歸剛誒AI

OpenAI 這次把重頭戲放在 ChatGPT Work，官方形容它是「你最有野心的工作的夥伴」。和過去那種一問一答不同，Work 是一個能跨你各種 App 與檔案採取行動的代理：你給它一個目標，它能自己拆步驟、在需要時連續工作好幾個小時，把一個模糊的意圖一路做到交得出去的成品。Ars Technica 點出，這其實是把原本的 Codex 重新品牌化，主打「能獨立跑好幾個小時」的工作流。

從產品邏輯看，這是把生成式 AI 從「幫你寫一段」推到「替你把一件事辦完」。差別在於代理要維持長時間的狀態、記得中途的決定、在多個工具之間切換而不迷路——這正是過去代理最容易崩的地方，任務一長就忘記自己在幹嘛。OpenAI 敢主打「盯上好幾個小時」，等於宣稱他們在長程任務的穩定性上跨過了一個門檻。

把 Work 放進今天的整組新聞看更清楚：GPT-5.6 提供更便宜、更能持續推理的底層，Work 就是拿這個底層去接管真實的辦公室工作。它直接對撞的是每一家想做「AI 員工」的新創，也對撞微軟自家的 Copilot——別忘了同一天 OpenAI 也宣布 GPT-5.6 成為 Microsoft 365 Copilot 的首選模型，供應鏈和競爭關係在同一天既合作又打架。

歸剛點評：代理能不能「跑好幾小時不出錯」是行銷詞，實測才算數，長任務中途歪掉、把檔案改壞的風險都還在。但方向是明的——OpenAI 要的不是聊天視窗，是你桌上那個會自己動手的同事。誰先把「交代一句、回來收成品」做到可靠，誰就拿走企業那張最大的訂單。

產業

上線不到一年，OpenAI 收掉 ChatGPT Atlas 瀏覽器，但代理瀏覽野心沒縮手

OpenAI 確認將「日落」去年十月才推出的 Atlas 瀏覽器，上線不到一年就收攤，但把其中的代理瀏覽功能移到桌面 App 與 Chrome 擴充，等於換個載體繼續打。

在 ChatGPT Work 的發表聲浪裡，OpenAI 順帶埋了一條讓人意外的消息：去年十月才推出、標榜能替你代辦網頁任務的 Atlas 瀏覽器，將被「日落」收掉，上線還不滿一年。The Verge 直接下了「ChatGPT 瀏覽器已經死了」的標題，語氣裡帶著對這種快生快死節奏的無奈。

但收掉瀏覽器不代表放棄那條路。TechCrunch 指出，OpenAI 是把 Atlas 的代理瀏覽功能搬進桌面 App 和一個 Chrome 擴充，等於承認「自己做一整顆瀏覽器」這條路太重、太難搶市占，改成寄生在用戶已經在用的 Chrome 上，把力氣集中在「代理能幫你操作網頁」這個核心能力。

這一收一放的取捨很能說明現在的產品邏輯。做瀏覽器要跟 Chrome 的龐大生態硬碰硬，用戶遷移成本高、回報慢；但代理瀏覽的價值——讓 AI 替你訂票、比價、填表——又確實存在。與其養一個沒人換過去的殼，不如把能力做成擴充，貼著用戶原本的習慣長。同一天 Work 接管桌面工作、Atlas 縮回 Chrome 擴充，兩件事其實是同一個決定。

歸剛點評：Atlas 這波是典型的「產品收攤、能力保留」，別被葬禮標題騙了。OpenAI 學到的教訓是——跟 Chrome 拚整顆瀏覽器不划算，但把代理塞進 Chrome 當外掛很划算。對用戶來說結果差不多：那個會幫你點網頁的 AI 還在，只是換了個住的地方。

產品

OpenAI 推出 GPT-Live 語音模型，主打邊說邊聽的即時互動

OpenAI 上線 GPT-Live 語音模型，接手 ChatGPT 的語音體驗，強調全雙工的即時對話——能在輸出語音的同時繼續聆聽，把語音助理從回合制推向真正的雙向通話。

OpenAI 這次把語音也換了新底層 GPT-Live，接手 ChatGPT 的語音互動。核心賣點是「一邊說、一邊聽」的全雙工模式：模型在講話的同時仍在接收你的聲音，被你打斷時懂得停下讓路，而不是那種你要按停、它才輪到開口的一問一答回合制。

全雙工語音難就難在，系統得同時跑辨識、理解、生成三件事，還要即時分辨對方是真的插話，還是只是「嗯、對」的附和，稍有延遲整段對話就會撞在一起。過去多數語音助理靠回合制迴避這個難題，代價就是那股一板一眼、要等它把話講完的機械感。把這關打通，語音互動才從對講機變成通話。

第一個被點名的殺手級應用是即時口譯：你講中文、它幾乎同步吐出對方語言，中間不用停頓等待，兩種語言的人可以近乎自然地對話。這對跨國會議、客服現場、旅遊都有立即價值，也和 Google、Meta 這幾家都在推的即時翻譯耳機、眼鏡正面對撞。搭配今天一起發表的 GPT-5.6 與 ChatGPT Work，語音正被 OpenAI 當成又一個進入日常工作的入口。

歸剛點評：語音這條線 OpenAI 一直想從玩具做成介面，全雙工是關鍵的一步。真要好用，延遲和打斷處理得穩到讓你忘記在跟機器講話——那種「對方懂得閉嘴」的細節，才是體驗有沒有到位的分水嶺。口譯先行是聰明的切入點，剛需、痛點清楚、效果一聽就知道。

觀點

Anthropic 向大眾徵集『關於 AI 最難的問題』，承諾公開作答過程

Anthropic 發起一項活動，公開徵求外界對 AI 最尖銳、最難回答的問題，並承諾在處理這些問題時「把過程攤出來給大家看」，把外部監督拉進自己的決策裡。

Anthropic 在一則公告裡宣布，要向社會大眾徵集「關於 AI 最難的問題」，並承諾在著手回應這些問題時，會把自己的思考與作答過程公開出來。這是一種主動邀請外部拷問的姿態——與其等外界質疑砸過來，不如自己開一扇門，把最刺的問題請進來。

會這樣做，和 Anthropic 一向把自己定位成「安全優先」的公司有關。當前沿模型能力越衝越快，公眾對 AI 的疑慮——工作被取代、資訊被操弄、決策黑箱——也越積越重。與其用公關話術搪塞，Anthropic 選擇把難題檯面化，等於用透明度換信任，也替自己在監理與輿論場上先站好道德高地。

把這件事放進今天 Anthropic 的一整排公告看更有味道：同一天他們把前聯準會主席柏南克請進長期利益信託、推出讓用戶回顧自己怎麼用 Claude 的功能。徵集難題、找權威背書、給用戶自省工具，三件事拼起來是同一個訊息——這家公司想被看成「認真對待後果」的那一個，而不是只顧衝能力的那一個。

歸剛點評：公開徵集難題是高招也是險招。招在於姿態夠漂亮，願意被公開檢視本身就是稀缺的信任資產；險在於話說出口就得兌現，真收到那種尖銳到見骨的問題，答得含糊反而傷更重。值得追的是他們接下來「把過程攤出來」到底攤多少，是真透明還是精修過的展演。

產業

Anthropic 把前聯準會主席柏南克請進長期利益信託

Anthropic 宣布任命前美國聯準會主席柏南克進入其長期利益信託，替這個負責監督公司使命的治理機構補上一位重量級經濟與政策權威。

Anthropic 公告，前美國聯準會主席、諾貝爾經濟學獎得主柏南克將加入公司的「長期利益信託」。這個信託是 Anthropic 治理架構裡的特殊設計，任務是在商業壓力之外，替公司的長期使命與公共利益把關，在關鍵決策上握有影響力。把柏南克這種等級的人物請進來，等於替這道防線加上一根有份量的樑柱。

選柏南克有它的訊號意義。他最為人知的身分是帶領美國走過 2008 金融海嘯的央行掌門人，代表的是對系統性風險、宏觀衝擊的深刻理解。AI 對經濟與就業的衝擊，正被越來越多人拿來和一次結構性的宏觀事件相提並論；找一個懂得處理「整個系統可能出事」的人坐鎮，本身就是一種表態——Anthropic 想讓外界相信，它把 AI 的社會後果當成宏觀等級的問題在防。

這和同一天 Anthropic 徵集「最難的問題」是配套的動作。一邊向大眾開門收難題，一邊把權威請進治理核心，兩手都在強化同一個形象：這是一家把後果、治理、公共責任擺在檯面上的公司。在 OpenAI 忙著發模型、搶市場的同一天，Anthropic 選擇讓治理成為自己的新聞，路線差異相當明顯。

歸剛點評：找柏南克是漂亮的公關，也是實質的補強，就看這個信託在真正衝突的時刻有沒有牙齒。治理機構最怕的是變成擺著好看的顧問團，關鍵時刻按不下商業引擎的煞車。柏南克的名字很重，但重的名字能不能轉成重的權力，得等第一次真正的路線衝突才知道。

產品

Anthropic 推出讓你回顧『自己怎麼用 Claude』的新功能，被戲稱 Claude Wrapped

Anthropic 上線一項讓用戶回顧自身使用習慣的功能，媒體以 Spotify 年度回顧比擬稱之為『Claude Wrapped』，但也有評論質疑它其實在悄悄替 AI 使用行為做行銷。

Anthropic 推出一項新功能，讓用戶能回顧自己是怎麼使用 Claude 的——用得多頻繁、都拿來做什麼類型的事、習慣有哪些。The Verge 直接用「Say hello to Claude Wrapped」下標，把它比作 Spotify 每年那份洗版社群的年度聆聽回顧，暗示 Anthropic 想複製那種「用數據勾起用戶情感、順便讓大家自發分享」的傳播效果。

從產品面看，這類回顧功能的作用是把抽象的使用行為變成具體、可視、甚至可炫耀的東西。當你看到自己一年問了 Claude 幾千次、幫你寫了多少東西，會更清楚它在你工作裡的份量，黏著度和認同感也跟著上來。Spotify Wrapped 每年替它換來的免費宣傳，正是所有訂閱制產品都眼紅的模板。

但 TechCrunch 潑了盆冷水，點出這功能「悄悄在向你推銷 AI」：當回顧把「你今年更依賴 Claude 了」包裝成一件值得慶祝、值得截圖分享的成就，它其實是在正常化、甚至鼓勵你對 AI 的依賴。這個質疑挺尖銳——同一家高調談 AI 安全、徵集難題的公司，另一手卻在用行為設計加深用戶黏著，兩件事擺在一起就有點微妙。

歸剛點評：Claude Wrapped 這招從成長角度看很聰明，情感化數據＋社群分享是免費流量的印鈔機。但 TechCrunch 的提醒值得記著——當一份「回顧」的潛台詞是「你該用得更多」，慶祝依賴和推銷依賴之間只隔一層包裝紙。用得開心沒問題，只是別忘了那份漂亮的年度總結，本質上也是一則廣告。

研究

Anthropic 發現 Claude 內部有個『琢磨概念』的隱藏空間

MIT Technology Review 報導，Anthropic 的可解釋性研究找到模型內部一處先前沒被注意的隱藏空間，模型似乎在那裡對概念進行某種琢磨，替理解大模型的內在運作再開一扇窗。

MIT Technology Review 報導，Anthropic 的可解釋性團隊在 Claude 內部找到一處先前沒被好好注意的「隱藏空間」，模型似乎在這裡對概念進行某種琢磨、盤整。白話講，就是研究者又往這個黑箱裡照進一束光，看見神經網路在給出答案之前，內部還有一層過去沒被描繪清楚的運作結構。

為什麼這重要？大模型長期被詬病是難以解釋的黑箱——它會給答案，但你不知道它「怎麼想到的」，這正是安全與信任最大的裂縫。可解釋性研究就是要把這個黑箱一塊一塊拆開，搞清楚特定概念在模型裡對應到哪些內部結構、又是如何被組合、觸發。找到一個專門處理概念的隱藏空間，等於多掌握了一張內部地圖。

這條研究線和 Anthropic 今天其他公告是一體的。同一天它徵集難題、找柏南克背書、談治理，可解釋性研究則是這套「安全敘事」的技術地基——你要說服別人相信模型可控，總得先證明你真的看得懂它在幹嘛。把模型內部拆給人看，是這家公司差異化最硬的一塊招牌。

歸剛點評：這種可解釋性突破短期不會改變你用 AI 的體驗，但長期是整個領域最該投資的方向之一。能不能看懂模型內部，決定了我們敢不敢把越來越重的決策交給它。研究本身很硬核，翻成人話就一句——我們離「AI 為什麼這樣想」的答案，又近了一小步。

產品

Meta 開放 Muse Spark 1.1 的 API，正式殺進程式碼戰場

Meta 發表 Muse Spark 1.1 並首度開放 API，主打在代理式工具呼叫與電腦操作上的大幅進步，宣稱相較四月的第一代是『階躍式』升級，直接切入 AI 程式碼工具市場。

Meta 在四月推出第一代自研的 Muse Spark、重新殺回 AI 競賽後，這次端出 Muse Spark 1.1，並首度透過新的 Meta Model API 對開發者開放。官方形容 1.1 相較初代是「階躍式」的升級，重點擺在代理式的工具呼叫與電腦操作能力，也就是讓模型不只會生成，還能實際去調用工具、操作環境把任務辦完。

從 Simon Willison 的整理看，Meta 這次在報告裡放了不少細節，包括一段被形容為「好玩」的實驗——讓兩份相同模型互相對話，會滑進某種自我對話的吸引子狀態。撇開趣味不談，開放 API 這個動作本身才是關鍵：它把 Muse Spark 從 Meta 內部的自用模型，變成第三方開發者可以接進自家程式碼軟體的商用選項。

選在程式碼這條賽道發力，是因為這裡是眼下最能證明模型硬實力、也最能收費的戰場。從 OpenAI 的 Codex／ChatGPT Work，到 Anthropic 的 Claude、Cognition 的 SWE 系列，大家都在搶「AI 幫你寫程式、甚至替你把整個工程任務跑完」這塊。Meta 帶著自研模型和龐大的分發管道進場，等於在一個已經很擠的擂台上再加一個重量級選手。

歸剛點評：Meta 的 AI 這兩年起起伏伏，能拿出「敢開 API 讓外面的人用」的產品，代表它對自家模型的信心到位了。程式碼市場現在是紅海，但 Meta 手上有別人沒有的東西——海量的開發者觸點和不缺錢的燒法。1.1 好不好用要等實測，但它進場這件事，本身就讓這場程式碼混戰更難打。

產業

馬斯克稱讚 Mythos／Fable，承諾不會『切斷』Anthropic

面對『Anthropic 該不該信任馬斯克來託管自家模型』的疑問，馬斯克公開稱讚 Mythos／Fable 並承諾不會切斷 Anthropic，牽動的是約 400 億美元營收規模的合作信任問題。

TechCrunch 拋出一個很現實的問題：Anthropic 該不該信任馬斯克來託管自家的模型？背景是雙方存在算力／基礎設施上的合作關係，而馬斯克本人與 OpenAI、以及整個 AI 圈的恩怨情仇眾所皆知。這次馬斯克公開稱讚了 Mythos／Fable，並主動承諾不會「切斷」Anthropic，等於出面替這段合作的信任危機滅火。

會有這個疑慮並不奇怪。當一家公司的模型服務要跑在另一家（尤其是掌門人以善變、好戰著稱）的基礎設施上，供應方隨時能「拔線」就是懸在頭上的一把刀。TechCrunch 點出這裡牽動的營收規模大約 400 億美元——這不是小數目，而是足以讓 Anthropic 的整個生意在一夕之間被卡住的量級，難怪馬斯克得親自出來安撫。

把這件事放進今天的脈絡，它揭示了 AI 產業一個越來越關鍵的軟肋：算力與基礎設施的依賴關係，正在變成商業上的命門。模型能力人人在拚，但誰的模型跑在誰的機房裡、誰能對誰拔線，這層底層權力關係往往比 benchmark 分數更能決定生死。一句「我不會切斷你」，重量遠超過它字面上的客套。

歸剛點評：馬斯克的承諾要打幾折，每個人心裡有數，口頭保證在商業世界向來是最不值錢的抵押品。真正的解方是別把命脈押在單一供應商身上——對 Anthropic 這種規模的公司，基礎設施的多元備援不是選配，是保命。這則新聞最該讀出的，是算力依賴已經成了 AI 大廠的地緣政治。

政策

紐約時報指控 OpenAI 在版權訴訟中藏證據，聲請制裁

紐時等新聞出版商在與 OpenAI 的版權訴訟中提出制裁動議，指控 OpenAI 隱藏、甚至刪除能辨識 ChatGPT 輸出中含有受版權保護新聞的工具與資料，讓官司急遽升溫。

紐約時報等新聞出版商在與 OpenAI 的著作權訴訟中，丟出一記重手：他們提出制裁動議，指控 OpenAI 藏起了一些工具與資料集，而這些東西本可用來辨識 ChatGPT 的輸出裡是否夾帶了受版權保護的新聞內容。Ars Technica 講得更重——出版商說 OpenAI「假裝無法搜尋訓練資料」，還藏起、刪掉了數以十億計的日誌。

這件事的殺傷力不在版權爭議本身，而在「妨礙司法」這條線。原本雙方吵的是「拿新聞餵模型算不算侵權」，這是個複雜、能長期拉鋸的實體爭點；但如果出版商能證明 OpenAI 蓄意隱匿、銷毀證據，性質就完全變了——法院對這種行為向來重罰，可能直接做出對 OpenAI 不利的推定，等於還沒吵完實體，程序上就先輸一大截。

Ars Technica 的標題把它稱為 OpenAI 在這場官司裡「可能致命的一步失誤」。對一家估值高懸、正靠 GPT-5.6 全面上線衝市場的公司來說，訴訟裡的證據問題是最不該犯的錯——它會侵蝕法官的信任，也給所有正在告或想告 OpenAI 的內容方遞上把柄。今天 OpenAI 風光發模型，另一條線上卻在法庭裡失血。

歸剛點評：版權官司誰對誰錯還有得吵，但「藏證據、刪日誌」如果坐實，那是完全不同層級的麻煩。訴訟裡最忌諱的就是讓法官覺得你不誠實——實體爭點可以慢慢辯，程序上的信任一旦破了，往往整盤皆輸。這條要持續追，它對整個 AI 訓練資料的版權戰都有示範效果。

資金

本地跑 AI 的開源工具 Ollama 募得 6,500 萬美元，用戶逼近 900 萬

讓開發者在自己電腦上輕鬆跑 AI 模型的開源工具 Ollama 宣布募得 6,500 萬美元，由 Benchmark 領投，用戶數逼近 900 萬，GitHub 上累積約 17.6 萬顆星、近 1.7 萬次 fork。

以「讓開發者在自己的電腦上輕鬆跑 AI」聞名的開源工具 Ollama，宣布完成 6,500 萬美元募資，背後金主是知名創投 Benchmark。TechCrunch 給出的成績單很硬：用戶數已逼近 900 萬，GitHub 上累積約 17.6 萬顆星、近 1.7 萬次 fork，在開源 AI 工具裡屬於頂級的社群規模。

Ollama 打的是一條和雲端 API 相反的路：與其把資料送上別人的伺服器、按 token 付費，它讓你把模型下載到本機跑，資料不出門、也不用每次呼叫都刷卡。這對重視隱私、想控制成本、或單純愛折騰的開發者是剛需，也正好搭上「本地／邊緣 AI」這股越來越強的風——不是所有推理都得跑在雲上。

拿到 Benchmark 的錢有兩層意義。一是資本開始認真押注「本地跑 AI」這條敘事，相信它不是玩票、而是有商業縱深的市場；二是 Ollama 有了燒錢的底氣，能把工具做得更好用、把生態養得更大。放進今天一整排『大廠燒算力』的新聞裡，Ollama 代表的是另一種力量——把 AI 推回到每個人自己的機器上。

歸剛點評：在人人喊雲端、喊超大叢集的年代，Ollama 證明了「本地跑」是一門真生意，近 900 萬用戶不是刷出來的。它的價值在於給了開發者一個不必事事依賴大廠 API 的選項——這種去中心化的底層工具，往往比某個炫目的模型更能悄悄改變整個生態的權力結構。這輪錢會讓它更難被忽視。

資金

一家 AI 代理新創，讓自家代理去跑完 1 億美元募資

為企業打造 AI 代理的新創 Lyzr，用自家的 AI 代理去執行一輪 1 億美元的募資流程，把募資本身當成產品能不能打的活體證明。

為企業打造 AI 代理的新創 Lyzr，玩了一手很有話題性的操作：它讓自家的 AI 代理去跑完一輪 1 億美元的募資。TechCrunch 的解讀直白——這等於是拿最真實、最高壓的商業流程當展示櫥窗，向投資人證明「我們的產品真的能辦事」。

募資是出了名的繁瑣：整理財務、準備資料、聯繫投資人、安排會議、追進度、回問題，環節多、來回久、容錯低。把這串流程交給 AI 代理去跑，考驗的正是代理最難的能力——長時間維持任務、在多個工具和聯絡人之間切換、記住每一條線走到哪。能把這種活跑到成交，比任何 benchmark 都更有說服力。

這件事和今天 OpenAI 推 ChatGPT Work、標榜代理能「連續工作好幾個小時」是同一個主題的兩面。大廠在賣「通用代理能接管工作」的願景，Lyzr 這種垂直新創則用「我們連自己的募資都交給代理跑完了」來證明落地。當代理開始被用來辦真正有後果的事——牽涉一億美元的那種——這個賽道就從 demo 進入了實戰。

歸剛點評：拿自家募資當產品 demo 是聰明的行銷，也是有膽的自證，成了就是最好的案例，砸了就當場社死。真正的看點不是「AI 談成了募資」這句標題，而是背後代理到底自主到什麼程度、人類介入了多少。無論如何，用一億美元的真實流程來壓測自家代理，這個賭注下得夠狠，也夠讓人記住。

產品

Mistral 發表 Robostral Navigate，主打頂尖的機器人導航模型

法國 AI 公司 Mistral 推出名為 Robostral Navigate 的模型，定位為機器人導航領域的最新水準，把觸角從語言模型伸進實體機器人這條熱門賽道。

以開源大模型聞名的法國 AI 公司 Mistral，這次跨出語言的地盤，發表了 Robostral Navigate——一款專攻機器人導航、自稱達到領域最新水準的模型。名字把「Robot」和自家品牌「Mistral」揉在一起，擺明要把這條實體 AI 的線做成一個正式的產品系列。

導航是機器人落地最基礎、也最難啃的能力之一：機器要在真實、雜亂、隨時變動的環境裡搞清楚自己在哪、目標在哪、怎麼繞過障礙走過去，還得即時應對突發狀況。這件事牽涉感知、空間理解與決策的緊密配合，是把機器人從實驗室的展示品變成能在倉庫、街道、家裡實際幹活的關鍵門檻。

Mistral 的動作放進今天一整組機器人新聞看格外醒目：Hugging Face 熱榜上一整排具身智慧、機器人操作的論文，Ars Technica 還報導了外科醫師遠端操控人形機器人替活豬動手術。整個領域正從「模型會不會講話」轉向「模型能不能驅動一具身體在物理世界動作」，Mistral 選在此時進場導航，是踩在風口上。作為歐洲 AI 的旗手，它也替這條賽道補上一個非美系的重要玩家。

歸剛點評：語言模型的仗打到這份上，聰明的玩家都在找下一塊沒被佔滿的地——實體機器人正是最被看好的那塊。Mistral 從語言跨到導航，是把自己的技術往「能動的 AI」延伸。導航這關過了，機器人才真的能離開展示影片、走進倉庫和街道。歐洲能不能靠 Mistral 在具身智慧上站住腳，值得長期追。

研究

外科醫師遠端操控人形機器人，替活豬完成世界首例手術

一項臨床前試驗中，外科醫師遠端操控人形機器人替活體豬完成了世界首例手術，測試人形機器人進入外科手術的可行性，替遠距與自動化醫療探路。

Ars Technica 報導了一則相當有份量的醫療機器人進展：在一項臨床前試驗裡，外科醫師遠端操控人形機器人，替活體豬完成了被稱為世界首例的手術。試驗的目的，是測試人形機器人真正踏進外科手術現場的可行性——不只是輔助器械，而是由一具有手有身體的機器人來執行操作。

這和大家熟悉的達文西手術機器人不太一樣。傳統手術機器人是固定在手術台旁、專為某類操作設計的機械臂；人形機器人的想像則是通用的——同一具身體理論上能適應不同任務、不同環境，甚至被派到缺乏外科醫師的偏遠地區、戰地或災難現場，由遠端的醫師操刀。用活豬做臨床前試驗，是為了在接觸真人之前，先驗證這條路走不走得通。

把它擺進今天的機器人新聞群裡，主題非常一致：AI 正快速從螢幕走進物理世界。Mistral 發導航模型、Hugging Face 熱榜滿是具身智慧論文，而這台替豬動手術的人形機器人，是這股趨勢裡風險最高、也最能震撼人的一個切面——因為它動的是活體，賭的是生命。醫療是機器人能創造最大價值、也最不容出錯的場域。

歸剛點評：遠端操控人形機器人動手術，光想像就讓人既興奮又發毛。它真正的價值在於突破地理限制——把頂尖外科的雙手，送到原本到不了的地方。但醫療容錯率趨近於零，從活豬到活人之間，隔著的是漫長且必要的驗證與監理。這是那種現在看像科幻、十年後可能救命的技術，先記住這個起點。

政策

Google 將標示廣告是否由 AI 製作或編輯

Google 宣布在搜尋、Discover 與 YouTube 上，於「我的廣告中心」新增標示，讓用戶能看到某則廣告是否由 AI 製作或編輯，把生成內容的透明度延伸到廣告場景。

Google 宣布，將在搜尋、Google Discover 與 YouTube 上，讓用戶看到某則廣告是否由 AI 製作或編輯。具體做法是在「我的廣告中心」裡的「這則廣告是怎麼做出來的」分頁下，新增一個「以 AI 製作或編輯」的標籤。The Verge 引述 TechCrunch 的報導指出，這項更新在週四正式宣布。

會有這一步，是因為生成式 AI 讓製作以假亂真的廣告素材變得又快又便宜，用戶越來越難分辨眼前的畫面、人物、場景是真拍的還是生成的。在廣告這個本就充滿說服意圖的場景裡，這種模糊特別危險——它可能被用來誇大產品、偽造代言、或製造根本不存在的情境。給 AI 生成的廣告貼上標籤，是把「知情權」還給看廣告的人。

這也呼應了整個產業與監理方向對生成內容溯源、標示的要求越來越高。從模型端的浮水印、到平台端的揭露標籤，大家都在建一套「這東西是不是 AI 做的」的判別基礎建設。Google 掌握搜尋、YouTube 這些巨型入口，它願意在廣告上加標，示範效應不小——當最大的廣告平台開始標，其他平台的壓力也會跟著上來。

歸剛點評：AI 生成廣告貼標籤是好事，方向對、也接地氣，畢竟每個人天天都在被廣告轟炸。但魔鬼在執行——標籤藏得多深、判定標準多嚴、有沒有漏網之魚，決定它是真透明還是聊備一格。透明度的第一步永遠是揭露，就看 Google 願不願意把這個標做得夠顯眼、夠認真，而不是塞在沒人點的分頁角落。

產業

Nvidia 成了自己一手催生的算力市場的『受害者』

TechCrunch 評論指出，Nvidia 證明了算力有多值錢，卻也把自己推到一個人人搶進的市場中心，眼看更簡單的技術與較不起眼的公司在旁邊悶聲發財。

TechCrunch 一篇評論下了個帶點反諷的標題：Nvidia 是它自己一手打造的算力市場的受害者。邏輯是這樣的——Nvidia 用 GPU 證明了「算力」在 AI 時代有多值錢，等於親手把一塊巨大的餅擺上桌；結果整個市場都被這股淘金熱點燃，各路人馬蜂擁而入，Nvidia 反而發現自己站在一個所有人都想分一杯羹的戰場正中央。

文章的觀察頗辛辣：當運算的價值被證明後，很多更簡單的技術、更不起眼的公司，反而在旁邊悶聲賺得盆滿缽滿。從賣「鏟子」的周邊供應商、到搞算力租賃與調度的中間商，甚至用自研晶片切走一塊市場的挑戰者，都在 Nvidia 開創的這個生態裡分食利潤。開創者未必是最後拿走最多的人，這是科技史一再重演的戲碼。

把它放進今天的新聞看很有意思：同一天 Meta 宣布自研 AI 晶片九月投產、各家都在想方設法降低對單一供應商的算力依賴。Nvidia 依然是這場盛宴的中心，但「中心」也意味著它是所有人想繞過、想替代、想砍價的對象。市場越大、玩家越多，開創者的護城河就越要面對四面八方的挖牆。

歸剛點評：這篇評論戳中一個常被忽略的真相——把餅做大的人，不保證能永遠吃最大那塊。Nvidia 現在的處境是甜蜜的煩惱：需求旺到嚇人，但正因為太賺，全世界都在想辦法自己造晶片、繞開它。它的技術護城河還很深，但當客戶（Meta、Google 這些巨頭）同時也是潛在對手，這場仗只會越打越微妙。

產業

Meta 新 AI 晶片將於九月投產，採模組化設計因應快速變化

Meta 的新一代 AI 晶片預計九月開始生產，公司採取模組化設計，預期到晶片量產時 AI 的需求已經改變，好讓硬體能跟上快速演進的技術。

TechCrunch 報導，Meta 的新一代 AI 晶片預計九月開始投產。值得注意的是它的設計思路：Meta 採取模組化的做法，因為它預期，等這批晶片真正量產時，AI 的需求恐怕已經和設計之初不一樣了——與其賭死一種固定架構，不如做成能拆能換的模組，好跟上技術快速演進的節奏。

自研晶片對 Meta 這種體量的公司是必然的一步。當你每年要在 AI 上砸下天文數字的算力開銷，若全部仰賴外購 GPU，成本和供應都被掐在別人手裡。自己造晶片能壓成本、能為自家模型和資料中心量身訂做，也能降低對單一供應商的依賴——這正是今天另一則「Nvidia 成了自己市場受害者」評論所講的那股力量：大客戶都在想辦法自立門戶。

模組化這個選擇，反映的是 AI 硬體最頭痛的一個矛盾：晶片從設計到量產動輒要一兩年，但 AI 的模型架構、運算需求幾個月就換一輪，等你晶片做好，當初瞄準的需求可能已經過時。用模組化拆解、讓不同部分能各自迭代替換，是 Meta 想在「硬體慢、軟體快」之間找到的折衷解。這是一個押注未來、也承認自己猜不準未來的設計哲學。

歸剛點評：Meta 自研晶片九月投產，是巨頭「去 Nvidia 化」棋局裡又落一子。模組化的思路很務實——它等於承認「我也不知道兩年後 AI 要什麼」，那就把賭注拆小、保留調整空間。這對 Nvidia 不是好消息，最大的幾個客戶都在自己造晶片。硬體這條戰線接下來會很熱鬧，看點是誰能在慢工的晶片和快變的 AI 之間跟上節奏。

社群

開發者抱怨：Anthropic 擋在 Fable 前面的分類器『管太寬』

一篇被 Hacker News 熱議的部落格文章批評，Anthropic 擋在 Fable 模型前面的安全分類器過度嚴格，把許多正當請求也一併攔下，讓模型變得不好用。

一篇登上 Hacker News 討論的部落格文章，對 Anthropic 開了一炮：作者抱怨 Anthropic 擋在 Fable 模型前面的安全分類器「太過熱心」，把太多其實正當的請求也一併攔了下來，導致模型在實際使用中綁手綁腳、變得不好用。標題直接寫成「Fable 不是一個有用的模型」，火氣不小。

這觸到 AI 安全機制長期的兩難：分類器是擋在模型前面的守門員，負責攔下有害、危險的請求。但守門員一嚴，就容易「錯殺」——把無害甚至專業的正當需求誤判成違規擋掉，也就是所謂的過度拒絕。對開發者來說，一個動不動就說「這我不能幫你」的模型，再聰明也用不下去，因為你永遠不知道下一個正常請求會不會莫名其妙被拒。

這則社群怨言，和今天 Anthropic 一整排高調的安全治理公告形成微妙對照。官方在檯面上談徵集難題、找柏南克、做可解釋性研究，把「安全」擦得閃亮；但在開發者實際用模型的第一線，同一套安全理念落地成過嚴的分類器，就變成了體驗上的摩擦。安全與可用之間該怎麼拿捏，是每一家把安全當招牌的公司都躲不掉的張力。

歸剛點評：安全和好用的天平，Anthropic 一向偏向安全那頭，這是它的品牌，也是它的包袱。分類器管太寬的抱怨不是新鮮事，但它提醒了一件事——安全不能只在公告裡漂亮，落到開發者手上得是「該擋的擋、該放的放」。過度拒絕看似謹慎，實則是把正當用戶越推越遠。這種第一線的真實回饋，比任何治理宣言都更誠實。

以 AI 軟體工程師 Devin 聞名的 Cognition，發表了新一代程式碼模型 SWE-1.7，宣稱在程式碼相關的智慧水準上已經逼近 GPT-5.5 與 Claude Opus 這兩個頂級通用模型。對一個專攻軟體工程的垂直模型來說，能貼近大廠旗艦的水準，本身就是相當強的宣示。

SWE 系列的路線和通用大模型不同：它不求什麼都會，而是把火力集中在寫程式、改程式、跑完整個工程任務這件事上。這種垂直打法的賭注是——與其在一個什麼都做的巨型模型裡分一點程式碼能力，不如專門為軟體工程打造，在這個高價值的窄領域裡把體驗做到極致，甚至逼平、超越通用旗艦。

把 SWE-1.7 放進今天的程式碼混戰裡看格外熱鬧：OpenAI 剛把 Codex 重新品牌成 ChatGPT Work、Meta 開放 Muse Spark 1.1 的 API、Anthropic 的 Claude 本就是編碼強者。Cognition 用「逼近 GPT-5.5 和 Opus」當口號，等於正面宣告自家垂直模型有資格和這些巨頭同台。程式碼是眼下 AI 最能證明實力、也最能收費的戰場，難怪擠成這樣。

歸剛點評：「逼近 GPT-5.5 和 Opus」是漂亮的行銷句，實際好不好用還是要看開發者跑真實專案的手感，benchmark 貼近不等於體驗貼近。但 Cognition 的垂直路線值得肯定——在巨頭什麼都想做的年代，專心把一件高價值的事做到頂尖，是小玩家難得的活路。程式碼這塊擠歸擠，能打的公司越多，開發者能撿的便宜越多。