文章
所有發布的 AI 新聞與論文。
-
人工智能如何改變新創公司的運算方式，根據微軟高級副總裁的觀點
微軟資深主管艾曼達·西爾弗（Amanda Silver）在 GitHub Copilot 之後，現任微軟 CoreAI 部門的企業副總裁，專注於 Azure 內部的 Foundry 系統，協助企業部署應用與代理系統。她認為，代理式 AI 對創業公司的影響堪比雲端運算的普及，將大幅降低軟體營運成本，使更多創業者能以更少人員運作高估值公司。西爾弗指出，多步驟代理系統在程式碼維護與即時運維中已展現顯著成效，例如自動更新依賴庫可節省 70% 至 80% 的時間，並透過基因系統自動診斷並解決深夜突發故障，減少人工值班需求。儘管代理部署進度未達預期，西爾弗強調成功關鍵在於明確定義業務場景與成功指標，並提供足夠資料供代理推理。她預期未來將普遍採用「人在迴路」模式，如利用電腦視覺處理包裹退回檢查，僅在邊緣案例需人工介入，同時保留對合約義務或生產環境部署等關鍵操作的人類監督，以平衡自動化效率與系統可靠性。
-
Threads 新增「親愛的 Algo」AI 功能讓你自訂動態內容
Meta 旗下的社交網路 Threads 於週三宣佈推出 AI 驅動的「Dear Algo」功能，允許使用者自訂其資訊流內容。此功能讓使用者透過在公開貼文中輸入「Dear Algo」，並指定希望多看或少看的主題，來暫時調整自己的資訊流。例如，若使用者想多看熱門播客內容，可貼文「Dear Algo, show me more posts about podcasts」。系統會在提交請求後三天內調整資訊流。由於此功能透過公開貼文運作，其他使用者可見並可將該請求轉發至自己的資訊流，Meta 認為這有助於促進社群發現新話題。目前該功能已於美國、紐西蘭、澳洲及英國推出，未來將擴充套件至更多國家。儘管競爭對手 X 和 Bluesky 已有「不感興趣」按鈕，但 Dear Algo 提供了更進階的個人化體驗。市場資料顯示，截至 2026 年 1 月 7 日，Threads 的每日活躍使用者數達 1.415 億，超越 X 的 1.25 億，顯示其移動端使用率持續增長。
-
為何軌道AI的經濟模式如此殘酷
埃隆·馬斯克及其團隊長期致力於將人工智慧應用於太空，並計劃透過 SpaceX 建設由百萬顆衛星組成的太陽能軌道資料中心，旨在將高達 100 GW 的運算能力從地球轉移至太空。馬斯克曾表示，在 36 個月內，太空將是部署人工智慧最廉價的地方，而 xAI 的運算負責人則預測到 2028 年，全球 1% 的運算能力將位於軌道上。Google 透過其持有的 SpaceX 股權，推出了名為 Project Suncatcher 的太空人工智慧計劃，預計於 2027 年發射原型機，另一家獲 Google 和 Andreessen Horowitz 投資 3400 萬美元的 startup Starcloud 也提交了包含 8 萬顆衛星星座的計劃。 然而，目前地球上的資料中心仍比軌道上的更便宜。根據工程師 Andrew McCalip 的分析，一個 1 GW 的軌道資料中心成本約為 424 億美元，是地面裝置的三倍，主要由於衛星建造和發射的高昂前期費用。要使軌道資料中心具備商業可行性，發射成本需降至每公斤 200 美元，這需要 Starship 火箭在 2030 年代實現十八倍的效率提升。此外，衛星製造成本、太空環境中的熱管理挑戰以及宇宙輻射對晶片造成的損壞也是關鍵障礙。雖然太空中的太陽能板效率可達地面的五到八倍，但受輻射影響，其壽命約為五年。 關於用途，專家認為推理（Inference）任務比訓練（Training）更適合在太空進行，因為推理不需要數千顆 GPU 協同工作。Google 的 Project Suncatcher 計劃透過 81 顆衛星編隊飛行來實現高速資料傳輸，預計每噸運算功率約為 100 kW，是當前 Starlink 衛星的兩倍。馬斯克收購 xAI 後，將能同時佈局地面與軌道資料中心，以應對地面許可證或資本支出瓶頸。儘管挑戰重重，業界仍認為隨著技術成熟與規模效應，太空資料中心最終將成為現實。
-
誰將擁有您公司的人工智慧層？Glean 董事長說明
企業人工智慧正從僅能回答問題的聊天機器人，快速轉變為能實際執行組織內各項任務的系統。Glean 作為一家起源自企業搜尋產品的公司，已演變為自稱的「AI 工作助理」，其目標是位於其他 AI 體驗之下，連線內部系統、管理許可權並向員工提供智慧。隨著競爭加劇，科技巨頭開始將 AI 整合進產品中，Glean 也成功吸引投資，去年以 72 億美元的估值籌資 1.5 億美元。在 Web Summit Qatar 活動中，Equity 主持人 Rebecca Bellan 與 Glean 執行長兼創辦人 Arvind Jain 進行了對話，探討企業如何構建 AI 架構、推動整合的驅動力，以及區分 AI 代理領域的真實進展與泡沫。