開場白

哈囉，大家好，歡迎收聽「Mark 的 Tech Insights」！我是 Mark。今天 AI 界真的是太熱鬧了，感覺全世界的錢都往這裡衝。我們會聊聊 OpenAI 的最新大絕招 GPT-5.5，看看 AI 寫程式工具的估值到底有多瘋狂，最後再來點冷靜的思考，看看 AI 的極限和未來的硬體解方。

本日重點新聞

1. OpenAI 發表 GPT-5.5，營收飆破 250 億美元準備上市

• 來源: CNBC (https://www.cnbc.com/2026/04/23/openai-announces-latest-artificial-intelligence-model.html)
• 摘要: OpenAI 又不讓人睡覺了，推出 GPT-5.5，號稱在寫程式、電腦操作和深度研究方面都有大進步。更誇張的是，他們年化營收已經突破 250 億美金，而且還在考慮要 IPO 上市了。
• 台灣觀點: 對台灣的 AI 新創和開發者來說，這代表著基礎模型的競爭門檻越來越高，但同時也提供了更強大的 API 工具可以利用。
• 討論要點:
  • GPT-5.5 的「電腦操作 (computer-use)」能力到底是什麼？是 Agent 的進化嗎？
  • 年化營收 250 億美金是什麼概念？這對 AI 產業的估值有什麼影響？
  • OpenAI 如果真的上市，會對整個 AI 生態系帶來什麼樣的改變？
• 講稿建議: 欸，你看到沒？OpenAI 又放大絕了，直接丟出 GPT-5.5。他們說這次在寫程式跟做研究上更強，但我覺得最值得注意的是那個「電腦操作」能力。這聽起來超像我們一直在聊的 Agentic AI，就是 AI 不只會跟你聊天，還能直接幫你操作軟體、完成任務。對我們台灣開發者來說，這既是壓力也是機會。壓力是 OpenAI 的進化速度太快，我們很難追；機會是他們的 API 變強，我們可以拿來開發更多殺手級應用。不過話說回來，他們年化營收 250 億美金，還準備要 IPO，這根本是印鈔機等級了，你覺得這會不會讓 AI 泡沫吹得更大啊？

2. 中國新創 DeepSeek 開源 V4 模型，挑戰閉源巨頭

• 來源: MIT Technology Review (https://www.technologyreview.com/2026/04/24/1136422/why-deepseeks-v4-matters/)
• 摘要: 一家叫 DeepSeek 的中國公司也發布了 V4 預覽版，而且是開源的！其中最強的 V4-Pro 據說性能可以跟頂級的閉源模型匹敵，還支援超長的 100 萬 token context。他們還跟華為合作，用昇騰 950 (Ascend 950) 晶片來做運算。
• 台灣觀點: 來自中國的強力開源模型，加上非 Nvidia 的硬體方案（華為昇騰），對台灣的硬體供應鏈和軟體生態系都是一個值得密切關注的變數。
• 討論要點:
  • 開源模型性能追上閉源模型，這對 OpenAI 和 Google 會有什麼衝擊？
  • DeepSeek V4 的 1.6T 參數（49B 啟用）是什麼概念？MoE 架構真的成為主流了嗎？
  • 華為昇騰晶片在這次扮演的角色有多重要？這代表 AI 算力開始有「去 Nvidia 化」的可能嗎？
• 講稿建議: 剛講完 OpenAI，馬上就要來看對岸的挑戰者。這家叫 DeepSeek 的公司真的來勢洶洶，直接開源 V4 模型，而且數據看起來超漂亮，號稱可以跟 GPT-4 等級的模型打。最有趣的是兩點：第一，它支援 100 萬 token 的 context，這可以處理超長的文件或程式碼，應用場景很多。第二，他們是跟華為合作，用的是昇騰 950 晶片。這對台灣來說訊號就很複雜了。一方面，我們看到開源社群又多了個強大的選擇；但另一方面，一個基於非美系技術棧的 AI 巨獸正在成形，從晶片到模型一條龍，這對以代工和美系供應鏈為主的台灣科技業，會不會是個警訊？

3. AI 寫程式工具大爆發：Cursor 和 Cognition 估值狂飆

• 來源: CNBC (https://www.cnbc.com/2026/04/19/cursor-ai-2-billion-funding-round.html), Bloomberg (https://www.bloomberg.com/news/articles/2026-04-23/ai-coding-firm-cognition-in-funding-talks-at-25-billion-value)
• 摘要: AI 幫你寫程式的賽道現在根本是錢淹腳目！AI 程式編輯器 Cursor 正在談一輪 20 億美金的募資，估值可能超過 500 億美金。另一家做出自主程式設計師 Devin 的公司 Cognition AI，也傳出要用 250 億美金的估值募資，是上一輪的好幾倍。
• 台灣觀點: 台灣有很多優秀的軟體工程師，這類 AI Agent 工具的崛起，可能會徹底改變軟體開發的流程與價值鏈，值得我們思考如何從「寫 code」轉向「指揮 AI 寫 code」。
• 討論要點:
  • Cursor 和 Cognition (Devin) 的產品定位有什麼不同？為什麼市場願意給出這麼高的估值？
  • 一個 AI 寫程式的工具，估值 500 億美金，這合理嗎？還是 VC 的 FOMO (錯失恐懼症) 太嚴重？
  • 當 AI 能自主寫程式，人類工程師的價值會是什麼？
• 講稿建議: 聊完基礎模型，來看看應用層的瘋狂世界，特別是 AI 寫程式這個領域。你知道嗎？一個叫 Cursor 的 AI 程式編輯器，現在傳出要用 500 億美金的估值募資！500 億！這比很多大公司的市值都高了。還有前陣子很紅的 AI 工程師 Devin，它的開發公司 Cognition 估值也衝到 250 億。這代表市場極度看好「AI Agent for Code」這個方向。對我們台灣的工程師來說，這真的是個 paradigm shift。以後可能不是比誰的 code 寫得漂亮，而是比誰更會下 prompt、誰更會管理和指揮一群 AI 工程師。這也提醒我們，是不是該開始培養「AI 協作」的能力，而不只是單純的 coding 技能了。

4. Google 急了？Sergey Brin 親組突擊隊，要追上 Anthropic 的 Agent 編碼能力

• 來源: AI2Work (https://ai2.work/blog/google-s-brin-forms-deepmind-strike-team-to-close-anthropic-coding-gap)
• 摘要: 看到外面這麼熱鬧，Google 內部也動起來了。共同創辦人 Sergey Brin 親自回到第一線，在 DeepMind 成立了一個突擊隊，目標很明確：要緊急追上 Anthropic 在 Agentic Coding（AI 代理編碼）方面的能力。內部文件直接說，目標是讓 Google 的模型成為「主要開發者」。
• 台灣觀點: 這顯示即使是 Google 這樣的巨頭，在 Agentic AI 的浪潮下也感到巨大的壓力。台灣的企業和開發者可以從中看到，Agent 技術是下一個兵家必爭之地。
• 討論要點:
  • 為什麼 Google 會特別點名 Anthropic，而不是 OpenAI 或其他公司？
  • Sergey Brin 回歸第一線，這對 Google 的 AI 戰略意味著什麼？
  • 「讓模型成為主要開發者」這個目標，跟 Cognition 的 Devin 有什麼不同？
• 講稿建議: 前面才講到 Cursor 跟 Cognition 的天價估值，你看，Google 馬上就用行動證明他們有多焦慮。Google 的神級創辦人 Sergey Brin，據說已經受不了了，親自下來組了一個「DeepMind 突擊隊」。他們的任務超緊急，就是要追上 Anthropic 在 AI Agent 寫程式的能力。內部備忘錄的用詞很火爆，說要「緊急彌補差距」，還要把自家模型變成「主要開發者」。這很有趣，他們不是對標 OpenAI，而是 Anthropic，可能代表 Anthropic 在 Agent 的某些特定能力上，真的讓 Google 感到芒刺在背。這也再次驗證了，AI 的下一個戰場，絕對是能自主執行任務的 Agent。

5. Meta 砸大錢不手軟！年度 AI 支出上看 1350 億美金

• 來源: CNBC (https://www.cnbc.com/2026/04/08/meta-debuts-first-major-ai-model-since-14-billion-deal-to-bring-in-alexandr-wang.html)
• 摘要: Meta 也不甘示弱，在花了 140 億美金把 Scale AI 的創辦人 Alexandr Wang 挖來後，推出了新模型 Muse Spark。為了追上 Google 和 OpenAI，Meta 今年的 AI 資本支出預算高達 1350 億美金，展現了驚人的決心。
• 台灣觀點: 1350 億美金的資本支出，很大一部分會流向伺服器、晶片和資料中心建置，這對台灣的相關供應鏈（如台積電、廣達、緯創）是個巨大的商機。
• 討論要點:
  • Meta 為什麼要花天價挖角 Alexandr Wang？他在 Meta AI 扮演什麼角色？
  • 1350 億美金的資本支出是什麼概念？Meta 打算用這筆錢來建構什麼樣的 AI 帝國？
  • 新的 Muse 系列模型，跟原本的 Llama 系列會有什麼不同？
• 講稿建議: 除了 Google，另一個巨頭 Meta 也是火力全開。他們之前花了 140 億美金挖角 Scale AI 的創辦人 Alexandr Wang，現在終於看到成果了，推出了新的 Muse Spark 模型。但更嚇人的是他們的預算。Meta 今年的 AI 資本支出，你猜多少？最高可能到 1350 億美金！這數字太瘋狂了，都可以買下好幾家大公司了。這筆錢大部分都會用來買晶片、蓋資料中心。對我們台灣來說，這就是最直接的利多。台積電、廣達、緯創這些 AI 供應鏈的公司，看到這種新聞應該都在偷笑吧。這也說明了 AI 戰爭已經不是純粹的模型競賽，而是口袋深度的軍備競賽了。

6. AI 還差得遠？《Nature》研究：在複雜科學研究上，人類科學家仍完勝 AI Agent

• 來源: Nature (https://www.nature.com/articles/d41586-026-01199-z)
• 摘要: 在一片 AI 狂熱中，權威期刊《Nature》發表了一篇研究來潑冷水。研究發現，在處理需要長期規劃和反覆實驗的複雜科學任務時，人類科學家的表現仍然遠遠超過目前最強的 AI Agent。這也提醒大家，對於短期內出現全自主的 AI 科學家，可能要放低期待。
• 台灣觀點: 這對台灣的學術界和研發單位是個好消息，代表人類的創造力、批判性思維和實驗設計能力，在可預見的未來仍然是核心價值。
• 討論要點:
  • 這項研究是怎麼設計的？它測試了 AI 的哪些「短板」？
  • 「長期規劃」和「實驗迭代」為什麼對目前的 AI 來說這麼困難？
  • 這篇研究會不會影響前面提到的 AI Agent 公司的超高估值？
• 講稿建議: 聽了這麼多 AI 多神、估值多高的消息，我們也該來點 reality check。頂級科學期刊《Nature》最近發了一篇研究，結論很直接：在真正複雜的科學研究任務上，人類科學家還是屌打現在最強的 AI Agent。研究說，AI 在需要長期規劃、不斷試錯、調整方向的開放式問題上，表現還不行。這點我覺得超重要，它告訴我們 AI 目前比較像是個超強的實習生，可以幫你快速查資料、寫 code、分析數據，但那個從 0 到 1 的洞察力、那個決定整個研究方向的「品味」，還是得靠人。所以大家也不用太焦慮，你的飯碗暫時還不會被 AI 科學家搶走啦。

7. AI 耗電解方？劍橋大學開發類腦晶片，可望節省 70% 能源

• 來源: ScienceDaily (https://www.sciencedaily.com/releases/2026/04/260422044633.htm)
• 摘要: AI 很強大，但也是吃電怪獸，據說光是 AI 就用掉美國超過 10% 的電力。劍橋大學的研究人員開發了一種新的奈米電子憶阻器 (memristor)，模仿人腦處理資訊的方式，號稱可以大幅降低 AI 系統 70% 的耗電量。
• 台灣觀點: 台灣是半導體重鎮，這種新型態的晶片架構，對台積電和 IC 設計公司來說，是個必須關注的未來技術方向。若能掌握，將是下一個世代的護城河。
• 討論要點:
  • 憶阻器 (memristor) 是什麼原理？它跟傳統的 CMOS 晶片有什麼不同？
  • AI 耗電量已經佔美國 10%？這個數據對能源基礎設施帶來了多大的挑戰？
  • 這種新晶片從實驗室到商業化量產，還有多遠的路要走？
• 講稿建議: 最後來聊一個我覺得超關鍵的新聞，跟硬體有關。我們都知道 AI 很耗電，有報導說 AI 的用電量已經佔了全美國的 10% 以上，這很可怕。劍橋大學最近就搞出了一個「類腦晶片」，用一種叫做「憶阻器」的新元件，模仿我們大腦處理資訊的方式。據說，這東西可以省下 70% 的電力！這如果真的能商業化，影響會非常巨大。對台灣來說，我們是半導體王國，這種底層硬體的革命性突破，絕對不能錯過。這不只是省電費的問題，它可能會重新定義 AI 算力的架構，也是我們 IC 設計和製造業彎道超車或被超車的關鍵點。

結尾段落

好啦，今天的新聞真的資訊量超大，從模型的軍備競賽、VC 的瘋狂撒錢，再到科學研究的現實和未來硬體的曙光，只能說 AI 的發展一天都不能鬆懈。感謝收聽「Mark 的 Tech Insights」，我們下次見！