鴻海把電力與散熱接了過來。AI 基建不只是缺晶片。

今日漫畫 出演・水無瀨 澪

今天的 AI 新聞集中在兩件偏硬體的事。一是資料中心的競爭已經不只比晶片，鴻海把施耐德的電力與散熱專長拉了進來；二是機器人和無人機開始用比過去快得多的節奏迭代。Anthropic 模型遭出口管制的事這幾天也有了新後續，上百名資安專家連署反對，開源社群則直接把下架的模型蒸餾成開放權重。

基建戰打到電力、散熱與光

鴻海與施耐德電機的合作，把 AI 基建的競爭推到了伺服器以外。兩家公司宣布展開策略合作，共同開發次世代 AI 資料中心，結合鴻海在先進運算平台、AI 機櫃整合與全球製造的能力，加上施耐德在電力系統、冷卻技術與能源管理的專長，合作生產今年稍晚開始。

鴻海董事長劉揚偉說，AI 快速演進下產業需要全新的基礎設施設計、建構與交付模式。施耐德執行長 Olivier Blum 的說法是，運算規模擴展的同時，背後的能源系統成為關鍵驅動力。雙方接下來要做的，包含閉環式能源最佳化、模組化電力與冷卻系統，以及標準化的設計框架。

光連接是另一條同時在升溫的線。TrendForce 最新矽光子研究估計，CPO 與 NPO 市場會從 2025 年約 1 億美元，成長到 2030 年的 390 億美元以上。隨著傳輸速率從 100G／lane 升到 200G 甚至 400G，傳統銅線在訊號損耗與功耗上的限制越來越明顯。NPO 因為保留模組化、可維修與多供應商彈性，是多數 CSP 的近中期過渡方案，Alibaba、Tencent、Meta、Microsoft、Amazon 都偏向先布局；CPO 更適合高功耗、高密度的中長期場景，但要克服良率、可維修性、光纖連接器標準與 InP 雷射供給。終端客戶已經開始提前鎖定雷射、光接收器與光纖，AMD 在積極預訂高功率 CW 雷射，Corning 則拿下 Meta、NVIDIA、Amazon 的投資與長約。

散熱也跟著製程在變。AI 高功率晶片從氣冷轉向液冷後，水冷板的接合面改採「鍍鎳加鍍金加銦」的高難度製程，才能跟晶片上的散熱蓋板完美焊接、維持長期熱傳穩定。表面處理廠匯鑽科據此在泰國提前建置 800G 以上的光模組產線，號稱當地第一條可量產的同類產線，第三季投產、月產能上看 50 萬套。

晶片這端則出現了另一種轉向。路透報導，字節跳動正與上海 AI 晶片新創天數智芯洽談採購，今年可能交付至少 5 萬片，多數用於支援 AI 聊天機器人豆包的推論工作，同時也在評估百度的崑崙芯。推論不一定需要最高階晶片，這給了中國本土晶片切入的空間，目前本土 GPU 與 AI 晶片在中國 AI 加速伺服器市場的占比已接近 41%。Google 也在分散 TPU 的供應鏈，降低單一來源的風險。

Physical AI 開始用兩個月翻一次

漢翔總經理莊秀美在一場專訪裡，把無人載具的研發節奏講得很清楚。過去研發一架教練機或戰鬥機，從設計、首飛、試飛到驗證至少要十年，但無人機幾乎每兩個月技術就翻轉一次，她形容這已經是戰場即研發場，一邊作戰、一邊研發、一邊成長。背後是戰爭型態的轉變，俄烏、印巴、美伊的衝突都顯示現代戰爭趨向低成本、高消耗的不對稱作戰，無人載具成為主流。

AI 在這裡不是單一硬體上的功能。莊秀美舉的例子是蜂群決策：一群無人機群飛時，長機一旦被擊落，原本各有任務的僚機要由誰接下指令、如何重新分派，都得很快用 AI 決定。無人機因此是結合感測、通訊、控制、演算法與決策的智慧載具。衛星通訊與去紅供應鏈，則成了國防與產業安全同時要顧的課題。

漢翔自己的智慧製造從 2016 年就開始鋪。目標是在生產過程做到預警、預測、預防：熱壓爐導入感測器與 AI 監測，升溫曲線一異常就立即警示，避免整爐昂貴的複合材料零件報廢；機匣加工用鑑別式 AI 在鑽孔時同步檢測並補償誤差；刀具壽命則靠分析震動數據預測斷裂風險。生成式 AI 平台「問問阿翔」把龐雜的航太文件與規範變成可快速查詢的系統，並整合進對外服務的 AIxWARE 平台。

同一天還有兩個不同方向的機器人思路。瑞士新創 Orbit Robotics 的 Helios 走了一條反直覺的路，四條手臂、沒有雙腿，因為在太空微重力下腿幾乎沒用。它讓兩條手臂固定在太空站內壁、另兩條處理貨物工具，達成傳統雙臂機器人在零重力下做不到的一邊穩住自己、一邊作業。傳動用肌腱驅動讓手臂更輕，肘部用滾動接觸式關節讓動作更平滑。會這樣設計，是因為太空後勤很貴：國際太空站維護約佔組員 35% 的時間，一次貨物卸載週期可達近 50 小時，以每位太空人每小時約 14 萬美元計算，這些不需要人類判斷力的工作代價驚人。

另一條路關心的是門檻。西雅圖公司 Numurus 的執行長 Jason Seawall 認為機器人產業正在等一個 Windows 時刻。他的判斷是硬體已經到位，NVIDIA、AMD、Qualcomm、Hailo 的 Edge AI 處理器已經能在本地端跑 AI 模型、做毫秒級決策，成本與能效也過了實用門檻，真正卡住的是軟體複雜度。機器人要介接相機、雷射、GPS 與馬達，需要能連結即時感測數據與 AI 模型的控制軟體，一旦這層被標準化，客群就能從資金充裕的機器人新創、大型 OEM 與國防承包商，擴展到 STEM 教育與跨領域研究者。

別讓模型吃掉一切

微軟執行長納德拉這幾天連發長文與貼文，講的是同一件事：決定企業競爭力的，未必是模型本身。在〈A frontier without an ecosystem is not stable〉裡，他主張真正重要的是圍繞模型建立的前沿生態系，並認為這次平台轉移和過去不同，人類首度能在人與數位系統之間建立一個認知迴圈，從根本改變組織理解「工作」的方式。

他為此提出一組對照。人力資本是員工的知識、判斷、關係、創造力與模式辨識能力；Token 資本則是組織自己打造並擁有的 AI 能力。他的看法是，人力資本不會因為 Token 資本成長而貶值，反而更有價值，因為是人類在設定目標、跨領域連結、辨識出最重要的模式，沒有人類的指引，運算只會原地打轉。真正的機會不在挑最好的模型，而在模型之上建一個讓兩種資本複利成長的學習迴圈，他把它比喻成不斷嘗試、評估、修正的爬山機器，落實下來就是私有評測與私有強化學習環境。

模型公司的定價行為，這天也被當成競爭力的指標來讀。MiniMax 的旗艦模型 M3 上線時定價約為前代 M2.7 的兩倍，不到一週就宣布永久降價 50%，退回到與前代接近的水準，被解讀為市場不認可它原定的溢價。智譜走的是相反方向，年初至今把 API 價格翻倍，而且在使用量持續成長的情況下守住了這個價格。在推理供給仍然吃緊的階段，沒有公司會在需求過剩時主動降價，一家公司若在新模型上線後迅速從溢價撤退，等於用定價承認市場不買單。這套邏輯被提煉成三項測試：SOTA 能力反覆交付、得到驗證的定價能力、以及可持續的工作流採用。

微軟自己也往這個方向走。它發布了自研的基礎模型，用來提升 AI 產品的自主性與成本控制，降低對 OpenAI 的依賴。考量到微軟先前對 OpenAI 的大規模投資，這個策略轉向格外引人注意。

禁令的反作用力

昨天講的 Anthropic Fable 5、Mythos 5 遭出口管制下架，這幾天開始出現反彈。6 月 15 日，上百名資安專家連署發表公開信，說明 AI 對資安工作的重要性，要求政府官員解除禁令。對防禦方來說，把一個已被廣泛使用的商業模型納入出口管制，可能反而削弱自己手上的工具。

開源社群的回應更直接。有人釋出名為 Qwable-v1 的開放權重模型，宣稱是從 Anthropic 短暫公開約四天（6 月 9 日到 6 月 12 日）的 Fable-5 蒸餾出來的 Qwen3.6-35B-A3B。Fable-5 上線時帶有反蒸餾分類器、會即時遮蔽思考區塊，而 Qwable-v1 想保留的，是這套機制下還能被學到的部分。

經濟學家 Tyler Cowen 先前的警告在這個背景下更具體了。他的論點是，真正的問題不在於 Anthropic 與政府誰說得對，而是已經有大量使用者把模型嵌進工作流程，卻面臨服務被強制切斷，這種管制方式可能加速全球用戶轉向中國 AI 模型。禁令能不能維持，要看連署聲量與華府協商哪一邊先有結果。

本地玩家的這一天

把鏡頭轉到 Reddit 的社群，今天熱鬧的是一群在自己機器上跑模型的人。影像生成這邊，有人用 SCAIL-2 做本地動畫，從 Z-Image Turbo 的角色 LoRA 出發、拿隨機 TikTok 舞蹈當動作參考來驅動角色，還自製節點處理長片段的身份漂移；Ideogram 4 的構圖控制也被反覆測試，有人純靠 prompt 加 bounding box，不用任何參考圖就重現了 1980 年代的恐怖片海報。Flux Klein 9B 則一邊出了表情控制 LoRA，一邊被抱怨難把兩個角色穩定合成到同一張圖。

本地語言模型那邊，話題在硬體和模型實測之間來回。有人為了純靠自主代理寫程式，準備砸七千美元配 RTX 5090 工作站，也有人在 Mac Mini 64GB、DGX Spark 與 5090 之間反覆權衡。比較有意思的是一組實測：有人在 Claude CLI 的同一套流程裡比 Qwen3-coder-next 80B-A3B 與 GLM 4.7、5.2，結果本地的 Qwen 80B 稀疏模型在寫程式上追平甚至小勝 GLM 4.7，GLM 5.2 則仍贏下全部測試。

出口管制的餘波也飄到了這裡。除了前面提到的 Qwable-v1，社群還在傳一個完全離線的本地 coding agent Kiln，主打不打雲端、不上傳程式碼，甚至提供可以證明離線的氣隙模式。對這群人來說，模型被誰下架，往往只是多一個把它搬到本地的理由。

AI 與人之間

人資軟體公司 Workday 的一份報告，點出 AI 在職場一個沒被太多人講的副作用。資料顯示 86% 的員工認為 AI 讓自己更有生產力，但效率提升的同時，人與人之間的溝通也被一起抹去。報告裡有一個數字很說明問題：高達 44% 的人坦言選擇問 AI，是因為它速度快，而且絕對不會挑戰或質疑自己的想法。目前已有三分之一的員工，每週和同事的私人對話次數屈指可數，剛進職場的 Z 世代受影響最深。

監管和平台這邊也各有狀況。英國政府宣布要禁止 16 歲以下兒童使用社交媒體，並對直播、陌生人聯繫與 AI 戀愛聊天機器人加上額外限制，最快 2027 年春季上路。Meta 旗下的 Threads 與 Instagram 則在週末爆發大規模誤封，許多經營多年的媒體與公眾人物帳號突然被判定為未滿 13 歲而停用，Meta 事後坦承是年齡判定機制的技術錯誤，正在修復。

能力的邊界也被重新量了一次。Datadog 推出 ARFBench，讓各家 AI 模型針對真實發生的服務中斷事件做故障研究與根因推理，結果即便最先進的模型仍無法勝過人類工程師。教育市場則是另一種熱：美國設有 AI 主修的大學從 2021 年的 5 所，增加到 2026 年至少 74 個主修，但這張新文憑究竟值多少錢，目前還沒有人能回答。

資安快訊

今天的資安事件以漏洞利用和執法行動為主。

• Google 威脅情報團隊揭露中國駭客組織 UNC6508，鎖定北美學術、醫療與軍事研究機構，潛伏逾一年後濫用企業管理工具外洩資料，GTIG 與 Mandiant 已摧毀其惡意基礎設施
• Palo Alto Networks 警告 PAN-OS 漏洞 CVE-2026-0257 已遭積極利用，攻擊者藉此存取 GlobalProtect VPN
• 思科 Catalyst SD-WAN Manager 的任意檔案寫入漏洞 CVE-2026-20262 被 CISA 列入已遭利用清單，思科同日釋出修補，呼籲儘速更新
• 運作近 10 年的釣魚即服務平臺 SniperDz 被 Group-IB 協同國際刑警組織與阿爾及利亞警方瓦解，主要開發者落網
• 隨美伊衝突延燒，伊朗駭客組織 Handala 傳出入侵加州一家水務公司，洩露 GPS 基礎設施憑證與客戶個資