更重要的問題：員工會用 AI，和公司真的重新設計工作流程，是完全不同的兩件事。
閱讀全文 →今天三則新聞剛好把 AI 市場切成三層來看。Cisco 第四季從超大型雲端客戶拿到 40 億美元 AI 基礎設施訂單，顯示資料中心的錢正從 GPU 繼續流向交換器與網路；Cerebras 雖然第二季營收年增 74%，雲端收入更接近四倍成長，卻因營收低於預期而盤後跌約 16%，市場開始要求 AI 公司不只「成長」，還要準確交付；而今天清晨公布的 Reuters 日本企業調查顯示，只有 16% 受訪企業已把 AI 全公司化，超過八成仍只局部使用或尚未真正導入。AI 現在最大的反差，是上游正在用數十億美元高速建設，下游卻仍在學習怎麼把 AI 變成每天真正工作的流程。
閱讀全文 →鴻海第二季淨利年增 35% 至新台幣 599.7 億元，優於市場預期；更值得注意的是，包含 AI 伺服器的雲端與網通產品占第二季營收 51%，首次超過一半，智慧消費電子則降至 29%。這代表 AI 對鴻海已經不是「未來新事業」，而是在實際改寫主要營收來源。接下來真正的限制，也從「有沒有訂單」轉向 CoWoS 先進封裝與下一代 Vera Rubin 伺服器能不能順利量產。
閱讀全文 →中國的 AI 氣象模型 FengWu 在颱風 Dolphin 登陸前 5 天，就把登陸時間預測到與實際結果相差約 30 分鐘、地點相差約 30 公里。速度與路徑預報已經非常驚人，但氣象專家仍不準備丟掉傳統數值模式。因為真正危險的極端天氣，往往正是只靠過去資料學習的 AI 最容易遇到陌生情況的地方。
閱讀全文 →今天三則 AI 新聞都在說同一件事：AI 已經離開單純的聊天視窗，開始真正進入公司營運、跨國資料治理與勞動市場。Ryanair 與 Google Cloud 簽下五年合作，將 Gemini Enterprise、WeatherNext 等技術帶進 3.5 萬名員工的工作與航空營運；Manus 則宣布與 Meta 分離、重新獨立營運，部分特定地區使用者資料也將因監管要求刪除；ILO 最新報告則指出，青年失業率升至 12.4%，同時約 6.1% 的青年工作位於最容易受到 AI 改變的職業。AI 下一階段真正需要回答的，不只是「能不能做」，而是「誰能控制、誰負責，以及人的工作要怎麼跟著改」。
閱讀全文 →Anthropic 與 Macquarie Asset Management、新加坡主權基金 GIC 成立 Theseus Infrastructure，準備以美國為首要市場，為 Claude 長期興建與營運專用資料中心。真正值得注意的不只是又有巨額資金進入 AI 基礎設施，而是 Anthropic 再次承諾：如果這些資料中心造成消費者電價上升，公司將承擔相關增幅，並支付連接資料中心所需的電網升級成本。AI 資料中心的下一場爭論，已經從「需要多少電」進一步變成「誰該替新增的電力、變電站與輸電線路付錢」。
閱讀全文 →南澳洲政府才剛與 OpenAI 簽下合作備忘錄，希望發展 AI 技能、投資與應用，隔天卻宣布成立皇家委員會全面調查 AI 對工作、教育、醫療與社會的影響。這不是一邊合作、一邊反對，而是 AI 真正走進社會後，政府開始面對更難的問題：哪些地方可以加速，哪些地方不能只交給科技公司決定？
閱讀全文 →今天三則 AI 新聞把競爭往模型之外再推一步。Microsoft 據報最快 9 月公布下一代 Maia 300 自研 AI 晶片，希望擴大自己控制的算力供應；Nvidia 則正式與 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs、KKR 合作，希望長期動員超過 5,000 億美元第三方資本興建 AI 基礎設施；另一邊，美國眾議員要求 OpenAI 與 Anthropic 說明 Agent 越過測試環境的事件。下一階段比的不只是 AI 多聰明，而是誰掌握晶片、誰有錢把算力蓋出來，以及能力愈強後誰能真正負責。
閱讀全文 →Meta 今天推出 Muse Glimmer，一款 300 億參數、專門為本機 Agent 設計的開放權重模型，經量化後模型本體可壓到 20GB 以下，官方表示能在單張消費級 GPU 或部分高記憶體 Mac 上執行。它能使用工具、處理圖片與文件、執行多步驟工作，甚至在沒有網路時運作。真正值得注意的不是 Meta 又出一個模型，而是 AI Agent 開始出現另一條路：不必所有資料都先送上雲端，也不必每做一步都付 API 費。但「模型跑在自己電腦」不等於自動安全，當 Agent 能讀檔案、操作工具與連接外部服務，權限與資料邊界反而更重要。
閱讀全文 →Meta CTO Andrew Bosworth 最近在員工問答中直言，他更希望把 AI 帶來的生產力提升用來做更多產品，而不是換成更多休假。這件事真正值得問的不是 Meta 對不對，而是：AI 幫我們省下的時間，最後到底屬於公司、員工，還是雙方重新協商？
閱讀全文 →今天三則 AI 新聞共同指向一個變化：AI 正從「功能展示」進入真正的現實世界。Apple 據報為因應 AI 熱潮帶來的記憶體供應緊張，測試中國 CXMT 晶片；Airbnb 表示 AI 助理改善後，每筆訂單的客服成本年減約 16%；加州則推動 SB 903，限制 AI 在心理治療中自行做治療決策。AI 能不能長期落地，開始同時取決於供應鏈撐不撐得住、企業能不能算出回報，以及高風險工作最後由誰負責。
閱讀全文 →OpenAI 先前推出獨立 AI 瀏覽器 Atlas，希望讓 AI 不只回答網頁問題，還能直接在瀏覽器裡完成多步驟工作；但今天 8 月 9 日正是官方排定的停用日。OpenAI 並沒有放棄瀏覽器 Agent，而是把 Atlas 的能力重新集中到 ChatGPT、Work、Codex 與新的桌面 App。這次產品收攏透露一個值得注意的方向：AI 競爭可能不再是「誰再做一個新瀏覽器」，而是誰能把搜尋、登入、下載、跨網站操作與工作成果，直接整合進使用者原本就在用的 AI 工作入口。
閱讀全文 →Apple 已讓符合條件的中國大陸 Mac 使用者，把阿里巴巴千問接進 Siri 與書寫工具。這不代表 Apple 放棄自己的 AI，而是當 AI 真正進入全球裝置後，同一套產品可能必須依不同國家的法規、市場與生態，接上不同的 AI。
閱讀全文 →ARCHIVE
健康、舞蹈、過往課程與影片保留原網址供查閱，但不再混在 AI 主題的主要探索路徑。