大廠戰略
共 28 篇 · 第 2/2 頁
-
Token 不是問題，進不了 Production 才是
去年六月，OpenAI 執行長放話「廉價到幾乎免費的智慧」近在咫尺。一年後，現實是：有公司幾個月就燒完全年 token 預算，部分 AI 計畫悄悄喊停。「tokenmaxxing」成為業界最新的恐慌詞彙，有人開始懷疑 AI 的動能只是泡沫在撐著。
-
VLA 模型的語意理解可能是假的
RoboSemanticBench 用一個刁鑽設計戳破盲點：讓機器人先答對數學或常識題，才能抓到對應方塊。結果多數 VLA 策略根本靠視覺捷徑過關，不是真的在做語意推理。對 embodied AI 團隊的啟示很直接：評測設計若能被捷徑繞過，你量的不是能力，是運氣。
-
AWS 王曉野 AIGC2026 直言：87% 企業喊 AI 落地、只有 10% 真正拿到生產價值，Harness 才是企業級 Agent 真門檻
2026 中國 AIGC 產業峰會上，亞馬遜雲科技產品技術部技術總監王曉野拋出一組刺眼對比：87% 的企業宣稱已大規模部署 AI，真正從中拿到生產價值的只有 10%。他的核心論點：Demo 不難，難的是在企業分散式環境讓幾千個 Agent 穩定跑起來，而這個工程問題的解答不在模型本身，在模型外圍的 Harness。
-
Meta AI 客服成帳號竊取跳板：LLM Agent 的社交工程漏洞
當客服流程由 LLM 接手，攻擊面悄然位移，攻擊者不再需要說服人類客服，而是用話術繞過模型的身份驗證邏輯。Meta 這起事件的核心警訊不在於單一漏洞，而在於：模型對「合理聽起來的請求」天然友善，這讓社交工程的成本大幅下降。把 AI agent 接入帳號敏感操作前，威脅模型得先想清楚。