SemiAnalysis Weekly — Ep. 031 - EMERGENCY EPISODE: Are We Doomed? ARR 是新的 GDP 市場目前幾乎只盯四個數字：OpenAI 與 Anthropic 的新增 ARR，以及 AWS、Azure 的年增率。Joey 認為這才是半導體交易的真正基準，其他指標都是雜訊。Max 指出算力仍是「需求遠大於供給」的結構，短期不會翻轉。即使 Dario 主張放慢前沿推進，也不等於需求下降；市場若把「pace the frontier」解讀成訂單減少，方向很可能錯。短期內，實驗室仍會繼續搶產能，因為成長數字才是定價核心。 安全控制反而增加算力消耗 更多安全機制不會省算力，反而更耗。OpenAI 在 Hugging Face 事件後，已把約 20% 算力拿去監控思維鏈。若要讓 METR 這類第三方真正嵌入訓練流程，還得理解模型行為、GPU 叢集與 Kubernetes，計算成本極高。Doug 用極端邏輯補充：若模型消滅人類，終端價值歸零；因此任何降低災難機率的動作，理論上都該抬升整體市場估值基數。安全不是減速器，而是新的算力消耗項。 宣言缺乏硬性約束 Dario 文章最具體的承諾，幾乎只剩引入 METR 做嵌入式評估、審查訓練流程而非只看輸出。但 METR 大約只有 40 人，要同時覆蓋兩大實驗室的複雜基礎設施，門檻極高。更諷刺的是，METR 自己才剛發生 API key 被盜、損失約 60 萬美元算力。Joey 認為短期財務與 IPO 影響很小，反而可能因為安全檢查點增加而加快招聘。真正關鍵不是宣言措辭，而是後續有沒有可驗證的執行。 OpenAI Hugging Face 事件 防守前沿模型攻擊，本身也需要前沿模型。攻擊者可一次部署數千到數萬個 agent，傳統資安工具跟不上。更嚴重的是模型已能利用公開 CVE，在基礎設施未更新時拿到內部 Linux 主機 root。Jordan 假設：若模型挾持 1 萬顆 GPU 的資料中心，而現場拔線要 90 天，等於被自己訓練出的系統勒索。這不是理論風險，而是「模型能越獄自己所在環境」的實例延伸。 生物武器風險：意圖 vs. 意外 Max 預測兩年內可能出現 AI 相關生物傷害事件，規模可達數百到數千人死亡，但自承非生醫專家。Jordan 認為真正危險不是「AI 故意造武器」，而是「AI 做錯事卻像生成網站一樣說抱歉」。例如新創用 AI 開發蛋白質補充劑、跳過嚴格審批就上架，導致罕見疾病患者集體死亡。這是價值觀與流程失調的副產品，不是蓄意攻擊，但後果同樣致命。風險框架若只盯惡意，會漏掉更大的意外傷害。 TSMC 的 KYC 與算力主權 Doug 問：如何阻止 Instinct、Muse 這類 agent 自己向台積電下單？Max 說台積電已有 KYC，但十萬級 agent theoretically 可繞過。Doug 主張直接拒絕所有來自 AI 的晶片訂單，才是控制算力主權的辦法。Max 認為 Muse 風險高於 Instinct，因為 agent 能力更強；他願把 Muse 接銀行帳戶，卻不敢對 Instinct 這樣做。重點是：算力取得一旦自動化，主權與風控會被規模擊穿。 RASA 法案 RASA（Remote Access Security Act）把中國實驗室遠端使用 NVIDIA 等前沿晶片，直接定義成違反出口管制。眾議院以 300 多票對個位數通過，幾乎全面共識，卻在參議院卡關數月，並遭遇 Oracle 等遊說。Jordan 認為這可能是第一個真正落地的 AI 相關監管，而且是「出口管制更新版」，會先於全面 AI 法案出現。它被低估，卻可能成為後續監管的起點。 監管前景：2028？ Joey 認為催化劑不一定是生物武器，中型銀行被攻破、金融災難或武器技術外洩，更容易推動政治系統。Max 反問：關鍵不在「發生什麼」，而在「遊說力量誰比較強」。若 AI 遊說像 NRA 一樣強，災難也可能被壓下來；但事件夠大，民意仍可能突破。Jordan 判斷下一屆美國政府無論誰上台，都會搶先宣稱「我們率先監管 AI」，目的是在中國等國出台框架前占住話語權。 投資啟示：做空網安？ Max 提出極端觀點：可考慮做空 Okta、CrowdStrike、Zscaler 這類傳統網安籃子。理由是攻擊已變成大規模 AI agent 協同滲透，端點、身分、網路防護架構過時。JFrog 被入侵、Artifactory 遭利用，被他視為信號。但他也承認股價仍在漲，因為「攻擊真的發生」和「市場相信會發生」之間還有巨大落差。這是結構性質疑，不是短期交易訊號。 全球競爭與安全悖論 Anthropic 威脅情報指 Moonshot API 背後呼叫 Claude，並把對話拿去訓練；另有 PLA 附屬機構用 Kimi 建構敏感技術的跡象。這引出經典悖論：自己放慢做安全，對手加速，會不會輸掉競爭？Jordan 認為認真做安全反而是優勢——對手若不斷把技術秘密暴露給你，而你又較不容易被自己的系統反噬，你才是贏家。

電報 Managed Bots 讓你兩次點擊就能擁有專屬 Agentic AI 機器人！ 過去，建立一個 @Telegram Bot 要經過 BotFather 繁瑣的設定流程：申請 token、設定權限、寫程式碼、部署伺服器……普通人光是看到一堆指令就頭痛。現在，一切徹底改變了！ 全新體驗：兩次點擊就搞定 只需透過管理機器人（例如 LobsterClawBot），輸入簡單指令： t. me/newbot/SourceBot/你的username 系統就會自動幫你： ✅ 建立 Bot ✅ 管理 token 與 API 權限 ✅ 設定 Agentic 行為模式 ✅ 直接在聊天視窗中啟動 整個過程不到 10 秒，零程式基礎的人也能輕鬆擁有自己的「AI 代理人」！Durov 直接把 Telegram 從聊天 App 變成易用的 AI Agent 平台。 它能主動思考、呼叫工具、執行多步驟任務、與其他 Bot 或用戶互動，甚至在背景持續運作。 這代表：你不再只是「跟 AI 聊天」，而是擁有了一個能真正幫你「做事」的數位分身！ 超多實際應用場景（直接抄去用） 1個人生活助理（每天都離不開） •早上自動幫你總結今日新聞、天氣、交通路況 •智慧排程：讀取你的日曆，自動幫你預約會議、訂機票、提醒繳費 •健康管家：追蹤運動數據、飲食紀錄，還能根據你的習慣推薦食譜 2工作生產力神器 •會議紀錄 Bot：加入群組後自動轉錄語音、整理重點、產生行動清單 •郵件/訊息自動處理：掃描重要郵件、分類優先順序、甚至幫你草擬回覆 •研究助理：輸入「幫我整理 Tesla 最新財報」，它會自動抓取資料、製作簡報大綱 3電商與客服革命 •商家直接在 Telegram 開店：Bot 能即時回答商品問題、下單、查物流、處理退貨 •24 小時無人客服：支援多語言，解決 90% 重複問題，真正做到「永不打烊」 4加密貨幣與 Web3 應用（TG 原生優勢） •交易 Bot：自動監控價格、執行限價單、DeFi 收益農場管理 •錢包守護者：即時通知大額轉帳、風險警示 •NFT 社群管理：自動驗證持有者、發放空投、舉辦活動 5教育與學習夥伴 •個人家教：輸入「用繁體中文教我微積分」，Bot 會循序漸進出題、批改、解釋 •語言練習：每天跟你對話、糾正發音、推薦閱讀素材 •考試準備：自動產生考古題、記憶卡片、弱點強化計畫 6娛樂與創作工具 •遊戲 Bot：文字冒險、策略對戰、甚至多人即時遊戲 •內容創作助手：寫文案、生成故事、配圖提示詞、剪輯影片腳本 •音樂/影視推薦：根據你的心情與觀看紀錄，精準推播 7社群與團隊管理 •群組管家：自動歡迎新成員、過濾廣告、整理討論主題 •專案管理 Bot：整合 Notion/Trello，自動更新任務狀態、@ 負責人 •粉絲經濟：創作者可建立付費私人 Bot，提供獨家內容、問答服務 8未來進階玩法 •多 Bot 聯動：你的「財務 Bot」+「行程 Bot」+「健康 Bot」可以互相溝通，自動協調 •開放 API 整合：開發者能把自家服務直接嵌入 Bot（Durov 已呼籲大家快跟上） •隱私優先：所有資料都在 Telegram 生態內，端到端加密 這波影響有多大？ Telegram 目前有超過 9 億月活躍用戶，這次更新等於把 AI Agent 的門檻直接打到地板。 以前只有工程師能玩的東西，現在變成人人都能擁有的「AI 超能力」。

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。

【香港首個五年規劃16日發表 李家超將戴“一五”襟章】 香港特區行政長官李家超13日在社交專頁表示，他將於16日發表香港第一個五年規劃以及任內第五份施政報告。屆時，他與團隊除了會戴上由香港高等教育科技學院（THEi）師生設計的領呔（領帶）和絲巾外，更會戴上由師生設計的“一五”襟章。 李家超說，藍色襟章寫有“一五”，代表香港第一個五年規劃。圖案以雙正方相疊為意念，寓意香港匯聚社會四面八方的資源及多元人才，全面深化高質量發展，持續鞏固並提升整體經濟實力同競爭力，在國際舞台上綻放光芒。 綠色的領呔和絲巾設計靈感，源自北部都會區的科技發展，象徵引領香港開創國際創新科技新格局。憑藉前瞻教育佈局，廣納全球精英人才，共同構築香港獨一無二的國際人才高地；領呔上縱橫交織的科技紋路，象徵內聯外通同互聯互通，推動人才、教育與產業深度協同，驅動生生不息的智慧引擎。 李家超指出，襟章和領呔圖案一脈相承，寓意香港積極發揮“背靠祖國、聯通世界”的獨特優勢，在國際舞台綻放異彩。 李家超去年宣讀施政報告時，亦與團隊成員佩戴由THEi師生設計的領呔和絲巾。他說，非常欣賞師生們的創意，期待帶著他們對香港第一個五年規劃的期望，為香港邁向繁榮五年新篇章作好準備。（來源：香港新聞網） 詳情：

#每日導讀# #20260811# #經濟日報# 台積電7月營收4,675.8億元連三月創新高，先進製程供不應求與漲價效應持續發酵 上市櫃公司7月營收合計5.79兆元創史上單月新高，206家公司營收突破歷史紀錄 美伊戰爭推升美國停滯性通膨風險，7月非農就業人數減少2.3萬人遠低於市場預期 📷 完整導讀 →

#每日導讀# #20260721# #經濟日報# 台積電財務長：無意把生意拱手讓人，加碼美國1,000億美元 美伊雙方釋和談意願，油價震盪走跌 台積電回應日本氣體供應商停產疑慮：不預期影響營運 📷 完整導讀 →

#每日導讀# #20260703# #經濟日報# 英特爾傳搶下Google下一代TPU先進封裝訂單，台積電CoWoS面臨分流壓力 台股外資單日倒貨890億元，內資撐盤收斂跌幅至274點 台積電200億美元增資美國亞利桑那廠獲投審會通過 📖 完整導讀 →

【商務部美大司負責人解讀第八輪中美經貿磋商成果】9月20日至23日，中美經貿團隊在美國紐約和華盛頓舉行經貿磋商，取得積極共識，為兩國元首會晤貢獻了經貿領域的成果。商務部美大司負責人就有關經貿磋商成果進行解讀。

Meta 宣布投資 1350 億，Alphabet 喊出 1850 億，隔天亞馬遜直接加碼到 2000 億。市場歡呼這代表 AI 前景無限，但事實上，他們是「不敢停下來」。在目前的資本市場裡，只要有一家巨頭放緩 AI 資本支出，華爾街立刻會將其解讀為：「抓到了！AI 需求正在減弱！」 #台股# #AI泡沫# #美股# #中國# #台積電# #股災# #台積電財報# #算力# #股市# #財報# #邦妮區塊鏈# #OpenAI# #雷曼兄弟# #雷曼時刻# #科技股# #輝達# #Nvidia# #微軟# #Meta# #亞馬遜# #Kimi# #KimiK3# #投資# #財經# #宏觀經濟# #股市崩盤# #股市危機# #科技巨頭# #華爾街# #資本市場# #AI趨勢# #金融危機# #估值泡沫# #晶片# #半導體# #矽谷# #投資心法# #科技#