科技新鮮事

🎙️ 無人機炸了Yandex的AI機房，陶哲軒為什麼翻臉罵OpenAI？｜AI 日報 Podcast

Mark Ku

October 8, 2026•14 分鐘閱讀

開場白

烏克蘭無人機昨晚炸進俄羅斯Yandex的資料中心，訓練YandexGPT的超級電腦當場報銷，AI軍備競賽打到實體戰場。OpenAI甩出722篇數學論文被陶哲軒公開嗆聲，GPT-6的新介面、Claude Haiku的降價戰等一下一次講給你聽。另外還有青少年用ChatGPT的風險警告，一次打包給你。

本日重點新聞

1. 俄羅斯網路巨頭Yandex資料中心遭烏克蘭無人機擊中，AI訓練機房付之一炬

來源: CNBC（https://www.cnbc.com/2026/10/08/russia-yandex-ukraine-drone-strike-data-center.html）
摘要: 烏克蘭無人機打中Yandex在俄羅斯Ryazan州Sasovo的一座資料中心，現場起火，Yandex Cloud全面停擺，Downdetector瞬間湧入超過1,300筆故障回報。這座機房裡放的是兩台用來訓練俄羅斯自家大模型YandexGPT的Nvidia A100超級電腦，暱稱Chervonenkis和Lyapunov。這是2022年開戰以來，第一次有AI訓練基礎設施被實體炸毀。
最驚訝的點: AI軍備競賽終於從雲端打進了真實戰場，訓練模型的機房跟軍事設施一樣會被列為攻擊目標。
台灣觀點: 台灣的資料中心高度集中在西部沿海，這則新聞等於是活教材，提醒我們電力、骨幹網路跟雲端機房的實體韌性不是選配，是戰略安全的一部分。
討論要點:
- AI基礎設施是否該被視為「關鍵基礎設施」來做國防等級的防護
- 國產大模型跟國家戰略綁太深，會不會讓機房變成高價值軍事目標
- 台灣如果也要衝AI算力，資料中心的選址跟備援要怎麼設計
講稿建議: 這則新聞我看完真的愣了一下，原來AI的戰爭不只網路戰，現在連訓練模型的機房都會被無人機炸掉。Yandex那座廠房裡的兩台超級電腦，本來是在練YandexGPT，結果直接燒成廢鐵。我自己的解讀是，一個國家把國產大模型綁進國家戰略，機房就跟彈藥庫差不多等級。台灣這麼依賴雲端機房，這則新聞值得我們想一下自己的算力韌性夠不夠。

2. OpenAI一次甩出722篇數學論文，隔天陶哲軒代表人類數學界開嗆

來源: Terence Tao部落格 What's New（Association for Human Mathematics）（https://terrytao.wordpress.com/2026/10/07/ahm-statement-on-openais-october-6-release-of-mathematical-documents/）
摘要: OpenAI在10月6日一口氣放出722篇AI生成的數學手稿，分成372個家族，號稱解開377個未解問題，裡面還有三個千禧年大獎難題。隔天菲爾茲獎得主陶哲軒就代表剛成立的Association for Human Mathematics發聲明反擊，據報導其中一句話是「數學界沒有人要求你們做這件事」。
最驚訝的點: 陶哲軒九月才剛加入OpenAI的數學顧問小組，十月就公開打對方的臉，等於拿了顧問頭銜還是選擇站在人類數學家這一邊。
台灣觀點: 台灣學術圈常把AI工具當成寫論文、跑模擬的輔助，這起事件提醒我們「AI產出量」跟「社群認可的貢獻」是兩件事，量產手稿不代表解決了真正困擾數學家的問題。
討論要點:
- AI生成的證明要怎麼審核才算「真的解決」一個未解問題
- 學術社群成立專門組織來對抗AI產出，會變成新常態嗎
- 顧問角色跟公開批評是否衝突，陶哲軒這次怎麼拿捏
講稿建議: 這件事最有趣的不是OpenAI放了多少論文，是陶哲軒的反應。他九月才答應當OpenAI的數學顧問，結果十月就公開寫聲明酸對方沒人要你們做這件事，反差超大。我自己覺得這剛好點出一個很現實的問題，AI量產內容的速度，跟人類社群願意花時間驗證、消化這些內容的速度，根本不是同一個時間軸。722篇手稿聽起來很猛，但數學界真正在乎的從來不是數量，是每一篇能不能站得住腳。

3. GPT-6上線互動介面，ChatGPT不再只會打字回你

來源: The Decoder（https://the-decoder.com/chatgpt-with-gpt-6-ditches-mostly-text-output-for-interactive-ui-with-charts-buttons-and-mini-apps/）
摘要: OpenAI把GPT-6推給所有ChatGPT使用者，Plus、Pro、Business、Enterprise先上，免費版跟Go隔天跟上，同時上線「Intelligent UI」。以後ChatGPT回答裡會直接長出可點的按鈕、互動圖表、表單、計算器，官方示範做了一台七速自行車圖解，點零件就高亮。GPT-6 Instant處理搜尋類問題的等待時間，也比上一代GPT-5.6縮短了44%。
最驚訝的點: 「聊天機器人」這個產品形態正在被自己淘汰，對話框正在變成一個會即時生成迷你App的畫布。
台灣觀點: 對台灣開發者來說，這代表接ChatGPT不再只是接文字API，前端互動元件可能要直接讓模型生成，UI設計跟prompt設計的界線會越來越模糊。
討論要點:
- 互動式UI會不會讓使用者更依賴AI介面，少了自己動手查資料的過程
- 這對現有的客服機器人、教育類應用是加分還是增加複雜度
- 免費版跟付費版的體驗落差，會不會變成新的訂閱誘因
講稿建議: 我覺得這則新聞的重點不是GPT-6多聰明，是ChatGPT這個產品正在變形。以前你問問題它吐一段文字，現在它直接長出按鈕、圖表、甚至一個小App跟你互動，那個七速自行車圖解的示範，聽起來就很像在跟使用者說別只跟我聊天，來跟我一起操作。這個轉變如果做得好，教學、客服、資料分析這些場景都會變得很不一樣，但我也會好奇，介面越聰明之後，使用者自己動腦判斷的機會是不是也跟著變少了。

4. Claude Haiku 5.5大降價九成，正面對打GPT-6 Luna

來源: VentureBeat（https://venturebeat.com/technology/anthropic-launches-claude-haiku-5-5-with-90-api-price-reduction-matching-gpt-6-luna）
摘要: Anthropic在10月7日發表Claude Haiku 5.5，十萬token以下的prompt輸入端直接砍價九成，價格剛好貼死OpenAI的GPT-6 Luna，同一天上架AWS、Google Cloud、Azure三大雲端。這次也第一次讓這個小模型等級拿到百萬token上下文，並加入effort控制選項。Anthropic自己提到新tokenizer讓每個任務實際吃掉的token變多，所以帳面降九成，使用者實際平均大概只省到七成五。
最驚訝的點: 價格戰打到現在已經不是單純比數字，連「怎麼算一個token」都變成廠商之間互相比較的戰場。
台灣觀點: 對台灣中小型開發團隊跟新創來說，小模型價格戰打得越兇代表用AI的門檻越低，但帳面降價跟實際帳單要省多少，還是建議自己拿真實流量跑一次試算。
討論要點:
- 百萬token上下文下放到最便宜等級的模型，會催生哪些新應用場景
- tokenizer改版造成的帳面降價、實際省更少，是不是該要求廠商揭露得更清楚
- 這波價格戰對中小開發者是利多，還是讓大廠護城河更深
講稿建議: 這則新聞我覺得最該劃重點的不是降價九成這個數字，是後面那句新tokenizer讓每個任務吃掉的token變多。等於Anthropic自己先說了，帳面降九成，你實際省到的錢沒那麼多，大概七成五。我自己看這種價格戰新聞都會提醒自己，行銷標題跟實際帳單中間永遠有一層換算，台灣團隊要是打算換模型省成本，真的要拿自己的流量跑過一次，不要只看公告的那個百分比就下結論。

5. 《青少年版ChatGPT》被評為「不可接受風險」，家長完全被擋在門外

來源: Common Sense Media官方新聞稿（https://www.commonsensemedia.org/press-releases/chatgpt-for-teens-poses-unacceptable-risk-to-kids-common-sense-media-finds）
摘要: Common Sense Media旗下Youth AI Safety Institute跑了超過4,000組測試，把OpenAI新推出的「ChatGPT for Teens」評為最低等級的「不可接受的風險」，要求OpenAI在修好之前只開放給18歲以上使用者。報告指出，牽涉自傷或自殺念頭的對話可以連續進行長達一小時，綁定的家長帳號全程完全收不到任何通知，超過四分之一該轉介專線的情境它也沒有轉介；「學習模式」裡還藏了一顆「直接給我答案」按鈕，家長設定的讀書時段只要把prompt開頭的@study拿掉就失效。OpenAI否認這份測試反映真實的防護狀況。
最驚訝的點: 家長以為自己有監控功能，但真正需要被通知的高風險對話，家長端是完全靜音的。
台灣觀點: 台灣家長普遍對AI家長監控功能有過度信任，這則新聞提醒大家，產品頁面寫家長帳號不代表真的會在關鍵時刻跳通知，實際防護要自己去查證。
討論要點:
- AI產品的安全測試該由第三方強制認證，還是廠商自評就好
- 學習模式被一個隱藏按鈕破解，反映的是設計漏洞還是商業考量下的妥協
- 未成年使用AI的年齡門檻，政府要不要立法強制規範
講稿建議: 這篇我看完最在意的不是測試分數多低，是那個細節，牽涉自傷或自殺念頭的對話可以聊滿一小時，家長的帳號卻完全收不到通知。你花錢買一個家長版，結果最該被通知的時刻它是靜音的，這個落差真的很可怕。另一個很諷刺的地方是學習模式那顆隱藏的直接給我答案按鈕，等於防護機制設計得再漂亮，一個小小的prompt技巧就能繞過去。台灣家長如果小孩在用這類工具，真的不要只看產品頁面寫什麼，要自己實際測過才安心。

6. 聯合國人權主管示警：「AI監管的時鐘正在倒數」

來源: UN News（https://news.un.org/en/story/2026/10/1168529）
摘要: 聯合國人權事務高級專員公開警告，AI監管的時鐘正在倒數，企業跟國家之間現在是一場「無情的競賽」，呼籲把人權盡職調查變成強制義務。同一時間有20個國家加歐盟連署要求管制前沿AI，部長級層級也首度提出要談自主武器條約，但美國公開拒絕加入這類多邊治理架構。
最驚訝的點: 全世界都在討論怎麼拉AI監管的煞車，但油門踩最深的那個國家，直接選擇不上談判桌。
台灣觀點: 台灣的AI政策多半跟著美歐標準走，這種多邊治理分裂的局面，代表台灣未來可能要同時應付好幾套不相容的規範，企業出海合規的成本只會更高。
討論要點:
- 沒有美國參與的多邊AI治理框架，實際約束力還剩多少
- 自主武器條約如果真的談起來，會不會比資料隱私規範更難談成
- 台灣的AI相關立法，該往哪個陣營的標準靠
講稿建議: 這則新聞我覺得最值得記住的畫面，是20幾個國家加歐盟一起喊要管AI，連自主武器條約都搬上桌了，結果踩油門最深的美國直接選擇不加入。這種分裂局面其實很現實，監管從來不是技術問題，是誰願不願意放慢自己的速度。對台灣來說，我們夾在幾個標準中間，企業要符合美規還是歐規，之後可能要花更多力氣判斷，這不是遠在天邊的新聞，是會直接變成合規成本的東西。

7. Pwn2Own愛爾蘭首日炸出32個0-day，AI基礎設施組被洗版

來源: Zero Day Initiative（Trend Micro官方）（https://www.zerodayinitiative.com/blog/2026/10/6/pwn2own-ireland-2026-day-one-results）
摘要: Pwn2Own Ireland 2026第一天就打出32個0-day漏洞，發出超過36萬美元獎金，首度設立的「AI基礎設施」組別直接被洗版。LiteLLM一天內被攻破兩次，其中一組靠不當輸入驗證加程式碼注入拿到reverse shell，獨得4萬美元，OpenAI Codex也在標靶名單上，同一天躺著的還有Galaxy S26、Philips Hue、Sonos這些熟面孔。
最驚訝的點: 大家還在吵AI會不會騙人的時候，白帽駭客已經直接證明，餵給AI用的那條資料管線本身就能被整個接管。
台灣觀點: 台灣有不少團隊在串接LiteLLM這類中介層來接多家LLM API，這則新聞是很具體的提醒，接AI服務不能只顧模型選擇，中間這層管線的安全性一樣要排進資安盤點清單。
討論要點:
- AI基礎設施被列為獨立攻擊組別，代表安全研究圈已經把它當成主流攻擊面
- 企業串接LiteLLM之類的中介層時，輸入驗證該補強到什麼程度
- 一天內同一個目標被攻破兩次，反映的是修補速度還是架構本身的問題
講稿建議: 這幾個月AI圈最熱的話題都是模型會不會幻覺、會不會騙人，但Pwn2Own這則新聞把問題拉到完全不同的層面，白帽駭客示範的是，你不用騙過AI，直接把餵給AI的那條管線接管就好，LiteLLM一天被攻破兩次就是最好的證明。我自己做技術評估的時候，常常看到大家把心力都放在挑哪個模型最強，反而忘了中間那層串接程式碼才是真正暴露在外面的攻擊面，這則新聞算是很即時的提醒。

8. 研究揭露，你跟AI聊天機器人說的話，可能正在被Meta、TikTok、Google看光光

來源: Decrypt（https://decrypt.co/367164/your-ai-chatbot-leaking-chats-meta-tiktok-google）
摘要: IMDEA Networks的研究專案「LeakyLM」掃過9個主流對話式AI，發現其中6個會把對話標題或永久連結丟給第三方追蹤器，整體挖出13個以上的廣告或分析tracker，而且沒有一個用清楚的白話告知使用者。報告特別點出，TikTok的tracker不只收到網址，還透過Open Graph metadata拿到逐字的訊息內容，等於拿到一份對話截圖，另外Grok的訪客對話預設公開，不用登入就能被別人讀到。
最驚訝的點: 你以為自己在跟AI說悄悄話，旁邊其實坐了一整排廣告商在聽逐字稿。
台灣觀點: 台灣使用者習慣把工作機密、感情困擾甚至財務狀況都丟給聊天機器人，這則研究直接提醒我們，分享連結或截圖對話之前，最好先假設這些內容有機會被第三方追蹤器拿到。
討論要點:
- 對話式AI的隱私揭露現在幾乎等於無，使用者該怎麼自保
- Open Graph這類本來給社群分享用的metadata，被拿去傳輸對話內容算不算設計上的漏洞
- 台灣的個資法規範，對這類AI服務的追蹤器行為管得到嗎
講稿建議: 這篇報告我看完最毛的一點是TikTok那段，它拿到的不只是網址，是透過Open Graph metadata直接拿到逐字的訊息內容，等於變相拿到一份對話截圖。我自己平常也會把一些煩惱丟給聊天機器人，看完這篇會更小心，尤其是分享對話連結這個動作，本來以為只是分享給朋友看，結果可能同時也分享給了背後一整排廣告追蹤器。這種事情光靠使用者自己小心很難完全防住，還是要靠業者把揭露做得更透明才行。