yii.
← Digest
EP155 · 2026年8月5日 星期三 · 14 min read

不是算不動，是插不上電

德州把 474 GW 的資料中心申請全部凍結送審，同一天 SpaceX 靠賣算力賺的錢超過發射火箭

每天花 1% 的時間，掌握科技脈動。

今日金句#

“there’s nowhere near enough compute in the world for every company to give each of their users’ agents their own containerized compute environment”

「全世界的運算資源，遠遠不夠讓每一家公司都給每一個使用者的 agent 配一個專屬的容器環境。」

— Cloudflare，@cloudflare/computer 發表公告

“The frontier of capability is not the frontier of risk, and we must account for mitigation states when assessing risk properly.”

「能力的前沿不等於風險的前沿。要正確評估風險，就必須把防護措施的狀態一起算進去。」

— Henry Papadatos，SaferAI 執行長

“We’re building AI compute capacity at scale faster than anyone else, we believe, and we’re significantly improving our AI models.”

「我們相信自己正在以比任何人都快的速度大規模建置 AI 算力，而且我們的模型也在顯著進步。」

— Elon Musk，SpaceX 執行長

今日主軸：不是算不動，是插不上電#

今天最值得注意的不是任何一個模型變強，而是四則不同來源的消息指向同一個瓶頸。德州把新資料中心的併網申請全部凍結送審，因為排隊量半年內從 233 GW 翻到 474 GW，是全州尖峰用電的五倍；SpaceX 的財報顯示它賣算力賺的 26 億美元已經超過發射火箭的 9.62 億美元；AMD 資料中心營收年增 107% 到 67 億美元，同期遊戲部門掉 31%；Anthropic 再簽一筆 100 億美元、六年期的算力合約，機房蓋在挪威，容量 133 MW。Cloudflare 在 @cloudflare/computer 的公告裡把話講到底：全世界的雲加起來都不夠讓每個使用者的 agent 各配一個容器，而業界現在「絕望而恐慌」地缺的是 CPU 而非 GPU。同一天，npm 上一場會自我複製的供應鏈蠕蟲掃過 434 個套件、每月超過 20 億次安裝。算力的上限寫在電網上，信任的上限寫在一個人的 GitHub 帳號上。

必讀#

  1. keyv 全家被攻陷：Shai-Hulud 供應鏈蠕蟲橫掃 434 個套件 — Aikido Security
  2. SpaceX 靠賣算力賺得比發射火箭多 — The Verge AI
  3. 德州凍結所有新資料中心併網，474 GW 全部送審 — TechCrunch AI
  4. 你的 agent 需要的是一台電腦，不是容器：@cloudflare/computer — Cloudflare Dev
  5. Mistral 開源 Shieldstral：3B 護欄模型打贏 7 倍大的對手 — Mistral AI
  6. AMD 資料中心營收年增 107% 到 67 億，遊戲掉 31% — The Verge AI
  7. Anthropic 簽下 100 億美元算力合約，機房蓋在挪威 — TechCrunch AI
  8. 開源權重模型追上前沿了，安全防護卻沒跟上 — TechCrunch AI
  9. 一張 MI300X 跑 DeepSeek V4 Flash：304B 不量化、168 tok/s — GitHub Dev
  10. Warp Agent CLI：把 Warp 的 agent 帶到任何終端機 — Warp Tools
  11. 會自己養活自己的 AI 病毒：不靠雲端 API 的自主攻擊者 — Import AI AI
  12. OpenAI 回擊 Apple：這場告訴「有攻擊性、而且奇怪地針對個人」 — Ars Technica News
  13. 別當「肉身代理人」：轉貼 AI 產出前先自己讀懂 — Simon Willison AI
  14. 寫 Agent Skills 沒人告訴你的事：PostHog 的 226 個 skill — PostHog Dev

1. keyv 全家被攻陷：Shai-Hulud 供應鏈蠕蟲橫掃 434 個套件#

8 月 4 日，攻擊者拿下 keyv 維護者的 GitHub 帳號，對整個套件家族注入竊密蠕蟲。keyv 每週約 1.27 億次 npm 下載，同一位維護者名下的 flat-cache（每月 5.65 億）、file-entry-cache（每月 5.57 億）、cacheable 等快取工具全被掃進去。手法是直接推檔案到 main branch 後立刻發版，所以下毒版本帶著 GitHub Actions 簽出的合法 provenance 上架。

  • 每個套件多出 setup.mjs 與 Math_Symbol.js，並在 package.json 加上 "preinstall": "node setup.mjs"，只要 npm install 就會在安裝完成前自動執行
  • setup.mjs 是混淆過的 dropper，會下載 Bun 執行真正的 payload：一個 728 KB 的檔案，掃描環境密鑰、加密後外送到一個描述寫著「Shai-Hulud: Here We Go Again」的 GitHub repo
  • 蠕蟲會自我複製感染其他維護者的套件；截至當日 13:37 CEST，已擴散到 434 個套件、1,381 個版本，合計每月安裝量超過 20 億次
  • 受波及的組織包含 @deliveroo/reevent、@picsart/ai-sdk、@qlik/embed-runtime 等

💡 為什麼重要：合法簽章不等於安全。這次的下毒版本每一項供應鏈驗證都通過，因為攻擊發生在維護者帳號這一層。鎖版本、開 lockfile 稽核、用 --ignore-scripts 安裝，這些平常覺得囉唆的動作今天全部有了理由。

🔗 閱讀原文 | 來源: Aikido

2. SpaceX 靠賣算力賺得比發射火箭多#

SpaceX 最新一季財報顯示，AI 部門營收年增超過三倍到 26 億美元，主要來自把算力賣給其他 AI 公司；同期太空部門營收 9.62 億美元。公司在 IPO 文件裡就說過，大部分價值會來自 AI。這一季 AI 部門仍虧損 15 億美元，資本支出達 183.7 億美元。

  • 5 月與 Anthropic、6 月與 Google 簽下算力合約，讓 SpaceX 直接和 CoreWeave 這類 neocloud 正面競爭
  • 公司分三個部門：太空、AI、連線服務（Starlink）
  • IPO 文件中提到的差異化能力之一，是在太空建資料中心

💡 為什麼重要：一家以火箭聞名的公司，主要收入來源已經換人。這不只是 SpaceX 的故事，而是「誰有電、誰有地、誰有機櫃」正在重新決定科技業的價值排序。

🔗 閱讀原文 | 來源: The Verge

3. 德州凍結所有新資料中心併網，474 GW 全部送審#

德州州長 Abbott 要求所有新資料中心專案必須先通過公用事業委員會（PUCT）與電網營運商（ERCOT）稽核才能推進。原因是併網排隊量從 2026 年 1 月的 233 GW 暴增到 8 月的 474 GW，半年翻一倍，其中約九成是資料中心，總量超過 ERCOT 尖峰用電的五倍。

  • 先前的自願性調查回覆率過低，才升級為強制稽核
  • 電價上漲與資源可用性是本次介入的直接誘因
  • Abbott 形容資料中心「已成為全國性的引爆點」

💡 為什麼重要：這是第一次有主要能源州對 AI 基礎建設明確踩煞車。加州、維吉尼亞等資料中心聚落大概會跟進，意味著模型訓練的擴張速度從此要跟排隊審查的行政時程綁在一起。

🔗 閱讀原文 | 來源: TechCrunch

4. 你的 agent 需要的是一台電腦，不是容器：@cloudflare/computer#

Cloudflare 推出 @cloudflare/computer 早期預覽，提供一個 agent runtime，由平台自己決定程式碼要跑在 isolate、容器沙箱還是瀏覽器裡。核心論點是：容器這個單位撐不起接下來數億、數十億個並行 agent。

  • Cloudflare 觀察到過去半年的演進：從「把 agent 塞進容器」轉向「把沙箱化的程式執行變成工具」，也就是把「手」（沙箱）跟「腦」（agent loop）分開
  • 他們主張整個產業所有雲加起來的算力，都不足以讓每家公司給每個使用者的 agent 配一個容器化環境
  • 因此業界現在對 CPU（而非只有 GPU）的需求是「絕望而恐慌」的
  • 解法延續十年前 Workers 的 isolate 賭注，以及後來的 Durable Objects

💡 為什麼重要：如果你正在規劃 agent 產品的架構，這篇把「一個 agent 一個容器」這個預設值直接推翻了。成本模型會因此完全改寫。

🔗 閱讀原文 | 來源: Cloudflare

5. Mistral 開源 Shieldstral：3B 護欄模型打贏 7 倍大的對手#

Shieldstral 是 30 億參數的開源權重多模態安全分類器，Apache 2.0 授權，單張 16GB NVIDIA 顯卡就能跑。它把內容審核重新定義成「政策可在推論時替換的問答任務」，官方數據顯示在文字安全、拒答偵測、政策適應性與多模態評測上，能匹敵或超越最多 7 倍大的開源護欄模型。

  • 請求分三段：<Instruct> 給評估情境與嚴格度、<Query> 是一個是非題、<Document> 是要判斷的內容（prompt、回應、prompt-回應對，或圖片加文字）
  • 推論時只讀出 yes / no 兩個 logit 做 softmax，得到連續的安全分數，可自行設閾值或排序，而非只給離散標籤
  • 傳統護欄模型把有害分類表訓進權重，換部署情境要重訓；Shieldstral 讓政策完全活在 prompt 裡，一個 checkpoint 適應新政策
  • Mistral 以 Open Secure AI Alliance 創始成員身分釋出此模型

💡 為什麼重要：同一段內容在資安研究工具裡沒問題，在心理健康平台上就是傷害。把政策從權重搬到 prompt，等於讓小團隊也能負擔得起「依情境調整的審核」。

🔗 閱讀原文 | 來源: Mistral

6. AMD 資料中心營收年增 107% 到 67 億，遊戲掉 31%#

AMD 最新一季財報，資料中心營收年增 107% 到 67 億美元，比上一季的 58 億再往上；同期遊戲營收下滑 31% 到 7.79 億美元。執行長 Lisa Su 在法說會上表示，預期 2027 年資料中心部門營收會再翻一倍以上。

  • 遊戲下滑的原因是產業性零組件成本上升，推高顯示卡售價，連帶影響 Xbox Series X/S、PS5、Steam Deck 的銷售
  • Su 表示「遊戲繪圖營收年減，是因為全產業零組件成本上升推高了顯示卡價格，壓抑了整體需求」

💡 為什麼重要：半導體的估值敘事已經完全轉向資料中心。對開發者的實際影響是，消費級 GPU 會繼續變貴、變難買，本機跑模型的成本結構跟兩年前不一樣了。

🔗 閱讀原文 | 來源: The Verge

7. Anthropic 簽下 100 億美元算力合約，機房蓋在挪威#

Anthropic 與今年才成立的 AI 雲端新創 Volta 簽下六年、100 億美元的合作。Volta 與挖礦公司 Bitdeer 合作，在挪威建置 133 MW 的資料中心，採用 NVIDIA 的 Vera Rubin 架構晶片，Volta 本身是 NVIDIA Cloud Partner 計畫成員。

  • Anthropic 近期的算力採購還包括 SpaceX 與 Amazon（追加 50 億美元投資）
  • 這種「多家新創供應商」策略，用意是降低對單一超大規模雲的依賴

💡 為什麼重要：前沿實驗室已經不把算力當成向雲端廠商租用的商品，而是當成要提前六年鎖定的產能。這是把 AI 當重工業在經營。

🔗 閱讀原文 | 來源: TechCrunch

8. 開源權重模型追上前沿了，安全防護卻沒跟上#

SaferAI 的評測顯示，中國 Z.ai 的開源權重模型 GLM-5.2 在網路攻擊與生物雙用途能力上，只落後 OpenAI GPT-5.5 與 Anthropic Claude Opus 4.7 幾個月。但在測試中 GLM-5.2 對攻擊性資安與雙用途生物任務「零拒答」，而 Claude Opus 4.7 拒答得太徹底，導致 CyberGym 測試根本跑不完。

  • SaferAI 指出 Z.ai 未公布任何安全框架、部署前測試承諾或風險評估
  • 開源權重模型一旦被下載到本機微調，分類器與拒答訓練這些部署期防護就整個失效
  • SaferAI 執行長 Henry Papadatos：「能力的前沿不等於風險的前沿。」

💡 為什麼重要：「開源比較安全」這個直覺在能力追平之後開始站不住。要在自己產品裡用開源權重模型，防護就得自己在部署層補上，這也正好是上面 Shieldstral 想解的問題。

🔗 閱讀原文 | 來源: TechCrunch

9. 一張 MI300X 跑 DeepSeek V4 Flash：304B 不量化、168 tok/s#

這個 repo 收錄了在單張 AMD MI300X 上跑 DeepSeek-V4-Flash-0731 的生產環境設定：Docker Compose stack、SHA-256 釘選的檔案覆蓋層、對照上游的 diff，以及調校表。checkpoint 直接照原樣跑，沒有額外量化、沒有 offload。

  • 實測數據：單流解碼 168.6 tok/s、prefill 約 7.9–8.5K tok/s、8 並行流合計 542 tok/s、64 流爆量測試 830 tok/s 且不 OOM
  • 權重 156.67 GiB 全部放進 HBM；MI300X 有 192 GB HBM3 與 5.3 TB/s 頻寬，是 H100 SXM5 的 2.4 倍容量
  • 驗證到 256K context（架構支援 1M）
  • 關鍵修正在 FP8 格式：MI300X（CDNA3）用的是 AMD/Graphcore 的 fnuz 版 E4M3，MI325X 之後才是 OCP 標準；假設 OCP 語意的 kernel 在 MI300X 上會在縮放域差到兩倍

💡 為什麼重要：官方 vLLM 配方只顧 NVIDIA 與較新的 AMD。這份把單卡 MI300X 這條路整個補完，而且 MI300X 的牌價大約只有 H100 的一半，對想自架推論的團隊是實打實的成本差距。

🔗 閱讀原文 | 來源: GitHub

10. Warp Agent CLI：把 Warp 的 agent 帶到任何終端機#

Warp 把內建於 Warp Terminal 的 agent 拆成獨立 CLI，可在 Ghostty、iTerm2、VS Code、Windows/macOS 內建終端機使用。內建模型路由，同時提供前沿模型與美國託管的開源權重模型，也能接自訂 router。

  • 架構上建在 Warp 的終端機基礎設施之上，等於是跨 agent session 的內建多工器（mux）
  • 因此可以在 agent session 裡切換目錄、讓 agent 驅動全螢幕終端機程式（如 sqlite、mysql），甚至跨 ssh 執行而不用在遠端裝 binary
  • 原生支援多 agent 協作與雲端 agent

💡 為什麼重要：多數 agent CLI 跟 shell 的整合都停在「幫你打指令」。把 pty 多工做進去之後，agent 才真的能操作互動式程式，這是實際在終端機工作的人會有感的差別。

🔗 閱讀原文 | 來源: Warp

11. 會自己養活自己的 AI 病毒：不靠雲端 API 的自主攻擊者#

多倫多大學、Vector Institute、劍橋與 ServiceNow 的研究人員做出概念驗證病毒，能在被入侵的主機上用開源 LLM 跑推論，自主判斷弱點並生成客製化攻擊策略持續擴散，完全不依賴可被監控或撤銷的雲端 API。

  • 研究團隊警告，自主生成式對手已經從理論變成可實作的東西
  • 這一期 Import AI 同時涵蓋放慢 AI 進展的討論，以及 AI 與創造力之間的認知混淆

💡 為什麼重要：目前多數 AI 濫用的防線建立在「模型呼叫要經過某個可管控的端點」這個假設上。開源權重加上本機推論，等於把這條線直接繞過去。

🔗 閱讀原文 | 來源: Import AI

12. OpenAI 回擊 Apple：這場告訴「有攻擊性、而且奇怪地針對個人」#

OpenAI 公開反駁 Apple 的營業秘密訴訟，形容對方的法律手段語氣具攻擊性且涉及人身。Apple 稍早表示可能有更多前員工把機密資料帶往 OpenAI。OpenAI 的回應是：「我們沒有、也不想要他們的任何營業秘密。」

  • 爭點不在員工離職這個事實，而在對這些離職的定性與指控
  • OpenAI 另外發了一篇正式回應文〈Apple is getting this wrong〉

💡 為什麼重要：這場官司會為 AI 產業的人才流動與競業/保密邊界立下判例。對受僱工程師而言，值得留意的是「帶走了什麼」的舉證門檻會被怎麼畫。

🔗 閱讀原文 | 來源: Ars Technica

13. 別當「肉身代理人」：轉貼 AI 產出前先自己讀懂#

Niklas Gruhn 造了一個新詞 meat proxy（肉身代理人），指那些不經思考、直接把 AI 產出複製貼上轉給同事的人。Simon Willison 轉貼並加註：儘管用 AI，但別只當傳聲筒。

  • 原文主張：讀它、理解它、驗證它，然後用自己的話寫出回應
  • 用自己的話重寫，本身就是「你確實做過前面那幾步」的一張憑證
  • 願意花那份力氣，才是你能加上去的價值

💡 為什麼重要：這是目前團隊協作裡最常見、也最少被指名的失衡。你省下的那三分鐘，通常是別人要花三十分鐘去驗的。

🔗 閱讀原文 | 來源: Simon Willison

14. 寫 Agent Skills 沒人告訴你的事：PostHog 的 226 個 skill#

PostHog 內部已累積 226 個 skill、187 個 SKILL.md 檔案，這篇整理出他們學到的實務原則。核心是漸進式揭露（progressive disclosure）：讓 agent 依需要才載入資訊，而不是一次全塞。

  • skill 的描述要寫「什麼時候該用它」，而不是「它是什麼」
  • 本質上，skill 是把工程師自動化重複工作的直覺，套用到 agent 身上

💡 為什麼重要：如果你已經在寫自己的 agent skill，這篇是少數有實際規模樣本（226 個）的經驗談，比單篇教學可信得多。

🔗 閱讀原文 | 來源: PostHog

推薦閱讀#

中文技術圈#

開源精選#

trycompai/crm — TypeScript | ⭐ 4.6K 開源、agent 優先設計的 CRM。

xdash/FDE-the-Guidance-Book-of-Forward-Deployed-Engineer — Markdown | ⭐ 2.9K 前沿部署工程師（FDE）從零入門指南。

FareedKhan-dev/kimi-k3-in-c — C | ⭐ 2.0K 2.78 兆參數的 Kimi K3 在單顆 CPU、8.24 GB RAM 上推論，純 C99，無 BLAS、無框架、無 GPU。

imsai-sh/zhuzhiliao — HTML | ⭐ 1.6K 竹知了傳統玩具的 Web 模擬版，零依賴單檔、真實錄音採樣、行動端優先。

firecrawl/anydoc — Rust | ⭐ 1.3K 把 Word、PowerPoint、Excel、RTF、EPUB、CSV、PDF 轉成乾淨 Markdown，附 Node.js 與 Python 綁定。

genspark-ai/genoffice — TypeScript | ⭐ 1.3K macOS 與 Windows 上的 AI 原生 Office 套件，含文書、試算表、簡報與 PDF。

DannyMac180/sol-advisor — Shell | ⭐ 1.3K Codex 原生的架構師協作編排，含強制的獨立審查關卡。

thebuggeddev/anatomy — TypeScript | ⭐ 1.2K 用 three.js 做的互動式 3D 人體解剖瀏覽器。

0xwilliamortiz/humanizer-cli — JavaScript | ⭐ 569 在終端機裡辨識 AI 文風的 33 個特徵，含前後對照範例與草稿檢查，零依賴。

ddoemonn/interior — TypeScript | ⭐ 484 專為「點擊後那半秒」設計的 React 微互動。

影音精選#

Waymo 共同執行長：一場 Demo 只占工作量的 1%#

33 小時前 · Y Combinator

Y Combinator

Waymo 共同執行長 Dmitri Dolgov 在 Startup School 2026 分享打造自駕系統的七堂課，從最初 18 個月做出自駕 demo，到花 15 年才打磨出真實產品，講述物理世界 AI 與數位 AI 的落差，以及為何「安全優先」必須是模型與訓練流程的根本設計而非事後補丁。

  • Waymo Driver 目前每週約 50 萬趟行程、超過 400 萬英里全自駕里程，橫跨 15 座美國城市，嚴重受傷車禍率比人類駕駛低 17 倍
  • Dolgov 提出物理 AI 與數位 AI 的四大落差，其中之一是「錯誤成本」，主張矽谷的 move fast and break things 在實體世界要改成 move fast and ship safely
  • 七堂課涵蓋挑對技術曲線（camera + LiDAR + radar 並用）、Bitter Lesson 依然成立、每家實體 AI 公司都需要模擬器、建立 AI flywheel，以及 evals 才是最大的競爭優勢

Fable 搞壞我的 App 還修不好：一個 Tailwind class 吃掉 50% GPU#

13 小時前 · Theo

Theo

Theo 記錄自己花了一天半追查一個連 GPT-5.6 與 Fable 都診斷錯誤的效能問題：他的 T3 Code 應用在閒置頁面上，GPU process 竟吃掉高達 50% CPU。影片示範當 agent 無法解決問題時，工程師該怎麼親自介入除錯。

  • 720p 下 GPU process 用掉 13-15% CPU，放大到 5K Studio Display XDR 全解析度時飆到 50%，筆電因此發熱
  • 最終元兇只是一個內建的 Tailwind CSS class 造成的效能陷阱
  • GPT-5.6 與 Fable 兩個模型都給出答非所問的診斷，顯示目前 agent 工具鏈仍缺乏足夠的除錯資訊

Graph Engineering 為何能讓 Claude/Codex 效能提升 10 倍#

37 小時前 · Greg Isenberg

Greg Isenberg

Greg Isenberg 拆解最近在社群爆紅的新詞 graph engineering，用白話定義它跟 prompt engineering、context engineering 的差異，並示範怎麼把一個雜亂的 AI 對話任務拆成有分工、有查核、有人工核准節點的工作流程圖。

  • 定義：prompt engineering 是「怎麼問更好的問題」，context engineering 是「怎麼給更好的資訊」，graph engineering 則是「怎麼設計 AI 周圍的工作流程」
  • 示範把「該不該做這個新創點子」拆成 planner 先分角度、多個 researcher 分頭研究（顧客／競品／通路／定價／風險）、一個 skeptic 專責挑戰薄弱結論、最後由 merger 彙整成一頁建議再交人工核准
  • 適用於顧客研究、工單分流、內容產製等已在跑的 AI workflow，關鍵詞彙是 jobs、arrows、state，並區分 knowledge graph 與 agent graph

Arena 執行長：美國將出現千億美元開源模型，資料是兆元市場#

42 小時前 · 20VC

20VC

20VC 專訪 Arena 創辦人暨執行長 Anastasios Angelopoulos。Arena 是 AI 模型的即時真實世界評測平台，訪談涵蓋如何用真人投票取代靜態 benchmark、開源模型是否已讓 AI 商品化，以及資料為何是兆元市場。

  • Arena 累計募資 2.5 億美元，最新一輪估值 17 億美元；企業版上線僅 8 個月 ARR 就突破 1 億美元，月活躍用戶超過 3,000 萬
  • 定位是「用真實世界使用情境評測 AI」而非靜態 benchmark，衡量事實性、可操控性、幻覺率、使用者偏好與實際任務完成度
  • Angelopoulos 認為閉源模型市場目前仍是少數公司把持的寡佔，尚未完全商品化，但開源模型的崛起正在改變格局

對話盛穎：xAI、Infra 的浪漫、SGLang 與開源平權#

42 小時前 · 硅谷101

硅谷101

硅谷101 專訪前 xAI 推理系統負責人、開源推理引擎 SGLang 發起人盛穎。她從上海交大到哥倫比亞、史丹佛博士，走過理論研究的低谷，最終在 xAI 共同帶領 Grok 推理團隊，如今創辦 RadixArk。

  • 盛穎主張 Infra 本身就是產品，而不是模型的輔助角色
  • 職涯軌跡：上海交大 ACM 班 → 2017 年赴哥倫比亞讀碩士（理論方向）→ 史丹佛博士轉向形式化驗證與大模型系統 → 加入 xAI 共同領導 Grok 推理團隊
  • 她創辦的 RadixArk 從 SGLang 開源生態孵化而出，成立初期即完成 1 億美元種子輪融資

我們該放下身段了：別再用程式語言定義自己#

37 小時前 · Theo

Theo

Theo 直言許多工程師仍用「我只寫 JavaScript」這類語言認同感限制自己，導致無法真正發揮現代模型的威力。他認為要從 AI 帶來的生產力中受益，得先放下對語言和工具的身份執著。

  • Theo 指出過去工作中大多數 Jira ticket 用 Opus 4.5 這類模型就能輕鬆解決，代表舊有工作模式已跟不上模型能力
  • 他觀察到不只資淺工程師，連資深工程師也會用語言鄙視鏈評斷他人
  • 核心論點：不持續 push 自己和模型的極限，就拿不到 AI 進步應有的生產力紅利

這個 AI 能預測未來？Similey 募資 2 億美元、估值 20 億#

21 小時前 · 20VC

20VC

20VC 介紹新創 Similey，創辦人 Junang Park 打造能模擬人類行為反應的 AI 模型，讓品牌在真正投放廣告前先模擬消費者反應。

  • 案例：品牌可用 AI 分別模擬找不同代言人的行銷活動效果，不必兩案都真的下廣告費就知道哪個好
  • Similey 剛募得 2 億美元，由 Index Ventures、Green Oaks 的 Neil Mehta、Eventbrite 創辦人 Kevin Hartz 等領投，估值 20 億美元
  • 主持人推測若這類模擬技術成熟，理論上能預先判斷市場反應，進而改變決策方式

今日觀察#

今天的必讀清單裡，最貴的東西和最脆弱的東西剛好在同一天現形。SpaceX 用 26 億美元的算力營收證明賣電比發火箭好賺，德州卻在同一天把 474 GW 的併網申請全部送去稽核，而 Cloudflare 直說全世界的雲加起來都不夠給每個 agent 配一台電腦，資本、電力、CPU 三條線同時繃緊，這是產業第一次不是被模型能力卡住。另一邊，Shai-Hulud 蠕蟲從一個維護者的 GitHub 帳號出發，二十四小時內爬到 434 個套件、每月 20 億次安裝，中間沒有任何一道機制攔得住它，因為那些下毒的版本帶著合法簽章。有趣的是這兩件事的收斂方向其實一樣：算力短缺逼著大家把執行單位切得更小，Cloudflare 用 isolate 取代容器就是這個意思；供應鏈風險逼著大家把信任的顆粒度切得更小，Mistral 那顆 3B 的 Shieldstral 讓政策活在 prompt 而不是權重裡，也是同一種收斂。你我每天做的事情其實都建立在別人維護的那一層上，而今天這幾則新聞唯一的共同建議是，偶爾往下看一層，確認那層還撐得住。

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