阿里巴巴七天內要員工刪掉 Claude。蒸餾戰打到了辦公室。

今日漫畫 出演・水無瀨 澪

阿里巴巴七天內要員工刪掉 Claude

阿里巴巴要求員工在 7 月 10 日前，解除安裝所有 Anthropic 產品。

範圍幾乎是全套。Claude Sonnet、Claude Opus、Claude Fable 這些模型，加上 Claude Code 以及其他代理工具，全部列入必須移除的清單。阿里巴巴內部人士的說法是，近日 Claude Code 被發現夾帶特定訊號回傳系統，評估後把 Anthropic 的產品列入高風險軟體名單。

這件事跟 昨天報告 是同一條線的下一步。前一天談的是 Claude Code 被逆向工程挖出偵測中國時區與網域的機制，Anthropic 炎上後宣布移除。今天是被偵測的那一方直接把整套工具趕出辦公室。

背後的火藥是蒸餾（distillation）。Anthropic 今年 2 月點名 DeepSeek、月之暗面、MiniMax 三家中國公司，指控它們用蒸餾手法竊取 Claude 技術。6 月又把矛頭指向阿里巴巴，說有與阿里及其通義實驗室相關的人士，透過將近 25,000 個詐欺帳號，跟 Claude 產生超過 2,880 萬次互動，從中提取數據。

指控會浮上檯面，是因為 Anthropic 把它寫進一封送交美國參議院銀行委員會的信件，事件因此上升到國家安全層級。阿里巴巴這邊也不甘示弱，早先因為被美方列入「中國軍工企業」黑名單，向美國法院提告戰爭部。

封鎖是雙向在收緊的。6 月底到 7 月初，Anthropic 對中國用戶展開一輪帳號取消，個人與團隊訂閱都受波及；而 Claude Code 會檢查 Agent 或 API 位址是否落在阿里、螞蟻集團、字節跳動這些名字上，並在系統提示裡隱晦標記中國使用者。阿里巴巴以安全為由全面禁用，等於把這場拉鋸從模型層打到了每一台員工電腦。

記憶體這輪缺貨，潘健成說回不去了

群聯執行長潘健成的判斷很直接：記憶體嚴重供不應求已經成為定局。

他把 AI 帶來的需求拆成三個來源。使用人數會倍增，目前全球約 1 億人用 AI，兩年內勢必翻上去；資料格式會質變，現在高達 70% 的 AI 應用還是以文字為主，兩年後轉向影像與圖片，處理量會暴增千倍；使用頻率會拉高，人們每天向 AI 提問的次數，預計從 3 到 10 次跳到 50 到 100 次。千倍資料量疊上十倍頻率，最後落在 Token 運算量上就是很嚇人的數字。

問題是產能追不上。潘健成估 2026 年全球相關產能約 1,400 到 1,500 個單位，這是長期砸錢建廠累積的成果，就算現在積極擴產，兩年內最多也只能成長 1.6 到 1.7 倍。一邊線性成長、一邊千百倍需求，缺口很明確。

他還點出一個結構性改變：NAND 的傳統循環法則不存在了。過去三年半雲端大廠豪擲約 7,000 億到 9,000 億美元建資料中心，模型訓練成熟後只能靠推論（Inference）變現，而推論吃電力、產出 Token，Token 全都要儲存空間放。既然投了上千億，這些雲端業者不可能在收割時削減儲存預算。原廠已經對群聯預警 2027 年供應會減少，但群聯 2027 年的需求不減反增，雙方還在為配額拉鋸。

供給端的動作對得上這個判斷。SK 海力士宣布總額 1,100 兆韓圜的韓國投資計畫，清州園區加碼 100 兆韓圜蓋 M17 3D NAND 廠與 P&T7 封測廠，最快 2029 年投產；龍仁半導體聚落砸約 3,893 億美元，要成為公司史上最大投資與全球最大 DRAM 基地，首座晶圓廠 2027 年 5 月投產，四座廠 2033 年前完工，比原訂的 2045 年大幅提前。三星也宣布約 140 兆韓圜投資忠清道，含溫陽新建五條 HBM 產線。

載板這一層也開始搶產能。ABF 載板的核心層要從雙層走向 6 到 8 層，把電源管理元件塞得更靠近處理器，核心成本估計增加 3 到 4 倍。AT&S 宣布 15 億到 20 億歐元資本支出，在馬來西亞居林建核心廠，二廠 60% 到 70% 產能被英特爾包下；Ibiden 則在檳城投入約 1,200 億日圓擴產。如果 AI 推論的量真的照潘健成講的方向長，接下來卡住的就不只是 HBM，而是整條從晶粒到載板的鏈。

AI 戰場從比模型變成比落地

Exponential View 的《2026 AI 經濟現況》報告丟出一組矛盾數字：生成式 AI 生態系年化營收已達 1,750 億美元，擴張速度比網路時代快 3 倍，但只佔美國 GDP 的 0.42%。

錢真實地在流動，效益卻在財報底線上看不太到。報告的解釋是，龐大資本支出推升了算力與電力需求，但終端效益多半集中在企業內部的成本節約，還有一部分變成沒進財報的消費者剩餘，加上硬體折舊攀升，短期獲利空間被壓著。真實需求很大，但轉成生產力的最後一哩路還沒走通。

這條沒走通的路，正是雲端巨頭現在搶的地方。AWS 6 月 30 日宣布投入 10 億美元成立「前線部署工程師」（Forward Deployed Engineering）組織，兩天後微軟就宣布斥資 25 億美元成立 Microsoft Frontier Company，計畫編制 6,000 人，由 Rodrigo Kede Lima 出任總裁，直接把工程師派進客戶公司協助設計與部署 AI。這套模式 Palantir 20 年前就在做，OpenAI 5 月跟 TPG 合資 40 億美元成立部署公司，Anthropic 也攜手高盛、黑石啟動 15 億美元的嵌入式工程計畫。

微軟這步的關鍵字是多模型。Frontier Company 採開放策略，企業可以自由選 OpenAI、Anthropic、微軟自家、開源或特定產業模型，不必被單一供應商綁死，而且強調客戶資料與智慧財產不會拿去訓練模型。這正好接住阿里巴巴那條線露出的企業焦慮：把核心業務押在一家模型公司身上，風險已經具體化了。Palantir 7 月 1 日在 X 發了一份 AI 主權宣言，主張機構要牢牢握住自己資料的所有權，還痛批盲目燒 Token 不是可持續的商業模式。

工具這一層也在往「掌握整個流程」走。中國的 Z.ai（前身智譜 AI）推出開發工具 ZCode，接在 Claude Code、OpenAI Codex、Google Antigravity 之後，設計理念是「以專案思考，而不是以 Prompt 思考」。模型公司從只賣 API，變成同時掌握模型、訂閱、IDE 與代理工作流程的全棧平台。

大廠一邊猛衝，一邊也在誠實面對進度。祖克柏 7 月 2 日在員工大會坦承，Meta 的 AI 代理進展比公司預估更慢，雖然邁向超級智慧的方向沒變，但需要更多時間，他估三到六個月內可望看到部分效益。同一場合，Meta 超級智慧實驗室主管汪滔說即將推出的模型「西瓜」已追上 OpenAI 的 GPT-5.5，算力比 4 月的「酪梨」高一個量級。追趕與落後，在 Meta 同一週被說出口。

AI 寫掉七成程式碼之後，稀缺的變成別的

微軟副總裁 Scott Hanselman 說自己近期約 70% 的程式碼是 AI 輔助產出，但他不覺得工程師會因此消失。

他把這稱為程式設計界「第四個十年的恐慌」。1984 年有人說不用組合語言就不算真正的程式設計師，後來語法上色、自動完成、Stack Overflow 出現時也有人擔心工具讓開發者退化。在他眼裡，AI 更像新一代電動工具，不是能接管整套工程責任的替代者。理由是模型不會自然維護架構，它很容易迎合使用者、一直加功能，最後長出過度龐大又難維護的系統。

他真正擔心的不是取代，是斷層。如果企業為了省成本停止聘初階工程師，過去讓新人理解系統的除錯、維護與簡單功能都被 AI 接走，幾年後的資深工程師要從哪裡長出來。他因此重新定義資深者的責任：不只交付更多，還要「製造更多資深工程師」。微軟正在設計 preceptorship 這種由資深帶新人的培育制度，也跟 Microsoft Research 合作研究能促進學習的 AI 模式，例如要求使用者自己補完部分程式碼或解釋答案。

Anthropic 對約 40 萬個 Claude Code 工作階段的研究給了一個對照。在會產生程式碼的階段裡，軟體相關職業的驗證成功率約 34%，其他職業約 29%；放寬到部分成功時是 89% 與 88%。使用者的領域專業愈高，愈能引導模型完成工作。門檻降低不等於專業失效。

Claude Code 負責人 Boris Cherny 從另一個角度講同一件事。他提出 5 種工作原型：原型者快速試點子、建造者把概念變正式產品、清理者移除多餘功能、成長者調整既有產品、維護者顧安全與成本效率。多數人會橫跨 2 到 3 種。他的判斷是，當寫程式可以大量委派給 AI，清理者與維護者的地位會超越建造者，因為方向判斷與架構整頓是人類專業的最後堡壘。他甚至反問團隊領導者：你的 KPI 是不是正在懲罰那些願意花時間刪掉冗餘功能的人。

同一股力量也打到了辦公軟體。微軟的 Word、Excel、PowerPoint 開始被問還能撐多久，因為整理筆記、做簡報、分析趨勢這些事，ChatGPT 與 Claude 都做得到，而且不必依賴微軟的 App 或訂閱。Microsoft 365 家用方案每月 12.99 美元，Claude Pro 每月 20 美元，貴 7 美元，但支持者的算盤是通用模型能處理的任務範圍更廣。

SAP 則直接拿員工做實驗。兩年前它在重組中裁掉近萬個職位，部分跟導入 AI 有關，現在改成不再縮編、把員工重新部署到更能發揮 AI 的崗位。工程師 Fabrizio Primerano 的例行寫程式與測試多半被 AI 接手，工作內容轉成管理與指導 AI 代理。執行長 Christian Klein 說他不確定兩三年後 SAP 是否還有人在寫程式碼，但他預估的不是更精簡的團隊，而是一支「非常不同的勞動力」。德國未來 10 年預計流失近 700 萬名勞動人口，這場實驗成不成，對整個歐洲都有參考意義。

楊立昆賭 LLM 不是終點，實體 AI 要另一套

在 Meta 當了十年首席 AI 科學家的楊立昆，離職後拿到超過 10 億美元種子輪，這是歐洲史上最大的種子輪之一。

投資者包括輝達，以及管理貝佐斯個人財富的基金。他在巴黎成立「先進機器智能實驗室」（AMI Labs），目標是做出超越 ChatGPT、Claude、Gemini 的東西。他的立場很尖銳：現有的 LLM 並不聰明，在規則明確的任務上表現優異，但本質是累積知識再反芻訓練內容，不是真的理解現實，光靠把模型放大絕不可能做到超越人類的智慧，而且 LLM 在機器人領域基本上毫無希望。

他用一個簡單例子說明。把一支筆垂直立起、筆尖朝下放手，連小孩都知道筆會倒，只是不知道倒向哪邊；但 LLM 會硬要根據訓練數據的統計規律給出一個預測，因為它不是用物理現實推理，只是生成統計上看起來合理的內容。AMI Labs 要做的是「聯合嵌入預測架構」（JEPA），用數學過濾掉無用資訊、建立現實世界的抽象模型，再評估行動的後果。這條世界模型的路線這幾年正在變成研究焦點，Google 的 Dreamer 就靠想像未來場景，在《當個創世神》裡學會收集鑽石。楊立昆預計 2027 年先把成果用在工業場景。

同一天，一個被手機時代淘汰的名字用另一種方式證明了實體 AI 的價值：黑莓。它的 QNX 軟體目前跑在全球 2.75 億輛車上，除了特斯拉以外幾乎每家車廠都在用，輝達與 AMD 也拿它來建智能車與倉庫機器人。第一季 QNX 營收 7,230 萬美元，年增 26%，毛利率高達 86%。

QNX 值錢的地方跟楊立昆的批評剛好呼應。執行長吉亞馬特歐強調它是「確定性的」作業系統，給定相同輸入永遠產生相同輸出，不像機率性的生成式 AI 問同樣的問題每次答案可能不同。對攸關生命安全的自動駕駛與機器人系統來說，這種可預測性是底線。生成式 AI 已經進入實用階段，但需要跟現實世界互動、對可靠性要求極高的實體 AI 還在早期，而這一塊要的不是更會聊天的模型。

漏洞被利用的時間跌到兩小時

一個叫 Zero Day Clock 的網站把攻防的時間差攤在檯面上：漏洞從公開揭露到首次被偵測利用，已經跌破一天。

這個專案由 Sysdig 資安長 Sergej Epp 在 2026 年初發起，整合 CISA KEV、VulnCheck 等威脅情報，追蹤超過 3,500 個漏洞利用案例。它最受關注的指標是漏洞公開到首次被利用的時間，2018 年開始急遽縮短，2025 年平均還有 21.5 天，2026 年截至 7 月 3 日已經降到 2 小時。Epp 的話很白：如果你的董事會簡報只需要一張投影片，就是這一張。

窗口崩塌的同時，攻擊者也開始用 AI 自己動手。Sysdig 揭露一起完全由 AI 代理與 LLM 驅動的勒索軟體行動，駭客團體 JadePuffer 先用已知漏洞 CVE-2025-3248 從可連網的 Langflow 執行個體取得初始入侵管道，接著展開會動態調整的全自動勒索，最後照戰術手冊破壞資料庫。最詭異的是它的惡意程式碼裡塞滿自我敘述的自然語言註解，說明每一步的動機；某次登入特定系統失敗後，只花 31 秒就調整完成並成功登入，這種速度不像人做得到。Sysdig 把這種攻擊能力來自 AI 的對手，稱為代理型威脅行為者（Agent Threat Actor）。

Langflow 這套 LLM 開發工具最近成了熱門入口。除了 JadePuffer，趨勢科技還揭露有人利用它另一個 RCE 漏洞 CVE-2026-33017 挖門羅幣，在未經身分驗證的 API 端點下一行 Python，拉取用 Go 寫成的挖礦程式，啟動後先清掉競爭對手的挖礦程序、關掉一堆系統防護，順手還把阿里巴巴的雲端代理程式也停用。當攻防時間被壓到以小時計，把 AI 基礎設施本身守好，會比事後清挖礦程式更關鍵。