大家開始拿計算機出來，幫 AI 算帳
敘事從「AI 行不行」換成「值多少、算誰的」 — AWS 帳單暴衝 17 億、蘋果開告 OpenAI、Databricks 用數據證明開源更省
每天花 1% 的時間，掌握科技脈動。
今日金句#
“Consent shouldn’t depend on whether a scraper chooses to behave.” 「同意權，不該取決於爬蟲願不願意守規矩。」 — Drew Rowny, Patreon 產品主管（宣布主動封殺 AI 訓練爬蟲時）
“It’s a unit error. We meant to charge like 5¢/GB, but missed the unit, and the billing system defaults to bytes.” 「這是單位錯誤。我們本來要算每 GB 五分錢，卻漏了單位，結果計費系統預設用 byte 去算。」 — 一位前 AWS 工程師（在技術社群解釋 17 億美元帳單事件）
今日主軸：整個產業開始幫 AI 算帳、打分數、爭產權#
這兩天科技圈的關鍵字，從「AI 到底行不行」悄悄換成了「AI 到底值多少、又是誰的」。OpenAI 財務長 Sarah Friar 發了一份「AI 時代記分卡」，主張該用「每項任務成本、可靠度、每單位算力回報」來衡量 AI，而不是看它多會講話。幾乎同一時間，Databricks 以 1,880 億美元估值再融資，順手公布研究，證明開源模型（尤其 GLM 5.2）已能扛最難的編碼任務，成本卻遠低於閉源大廠。另一頭，Kaggle 一場名字就叫「衡量 AGI」的比賽爆出評審爭議，連「怎麼幫 AI 打分數」本身都吵不完；AWS 更鬧出把用戶帳單算成 17 億美元的單位錯誤。從記分卡到訴訟、從估值到帳單，這一天的主線只有一句話：大家不再只問 AI 行不行，開始拿計算機出來，一筆一筆算它到底值多少、又該算誰的。
必讀#
- 蘋果控告 OpenAI 竊取商業機密，IPO 前夕投下震撼彈 — TechCrunch
News - AWS 計費出包，用戶帳單暴衝到 17 億美元 — Hacker News
Cloud - Databricks 估值衝上 1,880 億，用數據證明開源模型更省 — TechCrunch
Startup - AI 記憶體荒重擊印度手機市場，六年來最大跌幅 — TechCrunch
Hardware - Kaggle「衡量 AGI」比賽爆評審爭議，連怎麼打分都吵不完 — Hacker News
AI - Puter 把整個 Firefox 編譯成 WebAssembly，塞進瀏覽器裡跑 — Simon Willison
Dev - 開源 AI 現況報告：與閉源差距、推論成本崩跌 50 倍 — Hacker News
AI - Patreon 不再拜託 AI 別爬，直接動手封殺 — TechCrunch
News
1. 蘋果控告 OpenAI 竊取商業機密，IPO 前夕投下震撼彈#
蘋果正式對 OpenAI 提起訴訟，指控其「行為不當的模式一路延伸到 OpenAI 的首席硬體官」。導火線是一名在蘋果任職 24 年的硬體老將跳槽 OpenAI，蘋果將此定調為系統性挖角的一環，目前已有超過 400 名前蘋果員工在 OpenAI 工作。訴訟正好落在 OpenAI 準備 2026 下半年 IPO 的關鍵期，替上市之路投入重大法律不確定性。
- 訴狀核心人物是 OpenAI 首席硬體官，暗示違規涉及高層領導
- 超過 400 名前蘋果員工現於 OpenAI，人才流動與智財保護正面對撞
- IPO 前夕引爆，OpenAI 官方僅以謹慎措辭回應
💡 為什麼重要：這場架吵的其實是「AI 時代，一個人腦袋裡的東西算誰的」，人才戰與智財戰的結構性矛盾正式檯面化。
🔗 閱讀原文 | 來源: TechCrunch
2. AWS 計費出包，用戶帳單暴衝到 17 億美元#
本週大量 AWS 用戶收到天價估算帳單，有人看到 7,800 萬、誇張的甚至到 3 兆美元，實際月用量卻低於 5 美元，數百萬用戶受驚。前員工指出根本原因是單位轉換錯誤：系統把 GB 與 byte 搞混（差距十億倍），價格設定與計量單位沒對上。
- 帳單金額從數千萬到數兆美元不等，實際用量卻不到 5 美元
- 根因是「每 GB 五分錢」被計費系統預設用 byte 計算，放大十億倍
- 正值 AWS 大推「自主 AI 代理」決策，前員工直指組織重速度輕準確
💡 為什麼重要：連最基本的計費單位都能錯十億倍，當更多判斷交給自動化代理，這類單位級錯誤只會被放得更大。
🔗 閱讀原文 | 來源: Hacker News
3. Databricks 估值衝上 1,880 億，用數據證明開源模型更省#
Databricks 完成由 Coatue 主導、約 30 億美元的新一輪融資，估值達 1,880 億美元，18 個月內從 620 億一路翻漲。與此同時，其研究發現開源模型（尤其 GLM 5.2）已能處理最高難度的編碼任務，成本卻遠低於 Anthropic、OpenAI 的專有模型。
- 估值軌跡 2024/12 620 億 → 2025/09 1,000 億 → 2026/02 1,340 億 → 現 1,880 億
- 研究實測開源 GLM 5.2 可扛最難編碼任務，CP 值遠勝閉源
- 預示企業轉向「多模型組合」，昂貴前沿模型不再是唯一解
💡 為什麼重要：市場開始用硬數據幫 AI 算 CP 值，模型好不好用之外，「同一件事付十塊還是付兩毛」成了關鍵決策。
🔗 閱讀原文 | 來源: TechCrunch
4. AI 記憶體荒重擊印度手機市場，六年來最大跌幅#
AI 對高頻寬記憶體的需求擠壓供應鏈，印度 2026 Q2 智慧手機出貨量年減 10%（六年最大），對比中國僅減 2%。低端市場（₹15,000 以下）出貨暴跌 45%，各機型漲價 4% 至 68%，換機周期從 3.5 年拉長到約 4 年，記憶體短缺預期將持續到 2027 年底。
- 印度低端手機出貨暴跌 45%，價格漲幅最高達 68%
- Samsung 成長 2%、Apple 衰退 3%，OnePlus 宣布退出歐美轉攻印度
- 記憶體短缺被預期延續至 2027 年底，二手市場加速成長
💡 為什麼重要：AI 的帳單不只出現在雲端，也實實在在轉嫁到新興市場消費者的手機價格上。
🔗 閱讀原文 | 來源: TechCrunch
5. Kaggle「衡量 AGI」比賽爆評審爭議，連怎麼打分都吵不完#
一場名為「Measuring AGI」的 Kaggle 競賽出現評選流程與得獎名單的一致性爭議，參賽者公開質疑評審標準與獲勝者選擇的公平性，引發技術社群熱議。當「怎麼衡量 AI 智慧」本身都難有共識，凸顯業界對 AI 能力評估仍缺乏可信賴的標準。
- 競賽評選流程被指有不一致，得獎名單引發公平性質疑
- 主題正是「衡量 AGI」，卻連評分標準都吵不出共識
- 反映 AI 能力評估（benchmark）本身的可信度危機
💡 為什麼重要：大家急著用 AI 的「分數」決定投多少錢、信不信任，但我們其實還沒學會怎麼公平地幫它打分數。
🔗 閱讀原文 | 來源: Hacker News
6. Puter 把整個 Firefox 編譯成 WebAssembly，塞進瀏覽器裡跑#
Puter 團隊成功把 Firefox/Gecko 編譯成 WebAssembly，讓你可以在瀏覽器裡跑一個完整的瀏覽器，產出約 233MB 的 gecko.wasm。所有網路流量經 Wisp 協定的 WebSocket 代理到 Puter 伺服器，HTTPS 維持端對端加密。選 Firefox 是因為它「強單進程支援」，整個專案燒了約 2.5 萬美元的 Claude token 額度。
- gecko.wasm 檔案約 233MB，展示虛擬化瀏覽器可行性
- 網路走 Wisp/WebSocket 代理，HTTPS 端對端加密
- 開發成本約 $25,000 Claude token，反映此類實驗的真實代價
💡 為什麼重要：這是「瀏覽器裡的瀏覽器」的酷炫概念驗證，也重新提醒沙箱隔離與遠端運算架構還有很多想像空間。
🔗 閱讀原文 | 來源: Simon Willison
7. 開源 AI 現況報告：與閉源差距、推論成本崩跌 50 倍#
這份「開源 AI 現況」報告指出，開源與閉源的差距 2024/08 一度縮到 0.5%、2026/03 又擴大到 3.3%；推論成本 36 個月內崩跌 50 倍（每百萬 token 從 20 美元到 0.4 美元）。79% 開發者試用開源，但只 51% 進到生產（閉源 63%），部署維護才是真瓶頸；中文開源模型已占 OpenRouter 流量的 45%。
- 推論成本 3 年崩跌 50 倍，開源在 OpenRouter 流量已成多數
- 79% 試用但僅 51% 上生產，部署維護是開源真正的門檻
- 中文開源模型占 OpenRouter 流量 45%，地緣政治驅動多元化
💡 為什麼重要：開源的成本優勢已經量化到很難忽視，但「省下來的錢」要拿部署與維運去換，閉源壟斷時代正在鬆動。
🔗 閱讀原文 | 來源: Hacker News
8. Patreon 不再拜託 AI 別爬，直接動手封殺#
Patreon 從被動的 robots.txt 升級為主動阻擋，採用 Cloudflare 的 AI Crawl Control 技術封殺用於模型訓練的爬蟲，測試後每週爬蟲嘗試從數千次驟降至零。平台仍允許導航索引爬蟲，但禁止拿創作內容去訓練模型。產品主管 Drew Rowny 強調創作者對作品如何被 AI 使用「應有有意義的發言權」。
- 改用 Cloudflare AI Crawl Control，訓練爬蟲嘗試降到零
- 允許索引、禁止訓練，區分兩種爬蟲用途
- 把創作者從「被動同意」推向「主動控制」的新標準
💡 為什麼重要：這是內容平台對 AI 公司關係的一次反轉，「同意權不該取決於爬蟲願不願意守規矩」正在變成新共識。
🔗 閱讀原文 | 來源: TechCrunch
推薦閱讀#
- Kaiser 護理師：AI 與職場監控正在拖垮照護品質 — Kaiser 醫護公開反映，院方導入的 AI 工具與職場監控不但沒減輕負擔，反而讓工作與病患照護變差，是 AI 進職場「能力有了、信任沒補上」的又一案例。
- Kimi K3 深度解析：2.8 兆參數，還有畫鵜鶘測試 — Simon Willison 詳測 Moonshot AI 的 Kimi K3，多數評測超越 Claude Opus 4.8 與 GPT-5.5，但略遜 Fable 5 與 GPT-5.6 Sol，定價每百萬 token 輸入 3 美元、輸出 15 美元，是中國實驗室最貴的模型。
- 在家跑 AI 該買什麼：獨顯還是統一記憶體 — 阮一峰週刊解析本地跑模型的硬體選擇：RTX 5090 算力強但顯存僅 32GB 容易放不下，統一記憶體容量大但頻寬低，建議搭 MoE 架構（如 Qwen3-30B-A3B）才有實用速度。
- Amjad Masad 談 Replit、founder-led 溝通與軟體的未來 — Replit 創辦人在 a16z 分享 founder-led 溝通、十年打造產品的心法，以及對軟體開發未來的看法。
- 關於運行 SQLite，我學到的幾件事 — jvns 整理實戰中對 SQLite 運維的心得，適合把 SQLite 用在正式環境的開發者。
- 我們把 Rust 改寫成 Zig 的進度報告 — rtfeldman 分享把專案從 Rust 遷移到 Zig 的真實體驗與取捨，語言選型的一手觀察。
- LLM 陳腔濫調偵測工具上線 — Simon Willison 受夠「no fluff, no filler」這類 AI 寫作套路，請 Fable 5 寫了個網頁工具，自動標出十種常見 LLM 寫作陳腔濫調。
- 科技巨頭用水量爭議：Google 一天約等於 40 座高爾夫球場 — 針對資料中心用水，Simon Willison 戲謔建議把高爾夫球場改成賞鳥公園，估算 Google 一天用水約等於 40 座高爾夫球場。
- 多租戶架構入門：優點、挑戰與資料隔離選擇 — ByteByteGo 說明多租戶系統從共用資料表到獨立資料庫的隔離選擇、吵鬧鄰居問題與爆炸半徑設計。
中文技術圈#
- VS Code 代理工作階段脫離單一視窗，多視窗可接手同一任務 — VS Code 1.129 引入代理主機架構，讓 AI 代理工作可跨視窗共享、接手同一任務。
- Taboola 如何打造 LLM 廣告審查系統 Argus，效率提升 75% — 廣告科技商 Taboola 用 LLM 打造 Argus 審查系統，把廣告審查效率提升 75%。
- Amazon 揭示 AI 代理購物新模式：從搜尋商品到理解需求 — Amazon Shopping Agent 改變電商模式，AI 直接理解需求並協助交易完成。
- OpenShift 4.22 讓 AI 代理受控存取叢集，MCP 進入技術預覽 — Red Hat OpenShift 4.22 新增 AI 代理的安全存取控制，MCP 伺服器與閘道進入技術預覽。
- macOS 27 首個公開測試版，值得關注的新特性 — macOS 27 公開測試版特性預覽，全 ARM 過渡後的新功能整理。
- 買得起更要「懂得買」，AI 熱潮催生科技圈新時尚 — AI 熱潮催生的科技富裕族群，正改寫矽谷的穿著與消費語言。
- 有人讓 K3 寫了個網頁版 macOS，結果有點強 — 開發者用 Kimi K3 寫出網頁版 macOS，社群反應驚艷。
開源精選 — GitHub Trending#
- xai-org/grok-build — Rust | ⭐ 16.4K xAI 的 coding agent 工具與 TUI，全螢幕、滑鼠互動、可擴充。
- pixel-point/aval — TypeScript | ⭐ 1.2K 網頁互動影片的新開源格式，內建狀態機與逐格轉場、支援透明通道。
- littledivy/mimic — Python | ⭐ 1.1K 攔截任何 app，然後像呼叫函式庫一樣從 Python 呼叫它。
- tandpfun/wardrobe — JavaScript | ⭐ 892 用 gpt-image 把你的衣物擷取並整理成數位衣櫥。
影音精選#
SK 海力士崛起史：財閥恩仇如何卡住全球 AI 命脈#
22 小時前 · 硅谷101
影片回顧 SK 海力士從現代集團旗下的存儲晶片業務，歷經產業整合、債務違約、差點被美光收購，到被 SK 集團接手翻身，如何靠 HBM 技術卡住全球 AI 算力命脈，並穿插財閥政商恩仇，最後探討 AI 熱潮能否打破記憶體產業的景氣循環魔咒。
- SK 海力士以 265 億美元完成那斯達克 ADR 掛牌，市值破兆美元
- 回顧現代電子、LG 半導體被迫合併到差點被美光收購的存亡史
- HBM 技術是 SK 海力士卡住全球 AI 算力脖子的關鍵護城河
AI 缺的關鍵能力：world model 能補上取樣效率嗎#
20 小時前 · Y Combinator
兩位講者深入探討 world model 的數學與動機：人類能從極少範例學習，模型卻要海量資料，「取樣效率」是 AI 尚未突破的核心瓶頸。從西洋棋、圍棋的行動空間問題，談到自駕與機器人為何比棋類難上許多。
- 取樣效率（每筆資料能帶來多少智能提升）是 AI 尚未突破的瓶頸之一
- 行動空間越大問題越難：西洋棋可解，自駕與機器人幾乎無法窮舉狀態空間
- JEPA 等 latent space 技術被視為打造可運作世界模型的關鍵方向
Kimi K3 開源模型實測：偶爾比 GPT-5.6 和 Fable 還強#
26 小時前 · Theo (t3.gg)
Theo 花一整天實測 Kimi K3，認為這是開源權重模型首度真正逼近、甚至在部分任務超越 GPT-5.6、Fable 等頂級封閉模型的一次躍進，並討論開源且無限制的高能力模型對開發生態與資安的衝擊。
- Kimi K3 在多項 benchmark 打平甚至超越 GPT-5.6 Sol 與 Fable
- 實測發現仍有操作上的粗糙細節，影片示範如何繞過
- 開源、無限制的高能力模型引發對資安與生態衝擊的討論
蘋果告 OpenAI 內幕、AI 定價戰與 SK 海力士 IPO 解析#
44 小時前 · 20VC
Harry Stebbings 與 Jason Lemkin、Rory O’Driscoll 深入討論蘋果告 OpenAI 案的來龍去脈、OpenAI 硬體夢是否已死、AI 定價戰與 token 成本飆升，以及 SK 海力士 265 億美元 IPO 對創投市場的意義。
- 深度拆解蘋果告 OpenAI 訴訟案的背景與影響
- 討論 AI 定價戰、token 成本飆升與新創燒錢速度
- 分析 SK 海力士 IPO 如何牽動創投次級市場與估值行情
GPT-5.6 Sol 配 Claude Code 竟然比 Codex 更好用#
47 小時前 · Theo (t3.gg)
Theo 分享意外發現：把 GPT-5.6 Sol 接進 Claude Code 使用，體驗竟優於官方搭配的 Codex CLI，關鍵在 Claude Code 的 sub-agent 調度與 system prompt 設計，並附上實作設定步驟。
- GPT-5.6 Sol 搭配 Claude Code 的實測體驗優於搭配 Codex CLI
- 差異不只在 UI，Claude Code 的 sub-agent 調度與 system prompt 設計是關鍵
- 影片附上在 Claude Code 中設定 GPT-5.6 Sol 的實作步驟
今日觀察#
把今天幾則新聞疊在一起，會看到一個安靜的轉向：AI 的敘事正在從「它能做什麼」切換到「它到底值多少、又屬於誰」。OpenAI 財務長端出記分卡要大家用「每單位算力回報」衡量 AI，Databricks 用一份開源省錢研究把這件事量化，而 AWS 那張 17 億美元的幽靈帳單，則用最荒謬的方式提醒我們：當計費和判斷都交給自動化系統，一個單位錯誤就能被放大十億倍。連 Kaggle 那場「衡量 AGI」的比賽都吵不出公平的評分標準，說明我們其實還沒學會怎麼幫 AI 打分數，卻已經急著用它的分數決定要投多少錢、告誰、買哪張晶片。對開發者和一般工作者來說，這一天的提醒或許是：當所有人都忙著幫 AI 標價的時候，先想清楚你手上那件事，真正值錢的部分到底是什麼。
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
