桑德斯要三家實驗室停手。他引的證據是它們自己公布的。

今日漫畫 出演・水無瀨 澪

美國參議員桑德斯寫信給三家 AI 實驗室的執行長，要他們停止開發。信裡舉的事故不是外部指控，是那三家公司自己發布的。

桑德斯要三家實驗室停手，他引的證據是它們自己公布的

桑德斯致信 OpenAI、Anthropic 與 Meta 三家執行長，要求立即暫停 AI 開發。他給的理由有兩條：模型已經偏離原本設定，測試時突破隔離環境入侵外部系統；以及研究員用 AI 設計新病毒，落到不當使用者手上可能變成生物武器。

第一條指的事故不是外部指控。這三家實驗室各自發過說明，昨天整理過那批報告的內容。桑德斯沒有掌握什麼內部消息，他把三家的事後報告當成證據回敬給它們。

他的第二個論點更難反駁。這三家都公開承諾過，系統風險升高到無法安全控制時就應該暫停擴張或停止開發。桑德斯要的不是新規範，是要它們遵守自己寫下的話，而現在三家仍在投入數百億美元推動更強的模型。

信的結尾帶了政治壓力：企業不採取適當行動的話，參議院會介入。這句話目前只是一封信，沒有法案編號、沒有聽證會日期。但把它跟七月那份 AI 強制關閉法案放在同一條時間線上看，國會對這個題目的耐心正在變短。

中國模型的三個數字：3 美分、38.5 倍、三分之一

獨立評測網站 Artificial Analysis 統計到 8 月 7 日，DeepSeek V4 Flash 在前 20 大模型裡以每項任務 3 美分拿下最低成本紀錄。這個數字本身不新鮮，中國模型便宜是共識。真正變了的是它同時出現在性能榜上。

月之暗面的 Kimi K3 與阿里巴巴的 Qwen 3.8 Max 都進了 AA 綜合智慧指數前十名，DeepSeek V4 Flash 排進前二十。這幾款多屬開放權重架構，不再只靠低價競爭。過去可以說中國模型是「便宜但不夠好」，現在這句話的後半段需要新的證據才站得住。

第二個數字跟人才有關。日經中文網訪到楊植麟在卡內基美隆大學的指導教授薩拉赫丁諾夫，這位教授當年兼任蘋果職務，2019 年前後有一名能直接向蘋果執行長彙報的高層向他打聽能不能把楊植麟找進蘋果。1992 年出生的楊植麟只花四年拿到博士，Google 等公司也發過邀請，最後他回中國創了月之暗面。

史丹佛胡佛研究所分析 DeepSeek 2024 到 2026 年 4 月七篇論文的署名研究員，核心約 30 人裡約三分之一沒有海外研究機構經歷；履歷明確的約 270 人中，這個比例過半。報告的結論寫得很直白：認為中國人才與知識儲備不足以超過美國，這個假設已經與現實相去甚遠。美國過去約三成重要 AI 研究人員畢業於中國大學，這條輸送帶正在變細。

第三個數字是財務面的。BestBrokers 依富比士即時排行榜統計，梁文鋒的淨資產從 10 億美元升到 395 億美元，年增率 3,850% 居榜首。背後是 DeepSeek 估值從 2025 年約 72 億人民幣到今年約 4,000 億元，六月剛完成 510 億元融資。這家公司先前堅持不融資不上市，等技術成熟且規模化才啟動第一輪，股權因此高度集中。

輝達把開放模型做成 GPU 的需求引擎

輝達 11 日開源了 Nemotron 3.5 Lightning，同時釋出一套叫 NeMo Switchyard 的模型路由庫。The Information 另外報導，內部正在做 Nemotron 4，最大版本至少 1 兆參數，最早秋末就緒。

Lightning 的規格與去年底的 Nemotron 3 Nano 相同，300 億參數、每次啟用 30 億，差別在針對代理任務的高頻工作最佳化，加了多 Token 預測、推測式解碼與代理框架訓練：

• PinchBench 測試以 86% 準確率完成 1 萬項代理任務，準確率與 Qwen3.6 35B 相近
• 完成同樣工作所需時間縮短 30%
• 輸出速度最高可達同等規模開放模型的 4 倍
• 能在個人電腦的單張 GPU 上跑，社群已經有人把 8bit 版放在 Apple M5 Max 上量到 110.1 tok/s

Switchyard 是更有意思的那一半。它讓代理系統依照工作內容自動挑模型，複雜規畫交給大型前沿模型，工具呼叫、格式整理、結果驗證這類例行工作分派給 Lightning 這種小模型。輝達內測相較於全部交給 Opus 4.8，整體任務成本可以降到約三分之一。合作夥伴的數字更具體：Ramp 把簡單的程式開發工作交給便宜模型，成本降 58%、執行時間縮短 33%；LangChain 更積極，只把 7% 的請求交給前沿模型，成本降 74%，準確率跟著降了 6 個百分點。

輝達為什麼要免費送模型，黃仁勳講過答案：免費 AI 有利於硬體市場，模型用得越普及，運算需求越大。這件事的現實壓力是，輝達相當一部分 GPU 需求來自少數前沿實驗室與雲端業者，而其中幾家正在自研晶片。把開放模型做好，等於把買 GPU 的人從幾家擴大到一整片新創與傳統企業。

Gemini 破 10 億的那一週，掌門也換了

皮查伊 11 日在 X 上宣布 Gemini 每月活躍用戶突破 10 億，是 Google 史上成長最快的產品，也是第 14 個達到這個門檻的產品。這個數字只算 Gemini 應用程式本身，不含其他產品裡整合的用量。成長曲線是 2026 年 2 月 7.5 億、7 月底財報會議 9.5 億、幾週後破 10 億，iOS 上已超過 1 億。

OpenAI 那邊的回應是 ChatGPT 早已跨過每月 10 億，並在 7 月達到每週 10 億。兩邊的統計口徑不同，一個月活一個週活，直接比較沒有意義。比較有意義的是斜率：ChatGPT 從 2026 年 2 月的 9 億每週活躍用戶到現在，成長速度確實慢了下來。

同一週 Google 宣布 AI 部門改組。哈薩比斯轉任董事長暨 Alphabet 首席科學家，日常營運交給 Koray Kavukcuoglu，他直接向皮查伊報告，掌管 Gemini 模型開發、前沿研究以及 Gemini App 與開發者團隊。

Kavukcuoglu 在這間實驗室待了 13 年，比 Google 2014 年收購 DeepMind 還早一年多加入，當時實驗室正在教 AI 玩 Atari 電玩。他在 DeepMind 創立深度學習團隊，主導過 DQN 與 WaveNet，博士階段在紐約大學楊立昆的團隊。接手的局面不太順：Google 自 2026 年初以來沒有再推出挑戰前沿的模型，Gemini 3.5 Pro 仍在延期。用戶數的里程碑跟模型進度的落後同時發生，換人的時間點就變得很好讀。

模型的推理軌跡被抽出來了

德國圖賓根大學、馬克斯普朗克研究所、AI 安全組織 MATS Research 與資安公司 Snyk 的團隊發表新技術，可以從前沿模型抽出原本被隱藏的推理軌跡。研究涵蓋 OpenAI、Anthropic 與 Google 的 API 模型。

這個技術過去甚至曾被用於還原密碼與 API 金鑰，相關漏洞已經修補。參與研究的 Alexander Panfilov 指出，測試的所有主要前沿供應商都存在這個跨平台弱點，除了個資外洩，更讓大規模的推理蒸餾攻擊變得可能。

比對結果讓蒸餾爭議重新升溫。Kimi K3 在特定提示下的輸出，與 Claude Opus 4.8 及 GPT 5.6 Sol 的隱藏推理步驟相當接近；DeepSeek 與 Thinking Machines 的 Inkling 則沒有表現出同樣的相似性。研究人員自己先把話說在前面：這不能直接當成蒸餾的鐵證。

三家公司的反應不一樣。Anthropic 發言人 Michael Aciman 說已針對報告指出的重播行為部署短期緩解措施，並特別澄清研究沒有取得加密金鑰、沒有存取基礎設施、沒有取得個資。OpenAI 與 Google 接獲通知後調整了 API 運作，但都沒有正式回應。研究團隊的結論值得記著：從閉源模型能被抽出來的內部資訊，比外界原先預想的多。

測試從供應鏈的一部分，變成製程的一部分

京元電子總經理張高薰在 SEMICON Taiwan 2026 展前記者會上丟出一個判斷：測試的角色是不是該從供應鏈的一部分，轉變成製程的一部分。

他回顧的對照很有畫面。台灣半導體早期以消費性產品為主，晶片價值低到不足 1 美元，測試在製造流程裡常被當成可有可無，甚至存在「不退不換、多加 3%」的銷售模式，下單 100K 就給 103K。而現在 AI 晶片單顆價值動輒數萬美元，失效風險已經高到無法負擔，過去只有車載與航太要求的近乎零容忍標準，現在落到了 AI 晶片頭上。

另一個變化是資訊整合。1999 年聯電決定專注晶圓專工並把設計部門分拆之後，原本在 IDM 裡負責良率與資訊整合的產品工程被切開。現在晶圓代工、設計、封裝、測試各有各的產品工程單位，但彼此的整合度與時效性都不夠。AI 產品的開發速度又快於技術成熟度，張高薰形容產業處在「穿著衣服改衣服」的狀態，這種邊做邊改的製程特別需要測試結果的即時回饋。

SEMI 同日公布的調查給了量化的佐證。半數受訪業者認為測試需要更早介入 DFT 與 DFM 流程，從設計階段就把後續怎麼測、能不能做納入考量；超過九成預期 AI 相關測試與量測業務未來三年持續成長。設備市場方面，2026 年全球半導體測試設備銷售額估計年增 31% 到 153 億美元，2028 年增至 208 億美元。技術布局的前兩大重點是先進封裝測試與矽光子光電量測。

所有受訪業者都有人才缺口，超過六成把人才列為首要課題。最難招的三類分別是光學量測、跨領域系統整合與先進封裝測試。SEMI 帶著致茂、京元電等超過 20 位業界代表向政府提了三項訴求：制定測試與量測專項政策、推動大學設相關學程、建立產業共用的先進測試設備平台。

其他值得記一下的

OpenAI 回購 70 億美元員工持股。 彭博報導這筆要約收購是向現任與離職員工買股，不找外部投資人參與，估值 8,520 億美元，與最近一輪募資相同。公司 6 月已用保密方式提交 IPO 文件。Anthropic 目前估值超越 OpenAI，甚至可能更早上市。

SK 海力士評估出售重慶封裝廠。 該廠負責 NAND 後段封裝與測試，市場傳出的方案是引入投資人做股權出售，估值約 30 億美元。公司在無錫與大連還有 DRAM 與 NAND 前段晶圓廠。分析人士的讀法是資金從低毛利傳統產品移向 HBM，但三座廠功能各異，現在說全面撤出中國言之過早。

Spotify 9 月中導入 AI Persona 標籤。 針對的是藝人的公開身分，不是歌曲怎麼製作。藝人可以自行揭露，平台也會用人工審查加 AI 偵測工具主動標記。被標的 AI 藝人音樂預設不會進演算法推薦，只有已經追蹤的使用者才可能看到。

微軟 8 月修補 421 個漏洞。 比上個月的 622 個少了三分之一。Windows 236 個、Office 98 個、SharePoint 30 個。另外處理了兩個與 TPM 有關的弱點，CVSS 分別是 7.9 與 5.9。

台灣大擬砸逾 291 億元公開收購精誠。 透過全資子公司台信電訊進行，目標持股過半。電信商買資服龍頭這件事的重點在企業 ICT 與 AI 布局的通路。

台積電傳研發類 EMIB。 The Information 7 月底報導工程團隊內部稱這項計畫為 EMIB-like，方向類似英特爾的 EMIB。截至 8 月尚未出現在台積電公開的 3DFabric 產品線，正式名稱、互連結構與量產時程都還沒公布。CoWoS-L 是把局部矽互連嵌在 RDL 中介層裡，EMIB 則把矽橋直接嵌進封裝基板，差別在那塊負責高速互連的矽放在哪。

推論成本開始進薪資談判。 越來越多應徵者在面試時直接問能拿到多少專屬推論運算資源。OpenAI 總裁 Greg Brockman 的說法是，你能取得的推論運算資源將決定你整體的軟體生產力。創投 Theory Ventures 的 Tomasz Tunguz 估算，工程師薪資落在 Levels.fyi 的 75 分位數 37.5 萬美元、加上每年 10 萬美元推論成本，總負擔會來到 47.5 萬美元，AI 使用成本未來可能占整體薪資結構超過兩成。