📰 2026-08-25 AI 日報

Two Minute Papers 這集講的事情，比看起來嚴重。阿里巴巴的 Qwen 3.8，只有 270 億參數，卻能在一般筆電上跑，性能追平甚至超越一年前那些燒了十億美元訓練的模型。更關鍵的是，這次突破不是靠新架構，而是一套類似人類練肌肉的漸進式強化訓練——先練簡單任務，逐步加難度，模型自己把能力堆上去。 過去一年，AI 職涯焦慮的主軸是「會不會被大模型取代」。但這次的訊號不一樣：強的不是模型變大，是模型變小卻一樣強。這代表雲端算力不再是護城河，任何團隊都能在一台筆電上跑出接近前沿水準的 AI，不用付 OpenAI 或 Anthropic 的 API 費，不用擔心資料丟到別人家的伺服器。 對工程師來說，這是一次洗牌。如果你的價值只是「會串 API、包裝成產品」，這塊護城河正在崩解，因為串接本身沒有門檻，接下來拚的是誰能把小模型調校、蒸餾、部署到邊緣裝置上還能維持水準。反過來，懂模型壓縮、量化、本地推理優化的人，身價會往上走——這正是 arXiv 上那篇 Nexus 論文在解決的問題：工具太多、上下文太長，怎麼在小資源下維持路由準確率。這類「讓 AI 變小又不失準」的工程能力，未來會比「調 prompt」值錢。 PM 也要重新想商業模式。過去賣點是「我們串了最強的模型」，現在客戶會問「為什麼我要付雲端費，你不能給我離線版？」尤其對重視資料隱私的企業客戶，本地部署會是新的銷售話術。 老黃靠雲端算力軍備賽成了世界最貴公司，但 Qwen 3.8 這種小而強的模型如果持續進化，會不會有一天，多數人根本不需要租雲端 GPU，而是把 AI 直接裝進口袋。這場戰爭的下一步，可能不在資料中心，而在你我手上的筆電。