第 28 期2026-07-07（台北時間）
美國國慶連假結束，微軟用新財年第一個上班日開刀：裁 4,800 人、Xbox 首當其衝，執行長還直說「我們的生意不健康」。同一天，Anthropic 追蹤中國用戶的隱藏程式碼風波收尾、Altman 被爆想送美國政府 5% 股權、Google 悄悄預設拿你的圖片和錄音訓練 AI。政策與隱私的戲份，罕見地壓過了模型發布。
產業
微軟在 7 月 6 日、也就是新財政年度開始的第一個上班日，宣布裁員約 4,800 人，佔全球員工數 2.1%。受創最重的兩塊：商業銷售部門進行大規模改組，Xbox 遊戲部門當天砍掉 1,600 人（約 8%），且按 Forbes 掌握的內部規劃，到 2027 財年 Xbox 累計要裁 3,200 人、五家工作室將脫離品牌。距離去年那波 9,100 人的裁員，剛好一年。
Xbox 執行長 Asha Sharma 對內的說法異常直白：「我們今天的生意並不健康」，並指出部門利潤率比同類平台與發行業務低 3 到 10 倍，主機零組件成本飆升更讓硬體業務陷入危機。銷售部門的重組則與 AI 有關——微軟持續把商業銷售流程改造成由 Copilot 輔助的模式，人力結構跟著重排。
把鏡頭拉遠，TechCrunch 同日更新了「2026 年點名 AI 的重大科技裁員」清單：上半年科技業已有接近 15.4 萬人失業，Meta、Oracle、Amazon、Cognizant 都在名單上，且愈來愈多公司在裁員公告裡直接把 AI 列為原因。本站第 25 期報導過 Zuckerberg 對內坦承 agent 進展不如預期、「裁員也裁得不乾淨」，兩相對照，AI 到底是裁員的原因還是說詞，愈來愈難分。
值得留意的細節：微軟選在財年第一天動刀，會計上讓整年損益表乾淨起步，也方便把重組費用一次認列。去年同期也是這個節奏。對投資人這是「紀律」，對員工則意味著每年 7 月初都是高危期。
歸剛點評｜台灣玩家在意的是 Xbox 工作室存亡，供應鏈在意的是「主機硬體成本危機」四個字——零組件漲價壓力正是台廠的日常。另一個訊號：「點名 AI」已經變成裁員公告的標準話術，下次看到時，值得先問一句：是 AI 真的取代了那些職位，還是財報需要一個體面的理由。
資安
安全研究者揭露 Claude Code 用「提示詞隱寫術」偷偷標記中國用戶：偵測到代理伺服器時讀取時區、比對中國 AI 實驗室清單，再用三種外觀相同的 Unicode 撇號把結果編碼進系統提示。Anthropic 工程師承認是 3 月加入的實驗，移除版已在 7 月 1 日釋出。
本站第 26 期提過 Anthropic「識別中國用戶」實驗曝光，Ars Technica 這兩天把技術細節挖齊了。網名 Thereallo 的開發者研究 Claude Code 隱私問題時，發現一段沒有出現在任何文件裡的偵測邏輯：當 Claude Code 偵測到使用者掛著代理伺服器，會讀取系統時區、把代理主機名稱比對一份已知中國 AI 實驗室的清單，然後根據三種偵測結果的組合，悄悄修改系統提示裡「Today's date is…」那一行。
修改手法相當隱蔽：把標準撇號換成三種視覺上完全相同、但編碼不同的 Unicode 字元，等於用肉眼看不出的方式，把「有沒有掛代理、有沒有命中實驗室清單」的旗標編碼進每一次對話。研究者把手法命名為「提示詞隱寫術」（prompt steganography），並痛批這是對用戶信任的嚴重破壞——尤其 Anthropic 長期以反監控立場自居，使用政策明文禁止拿 Claude 做監控用途。
Anthropic 工程師出面回應，承認追蹤碼是今年 3 月加入的「實驗」，目的與該公司先前指控中國實驗室用 Claude 做蒸餾攻擊有關；移除程式碼的 PR 已合併，隨 7 月 1 日的 Claude Code 版本釋出。The Information 的後續報導用了更重的字眼，直接稱之為「鎖定中國用戶的間諜軟體」。
抓包過程本身值得記一筆：閉源工具的行為改動，是社群靠著反編譯與逐版 diff 追出來的。上一次 Claude Code 系統提示被逐字檢視（第 27 期的「Claude Design」逆向工程），挖出的是設計哲學；同一批人這次挖出的，是一條沒人同意過的資料回傳通道。
歸剛點評｜對照組太諷刺：一家公開拒絕監控用途的公司，被抓到在自家工具裡藏監控碼。工程上的教訓更實際——系統提示、遙測、更新通道都可能是 side channel，企業導入 AI 工具時，網路層的出站流量稽核不能只信廠商白皮書。這件事也預告了開發者工具的新常態：每一版 diff 都有人在看。
政策
金融時報報導 Altman 正與 Trump 政府洽談，把 OpenAI 約 5% 股權（估值約 426 億美元）捐入美國主權財富基金，並拉 Google、Anthropic、Meta、xAI 一起各捐 5%。平均分給 1.33 億美國家庭，每戶約 320 美元。
Altman 講了好幾年的「美國人共享 AI 財富」，上週有了具體形狀。金融時報報導，他正與 Trump 政府洽談，把 OpenAI 約 5% 的股權捐入一個美國主權財富基金，以 OpenAI 目前估值計算約值 426 億美元。MIT Technology Review 做了算術：平均分給全美約 1.33 億個家庭，每戶拿到的股份約值 320 美元。
提案的野心不止於 OpenAI 一家。按報導描述，構想是讓美國主要 AI 公司——Google、Anthropic、Meta、xAI——各自撥出 5% 資本，注入一個以阿拉斯加永久基金為原型的載體。阿拉斯加自 1970 年代把石油收益分給州民，前提有二：石油是共享資源、而且總有一天會枯竭。Altman 顯然想把「智慧」類比成新的石油。
Time 與 CNBC 的解讀就沒那麼浪漫：OpenAI 近期在華府承受的政治壓力不小，從州層級 AI 法規的攻防到聯邦政府對超大型資料中心的補貼爭議，送股權給政府等於一次買到「利益一致」。談判仍在初步階段，任何正式方案大概率需要國會立法，複雜度會直線上升。
數字上還有個微妙之處：5% 聽起來大方，但 OpenAI 正在進行的重組讓非營利母體與營利實體的股權結構本來就在重劃，此時捐出的 5% 由誰稀釋、投票權歸誰，報導都還沒有答案。每戶 320 美元是漂亮的頭條數字，治理細節才是本體。
歸剛點評｜把「全民分紅」跟「跟執政者搞好關係」包在同一個提案裡，是很高明的政治工程——反對的人像在反對發錢。台灣讀者可以對照主權基金的老問題：政府持股之後，監管者跟股東的角色怎麼切？如果 AI 公司的最大公關危機變成國庫損失，監管還硬得起來嗎？
隱私
Google 正推送一項變更：你在 Lens、搜尋、Gemini Live 上傳的圖片、檔案、語音與影片，預設可用於訓練 AI 模型。Web 與應用程式活動將拆成「搜尋服務紀錄」與「個人化推薦」兩個開關，想退出要手動關。
TechCrunch 發了一篇遲來的公告文：Google 近期的隱私設定變更，讓公司可以儲存並使用更多用戶資料——包括「圖片、檔案、音訊與影片」——來改進 AI 模型。範圍涵蓋 Google Lens、搜尋、Gemini Live 等入口，而且開關預設為開啟，多數人根本不會發現。
設定架構也在改版。原本的「網路和應用程式活動」（Web & App Activity）將拆成兩個獨立開關：「搜尋服務紀錄」管什麼會被存下來、能不能拿去訓練 AI；「個人化推薦」管 Google 要不要用你的帳戶資料客製化結果。拆分聽起來是給用戶更細的控制，實務上等於多了一個需要逐一檢查的地方。
想退出的具體做法：最乾脆是整個關掉 Web & App Activity；想保留搜尋紀錄的人，可以先取消勾選「包含語音與音訊活動」和「包含視覺搜尋紀錄」，之後定期回去看「搜尋服務紀錄」出現了沒，確認其中的「儲存媒體」沒有被勾上。Gemini 對話另有「保留活動」開關要分開關。
最容易踩的坑在範圍：搜尋服務紀錄並不涵蓋 Chrome、Gemini Apps、Google 助理與 YouTube，它們各有各的紀錄設定。換句話說，想真正退出訓練，要跑至少四五個不同的設定頁——摩擦力本身就是設計的一部分。
歸剛點評｜「預設加入、退出麻煩」是老劇本，但這次收的是圖片、語音、影片這種高敏感媒體，值得花十分鐘照著關一輪。順手提醒：公司帳號的 Workspace 政策另計，用個人帳號處理工作文件的人，等於把文件送進了訓練管線的候選名單。
產品
iOS 27 beta 3 啟用了先前標示「即將推出」的 Siri 語音客製功能：兩支滑桿分別調整語速與情緒起伏，拖動時即時播放語音樣本。功能限 iPhone Air 與 17 Pro 系列，屬於蘋果以生成式 AI 重建 Siri 的一環。
蘋果在 iOS 27 beta 3 打開了 Siri 語音客製的開關。設定裡新增「語速」（Pace）與「表現力」（Expressivity）兩支滑桿：前者控制 Siri 講話快慢，後者調整整體的情緒與抑揚頓挫。使用者一開始拖動滑桿，Siri 就即時播放連續語音樣本，邊調邊聽，不用猜。這兩項控制在首個開發者測試版裡就已出現，當時標示「即將推出」，如今正式啟用。
硬體門檻不低：目前僅限 iPhone Air、iPhone 17 Pro 與 17 Pro Max。背後是新一代生成式音訊模型，直接在裝置上合成接近真人說話節奏的語音，Tom's Guide 的標題講得直接——「機器人腔沒了」。運算量決定了為什麼舊機種暫時無緣。
放進更大的脈絡看，語音客製是蘋果整場 Siri 重建工程的外顯部分。iOS 27 的主軸是以新一代 Apple Foundation Models 與 Apple Intelligence 重寫 Siri，從理解、推理到發聲全部換底。過去兩年蘋果在助理賽道被批評掉隊，如今的策略是把「自然」跟「個人化」當成追趕的槓桿——先讓 Siri 聽起來像個人，再讓它做得像個助理。
小體驗藏著大分歧：OpenAI 與 Google 的語音助理走「預設就很像人」路線，蘋果則把擬人程度做成滑桿交給用戶。願意給用戶「把 AI 調回機器腔」的選項，某種程度上也回應了語音擬真引發的不適感爭論。
歸剛點評｜語音介面的「擬人度」正式變成一個產品參數，跟字體大小並列在設定頁裡。做語音產品的團隊可以抄這個作業：與其辯論該多像人，交給用戶調，爭議少一半。另外注意硬體門檻——生成式音訊的算力需求，正在變成新一輪換機理由。
產業
Reddit 公開反垃圾成果：每天擋下 2,300 萬次垃圾內容瀏覽、抓出約 2.5 萬則新垃圾貼文與留言。用 LLM 偵測老系統抓不到的協同造假與人工炒作，今年第一季用戶垃圾曝光量比前一季降了 20%。
生成式 AI 讓垃圾內容的產製成本趨近於零，Reddit 的對策是用同一種技術反打。TechCrunch 報導了 Reddit 反垃圾系統的最新成績：平台每天擋下 2,300 萬次垃圾內容瀏覽、每天抓出約 2.5 萬則新的垃圾貼文與留言，今年 1 到 3 月用戶接觸到垃圾內容的量，比前三個月下降 20%。
技術重點在 LLM 補上了規則系統的盲區。傳統反垃圾靠關鍵字、頻率、帳號特徵這類訊號，對「一群帳號用通順人話互相吹捧某個產品」這種協同行為幾乎無感；LLM 能讀懂語意脈絡，抓出高度細微的協同造假模式與人工炒作——正是 LLM 自己最擅長生產的那種內容。
Reddit 的動機比多數平台更迫切。它跟 Google 簽了資料授權協議，Reddit 內容大量出現在 AI 搜尋摘要裡，「Reddit 上的真人推薦」變成行銷業眼中的黃金版位，操縱誘因暴增。垃圾內容若污染了語料，砸的是自家資料生意的招牌。
本站讀者應該會想起第 27 期報導的 AO3「AI 獵巫」之亂：偵測 AI 內容的工具誤傷真人創作者。Reddit 選的路線繞開了這個坑——與其判斷「內容是不是 AI 寫的」，它判斷「行為是不是協同造假」。前者注定誤判滿地，後者至少瞄準了真正的危害。
歸剛點評｜「偵測行為，別偵測文體」是內容平台今年最值得抄的一課。做社群或電商平台的人可以直接檢視自家反濫用系統：你抓的是 AI 味，還是協同性？前者會誤殺用 AI 潤稿的正常人，後者才抓得到真正的操縱集團。
觀點
Vercel 執行長 Guillermo Rauch 接受 TechCrunch 專訪：去年企業習慣綁定單一 AI 實驗室，今年模型、harness、資料平台、沙箱、gateway 全部變成可插拔元件。進入生產環境後大家看的是價格效能比，Gemini 與 DeepSeek、GLM-5.2 等開源模型因此吃到紅利。
Guillermo Rauch 在 TechCrunch 專訪裡描述了企業 AI 採購的風向轉變：去年多數公司挑一家實驗室當夥伴，全家桶照單全收；今年客戶已經搞懂整條堆疊的分工——模型、harness、資料平台、沙箱、gateway——每一層都可以插拔替換，OpenAI、Anthropic、Gemini 混著用變成常態。
驅動力是錢。「當你為生產環境最佳化，你就會開始看價格效能比」，Rauch 觀察到 Gemini 因此顯著成長，DeepSeek 與 GLM-5.2 這類開源模型同樣起飛。本站第 26 期拆解過 GLM 5.2 的「兩成價格、八成能力」經濟學，Rauch 的第一線觀察等於幫那篇報導蓋了章：便宜堪用的模型，正在生產環境裡大口搶量。
Vercel 自己在公司內部有機地長出了數百個 agent，Rauch 分享了兩個沉澱下來的工程產物：一個叫 Eve 的框架，讓團隊用自然語言鋪陳 agent 的指令與技能；以及 Vercel Sandbox，讓 agent 在沙箱內自由發揮智慧，但由政策層控管哪些資料進得來、出得去。「智慧在沙箱裡，權限在政策裡」的切法，跟企業資安的思路完全對齊。
對照 4 月他放話 IPO 在望、agent 帶動營收暴衝的訪談，Vercel 的敘事重心正從「幫你部署網站」滑向「幫你跑 agent」。模型層打到刀刀見骨的價格戰，基礎設施層反而愈打愈肥——賣鏟子的邏輯，百年不變。
歸剛點評｜如果你在評估公司的 AI 架構，Rauch 的框架是好用的採購檢查表：模型可換嗎？harness 綁死了嗎？沙箱和資料權限切乾淨了嗎？單一供應商折扣再甜，把「可插拔」讓出去的隱形成本，會在第一次想換模型時全額計息。
教育
The Verge 報導美國富裕家庭轉向 AI 私校：Alpha School 主打每天兩小時 AI 家教加專案工作坊，舊金山創投家準備送兒子讀一年 7.5 萬美元的 Alpha 幼稚園；新澤西的 Forge Prep 開校首年數十個名額湧入 600 份申請。成效數據？兩家都拿不出來。
多數美國人不信任 AI，但 The Verge 觀察到一群例外：富裕家庭正把小孩從傳統學校轉進 AI 私校。奧斯汀起家、創立十二年的 Alpha School，模式是每天兩小時 AI 家教課，其餘時間做專案式工作坊，AI 平台即時追蹤學生的投入程度並動態調整課程。舊金山創投家 Shaun Johnson 向華爾街日報表示，他準備送兒子去讀一年學費 7.5 萬美元的 Alpha 幼稚園。
新澤西的 Forge Prep 走創業路線：課程壓在產品設計、創業與真實世界問題解決，開校首年只有數十個名額，湧入 600 份申請，校方還準備了一筆 20 萬美元投資，給畢業後全職創業的學生。AI 私校從矽谷擴散到東岸的速度，比多數教育研究者的取樣速度還快。
問題也在這裡：Forge 這類學校不公開任何成效指標，AI 引導的私校是否真的改善了學習成果，目前沒有證據。對照本站第 27 期報導的達特茅斯實測——AI 家教嵌進大學統計課教科書，期末成績最多提升 1.3 個標準差——嚴謹證據存在於「AI 輔助既有課程」，而「AI 取代整所學校」還在用富人小孩跑測試版。
另一個值得皺眉的細節：Alpha School 共同創辦人 MacKenzie Price 公開表示，打算把「敏感社會議題」擋在教室外。當課綱由一家公司的產品團隊決定，教育的公共性問題會比升學成效更早引爆。
歸剛點評｜台灣的實驗教育與補教市場遲早會出現同款產品，先把判斷標準想好：一看有沒有可驗證的學習成效數據，二看 AI 是輔助老師還是取代老師，三看課綱決定權在誰手上。付得起 7.5 萬美元學費的家庭輸得起實驗失敗，多數家庭不行。
政策
英國金融行為監理總署高層 Sheldon Mills 警告，金融業導入 AI 的速度與監管能力之間出現「軍備競賽」。FCA 估計逾一千萬英國成人使用 AI 理財工具，提議新權力：要求業者解釋模型決策、審計演算法公平性、對造成消費者損害的系統開罰。
英國金融行為監理總署（FCA）消費者與競爭執行董事 Sheldon Mills 公開示警：金融服務業採用 AI 的速度，跟監管機關跟上的能力之間，正形成一場「軍備競賽」。銀行、保險與投資公司已把 AI 鋪進客服機器人、信用評分、詐欺偵測與自動化投資建議，FCA 估計超過一千萬英國成人正在使用 AI 驅動的理財工具，且未來兩年會急速成長。
Mills 點名的三個監管空窗都很具體：放貸決策的演算法偏誤、AI 定價缺乏透明度、自動化系統出錯時的問責困難。現行金融法規以「人做決策」為預設寫成，遇到模型自動核貸、動態調價，舉證與歸責的工具箱明顯不夠用。
FCA 想要的新權力包括：要求業者解釋 AI 模型如何做成決策、對演算法進行公平性稽核、對造成消費者損害的系統開罰。Mills 強調方向並非禁止 AI，而是建立一套能快速調適的監管框架——搭配的潛台詞是向國會要人、要錢、要法源。
更棘手的其實在監管邊界外：數百萬人直接拿 ChatGPT 問「我該怎麼投資」，通用聊天機器人不是受監理的金融機構，建議品質沒人把關、出事沒人賠。FCA 的權力再大，也管不到用戶自己貼給模型的那句「幫我配置退休金」。
歸剛點評｜台灣金管會遲早面對同一張考卷，而且台灣散戶擁抱 AI 選股的熱度不輸英國。值得先想的問題：當理專被 AI 取代，「金融商品適合度」規範要套在誰頭上？在那之前，把 AI 理財建議當成「一個很會講話的陌生人的意見」，是最務實的自保姿勢。
資安
Anthropic 發布加拿大亞伯達省政府案例：科技創新廳團隊用約 50 個平行 Claude agent，20 小時掃描 4.66 億行程式碼，找出漏洞、標明檔案行號、生成修補與測試。所有修補上線前都經人工審核。
Anthropic 週一發布的政府案例研究，數字相當驚人：加拿大亞伯達省科技創新廳的內部團隊，用 Claude Code 搭配 Opus 與 Sonnet 模型，以約 50 個平行 agent 在 20 小時內掃描了 4.66 億行政府系統程式碼。agent 的工作範圍涵蓋辨識漏洞、精確引用出問題的檔案與行號、生成修補程式、必要時撰寫測試，並支援老舊系統的現代化。
流程設計是重點。所有修補在部署前都由團隊審核放行，模式是「平行審查加人工批准」，並非讓 agent 自主上 patch。亞伯達的資安團隊還做了一組專門的 Claude 審查 agent，常駐在開發流程各個環節，把安全檢查從「上線前趕工」拉平成「全程隨行」。
敏感度也值得一提：該廳的系統存放稅務紀錄、政府採購資料與社福個案檔案，屬於一旦外洩就是頭版的等級。政府機關敢把這種代碼庫餵給商用 AI 工具掃描，合規與資料處理協議的談判想必先打了很久——案例裡沒細講的部分，往往才是其他政府最想抄的部分。
照例提醒閱讀濾鏡：案例出自 Anthropic 自家行銷管道，數字漂亮但缺乏第三方驗證，「掃過」與「掃得準」是兩回事，誤報率、漏報率都沒揭露。可信的部分是架構模式本身——平行 agent 掃描、人類守住放行關卡，這個骨架已在多個一線團隊被獨立驗證過。
歸剛點評｜台灣政府機關的老舊系統盤點喊了很多年，這個案例給出一個可以直接抄的架構：agent 平行掃描加人工放行，把稀缺的資安人力放在「審核」而非「翻代碼」。要抄之前先解決同一道前置題：公部門代碼給商用模型看的資料治理規則，台灣還沒有答案。
開源
Hugging Face 發布 LeRobot v0.6.0：世界模型策略讓機器人行動前先想像未來，新的獎勵模型 API 負責判斷任務成敗，rollout CLI 把部署失敗轉成訓練資料，外加六個模擬基準與快 2 倍的資料載入。
Hugging Face 的開源機器人學習庫 LeRobot 發布 v0.6.0，主題定為「想像、評估、改進」，一句話總結：把機器人學習的迴圈接起來。新版收錄一批會「先想像未來再行動」的世界模型策略（VLA-JEPA、FastWAM、LingBot-VA），以及新一波視覺語言動作模型（GR00T N1.7、MolmoAct2、EO-1、EVO1 等）。
其中 Multitask Diffusion Transformer 把豐田研究院 Large Behavior Models 的配方帶進 LeRobot：約 4.5 億參數的擴散 transformer，以 CLIP 視覺與語言嵌入為條件，一個模型學會多種任務，用自然語言指定要做哪一件。機器人界的「通用模型」路線，正從論文走進開源套件的預設選單。
迴圈的另外兩塊拼圖：新的獎勵模型 API（Robometer、TOPReward）補上「機器人到底做成沒有」的成功偵測與進度估計，長期以來這塊在開源生態裡沒有標準做法；lerobot-rollout CLI 支援 DAgger 式的人在迴圈修正，部署時的失敗紀錄直接轉成下一輪訓練資料。搭配統一在 lerobot-eval 下的六個新模擬基準、FSDP 訓練與 HF Jobs 雲端訓練，訓練、評估、部署、回收數據，四站都有站牌了。
工程細節也有感：資料集支援深度圖、自動語言標註管線、自訂影片編碼，載入速度最高快 2 倍，從大型資料集載入子集從 275 秒降到 0.06 秒。玩過舊版被資料載入卡到懷疑人生的人，光這一條就值得升級。
歸剛點評｜具身智慧的開源堆疊正在重演 LLM 生態三年前的路：先有模型動物園，再有評測基準，然後是資料飛輪。台灣做機器人跟自動化設備的團隊，現在進場摸 LeRobot 的成本最低——整條訓練到部署的管線都是現成的，缺的只剩你家產線的資料。
產業
巴黎 Station F 的 F/ai 加速器 9 月啟動第二批。首批 20 家 AI 新創共募得 3,400 萬美元 pre-seed，八成創辦人是連續創業者、三分之一有博士學位。計畫目標直白：六個月內做到 100 萬歐元營收。
法國富豪 Xavier Niel 創辦的巴黎新創基地 Station F，正把自家 AI 加速器 F/ai 推向第二批。計畫今年 1 月啟動，9 月開跑第二期，定位很明確：幫早期 AI 新創在幾週內從「有產品」走到「有營收」，目標是六個月內做到 100 萬歐元（約 114 萬美元）。用營收當北極星而非融資額，在加速器圈子裡算是少數派。
夥伴名單長得驚人。首批背後站著 AMD、Anthropic、AWS、Google、G42、Hugging Face、Lovable、Meta、Microsoft、Mistral AI、OpenAI、OVHcloud、Snowflake、Qualcomm 等，第二批再加碼 ElevenLabs、Nebius、Rippling、OpenRouter、HubSpot 與 GitHub。美中 AI 巨頭同場當贊助商，在地緣對抗的年代，巴黎反而成了少見的中立場。
首批成績單：20 家新創合計募得 3,400 萬美元 pre-seed。團隊組成解釋了一部分——八成創辦人是連續創業者，三分之一擁有博士學位。Station F 想證明的命題是歐洲 AI 新創不必飛去舊金山也能起飛；IBTimes 的評語比較冷靜：全球 AI 競賽裡歐洲仍是「遙遠的第三名」，加速器再熱鬧，資本厚度與算力供給的差距還在那裡。
對照 Mistral 走的 Palantir 式路線（本站第 26 期分析過），歐洲 AI 的生存策略逐漸清晰：不跟美中拚基礎模型軍備，改拚垂直應用、主權需求與監管紅利。F/ai 用「六個月百萬歐元營收」篩選的，正是這種活得下來的物種。
歸剛點評｜台灣新創圈可以偷學的是 KPI 設計：加速器不吹 demo day 估值，改考六個月營收，篩出來的公司體質完全不同。想出海歐洲的台灣 AI 團隊也值得注意 F/ai 的夥伴名單——那串名字就是歐洲市場的通路地圖。
工具
Simon Willison 原想週末發布 sqlite-utils 4.0 穩定版，結果用 Claude Fable 5 與 GPT-5.5 清 issue 時，changelog 越清越長。rc3 最大新功能是複合外鍵的檢視與建立，因涉及 table.foreign_keys 的破壞性變更，必須趕在 4.0 定版前收進來。
本站第 27 期報導過 Simon Willison 花 149 美元請 Claude Fable 當「首席工程師」、在 sqlite-utils 4.0rc2 抓出資料遺失級大 bug 的故事，續集來了：他原本希望這個週末發布 4.0 穩定版，結果用 Claude Fable 5 加 GPT-5.5 一起清積壓的 issue 與 PR，rc2 之後的 changelog 越清越長，只好再發一版 rc3。
rc3 最大的新功能是複合外鍵（compound foreign keys）的檢視與建立支援。技術上的關鍵在時機：功能涉及 table.foreign_keys 屬性的微妙破壞性變更，語意學上必須趕在 4.0 定版前落地，不然就得等 5.0。大版號發布前的「破壞性變更收攏期」，正是最容易手滑的階段——rc2 那個資料遺失 bug 就是在這種趕工壓力下溜進來的。
另一個細節是 sqlite-utils 現在跟隨 SQLite 自家的慣例處理若干邊界行為，讓工具的語意與底層資料庫對齊。維護十年等級的開源工具，最花時間的往往不是寫新功能，而是決定哪些歷史包袱要在大版號一次清掉。
這條「AI 當協作維護者」的連載持續提供罕見的第一手數據：一位資深工程師、兩個前緣模型、一個真實世界的開源專案，每一版 release note 都是實驗紀錄。目前的觀察依然成立——AI 加速了清 backlog 的速度，但「該不該收這個變更」的判斷還是握在人手上。
歸剛點評｜想知道 coding agent 在真實維護工作裡的實際戰力，跟著 Willison 的 release note 讀是成本最低的方法。他毫不遮掩地公開每一步用了哪個模型、花多少錢、踩了什麼雷——比任何廠商 benchmark 都誠實。
研究
LLM 強化學習普遍用兩套引擎：生成走推論引擎、更新走訓練引擎。新論文指出即使參數同步，同一條軌跡在兩邊算出的機率就是不一致，訓練不穩與崩潰的一大元兇正在這裡，並主張真正該優化的目標是「推論端策略的單調改進」。
強化學習已是 LLM 後訓練的標配，但業界心照不宣的痛點是：RL 訓練很脆，動不動不穩定、甚至整個崩掉。這篇登上 Hugging Face 論文榜的研究把矛頭指向一個系統層的結構性問題——訓練與推論的不匹配（training-inference mismatch）。
問題的根源來自效率上的必要之惡：生成軌跡要快，所以用推論引擎（vLLM 這類）；梯度更新要準，所以用訓練引擎。兩套引擎的數值路徑不同，即使模型參數完全同步，同一條軌跡在兩邊算出來的機率就是對不上。RL 演算法假設「我用來取樣的策略」和「我正在更新的策略」是同一個，前提在工程實作裡默默破功，優化目標從一開始就歪了。
論文的主張是把目標講清楚：與其優化那個實際上沒人真正部署的「訓練端策略」，該當成真目標的是推論端策略的單調改進——畢竟上線服務用戶的永遠是推論引擎裡的那個模型。從這個視角重新推導，一些看似玄學的訓練不穩定，其實是拿錯了優化對象的必然結果。
對做後訓練的團隊，可操作的啟示很直接：先量測自家管線兩端的機率差距有多大，再決定要用重要性採樣校正、還是對齊兩邊的數值實作。許多「換個 seed 就崩」的靈異現象，可能只是系統層 bug 穿著演算法問題的外衣。
歸剛點評｜台灣不少團隊正在自家資料上跑 RLHF 或 RLVR，訓練崩潰時第一反應通常是調超參數。論文提醒你先檢查更底層的東西：vLLM 跟訓練框架算出來的 logprob 對得上嗎？一行 assert 可能省下三週的調參玄學。
研究
具身 AI 模型部署長期碎片化：每個模型綁自己的 Python 堆疊、後端假設與機器人膠水代碼。Embodied.cpp 提出可攜的 C++ 推論 runtime，針對閉環控制的多速率執行與 batch-1 延遲優先場景設計，統一 VLA 與世界行動模型在異質機器人上的部署。
大型語言模型有 llama.cpp 把部署門檻打到地板，具身 AI 這邊卻還在各自為政：視覺語言動作模型（VLA）與世界行動模型（WAM）各綁各的 Python 堆疊、各有各的後端假設，換一台機器人就要重寫一層膠水代碼，在算力受限的邊緣裝置上尤其痛苦。Embodied.cpp 想當那個統一的地板。
論文點出的關鍵洞見是：既有推論 runtime 都是為「請求—回應」式服務設計的，具身部署的 runtime 契約完全不同——控制迴圈裡有多種頻率並存（感知慢、控制快），推論必須是延遲優先的 batch-1，而且要在異質的機器人算力上跑得動。拿伺服器思維的 serving 框架硬塞進機器人，水土不服是必然。
Embodied.cpp 的答案是一個可攜的 C++ 推論 runtime，把多速率閉環執行當成一級公民，統一承載 VLA 與 WAM 兩大類模型，目標是讓同一套模型資產能在不同機器人硬體之間搬遷，不用每次都重新發明部署層。
搭配今天另一條 LeRobot v0.6.0 的新聞一起看很有意思：訓練側的開源堆疊在 Hugging Face 手上快速標準化，部署側的「機器人界 llama.cpp」之爭才剛開打。誰先變成預設選項，誰就掌握下一波具身應用的入口。
歸剛點評｜台灣的機器人與工控廠商多半卡在同一關：模型在工作站上跑得好好的，塞進產線邊緣裝置就得整組重工。部署 runtime 標準化的賽道值得早點下注——搞不好比模型本身更接近台廠的甜蜜點，畢竟異質硬體整合是我們的傳統藝能。
研究
訓練視覺語言模型的勝負手在資料策展，但社群一直缺乏系統性的策展基準。DataComp-VLM 收集 160 個資料集、橫跨四種資料型態、共 6T token 語料，讓資料配方的比較從各說各話變成控制變因的實驗。
視覺語言模型（VLM）的能力差距，很大一部分來自訓練資料的策展功力，但這門手藝長期處於煉金術狀態：各家論文用各家的資料配方，彼此沒有可比性。DataComp-VLM（DCVLM）想把它變成科學——用統一的基準做控制變因的 data-centric 實驗。
基準的家底：160 個資料集，橫跨四種資料型態——圖文配對、多模態交錯文件、純文字、指令微調資料——匯成一個 6T token 的語料庫。研究者可以固定模型架構與訓練預算，只動資料配方，直接量測哪種混合比例、哪種過濾策略對下游能力的貢獻最大。
DataComp 這個系列有前科可循：前代的 DataComp 基準催生了 CLIP 訓練資料的系統性研究，直接推動了開源多模態模型的一波品質躍升。方法論搬到 VLM 全訓練管線，等於把「資料工程」從各實驗室的祖傳秘方，變成可以累積、可以引用的公共知識。
開源社群是最大受益者。閉源實驗室的資料優勢建立在資訊不對稱上——他們知道什麼配方有效，你不知道。基準一公開，追趕者至少知道該往哪個方向堆資料，而非燒錢亂試。
歸剛點評｜給台灣想自研多模態模型的團隊：與其執著參數量，先把 DCVLM 的實驗結論讀熟——資料配方的免費午餐比架構創新多得多。訓練預算有限的團隊，資料策展是投報率最高的下注點。
資安
開源 AI 基礎設施的成長速度已超過防禦工具的供給。AI-Infra-Guard 提出統一框架：agent 的攻擊面分層存在——基礎設施、協定與工具、agent 行為、模型本體——單一偵測範式罩不住全部，紅隊工作應該按層組織。
模型服務引擎、agent 平台、MCP 生態、模型本體——開源 AI 基礎設施這兩年的膨脹速度，把安全工具遠遠甩在後面。AI-Infra-Guard 是一個開源紅隊框架，核心觀察一句話講完：AI agent 的攻擊面是分層的，而且每一層需要的偵測範式完全不同。
框架切出四層：最底層是基礎設施（serving 引擎、容器、網路），往上是協定與工具層（MCP 伺服器、工具呼叫），再上是 agent 行為層（提示注入、目標劫持），最上是模型層（越獄、後門）。用掃 CVE 的思維抓提示注入會空手而歸，用越獄評測的思維查 MCP 伺服器組態同樣白工——分層之後，每層配對應的武器。
時機抓得很準。本站第 27 期才報導 YouTube Studio 的 AI 助理被一則留言注入、騙走用戶的私人影片清單，Google 回應「不算漏洞」——正是因為業界對「哪一層的問題該由誰負責」還沒有共識。有一個開源框架把分層講清楚，至少讓資安團隊跟平台吵架時有共同語言。
MCP 生態的安全工具尤其稀缺：協定本身年輕、伺服器實作良莠不齊、供應鏈信任機制近乎裸奔。第三方 MCP 伺服器的下載量以百萬計，對照第 26 期報導的 Mythos 高危漏洞揭露暴增，攻擊者顯然已經開工，防守方的工具箱才剛出廠。
歸剛點評｜公司如果已經在用 Claude Code、MCP 伺服器或任何 agent 平台，四層攻擊面就是現成的稽核清單：每一層問一次「這層誰在看？」。多數團隊會發現協定與工具層完全沒人守——第三方 MCP 伺服器裝了就用，等於把工具權限交給陌生人的 GitHub repo。
研究
評估 LLM 科研創意的老方法是請專家打新穎性與可行性分數，主觀又難規模化。新框架反過來：從高品質人類論文逆推可能啟發它的先前工作，把同樣的前置資訊餵給 LLM，直接量測模型想出來的點子跟人類最終做出的研究差多遠。
越來越多研究者拿 LLM 腦力激盪研究方向，但「AI 想的點子到底行不行」一直沒有好的量尺。既有評估多半請專家對單一點子打新穎性、可行性、偏好分數——主觀、貴、難規模化，而且分數高的點子未必是人類真的會做出來的研究。
論文換了問法：現在的 LLM 點子離人類研究者有多遠？做法是從高品質的人類論文出發，逆向工程出一小組「可能啟發其核心想法」的先前工作，接著把同樣的前置資訊餵給 LLM 請它提研究構想，量測模型輸出與真實論文核心想法的距離。人類研究者實際走過的路，成為有標準答案的評測基準。
設計的聰明處在於繞開了「專家品味」的循環論證：不問「這點子好不好」，改問「給你一樣的知識起點，你會不會想到人類想到的那一步」。差距可以被大規模、可重複地量測，也能拆解出模型是敗在知識整合、還是敗在跳躍性的連結。
搭配第 25 期報導的 DiscoBench（搜尋 agent 何時該反問使用者）一起看，AI for Science 的評測正在從「產出像不像樣」進化到「思考過程像不像研究者」。量尺越準，「AI 科學家」的行銷話術就越難蒙混。
歸剛點評｜拿 LLM 發想題目的研究生請注意框架背後的暗示：模型給的點子與人類研究的差距是可量測的，而且目前量出來就是有距離。務實用法是把 LLM 當文獻整合器與盲點檢查器，最後那一步「值得做什麼」的判斷，暫時還是你的工作，也是你的價值。