在 2025 紅杉資本 AI Ascent 大會上，紅杉合夥人 Pat Grady, Sonia, 和 Constantine 作為開場引言人，雖然謙稱只是「開胃菜」，但他們分享的觀察與觀點，猶如一道道精彩的前菜，為與會者描繪了 AI 時代的產業現況、發展速度，以及未來蘊藏的巨大機遇與挑戰。 AI 大浪為何如此重要？規模比你想的更巨大！ Pat Grady 首先拋出創投界的經典框架：「這是什麼？為何重要？為何是現在？接下來怎麼辦？」他巧妙地省略了「這是什麼」（畢竟在場的都是 AI 專家），直接切入「為何重要」的核心。 他引用一張對比圖：雲端轉型 (Cloud Transition) 當時的市場規模約 4,000 億美元，這已經大於當時全球的軟體市場總和。而對比這次
科技界巨頭與醫療體系結合，催生出前所未有的醫學人工智慧（AI）。最近，一個名為 Foresight 的生成式 AI 模型在醫療研究領域進行突破：它利用了來自英國國民保健署（NHS）高達 5700 萬名病患的去識別化健康紀錄進行訓練。這不僅是史上涵蓋人數最多的醫療 AI 訓練計畫，更是 首次將 AI 應用到一整個國家級規模的健康資料集上，為醫療研究和未來健康照護開啟了新的篇章。 這款 Foresight AI 模型擁有強大的預測能力，能根據個人的醫療歷史，預測未來可能發生的健康事件，例如： 1. 住院風險： 哪些病患在未來較可能需要住院？ 2. 特定疾病發生： 是否有較高風險罹患心臟病、中風等數百種不同疾病？ 3. 其他健康狀況： 潛在的醫療需求或健康趨勢。 研究人員在5月6日的記者會上表示，如果這些預測證實具有實用價值，Foresight 未來甚至有潛力直接用於輔助醫護人員判斷個別病患的照護需求，或是幫助 NHS 更有效地分配醫療資源。劍橋大學的健康數據科學家 Angela Wood 強調：
在 AI 領域，我們常聽說圖靈測試（Turing Test）是衡量機器能否展現與人類無異對話能力的里程碑。如今，大型語言模型（LLM）似乎已悄悄地通過了這個測試，但大家對其突破已習以為常，甚至會因為語音助理慢了幾秒或程式碼沒被完全除錯而抱怨連連。 NVIDIA AI 研究總監、身為廣受矚目人形機器人專家 Jim Fan 指出，當前業界對 LLM 的驚人進步視為「只是又一個平常的星期二」（just yet another Tuesday），這反映了我們對文字世界 AI 的標準已大幅提高。 然而，當我們將目光轉向現實世界，讓機器人進行物理操作時，會發現挑戰巨大得多。 Jim Fan 在演講中提出了一個引人深思的概念：「物理圖靈測試 (Physical Turing Test)」。這個測試的想像情境是：如果你回家後，看到雜亂的房間被整理得乾淨俐落，甚至還準備了一頓浪漫的燭光晚餐，而你無法分辨這是由真人還是機器人完成的，那代表這個機器人通過了物理圖靈測試。 但現實呢？看看那些連站起來都困難的人形機器人，
在前 Apple 傳奇設計長、現任 LoveFrom 創辦人 Jony Ive 少數的公開露面場合中，他與 Stripe 創辦人 Patrick Collison 在 2025 年 5 月 7 日於舊金山舉行的 Stripe Sessions 大會上，進行了一場深度爐邊對談（fireside chat）。這場大會主題聚焦於可程式化金融基礎設施（programmable financial infrastructure），而 Ive 在此背景下，分享他對於設計哲學、科技產業演變及團隊文化的洞察，探討的內容遠超越了單純的支付或金融議題，觸及了科技與人性更廣泛的連結。 從服務人性的初心，到金錢與權力的驅動 Ive 回憶起 1992 年剛來到矽谷時，感受到的是一種「天真爛漫的興奮」（innocent euphoria），當時科技界普遍懷抱著「服務人類」
Stripe 共同創辦人暨執行長 Patrick Collison 在開場演講中，揭示網路經濟的驚人成長動能，並強調在當前全球經濟充滿不確定性之際，有兩股「巨風」正以前所未有的力量重塑商業地貌：人工智慧（AI）與穩定幣（Stablecoins）。Stripe 則致力於打造可程式化的金融服務，協助企業駕馭這波變革。 網路經濟強勁增長，Stripe 扮演推手 Patrick Collison 首先分享了 Stripe 生態系的亮眼成績：2024 年，使用 Stripe 的企業總營收成長速度是標普 500 指數成分股企業的七倍。Stripe 平台上新增的支付量高達 4,000 億美元，相當於 Stripe 生態系的「GDP」成長。全年總處理支付金額超過 1.4 兆美元，佔全球 GDP 約 1.
小時候，我大概學過 QuickBasic 之類的東西，小學時，玩著智冠的盜版光榮三國志一代，我會在紙上畫著可能的策略遊戲想像，認為自己有一天可能可以寫程式做一個遊戲出來，很可惜不像比爾蓋茲，他小時候在森林健行可以腦海裡整理程式碼，我可都沒這天份，寫程式開發遊戲這件事一直都沒發生，在 286 之類的年代，倒是有胡弄些 AUTOEXEC. BAT 之類的 Congfig 檔文件。 到了大學，我可能參與了跟網路服務有關的社團，但我想大部份是在幫同學列印報告、玩 BBS、MUD 或者是 CS，也許可能架了站，有用過 FrontPage、DreamWeaver 或者是 PhotoImpact 之類的架設網頁的軟體，不過他就像是一個傻瓜編輯器，你可能懂一些網頁語法的邏輯，不過仍離程式開發非常遙遠，但大學畢業後我卻進了遊戲代理公司。 約莫在 2007 年前後，買了一本很厚 Ruby On Rails 的書，想說加減學學，搞不好學得起來，
人工智慧（AI）正以前所未有的速度重塑軟體開發。從程式碼生成、偵錯到自動完成，AI 程式開發助手已成為工程師不可或缺的利器，更是科技巨頭競相搶佔的戰略高地。 市場明星 Cursor（Anysphere 產品）因強大功能備受開發者青睞，業務成長驚人，曾傳年經常性收入（ARR）達三億美元，並朝百億美元估值融資。然而，Anysphere 展現強烈獨立意願，兩度婉拒 OpenAI 洽購，堅持獨立發展，成為 OpenAI 難以企及的目標。 錯失 Cursor 後，OpenAI 繼續尋找目標。面對基礎模型競爭白熱化，對手模型在程式碼相關測試表現強勁，OpenAI 必須快速拓展應用層，尋找新成長引擎。光有強大模型不足以維持優勢，OpenAI 必須在應用層建立產品，掌握用戶與數據，創造商業價值。相較自行從零開發，收購成熟產品是更快取得市場與用戶的方式。正如一位創投所言，對 OpenAI 而言，在應用層進行收購，
在現代戰爭或偏遠地區任務中，「時間」與「情資」是決定成敗的關鍵。想像一下，一個偵察小組深入敵後或人煙罕至的地帶，他們需要架設指揮、控制、通訊與計算（Command, Control, Communications, and Computing, C4）系統。
News
Google 執行長 Sundar Pichai 於 2025 年 5 月 3 日在 X 上分享的消息，他們的 Gemini 2.5 Pro 模型成功地「破關」經典遊戲《寶可夢 藍版》(Pokémon Blue)。畫面顯示，這項挑戰大約花了 106,505 個行動步數達成，最終擊敗遊戲裡的聯盟冠軍。這項成就，連同先前 Google 方面宣稱 Gemini 在寶可夢遊戲中比競爭對手 Claude 更快達到遊戲進度，都引發人們對 LLM 在這類任務上能力的討論。 Anthropic 在介紹其 Claude 3.7 Sonnet 模型時，曾闡述他們為何選擇寶可夢作為一個測試項目。
美國法院針對 Epic Games 訴訟 Apple 的一項最新裁決，無疑在科技界投下一枚震撼彈。簡單來說，這項判決要求 Apple 必須開放 iOS App 內的開發者，能夠引導使用者前往 App 外部 完成購買或訂閱，而且！最關鍵的是，Apple 不能對這些在 App 外發生的交易抽取佣金。 這場官司打了好幾年，核心爭議點之一就是 Apple 在 App Store 上要求開發者必須使用其內建的 In-App Purchase (IAP) 系統，並從中抽取高達 15% 到 30% 的佣金。批評者認為這是一種壟斷行為，扼殺了市場競爭。雖然先前法院已經有點讓步，允許開發者「有限度」地提供一個導外連結，但 Apple 隨後又試圖對這些導外交易收取 27%
高空之上，無數的無人機，如蝗蟲般，遮天蔽日，蠢蠢欲動。它們扇動著螺旋槳，發出低沉的嗡嗡聲，在空中盤旋襲捲著大地。戰士的目光銳利地則鎖定目標，毫不畏懼。他迅速拔出武器，槍口對準了可能存在的一切威脅。他隨時準備好，為守護他身後的一切而戰。透過簡單的控制台，看到了一切，也掌握了一切。突然，天空似乎破碎了，密密麻麻的無人機遮蔽了視線。這時，一陣金屬撞擊聲響起，地面震盪，無人機群開始墜落，失去控制，墜落於沙漠中。 這個令人屏息的場景，正生動地描繪了現代戰場的複雜與瞬息萬變，特別是面對日益普及且數量龐大的無人機威脅。而扭轉乾坤的關鍵，不再只是傳統的槍砲飛彈，更來自於一場看不見、摸不著的「無形戰爭」——電磁作戰（Electromagnetic Warfare, EW）。 長期以來，先進的電磁作戰系統因其複雜性、體積與操作難度，多半部署在大型軍艦、高價值飛機或固定的後方基地，難以有效支援最前線、最需要即時反應的戰術單位。然而，隨著科技進步與威脅型態演變（例如：大量且低成本的無人機），將強大的電磁戰力前推到「
馭 AI 而行：Vibe Coding 不只直覺，更是精準導引的新開發哲學 Y Combinator 合夥人 Tom 透過親身實驗發現，Vibe Coding 不僅能帶來令人驚豔的開發效率，更是一門可以透過學習與實踐不斷精進的技藝。這猶如當年「提示工程」興起之初，社群中不斷湧現新的竅門與最佳實踐。 然而，儘管名稱聽來不拘小節，許多能發揮 Vibe Coding 最大潛力的技巧，其實恰恰是資深軟體工程師們早已習以為常的專業工作方法。這場訪談集結 Tom 的觀察與 YC 新創團隊的實戰經驗，為我們揭示如何在與 AI 協作的新時代，更有效地將創意轉化為實際可運行的軟體。 啟動與規劃：穩健的第一步 要開始 Vibe Coding 之旅，選擇合適的工具是首要任務。對於沒有程式基礎的初學者或專注於使用者介面（UI）快速原型開發的設計師、產品經理而言，Replit 或 Lovable