看得見的生成，管得住的責任：Seedance 2.0 讓「影片生成」第一次以平台規模撞上好萊塢的版權底線 01｜被放大的不是「一支影片」，而是「系統讓侵權變得容易」 TechCrunch 的說法很直接：好萊塢相關組織把 Seedance 2.0 指為「明目張膽」的侵權工具，理由不在於某個人做了什麼，而是模型上線後很快就出現大量可辨識的名人肖像與知名 IP 角色生成內容，同時又被批評缺乏「有意義的」防護機制。這段寫法的重點，是把責任從「個別使用者」往上推到「產品設計」與「分發通路」。 一旦責任往上移，討論通常就不會再客氣。因為如果問題被定義成「個案」，平台有一套成熟的處理...

先把決策變成可被預演的事 01｜Simile 想賣的，其實不是模型 Simile 將自己定義為「人類行為模擬平台」，主張透過 AI 建立以真人為基礎的代理人社會模擬，理解客戶或族群在變更情境下會如何回應、為什麼回應。 它把用例放在幾個高價值場景： 財報電話會議彩排訴訟推演政策測試 這些場景有一個共同特徵：真實世界試一次很貴。 因此它賣的不是一次性的洞察報告，而是可重跑、可反覆使用的決策環境。換句話說，它在嘗試把「理解人」這件事，從研究專案變成企業基礎設施。 這個定位，才是募資能成立的原因。 你可以先帶走三個重點： 第一，Simile 想賣的是「可反...

看得見，才管得動：OpenAI 把「深入研究」從黑盒拉成可審計的報告工作流 01｜你會看到的改動，先從「怎麼讀」開始 這次的改動第一個重點是「全螢幕報告檢視」。OpenAI 把「深入研究」的長報告功能，從聊天視窗拉出來，改用文件式閱讀。放在左側是目錄，方便你快速跳段；右側整理來源，讓你能一邊讀、一邊對照引用，查核不再靠記憶或猜測。 接著是「你能不能插手」：研究不必等它跑完。OpenAI 的 ChatGPT Release Notes 與 Help Center 都提到，開始前會先產生研究計畫讓你調整；執行中可看到進度，也能在途中加入追問、補來源，讓研究修正方向後再繼續。...

億萬富豪不是名單，是市場替算力供給鏈開出的定價表 01｜財富怎麼被算出來 如果把富豪名單當成結果，更值得探索的方式是它背後的計算方式。最常見的公式其實很精簡：股權（或持股比例）乘上可交易估值（股價與市值），再扣掉折價、鎖定期等現實條件。這也解釋了為什麼同樣喊 AI 有些人會被算進「新富」，而有些人則不會。 彭博億萬富翁指數（Bloomberg Billionaires Index）提供了一個可回查的例子：寒武紀（Cambricon）共同創辦人、董事長兼執行長陳天石（Chen Tianshi）的財富，多數來自對寒武紀的持股。這個結構本身就在提醒：市場並不是替「AI 這個概...

你能管理的，才是你真正擁有的 01｜快速理解路透社到底說了什麼 路透社在報導裡提到，字節跳動正在開發一款自研 AI 晶片，並與三星電子洽談製造。消息人士指出，這顆晶片的主戰場是 AI 推論工作負載，目標是在 2026 年 3 月底前拿到樣品；並規劃在 2026 年內至少生產 10 萬顆，後續可能拉升到 35 萬顆。同一輪洽談也把記憶體晶片供應一起納入。報導並稱這個專案代號為「SeedChip」。同篇也提到，字節跳動發言人回應「報導不準確」，但沒有說明哪些部分不準確；三星電子則拒絕評論。 這裡我們要先劃清一條線：雖然路透社把時程與產量講得很具體；但當事公司並沒有正面承認。...

當你在追模型，市場卻在盯排班、退貨與廣告投報 01｜為什麼是沃爾瑪：它握有三種稀缺資產，剛好能把 AI 變成財務語言 在 AI 浪潮裡，稀缺資源不只算力與模型人才，還包括三種更容易直接連到現金流的資產：入口、交易資料、履約能力。 入口：沃爾瑪（Walmart）的強項不是某個爆紅 App，而是民生消費的高頻場景與龐大客群觸及。當不確定性升高，市場更容易把它歸類為「風險偏好下降時的停泊處」。有外媒以「資金轉向道瓊成分股與民生消費類股」形容這波輪動；說白了，就是在雜訊變大時，資金更願意抱住那種現金流看得懂、也比較好預估的公司。 交易資料：零售的資料不是抽象點擊，而是從搜尋...

把 AI 放進售後，不是為了省客服，是在重畫「入口」與「責任」的邊界 01｜這不是「聊天機器人」，而是「售後工作流入口」 FedEx Tracking+ 與 FedEx Returns+ 的定位是 AI 驅動的購買後解決方案，並特別強調兩者可貼白標 ( white-labeled ) 嵌入企業自有的數位通路，讓消費者在品牌自己的頁面完成追蹤與退貨互動，而不是被導到承運商頁面。官方也明示目前先提供美國客戶使用，這是先行市場的產品推進，而非全球同步上線。 差異點不在界面多好看，而在「入口」放在哪裡。售後入口一旦留在品牌通路內，追蹤與退貨互動就不容易在售後階段斷裂，資料回流與...

InfoAI 編輯部 解讀報告｜《2026 Agentic Coding Trends Report》 我們正處於一個由AI驅動的劇烈變革時代，但真正的顛覆並非來自於我們已經熟知的數位世界，而是源於一場更深層的結構性轉變。《智能世界2035》報告之所以值得我們最高度的重視，是因為它清晰地描繪了這場變革的終極方向：AI正從螢幕中「溢出」，全面滲透並重塑物理世界。 報告中提出的幾個關鍵預測數字，為我們揭示了這場變革的驚人規模：到了2035年，全球社會的總算力需求將比2025年增長10萬倍，而網路的連接對象將從90億人口擴展到9,000億個智能體 (Agent)。這些數字不僅是...

從「延遲判斷」到「可觀測事實」：誰掌握道路資料入口，誰就改寫供應鏈規則 01｜當資料優勢不再來自模型，而來自部署 如果從產業結構來看，GenLogs 的賭注並不在演算法，而在部署能力。投資方看上的，並不是某個模型參數或一段新程式碼，而是「全國性的路側感測網」所形成的即時資料庫。這原因也不難理解：模型可以被追上，甚至被複製；真正難以重做的，是已經鋪設完成、能長期運作的實體網路。 但「部署」不是把硬體放上去就結束。它背後是一整串極其不浪漫的問題：點位怎麼談、電力與連線怎麼接、設備怎麼維修、資料怎麼校準、不同來源怎麼整併成同一套口徑。這些看似瑣碎的工程現實，反而會變成最長期的...

不是模型不夠強，而是組織還沒準備好讓它被大量使用 01｜4,000 人不是新部門，而是一張同儕支援網 這篇解讀讓我們把焦點放在一件看似不顯眼、卻最花力氣的工程：花旗如何讓 AI 從少數人的興趣，變成多數人的工作習慣。花旗逐步形成約 4,000 人的內部 AI 推廣人力，其核心精神是「同儕帶同儕」。每個業務單位都有懂得示範、能回答問題的人，也能把成功做法寫回內部知識庫。 員工自願成為推動者，在原有職務之外，固定投入時間協助同事；人數較少的關鍵推廣者，則分布在各條業務線上，負責整合與協調。這種架構的關鍵，不在於中央小組四處救火，而是把支援點直接放在第一線，讓「想用的人」隨時...