AI 巨頭觀察室
追蹤 OpenAI、Anthropic、Google DeepMind、Meta、NVIDIA 等公司的資金流向、產品發布與產業趨勢。不定期更新，重點放在錢往哪裡去、供應鏈怎麼傳導，而不是複述新聞。內容不含投資建議。
AI 複利效應：斜率陡，本金在別人手上
用投資複利拆 AI 研發：RSI 動的是斜率，算力本金握在晶片、代工與雲端手上。公開資料尚不足以辨認研發迴路已自我放大，錢仍先流向本金端。
2026-10-07 W9 決策模型篇AI 代理熱潮下，Jev 為什麼紅？不是更會聊天，而是更會做選擇
AI agent 開始替軟體挑工具、做分類、檢查結果，Jev 這類「決策模型」因此受到關注。我們用少量實測拆解它適合什麼、不適合什麼。
2026-09-23 W8 治理架構篇當前沿實驗室敲響末日警鐘：為什麼企業與政府不能再把安全賭在基底模型上？
Anthropic 預訓練研究員 Jacob Coxon 離職引爆「AI 自我改進失控」恐慌，OpenAI、Anthropic 與 xAI 罕見齊喊放慢。面對末日論與監管海嘯，企業與政府該如何破除對基底模型對齊的迷思，打造確定性的外部防護網與治理架構？
2026-09-14 W7 推論經濟學篇GPT-6 Astra 正確用法：從網紅的配額迷思，看 Reasoning Effort 與推論經濟學
網紅實測 GPT-6 Astra 出現 High 比 Low 省額度的反直覺現象。這並非甜蜜點，而是將 Reasoning Effort 誤當成油門而非天花板。本文拆解 Astra 與 Sol 的算力斷層、參數量差距與高效率模型選擇策略。
2026-09-13 W6 RSI 與 AI 研發篇Gemini 3.5 Pro 推不出來，3.6、3.7、3.8 Flash 卻六週三連發：Google 在玩什麼把戲？
Gemini 3.5 Pro 尚未廣泛推出，Flash 卻六週三次迭代。Google 是否正以受限式 RSI 加速 AI 研發？拆解官方證據、技術脈絡與未來兩年的產業衝擊。
2026-09-03 W5 Context 工程篇模型智商不再是瓶頸：Frontier Context 與 30B Open-weight 工人軍團
最聰明的模型 alone 不會贏。研究級 AI 的勝點是 context harness：Frontier 主腦規劃綜合，30B open-weight 當工人，領域 corpus 與 eval 才是護城河。
2026-08-22 W4 AI 應用篇Palantir 的天花板，不在模型：AI 應用層真正賣的是「可運行的決策」
PLTR 證明企業 AI 能做出高成長與高現金流；更值得拆解的是，高客製部署、資料治理與決策權，能否被產品化為可複製的交付。
2026-08-15 W3 開源政策篇開源模型不是贈品：Nvidia、Meta、Microsoft 為何此時聯手護住 open weights
25 家聯名信、OpenAI／Anthropic 缺席；Kimi K3 與蒸餾指控之後，華盛頓行政工具箱與 open weights 損益表如何重寫牌桌。
2026-07-25 W2 算力篇Meta 不必先賣贏 API：模型失速之後，為什麼更要賣算力
Meta Compute 的主菜不是模型託管，而是把過剩 AI 基建變成可計價資產。拆解 API vs 裸算力、capex 壓力、xAI Colossus 示範、neocloud 衝擊與供應鏈傳導。
2026-07-13 W1 開幕AI 巨頭觀察室開張：別再追新聞，改看「錢往哪流」
台股視角的 AI 雷達——模型潮很吵，現金流與供應鏈才會留下證據。從模型牌桌、算力基建、定價效率到台灣傳導，四條現金流通道一次拆解。
2026-07-11