yii.
← Digest
EP120 · 2026年6月30日 星期二 · 10 min read

AI 的瓶頸，正在掉回記憶體與電力

模型的競賽暫時打平，真正卡住所有人的是兩塊實體：一條 RAM，一度電

每天花 1% 的時間，掌握科技脈動。

今日金句#

“How hiring is becoming a luck filter.” 「招募，正在變成一個比運氣的篩子。」 — Dan Kinsky, FAANG 工程師（Dan Unparsed）

“To lose is something I simply cannot contemplate.” 「『輸』這件事，從來不在我的選項裡。」 — KR Sridhar, Bloom Energy 創辦人兼 CEO（前 NASA 火箭科學家）

今日主軸：當模型打平，瓶頸就掉回實體世界#

過去兩年大家比的是模型分數，但今天的新聞攤開來看，戰場已經悄悄換到兩塊最不性感的實體：記憶體，和電力。最上面那條線，是「記憶體之亂」（RAMageddon）：南韓三星與 SK 海力士宣布加碼超過 5,500 億美元擴建記憶體晶圓廠，幾乎同一天，三星、SK 海力士、美光卻在美國因 DRAM／NAND 涉嫌聯合壟斷被告——三家手握全球約九成 DRAM 的供應商，正同時被要求「多生產」又被指控「操控價格」。連帶效應已經打到桌面：Theo 直接出片說「還沒買 MacBook 的人現在很痛」，滿配 M5 MacBook 從約七千美元漲到近一萬。另一條線是電力：Bloom Energy 創辦人 KR Sridhar 在 20VC 上主張這不是 AI 資本支出泡沫，因為「當智慧變得充裕，電力才是真正稀缺的東西」，公司握著約 200 億美元訂單積壓。把這幾條連起來：當各家模型分數越靠越近，誰能搶到記憶體、誰能餵得起電，反而變成了真正的護城河。對開發者來說，這也是為什麼今天另一條暗線特別重要——Qwen 3.6 27B 成了筆電本地跑的甜蜜點、Ornith-1.0 開源代理模型自我進化：當最強的算力與記憶體都在漲價、都在被搶，「能在手邊硬體上跑得動」本身就是一種競爭力。

必讀#

  1. HackerRank 開源履歷篩選系統，同一份履歷跑出 74～90 分 — Hacker News Tools
  2. 南韓砸逾 5,500 億美元擴記憶體廠，迎戰「記憶體之亂」 — TechCrunch News
  3. Qwen 3.6 27B：本地開發的甜蜜點 — Hacker News AI
  4. Gusto 五人十週，不用 Figma／Jira 用 Claude Code 打造新產品線 — Lenny’s Newsletter AI
  5. Ornith-1.0：會自我進化的開源代理編程模型 — Hacker News AI
  6. AI 代理如何管理記憶、避免「失憶」？ — ByteByteGo AI
  7. 三星、SK 海力士、美光在美遭控記憶體聯合壟斷 — Hacker News News
  8. video-use：用聊天跟 AI 代理把原始素材剪成成片 — GitHub Tools
  9. Import AI 463：自我改進機器人與中國萬卡 GPU 叢集 — Import AI AI
  10. Cursor 推出手機 App，隨時隨地指揮你的編程代理 — TechCrunch Tools
  11. 微軟 Azure Foundry 導入 Claude，搭載輝達 GB300 — 科技新報 AI

1. HackerRank 開源履歷篩選系統，同一份履歷跑出 74～90 分#

HackerRank 把自家的應徵者追蹤系統（ATS）開源，本意是提高招募透明度。但有工程師拿同一份履歷反覆丟進系統跑了一百次，分數在 74 到 90 之間劇烈跳動——同一份文件、同一套演算法，每次評分都不一樣。問題核心是評分非確定性，意味著大量履歷篩選其實取決於運氣而非實力。

  • 同一份履歷百次評分落在 74～90，16 分的落差約等於 18% 變異
  • 非確定性評分讓 ATS 變成「運氣篩子」，而非公平工具
  • 估計約 75% 合格候選人在人類審閱前就被 ATS 過濾——這次證明不穩定本身就是核心問題，不只是訓練資料偏誤

💡 為什麼重要：演算法招募的公信力被自家開源碼戳破。對求職者與招募方都是警訊——不要把單次 ATS 結果當真，多跑幾次、用集成式評分才合理。

🔗 閱讀原文 | 來源: Hacker News

2. 南韓砸逾 5,500 億美元擴記憶體廠，迎戰「記憶體之亂」#

南韓兩大記憶體廠三星與 SK 海力士宣布合計投入超過 5,500 億美元新建晶圓廠，直接回應 AI 工作負載造成的全球記憶體急性短缺（業界戲稱 RAMageddon）。此舉把南韓定位成與台積電抗衡的 AI 製造重鎮，也是對「AI 需求長期不墜」下的重注。

  • 投資規模逾 5,500 億美元，三星 + SK 海力士雙引擎，瞄準 AI 記憶體需求
  • GPU 短缺可能先緩解，記憶體頻寬將成 AI 訓練／推論的下一個瓶頸
  • 把先進產能從台灣分散出去，已明確成為南韓廠商的地緣戰略

💡 為什麼重要：算力之後，記憶體成為制約 AI 基礎設施擴張的硬限制。晶圓廠完工要 2-3 年，這筆錢決定了未來幾年 AI 算力的天花板。

🔗 閱讀原文 | 來源: TechCrunch

3. Qwen 3.6 27B：本地開發的甜蜜點#

阿里巴巴 Qwen 3.6 的 27B 版本被評為消費級硬體上跑本地 LLM 的「甜蜜點」——在 M 系列 MacBook 與 RTX GPU 上透過 llama.cpp 就能單機推論，搭配 OpenCode 即可做本地編程輔助，無需 API 費用與雲端延遲，編程任務表現直逼更大的模型。

  • 27B 是「筆電跑得動 + 編程品質夠用」的轉折點，再大要租機器、再小品質掉
  • 本地延遲約 200-500ms vs 雲端 API 的 1-5s，下載後幾乎零邊際成本
  • 適合結對編程、code review、重構等高頻任務，擺脫雲端廠商鎖定

💡 為什麼重要：當記憶體與算力都在漲價、被搶，「能在自己機器上跑得動」本身就是競爭力。本地優先工作流正從理想變成日常。

🔗 閱讀原文 | 來源: Hacker News

4. Gusto 五人十週，不用 Figma／Jira 用 Claude Code 打造新產品線#

Gusto 共同創辦人兼 CTO Eddie Kim 分享，一個五人小組用十週、捨棄幾乎所有傳統流程（沒有 Figma、Jira、文件），靠 Claude Code 從零打造出 AI 新產品 Gusto Cofounder。團隊用 PR 本身作為產品決策載體，以「長駐 Zoom」取代站立會議與 Slack，非技術設計師在 Claude Code 協助下程式碼產出達第 94 百分位。

  • 五人、十週、零傳統工具，PR 即規格、即決策
  • 非技術設計師也能產出高品質程式碼（第 94 百分位）
  • 「長駐 Zoom」取代非同步溝通，壓縮決策延遲

💡 為什麼重要：這是 AI 原生團隊運作的具體樣板——流程被大幅刪減，瓶頸從「寫得出來」變成「品味與判斷」。對小團隊是高槓桿的參考。

🔗 閱讀原文 | 來源: Lenny’s Newsletter

5. Ornith-1.0：會自我進化的開源代理編程模型#

DeepReinforce 發布首個模型 Ornith-1.0，基於 Gemma 4 與 Qwen 3.5，提供 9B 到 397B 多種規格，採 MIT 授權、256K 上下文。它最大的特點是用強化學習同時優化「解題過程」與「驅動解題的鷹架（scaffold）」，讓模型能自主探索更好的行動軌跡，在同規模開源模型的編程基準上達到領先。

  • 四種規格（9B/31B Dense、35B/397B MoE），MIT 授權、附 vLLM／SGLang 部署配方
  • RL 同時學「怎麼解」與「怎麼搭鷹架去解」，朝自我精煉推理邁進
  • 證明推理 + 鷹架優化不必靠兆級參數即可複製，利於分散式代理研究

💡 為什麼重要：開源代理模型正持續逼近閉源方案。自我進化的訓練框架是「模型自己改進自己」的重要一步，也讓中小團隊能在自有程式庫上微調代理。

🔗 閱讀原文 | 來源: Hacker News

6. AI 代理如何管理記憶、避免「失憶」？#

ByteByteGo 拆解 AI 代理的記憶架構：每個代理在每次訊息時其實都從空白狀態開始，模型只看到當下輸入的文字，所有「對話連續性」都是外部平台工程化插入的結果。文章說明平台如何在每次呼叫時組裝正確上下文，模擬出「持續記憶」的錯覺。

  • LLM 本身無狀態，每次呼叫都從零開始，記憶是平台「外掛」上去的
  • 上下文組裝（什麼該放進視窗、什麼該摘要／檢索）是代理工程的核心設計約束
  • 理解這層約束，才能設計出不會「失憶」也不會「塞爆」的代理

💡 為什麼重要：做代理／RAG 的人必讀的基礎心智模型。把記憶當成可工程化的外部系統，而非模型內建能力，才能對症下藥。

🔗 閱讀原文 | 來源: ByteByteGo

7. 三星、SK 海力士、美光在美遭控記憶體聯合壟斷#

在南韓宣布鉅額擴廠的同時，三星、SK 海力士、美光在美國聯邦法院遭控就 DRAM 與 NAND 快閃記憶體長期協同操控價格。三家合計掌握約九成 DRAM、八成 NAND 市場，若指控成立可能面臨損害賠償與結構性處分。

  • 三大廠掌握全球約九成 DRAM、八成 NAND，被控長期協同定價
  • 訴訟時點正逢供給吃緊與大舉擴產，形成「監管 vs 市場力量」的張力
  • 法律揭露程序可能曝光內部定價協調的通訊紀錄

💡 為什麼重要：一邊喊缺貨拚命蓋廠、一邊被控撐高價格——記憶體漲價背後到底是真短缺還是人為操控，這場官司會給出線索。

🔗 閱讀原文 | 來源: Hacker News

8. video-use：用聊天跟 AI 代理把原始素材剪成成片#

開源工具 video-use 讓你把原始影片丟進資料夾，直接用對話跟 Claude Code 說「剪成一支發佈影片」，它就會自動剪掉廢話、自動調色、燒上字幕、生成動畫覆蓋層。關鍵設計是它不「看」影片，而是讀逐字稿來剪——用 ElevenLabs Scribe 取得字級時間戳與講者分離，把成本降到極低。

  • 「不抓影格」的設計，token 成本比樸素做法低約 99.9%（12KB 文字 + PNG vs 4500 萬 token）
  • 流程 Transcribe→Pack→LLM 推理→EDL→Render→自我評估（最多修 3 次）
  • 適用任何內容類型（談話頭、蒙太奇、教學、訪談），不需預設模板

💡 為什麼重要：把「結構化輸入 + 按需視覺」的模式搬到影片，就像給 LLM DOM 而不是截圖。對做內容、做後製的人是直接可用的高槓桿工具。

🔗 閱讀原文 | 來源: GitHub

9. Import AI 463：自我改進機器人與中國萬卡 GPU 叢集#

本期重點是 NVIDIA 的 ENPIRE 框架，讓實體機器人透過與 AI 代理相同的「自主實驗→執行→評估→演化」迴圈來自我改進，內含環境重置、策略優化、平行評估與演化分析四大模組。本期也報導中國萬卡級 GPU 叢集的建設動態，以及一篇省思 AI 時代人類角色的長文。

  • ENPIRE 把「自我改進迴圈」從軟體代理延伸到實體機器人
  • 四大模組——環境重置、策略優化、平行評估、演化分析
  • 中國萬卡 GPU 叢集動態，呼應算力地緣競賽

💡 為什麼重要：自我改進的迴圈正從程式碼走向實體世界。當機器人能像代理一樣自己迭代，Physical AI 的進展速度可能被低估。

🔗 閱讀原文 | 來源: Import AI

10. Cursor 推出手機 App，隨時隨地指揮你的編程代理#

Cursor 推出行動 App，讓開發者離開電腦也能遠端指揮、查看 AI 編程代理的進度。這延續了「代理在背景跑、人只需在關鍵節點介入」的趨勢——編程從「坐在鍵盤前」變成「隨時下指令、隨時審核」。

  • 手機端遠端控制編程代理，背景任務隨時查看／介入
  • 呼應「人類只在關鍵節點審核」的代理工作流
  • 把編程的物理綁定（必須坐在電腦前）進一步鬆開

💡 為什麼重要：當代理能長時間自主跑，介面就會從 IDE 延伸到口袋。這是「監督式編程」普及化的一塊拼圖。

🔗 閱讀原文 | 來源: TechCrunch

11. 微軟 Azure Foundry 導入 Claude，搭載輝達 GB300#

Anthropic Claude 模型現可在微軟 Azure Foundry 上使用，並部署於輝達 GB300 Blackwell Ultra GPU。搭配 GB300 NVL72 系統與 Quantum-X800 InfiniBand 網路，可在企業規模上跑「代理協同」的 Agentic AI，並提供「安全代理工作區」參考設計處理身分／網路／憑證／政策管理。

  • Claude 進駐 Azure + GB300，主打企業級多代理協同
  • 附「安全代理工作區」參考設計，把治理下放到基礎設施層
  • 延續微軟—輝達—Anthropic 策略聯盟，主打降低 TCO

💡 為什麼重要：企業 AI 正從「評估模型」走向「生產部署代理」。雲廠 + 專用 GPU + 治理框架的組合，是多代理系統落地的關鍵基建——也再次印證 GB300 這類硬體才是當前真正的瓶頸資源。

🔗 閱讀原文 | 來源: 科技新報

推薦閱讀#

大神動態#

社群熱門#

中文技術圈#

開源精選 — GitHub Trending（本週）#

影音精選#

還沒買 MacBook 的人現在很痛——RAM 短缺逼漲 Apple 全線#

1d · Theo (t3.gg)

Theo (t3.gg)

Theo 分析 RAM 短缺如何把 Apple 電腦逼漲——這支正是「記憶體之亂」打到一般消費者的最佳註腳。

  • 滿配 M5 MacBook 從約 7,000 美元漲到近 10,000 美元
  • Mac Mini、HomePod、Apple TV 同受衝擊，iPhone 神奇躲過
  • 分享幾個短期取得接近原價的方法（時效有限）

Bloom Energy CEO：為何我們不在 AI 資本支出泡沫裡#

1d · 20VC

20VC

KR Sridhar 主張當智慧變充裕，電力才是真正稀缺資源，他認為能源主權比模型主權更重要。

  • 公司握約 200 億美元訂單積壓，目標年裝機 2 GW
  • Oracle 已成為最大客戶
  • 分散式電力才是真正民主化的關鍵

為何每個壟斷終將崩潰——市場自我修復論#

1d · 20VC

20VC

KR Sridhar 指出市場具備自我糾錯能力，並以美國 vs 歐盟的創新生態作強烈對比。

  • 美國前 20 大企業每十年大幅更迭
  • 政府監管與持股才是扼殺創新的最大威脅
  • 歐盟少有新興公司取代舊有大企業

今日觀察#

把今天的新聞連起來看，會發現一個安靜的權力轉移：AI 的稀缺性正在從「軟」掉回「硬」。當 Qwen 3.6 27B 已能在筆電上跑、Ornith-1.0 開源模型在編程基準上逼近閉源，純粹「模型多聰明」這條護城河正在變窄；於是真正卡住所有人的，反而是最不性感的兩塊實體——南韓豪賭 5,500 億美元的記憶體，與 Bloom Energy 口中那「比模型更稀缺的電力」。耐人尋味的是，同一批記憶體大廠一邊喊缺貨擴廠、一邊被控聯合壟斷，提醒我們漲價未必全是真短缺。對開發者而言，這個轉移其實是解放——當最強的模型逐漸變成人人可得的商品，你的價值不再是「能不能拿到最強的 AI」，而是「能不能用手邊跑得動的工具，把一件事做到別人做不到的程度」。模型會變便宜，記憶體與電力會貴下去，但判斷力與手藝，永遠是稀缺資源。

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