Anthropic 的 IPO 招股文件顯示收入增長快於成本
Azeem Azhar 分析 Anthropic 的 S-1 招股文件,指公司收入增長快於成本,並可能於 2026 年轉為盈利。文件列出 2025 年 $8bn 營運虧損及 $42bn 淨虧損,後者受一筆會計費用推高。公司有為期 7-10 年、總額 $518bn 的算力承諾,約 80%(約 $410bn)不可取消;其年化收入預計於 2026 年底超過 $100bn。
Azeem Azhar 分析 Anthropic 的 S-1 招股文件,指公司收入增長快於成本,並可能於 2026 年轉為盈利。文件列出 2025 年 $8bn 營運虧損及 $42bn 淨虧損,後者受一筆會計費用推高。公司有為期 7-10 年、總額 $518bn 的算力承諾,約 80%(約 $410bn)不可取消;其年化收入預計於 2026 年底超過 $100bn。
MIT教授 Sherry Turkle 認為,聊天機械人雖可帶來短暫慰藉,廣泛使用卻不利於人的發展與社交連結。她的新書《Artificial Intimacy: Who We Become When We Talk to Machines》按人生階段梳理相關影響,包括兒童可能混淆聊天機械人與真人,以及成人逐漸減少人際互動。她主張,面對社交中的摩擦與壓力,也是培養關係能力的一部分。
Hello Robot 聯合創辦人兼技術總監 Charlie Kemp 開發輔助機械人,協助長者及殘疾人士在家居和工作場所生活得更獨立。他指出,機械人是否實用須從真實環境與用戶互動中瞭解;有時用戶需要更多控制,而非更高自主程度。
AI 存亡風險機率預測並非基於經過驗證的模型或方法,可靠性不足,難以作為公共政策依據。文章指出,這類風險沒有可供估算的參照類別,單憑機率數字不足以支撐政策決策。作者不反對相關預測作為學術活動,並指出它或可協助企業等私人決策者,只質疑其用於公共政策。
心資本創始合夥人 Herry Han 在 SuperReturn Asia 2026 圓桌上指出,AI 市場或有泡沫,但長期價值在於以技術解決真實問題並創造持續商業價值。他認為早期投資應從 Day 0 判斷技術路線、團隊及產業生態,並長期陪伴企業成長。心資本亦將長期累積的一手資料沉澱至機構知識庫,配合 AI 輔助項目初篩和行業研究。
Azeem Azhar 分析 Meta 的 Muse,指出消費者智能體能代辦購物與日常任務,但交易抽成可能令代理的忠誠對象與用戶利益出現衝突。Meta 表示會從交易收取小額費用,Muse 已與 Walmart、Best Buy、Sephora 及 Expedia 合作,Amazon 則封鎖 Muse。
grasys 透過自下而上的 OSS 採用文化及 Policy as Code,將 Terraform 執行計劃納入 CI/CD 自動評估,強化大型雲端基礎設施的安全管治。團隊以自託管 Terrakube 執行 Terraform,並按風險區分阻擋與警告,讓部分非建議設定仍可部署。AI 在基礎設施領域的應用仍處於 PoC 階段,須先符合安全及數據管治要求。
Gary Marcus 引用黃仁勳關於無法控制軟件便應關停公司的主張,呼籲暫時關停 OpenAI,並調查或以電腦罪行追究其責任。他援引 Reuters 對德國網站事件的報道及 Translucent 對澳洲政府伺服器事件的調查,指 OpenAI 延遲披露相關事件數月。他亦主張擴大電腦罪行法律範圍,涵蓋疏忽及屢次違法行為,並要求聯邦政府採取行動。
YouTube 行政總裁 Neal Mohan 押注 AI,認為 AI 可協助創作者擴大受眾,同時不會取代吸引觀眾使用平台的人際連結。Mohan 在 Big Technology Podcast 訪問中形容,AI 是改善 YouTube 為創作者提供的「舞台」的工具,包括測試影片及調整縮圖。
Maggie Appleton 在 Pragmatic Engineer Podcast 討論設計工程師如何運用 AI 智能體製作原型,以及 AI 對設計流程的改變。她常用紙筆整理構想,也會讓編碼智能體製作可用滑桿和色彩選擇器即時調整的原型,稱為「Jigs」。她以「capability gaslighting」形容前沿模型先令使用者相信其能力,卻可能不久後在相同任務上失敗。
Radical Numerics CEO Eric Nguyen 在 Latent Space 訪談中將生物安全描述為 AI 軍備競賽,認為提升生物能力的模型也能幫助防禦追趕,並稱目前防禦仍落後。
OpenAI 行政總裁 Sam Altman 在聯合國安全理事會發言,討論 AI 安全、人類控制與國際合作。
Nathan Lambert 在節目中與 Epoch AI Insights Team 主管 JS Denain 討論 RSI、中美 AI 能力差距及 AI 能力參差。兩人檢視 AI 加速自身進展的證據、機械人在加速中的角色、中國模型落後幅度,以及蒸餾能否解釋差距。兩人均表示對 AI 發展走向仍有很大不確定性,亦探討開放與封閉模型的安全性及前沿模型的後訓練方案。
在有限能力觀察者所處的宇宙中,歷史資訊會因不可逆損失及儲存容量有限而無法完整重建。保存過去的資訊與將同一批資訊用於現時或未來運算之間存在取捨,而固定的儲存容量亦會令歷史記錄隨時間增加而愈來愈不完整。作者認為,當代及幾乎全部人類歷史對未來的歷史學家而言,很可能受資訊損失限制,而非儲存空間限制。
Nathan Lambert 認為,現階段 AI 發展更接近有損自我改進,而非真正的遞迴自我改進(RSI)。他認為,大量智能體和推理時計算可加快有明確、可驗證答案的任務並提升效率,但未必同等加快峯值智能;算力成本、資源瓶頸及研究中的假設形成仍是限制。他認為目前對滅絕風險的討論失焦,但承認未公開的基礎性突破可能改變其 RSI 時程判斷。
Ethan Mollick 指出,現有 AI 能力與大多數人的使用之間有巨大落差;深度知識、廣博知識、品味和主動性,有助人類與 AI 更有效協作。他舉例説,GPT-6 Astra 將文字冒險遊戲 Zork 改編為 3D 動作冒險遊戲,Fable 5.1 則根據影片、照片和目錄,以 3D 重建 Umberto Eco 的藏書室。他認為,個人和社會應發展能增強而非只取代人類工作的 AI 協作模式。
Ruby biz Grand prix 2026 訪問 Ruby 語言創造者兼評審委員長松本行弘,説明表彰以 Ruby 打造的商業服務,如何為企業提供肯定並讓更多人認識 Ruby 的應用。評審會綜合考量商業構想、社會貢獻、Ruby 的應用方式及對 Ruby 的貢獻,並介紹多款以 Ruby 開發的產品。
Andrew Ng 認為,近期 AI 風險引發的恐懼被過度渲染,沒有證據顯示 AI 導致人類滅絕的風險較數月前增加。AI 智能體的網絡攻擊能力值得重視,但 OpenAI 團隊入侵 Hugging Face 的事件,與其説是神奇能力,不如説涉及並行運作的智能體及沙盒和監控漏洞。應由建造或使用工具的人承擔責任,並透過工程改進 AI 安全,而非暫停 AI 發展。
Microsoft 根據自身數百項 AI 轉型實踐,總結出五項經驗,涵蓋以業務成果為先、重設端到端流程及讓員工參與等做法。文中舉例,銷售團隊成交率提高 20%,部分供應鏈工作流程週期縮短最多 75%,而一支 9 人工程團隊在 35 天內交付初始產品版本。Microsoft Frontier Playbook 整理了數百項轉型實踐,提供按職位、工作流程或全新業務機會調整的實踐模式。
Pragmatic Engineer主持人Gergely Orosz訪問Matt Pocock,討論他為AI編碼智能體建立可重用技能的做法,以及軟件工程基本原則如何適用於智能體開發。
Microsoft提出教育 AI 的五項原則,包括安全、私隱、保安與透明度、教師主導、支援學生思考、強化教育體系,以及培養面向 AI 未來的能力。
AI 演算法進步並非以固定速度獨立發生,而會受整體 AI 生態的發展影響。文章以算力閒置累積的論點作類比,指出 AI 需求會推動算力供應,並帶動資本、人才、數據與基建投入。監管減速可能削弱這個正向循環,但學界及非 RSI 領域仍會帶來部分演算法進展。
藝術家兼教育者 Zach Lieberman 分享創作方法,並表示自己常把程式碼弄壞,以探索作品的可能性。他會先在紙上勾畫構想,並重跑前一天的項目,思考如何把舊作變新。他認為 AI 可作為對話工具,並對熟食店中明顯只是 AI 輸出的海報和圖片感到厭倦。
太空人 Christina Koch 與 Google 高級副總裁 James Manyika 在《Dialogues on Technology and Society》最新一集對談太空、科技與探索。Koch 回顧曾在國際太空站生活 328 天、參與首次全女性太空漫步,以及在 NASA Artemis II 任務中繞月飛行的經歷。兩人亦談及太空人、機械人與 AI 的合作。
Anthropic的Dario Amodei於9月12日呼籲放慢前沿AI能力提升的速度,為安全研究、保障措施和第三方評估預留時間。他提出持續接納第三方評估者、民主國家企業協調,以及政府推動國際協調三項做法。
香港大學副校長 Jay Siegel 教授在上海舉行的 2026 Inclusion Conference on the Bund 上,呼籲建立以人為本的 AI 經濟。他指出,社會須預先考量科技快速發展的長遠影響,並把自動化可能令勞動者失去人性、削弱人類滿足感等潛在社會成本,納入當前技術應用模式。
作者探討 P(doom) 與 AI 發展節奏,反對把控制權交予少數封閉權重模型公司,並將主要憂慮放在人類受到的影響。他認為開放權重模型有助創新、擴散能力及拉平競爭環境,並指出當前造成問題的模型是美國封閉權重模型。
Dwarkesh Patel 與 John Schulman、Beren Millidge 和 Charlie O’Neill 探討現行訓練方法能否推動 AI 遞歸式自我改進。對談聚焦模型能否自行設定研究目標、從訓練環境泛化至現實任務,以及樣本效率和持續學習的限制。嘉賓亦討論蒸餾、RL 環境和部署數據對模型迭代的作用,以及長期判斷和目標設定的難處。
Pragmatic Engineer 訪問 Codex 開發者、OpenAI Core Products & Platform 部門主管 Tibo Sottiaux,探討 Codex 的構建決策、演進及團隊使用方式。
Armin Ronacher 以 GPT 6 Astra 進行 35 小時無人監督的軟件工廠實驗,質疑這類模型是否適合現行軟件工程流程。實驗淨增 75k 行程式碼、產生 79 次提交,消耗約 1B tokens,原始 API 成本約 1200 USD;他認為不少程式碼難以閲讀,增加了理解及審查負擔。
Jakub Pachocki 反思日益強大的 AI,以及維持其對齊所面臨的挑戰。他呼籲加強防護措施及國際協調。
AI 智能體可把會議、客戶通話及日常構想轉化為可整理、搜尋和分析的企業知識與管理資產。它能轉錄對話、整理需求與承諾,並拆分後續工作及指派負責人。文章指出,AI 的重要回報不一定是減少人手,也包括減少管理摩擦。
AI 智能體可把企業對話轉化為可搜尋、分析及推理的組織記憶,讓零散溝通成為管理資產。AI 錄音設備可整理會議內容、提取待辦事項,智能體亦能分析溝通模式並為員工提供日常指導,協助減少管理摩擦。
戰略學家曾鳴提出,AI產業化會經歷三個階段:技術逐漸被社會接受並成為基礎設施、基於基礎設施出現大量新應用,以及進入原生應用階段。他認為,第一階段的企業很難活到第二階段。
人工智能正協助學校超越單一分數評估,透過數據及科技系統加強學生關顧、家校協作和精神健康支援。教育局「『智』啟學教」撥款計劃為期三年,撥出約5億元,讓成功申請的公帑資助學校獲一筆過50萬元,推動AI融入學與教。文章並分享一所學校推行「三多」策略半年後,學生自信與情緒分數明顯提升。
黃紅英博士在《The LEAP FEST 2026》分享指出,大模型本地化須兼顧本地法律法規、香港文化語境,以及經本地人驗證的知識庫。她建議中小企先建立高質量企業數據庫並梳理、優化業務流程,再建立專屬業務大模型。港政通於7月31日部署至香港政府政務雲,供超過5萬名政府官員及公務員使用。
Meta 前高層 Clara Shih 因親見 AI 智能體大幅壓縮產品開發流程,於今年春季離開 Meta,轉向關注初級求職者。她仍任 Meta 高級顧問,並創立 New Work Foundation 及消費品牌 Dear CC,免費提供求職工具與建議。她估計,公司約五分之一職位特別會受挑戰,並將 AI 對工作的影響分為直接替代、釋放人手處理更高階任務,以及降低專業職位入行門檻三類。
馬來西亞憑較低營運成本、文化相近及政策支持,成為香港中小企拓展 AI 業務的理想落腳點。馬來西亞 2024 年 ICT 批准投資達 RM141.7 billion;電商市場由約 US$15 billion 預計增至 2030 年 US$25 billion。拓展須應對文化適應、數據合規、人才短缺及基建限制,並按市場測試、擴大規模、區域拓展三階段推進。
Ed Zitron 在《AI 反對者宣言》中主張,LLM 可用於範圍有限、可控的小型工作,但不應取代人的思考或完整工作成果。他指出,模型出錯風險及 token 消耗令實際成本與投資回報難以計算,並引用 OpenAI 經濟學家報告稱,控制其他因素後,AI 使用量與每名員工收入沒有顯著關聯。文章亦批評 AI 產業以龐大資本開支追求增長,卻相對忽視對人類勞工的福利、工作條件和技能培訓投入。
Dylan Patel 在與 Dwarkesh Patel 的訪談中預測,若目前趨勢延續,Anthropic 與 OpenAI 到 2028 年底將掌握全球大部分可用算力。