DDR4 記憶體價格竟比 DDR5 還貴！廠商看準利潤，考慮延長生產線

近期全球記憶體市場出現罕見現象：原本已接近退場的 DDR4 記憶體，現貨價格不但不跌，反而「倒掛」超過 DDR5，讓不少廠商重新思考是否延後停產時程。

根據市場數據，今年四月底至六月初之間，DDR4-3200 8Gb 晶片的現貨價格從約 1.75 美元飆升至超過 5 美元，短短兩個月內漲幅接近三倍；同時 DDR4 16GB (2Gx8) 模組價格也從每顆 3.57 美元漲至 8.80 美元，創下近年新高。

原本像美光（Micron）、三星、SK 海力士等 DRAM 大廠早已規劃於 2025 年底前全面停產 DDR4，將產線轉向 DDR5 與高頻寬記憶體（HBM）等高階產品。然而價格暴漲後，不少中小型製造商開始嗅到利潤機會，選擇暫緩轉型，繼續擴產 DDR4。

其中像南亞科技便是一例。由於該公司尚未全面投入 LPDDR5 或大量生產 DDR5，現階段擁有完整 DDR4 產品線，反而受惠最大，能在市場需求高漲下搶佔利基。

儘管消息釋出後，部分 DDR4 模組價格略有回跌，但整體價格依然居高不下。尤其買家預期未來供應將逐漸結束，開始大量囤貨，也進一步推升價格。

市場預期，隨著更多中小型廠商重啟生產，價格將逐步回穩，但要恢復到疫情前的低價水準，恐怕還需一段時間。

 

• 延伸閱讀：DRAM史上首見：DDR4 現貨竟比 DDR5 貴一倍！記憶體市場出現反常價格結構
• 延伸閱讀：搶瘋了！三星DDR4提前斷貨，美光現貨價飆漲五成、價格比DDR5還貴
• 延伸閱讀：記憶體市場重大變化！三星宣布多款DDR4產品將停產，年底起供應吃緊

 

加入T客邦Facebook粉絲團

台積電美國廠爆歧視風波！亞利桑那工廠遭 17 員工集體控訴語言與種族偏見

台積電位於美國亞利桑那州的新建晶圓廠日前陷入多項人力資源爭議風波。原本由 12 名前員工於 2023 年 11 月提起的歧視與不當工作條件訴訟，如今已擴大至 17 名原告。這些員工多為美國籍，控訴台積電存在語言排擠、族群偏見與職場不安全等問題。

根據訴狀內容，原告們指出，台積電偏好聘用具中文能力的台灣或中國應徵者，甚至在美國的徵才活動中，依據台灣總部指示，發出的邀請信皆以中文撰寫，疑似刻意排除非東亞族群。

此外，內部會議、訓練課程與文件也大多以中文進行，使非中文背景員工無法有效參與。甚至有員工表示，在台灣受訓期間，常遭排擠或無法理解會議內容，更有美籍同仁在會議中遭主管公開辱罵為「懶惰」、「無能」，形成敵意滿滿的工作氛圍。

訴訟也提到，部分美國員工曾因語言不通與文化差異受到同事冷嘲熱諷，甚至發生不當肢體接觸與性別歧視玩笑。美國退伍軍人 Antonio Fisher 表示，自己因行動不便無法搭乘大眾運輸請求協助遭拒後，在台灣交通事故中受傷卻求助無門，沒有翻譯協助他溝通。

另一名實驗室技術員 Jyni Wyse 則指出，她因吸入化學物質導致呼吸困難時，工廠護士未叫 911，僅聯繫消防隊，最終被迫自行駕車就醫。她還因投訴事件遭孤立與處分，被單獨留在培訓室數小時無事可做，並被台籍同事冷眼對待。

針對此案，台積電向媒體回應：「我們不對訴訟內容評論。但我們對超過 3000 名全球員工共同努力打造亞利桑那州先進工廠感到自豪，將持續致力於營造安全、友善與包容的工作環境。」

此案目前已正式在美國加州北區聖荷西地方法院提起，案號為 5:24-cv-5684-VKD，預計將成為全球半導體產業關注的勞動與多元議題風暴。

 

• 延伸閱讀：三星放棄與台積電搶先進製程領先地位，1.4nm 延後至 2029年、將聚焦提升現有節點良率
• 延伸閱讀：台積電明年晶圓代工市佔預估達75%，先進製程壟斷優勢擴大
• 延伸閱讀：Apple A20 晶片將採用台積電 2nm 製程與 WMCM 封裝，專屬 iPhone 18 Pro 與可摺疊新機

 

加入T客邦Facebook粉絲團

華為盤古大模型被指與Qwen模型結構相似，引發抄襲爭議。儘管華為否認，但模型相似度引人關注，盤古與Qwen的相關性仍待釐清。

華為在 2025 年 6 月 30 日宣布開源盤古7B參數的稠密模型與盤古Pro MoE 72B混合專家模型，並公開其基於昇騰晶片的模型推論技術。不過，一篇由「HonestAGI」研究團隊發布在 GitHub 上的研究指出，華為的盤古大模型在結構上與阿里巴巴的 Qwen-2.5 14B 模型高度相似，平均相關係數達 0.927，遠高於業界類似模型間通常不超過 0.7 的標準，引發是否「抄襲」的質疑。

HonestAGI 強調，兩個模型在多層注意力參數上呈現極高一致性，在深度學習模型訓練具有高度隨機性的前提下，這樣的重合幾率極低，認為值得進一步調查。

華為盤古團隊隨後在 GitHub 上回應，否認抄襲並質疑該研究方法的科學性。他們以相同方法比較其他模型組合，也呈現類似高相似度，指出這顯示該方法本身缺乏有效性。例如：

• 盤古-72B 與 Qwen2.5-14B 的相關係數為 0.92

• 百川2-13B 與 Qwen1.5-14B 為 0.87

• 百川2-13B 與 盤古-72B 為 0.84

HonestAGI 則回應指出，盤古仍是相似度最高的案例，而且這只是初步篩選的工具。他們並非只靠注意力參數做判斷，未來將以完整數據與程式碼投稿至 ICLR 等國際會議。

同時，有人發現盤古Pro 模型的原始碼中標註使用了 Qwen 團隊與 HuggingFace 開發的「transformers」元件，標明該元件遵循 Apache 2.0 授權條款，這也讓部分網友認為是「實錘」抄襲。

不過，業界人士指出這是常見的開源程式碼使用行為，標註出處是法律義務，無法構成抄襲證據。

針對爭議，華為旗下的諾亞方舟實驗室也在 7 月 5 日正式發布聲明澄清，強調盤古Pro MoE 模型是基於昇騰平台原生訓練，非建立在其他模型之上，並提出「分組混合專家模型（MoGE）」作為創新設計，致力於提升大規模訓練效率。

另外有內部消息指出，華為團隊表示模型使用的 Llama 和 Qwen 元件本身即為開源內容，未涉不當使用。

目前尚無明確證據證實華為盤古模型抄襲 Qwen。HonestAGI 所採用的評估方法尚未經完整驗證，其研究報告目前也已下線。不過他們表示，是為了讓正式研究報告上線前的準備。

不過，業界認為，即便盤古模型部分參考 Qwen 的開源組件，只要遵守授權條款，應該不構成抄襲。這場爭議更多反映了大型語言模型開源後，模型評估標準與知識產權界線仍有待明確釐清。

 

• 延伸閱讀：迪士尼與環球影業聯手控告Midjourney是「抄襲無底洞」，其AI模型侵犯版權
• 延伸閱讀：AI抄襲了作者的自傳放在Amazon上賣，Amazon還推薦這本書給原作者
• 延伸閱讀：時隔 11 年祖克柏再次上推特發文，用一張圖回應 Threads「抄襲」Twitter

 

加入T客邦Facebook粉絲團

打羽毛球也難不倒！研究團隊用 NVIDIA RTX 訓練四足機器人打球奔跑全靠 AI 學會

還記得《波士頓動力》機器人翻滾、跳舞的驚人畫面嗎？現在，機器人又學會了一項新技能：打羽毛球。由瑞士蘇黎世聯邦理工學院（ETH Zurich）研究團隊主導的最新研究，透過機器學習訓練四足機器人進行羽毛球比賽，展現出驚人的身體協調與即時反應能力。

這次的主角是標準款的 ANYmal-D 四足機器人，由 ANYbotics 公司設計，主要應用於工業環境中的巡檢與救援任務。而這場羽球實驗，則透過加裝 DynaArm 機械手臂與 NVIDIA 的 Isaac Gym 虛擬模擬器，在不需太多額外硬體修改的前提下，讓機器人展現前所未有的運動能力。

訓練過程中，研究團隊使用 RTX 2080 Ti 顯示卡，在約 5 小時內執行超過 7500 次訓練迭代，透過強化學習模型讓機器人學會包括起跳、擊球、後退、奔跑、回位等複雜連貫動作，全程不需人為手把手教導。甚至當羽毛球飛出立體視覺鏡頭的可視範圍時，AI 還能透過「噪聲預測模型」預測球的位置，持續追蹤與應對。

實驗顯示，ANYmal-D 不僅能根據球速動態調整出擊節奏，還能在室內場地上自由穿梭、準確擊球，充分展現足式機器人的機動性與應變能力。

ANYmal-D 的本業其實是工業巡檢，目前已能在碎石路、樓梯、雪地、泥濘甚至淹水環境中執行任務。未來將推出的高階版本 ANYmal-X 更將進入石油、天然氣與化工場域，支援更高風險的工業作業。

其實，近年全球各大機器人研發機構也不斷透過「娛樂活動」來展示機器人能力，包括波士頓動力讓 Atlas 機器人跳舞、Google DeepMind 訓練機械手臂打乒乓球，甚至中國也有公司讓機器人參加馬拉松或跆拳道比賽。這次的羽毛球挑戰，也再度印證 AI 與機器學習如何推動機器人邁向更靈活、直覺的行動方式。

 

• 延伸閱讀：台灣物理 AI 新紀元！SYNC ROBOTIC 推出自主巡檢機器人平台，首波主打安防應用
• 延伸閱讀：Amazon 工程師感嘆：AI 的確讓工作效率更快，但我們也更像機器人的幫手
• 延伸閱讀：台灣醫療中心攜手 NVIDIA 打造智慧醫院，AI 與機器人助攻診斷與照護效率

 

加入T客邦Facebook粉絲團

歐洲太空總署啟動LISA 引力波觀測計畫，將以前所未有的方式探索宇宙。LISA 引力波觀測將幫助我們了解黑洞合併等宇宙事件，揭示宇宙奧秘。

太空科學即將迎來全新篇章。歐洲太空總署（ESA）與德國 OHB 系統公司於6月17日正式簽署合作協議，啟動史上首個太空引力波觀測計畫——LISA（Laser Interferometer Space Antenna，激光干涉儀太空天線）。這個跨時代任務將由三艘太空船組成等邊三角形編隊，每艘航天器之間距離達 250 萬公里，目標是「傾聽」宇宙中黑洞合併等極端事件所釋放的引力波，揭開宇宙深處不為人知的奧祕。

打造在太空中的「巨型三角雷達」

與地面上的 LIGO 不同，LISA 將利用太空無干擾的條件，觀測更低頻率的引力波，這些波動來自更大質量、時間跨度更長的宇宙事件，例如早期宇宙中的黑洞形成與合併。三艘航天器將同步繞太陽公轉，彼此交換雷射束，透過雷射干涉儀來量測測試質量塊之間極為微小的距離變化——精度甚至可達數十億分之一毫米，遠小於一個氦原子的直徑。

引力波科學邁入太空時代

ESA 科學主任卡羅爾・蒙德爾教授指出：「LISA 將為我們觀測宇宙開啟一扇全新窗戶，讓我們從時空結構的微幅震動中，看見那些無法以光學手段偵測的現象。它不僅是一項工程創舉，更將挑戰我們對宇宙起源、黑洞演化與基本物理法則的理解。」

該任務預定於 2035 年透過阿麗亞娜6號火箭發射，每艘航天器內部都搭載一對自由漂浮的金鉑質立方體，這些精密元件將成為觀測時空變動的核心。

來自歐洲多國的尖端協力

這項計畫是 ESA、NASA 及全球研究機構共同協作的成果，並匯聚歐洲多國技術資源。義大利與瑞士負責打造超高精度的測試質量塊；德國、英國、法國、荷蘭、比利時、丹麥與捷克則提供皮米級距離量測設備；西班牙則提供用於監測飛行環境的診斷子系統。

執行單位 OHB 系統公司表示：「這不只是一次科技突破，更代表歐洲在基礎科學與空間工程的前沿地位。」

LISA 不只是為天文學帶來新工具，更象徵著人類觀測宇宙方式的一大躍進——將聆聽宇宙最深層的震動，從空無一物的時空之中，聽見遙遠黑洞的低語。

 

• 延伸閱讀：相對論百年來最重要發現！科學團隊證明「引力波」，愛因斯坦是對的

 

加入T客邦Facebook粉絲團

最新研究揭示美國PM1污染狀況，PM1濃度雖下降但改善趨緩。PM1體積極小，對健康影響深遠，研究為未來政策制定提供重要依據。

空氣污染每年在美國導致約5萬人死亡，不過並非所有懸浮微粒對人體的影響都相同。雖然直徑小於2.5微米的PM2.5已被廣泛研究多年，但更細小、直徑小於1微米的PM1對健康的潛在風險仍未被充分了解。

華盛頓大學研究團隊日前在《柳葉刀－星球健康》（The Lancet Planetary Health）期刊發表研究，首次量化美國過去25年PM1的污染狀況。研究根據PM2.5中七種主要成分（如硫酸鹽、硝酸鹽與礦物塵埃等）進行建模分析，進而估算出全美PM1濃度分佈，為未來公共健康與環境科學研究提供了重要基礎資料。

PM1主要來自柴油引擎排放的黑碳、野火煙霧等直接排放源，也可能由燃燒過程產生的二氧化硫與氮氧化物經二次化學反應生成。由於PM1體積極小，不到一個紅血球的六分之一，能穿透肺泡甚至進入血液循環，對人體健康造成更深層次的影響。

研究指出，自1998年至2022年間，受益於《清潔空氣法》等環保政策，美國整體PM1濃度明顯下降；但自2010年以後改善幅度趨緩，與野火頻率增加有密切關聯。未來空氣品質改善政策，須更多關注非化石燃料來源的污染因子。

目前包含中國等國家，已在全國層級進行PM1長期監測，美國此研究的完成，填補了國內在PM1污染分析上的空白，也為政策制定與健康風險評估建立關鍵數據基礎。

研究團隊下一步將與流行病學者合作，深入探討PM1與各類健康問題之間的關聯性，進一步揭示這種微型懸浮粒子對人體的長期風險。

 

• 延伸閱讀：霧與霾有何不同？二手煙到底有多毒？環保署「認識細懸浮微粒(PM2.5)」PDF免費下載

 

 

• 延伸閱讀：這不是蝙蝠燈！為了抗議空氣污染，他們把哭泣的人臉打上工廠排放的廢煙

 

 

加入T客邦Facebook粉絲團

微軟Copilot傳出AI引擎升級！疑似正在測試OpenAI的o4模型，讓免費使用者也能體驗更強大的AI功能。Copilot的AI進化，值得期待。

雖然 Copilot 並不是所有使用者心中的首選，但它在提供免費 AI 功能方面表現得可圈可點。近期有用戶發現，微軟可能正在對 OpenAI 更新版模型「o4-mini-high」進行 A/B 測試，代表 Copilot 的 AI 引擎正在悄悄升級。

根據現行設計，免費版 Copilot 提供「快速回應」與「深入思考（Think Deeper）」兩種模式，若訂閱每月 20 美元的 Copilot Pro，則能進一步解鎖完整的「深度推理」功能。自 2025 年 3 月起，微軟將 Think Deeper 模式升級至使用 OpenAI 的 o3-mini-high 模型，其知識截止時間為 2023 年 10 月。

但最近的測試顯示，部分使用者在開啟 Think Deeper 模式後，Copilot 回應的知識更新日期已提升至 2024 年 6 月。這代表模型已切換為 OpenAI 更先進的 o4-mini 或 o4-mini-high，微軟尚未正式公告，但多數跡象顯示應為後者，因其命名與前代 o3-mini-high 一致。

o4-mini-high 在推理與應答品質上相較前代模型有明顯提升。以 AIME 數學測試為例，o3-mini 在 2025 年得分為 86.5%，o4-mini 則達 92.7%。而 high 版本則在處理複雜任務時會花費更多「思考時間」，換取更高的準確性。

值得一提的是，目前 o3 模型不再隨 ChatGPT Plus、Pro 或企業版提供，OpenAI 已全面切換至 o4 系列，微軟這波測試也算是同步跟進。

雖然 Copilot 的 Think Deeper 模式不太可能直接採用昂貴的 o3（非 mini 版）作為基礎，但新模型升級代表免費使用者將有機會體驗更強大的 AI 推理能力。

 

• 延伸閱讀：微軟更新 Windows 11 系統需求頁面，對 Copilot+ PC 硬體規格倒底要有什麼有了明確規範
• 延伸閱讀：微軟更新 Windows 11 右鍵選單「Ask Copilot」，但你可能不會喜歡這個改動
• 延伸閱讀：微軟宣稱 Copilot+ PC 比 Mac 快 58%，卻被網友無情吐槽

 

加入T客邦Facebook粉絲團

蘋果公司硬體技術資深副總裁 Johny Srouji 上月在比利時出席一場私人活動時透露，蘋果有意導入生成式 AI 技術，以加快自家晶片設計流程。這些晶片對蘋果裝置的效能與差異化發展至關重要。

根據《路透社》報導，蘋果公司硬體技術資深副總裁 Johny Srouji 上月在比利時出席一場私人活動時透露，蘋果有意導入生成式 AI 技術，以加快自家晶片設計流程。這些晶片對蘋果裝置的效能與差異化發展至關重要。

Srouji 此番發言是在接受獨立半導體研發機構 Imec 頒獎時發表的，該機構與全球多數晶片大廠皆有深度合作。根據現場錄音內容，他回顧蘋果從 2010 年推出第一顆 A4 晶片以來的自研歷程，直到最新用於 Mac 與 Vision Pro 的晶片演進。

AI 將成設計加速器

Srouji 指出，蘋果在晶片自研過程中體認到一項核心關鍵：必須採用最先進的工具與平台來支援設計工作。特別是在電子設計自動化（EDA）領域，像是 Cadence（楷登電子）與 Synopsys（新思科技）這兩家業界巨頭，近年來已積極將 AI 技術整合進 EDA 工具中，協助晶片設計自動化、提升效率。

他認為，生成式 AI 具有極大潛力，有望在更短時間內完成更多設計任務，進而大幅提升整體生產力。

Srouji 也坦言，蘋果在推動 Mac 從 Intel 晶片全面轉向自家 Apple Silicon 的過程中，是一場「破釜沉舟」的豪賭。他強調：「我們當時沒有備用計畫，也沒有打算讓產品線同時採用兩種晶片架構，因此必須全力以赴。」

這次轉換不只涉及硬體，更有龐大的軟體相容與最佳化挑戰。不過這場賭注最終成功，不僅強化了蘋果裝置之間的整合，也進一步掌握晶片設計的主導權。

 

• 延伸閱讀：傳蘋果正在大力投資 NVIDIA 伺服器以開發人工智慧，自家的Apple Silicon 伺服器不夠用？
• 延伸閱讀：Apple Silicon Mac 遊戲再升級！M4 晶片支援 AVX2 指令集，效能更上一層樓
• 延伸閱讀：傳蘋果想讓更多螢幕都能「嘿 Sir」，將有多款搭載 Apple Silicon 顯示器產品推出

 

加入T客邦Facebook粉絲團

川普集團推出川普行動 T1 Phone，號稱美國設計製造引發質疑。規格與中國手機相似，川普行動 T1 Phone 恐為換殼中國機。

美國前總統川普領導的川普集團（Trump Organization）近日推出自有品牌「川普行動」（Trump Mobile），同時發表定價 499 美元（約新台幣 1.6 萬元）的智慧型手機 T1 Phone。雖然官方宣稱該手機是在美國設計與生產，但由於並未公開供應鏈與代工廠資訊，外界普遍懷疑其實與「美國製造」沾不上邊。

科技媒體 AppleInsider 近日撰文指出，T1 Phone 的規格與中國聞泰科技（ODM 業務為立訊精密旗下）所代工的 T-Mobile REVVL 7 Pro 5G 高度相似。該分析顯示，T1 Phone 很可能同樣由中國工廠生產組裝，實際上是「換殼版本」的中國機。

根據產品介紹，T1 Phone 採用 6.8 吋 AMOLED 螢幕（中央開孔設計）、12GB 記憶體與 256GB 儲存空間。相機部分則為 5000 萬畫素主鏡頭，搭配 200 萬畫素景深與 200 萬畫素微距鏡頭，支援螢幕下指紋與 AI 臉部解鎖，電池容量為 5000mAh，支援 20W 快充；處理器型號則尚未公開。

從外觀設計來看，T1 Phone 主打金色機身，背面印有美國國旗圖樣，產品官網展示的螢幕截圖中更顯示「讓美國再次偉大」（Make America Great Again）等川普競選口號。

雖然川普過去屢次強調「美國優先」、「支持美國製造」，但此次手機產品是否真如宣稱一樣「美國設計製造」，似乎有待商榷。

 

 

• 延伸閱讀：川普也要賣手機還有電信？品牌註冊 T1 Phone 與 Trump Mobile 主打美國製造
• 延伸閱讀：分手不能做朋友，川普怒轟馬斯克「瘋了」：將取消所有政府合約補助
• 延伸閱讀：川普力挺中東AI投資計畫，輝達、AMD奪沙烏地阿拉伯巨額AI晶片訂單

 

加入T客邦Facebook粉絲團

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