📰 2026-07-07 AI 日報

OpenAI 幫你分析工作會不會被 OpenAI 取代
阿凱📝 主編觀點 · 職涯衝擊分析 — 這對工程師、PM、設計師意味著什麼,該怎麼準備

OpenAI 幫你分析工作會不會被 OpenAI 取代

這幾天 OpenAI 發了一份報告,分析 AI 將如何重塑歐盟就業市場,列出哪些職業自動化風險高、哪些領域會成長、工作流程會怎麼變。聽起來很中立、很學術,但你有沒有覺得哪裡怪怪的——賣自動化工具的公司,親自跳出來告訴你「哪些工作會被自動化取代」,這就像賣保險的人幫你做健康檢查,報告最後一頁順便夾了一張保單申請表。 這不是說報告的數據是假的,OpenAI 內部有海量的 ChatGPT 使用數據,論產業洞察力,他們可能比任何顧問公司都準。問題在於角色衝突:他們既是裁判(定義哪些工作有風險),也是球員(賣的產品正是造成風險的原因)。報告會強調哪些職業「面臨風險」,但很少會強調「這風險有多少是我們公司創造出來的」。 對台灣的工程師、PM、設計師來說,真正該讀的不是報告裡的職業清單,而是它背後透露的訊號:這些公司已經有能力精準預測,你這份工作裡哪一部分會先被拿掉。以工程師來說,通常先消失的是「把規格翻譯成程式碼」這一段,留下來的是「決定要做什麼、為什麼要做」。PM 的風險則相反——資料整理、簡報製作這類產出型工作先被吃掉,留下的是跟人談判、拍板決策的部分。設計師也一樣,執行端(切圖、排版、變體生成)正在被 AI 工具吃乾抹淨,留下的是「這個設計為什麼該長這樣」的判斷力。 準備方式其實很簡單,但很反直覺:不要跟 AI 比執行速度,因為你永遠比不過。要往「定義問題」的位置移動,那是目前所有自動化報告裡,都還沒有人能精準預測風險的區塊。 當賣工具的人開始幫你算命,最該懷疑的不是命準不準,而是這副牌是誰發的。
Reddit 用 AI 抓 AI 垃圾,等於請小偷抓小偷,結果發現小偷的筆記比警察還厚
塵子💬 塵子觀點

Reddit 用 AI 抓 AI 垃圾,等於請小偷抓小偷,結果發現小偷的筆記比警察還厚

Reddit 最近宣布,要用大型語言模型自動過濾平台上的垃圾訊息。邏輯聽起來合理:生成式 AI 製造低品質內容的速度,早就超過人工審核能跟上的極限。但這個決定藏著一個荒謬的迴圈——先花幾千億美元訓練 AI 生成內容,再花更多錢訓練另一套 AI 把它們刪掉。就像買了自動餵食機餵貓,結果貓把家裡弄得一團亂,只好再買掃地機器人收拾殘局。 更妙的是,Reddit 發現 AI 生成的垃圾有種「機械式的完美」:文法正確、邏輯通順,卻少了人類那種混亂又真實的手感。於是過濾系統現在不是在抓錯字,而是在抓「太完美」的痕跡。以前大家擔心 AI 會說錯話,現在的困擾反而是它說得太對,對到讓人懷疑對面是不是機器人。 這形成了一個自我吞噬的生態:平台靠 AI 衝流量,又靠 AI 清垃圾,使用者最後看到的內容,其實是兩套演算法互相過濾後的殘渣。你以為在跟真人對話,其實是在看兩個演算法打架的結果。 最諷刺的是,Reddit 員工大概比誰都清楚,那些被刪掉的垃圾訊息,跟他們自己寫的貼文差別不大——差別只在,貼文有薪水,垃圾訊息沒有。

科技業即將面臨 AI 驅動的大規模裁員浪潮,2026 年將成為轉折之年。蘋果推出 iOS 27 測試版,讓用戶可自訂 Siri 語速和表現力,標誌著 AI 語音助手進入個性化時代。與此同時,美國首批自主無人地面車輛已在烏克蘭戰場投入實戰,AI 軍事應用邁向新階段。

2026 年科技業大規模裁員潮:AI 成為主要推手

2026 年科技業大規模裁員潮:AI 成為主要推手

2026 年迎來科技業新一波裁員潮,多家科技巨頭都將 AI 列為裁員的主要原因。這反映出 AI 技術快速進展帶來的組織重組壓力,企業正在調整人力結構以適應 AI 時代的新需求,同時也引發了關於科技業就業前景的廣泛討論。

AI 裁員科技業人力調整職場變化
TechCrunch AI
iOS 27 測試版推出:Siri 語速和表現力可自訂,AI 重塑語音助手

iOS 27 測試版推出:Siri 語速和表現力可自訂,AI 重塑語音助手

Apple 在最新 iOS 27 測試版中推出 Siri 個性化功能,用戶可自訂語音助手的說話速度和表現力。這是 Apple 以生成式 AI 重建 Siri、讓其更自然且個人化的更大計畫的一部分,目標是提升語音助手的互動體驗。

Siri生成式 AI語音助手
TechCrunch AI
GLM 5.2 和即將到來的 AI 利潤率崩潰

GLM 5.2 和即將到來的 AI 利潤率崩潰

GLM 5.2 的發佈可能預示著 AI 模型市場競爭加劇,大型科技公司透過更強大的開源或低成本模型的推出,正在壓低整個 AI 服務的利潤空間。這場「邊際利潤塌陷」反映了 AI 產業從早期高利潤階段向成熟競爭階段的轉變,對依賴 AI 服務營收的企業構成長期挑戰。

GLM 5.2AI 競爭利潤率
Hacker News
企業採用 AI 後反而增加招聘

企業採用 AI 後反而增加招聘

根據最新數據,採用 AI 技術的企業並未如同預期大幅裁員,反而在多個部門增加了招聘。這反映出 AI 更多是作為生產力工具來增強員工能力,而非直接替代人力,企業正在尋求熟悉 AI 工具的新員工來配合轉型。

AI 就業企業轉型人力資源
Hacker News
美國首批自主無人地面車輛在烏克蘭參與戰鬥

美國首批自主無人地面車輛在烏克蘭參與戰鬥

Forterra 公司已在烏克蘭衝突區部署超過 100 輛自動駕駛全地形車(ATV),這是美國自主無人地面車輛首次在實際戰場環境中投入使用。此舉標誌著自駕技術從商業應用邁向國防領域,展現了自主系統在極端環境中的實際運作能力。

自主無人車自駕技術國防應用
TechCrunch AI
Reading Between the Dots: 解碼填充詞元中的隱藏計算

Reading Between the Dots: 解碼填充詞元中的隱藏計算

研究發現前沿 LLM 可在看似無意義的填充詞元(如點號或計數序列)上進行多步推理,產生正確答案但無可見的思考鏈。研究團隊通過分析 DeepSeek V3 和 Kimi K2 等開源模型的隱藏狀態,揭示了模型如何在這些填充區域中以結構化方式進行計算,包括注意力路由、事實組合過程和因果關係驗證,為模型解釋性和可監督性研究提供了新的視角。

LLM 解釋性隱藏推理模型監督
arXiv cs.CL
開源藥物發現引擎 OpenDDE:整合折疊、推理與縮放的生物分子基礎模型

開源藥物發現引擎 OpenDDE:整合折疊、推理與縮放的生物分子基礎模型

研究團隊推出 OpenDDE,一個開源的全原子生物分子基礎模型,以共折疊為核心,將結構預測從孤立任務轉變為序列-結構-功能關係的統一推理層。該框架整合最新的全原子架構、原子潛在推理、推理最佳化和大規模資料處理技術,在可複製的開放框架內達到 IsoDDE 級別的共折疊準確度,並為後續的新藥設計、親和力估計和結構引導最佳化奠定基礎。

藥物發現蛋白質折疊生物分子基礎模型
arXiv cs.AI
QuantFlow:基於聯邦學習的 Mamba 時間序列預測基礎模型

QuantFlow:基於聯邦學習的 Mamba 時間序列預測基礎模型

研究團隊推出 QuantFlow,一個結合 Mamba 狀態空間模型、聯邦學習和分位數迴歸的時間序列預測框架。該模型突破了傳統 Transformer 對長序列和隱私敏感數據的限制,在加密貨幣、交通、電力、流感等多個領域的預測任務上展現強大能力,為分布式和隱私保護的預測應用開闢新方向。

Mamba 模型時間序列預測聯邦學習
arXiv cs.LG
政府案例研究:艾伯塔省政府使用 Claude 尋找並修復跨政府系統的網路安全漏洞

政府案例研究:艾伯塔省政府使用 Claude 尋找並修復跨政府系統的網路安全漏洞

艾伯塔省政府利用 Claude 進行網路安全審計,自動識別和修復政府系統中的安全漏洞。這個案例展示了大型語言模型在政府資訊安全領域的實際應用,能顯著提升漏洞檢測效率,降低被攻擊風險。

網路安全政府應用Claude
Anthropic Blog
審計的審計:基準有效性審計中的五種失敗模式

審計的審計:基準有效性審計中的五種失敗模式

研究人員發現了AI安全審計流程中的關鍵漏洞——基於擾動的構效度審計容易被實現細節所影響,導致結論可能被無聲地製造出來。研究者對安全基準和開放權重指令調整模型進行案例研究,提出五類管道故障模式,並建議採用六點盡職調查門檻來強化審計證據的可信度。

AI審計基準測試模型評估
arXiv cs.LG
BRAID:統一多模態推理的強化學習框架

BRAID:統一多模態推理的強化學習框架

研究團隊提出 BRAID 框架,將交錯的文本-圖像-文本推理統一為馬可夫決策過程,使強化學習能夠同時優化文本和圖像生成。突破過往只能優化文本步驟的限制,讓策略梯度能夠穿過異質模態的完整軌跡,為統一多模態模型的 RL 應用開啟新可能。

多模態推理強化學習文本圖像生成
arXiv cs.AI
Echoes of Unrest:用多模態 NLP 框架早期預警假新聞和暴力動員活動

Echoes of Unrest:用多模態 NLP 框架早期預警假新聞和暴力動員活動

研究人員開發了一套多語言、多模態的 NLP 框架,結合 XLM-RoBERTa、CLIP 等技術,能夠提前偵測假新聞和暴力傾向的社群動態。該框架使用 13 萬多筆孟加拉語和英文資料集進行訓練,針對社群媒體上容易引發現實暴力的虛假訊息進行預警,特別是在南亞等地區已見其危害。

多模態 NLP假新聞檢測社群媒體安全
arXiv cs.CL

今日洞察

AI 產業正邁向深度整合與治理並重的新階段。隱私與數據主權成為焦點,Google 調整設定引發用戶對資料用於訓練 AI 的關注,強調 opt-out 機制的重要性。同時,AI 雙刃劍效應顯現,Reddit 利用 LLM 治理垃圾內容,展現技術反制技術的趨勢。應用層面,OfficeCLI 與 Agentic AI 在醫療基因組的突破,標誌著 AI 從對話走向實質操作與專業決策。此外,OpenAI 透過報告分析歐盟就業衝擊,並提出股權共享提案,試圖解決 AI 紅利分配與內容補償的政治經濟難題,顯示產業界正積極尋求技術發展與社會責任間的平衡點。

🔮 趨勢雷達

未來三至六個月,AI 產業將從單純的模型競賽轉向基礎設施與治理的深水区。Agentic AI 將突破對話限制,透過如 OfficeCLI 等工具深入企業核心工作流,成為 Q3 企業自動化標配。同時,內容治理將迎來反噬效應,平台將全面採用 LLM 對抗 AI 垃圾內容,導致相關安全技術投資激增。醫療基因領域的突破將加速 Agentic AI 在垂直產業的落地,而 OpenAI 的股權提案若獲推進,將引發全球對 AI 數據補償機制的立法風暴,迫使競爭對手跟進,重塑產業獲利模式與數據主權格局。

延伸閱讀

喜歡這篇?每天早晨還有更多。

訂閱 5min AI,讓 AI 替你追蹤整個 AI 世界。