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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。