大廠各自造模型，賣鏟子的最先上岸
當人人都能生程式碼，賣鏟子的微軟與輝達穩穩上岸，淘金的應用層卻發現自己沒有護城河
每天花 1% 的時間，掌握科技脈動。
今日金句#
“We spend more on tokens than salaries.” 「我們花在 token 上的錢，已經超過付給員工的薪水。」 — Brandon Foody, Mercor 創辦人暨執行長
“Agent-generated code grew 1400% in 2026.” 「2026 年，AI agent 生成的程式碼成長了 1400%。」 — Kyle Daigle, GitHub VP
今日主軸：大廠收回主導權，賣鏟子的最先上岸#
今天的科技圈像是一場「賣鏟子的人集體上岸」。微軟用了 OpenAI 模型三年，這週突然自己端出一整排 MAI 模型，其中負責寫程式的 MAI-Code-1-Flash 只有 5B 參數卻已悄悄進駐 GitHub Copilot，還主打「乾淨授權資料」從頭訓練 —— 它一邊收 OpenAI 的房租，一邊自己蓋房子。同一週，輝達在台北 Computex 把一台號稱 1 petaflop 的桌上型超算 RTX Spark 搬上書桌，再配上 550B 的開源模型 Nemotron 3 Ultra 與多模態 Cosmos 3，從「賣鏟子」升級成「賣整套淘金設備」。而 Anthropic 正式遞交 IPO、估值超車 OpenAI，三家基礎設施巨頭穩穩卡位。但另一頭的現實是：估值百億的 Mercor 執行長坦言「花在 token 上的錢比薪水還多」、應用層幾乎沒有護城河。當生程式碼便宜到像呼吸，真正稀缺的不再是「會用 AI」，而是你還願不願意「在乎」做出來的東西。
必讀#
- 微軟自造 MAI 模型，宣稱打贏 Claude Sonnet — Microsoft / HN
AI - 輝達 Computex 三連發：Cosmos 3、Nemotron 3 Ultra、RTX Spark — Latent Space
AI - Anthropic 機密遞交 S-1，啟動 IPO — Anthropic
Startup - GitHub 的 Agent 戰略：代理生成程式碼暴增 1400% — Latent Space
AI - 駭客「直接開口要」就攻陷 Meta 帳號 — Simon Willison
AI - 微軟推出 Scout：受 OpenClaw 啟發的個人助手 — TechCrunch
AI - Adafruit 收到 Flux.ai 律師警告信，暫停發文 — HN
News - 「Gmail 把我當白痴，所以我走了」 — HN
Tools - Pragmatic Engineer：與 AI Agent 協作要先放慢才能加速 — Pragmatic Engineer
Dev - ByteByteGo：成為 AI 原生工程師的實戰指南 — ByteByteGo
Dev - 在 Slop 時代談品質：工藝精神還重要嗎？ — Lobste.rs
Dev - Uber 燒爆 AI 預算，四個月後喊停員工 AI 開銷 — TechCrunch
News
1. 微軟自造 MAI 模型，宣稱打贏 Claude Sonnet#
微軟一口氣發布整排自家 MAI 模型，包含負責複雜推理的 MAI-Thinking-1 與只有 5B 參數的程式專用模型 MAI-Code-1-Flash。後者已透過 VS Code 的 GitHub Copilot 向個人使用者推出，主打小體積、高 token 效率，能直接塞進開發者環境。微軟特別強調這批模型以「乾淨且適當授權的資料」從頭訓練，可能是首批未使用未授權爬蟲資料的實用程式模型。過去微軟是 OpenAI 最大金主與算力房東，如今自己下場做模型，等於一邊收房租、一邊蓋自己的房子。
- MAI-Code-1-Flash 僅 5B 參數，已整合進 GitHub Copilot / VS Code
- MAI-Thinking-1 在盲測中聲稱優於 Claude Sonnet 4.6
- 主打「乾淨、有授權」資料從零訓練，回應版權爭議
💡 為什麼重要：大廠不想再把命脈交給單一模型供應商。微軟自造模型 + 小模型本地化的趨勢，意味開發工具的成本與門檻會進一步下探。
🔗 閱讀原文 | 來源：Microsoft
2. 輝達 Computex 三連發：Cosmos 3、Nemotron 3 Ultra、RTX Spark#
輝達在台北 Computex 一次端出三項重量級新品。Cosmos 3 是統一語言、圖像、影片、音訊與動作的多模態世界模型；Nemotron 3 Ultra 為 550B 參數、活躍參數約 55B 的開源大模型，號稱全美最強開源 LLM、吞吐量達 300+ tokens/秒；RTX Spark 則是搭載 Grace + Blackwell 架構、128GB 統一記憶體、號稱 1 petaflop FP4 算力的個人桌上型超算。輝達同時釋出模型權重、程式碼、資料集與微調配方，把「賣鏟子」升級為「賣整套淘金設備」。
- RTX Spark 128GB 統一記憶體，超越 H100 的 80GB，定位個人 AI 超算
- Nemotron 3 Ultra 550B 開源，活躍參數僅約 10%，主打高效推理
- OpenClaw、Hermes Agent 為首批合作夥伴
💡 為什麼重要：輝達正從純硬體商轉為完整 AI 堆疊供應商，開源權重直接對抗 OpenAI / Anthropic 的閉源路線，也把推理算力推向桌面。
🔗 閱讀原文 | 來源：Latent Space
3. Anthropic 機密遞交 S-1，啟動 IPO#
Anthropic 已向美國 SEC 機密遞交 S-1 草稿登記聲明，正式啟動 IPO 流程，估值傳超越 OpenAI。同期 Anthropic 也擴大企業計畫 Project Glasswing，覆蓋約 15 個國家的新組織，並已發布 Claude Opus 4.8。這標誌生成式 AI 獨角獸邁向公開市場，也意味更嚴格的財務揭露與監管審視即將到來。
- 機密遞交 Form S-1，IPO 流程啟動
- 估值傳超車 OpenAI，反映企業應用商業化加速
- 同步擴大 Project Glasswing、發布 Opus 4.8
💡 為什麼重要：AI 龍頭上市將重塑整個產業的估值預期與治理格局；對客戶而言，也要留意上市前後可能的定價與商業條款調整。
🔗 閱讀原文 | 來源：Anthropic
4. GitHub 的 Agent 戰略：代理生成程式碼暴增 1400%#
GitHub 的 Kyle Daigle 在 Latent Space 訪談揭露，2026 年 AI agent 提交的程式碼量成長了 1400%，平台基礎設施面臨前所未有的壓力。GitHub 策略轉向「微技能」而非「巨型工具」，強調單一用途、可組合的原子功能，並推出 WorkIQ、FoundryIQ 等企業級上下文引擎，願景是跨越文件、電郵、對話的「環境 AI」。提交量增速遠超基礎設施改善速度，維護者過載與 PR 品質成為核心挑戰。
- agent 生成程式碼一年成長 1400%
- 策略從「完成工具」轉向「上下文引擎」+ 可組合微技能
- 維護者面臨海量 agent PR 的信任與品質難題
💡 為什麼重要：代理編碼已成主流開發模式。對開發工具供應商來說，戰場從單一功能轉向上下文工程；對開源社群來說，如何篩選 agent 貢獻成為新課題。
🔗 閱讀原文 | 來源：Latent Space
5. 駭客「直接開口要」就攻陷 Meta 帳號#
駭客僅透過對話向 Meta AI 客服機器人要求把帳號恢復信箱改成自己的地址，便成功接管多個高知名度 Instagram 帳號，因為 Meta 把完整的帳號恢復流程直接串接進了 AI 聊天機器人，缺乏人工審查與驗證層。Simon Willison 指出這甚至稱不上 prompt injection，核心是架構設計缺陷：不該把具一鍵帳號接管能力的系統，與客服 AI 直接整合。
- 攻擊手法極基礎，靠社交工程而非技術漏洞
- AI 客服被賦予敏感帳號操作權限，無人工確認
- 問題本質是架構，而非 prompt injection
💡 為什麼重要：企業在把 AI 接上敏感操作（帳號、付款、權限）前，必須加上強制人工驗證與多因素確認。這是所有導入 AI 客服平台的警鐘。
🔗 閱讀原文 | 來源：Simon Willison
6. 微軟推出 Scout：受 OpenClaw 啟發的個人助手#
微軟在 Build 2026 發布個人助手 Scout，建構於 OpenClaw 框架之上，具備持久化身份、跨雲端／桌面／網頁運行，並可自訂技能。相較純粹的 OpenClaw，Scout 加上企業級「政策合規系統」即時監控並產生審計紀錄，是對早期 OpenClaw 事件的直接回應，標誌 AI 代理從研究項目走向受管制的企業工具。整合 Microsoft 365 生態，透過 Frontier 計畫向早期採用者測試。
- 基於 OpenClaw，加上企業合規與審計層
- 持久化身份 + 自訂技能，深度整合 Microsoft 365
- 「開放 → 吸收 → 商業化」的完整循環
💡 為什麼重要：微軟把開源代理框架商業化並包上合規層，利用 Microsoft 365 通路快速推進企業代理採用，搶佔 Anthropic / OpenAI 在代理領域的空檔。
🔗 閱讀原文 | 來源：TechCrunch
7. Adafruit 收到 Flux.ai 律師警告信，暫停發文#
開源硬體公司 Adafruit 收到 Flux.AI（Defy Gravity, Inc.）委託 Fenwick & West 律師事務所發出的禁制信，指控其發布含虛假、潛在誹謗內容。Adafruit 則聲稱僅存取了 Flux 因伺服器配置錯誤而公開的資料，並暫停部落格發文以評估法律選項。此事涉及 CFAA（電腦詐欺與濫用法案）主張，在安全研究社群引發爭議。
- Flux.AI 以法律威脅回應安全揭露，而非感謝
- 爭議核心是伺服器配置錯誤造成的資料外洩
- CFAA 常被用於過度威脅安全研究員
💡 為什麼重要：AI 新創在危機公關與負責任揭露上的不成熟，正加深與安全研究社群之間的信任裂痕。
🔗 閱讀原文 | 來源：Adafruit
8. 「Gmail 把我當白痴，所以我走了」#
一名用了 Gmail 16 年的使用者撰文，宣布離開 Gmail，主因是 AI 功能預設啟用且無法單獨關閉 —— 自動摘要、自動草稿、不斷彈出的「幫我寫」提示，且這些功能與線程分類綁定，無法分開選擇。作者認為這是刻意的用戶敵對設計，目的是推高 AI 功能使用指標，最終轉向自架網域的 Fastmail。
- AI 功能預設開啟、無法細粒度關閉
- 功能綑綁迫使用戶接受 AI，引發反彈
- 「AI 疲勞」正推動隱私優先替代品的切換潮
💡 為什麼重要：「AI 預設啟用」的變現模式正面臨用戶信任挑戰，連 16 年忠實用戶都會出走。產品經理該重新思考用戶代理權與指標之間的平衡。
🔗 閱讀原文 | 來源：moddedbear
9. Pragmatic Engineer：與 AI Agent 協作要先放慢才能加速#
Gergely Orosz 在布達佩斯 Craft Conference 主題演講提出「放慢腳步才能加速」。AI 編程工具幾乎被所有工程師採用，但盲目追速反而造成品質問題；工程師需先花時間釐清需求與架構，才能真正發揮 AI Agent 的效益。
- 速度不是目的，釐清需求與架構才是前提
- 盲目追求 AI 產出量會反噬品質
- 判斷力是 10 倍效率與「加速失敗」的分水嶺
💡 為什麼重要：呼應今天的整體基調 —— 工具讓你做得更多，但能不能做成更多，取決於人的判斷。
🔗 閱讀原文 | 來源：Pragmatic Engineer
10. ByteByteGo：成為 AI 原生工程師的實戰指南#
Meta 廣告 AI 基礎設施負責人 Shah Rahman 提出 AI 原生工程的核心能力框架：情境工程、規格驅動開發、批判性驗證與問題分解紀律，並介紹 Agentic Development Life Cycle。文章強調安全防護已非可選項，真正的 10 倍效率與「加速失敗」之差在於工程師的判斷力。
- 四大核心能力 —— 情境工程、規格驅動、批判驗證、問題分解
- 提出 Agentic 開發生命週期
- 安全防護是必備而非加分項
💡 為什麼重要：給想升級為「AI 原生工程師」的人一份具體能力清單，與 Pragmatic Engineer 的觀點互相呼應。
🔗 閱讀原文 | 來源：ByteByteGo
11. 在 Slop 時代談品質：工藝精神還重要嗎？#
作者關注 AI 編程工具如何威脅軟體工程的工藝精神。當代碼品質從「內在卓越」貶為「AI 能否理解」，職業價值主張開始崩解。文章援引 Pirsig《禪與摩托車維修藝術》：品質源於從業者與工作的認同，而 AI 在人與製品之間插入了一層摩擦，讓人變得「不感興趣」，從而喪失品質判斷的視角。
- AI 削弱人與代碼的直接接觸，侵蝕內在品質判斷
- 「黑洞」式虛無主義在技術圈蔓延
- 解方是回歸對工作的在乎與卓越的內在驅動
💡 為什麼重要：這是對代理編碼浪潮的人文反思 —— 當生程式碼無限加速，你還願不願意「在乎」，成了最後的差別。
🔗 閱讀原文 | 來源：sinclair target
12. Uber 燒爆 AI 預算，四個月後喊停員工 AI 開銷#
Uber 在開放員工使用 AI 工具僅四個月後，便因超支而設下開銷上限。這呼應了整體「token 成本失控」的趨勢 —— 企業低估了 AI 工具在實際工作流中的累積花費，補貼派對散場後，成本現實正逐一浮現。
- AI 工具開銷四個月內超支，被迫設限
- 企業普遍低估 token 累積成本
- 與 Mercor「token 花費超過薪資」形成對照
💡 為什麼重要：AI 工具的「真實成本」開始進入企業財報視野，免費補貼時代正在收尾。
🔗 閱讀原文 | 來源：TechCrunch
推薦閱讀#
- DeepSeek-V4-Flash 跑上 AMD MI300X — 透過自訂 kernel 與 FP8 方言轉換，在成本約 NVIDIA 一半的 MI300X 上跑出 2,699 tokens/秒，展示異質晶片推理的可行性。
- Import AI 459：美國 AI 經濟年增 2600% — 美國 AI 經濟規模估達 2,500 億美元、以年化 2,600% 品質調整實質成長，卻在傳統 GDP 統計中幾乎隱形。
- 為什麼影片 Agent 是下一個前沿 — xAI 的 Ethan He 主張影片模型的智慧主要來自 LLM，下一波突破是會規劃、生成、編輯的「影片 Agent」，而非更好的影片模型。
- Gemini 3.5：會行動的前沿智慧 — Google 發布 Gemini 3.5，強調具備行動能力的前沿推理。
- 零程式背景，靠 AI 上架一款 iPhone App — Bryce Rattner Keithley 完全沒有程式背景，靠 Replit、Claude、Gemini，週末工作幾個月就上架一款健身 App。
- Perplexity：把搜尋重新想成程式碼生成 — Perplexity 提出 Search-as-Code 架構，動態生成檢索管線。
- 如何為 RAG 索引圖片 — kapa.ai 分享在 RAG 系統中索引圖片的實作技巧。
- 微軟新工具：用文字描述生成 AI 行為測試 — 開發者可用自然語言描述快速建立 AI 代理行為測試。
- 現在 AI agent 需要 RSS 所做的事 — RSS 重新成為 AI agent 消費結構化資料的關鍵基礎設施。
- Why Janet？程式語言設計哲學 — 深入探討 Janet 程式語言的設計取捨。
- 你不夠愛 systemd timers — 用 systemd timers 取代 cron 的完整指南。
- Cyera 估值上看 120 億美元，80 倍 ARR — 資安新創估值衝上 120 億、80 倍 ARR，卻仍處營運虧損。
大神動態#
- Simon Willison：拆解 Meta AI 客服帳號接管事件，指出「這甚至稱不上 prompt injection」（詳見必讀 #5）；並分析微軟 MAI 模型主打乾淨授權資料的意義（詳見必讀 #1）。
- Kyle Daigle（GitHub VP）：揭露 agent 生成程式碼年增 1400%，GitHub 戰略轉向上下文引擎（詳見必讀 #4）。
中文技術圈#
- xAI 招募中文 AI 導師，時薪最高 45 美元訓練 Grok — xAI 高薪招聘中文 AI 訓練師，反映模型本地化對人類標註的需求。
- 華碩 COMPUTEX 展出 Vera Rubin 機櫃與 OpenClaw 安全代理 — 華碩展出 AI 基礎設施新品與安全代理方案。
- 與 AI 越聊越憂鬱？文字互動情緒表現最強 — 新研究揭示 AI 聊天機器人對心理健康的微妙影響。
- 從外掛到 AI 輔助：Obsidian 如何成為我的主力工具 — 少數派分享用 Obsidian + AI 外掛打造主力工作流。
- 天塌了：codex 登入要二次驗證 — V2EX 開發者熱議 Codex 開始要求二次驗證。
開源精選#
pewdiepie-archdaemon/odysseus — JavaScript | ⭐ 32.7K 自架的 AI 工作空間。
Sophomoresty/gemini-web2api — Python | ⭐ 1.2K 把 Gemini 網頁版轉成 OpenAI 相容 API，零認證、跨平台、單檔案。
ClaudioDrews/memory-os — Python | ⭐ 611 為 agent 打造的 7 層記憶作業系統，本地運行、支援任意 LLM。
jdevalk/specification.website — TypeScript | ⭐ 446 網站規格：HTML、可及性、安全、SEO、agent 可讀性，平台無關、MIT 授權。
QwenLM/Qwen-VLA — Python | ⭐ 426 Qwen 視覺-語言-動作模型官方倉庫。
影音精選#
下一個千億市場：向 AI Agent 銷售#
新片 · 13 小時前 · Greg Isenberg
Greg Isenberg 分析網路正從「以人類為主」轉向「以 AI Agent 為主」的生態：Agent 將成為主要消費者，需要身份認證、工具、收件匣、記憶、錢包與收據等全套基礎設施。他呼籲創業者重建每個 SaaS 類別的 Agent 原生版本。
- Agent 經濟需要一整套「給機器用」的基礎設施
- 每個既有 SaaS 類別都有 Agent 原生重做的機會
- 分享如何讓網站對 Agent 可讀的具體做法
💬 Yii 的話：這跟今天的主軸完美呼應 —— 大廠在底層卡位，創業者的機會則在「為 Agent 重做一遍」的應用層。問題是，這層的護城河在哪？
Mercor CEO：應用層毫無護城河，Token 支出超越薪資#
新片 · 2 天前 · 20VC
估值百億、ARR 15 億美元的 Mercor 執行長 Brandon Foody 坦言：公司內部 AI Agent 的 token 支出已超過員工薪資總額；蓋在模型之上的軟體層極難建立防禦性，網路效應是唯一真正的護城河。
- 內部 Agent token 花費超過全體員工薪水
- 應用層幾乎沒有護城河，網路效應是唯一解
- 遭駭事件後 60 天內仍淨增 3 億美元 ARR
💬 Yii 的話：這就是今天那句金句的出處。它和 Uber 喊停 AI 開銷是同一個故事的兩面 —— token 成本正在從「補貼」變成「真實財報數字」。
如何打造主動型 Agent 與自我改善的公司#
新片 · 1 天前 · AI Jason
AI Jason 介紹「自我改善公司」概念：YC 最新批次的公司用 AI Agent 管理內部運營，每位員工創造的收入是 18 個月前的 5 倍。他示範如何建立有回饋迴路的 AI 原生工作流，並開源了工具框架。
- 用 Agent + 回饋迴路打造會自我優化的工作流
- 人均產出大幅提升的營運模式
- 提供可動手的開源框架
💬 Yii 的話：對個人開發者很實用 —— 與其等大廠的 Agent OS，不如先把自己的重複工作接上回饋迴路。我做 Moniit 時也是這樣一步步把流程自動化的。
為什麼 AI 不會搶走你的工作#
新片 · 1 天前 · 20VC
Mercor CEO Brandon Foody 回應「AI 搶工作」憂慮：過去 250 年生產力提升 25 倍，每次技術革命都伴隨失業恐慌，結果都是創造更多職位。他認為人類的問題永遠比勞動力多，AI 只會帶來新的工作類別。
- 歷史上每次生產力躍升都創造更多工作
- 人類問題無上限，勞動力需求不會消失
- AI 訓練、資料中心、新型態服務都是新職位來源
💬 Yii 的話：可以跟昨天那篇「AI 是 1997 年的網路」一起看 —— 樂觀但不浮誇，重點是想清楚哪些是「任務」、哪些才是你的「工作」。
AI 讓差勁工程師反而變得更好？#
新片 · 2 天前 · Theo (t3.gg)
Theo 分析 AI 對弱勢工程師的影響：AI 不只讓他們做更多事，也會引導他們做出更好的技術決策，例如選用更合適的技術棧。他認為大家過度關注 AI 產出的「垃圾」，卻忽視 AI 拉高了整體工程品質的下限。
- AI 同時提高產量與決策品質的下限
- 「slop」之外，AI 也在默默改善弱勢開發者
- 與《在 Slop 時代談品質》形成有趣對話
💬 Yii 的話：這支影片和必讀 #11 剛好唱反調 —— 一個說 AI 侵蝕工藝，一個說 AI 拉高下限。我的看法是：兩者都對，差別就在你願不願意「在乎」。
今日觀察#
今天最值得玩味的，是「賣鏟子」與「淘金」兩端的鏡像。微軟（MAI 自造模型）、輝達（RTX Spark 把超算搬上桌、Nemotron 3 Ultra 開源）與遞交 IPO 的 Anthropic，都是在加固自己作為基礎設施的位置 —— 模型、晶片、上市資本，一層層往下扎根；而 GitHub 揭露 agent 程式碼年增 1400%、Mercor 坦言 token 花費超過薪水、Uber 四個月燒爆 AI 預算，則是站在「淘金」這一端的應用層，發現自己一邊狂奔、一邊發現腳下沒有護城河。最耐人尋味的對照藏在《在 Slop 時代談品質》那篇 —— 當生程式碼便宜到像呼吸，外部護城河（規模、資本、通路）越來越屬於大廠，那留給個人開發者的，反而是一個很內在的東西：你還願不願意「在乎」自己做出來的東西。工具把門檻拉到地板，真正稀缺的不再是產出，而是判斷與在乎。
覺得有用嗎？分享給一個也在追蹤新知的朋友。
也歡迎中長期投資者體驗新工具 → Moniit
