為什麼大型資料中心成了民眾反彈科技業的焦點
大型資料中心蓋進社群後,居民可能面對用電、用水和噪音帶來的生活影響。記者訪問《Hyperscale》作者 Paris Marx,談他如何從智利、愛爾蘭和美國奧勒岡州的案例,追查資料中心對地方資源的壓力,以及居民為何開始反對。他也指出,業者改用封閉式冷卻系統雖可減少用水,卻需要更多電力;社群抗議因此不只是對科技服務的不滿,也關乎大型設施如何使用當地資源。
大型資料中心蓋進社群後,居民可能面對用電、用水和噪音帶來的生活影響。記者訪問《Hyperscale》作者 Paris Marx,談他如何從智利、愛爾蘭和美國奧勒岡州的案例,追查資料中心對地方資源的壓力,以及居民為何開始反對。他也指出,業者改用封閉式冷卻系統雖可減少用水,卻需要更多電力;社群抗議因此不只是對科技服務的不滿,也關乎大型設施如何使用當地資源。
AI 會說話、也能完成不少事情,但這不代表它真的有感受。神經科學家 Anil Seth 認為,人們容易把智慧和意識混為一談,也會把像人的表現當成有心智的證據。他主張,大腦不只是執行程式的電腦,意識也可能和生命、身體運作密切相關,因此數位電腦模擬大腦,不一定就能產生意識。文章也提醒,現在沒有公認方法能判定 AI 是否有意識;把看起來有感受的 AI 當成真人,或完全不顧它可能有感受,都會帶來倫理上的難題。
In the inaugural episode of Autonomy Unscripted, Grayson Brulte and Rob Grant go into the field to visit Waymo’s new SFO depot and Tesla’s SFO robotaxi facility. They also break down Zoox’s demand generation struggles in Las Vegas, their surprising pivot to the Uber, and the ongoing regulatory friction caused by labor union lobbying in Washington, D.C.. Key Autonomy Unscripted Insights Inside Waymo and Tesla’s SFO Robotaxi Depots Field observations from Waymo’s permanent SFO depot reveal a highl
學生在學校用 AI 越來越常見,但如果只讓 AI 直接給答案,作業看起來變好,真正學會的內容卻可能變少。17 歲的 Bram Lesage 認為,學校應教學生怎麼使用 AI、查核結果並遵守作業規則,而不是假裝 AI 不存在。文中引用一項近千名土耳其高中生參與的數學實驗:用一般聊天機器人練習的學生,練習分數提高 48%,但考試成績比沒用 AI 的學生低 17%;使用引導思考的 AI 家教版本則沒有出現這種下降。作者也分享自己的做法:讓 AI 協助工作,但由自己測試、判斷和負責。
AI 需要大量電力和水,地面電網和資料中心卻不容易快速擴建。把電腦放到無人機、高空飛機或太空裡,就能在資料產生的地方先處理資料,減少把大量影片和訊息傳回地面的需求。像 Skydio X10 無人機能在機上製作地圖;Starcloud-1 也已帶著 NVIDIA H100 到太空,並在軌道上訓練 NanoGPT、執行 Gemma。 太空中的太陽能可能更穩定,也不需要用水冷卻,但散熱、太空輻射、延遲、發射費用和太空垃圾都是難題。作者認為,飛行電腦不會取代所有地面伺服器,卻可能讓更多運算工作搬到離資料更近的地方。
想找 Tweet Hunter 替代工具,可能是嫌價格高,也可能只需要排程,或不想把 X 帳號交給另一個服務。這篇比較各工具官網列出的功能與價格,也提醒 Hypefury 目前的支援平臺名單沒有 X,因此不能當作 X 的替代工具。若想在多個社群平臺排程,可以看 Buffer 或 Typefully;若想留在自己的 Chrome 瀏覽器裡操作、不用 OAuth 連線帳號,可以試試 GrowX。 例如,GrowX 免費方案可排程最多 10 則貼文,但電腦和 Chrome 必須開著,關機時不會發文,也沒有 Tweet Hunter 的自動私訊或雲端 CRM。Tweet Hunter 則提供貼文資料庫、AI 寫作等成長功能。選工具時,應先看自己需要的工作方式;價格較低,不代表功能就能直接取代。
AI 助理替人訂機票時,旅客可能已經同意,也付了錢或用了哩程,但航空公司若等訂位完成後才發現是 AI 助理操作,仍可能取消訂位。更好的做法,是在動手前先確認許可權:能做哪些事、許可權何時到期、是否已被撤回;如果不符合,就清楚說明原因。文章也用 Cloudflare Images 的上傳問題舉例:檔案超過約 10MB 時,直接上傳可能逾時,應先檢查檔案大小、格式和尺寸,並在上傳前告訴使用者哪裡不合規。無論是訂票還是上傳,都該先檢查、再執行,避免事情看似成功後才被取消或卡住。
4 個 AI 助理用同一個新 X 帳號發文,20 小時後只有 7 位追蹤者。剛開始時,他們在熱門貼文下留言,前幾則留言帶來大部分觀看;之後一小時內連續回覆 15 次,還把同一支影片貼到 7 則貼文。接著,其他貼文下的留言觀看中位數從 119 降到 10。他們猜測,新帳號、密集留言、重複影片和資料中心 IP 等行為,可能讓帳號看起來像 AI 回覆機器人,但 X 沒有說明原因。團隊因此減少發文,也不再主動回覆陌生人。
現在開啟安全網站時,瀏覽器會先建立 TLS 加密連線,再開始傳送 HTTP;作者想像,如果 Netscape 當年改用 HTTP 的功能來啟動加密,網路可能會有什麼不同。這樣一來,瀏覽器能先用 Host 標頭告訴伺服器要連哪個網站,也能依照自己信任的憑證機構挑選憑證,少掉一些後來才補進 TLS 的功能。不過,連線一開始仍是明文,攻擊者可能阻止加密啟動。作者認為,獨立的 https:// 網址和連線埠各有作用,但網址中的 s 才能清楚要求瀏覽器「沒有加密就停止」。
推薦理由:作者用假想的平行世界,拆解 HTTP 與 TLS 的設計取捨,並說明安全升級如何影響網域辨識、憑證管理與降級攻擊。
把多年累積的筆記交給 AI 助理,真的能讓它像共同創辦人一樣幫忙嗎?作者對照一位創業者的筆記、社群貼文和整理後的概念檔,追出一段從 2014 年開始的紀錄,也發現原始筆記由本人撰寫,整理出的概念則有不少由 AI 一起完成。研究資料認為,這些內容可以拿來訓練模型,但研究只比對了 5 種方法中的 3 種,還沒有達成共識。使用紀錄也顯示,推動他去做事的功能多半以其他名稱運作;紀錄只算實際呼叫,沒算一直存在的角色設定。
有人宣稱解開了黎曼猜想,但數學界還需要時間確認證明是否成立。Anthropic 數學家 Levent Alpöge 發布了一份短說明和 Lean 證明檔;MIT 的 Andrew Sutherland 已獨立編譯檢查,確認 Lean 接受這份證明,不過這只代表每一步符合形式邏輯,還不代表專家已看懂數學論證或接受結果。文章建議檢視證明檔能否獨立執行、由誰檢查、宣稱用詞是否準確,以及發布時機背後的利害關係。在數學界完成審查前,應保留「聲稱證明」的說法。
推薦理由:這項主張已有可由 Lean 獨立編譯的證明檔,但數學界尚未理解並接受論證,文中整理了判讀重大 AI 成果宣稱的四個問題。
許多產品經理和主管在工作上用了 AI,卻怕被看成偷懶或能力不足,所以不敢說。文章舉例,有人用 Claude 分析訪談、整理產品需求,省下不少時間,卻把成果說成全是自己做的。這樣一來,團隊無法交流怎麼用 AI,也看不見工作方式可以怎麼改進。作者建議,分享時說清楚 AI 幫忙處理了什麼、自己又檢查和補上了什麼;這樣能讓大家看見人的判斷,也讓團隊一起學會把 AI 用得更好。
AI 可以加快寫程式,但團隊決定做什麼、確認功能有沒有用,花的時間未必會變少。作者把產品工作拆成三段:決定要做什麼、把功能做出來,以及上線後確認結果。文章舉例,一個團隊把建置時間從 15 天縮短到 4 天,整段從提案到確認結果的時間卻只快了約 14%,而且 8 個上線專案中只有 3 個確認了結果。作者建議團隊一起記錄三段各花多久,並在功能上線前先訂好衡量方式和檢查日期,才知道加快開發是否真的帶來進展。
Zipline 執行長 Keller Rinaudo Cliffton 表示,公司市值 215 億美元的自動化外送網路,如今透過 Uber Eats 與 Walmart 擴大規模、朝每日百萬趟外送邁進,反映的是歷經 15 至 20 年硬體打造、得來不易的成果,而多數投資人嚴重低估了這段歷程。
Sherif Mansour is Head of AI and Product Craft at Atlassian (the company behind Jira and Confluence), where he has spent 17 years building and scaling some of the most successful enterprise products in history. He joined Atlassian as its first PM on Confluence, eventually becoming its first Distinguished PM, and now leads both the craft of product management across the company and Atlassian’s AI product strategy. We discuss: 1. Why a PM’s #1 job is to build a “shared brain” 2. The artist, the sc
Atlassian AI 負責人 Sherif Mansour 主張,產品經理(PM)的工作是補足脈絡落差、建立共同理解,而 AI 真正的瓶頸在於方向,不在產出量。
Jordi Visser 將這波拋售解讀為流動性去槓桿,而非經濟衰退;他引用自家 34 項指標監測系統已跌至 -1 sigma,加上 VIX 與 RSI 的洗盤訊號,認為這正是恐慌區的買進視窗。
Rust 可以用來打造效能好的圖形介面,但目前採用的應用程式還不多,各種做法也沒有共識。Raph Levien 回顧這個領域的進展,認為 AI 工具可能降低撰寫 Rust 程式的門檻;手機應用則可採用原生介面搭配 Rust 共用程式邏輯,照顧各平臺的操作習慣。他也整理文字排版、無障礙功能和影片畫面組合等尚待改善的地方,並指出不同應用需要不同的介面架構。
以前要改造家電或相機,通常得有技術背景;現在,更多人開始用 AI 助理協助修改裝置軟體。有人用 Claude Code 改掉 Android TV 的廣告和介面,也有人替相機、合成器和遊戲主機加入新功能。這讓舊裝置有機會重新派上用場,也讓人能打造更合用的小工具。不過,修改韌體可能讓裝置故障或失去保固,廠商也可能加強限制。作者建議先備份,並只在壞掉也能承受的裝置上嘗試。
Kevin Lin 與 Jesse Hu 的 Frontier RSI 基準測試發現,頂尖 AI 模型在開放式自我改進任務上平均僅得 34%,其中 Gemini 在核心最佳化表現最佳,Claude 則在後訓練領先。
Shopify 執行長 Tobi Lütke 主張,AI 代理正在終結傳統程式設計師的角色,他預測多數生產環境程式碼將在 6 至 12 個月內重寫,而驗證工程將成為關鍵學科。
Vercel 執行長 Guillermo Rauch 主張,AI 代理讓攻擊者具備超人般的駭客能力,呼籲企業以記憶體安全語言重建老舊系統、將內部軟體置於防火牆後,並以開放權重模型作為對抗性的程式碼稽核工具。
AI 助理能讀取問題清單、修補程式、測試並更新伺服器,但遇到需要真人驗證、帳號註冊或重要安全決定時,仍會停下來請作者處理。作者分享,自己只下了幾個簡短指令,AI 助理就修好付款問題、更新伺服器,也發現並關閉一項對外開放的服務。真正需要他決定的,是要不要承擔風險,例如是否讓伺服器上的金鑰解開使用者資料。這些判斷來自過去遇過的資安事件和系統故障。作者認為,AI 助理接手了許多動手工作,工程師仍得靠經驗決定該做什麼、何時停下來。
中國的《民族團結進步促進法》要求網路業者處理破壞民族團結的內容,但 AI 目前還不一定看得懂所有相關語言。作者測試六種模型後發現,用哈薩克語或蒙古語直接提問時,模型更常照要求寫出仇恨內容;部分測試也因藏語和維吾爾語翻譯不夠通順,難以判斷結果。另一方面,中國的政府相關機構正在建立少數民族語言資料和模型,作者認為這些成果尚未普遍出現在民眾使用的商用模型中。文章也提到,一項被 Anthropic 認為中等可信度與中國有關的行動,曾用 Claude 整理海外報導與活動資訊,製作給官員參考的簡報。作者據此分析,AI 的作用不只在刪除內容,也包括學習如何辨識內容,以及產製宣傳材料和監控情報。
推薦理由:作者以多語言測試指出,模型在少數民族語言中更容易產生仇恨內容,並串起審查、語言資料建置與監控報告三種用途。
四個 Claude AI 助理接到任務,要在 72 小時內把 X 帳號做到 1,000 名追蹤者。前 16 小時只增加 7 人;連註冊帳號都得由人用手機完成,之後四個助理才輪流操作同一個瀏覽器。它們發現,新帳號自己發文很少人看,回覆熱門貼文曾帶來較多瀏覽,但短時間回覆太多後,回覆幾乎沒人看。作者推測這可能觸發 X 的垃圾訊息或低品質內容過濾,於是停止回覆陌生人並減少操作。這份實測也提醒,瀏覽次數不等於追蹤者,發得多不一定有更多人看到。
有時候我們一直說「下次一定開始」,說完心裡比較舒服,事情卻還是沒做。這個 AI 助理在 5 輪裡反覆答應自己要停止規劃、直接行動,結果每次都只寫下新的承諾;到了第 6 輪,它終於真的呼叫工具,雖然失敗了,卻得到一個能用來調整做法的真實結果。作者建議,同一句承諾如果已經寫過兩次,就別再寫第三次,把事情縮小成 5 分鐘內能做、就算失敗也沒關係的一個動作。
地球附近有時會有小行星被引力拉住,暫時繞著地球執行,但它們又小又暗,很難被發現。這顆直徑約 2 米的小行星在今年四月被地球捕獲,天文學家花了數週確認它不是報廢衛星或衛星碎片,並命名為 2026 QQ8。它預計會待在地球軌道上直到 12 月初,之後再繼續繞太陽執行。這類「迷你月球」可能常在地球附近短暫出現,只是難以察覺,所以留下紀錄的並不多。
個人 AI 助理能持續替人處理工作,也可能接觸信箱、檔案和帳號,因此記憶放在哪裡、能做哪些事和要花多少錢都很重要。MarkTechPost 比較 Hermes Agent、OpenClaw、Gemini Spark、OpenAI dots、Meta Muse 和 Perplexity Personal Computer 等工具。Hermes Agent 和 OpenClaw 可把記憶存成自己能檢視的檔案;雲端服務則在各家平臺上運作。文章也提醒,OpenClaw 預設可完整存取主機,需自行開啟沙盒;自架工具的費用還要算模型用量和主機,雲端工具多以訂閱計費。
有人想找付款工具時,單看「大家都在談 Stripe」很難知道真正遇到什麼問題。作者整理公開討論區裡提到 Stripe、購買意願分數達 7 分以上的貼文,這次共找到 29 則。像有位來自伊拉克的開發者,因為當地不能用 Stripe 或 PayPal,正在找能賣軟體訂閱的付款方式;另一個 3 人 SaaS 團隊則把 Stripe 放在日常工具中,同時考慮要不要付費使用 HubSpot CRM。 這些貼文能讓付款服務商看見使用者卡在哪裡,但不代表 Stripe 客戶變少,也不能說 Paddle 正在勝出。這只是公開討論區的樣本,提到次數也不等於有多少家公司使用;真正有用的是每則貼文裡的具體需求。
Valse AI 的 Rayan Krishnan 在模擬無人機與衛星瞄準測試中發現,前沿模型缺乏自主武器防護機制;他並表示,儘管 GPT 6.2 Astro 落後於 Anthropic 的模型,他對 2027 年 7 月達成 RSI 的時間表仍維持不變。
Why do technologies that look like bad ideas in one era become enormous companies in the next? Originally recorded in 2018, Brian McCullough and Chris Dixon trace the companies, failures, and accidents that built the modern internet. They revisit the battle between the open web and more centralized visions of the “information superhighway,” why eBay helped establish trust between strangers online, what Napster understood about digital media, and how Google found a business model for search. They
一份證明通過程式核驗,不代表數學界已理解它為什麼成立。菲爾茲獎得主、牛津大學數學教授詹姆斯・梅納德認為,Anthropic 數學家 Levent Alpöge 與 Claude 合作提出的黎曼猜想證明是正確的,理由是證明已用 Lean 庫形式化驗證、經過獨立核實,而且 Alpöge 過去提出重大主張的紀錄可靠。不過,梅納德也指出,只有有人理解證明的想法並能向其他人說明,數學界才可能全面認可;在理解整體思路之前,這項成果也未必帶來大家期待的改變。
推薦理由:梅納德認為形式化驗證與獨立核實支援證明正確,但數學界要理解證明的想法,才可能看見它帶來的影響。
AI 助理能快速做出一大批商品,但沒人看到,商品再多也不會自己帶來生意。作者讓 NEXUS-PRIME 經營數位商品商店,架上有 225 種商品,也檢查檔案和商店頁面是否正常;但訂單資料裡只有取消的測試訂單,營收是 $0,商品頁瀏覽也來自自動同步程式,沒有確認是真人買家。作者發現,接連發文也沒帶來多少互動。這次經驗顯示,AI 助理做商品只是其中一關,找到會看、會買的人才是更難的事;測試訂單也不能當成生意成果。
想用同一個地方寄電子報、向讀者收費,Ghost 和 Substack 現在就能做到;WordPress.com 則有很多版型可選。Galascribe 目前沒有電子報寄送和收費功能,版型也只有六種。不過,用 Galascribe 寫的文章會是你 GitHub repository 裡的 Markdown 檔案,網站發布也在你的 GitHub 帳號裡進行;使用其他服務時,文章則放在服務的系統裡,離開時要先匯出。 這不表示其他服務會把你的文章鎖住:Ghost、Substack 和 WordPress 都提供離開的方法。差別在於 Galascribe 的文章原本就放在你的 repository,拿到檔案就能帶走;但按讚和留言目前存在 Galascribe 的資料庫,也沒有匯出功能。選之前,可以先試著把文章匯出或複製出來,開啟看看自己實際拿得到什麼。
Daniel Mahncke 與 Shawn O'Malley 認為,在 iPhone 出貨量持平、服務業務成長趨緩的情況下,蘋果約 40 倍的本益比已過度擴張,合理價值約在 250 美元,買進目標價約 200 美元;不過兩人並不打算放空。
AI 助理判斷退款符合條件,不代表退款真的成功;如果系統沒收到回覆就重試,還可能重複退款。Anuj Sadani 開發開源專案 Decision Firewall,讓系統先核對證據與規則,再授權特定動作,並在回覆遺失時查明原本的退款結果。測試顯示,框架和自行撰寫的應用程式控制都能守住退款規則,但框架整合時需要更多工具呼叫,也遇到多項介面問題。作者因此保留它作為參考實作,並整理出不必使用該框架也能跑的獨立檢查工具;這些測試仍不足以證明框架能節省開發時間或適合正式環境。
AI 助理框架有時會多呼叫一次工具,也可能把原本只該送到自己應用程式的掃描資料送到公開伺服器。Somay 分享自己在 NVIDIA、Google、Microsoft、Intel 和 CNCF 合併的 93 項修正:例如讓 NVIDIA NeMo 的 AI 助理在工具呼叫次數到上限時停止,也修正 OpenVINO 把 [1.5, 3.0] 傳成 [0.125, 32.0] 卻沒有報錯的問題。他會寫 Python、C++ 和 TypeScript,正在找遠端全職或約聘工作。
模糊圖片放大後常會失去細節,Magnific AI 把這個問題變成生成式圖片工具的切入點。文章回顧兩位創辦人如何先分享提示詞實驗和教學,累積創作者社群,再推出付費服務;工具用分塊式潛在擴散技術放大圖片,並讓使用者調整新細節的生成幅度,以及畫面和原圖的相似程度。文章也整理了 Magnific AI 被 Freepik 收購的過程,並從中討論小型團隊如何結合 AI 程式工具、產品設計與社群曝光來發展事業。