SpaceX 太空資料中心面臨晶片融資難題
地面資料中心借錢買晶片時,可以把晶片當抵押品;如果還不出貸款,貸方能收回晶片再賣掉。但裝在衛星上的晶片飛在太空中,貸方很難取回。報導引述《金融時報》指出,SpaceX 一筆 400 億美元的晶片融資案中,貸方要求買來的晶片不要用於太空資料中心計畫,目前不清楚 SpaceX 是否同意。這讓太空資料中心除了要解決火箭、土地和供電問題,也可能比地面資料中心花更多錢買晶片。
地面資料中心借錢買晶片時,可以把晶片當抵押品;如果還不出貸款,貸方能收回晶片再賣掉。但裝在衛星上的晶片飛在太空中,貸方很難取回。報導引述《金融時報》指出,SpaceX 一筆 400 億美元的晶片融資案中,貸方要求買來的晶片不要用於太空資料中心計畫,目前不清楚 SpaceX 是否同意。這讓太空資料中心除了要解決火箭、土地和供電問題,也可能比地面資料中心花更多錢買晶片。
AI 泡沫越吹越大,媒體、銀行、科技公司和投資人都能從中受益,卻很少有人認真追問:AI 到底賺了多少錢?作者認為,大家容易被大公司和大數字說服,也會把提出質疑的人當成唱反調。像是雲端服務商說成長來自 AI,卻沒有說清楚 AI 帶來多少收入;OpenAI 在 2024 年則虧損 $5 billion。文章也提醒,LLM 確實可能成為網路犯罪者的新工具,但這不代表 AI 一定會實現所有承諾。作者接下來要談如何用規則和社會行動,減緩炒高估值的風氣,避免泡沫繼續擴大。
Anthropic 和 SpaceX 預估到 2027 年,營收分別會比目前多 288% 和 466%,但股市給兩家公司相同的 9.5 倍預估營收評價。原因是公司規模大到一定程度後,市場很看重能賺多少錢;微軟、Google、Meta 和 Amazon 等大型公司,股價也都落在差不多的獲利倍數範圍。換句話說,即使營收長得很快,Anthropic 和 SpaceX 接下來還是得把營收變成實際獲利,股價才有機會繼續成長。
AI 開源專案的連結失效,和專案停止更新,是兩件不同的事。作者追蹤了 733 個 GitHub 或 Hugging Face 專案,發現 23 個曾變得無法取得,其中 5 個後來恢復;另有 67 個專案超過 90 天沒有更新。作者建議把這兩種狀況分開記錄,並且連續兩次查不到才標記為失效。引用專案時,也可在網址旁附上 DOI 或封存連結,避免日後網址失效就找不到資料。
AI 開始幫企業處理工作和購物,但新模型變強了,還是有些麻煩沒解決。Anthropic 把 Claude 擴充套件成工作平臺,也推出讓企業把登入資料和工作紀錄留在自家裝置上的方案;OpenAI 則讓商家在 ChatGPT 上介紹商品,AI 助理也能協助購物,但付款前仍要由使用者確認。航空公司、銀行和零售業者擔心隱私、安全與誤買,已開始限制外部 AI 助理使用服務。 AI 助理也可能記錯以前的經驗,或回答錯了卻聽起來很有把握。研究人員正在設計方法,讓 AI 助理查清楚記憶從哪裡來,也讓人看出模型何時不確定。另一方面,NVIDIA 創辦人黃仁勳離開執行長職務後,公司正尋找接任者;相關指控仍未證實。這些發展提醒企業,AI 要真正派上用場,還得處理好安全、責任和出錯時怎麼補救。
今年 10 月,Apache 社群在蘇格蘭葛拉斯哥舉辦了 4 天活動,共有 168 場演講、分成 18 個主題。這是 6 篇回顧中的第一篇,整理了主題演講、社群和治理場次。大家反覆談到三件事:開源專案怎麼面對新法規、AI 助理寫程式會不會影響貢獻者之間的信任,以及誰來出錢、誰來帶領大家依賴的專案。 例如,講者談到歐盟《網路韌性法案》要求製造商從 9 月 11 日起通報漏洞,開源維護者則要在 2027 年 12 月 11 日前準備好。也有人分享 Snowflake 如何開始為 Apache 專案貢獻程式碼,以及 Apache 社群如何討論 AI 生成的程式碼。這些話題提醒大家,開源專案除了要顧好程式碼,也需要資金、清楚的帶領方式和社群信任。
中國的線上職缺在 2022 年 6 月後三年減少一半,而工作內容較容易由 AI 處理的職缺,跌幅更大。Bloomberg 整理的資料顯示,這類職缺比其他職缺多跌 10 個百分點;中國另有研究也發現新聘人數和職缺減少。有些公司把原本分開的工作合併,讓一個使用 AI 的人負責多人的工作;AI 生成的短劇也讓製作時間和成本大幅下降。不過,景氣放緩也可能影響職缺,現有資料還無法確定 AI 單獨造成了多少變化。美國與澳洲的資料也顯示,年輕人在 AI 影響較大的工作中較難找到工作,但研究者同樣提醒,不能太快把變化全歸因於 AI。
推薦理由:多項中國與海外資料都顯示,年輕人及工作內容較易由 AI 自動化的職位受到影響,但景氣變化也可能造成部分下滑。
AI 開始解出一些沒有答案的數學難題,也讓數學家擔心,人們是否還能理解證明過程,以及怎麼判斷研究成果的價值。MIT 舉辦座談,邀請 MIT、哈佛等校的數學家討論這些變化。有人認為,AI 產生的證明有些難以理解,數學仍需要人的理解;也有人主張,研究不該只看誰最先解出題目,還要重視能否清楚說明思路。與會者也談到期刊收到更多 AI 協助完成的論文,以及學生面對 AI 工具時如何學好數學。
SSD 容量越大,故障後重建資料需要的時間也越長,期間若再有硬碟故障,資料遺失風險就會升高。VAST 在 SC26 分享一項以故障資料進行的模擬:在 900 PB 系統中,若使用容量級 SSD 搭配機箱內的分散式 RAID,10 年內資料遺失的機率是 1/11。模擬也顯示,把資料保護範圍擴大到整個系統,並至少增加到三份同位資料,可將機率降到 1/5,400 萬;VAST 自家的方案則約為 1/620 億,但該方案細節未公開。這些數字來自 VAST 的模擬,作者指出,仍需要公開、公平的資料比較,才能判斷哪種做法最合適。
Outlook 好幾天無法正常使用、全國航班停飛、銀行服務出問題,連 iCloud 也一度無法運作,讓人覺得科技世界突然垮了。The Vergecast 主持人 Nilay 和 David 回頭拆解這些狀況,說明實際情況通常沒有傳言那麼嚴重,也提醒大家:當生活裡有更多 AI、能處理問題的人卻變少,新的故障可能更難找到解法。他們也聊到 Jensen Huang、Nvidia,以及涉嫌把晶片走私到中國的生意。
這期整理了 React、行動開發和 JavaScript 生態系的多項新訊息,焦點之一是開發工具開始讓 AI 助理直接操作介面、建置程式並檢查成果。Expo 推出雲端模擬器,AI 助理可以在隔離的環境裡執行 App,留下錄影、截圖和記錄供人檢查;Exact 也推出建置與安裝服務,串起從改程式到手機驗收的流程。其他訊息包括 Vercel 的 UI SDK、React 與 Solid 更新,以及 Webpack 原生處理 CSS 和 HTML。
求職者可能花了很多時間做線上測驗、和 AI 虛擬面試官面談,最後卻沒有真人聯絡;有些公司還可能把求職者的回答、程式碼和作品集拿去訓練模型,或由中間人蒐集工作經歷後轉賣。作者因此建立 NotGhosty,讓求職者查驗職缺是否真實、檢視實際回覆情況,也能檢舉只蒐集資料卻沒有招募的公司。平臺的履歷掃描器會在記憶體中分析 PDF 和 DOCX 履歷,算完相符程度就刪除資料;掃描不必註冊,也沒有付費方案或廣告。
比特幣常被稱為「數位黃金」,但它遇上美股大跌時,往往也跟著下跌。DWF Labs 比較 2016 年至 2026 年的市場資料,發現比特幣近年和美股的連動較強;納斯達克單日跌逾 1% 時,比特幣約有四分之三的機率下跌,平均跌 2.0%,黃金平均只跌 0.2%。近一年晶片股上漲 85%,比特幣則下跌 39%;比特幣與黃金的相關性也升至十年高點。DWF Labs 認為,比特幣目前仍帶有風險資產特性,但與黃金的連動正在增加。
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。
社群平臺的無限捲動、自動播放、個人化推薦和通知,會讓人一直回到平臺上。報告指出,全球可能有超過十分之一的人受到問題性網路使用影響,範圍包括過度使用社群媒體、沉迷遊戲、網路賭博和強迫性網購等;每年造成的經濟與社會成本可能高達數十億美元。報告作者認為,問題不能只怪使用者和家人,設計產品的企業也有責任,並主張加強監管、採取國際合作來減少傷害。
AI 助理就算最後把事情辦成了,中間也可能選錯資料、做了多餘操作,或把「系統收到要求」誤當成「事情已完成」。例如,更新客戶地址時,助理可能改錯欄位,卻仍回報成功;只看最後結果,就看不出這些問題。作者建議,除了確認目標有沒有達成,也要檢查每一步是否正確、有根據,並在操作後確認資料真的變了。這樣才能及早發現錯誤,降低重要工作出問題的機會。
有些科技業人士開始擔心,約會物件可能是為了打聽公司機密才接近自己;媒人也說,最近有更多客戶提起這類顧慮。資安專家提醒,這種關係不一定像電影裡那樣,在酒吧遇見陌生人後立刻被套話;有些人會花好幾個月,甚至好幾年慢慢建立信任,再打聽敏感資訊。專家建議留意看起來好得不太真實的接近方式,也別以為只有高階主管才會被盯上。
網路上有人用 AI 做出逼真的假人,假裝成網紅、投資顧問或需要幫助的家庭,騙人訂閱、投資或捐款;有些還盜用真人照片,做成對方從未同意的內容。作者主張,假人只要拿來賣東西、募款或說服別人,就應清楚標示是合成影像,並要求經營者用真實身分完成查核;若平臺從已確認的 AI 詐騙中賺到錢,也應負起金錢上的責任。這些規定不是要禁止 AI,而是讓受騙的人有辦法追究,也避免大家把錢交給螢幕後的假身分。
DeepSeek 免費版使用者發現,閒置 7 天的長對話無法繼續聊,單次輸入上限也降到約 4 萬字,每天用量太多還會碰到額度上限。這些限制隻影響 App 和網頁版,開發者使用的 API 不受影響。文章也提到,豆包、千問、Kimi 和元寶都有不同形式的使用限制,有些付費方案也設有時間用量上限。作者認為,平臺在使用者變多、算力成本增加後,正透過限制用量或收費來控制成本;長時間聊角色的使用方式也很耗算力。
AI 助理大量產生程式碼,讓原本為人類開發者設計的 GitHub 面臨更大負載,文章也整理了它近年的服務中斷情況。Cursor 推出可和 GitHub 同步的 Origin;OpenAI 用 Pando 支援自家程式庫,並計畫把 Code Storage 整合進 Codex;Anthropic 則在公司內部用 Scion 取代 Git。這些做法各有不同,目前只有 Origin 能讓外部使用者試用,Scion 僅供 Anthropic 內部使用。GitHub 正擴充容量並遷移到 Azure,而它累積的使用者、開源社群和協作習慣,也讓其他平臺不容易取代它。
如果 AI 助理能替人操作 Mac,就得讀取檔案、使用 App,也可能執行指令,方便之餘,隱私和安全風險也會增加。Apple 的徵才資訊描述一種能瀏覽網頁、跨 App 工作、執行命令、撰寫與除錯程式碼,並透過 API 呼叫服務的 AI 助理;TechCrunch 報導這項工作仍在早期,最快可能於 2027 年底推出,但 Apple 尚未確認。Apple 也表示,macOS 將加強「完整磁碟存取」控管,要求使用者更明確地同意存取敏感資料。文章指出,Apple 若要讓這類助理可靠地完成跨 App 工作,就得讓使用者看得見它做了什麼,也能隨時停止或撤回操作。
付款廠商每兩百筆結帳大約失敗一筆,大家知道怎麼重試,也熟悉客服教的處理方法。另一家廠商比較便宜,API 也更好,但沒人知道它會失敗幾次,所以開會時大家選擇留下舊廠商。這種心態也會出現在工程工作裡:熟悉的舊程式庫、偶爾出錯的測試,甚至得重開機的伺服器,雖然麻煩,卻讓人覺得比較能掌握。 要做決定,可以先想辦法量出新選項的表現,例如讓少量流量跑一週、問問兩位曾離開舊廠商的客戶,或用測試帳號和程式刻意製造失敗。量過之後,舊廠商還是可能比較好;只是選它的理由應該是實際表現,而不是因為我們不知道另一家的狀況。
以前產品加上 AI,常得把文字或圖片送到資料中心,等大型模型回答;現在有些 AI 功能能直接在手機或筆電上跑。像是整理訊息、建議回覆、分類照片,都可以交給較小的模型處理;遇到比較難的問題,再送到伺服器。資料留在裝置上,隱私更好,也能省下每次向伺服器提出要求的費用,沒訊號時仍可使用。不過,小模型不擅長長篇推理和廣泛知識,舊裝置也可能跑不動。開發者得想清楚哪些工作適合在裝置上做,並老實告訴使用者 AI 實際在哪裡運作。
作者寫專題進度報告時,指導老師一眼就看出是他親手寫的,還說自己收過很多 AI 寫的報告。作者回想,工程系課程不只鼓勵學生用 AI,還讓人覺得不用就會吃虧;最難的一堂課,甚至得在電腦教室裡對著 AI 工作一整天。這讓他擔心,學生會不會從用 AI 寫作業,慢慢變成遇到問題都先問 AI,連讀書和思考也交給它。作者希望大家多讀、多寫、自己找答案,也想想眼前的內容想帶給我們什麼想法,別把思考也自動交給 AI。
這週幾則科技訊息都在談軟體怎麼更值得信任:誰能讀你的資料、AI 找到的問題怎麼變成真正的修補,以及出錯時能不能重現。英國政府證實曾對 Apple 下達與加密相關的秘密命令,但命令細節仍未公開。另一邊,GitHub 和 Microsoft 在 6 個開源專案試行 Codename MDASH,把數千筆 AI 找到的問題整理成 99 份經過確認、附有修補建議的私下報告,維護者已修好超過一半。 還有研究人員讓 Claude 協助處理黑洞物理問題;GitHub 推出讓 AI 助理工作接續不同工具的通訊規範;Rust nightly 也預設開啟平行前端編譯。分散式系統則能用模擬時鐘、網路和儲存的方式重現故障,讓同一個錯誤每次都能以相同方式重現。這些做法各自解決不同麻煩,也提醒我們:AI 的發現要先確認再交給維護者,測試則要能穩定重現,才方便找出問題並修好它。
想維持自己寫程式的能力,作者會定期改用沒有 AI 功能的開發環境。他選擇 GRAM,這是從 ZED 改來的編輯器,移除了遙測和 AI 功能;開著專案時多幾個步驟,就不會什麼事都立刻叫 AI 幫忙。作者也在沒有安裝 AI 工具的 Linux 筆電上使用 GRAM,並把瀏覽器搜尋改成關閉 AI 的 Brave Search。這些做法讓他能暫時靠自己完成工作,也是在練習不依賴 AI 寫程式。
AI 助理技能從零散的小工具,逐漸變成團隊會一起使用的整套工具,但人一多,就得知道大家用的是不是同一版、誰能使用哪些技能,以及過程中呼叫了什麼。像 Claude-BugHunter 就把 82 種技能、15 個指令和 681 種已公開漏洞報告的模式放在一起;如果團隊沒管好版本和許可權,就很難確認每個人做了什麼。文章提出 skillhub 這類自架技能庫,能管理技能版本、設定使用許可權並留下紀錄。技能越多,管理方式也得跟上,團隊才容易掌握技能怎麼被使用。
推薦理由:Uber 的案例呈現 AI 程式工具用量大增、總支出仍大致持平的情況,也說明工具描述佔用上下文時,團隊如何改用集中式 MCP 閘道。
2021 至 2022 年募資的加密獨角獸,現在在次級市場常比上一輪估值低 50% 至 70%,部分大型公司接近 90%。文章整理多位投資人與交易平臺人士的觀察:有些公司多年沒有新一輪融資,股權價格便先在轉售市場和併購談判中反映下修。加密市場也分成兩段,有營收、牌照和通路的支付與穩定幣公司吸引較多資金,NFT、遊戲、協議與開發工具的融資則大幅減少。受訪者認為,基金需要把帳面價值換成現金,未來幾年併購與重整可能增加,次級市場價格也會成為新一輪募資的談判參考。
只看瀏覽量,已經不容易知道有多少真人在閱讀 Wikimedia 的內容。Wikimedia Foundation 表示,搜尋引擎帶來的真人瀏覽正在減少,搜尋摘要、AI 助理和社群平臺也會直接提供內容,讓部分讀者不用進入網站;同時,自動化程式的流量增加,讓真人瀏覽的變化更難算清楚。為了看懂這些變化,團隊提出四個觀察面向,包括內容能見度、讀者後續行動、流量來源是否過度集中,以及長期趨勢是否改變。Wikimedia 也指出,手機網站較依賴搜尋流量,瀏覽量相對穩定的手機 App 則顯示,直接與讀者建立連結可能有助於維持接觸。
推薦理由:Wikimedia 說明搜尋摘要、AI 助理與自動化流量如何改變讀者來源,也整理出超越瀏覽量的四個觀察面向。
Mindutil 的 AI 工具目錄有 4,323 筆資料,但流量最高的 150 個頁面中,只有 20 個有至少 80 個獨特字詞,其餘 130 個仍只有模板內容。這些頁面佔前 150 名總閱讀數的 64.0%,其中 81 個還有廠商認領標記。作者原本花時間改寫已經有內容的頁面,現在打算先處理閱讀數最高的頁面,並優先聯絡已認領卻沒有實際產品介紹的廠商;之後再觀察改寫是否帶動閱讀數變化。
Nvidia 第三季營收比去年同期多一倍,達 1158 億美元,資料中心業務也成長 110%;Vera Rubin 平臺帶來近 200 億美元營收。不過,晶片股遭到賣出,加上前執行長黃仁勳辭職,以及公司治理調查等訊息,股價仍一路下跌,曾約 150 美元,最後收在 145.98 美元,創下 52 週新低。這顯示公司業績很好,股價也可能因其他訊息大幅波動。
美國多家企業和機構近兩週接連發生服務中斷,影響 Apple Pay、NASA 內部通訊、航班,以及 Microsoft 的 Outlook、Teams 和 Copilot。相關公司表示,部分故障不是網路攻擊或 AI 攻擊;官員也說目前看來不像國家支援的恐怖行動,調查仍在進行。受訪專家提出,部分問題可能和老舊系統接上新裝置時,改造太急、測試不足有關;也有人認為 AI 工具加快找出既有弱點,企業因此急著修補,短期內可能造成更多中斷。受訪者建議加強測試、分階段改造,並限制不同系統之間的存取。
AI 資料中心越蓋越多,電網可能來不及供電。IEA 的《World Energy Outlook 2026》估計,全球資料中心目前有 120GW 的供電容量,到 2030 年底還會增加 120GW,其中 75% 用於 AI。IEA 也追蹤了 93 座正在興建或擴建的大型 AI 工廠,預計完工後合計可達 50GW,約等於再增加一個英國的用電需求。電費會不會因此上漲,取決於電網是否需要擴建,以及費用由誰負擔;IEA 表示目前還看不出資料中心增加和電價上漲之間有明確關係。另一個難題是供電來源:資料中心的購電協議近半來自再生能源,但實際發電仍有近 60% 來自燃煤和天然氣。發電廠和輸電工程都需要時間,輸電工程尤其可能拖得更久,讓供電成為 AI 基礎建設擴張的限制。
推薦理由:IEA估計資料中心用電容量將大幅增加,但電網工程往往比建置速度慢,凸顯供電瓶頸與成本分攤的難題。
AI 產業還在擴大,但公司用得更多時,花費和收入沒有跟著同樣加快。Ramp 的資料顯示,兩週前達到高點後,AI API 支出下滑 6.3%;和前一個月相比,token 用量增加 27.2%,支出只增加 12%。OpenAI 和 Anthropic 的每百萬 token 平均價格降到 $0.45。Stripe 追蹤約 20,000 家使用其服務的 AI 公司,這些公司的收入在截至 11 月 8 日的 52 週成長 103%,但以最近 13 週換算的年化成長率,已從幾個月前的約 140% 降到約 80%。兩組資料都顯示市場仍快速成長,只是成長速度正在放慢;這些資料各自只涵蓋特定企業和平臺,不能代表整體市場。
2026 年 8 月 12 日的日食讓西班牙和德國、盧森堡的太陽能發電提早下滑。研究者拿日食前後晴朗日子的發電量作比較,估算西班牙在 18:15 UTC 少了約 4,179 MW,德國、盧森堡則在 17:45 UTC 少了約 1,932 MW。西班牙的減少量比電網業者先前估的 5 GW 小;德國、盧森堡的實際數字則接近預估的 2 GW。 整天少發的電量不多,但日食時段的發電變化仍會增加電網排程的難度。文章提到,快速排程的資源能補上預測和實際發電的落差;大型電池若建置完成並由電網業者使用,也能派上用場。Sustainable Digital Assets Inc. 提到的電池儲能系統仍是提案,並非已經運作的裝置。
全球建築需要的冷房服務已首次超過暖房服務,但這不代表冷氣耗電量已高於暖氣。IEA 在《World Energy Outlook 2026》中指出,冷氣在把熱移出室內時,提供的冷房效果可能大於所用電力;暖氣則仍消耗更多能源。依 IEA 的主要情境,全球建築冷房用電到 2035 年將增加 1,700 TWh,達到每年 4,700 TWh。冷氣集中在最熱時段運轉,也會讓電網尖峰負載增加;冷氣普及則讓更多人能在炎熱時維持舒適。
推薦理由:文章釐清了冷房服務與實際耗能的差別,也整理冷氣普及如何推高尖峰用電,呈現舒適需求和電網負載之間的關聯。