【花巨資仍難逃“資安風險”，藍營批台當局招標有“貓膩”】 據台媒報道，美國網絡安全公司Fortinet近日驚爆大規模憑證外洩事件，全球逾7萬台FortiGate防火牆與SSL VPN設備的登入憑證遭黑客竊取外流。 台當局“數位發展部”資安署緊急發佈“FortiBleed”重大警訊，要求各機關全面盤點設備風險。然而這場全球網絡安全風暴，卻意外掀開了台當局耗費巨資打造的網絡安全防線背後那道觸目驚心的裂縫。 國民黨“立委”馬文君6月25日火力全開，直指台“陸軍”在2025年底決標的“機敏資安核心”案，總經費高達6.1億元新台幣，中標廠商中光電智能雲服採用的核心設備，正是美國廠商的Fortinet防火牆。 馬文君指出，這項標案攸關台軍網路管理核心繫統，“一旦遭入侵，影響的恐怕不是單一設備，而是整體軍網監控與管理能力”。 馬文君稱，早在今年3月，同黨“立委”徐巧芯質詢時便已發出預警，當時參與投標者包括具大型資安建置經驗的中華電信、華經資訊等業者，最後卻由資安經驗最少、沒有大型資安系統建置實績的中光電得標。短短3個月後，資安署的緊急警訊便印證了當初的擔憂絕非空穴來風。 面對國民黨的連番質問，民進黨當局的回應卻顯得格外消極。馬文君痛批，當局“國防部”至今仍強調“設備合規、原廠使用廣泛、廠商有履約實績”，卻始終未清楚說明台軍系統是否受到影響、是否出現在相關情資清單，以及目前究竟完成了哪些檢查與補救措施。“當局的責任是守護台灣安全，不是替廠商辯護；花的是納稅人的錢，就必須接受最嚴格檢驗”。（來源：香港新聞網） 詳情：

馬斯克花了四百四十億美元買了推特，被當成是他經營失敗的例子，雖然他透過合併再合併，讓跟著他投資的朋友，得以藉由SpaceX脫身，但推特本身，今時今日，絕對沒有四百四十億的價值。Ben Thompson說，因為馬斯克是硬體專家，而不是軟體專家，所以推特才沒有成功。在實體世界可以讓馬斯克一再往前推進的工程能力，放在零與一的世界裡，充滿了問題。Thompson說是物理的極限，限制了馬斯克的瘋狂，東西能不能用，一翻兩瞪眼，他的獨特能力，就是一路測試這個物理極限，然後把東西做出來。但軟體沒有物理限制，隨時可以ship產品，瘋狂的主意，像是「能不能把照片裡的女生衣服脫掉」，變成嘴巴一說就會成為現實的產品，完全乎略了人與人互動的問題與限制，反而讓產品在市場造成消費者的疑慮。也就是說，馬斯克極端的產品問市能力，反而在軟體世界是個問題。 我認為Thompson雖然有智慧，但這個看法是屁。 第一，軟體也有物理的限制，也不是馬斯克想要ship什麼，就可以有什麼。不然他怎麼不去寫一個反重力的演算法？或是花上無數的人力去生出這個不可能的任務？第二，硬體也可以有不切實際的功能，像是Cybertruck的超硬外殼，超過了這個世界上九成九的人需要的程度，但馬斯克還是ship了這個產品。馬斯克當然會因為物理的限制，有些事不能做，但也不是可以做的事，他就一定做，或是一定要放在產品裡。 馬斯克在推特的失敗，最重要的原因，和馬斯克沒有關係。推特本來就是一個死亡中的商品，被政治徹底毀滅的產品，先是左派把它的言論廣場的功能拿掉，馬斯克買下來之後，「什麼都可以的態度」則又把一堆垃圾塞到時間軸裡，造成使用經驗極差。一個死亡中的產品，連神仙都救不了。巴菲特說過，「如果一個惡名昭彰的產業，碰到一個經營名聲很好的管理者，通常是產業的名聲還是會持續。」馬斯克就是花錢買了個垃圾，誰都救不起來的垃圾，雖然我感謝他讓這垃圾還繼續經營著。 Thompson也對xAI深表悲觀。直接把馬斯克的推特失敗，外插到馬斯特一定會在AI失敗，甚至說他應該專心蓋數據中心來賺錢就好。神經病，馬斯克搞AI是為了多賺兩塊錢嗎？搞AI模型，那是未來的戰爭，只蓋數據中心，掌握了什麼鳥未來？而且，誰說模型的競賽，馬斯克輸定了？OpenAI和Anthropic的互有領先，證明了模型的競賽還沒有定於一尊，誰會領先，完全取決於下一個模型的問市。誰說xAI輸定了？SpaceX錢這麼多，xAI要燒錢，還會燒輸Anthropic或是OpenAI嗎？

《Freedom of Money Art》動畫版｜第一集 CZ @cz_binance 創辦幣安，改變了全球幾億人獲取金融自由的方式。他從零到一，從一間出租屋到全球最大的加密貨幣交易所。他寫過很多關於創業、關於韌性、關於保護用戶的文字。 但《幣安人生》前兩章，CZ寫的不是這些。 CZ寫的是贛榆。那條挑水的路。那盞煤油燈。那個永遠有花生的口袋。 CZ選擇從這裡開始講故事，這件事本身就很説明问題——他知道一個人從哪裡來，比他要到哪裡去，更能定義他是誰。 我們做這部動畫，是因為我相信這個開場值得被更多人看見。 不是為了告訴世界CZ後來有多成功——成功的故事太多了，不缺這一個。是為了告訴世界：那個六歲跟在母親身後挑水的男孩，那個在煤油燈下咬鉛筆頭的男孩，那個看燈泡看到出神的男孩——他後來改變世界，不是因為他突然變成了另一個人，而是因為他一直是那個從贛榆走出來的孩子。 他見過凌晨四點的灶房。他知道三百米有多遠。他知道一盞燈意味著什麼。 所以他做交易所，會把用戶資產安全看得比什麼都重——因為他從小就知道，「光」不是理所應當的。 CZ走了很遠。從贛榆到合肥，從合肥到全球。但那條土路，那盞煤油燈，那個永遠有花生的口袋——它們沒有消失，它們長成了CZ做一切事情的地基。 這篇讀後感寫給他。這個短劇也做給他。 希望大表哥喜歡。 @heyibinance

台灣第一季經濟成長率超過13%，是1980年代以來的最高紀錄，我們這種經歷過經濟起飛大家樂年代的人，都以為不會再看到這個榮景，所以看到這個結果，感到非常不可思議。在世界的歷史裡也少有進入已開發經濟的國家，還可以有這樣的成長率。我有幾個觀察重點。 第一，很多人都說台灣運氣好，搭上這波AI的順風車，我說不是運氣好，而是台灣一直都選對陣營壓寶。從國民黨來台之後，台灣因為全球戰略的關係，一直採取「親美」的國策，蔣介石靠美國保護而得以偏安，蔣經國搭上出口美國的大潮，創造了台灣第一次的經濟奇蹟。民進黨因為反共而親美，自然不用說，但除了馬英九要把台灣綁進中國的那幾年外，其它的國民黨政策也都是親美的。1989年天安門事件後的二十年，台商瘋狂投資中國，那也是親美的政策造成，台商去中國蓋工廠，因為要賣產品到美國，因為要幫美國公司生產，所有的終極目標都是對著美國，連台積電都是美國人張忠謀成立的。美國巨大的商業市場，自由的經濟，加上法治的人權保護和發達的金融市場，得以一再地創造新科技，一再地把生產力提升帶來的繁榮富庶，帶給美國及親美陣營。親美的國策，給了勤奮、聰明的台灣人一個發達的機會，那不是是運氣。光憑這點，台灣花再多錢買美國武器都值得。 第二，一如1980年代的大家樂瘋狂，一旦台灣人發財了，各式各樣的泡沫，就會出現。但這一次不一樣的是，台積電帶來的「雨露均霑」溢流效應，還連帶地促進了股票市場的發達，這是一個很重要的不同於1980年代之處。當台灣人在1980年代發財了，台灣人的理財方式相當受侷限，因此有些熱錢跑去炒消費品，跑去玩大家樂、六合彩，但更多的錢是進了銀行或是買了房產。銀行和房地產市場，對國家來說，都是比較差的儲蓄資源分配方式，因為相信「有土斯有財」，所以台灣人不但有超高的房屋自有率，還把房價炒到年輕人買不起房子。而銀行的保守放貸方式，也限制了資金流向新興科技業。因此，當台積電的高股價、高市值、高全球知名度，把一般不買股票的台灣人也吸進台股後，台灣的股票市場，變成一個更好的儲蓄及資源分配管道。當然，股市相對變得重要，也代表股市的榮枯，會是民心及政府執政的重要經濟指標，如何處理熊市時的低盪，也會是執政者未來的考驗。但總的來說，讓自由的股市來運用台灣人的儲蓄，是比讓銀行或是房市來吸納，更有效率。 第三，經濟成長帶來的財富及稅收，可以解決很多的政治問題，但執政者能不能抵抗亂花錢買票的民主壞習慣，變得相當重要。因為有高經濟成長的政府，很容易像中了彩券的個人一樣，把錢隨便就花掉，甚至花在需要長期供養的習慣上，那就會造成長期的問題。台灣因為一直有中國威脅及外交孤立的問題，在財政上比一般國家來得小心，但是還是得防範左派的正義魔人試圖綁架政策，「錢那麼多，福利多一點有什麼關係？」。大體來說，如果要花錢，要花在投資，而不是是消費。所以如果要在「加發失業救濟」和「提高基本工資」之間選一個，要選提高基本工資；如果要在「住房補助、社會住宅」和「捷運基建」之間選一個，要選「捷運基建」；如果要在「育兒補助」和「老人健保免費」，要選「育兒補助」。選未來，而不是買選票，保留經濟彈性，而不是綁住僵化的福利制度，就是一個比較理性的選擇。 台灣的問題很多，極待處理，但我想世界上很多國家，都會想要有台灣的這些問題。

2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。 從學術的角度看，他說得完全正確。 直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學術上的根本缺陷，工程上不一定要正面解決，繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他： 第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。 這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？ 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。 但繞過去的，跟真的解決，是兩回事。 只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。 模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。 用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 還沒更新，它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。 從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我，差異的核心在於：中間過程要不要進主 context。 用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、改檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。 同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。 所以同一個模型，不同的人用，產出可以差十倍。 人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。 取而代之的，是你怎麼使用 AI。這件事的精度，才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。 這些東西有一個名字，叫 Context Engineering。 它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。

📢ACGHK 2026 週邊重要公告‼️‼️ 大家好，我們是冒汗心跳的 RPG《棕色塵埃 2》 今日(7/24) 15:30 以前售出的【有緣之客換裝立牌-威廉明娜】有缺少配件， 若您有購買此商品，且仍然還在會場或者預計於7/25~7/28再次入場， 敬請攜帶您的商品與收據至週邊販售區尋找工作人員領取補發配件。 更多相關領取注意事項，還請遵從現場工作人員指示。 若您已經離開會場，且無後續來場預定， 敬請您私訊FACEBOOK粉絲專頁，我們將另外引導您後續處理。 在此為本次帶來的不便致上最深的歉意，並且謝謝您的體諒與支持。 #棕色塵埃2#

【竊取機密】蘋果起訴OpenAI竊取商業祕密 案件備受矚目 蘋果起訴OpenAI竊取商業祕密，指控這家AI初創公司及其硬件負責人竊取有關蘋果未發佈產品的信息。「OpenAI在各個層級，從技術人員到硬件總監，並與商業夥伴協調配合，一直在竊取蘋果的商業祕密和機密信息。」

从DC摘取 @opinionlabsxyz 评价：团队格局还是挺大的，给因为stable结算问题受损失的2B NO用户积分补偿 ⚠️需要在DC开票提交，24H有效 原文： 關於今日關於 stable market 結算結果的爭議在此作出回應。在過去的幾個小時里，我們團隊已經在多個平台上深入調查了事件的來龍去脈，也認真聽取了大家的反饋。 首先需要明確的是，這個過程中並沒有任何惡意行為。爭議主要源於對CMC 信息展示的不同理解，以及我們的MOD在著急解決社區問題時使用了一些不夠準確的表述。作為一個以信息準確性為核心的平台，我們確實應該始終保持最高標準。 我們一直以行業最高標準來要求自己，致力於實現最透明、盡可能減少爭議的結算規則。但預測市場始終是一個新興領域，許多細節都需要在實踐中不斷完善，這也是所有主流平台都在經歷的過程。我們正在積極聽取大家關於治理架構、仲裁流程、結算規則、AI oracle 機制以及市場倒計時功能等方面的建議。技術團隊也在持續評估優化中。 這次事件再次提醒我們仍有提升空間。感謝參與這個市場的用戶們持續為 pre-TGE 類別市場的優化提供寶貴建議，也為了彌補那些參與了該市場但體驗欠佳的用戶，我們決定本週撥出 10,000 積分給到在最終結算時持有 2billion "No" 倉位的用戶。這些積分將根據交易規模按比例分配。為確保覆蓋真實參與用戶並妥善收集每個人的反饋，請符合條件的用戶在 24 小時內通過 Discord 頻道開票提交積分申請。 積分開票格式如下： 標題：[Stable FDV Market] 詳細信息： 1）登錄地址 2）持倉代幣：必須是 2Billion "No" 才符合申請資格 3）數額（以 USDT 計） 4）簡述您在 Stable FDV market 的交易過程 我們歡迎所有建設性的反饋，但也注意到近期一些惡意言論給社區核心用戶帶來了困擾。我們始終對客觀的反饋持開放態度，但絕不會向破壞社區和諧的惡意行為妥協。 接下來我們即將迎來 Opinion Carnival Week，敬請期待。 感謝大家一如既往地支持，讓我們繼續共同構建預測市場的未來。

【股權合作】7-Eleven母公司擬與軟銀達成股權合作 告別單打獨鬥戰略 Seven & i Holdings向軟銀和PayPay出售部分股權的打算，表明該公司願意放棄對自身未來的一些控制權，以換取與關鍵戰略伙伴結盟帶來的好處。軟銀、PayPay和三井住友正在進行談判，目標是在今夏簽署協議。