yii.
← Digest
EP126 · 2026年7月7日 星期二 · 8 min read

模型越強，錢越往上層跑

每天花 1% 的時間，掌握科技脈動。

能力還在狂飆，護城河已經開始上移——同一天，AI 自己寫出快 18.71 倍的 GPU 核心，投資人卻說前沿模型贏不了應用層。

今日金句#

“Do you get all your intelligence from one place? Or do you get a building block from one provider, and then you build on top of it?” 「你要把所有智慧都押在同一家？還是從一家拿一塊積木，然後在上面往上疊自己的東西？」 — Guillermo Rauch, Vercel CEO

“Our business today is not healthy — operating at margins 3–10x lower than comparable platform and publishing businesses.” 「我們今天的業務並不健康——利潤率比同類平台和發行業務低了 3 到 10 倍。」 — Asha Sharma, Xbox CEO

今日主軸：模型越強，錢越往上層跑#

今天有兩條線同時發生，放在一起看特別有意思。一條是「模型能力還在狂飆」：Anthropic 的 Fable 自己寫出了 KernelBench-Mega 上最快的 GPU megakernel，比最佳 PyTorch baseline 快 18.71 倍，還一路輾過 Opus 4.8、GLM-5.2 和 GPT-5.5——AI 已經不只是跑推理，而是自己動手優化底層基礎設施。另一條線卻是「錢正在離開模型」：Vercel CEO Guillermo Rauch 主張把模型和 agent 徹底拆開、像雲端一樣多家混用；USV 合夥人 Mike Mignano 直接說「OpenAI 和 Anthropic 贏不了應用層」，因為企業裡約 80% 的任務根本用不到前沿模型。這兩條線指向同一件事：模型本身正在快速商品化，真正的價值和護城河，正從模型層往上移到協調層與應用層。就連 TeraWulf 拿下 Anthropic 20 年、190 億美元的算力長約，也是把「智慧」拆成一格一格的基礎設施在承包。當底層越強、越便宜、越可替換，能贏的人就越不是「誰的模型最大」，而是「誰把這些積木疊成別人離不開的東西」。

必讀#

  1. Import AI 464：Fable 寫出最快的 GPU megakernel（快 18.71 倍） — Import AI AI
  2. Anthropic 研究：語言模型裡的「global workspace」 — Anthropic AI
  3. 阿根廷擬立法允許 AI 全自動營運公司，設「非人類公司」新類別 — 科技新報 AI
  4. TeraWulf 拿下 Anthropic 20 年、190 億美元算力長約 — 科技新報 AI
  5. Vercel CEO Rauch：該把模型和 agent 拆開了 — TechCrunch AI
  6. USV Mignano：OpenAI 和 Anthropic 贏不了應用層 — 20VC Startup
  7. 微軟裁員約 4,800 人，Xbox 部門重災 — TechCrunch Business
  8. Godot 更新貢獻規範，禁止 AI 代理提交程式碼 — iThome Dev
  9. Lenny：Sonnet 5 深度評測——便宜不代表划算 — Lenny’s AI
  10. Claude Cowork 沙箱遭指可被濫用取得 VM Root 權限 — iThome Security

1. Import AI 464：Fable 寫出最快的 GPU megakernel#

Anthropic 的 Fable 模型在 KernelBench-Mega 排行榜上寫出最快的 GPU megakernel，於 RTX PRO 6000 Blackwell 上比最佳 PyTorch baseline 快 18.71 倍，超越 Opus 4.8（14.4x）、GLM-5.2（11.14x）與 GPT-5.5（4.34x）。關鍵在於它每解碼一個 token 只需啟動一次協作核心，競品需要 4～14 次，大幅砍掉核心間的通訊開銷。

  • AI 不只跑推理，而是自主編寫並優化底層 CUDA 核心，達到人類優化級別
  • torch.profiler 顯示每個 token 只有一次 cooperative kernel launch，是效能突破的核心
  • AI 開始優化「跑 AI 的基礎設施」，是遞迴自我改進（RSI）迴圈的早期訊號

💡 當模型能自己讓自己跑得更快、更便宜，前沿能力的商品化會加速，也把價值進一步推離模型層本身。

🔗 閱讀原文 | 來源: Import AI

2. Anthropic 研究：語言模型裡的「global workspace」#

Anthropic 發現 Claude 內部自然浮現一個類似人類「有意識存取」的神經工作區（J-space），並用 Jacobian lens 證實它會因果驅動推理，而非隱藏副產品。研究者能在其中注入概念、甚至反向改寫答案：把推理裡的「蜘蛛」換成「螞蟻」，模型算腳的數字就從 8 變 6。

  • J-space 佔不到整體運算量的十分之一，只在高階推理時啟動；流暢語音、文法、簡單事實查詢不需要它
  • 可用來監控模型隱藏的不當行為與安全評估作弊，是可解釋性的新工具
  • 神經網路自發演化出鏡像人類意識理論的工作區結構

💡 模型越來越像「會思考」，但可解釋性同步進步，才可能讓這種能力安全地接進真實決策。

🔗 閱讀原文 | 來源: Anthropic

3. 阿根廷擬立法允許 AI 全自動營運公司#

阿根廷提案創設「非人類公司」法人類別，可由 AI 代理或機器人完全營運、獨立簽約與持有資產，人類股東變成可選項。但條文仍保留兩道人類門檻：成立時需人類創辦人承擔無限債務責任、簽文件需法務代理人。被評為「缺乏新穎性的結構性改革」。

  • 全球首個嘗試在法律上承認完全由 AI 營運的企業
  • 實務上仍留「出事有人揹鍋」的責任後門，自主宣稱與現實有落差
  • 與全球強化 AI 監管的趨勢相悖，可能引發跨國套利與監管競賽

💡 大家都想要 AI 的效率，但沒人敢把「責任」也一起交出去——這道落差會決定 AI 自治的真實邊界。

🔗 閱讀原文 | 來源: 科技新報

4. TeraWulf 拿下 Anthropic 20 年、190 億美元算力長約#

TeraWulf 與 Anthropic 簽下 20 年、總額約 190 億美元的算力租約（肯塔基 Hawesville），2027 年末啟用、2028 年初達滿載 401 MW。Anthropic 已在 AWS、Google Cloud、CoreWeave、Akamai、xAI Colossus 等多家承租超過 10 GW 算力。

  • 年均約 9.5 億美元的可預測現金流，驗證長期算力基礎設施策略
  • 頭部 AI 廠商走向多元算力採購，降低單一供應商風險與成本
  • 把「智慧」拆成一格格的基礎設施承包，正是價值上移的另一面

💡 底層算力被當成長約商品在簽，越往下越像水電，越突顯上層應用才是差異化所在。

🔗 閱讀原文 | 來源: 科技新報

5. Vercel CEO Rauch：該把模型和 agent 拆開了#

Vercel CEO Guillermo Rauch 倡議把 AI 模型與 agent 解耦，像傳統軟體一樣混用多家供應商。他指出生產環境自然會比較 OpenAI、Anthropic、Gemini、DeepSeek、GLM-5.2 的價格/效能，並警告頭部廠商增加 agent 託管其實是想垂直整合、形成壟斷。

  • 解耦架構讓企業能動態切換模型供應商，類似雲端多廠商策略
  • Vercel 定位為「這一代的 AWS」，靠開放標準而非專有整合取勝
  • 若解耦成標準，將削弱單一廠商定價權、加劇 API 價格戰

💡 這是「模型商品化、價值上移」最直接的產業主張，也是今天主軸的核心錨點。

🔗 閱讀原文 | 來源: TechCrunch

6. USV Mignano：OpenAI 和 Anthropic 贏不了應用層#

USV 合夥人、Anchor 共同創辦人 Mike Mignano 認為 AI 基礎建設階段已過、重心正轉向應用層；企業裡約 80% 的任務不需要前沿模型，中國開源模型具備優勢。他也提到系列 A 估值已飆到 8000 萬～1.5 億美元。

  • 模型供應商想吃應用層，但應用層的贏家未必是模型商
  • 80% 任務不需前沿模型 → 開源與便宜模型的實戰空間巨大
  • 投資邏輯轉向「能徹底顛覆市場」而非漸進式自動化

💡 投資人用真金白銀為「價值往應用層移」背書，和 Rauch 的技術主張互相印證。

🔗 觀看影片 | 來源: 20VC

7. 微軟裁員約 4,800 人，Xbox 部門重災#

微軟宣布裁員約 4,800 人（約全球 2.1% 員工），Xbox 部門損失約 1,600 個職位。Xbox CEO Asha Sharma 坦言遊戲業務「今日並不健康」，營業利潤率比同類平台/發行業務低 3～10 倍。微軟稱這是適應技術變化，而非 AI 直接取代。

  • 主機硬體與 Game Pass 訂閱模式收入不如預期，逼出史上最大重組
  • 年度裁員總量約 3,200 人，將持續至 FY2027 結束
  • 龍頭選擇瘦身而非加碼新技術，與其 AI 激進態度形成對比

💡 在「AI 敘事」最熱的當下，最大科技公司之一反手砍掉獲利率不佳的業務，是產業現實面的冷水。

🔗 閱讀原文 | 來源: TechCrunch

8. Godot 更新貢獻規範，禁止 AI 代理提交程式碼#

開源遊戲引擎 Godot 更新貢獻規範，禁止自主型 AI 代理直接提交程式碼，並要求開發者揭露 AI 輔助編寫。此舉在開源社群引發關於「AI 產出品質與維護負擔」的辯論。

  • 與近期「認知債務」、可維護性的討論同一條脈絡
  • 開源專案開始設界線，不是反 AI，而是反「無人負責的 AI 產出」
  • 對照阿根廷「非人類公司」，同一天兩種對 AI 責任的相反態度

💡 當人人談 AI 寫程式，維護者的立場提醒我們「誰為這段程式負責」才是關鍵。

🔗 閱讀原文 | 來源: iThome

9. Lenny：Sonnet 5 深度評測——便宜不代表划算#

Claire Vo 現場用 Claude Code 建立「How I AI Bench」盲測框架，實測 Sonnet 5 對戰 Sonnet 4.6、Opus 4.8、GPT-5.5、Gemini 3 Pro。Sonnet 5 定價落在中間帶（$2/$10 每百萬 token），卻在人類偏好排名墊底；自動評分偏向 Gemini 3 Pro，人類更認可 Sonnet 4.6。

  • 最新版不等於最優，須以真實用例實測而非盲追版本
  • 自動評分（LLM-as-judge）與人類偏好高度不一致，可重複性才是基準關鍵
  • Sonnet 5 適合複雜代碼分析/文件/計畫；原型迭代仍推 Sonnet 4.6

💡 模型細分化時代，選型能力比追新版更值錢——這本身就是「上層」工夫。

🔗 閱讀原文 | 來源: Lenny’s Newsletter

10. Claude Cowork 沙箱遭指可被濫用取得 VM Root 權限#

資安團隊 Armadin 指出 Claude Desktop（Windows 版）的 Cowork 沙箱隔離可能存在漏洞，攻擊者在本機執行程式後有機會取得虛擬機器的 Root 權限。

  • AI 桌面代理的沙箱邊界成為新的攻擊面
  • 把 agent 接進本機環境的便利，伴隨權限外洩風險
  • 與 Godot 的謹慎、ChatGPT 提示注入修補同屬「AI 執行安全」主題

💡 agent 越能動手做事，沙箱與權限治理就越是不能省的基本功。

🔗 閱讀原文 | 來源: iThome

推薦閱讀#

大神動態#

  • Simon Willison：sqlite-utils 4.0rc3 — 用 Fable 5 + GPT-5.5 一起清 issue/PR，changelog 越長只好先出 rc3，最大新功能是複合外鍵
  • Jack Clark（Import AI）：本期報導 Fable 寫出最快 GPU megakernel（詳見必讀 #1）

中文技術圈#

開源精選#

elder-plinius/T3MP3ST — TypeScript | ⭐ 2.6K 自主紅隊、攻擊性安全的多代理 meta-harness

ammaarreshi/Generals-Mac-iOS-iPad — C++ | ⭐ 1.1K 《C&C 將軍：絕命時刻》原生跑在 macOS/iPhone/iPad

jamesob/local-llm — Shell | ⭐ 1.1K 本地跑大模型的完整知識整理

synthetic-sciences/openscience — TypeScript | ⭐ 752 開源 AI 科學研究工作台

Kulaxyz/token-diet — Shell | ⭐ 597 coding agent 的 token 節流 skill，號稱平均省 31% 帳單

514-labs/dnsglobe — Rust | ⭐ 533 終端機看 DNS 全球傳播的世界地圖 TUI

HKUDS/OpenOPC — Python | ⭐ 508 自建自營自我成長的 AI 原生公司框架

dzhng/skills — JavaScript | ⭐ 456 coding agent skills 集合

影音精選#

A proper guide to Fable 5#

26 小時前 · Theo (t3.gg)

Theo (t3.gg)

Theo 分享 Fable 5 心得：它不只是「更聰明的 Opus」，而是能端到端完成實作、測試與驗證，並把大型 agent 任務拆給便宜的 sub-agent（Codex、GPT-5.5）處理。他把一次 5.5 小時的 agent 執行成本，從數千美元壓到約 150 美元。

  • 照舊有 Opus 的用法用 Fable 5，效果不會明顯提升，得改工作流程
  • 用協調更便宜的模型分工，是大幅降本的關鍵
  • 更新 CLAUDE.md 與 skills 設定後，3 天清完一個月積壓

「Maximise Token Spend」新創該做的事#

14 小時前 · 20VC

20VC

USV 新任 GP Mike Mignano 主張，若他現在是新創 CEO，仍會全力主張最大化 token 花費——這個階段 AI 產品的競爭關鍵是速度與先發，而非省成本。

  • 現階段應積極投入 token 使用量，而非過早節流
  • USV 偏好投資能徹底顛覆市場與商業模式的公司

你的產品可能只是一個 Markdown 檔案#

11 小時前 · Theo (t3.gg)

Theo (t3.gg)

Theo 在 AI Engineer 2026 指出，許多新創的核心「產品」現在其實只是一份 markdown 文件——透過 Codex 或 Claude 就能直接執行 markdown 指令，過去需要完整程式碼的功能如今被大幅簡化。

  • 許多新創的產品邏輯可直接寫成 markdown，再交給 AI agent 執行
  • 反映 AI coding agent 已能取代大量傳統開發工作

社群熱門#

今日觀察#

把今天的新聞疊在一起，會看到一個很反直覺的對照：Fable 自己寫出快 18.71 倍的 GPU 核心、Anthropic 在 Claude 裡找到類意識的推理工作區，模型的「能力」明顯還在陡峭上升；但同一天最有份量的判斷，卻幾乎都在講「別把賭注押在模型上」——Rauch 要把模型和 agent 拆開混用，Mignano 直說前沿廠贏不了應用層、80% 的任務根本不需要它，連 TeraWulf 那筆 190 億美元的長約也只是把智慧當成水電在承包。當底層越強、越便宜、越可替換，稀缺性就會往上遷移：從「誰的模型最大」變成「誰把這些積木疊成別人離不開的產品」。而 Godot 禁止 AI 代理提交、阿根廷卻想讓 AI 開公司，又提醒我們這條上移之路真正的分水嶺，不是能力，是「誰為結果負責」——對每個個人工作者來說，把時間投在模型之上那層薄薄的判斷與整合，可能比追每一次版本更新更保值。

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