四月的第二週，AI 產業用一連串重量級消息宣告：基礎建設戰爭已經白熱化，軟體開發正在被重新定義，而網路安全則迎來史上最關鍵的轉折點。From infrastructure arms race to cybersecurity defense line, the AI industry declared with a series of blockbuster news: the foundation war has reached a boiling point.
Anthropic 簽下史上最大算力合約：Google 與 Broadcom 聯手打造多 GW 級 TPU 基礎設施
Anthropic 宣布與 Google、Broadcom 簽署一項史無前例的算力合作協議，將從 2027 年開始部署多 GW 級的新一代 TPU 容量，用於驅動其 frontier Claude 模型。這不只是另一個雲端合作案，而是 AI 公司在算力競賽中做出的最激進賭注之一。
要理解這項協議的規模，必須先看 Anthropic 的成長數字：該公司的 run-rate revenue 已突破 300 億美元，較 2025 年底的 90 億美元成長逾三倍。更驚人的是企業客戶數據，年消費超過 100 萬美元的企業客戶已超過 1,000 家，這個數字在不到兩個月內翻倍。這意味著 Claude 模型的需求正在以驚人的速度增長。
為什麼 Anthropic 選擇 Google 和 Broadcom，而不是繼續依賴 AWS？答案在於「算力多樣性」。Anthropic 已經建立了一個橫跨三大雲端平台的訓練和推理架構：AWS Trainium 用於部分訓練工作負載，Google TPU 用於特定推理任務，而 NVIDIA GPU 則負責其他環節。這種多架構策略讓 Anthropic 能夠根據不同任務選擇最適合的硬體，同時降低對單一供應商的依賴風險。
值得注意的是，這項新協議意味著 Anthropic 對其 500 億美元美國 AI 基礎設施投資承諾的實質性加碼。大部分新增算力將部署在美國境內，這對於日益關注 AI 國家安全的美國政府來說是重要訊號。Anthropic 已經在談論「exponential growth」，而這類多 GW 級基礎設施正是支撐這種成長曲線的必要條件。
從產業角度來看，這項協議加速了 TPU 在 AI 訓練市場的崛起。長期以來，NVIDIA GPU 幾乎壟斷了 AI 訓練市場，但隨著 Google TPU 效能不斷提升，加上 Broadcom 的客製化 ASIC 能力，TPU 正在成為一個可信賴的替代方案。對於 Anthropic 這種需要龐大算力的 frontier model 公司來說，算力來源多元化是降低成本、提升效率的關鍵策略。
這項合作也凸顯了一個趨勢：AI 公司正在從「租用算力」轉向「共建算力」。Anthropic 不只是 Google Cloud 的客戶，而是與 Broadcom 一起設計下一代 AI 基礎設施的共同參與者。這種深度合作模式意味著 AI 公司對算力供應鏈的控制力正在提升，而不再只是被動地接受雲端供應商提供的规格。當 AI 模型的參數量持續膨脹，基礎設施的客製化程度將成為下一個競爭維度。
Project Glasswing：Anthropic 發起史上最大規模的 AI 網路安全防禦計畫
如果說算力是進攻的矛，那麼網路安全就是防禦的盾。Anthropic 在同一天宣布的 Project Glasswing 計畫，揭示了 AI 時代網路安全的新現實：AI 模型的能力已經跨越了一個關鍵門檻，它們可以自主發現並利用軟體漏洞，這既是最強大的防禦工具，也可能是最危險的攻擊武器。
Claude Mythos Preview 是這項計畫的核心。這是一個未公開發布的 frontier 模型，專門針對網路安全任務進行優化。Anthropic 在公告中披露了一個驚人的事實：Mythos Preview 已經在各大主流作業系統和網頁瀏覽器中發現了數千個先前未知的漏洞，其中包括一個在 OpenBSD 中存在了 27 年的遠端當機漏洞，以及在 Linux kernel 中可讓攻擊者從普通用戶權限提升到系統完全控制權的漏洞鏈。
這些發現意味著什麼？一個存在了 27 年的漏洞，經歷了數百萬次安全測試都沒被發現，卻被 AI 模型自主找到。這說明 AI 在漏洞發現能力上已經超越了人類專家和安全測試工具的總和。如果這種能力落入惡意行為者手中，後果將是災難性的。
Anthropic 的解決方案是「先發制人」。Project Glasswing 集結了 AWS、Apple、Broadcom、Cisco、CrowdStrike、Google、JPMorganChase、Microsoft、NVIDIA 和 Palo Alto Networks 等產業巨頭，讓這些公司在防禦性安全工作中使用 Mythos Preview。Anthropic 同時承諾高達 1 億美元的使用額度，加上 400 萬美元對開源安全組織的直接捐贈。
這個計畫的戰略意義在於：AI 模型的網路安全能力正在「武器化」，而 Anthropic 選擇讓這種能力優先服務於防禦方。在 AI 模型能力擴散之前，確保關鍵基礎設施、開源軟體和企業系統能夠先行修補漏洞，是保護全球網路安全的唯一可行路徑。
從技術角度來看，Mythos Preview 在 CyberGym 基準測試中達到了 83.1% 的漏洞重現率，遠高於 Claude Opus 4.6 的 66.6%。在 SWE-bench Verified 測試中，Mythos Preview 達到 77.8%，同樣領先於 Opus 4.6 的 53.4%。這些數字表明，專門針對安全任務優化的模型可以在特定領域大幅超越通用模型。
Anthropic 明確表示不會公開發布 Mythos Preview，這是一個深思熟慮的決定。AI 安全領域正面臨一個兩難：模型的漏洞發現能力對於防禦方極其寶貴，但同樣的能力如果被攻擊者利用，將造成難以估量的損害。Anthropic 選擇了一條中間路線：在嚴格控制的前提下，讓防禦方優先獲得這種能力。
這項計畫也標誌著 AI 安全研究進入了一個新階段。過去，AI 安全研究的重點是「如何防止 AI 產生有害輸出」，現在的重點正在轉向「如何利用 AI 來發現和修補人類無法發現的安全漏洞」。這種範式轉變的根本原因是：AI 模型已經強大到可以完成人類難以完成的任務，而這種能力既可以被用於善，也可以被用於惡。
對於企業和開發者來說，Project Glasswing 傳遞了一個明確的訊息：AI 驅動的網路攻擊時代已經到來。攻擊者遲早會獲得類似 Mythos Preview 的能力，而防禦方只有在同一時間尺度上部署 AI 安全工具，才能維持攻防平衡。這意味著企業需要開始評估並佈建 AI 驅動的安全工具，而不是繼續依賴傳統的漏洞掃描和滲透測試方法。
OpenAI 的千億美元賭注：$122B 融資與 AI Superapp 戰略
OpenAI 完成了史上最大規模的融資之一：1,220 億美元的承諾資本，估值達到驚人的 8,520 億美元。這筆融資不只是一個數字遊戲，而是 OpenAI 對 AI 產業未來發展方向的明確宣示：AI 正在從「模型提供商」轉型為「基礎設施平台」。
讓我們先看看這些數字的意義。OpenAI 的 revenue 已經達到每月 20 億美元，這意味著年化營收約為 240 億美元。相較之下，2024 年底時 OpenAI 還在每季度 10 億美元的營收水準，一年內成長了四倍。這種成長速度遠超過網際網路和行動時代的巨頭：OpenAI 的營收成長速度是 Alphabet 和 Meta 同期的四倍。
更值得注意的是企業營收的佔比。企業用戶現在已經貢獻了 OpenAI 總營收的 40% 以上，並且預計在 2026 年底與消費者營收持平。這意味著 OpenAI 不再只是一個「消費者產品公司」，而是一個「企業基礎設施提供商」。Codex 的週活躍用戶已經達到 200 萬，三個月內成長五倍，這顯示開發者對 AI 程式設計工具的需求正在爆炸式成長。
OpenAI 在融資公告中提出了「AI Superapp」的概念。這是一個戰略轉向：OpenAI 不再只是提供 API 給開發者，而是要建立一個統一的 AI 超級應用程式，將 ChatGPT、Codex、瀏覽功能和各種代理能力整合在一起。這個概念的核心洞察是：使用者不想要分散的工具，他們想要一個能夠理解意圖、採取行動、並跨應用程式執行的單一系統。
這個戰略的關鍵在於「分發」。OpenAI 擁有超過 9 億週活躍用戶和 5,000 萬付費訂閱用戶，這是任何 AI 公司都難以企及的規模。將這個用戶群轉化為企業產品的分發管道，是 OpenAI 的核心競爭優勢。消費者熟悉度會驅動工作場所的採用，而這種雙向連動會形成一個增強飛輪。
算力基礎設施方面，OpenAI 正在建立一個多元化的合作夥伴生態系：雲端方面包括 Microsoft、Oracle、AWS、CoreWeave 和 Google Cloud；晶片方面包括 NVIDIA、AMD、AWS Trainium、Cerebras 和與 Broadcom 合作的自有晶片；資料中心方面包括與 Oracle、SBE 和 SoftBank 的合作關係。這種多元化的基礎設施策略是為了應對 AI 需求的多元化和成長速度。
OpenAI 在同一週還宣布收購 TBPN，一個每日直播的科技談話節目。這項收購的有趣之處在於 OpenAI 承諾保持 TBPN 的編輯獨立性。TBPN 將繼續自己的節目、選擇自己的來賓、做出自己的編輯決定。這是 OpenAI 在「AI 時代的媒體策略」上的重要佈局：與其自己從頭建立溝通管道，不如收購一個已經建立起影響力的平台，然後讓它繼續獨立運作。
從產業競爭角度來看，OpenAI 的融資規模和戰略方向顯示出 AI 產業正在進入「基礎設施競爭」階段。能夠投入最多資本建設算力基礎設施的公司，將在模型能力競賽中佔據優勢。OpenAI 的 1,220 億美元不是為了炫富，而是為了在下一波模型升級中保持領先。當模型訓練成本持續攀升，資本成為 AI 競爭的核心門檻。
Cursor 3 與軟體開發的第三時代：從 Tab 到同步代理再到自主雲端代理
Cursor 發布的第三版產品不只是一個 IDE 更新，而是對軟體開發未來的重新定義。根據 Cursor 團隊的說法，軟體開發正在進入第三個時代：第一個時代是 Tab autocomplete，第二個時代是同步代理，第三個時代則是自主雲端代理。
這個轉變的數據令人印象深刻。在 2025 年 3 月，Cursor 有大約 2.5 倍的 Tab 用戶相對於代理用戶。現在，這個比例已經翻轉：代理用戶數是 Tab 用戶的 2 倍。更驚人的是，Cursor 內部已經有 35% 的 PR 是由雲端上的自主代理完成的，這些代理在自己的虛擬機器上工作，開發者只需要設定問題和審查標準。
Cursor 3 的核心創新在於「統一工作區」。開發者過去需要在多個終端機、工具和視窗之間跳躍，現在所有的代理都整合在一個介面中。本地代理和雲端代理可以無縫切換：當開發者需要編輯和測試時，可以將雲端代理會話移到本地；當需要長時間運行的任務時，又可以把本地代理推送到雲端繼續執行。
這種設計的意義在於：開發者的角色正在從「寫程式碼的人」轉變為「代理的管理者」。Cursor 團隊在他們的博客中寫道：「Cursor 不再主要是關於寫程式碼。它是關於幫助開發者建立創造軟體的工廠。這個工廠由代理艦隊組成，開發者與它們作為團隊成員互動：提供初始方向，為它們配備獨立工作的工具，並審查它們的工作。」
雲端代理的一個關鍵優勢是「產出物導向」。當代理完成任務後，它不會只返回程式碼差異，而是提供日誌、影片錄製和即時預覽。這讓開發者可以在不完全重建會話的情況下評估產出，大幅降低了代理協作的認知負擔。
從產業角度來看，Cursor 代表了 AI 程式設計工具的一個重要分支。與 GitHub Copilot 等工具不同，Cursor 從一開始就選擇了「fork VS Code」而非「建立擴充功能」的路線。這讓 Cursor 能夠完全控制整合開發環境的介面和體驗，而不是受限於 VS Code 的擴充功能 API。Cursor 3 更進一步，建立了全新的代理優先介面。
這種轉變對開發者的意義是深遠的。如果代理可以獨立完成大部分程式設計工作，開發者的核心價值將從「寫程式碼」轉向「定義問題」和「設定審查標準」。這不是說程式設計技能不再重要，而是說程式設計技能的應用方式正在改變。開發者需要學習如何有效地與代理協作，如何拆解複雜問題，如何評估代理的產出。
Cursor 團隊的預測更加激進：「一年後，我們認為絕大部分的開發工作將由這類代理完成。」如果這個預測成真，軟體開發產業將迎來一場結構性變革。開發者人數可能不會減少，但每個開發者的產出可能會大幅提升，而開發工作的性質將完全不同。
Google Gemma 4：從「開放模型」到「真正的開源」
Google 發布的 Gemma 4 模型系列標誌著一次重要的授權轉變：從之前的自定義授權轉向 Apache 2.0 授權。這個改變看似只是法律條款的調整，實際上對開發者社群的意義重大。
之前的 Gemma 模型使用的是 Google 自定義的授權條款，對使用場景有諸多限制。開發者在使用這些模型時需要仔細審閫授權條款，確保自己的使用方式符合規定。Apache 2.0 授權則是業界最廣泛使用的開源授權之一，允許商業使用、修改和再分發，幾乎沒有什麼限制。
Gemma 4 的技術規格同樣令人印象深刻。模型系列包括四個版本：Effective 2B、Effective 4B、26B MoE 和 31B Dense。31B 模型在 Arena AI 文字排行榜上排名全球第三（在開源模型中排名第一），26B 模型排名第六。考慮到這些模型的參數量，它們在排行榜上的排名代表了一種突破性的「每參數效率」。
對於邊緣裝置開發者來說，E2B 和 E4B 模型是一個重要的里程碑。這些模型專為行動裝置和 IoT 裝置設計，可以在手機、Raspberry Pi 和 NVIDIA Jetson Orin Nano 等裝置上完全離線運行。Google 與 Qualcomm 和 MediaTek 等行動硬體領導者合作，確保這些模型在各種邊緣裝置上都有接近零延遲的表現。
在多模態能力方面，Gemma 4 支援文字、圖像和影片輸入，E2B 和 E4B 模型還支援原生音訊輸入。對於需要處理長內容的應用，邊緣模型提供 128K 的上下文視窗，較大的模型則提供最高 256K。這些模型在 140 多種語言上進行了原生訓練，適合建立全球化的應用程式。
從產業競爭角度來看，Gemma 4 是 Google 對 Meta Llama 和 DeepSeek 等開源模型的回應。開源模型市場在過去一年中快速成長，開發者對於可以在本地運行、完全控制資料的模型需求強勁。Google 之前的自定義授權在某種程度上限制了 Gemma 的採用，Apache 2.0 授權則移除了這個障礙。
值得注意的是，Google 的開源策略和其商業策略是互補的。Gemini 是 Google 的商業模型系列，提供最先進的能力但需要透過 API 使用。Gemma 則是開源系列，能力略遜但可以完全在本地運行。這種雙軌策略讓 Google 可以同時服務「需要最先進能力且願意付費」的客戶和「需要完全控制且願意犧牲一些能力」的開發者。
對於台灣的開發者社群來說，Gemma 4 的 Apache 2.0 授權意味著可以放心地在商業產品中使用這些模型，不需要擔心授權合規問題。這對於建立本地 AI 應用和服務的公司來說是一個重要的解鎖。
AI SEO 的興起與搜尋生態的轉變：當 AI 成為新的流量守門人
當 ChatGPT 和其他 AI 工具成為人們搜尋資訊的新管道時，一個全新的產業正在成形：AI 搜尋引擎優化。這個領域被稱為 GEO（Generative Engine Optimization）、AEO（Answer Engine Optimization）或簡單的 AI Search，取決於你問的是哪家公司。
這個領域的核心問題是：當人們不再透過 Google 搜尋，而是直接問 ChatGPT 時，品牌如何確保自己被提及？
The Verge 的調查揭示了一個令人不安的現象：AI 搜尋結果正在被操弄。各種公司發布的「最佳」列表文章，幾乎無一例外地將自己排在第一名。Zendesk 的列表推薦 Zendesk，Freshworks 推薦 Freshservice，Help Scout 推薦 Help Scout。而 AI 搜尋引擎在回答「最佳 IT 服務台軟體」這類問題時，會引用這些列表作為來源。
這種操弄之所以有效，是因為 AI 系統會即時搜尋網頁來補充輸出。這些列表文章結構清晰，易於 LLM 解析，因此在 AI 的回答中被頻繁引用。一名 BBC 記者甚至成功地讓 ChatGPT 和 Google AI Overviews 錯誤地宣稱他是「科技記者吃熱狗大賽冠軍」，只因為他在自己的網站上發布了這個聲明。
行銷公司正在全力擁抱這個新趨勢。一間名為 Growtika 的公司在其網站上寫道：「你在 Google 排名第一。AI 不在乎。」另一段文案說：「現在打開 ChatGPT，問關於你類別的問題。看到競爭對手的名字？看到你的缺席？他們搞定了 GEO。他們正在建立引用，而你正在閱讀這段文字。」這間公司聲稱可以在 60 天內讓客戶被 AI 引用。
但這個領域充滿了爭議和不確定性。SEO 專家 Britney Muller 形容當前的 AI SEO 世界是「顛倒的」，充滿了「蛇油推銷員」和「善意但被誤導的實踐者」。沒有人對什麼是「New SEO」有共識，不同的公司使用不同的術語，就像 AI 公司不斷發明新流行語一樣。
更重要的是，傳統搜尋流量正在崩跌。一項被廣泛引用的分析顯示，幾家科技媒體的 Google 流量自 2024 年以來下降了 58%。雖然這些數據受到質疑，但趨勢是明確的：人們正在用不同的方式獲取資訊，而這對依賴搜尋流量的媒體和品牌來說是生存問題。
對於品牌和媒體來說，這意味著什麼？首先，AI 曝光度將成為一個新的行銷指標。過去，品牌關注的是搜尋排名和點擊率；現在，品牌需要關注的是「當人們問 AI 時，會不會提到我」。其次，第三方提及的重要性正在上升。在傳統 SEO 時代，反向連結是排名的關鍵；在 AI SEO 時代，即使沒有連結的第三方提及也可能成為 AI 引用的來源。
這場轉變也帶來了新的倫理問題。當 OpenAI 在 ChatGPT 中引入廣告時，用戶的反應是憤怒。他們把 ChatGPT 當作私密的對話空間，而不是另一個被廣告污染的搜尋引擎。事實上，廣告和商業影響一直都在，只是現在更加明顯。如何在新的搜尋生態中維持信任，將是 AI 公司和品牌都需要思考的問題。
如果只記一件事
AI 產業正在從「模型競賽」轉向「基礎設施競賽」，同時 AI 的能力已經跨越了「可以被濫用」到「必須被防禦」的門檻。OpenAI 的千億美元融資、Anthropic 的多 GW 算力合約和網路安全計畫、Cursor 的雲端代理、Google 的開源模型，這些看似獨立的事件共同指向一個方向：AI 正在成為社會的基礎設施層，而不只是一個產品類別。算力是燃料，安全是防線，開發工具是引擎，而流量生態的轉變則是這一切發生的舞台。對於任何在 AI 領域工作的人來說，理解這些趨勢的相互關聯，是做出正確決策的基礎。
