輝達替 OpenAI 擔保 2,500 億。高通九月起全面漲價。

今日漫畫 出演・水無瀨 澪

三份合約，把 AI 算力的帳簽到 2030 年

輝達正在洽談為 OpenAI 提供約 2,500 億美元的資金擔保。《華爾街日報》引述知情人士說法，這筆擔保是要讓 OpenAI 租得下軟銀旗下能源子公司在美國俄亥俄州南部開發的 10 GW 專案。

規模已經不只是一座資料中心：

• 擔保涵蓋租賃費用與建設所需的債務，不包含裡面要跑的輝達晶片
• 加計晶片等費用後，總成本恐超過 5,000 億美元，是迄今公告規模最大的資料中心計畫
• 輝達先前已向 OpenAI 投資 300 億美元，另外還在談一筆最高 3,500 億美元的晶片採購融資

電力的分配方式比金額更關鍵。這個專案所需的電力由美國政府掌控，並根據近期達成的貿易協定由日本單獨出資，美國商務部長盧特尼克親自參與電力配給決策。Anthropic、微軟與 Google 近幾週也為了同一批資源跟他會談過。

路透社無法立即核實這則報導，輝達、OpenAI 與美國商務部都沒有在上班時間外回應。交易尚未敲定，仍有破局可能。晶片供應商替客戶的租約背書、再回頭把晶片賣給對方，這種循環安排一旦碰上資金情緒轉向或 AI 產業成長放緩，風險會沿著同一條線傳回來。

南韓那邊也把數字端上桌。南韓政府宣布，三星電子、SK 集團與美國科技公司的 AI 合作協議總值上看 9,500 億美元。

• SK 集團簽下的部分約 7,500 億美元，其中與 NVIDIA 的合作就超過 5,000 億美元
• SK 海力士將長期供應 NVIDIA 記憶體，並共同開發 AI 訓練、AI 代理與實體 AI 需要的 HBM
• SK 電訊計畫建置一座 2 GW 的 AI 資料中心，用的是 NVIDIA Vera Rubin 平台加 SK 海力士 HBM4

這些協議是在南韓總統李在明於舊金山主持 AI 高峰會後公布的，他同時發布「舊金山 AI 宣言」，把南韓與美國擴大 AI 合作的產業願景寫成文件。

三星另外拿下博通的長約。雙方擴大在記憶體晶片、晶片代工與先進封裝上的合作，為期五年，預計 2030 年前合作價值超過 2,000 億美元。博通專為高速資料傳輸設計的下一代通訊晶片，將採用三星 2 奈米以下製程生產，兩家也在下一代 HBM 產品上合作。

三星共同執行長、也是半導體業務負責人的全永鉉上個月提過，他跟黃仁勳討論過下一代晶圓代工合作，包括未來的 HBM4E 與 HBM5。三星去年已拿下特斯拉價值 165 億美元的邏輯晶片合約，這次再加上博通，2 奈米產能的客戶名單開始補得起來。

錢正在變成機器。日本機器人工業會 24 日公布的統計裡，2026 年 4-6 月工業機器人訂單額年增 40.0% 至 3,127 億日圓，連續第 8 季成長，季度訂單首度衝破 3,000 億日圓大關。

同期產額年增 24.3% 至 2,520 億日圓，總出貨額年增 24.1% 至 2,577 億日圓，其中出口就占了 2,194 億日圓。對北美出口年增 22% 至 390 億日圓，創 14 季新高，對歐洲更年增 63% 至 235 億日圓。日本國內出貨額成長 3.7% 至 383 億日圓，是 5 季來第一次回升。

同一條供應鏈的另一端，高通決定漲價

高通向客戶發出內部信件，預告自 9 月 1 日起針對出貨產品全面調漲，幅度預期達雙位數。

高通給的理由沒有修飾：「已耗盡吸收供應商較高成本的能力」。持續的零件與 DRAM 記憶體短缺不斷推高成本，過去積極找替代供應商壓價的努力全數失敗。傳聞台積電的 2 奈米晶圓報價已高達約 3 萬美元。

漲價會先撞到 9 月 22 日 Snapdragon Summit 要發表的 Snapdragon 8 Elite Gen 6 與 Gen 6 Pro。標準版預期漲幅比較溫和，高通可能靠較大出貨量攤平成本，並用 2 奈米與 3 奈米混搭一口氣推出四款晶片組合，替不同價位保留選擇。

被推高的不只手機。從 XBOX 遊戲主機、Raspberry Pi 主機板，到蘋果、三星與 Google 的終端裝置，同時面臨漲價、規格降級甚至產品延遲。DRAM 這場短缺可能還要持續數年。

高通自己的動作也說明了一件事：手機晶片核心業務被成本擠壓後，資源正在往 AI 資料中心基礎設施與車用電子挪。那些兆元級合約要蓋的東西，正是它想擠進去的地方。

Anthropic 用一半價格放出 Opus 5

Anthropic 上週五釋出 Claude Opus 5，主打用一半的價格提供接近 Claude Fable 5 的前沿智慧，並成為 Claude 平台的新預設模型。

每百萬 token 的定價這樣排：

• Claude Fable 5：輸入 10 美元、輸出 50 美元
• Claude Opus 5：輸入 5 美元、輸出 25 美元
• OpenAI GPT-5.6 Sol：輸入 5 美元、輸出 30 美元
• 換成完成同一項任務的加權平均花費，順序倒過來變成 Fable 5 的 2.75 美元、Opus 5 的 2.03 美元、GPT-5.6 Sol 的 1.04 美元、Kimi K3 的 0.95 美元

單價便宜跟實際便宜是兩件事，這張表把差距攤開了。

效能面，Opus 5 在軟體工程評測 Frontier-Bench v0.1 上超越所有對手，效能是前代 Opus 4.8 的兩倍以上；面對沒見過的新問題，ARC-AGI 3 的得分是次佳模型的三倍；Zapier AutomationBench 的端到端通過率是同等成本下次佳模型的 1.5 倍；電腦操作的 OSWorld 2.0 在相同成本下甚至突破了 Fable 5 的最佳成績。官方舉的例子是要它在不能看圖紙的限制下重建一個 3D 零件，它自己寫了一套電腦視覺管線，其他模型試五次都做不到。

模型變強之後，Anthropic 反手把提示詞減重。工程師 Thariq Shihipar 說官方在最新版本刪掉高達 80% 的 Claude Code 系統提示詞，並建議開發者用 claude doctor 指令自動優化現有提示詞。

省下來的錢可能會從另一邊漏掉。Opus 5 預設的回應比前代更冗長，而輸出 token 的價格是輸入的五倍，囉嗦會直接反映在帳單上。官方的建議很直接：不需要長篇大論時，必須在提示詞裡明確限制回應長度。

資安表現則呈現一種刻意的落差。OSS-Fuzz 開源漏洞測試中，Opus 5 的發現率高達 80%，與主攻資安的 Mythos 5 的 79.4% 旗鼓相當；但把漏洞武器化的成功率只有 4/14，Mythos 5 是 13/14。找得到、但不幫你做成武器。API 這次也加了自動備援，請求觸發安全分類器時會自動降級處理，不再直接封鎖中斷工作流。

攻擊已經自動化，防守還在等人按核准

今年 6 月，多倫多大學與其他機構的研究人員公布一項實驗：用 AI 代理對虛擬企業網路發動攻擊。這種「AI 蠕蟲」能自主生成量身打造的攻擊策略，找出目標企業電腦與伺服器的漏洞，平均 7 天內掌控約 70% 的機器。

關鍵在於它用的是免費模型。Claude Mythos 這類尖端 AI 在尋找漏洞上能力極強，因此受到使用限制，但這項實驗證明開放權重模型已經具備先進的網路攻擊能力。門檻不在模型，在有沒有人願意跑。

修補的速度追不上。資安大廠 Qualys 分析客戶對 52 項已知遭利用漏洞的處理情形：

• 其中 88%，也就是 46 個漏洞，在企業完成修補前就已遭到攻擊
• 26 個漏洞遭遇零日攻擊，開發商還沒公布漏洞，駭客已經動手
• CrowdStrike 觀察到攻擊者從首次入侵到橫向移動的平均時間，從 2021 年的 98 分鐘縮短到 2025 年的 29 分鐘，最快一次只用了 27 秒

27 秒這個數字，已經超出任何人工流程的反應範圍。

防守方不是沒有工具。IBM 的資料顯示，積極採用 AI 自動化應對機制的企業，遏制攻擊的速度比沒用的快 28%。卡住的是責任歸屬：許多組織還沒決定 AI 出錯導致系統故障時該由誰承擔。

資誠顧問公司合夥人村上純一把現況講得很清楚，防守方目前仍處於由人類批准 AI 每一項自主行動的階段，需要邁向只要沒出問題就允許 AI 持續自主運作的下一階段。

法規那邊的時鐘也在走。歐盟 AI 法案的透明度義務將於 8 月 2 日生效，高風險 AI 系統的相關規範同月進入關鍵實施期，美國加州對自動化決策與生成式 AI 透明度的要求同樣進入倒數。

問題是條文本身充滿灰色地帶。美國尚未建立完整的聯邦框架，各州規範各自上路，同一條法律不同 AI 公司會解讀成截然不同的使用限制。業者被迫先自行判斷適用範圍，再把抽象要求寫進模型行為、拒答規則與系統提示。

以「不得提供心理健康建議」這條規定為例，若 AI 改以探討歷史、分享教育知識，或用模擬諮詢的口吻回答使用者，算不算違法，現有規範很難事先釐清。各家模型審查寬嚴不一之後，市場已經出現使用者刻意挑選限制較寬鬆模型的現象。

阿里巴巴把 Claude Code 從員工電腦上拔掉

阿里巴巴傳出全面禁止員工在公司電腦使用 Anthropic 的 Claude Code，還要求員工移除 Anthropic 相關產品，改推自家編碼工具 Qoder。

檯面上的理由是後門與資安疑慮，符合大型企業對第三方工具的標準風控邏輯。但當平台巨頭把外部 AI 開發工具列為高風險對象，真正被防的未必是漏洞，而是企業最核心的知識生產流程被外部供應商握在手上。

中國 AI 產業近年的方向已經從「盡可能接入全球最強工具」轉成「先建立自己的替代方案，再談效率」。這個變化不只發生在模型層，也發生在程式助理、雲端平台、企業協作與知識管理這些工具層。即使外部產品短期內更好用，可控性與可替換性排在前面。

模型可以開源、可以蒸餾，算力靠採購與替代品也能慢慢調整。但一旦企業的日常開發、協作、部署與監控都嵌進某個外部產品，控制權就會逐步外移。阿里這一刀切的是入口依賴。

台灣廠商站在中間位置。中國大型企業全面要求本土化替代之後，雲端服務、企業軟體、AI 導入顧問與資安管理的機會與壓力會同步上升；能提供更中立、合法性更高服務的廠商有機會切進企業級市場，但軟體、工具與平台層的進入門檻也會跟著抬高。

裁員陷阱：把自己的消費者一起裁掉

華頓商學院學者 Gerry Tsoukalas 與 Brett Falk 發表了一份名為《The AI Layoff Trap》的研究，警告企業在 AI 浪潮中過度裁撤人力，最後會反噬自身營收。

Tsoukalas 在 Podcast 節目《New Normal》裡點出的盲點很簡單：員工同時也是消費者。當大量工作機會被機器取代，市場整體需求勢必萎縮。

困境在於單一公司救不了這件事。每家公司都擔心自己若不加速自動化就會被對手超車，於是「盡可能採用 AI」變成經濟學上的支配策略，不管別人怎麼做都會這樣選。

世界經濟論壇 7 月的報告給了另一組數字。職位變動速度太快，傳統再培訓計畫已經跟不上；若把全球勞動力縮影成 100 人，到 2030 年將有 59 人需要重新培訓或升級技能，另有 11 人可能求助無門，換算下來中期內全球恐有超過 1.2 億名勞工面臨失業風險。

Tsoukalas 主張不能等企業自律，建議政府直接動用政策工具，例如對以 AI 取代人力的企業課徵稅賦，或替願意保留員工的公司提供補貼。研究團隊強調這不是反 AI，而是提醒自動化的誘因若持續壓過維持就業的成本，企業會親手拆掉支撐自己的消費基礎。

實際數字已經先到了。全球入門級職缺自 2024 年初以來下滑 29%，史丹佛大學的研究則指出，自 ChatGPT 普及以來，22 至 25 歲年輕族群的就業率受到 2.7% 的衝擊，在 AI 暴露度最高的金融、軟體與創意產業，降幅深達 12.8%。

企業內部的使用強度也在拉高。有公司設立「Token 使用量排行榜」激勵員工提升生產力，也有公司因為運算成本太高而開始對模型實施額度管制。同一個工具，一邊被鼓勵多用，一邊被限制別用太兇。

專家給的補充是另一種讀法。現階段 AI 更像在重塑工作內容，而不是把整份職務連根拔起。多數導入 AI 的企業選擇的是減少新增人力，而不是立刻裁撤既有團隊。入門職缺消失得比在職者的位子快，年輕人先撞到牆。

本地端這週在忙的事

大公司在簽兆元合約的同時，本地部署那群人正在想辦法把模型塞進自己的顯卡。

模型端最有話題的是 AntLing 釋出的 Ling-3.0-flash。社群整理出來的規格是 124B 總參數但只啟用 5.1B、256K context、首個 token 延遲低於 100 毫秒，稀疏啟用把大模型的門檻又往下拉了一截。

推論框架同一週也有動作。ExLlamaV3 v1.2.0 加入 CPU offloading；BeeLlama.cpp v0.4.1 則把 KV cache 量化推得更遠，用 KVarN 與所謂的精度尾巴，讓 tail 1024 設定下的 kvarn5 與 q6_0 在 KLD 基準上追平 q8_0，VRAM 卻省得多。另有人做出 GGUF Q8_CR 格式，把可量化的線性權重存成預旋轉的 INT8 搭配 FP32 逐列縮放，專門照顧 RTX 20xx 與 30xx 這批老卡。

硬體那邊有一份難得誠實的實測。有人花了幾天重建工作站，比較兩張 RTX 5080 能不能取代一張 RTX 5090，7 月 26 日貼出的結論是：想加速單一 render，不行。第二張卡不會合體，該慢還是慢。

影像端的更新密度也不低。微軟第一款文生圖模型 Mage-Flow-Turbo 正式在 ComfyUI 支援，四步、CFG 1 的 turbo 版本連文字編碼器與 VAE 都有現成搭配；Flux 3、Krea 2 與 LTX 2.3 同期被翻來覆去地試。還有人針對 GPT Image 2 那組過銳、斑點狀的固定 artifact，訓了一個只有 0.48M 參數的 latent 殘差網路，走 FLUX.2 VAE 編碼、加殘差、再解碼，專治單一失效模式所以不必做大。

最後一則屬於花絮。Google 前產品經理 Eric Lu 做了一款叫 Ghost Font 的字型，用數以萬計的光點朝背景反方向飄移組成文字，人眼能看懂，多模態 AI 逐格分析影片時卻讀不出來，在 X 上幾天內累積近 1,800 萬次瀏覽。他實測 Claude Fable 5 與 GPT 5.6 Sol 都沒能解讀，每支影片還埋了靜態誘餌文字「written in Ghost Font」讓 AI 抓錯目標。

破解也來得很快。Google DeepMind 前提示工程師 Riley Goodside 分享了成功讓 GPT-5.6 Sol 讀出隱藏文字的提示詞，關鍵是直接告訴模型噪點的移動方向；也有人用能執行程式的 AI 代理追蹤光點軌跡還原訊息。倒是 ChatGPT 5.5 Pro 分析了 19 分鐘，最後產生幻覺、生出一段根本不存在的訊息。

Lu 自己承認這不是安全的通訊方法，真要保護訊息還是該用密碼。2013 年設計師 Sang Mun 做的 ZXX 抗 OCR 字體，如今交給 AI 讀毫無壓力。如果影片原生模型繼續往前走，這種靠動態藏字的做法大概撐不了太久；如果沒有，人類的動態視覺還能多守一陣子。