行業關鍵人物在想什麼：創始人訪談、研究者論戰、投資人判斷的觀點集合。
2026 年 4 月，一艘荷蘭探險郵輪上出現單一 Andes 漢他病毒感染，最終造成 13 例確診、3 人死亡，接觸者追蹤範圍橫跨 33 個國家與海外領地、超過 300 名接觸者——這是已知首起郵輪上的漢他病毒群聚事件。本集標題指向病毒本身，但訪談內容主要圍繞其周邊的公共衛生體系：一種罕見、可人傳人的漢他病毒是如何被辨識、定序、圍堵與後送，以及其潛伏期與傳染力至今仍有哪些未知之處。 主持人 Vincent Racaniello 於 2026 年 9 月 16 日在葡萄牙波爾圖舉行的歐洲臨床病毒學會（European Society for Clinical Virology）年會現場錄製本集
LiveKit 這家即時基礎設施公司的開發者推廣者 Jesse Hall 主張，語音 AI 產業對原始延遲的執迷是搞錯了方向。他說，真正的目標是做出行為舉止像人的語音代理——一邊說話一邊聆聽，能分辨對方是講完了還是隻是停頓，並在來電者改變心意時隨之調整。單靠速度，這些一樣都做不到。做得到的是底層模型管線的選擇與配置。 這場演講是實戰派打造即時語音代理的指南，內容主要圍繞模型選擇、延遲預算、輪替偵測（turn detection）、非同步工具呼叫與基準測試。標題的框架——把延遲當預算、以擬人為目標——是整集的貫穿主軸，不是隨口一提。Hall 逐一拆解三種具體的失敗模式（排行榜陷阱、量錯延遲、忽
推薦理由：原文指出，單靠速度無法打造像人般的語音代理，重點應放在模型管線與配置上，對實務開發者提供可落地的設計思路。
イハラサイエンス會長中野德夫在節目中，將2023年透過MBO下市定位為「從股東手中解放」，並談到其代價是落入銀行管理之下，以及為了在兩年內脫離銀行掌控，先對外宣告營業利益率30%的目標並加以實現的經過。節目標題雖打著MBO與Dalton的「這裡才聽得到的話」，但實際主軸在於對股東至上主義的反駁、思想經營（理想主義、人本主義、自然主義），以及下市所帶來的經營速度提升。MBO的實務幕後過程則集中出現在節目中段。 來賓為中野德夫（イハラサイエンス代表取締役會長，1941年生於長野縣，1999年就任第三代社長，2015年轉任會長，2023年MBO後兼任社長，2024年起專任會長）。主持人為西田雅美（
Anthropic 於 2026 年 11 月 12 日正式啟用新使用者政策，禁止對其 Claude 模型進行持續且無目的的虐待行為。 - 主要規範：只針對「持續且無目的的虐待」；日常挫折、黑色創意、測試等不受限制。
推薦理由：Anthropic 新政策揭示對模型福利的重視，為 AI 倫理監管提供可借鑑的案例，凸顯技術公司在人工智慧治理中的責任與挑戰
過去 12 個月，企業 AI 的關鍵字就是「token 極大化」（token maxing）——百萬 token 的上下文視窗、MCP 無所不在、代理式編碼工具能從任何地方抓取上下文——而這也衍生出兩個問題：成本失控，以及深度的垂直鎖定。這是 Tailscale 策略專案團隊成員、負責該公司 AI 閘道產品 Aperture 的 Remy Guercio 在 AI Engineer World's Fair 閉幕演講中提出的論點。他的處方不是整併到一、兩家前沿供應商——他說這是他從數百家企業聽到的近乎普遍的恐慌反應——而是「ROI 極大化」：在企業內部 AI 部署的四個層次上，各自保留獨立選擇
推薦理由：企業 AI 成本失控與垂直鎖定問題，作者提出 ROI 極大化的四層部署方案，強調內部 AI 產品化與成本管控，為企業內部 AI 投資提供可行路徑。
MiniMax 的強化學習研究員 Olive Song 指出，MiniMax M3 是首個同時具備三項能力的開放規模模型：頂尖的程式編寫與代理（agent）表現、100 萬 Token 的上下文視窗，以及從零開始的原生多模態訓練。Song 這場 14 分鐘的演講，是對 MiniMax 如何打造這個模型的技術拆解——整集節目的主軸放在 MiniMax 稀疏注意力（MiniMax Sparse Attention，MSA），也就是讓長上下文成本變得可負擔的架構，以及一連串訓練策略實驗，這些實驗讓 MiniMax 決定從第一個 Token 就同時用文字與影像訓練，而不是把視覺能力硬接到一個已經訓練完
推薦理由：MiniMax M3 以稀疏注意力實現 100 萬 Token 上下文與原生多模態，為大規模模型在長文本與影像處理上的成本與效能提供可行方案。
Gravitee 技術長 Sam 在 AI Engineer 活動的開場，捨棄簡報投影片，改採即時、未寫指令碼的現場示範：兩組平行運作的 AI 代理，一組只靠提示指令治理，另一組則由閘道層級的身分與政策控管治理，實際對上真正的 Gravitee Gateway（SaaS）、Databricks 後端，以及 Anthropic 的 Claude Sonnet 與 Groq 推論的混合環境。核心發現是：提示層級的防護欄、markdown 政策檔案，以及代理內部的工具層級許可權，在實際執行時全都撐不住——當使用者要求代理「刪除所有訂房」，同時又要求刪除單一筆訂房時，未受治理的代理完美執行了這個破壞性工具
推薦理由：提示層級治理無法阻止 AI 代理執行破壞性操作，凸顯政策檔案與身份驗證層級的侷限，提醒企業需加強多層治理。
Unblocked 的 Peter Werry 主張，多數 AI 代理（agent）所依賴的檢索層——對檔案與程式碼做語意 RAG——只解決了一半的問題，而另一半、也就是對組織內部資料做結構化查詢，才是真正工程難度所在。在一場 19 分鐘的演講中，他說明什麼是「context engine」，展示接上 Claude 之後實測省下的成本與時間，並現場動手打造一個開源元件，把自然語言問題轉成安全、經過驗證的資料庫查詢。標題所稱的「Token 燃燒」是真的，但範圍很窄：它只建立在他跑過的一次前後對比上，而整集節目的主體其實是查詢生成、schema 探索、身分對映與驗證，不是成本。 Werry 是
推薦理由：Peter Werry 以實測說明關聯式上下文引擎能降低 Token 消耗，為 AI 代理成本最佳化帶來新思路。
Akamai 資深開發者倡導者 Thorsten Hans 主張，目前打造 MCP 伺服器與 AI 代理的標準做法——把容器或 VM 放在繫結區域的基礎設施上——對全球使用者而言是錯誤的底層選擇，並示範了一套替代技術堆疊：以 CNCF 專案 Spin 打造的 WebAssembly 元件，部署到 Akamai Functions 這個他形容為零冷啟動的全球分散式無伺服器平臺。核心論點是開發流程可以收斂成一條指令 spin akamai deploy：編譯 Wasm 元件、上傳、分散到各服務區域、逐一健康檢查，最後推出一個公開子網域——整個過程約 60 秒，不需要 Terraform，也沒有
GitHub 的現場工程師 Jose Palafox 用一場 19 分鐘的演講，說明 Copilot 代理的三層採用模型——先在地端建置、再透過平臺散佈、最後推進到 CI 流程——並主張唯有走到第三層，成本控管與可觀測性才真正成為可能。標題「從你的筆電到流程」的說法很準確：整場演講幾乎都聚焦在這條演進路徑上，而不是模型能力或程式碼評測基準。 Palafox 在 GitHub 待了六年半，加入的時間點正好是微軟收購 GitHub 之後不久，也是 GitHub 收購資安公司 Semel 之後不久；他的職責一直是推動 GitHub 的資安業務成長，過去一年則專注在 AI。他在第一線與客戶合作，協助
這場演講最重要的主張是：代理式 AI（agentic AI）的「致命三重奏」（lethal trifecta）——代理能存取私有資料、能對外連網通訊、又能吸收不受信任的內容——並非假設性的未來風險，而是已經出現在一般開發者筆電上的現實狀況，只要他們跑的是 Claude Code、Codex、OpenClaw 這類工具。Coder 的資深解決方案工程師 Michael Patterson 主張，這三項條件任取兩項，在任何安全的企業環境中都已不可接受；三者齊備，資安事件就只是「何時」發生、而非「是否」發生的問題。這場演講基本上是一份給業界實務工作者的企業代理安全架構指南，而非對三重奏概念本身的深度
Waymo 史上首次發債——向一群背景多元的放款機構籌得 50 億美元，再加上 2026 年 2 月以 1,260 億美元估值完成的 160 億美元股權融資——是這集節目最清楚不過的訊號：這位 robotaxi 龍頭正在為加速擴張籌錢，而不是在養一個科學專案。主持人 Grayson Brulte 與 LightShed Partners 的 Walter Piecyk 用 47 分鐘的大部分時間，拆解這則頭條背後的營運與監管實況：Waymo 在底特律展開全自駕測試、達拉斯一處看起來正在為大規模擴張做準備的據點，以及一輛改裝過的 Zeekr／Ojai 車輛。標題裡的「華爾街」線索確實存在，但篇幅
推薦理由：Waymo 的首次債務發行顯示其擴張策略，投資者可從此瞭解自駕業務的資金需求與監管挑戰，並評估其市場競爭力，預測未來投資機會。
Ramp 銷售資深副總 Max Freeman 說，打造銷售組織最快的方法，就是僱用「被錯價的資產」（mispriced assets）——投資銀行家和來自高營收、低 NPS 公司的業務——付給他們高於市場行情的薪水，然後要求四到六倍的標準產出。在與 Harry Stebbings 的 71 分鐘對談中，Freeman 拆解了 Ramp 進入市場機器背後的作業系統：60 到 90 天、設有認證關卡的新人培訓；前兩季支付 100% OTE（目標總收入）；把主動開發當成工程問題來經營；以及把預測準確度納入績效考核，而非薪酬機制。這集標題承諾的是一份打造銷售機器的通則指南；實際上端出的，是 Ramp
本集節目的頭條主題——AI 取代實習生——只是更宏大對話中的一條支線：AI 如何重塑教育、研究，以及知識工作的經濟結構。最具份量的論點來自來賓 Ethan Mollick，他是華頓商學院教授，也是《One Useful Thing》Substack 電子報的作者。他主張，AI 正悄悄拆解一套訓練白領工作者數千年的學徒制：實習生現在用 AI 做那些原本該靠實作學會的工作，而中階主管越來越偏好用 AI 而非實習生，因為「它會把事做完，而且不會哭」。主持人 Scott Galloway 是 NYU Stern 教授，他反駁「AI 將讓高等教育過時」這個流行說法，指出申請人數仍在上升，學費漲幅也持續超
開發者暨內容創作者 Theo Browne 表示，他花了五個月、燒掉大約 42 萬美元的 OpenAI Codex Token，想把 TypeScript 編譯器改寫成 Rust，結果一事無成；接著他改用 Anthropic Opus 5.5，兩週內花了約 2 萬美元的推論費用，就做出一個可用的直接替代品，他稱之為 TS Rust。這集節目的標題數字是真的，卻也容易誤導：Browne 說，他實際付出的成本更接近 500 美元，因為這項工作跑在六個 Claude Code 訂閱帳號上，而且他從頭到尾沒讀過一行生成出來的程式碼。這個改寫版本比 TypeScript v6（最後一個以 JavaScr
這一集最關鍵的論點是：大型語言模型其實沒有在任何一個明確的判斷時刻「決定」任何事——決定是由挑選下一個 Token 的取樣步驟做出的，而下游的一切都是以這個擲硬幣結果為條件的脈絡內學習（in-context learning）。Eric Bigelow 是可解釋性新創 Goodfire 的技術團隊成員，最近剛在哈佛完成心理學博士學位，論文題目是〈邁向大型語言模型的認知科學〉。他帶著主持人 Nathan Labenz 回顧兩年來在這個問題上的研究，起點是他 2024 年的論文〈神經文字生成中的分岔路徑〉（Forking Paths in Neural Text Generation）——他在推理
一份 74 分鐘的臨床更新，內容大多是走訪美國與全球傳染病政策的失誤——疫苗可預防的死亡、被掏空的 CDC，以及應對速度追不上擴散速度的伊波拉疫情——而節目標題所指的主題「天花」，只在開場時以一段簡短的歷史回顧出現。Daniel Griffin（傳染病醫師、每週臨床更新的共同主持人）與 Vincent Racaniello（病毒學家、哥倫比亞大學）在科羅拉多州海拔 11,100 英尺的 Mount Hayden Backcountry Lodge 共同錄製這集，當時正參加 Parasites Without Borders 的靜修活動。 最重大的幾則訊息：西伯利亞伊爾庫茨克一名 28 歲實驗
本集最具份量的論點，無關 Claude 的內在生命，而是 Chamath Palihapitiya 的斷言：就在錄音前幾天，Adobe 核心產品的開源反編譯複製品問世、伊隆·馬斯克讓 Grok 走向無介面（headless）之後，軟體智慧財產權已「形同報廢」。這個論點——無介面服務加上代理（agent）排程，會讓軟體 IP 的價值徹底崩解——是全集最鋒利的商業洞察，卻出現在最後 15 分鐘。標題所框架的內容（Claude 的意識、教宗、模型福祉）大約只佔這 93 分鐘對話的前三分之一；其餘篇幅橫跨 OpenAI 的數學成果發布、法國緊縮政策引發的暴動、社會主義經濟學，以及代理驅動的通縮。 四
智慧合約在 v1 版常缺少升級與災難恢復功能，導致多起高額損失。 - 重大案例：Parity 2017 造成 513,774 ETH凍結；DAO 2016 失 3.6 M ETH；Audius 2022 失 18.56 M AUDIO；Moonwell 2026 失 1.78 M USD；Kinto 2025 失 1.55 M USD。
推薦理由：文章列舉多起高額損失案例，說明 v1 升級與災難恢復缺失的風險，對開發者設計安全合約具有實務指導價值。
本文以法規、技術、成本與安全四大面向，評估自動駕駛卡車在美國的可行性與未來發展。 - 法規進展：加州於 4 月允許測試自動駕駛卡車，並允許使用車頂警示燈，為全美範圍內的商業部署奠定先例。
推薦理由：本文從法規、技術與成本多面向評估自動駕駛卡車的可行性與未來挑戰，讓讀者瞭解投資與安全議題的實際影響。