氣候臨界點
地球已正式進入「氣候臨界點」時代，第一個已突破的臨界點是全球暖水珊瑚礁的大規模崩潰。根據2025年全球臨界點報告（Global Tipping Points Report 2025），2023年以來，全球超過八成珊瑚礁遭遇史上最嚴重的白化和死亡事件，大片海底由生機盎然變成滿佈藻類的墓地。此現象直接威脅到全球近十億人口的食物安全、沿岸防護和生計，因為珊瑚礁僅佔海床1%，卻支撐約25%海洋物種，每年創造高達2.7兆美元的經濟價值。
隨著地球溫度達到比工業革命前高出1.4°C，珊瑚礁已超過其臨界生存上限（1.2°C），即使現在立即降回1°C或以下，也只有部分區域能保留生機。除了珊瑚外，亞馬遜雨林因砍伐及氣候壓力，臨界風險已進一步降低至1.5°C，整體森林生態正面臨大範圍死亡威脅；格陵蘭冰蓋每小時流失相當於三座尼加拉瓜瀑布的淡水，大西洋洋流系統（AMOC）也可能在升溫至2°C前崩潰，影響歐洲冬季、全球季風和糧食產量。
本次臨界點報告適逢COP30即將於亞馬遜舉行，巴西政府用以強調生態系統保護的迫切性。雖然生態危機不斷累積，但太陽能、電動車等清潔技術已達「正向臨界點」，全球去碳行動加速帶來一線希望。科學家強調，唯有空前力度減碳和恢復保育，才可能避免更多不可逆的環境災難。
危機核心：
全球氣候「臨界點」開始被突破，部分系統已發生不可逆改變
珊瑚礁崩潰直接危害十億人口、25%海洋生態和多兆美元經濟
亞馬遜雨林和格陵蘭冰蓋等關鍵生態圈正面臨快速崩潰風險
大西洋洋流失衡恐造成天氣極端與糧食減產
唯有強力減碳和生態修復能避免更多臨界點被突破，改寫人類與地球未來
槓桿、壟斷與泡沫：解析矽谷萬億資本閉環
自2025年起，OpenAI 簽署了一系列總值高達一兆美元的運算能力採購協議，這筆龐大的資金需求遠超過其目前約120億美元的年營收。面對外界質疑，OpenAI 執行長 Sam Altman 透露，他認為自己發明了一種新的融資機制，能夠為這些交易提供資金。儘管 Altman 對此顯得有些興奮，但其營收能否支撐如此規模的協議仍是未知數。
有分析指出，這種被稱為「循環融資」的模式，實質上是科技產業中的一種「信任循環」。其中，Nvidia、AMD、Oracle 和 CoreWeave 等公司，透過投資 OpenAI，再將資金用於購買自己的晶片，形成一種環環相扣的資金遊戲。這種模式引發了市場對「AI 泡沫」和「循環融資泡沫」的擔憂，尤其當產業尚未產生對等回報時，資金湧入過多可能導致系統崩潰。
其中，Nvidia、OpenAI 和 Oracle 之間的合作模式尤為引人注目。Nvidia 對 OpenAI 進行了巨額投資，而 OpenAI 則向 Oracle 租用其營運的資料中心，Oracle 則大量採購 Nvidia 的 GPU 晶片。這種結構雖然讓各方皆能受益，但也意味著一旦 AI 應用不如預期，三者都可能面臨損失。
更具話題性的是 AMD 與 OpenAI 的協議，AMD 不僅將向 OpenAI提供大量晶片，更意外地授予 OpenAI 價值約佔公司 10% 的認股權。這是一種創新的「以股換單」模式，AMD 此舉意味著在產品尚未完全成熟前，就將公司部分股權交給潛在客戶，引起了業界的廣泛關注。儘管 AMD 表示此舉有利於雙方，但也有分析師擔憂，若 OpenAI 未來未能兌現訂單，AMD 將面臨嚴重的股權稀釋。
Oracle 與 OpenAI 的合作也曾推升其股價，但近期其雲端業務的低利潤率引發市場疑慮，顯示了 AI 產業鏈中，即使訂單量龐大，實際獲利能力仍是關鍵。
此外，第三方機構、銀行及主權基金提供的外部資金，在支撐這個「循環」的運轉中扮演了關鍵角色。目前，AI 產業的熱度吸引了大量外部資金注入，使得這些融資協議，即使只是意向書，也能為相關公司帶來融資機會。然而，這種過度依賴外部資金和金融槓桿的模式，一旦市場情緒轉變或宏觀經濟出現波動，整個循環可能面臨斷裂的風險。
AI 產業鏈的發展，雖然展現了驚人的成長動能，但其背後的融資模式和市場預期，也伴隨著潛在的泡沫風險。最終，AI 能否持續發展，取決於其能否真正創造可持續的價值，以及使用者是否願意持續付費。目前的AI熱潮，或許才剛剛開始，但投資者和市場參與者仍需審慎評估其長期潛力與風險。
澳洲雨林現在排放的碳多於吸收的碳
這是全球首次觀測到熱帶雨林的木質部分由碳吸收轉為碳釋放。主因是氣候變遷導致樹木死亡速度快於生長速度，包括極端高溫、乾旱及颶風等氣候壓力加劇。這項變化不僅顛覆了長期以來「森林是天然碳匯」的科學假設，也警示全球其他熱帶雨林有可能出現同樣的現象，迫使氣候模型與碳預算必須重新評估森林在未來抑制碳排放的能力。
目前全球氣候模型多假設森林將持續吸收越來越多的碳，澳洲雨林的逆轉反映出依賴森林抵銷化石燃料排放的減碳策略可能過於樂觀。如果其他地區如亞馬遜發生類似情況，將嚴重削弱全球溫室氣體減排成效。因此，科學家和政策制定者必須面對現實，尋求更多直接減少化石燃料排放的手段，而非單靠森林碳匯來達成氣候目標。
星艦的第11次試飛
回顧了SpaceX「星艦」的第11次試飛，這也是 第二代星艦的最後一次飛行，標誌著該型號試驗的圓滿結束。
此次試飛被描述為「絲滑」且「一氣合成」，所有步驟皆嚴格按預定時間表進行，成功體現了不斷實驗、疊代和收集數據的試驗宗旨。特別值得關注的技術亮點包括助推器在返回著陸時測試了新的 「五台發動機著陸點火方案」，旨在提高著陸的穩定性和可控性，同時星艦二級則在亞軌道部署了模擬器，並進行了 軌道真空點火。此外，本次試飛也成功解決了前次重返大氣層時出現的技術問題，並測試了新的隔熱填充物 “crunch wrap”，以確保星艦能夠在「完好無損」的狀態下快速重複使用，為即將到來的 第三代星艦 提供了寶貴的數據和經驗。
一個沒有出入口的車站
日本有一個山區火車站，沒有出入口、沒有道路或樓梯可到達的火車站，它唯一的作用，就是讓乘客下車呼吸一下新鮮空氣，觀賞山區的美景。
離開這個地方的唯一方法就是等下一班火車。
Andrej Karpathy — “We’re summoning ghosts, not building animals”
近期，AI 領域的發展日新月異，然而，對於強化學習（Reinforcement Learning）的潛力，以及 AI「代理人」（agents）的未來發展，專家們的看法卻存在著不同的解讀。AI 研究者 Andrej Karpathy 在近期的一場訪談中，便對此提出了他獨到的見解。
Karpathy 認為，將現今的 AI 發展稱為「代理人年」可能為時過早。他將現有的 AI 代理人比喻為「鬼魂」或「幽靈」，因為牠們雖然能模擬人類行為，但本質上是純粹的數位實體，與真實生物的智能存在根本差異。他指出，真正的智能爆炸早已發生，且持續數十年，自動化進程也在數百年間不斷演進。然而，要讓這些數位「鬼魂」真正具備如人類員工般的能力，還需要解決諸如智能不足、模態限制、持續學習能力、記憶力以及認知缺陷等諸多難題。他預計，這些挑戰的克服將需要大約十年的時間。
在談及 AI 的學習機制時，Karpathy 提出了一個引人深思的觀點：我們並非在「建造動物」，而是「建造鬼魂」。他認為，動物透過數百萬年的演化獲得了內建的複雜硬體和學習算法，而我們目前的方法是透過模仿人類行為和數據進行訓練。因此，AI 的智能與動物智能在根本上有所不同。他甚至認為，動物的演化過程與人類進行的強化學習過程截然不同，並對動物是否大量使用強化學習感到懷疑，認為動物的學習更多是生物學上的成熟過程，而非純粹的強化學習。
關於 AI 的未來發展，Karpathy 樂觀地認為，儘管挑戰重重，但技術問題都是可以克服的。他預計，未來十年將是代理人技術蓬勃發展的時期，但這並不意味著我們會立即迎來「代理人年」。他強調，實踐是檢驗真理的唯一標準，唯有透過實際編寫程式碼、實現功能，才能真正掌握 AI 的知識。他認為，目前的 AI 發展，雖然取得了令人驚豔的進步，但在許多關鍵方面仍顯不足，並且業界對此的過度樂觀和誇大宣傳，有時令人難以信服。他認為，目前階段，開發者更應專注於將技術落地，而非沉迷於華而不實的概念。
SMR是台灣高科技救星？直指台電「最大破口」與無碳微電網
台灣面臨的能源挑戰，特別是對於天然氣發電的高度依賴及其供應鏈的脆弱性，例如天然氣安全存量僅有七到十一天，遠低於其他能源。
清華大學葉宗洸教授強調了小型模組化反應爐（SMR）的潛在益處，特別是對高耗能的高科技產業，因為 SMR 不僅能提供穩定的無碳電力，還能使企業的電網與台電不可靠的電網脫鉤。此外，核電廠重啟或延役的經濟效益，指出核能可以顯著降低發電成本並幫助台電彌補巨額虧損。
葉教授借鑒韓國慶州成功設置中低階核廢料處置場的經驗，主張政府應主導，以具體的經濟回饋和工作機會來解決核廢料最終處置的社會接受度問題。
