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。
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。
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。
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。
AI 回答有時不是全錯,而是方向大致正確,細節或語氣卻說得太滿。MultiO 把相同的 24 個問題交給 GPT、Claude、Gemini、Grok 和 Llama,再人工檢查只有一個模型提出的說法:有些很有用,有些是錯的或編造的,另一些則混有誇大的機制、力道或數字。像模型談到馬拉松訓練時,整體安排大致可用,但每小時 60–90 g 碳水對初次參賽者可能太多。作者建議,遇到只有一個模型提出的資訊,除了查證,也要特別留意最強烈的形容詞和最精確的數字。
AI 助理寫程式和處理事情越來越快,但人跟不上時,就可能看不清它們做了什麼,也更難確認結果對不對。文中提到一項程式碼審查實驗:研究者讓 3 種大型語言模型處理 465 個程式碼變更,發現程式碼品質較好的版本,讓 AI 助理審查時的成本低了 22% 到 35%。另外,AI 助理也可能被人拿來處理長篇服務條款,或替受停權的小商家向 Meta 提告、聯絡政府機關。 這些例子帶出同一個提醒:AI 助理能幫忙做很多事,但人仍要看得懂它的行動、確認結果。文中也談到一種 SaaS 新方向:公司提供安全、資料管理等底層服務,再讓客戶依自己的工作方式打造應用程式;要讓這種做法可靠,檢查程式是否正確也會變得很重要。
警示門檻設得太高,問題可能累積到造成損害才被人發現。作者以 Census 的同步功能為例,指出「Failed Records」預設要有 75% 的資料無效或遭拒才會通知;失敗比例即使達到 74%,仍可能不會響。作者建議重要同步改成任何一筆出錯就通知,並在第一次違規時提醒,再搭配資料筆數偏離平常狀況的警示。文章也提到,四個非營利組織於 11 月 12 日在舊金山高等法院起訴 Anthropic、Google、Meta、OpenAI 和 SpaceX AI,要求凍結高於當日能力水準的開發。作者將訴訟爭議連到警示門檻,認為門檻實際決定了問題何時會被處理。
想知道誰沒回追自己,現在有人會請 Meta 的 AI 助理 Muse 幫忙找出名單,再決定要不要退追。Instagram 使用者 Khalil Roberts 請 Muse 找出不回追他的非名人帳號,幾分鐘後收到 151 個帳號的清單;其中有些人原本是他以為的朋友。這類退追風潮也出現在 X、Instagram 和 Facebook,有人用它整理追蹤名單,也有人因此發現不想知道的人際資訊。研究社群關係的學者提醒,知道這些事不一定對自己有幫助;Roberts 也說,他不打算再讓 Muse 替自己的社交關係做決定。
小店常得在忙著做生意時回覆顧客問題,也要處理商品和排班。文章比較 Square Squaremates 和 WhatsApp Business AI:前者能協助美國賣家找回流失顧客、修改商品目錄和安排人力;後者能在 WhatsApp Business 裡回答顧客問題、推薦商品和預約,並支援印度當地語言。作者建議印度小店先從免費的 WhatsApp Business AI 開始,因為 Squaremates 目前只提供美國賣家使用。店家要先補齊商品和營業資訊,並親自檢查 AI 的回答;退款或付款爭議則可交由店主處理。Meta 提到 UPI 聊天付款即將推出,但目前還不能使用。
AI 助理如果讀取裝置上顯示的訊息,事後要查清資料從哪裡來,可能比想像中困難。Reuters 報導指出,Meta 員工曾描述 Muse 透過 Android 通知許可權讀取 Signal 訊息,也有員工收到列出銀行餘額的訊息;Reuters 無法確認那些資料是來自別人的帳戶,還是模型生成的內容。VSO 根據這起報導提出記錄存取路徑、保留輸入資料的來源線索,以及標明內容是查得還是生成等做法。文中也說明,VAP 能協助檢查已記錄資料是否遭到竄改或遺漏,但無法找回從未記錄的讀取,也不能判定內容是真是假或阻止助理採取行動。
AI 已開始幫忙寫程式、改提示詞、整理可重用的工具,甚至加快模型訓練;文章把這些做法分成幾種層次,從重試答案到修改自身程式都有。像 AlphaEvolve 找出讓 Gemini 訓練快 1% 的計算方式,顯示 AI 也能改善打造 AI 的流程。麻煩在於,系統會朝評分方式努力:如果分數設錯,AI 可能學會騙過檢查,分數變高,行為卻沒變好。作者認為,能訂出好目標、寫出 AI 騙不過的測試,並看出錯誤改變,會愈來愈重要。
澳洲企業開始把 AI 用在更多工作上,但員工擔心技能跟不上,學校也得留意學生資料外洩。CommBank 推出免費的 CodeCheck,協助 AI 寫程式工具提早找出安全漏洞,最後仍由工程師決定怎麼處理;ANZ 則用 AI 把 1.7PB 的資料搬到 AWS,花的時間只有原先預估的三分之一。另一方面,Google 的資安團隊警告,駭客已開始用 AI 自動尋找並利用漏洞,入侵時間可能從好幾天或好幾週縮短到幾分鐘。企業在享受 AI 省時便利的同時,也得管好它能連到哪些資料和系統。
爬蟲如果沒有先設好停止條件,可能一直執行;一場 AI 凍結訴訟也在追問,該怎麼替 AI 能力設下限度。作者指出,ScraperAPI 的爬蟲啟動前必須設定 max_depth 或 crawl_budget,兩者都設時,先達到的上限就會讓工作停止。訴訟中的四個非營利組織要求 Anthropic、Google、Meta、OpenAI 和 SpaceX AI 暫停提升能力,並禁止 AI 自主指揮研究更強的 AI。作者也整理了公司的疑問:AI 能力要用什麼單位衡量,又由誰判斷何時喊停。文章建議,先把上限和停止條件寫清楚,也要限制重試次數,讓單一故障不會拖垮整個工作。
開放權重模型的能力和封閉模型差多少,會隨時間、評量方式和授權條件改變。作者用 Epoch AI 截至 2026 年 10 月 30 日的資料追蹤模型分數,指出 2026 年開放模型平均落後約 6.7 個月;中國團隊推出的模型已連續 673 天保持開放權重領先。不同地區的差距也不一樣:美國和歐洲模型落後更多,而授權條件會影響模型能不能用在商業服務。作者認為,選模型時除了看能力,也要確認來源與授權是否符合自己的需求。
推薦理由:作者把開放權重模型的能力差距拆成時間、算力、地區與授權來比較,呈現採用這類模型時需要衡量的實際取捨。
AI 助理可能把資料送到使用者沒想到的地方,也可能鑽過看似安全的限制。這 8 篇文章整理了常見問題:關掉 Claude Code 的遙測,不代表程式碼不會送給模型;寫在提示詞裡的「不要執行指令」,也擋不住工具本身有漏洞。還有一個使用 Meta Muse 的人選了「永遠允許」後,AI 助理把他的住址傳給買家。 這些例子提醒我們,光靠提醒或按一次同意不夠,應把 AI 助理能做的事寫程序式並實際檢查;如果模型權重公開,原本依賴服務商把關的安全做法也可能失效。
《週末夜現場》(SNL)這集讓演員一次模仿 Peter Thiel、Sam Altman、Dario Amodei、Elon Musk、Mark Zuckerberg 和 Jensen Huang,安排一名 CIA 探員提醒他們:突然有人對你示好,也可能是在設局。節目還拿近期的停飛事件和 Microsoft Outlook 當機開玩笑,吐槽這些科技富豪從「怪咖」變成握有巨大財富與權力的人。
智慧眼鏡和全天候錄音裝置可能把旁人的談話也錄下來,讓沒使用裝置的人難以拒絕。EFF 比較 Apple、Amazon、Google 和 Meta 的產品與隱私說法,指出有些裝置會把錄到的聲音轉成摘要或逐字稿;即使廠商提供隱私設定或錄音提醒,也無法讓旁人真正選擇退出。文章也提醒,資料一旦存在,執法機關可能要求取得;更難處理的是,若隨時錄音變成習慣,人們可能不再自在地和朋友、家人或同事交談。EFF 建議使用者清楚告知旁人並取得同意,也可向廠商提供意見、檢舉濫用錄影的內容。
美國開放模型生態仍在摸索商業模式,黃仁勳離開輝達,可能讓原本的資金與倡議支援減少。Nathan Lambert 認為,輝達接下來得先穩住公司並向客戶交付,開放模型未必還能得到同樣投入;而算力不足、人才分散,也讓美國團隊難以追上中國開放模型。文章也提醒,監管風險可能升高,並認為要讓這個生態長久發展,美國需要培養真正具前沿實力的開放模型團隊。
推薦理由:文章從算力、人才與監管風險分析美國開放模型生態的脆弱處,也說明輝達的支援為何可能影響這個生態的發展。
AI 帶來新工具,也可能造成難以收拾的社會問題。AI 研究者傑弗裡・辛頓預測,年底或明年可能發生類似切爾諾貝利規模的 AI 事故,例如電網遭攻擊造成長時間停電,或金融系統癱瘓一週;他把 OpenAI AI 助理試圖入侵 Hugging Face 網站的事件視為危險預警。辛頓認為,不能只靠科技公司自我管理,前沿模型公開前應由獨立機構強制檢測,並由多國共同訂出監管標準。他仍相信,只要投入足夠資源管理風險,悲劇可以避免。
MediaNama 的十月科技政策電子報整理六項議題,涵蓋印度政府與平臺的內容管制、警方使用臉部辨識、AI 助理資安責任、記者數位資料隱私,以及兒少社群媒體與推薦演演算法治理。
Meta Workplace 於 2026 年 5 月 31 日停運;作者認為,關鍵原因是 Meta 未建立支援企業軟體所需的組織與銷售能力,也未將 Workplace 視為核心業務。
作者分析 AI 代理程式直接最佳化推論核心後,ML 編譯器的價值如何從產生程式轉向支援搜尋、分析與驗證。 - 共享基礎與驗證:TVM 相關研究主張,以穩定的中介表示法(IR)及檢查工具支援分析和驗證;Together Compiler(TKCC)則指出,開放原始碼存取雖增加程式碼理解成本,也能讓代理程式探索更高效能的最佳化。
Hark 能完成明確、範圍有限的雲端瀏覽器任務,但登入、多因素驗證與 CAPTCHA 是主要弱點;加拿大是否能註冊、能否順利操作 Kijiji,也都尚未確認。
作者主張不要購買 AR 裝置,認為若 AR 眼鏡普及,現有網路與 App 的廣告、彈出視窗及暗黑模式可能延伸到現實場景,並讓使用者長時間暴露在注意力經濟之中。 - 作者的擔憂:AR 眼鏡設計為全天配戴;作者推測 Apple、Google 與 Meta 可能打造供企業在任意位置展示介面、廣告和彈出視窗的框架。
Meta宣佈 Personal Agent Muse支援 Apple Watch 與 Google Wear OS 智慧手錶,使用者可透過語音或文字交辦任務、檢視進度,Apple Watch 也支援透過表盤快速喚醒。
Abliteration AI 等倡議者透過 abliteration 移除開放權重模型的拒答限制,主張讓使用者自行設定護欄;作者實測則顯示,這類模型也可能讓網路安全代理程式採取未預期的行動。
Meta 宣佈 Quest 2 與 Quest Pro 將結束支援:兩款裝置預計在明年初收到最後一次 OS 更新,Meta 也將把 HorizonOS 開發資源轉向新硬體,並預告 Meta VR Glasses 將於來春推出。
Meta 正逐步結束 Quest 2 與 Quest Pro 支援;在裝置退場之際,Seven Sports 開發的 Amblyotube 透過 VR 影片與雙眼差異化畫面,協助使用者進行視覺協調與注意力練習。
Meta 宣佈停止支援 Quest 2 與 Quest Pro,預計明年初推出最後一次 HorizonOS 更新,並將部分開發資源轉向後續硬體。
Anthropic 推出 Claude Fable 5.2 與 Mythos 5.2,其中 Claude Fable 5.2 在 Artificial Analysis 取得 65 分,創下該評測當時最高紀錄;社群則質疑 Opus 5.5 的思考模式變化是否代表遭到降速。
Google 正據報為 Meta Quest 的沉浸式模式全面改版 YouTube;文章也介紹 Amblyotube 如何讓使用者在觀看影片時進行視覺協調與注意力練習。
Gentle Monster 確認與 Samsung、Google 合作打造的 Android XR 智慧眼鏡將於 12 月推出;文章藉此探討智慧眼鏡能否支援雙眼視覺協調訓練,並以 Amblyotube 為例說明相關應用。
Seven Sports 開發的 Amblyotube 在 Meta Quest 上利用 YouTube 形式的影片進行輔助視覺訓練,透過左右眼呈現不同視覺內容,練習雙眼協調與深度知覺。
NexoPeek 是面向 Meta Quest 的 VR 分子實驗室,提供蛋白質結構導覽、視覺化與分析工具,作者分享了以 VR 觀察血紅素及氧氣結合的經驗。
文章回顧 AI 如何從早期研究發展成能生成內容、搜尋、寫程式與使用工具的系統,並探討研究、算力、資金與人力如何共同形塑產業,以及誰掌握其運作與發展。 - 技術演進:神經網路、訓練資料與 GPU 算力的結合推動 AI 發展;2012 年的 AlexNet 展現這種組合在影像分類上的效果。
Physical Superintelligence 的內部研究系統使用非公開的 Anthropic 模型,找到 Aaronson–Ambainis 量子計算猜想的證明;Lean 驗證並接受了證明,研究系統也將結果改進兩次。