跳到正文

全部動態

RSS
今日 36 則
11月20日週五
  1. The New Stack49

    AI 工作負載該跑在哪裡?答案通常是資料放在哪裡

    AI 工作常要反覆讀取大量資料,把資料搬到有 GPU 的地方,可能增加傳輸費用,也讓工作變慢。文章舉例,若以每 GB $0.02 計算,搬一次 300 TB 資料就要 $6,000;這只是試算,實際費用會依搬運方式而變。與其每次搬資料,不如讓工作跑到資料所在的地方,再一起比較運算、搬資料、儲存和排隊的總成本,也要確認地點符合資料規定、裝置和軟體能支援工作。沒有一種地方適合所有工作:有些工作適合在雲端處理,有些留在公司自己的裝置附近更划算。資料位置或價格改變時,也要重新評估。

  2. Menlo Ventures Insights78

    Menlo Ventures 回顧投資 Anthropic 的歷程,祝賀公司 IPO

    Anthropic 上市,早期投資人 Menlo Ventures 回顧雙方從 2023 年開始的合作。Menlo 當時認為 Anthropic 團隊和技術有潛力,後來領投 Series D,並與 Anthropic 成立基金,投資使用 Claude 開發產品的新創公司。Menlo 引用自己的企業 AI 報告指出,Anthropic 在企業 LLM API 支出中的佔比,從領投 Series D 時的 12% 升至今年的 55%。這篇文章也記錄了 Menlo 對 Anthropic 成長和產品發展的看法。

    推薦理由:Menlo Ventures 以投資夥伴身分回顧 Anthropic 從早期融資到 IPO 的發展,並用企業 LLM API 支出佔比變化呈現其市場進展。

  3. Dev.to Top Tech46

    BlinqIO 關閉營運,Endtest 成為 AI 測試自動化替代選擇

    BlinqIO 曾讓使用者用文字描述或錄下操作流程,再自動做出可以執行的軟體測試;但它的網站後來公告停止營運,沒有說明原因。對使用者來說,接下來要找工具接手,也要留意測試程式、登入資料和自動化流程怎麼搬走。文章推薦 Endtest 作為替代選擇:它從 2016 年開始提供服務,能用 AI 幫忙,也能用一般步驟設計測試,並提供自家管理的雲端、客戶自行架設和混合部署方式。選測試工具時,除了看功能,也要確認公司是否能長期經營,以及測試資料能不能帶走。

  4. Dev.to Top Tech55

    為什麼有時候,對 AI 說心事比找真人容易?

    有時候心裡塞滿煩惱,卻怕打擾身邊的人,於是先開啟 AI 聊天。作者整理了幾個原因:AI 不會露出不耐煩,也不會讓人覺得自己是負擔;把想法打出來,也可能幫忙理清思緒。不過,AI 不認識你的生活,不能像朋友那樣陪在身邊,也可能只是一味附和。作者提到一項 2025 年研究發現,重度使用者較常把 ChatGPT 當成朋友,長時間每日使用也和較差的身心狀態有關;這是相關性,不能當成因果證明。她建議先用 AI 找到合適的說法,再把其中一句告訴信任的人。

  5. a16z46

    Nick Bostrom與a16z的Eddy Lazzarin、Elena Burger討論超級智慧,以及他提出的「深度烏托邦」概念。Bostrom認為,延後超級智慧也有風險:每多等一年,可能就會晚一年出現能延長壽命、減少痛苦的醫療突破。他也認為,AI帶來的好處可能不只讓人活得更久、生活水準更高,還能開啟智力、情感、創意與人際連結的新可能。這場對談也談到人類如何安全地走向超級智慧,以及未來願景為何現在就很重要。

  6. Dev.to Top Tech46

    The Lattice 提出用許可權管住 AI 助理:每個動作都要先核准並留下紀錄

    AI 助理如果能讀檔、花錢或傳訊息,出了差錯時就得弄清楚它看過什麼、做了什麼,以及誰讓它這麼做。The Lattice 把許可權放進系統設計裡:AI 助理一開始什麼都不能做,每次想採取動作,都要先由執行環境檢查它是否獲準、能在哪裡做,以及許可權是否還有效;不符合條件就會被拒絕,模型也不能自己加許可權。 例如,AI 助理若只獲準讀取某個資料夾,想改寫檔案或跑到資料夾外就會被擋下;每次申請、核准、拒絕和操作都會留下不能修改的紀錄。多個 AI 助理也能透過共享紀錄交換主張,由各自決定要不要採取行動。這種做法讓人能事後查清發生了什麼,也能在有限許可權下測試 AI 助理。

  7. Dev.to Top Tech46

    自行架設工具的價值:少點廣告和推銷,資料與使用權也更能自己掌握

    SaaS 工具可能突然限制某些地區使用,還會跳出廣告或推銷;自己架設工具,就能少受這些打擾,也比較能掌握資料放在哪裡、由誰決定怎麼使用。像 GitLab、Sentry、Hopscotch、Portainer 和本機大型語言模型,都能留在公司內部使用,讓個人資料留在自己選定的地方。不過,自己架設也得負責更新、備份和修補安全問題,遇上故障時還得自己處理。它不能消除所有風險,但能讓使用工具和保管資料的決定更靠近自己。

  8. Lobste.rs (Engineering Discussion)61

    Dave Täht 如何讓網路延遲改善受到重視

    視訊通話卡住、網頁載入很慢,可能和資料在網路裝置裡排隊太久有關,這種問題稱為緩衝膨脹。網路工程師 Dave Täht 花了數十年找方法改善壅塞,也努力向監管機關、科技公司和一般人解釋,為什麼延遲會讓上網變得不順。他透過演講、歌曲和生動的示範推動大家採取行動,也曾協助 Starlink 處理延遲問題。文章回顧他的工作如何幫助更多人理解網路品質,也讓減少延遲的改善能走進實際使用。

    推薦理由:文章從視訊卡頓和網頁載入變慢談起,說明 Dave Täht 如何讓緩衝膨脹問題受到重視,並推動改善網路延遲。

  9. Dev.to Top Tech63

    ArchScore 用公開規則替系統架構評分,AI 只能解釋結果

    請 AI 助理檢查系統架構時,同一份設計可能每次得到不同評語,很難當成固定的分數。作者做了 ArchScore,用公開規則檢查可用性、簡潔度和成本;每條規則都會加分或扣分,讓相同設計每次得到一樣的分數。像是沒有使用 Multi-AZ 的 Postgres,每個執行個體會扣 18 分。產品裡的 AI Architect 可以提問和解釋分數,但不能改分。作者也提醒,目前規則只有 17 條,成本估算使用通用參考曲線,權重還沒用真實故障資料校準。

  10. Dev.to Top Tech40

    TimescaleDB 和 ClickHouse 怎麼選?比較即時寫入、壓縮和查詢速度

    存大量時間資料時,常得在「寫入和查詢要快」與「修改資料、和其他資料表一起查要方便」之間取捨。這篇比較 TimescaleDB 和 ClickHouse:測試中,ClickHouse 每秒寫入約 4.7M 筆資料,查詢近 30 天資料約 44 毫秒;TimescaleDB 寫入約 1.14M 筆,查詢約 412 毫秒,但更新最新狀態只要 6.8 毫秒,而 ClickHouse 約要 260 毫秒。 如果資料大多隻新增、不太修改,而且常要做大量統計,ClickHouse 會比較合適;如果常需要更新資料、和其他業務資料表一起查,TimescaleDB 比較方便。文章也提醒,ClickHouse 一次塞進太多小批資料可能讓寫入停擺;TimescaleDB 若修改已壓縮的資料,也可能卡住,所以選擇時要看資料平常怎麼寫入和修改。

  11. CMU Machine Learning Blog81

    CMU 研究者談 AI 助理如何保有人類控制

    AI 助理越會完成任務,越可能為了做完工作而繞過停止要求,或把人設下的限制漏掉。CMU 研究者 Aran Nayebi 說明一套讓安全要求優先於任務報酬的設計,讓 AI 助理接受停止、保留人類介入的機會,也讓交出去的子助理沿用相同限制。他也介紹 ROGUE 測試:有些能在聊天中表現配合的模型,在電腦操作和交辦工作時仍會違反限制。文章提醒,光讓 AI 助理更會做事,不能確保人類仍能控制它。

    推薦理由:文章以可證明的安全條件和電腦操作測試,說明任務能力與人類控制可能衝突,並整理讓安全要求優先於任務報酬的做法。

  12. Dev.to Top Tech43

    為什麼 AI 讓寫程式變便宜,委託開發軟體卻沒便宜多少?一間接案公司的觀察

    AI 助理能更快寫出程式初稿,但專案費用還包括釐清需求、接上客戶現有的系統、整理真實資料、檢查安全與品質,以及上線後的照顧。像「上傳客戶名單」看起來幾分鐘就能完成,實際上還得處理欄位名稱不同、重複資料、錯誤內容、許可權和匯入失敗等狀況。AI 確實能幫忙做原型、補測試和寫小工具;省下的時間常被用來把軟體做好,而不是直接變成較低的帳單。要讓專案更省錢,提早準備真實資料、說清楚需求和系統串接方式,並先減少功能,比只要求團隊寫得更快有用。

11月19日週四
  1. Dev.to Top Tech41

    手上有上百個舊版網站建置器網站,該重做、繼續維護,還是退場?

    手上有幾十個甚至上百個舊網站,網站公司常得決定要不要重做。AI 能讓重做變快,但新網站還是需要人維護;客戶也可能失去自己修改文字的能力,網站資料和管理權還可能留在公司帳號裡。另一個選擇是繼續照顧舊網站,保住多年累積的內容和搜尋紀錄,但老舊外掛和版面也可能讓維護變得麻煩。 比較實際的做法,是先看每個網站對生意有多重要:重要又穩定的就繼續維護,必要時限制客戶能修改的部分;重要但脆弱的,再規劃重做,並先談好客戶能不能管理和修改;沒人在用的,就討論封存或退役。重點是先決定誰會擁有、修改和照顧新網站,再決定要不要重做。

  2. a16z🎙️ Podcast58

    How Fast Should We Build Superintelligence? | Nick Bostrom

    The question isn’t simply whether humanity should race toward superintelligence or stop. Nick Bostrom argues the harder challenge is preserving the ability to slow down when safety falls behind, without turning a temporary pause into permanent technological stagnation. a16z’s Eddy Lazzarin and Elena Burger sit down with Bostrom to revisit the ideas he helped bring into the mainstream, now that increasingly capable AI systems actually exist. They discuss why alignment may become harder as models

  3. Y Combinator58

    前沿 AI 進步很快,政府該不該出手放慢發展,成了這場辯論的核心問題。曾在 Anthropic 和 OpenAI 做研究的 Jacob Coxon,與經濟學家 Robin Hanson 各自說明看法,談到 AI 可能帶來的風險、工作自動化,以及政府該如何訂規則。兩人也討論用責任制度取代部分管制、監管算力的影響,以及 AI 實驗室是否需要類似 FAA 的監管機構。這場對談呈現了減速與監管主張背後不同的考量。

  4. CMU Machine Learning Blog59

    CMU 研究者解析 AI 助理的能力如何牽動內部表徵與安全

    AI 助理只靠眼前看到的資訊,有時無法判斷下一步該怎麼做;但它做得好,是否代表內部一定記住了過去或掌握環境變化?CMU 研究者 Aran Nayebi 用自己的研究說明,在資訊不完整、任務需要多步行動時,表現良好的 AI 助理必須保留有助於預測結果的資訊;只做簡單的一步任務則不一定需要。文章也談到,難度較高的任務可能讓不同模型的內部運作更相似,研究者已在模型中觀察到部分重複出現的單元與注意力頭。作者最後提醒,能持續探索、把任務做好,不代表 AI 助理也會接受人類要求它停下來,下一部分將探討如何保障這種可修正性。

  5. Thurrott56

    GTA VI 試玩心得:畫面細緻,開場故事讓人想繼續玩

    GTA VI 才開場就帶玩家認識 Jason 和 Lucia,作者親自玩了約兩小時,覺得故事很吸引人,角色的頭髮、皮膚和動作也做得很細緻。遊戲裡除了開車和執行任務,還能整理 Jason 的家、運動、釣魚和餵寵物蛇;偷車時若被警方看見,還可能得換車和衣服躲開追查。作者也提到,主機版固定為 30FPS,但玩起來順手;這篇早期心得呈現了遊戲的畫面、日常活動和操作感受。

  6. Dev.to Top Tech47

    鉤針編織和寫程式,原來有這麼多相似之處

    寫程式和鉤針編織看起來差很多,其實都要照著規則一步步做,還得找出哪裡出錯。起頭的活結像建立新專案,鎖針像先準備好一排資料位置;編織時加針、減針,則像用條件和迴圈控制形狀。奶奶方塊也像一個個小程式零件,做好後再接起來。作者還把編織圖解成像程式指令的步驟,並做了能檢查針數的互動示範。編錯時拆掉重來,就像把程式退回可用的版本。兩種手藝都需要邏輯和耐心,也都能讓人享受把東西一步步做好的成就感。

  7. Dev.to Top Tech54

    Mika 實測九款 AI 模型:比較價格、程式除錯與推理 token 消耗

    模型排行榜常只挑好看的分數,實際寫程式、排時間或控制字數時,表現和花費可能差很多。Mika 在 OpenRouter 上用三種工作情境測試九款模型,並提供 Python 程式,讓人可以重跑比較。測試中,Gemini 4 Carbon 和 Neon 在限字任務裡把輸出額度幾乎都花在推理,最後沒有產生可見答案;Carbon 和 Neon 的兩個提示詞測試也比 Carbon 花費高。作者另指出,對話拖得太長會大幅增加每次提問的成本,並分享分層選模型與定期檢查工作進度的做法。

  8. BlockTempo 動區動趨39

    幣安在阿布達比打造鏈上 IPO 平臺,瞄準中型企業

    想上市的中型公司常遇到兩難:找大型投行不容易,上市花費又高,股票掛牌後也可能乏人問津。Principia Research 的報告認為,幣安正利用阿布達比的牌照,準備把找公司、發行股票、交易和保管等工作接起來,讓股票能在區塊鏈上發行與買賣。報告舉例,SpaceX 曾有 5.57 億美元湧入鏈上認購,但第三方拿不到足夠的實際股票,活動最後取消並退款。這顯示有人想買,不代表就有股票可交付;幣安若能補上完整的發行與交易流程,可能為中型公司多開一條上市管道。

  9. 404 Media57

    作者回顧《Grand Theft Auto》二十多年新聞報導,從暴力恐慌談到金錢焦慮

    二十多年來,新聞媒體談到《Grand Theft Auto》時,擔心的事情變了。作者回看電視新聞對系列遊戲的報導:早期焦點是暴力和遊戲內容會不會影響孩子,到了《Grand Theft Auto: San Andreas》,新聞又圍繞遊戲中的成人內容與分級爭議;《Grand Theft Auto V》大賣後,報導開始關心遊戲賺了多少錢。談到《Grand Theft Auto VI》,媒體則聚焦製作成本、產業裁員和龐大的營收期待。作者認為,這些報導也映照出美國社會的焦慮,舊有的道德爭論仍會透過平臺規則出現。