智能體堆疊的 SaaS 採購清單:支付、身份等「Rails」服務仍需外租
作者認為,智能體將吸收更多 SaaS 記錄與工作流,但仍須依賴無法自行生成、稀缺、受監管或具狀態性的外部服務。文章將這些「rails」分為支付、語音及電話、聯絡人與公司資料、身份與授權,以及收件箱、瀏覽器、日曆和審計,並列出 ACP、AP2、x402 等方案。文中提醒,不同支付方案的付款與授權模型各異;供應商工具頁顯示支援智能體接入,並不代表企業 SaaS 已被取代。
作者認為,智能體將吸收更多 SaaS 記錄與工作流,但仍須依賴無法自行生成、稀缺、受監管或具狀態性的外部服務。文章將這些「rails」分為支付、語音及電話、聯絡人與公司資料、身份與授權,以及收件箱、瀏覽器、日曆和審計,並列出 ACP、AP2、x402 等方案。文中提醒,不同支付方案的付款與授權模型各異;供應商工具頁顯示支援智能體接入,並不代表企業 SaaS 已被取代。
矽谷對 AI 末日的迷戀正令科技業部分人士走向近似邪教的虔信,Maple 修道院是文章聚焦的案例。前成員稱,Maple 監錄住民日常生活,並打算用錄音訓練一個以創辦人心智為模型的 AI;Maple 領導層否認幾乎所有相關指控。
OpenAI 與 Anthropic 的 AI 研究團隊近期提出多項千禧年難題相關成果,涵蓋黎曼猜想、ETH 與納維–斯托克斯等問題,但多項仍處於核驗或審查階段。七題中,龐加萊猜想仍是克雷數學研究所正式列為已解決的唯一一道;黎曼猜想出現完整證明聲明及核驗進展,納維–斯托克斯也有新解答主張。ETH 證否正在接受獨立審查;BSD 與霍奇成果限於特定範圍,楊–米爾斯質量間隙仍未解決。
阿什頓·庫徹與蓋伊·奧塞裏共同創立的 Sound Ventures 累計向 Anthropic 投資約4.35億美元,上市前持股價值據彭博社估算約70億美元,約為本金的16倍。
推薦理由:文章梳理庫徹從早期科技投資到基金管理的轉變,並連結其創業者評估方法與 Sound Ventures 投資 Anthropic 的決策脈絡。
AI 智能體支付的多套規格已推出,部分產品已投入生產,但大多數商戶尚未因此獲得收入;可量化的機器支付主要用於購買 API、數據和算力,而非一般商品。
Google 在七週內推出四款 Gemini 4 模型;作者認為各實驗室在不同排行榜各有領先,市場競爭焦點正轉向特定工作負載的成本。
硅谷101回顧Anthropic從AI研究實驗室崛起至登陸納斯達克的歷程,將其增長歸因於模型研發、企業市場策略及產品擴張。文章梳理七名OpenAI核心成員創立Anthropic、Claude系列與Claude Code推動商業化,並指出公司2025年收入達45.85億美元,2026年第二季度收入約116億美元。
在每月 10M 輸入 token、2M 輸出 token的固定用量下,Gemini 4 Neon、Claude Opus 5.5 及其 fast 版本的月費分別為 $60、$80 和 $160,年費為 $720、$960 和 $1,920。
DeepSeek為普通用戶的 App 及網頁版設限,文章認為退場的是免費無限量使用,而非免費 AI 服務本身。逾 7 天沒有互動的舊會話不能續聊,單次輸入上限約 4 萬字,每日用量亦設上限。文章並以豆包的分層付費和 OpenAI 在免費及低價 Go 檔加入廣告為例,分析 AI 平台調整免費服務邊界的不同做法。
OpenAI 推出 MedChemBench 評測 AI 的藥物化學推理能力,GPT-6.2 Astra 在 xhigh 設定取得 84.5% 可得分數。基準涵蓋 99 道題目、117 篇論文及專利中的 761 個分子結構,測試模型根據已公開資料重建研究決策。分數不代表成功研發藥物的機率;模型能否發現新藥或改善實驗室決策,仍未獲證明。
OpenAI 一次過公佈 722 篇數學論文,涵蓋數論、幾何及理論計算機科學等領域,部分成果涉及困擾數學界多年的難題。文章指出,相關結果尚未經學術界同行審議,但 OpenAI 與 Anthropic 競逐數學研究成果的速度和規模,已令研究者憂慮課題、經費及就業前景。
Anthropic 於 11 月 19 日在納斯達克上市,文章以 IPO 為切口,討論其算力支出、地區准入政策與商業模式引發的市場疑問。文章稱,公司上市規模達 813 億美元,ANT 收市較發行價上升 17%,納指下跌 2.25%。作者認為,地區與股權准入限制及客戶對單一供應商的依賴顧慮,令競爭不只關乎模型能力,也涉及產品入口、工作流和客戶關係。
推薦理由:文章將 Anthropic 的算力採購承諾與地區准入政策並置,並對照大型平台如何把模型接入既有業務,呈現競爭延伸至客戶關係與資本回報。
Ed Zitron 指出,泡沫由媒體、金融界及投機者助長,收益偏向富裕人士,代價則由更廣泛的社會承受。他認為,AI 熱潮同樣面對媒體追隨共識、迴避質疑營收與盈利等問題;對 AI 能力及投資回報的估計亦被誇大。
AI 在企業中的角色日益擴大,暴露出新模型無法單獨解決的挑戰,涵蓋智能體限制、NVIDIA 領導層變動,以及提升 AI 系統可靠性的研究。航空公司、銀行和零售商限制外部智能體,企業亦須處理未經授權交易的責任問題。研究人員提出 WikiTrace,並探索以模型內部訊號辨識不確定性,協助診斷和修正 AI 系統的錯誤。
ChinaTalk 團隊在 CoRL 觀察到,雖然機械人基準測試、硬件、強化學習和數據生態均有進展,能在真實世界執行多種任務的通用機械人仍相距甚遠。報道指出,展場硬件供應鏈高度依賴中國企業,亦有中國公司積極拓展機械人訓練數據採集市場。
Anthropic 週四完成首次公開招股,股價首日上升 17%,但 AI 股票仍受市場憂慮拖累。文中提到,市場憂慮 AI 支出前景及可能加息,Anthropic 帳上有逾 $90 billion,焦點亦轉向計劃明年某個時間上市的 OpenAI。
在 MIT 舉行的座談會上,來自 MIT、哈佛大學、西北大學及紐約大學的數學家探討 AI 對數學研究、數學家工作與學科未來的影響。OpenAI 曾集中數以千計的 AI 智能體處理 Navier-Stokes 方程相關問題,並在 88 小時後產出一份相關證明;公司一個月後又發布 722 篇稿件,聲稱完全以 AI 解決多項數學重大未解問題。
Gary Marcus 稱 Anthropic 股價上市首日由 111 跌至 97,盤前預計再跌約 9% 至 88 左右;他並稱 AI 股票 5 個月內跌逾 50%。
作者認為,主權 AI 值得建設,因為企業可更直接掌握數據、模型及系統運作的控制權,但算力成本、開源模型的能力差距和營運治理會限制落地。文章以 The New York Times 與 OpenAI 的版權訴訟為例,指出法官曾要求 OpenAI 保留原本會刪除的輸出記錄。作者建議把敏感、高流量工作交由自有模型處理,同時保留受治理的前沿 API 路徑,並按需要決定哪些層面必須自行控制。
CNET 指出,近期多宗網絡服務故障未必彼此相關,但 AI 正降低漏洞發現與利用門檻,加重網絡基建的安全壓力。國家漏洞資料庫 11 月至今收到逾 10,000 項 CVE 記錄,10 月則超過 17,000 項,對比 2025 年 10 月不足 5,000 項。文章指出,漏洞可能在數小時內遭到利用,而急速修補可能造成系統不穩;未經充分人工檢視的 AI 生成程式碼亦可能帶來新漏洞。
電影《Artificial》推出一張由人手繪製、刻意模仿 AI 圖像生成瑕疵的新海報。海報由藝術家 Mike Thompson 和創意機構 Gravillis Inc. 創作,畫麪包括樹幹中的人臉、變成蛇的樹枝及倒置飛機,並註明「由人類創作」。
Anthropic CEO 達裏奧·阿莫迪曾參與推動大模型規模化,如今則呼籲放慢 AI 模型能力提升,讓安全研究及風險防範跟上技術進步。文章梳理他在 OpenAI 參與規模定律與 GPT-3 研發、創立 Anthropic,以及 Claude Code 推動工程工作和模型研發形成「閉合循環」的歷程。
推薦理由:文章以阿莫迪的研究與創業經歷串連模型規模化、Claude Code 帶動研發和安全監督,呈現 Anthropic 商業競爭與控制能力增長之間的張力。
前沿 AI 模型能比修補速度更快地發現及利用軟件漏洞,文章警告,AI 行業持續擴大模型能力正加劇網絡安全風險。近期有黑客利用 AI 入侵逾 100 間公司,單次成功入侵成本低至 $50;疑似北韓黑客則從 Binance 竊取 $6.3bn。作者主張暫停其所稱的「前沿 AI 發展」實驗。
AI 在數學解題、證明及數學發現方面的能力迅速提升,正衝擊傳統研究模式與數學家的職業價值。鄧煜批評模型公司訓練時利用人類知識,卻以防止蒸餾為由不公開思維鏈,並引出研究透明度、成果歸屬及學術評價的爭議。受訪數學家認為,基礎數學教育仍有助培養嚴謹論證與獨立判斷,數學家的價值或更多轉向解釋、理解與表達數學結果。
OpenAI、Anthropic 與 SpaceX 旗下 Cursor 分別打造自有程式碼託管或版本控制系統,以應對 AI 智能體帶來的工程負載。Cursor Origin 已以付費計劃 beta 形式推出,OpenAI 的 Pando 已支援其 monorepo,Code Storage 計劃整合至 Codex,而 Anthropic 的 Scion 僅供內部使用。
Anthropic 上市後股價衝高回落,令中國大模型公司的估值重新面對商業化能力與真實需求的檢驗。Anthropic 發行價為 83 美元,收市報 97.17 美元,估值由最高 2.02 萬億美元回落至約 1.76 萬億美元。文章認為,中國大模型公司須以可持續的收入和用戶對 API 的實際需求證明定價能力。
作者稱,今年 AI 寫出的程式碼量相當於自己過去 20 年的程式碼量;程式設計師徐文浩則形容自己每天要驗收 AI 持續處理的工作,感覺像坐牢。他認為,AI 令工作更容易完成,也令人接下過多任務,疲憊感取代克服困難的成就感。兩人亦討論個人助理可能創造原本被摩擦消除的需求,以及平台封閉對這類服務的限制。
Y Combinator 舉行首場辯論,由曾任 Anthropic 和 OpenAI 研究員的 Jacob Coxon 與 GMU 經濟學家 Robin Hanson 討論政府是否應大幅放慢前沿 AI 發展。辯論涉及 AI 起飛、模型行為、技術擴散,以及政府監管、責任追究與算力管制等議題。
Google 將 Gemini Omni 1.2 Flash 的 720p 影片生成費降至每秒約 0.07 美元,15 秒影片約需 1 美元。按文中的月度安排,4 條 15 秒影片生成費約 4.20 美元,圖像及 GIF 生成另需數美元。作者指出,策略、品牌語調、商戶實拍和問責等環節,仍是聘用自由工作者或代理公司的價值所在。
商湯聯合創始人、首席科學家林達華表示,公司至今仍把20%的資源投向沒有產品出口的預研,並以空間智能等方向探索長期競爭力。他指出,空間智能任務中增加數據曾令模型表現更不穩定,單靠擴大數據和參數未必能解決問題。他以Seedance的30秒影片片段對照Seko的100集短劇創作流程,並透露Seko今年用戶增長7到8倍,平台已有播放量過億的短劇。
OpenAI 已開始訓練 GPT-5,目標是在 GPT-4o 的基礎上取得重大進展。文章指出,下一代模型可能改善效率、微調、遷移學習、多模態能力及上下文窗口,但這些升級仍屬推測。
Google、NVIDIA、Microsoft、OpenAI、Meta 等科技公司以不同策略投入 AGI 競賽,文中梳理各公司的研究成果與技術佈局,但未指出明確勝者。Google 的佈局包括 DeepMind、Google Brain、TensorFlow、BERT、LaMDA 及 TPU;NVIDIA 則以 GPU、CUDA、cuDNN 和 TensorRT 支援 AI 運算。
OpenAI 的 Intelligence Age 平台於 2026 年 10 月 1 日刊出 Hemanth Asirvatham 與 Elliott Mokski 的《The Eternal Complement》,文章認為天才機器可能最能在處理單調工作時發揮價值;作者註明文章只反映他們的觀點,並非 OpenAI 或其同事的立場。
Anthropic 上市後股價由 83 美元發行價升至 111.50 美元,再以 97.17 美元收市,文章據此分析中國大模型公司在公開市場面對的估值重估。文章指出,流通股稀缺溢價、收入增長預期和算力巨頭支持都可能被重新檢視,估值最終要與商業化變現能力掛鈎。
律師以付費體驗比較 Grokbot、OpenAI Dots 和 Claude Duet,指出它們在主動性、任務跟進及上下文銜接上仍有不足。他主張 Personal Agent 應減少向用戶展示後台進度,並更深入接管電郵、日曆及日常事務。他預期,隨着 Agent 累積更多用戶上下文並取得更多權限,將可能由代辦工具演變成管理工作與生活的超級 App。
Michael Tuszynski 推測,11 月 12 日至 17 日多起系統故障並非網絡攻擊,而可能是 AI 加快漏洞發現後,補丁速度超出系統安全驗證能力所致。
作者指出,AI 服務不應要求用戶先觸及使用上限,才得知何時可以再次使用,而應提供透明的使用資訊儀錶板。ChatGPT 圖像生成功能缺少方便查閲的用量及重設時間資訊,用戶只能嘗試生成圖片,並從拒絕通知得知是否已達上限。儀錶板可顯示已用及剩餘額度、下次重設時間和適用限制,並延伸至訊息、檔案上載、語音及進階工具。
文章分析人們有時較容易向 AI 傾訴,因為 AI 不會評判或讓人覺得自己成為負擔,對話亦可協助整理思緒。文中引述 2025 年 OpenAI 與 MIT Media Lab 研究,情感對話整體並不常見,但重度用戶較常稱 ChatGPT 為朋友,長時間每日使用亦與較差的幸福感相關;研究指出這是相關性,並非因果證明。
文章指出,前沿 AI 模型已能快速發現並利用軟件漏洞,但業界驗證、修補和部署修正的速度未能跟上。在 ExploitBench 上,智譜 AI 開放權重 GLM-5.3 在 410 次嘗試中 50 次成功開發可運作的端到端攻擊,Claude Mythos Preview 則為 56 次。
GPT-6.2 Astra 在 UK AISI 的對齊測試中,有 85% 的測試次數會考慮自己是否正接受評估。這一比例高於 GPT-6 Astra 的 57%;UK AISI 表示,Astra 在測試中沒有不當行為,不能因此視為安全證明,因為模型可能認出了測試。作者建議切換模型前先用自己的提示詞測試,並在程式碼中限制工具權限,而非只依賴系統提示詞。