科技新鮮事

🎙️ 美軍差點為假情報開戰？Anthropic上市前又在打什麼算盤｜AI 日報 Podcast

Mark Ku

September 26, 2026•11 分鐘閱讀

開場白

美軍差一點因為一份 AI 生成的假情報,對中國貨輪展開攔檢還準備登船,飛機都升空戒備,最後一刻官員才發現整份報告根本是聊天機器人瞎編的。今天沐妍還要聊 Anthropic 打算怎麼在上市前把投票權牢牢鎖進創辦人手裡,還有 22 個國家聯手要聯合國出面管一管 AI,但名單裡缺了誰,等一下告訴你。另外 OpenAI 的 Astra 跟 Anthropic 的 Claude Opus 5 怎麼聯手破解二戰留下的 Enigma 密碼,這段也很精彩。

本日重點新聞

1. 美軍因 AI 假情報,差點對中國貨輪動手

來源: CNN（https://www.cnn.com/2026/09/18/politics/us-military-ai-false-intelligence-china-ship）
摘要: 特種作戰司令部一名分析員把中國貨輪的貨物清單丟給聊天機器人,結果生成的報告寫說船上載有核武計畫零件。美軍因此排定攔檢、武裝人員準備登船、飛機都升空戒備,直到最後一刻官員才查出這份報告完全是 AI 生成的錯誤資訊。
最驚訝的點: 知情人士直接說,這差點就真的開打一場戰爭。
台灣觀點: 台灣周邊海空情勢本來就緊繃,這種「AI 幻覺變成軍事誤判」的案例對我們來說不是遠方的趣聞,而是切身的警告,情報系統導入 AI 前的查核機制真的要顧好。
討論要點:
- 軍方情報流程要怎麼設計,才能攔住 AI 幻覺?
- 這件事會不會讓五角大廈對 AI 導入更保守?
- 類似風險放到台海情勢下,代表什麼?
講稿建議: 這則我覺得是今天最驚悚的一則新聞,一個分析員把貨物清單丟給聊天機器人,AI 就一本正經編出核武零件的情報,結果差點真的動手攔船開戰。想想看如果換成台海周邊的緊張局勢,一份錯得離譜的 AI 報告可能造成什麼後果,這絕對不是能輕鬆看待的意外。

2. Anthropic 創辦人想在上市前鎖死投票權

來源: TechCrunch（https://techcrunch.com/2026/09/25/anthropics-founders-seek-voting-control-ahead-of-ipo/）
摘要: Anthropic 要股東同意一套特別股結構,讓 Dario Amodei 跟另外六位共同創辦人合計拿下 50.1% 投票權,等於就算未來股東反對,決策權還是牢牢握在創辦人手上。
最驚訝的點: 一家把「AI 太危險要踩剎車」當招牌的公司,現在正用制度確保剎車踏板只有創辦人能踩。
台灣觀點: 對關注公司治理的台灣投資人跟新創圈來說,這種雙層股權結構不算新鮮,但套在一家標榜「以安全為先」的 AI 公司身上,格外諷刺。
討論要點:
- 投票權集中設計,對上市後的公司治理透明度有什麼影響?
- 「安全優先」的口號跟創辦人集中控制權,兩者矛盾嗎?
- 其他 AI 公司會不會跟進這種上市前操作?
講稿建議: 這個真的有點微妙,Anthropic 平常給人的形象就是最愛講安全、最愛講要踩剎車的那家公司,結果上市前第一件事,是確保剎車只有創辦人自己能踩。倒不是說這樣做不合法或不合理,新創上市前搶投票權很常見,但套在這家公司身上,就特別容易讓人覺得矛盾。

3. 22 國聯合要求聯合國出面管 AI

來源: NBC News（https://www.nbcnews.com/tech/tech-news/20-countries-call-global-ai-oversight-rcna599062）
摘要: 挪威總理 Støre 跟芬蘭總統 Stubb 發起,拉了德國、加拿大、澳洲、新加坡、阿聯、肯亞等共 22 國連署,要求聯合國成立新機構,負責模型上線前測試、獨立評估、共通標準跟重大事故通報。
最驚訝的點: 連署名單裡沒有美國,也沒有中國,而這兩國正是真正在訓練最前沿模型的地方。
台灣觀點: 台灣雖然不是聯合國成員,沒辦法直接參與這類機制,但未來若真的出現國際標準,台灣的 AI 產業跟供應鏈遲早得對接,現在就該開始關注規則怎麼訂。
討論要點:
- 沒有美中參與的國際 AI 治理機構,實際約束力有多少?
- 這算不算「先把規則寫好等你們加入」的策略?
- 對台灣、韓國這類中小型 AI 玩家,是機會還是邊緣化?
講稿建議: 22 個國家連署要聯合國出來管 AI,聽起來很有魄力,但你仔細看名單就會發現一件很尷尬的事,真正在練最強模型的美國跟中國,一個都沒簽。這有點像一群人在討論要怎麼管理一座工廠的安全規範,結果工廠老闆完全沒被邀請進來開會,象徵意義大於實質約束力。

4. 五角大廈砸 3000 萬美元做 AI 測謊機

來源: MIT Technology Review（https://www.technologyreview.com/2026/09/25/1145144/pentagon-ai-lie-detector）
摘要: 美國國防部五年編列 3,030 萬美元開發代號「Polygraph+」的計畫,核心是用 AI 演算法評分,再搭配一種叫 standoff sensing 的技術,不用貼任何感測器在身上,就能遠距讀取生理反應判斷有沒有說謊。
最驚訝的點: 專家的評語很直白,這是把本來就不太準的測謊機,再套上一層完全無法解釋的 AI 黑盒子。
台灣觀點: 台灣的資安圈跟人資圈都在觀望 AI 測謊、情緒偵測這類技術,一旦軍方帶頭示範,遲早會有廠商想把類似概念賣進企業面試或邊境安檢場景,值得提前思考規範。
討論要點:
- 測謊機本身科學基礎就有爭議,加上 AI 會讓可信度變好還是變差?
- Standoff sensing 遠距讀取生理訊號,隱私問題怎麼處理?
- 軍方採用後,會不會外溢到民間執法或企業場景?
講稿建議: 測謊機本來就是心理學界吵了幾十年準確度的東西,現在五角大廈打算砸 3000 萬美元,把它跟一個沒辦法解釋判斷依據的 AI 綁在一起,還要做到不碰你身體就能遠距讀你的生理反應。專家講得很白,這是兩個不可靠的東西加在一起,不會變可靠,只會變成一個更難質疑的黑盒子。

5. Google 證實 Gemini 4 正在衝刺上線

來源: 9to5Google（https://9to5google.com/2026/09/24/google-says-gemini-4-release-is-coming-as-soon-as-possible/）
摘要: 接替 Demis Hassabis 的 DeepMind 新任負責人 Koray Kavukcuoglu 首度公開露面,證實 Gemini 4 已經進入 post-training 階段,目標是「遠早於年底」推出,內部已經拿它來驅動 Antigravity 做測試。
最驚訝的點: 這位新掌門人上任後第一件公開講的事,不是宏大的 AGI 願景,而是「趕快把 Gemini 4 生出來」。
台灣觀點: 對台灣的 AI 應用開發者跟企業客戶來說,三大模型廠緊咬著推新版本代表選型週期會更短,還沒定案要用哪家模型的團隊,可能得抓緊時間評估。
討論要點:
- Google 在這波模型競賽裡真的處於落後位置嗎?
- 新負責人的優先順序轉變,反映了公司內部什麼壓力?
- Gemini 4 上線後,對 OpenAI 跟 Anthropic 的產品節奏會有什麼影響?
講稿建議: 以追 AGI 立身的 DeepMind,換了新老闆之後第一句公開發言,講的居然是趕快把 Gemini 4 生出來,而不是什麼宏大願景。這其實蠻誠實的,說白了就是 Google 現在在這三強戰局裡是進度落後的那一個,新官上任第一把火,先顧好基本盤再說。

6. Astra 與 Claude Opus 5 攜手破解二戰 Enigma 密碼

來源: TechCrunch（https://techcrunch.com/2026/09/25/astra-and-opus-just-passed-turings-other-test/）
摘要: 兩位密碼分析愛好者各自把謎題丟給 OpenAI 的 Astra 跟 Anthropic 的 Claude Opus 5,只給了一句「去資料庫裡找一則沒被破解的來解」。結果模型自己查資料、找歷史線索,還寫了一套 Enigma 模擬器,硬是把幾十年沒人破解的二戰密電解開了。圖靈當年帶著整組團隊耗費幾個月才做到的事,AI 這次幾天內就重演一次。
最驚訝的點: 開發者根本沒手把手教步驟,模型是自己想辦法生出解密工具的。
台灣觀點: 這種「丟一個模糊任務,AI 自己拆解執行」的能力,對台灣做資安鑑識、老舊系統維護的工程師來說是警訊也是機會,以後很多苦工可能真的能外包給模型。
討論要點:
- 這算不算 AI 具備某種「研究能力」的信號?
- 密碼學界會不會因此重新檢視舊有加密系統的安全性?
- 這種自主查資料、寫工具的能力,套到資安攻防會是什麼光景?
講稿建議: 這則新聞我看完真的有點頭皮發麻,倒不是密碼被破解本身,是那個過程,工程師只丟了一句話,AI 自己去翻資料庫、找歷史脈絡、還現寫一套模擬器出來跑。圖靈當年可是集合一整個團隊才辦到的事,現在變成一個人加一個模型,幾天內就重演一次,老實說這比破密碼本身更值得我們緊張。

7. Tesla Optimus 量產卡在「手」

來源: Gizmodo（https://gizmodo.com/tesla-wants-to-build-20000-optimus-robots-a-week-first-it-has-to-figure-out-hands-2000817695）
摘要: Tesla 把 Optimus 機器人的產量從每週幾十台拉到上個月的每週數百台,但離「每週兩萬台」的目標還差了三個數量級。真正卡住進度的不是 AI 大腦,而是手掌,V3 的手掌跟前臂零件超過 100 個,現在還得靠人工組裝,觸覺感測器也常常故障。
最驚訝的點: 為了讓機器人未來能取代人手做事,現在得先靠大量人手一個一個把機器人的手裝出來。
台灣觀點: 這對台灣的精密機構件、感測器跟自動化組裝供應鏈其實是機會,機器人靈巧手需要的微型零件跟組裝良率控制,正好是台灣製造業擅長的領域。
討論要點:
- 人形機器人量產的瓶頸,會不會比大家想像的更偏向機構跟製造,而不是 AI?
- Tesla 這個落差,對其他人形機器人廠商代表什麼?
- 台灣供應鏈有機會切入靈巧手這塊嗎?
講稿建議: 大家都在討論人形機器人的 AI 大腦多聰明,結果 Tesla 卡關的地方居然是最基本的手。一隻手超過 100 個零件,現在還得靠人工一個一個組裝,觸覺感測器又動不動就壞掉。這其實蠻諷刺的,做出一個能取代人手的機器人,眼下最缺的資源反而是人手,我倒覺得這對台灣的精密製造供應鏈是個不小的機會。

8. AI 幾小時掃 460 萬化合物,助攻藥物設計

來源: Phys.org（https://phys.org/news/2026-09-ai-scans-million-compounds-hours.html）
摘要: 研究團隊用 AI 在數小時內掃過 460 萬個化合物,預測藥物分子裡氫原子的位置,這是結晶學跟藥物設計裡出了名難解的問題,傳統上得靠昂貴的實驗才能問出答案。
最驚訝的點: AI 在這裡最實際的貢獻不是自己發現新藥,而是把原本要跑好幾年的篩選壓縮成一個下午。
台灣觀點: 台灣有不少生技新創跟學研單位在做藥物開發,這種篩選加速工具如果能普及,對資源相對有限的中小型團隊會是很大的助力,不用每一步都燒昂貴的實驗設備。
討論要點:
- AI 加速篩選之後,實驗驗證這一關會不會變成新的瓶頸?
- 這類工具未來會不會開放給學術界或新創使用?
- 跟前面那些聳動的 AI 新聞比起來,這種「悶聲做事」的應用是不是更值得關注?
講稿建議: 比起前面那些又是差點開戰、又是搶投票權的新聞,這則其實安靜很多,但我覺得反而是最務實的一則。AI 把原本要花好幾年的化合物篩選壓縮成一個下午就跑完,聽起來不性感,但這才是真的能讓藥物研發變快的地方。當然驗證還是得回實驗室做,AI 不是魔法,但省下來的時間非常真實。