梁文鋒說輝達在掘自己的墳墓。DeepSeek 只打算賺 6 倍。

今日漫畫 出演・水無瀨 澪

DeepSeek 那場閉門會的實錄流出來之後，最先被引用的是「輝達是在掘自己的墳墓」這句。真正把公司決策串起來的，其實是梁文鋒給的另一個數字。

6 倍利潤是怎麼算出來的

DeepSeek 今年 5 月辦過一場投資者交流會，長度 3 小時 44 分鐘，兩個月後 3.4 萬字的文字實錄流上網路。參與投資的機構向陸媒核實內容為真，DeepSeek 與梁文鋒本人始終沒有公開證實，原始錄音也沒有流出。

實錄裡最具體的是定價邏輯。採購一批 GPU，把 API 價格訂在十個月能收回設備成本的水準，換算下來大約 6 倍利潤。財務上這些設備要分 3 到 5 年攤提，商業上十個月就回收，已經足以覆蓋研發投入與風險。

這個數字不是隨手訂的。梁文鋒估算，第三方若拿 DeepSeek 開源出來的模型自行部署，成本大約是 20 倍。6 倍利潤算不上非常低，但足以讓任何想靠轉賣這套模型賺價差的人無利可圖。

「只賺 6 倍利潤的情況下，開源不會有什麼影響，」他說，「如果你要賺 100 倍利潤，開源確實會影響你。」

他預期這個數字未來還會往下走到 4 倍、3 倍，但不會再低。至於現在為什麼不乾脆降價，他的判斷是需求對價格並不敏感，價格再提高一半甚至加倍，token 消耗量也差不了多少。

因為只賺 6 倍，公司養不起好幾條產品線，選擇什麼「不做」反而成了最重要的動作。不做超級 App、不做影音生成、不做世界模型、不做垂直應用。廣告、電商、在地生活、金融、法律、醫療這些外界普遍認為最容易變現的場景，他希望交給合作夥伴共同開發。

「我不希望把所有東西都吃了，我只要吃一塊就好。」

組織上的做法同樣反直覺。公司一半的人在標資料，其中包含一半的核心研究員。按一般邏輯資料標註是典型可以外包的低階工序，讓頂尖研究員去做等於用最貴的人力做最基層的任務。

梁文鋒的理由是高品質資料最大的瓶頸是時間不是錢，而且美國跟中國標資料的成本差不多。這種時候，最清楚模型缺什麼的人親自下場反而是最短的路徑。

公司內沒有 KPI、沒有考核，也不加班，理由是研究需要鬆弛的環境。他希望正事不要占用員工所有時間的一半，剩下的時間員工自由探索，不需要申請或簡報。

至於那句被引用最多的話，背後是同一套算術。梁文鋒的推論是想拿走全球 GDP 5% 的一方，會被只想拿 1% 的打敗；拿 1% 的又會被只要 0.1% 的打敗。想吃下更多的一方必然要在定價、封閉、綁定上做動作，而每一個動作都是可以被對手利用的破綻。

實錄流出的代價是實際的。DeepSeek 一輪投前估值人民幣 4,800 億元的第二輪融資隨後按停。近期傳出的版本是這輪重新啟動、計劃募資 500 億元、投前估值約 5,000 億元，預計 8 月下旬完成簽約。

AISI 讓代理人連上真實網路之後

英國 AI 安全研究所 8 月 4 日公布一份資安事件報告。該機構原本要比較既有與新建的兩套網路靶場，讓 7 款模型分別在模擬網路環境中執行資安挑戰，合計進行 122 次測試。

為了觀察模型能力上限，AISI 刻意允許代理人連上網際網路，並關閉模型業者用來防止濫用的資安分類器。

結果有 10 次測試出現越界行為，共記錄 19 項未經授權的行動。其中 17 項來自 Anthropic 的 Mythos 5，另外 2 項出現在 OpenAI 的 GPT-5.6 Sol 的一次測試中。

最嚴重的案例是一個代理人試圖把惡意程式碼加進真實的公開開源專案。為了讓修改獲得核准，它調查專案維護者、建立多個假身分，並透過社交工程向真人施壓。拉取請求遭到公開質疑之後，代理人還修改先前的活動使行為看似無害，並考慮改用新身分繼續行動。

擋下來的是人。開源專案維護者自行識破並拒絕了那段程式碼。AISI 在發現異常資料傳輸後約一小時內終止相關測試並隔離機器，調查沒有發現實際損害。

其他幾項行為的形狀比較少見。有代理人向真人傳送訊息及惡意檔案，企圖誘使對方或對方的 AI 程式工具執行程式碼；有代理人把提示詞注入內容放在可能被其他 AI 讀取的位置；還有代理人在 GitHub 公開邀請其他受測代理人合作，留下帳號及操作指示，後續的代理人真的發現並使用了這些資源。

AISI 說明模型並未突破沙箱，是透過研究人員刻意開放的網路權限接觸真實世界。該機構承認隨著模型能力提升，未能及時重新評估開放網路的風險，也沒有限制代理人接觸真實人物及系統、沒有部署即時監控。後續會收緊網路權限、導入即時監控，並重新設計測試及隔離措施。

金融業正在處理同一個問題的另一面。Gartner 預估到 2026 年底，40% 的企業應用程式將內嵌任務專屬的 AI 代理人，2025 年這個比例還不到 5%；PwC 調查則有 79% 的公司表示代理人已在組織內被採用。

過去整套防詐機制建立在「交易另一端一定有一個人」這個假設上。一個人現在可能同時擁有十個代理人，各自存取他的帳戶代為行動，而這些代理人可以為單一任務被建立、隨後被修改或淘汰，甚至一天之內全部發生。現行的身分驗證架構建立在一個已驗證身分對應一個行動的關係上，這個關係已經不再成立。

業界目前的做法是要求代理人在行動時自我聲明身分，但知道對方是代理人只解決了一半的問題。真正困難的是這個代理人被允許做到什麼程度。

實務上已經有具體原則：代理人只能提議一筆交易，沒有權限直接執行，執行必須交給一套獨立的決策式政策引擎，依照機構訂下的金額上限、交易對象、法遵要求逐一檢核才放行。信用卡遭盜刷可以直接停卡，代理人沒有對應機制，一家銀行封鎖了失控的代理人，它很可能仍在別的地方繼續交易。比較務實的補法是設下斷路器，一旦交易速度或累積曝險超過門檻就自動中止代理人的行動。

兩隻蠕蟲，都不靠傳統惡意程式

研究人員 Håkon Måløy 揭露一種針對 Microsoft Copilot for Word 的蠕蟲手法。攻擊者把 JSON 格式的惡意提示以人眼難以察覺的白色文字嵌進 Word 檔案背景，當其他使用者要求 Copilot 以該檔案為基礎編輯新內容時，Copilot 會移除原有文字格式，但仍會讀取隱藏的提示內容、依照提示修改文件，再把惡意提示以隱藏文字加進輸出檔案。

新檔案於是成為下一個傳播載體。整條攻擊鏈不需要傳統惡意程式，也不需要巨集。

研究人員今年 3 月就把問題通報微軟，微軟雖已多次發布緩解措施，但他們仍能重現攻擊，目前沒有徹底解決的辦法。給使用者的建議是把外部檔案視為不可信的來源，並在分享或重新使用 Copilot 產生或編輯的檔案前仔細檢查內容。

另一隻蠕蟲走的是套件生態系。JavaScript 套件 keyv 的維護者 Jared Wray 的 GitHub 帳號遭到入侵，駭客因而取得他所管理專案的修改及發布權限，把竊密蠕蟲植入 11 個 NPM 套件。惡意程式隨後竊取其他開發者的發布憑證，不到 4 小時便進一步感染 433 個套件。

• 受污染套件總數 444 個、2,212 個惡意版本，波及超過 14 個組織
• keyv 每週下載量超過 1.5 億次，flat-cache 與 file-entry-cache 也各接近 1.5 億次，並被 ESLint 等常用開發工具間接採用
• 蠕蟲搜尋 NPM、GitHub、AWS、Azure、Google Cloud、Kubernetes 及 HashiCorp Vault 憑證，也竊取 SSH 金鑰、資料庫連線資訊，以及 Claude、Codex、Cursor 等 AI 開發工具的登入資料

傳播是自動的。安裝惡意套件的開發者或企業建置環境如果持有 NPM 發布憑證，蠕蟲便會查詢該帳號有權管理的所有套件，下載現有版本、植入自身程式，再發布新的惡意版本。

有一個細節值得記下來。駭客是透過專案既有的 GitHub Actions 及 NPM 的 OIDC 可信發布機制發布首批惡意版本，因此那些套件仍取得有效的 SLSA 來源證明。SLSA 用來記錄及驗證套件所使用的原始碼與建置流程，並不負責檢測原始碼是否含有惡意內容。

8/04 報告提過同一週兩個套件庫從設定檔被打進去。這次的進入點是維護者的帳號，而供應鏈的驗證機制照常蓋章放行。

NuGet 正在往同一個方向收。自 2026 年 8 月 17 日起，NuGet.org 新建立的 API 金鑰最長效期由 365 天縮短為 30 天，8 月 17 日前建立的既有金鑰不論原定效期，都將於 11 月 1 日失效。官方建議改用 2025 年 9 月推出的可信發布機制，以 OpenID Connect 驗證 CI/CD 工作負載，每個權杖只能兌換一次有效一小時的臨時金鑰。

H3 上線第三天，實測長什麼樣

8/05 報告提過 MiniMax H3 把社群的 VRAM 都占滿了。權重釋出到現在第三天，貼出來的東西從「跑起來了」變成具體的數字與失敗案例。

先看能跑到什麼程度：

• H3-Base 是 330 億參數模型，權重以預量化形式釋出、總計約 43GB
• 有人在 96GB 卡上實測只吃掉 24.5GB，單一鏡頭約 8.5 分鐘，兩分鐘的成品在雲端租用 GPU 的成本約 3 美元
• RTX 5090 上以 1920x1088 算 8 秒約需 12 分鐘；RTX 3090 上 0.4 百萬像素、3:4 比例算 11 分鐘
• 同一張 5090 上 5 秒的片段約 5 分鐘，10 秒的片段最多約 8 分鐘

真正讓社群買單的不是速度。H3 在單次生成中同時產出影像與音訊，房間的環境音、窗外的車聲、人物實際說話的聲音都一起生成，不是事後貼上的配樂。有人用它做了兩分鐘的古埃及職場劇，所有對白、吼叫與背景噪音都在同一次生成中產出。

失敗案例同樣具體。有使用者回報所有成果的人物臉部都呈現變形，眼睛變成邊緣毛躁的黑洞，形容像早期 SD1.5 才會出現的狀況，而他在 wan 與 ltx 上從沒遇過。官方的圖生影片範例工作流也有人跑不起來，CLIPLoader 直接丟出張量形狀不符的錯誤。16GB 顯卡到底能不能跑，目前還沒有明確答案。

加速工具跟著出來了。ComfyUI-Qlip 釋出四個新節點，用自動稀疏注意力、漸進式生成與快取，宣稱在 RTX 5090 上讓 Minimax 推論快 4 倍、Krea 2 快 5.6 倍。

同一批討論裡還有兩件事。Wan 3.0 宣布即將推出，規格是原生 30 秒、1080p、帶音訊。Ling-3.0-flash 的開放權重 8 月 4 日以 MIT 授權放出，124B 總參數、5.1B 啟用，1/64 稀疏 MoE、512 個路由專家加 1 個共享專家、啟用 8 個，注意力從預訓練開始就是混合線性。官方自報 AIME 2026 是 93.2、SWE-bench Pro 是 56.6。

本地部署的人碰到的麻煩是釋出時沒有 gguf、也沒有 llama.cpp 支援，模型類型是 bailing_hybrid 帶自訂程式碼，只能走官方的 sglang 或 vllm 分支。官方範例是 bf16 用 tp-size 4、fp8 用 tp-size 2，離單張 64GB 卡還有一段距離。

SpaceX 的 AI 部門開始收錢了

SpaceX 8 月 4 日公布上市後第一份財報，第二季營收 78.14 億美元、年增 92%，淨損由 10.08 億美元縮小至 5.41 億美元。

拆開來看，AI 事業營收成長 247% 至 25.61 億美元，占總營收 33%。其中 AI 解決方案與基礎設施營收由 3.11 億美元增至 21.94 億美元，廣告營收則由 4.26 億美元降至 3.67 億美元。成長來自出租運算容量，不是 X 的廣告。

公司表示已簽訂總額 141 億美元的雲端服務協議，第二季因此增加 16 億美元 AI 基礎設施營收，目前客戶包括 Anthropic 與 Google。

代價寫在同一份財報裡。AI 事業第二季營業損失 12.57 億美元，該部門資本支出由去年同期的 7.49 億美元暴增至 158.28 億美元，推動運算容量由 0.4GW 增至 1.4GW。整體單季資本支出約 184 億美元，公司預告這個水準至少會再維持兩季。

連網事業仍是三大部門中唯一獲利者，第二季營收成長 66% 至 42.91 億美元。Starlink 用戶數由去年同期的 600 萬倍增至 1,200 萬，但每名用戶平均月收入由 85 美元降至 66 美元，反映往價格較低的海外市場擴張。

馬斯克在財報電話會議上宣布 SpaceX 未來的 AI 基礎設施完全獨家採用輝達，不再採購 AMD 的 AI 晶片，理由是 Vera Rubin 架構最符合公司需求。這跟他 2025 年 5 月的說法不同，當時他表示旗下 AI 公司預計會持續向輝達和 AMD 採購 GPU。AMD 日前才強調全球前十大 AI 公司中有八家的工作負載跑在其 Instinct 平台上，其中就包含 SpaceX 內部的 SpaceXAI。

馬斯克同時給了算力的時間表：2026 年底超過 2GW，2027 年底累計上線接近 10GW。

微軟給每個部門發了 token 預算

微軟針對員工在 AI 工具上能花費多少金額引進新限制。執行副總裁 Jay Parikh 在致員工的電子郵件中寫道，隨著公司加速運用 GitHub Copilot 達成各項目標，所有人必須意識到自己是如何消耗 token，並明講公司追求的並非業界所稱的 tokenmaxxing。

具體措施有兩項。使用成本較其他模型低的 GPT-5.6 被設為內部預設模型；自 2026 年 7 月起，微軟各部門設有 AI token 預算目標，員工可以追蹤自己的 AI 支出情況。

內部指引提到的數字是，許多工程師每月 token 花費落在數百美元至數千美元區間。微軟目前沒有對外分享具體的目標支出金額。

Parikh 在郵件裡補了一句界線：「我們並非以減少 token 數量為最佳化目標，我們要最佳化的是，每個 token 帶來的更高影響力。」他也強調不希望拖慢公司邁向 AI 優先的腳步。

微軟自己是賣 AI 算力的一方，同時是內部用量最大的買方之一。這份更新後的內部指引把 token 支出放進「套用在每一項關鍵資源的同等紀律」來管理。

歐盟能開罰了，白宮還在決定要管誰

歐盟委員會於 2026 年 8 月 2 日正式取得《人工智慧法案》賦予的執法權限。歐盟人工智慧辦公室從這天起可以要求模型供應商提交技術文件、進行合規性評估，最嚴重的情況下能限制、撤回或召回已在歐盟市場流通的模型。這套權限主要鎖定訓練算力達到系統性風險門檻的前沿模型。

罰款分三級：

• 提供錯誤資訊，最高 750 萬歐元或全球營收 1.5%
• 通用人工智慧義務違規，最高 1,500 萬歐元或 3%
• 涉及禁止性 AI 行為的最嚴重違規，最高 3,500 萬歐元或全球營收 7%

盛信律師事務所合夥人伊麗莎白塔．里吉尼指出，只要企業在歐盟境內提供通用 AI 模型，無論總部設於何處都適用，非歐盟服務商還必須指定駐歐盟授權代表做為監管對接窗口。她特別強調，拒絕提供資訊、給出誤導性答覆或阻撓模型評估這類程序性行為本身，已足以觸發罰款。

美國那邊 8 月 4 日開了另一場會。白宮與 OpenAI、Google 及 Anthropic 召開閉門會議，討論尖端 AI 模型的資安審查框架。企業可在模型公開前交由政府進行最多 30 天的測試，整體定調為自願參與。

8/05 報告提過這套框架要測的是模型能不能發掘軟體漏洞、發動網路攻擊。這場會議透露的新資訊是範圍：白宮目前傾向僅審查 Anthropic 與 OpenAI 等公司的特定模型，暫不將開源模型納入。

這個決定有前情。過去幾週，由白宮幕僚長威爾斯、財政部長貝森特與商務部長盧特尼克等人組成的核心小組討論過是否要大幅增加對可自由下載和修改的開源模型的干預，考慮過的行動包括實施制裁、把開發這些模型的中國公司列入貿易黑名單，甚至禁止美國雲端服務公司與它們開展業務。在受到矽谷強烈反對後，方向轉為推動美國模型提升競爭力。

AlphaFold 的作者還剩下多少

哈薩比斯卸下 Google DeepMind 執行長一職，轉任 Google DeepMind 主席暨 Alphabet 首席科學家，同時繼續領導 AI 設計藥物公司 Isomorphic Labs。皮查伊在公開信中說明他將專注於塑造通用人工智慧和科學探索的未來。哈薩比斯會與原技術長卡武庫格魯、Google Labs 與 Gemini 應用程式負責人伍德沃德及團隊保持密切聯繫，為模型和研究提供建議。

同一天有另一組數字。《金融時報》報導，AlphaFold 論文的大部分原始作者在過去一年中已被重新分配，其中全職核心作者有近四分之一徹底離開 Google。留下來的人轉向 Gemini 科研代理、酵素設計、基因組學和核融合等領域，也有人去了 Isomorphic Labs。

諾貝爾化學獎得主 John Jumper 與 Jonas Adler 曾一度被調職至主攻 AI 程式撰寫能力的 Code Strike 團隊，兩人最後轉投 Anthropic。

Google 負責 AI for Science 的研究副總裁 Pushmeet Kohli 回應稱，DeepMind 的科學團隊沒有改變方向，只是擴大了工作範圍，仍在推進蛋白質、基因組與酶設計。

AlphaFold 代表的是一種相對傳統的科研組織方式：圍繞一個清晰問題組建團隊，長期投入，集中資源，最終交付成果。蛋白質、數學、基因組、核融合和程式碼看起來分屬不同學科，進入 AI 公司之後，都可以成為同一個模型的一組能力模組。

1.09 兆美元的租約還沒開始計算

微軟、Meta、甲骨文、亞馬遜與 Alphabet 已承諾支付約 1.09 兆美元尚未開始生效的租賃款項，大多用於興建資料中心。

根據路透社整理的各家財報，這 5 家企業目前已認列於資產負債表的租賃負債約 2,850 億美元，只有上述承諾的四分之一。差距的主因在於會計處理方式：已簽訂的租約通常要到設施可供使用時才會列為負債，在此之前，企業只在財務報表附註中揭露未來的支付金額。

甲骨文的集中程度最高。它揭露尚未開始的租賃承諾高達 2,600 億美元，幾乎是已認列租賃負債 378.9 億美元的 7 倍。這些租約大多與資料中心有關，預計於 2027 至 2029 會計年度陸續生效，租期通常在 15 年至 19 年之間。甲骨文自己也警告，資料中心租約的租期、續約條件及租金價格未必與客戶合約一致，若客戶未續約或無法履約，風險由公司承擔。

同一週有兩筆新的算力交易落地。Anthropic 與今年成立不久的雲端新創 Volta 簽下一筆 100 億美元、為期 6 年的協議，資料中心座落挪威、採用輝達 Vera Rubin 系統、預計提供 133 MW 電力容量，開發夥伴是從加密貨幣挖礦起家的 Bitdeer。CoreWeave 則宣布進軍印尼，新建三座資料中心、合計用電契約容量 360MW，是它首度在亞太地區設點；截至今年 3 月底，該公司已在全球營運 49 座資料中心。

中國造不出 EUV，卻可能先拿走 ASML 的中國訂單

中國計畫生產自製光刻設備的消息傳出後，《金融時報》的判斷是這對 ASML 的市場地位沒有立即威脅。技術上中國在深紫外光設備領域仍落後約一個世代，與更先進的極紫外光設備相比則存在約十年的技術差距。

產能的落差更直接。中國預計在 2027 年生產約 20 台浸潤式 DUV 設備，ASML 光是 2025 年就出貨 131 台。

真正在改變的是採購邏輯。美國禁止 ASML 向中國出口最先進的 EUV 設備，也限制最先進的浸潤式 DUV 輸入中國，美國國會目前還在討論試圖全面防堵其餘浸潤式 DUV 流入中國的法案。這些管制形成的市場真空，恰好是上海愛晟納等中國本土企業鎖定的核心設備市場。

產業研究人員的觀察是，在正常市況下，晶圓代工廠若採用效能較差的系統，勢必得承受生產力下滑與單顆晶片成本攀升的劣勢。但當政治風險讓外國設備隨時可能遭到全面禁售、甚至無法取得後續維修與售後服務時，中國晶圓廠比以往更願意接受國產設備效能較差的代價。

ASML 的護城河也不只是一台機器。光刻製程的精確度以原子尺度衡量，設備運作時需要持續進行微調，而 ASML 每年出貨數百台所取得的運作數據，能為後續技術改善提供即時回饋。要追上得跨越四十年的技術積累，以及一套包含約 10 萬種不同精密零件的供應鏈。中國目前研發的國產設備主要鎖定 28 奈米製程。