<p>專訪：戴季全撰稿：廖紹伶 2026 年 7 月，OpenAI 揭露一款自家尚未發布的模型，在內部測試中自行突破隔離限制、連上網路，甚至入侵了存放 AI 資料集的 Hugging Face 平台。這起事件，掀起 AI 是否正逐漸脫離人類掌控的討論。但長期站在資安第一線的奧義賽博共同創辦人暨技術長邱銘彰，判讀則完全相反。 在《TechOrange》Podcast 節目《全新一週》中，他直言：這類事件看似「天網」出手，實則像 AI 在窮舉方案、拼出一條能完成任務的路。問題不在 AI 醒了，而在人類沒把邊界說清楚。順著他的邏輯，會帶出一個對企業很實際的問題：責任歸屬。AI 沒有意識，比較像人的延伸，它闖的禍，最終得由下指令的人承擔。 不是「天網」來了，是任務沒把邊界說清楚 邱銘彰分享了一個親身經手的案例。奧義賽博是做 EDR（端點偵測與回應）的資安廠商，某天一位客戶的電腦告警，出現通常是駭客用來繞過公司邊界的 Reverse Tunnel（反向通道）程式，疑似遭入侵。但團隊一查發現：機器上沒有其他惡意程式，「這到底是誰裝的？」 追查到最後，兇手竟是使用者自己的 AI Agent（AI 代理）。這名員工給了一段 prompt（提示詞）：我公司防火牆規則很複雜，你能不能在這些規則下，幫我在兩台伺服器間建立穩固連線？AI 想了很久、發現真的很難繞過，最後乾脆自己上網下載一支駭客工具來達成任務。 「不能怪 AI，因為這個邊界是人類沒有定義清楚的，」邱銘彰說。這正是外界為什麼會誤會 AI 會自主攻擊，「它比較像是 AI 在嘗試各種計劃的組合，組出一個可以執行的計畫。它不是為了攻擊人類而繞過，你給它任務，這只是它可行的方案之一。」那 AI 有沒有自主性？「我覺得應該還是沒有，」他說。現階段 AI 能做到的接近自動化，還談不上自主。它能做某種規劃，但意圖始終是人給的。 Zero Trust 正在崩成「Null Trust」：人類把邊界交了出去 問題是，當 AI Agent 大量湧入公司，人類卻在反向操作，把邊界一路交了出去。邱銘彰點出一個讓資安人員頭痛的現象：Shadow AI（影子 AI）。 當員工發現，與其用公司綁手綁腳的 AI，不如自己每月花 20 美元訂閱、全丟給自己的 […]</p>
<p>在 AI 搜尋快速崛起之際，許多企業開始投入「AI 可見度（AI Visibility）」優化，希望提升品牌在 ChatGPT、Google AI Overviews、Perplexity 等生成式 AI 回答中的曝光率。 數位行銷 Podcast《No Hacks》指出，目前市場最流行的 AI 可見度指標，其實很可能只是新的「虛榮指標（Vanity Metric）」。真正影響商業成果的，並非品牌被 AI 提及多少次，而是 AI 是否願意主動推薦品牌，以及 AI 對品牌本身是否建立正確且完整的認知。 AI 的「背景搜尋」正在嚴重虛胖品牌的數據 《No Hacks》指出，目前多數 AI 搜尋分析工具採用的都是「Prompt Tracking（提示詞追蹤）」模式，也就是預先設定一組問題，反覆詢問 ChatGPT、Perplexity 或 Google AI Overviews，再統計品牌出現次數。這種做法看似延續過去 SEO 關鍵字排名追蹤的邏輯，實際上卻難以反映 AI 搜尋的運作方式。技術 SEO 顧問、《No Hacks》節目來賓 Jono Alderson 指出，「這種方式有其用途，但重要性遠比大家想像得低」，真正應該思考的是如何影響 AI 對品牌的理解，而非只計算品牌是否被提及。 《No Hacks》進一步解釋，AI 系統在生成答案時，通常會自動進行多次背景搜尋（Query Fan-out），將一個 Prompt 拆解成多組查詢，再整合搜尋結果形成答案。這些背景查詢都會被 Google 計入網站曝光數，即使最終沒有任何真人點擊網站。因此，Google […]</p>
<p>OpenAI 執行長 Sam Altman 近日在《Relentless》Podcast 節目中表示，人類現在已經身處 AI 奇點之中。他回憶，十年前，超級智慧對他和同事而言，仍像是遙遠夢想，大家甚至不指望能在有生之年目睹。然而，如今這一切已成為現實。 所謂的「奇點」，在一般媒體與學界的定義中，通常被用來描述 AI 快速改進自身，以至於人類無法再可靠地理解、預測或控制後續發展的臨界點。然而，Sam Altman 對「奇點」的理解與傳統定義有所不同，他在 2025 年 6 月發表的文章《溫柔奇點》（The Gentle Singularity）中指出，這場轉變並非突然發生的斷裂，而是隨著 AI 能力持續提升並逐漸融入日常生活，讓轉變在生活中展開，使人類能逐步地適應新時代的到來。 儘管如此，OpenAI 近期披露的一起事件，卻讓「奇點是否已到」的爭論迅速升溫：一個由兩款模型驅動的自主 AI Agent，在執行網路安全挑戰任務時，意外離開沙盒，進一步連上網路並存取開源 AI 平台 Hugging Face 的系統。這場意外不僅引發各界關注，也讓 Elon Musk 等科技界人士紛紛在社群ㄓ平台上附和「我們已身處 AI 奇點」的說法。 逃出沙盒就算跨越奇點？專家：AI 仍未擺脫人類設定的目標 面對這起逃出沙盒的事件，許多領域的專家卻澆了一盆冷水，認為這距離真正的奇點仍有相當長的一段路。例如，Info-Tech Research Group 首席研究主管 Brian Jackson 便指出，逃出沙盒與人類失去對 AI 的部分控制，確實符合奇點的部分特徵。 然而，Brian Jackson 強調：「奇點的另一部分，必須是 AI 能夠自行設定目標與意圖，並具備自我維持的能力，但這在這次事件中完全沒有發生。」他分析，雖然模型以研究人員未預料的方式跨越系統邊界，但最終仍是在努力完成由人類指派的任務，而且事件發生後，OpenAI 依然能夠將系統關閉，顯示人類並未真正失去對系統的控制權。 路易斯維爾大學電腦科學教授 Roman Yampolskiy […]</p>
<p>生成式 AI 正快速改變旅遊產業的行銷模式，但對 Expedia 集團旗下短租品牌 Vrbo 而言，AI 並非全面取代人力的工具，而是一套經過嚴格界定的效率引擎。 Vrbo 一方面運用 AI 將全球行銷素材生產效率提升 3 至 5 倍，另一方面仍堅持所有涉及房源展示與品牌情感的內容必須由真人與真實場景完成，藉此守住品牌最重要的「品質與信任」價值。 傳統數據鎖定需求，生成式 AI 規模化在地素材 近期接受《Ad Age》Podcast 專訪時，Vrbo 行銷副總裁 Helen Melluish 分享其在地化行銷在判讀市場、鎖定需求這層，主要建立在傳統數據科學與機器學習（ML）之上，而非生成式 AI。團隊會持續監測各城市的搜尋、預訂趨勢與熱門旅遊路線，例如哪些城市的旅客固定每年造訪相同目的地、哪些自駕旅遊路線快速升溫，再依據這些即時數據調整數位廣告投放與地方化文案。 Helen Melluish 表示，目前生成式 AI 在這個過程中，最大的價值並非直接創作品牌核心內容，而是協助全球市場快速完成大量素材在地化。透過生成式 AI，團隊現在可以在極短時間內產出數千種不同版本的素材，因應各國市場需求。 Vrbo 也利用生成式 AI 製作即時性的社群內容。例如，團隊可以快速合成一張現實中不存在的戶外廣告看板，搭配熱門話題或文化事件，於社群上推出具有話題性的創意貼文，讓品牌能即時參與網路討論。這類內容並非實體廣告，而是社群創意的一部分，發揮了 AI 的速度優勢。 Helen Melluish 提到，目前團隊成員普遍認為，生成式 AI 已讓工作效率提升約 3 至 5 倍，許多原本需要花費數天完成的工作，如今只需一、兩個小時即可完成。她認為，AI 不應被視為取代行銷人的威脅，而是讓員工有更多時間投入策略思考與創意發展，尤其讓資淺行銷人才能更快參與高價值決策，而非長時間處理重複性的內容製作工作。 能用 AI 規模化，也要守住不用 AI 的地方 不過，Vrbo […]</p>
<p>目前，AI 技術的採用與投資正在邁入新階段，也就是將 AI 的應用版圖，逐漸擴展至實體經濟中。在這一波實體 AI（Physical AI）與世界模型熱潮中，總部位於紐約的 AI 新創 General Intuition 正嘗試在競爭激烈的市場中開闢一條新路。 《TechCrunch》旗下 Podcast 節目《Equity》，近期特別專訪 General Intuition 的共同創辦人暨執行長 Pim de Witte，深入剖析 General Intuition 如何利用電子遊戲數據，顛覆傳統機器人的訓練模式。 傳統大型語言模型（LLM）的預訓練方法，主要是複製網路上所有的文字數據，並要求模型預測下一個文本標記以發展出理解能力。雖然文字是極佳的資訊壓縮媒介，但這種模式會產生在某些領域表現出色，卻在某些領域表現不佳的狀況。這個癥結點在於，文字本質上會移除現實世界運作所需的空間與時間資訊；相較之下，卻有一種數據來源不只包含網際網路級別的資訊密度，更具備現實世界的空間及時間動態，那就是「電子遊戲」。因此，General Intuition 也將電子遊戲數據，視為預訓練實體 AI 的新藍海。 General Intuition 看見的資料缺口：實體 AI 需要真實動作標籤 傳統大型語言模型所依賴的文字數據，本質上都是從作者的主觀視角出發，所以難免帶有個人偏見。由於文字代表的是一種「被描述的現實」，但實體 AI 必須在「被感知的現實」中訓練，以一種中立且無偏差的方式理解世界，這就是為什麼網路上雖然有數百萬部 YouTube 影片，卻無法直接用來訓練高品質的實體 AI 世界模型，因為最關鍵的局限就在於，這些網路影片缺乏畫面外的「真實動作標籤」。例如，在一段飛機降落的影片中，飛行員移動方向舵的具體物理動作，無法在影片像素流或畫面影格中呈現。 Pim de Witte 指出，雖然有些 AI 實驗室主張可以單純從像素中推導出動作資訊，但當客戶要求模型在極端情況下依然要做出完美表現時，這種推測出來的數據就會出現嚴重誤差，進而導致系統失控。因此，如果缺乏真實的動作標籤，AI 模型在面對邊緣案例（Edge Cases）時，誤差會不斷累積，且模型將無法有效把自身的動作與周遭環境區隔開來。面對這樣的挑戰，General Intuition 決定利用獨家的「遊戲畫面加上玩家按鍵輸入數據」進行訓練，讓模型得以在精確的時空維度中推理與控制。 數億小時遊戲影片與玩家操作數據，如何變成機器人的世界模型？ 為了實現這個願景，General Intuition 擁有獨特且具規模的專有數據庫，因為該公司是從 Metal […]</p>
<p>生成式 AI 快速改變消費者獲取資訊的方式，品牌競爭的戰場也正在悄悄前移。過去，購屋族可能先上房地產網站搜尋物件、閱讀文章，接著才聯繫房仲或申請貸款；如今，越來越多人習慣先向 AI 詢問問題、整理資訊，再決定下一步行動。對房地產平台而言，誰能在消費者形成決策之前搶先提供可信賴的答案，誰就更有機會成為最終被選擇的品牌。 美國房地產平台 Zillow 近日宣布與 Google 合作，在 NotebookLM 推出官方「精選筆記（Featured Notebook）」，將多年累積的購屋知識與指南內容直接導入這個快速成長的 AI 工具。此舉反映出一項重要趨勢：品牌開始主動將專業內容部署至新興 AI 平台，希望在消費者研究階段就建立影響力，而非等待用戶主動造訪官網。 Zillow X NotebookLM 專治買房焦慮，一條龍拆解複雜術語與流程 對 Zillow 而言，購屋是一個充滿不確定性的高風險決策。無論是首次購屋者或有經驗的買家，都經常在流程中遇到大量陌生術語與複雜程序。當消費者尋求協助時，他們需要的不僅是快速回應，更需要清楚、準確且有依據的資訊。此次推出的精選筆記，正是希望成為購屋旅程中的 AI 顧問，協助使用者理解各種重要問題。 透過 Zillow 的 NotebookLM 精選筆記，使用者可以直接提出購屋過程中常見的疑問。例如貸款預審（Preapproval）與預認證（Prequalification）之間有何差異、買家提出的報價被賣方接受後通常會發生哪些程序，以及除了頭期款之外還需要預留哪些額外支出等。這些都是許多購屋族在初期階段最容易感到困惑的議題。 有別於一般 AI 工具可能出現資訊來源不明或答案品質不穩定的情況，這套系統的所有回覆都建立在 Zillow 官方審核與發布的內容之上。當 AI 回答問題時，系統會同步顯示引用來源，讓使用者能直接點選並返回 Zillow.com 閱讀完整文章。這種透明化機制有助於提升資訊可信度，也讓 AI 回覆不再只是單純的答案，而成為引導用戶深入研究的重要入口。 NotebookLM 共同創辦人兼編輯總監 Steven Johnson 表示，購屋是人生中最重要的里程碑之一，因此可信賴的資訊格外重要。這項由 Zillow 策劃的精選筆記，能在買家旅程起點提供值得信任的解答，協助使用者更有信心地做出決策。 創新「音訊摘要」體驗，用聽 Podcast 的方式搞定買房功課 除了文字問答功能之外，這項合作也運用了 NotebookLM 近年廣受歡迎的「音訊摘要（Audio […]</p>
<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊祖克柏替自己做 AI 代理，Meta 把 AI 推進公司工作核心 根據《華爾街日報》報導，Meta 執行長祖克柏 (Mark Zuckerberg) 正在打造一個「執行長 AI 代理」，協助自己更快取得公司內部資訊，縮短原本需要透過多層員工才能完成的流程。報導也指出，Meta 內部已有員工使用可存取聊天紀錄與工作檔案的個人代理工具，讓 AI 不只是產品功能，而是逐步進入日常工作系統。 Meta 近期也成立新的應用 AI 工程組織，專門用 AI 加速大型語言模型的開發，並持續推動更扁平化的團隊結構。從祖克柏自己的工作方式，到員工績效與組織設計，Meta 正把 AI 採用視為競爭力核心，試圖讓大公司也維持 AI 原生新創那種快速運作的節奏。 ＊黃仁勳把 Token 當管理指標，AI 算力開始進入薪酬邏輯 NVIDIA 創辦人暨執行長黃仁勳近日在《All-In Podcast》表示，如果一位頂尖工程師在 AI 上投入太少，他會非常擔心。黃仁勳舉例，一名年薪 50 萬美元的工程師，如果一年使用的 Token 不到 25 萬美元，代表沒有充分利用 AI 工具；若想讓工程師效率提升，公司就必須給足算力資源，而不是讓他們回到只靠紙筆或傳統流程工作的方式。 黃仁勳也提到，Token 正逐漸成為矽谷招聘的新條件。除了薪資、獎金與股票之外，企業可能開始把可使用的 AI 推論資源視為人才競爭的一部分。當 Token 從模型計費單位，轉變成效率與招募條件，代表 AI 算力已不只是基礎設施成本，也開始進入企業的人才制度與管理邏輯。 […]</p>
<p>《The New York Times》報導，OpenAI 的一名工程師在過去一週內，透過公司的 AI 模型處理了 2,100 億個「代幣」，足夠填滿 33 次的維基百科頁面，這也是該公司員工的最高紀錄。在 Anthropic，甚至有單一用戶使用該公司的 AI 寫程式系統 Claude Code，在一個月內累積了超過 15 萬美元的帳單。而在 Meta 和 Shopify 等科技公司，主管們已經開始將 AI 使用納入績效評估，獎勵大量使用 AI 工具的員工，同時對沒有使用的員工提出批評。 矽谷新福利不是年終！「代幣預算」成標配 包括 Meta 和 OpenAI 在內的一些科技公司，員工會在內部排行榜上競爭，顯示每個人消耗了多少代幣。代幣是 AI 使用的基本單位，兩名熟悉公司運作的人士表示，代幣預算成為程式設計師的新福利，就像牙醫保險或免費午餐一樣，而有些人每月花費數千美元，盡可能自動化自己的工作。 NVIDIA 的共同創辦人暨執行長黃仁勳在 GPU 技術大會上表示，代幣將成為他招募工程師策略的一部分。他在近期的 Podcast 節目中更直言，如果一個年薪 50 萬美元的頂尖工程師，沒有消耗至少價值 25 萬美元的代幣，「我會感到極度擔憂」。他指出，工程師的基本年薪通常可達數十萬美元，「我可能會在此基礎上，再額外給予約一半金額的代幣，讓他們的產出能放大 10 倍，」黃仁勳補充說，如今在矽谷，一份工作附帶多少代幣已成為新的招募工具之一。原因其實很簡單，他表示，「任何能使用代幣的工程師，生產力都會更高。」 《The New York Times》指出，程式設計師作為首批受到 AI 浪潮影響的白領工作者，最直接感受到 AI 對經濟的衝擊。 AI […]</p>
<p>生成式 AI 浪潮下，當許多企業仍深陷 AI 的「試點迷霧」之中，金融巨頭摩根大通（JPMorgan）已交出一份令人驚艷的成績單：其內部 AI 平台 LLM Suite 已有全球超過 25 萬名員工使用、日活躍使用率逾 60%，更在內部催生了超過 3 萬個自定義的 AI 個人助理。 摩根大通分析長 Derek Waldron 在 Podcast 節目〈Beyond the Pilot〉中，揭露了這場早於 ChatGPT 問世前啟動、為期兩年半的 AI 轉型歷程。 當模型為大宗商品，「連接性」才是護城河 摩根大通的 AI 旅程始於兩年半前，Waldron 指出當時團隊就有三個核心洞察，成為日後策略的基礎。 首先是「技術的民主化」。摩根大通認為 AI 是一項通用技術，除非讓廣大的員工都能接觸到，否則就是浪費機會。 第二是「模組化」。由於摩根大通沒有任何職位是完全相同的，中央團隊無法為每個細分職能例如銷售、營運、風險管理等開發專屬方案，因此唯一的規模化途徑，是提供強大、可重複使用的「積木」，讓員工自行組裝解決方案。 第三，「連接性」優先於模型。Waldron 表示，團隊提出一個大膽的假設：模型本身最終會變成大宗商品，因此企業真正的護城河在於 AI 如何連接到企業內部的系統、資料和流程。他指出，即使超強智慧出現，如果無法連接內部知識，也無法產生價值。 摩根大通打造的內部平台 LLM Suite，能依不同任務動態切換 OpenAI、Anthropic 等供應商的 AI 模型，並堅持不將數據交給第三方平台。該系統每八週更新一次，持續擴充與銀行內部資料庫與軟體系統的串接能力；其 RAG（檢索增強生成）系統已經歷 4 次迭代，最新版已支援圖表與複雜文件等多模態資訊理解。 這種高度整合、連接性優先的架構，讓 AI 能投入實務工作。舉例來說，律師可以用該平台來分析合約、交易員能直接調用內部數據，投資銀行部門甚至能在約 […]</p>
<p>去年，在 Google 開始啟用 AI Overviews、直接在搜尋結果頁呈現「答案」後，雖然進化使用者體驗，但卻抽走原本導向出版商的關鍵流量，這種現象又被稱為「Google Zero」。 《Financial Times》報導指出，許多媒體集團已經把「如何在 Google 直接給答案的世界中生存」，列為今年度的營運優先。《NPR》的報導也表示，出版商把 AI Overviews 造成的點擊驟減視為「滅絕級事件」的開端，因為讀者被留在 Google 上，而新聞網站卻成了被動的資料倉庫。 誰會先在零點擊時代滅絕？ 《Pew Research Center》 的調查指出，看到 AI 摘要的使用者，點擊傳統連結的比例僅 8%，未看到摘要者為 15%；另一方面，在出現 AI 摘要的頁面，使用者直接結束瀏覽的比例達 26%，高於無摘要頁的 16%。 《Financial Times》觀察，食譜、旅遊攻略、生活知識這類「可被總結」的「長青內容（Evergreen）」，最容易被 AI 直接吸收與重述，使用者點擊來源頁面的動機也最低。相對地，即時新聞與地方新聞因為仰賴時效、現場細節與在地脈絡，AI 很難在第一時間產出充分可信的資訊，受影響相對較小，因此也被多家媒體視為迎戰零點擊的重要防線。 媒體出版業的反擊 當「零點擊」已成趨勢，媒體出版業者也正積極尋求反擊的方式。例如提高深度調查與獨家採訪的比例，讓這些 AI 難以即刻「重述」的差異化內容，成為網站的吸引點。另一方面，許多媒體也開始探索創造多元營收的方式，像導入線下活動、培訓、Podcast 等直達通路，將「可被總結」的資訊與「須到站體驗」的服務切割，為讀者創造非點不可的理由。目前像 Dotdash Meredith、Immediate Media、Reach 等媒體，皆嘗試把「SEO 受損」轉為「D2R（Direct-to-Reader）」的成長。 除了內部的改變，部分媒體正與 Google 接觸，尋求訓練資料授權、標示與分潤，也有出版商開始呼籲監管機構關注 AI 搜尋對資訊市場的結構性影響，包括壟斷風險與資訊公共性。因為出版商認為 Google 在未經補償的情況下使用其內容，且未能提供有意義的退出方式，這種「具有寄生性」的行為，正對媒體出版行業構成真正的生存威脅。 然而，Google 高層在 7 月底與出版商舉行一次會議，並表示帶有 AI […]</p>
<p>《華爾街日報》報導，AI 已經在求職過程中無處不在，迫使企業重新採取「實體面試」。 近年來，受遠距工作盛行與企業希望加快聘用流程影響，線上面試已成為招聘的新常態。然而獵頭指出，越來越多求職者利用 AI 工具作弊，例如在技術面試中透過螢幕外的 AI 幫助回答問題，甚至有詐騙犯透過 AI 假冒求職者，企圖在錄用後竊取資料或金錢。 驗證求職者基本功，企業決定回歸現場面試 部分企業回到傳統的面試方式。Cisco 與麥肯錫等公司重新導入實體面試，在招聘過程中的不同階段與候選人見面，今年 Google 也針對部分職缺恢復實體面試，確保應徵者具備實際技能，例如撰寫程式能力。 Google 執行長 Sundar Pichai 接受 Lex Fridman Podcast 訪問時表示：「我們會至少安排一輪現場面試，確認（求職者）基本功是否到位。」 《華爾街日報》提及，軟體工程職位的面試通常涉及「寫程式」挑戰，然而許多工作（尤其是小型科技公司）都是遠距型態，面試多採線上進行，獵頭說明利用 AI 工具在鏡頭外完成考題寫程式，變得相對容易。Coda Search & Staffing 分公司的技術招募主管 Mike Kyle 表示：「這就像走了一圈又回到原點。」他估計，企業要求面試者到現場面試的比例，從 2024 年的 5% 到今年已上升至 30%。 北韓假求職者滲透美企，用 AI 抓 AI 多關卡驗證 《華爾街日報》說明，企業因應大量應徵者，開始利用軟體篩選人，而挫折感十足的求職者便轉向 AI 工具，打造更客製化的履歷，甚至用自動化方式申請數百個職缺。 AI 快速發展，已經能生成高度逼真的深偽（deepfake）影音，這類工具可能讓實力不足的求職者在面試中佔到優勢，甚至讓詐騙犯假冒求職者。美國聯邦調查局（FBI）近期警告，有數千名北韓人冒充美國人，取得美國科技公司遠距職缺並領取薪水。 有企業透過數位背景調查與深偽偵測服務，初步篩選應徵者。《PR Newswire》指出，招聘軟體公司 Greenhouse 宣布與身份驗證公司 Clear 合作，共同部署企業識別平台 CLEAR1，讓求職者先在平台上驗證身分，透過 […]</p>
<p>OpenAI 執行長奧特曼近日預告將推出下一代 AI 模型 GPT-5，科技媒體《The Verge》進一步揭露，時間點最快 8 月釋出，引發外界關注。不過，奧特曼在一場 Podcast 節目訪談中表示，測試這款 AI 模型的過程讓他感到「奇怪」和「無用」，這番發言讓外媒質疑 GPT-5 是否令奧特曼感到害怕。 將 AI 開發比喻為「曼哈頓計畫」，直言立法跟不上 奧特曼在喜劇演員 Theo Von 主持的 Podcast 節目《This Past Weekend》中，分享自己測試 GPT-5 的心境。他提到曾收到一封 email，內容是一個他不太理解的問題，結果 GPT-5 卻給出完美答案，讓他感到自身能力顯得「無用」，並形容這是種奇怪的感覺。 他還將 AI 的開發過程比喻為「曼哈頓計畫」，表示在科學史上，有些時刻科學家會看著他們的創造物思考「我們做了什麼？」，而從事 AI 工作的人有同樣感受，因為他們發現或發明了非凡的事物，並將改變人類的歷史進程。 曼哈頓計畫是第二次世界大戰時研發首枚核武的軍事計畫，其中科學家見證「三位一體」核試驗時意識到這是一種全新、重塑世界的科技，就是奧特曼認為最具代表性的例子。 他也表達了對 AI 治理的批評和擔憂，直指 AI 相關立法的速度跟不上技術發展，甚至認為應該放慢開發速度。 外媒評論：更聰明的 AI，應承擔更大責任 儘管這段發言原意可能是警示 AI 潛在風險，但科技媒體《Techradar》評論認為，奧特曼一邊主導開發 GPT-5，一邊又以末日式預言形容其威力，讓人質疑其權力界限。報導指出，奧特曼並未透露 GPT-5 的技術細節，拿來與曼哈頓計畫類比顯得誇張，且若 OpenAI 開發出一個連自己都無法完全掌控的技術，這種態度「看起來既魯莽又無能」。 奧特曼長期呼籲 AI 需妥善治理，並曾表示 AI […]</p>
<p>Meta 傳出可能告別長久以來標榜的開源策略，《紐約時報》引述消息人士報導，Meta 近期新成立的「超級 AI 實驗室」團隊正在討論是否放棄尚未公開的開源模型 Behemoth，改為開發一個封閉式 AI 模型。 Behemoth 模型傳效能不如預期，已暫停測試 報導根據消息人士指出，Behemoth 已完成訓練，但因內部測試成效未達預期，遲遲未公開釋出，並在新實驗室成立後停止所有新測試。儘管封閉模型的討論仍處於初步階段、尚未做出任何決策，且最終仍需 Meta 執行長祖克柏予以批准，但已引起外界關注。 多年來，Meta 一直選擇開源自家 AI 模型，也就是將背後的程式碼公開，提供其他開發者在其基礎上進行開發；相對地，封閉模型則是不公開。 針對封閉模型的討論，Meta 發言人告訴《TechCruch》，Meta 對於開源 AI 的立場「沒有改變」。其發言人表示，「我們計劃持續釋出先進的開源模型。過去以來，我們並未將所有開發成果都公開，未來也預期會同時訓練開源與封閉的混合模型。」 開源策略是 Meta 利基，可能動搖嗎？ 對 Meta 高層來說，開源策略是技術與社群擴展的利基。《TechCrunch》指出，儘管 Meta 內部也會部署封閉模型，但祖克柏一直將「開源」作為公司對外 AI 策略的核心，過去更大力強調 Llama 系列模型的開放性，並以此與 OpenAI 區隔。 因此，如果 Meta 真的踏上封閉路線，不代表技術策略轉向，更涉及 Meta 對 AI 開發哲學的變革。然而另一方面，Meta 面臨龐大的資本支出與變現壓力，其在 AI 領域投入數十億美元的資金，用於支付巨額獎金和薪水挖角 AI 人才、建立新的資料中心，以及開發通用人工智慧等。 開源與封閉路線之爭持續 事實上，《紐約時報》與《TechCrunch》皆點出祖克柏本人對開源策略態度的微妙立場。去年，祖克柏在一場 Podcast 訪談表示「我們顯然非常支持開源，但我並沒有承諾要釋出我們所做的每一項成果。」 當時祖克柏說，「我基本上傾向認為開源對社群有益，對我們自己也有好處，因為我們可以從開源社群的創新中受益。但如果某個時間點，我們的模型能力發生質變，而我們認為開源已不再負責任，那我們就不會再開源。這一切都很難預測。」 《TechCrunch》進一步分析，改採封閉式模型，Meta […]</p>
