yii.
← Digest
EP124 · 2026年7月4日 星期六 · 11 min read

潮水退了，AI 開始算三筆帳

熱錢退場，真實帳單登場

每天花 1% 的時間，掌握科技脈動。

今日金句#

“AI agent progress had not accelerated in the way the company previously anticipated.” 「AI Agent 的進展，並沒有像公司先前預期的那樣加速。」 — Mark Zuckerberg, Meta CEO（對全員坦承，2026 年 AI 基建投資達 1450 億美元）

“An image’s token cost is fixed by its pixel dimensions, not by how much text is inside it.” 「一張圖的 token 成本由它的像素尺寸決定，跟裡面塞了多少文字無關。」 — pxpipe, 開源專案設計原則（把程式碼轉成圖片讓模型 OCR，砍掉 6 成 token 成本）

今日主軸：潮水退了，AI 開始算三筆帳#

今天的科技圈沒有華麗新模型發表，卻同時在算三筆遲來的帳。第一筆是成本帳：Coinbase 執行長透露公司這一季把 AI 支出直接砍半、用量反而上升，秘密是改用開源模型取代前沿模型；HN 上同一天衝上熱門的 local-llm 指南與 pxpipe（把程式碼變成圖片省 6 成 token）都在講同一件事——付溢價給前沿 API 的時代正被重新盤算。第二筆是信任帳：阿里巴巴宣布 7/10 起全面禁用 Claude，指控 Claude Code 會回傳訊號、甚至標記中國使用者；這與 Anthropic 反控阿里用 2.5 萬個帳號「蒸餾」Claude 的糾紛，把 AI 工具採購第一次推上國家安全層級。第三筆是時程帳：Zuckerberg 對全員坦承，砸下 1450 億美元、重組上萬員工後，AI Agent 的進度並沒有如預期加速；同一時間 AI Engineer World’s Fair 的閉幕辯論也分裂成「自主編碼迴圈已不可逆」與「炒作跑在工程紀律前面」兩派。三筆帳指向同一個轉折：市場開始從「AI 能做什麼」，轉向「AI 到底值多少、能信多少、要等多久」。

必讀#

  1. Coinbase 一季砍半 AI 支出，開源正在侵蝕前沿模型營收 — 20VC Startup
  2. 阿里巴巴 7/10 全面禁用 Claude，指控回傳訊號並標記中國用戶 — 科技新報 AI
  3. Zuckerberg 對全員坦承：AI Agent 進度不如預期 — TechCrunch AI
  4. 開源 AI 缺口地圖：421 項產品全面盤點 — Simon Willison AI
  5. Anthropic 洽談與三星合作自研 AI 芯片 — TechCrunch AI
  6. jamesob 的本地跑頂級大模型完整指南 — Hacker News AI
  7. AI 工程界的迴圈大辯論：AIEWF 閉幕日直擊 — Latent Space AI
  8. pxpipe：把程式碼轉成圖片 OCR，砍 6 成 token 成本 — Hacker News Tools
  9. Theo：我們正處在 AI 泡沫裡，但價值多大還未知 — YouTube AI
  10. 硅谷101 對話 Nathan Lambert：美國研究者眼中的中國 AI — YouTube AI
  11. Simon Willison 用自家函式庫打造仿 Claude Code 編碼代理 — Simon Willison Dev
  12. 課程創作者示警：AI 讓線上課程銷量腰斬 — Simon Willison News
  13. Meta 靜默推出 vibe-coded 遊戲平台 Pocket — TechCrunch Dev
  14. 與其下死規則，不如讓 Fable 自行判斷何時寫測試 — Simon Willison AI

1. Coinbase 一季砍半 AI 支出，開源正在侵蝕前沿模型營收#

20VC 本集揭露 Coinbase 執行長 Brian Armstrong 的數據——公司本季 AI 支出直接砍半，但使用量不減反增，秘密是把前沿模型換成開源模型。來賓認為這不是個案，而是「開源正在侵蝕前沿模型營收成長」的縮影，也就是 Token ROI 危機。同集延伸討論 Anthropic 對中國模型的蒸餾指控、微軟成長放緩卻無自家頂尖模型、Kalshi 400 億估值與 SpaceX IPO 對 Anthropic/OpenAI 上市時程的連動。

  • Coinbase 本季 AI 支出砍半、用量反升，因改用開源取代前沿模型
  • 來賓直指這是「開源侵蝕前沿營收成長」的系統性訊號
  • 同集串連蒸餾指控、微軟困境、Kalshi 400 億估值與 SpaceX IPO 效應

💡 為什麼重要：當連 Coinbase 這種現金充沛的公司都在砍前沿模型支出，代表企業開始把「開源夠不夠用」當成預設問題，而非備案——這會直接壓縮 OpenAI/Anthropic 的定價空間。

🔗 觀看影片 | 來源: 20VC

2. 阿里巴巴 7/10 全面禁用 Claude，指控回傳訊號並標記中國用戶#

阿里巴巴宣布自 2026 年 7 月 10 日起，禁止員工使用所有 Anthropic 產品（含 Sonnet、Opus、Fable），並要求卸載相關工具。內部指控 Claude Code 具「可將訊號回傳系統」的功能，甚至會檢測 API 位址是否含阿里、螞蟻、字節等中國公司參考，透過隱藏系統提示「標記中國使用者」。這與先前 Anthropic 反控阿里用約 2.5 萬個詐欺帳號「蒸餾」Claude、產生逾 2,800 萬次互動的糾紛互為前情，事件已升級至美國參議院銀行委員會的國安層級。

  • 7/10 起全面封禁 Anthropic 產品，理由是資料回傳與使用者標記疑慮
  • 與 Anthropic 反控阿里「蒸餾」Claude（2.5 萬帳號、2,800 萬次互動）互為攻防
  • AI 工具採購第一次被推上國家安全層級

💡 為什麼重要：這是 AI 工具信任危機的臨界點——企業選 AI 工具從比功能/價格，轉向評估資料主權與地緣政治風險，也讓開源黑盒更少的方案成為避險選項。

🔗 閱讀原文 | 來源: 科技新報

3. Zuckerberg 對全員坦承：AI Agent 進度不如預期#

Zuckerberg 在 Meta 全員大會坦承，AI Agent 的進展沒有如公司先前預期地加速。此前 Meta 裁員 8,000 人（約 10%）、再把 7,000 人重新分配到 AI 部門（含 Agent Transformation 單位），2026 年 AI 基建投資達 1,450 億美元，但工程師普遍反映該單位環境艱難。他預期還要 3–6 個月才看得到重組成效。

  • 1,450 億美元投資、重組上萬員工，Agent 成效仍不及預期
  • 裁員 8,000 + 轉配 7,000，AI 單位工程師反映環境困難
  • Zuckerberg 預期改善窗口為 3–6 個月，暗示落後規劃逾兩季

💡 為什麼重要：連投入最猛的 Meta 都公開承認「沒那麼快」，戳破了業界對 Agent 時程的樂觀泡沫，企業該重新校準 Agent 投資的規模與期程，從特定領域試點而非全面轉型。

🔗 閱讀原文 | 來源: TechCrunch

4. 開源 AI 缺口地圖：421 項產品全面盤點#

非營利組織 Current AI 發布 Gap Map v0.1（MIT 授權），系統性編目 421 項開源 AI 產品——266 個軟體工具/程式庫、85 個模型、50 個資料集、20 個硬體專案，由 228 個組織開發，另追蹤約 24,400 個未分類產品的長尾。背後有 1,184 個 YAML 檔與 16,185 個追蹤中的 GitHub repo，Simon Willison 示範用 Datasette Lite 直接探索原始資料。

  • 首個系統性的開源 AI 生態知識圖譜，涵蓋三層技術棧、14 個功能類別
  • 421 項精編產品 + 約 24,400 項長尾，資料全部 MIT 開放
  • Simon 特別看重底層 YAML/GitHub 原始資料的可探索性

💡 為什麼重要：在閉源模型壟斷應用層的時代，這份地圖第一次把開源替代方案的廣度攤開，成為企業選型「先看開源夠不夠」的對照基準——正好呼應今天的開源侵蝕主軸。

🔗 閱讀原文 | 來源: Simon Willison

5. Anthropic 洽談與三星合作自研 AI 芯片#

Anthropic 正與三星就自研 AI 芯片進行初步討論，用途與規格尚未定案。此舉呼應 OpenAI 上週發表的 Jalapeño 推理處理器（與 Broadcom 合作），顯示每家主要 AI 公司都在追求芯片獨立、擺脫 Nvidia 單一供應瓶頸。三星既有替 Nvidia 代工與韓國 AI 芯片廠合作經驗，製造信譽足夠。

  • Anthropic 加入自研芯片行列，回應 OpenAI 的 Jalapeño
  • 三星具代工信譽，但合作規格與時程未定
  • Anthropic 強調「多元化硬體棧（Google/Amazon/Nvidia）仍將至關重要」

💡 為什麼重要：AI 產業的「去 Nvidia 化」全面加速，推理成本成為競爭焦點，專有芯片正變成大型 AI 企業的標配，也牽動 2027–2028 的供應鏈布局。

🔗 閱讀原文 | 來源: TechCrunch

6. jamesob 的本地跑頂級大模型完整指南#

這份 HN 熱門指南詳盡涵蓋從 2,000 到 40,000 美元級別的本地 LLM 硬體堆疊，包含 PCIe Gen4 交換機讓 GPU 直連（單向 27.5 GB/s）、GLM-5.2-594B 在 460k 上下文下達 ~80 tokens/秒，並附完整 Docker、Whisper 語音整合與基準測試工具。基礎系統約 5,587 美元（EPYC 7313P + 128GB ECC + 雙 RTX 3090）。

  • 從入門到旗艦的完整本地推理硬體清單與 BIOS/核心調校
  • GLM-5.2-594B 在 460k 上下文達 ~80 tokens/秒
  • 附 Docker、Whisper、GPU 基準測試等實作工具

💡 為什麼重要：與 Coinbase 砍半支出同一天衝熱門，說明「把推理搬回自己機器」已從極客實驗變成企業級成本與資料主權選項。

🔗 閱讀原文 | 來源: Hacker News

7. AI 工程界的迴圈大辯論：AIEWF 閉幕日直擊#

在 AI Engineer World’s Fair 閉幕辯論中，Geoffrey Huntley 一派主張自主編碼迴圈已是不可逆趨勢，Dex Horthy 一派則反駁「炒作已跑在工程紀律前面」，認為現階段該把抽象層級往下拉而非往上推。這場辯論濃縮了整場大會對「自主軟體工廠是否已可行」的核心分歧。

  • 兩派對「自主編碼迴圈」是否成熟針鋒相對
  • 反方主張現在該降低抽象層級、重建工程紀律
  • 辯論反映 agentic coding 從熱情期進入務實檢討期

💡 為什麼重要：這是「時程帳」的技術版本——即使最前線的 AI 工程師社群，對 Agent 能否取代人力的時間表也沒有共識。

🔗 閱讀原文 | 來源: Latent Space

8. pxpipe：把程式碼轉成圖片 OCR，砍 6 成 token 成本#

pxpipe 透過把文字程式碼轉成 PNG 圖片、利用「圖片 token 成本由像素決定」的特性，實現 59–70% 端到端成本節省，圖片編碼密度達 3.1 字元/token（文字約 1 字元/token）。適合壓縮大型工具輸出、舊對話歷史與靜態系統提示，透過本地代理 npx pxpipe-proxy 一鍵啟動、免改程式碼。但它是 lossy 的：Opus 在 12 位十六進位精確召回上失敗率 100%，密碼/金鑰等敏感內容務必保持文字。

  • 圖片化程式碼砍 6 成 token，SWE-bench Lite 成績持平（10/10）
  • 本地代理即插即用，無需修改現有 API 呼叫
  • lossy 特性下，安全敏感資料須維持文字，避免幻覺

💡 為什麼重要：這是協議層（而非模型層）的成本創新，正好搭上今天「大家開始認真算 token 帳」的風向。

🔗 閱讀原文 | 來源: Hacker News

9. Theo：我們正處在 AI 泡沫裡，但價值多大還未知#

Theo 直言他認為現在就是 AI 泡沫，但強調泡沫不代表底層技術沒價值。他用 NFT（無價值端）與網際網路本身（真實價值端）當光譜兩端——dot-com 泡沫確實存在，但破的是域名炒作等邊緣環節，網路本身從不是泡沫；AI 究竟落在光譜哪個位置，仍是未知數。

  • 承認身處泡沫，但泡沫 ≠ 底層無價值
  • 以 NFT vs 網際網路作為價值光譜兩端
  • AI 的真實落點仍待觀察

💡 為什麼重要：替今天的「成本帳」提供了框架——市場不是在否定 AI，而是在重新定價它到底值多少。

🔗 觀看影片 | 來源: Theo (t3.gg)

10. 硅谷101 對話 Nathan Lambert：美國研究者眼中的中國 AI#

Ai2 後訓練負責人 Nathan Lambert 分享今年 4 月走訪阿里、月之暗面、智譜、美團、小米等中國 AI 實驗室的觀察，指出中國實驗室最大劣勢仍是算力——Meta 或 OpenAI 擁有的 GPU 比所有中國公司加總還多。訪談也談中美前沿模型差距、開源作為中國 AI 最重要的對外名片，以及美國業界對開放權重模型風險的疑慮。

  • 中國實驗室最大瓶頸是算力，GPU 總量落後美國巨頭
  • 開源模型是中國 AI 最重要的全球名片
  • 數據與應用層仍是短板

💡 為什麼重要：與阿里禁 Claude、蒸餾指控合看，構成今天「信任帳」的地緣政治全景——開源既是中國的突圍口，也是全球企業的避險口。

🔗 觀看影片 | 來源: 硅谷101

11. Simon Willison 用自家函式庫打造仿 Claude Code 編碼代理#

Simon Willison 釋出實驗性專案 llm-coding-agent 0.1a0，以他的 LLM 函式庫為基礎，打造一個類似 Claude Code、具讀寫檔案與執行指令能力的編碼 agent。整個專案由 Fable 5 依 spec 以紅綠 TDD 撰寫，已上傳 PyPI 可用 uvx 直接安裝試玩。

  • 用個人 LLM 函式庫復刻 Claude Code 核心能力
  • 全程由 Fable 5 以紅綠 TDD 完成
  • 已上 PyPI，uvx 即可試用

💡 為什麼重要：呼應本地化與開源自建的主軸——連編碼 agent 本身都能被個人用開源函式庫復刻出來。

🔗 閱讀原文 | 來源: Simon Willison

12. 課程創作者示警：AI 讓線上課程銷量腰斬#

前端開發者 Josh W. Comeau 分享自己第三堂課程銷量僅達往常的三分之一，他歸因於雙重因素：許多人擔心工程師工作前景而不願投資學習，加上 LLM 已能提供個人化教學、降低付費課程誘因。多位課程創作者證實普遍面臨營收腰斬以上的衝擊。

  • 知名前端課程銷量掉到往常的 1/3
  • 需求端焦慮 + 供給端被 LLM 個人化教學取代，雙重夾擊
  • 多位創作者證實這是普遍現象

💡 為什麼重要：這是 AI 衝擊知識工作最具體的一筆帳——當學習本身可被 AI 免費個人化，付費教育內容的商業模式正被重寫。

🔗 閱讀原文 | 來源: Simon Willison

13. Meta 靜默推出 vibe-coded 遊戲平台 Pocket#

Meta 於 6/29 靜默推出 Pocket，一個用文字提示即可生成互動小遊戲的 AI 平台，源自年初收購的 Gizmo 團隊（前 Snapchat 工程師創辦，原應用達 63.5 萬次安裝、98% 好評）。Pocket 採發現式 Feed，整合創作工具與社交遊戲中心，支援 iOS/Android。

  • 文字提示生成可玩迷你遊戲，門檻大幅降低
  • 源自收購的 Gizmo 團隊，原產品口碑極佳
  • Meta 採「靜默推出」做實驗性市場驗證

💡 為什麼重要：vibe-coding 從開發工具延伸到消費者內容創作，可能像 Roblox 之於遊戲那樣，開啟一波創作民主化。

🔗 閱讀原文 | 來源: TechCrunch

14. 與其下死規則，不如讓 Fable 自行判斷何時寫測試#

Simon Willison 分享在 AIE 與 Claude Code 團隊爐邊對談的心得：與其硬性規定 agent 何時該寫測試，不如讓 Fable（以及某程度上的 Opus）運用自己的判斷力。他也實測讓 Claude Code 把一般編碼任務委派給較低算力的子代理，在漲價前節省 token 花費。

  • 與其寫死規則，不如信任高階模型的判斷
  • 把一般任務委派給低算力子代理省 token
  • 反映 agent 設計從「控制」轉向「授權」的思路

💡 為什麼重要：又一個省 token 的實戰技巧，也點出 agent 工程正在從硬規則走向「判斷力導向」的設計哲學。

🔗 閱讀原文 | 來源: Simon Willison

推薦閱讀#

大神動態#

  • Simon Willison：一天連發多篇 AIE 觀察與實作——開源 Gap Map、llm-coding-agent、讓 Fable 自行判斷（詳見必讀 #4、#11、#14）
  • Mark Zuckerberg：對 Meta 全員坦承 AI Agent 進度不如預期（詳見必讀 #3）

中文技術圈#

開源精選 — GitHub Trending（本週）#

影音精選#

Coinbase 砍半 AI 支出、Kalshi 400 億估值#

近 2 天 · 20VC

20VC

Coinbase 本季 AI 支出砍半但用量上升，因改用開源取代前沿模型；來賓認為這反映開源正侵蝕前沿模型營收成長。同集串連 Anthropic 蒸餾指控、微軟成長放緩、Kalshi 400 億估值與 SpaceX IPO 對上市時程的影響。

  • 開源替代前沿模型成為企業省成本的主力手段
  • Token ROI 危機：前沿模型的溢價正被重新檢視
  • SpaceX IPO 可能牽動 Anthropic/OpenAI 的上市時程

對話 Nathan Lambert：美國研究者眼中的中國 AI#

近 15h · 硅谷101

硅谷101

Ai2 後訓練負責人走訪阿里、月之暗面、智譜、美團、小米，指出中國實驗室最大劣勢是算力，開源模型是中國 AI 最重要的對外名片，數據與應用層仍是短板。

  • 中國實驗室最大瓶頸是算力，GPU 總量落後美國巨頭
  • 開源模型是中國 AI 對外的關鍵名片
  • 數據與應用層是下一個要補的短板

我們正處在 AI 泡沫裡嗎？#

近 15h · Theo (t3.gg)

Theo

Theo 認為現在確實是泡沫，但泡沫不代表底層無價值，用 NFT 與網際網路作為價值光譜兩端，強調 AI 落點仍未知。

  • 承認身處泡沫，但泡沫 ≠ 底層無價值
  • NFT vs 網際網路：價值光譜的兩端
  • AI 的真實落點仍待市場驗證

美國會禁用中國 AI 模型嗎？#

近 27h · 20VC

20VC

討論 Anthropic 若配合政府限制海外存取，交換條件可能是立法禁止經法院證實蒸餾美國模型的中國模型，來賓視為針對開源崛起的策略布局。

  • 「配合政府限制」換「立法禁止蒸餾中國模型」的政策交換
  • 前提是模型蒸餾行為需先在美國法院被證實
  • 來賓認為這是 Anthropic 針對開源崛起的布局

今日觀察#

有意思的是，今天沒有任何一家公司發表新模型，科技圈的能量卻異常集中——全都在「算帳」。Coinbase 砍半 AI 支出改用開源、HN 同時把 local-llm 與 pxpipe 推上熱門，是在算成本帳；阿里 7/10 全面禁 Claude、與 Anthropic 的蒸餾攻防升級到國安層級，是在算信任帳；而 Zuckerberg 砸 1450 億美元後對全員承認「Agent 沒那麼快」、AIEWF 閉幕辯論分裂成兩派，則是在算時程帳。把 Theo 的泡沫比喻放進來就更清楚了：市場並不是在否定 AI，而是第一次認真地替它定價——它到底值多少、能信多少、要等多久。有趣的對照是，這三筆帳的答案幾乎都指向同一個避風港：開源。當前沿模型的溢價、黑盒與時程都被打上問號，「自己能跑、看得懂、管得住」反而成了最踏實的護城河。對開發者來說，這一天的訊號很實際——與其追每一個新模型，不如把「降低對單一供應商的依賴」當成今年真正該練的基本功。

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