Windows 7 登入慢？純色背景、群組原則可能是元兇！深入解析 30 秒延遲之謎，了解訊號遺失與解決方案。

如果你曾在 Windows 7 時代將桌面背景設為單一純色，可能會對登入時那張「歡迎畫面」卡住不動的情況感到熟悉。現在，這個 15 年前的老問題終於有了清楚解釋——而且原因出乎意料：純色背景竟然會讓系統誤以為桌面還沒準備好。

微軟資深工程師 Raymond Chen（《The Old New Thing》部落格作者）近日在一篇文章中回顧了這段技術歷史。他指出，早在 2009 年 Windows 7 與 Windows Server 2008 R2 推出之際，就有不少用戶抱怨登入後「歡迎畫面」停留太久，甚至長達 30 秒才顯示桌面。經後續調查發現，這竟與「桌布選項」設定為純色有關。

問題關鍵：系統在等待一個「永遠不會來的訊號」

根據 Chen 解釋，Windows 的登入程序其實會等待多個桌面組件（如：任務欄、系統服務、桌面圖示與桌布）各自回報「就緒（Ready）」訊號。當所有訊號都到齊，歡迎畫面才會淡出，進入使用者桌面。

而問題就在於，如果使用者設定的是純色桌布，系統中負責處理桌布的程式碼會跳過「載入桌布圖片」的流程，因此也不會執行原本應該回報「WallpaperReady」的那一行程式碼。最終，系統就會乾等一個「永遠不會出現」的訊號，直到 30 秒超時才繼續。

Chen 甚至貼出簡化版的模擬程式碼，顯示這種 Bug 是怎麼發生的邏輯性錯誤，強調這不只是個技術疏忽，而是典型的「假設程式一定會走到某段邏輯」的錯誤設計。

類似情況也可能出現在「隱藏桌面圖示」設定

除了桌布問題，Chen 還補充指出，若使用者啟用「隱藏桌面圖示」的群組原則，也可能出現相同狀況。原因是一樣的——如果條件不符合，負責回報圖示就緒的程式段落就會被整段跳過，再度導致登入卡住 30 秒。

這個 Bug 當年確實有被微軟正式承認並修復。根據微軟技術支援頁面，早在 2009 年 11 月時，Windows 7 和 Server 2008 R2 的用戶就能透過更新修補此問題。

 

• 延伸閱讀：Windows 留不住自家人？微軟產品經理用一小時就「逃回」macOS
• 延伸閱讀：Windows 95 開機音效、《Minecraft》原聲帶被美國國會圖書館選入永久保存名單，正式成為人類經典文化遺產
• 延伸閱讀：沒有TPM 2.0就升不了Windows 11？微軟解釋為何這麼重要

 

 

加入T客邦Facebook粉絲團

不少公司急於擴張版圖、搶奪話語權，NVIDIA 卻選擇了一條看似保守，實則更具戰略價值的路線：「我們會避免做任何可以不做的事。」

當全球 AI 產業競爭越演越烈，不少公司急於擴張版圖、搶奪話語權，NVIDIA 卻選擇了一條看似保守，實則更具戰略價值的路線：「我們會避免做任何可以不做的事。」 這句話來自執行長黃仁勳，背後是一套「有所為、有所不為」的企業哲學。

當 AI 基礎設施遇上挑戰，NVIDIA 選擇不動如山

在 3 月舉辦的 GTC 開發者大會上，黃仁勳重申了 NVIDIA 的核心原則：不提供最終解決方案，而是專注打造可供客戶自行發揮的基礎設施。他坦言，NVIDIA 支援從 AI 網路、儲存到異質運算的完整技術堆疊，但不涉入最終 50% 的應用價值實現，將創造力留給合作夥伴。

這樣的策略在近期再度經歷考驗。中國開源模型陣營 DeepSeek 推出的 R1 模型，被認為是利用相對「舊式硬體」進行訓練，對高階 GPU 硬體依賴性低，引發市場對 NVIDIA 長期優勢的質疑。

不過，面對這樣的挑戰，NVIDIA 並未躁進擴張產品或重新定位，而是堅持做自己擅長的事——打造極致穩定且可拓展的基礎運算架構。

為什麼這樣的「自律」反而讓 NVIDIA 成功？

比起全面出擊，黃仁勳更重視能量分配。他曾在公開演講中指出，公司規模雖達 3.6 萬人，卻遠小於矽谷其他科技巨頭，而每位員工的時間都是「極為稀缺的資源」，必須集中在最具價值的創造上。

例如在資料中心設計上，NVIDIA 採用「先縱向擴展再橫向擴展」的思維，也就是先打造單一伺服機架內最強的運算密度，再進行橫向串接。這與傳統低成本、高數量的架構不同，也凸顯 NVIDIA 對「品質與穩定性」的執著。

這樣的思維不只出現在產品設計，也反映在內部文化上。黃仁勳曾對內部員工說：「我們不會說要去爭奪市場佔有率，為什麼要爭？我們應該創造新的東西。」

與其什麼都做，倒不如把最重要的事做到極致

NVIDIA 的成功，不單靠一顆 GPU，而是靠一整套讓合作夥伴能建構自己產品的生態系統。這也是為什麼即使市場上充斥自研 AI 模型、自製晶片風潮，NVIDIA 的價值仍未被稀釋。

即便面對 DeepSeek 模型挑戰與美國新一輪 AI 關稅政策影響，NVIDIA 股價仍能穩住市值 2.71 兆美元，全球排名僅次於蘋果與微軟，超越 Amazon、Alphabet，說明市場對其長期策略的信心。

 

• 延伸閱讀：NVIDIA RTX 5060 Ti 16GB 顯示卡效能跑分曝光，顯示比 4060 Ti 高出 14%
• 延伸閱讀：NVIDIA 為其專有的 CUDA 架構帶來原生的 Python 支援，幫助開發者加速 AI 開發
• 延伸閱讀：NVIDIA RTX 5060 Ti 現身FurMark：測試分數與 RTX 3080 Ti 相當

 

加入T客邦Facebook粉絲團

這兩顆球真的是同一種顏色？別信你的眼睛

你有看過這張讓人懷疑人生的圖片嗎？一顆藍色球、一顆綠色球，看起來分明不同，但實際上，它們——是一模一樣的顏色。

這不是玩笑，而是科學。這個爆紅於社群平台的視覺錯覺圖，來自美國德州大學埃爾帕索分校（University of Texas at El Paso）的電腦科學教授大衛・諾維克（David G. Novick）。他專門研究圖像處理與人機互動，而他最大的興趣之一，就是「愚弄人眼」。

謎一樣的「錯色球」：其實是水藍色（RGB 49, 255, 233）

上面的圖就是諾維克在他X上PO出的一張圖，圖片中看似一藍一綠的兩顆球，實際上基本色完全相同。無論你將背景去除、拼接圖層，甚至使用電腦取色工具檢驗，結論都一致：這兩顆球的顏色完全一樣。

Two-color Munker illusion with small dots over large spheres, which appear to be blue and green but have exactly the same base color (RGB 49,255,233). Shrinking the image increases the effect. Original png file is at https://t.co/6r2PMbLMJc. pic.twitter.com/IoOmvBa3Va

— David Novick (@NovickProf) May 28, 2019

這種讓人驚呼「我是不是色盲了？」的效果，背後其實有學理依據。它的原理，叫做——蒙克–懷特視錯覺（Munker–White’s illusion）。

究竟是怎麼回事？你的大腦欺騙了你

這類視錯覺的核心機制，是人類大腦在判斷顏色時，會不自覺把背景與周圍色彩納入參考。結果，即使某個物體本身的顏色未變，在不同的「環境色」映照下，大腦會自動「重算」，讓我們看到一個與事實不符的顏色感知。

這種錯覺，最早由心理學家懷特（Michael White）與蒙克（Hans Munker）在 1980 年代所揭示。他們發現，人眼對色彩的感知會受到背景色與「框架條紋」的顯著影響。

以下圖來看，下圖中的三隻眼睛。你分別看到什麼顏色？大多數人會說是藍色、綠色、紅色或其他明顯不同的色調。

但當你將干擾的條紋去除，回到原始影像。你會發現，沒錯，它們的顏色確實相同。

簡單來說，這些錯覺圖的組成條件是：

1. 中層物體色相同

2. 底層背景色可相同或不同

3. 上層「框架色」對比強烈（條紋、斑點）

當「框架色」越鮮明、對比度越大，例如使用互補色（如藍黃、紅綠），錯覺的效果就越強。

 

大腦演算的「視覺補償機制」。

視錯覺乍看之下是大腦的錯誤，但事實上，它是演化出的「視覺補償機制」。

你可能會想：「為什麼不乾脆看到真實色值就好？」但實際上，錯覺的產生，是因為人類的大腦想幫我們做出「更有用」的判斷。

在自然界中，光線環境常常變化，例如：

• 早上與傍晚的蘋果反光不同，但我們仍能辨認出紅色

• 陰天、陽光下的衣服，看起來顏色不一樣，但你知道它沒變

這是因為我們的大腦學會「忽略光線干擾」，自動推測物體的本質顏色。但這種能力在某些「刻意設計」的圖像中，就會造成明顯的錯覺。

倫敦大學學院的神經科學家博・洛托（R. Beau Lotto）與大衛・科尼（David Corney）指出，我們看到的不是光線的「真實物理值」，而是大腦對「最可能的真實情境」所作出的解釋。

經過演化的漫長教導，我們的感知系統已經把某種刺激對應的「最可能狀況」作為「感知」而保留下來。當「最可能狀況」與「真實狀況」一致時，我們就「看見了」。然而在刻意設計的錯覺圖中，這種補正反而會讓我們看錯。

更驚人的是，這種錯覺不只發生在人腦，就連人工智慧（AI）經過訓練後，也會出現相同的視覺錯覺。當博·洛托要求神經網路去學習「顏色恆常性」（lightness constancy），也就是要求它在不同光照條件下能判斷出一個物體的「本色」時，經過學習的神經網路在獲得這種能力的同時，也獲得了「和人類一樣看見視錯覺」的能力。

諾維克教授與他的日本好友、實驗心理學家北岡明佳（Akiyoshi Kitaoka），經常一起創作這類「讓你懷疑自己眼睛」的視錯覺圖：

• 四顆球，看似不同，其實全為 RGB 251,183,251 的粉紫色

• 十二顆球，全是同一個水藍色（RGB 156,249,255）

• 兩隻貓照片，看起來一深一淺，其實是一樣的圖

當這些圖放大或降低背景對比度，錯覺就會逐漸減弱，直至看出真實顏色。這也進一步證明：我們看到的顏色，不等於它的實際數值，而是大腦的認知結果。

 

加入T客邦Facebook粉絲團

身為 HDD 大廠的 Seagate（希捷） 最近發佈一份報告，強調 HDD 不只是便宜耐用，在環保層面也「碾壓」SSD。

 

雖然固態硬碟（SSD）早已成為主流存儲選項，但傳統的機械硬碟（HDD）並未完全被取代，尤其在大容量與冷資料儲存場景中仍有一席之地。身為 HDD 大廠的 Seagate（希捷） 最近發佈一份報告，強調 HDD 不只是便宜耐用，在環保層面也「碾壓」SSD。

誰的碳足跡最重？SSD高居第一

這份報告從三個角度來比對 HDD、SSD 與磁帶（Tape） 這三種存儲介質的「二氧化碳排放量」表現：

儲存類型	容量	總排碳量（5年）	每TB平均碳排	每年每TB碳排
SSD	32TB	4915 公斤	160 公斤	32 公斤
磁帶	18TB	48 公斤	2.66 公斤	≦ 0.6 公斤
HDD	32TB	29.7 公斤	<1 公斤	< 0.2 公斤

其中 SSD 的碳足跡遠高於其他兩者，被點名是「最不環保」的選項，而機械硬碟的排放量則僅為其 0.6% 左右，希捷也藉此大力推銷自家 HDD 的綠色價值。

機械碟不退場，冷資料最適用

除了環保優勢，希捷也指出，在資料中心與企業級儲存中，冷資料（Cold Data） 佔比逐年上升。根據 IDC 的調查，目前全球約 60% 的資料屬於冷資料，不需要頻繁讀寫，但仍需長期保存。

這類資料的儲存場景正是傳統 HDD 與磁帶的強項，既能提供穩定長久的保存能力，又具備相對低廉的 TCO（總擁有成本）。

雖然希捷的報告某種程度有「老王賣瓜」的意味，但也確實點出了儲存產業在能耗與環保議題上的新焦點。在 ESG 趨勢持續升溫的情況下，儲存媒介的碳足跡也逐漸成為採購決策的一環。

加入T客邦Facebook粉絲團

有玩家反應，這問題不只 RTX 50 系列受到影響，RTX 40 及 RTX 30 系列同樣出現問題，顯示影響範圍極廣。

 

NVIDIA 近期釋出的 GeForce 576.02 版驅動程式，雖然修復了多達 41 個 Bug，但卻意外引發了 GPU 核心溫度辨識錯誤的問題。為了解決此問題，NVIDIA 迅速推出了 GeForce 576.15 熱修復驅動程式，不僅修正了溫度 Bug，還修復了 RTX 50 系列的其他六個問題。

GeForce 576.02 版驅動程式問題

GeForce 576.02 版驅動程式在修復大量 Bug 的同時，也帶來了一個新的問題：部分玩家回報升級後出現 GPU 核心溫度辨識錯誤，導致核心頻率和電壓無法調節，尤其是在睡眠或休眠後更容易發生。

Reddit 論壇上，有玩家反應，這問題不只 RTX 50 系列受到影響，RTX 40 及 RTX 30 系列同樣出現問題，顯示影響範圍極廣。

初步判斷是名為 "NvAPI_GPU_GetThermalSettings" 的 API 連接埠出現問題，無法正確獲取溫度變化，導致顯示錯誤的固定值。

臨時解決方案包括完全重啟電腦或退回舊版驅動程式。有玩家認為可能是 MSI Afterburner 和 Riva Statistic Server 這兩款監控軟體的問題，但軟體作者已澄清與監控軟體無關，問題源自驅動程式本身。

 

GeForce 576.15 熱修復驅動

NVIDIA 迅速應對，推出了 GeForce 576.15 熱修復驅動程式，解決了上述溫度 Bug，並額外修復了 RTX 50 系列的六個問題，其中三個是由 576.02 版驅動程式引起的：

• 修復系統休眠恢復後，GPU 監控工具無法回報 GPU 溫度的問題。
• 修復 RTX 50 系列升級 576.02 版驅動後部分遊戲陰影閃爍、顯示錯誤的問題。
• 修復 RTX 50 系列升級 576.02 版驅動後部分遊戲在編譯器著色階段崩潰的問題。
• 修復 RTX 50 系列升級 576.02 版驅動後 GPU 待機頻率偏低的問題。
• 修復 RTX 50 系列上使用多螢幕時 SteamVR 輕微卡頓的問題。
• 修復 RTX 50 系列上 Lumion 2024 進入算繪模式後崩潰的問題。
• 修復 RTX 50 系列筆記型電腦上 Modern Standy 待機恢復後黑螢幕的問題。

 

GeForce 576.15 版熱修復驅動程式下載：https://nvidia.custhelp.com/app/answers/detail/a_id/5650

 

 

加入T客邦Facebook粉絲團

破解彩券系統？賭博團隊買下99.3%組合，一舉奪下德州近9500萬美元頭獎

2023年春天，一場精心策劃的彩券豪賭在德州上演。故事的主角是出身倫敦銀行家的伯納德·馬蘭泰利 (Bernard Marantelli)，他有一個大膽的想法：購買即將開獎的德州彩券的所有組合，以確保贏得高達9500萬美元的頭獎。

下注2580萬組合，只為確保命中

據《華爾街日報》報導，當時每張彩券售價1美元，總共有2580萬種組合。如果沒有其他人中獎，扣除成本後，利潤將接近6000萬美元。然而，如果有多人中獎，獎金將被平分，這將大大降低了盈利空間。

為了實現這個計劃，馬蘭泰利組建了一個團隊，其中最引人注目的是來自塔斯馬尼亞的著名賭徒澤利科·拉諾加耶克，他以「約翰·威爾遜」的化名為人所知，並為這次行動提供了資金。拉諾加耶克以在賭場中出奇制勝而聞名，因此獲得了「小丑」的綽號。

設立列印彩券中心，每秒印過百張，買下近全部組合

他們的計劃是利用機器讓人們可以選擇號碼，並通過印表機列印彩券。2023年，德州允許線上彩券銷售商開設門市店，為顧客列印彩券，這為他們的計劃提供了可乘之機。

馬蘭泰利親自飛往德州，建立了四個臨時彩券列印中心，其中甚至包括一個廢棄的牙醫診所。他們從一家陷入困境的線上彩券供應商 Lottery.com 那裡購買了官方彩券終端機，並連續三天不間斷地進行列印。

團隊將每組號碼轉換為 QR Code，由手機掃描送入彩券終端機。他們以驚人的速度列印彩券，每秒超過100張，最終購買了1到54這六個數字所有可能組合的99.3%。

列印好的彩券被仔細整理到盒子裡，以便於快速找到中獎號碼。結果不出所料，其中一張彩券中了頭獎，而且是唯一的贏家。在扣除成本並拿到5780萬美元（約台幣18億8千萬元）的一次性獎金後，該團隊獲利約2000萬美元。

Lottery.com 的執行長格雷格·波茨 (Greg Potts) 在一封內部電子郵件中寫道：「這對公司來說是一個巨大的勝利」，並強調該公司將從銷售佣金中獲利近264000美元。他們以「Rook TX」的名義匿名領獎，但在《休斯頓紀事報》報導後，迅速引起了公眾的關注。

合法卻惹議，美國政界要求徹查

包括州長格雷格·阿博特在內的德州官員下令展開調查，德州博彩監管機構唐·內特爾斯提告 Lottery.com 及其獲獎者，指控他們欺騙普通玩家。然而，被告尚未對這些指控作出回應。

阿博特上個月表示：「如果調查發現可能引發起訴的訊息，就應該提起訴訟。如果調查發現委員會的措施不足，那麼這些措施就需要改革。」

德州副州長丹·帕特里克甚至稱這一計劃是「德州歷史上針對德州人民的最大盜竊案」，比「所有銀行搶劫案、所有西部火車搶劫案以及所有偷過東西的人」的盜竊金額總和還要多。

儘管爭議不斷，但從技術上講，他們購買彩券是合法的。代表德州魯克市的一位律師表示，「所有適用的法律、法規和規章都得到了遵守。」

自從這次中獎事件以來，其他公司也開始嘗試複製這種模式。一些零售商收到了出租彩券終端機用於大規模列印彩券的邀請。

為了防止類似事件再次發生，德州彩券委員會試圖提高這種操作的難度，包括不再為客流量較低的彩券銷售點提供額外的終端。該委員會還推出了一款軟體更新，限制了終端每日售出的彩券數量。

加入T客邦Facebook粉絲團

研究發現人們難以與電腦互動的原因可能是智力不足而非訓練不足

你是否也曾疑惑：為什麼有些人怎麼教都學不會用電腦？來自阿爾托大學與赫爾辛基大學的最新研究指出，認知能力（如記憶力、注意力與邏輯推理）才是影響電腦操作熟練度的關鍵，甚至比經驗還重要。

這項研究顛覆了長久以來「練習就能變厲害」的迷思。研究團隊發現，光靠使用經驗與訓練，可能不足以彌補某些人在記憶、專注力與執行力等方面的不足。研究人員指出，一個人的智力在電腦操作能力中所扮演的角色，遠比先前認為的重要。

認知能力影響電腦日常操作表現

研究發現，像是感知、推理與記憶等一般性的認知能力，比以往認為的還更關鍵，會直接影響一個人是否能順利完成日常電腦操作任務。

阿爾托大學人機互動專家 Antti Oulasvirta 教授表示：「這是首次有明確證據顯示，認知能力會獨立且廣泛地影響人們使用電腦的能力。它的重要性與過往使用經驗不相上下。」

研究團隊強調，這項結果加深了對數位不平等的擔憂——隨著現代使用者介面越來越複雜，單靠練習已不夠，認知能力才是能否順利使用數位工具的核心關鍵。

「僅靠訓練無法彌平不同人之間的差距，未來的使用者介面必須回歸『簡單易用』的原則。這個目標早已被遺忘，而設計不良的介面正成為數位落差的幫兇。若我們無法解決這個基本問題，就很難讓社會大眾更深入、平等地使用電腦。」Oulasvirta 教授指出。

測驗設計與發現重點

研究由阿爾托大學資訊通訊工程系與赫爾辛基大學心理系聯合進行，針對不同年齡層的受試者進行觀察。每位受試者需完成 18 項真實任務，包括：

• 安裝軟體

• 網頁導航

• 操作試算表

• 線上填寫表單

這是首度透過實際任務來評估人們使用電腦的能力，而非過往問卷自評的方式。赫爾辛基大學的講師 Viljami Salmela 表示：「我們知道人們對自己的能力常有誤判，因此必須實際測量他們完成任務的表現。」

研究結果發現，與玩電腦遊戲相比，日常使用電腦時，處理速度並非重點，反而是工作記憶、注意力與執行功能才是關鍵。

Salmela 補充說：「使用電腦時，你必須安排處理事情的順序，同時記住自己已經完成哪些步驟。純粹的數理或邏輯能力幫不上太多。」 

「我們的研究結果首次明確證明認知能力對人們使用電腦的能力具有顯著、獨立且廣泛的影響。與之前的想法相反，認知能力與之前的電腦使用經驗同樣重要，」阿爾托大學教授安提·奧拉斯維爾塔（Antti Oulasvirta）說道，他與他的團隊深入研究了人機互動。

研究人員強調，這些發現引發了人們對數位平等的擔憂。隨著使用者介面變得越來越複雜，單靠練習已經不夠了，認知能力現在是成功駕馭數位環境的關鍵因素。

「顯然，僅僅透過訓練無法消除個體之間的差異；未來，使用者介面需要簡化，以便於使用。這個古老的目標在某個時候被遺忘了，設計笨拙的介面已成為數位落差的驅動因素。除非我們解決這個基本問題，否則我們無法促進社會更深入、更平等地使用電腦，」奧拉斯維爾塔說。 

應用程式類型不同，認知需求也不同

Oulasvirta 教授指出，不同類型的應用程式對認知能力的需求也有差異，例如：

• 使用試算表：需要大量練習

• 資訊搜尋：語言理解能力為主

• 線上銀行：執行功能是重點

然而，研究也證實：「年齡仍然是決定使用效率最強的因素。」年長者在完成任務時明顯花更多時間，也覺得任務更具壓力與負擔。

這項研究提供了大量有關最重要的認知能力的新資訊。雖然處理速度在電腦遊戲中很重要，但在日常電腦任務中卻並不被重視。

「然而，研究結果還表明，年齡仍然是個人使用應用程式能力的最重要因素。年長者顯然需要更多時間才能完成任務，他們也覺得任務更為吃力，」Oulasvirta 教授說。

• 編譯自/ScitechDaily

加入T客邦Facebook粉絲團

史丹佛大學研究指出，兩小時的面試足以讓AI準確複製你的個性

人工智慧已經展現出非凡的能力，但僅僅經過兩個小時的面談，它就能複製出一個人的全部性格嗎？ 研究人員認為，答案是肯定的。 然而，這種進展引發了嚴重的倫理問題和對潛在濫用的擔憂。

Google和史丹佛大學的研究人員已經證明，只需與人工智慧模型進行兩小時的對話，就能創造出驚人準確的個人人格複製品。 該研究報告於11月15日發表在預印本資料庫arXiv上，介紹了「模擬代理」——一種旨在精確模仿人類行為的人工智慧模型。

這項研究由史丹佛大學電腦科學博士生Joon Sung Park領導，對1052名參與者進行了深入訪談。 這些訪談涉及個人故事、價值觀和對社會問題的看法，形成了用於訓練人工智慧生成模型的資料集。 參與訪談者的年齡、性別、種族、地區、教育程度和政治意識形態都有意保持多樣化，以確保人類經驗的廣泛代表性。

為了評估準確性，參與者完成了兩輪性格測驗、社會調查和邏輯遊戲，並在間隔兩週後重複這一過程。 然後，人工智慧複製品也進行了同樣的測驗，與人類對應物的反應如出一轍，準確率達到了驚人的85%。

帕克接受《麻省理工科技評論》採訪時表示：「如果你能讓一群小『你』跑來跑去，並真正做出你會做出的決定——我認為，這最終就是未來。」

研究人員設想，這些人工智慧模型可以在受控環境中模擬人類行為，從而徹底改變研究工作。 其應用範圍可以從評估公共衛生政策到衡量對社會事件或產品發布的反應。 他們認為，這種模擬提供了一種測試干預措施和理論的方法，而無需考慮使用人類參與者在倫理和後勤方面的複雜性。

然而，我們應該對這些研究結果抱持健康的懷疑態度。 雖然人工智慧複製體在複製個性調查和社會態度方面表現出色，但在預測互動經濟決策遊戲中的行為方面卻明顯不夠準確。 這種差異凸顯了人工智慧在執行需要理解複雜社會動態和情境細微差别的任務時所面臨的挑戰。

用於測試人工智慧代理準確性的評估方法也相對初級。 社會總體調查和五大人格特質評估等工具雖然是社會科學研究的標準工具，但可能無法完全捕捉到人類性格和行為的複雜層面。

倫理問題使該技術的影響更加複雜。 在人工智慧和「深度偽造」技術已被用於操縱和欺騙的時代，引入高度個人化的人工智慧複製品引起了人們的警惕。 這種工具有可能被武器化，擴大隱私和信任的風險。

麻省理工學院史隆管理學院（MIT Sloan School of Management）副教授約翰-霍頓（John Horton）指出，儘管有這些保留意見，但這項研究為未來研究帶來了令人信服的可能性。他說：「這篇論文展示了如何實現一種混合：使用真人生成角色，然後以真人無法實現的方式透過程式設計/模擬使用這些角色。」

訪談過程在捕捉個體細微差別方面的效率尤其引人注目。 Park 借鑒自己在Podcast採訪中的經驗，強調了兩小時的談話所能提供的深刻見解。

這一創新引起了已經在開發數位分身技術的公司的興趣。 Tavus公司（一家專門從事利用客戶資料創建人工智慧複製品的公司）執行長哈桑-拉扎（Hassaan Raza）對這種簡化方法表示了極大的熱情。「今天跟人工智慧面試官談30分鐘，明天再談30分鐘，怎麼樣？ 然後我們用它來構建你的數位分身。」

加入T客邦Facebook粉絲團

在最近舉辦的 GPU 技術大會上，NVIDIA 宣布 CUDA 軟體工具包原生支援 Python。

CUDA 是 NVIDIA 專有的 GPU 平行運算架構，專有意味著並非開源，因此在軟體開發和支援方面都由 NVIDIA 自己作主。在沒有開源社群參與的情況下，CUDA 也存在諸多限制，例如並沒有原生支援 Python。

不過在最近舉辦的 GPU 技術大會上，NVIDIA 宣布 CUDA 軟體工具包原生支援 Python，而先前 CUDA 主要依賴於 C 語言和 C++ 語言，而 Python 則是目前非常流行的程式開發語言。

根據 GitHub 2024 年開源數據調查，Python 在 2024 年已經超過 JavaScript 成為全球最受歡迎的程式語言。Python 在資料科學、機器學習和高效能運算領域佔據著主導地位，但長期以來 CUDA 對 Python 的支援僅停留在工具層面，開發者需要掌握 C++ 或 Fortran 等語言才能直接操作 CUDA 進行 GPU 程式，顯然這種壁壘肯定會限制 CUDA 在 Python 開發者社群中的普及。

NVIDIA CUDA 架構師在 GPU 技術大會上表示：「我們一直在努力將加速 Python 運算導入 CUDA 技術堆疊，讓 Python 支援成為一流支援。新的 CUDA Python 支援並非簡單地將 C 語言翻譯為 Python，而是為 Python 開發者量身打造的 Pythonic 體驗，確保能夠自然融入到 Python 開發流程。」

CUDA Python 核心特性包括：

• CUDA Core： 對 CUDA Runtime 的 Pythonic 重新構想，CUDA Core 完全採用 Python 的執行流程，深度整合了 JIT Compilation。開發者不需要呼叫外部命令列編譯器即可完成 GPU 運算，這種設計顯著減少了依賴項並提升了開發效率。
• cuPyNumeric 函式庫： 這是一個與 NumPy 相容的函式庫，開發者只需要更改一行導入指令，即可將原本執行在 CPU 上的 NumPy 程式碼遷移到 GPU 上執行。該函式庫為資料科學和機器學習開發者提供無縫的過渡體驗。
• 統一的 API 介面： CUDA Python 提供了一套標準的低階介面，涵蓋 CUDA 主機 API 的全部功能。這種統一程式碼不僅可以提高程式碼的可移植性，還增強了不同加速函式庫之間的互操作性。

對開發者來說這是個非常好的消息，特別是對 AI 和機器學習開發者來說是重大利多。許多 ML 開發者使用 Python，現在這些開發者不需要再學習 C/C++ 即可充分利用 GPU 硬體。當然，NVIDIA 支援 Python 也會鞏固 NVIDIA 在資料中心 GPU 市場的領先地位。

另外，NVIDIA 還計劃在未來支援更多程式語言。早在 2024 年 GPU 技術大會上，NVIDIA 工程師就表示 NVIDIA 還在探索諸如 Rust 和 Julia 等程式開發語言，以吸引更廣泛的開發者群體。

相關資源：https://github.com/NVIDIA/cuda-python

加入T客邦Facebook粉絲團

Intel 18A Panther Lake 今年量產供貨、明年大規模上市

Intel 已經反覆強調，首發 18A 製程的下代處理器 Panther Lake 將在今年量產發表，不過在日前舉辦的 VISION 2025 大會上，出現了一張投影片，Panther Lake 旁邊赫然寫著「2026 年客戶端產品」。難道延後了？非也。

Intel 官方強調，18A 製程和 Panther Lake 處理器都會在今年下半年投入大規模量產，並批量供貨給 OEM 廠商，而相關終端產品，將在 2026 年大量上市。

注意，Panther Lake 是一款定位行動端筆電的產品，而按照慣例，這類處理器肯定要在量產後先發給 OEM 廠商，供其設計產品，一切準備就緒後再集體上市，自然需要一些時間。

事實上，早在去年的聯想創新科技大會活動期間，Intel 前任 CEO 基辛格就首次展示了 Panther Lake 樣品，並交付給了聯想。

如果不出意外的話，Panther Lake 將會命名為酷睿 Ultra 300H/300U 系列，但不會叫酷睿 Ultra 300V 系列。

這是因為，當下的 Lunar Lake 即酷睿 Ultra 200V 系列，其實是一款特殊的產品，無論其 AI 強​​化、記憶體整合封裝，還是超高的能效都是如此，因此暫時不會有直接繼承者。

不過 Intel 表示，Lunar Lake 的一些技術和理念，會融入到後續產品。

這就像當初的 Lakefield 處理器，首發使用了 Foveros 封裝技術，其實也沒啥存在感，更沒有後繼者，更多的像是一次實驗，而如今 Foveros 技術已經發揚光大。

加入T客邦Facebook粉絲團

附加條件是 OpenAI 必須在 2025 年底前成功轉型為營利性企業。若轉型順利，公司估值有望上看 3000 億美元。

據傳OpenAI 近期正積極洽談一筆高達 400 億美元的巨額融資，據傳由軟銀領投，但附加條件是 OpenAI 必須在 2025 年底前成功轉型為營利性企業。若轉型順利，公司估值有望上看 3000 億美元。華爾街日報獨家報導指出，這筆潛在的融資案規模堪稱新創企業史上罕見。然而，這筆龐大資金的背後卻存在一道嚴峻的門檻：若 OpenAI 未能在年底前完成營利性轉型，則僅能獲得半數資金，即 200 億美元。這不僅是一場攸關資金的博弈，更將深刻影響 OpenAI 未來的發展方向。

軟銀主導 300 億美元挹注，營利轉型成「全額付款」先決條件

消息指出，此輪融資預計將由日本軟銀集團領投，其注資金額可能高達 300 億美元，剩餘部分則由包括微軟在內的其他投資者共同參與。若一切順利，OpenAI 的估值預期將大幅提升至 3000 億美元，鞏固其在人工智慧領域的領導地位。

然而，這筆 400 億美元的資金並非毫無條件。據悉，資金將分兩階段撥付，初期 100 億美元已大致底定，但後續 300 億美元能否到位，則完全取決於 OpenAI 能否在 2025 年底前成功完成公司性質的轉變。若轉型未能達成，第二階段的資金將大幅縮減至 100 億美元，使得總融資金額直接減半至 200 億美元。

軟銀作為本次融資的主導者，顯然希望透過此項嚴苛條款，加速推動 OpenAI 的營利性轉型，以確保其龐大投資的未來回報。對於 OpenAI 而言，這既是前所未有的發展機遇，同時也帶來了巨大的轉型壓力。

微軟態度成改組關鍵變數

OpenAI 最初以非營利組織的形式成立，其獨特的組織架構曾被視為吸引頂尖人才和維護公司使命的核心要素。然而，隨著技術的快速發展和商業化需求的提升，OpenAI 的轉型已成為必然趨勢。

不過，OpenAI 的改組之路預計將面臨多重挑戰。首要的障礙便是來自於其最大股東——微軟的態度。作為 OpenAI 最重要的合作夥伴，微軟持有大量的公司股份，對於 OpenAI 的重大變革擁有實質上的否決權。市場普遍認為，微軟對於 OpenAI 的轉型可能抱持謹慎態度，雙方的談判過程預計將會是一場艱苦的拉鋸戰。

此外，加州總檢察長也將對 OpenAI 的轉型進行審查，法律與監管層面的不確定性也為此次改組增添了更多複雜性。雪上加霜的是，長期以來對 OpenAI 抱持批評態度的伊隆·馬斯克，據傳也正透過法律途徑試圖阻止這次改組，這無疑為 OpenAI 的轉型進程埋下了一顆潛在的「地雷」。

馬斯克與 OpenAI 的恩怨可追溯至 2023 年底，當時 OpenAI 董事會曾以奧特曼在溝通上「未能保持一貫誠實」為由，短暫解除了其執行長職務，引發了市場的廣泛關注，也讓投資者開始質疑 OpenAI 非營利結構的穩定性。儘管奧特曼隨後成功復職，但投資者的疑慮並未完全消除，反而加速了推動 OpenAI 轉型的呼聲。

200 億美元成「生死線」，OpenAI 面臨嚴峻考驗

對於 OpenAI 而言，這次改組不僅僅是獲得 400 億美元融資的門票，更是一場關乎公司未來發展的關鍵戰役。目前，OpenAI 每年在 AI 模型訓練、系統營運以及吸引頂尖研究人才方面投入巨額資金，虧損金額高達數十億美元。此外，公司還承諾投入 180 億美元進行名為「星際之門」的資料中心計畫。

若最終僅能獲得 200 億美元的融資，OpenAI 的財務狀況將更顯緊張，原先規劃的發展藍圖可能需要進行大幅度的調整。投資者之所以願意持續投入資金，主要是看好 OpenAI 在轉型後能帶來更高的投資回報，並期待手中的可轉換債券能轉換為更具價值的傳統股權。一旦轉型失敗，不僅 OpenAI 的資金鏈將面臨壓力，投資者的信心也可能受到動搖。更重要的是，OpenAI 與新聞集團等內容供應商之間的授權協議也需要持續的資金投入，這些都是 OpenAI 在轉型過程中必須考量的成本。

預估 2025 年營收將大幅成長，但獲利仍需時日

根據知情人士透露，OpenAI 預計在 2025 年將實現顯著的營收成長，從去年的 37 億美元大幅提升至 127 億美元，成長幅度超過三倍。更令人矚目的是，預計明年 OpenAI 的營收將有望再次翻倍，達到 294 億美元。而到了 2029 年，這個數字甚至可能上看 1250 億美元。

在過去兩年多的時間裡，OpenAI 針對消費者和企業市場推出了多項訂閱服務。截至去年 9 月，其企業版 ChatGPT 的付費用戶數量已突破 100 萬。近期，OpenAI 還推出了每月 200 美元的 ChatGPT Pro 訂閱方案，並積極探索針對特定 AI 產品收取每月數千美元的高端定價策略。

然而，高速成長的背後也伴隨著高昂的成本。開發領先的大型語言模型需要大量的資金投入，包括採購高效能晶片、建設先進的資料中心以及招募頂尖的 AI 研究人才。據悉，OpenAI 預計最快要到 2029 年才能實現現金流為正。這意味著，儘管營收呈現飛速成長的態勢，OpenAI 仍需持續投入大量資金以維持其在技術上的領先地位。

OpenAI 的這場融資博弈不僅是其自身發展的關鍵轉捩點，更反映出當前生成式 AI 領域激烈的競爭態勢。在這波 AI 熱潮中，資金和技術實力是企業能否脫穎而出的關鍵要素。若 OpenAI 能順利完成營利性轉型並獲得足夠的資金挹注，不僅能進一步鞏固其在行業內的領導地位，還可能與競爭對手拉開更大的差距。反之，若轉型失敗，OpenAI 或許將被迫在資金壓力下尋找新的發展策略。究竟 OpenAI 能否成功獲得 400 億美元的資金，答案將在 2025 年底正式揭曉。

加入T客邦Facebook粉絲團

日本政府近年來積極重振半導體產業，不惜投入巨額資金支持新創公司Rapidus，期望能在先進製程領域佔有一席之地。

日本政府近年來積極重振半導體產業，不惜投入巨額資金支持「半導體國家隊」新創公司Rapidus，期望能在先進製程領域佔有一席之地。然而，這項豪賭式的策略正面臨越來越多的質疑。近日，多位專家學者公開呼籲日本政府重新審視其半導體戰略，認為應將資源轉向更具優勢的先進封裝領域，並扶植現有的日本半導體企業，而非一味追求最先進的製程技術。

專家直指Rapidus並沒有足夠的客戶需求

日本機械產業振興協會特任研究員井上弘基直言，追求最先進的2奈米製程本身已是過時的想法，並批評日本半導體產業仍抱持著「大艦巨炮主義」的思維。他指出，Rapidus目前面臨的最大問題是缺乏足夠的客戶需求。即使成功建立起最先進的產能，若沒有買家，最終可能導致產能閒置，甚至引發嚴重的財務危機。

井上弘基將Rapidus的策略與台積電、三星電子進行比較，點出兩者在商業模式上的顯著差異。台積電和三星在開發先進半導體時，會與蘋果、高通、輝達等大型客戶建立緊密的合作關係，透過確保訂單來推進技術開發。反觀Rapidus，目前尚未掌握智慧型手機或資料中心伺服器處理器等主要客戶，這將成為其發展的一大阻礙。

「沒有客戶，再先進的技術也只是空中樓閣。」一位不願具名的半導體產業分析師表示，半導體產業的發展需要與市場需求緊密結合，單純追求技術領先並不能保證成功。Rapidus若無法在短時間內找到穩定的客戶群，其未來的發展前景令人擔憂。

摩爾定律放緩，先進封裝成新戰場？

隨著摩爾定律的放緩，製程微縮所帶來的效益也逐漸遞減。井上弘基建議，日本應將重點轉向先進封裝領域。他認為，先進封裝與半導體製造設備及材料密切相關，而這正是日本企業的優勢所在。因此，他建議Rapidus應暫緩量產計畫，將資源集中於研發，而非貿然進入風險極高的量產階段。

先進封裝技術是指將多個晶片或元件整合在一個封裝體內，以提高效能、降低功耗、縮小尺寸。隨著晶片設計越來越複雜，先進封裝技術的重要性也日益凸顯。目前，台積電、英特爾、三星等半導體大廠都在積極投入先進封裝技術的研發。

「先進封裝是未來半導體產業發展的重要方向。」工研院產科國際所研究總監楊瑞臨表示，先進封裝技術可以突破傳統製程微縮的限制，為半導體產業帶來新的成長動能。日本在半導體材料和設備領域擁有深厚的基礎，若能將資源集中於先進封裝技術的研發，將有機會在半導體產業中佔據一席之地。

政府資源分配引爭議，扶植現有企業更有效益？

除了井上弘基的質疑，經濟評論員古賀茂明也對Rapidus的經營策略持負面看法。他指出，Rapidus所需的資金預計高達5兆日元，但來自民間投資的出資額僅為73億日元，且後續並未增加，顯示民間部門對該專案的興趣明顯不足。古賀茂明認為，政府應避免被官僚主義所蒙蔽，阻礙通往正確政策的道路。他建議政府應將資源投入到扶植日本現有的公司或有潛力的新創企業，而非從零開始建立新公司，這樣既能減少資金投入，又能開啟新的可能性。

日本政府對Rapidus的巨額投資引發了國內外的廣泛關注。一些人認為，政府應該將資源更多地投入到現有的半導體企業，例如瑞薩電子、東京威力科創等，這些企業在各自的領域都擁有一定的技術優勢和市場地位。

「與其從零開始建立一家新公司，不如扶植現有的企業，這樣可以更快地看到成效。」一位日本半導體產業協會的代表表示，政府應該制定更加靈活的產業政策，鼓勵企業之間的合作與創新，共同推動日本半導體產業的發展。

綜上所述，日本在發展半導體產業的道路上，或許應該重新思考其戰略方向。與其一味追求最先進的製程，不如將資源投入到更具優勢的先進封裝領域，並扶植現有的企業和新創公司，或許更能為日本半導體產業帶來新的生機。

加入T客邦Facebook粉絲團

海底電纜是全球網路的命脈，但近年來頻頻遭受威脅。本文深入探討了針對海底電纜的新型監測技術，以及國際社會為保護這些重要基礎設施所做的努力，揭示了維護網路安全的最新動態。

海底電纜是現代網路的命脈，承載著全球高達 95% 的網路流量。近年來，針對這些重要基礎設施的破壞事件日益增多，引發了國際社會的高度關注。北約和歐盟正積極探索各種監測方案，以保護海底電纜免受潛在威脅。其中，聲學感應器技術被視為一種極具潛力的解決方案。

自 2022 年俄羅斯入侵烏克蘭以來，針對海底電纜的可疑襲擊事件頻傳，尤其是在波羅的海地區。聯合國對此高度重視，並於 12 月成立了一個國際組織，專責保護海底電纜的安全。面對日益嚴峻的挑戰，各國紛紛投入資源，尋求更有效的監測和防護手段。

德國開發商和製造商 AP Sensing 推出了一種名為分散式光纖感應 (DFOS) 的創新技術，該技術能夠在海底電纜遭受攻擊前及時發出警報。這項技術的工作原理是利用光纖中光脈衝的反射特性。當光脈衝沿著光纖傳播時，會產生微小的反射，這些反射會受到聲波振動、溫度變化以及光纜物理干擾等因素的影響。透過分析這些反射的變化，即可判斷電纜周圍是否存在異常活動。

AP Sensing 全球銷售經理 Daniel Gerwig 表示：「穿過光纖的音波能量會干擾我們的訊號，而我們可以精確地測量這種干擾。」利用這項技術，不僅可以確定經過海底電纜上方的船隻的大致尺寸、位置和行駛方向，還能探測到潛水員是否觸及電纜、附近是否有錨掉落，以及損壞發生的具體位置。

更令人振奮的是，這項監控功能可以添加到現有的光纜中，前提是光纜中存在閒置的光纖，或者已點亮的光纖有足夠的空閒通道。這意味著，無需大規模更換現有設備，即可實現對海底電纜的有效監控。

當然，這項技術也存在一定的局限性。它只能探測到幾百公尺範圍內的振動，而不是幾公里範圍內的振動，而且大約每隔 100 公里就需要安裝一個監聽站。儘管如此，AP Sensing 的技術仍然為海底電纜的安全防護帶來了新的希望。目前，該技術已部署在北海，並即將在波羅的海進行測試安裝。

今年 8 月，北約曾警告稱，俄羅斯可能會以海底電纜和全球定位系統為目標，破壞重要的通訊和導航系統。為此，北約成立了 HEIST（確保電信訊息安全的混合空間-海底架構），旨在制定保護全球網路流量的戰略，並在全球海底電纜網路遭到破壞時創建替代路徑。據估計，海底光纜每天為 10 兆美元的金融交易提供便利，並傳輸加密的國防通訊。保護海底電纜的安全，已成為維護全球經濟和國家安全的重要課題。

 

• 延伸閱讀：海底電纜是怎麼放到數千公尺海底的？中間如果斷線他們怎麼找到「在哪裡」？
• 延伸閱讀：Meta 未來海底電纜部署，將超越地球周長
• 延伸閱讀：中華電信海底電纜驚傳遭貨輪拖斷，網質疑中國貨輪註冊非洲籍

 

加入T客邦Facebook粉絲團

微軟 CEO 納德拉：人工智慧基本上還沒創造任何價值

 

外電報導指出，微軟執行長薩帝亞·納德拉 (Satya Nadella) 的公司已對 ChatGPT 製造商 OpenAI 投資了數十億美元，但他對圍繞人工智慧持續不斷的炒作感到厭倦。本週，納德拉在Podcast 節目 Dwarkesh Patel 的訪談中，進行了一次現實檢視。

納德拉告訴帕特爾：「我們自稱取得了一些（通用人工智慧）里程碑，但在我看來，這只是一些毫無意義的基準測試。」

相反地，這位執行長認為，我們應該關注人工智慧是否正在創造真實世界的價值，而不是盲目地追求像 AGI 這樣的空中樓閣。

對納德拉來說，事實勝於雄辯。他認為，如果人工智慧真的具有經濟潛力，那麼當它開始產生可量化的價值時，一切就會一目瞭然。

他說：「因此，我們要做的第一件事是，當我們說這就像工業革命時，讓我們真正實現工業革命那樣的成長。」

他補充說：「真正的基準是：世界經濟成長率達到 10%。突然間生產力上升，經濟成長速度加快。當這種情況發生時，我們這個產業就會安然無恙。」

不用說，我們還沒有看到這樣的情況。OpenAI 的頂尖人工智慧代理——OpenAI 執行長奧特曼 (Sam Altman) 等人認為將顛覆經濟的技術——仍然進展緩慢，需要不斷的監督。

因此，納德拉的思路出人意料地務實。除了駁斥對通用人工智慧的炒作（OpenAI 將實現通用人工智慧作為其首要任務）之外，納德拉還坦承，生成式人工智慧迄今為止還沒有產生太多價值。

截至目前，經濟還沒有顯示出加速的跡象，這肯定不是因為人工智慧大軍的推動。而這是否真的是個時間早晚的問題——而不是他所說的「是否」的問題——仍然是一個熱門話題。

這其中涉及了大量資金，包括微軟和 OpenAI 在內的科技公司已向人工智慧投入數千億美元。

今年稍早，中國人工智慧新創公司 DeepSeek 真正考驗了投資人的決心。它展示了其尖端推理模型 R1，效能足以與競爭對手並駕齊驅，但價格卻低廉許多。該公司在引發大規模拋售後，最終給整個產業造成了 1 兆美元的損失。

此外，當前的人工智慧工具還存在一些令人困擾的技術缺陷，從持續產生的幻覺到網路安全問題，這些缺陷使其無法執行任何關鍵功能。

納德拉在播客節目中的亮相，可以被視為微軟降低過高期望的一種方式，呼籲大眾以更理性、更務實的方法來衡量成功。

與此同時，他的行動卻訴說著截然不同的故事。微軟已向 OpenAI 投資 120 億美元，並與 OpenAI 執行長奧特曼共同簽署了唐納·川普總統提出的價值 5000 億美元的星際之門計畫。

在億萬富翁伊隆·馬斯克質疑奧特曼是否真的募得資金後，納德拉似乎完全支持該計畫。

上個月，在回應馬斯克的指控時，他向 CNBC 表示：「我只知道，我的 800 億美元花得物有所值。」

加入T客邦Facebook粉絲團

日本最高法院於3月3日宣判FC2侵犯Niconico多項彈幕專利，判賠1100萬日圓，並勒令其停止在日本地區營運。

日本彈幕網站Niconico的母公司Dwango與成人影片網站FC2之間，長達九年的「彈幕專利」訴訟終於塵埃落定。日本最高法院於3月3日宣判FC2侵犯Niconico多項彈幕專利，判賠1100萬日圓，並勒令其停止在日本地區營運。這場訴訟不僅在日本網路界掀起波瀾，更引發廣大網友對彈幕技術專利保護的關注，以及Niconico未來發展方向的猜測。

纏訟九年，Niconico終獲勝訴：屬地主義成關鍵

Niconico自2016年起，多次以「侵犯專利權」為由，向法院提起訴訟，要求FC2關閉面向日本的服務。然而，由於FC2的伺服器設於美國，原則上不受日本法律約束，雙方圍繞「屬地主義」展開的爭執，成為訴訟的焦點。

「屬地主義」指的是專利權的保護範圍僅限於授予專利的國家或地區。在網路無國界的時代，如何處理跨國網路服務的專利侵權問題，成為一大挑戰。Niconico與FC2的訴訟，正是對此議題的一次深刻反思。

這場漫長的訴訟，讓Niconico的聲勢逐漸下滑。從巔峰時期的256萬名付費會員，跌落至如今百萬出頭，用戶流失顯而易見。加上去年底的駭客攻擊，以及今年初的自主規制，Niconico這個彈幕文化的先驅，似乎已逐漸走向平庸。

然而，Niconico並未放棄。去年9月，在經歷駭客攻擊導致服務中斷後，Niconico將網站主標題改為「NICONICO(Re：turn)」，展現其重返榮耀的決心。

FC2在訴訟後的現況

日本最高法院裁定FC2侵犯Niconico的彈幕專利後，勒令其支付1100萬日圓賠償，並停止在日本地區提供相關服務。這對FC2來說是一個重大打擊，因為其主要業務之一，影片分享平台FC2 Video，長期以來依賴彈幕功能吸引用戶，尤其是成人內容領域的流量。

判決後，FC2必須在日本地區停止使用與Niconico專利相關的彈幕技術。這可能導致FC2需要移除或修改其平台的彈幕功能。考慮到FC2的伺服器位於美國，它可能會嘗試透過技術手段規避日本法律的直接管轄，例如限制日本IP存取特定功能，或將服務轉移至其他未受專利保護的地區。然而，最高法院的判決明確指出，即使伺服器在海外，針對日本用戶的服務仍受日本專利法約束，這意味著FC2的迴旋餘地不大。

FC2 Video為日本第三大影片分享平台（僅次於YouTube和Niconico），其用戶群中有相當一部分依賴彈幕互動。若彈幕功能受限，可能導致日本用戶流向其他平台，例如YouTube或Bilibili，甚至是Niconico本身。此外，FC2的成人內容生態也可能受到影響，因為彈幕是其吸引用戶的獨特賣點之一。

1100萬日圓的賠償金額對FC2來說相對有限（以其成人產業的賺錢規模而言），但更大的問題在於執行禁令的成本與後續潛在訴訟風險。Dwango的勝訴可能鼓勵其他日本企業對FC2提起類似專利訴訟，尤其是考慮到FC2長期以來因版權與內容爭議而飽受詬病。此外，日本政府自2012年修訂《民事訴訟法》後，對海外實體的執法力度增強，FC2可能面臨更多監管壓力。

加入T客邦Facebook粉絲團

探索蘇姿丰如何帶領 AMD 轉型！從不被看好到業界領頭羊，了解她如何洞察市場、建立學習文化，並帶領團隊追求勝利。

近日，在接受史丹佛商學研究所（Stanford GSB）的專訪中，AMD 執行長蘇姿丰（Lisa Su）坦言，當年加入 AMD 並非一個容易的決定。面對公司當時的困境，以及恩師的質疑，她依然堅定地選擇加入，並帶領 AMD 走向復興之路。

蘇姿丰回憶，當時 AMD 的表現並不理想，她的導師甚至對她的決定感到困惑，直言：「我不認為這是個好決定，Lisa。」面對質疑，蘇姿丰也反問自己，最終她給出的答案是：「我想領導一家重要的公司，一家在業界舉足輕重的公司。」她認為，這是一個她準備了 20 年的機會，也是她加入 AMD 的真正理由。

蘇姿丰表示，當時的 AMD 正處於關鍵的十字路口，必須審慎思考未來的發展方向。公司內部也曾考慮投入行動智慧型手機晶片市場，但最終選擇專注於高效能運算晶片和高效能電腦領域。她坦言：「（手機晶片）確實是個好業務，但對 AMD 來說卻未必合適，因為這不是我們最擅長的領域。」這個決定展現了蘇姿丰對於市場趨勢的精準判斷，以及對於公司核心競爭力的深刻理解。

蘇姿丰強調，企業領導者必須具備洞察未來的能力，並確保資源的重點配置與未來的發展方向保持一致。她深信，今天所做的每一個決定，都會在 3 到 5 年後產生深遠的影響。這種前瞻性的思維，是 AMD 能夠在競爭激烈的半導體產業中脫穎而出的關鍵因素之一。

在談到公司文化時，蘇姿丰表示，來到 AMD 的員工，都熱愛挑戰最前沿的技術。她認為，AMD 擁有一種獨特的學習文化（Learning Culture），特別是從錯誤中汲取經驗。這種鼓勵創新、容錯試錯的文化，激發了員工的創造力和潛能，也為 AMD 的技術突破奠定了堅實的基礎。

最後，蘇姿丰充滿激情地表示，AMD 渴望勝利（We like to win），正如她曾多次強調的「I love to win」。這種對於勝利的渴望，不僅體現在產品的研發上，也體現在市場的拓展和人才的吸引上。在蘇姿丰的帶領下，AMD 正以一種積極進取的姿態，迎接未來的挑戰和機遇。

加入T客邦Facebook粉絲團

新太空競賽白熱化：月球永續經濟時代揭幕

曾幾何時，月球經濟僅是科幻小說中天馬行空的想像，如今，這個概念正以前所未有的速度，從虛幻走向真實。一場新的太空競賽已悄然展開，各國政府與民間企業紛紛將目光投向地球這位近在咫尺的「星體」鄰居——月球，競相搶灘登陸，目標不僅僅是插旗宣示主權，更著眼於在月球建立穩固的據點，開創一個自給自足、永續發展的月球經濟體系。

這場被譽為「現代月球淘金熱」的競賽，吸引了多元化的參與者。既有 NASA 等老牌國家航太機構的身影，也不乏如 Firefly Aerospace 這樣勇於創新的私營企業投入。總部位於德州的 Firefly Aerospace 公司，在今年 1 月 15 日成功發射了備受矚目的「藍色幽靈 1 號」任務，這不僅是該公司發展歷程中的重要篇章，更在全球地月運輸系統的發展進程中，樹立了一個嶄新的里程碑。

「藍色幽靈」著陸器目前正以堅定的步伐，朝著月球表面邁進。然而，等待著它的，是一連串充滿挑戰的任務關卡。從精準進入月球軌道，到在環境嚴苛的月球北半球危海區域進行受控式降落，每一步都充滿風險。著陸後，「藍色幽靈」還需在極端溫差與輻射環境下維持運作，並部署所搭載的科學儀器，進行包括環境數據讀取、自主鑽探，乃至於從月球表面揚起的塵埃中擷取微粒等高難度作業。

值得注意的是，Firefly Aerospace 的「藍色幽靈」任務，是 NASA 「商業月球酬載服務 (CLPS) 計畫」中的重要一環。這項計畫充分展現 NASA 積極擁抱民間創新能量的策略，期望藉由私營企業的活力與效率，共同克服太空探索的重重挑戰。在 NASA 擘劃的「Artemis 計畫」中，將以重返月球的太空人任務為核心，而 CLPS 計畫下的私營公司，則將扮演開路先鋒的角色，負責建構起往返月球的基礎設施，包括物資補給運輸、以及月球樣本的回傳任務等。

本次「藍色幽靈」著陸器肩負重任，共搭載了 10 項實驗酬載，每一項都承載著科學界對月球的殷切期盼。其中，一項實驗旨在測試太空輻射對電子電路的影響，透過測量電路在太空環境中的阻抗變化，為未來太空電子元件的設計提供重要數據。另一項引人注目的酬載，則是一部專門設計的相機，其任務是深入研究月球獨特的「漂浮風化層」現象。這種由鬆散的岩石碎片與塵埃組成的特殊地質結構，覆蓋在月球固態岩石表面，蘊藏著許多未解之謎，等待科學家進一步探索。此外，「藍色幽靈」還將化身天文攝影師，捕捉珍貴的月食影像，從月球視角記錄這罕見的天文奇觀。

隨著各國與企業在月球的活動日益頻繁，「月球經濟」的輪廓也逐漸清晰。目前，各方關注的焦點，已從早期的探勘與科學研究，轉向月球資源的實際開發與利用。在眾多潛在資源中，又以「氦-3」這種稀有同位素最受矚目。科學家指出，氦-3 在核融合反應中具有關鍵作用，同時在量子計算、醫學造影等高科技領域也具備廣泛應用前景。然而，氦-3 在地球上的蘊藏量極為稀少，反觀月球，卻被認為蘊藏著豐富的氦-3 資源，這主要歸功於數十億年來太陽風持續不斷地將氦-3 粒子注入月球風化層中。看準了氦-3 的潛力，Interlune 等前瞻性公司已開始積極規劃月球探勘任務，目標鎖定高效、經濟地從月球土壤中萃取出氦-3。

除了備受矚目的氦-3，水資源也是月球資源開發的重點項目。科學家研究發現，月球兩極地區的陰影坑洞中，可能存在大量的固態水冰。若能有效開採這些水冰，不僅能提供未來月球基地所需的水源，更可進一步分解為氫氣與氧氣，作為火箭推進劑的原料。這項技術一旦成熟，將有望大幅降低太空運輸成本，為人類在月球建立永久基地，甚至將月球作為跳板，進軍更遙遠的深太空，奠定堅實的基礎。

更令人振奮的是，隨著月球資源開發逐步推進，在月球上建立基礎設施的藍圖也開始浮現。可以預見，在不久的將來，月球表面將不再是荒涼的景象，取而代之的，可能是道路、鐵路等交通網絡的延伸，以及各種混凝土建築拔地而起。這些基礎設施的完善，將為人類在月球長期居留、甚至發展出蓬勃的產業生態，創造有利條件。

「藍色幽靈」等先鋒任務的啟航，正象徵著人類太空探索與資源利用邁入嶄新紀元。在可預見的未來，著陸器頻繁穿梭於地月之間，以及人類在月球軌道甚至月球表面建立起運輸系統的景象，將逐漸成為司空見慣的畫面。這不僅代表太空科技的躍進，更預示著一場深刻的變革即將到來——人類的經濟活動範圍，將正式跨越地球大氣層的界線，朝向浩瀚無垠的宇宙，大步邁進。

加入T客邦Facebook粉絲團

NVIDIA 最新曝光的 RTX PRO 6000 專業繪圖卡，以其驚人的規格配置，預示著專業領域的運算能力將邁入全新境界。

繪圖工作站市場即將迎來一場效能革命！NVIDIA 最新曝光的 RTX PRO 6000 專業繪圖卡，以其驚人的規格配置，預示著專業領域的運算能力將邁入全新境界。這款基於 NVIDIA 最新 Blackwell 架構的旗艦級產品，不僅擁有逼近滿血的 CUDA 核心數量，更搭載了高達 96GB 的 GDDR7 記憶體，以及高達 600W 的功耗，無疑將成為專業人士夢寐以求的頂級裝備。

專業定位更加明確：RTX PRO 系列正式亮相

過去，NVIDIA 的專業繪圖卡產品線以 RTX 加上四位數字型號，並輔以架構代號的方式命名，例如 RTX 6000 ADA。而此次新款產品直接冠以 "PRO" 之名，命名為 RTX PRO 6000，不僅更加簡潔明瞭，也更明確地展現了其專業定位，與 AMD Radeon PRO 系列直接競爭。此舉也暗示著 NVIDIA 將更加重視專業市場，並推出更多針對特定應用領域優化的產品。

從目前曝光的圖片來看，RTX PRO 6000 的外觀設計巧妙地融合了 RTX 40 系列與 RTX 50 系列的設計元素。其雙風扇散熱設計與 RTX 40 系列頗為相似，而外殼上的紋理裝飾則更接近 RTX 50 系列的風格。整體而言，RTX PRO 6000 依然維持雙插槽的厚度，在提供強大效能的同時，也兼顧了工作站的相容性。

CUDA 核心逼近滿血，96GB GDDR7 記憶體傲視群雄

RTX PRO 6000 在規格上堪稱 RTX 5090 的超級強化版本。它擁有高達 24064 個 CUDA 核心，相較於 RTX 5090 多出 2304 個，效能提升幅度約為 10.6%。儘管如此，這仍然並非完整版的 GB202 晶片，仍有 512 個 CUDA 核心未被啟用。然而，對於專業繪圖卡而言，大容量記憶體的重要性更勝於 CUDA 核心的數量。RTX PRO 6000 配備了令人驚嘆的 96GB GDDR7 記憶體，單顆容量達到 24Gb (3GB)，是 RTX 5090 的三倍，更是上一代 RTX 6000 ADA 的兩倍。此外，RTX PRO 6000 還支援 ECC 錯誤校正功能，確保資料在運算過程中的穩定性和可靠性，對於需要長時間穩定運作的專業應用而言至關重要。

為了驅動如此強大的規格，RTX PRO 6000 的功耗也隨之提升至 600W，是上一代 RTX 6000 ADA 的兩倍。據傳，600W 也是 RTX 5090 最初的設計功耗。在供電方面，RTX PRO 6000 仍然採用 12V-2x6 16 針供電介面，這意味著使用者可能需要更換更大功率的電源供應器，才能充分發揮 RTX PRO 6000 的效能。

RTX PRO 6000 的強大效能，將為專業領域帶來巨大的推動力。無論是複雜的 3D 建模、高解析度的影片編輯、大規模的科學模擬，還是需要大量運算的 AI 開發，RTX PRO 6000 都能提供卓越的效能表現，大幅縮短工作時間，提升工作效率。96GB 的超大容量記憶體，更讓 RTX PRO 6000 能夠輕鬆處理以往難以負荷的超大型專案，為專業人士帶來前所未有的創作自由。

GTC 2025 大會：揭開 RTX PRO 6000 的神秘面紗

NVIDIA Blackwell 架構的 RTX PRO 系列專業卡，預計將在本月 17-20 日舉行的 GTC 2025 大會上正式發布。屆時，我們將能更深入地了解 RTX PRO 6000 的詳細規格和效能表現，以及 NVIDIA 在專業領域的最新布局。

加入T客邦Facebook粉絲團

英特爾新 CEO 陳立武：能否複製 Cadence 的成功？英特爾的未來：陳立武能否帶領英特爾走出困境？

在半導體產業風起雲湧之際，英特爾正式宣布由陳立武（Lip-Bu Tan）接任執行長，肩負起重振這家昔日晶片巨擘的重任。面對市場佔有率下滑、生產受阻、收益銳減，以及來自競爭對手如輝達（NVIDIA）和超微（AMD）的強大壓力，陳立武能否帶領英特爾走出困境，重返榮耀，成為全球科技產業關注的焦點。

臨危受命：陳立武的挑戰與願景

陳立武接替了前任執行長 Pat Gelsinger，後者因未能有效振興英特爾的產品線而黯然離職。目前的當務之急是開發一款能與輝達在人工智慧領域相匹敵的晶片，成為擺在陳立武面前的一大挑戰。儘管英特爾在營收上仍是全球最大的晶片製造商之一，但在產品開發上的失誤，已讓競爭對手如 AMD 在個人電腦和伺服器領域搶佔市場，並在人工智慧晶片領域取得領先優勢。

陳立武在致英特爾員工的備忘錄中表示，他有信心扭轉頹勢。他強調，英特爾在技術生態系統中扮演著至關重要的角色，並將致力於恢復英特爾作為世界級產品公司的地位，同時發展成為世界級的代工廠，以滿足客戶的需求。他承諾將帶領英特爾成為一家專注於工程的公司，開發最好的產品，認真傾聽客戶的意見，並對所做的承諾負責。

陳立武擁有深厚的學術背景和豐富的產業經驗。他出生於馬來西亞，在新加坡長大，擁有南洋大學物理學學士學位和麻省理工學院核工程碩士學位，以及舊金山大學 MBA 學位。在加入英特爾之前，陳立武曾擔任 Cadence Design Systems Inc. 的負責人，並成功帶領該公司實現轉型和成長。Cadence 是一家專注於電子設計自動化（EDA）軟體的公司，在陳立武的領導下，Cadence 的營收增加一倍多，營業利潤率擴大，股價也大幅上漲超過 3200%。

值得一提的是，陳立武曾於 2022 年加入 Intel 的董事局，但因不滿前任執行長 Pat Gelsinger 的重振計劃而閃辭董事職務。

英特爾董事長 Frank Yeary 表示，陳立武在 Cadence 的經驗，將有助於他推動英特爾以客戶為中心的創新文化轉型。他相信陳立武能夠利用其在 Cadence 的成功經驗，重塑英特爾的企業文化，並帶領英特爾重回巔峰。

 

• 延伸閱讀：英特爾前CEO Pat Gelsinger被退休，可領薪資估計超過1000萬美元

 

Pat Gelsinger 的離職與留下的挑戰

在深入探討英特爾新任 CEO 陳立武的挑戰與願景之前，有必要先了解前任 CEO Pat Gelsinger 的情況，Pat Gelsinger 於 2021 年 2 月重返英特爾，接任 CEO 一職。他是一位英特爾的老將，曾在公司服務超過 30 年，並在 VMware 擔任過 CEO。Gelsinger 上任後，立即推出了一系列改革措施，旨在重振英特爾的技術領先地位和市場競爭力。他的主要策略包括：

• IDM 2.0 戰略： Gelsinger 提出了 IDM 2.0 戰略，旨在結合英特爾的內部製造能力和外部代工資源，以提高生產效率和靈活性。
• 大力投資先進製程： Gelsinger 宣布將大力投資先進製程技術，包括 EUV（極紫外光刻）技術，以追趕台積電和三星等競爭對手。
• 拓展代工業務： Gelsinger 計劃將英特爾轉型為晶片代工廠，為其他公司提供晶片製造服務，以開闢新的收入來源。
• 重塑企業文化： Gelsinger 試圖重塑英特爾的企業文化，鼓勵創新和合作，並提高員工的士氣。

儘管 Gelsinger 在任期間做出了一些努力，但英特爾的業績並未出現顯著改善。尤其是在產品開發方面，英特爾未能有效振興其產品線，導致其在市場上失去了競爭優勢。例如，英特爾在人工智慧晶片領域的發展相對滯後，未能與輝達等競爭對手相匹敵。
由於未能有效振興英特爾的產品線，Gelsinger 最終被迫離職。他的離職反映了英特爾在轉型過程中面臨的巨大挑戰，以及市場對其未來發展的擔憂。

• 延伸閱讀：英特爾離任CEO Pat Gelsinger出面為18A製程辯護，稱良率並非衡量進展的正確指標

英特爾的未來走向

隨著陳立武的上任，英特爾的未來走向備受關注。除了重振產品線和提升市場競爭力外，陳立武還將面臨來自潛在競購者的接洽，以及是否堅持前任執行長 Gelsinger 的立場，即拆分是不必要的。華爾街的一些人士建議拆分該公司的晶片設計和製造部門，認為這兩個部門在營運上已經分開，拆分有助於提升效率和價值。然而，Gelsinger 曾堅決反對拆分，認為這將損害英特爾的整體競爭力。

此外，英特爾是美國《晶片與科學法案》的主要受益者，獲得近 80 億美元的政府撥款。如何有效利用這些資金，在美國各地建造和裝備新工廠，也是陳立武需要面對的重要課題。英特爾需要完成一系列里程碑，包括在美國各地建造和裝備新工廠，以實現其重振美國半導體產業的目標。然而，英特爾已經推遲了一些建設計劃，包括俄亥俄州的一個綜合設施，這也為其未來的發展帶來了不確定性。

• 延伸閱讀：英特爾宣布執行長 Pat Gelsinger 退休，重振英特爾計畫未完待續

近年來，輝達和 AMD 在半導體市場的崛起，對英特爾造成了巨大的壓力。輝達在人工智慧晶片領域的領先地位，使其成為全球科技公司追逐的對象。AMD 則憑藉其在個人電腦和伺服器領域的創新產品，不斷蠶食英特爾的市場佔有率。面對競爭對手的強勢崛起，英特爾必須加快創新步伐，推出更具競爭力的產品，才能在激烈的市場競爭中立於不敗之地。

分析師 Stacy Rasgon 認為，如果陳立武不能在英特爾實現類似於 Cadence 的轉變，那麼英特爾可能難以修復。陳立武能否帶領英特爾重返榮耀，將是未來幾年半導體產業最受關注的焦點之一。他的領導能力、戰略眼光和執行力，將直接影響英特爾的未來發展，也將對全球半導體產業格局產生深遠的影響。

加入T客邦Facebook粉絲團

為何還在搶 AI 晶片？即使投資者一度懷疑，大型科技公司、國家政府和創投仍以前所未有的規模向人工智慧投入資金。要理解箇中原因，我們需要了解人工智慧技術正從傳統的大型語言模型轉向推理模型和人工智慧代理。

即使投資者一度抱持懷疑，大型科技公司、國家政府和創投仍以前所未有的規模向人工智慧投入資金。要理解箇中原因，我們需要了解人工智慧本身正在發生的變化。技術正從傳統的大型語言模型轉向推理模型和人工智慧代理。

訓練傳統的大型語言模型（你在大多數人工智慧聊天機器人的免費版本中遇到的那種）需要大量的電力和運算時間。但我們正快速找到減少它們在人類調用時執行所需資源的方法。推理模型基於大型語言模型，不同之處在於它們的實際運行消耗更多資源，包括微晶片和電力。

推理模型崛起：運算需求更勝以往

自 OpenAI 在 9 月預覽其第一個推理模型 o1 以來，人工智慧公司一直在競相發布能夠與之競爭的系統。這包括 DeepSeek 的 R1（在今年年初震撼了人工智慧界以及許多科技和電力公司的估值），以及伊隆·馬斯克的 xAI（剛剛推出了其 Grok 3 推理模型）。

DeepSeek 引發了一場恐慌，因為它表明可以用比其他模型低得多的成本訓練人工智慧模型，這可能會減少對資料中心和昂貴的高階晶片的需求。但 DeepSeek 實際上做的是將人工智慧產業推向資源密集型推理模型，這意味著運算基礎設施仍然非常需要。

由於其增強的功能，這些推理系統很可能很快成為人們在許多任務中使用人工智慧的預設方式。OpenAI 執行長阿特曼表示，該公司人工智慧模型的下一次重大升級將包括高階推理功能。

為什麼推理模型以及它們所支援的產品（如「深度研究」工具和人工智慧代理）需要更多的電力？答案在於它們的工作方式。

推理模型運算資源需求高百倍

NVIDIA 人工智慧產品管理副總裁卡里·布里斯基在最近的一篇官方文章中寫道，人工智慧推理模型可以輕鬆使用比傳統大型語言模型多 100 倍的運算資源。這種倍增效應來自於推理模型花費數分鐘甚至數小時與自己對話（並非使用者都能看到），形成一個漫長的「思維鏈」。模型使用的運算資源量與生成的單詞數成正比，因此生成 100 倍單詞來回答問題的推理模型將使用更多的電力和其他資源。

當推理模型去存取網路時，情況會變得更加資源密集，例如 Google、Open AI 和 Perplexity 的「深度研究」模型。

這些對運算能力的需求只是開端。反映這一點，Google、微軟和 Meta Platforms 計劃在 2025 年集體支出至少 2150 億美元的資本支出，其中大部分用於人工智慧資料中心。這將比他們去年的資本支出增加 45%。

為了展示對未來人工智慧需求的預測，我們可以列出一個簡單的等式。

等式中的第一個值是處理人工智慧（如 ChatGPT）中的單個資訊 tokens 所需的運算資源量。

DeepSeek 引發產業轉向：資源密集型推理模型成主流

一月，在中國人工智慧模型 DeepSeek R1 發布後，每個 tokens 的成本（包括運算能力和美元）似乎會暴跌。DeepSeek 及其隨附的論文表明，以一種比美國人工智慧實驗室先前揭露的方法更有效的方式訓練和交付人工智慧是可能的。

從表面上看，這似乎表明人工智慧未來對運算能力的需求將是當前數量的十分之一甚至更少。但推理模型在回答查詢時增加的需求可能會彌補這一點。最簡單地說，如果基於 DeepSeek 見解的新型更高效人工智慧模型將人工智慧的運算能力需求削減十分之一，但推理模型成為標準並將這些模型的需求增加 100 倍，那麼未來人工智慧的電力需求仍然會增加 10 倍。

這只是起點。隨著企業發現新型人工智慧模型功能更強大，他們越來越頻繁地調用它們。這正在將運算能力的需求從訓練模型轉向使用它們，即人工智慧產業所說的「推理」。

為其他公司提供人工智慧運算資源的 Baseten 執行長圖欣·斯里瓦斯塔瓦表示，向推理的轉變已經開始。他的客戶包括在其應用程式和服務中使用人工智慧的科技公司，例如 Descript（允許內容創作者直接從錄音的文字紀錄中編輯音訊和影片）和 PicnicHealth（一家處理醫療紀錄的新創公司）。斯里瓦斯塔瓦說，Baseten 的客戶發現，隨著他們自己產品的需求快速增長，他們需要更多的人工智慧處理能力。

「對於一位客戶，我們在六個月前將他們的成本降低了約 60%，但在三個月內，他們的消耗量已經高於最初的消耗量，」他補充道。

Open AI、Google 和 Meta 等公司所有大型人工智慧實驗室仍在競相通過訓練功能更強大的人工智慧模型來超越彼此。無論成本如何，目標都是盡可能多地佔領仍處於萌芽狀態的人工智慧市場。

Fractional AI 執行長克里斯·泰勒說：「我認為前沿實驗室需要不斷投入大量資金以推動前沿發展，這是完全有可能的。」該公司總部位於舊金山，幫助其他軟體公司建構和整合客製化人工智慧。與 Baseten 和蓬勃發展的人工智慧生態系統中的許多其他公司一樣，他的公司依靠這些尖端模型為其客戶提供成果。

創投和 Theory Ventures 創辦人湯瑪斯·童古茲表示，在未來幾年內，新的創新和更多人工智慧專用微晶片可能意味著向最終客戶交付人工智慧的系統比現在高效一千倍。他補充說，投資者和大型科技公司正在押注，由於推理模型和快速採用，未來十年人工智慧模型的需求量可能會增加一兆倍或更多。

童古茲說：「你鍵盤上的每一次按鍵，或你對著麥克風發出的每一個音素，都將由至少一個人工智慧轉錄或操作。」他補充說，如果是這樣，人工智慧市場很快就會比現在大 1000 倍。

加入T客邦Facebook粉絲團