豐田的螃蟹形行走輪椅
Toyota 在日本移動展上推出一款「會走」的概念輪椅，四條可折疊腿像機器動物般伸縮自如。
爬樓梯！不平路！四腳的伸縮設計，輕鬆應對不平地形，不再被障礙卡住。
人類大腦如何產生「頓悟時刻」（aha moments）？
頓悟源於大腦的表徵轉變，從混亂突然轉向清晰的理解，例如阿基米德在浴缸中領悟浮力原理，或愛因斯坦對相對論的靈光一閃。
神經科學家透過功能性磁振造影（fMRI）研究，使用模糊的黑白莫尼圖像（Mooney images）來捕捉這過程：參與者在觀看10秒後報告突然的確定感與正面情緒。研究顯示，視覺模式辨識區（VOTC）、情緒處理的杏仁核，以及作為不匹配偵測器的海馬體，在頓悟時同步激發，幫助大腦重組視覺輪廓並賦予意義。更強烈的神經反應則與更高的確定性和情感愉悅相關聯。
不僅如此，這些機制也強化了記憶的持久性：頓悟時VOTC與海馬體的活動增幅，直接提升五天後對圖像的回憶效果，因為突發的顯著體驗更容易被編碼為長期記憶。相較於漸進式解決問題，頓悟更能提升保留率，儘管偶爾會產生錯誤洞見，但正確的頓悟仍更常伴隨真實的「aha」感受。
在教育與創意應用上，這意味著鼓勵學生自行推導理解，能激發更強的動機與記憶；而在創意任務如隱喻生成中，頓悟雖帶來認知躍進，但其優勢依情境而定。未來，這類研究或許能延伸至心理治療或冥想，幫助我們更好地駕馭這些閃電般的智慧火花。
AI 最燒錢的戰場：資料中心的真實帳單
5000億美元，是 NASA 預估讓人類登陸火星的預算，卻只夠 OpenAI 建一座「星際之門」資料中心。這個數字可以買到1.36架空巴 A380，或是3.5個 NBA 聯盟。而 OpenAI 打造一座 Stargate 資料中心，光咖啡錢就要1400億杯。這可能只是個開端，他們的野心可能是現在的十倍甚至更多。除了 OpenAI，像 xAI、Meta 等科技巨頭也開始砸大錢在 AI 資料中心上，押注這個新的兆元市場。但這背後，錢都花到哪裡去了？
首先，資料中心的支出主要分為四類：IT 設備、供電設備、冷卻設備以及工程建設。其中，IT 設備佔大頭，像是伺服器、網路和儲存設備，每 1GW 的支出就高達431.5億美元。伺服器裡面的 CPU、GPU、記憶體等關鍵元件，通常由鴻海等 ODM 廠商直接供應給像甲骨文、Meta、亞馬遜等超大規模客戶。網路設備則需要每 1GW 37.5億美元的支出，主要供應商有 Arista、思科、華為和Nvidia。雖然 Nvidia 市佔率不高，但其 InfiniBand 網路通訊標準的低延遲優勢，更適合AI資料中心。儲存設備方面，每 1GW 需要19億美元，主要供應商是三星、SK海力士、美光和希捷。
IT 設備固然重要，但整個資料中心的支撐系統也至關重要。冷卻系統就是其中之一。冷卻系統的重要性不容小覷，傳統的空冷技術已經難以滿足高密度運算設備的散熱需求，液冷已成為必然趨勢。配備液冷系統的資料中心，冷卻設備需要每 1GW 約14.75億美元的支出。
再來看供電設備，主要包括緊急供電、備用柴油發電機、配電控制開關設備和UPS不斷電系統，以確保電力不中斷。僅緊急發電機，每1GW就需要8億美元的支出。但實際上，為了確保冗餘性，數據中心所需的柴油發電機可能要超過1GW。電力基礎設施每1GW的總成本為27億美元，看似不多，但電力供應已成為許多資料中心的核心瓶頸。
最後是建造成本，包括建築物、安裝、總承包商費用等，每1GW的估計成本約為42.8億美元。總結下來，建造一座 1GW 的資料中心，總支出約為516億美元，其中IT設備佔比最高，達到84%。這與 OpenAI 的 Stargate 項目5000億美元的投資金額相符。
不過，不同機構給出的數據差異很大。例如，對 Stargate 的預算估算，不同機構的差距高達2000億美元。這主要是因為各家機構的假設不同。例如，美國銀行（BofA）的計算側重於 Nvidia 預計在2026年底推出的 Rubin 架構，而其他機構則側重於2024年3月推出的 Blackwell 架構。此外，各機構對計算範圍的界定也不同，導致預算有所差異。
電力將成為資料中心的瓶頸。OpenAI 或其合作夥伴需要想辦法創造新的電力產能，甚至需要自己蓋發電廠、變電站和輸配電設施。為10GW的資料中心配備發電廠，成本可能高達1200-2000億美元。 Google 曾花費30億美元升級賓夕法尼亞州的兩座水力發電廠，以獲得3000MW的電力。Musk 也為 Colossus 2 項目收購了一座發電廠。資料中心正在激烈競爭電力。
美國的電網無法提供足夠的電力，天然氣渦輪發電機也供不應求，這促使了燃料電池等其他方法的發展。甚至有科技巨頭被「逼上太空」。Google 計劃在2027年將資料中心送入太空，因為太空太陽能發電效率是地球上的八倍，還能解決夜間沒有太陽能的問題，加上太空的真空和輻射散熱可以減少對冷卻系統的需求。
既然建造AI資料中心如此昂貴，而且市場對泡沫充滿疑慮，為何這股基礎設施熱潮卻只增不減？原因有二：第一，投資不足的風險高於過度投資。搶先獲得最佳 AI 模型或 AGI 的公司，將可能佔據大部分市場份額，迅速壓縮其他公司的生存空間。第二，只要有運算能力，科技公司總能找到利用它的方法。Meta的代表表示，他們現有的 GPU 已經需要大量的運算能力，僅僅用於內部 AI 任務，像是過濾 Instagram 或 Facebook 上的不當內容。
那麼，兆美元的需求從何而來？它來自於這些超大規模雲端服務供應商的自我產生資金。他們將利潤和債務再投資。最終，它依賴於公開市場（美國投資級或高收益債券市場）以及新興的影子銀行體系，也就是私人信貸。這些大型融資管道支撐著整個 AI 建設。
這種看似瘋狂的投資，本質上是「誰先到達未來」的遊戲。這條路可能充滿風險，但對於科技巨頭來說，「缺席」的代價高於「投資錯誤」的代價。
奧地利正在將原本普通的傳輸電塔改造成巨大的金屬動物
首批兩台原型機——它們已經過研發和預測試，確保了結構穩定性和高壓性能。
電力公司在一份聲明中表示：“這一以自然為靈感的設計最終旨在成為親自然基礎設施項目的象徵，加強該地區的經濟和旅遊業地位，並最終提高公眾對電網擴建項目的接受度。”
Gemini 3、Vibe Coding 和谷歌的全端戰略
最近，Google 執行長 Sundar Pichai 跟 DeepMind 的 Logan Kilpatrick 一起上了《Release Notes》節目，兩人坐在 Mountain View 聊得超開心，滿滿都是「我們終於把 Gemini 3 和 Nano Banana Pro 端上桌了」的興奮感。
Pichai 說，這幾週簡直像每天在過聖誕節，每天都有新東西丟出去，但這些都不是憑空變出來的，而是過去十幾年一步步砸錢、堆技術、熬夜 debug 換來的。現在看到一切開花結果，真的爽到不行。
他回顧了一下 Google 的 AI 老故事：
2012 年 Google Brain 圖像辨識大爆發、2014 年把 DeepMind 收進口袋、2016 年 AlphaGo 把李世乭打到懷疑人生，同年還偷偷把第一代 TPU 生出來。那時候他就喊出「AI First」，現在看來完全不是喊喊口號而已。
他覺得生成式 AI 真正厲害的地方，是把 AI 從「工程師的玩具」變成「人人想玩的東西」。正因為大家突然都想用，Google 才把 Brain 跟 DeepMind 兩隊人馬拉在一起搞 Gemini，同時瘋狂擴資料中心、訂 TPU、搶 GPU，錢燒得比煙火還漂亮。
聊到 Gemini 已經默默鑽進 Google 所有產品裡，Pichai 笑說這就是「AI First」最爽的驗證：搜尋變聰明、YouTube 推薦更懂你、雲端服務直接起飛，連 X（前 Twitter）都能跟別家一起玩出新花樣。而 Nano Banana Pro 一推出，直接把大家的創意開關打開，現在每個人都能拿香蕉亂搞一波，超好笑。
他自己評估產品有沒有成功的標準也很佛：當然會看數據、看網路上大家在吵什麼，但最重要的是他會親自下去玩，跟團隊混在一起聽真實反饋。他苦笑說，現在 Google 總部到處都是香蕉，走到哪都聞得到，有人直接把香蕉當滑鼠用，真的有夠瘋。
他偷偷爆料：Gemini 3 還有一堆殺手級功能沒放出來，例如 Flash 系列，DeepMind 現在大概每半年就升級一次模型，3.0 Flash 聽說會再把人嚇到下巴掉下來。2026 年會更誇張，大家準備好錢包跟心臟。
另外他也提到 Google 還在偷偷搞量子運算，還有那個超狂的 Project Suncatcher——要在太空蓋資料中心！聽起來像科幻片，但他說這些瘋狂計畫就是為了 10 年、20 年後那個「算力會不够用」的未來，得先卡位。
結尾時 Pichai 講得最溫暖的一段：
AI 真正酷的地方，是讓不會寫程式的人也能做出軟體，就像當年網路讓不會出書的人變作家，YouTube 讓不會拍片的人變導演。現在他看到團隊用 Gemini 3 隨手做個動畫網頁教小孩西班牙語，真的覺得這才是 AI 該有的樣子。
他說：「這些工具只會越來越強，我超期待看到大家拿它們搞出什麼鬼點子。」
整段訪問聽完就是一個字：爽！Google 這波真的玩很大，也玩得很開心。
