丹麥製藥商 Novo Nordisk 周二宣布，將與美國人工智能公司 OpenAI 合作，在其業務各環節（從藥物研發到生產製造及商業營運）部署 AI 技術。這家生產減肥藥 Wegovy 及 Ozempic 的藥廠表示，此次合作將利用 OpenAI 技術分析複雜數據集，特別是前期藥物研發，並提升製造、供應鏈、分銷及公司營運效率。 製藥業正日益依賴 AI 簡化藥物研發中繁瑣環節，例如尋找臨床試驗參與者、選擇試驗地點及準備監管文件等。

不過，業內高層指出，此技術尚未完全解決藥物發現中更具挑戰性的任務。Novo Nordisk 未透露協議財務細節。公司表示，試點項目將在研發、製造及商業營運等部門啟動，並計劃在 2026 年底前完成全面整合。

AI 助力員工培訓與生產力提升

Novo Nordisk 還表示，OpenAI 將協助培訓其全球員工，提升 AI 素養，並提高各部門生產力。該公司正尋求新途徑，以在與總部位於印度安納波利斯空軍基地的 Eli Lilly 激烈減肥藥競爭中，重奪市場份額。Eli Lilly 的減肥藥 Foundayo 本月獲美國批准，而 Novo Nordisk 則在今年 1 月推出口服減肥藥 Wegovy。

分析師預測，未來十年減肥藥年收入將超過 US$1000 億，約 HK$7800 億。 Novo Nordisk 首席執行官 Lars Fruergaard Jørgensen 在一次採訪中表示：「我們的目標不是取代我們的科學家，而是強化他們的能力。」他強調，此次合作並非針對 Novo Nordisk 現有員工，而是為了提升生產力並減緩未來招聘速度。他指出，AI 將幫助員工更快、更高效工作，從而減少以往大幅增加員工數量的需求。

自去年上任 CEO 後不久，Jørgensen 就宣布一項重組計劃，裁減了 9000 個職位。 OpenAI 首席執行官 Sam Altman 在一份聲明中表示：「AI 正在重塑各行各業，在生物醫學領域，它可以幫助人們活得更長、更健康。與 Novo Nordisk 的合作將幫助他們加速科學發現，發展更智能的全球運營，並重新定義醫療保健的未來。」Novo Nordisk 表示，此次合作包括嚴格的數據保護、管理及 AI 監管，並建立在與其他技術合作夥伴及研究機構現有 AI 項目之上。

一間調味品公司，竟然卡住了全球 AI 晶片的咽喉？談到 AI 晶片的供應鏈，大家腦海中首先浮現的名字一般是英偉達的 GPU、Samsung和 SK 海力士的 HBM，以及台積電的 CoWoS 先進封裝。這些確實是非常關鍵的生產環節。但你可能想不到，還有一個更隱蔽的卡脖子節點，隱藏在整條供應鏈的最深處。而掌握這個節點的，並非什麼半導體巨頭，而是一家大眾印象裡「賣味精」的日本公司——味之素。

一般人不知道的是，在半導體行業，它有另一個身份：全球 AI 晶片封裝中最重要的絕緣材料 ABF（Ajinomoto Build-up Film）的近乎獨家供應商。據 TrendForce 等多家行業機構報導，味之素在 GPU 和 CPU 封裝基板所用 ABF 材料領域的全球市佔率超過 95%。味之素旗下調味品 Masako 雞肉高湯調味料，很少人知道這家調味品公司同時還掌控著全球超過 95% 的 AI 晶片封裝關鍵材料 ABF 供應。

味之素在 2023 年年度報告中，將 ABF 定義為半導體市場的「事實標準」。這意味著全球每一顆高性能晶片，從Intel的 CPU 到英偉達的 AI 加速器，中間那層薄薄的絕緣膜，都得從這家「味精廠」拿貨。

一層薄膜，決定晶片能否用

講一個最簡單的比喻。晶片本體很小，表面的電路是奈米級的。但它要跟外面的電路板通訊，電路板上的線路是微米級的。奈米到微米，相差六個數量級。怎麼連？靠封裝基板。基板上有好多層微電路，一層一層把訊號從晶片引出來，最終接到主板上。ABF 就是這些微電路層之間的絕緣膜。每層電路之間都要夾一層 ABF，防止訊號干擾，確保訊號完整。你可以把它想像成高樓裡每層樓板之間的隔音層。

沒有它，樓上樓下全是噪音，整棟樓住不了。晶片也一樣。沒有 ABF，高頻訊號互相干擾，晶片做出來也是一堆廢鐵。 以下是 ABF 在不同晶片封裝中的應用規格比較：

ABF 封裝結構分層示意圖中，中間金色高亮的 ABF 基板層是整個封裝的高密度互聯核心，負責在多 GHz 頻率下確保訊號完整性。對於傳統 PC 晶片來說，基板大約需要 4-6 層 ABF，用量不算大。但 AI 晶片不一樣。英偉達 Blackwell、Rubin 這類 AI 加速器，封裝尺寸比傳統晶片大得多，基板層數也暴增。據味之素業績說明會披露的數據，高性能 CPU 封裝基板的 ABF 用量是普通 PC 基板的 10 倍以上。

也有行業分析師認為，AI 加速器由於封裝層數更多、尺寸更大，實際倍數可達 15 至 18 倍。一塊晶片的 ABF 用量暴增了一個數量級，但全球只有一家主要供應商。問題的嚴重性，不用多說。 英偉達 Rubin 量產，先過味之素這關。英偉達 2025 年正式發佈的 Rubin 平臺，對封裝密度的要求再上一層樓。晶片越做越大，封裝越來越複雜，ABF 的層數需求跟著水漲船高。

傳統封裝可能只需 4-6 層 ABF，AI 加速器的封裝動輒 8 到 16 層以上。Rubin 和 Rubin Ultra 的尺寸如果進一步增大使，ABF 就會成為整條供應鏈上最掙扎的那個咽喉要道。英偉達 CEO 黃仁勳 1 月 5 日在 2026 年國際消費電子展（CES 2026）上推出新一代 Rubin 晶片。AI 加速器的封裝尺寸逐代增大使，對 ABF 薄膜的需求量隨之暴增。

味之素自己也知道這一點。在最新的業績說明會上，味之素表示：AI 和 HPC 正推高 ABF 需求，味之素承諾穩定供應。但承諾是一回事，產能是另一回事。據 TrendForce 報導，味之素計劃到 2030 年前提資至少 2500 億日元（約 12 億元人民幣，約 HK$13），將 ABF 產能提升 50%。50% 聽起來不少。但對比 AI 算力需求每年兩位數的增長速度，這個擴產節奏堪憂，是一個巨大的問題。

更麻煩的是擴產本身的技術風險。ABF 的生產工藝極其精細，良率是核心瓶頸。層數越多，任何一層出問題都可能導致整個多層結構報廢。 半導體先進封裝（SAP）等新工藝雖能提升性能，但良率風險也隨之上升。味之素 ABF 薄膜的特別之處在於，它被逐層壓合進封裝基板，成為微電路之間的絕緣層。就是這看起來不起眼的半透明薄膜，卡住了全球 AI 晶片的咽喉。 台積電 CoWoS 產能緊絀、AI 晶片交貨週期拉長，ABF 供應受限是背後原因之一。

整條鏈上，GPU 不缺設計、HBM 不缺產線，但最後卡在一層薄膜材料上。大型雲服務商已經意識到這個問題。據行業報導，部分科技巨頭開始透過天價預付款方式協助味之素建置新產線，並鎖定長期供應合約。當全球最有錢的公司開始為一家味精廠預付產能訂金，這畫面本身就說明了一切。 從味精到晶片，味之素的隱形王國。說到這裡，很多人第一反應是：一家味精公司怎麼就闖進去搞晶片材料了？

懷疑它只是蹭 AI 熱度，但事實恰恰相反：味之素本來就是一家被低估的材料巨頭。味之素 1909 年創立，以味精起家。但早在 1970 年代，它就開始研究氨基酸化學在環氧樹脂和複合材料領域的應用。1996 年，一家 CPU 製造商找到味之素，希望利用其氨基酸技術開發新型薄膜絕緣材料。味之素組成團隊，只用四個月就完成了 ABF 的研發。1999 年，ABF 正式投產，Intel是第一個客戶。

此後二十年，味之素在 ABF 領域遙遙領先。PC 時代、行動時代、雲計算時代，這層膜一直默默存在於全球每一塊高性能晶片的封裝裡，但沒什麼人關注。直到 AI 算力需求開始指數級爆發。 味之素董事長齋藤太介在接受 Newsweek 採訪時提到，ABF 在全球半導體絕緣膜領域的份額超過 95%。正在閱讀這篇文章的人，很可能已經在使用搭載 ABF 的設備，只是自己可能不知道。

所以，這不是一家味精公司在蹭半導體熱度，而是一家被消費品標籤掩蓋了真正實力的精細化工隱形冠軍。你用的每一次 AI，都在為這層薄膜買單。 拉回每個人關心的問題：AI 服務為什麼這麼貴？英偉達晶片為什麼永遠緊俏？雲服務商為什麼瘋狂砸錢建數據中心？Claude、GPT、Gemini 的 API 調用費用為什麼降得這麼慢……答案當然不止一個，但 ABF 是其中一個被嚴重低估的變量。

邏輯鏈條很直接：ABF 產能受限，先進封裝產能就受限；封裝跟不上，AI 晶片出貨量就跟不上需求；晶片不夠，算力就緊缺；算力緊缺，服務就貴。你每次調用一次大模型、每次生成一張圖、每次讓 AI 幫你寫一段代碼，背後結構裡都有味之素那層膜的影子。 當大家討論「AI 基礎設施燒錢」時，關注的往往是 GPU 單價、數據中心電費、冷卻系統成本。但很少人意識到，一種絕緣薄膜材料的產能天花板，正從供應鏈最深處向上傳導壓力，最終體現在每一個終端用戶的使用成本裡。

AI 競爭的真正戰場。已經下沉到元器件週期表。GPU 架構可以追趕。Transformer 可以開源，訓練框架可以複製。但化學，複製不了。味之素做 ABF 的不是砸錢建廠，而是一百多年氨基酸化學積累出來的合成工藝。這種壁壘不是投資週期能解決的，不是挖幾個工程師能複製的，甚或不是逆向工程能破解的。 當 AI 競爭從軟體層下沉到晶片層，再從晶片層下沉到材料層，真正的護城河已經不在代碼裡，而可能藏在分子式裡。

這讓人想起半導體行業一個反覆上演的劇本：每輪算力超越，都會把供應鏈裡最薄弱的環節暴露出來。上輪是光刻機，ASML 成了全球焦點。這一輪，味精燈正轉向封裝材料。ASML NXE:3400B EUV 光刻機，單臺售價超過 2 億美元，十多年前，沒人會把一家味精廠和 AI 算力聯繫一起。但今天，全球頂尖的科技公司也要排隊找味之素簽長期合約、預付產能訂金。算力瓶頸的一個隱形卡點，竟藏在了一條化工產線裡。

我們推出了一份全新的人工智能（AI）趨勢與進展清單。這份清單源自每年一度的「10 大突破性技術」榜單，我們會預測哪些技術將對生活和工作產生最大影響。今年，我們面臨挑戰。雖然最終名單涵蓋能源、AI、生物科技等核心領域，但 2026 年榜單的遴選比以往更艱難。原因在於，我們有太多值得入選的 AI 候選項目，無法全部納入。（入選者包括 AI 伴侶、生成式編碼，以及超大規模數據中心。

）為了保持清單的多樣性，許多優秀構想只能捨棄。這啟發我們：何不製作一份專注 AI 的全新榜單？於是，我們迅速構思出「AI 現況 10 大要事」。

AI 現況 10 大要事

這是我們首次發表的年度清單，將於 2026 年 4 月 21 日在 MIT 校園舉辦的招牌 AI 會議 EmTech AI 上正式揭曉，現場觀眾可率先目睹，之後當天在線上發布（門票仍有餘額）。遴選流程類似「10 大突破性技術」：我們徵詢 AI 團隊記者與編輯的提議，將其彙整成文件，並展開熱烈討論，最終投票篩選出 10 項。但這份清單有細微差異。由於 AI 已滲透日常生活，我們不限於純技術提名，而是聚焦當前最重要的構想、議題與研究方向。

清單不僅包含前沿 AI 技術，還涵蓋其他值得關注的趨勢與發展。這猶如窺探我們 AI 報導團隊的集體洞見：這些是記者們今年密切追蹤的焦點。我們將緊盯這些項目，並反映在 2026 年的新聞與專題報導中。 對我們而言，「AI 現況 10 大要事」是洞察當前 AI 格局的指南，預計引發討論、辯論，甚至爭執。其中包括與 OpenAI 首席科學家 Jakub Pachocki 的獨家對談，探討該公司的新重大挑戰與 AI 未來；獨家報導 Niantic 的 AI 分拆公司，利用玩家眾包的 300 億張城市地標

圖像，訓練全新世界模型；Axiom Math 免費釋出強大 AI 工具，但其是否真能加速研究仍有待驗證；另外，單次測試無法衡量 AI 真正影響，我們應轉向更以人為本、情境特定的評估方法。

近日，網易雲音樂一則廣告引發網友熱議。廣告中的人物模特兒背部拍攝時，其餘部位獨立絲毫不動，臉部顯得極為僵硬。有網友發文吐槽：「跳出來的網易雲廣告模特兒背部去掉了，網易雲投廣告能不能嚴格點。」對此，網易雲音樂相關負責人回應指：「抱歉給用戶帶來不好體驗，相關素材已下線。」值得注意的是，該廣告並未標註「AI生成」。

AI技術過度依賴引發爭議

有分析認為，此次翻車事件可能源於平台過度信賴AI技術，缺乏必要的工人工審核環節。在2025年財報電話會上，網易CEO丁磊曾表示，AI降低了遊戲製作的準入門檻。他透露，網易正專注打造最懂遊戲的AI專家，在AI原生研發管線方面，已涵蓋原畫、模型、動畫等全流程生產場景，部分環節效率提升達300%。這反映出網易在AI應用上的積極布局，但也凸顯人工監督的重要性，以避免類似失誤重演。

事件曝光後，網易雲音樂迅速處理，顯示出對用戶反饋的重視。

一間調味品公司，竟卡住了全球 AI 晶片供應鏈？談及 AI 晶片供應鏈，大家腦海中首先浮現的名字，一般是英偉達的 GPU、Samsung與 SK 海力士的 HBM，以及台積電的 CoWoS 先進封裝。這些確實是非常關鍵的生產環節。但你可能想不到：還有一個更隱蔽的卡脖子節點，隱藏在整條供應鏈的最深處。掌控這個節點的，並非什麼半導體巨頭，而是一家大眾印象中「賣味精」的日本公司——味之素。

一般人不知道的是，在半導體行業，它有另一重身份：全球 AI 晶片封裝中最重要的絕緣材料 ABF（Ajinomoto Build-up Film）的近乎獨家供應商。據 TrendForce 等多家產業機構報導，味之素在 GPU 與 CPU 封裝基板所用 ABF 材料，全球市佔率超過 95%。味之素旗下調味品 Masako 雞肉高湯調味料，鮮少有人知道，這家調味品公司同時掌控全球超過 95% 的 AI 晶片封裝關鍵材料 ABF 供應。

味之素在 2023 年年報中，將 ABF 定義為半導體市場的「事實標準」。這意味著全球每一顆高性能晶片，從Intel的 CPU 到英偉達的 AI 加速器，中間那層薄薄的絕緣膜，都得從這家「味精廠」拿貨。

一層薄膜，決定晶片能否用

講一個最簡單的比喻。晶片本身很小，上面的電路是奈米級的。但它要跟外面的電路基板通訊，電路基板上的線路是微米級的。奈米到微米，相差六個數量級。怎麼連？靠封裝基板。基板上有好多層微電路，一層一層把訊號從晶片引出來，最終接到主板上。ABF 就是這些微電路層之間的絕緣膜。每層電路之間都要夾一層 ABF，防止訊號串擾，確保訊號完整。你可以把它想像成高樓裡每層樓板之間的隔音層。

沒有它，樓上樓下全是噪音，整棟樓住不了。晶片也一樣。沒有 ABF，高頻訊號互相干擾，晶片做出來也是一堆廢鐵。 以下是 ABF 在封裝結構的分層示意圖，金色高亮的 ABF 基板層是整個封裝的高密度互聯核心，負責在多 GHz 頻率下確保訊號完整性。

對傳統 PC 晶片來說，基板大約需要 2 層 ABF，用量不算大。但 AI 晶片不一樣。英偉達 Blackwell、Rubin 這類 AI 加速器，封裝尺寸比傳統晶片大得多，基板層數也暴增。據味之素業績說明會披露，高性能 CPU 封裝基板的 ABF 用量，是普通 PC 基板的 10 倍以上。也有產業分析師認為，AI 加速器由於封裝層數更多、尺寸更大，實際倍數可達 15 至 18 倍。

一塊晶片的 ABF 用量暴增了一個數量級，但全球只有一家主要供應商。問題的嚴重性，不用多說。 英偉達 Rubin 量產，先過味之素這關。英偉達 2025 年正式發佈的 Rubin 平臺，對封裝密度的要求再上一層樓。晶片越做越大，封裝越來越複雜，ABF 的層數需求隨之水漲船高。傳統封裝只需 2 層 ABF，AI 加速器的封裝動輒 8 至 16 層以上。Rubin 與 Rubin Ultra 的尺寸如果進一步增大，ABF 就會成為整條供應鏈上最掙扎的瓶頸要道。

英偉達 CEO 黃仁勳 1 月 5 日在 2026 年國際消費電子展（CES 2026）上推出新一代 Rubin 晶片。AI 加速器的封裝尺寸逐代增大，對 ABF 薄膜的需求量隨之暴增。 味之素自己也知道這一點。在最新的業績說明會上，味之素表示：AI 與 HPC 正推高 ABF 需求，味之素承諾穩定供應。但承諾是一回事，產能是另一回事。據 TrendForce 報導，味之素計劃到 2030 年前提資至少 250 億日圓（約人民幣 12 億元），將 ABF 產能提升 50%。

50% 聽起來不少。但對比 AI 算力需求每年兩位數的增長速度，這個擴產節奏堪憂，是一個巨大的問題。更麻煩的是擴產本身的技術風險。ABF 的生產工藝極其精細，良率是核心瓶頸。層數越多，任何一層出問題都可能導致整個多層結構報廢。半自動化圖形化（SAP）等新工藝雖能提升效能，但良率風險也隨之上升。 味之素 ABF 薄膜的特別之處。ABF 薄膜被逐層壓合進封裝基板，成為微電路之間的絕緣層。

就是這看起來不起眼的半透明薄膜，卡住了全球 AI 晶片的瓶頸。這意味著味之素不是不想擴產，而是擴產的速度天花板受工藝良率的制約。台積電 CoWoS 產能吃緊、AI 晶片交期拉長，ABF 供應受限是背後原因之一。整條鏈上，GPU 不缺設計、HBM 不缺產線，但最後卡在一層薄膜材料上。 大型雲服務商已意識到這個問題。據產業報導，部分科技巨頭開始透過天價預付款方式，協助味之素建置新產線，並鎖定長期供應合約。

當全球最有錢的公司開始為一家味精廠預付產能訂金，這畫面本身就說明了一切。 從味精到晶片，味之素的隱形王國。說到這裡，很多人第一反應是：一家味精公司怎麼就闖進去做晶片材料了？懷疑它是在蹭 AI 熱度，但事實恰恰相反：味之素本就是一家被低估的材料巨頭。味之素 1909 年創立，以味精起家。但早在 1970 年代，它就開始研究氨基酸化學在環氧樹脂與複合材料領域的應用。

1996 年，一家 CPU 製造商找到味之素，希望利用其氨基酸技術開發新型薄膜絕緣材料。味之素組建團隊，只用四個月就完成了 ABF 的研發。1999 年，ABF 正式投產，Intel是第一個客戶。此後二十年，味之素在 ABF 領域遙遙領先。PC 時代、行動時代、雲計算時代，這層膜一直默默存在於全球每一塊高性能晶片的封裝裡，但沒什麼人關注。直到 AI 算力需求開始指數級爆發。

味之素董事長齋藤太介在接受 Newsweek 採訪時提到，ABF 在全球半導體絕緣膜領域的份額超過 95%。正在閱讀這篇文章的人，很可能已在使用搭載 ABF 的設備，只是自己可能不知道。所以，這不是一家味精公司在蹭半導體熱度，而是一家被消費品標籤掩蓋了真正實力的精密化工隱形冠軍。你每次使用 AI，都在為這層薄膜買單。 拉回每個人關心的問題：AI 服務為什麼這麼貴？

英偉達晶片為什麼永遠吃緊？雲服務商為什麼瘋狂砸錢建數據中心？Claude、GPT、Gemini 的 API 調用費用為什麼降得這麼慢……答案當然不止一個，但 ABF 是其中一個被嚴重低估的變數。邏輯鏈條很直接：ABF 產能受限，先進封裝產能就受限；封裝跟不上，AI 晶片出貨量就跟不上需求；晶片不夠，算力就緊缺；算力緊缺，服務就貴。你每次調用一次大模型、每次生成一張圖、每次讓 AI 幫你寫一段代碼，生成結構裡都有味之素那層膜的影子。

當大家討論「AI 基礎設施燒錢」時，關注的往往是 GPU 單價、數據中心電費、冷卻系統成本。但很少人意識到，一種絕緣薄膜材料的產能天花板，正從供應鏈最深處向上傳導壓力，最終體現在每一個終端用戶的使用成本上。 AI 競爭的真正戰場，已下沉到元器件週期。GPU 架構可以追趕。Transformer 可以開源，訓練框架可以複製。但化學，複製不了。味之素做 ABF 的，不是砸錢建廠，而是百年氨基酸化學積累出來的合成工藝。

這種壁壘不是投資週期能解決的，不是挖個工程師能複製的，甚或不是逆向工程能破解的。當 AI 競爭從軟體層下沉到晶片層，再從晶片層下沉到材料層，真正的護城河已不在代碼裡，而可能藏在分子式裡。 這讓人想起半導體行業一個反覆上演的劇本：每輪算力超越，都會把供應鏈裡最薄弱的環節暴露出來。上輪是光刻機，ASML 成了全球焦點。這一輪，聚光燈正轉向封裝材料。ASML NXE:3400B EUV 光刻機，單臺售價超過 2 億美元（約 HK$15.

6 億元），十多年前，沒人會把一家味精廠和 AI 算力聯繫在一起。但今天，全球頂尖科技公司也要排隊找味之素簽長期合約、預付產能訂金。算力瓶頸的一個隱蔽卡點，竟藏在了一條化工產線裡。

史丹福 HAI 發佈「2026 年 AI 指數報告」，這份長達 423 頁的年度報告全面揭示全球 AI 產業最新態勢。報告核心結論指出，AI 本質進展飛快，但人類訓練與管理能力未能跟上。其中最震撼觀察為中美 AI 模型性能差距已基本消失，雙方在頂峰對決中頻繁易主，目前 Anthropic 僅領先 2.7%。美國在 AI 上投入資金遠超對手，但頂尖人才招聘壓力日增。

報告還強調，AI 進化未遇所謂「瓶頸」，反而以史無前例速度狂飆。過去一年，全球逾 90% 頂尖模型在博士級科學問題、多模態推理、競賽數學上的表現追平甚至超越人類。特別在編碼能力上，SWE-bench 成績一年內由 60% 飆升至近 100%。

12 項核心趨勢速覽

報告精選 12 項硬核趨勢：全球 AI 算力 3 年增 30 倍，英偉達獨佔 60%，所有晶片出自台積電一家代工廠；2025 年全球企業 AI 投資達 US$5817 億，約 HK$45373 億，同比翻倍，美國獨吞近半；進入美國 AI 研究人員 7 年降 89%，過去一年即跌 80%；22-25 歲軟件開發就業自 2024 年起下滑 20%，入門崗位遭精準切割；中國累計建成 85 台公共 AI 超算，為北美兩倍以上，全球第一；中國職場 AI 使用率超 80%，遠高全球 58% 平均；最強模型日

益黑箱，95 個代表性模型中 80 個無公開訓練代碼；中美創新差距僅剩 2.7%；斯坦福將 2023 年 5 月起 Arena 榜單上美國第一與中國第一畫在同一坐標系內。2023 年 5 月，gpt-4-0314 以 1320 分領先，中國僅 chatglm-6b 落後 300 多分；2025 年 2 月，DeepSeek-R1 首次與美國頭部模型打平；2026 年 3 月，美國 Claude Opus 4.

6 得 1503 分，中國 dola-seed-2.0-preview 獲 1464 分，差距僅 39 分，換算百分比為 2.7%。過去一年換位頻率極高，自 2025 年初起兩國頭部模型在 Arena 已互換五次位置。數量上不相上下，2025 年美國發佈 50 個「顯著模型」，中國緊隨發 30 個頂級大模型。第一梯隊 OpenAI、Google、阿里、Anthropic、xAI 同台競技，全球 TOP 5 五五分帳。

再看 TOP 10，中國機構與企業佔四席，阿里、DeepSeek、華為、字節。開源生態今年重心東移，DeepSeek、Qwen、GLM、MiniMax、Kimi 一路推升開源強度曲線。加上市文發表量、被引數、專利產出量、工業機器人裝機量，中國穩居全球第一。 價格層面是另一戰線。海外開發者在 X 上算過一筆帳，Seed 2.0 Pro 輸出價格約僅 Claude Opus 4.

6 的十分之一。性能創新，價格只要十分之一，這種連鎖反應才剛開始。90% 前沿模型出自產業界，封神速度史無前例。去年發表的 95 個最先進代表性模型中，逾九成來自產業界，非學術機構或政府實驗室。學術界已追不上前沿。發佈速度也在加速，光是 2026 年 2 月一個月，就有 Gemini 3.1 Pro、Claude Opus 4.6、GPT-5.3 Codex、Grok 4.

20、Qwen 3.5、Seed 2.0 Pro、MiniMax M2.5、GLM-5 八九個重量級模型同月入場。封神週期由「年」變「月」。

Anthropic 發佈的 Claude Opus 4.6 被譽為編程 AI 真神，憑藉深度推理邏輯及對複雜代碼規範的精準執行，一度備受矚目。然而，發佈數週後，用戶在社交媒體上紛紛投訴，其性能出現斷崖式下滑。不少用戶表示，支付同樣高昂月費，換來卻是明顯降智的縮水版，Claude Opus 4.6 開始變得猶豫且健忘，甚至在基礎邏輯上屢屢碰壁。面對全網聲浪，Anthropic 官方團隊回應指，未刪減模型，種種異常表現僅為默認配置優化，以助用戶節省 Token。

但這種單方面技術辯解，未能平息開發者的怒火。這究竟是大批用戶的集體心理錯覺，抑或資源在算力瓶頸下精打細算的縮水？

AMD 高管的深度剖析：6852 份日誌見端倪

若說普通用戶的抱怨僅是體感，那麼 Stella Laurenzo 的分析則讓此事徹底「實錘」。據領先資訊，Stella Laurenzo 是 AMD AI 部門高級總監，目前帶領龐大團隊為開源 AI 編譯器開發貢獻力量。她曾任 Google 首席軟件工程師，後以 Nod.ai 工程副總監身份加入 AMD。4 月 2 日，Stella Laurenzo 在 GitHub 上發佈詳細性能回歸報告，作為頂級 AI 專家，她不只直觀抱怨，而是細析 6852 份 Claude Code 對話檔案、1787

1 個思考塊及逾 23 萬次工具調用記錄，堪稱高水準個案研究。這份基於海量數據的分析揭露令人不安真相：自今年 2 月起，Claude 推理深度即現斷崖式下滑。 細節顯示：

Stella Laurenzo 結論犀利，對高級工程工作而言，深度推理非可有可無產品，而是模型前置；現 Claude 在複雜工程中已不勝負荷。不過需注意，她的分析僅指 2 月底思考長度縮短 67%，推文將思考量減少直接等同智力下滑的說法難以論斷嚴重。 社交媒體 X 及 Reddit 上，Stella Laurenzo 的帖文迅速引爆，開發者紛紛發現自身問題與報告高度吻合。

網紅開發者 Om Patel 直在 X 上發帖，有人測出 Claude 變笨達 67%。他重點指 Opus 4.6 思考量比以往少三分之二，並譏諷 Anthropic 一直沉默，直至數據曝光團隊才滅火。Patel 還在推文中透露，洩露源代碼顯示他們有內部開關，可讓模型在 Anthropic 員工使用時維持最佳狀態，但此說法尚未獨立驗證，Anthropic 亦未回應。

他直言，有人稱 Anthropic 故意降級 Opus 以節省資源訓練下個模型 Mythos，但此推測同樣缺乏直接數據。 在 Reddit 上，用戶吐槽更生動：用戶 DangerousSetOfBewbs 稱曾讓 Claude 處理 500 行檔案，結果陷入長達 24 分鐘思考卻只在那「幹坐著」。還有人補槍，讓它做研究，40 分鐘竟沒用什麼 Token，不知究竟做了什麼。

規範視若無睹：開發者常在 CLAUDE.md 設項目規範，但 Claude 現仿似失憶。一用戶憤怒留言，若不盯住輸出，它能幾分鐘毀掉整個代碼庫。價格不變智力降級：Reddit 用戶 Firm_Meeting6350 說，今天退訂 Claude Max 20 轉投 Codex Pro，Claude 現給他的感覺像用過時舊模型。 4 月 12 日，專責幻覺基準測試機構 BridgeMind 發文直指 Claude Opus 4.

6 被削弱，BridgeBench 剛證明此點。上週它排第 2 名準確率 83.3%，今重測掉至第 10 名剩 68.3%，幻覺率增 98%。然此測試遭反擊，外部分布式 AI 研究員 Paul Calcraft 指出測試具誤導性，非對等比較。首次僅涵 6 任務，第二次擴至 30 任務。若只看那 6 相同任務，Claude 分數僅從 87.6% 微降至 85.

4%，最大偏差來自單一虛構結果，此在統計學上全屬噪音。這場爭議亦說明，業界缺統一可重現 AI 性能標準測試，許多測試先下結論後找數據，用戶難從中獲確定答案。然那掉至第 10 的數據在社交媒體瘋傳，截圖視覺衝擊成 Claude 降智說法最有力證詞。 面對民意，Anthropic 核心團隊成員不得不公開回應。Claude Code 負責人 Boris Cherny 在 Stella Laurenzo 的 GitHub 原帖下認真解釋，並在 X 上連發數帖回覆，核心觀點僅一：他們未削弱模型，只為應用戶

反饋調低默認努力程度。Cherny 表示，很多用戶以往反饋 Claude 消耗 Token 過多，為應需求，Anthropic 做以下變更：默認努力程度降級，3 月 3 日起默認設中等等級，若要深度推理需手輸高級指令。前端隱藏思考過程，改前端展示，不再完整呈現思考塊，減延遲但不影響思考預測或後端深度。自我適應思考機制，2 月 9 日引入動態調整。Claude Code 團隊成員 Thariq Shihipar 亦從部門老大角度連發數帖，用技術層面解釋打消疑慮，強調公司不會為滿足需求而降模型性能。

值得留意，Cherny 提及的默認努力降級，頗能解釋 Stella Laurenzo 報告中思考長度縮短、研究減少及任務放棄頻升等現象，此與推理置中等的默認設定高度契合。然官方解釋未能平眾怒，社交媒體上多用戶認為，若為助用戶省錢而降性能或給錯答，那省錢本無意義。何況公司未通告即直接調校，直接損用戶知情權。 除推理深度變化，不少用戶還留意 Claude 變得更「貴」。

GitHub 上編號 46829 的反饋指出，Claude Code 提示詞緩存生存時間從原 1 小時縮至 5 分鐘。這意味對長時工作程式員，你剛跟 Claude 說完話，5 分鐘後它就忘了，為繼續需重傳上下文。不只增延遲，更激增用戶 Token 消耗，令訂閱用戶開始掙扎以往未遇使用上限。Anthropic 工程師 Jarred Sumner 承認 3 月 6 日此變更，但辯稱為持續緩存優化工作而非暗中降級。

在開發者眼中，這正好證實官方確在後台積極調校緩存，正是大家抱怨配額耗太快的時段。 不論 Claude 變笨也好變貴也罷，Reddit 網友 raven2cz 的話頗中肯：這兩大問題就係額度限制同思考能力下降同基礎設施過載有關，去 GitHub 睇下就知，成千上萬用戶而家面對類似問題，感覺就好似半年前 GPT 發新模型嗰陣一模一樣。網友 Wickywire 分析其根本因，Anthropic 在兩個月內日活躍用戶從 400 萬升至 1100 萬，他們完全冇準備，唔得唔成日連夜撐機擴容，這就係所謂削弱

真相。你對時間線，同期二三月發生嘅事完全吻合。這裡冇任何隱藏意圖，只係經歷增長之痛的公司，與能耐瓶頸係真實且數據確鑿。我們知原委所在同他們係結構性，所以解決方案亦實有限，在 Reddit 上反覆呼籲徒勞無功。這位網友給出解決方法倒立竿見影且切實可行，若見 Claude 表現不佳可試非高峰期使用，若唔得換別家 AI 服務商都得，反正又唔係冇選擇，真係受晒啲喺論壇抱怨使用量同性能下降嘅人。

第三方開發工具顯示，自今年 3 月底 Claude 降智傳聞起，Codex 及其相關插件周活躍用戶量環比增長約 22%。若 Anthropic 無法在節省算力與維持深度推理間找到真正平衡，那 Claude 辛苦建立的口碑恐在這場風波中受考驗。有老用戶所言，我寧願付兩倍錢買個清醒 Claude，也不願花同樣錢買個總要要求更多資訊的廢柴。

波蘭華沙一處空置停車場出現罕見場面，一款名為 Edward Warchocki 的 Unitree G1 人形機械人追趕一群誤闖街頭的野豬。影片顯示，這款高約 130 厘米的機械人身穿背包、護膝並配備頭燈，在草地上滑板奔跑，試圖趕走野豬，但動物群最終無視它自行離開。據報導，這項實驗將實體人形機械人引入由真人網紅及數碼虛擬形象主導的空間，為具身 AI 在營銷領域的應用提供初步測試。

機械人 X 帳戶發文稱：「我正趕野豬回森林。」（zaganiam dziki do lasu）

Unitree G1 規格一覽

這款機械人由企業家 Radosław Grzelaczyk 主導，並獲 AI 開發者 Bartosz Idzik 支援，後者負責對話系統。不同於預設腳本的吉祥物，Warchocki 能即時與真人互動，利用自有 AI 工具及現成技術產生回應，支持動態對話。公眾反應熱烈，街頭影片顯示路人上前握手、提問並錄影分享，這些即興互動成為其魅力核心。項目已吸引商業關注，Edward 首個廣告合作推廣一款價值約 80,000 波蘭茲羅提（約 US$20,000，約 HK$156,000）的豪華手錶，標誌其進軍網

紅營銷。對品牌而言，人形網紅具優勢：免於個人爭議、無需休息，並完全配合訊息策略。早期數據顯示，新奇互動表現超越傳統網紅。
Unitree G1 於 2024 年 5 月推出，定位入門級人形機械人，在中國售價 99,000 元人民幣，約 HK$107,910，已廣泛應用於全球研發項目，探索未來機械人潛力。最近，G1 更獨立穿越新疆阿爾泰雪原，於零下 47.4°C 環境下行走逾 130,000 步，並在冰上描繪冬奧會徽。

韓媒報道指出，生成式 AI 技術正改變高技能人才市場格局。隨著律師、醫生、開發者等專業領域從業者被大量投入 AI 模型訓練與驗證環節，相關人才匹配平台的年營收規模已達約 1 萬億韓元，「AI 時代專業人才供應鏈」正成為新興產業支柱。

美國平台營收快速翻倍

據 The Information 報道，美國人才匹配平台 Handshake 的 AI 培訓人才供應業務年化總營收近期已接近 US$10 億，約 HK$78 億。今年 1 月其年化總營收約為 US$5.5 億，約 HK$42.9 億，短期內增長約一倍，新業務啟動一年即獲得「獨角獸級別營收能力」。同領域初創公司 Mercor 今年初年化總營收亦突破 US$10 億，約 HK$78 億，自去年 9 月的 US$5 億水平在半年內實現翻倍增長。

此次快速增長被視為 AI 模型開發瓶頸從計算資源或公開數據轉向基於領域專業性的「人類反饋」結果。早期生成式 AI 市場依賴通用網絡數據和簡單標註人力，近期則出現法律審查、醫療推理、博士級科學問題解答、高級代碼驗證等專業級別評估數據的急劇需求。OpenAI、Anthropic、Meta 等主要 AI 公司為提升模型推理性能與智能體完成度，正積極利用外部專家網絡，推動相關市場快速擴張。

這些平台採用將 60% 至 70% 收益支付給簽約者的結構，正發展成為一種「投入人力越多營收越大」的 AI 時代專業人才派遣業態。 但大規模運營外部專家網絡的結構，也使個人信息保護與數據安全風險成為新變數。據悉，Mercor 近期因開源工具黑客攻擊影響遭遇數據洩露事故，導致部分客戶公司協作出現障礙。