WeHelp
軟體工程師開放社群
彼此照應,一起成長
WeHelp Academy
成為有效運用 AI 技術的全端工程師,以及深度學習領域的嚴格職業訓練。
專案開發、求職導向、社群支援、非手把手教學,掌握軟體工程師自我成長的核心競爭力。
WeHelp Coding 程式解題系統
適合新手的線上程式解題練習,持續更新十五年來程式入門教學用題庫,幫助你進入下一個階段,支援 Python 和 JavaScript 進行解題。
立刻開始練習解題
WeHelp Community
歡迎參與我們的社群,分享想法或資訊。
來自不同背景的軟體新鮮人,或者多年經驗的工程師。
開始分享想法或資訊
最近有點沉迷玩西洋棋。

一開始以為只是喜歡下棋;
後來才發現,我真正沉迷的好像不是遊戲本身。
而是面對輸贏時,所帶來的連鎖反應。

輸的時候,我會很想立刻再開一局。
因為我不想停留在那種無力感裡。

同時,我也很想贏。
因為贏的時候,會有一種「我比別人更好」的感覺。

後來我才發現:
我以為我在玩遊戲,其實我是在重播某種內在模式。
輸贏不再只是結果,而開始變成我對自我價值的判斷。

-

如果只看規則,西洋棋是一個有限遊戲。
不是贏,就是輸,頂多平手。

但人生不一定只能如此。
很多時候,輸贏之所以重要,是因為我們用它來定義「自己是誰」。

當勝負不再與自我價值綁定時,
它就只是遊戲裡的一個設定而已,而不是核心意義。

-

渴望是地圖,明心見性是指南針。
而指南針所指向的,卻未必是勝利。

有時候,它指向的是那個一直透過輸贏來定義自己的模式。

你是在經驗當下,還是在重播劇本?

-

收聽完整 Podcast:
https://niz-in-light.firstory.io/episodes/cmq3eadvm0b9701z0e5cu0fbj

閱讀文字版:
https://vocus.cc/article/6a250fbdfd897800014309da
以前學習新東西,需要找很多文章參考。最棒的通常是官方文件,但說實話,通常不會先看官方文件,反而會先看別人的技術文章 XD

我現在的第一招變成:問我最好的夥伴 ( AI )

```
诶,現在線上有什麼 git demo repo 嗎? 專門給人練習的
從 git pull 和基礎練習等等
```

就這樣找到一個可以練習各種 Git 指令的網站,像玩遊戲一樣,裡面的說明也寫得很棒:
https://learngitbranching.js.org/?locale=zh_TW

第二招把官方文件,貼給 AI 請他幫我摘要內容,或是直接問他我想知道的事情

第三招就是真的自己好好看官方文件說明(當然,看重點,重點就是你想知道的部分)

第四招就是實作看看,才會知道更多細節,理解才會更深入

中間也會去參考別人的技術文件

有用到的技術就再去學,而一定會用到的就盡量多學
最近愛上臥香
晚間點一柱
更好入眠
煩人時點一柱
Bug 自動消除
恩...真的,2026 我想調整一下,現在 Review Spec 就好
不會逐行 Review AI 的 Code 了
產出越來越快,看 Spec 設計架構 OK 就好了

順帶一提 GitHub Copilot 計算 Token 的方式,噴太快了...
先不推了,新的計算方式,月初沒幾天直接用完 XD

推薦 GPT 5.5 / Opus 4.8
不只 iPhone——你的 Apple Watch 現在也能像專業人士一樣追蹤風暴了。
Not just the iPhone – your Apple Watch can now track storms like a pro
Source: https://www.phonearena.com/news/your-apple-watch-can-now-track-storms-like-a-pro_id180897

蘋果近期為 Apple Watch 帶來了重大的天氣功能更新,使其不再僅僅是 iPhone 的延伸。現在,使用者可以直接在手腕上查看專業級的風暴追蹤、降雨預報及即時雷達圖。這項更新讓 Apple Watch 具備了更獨立的氣象監測能力,能即時提醒使用者極端天氣的變化,大幅提升了戶外活動的安全性與便利性。

歷史背景:
這項演進源於蘋果在 2020 年收購了知名氣象應用程式 Dark Sky。隨後,蘋果將 Dark Sky 的精準預報技術整合進 iOS 的原生天氣應用中。過去幾年,雖然 iPhone 已具備強大的氣象功能,但 Apple Watch 的版本相對簡化。隨著處理器效能提升與 watchOS 的進化,蘋果逐步將高解析度地圖與即時警報移植到穿戴裝置,最終實現了目前的專業級追蹤功能。

未來,Apple Watch 可能會進一步結合衛星通訊功能,讓使用者在沒有行動網路的偏遠地區也能接收風暴預警。此外,隨著感測器技術的進步,手錶或許能結合個人環境數據(如氣壓變化)提供更個人化的微氣候預測。這也預示著穿戴裝置將從資訊接收端轉變為更主動的生命安全防護工具,進一步減少對智慧型手機的依賴。
Google 將 Gemini 帶到 Android Go 設備
Google brings Gemini to Android Go devices
Source: https://www.gsmarena.com/google_brings_gemini_to_android_go_devices-news-73139.php

Google 宣佈將其人工智慧助理 Gemini 導入 Android Go 版本系統。這意味著全球數百萬部入門級、低記憶體的平價智慧型手機,現在也能使用 Google 最先進的大型語言模型功能。這項更新打破了以往高階 AI 僅限於旗艦機型的限制,讓預算有限的用戶也能透過簡化版的 Google 應用程式,體驗 AI 驅動的資訊檢索與創意協助功能。


Android Go 系統最早於 2017 年推出,其核心目標是為硬體規格較低(如記憶體容量較小)的裝置提供流暢的 Android 體驗,主要針對新興市場與首購族群。過去,這些裝置主要依賴「Google Assistant Go」等輕量化應用程式來執行基本語音指令。隨著 Google 在 2024 年將其 AI 發展重心全面轉向 Gemini,並致力於讓 AI 成為其生態系的基礎,將此技術下放到 Android Go 成為了縮短數位落差、擴大 AI 用戶基數的關鍵策略。


此舉將加速全球 AI 技術的民主化,讓開發中國家的用戶能利用 AI 提升生產力與學習效率,縮減技術取得的不平等。未來,入門級手機的硬體標準可能會因應 AI 運算需求而有所提升,例如對處理器中 AI 加速單元的最低要求。同時,這也鞏固了 Google 在平價手機市場的競爭力,透過 AI 功能建立更強的用戶黏著度,並可能迫使競爭對手針對低階裝置開發更具效率的輕量化 AI 方案。
Google將每月向SpaceX支付9.2億美元用於計算服務 | TechCrunch
Google will pay SpaceX $920M per month for compute | TechCrunch
Source: https://techcrunch.com/2026/06/05/google-will-pay-spacex-920m-per-month-for-compute/

根據最新報導,Google 已與 SpaceX 達成一項巨額協議,計畫每月支付 9.2 億美元以獲取其運算資源。這項合作將 Google 的雲端運算能力與 SpaceX 的 Starlink 衛星網路深度整合,旨在利用衛星鏈路提供更具彈性的邊緣運算服務。透過這項交易,Google 能夠為全球偏遠地區或基礎設施不足的企業客戶,提供低延遲且高可靠性的雲端存取能力,進一步擴張其在全球數位基礎設施中的影響力。


歷史背景:
Google 與 SpaceX 的合作並非首例。早在 2015 年,Google 就曾聯同富達投資(Fidelity)向 SpaceX 投資約 9 億美元,當時主要是為了支持 Starlink 衛星計畫的初期開發。2021 年,雙方進一步簽署合作協議,將 Starlink 的地面站設立於 Google 的資料中心內,讓企業客戶能透過衛星直接連接至 Google Cloud。此次每月 9.2 億美元的協議,象徵著雙方關係從早期的股權投資與基礎設施共享,演變為大規模的商業採購與技術共生,顯示出 Google 對於衛星通訊整合雲端服務的長期戰略佈局。


這項協議將對科技產業產生多重影響。首先,Google Cloud 可能藉此在與 AWS 和 Microsoft Azure 的競爭中取得獨特優勢,特別是在軍事、航運及偏遠地區開發等特殊市場。其次,這筆穩定的巨額收入將為 SpaceX 提供極為充裕的現金流,加速其 Starship 火星艦載機的研發與深空探索計畫。長遠來看,這可能引發「軌道運算」的競爭熱潮,促使其他雲端巨頭也尋求與衛星業者結盟,最終改變全球數據傳輸與儲存的物理架構,讓網路服務徹底擺脫地理環境的限制。
谷歌允許社交媒體明星自訂搜尋結果頁面
Google is letting social media stars customize their search result page
Source: https://www.theverge.com/tech/943233/google-search-profiles-custom-page

Google 正在測試一項新功能,允許社群媒體創作者與網紅自定義其在搜尋結果頁面(SERP)上的呈現內容。透過這項功能,創作者可以手動挑選並排列想要優先展示的社群平台連結、精選影片或個人簡介,使搜尋結果更像是一個整合式的個人品牌首頁,而非僅由演算法抓取的網頁列表。

此舉源於搜尋行為的典範轉移。隨著 TikTok 和 Instagram 成為年輕族群搜尋資訊的首選工具,Google 面臨著流量流失的壓力。過去 Google 曾嘗試透過 Google+ 或搜尋結果中的「知識圖譜」來強化個人資訊,但多數內容是由演算法自動生成,缺乏個人特色。現在,Google 選擇賦予創作者更多自主權,以應對日益增長的「創作者經濟」需求,並試圖將這群擁有龐大流量的社群明星留在其生態系中。

未來 Google 搜尋可能從單純的「資訊索引」轉變為「個人品牌門戶」,這將模糊搜尋引擎與社群媒體之間的界線。這不僅會改變個人品牌的 SEO 競爭規則,也可能促使更多創作者將 Google 視為主要的流量集散地。此外,若此功能普及,Google 可能會進一步推出針對創作者的贊助內容或導購功能,從而開闢新的廣告營收來源,並加劇與其他社群平台在用戶注意力上的爭奪。
台積電難以滿足人工智慧需求:“我們的能力有限”
TSMC struggles to keep up with AI demand: ‘We can only support so much’
Source: https://www.theverge.com/tech/943066/tsmc-ai-demand-struggles

台積電目前面臨人工智慧(AI)晶片需求爆炸性成長的挑戰,儘管其技術領先全球,但現有的先進封裝產能(特別是 CoWoS)已達極限。
董事長劉德音與總裁魏哲家坦言,目前的產能無法完全滿足所有客戶的需求,預計這種供不應求的局面將持續到 2025 年。 自 2022 年底 ChatGPT 引發生成式 AI 熱潮以來,輝達(Nvidia)等大廠對高效能運算晶片的需求激增。台積電多年來持續研發 CoWoS 先進封裝技術,原先主要應用於少數高效能產品,但隨著 AI 模型的規模與複雜度大幅提升,該技術成為生產 AI 晶片的關鍵瓶頸。
過去幾年台積電雖已在先進製程取得領先,但 AI 需求的成長速度遠超出了其產能擴張的預期。 未來幾年,台積電將投入大量資本支出擴建先進封裝廠(如嘉義新廠),以緩解產能壓力。這可能導致 AI 晶片價格維持高位,並影響下游伺服器廠商的交貨週期。
同時,若台積電無法及時填補缺口,部分客戶可能會尋求三星或英特爾的替代方案,這將促使晶圓代工市場競爭加劇。長期而言,AI 產業的發展速度將在很大程度上取決於台積電產能爬坡的效率。
蘋果悄悄在新版 Siri 上做出妥協,依靠英偉達的 B200 GPU 加密技術來防止谷歌竊取用戶數據
Apple Quietly Surrenders To A Compromise On The New Siri, Leaning On NVIDIA’s B200 GPU Encryption To Prevent Google From Siphoning Off User Data
Source: https://wccftech.com/apple-quietly-surrenders-to-a-compromise-on-the-new-siri-leaning-on-nvidias-b200-gpu-encryption-to-prevent-google-from-siphoning-off-user-data/

蘋果在推動新版 Siri 與 Apple Intelligence 的過程中,面臨內部伺服器算力不足的挑戰。為了在不犧牲隱私的前提下提升 AI 效能,蘋果選擇做出妥協,採用 NVIDIA 的 B200 GPU。這款硬體具備強大的硬體層級加密技術(機密運算),讓蘋果能夠在利用 Google 等第三方雲端基礎設施進行大規模運算的同時,確保服務提供商無法窺探或擷取使用者的私密數據,從而在效能需求與隱私承諾之間取得平衡。


長期以來,蘋果一直將「裝置端處理」與「隱私保護」視為其核心競爭力,並傾向於使用自家的 Apple Silicon 來構建封閉的生態系統。然而,生成式 AI 浪潮的爆發使得模型規模急劇膨脹,僅靠蘋果現有的數據中心與自研晶片已難以支撐龐大的運算需求。過去蘋果曾被揭露使用 Google 的 TPU 進行模型訓練,而此次轉向 NVIDIA 的硬體加密方案,反映出蘋果在面對 AI 競賽的壓力下,不得不打破完全自主掌控的傳統,轉而尋求外部頂尖硬體技術來補足短板。


此舉可能開啟 AI 產業「機密運算」的新標準,未來硬體層級的加密將成為第三方雲端服務的標配。蘋果對 NVIDIA 硬體的依賴程度可能因此增加,並促使其他科技巨頭效仿這種「租用基礎設施但保留數據絕對控制權」的運作模式。長遠來看,這雖然可能削弱蘋果完全自主供應鏈的優勢,但也為其在不投入天價成本建設全球數據中心的情況下,實現大規模 AI 服務部署提供了可行的路徑,隱私保護的戰場將從軟體協議正式轉移到底層硬體架構。
載入更多