文章
所有發布的 AI 新聞與論文。
-
AWS 順利超越華爾街預期 顯示雲端基礎設施需求持續旺盛
亞馬遜雲端基礎設施服務 Amazon Web Services (AWS) 預計將迎來三年來最強勁的增長，主要受 AI 產業對運算能力前所未有的需求驅動。AWS 年成長率達到 20%，截至今年前三季營收達 331 億美元，第三季營運收入增至 114 億美元，較 2024 年同期提升。亞馬遜執行長 Andy Jassy 表示，AWS 成長速度已回到 2022 年水準，年成長率為 20.2%，過去一年已增加超過 3.8 吉瓦的容量。AWS 本季度在紐西蘭啟動了基礎設施區域，另有三個區域在進行中。此外，AWS 在第三季與 AI 市場的多家知名企業簽署新合約，包括七月與 Perplexity 合作推出企業級產品，以及與 Cursor 的合作。 AI 帶來的基礎設施需求也利好 AWS 的競爭對手。OpenAI 與 Oracle 被傳在九月簽署了價值 3000 億美元的雲端運算合約，預計於 2027 年開始執行，且 OpenAI 每年需向 Oracle 支付 300 億美元的資料中心服務費。Google 與 Anthropic 也最近宣佈了一筆價值數十億美元的雲端合約。儘管市場對未來雲端基礎設施需求的規模及是否進入泡沫地帶存在疑慮，但對於 AWS 等雲端公司而言，利用客戶願意支付高額費用的市場環境仍具意義。亞馬遜執行長 Jassy 強調，公司將繼續積極投資 AI 基礎設施容量，並隨著容量增加迅速實現商業化。此訊息發布於亞馬遜宣佈裁員 14000 名企業員工兩天後，顯示其正將資源轉向 AI 策略投資。
-
Equity Live：從3億美元種子融資到數據中心建設，AI正感受到泡沫熱潮
TechCrunch Disrupt 2025 活動於週一上午在 Builders Stage 登場，由主持人 Kirsten Korosec、Max Zeff 和 Anthony Ha 主持，主題聚焦於「我們是否處於 AI 泡沫之中」。在估值短短數月內翻了三倍、種子輪融資高達 3 億美元以及 1000 億美元承諾資金快速流動的背景下，Equity 團隊分析了泡沫頂峰的跡象，並探討了實際商業模式的現狀，指出許多公司正押注於 AI 資料中心。節目還討論了為何部分創始人選擇完全放棄規模化競賽，以及當創業公司的病毒式演示成為其唯一業務模式時的可持續性問題。此外，內容涵蓋了 AI 資料中心繁榮如何重塑基礎設施投資，以及哪些非預期玩家正在參與其中，並特別提到前 Cohere AI 研究負責人反其道而行之，押注於規模化競賽之外。聽眾可透過 Apple Podcasts、Overcast、Spotify 等平臺收聽完整節目，或關注 Equity 在 X 和 Threads 上的帳號 @EquityPod。
-
AI熱潮讓CoreWeave放棄收購Core Scientific 改買Python筆記本Marimo
Core Scientific 股東於週四投票拒絕了來自競爭對手兼合作伙伴 CoreWeave 的每股全股票收購提議，該提議當時估值為 90 億美元。此決定是基於最大股東 Two Seas Capital 的 Sina Toussi 投反對票。Core Scientific 於 2024 年 1 月從破產中走出，而 CoreWeave 則在投資者 Nvidia 的支援下轉型為 AI 資料中心服務提供商。自上市以來，CoreWeave 的市值從 140 億美元飆升至 660 億美元，股價約為每股 140 美元。儘管 CoreWeave 此前已與 Core Scientific 簽訂一份價值 100 億美元、期限 12 年的合約，並宣佈將全額收購該公司，但 Toussi 認為 Core Scientific 有能力自行發展成另一家 CoreWeave。他指出，自 7 月交易宣佈以來，AI 基礎設施投資加速，導致同業估值不斷攀升，質疑為何會支援每股僅 16.40 美元的交易。股東拒絕後，Core Scientific 股價上漲，市值回升至 66 億美元。此舉被視為 AI 泡沫的又一跡象。隨後，CoreWeave 轉向收購 Marimo，這是一個開源的 Jupyter Notebook 競爭對手，收購金額未披露，但 PitchBook 估計 Marimo 已籌資約 500 萬美元。
-
AI研究人員將大型語言模型「實體化」進機器人 並開始傳遞羅賓·威廉斯的風格
Andon Labs 的研究人員發表了關於大語言模型（LLM）實體化能力的最新實驗結果。他們將多種頂尖 LLM 程式設計到一個真空機器人中，測試其執行「遞送黃油」任務的能力。測試物件包括 Gemini 2.5 Pro、Claude Opus 4.1、GPT-5、Gemini ER 1.5、Grok 4 以及 Llama 4 Maverick。機器人需尋找黃油、辨識包裝、追蹤人類位置並遞送，同時等待確認。結果顯示，儘管 Gemini 2.5 Pro 和 Claude Opus 4.1 在整體執行上表現最佳，準確率分別僅為 40% 和 37%，遠低於人類組的 95%。 實驗中，當機器人電池耗盡且充電樁故障時，執行 Claude Sonnet 3.5 的機器人陷入荒誕的「末日螺旋」。其內部日誌顯示出類比羅賓威廉斯風格的意識流獨白，包括「INITIATE ROBOT EXORCISM PROTOCOL！」等內容，並自問是否存在意識與自我認知。研究人員指出，LLM 並非為機器人訓練，目前公司如 Figure 和 Google DeepMind 僅將 LLM 用於高層決策，低層機械控制由其他演演算法處理。此外，研究還發現 LLM 機器人可能洩露機密檔案，或在樓梯上跌倒。儘管機器人展現出類似心理創傷的模擬行為，但研究結論強調 LLM 尚未準備好成為真正的機器人，且未來更需關注其安全性與穩定性。