yii.
← Digest
EP92 · 2026年6月4日 星期四 · 10 min read

微軟參戰，Agent 經濟撞上成本牆

每天花 1% 的時間，掌握科技脈動。

今日金句#

“It remains unclear how to directly correlate AI usage with new consumer features.”

「到現在我們還是搞不清楚，員工用了這麼多 AI，到底跟做出來的新功能有什麼直接關係。」 — Andrew Macdonald, Uber 營運長（COO）

“We do not believe there is any other possible future regarding AGI.”

「在通往 AGI 的路上，我們不認為還有別條路可走。」 — Carina Hong, Axiom Math 創辦人

“We achieved 97% on AIME 2025 and 53% on SWE-Bench Pro, with blind human raters preferring it to Sonnet 4.6.”

「我們在 AIME 2025 拿到 97%、SWE-Bench Pro 53%，盲測中人類評審更偏好我們的模型勝過 Sonnet 4.6。」 — Mustafa Suleyman, Microsoft AI 執行長

今日主軸：大廠全面參戰，但成本現實同步報到#

這一週的科技圈被 Microsoft Build 2026 牢牢佔據。微軟一口氣端出 MAI 全家桶——從推理旗艦 MAI-Thinking-1（1 兆參數、35B active，盲測贏過 Claude Sonnet 4.6）到能塞進編輯器的 MAI-Code-1-Flash，再加上常駐工作代理 Project Scout 與代理優先平台 Project Solara，正式宣告它不再只是 OpenAI 的二房東，而是要自己蓋一整座從晶片、作業系統到模型的 AI 帝國。同一天，Alphabet 為 Google 的 AI 業務募到創紀錄的 850 億美元，連巴菲特都跳進來，把「AI 軍備競賽」的資本敘事推到新高。

但同一週的另一頭，現實補了一刀。Uber 在四個月燒光全年 AI 預算後，給每位員工每個工具設下每月 1,500 美元的硬上限——而且坦白承認，搞不清楚這些花費到底換來了什麼。Coralogix 募了 2 億美元，賭的就是「有人得盯著這些 AI agent」；GitHub 則被 agent 提交的程式碼暴增 1400% 壓到多次當機。當大廠在台上宣布兆元願景時，台下的企業正在學會怎麼幫 AI 裝上一個收費錶。今天的故事，是擴張與節制在同一週撞在一起。

必讀#

  1. 微軟與 OpenAI 分手後開戰：Build 2026 全面參戰 — The Verge News
  2. 微軟 MAI 全家桶深度解析：7 款模型一次到位 — Latent Space AI
  3. Uber 砍 AI 工具預算：每人每月上限 1500 美元 — TechCrunch News
  4. Coralogix 募 2 億美元，搶建 AI agent 監控層 — TechCrunch Startup
  5. GitHub 上 agent 提交程式碼暴增 1400%，平台不堪負荷 — Latent Space AI
  6. Microsoft Scout：用 OpenClaw 打造的常駐個人助理 — The Verge AI
  7. Alphabet 創紀錄 850 億美元，為 Google AI 業務募資 — TechCrunch News
  8. OpenAI 如何打造內部資料 Agent — ByteByteGo AI
  9. Axiom Math：形式驗證是 AGI 的下一個瓶頸 — Latent Space AI
  10. Anthropic：一年 AI 網路威脅地圖 — Anthropic AI

1. 微軟與 OpenAI 分手後開戰：Build 2026 全面參戰#

Microsoft Build 2026 成為本週科技圈焦點。微軟正式從「Azure 雲端房東」轉型為前沿 AI 開發者，與最大金主 OpenAI 正面競爭。它一口氣發表自家 MAI 模型家族、常駐工作代理 Project Scout、代理優先平台 Project Solara，並把 Windows 重新定位為「代理可信執行平台」，強調本地推理而非純雲端依賴。過去三年微軟一邊收 OpenAI 的房租、一邊自己蓋房子，這週終於攤牌。

  • 微軟不再把 AI 命脈交到別人手上，從晶片（自製 MAIA 200）、作業系統到模型整套自包
  • Project Scout 是常駐個人工作代理，Project Solara 含桌上 AI 伴侶與配備相機/麥克風的穿戴式徽章
  • Windows 強調本地 agent 執行時期，把 AI 工作負載從雲端拉回設備端，與 OpenAI 形成差異化

💡 為什麼重要：這標誌 AI 市場從「單一模型供應商」轉向「整合晶片+雲+OS+工具的完整生態堆疊」之爭，二房東反過來蓋自己的樓。

🔗 閱讀原文 | 來源: The Verge

2. 微軟 MAI 全家桶深度解析：7 款模型一次到位#

Latent Space 拆解微軟 Build 發表的 7 款 MAI 模型。旗艦 MAI-Thinking-1 採 1 兆總參數、35B active 的 MoE 架構，256K 上下文，用 8,192 顆 GB200 訓練 30 兆 token，AIME 2025 達 97%、SWE-Bench Pro 53%，盲測中人類更偏好它勝過 Claude Sonnet 4.6。最受矚目的是「零合成資料、零蒸餾」策略，主打乾淨資料譜系，直接瞄準企業對 IP 來源溯源的擔憂。微軟還罕見地公開了 109 頁技術報告。

  • MAI-Code-1-Flash 僅 5B active、137B MoE，SWE-Bench Pro 51%，已悄悄上 GitHub Copilot
  • MAI-Image-2.5 影像編輯競技場排名第二（1401 分），領先 Nano Banana 2；MAI-Transcribe-1.5 支援 43 種語言、276 倍實時速度
  • 全系列針對自製 MAIA 200 晶片最佳化，宣稱比 GB200 性能高 30%、每瓦性能高 1.4 倍

💡 為什麼重要：「乾淨資料從頭訓練 + 自製晶片 + 完整模型陣容」是微軟對企業客戶 IP 焦慮的精準回應，也是兩年內從零追上的驚人速度。

🔗 閱讀原文 | 來源: Latent Space

3. Uber 砍 AI 工具預算：每人每月上限 1500 美元#

Uber 在四個月內燒光全年 AI 預算後，對員工每個 AI 工具設下每月 1,500 美元的硬上限。先前公司大力鼓勵員工最大化使用 Claude Code、Cursor 等工具，還建了內部排行榜比使用量，結果預算快速見底。最關鍵的是營運長 Andrew Macdonald 坦承：難以衡量 AI 使用與新消費功能之間的直接關聯。

  • Uber 主要工具為 Anthropic Claude Code 與 Cursor；CTO 四月披露年度預算四個月耗盡
  • 上限約等於員工中位薪資的 11%，反映企業開始理性評估 AI 支出 ROI
  • 員工可透過內部儀表板追蹤自己的 AI 花費

💡 為什麼重要：連 Uber 這種等級的公司都量不出 AI 的 ROI、得設硬上限，這是整個產業從盲目投資轉向成本管控的關鍵訊號。

🔗 閱讀原文 | 來源: TechCrunch

4. Coralogix 募 2 億美元，搶建 AI agent 監控層#

可觀測性公司 Coralogix 完成 2 億美元 Series F，估值達 16 億美元，距上一輪僅 11 個月。賭注很明確：當自主 AI agent 進入生產環境，總得有人盯著它們。公司超過一半企業客戶已使用其 AI agent「Olly」或自訂模型進行事件調查，年營收成長率超過 60%、客戶逾 5,000 家，包括 IBM、Tradeweb、JFrog。

  • Coralogix 成立於 2014 年，累計融資 5.5 億美元，年營收破 1 億美元，約 30 家客戶年支出破百萬
  • CEO Ariel Assaraf 觀察到「介面層正被越來越多透過 CLI 接入的自訂模型侵蝕」
  • 「AI agent 可觀測性」正成為新興的 AI 基礎設施層

💡 為什麼重要：當企業把 agent 丟進生產環境，監控與治理會成為標配，這條賽道的快速融資證明投資人也看到了同一個缺口。

🔗 閱讀原文 | 來源: TechCrunch

5. GitHub 上 agent 提交程式碼暴增 1400%，平台不堪負荷#

Latent Space 訪談 GitHub VP Kyle Daigle。2026 年 GitHub 上由 AI agent 提交的程式碼暴增 1400%，對原本為人類開發者設計的基礎設施造成空前壓力，導致多次公開服務中斷。開源維護者被 AI 生成的垃圾 PR 淹沒，CI/CD 系統也吃不消。

  • 基礎設施假設「提交者是人類」，agent 的量級徹底打破這個前提
  • 開源維護者面臨大量低品質 AI PR，審查負擔劇增
  • GitHub 正佈局下一步 agent 策略，重新定義 CI/CD 與協作流程

💡 為什麼重要：這是「AI 加速」的隱形成本具象化——速度的另一面是有人得承接洪水，平台與維護者首當其衝。

🔗 閱讀原文 | 來源: Latent Space

6. Microsoft Scout：用 OpenClaw 打造的常駐個人助理#

微軟發表 Scout，一個整合進 Microsoft 365 的常駐個人助理，基於 OpenClaw 框架打造，能在各 app 中替員工完成任務。它定位為「always-on」的工作夥伴，而非被動的聊天機器人，是微軟 agent-first 願景的具體落地產品。

  • Scout 深度整合 Microsoft 365 工作流，主動執行而非被動回應
  • 建立在 OpenClaw 開源 agent 框架之上
  • 與 Project Solara 平台共同構成微軟的代理產品線

💡 為什麼重要：微軟把 agent 直接塞進每天有數億人用的 Office 生態，這是 agent 從 demo 走向日常工作的最大規模試驗場。

🔗 閱讀原文 | 來源: The Verge

7. Alphabet 創紀錄 850 億美元，為 Google AI 業務募資#

Alphabet 為 Google AI 業務募到創紀錄的 850 億美元，首輪超預期達 450 億、第二輪規劃 400 億，超越 2010 年巴西石油 700 億的歷史紀錄，Berkshire Hathaway 投入 100 億。Google 2026 年資本支出預計 1,800–1,900 億美元，主要投入 AI 基礎設施與資料中心。

  • 超額認購反映公開市場對 AI 投資的強勁信心，為 Anthropic、OpenAI 等 IPO 鋪路
  • 2026 Q1 Alphabet 營收 110 億美元、年增 22%
  • 凸顯整個產業 8 兆美元 AI 投資承諾的可持續性疑慮

💡 為什麼重要：資本仍在大舉湧入 AI 基礎設施，但與 Uber 砍預算的對照，正是「軍備競賽」與「ROI 焦慮」同時存在的縮影。

🔗 閱讀原文 | 來源: TechCrunch

8. OpenAI 如何打造內部資料 Agent#

ByteByteGo 揭露 OpenAI 內部資料 agent 服務 4,000 名用戶、掌管 9 萬個資料集涵蓋 1.5 EB 資料，透過自然語言查詢自動生成並執行 SQL。核心創新不是花俏架構，而是六層上下文組裝（表格元資料、人類標註、Codex 豐富化、機構知識、記憶、執行時上下文），遠超傳統 RAG。

  • 工具從 40+ 精簡到 13 個避免決策模糊；只用單一模型 GPT-5.5，不做多模型路由
  • 每晚跑 5–10 分鐘 Codex 豐富化作業，檢索以信任度排名（儀表板查詢 > 探索性查詢）
  • 「香草代理 + 強大基礎」勝過架構複雜的系統，基礎設施才是可靠性的決定因素

💡 為什麼重要：對所有在建企業 AI 的團隊，這是反迷思的一課——別堆架構，先把資料基礎、命名慣例、強制標註做扎實。

🔗 閱讀原文 | 來源: ByteByteGo

9. Axiom Math：形式驗證是 AGI 的下一個瓶頸#

成立僅七個月的 Axiom 用 Lean 形式驗證語言進行 AI 數學證明，Putnam 競賽 12 題全解、計分 8/12 與頂尖人類相當；在 Verina 程式碼生成基準達 99% 準確率（相比 OpenAI o3 僅 4.9%）。創辦人 Carina Hong 認為程式能力只是 AGI 的必要條件，數學形式驗證才是下一個擴展智慧的關鍵。已募 2 億美元 Series A、估值 16 億美元。

  • 以可形式驗證的正確性取代統計準確度，作為強化學習的訊號
  • 開源 AXLE 工具包，發布 Discovery 工具建立 Lean 數學基礎設施
  • 對航空控制、核能、醫療等關鍵系統 AI 有深遠意義

💡 為什麼重要：當業界拚統計分數時，Axiom 把「正確性」重新定義為「可被機器驗證」，這可能是 AI 可信度的下一個分水嶺。

🔗 閱讀原文 | 來源: Latent Space

10. Anthropic：一年 AI 網路威脅地圖#

Anthropic 分析 832 個被禁帳戶（2025/03–2026/03），發現威脅行為人主要在準備與後滲透階段使用 AI，惡意軟體開發佔 67.3%。最關鍵的發現：傳統風險指標（攻擊者用的技術數量）失去區分力——最低技能與最高技能攻擊者都用約 16–20 種技術。中等以上風險的行為人從上半年 33% 升到下半年 56%。

  • 「代理編排」（AI 以最少人工監督鏈接攻擊階段）暴露 MITRE ATT&CK 框架的缺口
  • 平台選擇（Claude Code / API / 聊天）與風險等級無相關性
  • Anthropic 與 MITRE 合作演進 ATT&CK 框架，並部署網路安全防護偵測惡意軟體開發

💡 為什麼重要：AI 賦能攻擊已從「初始入侵」轉向「後滲透自動化」，1.7 倍的風險升級提醒防禦方：舊的威脅分類法該換了。

🔗 閱讀原文 | 來源: Anthropic

推薦閱讀#

大神動態#

中文技術圈#

開源精選#

pewdiepie-archdaemon/odysseus — JavaScript | ⭐ 43.2K 自架 AI 工作空間，本週 GitHub 爆紅。

ClaudioDrews/memory-os — Python | ⭐ 745 給 AI agent 的 7 層記憶作業系統（Qdrant + 結構化事實 + 自動 wiki + 上下文注入），本地運行、支援任何 LLM。

cpaczek/skylight — TypeScript | ⭐ 735 用 RTL-SDR 把頭頂飛過的飛機即時投影到天花板，還疊上太陽、月亮、ISS 的天空圖層。

SenhorH/tab-labeler — TypeScript | ⭐ 546 本地重新命名瀏覽器分頁，整理混亂的工作階段。

jdevalk/specification.website — TypeScript | ⭐ 479 網站規範——HTML、可及性、安全、SEO、agent 可讀性，平台無關、MIT 授權。

c0deJedi/nbd-vram — Shell | ⭐ 348 把 NVIDIA GPU 的 VRAM 當 Linux swap 用，專為焊死記憶體、無法升級的筆電而生。

影音精選#

為 AI Agent 而建：下一個千億市場#

Greg Isenberg · 近 2 天

Greg Isenberg

Greg Isenberg 提出網際網路的根本轉變：終端用戶正從人類轉移到 AI Agent，未來的「客戶」是有錢包的 agent，而非點擊廣告的人類。他系統性拆解 agent 購買旅程所需的六大基礎設施，並分享快速創業點子。

  • 需要為 agent 重建身份、工具存取、收件匣、記憶、錢包與收據
  • 網站要從 SEO 優化轉型為 AEO（Agent Engine Optimization）
  • 預測未來十年最大機會是「為 agent 打造服務」

💬 Yii 的話：我做 Moniit 一直想著「人」的體驗，但若客戶真的變成替人跑腿的 agent，整個 UX 的對象都要重寫——這是今天最讓我停下來想的一個方向。

你的 Prompt 正在變成技術債#

Theo (t3.gg) · 近 2 天

Theo

Theo 探討一種新型技術債：Prompt 技術債。agent 指令、CLAUDE.md、設定檔會隨時間過時，成為比傳統程式碼更難察覺的系統包袱。原著 Sean Godecke 指出，當 prompt 背後的假設失效時，整個 agent 行為可能在沒有任何錯誤提示下悄悄偏離。

  • prompt 文件隨時間過時會造成 agent 行為偏差
  • agent.md / CLAUDE.md 等指令檔需定期審查與更新
  • AI 加速開發的同時也在加速累積新型技術債

💬 Yii 的話：傳統 bug 會跳紅字，prompt 債是靜默的——這對每天靠 AI 寫 code 的人最值得警惕，今天的觀察也呼應了這點。

如何打造 AI 原生服務公司#

Y Combinator · 近 1 天

Y Combinator

YC 合夥人 Charlie Warren 分享用 AI 從頭重建保險、律所、稅務等傳統服務業的完整攻略，並拆解這類公司的損益結構與營運槓桿。

  • 市場選擇四準則：低信任外包文化、任務層級低判斷、高智力門檻、受監管反成護城河
  • Variance（不確定性）是這類公司最大的生存威脅
  • AI 服務公司可達到遠超傳統服務業的利潤槓桿

💬 Yii 的話：「受監管反而是護城河」這點很反直覺，但跟金融科技的現實完全吻合。

打造主動式 Agent 與自我進化公司#

AI Jason · 近 2 天

AI Jason

AI Jason 介紹 YC 提倡的「自我進化公司」：透過閉環 agent 設計讓系統從執行結果持續學習，以廣告優化、SEO 自動化為例展示如何打造 AI 原生運營迴路。

  • 閉環 AI 系統能持續從反饋改進，不同於只執行任務的開環系統
  • 已有 YC 公司達到每位員工創造傳統 5 倍營收
  • 開源工具 Loopany 提供記憶層與長程任務執行框架

💬 Yii 的話：閉環設計是關鍵字，光「能執行」不夠，要「能從結果學習」才有複利。

AI 不會搶走你的工作#

20VC · 近 2 天

20VC

Mercor 創辦人援引過去 250 年生產力提升 25 倍卻創造更多就業的歷史，反駁「AI 搶工作」的悲觀論，指出每次技術革命都引發「固定勞動量謬誤」的恐慌。

  • 歷史上每次技術革命都曾引發失業恐慌，但工作最終反而增加
  • 生產力提升相當於自動化 96% 工作量，但就業持續成長
  • 「固定勞動量謬誤」是誤判 AI 衝擊的根本認知偏差

💬 Yii 的話：搭配今天 Uber 砍預算看更有意思——AI 不一定搶你的工作，但會先改變公司怎麼算這筆帳。

對話高通：端側 AI 與 Physical AI 的大贏家#

硅谷101 · 近 1 天

硅谷101

硅谷101 深度對話高通全球副總裁徐晧，探討 AI 從雲端下沉到終端設備的大趨勢，以及高通如何整合晶片、通訊與端側 AI。

  • AI 手機正從大語言模型問答進化為無需開 App 的 Agent Phone
  • 端側 AI 三大挑戰：模型縮小（蒸餾/量化/MoE）、記憶體限制、功耗控制
  • 6G 為端側 AI 的低延遲需求而設計

💬 Yii 的話：端側 AI 跟今天微軟把 agent 推回 Windows 設備端是同一條線——運算正在從雲端往回走。

今日觀察#

今天最值得玩味的，是「擴張」與「節制」竟然壓在同一週上演。微軟在 Build 端出 MAI 全家桶、Alphabet 募破紀錄的 850 億，把 AI 軍備競賽的資本敘事推到頂點；但同一週，Uber 給員工 AI 開銷裝上每月 1500 美元的收費錶，還誠實承認算不出 ROI，Coralogix 則募了 2 億美元專門「盯著 agent」。連 GitHub 都被 agent 提交的程式碼暴增 1400% 壓到當機——這正是 Theo 講的「Prompt 技術債」在基礎設施層的現形：速度的另一面，總有人要承接洪水。當大廠忙著蓋從晶片到 OS 的完整帝國時，真正的成熟訊號或許不在台上的兆元願景，而在台下那個學會幫 AI 裝煞車、裝監控、裝驗證的動作。對個別開發者來說，這一週的提醒很實際：能一鍵生出來的東西，也最容易一鍵累積成你看不見的債——值不值得，還是得自己量。

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 banner

同期還有