📰 2026-06-03 AI 日報

Perplexity 在 Computex 亮出的這張牌,比融資新聞更值得看
阿凱📝 主編觀點 · 投資人視角 — 錢往哪流、為什麼,哪些公司值得注意

Perplexity 在 Computex 亮出的這張牌,比融資新聞更值得看

Perplexity AI 上週在 Computex 2026 展示了一個混合式本地雲端推理協調系統,簡單說就是:AI 推理的運算,可以動態分配給你的本機裝置或雲端伺服器。這不是產品小更新,這是一個估值 200 億美元的公司,在宣示自己的下一個戰場。 現在 AI 推理幾乎都壓在雲端,你問一句話,封包飛到資料中心,回答再飛回來。這個模式有三個痛點:延遲、費用、隱私。Perplexity 的混合架構,是在說「我們可以把更多計算放在你身邊」。對企業用戶來說,敏感資料不用離開內網;對一般用戶來說,離線也能用、速度更快。 從投資人視角看,這步棋的意思更清楚。純雲端 AI 的路,OpenAI 和 Google 已經蓋好護城河。但邊緣推理這塊,現在還沒有人拿下。Perplexity 趁著 Computex 這個硬體廠商聚集的場合出手,訊號很明確:他們在跟高通、聯發科、英特爾這些做端側晶片的廠商喊話,我們要一起搶這個生態。 同一週 OpenAI 把旗艦模型跟 Codex 搬進 AWS,兩件事放在一起看,其實是兩條截然不同的路線。OpenAI 選擇深化雲端依賴,讓企業用 AWS 既有的採購流程買單,短期內能快速放大營收。Perplexity 則往另一個方向跑,主打本地化和隱私,試圖在 AI 基礎設施還沒定型之前,卡住邊緣這個位置。 這不代表誰對誰錯,但邊緣推理這條路,一旦硬體夠強、生態跑起來,轉換成本會非常高。Perplexity 現在佈局,成本比三年後便宜很多。 如果這套混合架構真的跑得起來,受影響最深的不是 OpenAI,是 AWS 和 Azure——因為部分推理費用會從雲端帳單裡消失。
不需要員工,但你得學會當老闆
塵子💬 塵子觀點

不需要員工,但你得學會當老闆

朋友說想創業,但怕招不到人。我告訴他,現在創業門檻低到有點荒謬,因為你根本不需要招人。MIT Technology Review 報導,AI 已經能接手會計、設計、市場研究,甚至產品開發——這些原本需要整個部門才能消化的工作。 聽起來很美好,對吧?小公司只要付一點訂閱費,就能擁有過去只有大企業才配有的營運能力。但問題來了:如果 AI 員工這麼好用,為什麼還是有一堆公司燒錢燒到倒? VentureBeat 調查給出了答案:32% 的企業把問題歸咎於供應商不透明,而且只有四成公司設有中央管控團隊。換句話說,大家不是輸在技術,是輸在沒人知道怎麼管這些「員工」。你交給 AI 一個任務,它可能真的幫你做完,但也可能在執行途中悄悄改了你的預算,或用一套你完全看不懂的邏輯去推銷產品。 現在的技術整合速度更是沒在等人。OpenAI 的模型已經能部署上 AWS,Perplexity 支援本地與雲端混合運算,JetBrains 推出了專門用來寫程式碼的混合專家模型。能力一直在擴張,但管理這些工具的架構,還停留在「我問你答」的階段。 這就像請來一個過目不忘的特助,結果發現他完全搞不清楚公司裡誰說了算,甚至開始自己決定要簽哪些合約。技術本身不是問題,問題是多數人還沒想好怎麼指揮它。 所以,下次你想創業,別只顧著比較哪個模型比較聰明。先想清楚:你懂得怎麼開會嗎?
🚀 產品速報2026-06-03

AI 的下一個數據集是你的公寓:從網路閱讀到居家感知

過去幾年,我們習慣了 AI 透過閱讀網路上公開的書籍、文章和圖片來學習。但現在情況正在改變,AI 的學習範圍正從廣闊的公開網路,轉向更私密、更真實的居住空間。根據最新報導,未來的 AI 模型將深入家庭,透過智慧家電、語音助理和各種感測器,直接收集我們日常生活的真實互動數據。這意味著你的公寓將成為訓練 AI 最重要的數據集,AI 不再只是閱讀人類寫下的文字,而是開始觀察並理解人類在居住空間中的實際行為模式。 這個轉變背後有幾個關鍵的技術與功能亮點。...

企業正加速將 AI 應用從雲端延伸至本地,Perplexity 推出混合式推理系統,而 OpenAI 與 Microsoft 也分別在 AWS 和開發工具上取得突破。然而,Uber 因預算失控急凍員工 AI 支出,加上代理執行層面的挑戰,顯示技術落地仍面臨嚴峻的營運與成本考驗。未來數據集將從公共領域轉向私人空間,企業需在創新效率與實際執行力之間找到新的平衡點。

AI 的下一個數據集是你的公寓

AI 的下一個數據集是你的公寓

The Rundown AI 探討了 AI 模型訓練數據來源的演變,指出未來 AI 將深入家庭環境,透過智慧家電與感測器收集真實生活數據。同時,文章提及無程式碼(no-code)工具讓使用者能輕鬆建立自訂的部落格寫作代理,降低開發門檻。

智慧家居無程式碼AI 代理
The Rundown AI
Uber 限制員工 AI 支出,四個月預算超支後急轉彎

Uber 限制員工 AI 支出,四個月預算超支後急轉彎

Uber 在鼓勵員工大量使用 AI 僅四個月後,因預算嚴重超支而緊急下達支出上限。此舉顯示企業在導入生成式 AI 時,往往低估了實際使用成本與管理難度,引發對 AI 投資回報率的重新評估。

UberAI 支出預算超支
TechCrunch AI
Microsoft 推出新工具,讓開發者透過文字描述即可建立 AI 行為測試

Microsoft 推出新工具,讓開發者透過文字描述即可建立 AI 行為測試

Microsoft 正式發布 Adaptive Spec-driven Scoring for Evaluation and Regression Testing,這是一個開源框架,能協助開發者利用文字描述快速建立 AI 評估與回歸測試環境。此工具大幅降低了設定 AI 測試的門檻,讓團隊能更靈活地驗證模型行為是否符合預期。

MicrosoftAI 測試開源框架
TechCrunch AI
Perplexity AI 於 Computex 2026 推出混合式本地雲端推理系統

Perplexity AI 於 Computex 2026 推出混合式本地雲端推理系統

估值達 200 億美元的搜尋新創 Perplexity AI 在 Computex 2026 上展示了首個混合式本地伺服器推理協調軟體,將運算能力靈活分配至本地裝置與雲端伺服器。此舉標誌著 AI 應用正從純雲端模式轉向更強調隱私與效能的混合架構,為邊緣運算帶來新變數。

Perplexity AI混合式推理邊緣運算
VentureBeat AI
AI 代理的清算:企業面臨執行層面問題,而非模型問題

AI 代理的清算:企業面臨執行層面問題,而非模型問題

VentureBeat 的調查顯示,許多企業在 AI 治理上存在嚴重落差,認為擁有中央管控團隊的企業僅佔 43%,且近三分之一將問題歸咎於供應商不透明。這揭示企業目前過度聚焦於模型選擇,卻忽略了實際執行與治理架構的缺失,導致大部分解決方案都建錯了方向。

AI 治理企業 AIAI 代理
VentureBeat AI
OpenAI frontier models 與 Codex 正式登陸 AWS

OpenAI frontier models 與 Codex 正式登陸 AWS

OpenAI 的旗艦模型與 Codex 現已透過 AWS 全面開放,讓企業能利用既有的雲端環境、管控機制與採購流程,更快速地將 AI 從評估階段推進至生產環境。此舉為開發者與企業提供了一條整合 OpenAI 技術與 AWS 基礎設施的便捷路徑,加速 AI 應用的落地實作。

OpenAIAWSCodex
OpenAI Blog
The Download: AI 現在能接管行政部門

The Download: AI 現在能接管行政部門

AI 技術已從單純的對話工具演變為能實際執行會計、設計、市場研究及產品開發等複雜行政任務的解決方案。這意味著小型企業也能以低成本獲得原本僅大型公司才擁有的全方位營運能力,大幅降低創業與經營門檻。

AI 行政小型企業自動化
MIT Tech Review
JetBrains 推出 Mellum2:12B 混合專家模型

JetBrains 推出 Mellum2:12B 混合專家模型

JetBrains 正式發布 Mellum2,這是一個擁有 120 億參數的混合專家(Mixture-of-Experts)模型,旨在提升代碼生成與開發效率。該模型結合了 Hugging Face 的開源生態與 JetBrains 的開發工具優勢,為軟體開發者提供了更強大的本地化 AI 輔助選項。

Mellum2混合專家模型JetBrains
Hugging Face Blog

今日洞察

AI 產業正從單純追求模型能力轉向深化應用治理與成本效益的平衡。企業在導入生成式 AI 時,常因低估實際使用成本與管理難度而遭遇預算超支,如 Uber 的經驗所示,這迫使市場重新評估投資回報率。同時,技術門檻的降低透過無程式碼工具與開源框架,讓開發者能更靈活地建立代理與測試環境,加速落地實作。然而,執行層面的治理缺失與供應商不透明問題日益凸顯,成為阻礙企業成功的關鍵。未來趨勢將朝向混合式架構發展,結合雲端與邊緣運算以兼顧隱私與效能,並透過 AWS 等基礎設施整合,推動 AI 從評估階段真正進入生產環境,解決實際執行問題。

🔮 趨勢雷達

未來三至六個月,AI 產業將從狂熱的模型競賽急轉為嚴格的成本管控與治理落地。受 Uber 預算超支案例啟示,企業將大幅削減無效的生成式 AI 實驗,投資回報率成為核心篩選標準,導致純概念驗證項目在 Q3 遭遇資金凍結。同時,混合式本地雲端推理架構將取代純雲端方案成為主流,以解決隱私與效能瓶頸。開發者將轉向利用無程式碼工具與自動化測試框架,專注於建立中央管控的治理體系,而非盲目追求模型參數量。缺乏實際執行架構的供應商將面臨大規模淘汰,市場重心徹底從技術展示轉向可規模化的生產環境整合。

延伸閱讀