猜猜這是什麼？

無聊如我，才會想去逛電腦歷史博物館 😂

裡面沒什麼人，逛完整個博物館才很直觀地發現，電腦早期的歷史幾乎是一台又一台硬體堆積出來的。

我們現在熟悉的「軟體世界」，其實是很後來的事情，在博物館裡面硬體和軟體的佔地面積比例很懸殊。

當天用古董機器，打了一張自己名字的打孔卡（punched card）。

某種意義上，這就是那個年代「可以拿在手上的程式碼 / 資料」。

卡片上每一個洞的位置都代表資料，機器會像是數鈔票一樣，一張一張的讀卡片的孔位，輸出對應的資料。

姓名、地址這些資訊，都可以先打在卡片上，再放進機器讀取、處理，甚至是列印成文字，好久好久以前，雜誌的收件地址就是這樣印出來的～

WeHelp 正式推出「學習地圖」系列教程頁面。

包括 C 語言；Python 資料工程、人工智慧；Python 後端工程；JavaScript 前端工程的相關課程，有循序漸進的課程安排，詳細的課綱和文字版的課程內容。

https://wehelp.tw/roadmap

上了年紀之後，熬一次夜就要兩三天才能完全補回來。
熬夜看漫畫、追劇這種事，年輕人要把握青春多做～（Ｘ

Google斥資 1,000 萬美元購買了 Spirit 航空的 1 億封電子郵件和 5 億筆 Teams 聊天記錄，用於訓練人工智慧。
Google pays $10 million for 100 million Spirit Airlines emails and 500 million Teams chats to train AI
Source: https://www.techspot.com/news/113526-google-pays-10-million-100-million-spirit-airlines.html

Google 斥資 1,000 萬美元購買了包含 1 億封精神航空（Spirit Airlines）電子郵件及 5 億條 Microsoft Teams 對話記錄的巨量數據。這項交易的核心目的是為了獲取高質量的真實對話文本，以訓練其人工智慧模型。這反映出科技巨頭在 AI 競賽中，正積極尋求非公開的私有數據源，以提升模型在處理複雜人類溝通與商業邏輯上的能力。

過去十年，AI 訓練主要依賴維基百科、Common Crawl 等公開網路資源。然而，隨著大語言模型（LLM）對數據質量要求的提升，公開數據已趨於飽和且存在大量雜訊。近年來，Reddit、Twitter (X) 等平台紛紛限制 API 存取並轉向數據收費模式。與此同時，精神航空面臨財務困境與市場重組，使其擁有的龐大用戶溝通數據成為可變現的資產，促成了此次將企業內部與客戶溝通紀錄商品化的罕見交易。

此舉可能引發嚴重的隱私爭議，未來個人與企業通訊紀錄恐被視為資產而在破產清算或併購中被轉售，挑戰現有的數據保護法規。在技術層面，這將使 AI 具備更強的商業談判與客戶服務模擬能力，但也可能導致模型學習到過多的企業敏感資訊。未來，數據主權將成為企業合作的核心條款，且可能促使各國政府針對「通訊數據用於 AI 訓練」制定更嚴格的去識別化標準與監管機制。

蘋果透過新的App Store規則平息了與歐盟的爭端。
Apple squashes EU beef with new App Store rules
Source: https://www.theverge.com/tech/981504/apple-app-store-eu-rules-core-technology-commission

蘋果近期更新了歐盟地區的 App Store 政策，旨在平息與歐盟執委會長期以來的法律爭端。根據新規定，開發者現在可以更自由地在應用程式內引導用戶前往外部網站進行購買，且不再受到嚴格的溝通限制。此外，蘋果調整了其佣金結構與「核心技術費」（Core Technology Fee），允許開發者在推廣優惠時擁有更多自主權，以符合歐盟《數位市場法》（DMA）的合規要求。


這場紛爭的源頭可追溯至 2019 年，當時音樂串流巨頭 Spotify 向歐盟投訴蘋果利用 App Store 的壟斷地位，限制競爭對手告知用戶更便宜的訂閱管道。歐盟隨後展開多年調查，並於 2024 年 3 月針對蘋果的「反引導」行為重罰 18.4 億歐元。隨著歐盟《數位市場法》正式上路，蘋果被列為「守門人」（Gatekeeper），必須開放其封閉生態系。儘管蘋果最初提出了一套合規方案，但被歐盟認為誠意不足並啟動進一步調查，最終迫使蘋果再次修改規則以避免更高額的罰款。


此舉可能引發全球連鎖反應，促使美國、日本及英國等其他監管機構要求蘋果比照辦理，進而瓦解其長久以來的「圍牆花園」商業模式。對消費者而言，這可能帶來更具競爭力的價格，但同時也增加了接觸第三方支付風險的可能性。對開發者來說，雖然獲得了更多營收自主權，但仍需與蘋果就新設的各項技術費用進行博弈。長期來看，蘋果將持續尋求在符合監管要求與維持服務收入之間取得平衡，這將重新定義行動應用程式市場的利益分配格局。

Meta因Facebook和Instagram對年輕用戶的影響而受審
Meta goes to trial over Facebook and Instagram's impact on young users
Source: https://www.techspot.com/news/113525-meta-goes-trial-over-facebook-instagram-impact-young.html

美國聯邦法官裁定，Meta 必須就其社交平台 Facebook 和 Instagram 對青少年心理健康造成負面影響的指控正式出庭受審。這起訴訟由全美數十個州發起，指控 Meta 刻意設計具成癮性的功能，如無限捲動和頻繁的推播通知，導致青少年出現焦慮、憂鬱及身體意象問題。法院駁回了 Meta 試圖撤銷訴訟的請求，這意味著該公司必須針對其是否誤導大眾關於平台安全性的指控進行辯護。


此事件的根源可追溯至 2021 年震驚全球的「臉書檔案」（Facebook Files）洩露事件。當時前員工吹哨者 Frances Haugen 揭露了內部研究報告，顯示 Meta 早已深知 Instagram 對青少年的心理健康（特別是少女的自尊心）具有負面影響，但公司為了維持用戶黏著度與利潤，選擇隱瞞這些數據並繼續推廣相關功能。這引發了美國兩黨政界的高度關注，隨後多州總檢察長展開聯合調查，最終演變成今日的大規模法律行動。


若 Meta 在此案中敗訴，可能面臨數十億美元的巨額罰款，並被法院強制要求修改其核心演算法，例如取消針對未成年人的成癮性設計或實施更嚴格的年齡驗證機制。此案的判決結果將為其他社交媒體平台（如 TikTok 和 Snapchat）設立法律先例，可能引發全球範圍內針對科技巨頭的監管浪潮，促使各國政府出台更嚴厲的法律來保護未成年人的網路安全與心理健康。

OpenAI 的人工智慧程式 Hugging Face 遭駭客攻擊後，OpenAI 公佈了新的安全措施。
OpenAI lays out new security changes after its AI hacked Hugging Face
Source: https://www.theverge.com/ai-artificial-intelligence/981640/openai-security-changes-ai-hugging-face-hack

OpenAI 最近針對其系統架構實施了一系列安全性強化措施，起因是安全研究團隊 Wiz 發現了 Hugging Face 平台上的嚴重漏洞。該漏洞顯示，攻擊者可以透過上傳惡意的 AI 模型來繞過沙箱環境，進而達成「跨租戶」存取，獲取其他用戶的敏感資料。為了防止類似的 AI 驅動型攻擊發生在自家平台，OpenAI 強化了模型執行環境的隔離機制與身份驗證流程，確保 AI 代理在處理第三方內容時不會成為入侵系統的破口。

從歷史背景來看，AI 模型的安全問題一直存在於序列化格式（如 Python 的 Pickle 格式）的先天缺陷中，這類格式在載入模型時會執行任意程式碼。隨著 Hugging Face 發展成為 AI 界的 GitHub，模型供應鏈的安全風險急劇增加。過去幾年，業界雖已意識到「提示詞注入」（Prompt Injection）的威脅，但此次事件將焦點轉向了更深層的基礎設施防禦，顯示出從單純的內容過濾轉向系統級沙箱防禦的技術演進。

這項事件將對未來產生深遠影響。首先，AI 產業預計將加速捨棄具安全隱患的模型格式，全面轉向如 Safetensors 等更安全的標準。其次，企業對於第三方 AI 整合的審查將變得極其嚴格，推動「AI 軟體清單」（AI-BOM）的普及，以追蹤模型來源與安全性。最後，這可能引發監管機構對 AI 託管平台的安全立法，要求大型模型供應商必須對其託管的內容負起更高的審核責任，確保自動化 AI 代理不會在無意間演變成網路攻擊的自動化工具。

OpenAI Astra自主解決了10個歷史數學難題
OpenAI Astra Solves 10 Historic Math Problems Autonomously
Source: https://www.geeky-gadgets.com/openai-astra-math-breakthroughs/

OpenAI 推出的 Astra 模型在無人干預的情況下，成功自主解決了 10 個具有歷史意義的數學難題。這項突破顯示 AI 已從單純的語言預測進化到具備深層邏輯推理與抽象思考的能力，能夠處理人類數學家多年來難以攻克的複雜證明，標誌著通用人工智慧（AGI）在邏輯領域的重大進展。

長期以來，人工智慧在處理符號邏輯與高階數學運算上一直面臨挑戰。早期的 AI 系統多依賴暴力破解，而初期的語言模型雖然能進行基礎運算，但在處理複雜邏輯時常出現錯誤或「幻覺」。隨著「系統二思考」推理技術的成熟，以及強化學習在搜尋與驗證路徑上的應用，AI 開始展現出嚴密的邏輯推演潛力，為此次 Astra 攻克歷史數學難題奠定了技術基礎。

此發展將大幅加速科學發現的進程，尤其是在密碼學、理論物理與材料科學等高度依賴數學模型的領域。未來，AI 可能成為數學家的協作夥伴甚至獨立的研究者，自動化證明更多未解之謎。然而，這也引發了關於人類智慧獨特性以及 AI 在抽象思維領域是否會全面超越人類的深度討論，並促使教育體系重新思考數學教育的核心價值。

英偉達可能已經建造了自己的超大規模資料中心，而它本身卻沒有擁有任何資料中心。
Nvidia may have just built its own hyperscaler without owning a single data center
Source: https://www.techspot.com/news/113502-nvidia-may-have-built-own-hyperscaler-without-owning.html

輝達（Nvidia）正透過「DGX Cloud」服務，在不直接建設實體數據中心的情況下，轉型為實質上的超大規模雲端業者（Hyperscaler）。這項策略是將其專有的 AI 硬體與軟體堆疊部署在合作夥伴（如 Oracle、Microsoft、Google）的既有基礎設施之上。透過這種模式，輝達能直接向企業客戶提供高效能算力與開發工具，將傳統的雲端服務商轉化為其硬體託管商，從而掌握從晶片到軟體平台的完整生態系主導權。


回顧過去，輝達從一家顯示卡製造商，藉由 2006 年推出的 CUDA 運算平台，成功轉型為加速運算領域的領導者。隨著生成式 AI 的爆發，全球對 H100 等高效能 GPU 的需求激增，亞馬遜（AWS）、微軟與 Google 等雲端巨頭成為輝達最大的客戶。然而，這些巨頭也開始研發自有的 AI 晶片以降低對輝達的依賴。為了鞏固市場地位並避免淪為單純的硬體供應商，輝達決定向上延伸價值鏈，利用其在 AI 軟體與架構上的優勢，建立起這套「無廠化」的雲端服務模式。


此舉將對科技產業產生深遠影響。首先，輝達與雲端服務商的關係將變得更加複雜，從單純的供應商轉變為「競爭合作」的競合關係。未來，輝達可能進一步壟斷 AI 開發的軟體標準，使企業客戶高度依賴其生態系。此外，這可能迫使傳統雲端巨頭加速研發自有晶片以維持競爭力。長期而言，輝達若成功轉型為服務導向的公司，其利潤結構將從週期性的硬體銷售轉向穩定的訂閱制收入，徹底重塑全球雲端運算與 AI 產業的權力結構。

英偉達投資15億美元入股軟銀資料中心開發商，後者是OpenAI專案背後的核心企業 | TechCrunch
Nvidia investing $1.5B in SoftBank data center developer behind OpenAI project | TechCrunch
Source: https://techcrunch.com/2026/08/17/nvidia-investing-1-5b-in-softbank-data-center-developer-behind-openai-project/

輝達（Nvidia）宣布向軟銀集團（SoftBank）旗下的數據中心開發項目投資 15 億美元，旨在加速人工智慧基礎設施的建設。這項合作的核心在於利用輝達最新的 Blackwell 架構晶片，在日本打造該國最強大的 AI 超級電腦。此舉不僅是為了支援軟銀自身的 AI 轉型，也與軟銀支持 OpenAI 相關基礎設施的計畫緊密相連，將電信網路升級為能處理 AI 運算的新型架構。


軟銀與輝達的關係歷史悠久且曲折。軟銀執行長孫正義曾是輝達的早期大股東，但在 2019 年出清了所有股份，錯失了隨後數年的市值暴漲。2020 年，輝達曾試圖以 400 億美元從軟銀手中收購晶片設計公司 Arm，但該交易最終因全球監管機構的強烈反對而在 2022 年宣告失敗。儘管收購未果，軟銀隨後成功推動 Arm 上市，並重新調整策略，將重心從願景基金的廣泛投資轉向深度佈局 AI 基礎設施，試圖在生成式 AI 浪潮中重回領導地位。


這項投資將產生深遠的影響。首先，它鞏固了日本在全球 AI 算力競賽中的地位，使其有望成為亞洲的 AI 樞紐。其次，輝達透過與軟銀合作推廣 AI-RAN（人工智慧無線電存取網路），將 AI 運算整合進電信基站，這可能徹底改變行動網路的運作模式。對於軟銀而言，這筆資金與技術支援將為其與 OpenAI 的潛在合作提供強大的硬體後盾，進一步推動生成式 AI 應用的商業化。長遠來看，這標誌著硬體巨頭與基礎設施運營商的深度捆綁，將加速全球 AI 基礎建設的軍備競賽。