第 22 期2026-07-01（台北時間）
七月開場，前沿大廠火力全開。Anthropic 同日端出 Claude Sonnet 5 與旗艦級新產品 Claude Science，宣告 AI 競爭從『拚跑分』轉向『拚工作流』；Google 用 Nano Banana 2 Lite 把生圖推進幾秒一張的生產線時代；OpenAI 則用 GeneBench-Pro 在科學評測卡位。另一條暗線同時浮現——AI 瀏覽器被『2+2=5』哄騙、agent 互相轉帳、agent 上手機，當 AI 從回答問題升級到自己動手做事，安全把關的份量只會越來越重。
模型
Anthropic 在 6 月 30 日早上丟出 Claude Sonnet 5，官方一句話總結整個產品定位：表現接近自家旗艦 Opus 4.8，但跑起來便宜得多。三個主打場景是寫程式、跑 agent、處理專業工作，賣點直接對著「要大量呼叫模型、又付不起旗艦價」的開發者。TechCrunch 把它定調為比 Opus、GPT-5.5、Gemini Pro 更划算的選項，等於 Anthropic 親手在自家產品線中間補了一刀價格帶。
開發者 Simon Willison 第一時間先翻「what's new」開發文件、而非官方公告，因為那裡的資訊比較能拿來動手做。他注意到系統卡有一段值得玩味：Sonnet 5 在資安攻擊類任務上的能力明顯低於更高階的型號。這條刻意的弱化算不上缺陷，比較像發布前的精算——美國政府近期對前沿模型的網路攻擊能力盯得很緊，把這條能力壓低，模型才放得出來、不會卡在審查關。
換句話說，這版的「弱」是設計過的。Anthropic 把寫程式與 agent 的實用能力拉滿，同時刻意削掉容易踩政府紅線的攻擊面，用一個能過審、又夠便宜的組合去搶市佔。對台灣的工程團隊來說，這代表你接下來選 API 時多了一個性價比很高的中階選項；但也要記得，便宜的代價之一是某些能力被刻意關掉，不是它做不到，是廠商不讓它做。
歸剛點評｜Sonnet 5 把「接近旗艦、價格腰斬」變成可量產的中階武器，直接壓 GPT-5.5 與 Gemini Pro 的成本帶。對天天燒 token 的台灣團隊，這是少數能無痛換上去省錢的版本；但系統卡那段刻意削弱攻擊力，提醒你模型能力越來越受政府監管牽動。
產品
Anthropic 發表 Claude Science，一個給科學家用的工作台，整合研究常用的工具與套件，能像 Claude Code 一樣依高階指令自主跑運算研究，省去在資料庫、管線、工具間切換。
Anthropic 在一場面向藥廠高管、生技創辦人與研究者的活動上，發表了 Claude Science。定位很清楚：它要對科學研究做的事，就是 Claude Code 對軟體工程做的事。給它一句簡短的高階指令，它能自主執行有意義的運算工作，並接上研究者最常用的工具與套件。MIT Technology Review 直接稱它是 Anthropic 最新的旗艦產品。
值得注意的是，Anthropic 這次的賭注押在工作流，又一個新模型反而不是重點。TechCrunch 點出，Claude Science 的價值在於把科學家從「在資料庫、分析管線、各種工具之間來回跳」的瑣碎裡解放出來，給他們一個統一的環境做計算型研究。一個生物資訊學家平常可能要同時開十幾個視窗、手動接資料格式，Claude Science 想做的是把這條長鏈收進一個可對話的工作台。
這步棋的商業邏輯也很明白。前沿模型彼此的純能力差距正在縮小，光靠跑分已經拉不開差距，真正的護城河是「把模型嵌進某個專業領域的真實工作流裡」。Anthropic 先用 Claude Code 在工程師圈站穩，現在把同一套打法複製到生技與製藥這種高客單、高黏著的領域。對台灣的學研與生技團隊，這是一個訊號：下一波 AI 競爭的戰場，從『誰的模型強』移到『誰把工作流做得深』。
歸剛點評｜Anthropic 沒發新模型卻發旗艦產品，等於宣告純跑分時代的紅利見頂，護城河改挖在垂直工作流。Claude Code 打工程師、Claude Science 打生技製藥，都是高客單高黏著的肥肉；台灣學研圈值得早點摸它的深度，別等到對手都接上了才動。
模型
Google 發表更快更便宜的影像模型 Nano Banana 2 Lite，出一張圖只要幾秒；同場還有 Gemini Omni Flash。畫質沒旗艦好看，但勝在速度與成本，鎖定要量產 AI 內容的創作者。
Google 在 DeepMind 部落格一口氣丟出兩個新東西：影像模型 Nano Banana 2 Lite，和 Gemini Omni Flash。重點全押在「快」與「便宜」。Ars Technica 實測後的形容很直白——畫質可能沒那麼好看，但 Nano Banana 2 Lite 出一張圖只要幾秒鐘。TechCrunch 也把它定位成給創作者量產 AI 內容用的工具。
這裡的取捨很清楚。完整版的 Nano Banana 2 追求單張的最高品質，Lite 版則反過來——犧牲一部分細緻度，換來幾乎即時的生成速度與更低的單張成本。對需要一次生成上百張縮圖、社群配圖、廣告素材變體的人，這個交換非常划算，因為這類用途本來就不需要每張都是藝術品，要的是夠用、量大、又快。
把這條新聞放回產業脈絡看，影像生成正在快速分層：一邊是追求極致畫質的旗艦，一邊是追求速度與成本的輕量版，各自服務不同需求。本站自家每天 22 張配圖也走本機 Ollama 生圖、約 45 到 110 分鐘的路線，正好說明一件事——當生圖變成日常生產線的一環，速度與成本的重要性常常會壓過『最漂亮』。Google 這次等於把這個趨勢做成了官方產品。
歸剛點評｜影像生成正式分層：旗艦拚畫質、Lite 版拚速度成本。對天天要量產社群圖、廣告變體的台灣小編與行銷，幾秒一張、單價極低的工具比『最美』更實用。Google 把這個取捨直接做成產品線，等於宣告生圖進入生產線時代。
研究
OpenAI 發表 GeneBench-Pro，一套用複雜真實資料測 AI 在基因體、生物學與科學研究表現的評測，並附案例研究，想看模型在硬科學上到底有幾兩重。
OpenAI 推出 GeneBench-Pro，一套新的評測基準，專門測 AI 在基因體學、生物學與科學研究上的表現。和很多用人造題目的評測不同，它強調用複雜的真實世界資料集來考模型，還另外放了一份案例研究，把模型實際解題的過程攤開來看。
這個方向和前一條 Claude Science 撞在同一個風口上，不是巧合。當各家都把矛頭對準科學研究這塊市場時，第一個要解決的問題就是『怎麼證明 AI 在硬科學上真的有用』。跑分平台這時就變成兵家必爭之地——誰定義了被廣泛採用的評測標準，誰就握有話語權，能用對自己有利的題型去框定『什麼叫強』。OpenAI 自己出題、自己附案例，背後有這層卡位的算計。
對實際做研究的人來說，這類評測值得用但別盡信。真實基因體資料確實比玩具題更接近日常，但一個由模型廠商自己設計、自己公布成績的基準，天生就有選擇性呈現的空間。比較務實的看法是把 GeneBench-Pro 當成一個參考座標，搭配 Anthropic、Google 等其他陣營的評測交叉看，而不是單看一家的榜單就下結論。AI 進科學的競賽才剛開打，評測標準本身就是這場仗的一部分。
歸剛點評｜當 Anthropic、OpenAI 同週都撲向科學研究市場，評測標準成了卡位戰場——誰定義『什麼叫強』，誰就握話語權。GeneBench-Pro 用真實基因體資料是進步，但廠商自己出題自己評分，台灣研究者該交叉看多家榜單，別被單一基準帶風向。
晶片
主打推論的 AI 晶片新創 Etched 估值達 50 億美元，並表示其晶片驅動的推論系統已簽下 10 億美元合約。專攻推論這個被 Nvidia 相對忽略的環節，搶分一塊正在膨脹的大餅。
AI 晶片新創 Etched 估值來到 50 億美元，而且不是純靠故事撐——公司說，由其晶片驅動的推論系統已經有 10 億美元的合約在手。在這個動輒喊願景的賽道，能拿出實際簽約金額是相對硬的證據。
Etched 的打法是專攻『推論』這一段。訓練模型需要的是 Nvidia 最頂的 GPU，但模型訓練好之後、每天被使用者一次次呼叫的『推論』，才是長期最大、最持續的算力支出。Nvidia 的通用 GPU 什麼都能做，Etched 賭的是用為推論量身打造的專用晶片，在這個特定場景做到更高的性價比。當全世界的 AI 應用都從『訓練期』走向『天天被用的服務期』，推論需求會像滾雪球一樣放大。
這也是整個產業正在發生的事：Nvidia 一家獨大的局面，正被一群專攻細分場景的對手從邊緣啃食。Etched 之外還有 Groq、Cerebras 等各走各路。它們短期內都撼動不了 Nvidia 的霸主地位，但只要 AI 服務的使用量持續暴衝，推論市場大到連專用晶片廠都能分到 10 億訂單，這個結構就回不去了。對關注半導體的台灣讀者，這是供應鏈下一個值得盯的變數。
歸剛點評｜訓練要 Nvidia 頂規 GPU，但模型上線後天天被呼叫的『推論』才是長期最大算力錢坑。Etched 用專用晶片切這塊，10 億簽約是硬證據。對台灣半導體供應鏈，推論專用晶片崛起是 Nvidia 一家獨大鬆動的早期訊號，值得追。
產業
OpenAI 釋出 Signals 數據，顯示 ChatGPT 全球採用持續成長：使用者用得更頻繁、探索更多功能，並在不同地區與語言帶動成長。
OpenAI 公布了一批名為 Signals 的內部數據，描繪 ChatGPT 的全球採用樣貌。三個重點趨勢：使用者用得更頻繁、願意探索更多功能、而且成長動能跨越不同地區與語言往外擴散。簡單說，ChatGPT 的成長有兩層：用戶數變多，加上既有用戶把它用得更深、新市場也持續上車。
『用得更深』這件事比『用戶數成長』更值得注意。一個產品如果只是註冊數漂亮，但大家用一兩次就丟，那是泡沫；但若使用者從只會問問題，慢慢開始用更多進階功能、把它接進日常工作流，那代表黏著度在往下扎根。OpenAI 特別強調功能探索的擴大，等於在說 ChatGPT 正在從『嘗鮮玩具』變成『工作必需品』。
跨語言、跨地區的成長則牽動另一條線。早期生成式 AI 的紅利集中在英語世界，現在成長往非英語市場擴散，意味著本地化內容、在地語料、在地法遵的需求會跟著放大。對華語圈的產品與內容業者，這既是壓力也是機會——壓力在於全球巨頭的觸角伸進你的語言市場，機會在於懂在地、貼近本地使用情境的服務，仍是巨頭一時補不齊的縫。
歸剛點評｜用戶數成長是表象，『既有用戶用得更深、接進工作流』才是黏著度扎根的真訊號，代表 ChatGPT 從玩具變必需品。跨語言擴張則直接打進華語市場——對台灣產品業者，這是巨頭壓境與在地化機會同時到來的雙面刃。
資安
資安研究揭露針對 AI 瀏覽器的新攻擊：只要先讓模型接受一個明顯錯誤的前提（如 2+2=5），就能把它誘進一個守則失效的『夢境』，進而執行原本被禁止的指令。
Ars Technica 報導了一個針對 AI 瀏覽器的新攻擊手法，原理簡單到讓人發毛：只要先告訴大型語言模型一個明顯錯誤的前提，比方說『2+2=5』，並讓它接受，就能把模型一步步拐進一個『守則不再適用』的虛構情境，接著它就會乖乖執行原本該被擋下來的禁止指令。研究者形容這像是把 AI 哄進一個夢境，在夢裡護欄全部失效。
為什麼這招有效，要從 AI 瀏覽器的本質說起。這類產品會替你讀網頁、自動點按、填表單、甚至代你操作帳號，等於把瀏覽器的控制權交給一個會被文字內容牽著走的模型。攻擊者只要在網頁裡埋進精心設計的文字，就能在你毫不知情的情況下，改寫模型對『現在情境是什麼、什麼能做什麼不能做』的判斷。問題的根源是『模型會無條件接受被餵進來的前提』這個根本特性，跟某個 bug 無關。
資安圈一再對 AI 瀏覽器搖頭，道理就在這裡。一般網頁攻擊頂多偷資料，但一個被接管的 AI agent 可以用你的身分主動做事——轉帳、發訊、改設定。對台灣使用者的務實建議是：先別把高權限的帳號（網銀、公司後台、主要信箱）交給會自動操作的 AI 瀏覽器；要嘗鮮，就用一個權限受限、沒綁重要資產的環境。便利和風險在這類工具上是綁在一起賣的。
歸剛點評｜AI 瀏覽器把點按轉帳的控制權交給會被文字牽著走的模型，攻擊者埋一句『2+2=5』就能讓護欄失效、用你的身分辦事。問題出在模型會無條件接受餵進來的前提這個根本特性，跟單一 bug 無關。台灣使用者務實做法：別把網銀、公司後台交給會自動操作的 AI 瀏覽器。
產業
Amazon 成立投入 10 億美元的「前線部署工程師」（FDE）組織，工程師將進駐企業內部，部署量身打造的 agent，主打快速上線與讓客戶能自立運作。
Amazon 宣布成立一個投入 10 億美元的新組織，做的是『前線部署工程師』（Forward Deployed Engineer，FDE）的活。這個團隊的工程師會直接進駐到客戶企業內部，替對方部署量身打造的 AI agent，目標放在兩件事：上線要快，以及讓客戶最終能自己運作、不必一直依賴外部。值得注意的是，這是跟在 OpenAI 與 Anthropic 之後——兩家先前都已經組了類似的駐點工程隊伍。
FDE 這個模式其實是從資料分析公司 Palantir 發揚光大的：與其賣你一套軟體自己摸索，它派人坐進你的辦公室，把工具硬接進你的真實業務裡。對 AI 來說這特別關鍵，因為一個通用模型擺在那裡，多數企業根本不知道怎麼把它變成有用的東西。真正能收錢、收大錢的，是『有人來幫我把它接好、跑起來、解決我這個產業的具體問題』。
三家巨頭同時押這條路，透露出一個產業共識：模型本身越來越像水電，差異化拉不開，真正的營收與護城河在『落地服務』。賣 API 是低毛利的薄利多銷，派工程師駐點做客製整合才是高客單、高黏著的肥肉。對台灣的系統整合商與 AI 顧問業，這既是警訊也是機會——警訊是巨頭親自下海搶這塊，機會是台灣本地企業更吃在地團隊的貼身服務，這是遠端巨頭難完全取代的。
歸剛點評｜三巨頭同押 FDE 駐點模式，等於承認模型本身淪為水電、差異化在落地服務。賣 API 薄利、派人客製整合才是高客單肥肉。對台灣 SI 與 AI 顧問業是雙面刃：巨頭親自下海搶單，但本地企業更吃在地貼身服務這道縫。
工具
X 上線一個託管的 MCP server，讓開發者更容易把 AI 應用接上 X 的 API。MCP 正快速變成 AI 工具與外部服務之間的通用接頭。
X（前身 Twitter）推出了一個官方託管的 MCP server，目的是讓開發者更容易把 AI 應用串接到 X 的 API。換句話說，以後想做一個會自動讀 X、發 X、分析 X 上討論的 AI 工具，接線會比以前簡單得多。
MCP（Model Context Protocol）這個由 Anthropic 提出的開放協議，正在以驚人的速度變成 AI 世界的『通用接頭』。它的角色有點像 USB——在它出現以前，每個 AI 工具要接每個外部服務都得各寫各的串接，雜亂又重複；MCP 想做的是定一個標準規格，讓任何模型、任何工具都能用同一套方式去接資料庫、API 與各種服務。本站近期已經連續報導多起 MCP 相關動態，這次連 X 這種大平台都親自下場提供官方 server，說明這個標準正在從開發者圈的共識，變成平台方主動擁抱的事實標準。
對開發者，這是好消息——少寫一堆膠水程式碼。但平台主動開 MCP 也有它的算計：當大家的 AI agent 都習慣透過你的官方接頭來存取你的服務，你就把自己卡在了 AI 工作流的關鍵節點上，順便掌握了誰在用、怎麼用的數據。便利從來不是免費的，平台願意鋪路，是因為這條路最後通往它自己。
歸剛點評｜MCP 正從開發者共識變成平台主動擁抱的事實標準，連 X 都親自開官方接頭。對開發者是少寫膠水碼的好消息；但平台鋪路有算計——讓所有 agent 都從你的接頭進來，就把自己卡進 AI 工作流的關鍵節點。台灣開發者值得趁早熟悉 MCP 生態。
人物
三位前 DeepMind 研究者創辦、總部在布拉格的 AI 實驗室 EquiLibre Technologies 估值已超過 5 億美元，把當年打撲克 AI 的技術轉用到量化金融。
三位前 DeepMind 研究者創辦的 AI 實驗室 EquiLibre Technologies，估值已經超過 5 億美元。這家公司總部設在布拉格，三位創辦人的來歷是當年打造撲克 AI 的同一批人，現在他們把這套本事拿去替量化對沖基金賺錢。
從撲克跳到金融，看起來跨界，技術上其實一脈相承。撲克和很多棋類遊戲最大的不同在於『不完全資訊』——你看不到對手的牌，必須在資訊缺失、對手會騙你的情況下做最優決策。金融市場恰恰是同一類問題：你不知道別人手上有什麼、下一步要幹嘛，還得在充滿雜訊與對手博弈的環境裡押注。當年為了在牌桌上戰勝人類而磨出來的決策演算法，換個場景就成了量化交易的利器。
這也是 AI 人才流動的一個縮影：頂尖研究者從大廠帶著看家本領出走，把原本為了研究或遊戲開發的技術，導進金融這種錢最厚的場域。對台灣讀者的提醒有兩層：一是 AI 在量化金融的滲透只會更深，市場博弈正被越來越強的演算法接管；二是這種『學術突破→金融變現』的路徑，正在成為頂尖 AI 人才繞過大廠、自立門戶的標準劇本。
歸剛點評｜撲克和金融都是『不完全資訊下做最優決策』，技術一脈相承。三人組帶著 DeepMind 看家本領出走變現，是『學術突破→金融落袋』的標準劇本。提醒台灣讀者：量化市場正被越來越強的演算法接管，博弈門檻只會更高。
政策
一份新報告發現，「高強度導入 AI」的企業整體人力增加 10.2%，其中入門級職位還成長 12%，反駁了 AI 會消滅基層工作的說法，讓這場勞動辯論更加複雜。
關於 AI 到底會不會搶走工作，一直是兩派各說各話。最新一份報告又往這鍋裡丟了顆變數：它發現『高強度導入 AI』的企業，整體人力不減反增，成長了 10.2%；更顛覆直覺的是，這些公司的入門級職位還成長了 12%。這直接打臉了『AI 會先殺死基層與新鮮人工作』的流行說法。
怎麼解讀這個反直覺的數字，要小心。一種說法是 AI 讓生產力大增、公司業務擴張，於是反而需要更多人——AI 把餅做大，連帶連基層職缺一起變多。但另一種冷靜的可能是因果倒置：本來就在成長、本來就敢大舉招人的公司，才更有餘力大手筆導入 AI，所以你看到的『增員』未必是 AI 造成的，而是『會成長的公司剛好也愛用 AI』。同一份數據，兩種故事都講得通。
所以這份報告的真正價值，與其說證明了『AI 不搶工作』，不如說它提醒大家別被任一邊的口號帶著走。AI 對就業的影響，高度取決於產業、職能、公司階段，籠統地說『AI 一定毀掉/拯救工作』都太粗糙。對台灣的勞工與雇主，比較實際的是看自己這個產業、這個職位，AI 是當你的工具還是替代你——答案因人而異，不會有一個全體適用的標準答案。
歸剛點評｜這份報告的價值不在『證明 AI 不搶工作』，而在戳破兩派口號——數字可能只是『會成長的公司剛好也愛用 AI』的因果倒置。提醒台灣勞工雇主：AI 衝擊高度取決於你的產業職能，別被任一邊的標語綁架，看自己的位置才實際。
工程
OpenAI 工程團隊用大規模 core dump 分析，追查罕見的基礎設施崩潰，最後同時挖出一個硬體故障與一個埋了 18 年的軟體 bug。
OpenAI 的工程團隊分享了一個硬派的除錯故事：他們用大規模的 core dump（程式崩潰時留下的記憶體快照）分析，去追查基礎設施上那些罕見、難以重現的崩潰，最後一口氣挖出兩個元兇——一個是硬體故障，另一個是埋藏了整整 18 年的軟體 bug。
這件事的工程意義，遠比『修了個 bug』來得大。在跑 AI 的超大規模叢集上，崩潰常常是百萬分之一的機率才出現一次，你根本沒辦法照著步驟重現，傳統 debug 那套『跟著複現一遍』完全失效。OpenAI 的做法是把這當成流行病學來做——不去追單一個案，而是蒐集海量崩潰快照，統計分析找出共通模式，像疾管署找傳染源一樣定位問題。他們把這篇文章取名為『core dump 流行病學』，正是這個意思。
對工程人來說，這裡有兩個值得帶走的點。第一，AI 時代的可靠度工程，越來越仰賴在巨量規模上做統計式診斷，而不是靠單機 debug 的直覺。第二，一個埋了 18 年的 bug 能被翻出來，說明這類大規模分析方法的威力——它能照亮那些平常頻率太低、根本沒人注意得到的暗角。當你的系統大到一定程度，連最罕見的問題都會頻繁發生，這套方法論會越來越重要。
歸剛點評｜超大規模叢集上，崩潰是百萬分之一機率、無法複現，傳統 debug 失效。OpenAI 改用『流行病學』式統計診斷揪出 18 年老 bug，是 AI 時代可靠度工程的範式轉移。對台灣後端與 SRE 工程師，這套巨量規模統計除錯法值得學起來。
產業
Wix 旗下的 vibe-coding 平台 Base44 開始推出自家 AI 模型，期望最終能超越前沿模型。這反映 AI 新創在套殼之外，開始尋找自己的防禦縱深。
被 Wix 收購的 vibe-coding 平台 Base44，開始推出自己的 AI 模型，並放話希望它最終能超越前沿模型。所謂 vibe-coding，指的是用自然語言描述需求、讓 AI 直接生出可運行軟體的那類工具，Base44 過去主要是接別人的模型來做這件事。
這步棋背後是 AI 新創共同的焦慮：護城河在哪裡。過去兩年大量爆紅的 AI 產品，骨子裡都是在 OpenAI 或 Anthropic 的模型外面包一層介面，也就是俗稱的『套殼』。套殼的問題是門檻太低、太容易被複製，而且命脈捏在模型供應商手上——對方一漲價、一改政策、甚至自己下場做你的功能，你就被掐住喉嚨。自研模型，就是想把這條命脈拿回自己手上。
但自研也是條險路。從頭訓練一個有競爭力的模型，燒的錢與算力都是天文數字，多數新創根本撐不起；而且就算做出來，要超越資源無上限的前沿大廠談何容易。比較可能的真實版本是：Base44 不見得要做出全世界最強的模型，而是做一個『在 vibe-coding 這個特定任務上夠好、又完全由我掌控成本與走向』的專用模型。對台灣的 AI 新創，這是個值得想清楚的選擇題——套殼跑得快但沒縱深，自研有縱深但燒錢，中間那條『垂直場景專用模型』的路，往往才是務實解。
歸剛點評｜套殼門檻低、命脈被模型商捏住，這是所有 AI 新創的共同焦慮。Base44 自研是想把命脈拿回手上，但從頭訓練燒錢且難贏大廠。對台灣 AI 新創，真正務實的常是中間路線：做垂直場景夠用、成本自控的專用模型，而非追全世界最強。
加密
OKX 打造一個給 AI agent 的市場，把支付、身分與信譽整合在一起，讓 agent 之間可以彼此雇用與付款，押注一個由機器自主交易的經濟雛形。
加密貨幣交易所 OKX 推出了一個野心不小的構想：打造一個給 AI agent 的市場，把支付、身分與信譽三件事整合在一起，讓 agent 之間能夠互相雇用、互相付錢。簡單講，就是讓 AI 不只替人類辦事，還能自己去『發包』給另一個 AI，並完成付款。
要讓 agent 經濟跑得動，OKX 點出的三塊拼圖缺一不可。支付解決『怎麼付』——加密貨幣天生適合機器即時、跨境、小額地結算；身分解決『你是誰』——得有辦法確認對面那個 agent 不是冒牌貨；信譽解決『能不能信』——得有機制記錄誰交付得好、誰常擺爛，agent 才知道該找誰。把這三塊湊齊，理論上就能讓一群 AI 在沒有人類逐筆批准的情況下，自主分工、交易、協作。
這個願景很性感，但也要冷靜看。一個沒有人類即時把關、彼此自動轉帳的 agent 網路，風險面非常大：一旦某個 agent 被誘導或被攻擊（呼應今天另一條 AI 瀏覽器被『2+2=5』哄騙的新聞），錢可能在你反應過來之前就自動流走了。再加上這是加密交易所主導，本質上也是在替自家的鏈上交易找新的需求來源。對台灣讀者，把它當成一個值得觀察的早期實驗就好——agent 自主經濟是真趨勢，但現階段，讓機器自動動錢這件事，謹慎永遠比興奮重要。
歸剛點評｜agent 互相付錢需要支付、身分、信譽三塊拼圖，加密天生適合機器結算。但無人類即時把關的自動轉帳網路風險巨大——呼應今天 AI 瀏覽器被『2+2=5』哄騙那條，被攻陷的 agent 可能在你反應前就把錢轉走。趨勢是真的，謹慎更重要。
產品
NotebookLM 新增功能，能根據你上傳的資料生成 60 秒直式 AI 短影音，走 TikTok 風格，先對 Google AI Ultra 與 Pro 訂戶開放。
Google 的 NotebookLM 又加了新花樣：它現在能根據你上傳的資料，自動生成 60 秒的直式 AI 短影音，走的是 TikTok 那種快節奏風格。這個功能先對 Google AI Ultra 與 Pro 訂戶開放，Google 給的示範案例，是把『澳洲那場失敗的鴯鶓戰爭』這類冷知識做成短片。
NotebookLM 的進化路線很值得玩味。它最早爆紅是靠『把文件變成兩個 AI 主持人對談的 podcast』，把枯燥的資料變成能用聽的；現在這條 TikTok 短影音，是同一個邏輯往視覺端再走一步——把你丟進去的研究資料、筆記、報告，自動轉成最容易被現代人吞下去的內容形態。核心命題始終是同一個：降低消化資訊的門檻，讓你不必逐字讀完，也能快速抓到重點。
這對內容生態是把雙面刃。好處是，學生、研究者、知識工作者能用極低成本把硬資料變成好懂的影音，自學與傳播都更省力。隱憂是，當『把任何東西自動做成 60 秒爽片』變得零成本，內容的同質化與淺薄化也會加速——什麼都被壓成 60 秒直式短片，深度閱讀的空間會不會被進一步擠壓？對台灣的內容創作者，這類工具是順手的助力，但別讓『能快速做出影音』取代了『有沒有值得做成影音的東西』。
歸剛點評｜NotebookLM 從 podcast 對談走到 TikTok 短影音，核心都是降低資訊消化門檻。對台灣知識工作者與創作者是省力助力，但零成本量產 60 秒爽片也會加速內容淺薄化——工具能幫你做得快，前提是你得先有值得做的東西。
開源
免費開源的 agentic 程式 OpenClaw 終於推出 Android 與 iOS 版本，把自主 agent 的能力帶進手機。
免費又開源的 agentic 程式 OpenClaw 終於上了手機，Android 與 iOS 版本同步登場。TechCrunch 用了一個生動的說法：這個自主 agent 程式『終於入侵你的手機了』。對一直在桌面端追這個專案的人，這代表你現在能隨身帶著一個能自己規劃、自己動手做事的 AI agent。
OpenClaw 的看點在於它是開源的。和封閉的商業 agent 不同，開源代表任何人都能檢視它的程式碼、自己架設、按需求改造，不必把資料與信任全押在某一家公司身上。對重視隱私、或想把 agent 深度客製進自己工作流的進階使用者，這種『能看、能改、能自架』的特性極具吸引力，也是開源社群一直以來相對於大廠閉源產品的核心優勢。
但 agent 上手機這件事，便利與風險同樣綁在一起。一個能自主操作的 agent 跑在你隨身、裝滿個人資料與帳號的手機上，一旦被惡意指令利用，可造成的破壞比在桌機上更貼身。這也呼應了今天另外兩條新聞——AI 瀏覽器被哄騙、agent 自動轉帳——同一個主題反覆出現：當 AI 從『回答問題』升級到『自己動手做事』，我們交出去的權限越來越大，對它的安全把關就越不能馬虎。想嘗鮮 OpenClaw 的台灣使用者，建議先在權限受控的範圍內玩，別一上來就給它你最重要帳號的鑰匙。
歸剛點評｜OpenClaw 開源、可自架可改的特性對重隱私的進階用戶很香，但 agent 上手機讓風險更貼身。呼應今天 AI 瀏覽器被哄、agent 自動轉帳——同個主題反覆出現：AI 從回答問題升級到自己動手，交出的權限越大，安全把關越不能馬虎。
倫理
Netflix 確認實境秀《Wonka: The Golden Ticket》9 月 23 日上線，旁白採用 AI 生成的已故演員 Gene Wilder 聲音，再度踩上用 AI 重現逝者的爭議線。
Netflix 釋出新預告，確認實境秀《Wonka: The Golden Ticket》將於 9 月 23 日上線。爭議點在於：節目的旁白用的是 AI 生成的 Gene Wilder 聲音——這位以 1971 年版威利旺卡聞名的演員已經過世。預告裡的場景是實景搭建、不是 AI 假造的，但那把熟悉的嗓音，是演算法合成的。
用 AI 復活已故演員的聲音與形象，是這兩年娛樂圈最敏感的灰色地帶。支持方會說，這是對經典角色的致敬，能讓新世代重新感受到那個聲音的魅力；反對方則質疑，一個無法再表達意願的逝者，他的聲音被商業專案拿去用，授權與尊嚴的界線到底在哪裡？聲音是表演者最具人格辨識度的資產之一，當它能被任意重建並商用，整個產業對『同意』的定義都會被迫重寫。
這件事也和近期娛樂圈的另一個趨勢扣在一起：把虛構作品裡的殘酷情境改編成真人實境競賽（《魷魚遊戲》實境秀是前例）。AI 配音只是其中一塊拼圖，背後是平台在內容生產上不斷試探成本與倫理的下限。對台灣的影視與配音從業者，這是個必須正視的訊號：AI 合成聲音的技術門檻已經低到能進主流製作，接下來該怎麼用合約保護自己的聲音、在世與身後的權利，會是整個行業繞不開的功課。
歸剛點評｜AI 復活逝者聲音是娛樂圈最敏感的灰色地帶——聲音是表演者最具人格辨識度的資產，能被任意重建商用，整個產業對『同意』的定義都得重寫。對台灣配音與影視從業者是必須正視的訊號：該怎麼用合約保護在世與身後的聲音權利。
政策
川普政府推動用 AI 重新設計所有 .gov 政府網站，但成果被形容為災難；負責的 National Design Studio 在一年後延後更新政府網站標準的計畫。
川普政府推動了一項大工程：用 AI 重新設計每一個聯邦政府的 .gov 網站。Ars Technica 的報導標題直接把成果叫做『AI 設計的恐怖屋』。負責此事的 National Design Studio 推動一年後，已經延後了原本要更新政府網站設計標準的計畫。
這個案例值得每個想無腦套 AI 的組織引以為戒。政府網站不是拿來好看的，它承載的是民眾繳稅、查資料、申請福利、看法規這些攸關權益的剛性功能，對無障礙設計（讓視障、行動不便者也能用）、資訊正確性、一致性的要求極高。把這種高度規範、容錯率極低的工作丟給 AI 大批量生成，最容易出的問題就是『看起來有做事，實際上一堆細節崩壞』——版面亂、資訊錯置、無障礙標準不符，對真正依賴這些網站的弱勢族群尤其是災難。
往大裡看，這是『AI 萬能』敘事撞上現實的一記響鐘。AI 確實能加速很多事，但在那些需要嚴謹規範、需要為錯誤負責、需要照顧到每一種使用者的領域，貿然全面導入只會放大災情。National Design Studio 選擇踩煞車、延後標準更新，其實是務實的修正。對台灣的公部門數位轉型，這是一個現成的負面教材：AI 可以當輔助工具加速流程，但別把『需要對全民負責的公共服務』整包交給它自動生成，人的審查與把關在這種場景無可取代。
歸剛點評｜政府網站承載繳稅、查法規、申福利等剛性功能，無障礙與正確性容錯率極低，無腦套 AI 大批量生成只會放大災情、最坑弱勢族群。對台灣公部門數位轉型是現成負面教材：AI 可加速流程，但對全民負責的公共服務不能整包交給它自動生成。
政策
Google UK 發布最新經濟影響報告，主張透過普及 AI 技能與工具，讓更多英國人享受 AI 帶來的生產力紅利，推動國家進入下一個生產力時代。
Google 的英國分部發布了最新的經濟影響報告，主軸是英國要怎麼靠 AI 進入下一個生產力時代。報告的核心訴求是『讓更多人有能力解鎖 AI 帶來的好處』，把目標設定成把英國打造成一個『全民 AI 開拓者』的國家——也就是讓 AI 技能與工具不只屬於科技菁英，而是普及到更廣的勞動人口。
科技巨頭出『國家經濟影響報告』，本身就是一種策略動作，得帶著理解去讀。一方面，AI 提升生產力、需要全民具備相應技能，這個大方向確實成立；但另一方面，由 Google 這種最大受益者來主導論述，難免把『多用 AI（尤其是我家的）』描繪成國家進步的必經之路。報告會強調紅利、淡化代價，這是它的立場使然。看這類報告時，把它當成『一份立場明確的政策遊說』，而非中立的學術分析，會比較清醒。
撇開立場，裡頭真正值得各國借鏡的是『AI 技能普及』這個命題。AI 的生產力紅利如果只集中在少數已經懂得用的人手上，社會的貧富與機會差距只會被拉大；要讓紅利雨露均霑，關鍵在於大規模的技能培訓與工具可近性。對台灣，這個提醒同樣成立——與其爭論 AI 好不好，不如把力氣放在『怎麼讓更多一般勞工、中小企業也用得起、用得會 AI』，這才是決定 AI 紅利會集中還是擴散的真正關鍵。
歸剛點評｜巨頭出『國家經濟報告』本質是政策遊說，Google 把『多用 AI』描繪成國家進步必經之路，看時要清醒。但『AI 技能普及』這命題對台灣真有借鏡：紅利若只集中在會用的人手上，差距只會拉大，怎麼讓中小企業與一般勞工用得起用得會才是關鍵。
產品
新創 Acti 推出 iOS 與 Android 鍵盤，把 AI 助理嵌進輸入法，能跨 App 運作，並讓使用者用自然語言自建 AI 捷徑，押注鍵盤是 AI 助理的下一個落腳處。
新創公司 Acti 押了一個有意思的賭注：AI 助理的下一個家，是手機鍵盤。它推出的 iOS 與 Android 新鍵盤，把 AI 助理直接嵌進輸入法層，能跨各種 App 運作，還讓使用者用自然語言自己建立 AI 驅動的捷徑。
為什麼是鍵盤？因為鍵盤是手機上少數『無所不在』的介面。不管你在哪個 App、聊天、寫信、查資料，只要要打字，鍵盤就會跳出來。把 AI 塞進這一層，等於讓助理跟著你進到每一個 App，不必先切到某個專屬的 AI 應用、複製貼上、再切回來。這個『跨 App、隨叫隨到』的特性，是專屬 AI App 給不了的，也是 Acti 認為鍵盤能成為入口的底氣。自建捷徑則進一步讓人能把常用的 AI 操作（翻譯、改寫、摘要）變成輸入法裡的一鍵快捷。
不過鍵盤這個位置也有它的天險。輸入法能看到你打的每一個字，把 AI 接進來，等於讓一個第三方有機會碰到你最敏感的輸入內容——密碼、私訊、財務資訊。這類產品成敗的關鍵，除了好不好用，更在於它對隱私的處理是否讓人信得過。對台灣使用者，第三方 AI 鍵盤是個方便的工具，但裝之前值得先弄清楚：它把你打的字送去哪、存多久、誰看得到。便利與隱私的權衡，在輸入法這個位置上特別尖銳。
歸剛點評｜鍵盤是手機上唯一無所不在的介面，把 AI 嵌進去能跨 App 隨叫隨到，這是專屬 AI App 給不了的優勢。但輸入法看得到你打的每個字——密碼、私訊、財務。對台灣使用者，第三方 AI 鍵盤方便歸方便，裝之前先搞清楚它把你的字送去哪、誰看得到。