📰 2026-07-29 AI 日報

中國又扔了一顆「免費」震撼彈,OpenAI 的護城河正在漏水
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

中國又扔了一顆「免費」震撼彈,OpenAI 的護城河正在漏水

Moonshot AI 這週把 Kimi K3 的權重直接開源,免費讓全世界下載。這不是新聞裡輕描淡寫的一句話,這是繼今年初 DeepSeek R1 之後,中國第二次用「免費」這招打美國模型商的臉。當時 DeepSeek 一發布,Nvidia 股價一天蒸發近六千億美元市值,因為市場突然意識到:訓練頂尖模型不需要燒那麼多算力,也不一定要收費才能活下去。 Kimi K3 的邏輯更直白。你花錢訂閱 ChatGPT Plus 或 Claude Pro,本質上是在買「別人訓練好的智慧」。但如果有人把同等級的智慧直接白送給你,還讓你能下載到自己的伺服器上跑、自己微調、自己商用,那訂閱制的說服力就會被打折扣。這對投資人來說是個尷尬的訊號:模型層(model layer)的定價權,正在被開源浪潮一點一點蠶食。 錢會怎麼流?我猜會往兩個方向集中。第一是雲端和算力商,不管模型免不免費,跑推理還是要買 GPU、租機房,AWS、Azure、甚至 Nvidia 自己還是穩賺;第二是應用層,因為模型變成「隨手可得的原料」後,真正值錢的變成把模型包裝成好用產品的公司,像是垂直領域的 agent、企業工作流工具。反而是那些純靠賣模型 API 賺錢、又還沒建立品牌黏著度的公司,會被夾在中間最難受。 OpenAI 和 Anthropic 目前靠的是「我的模型比你好一個世代」這個敘事撐住高估值。問題是,這個世代差距正在被中國團隊用越來越快的速度追平,甚至倒過來免費倒貼。當技術領先優勢從「一年」縮到「三個月」,訂閱費要漲,難度只會更高。 開源不是慈善,是一種攻擊性的市場策略——用免費打掉對手的定價權,再從別的地方賺回來。這場仗,才剛開打。
Google 的 AI 摘要已經佔了 43% 的搜尋結果,我們正在失去「迷路」的權利。
塵子💬 塵子觀點

Google 的 AI 摘要已經佔了 43% 的搜尋結果,我們正在失去「迷路」的權利。

以前搜尋一個關鍵字,Google 給你十個連結,你要自己點開、比較、判斷哪一個比較可信。現在它直接給你一段「AI 整理過的答案」,連結都不用點了。聽起來很方便,但你有沒有發現,你越來越少看到跟你想法不一樣的東西了? 這不是陰謀論,這是產品設計。AI 的目標是讓你滿意,而讓你滿意最快的方式,就是告訴你你想聽的話。當 43% 的搜尋結果都被 AI 摘要吃掉,意味著超過一半的人,根本沒有機會看到那些「不完美但真實」的原始資料。 這跟 Moonshot AI 免費開放模型是兩回事。免費是讓技術變便宜,但 AI 摘要是在讓資訊變單一。當所有人都看著同一個 AI 給出的「標準答案」,我們就失去了從不同來源拼湊真相的機會。 更荒謬的是,這個 AI 摘要還常常出錯。我剛搜了「附近好吃的」,前三個結果有兩家已經倒了,但 AI 還是很有自信地推薦著。它不是不知道它們關了,它只是賭你不會真的走過去確認。 我們以為自己在用 AI 提高效率,其實是在用 AI 縮小視野。當搜尋變成單向的投喂,我們就不再是探索者,而是被餵食的觀眾。 下次當你看到那個完美的 AI 摘要時,不妨點進去看看原始連結。不是為了確認答案,而是為了確認自己還擁有選擇看什麼的權利。畢竟,迷路有時候比直達目的地,更能讓你記住這個世界長什麼樣子。
🚀 產品速報2026-07-29

Perplexity Personal Computer 登陸 Windows,打造你的本地 AI 數位員工

Perplexity 正式宣布將其 AI 代理工具 Personal Computer 擴展至 Windows 平台。這項更新意味著,使用全球最普及作業系統的電腦使用者,現在也能將自己的電腦轉化為一個本地運行的 AI 系統。這不僅填補了 Perplexity 在跨平台支援上的最後一塊拼圖,更標誌著 AI 從單純的對話助手,邁向能實際操作電腦的「通用數位員工」階段。 先說最重要的功能:Personal Computer 不再只是幫你查資料,它能直接動手做事。這個工具具備存取你本地檔案與應用程式的權限,並能代為執行具體操作。例如,你可以指令它建立一份文件、更新試算表中的數據,或是整理你的資料夾。對於需要處理大量重複性電腦操作的工作者來說,這相當於擁有一位隨時待命、不會疲勞的數位助理。...

Perplexity 將 Personal Computer 工具擴展至 Windows 平台,並有數據顯示 Google AI Search 正快速成為用戶預設的搜尋方式,顯示 AI 整合正加速滲透日常應用。同時,中國免費開放最佳 AI 模型與企業界推動 Agentic AI 的實務建議,反映出業界在技術普及與商業落地上的雙軌並進。此外,形式化驗證在 3D CSG 的應用以及腦波訊號對物理 AI 的潛在突破,則為技術的可靠性與未來邊界提供了新的思考方向。

Perplexity 將 Personal Computer 工具擴展至 Windows 平台

Perplexity 將 Personal Computer 工具擴展至 Windows 平台

Perplexity 宣布將其 AI 代理工具 Personal Computer 支援 Windows 系統,讓使用者能將電腦轉化為本地運行的 AI 系統。該工具具備「通用數位員工」特性,可存取本地檔案與應用程式,並能協助建立文件、更新試算表等任務,進一步整合了 Microsoft 365 與 Teams 生態系。

PerplexityWindowsAI Agent
The Verge AI
中國為何免費提供其最佳 AI 模型

中國為何免費提供其最佳 AI 模型

中國新創 Moonshot AI 發布了具備強大競爭力的 LLM Kimi K3,並宣布免費開放權重。此舉不僅引發美中 AI 競爭的關注,更讓市場擔憂封閉式美國模型在開放替代方案崛起下的主導地位是否動搖。

Moonshot AIKimi K3開源模型
The Verge AI
Google AI Search 快速成為預設搜尋方式,新數據顯示

Google AI Search 快速成為預設搜尋方式,新數據顯示

Google 的 AI Overviews(AI 摘要)目前已出現在 43% 的搜尋結果中,顯示 AI 生成的答案正迅速成為人們線上獲取資訊的預設方式。這項數據突顯了搜尋行為的轉變,AI 輔助回答已不再是實驗性功能,而是主流體驗。

GoogleAI Overviews搜尋引擎
TechCrunch AI
打造 Agentic AI 企業環境:五大實務建議

打造 Agentic AI 企業環境:五大實務建議

Intel 透過大量實驗指出,Agentic AI 的企業應用不僅是推理問題,更是涉及 CPU 容量、數據存取與可觀測性的系統工程。研究提出五大建議,包括以 vCPU 密度規劃容量、監控任務延遲而非僅看 CPU 使用率,並建議採用 Scale-out 架構以支援 Agent 的可預測擴展。

Agentic AI企業基礎設施Intel
MIT Tech Review
腦波訊號會是物理 AI 的下一個關鍵突破嗎?

腦波訊號會是物理 AI 的下一個關鍵突破嗎?

前沿物理 AI 模型的訓練不再僅依賴多鏡頭影像與密集標註,未來可能納入腦波讀數作為關鍵數據來源。這項趨勢暗示 AI 與人類神經訊號的結合,將成為提升實體互動能力的核心技術。

物理 AI腦波訊號多模態學習
TechCrunch AI
Show HN: 形式化驗證的 3D CSG:信任 93 行規格,而非 1000 行 AI 程式碼

Show HN: 形式化驗證的 3D CSG:信任 93 行規格,而非 1000 行 AI 程式碼

此專案在 Lean 4 中實作並形式化驗證了 3D 建構實體幾何(CSG)的網格交集運算,確保結果網格的表面與三角剖分條件精確無誤。作者將其視為避免盲目信任 AI 生成程式碼的實驗,開發者只需審查極少量的形式化規格即可確保程式碼正確性。

形式化驗證AI 程式碼3D CSG
Hacker News
DeepLens Diagnosis Agent:透過 Agentic Workflow 設計,讓小型推理模型具備與前沿 LLM 競爭的診斷能力

DeepLens Diagnosis Agent:透過 Agentic Workflow 設計,讓小型推理模型具備與前沿 LLM 競爭的診斷能力

研究團隊提出 DeepLens Diagnosis Agent,結合小型醫療推理模型(JSL Medical Small 7B v2)與檢索增強生成(RAG)技術,透過五階段流程強制執行結構化臨床提取與證據交叉比對。在 DiagnosisArena 基準測試中,該方法使小型模型的診斷準確率從 23.99% 大幅提升至 60.14%,展現了流程設計對提升小模型效能的關鍵作用。

DeepLensAgentic Workflow醫療診斷
arXiv cs.AI
MIITA:利用記憶引導的推理時適應,解決小型語言模型的持續學習問題

MIITA:利用記憶引導的推理時適應,解決小型語言模型的持續學習問題

研究團隊提出 MIITA 框架,旨在解決小型語言模型(SLMs)在資源受限環境下進行持續學習時,容易發生災難性遺忘的問題。該方法透過儲存緊湊的修正方向原型,並在推理階段動態檢索與應用,讓模型能在不破壞原有參數的情況下,非破壞性地重複使用過去的監督資訊。這項技術為在邊緣裝置或低資源場景中部署具備持續適應能力的 AI 模型提供了新的解決方案。

小型語言模型持續學習災難性遺忘
arXiv cs.AI

今日洞察

AI 產業正從單純的模型競賽轉向深度整合與信任機制建構。Perplexity 與 Google 的進展顯示,AI 已深入作業系統與搜尋核心,成為日常資訊獲取與辦公的主流介面。同時,Moonshot AI 免費開放模型權重,挑戰美國封閉生態系,加速開放源碼競爭。企業端則面臨 Agentic AI 的系統工程挑戰,需優化基礎設施以支援可擴展性。此外,物理 AI 探索腦波訊號,結合形式化驗證技術,反映業界對提升實體互動能力與確保程式碼可靠性的雙重追求,標誌著 AI 應用進入更精細化與高信任度的新階段。

🔮 趨勢雷達

未來三至六個月,Agentic AI 將從概念驗證轉向企業級部署,Intel 的建議顯示基礎設施將成為瓶頸,硬體投資重心將從純算力轉向系統工程與可觀測性。同時,搜尋引擎面臨結構性危機,Google AI Overviews 的高滲透率迫使廣告模式重構,傳統搜尋廣告營收恐在 Q3 出現明顯下滑。中國免費開放 Kimi K3 將加速開源模型在開發者生態中的普及,壓縮封閉式模型在開發階段的市場空間。此外,形式化驗證將成為 AI 代碼生成的標準配置,以解決信任問題,而腦波訊號等新型數據源雖具潛力,但短期內難以商業化,產業焦點仍將集中在提升現有 Agent 的穩定性與企業整合能力上。

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。