趨勢情報
AI 產業趨勢、技術發展、市場分析
掌握先機：了解 AI 產業趨勢，提前布局變現機會
Anthropic 為兩條 AI 紅線和五角大廈翻臉，說明軍用採購已不再接受模型公司自己畫邊界
當 Anthropic 因拒絕放行大規模國內監控與全自主武器而面臨供應鏈風險標籤，真正值得注意的是軍用 AI 採購已開始要求模型供應商交出最後的治理主導權。
Microsoft 與 OpenAI 發聯合聲明，強調合作關係、Azure 託管與商業分潤維持不變
Microsoft 與 OpenAI 發出聯合聲明，明確表示雙方合作條款、智慧財產授權、商業分潤與 Azure 作為 stateless OpenAI API 獨家雲端供應商的安排都沒有改變。
Google 更新 Flow，把影片生成、圖像編修與資產管理整合進同一工作區
Google 為 Flow 推出新版介面與一批創作工具更新，把圖像生成、資產管理、自然語言編修、片段延伸與鏡頭控制收進同一工作區，並讓影像可直接作為 Veo 影片生成素材。
AgentScope 若真把多 Agent 開發做成 Actor 架構，下一輪競爭就會從會不會做走向能不能穩定擴
AgentScope 的真正分量不在多 Agent 聽起來多前沿，而在它把多智能體開發問題往穩定性、分散式結構與可擴展性這些真正工程問題拉。
StreamDiffusionV2 若真把影片生成推向即時互動，生成式影片市場就要從離線炫技改成系統工程競賽
StreamDiffusionV2 的重量不只在影片生成更快，而在它把市場從離線出片邏輯推向即時互動與低延遲系統能力的正面對決。
AWE 3.0 若把具身模型再往前拉，下一輪比拼的就不只是感知能力而是動作閉環能不能穩
AWE 3.0 這類具身模型升級真正重要的地方，不在又多一個版本號，而在市場對具身 AI 的要求已從看懂世界，慢慢推向能否穩定完成動作閉環。
離線強化學習若真讓 Transformer 學會去其糟粕，這條路可能比盲目加資料更接近可控進化
離線強化學習新範式若能讓 Transformer 更有能力過濾低價值路徑，它的重要性就在於模型訓練終於更像在做有選擇的優化，而不只是無止盡餵資料。
LLaDA-o 若真把離散與連續擴散統一起來，多模態模型的下一步就不只是更大而是更一致
LLaDA-o 的意義不只是一個新模型名，而在它試圖把多模態理解與生成背後兩套常被分開看的擴散邏輯重新合併。
如果不靠人類語言訓練模型反而更強，這會逼整個 LLM 敘事重新檢查自己最深的假設
若研究真的顯示不依賴人類自然語言的訓練方式也能帶來更強表現，衝擊的不只是技術細節，而是整個 LLM 世界對資料、理解與泛化來源的核心想像。
Kairos 3.0 把 4B 參數和邊緣部署綁在一起後，具身 AI 開始不再只靠大模型堆算力
Kairos 3.0 用 4B 參數與低延遲邊緣部署敘事切進具身 AI，代表市場正在重新衡量，真正可落地的世界模型不一定要靠更大、更重的路線才能成立。
DRIFT 把知識與推理解耦後，真正重要的不是又一篇論文而是模型終於更像可治理系統
DRIFT 若真能把知識檢索與推理流程拆開處理，它的價值就不只在效率，而在模型系統終於有更清楚的邊界可被觀察、控制與防越獄。
Perplexity 若把 API 送進全球最大 Android 裝置鏈，真正被改寫的就不是搜尋而是預裝分發權
Perplexity 若與大型 Android 裝置商深度整合，最重要的變化不只是多一個合作案，而是答案型 AI 開始直接搶作業系統外層的預設入口與分發權。
當 AI x Science 開始被獨立組織化，代表科研競爭已經不滿足於用模型當工具而是想重寫發現流程
AI x Science 若被拉成更獨立的研究與組織主線，這不只是在做學術跨界，而是科研機構開始把模型視為重寫知識發現流程的核心變數。
Model Council 的真正價值不在選模型，而在企業終於承認多模型時代需要治理機制而不是一張排行榜
當平台把 Model Council 這種機制正式推到台前，最重要的訊號不是更多模型可選，而是企業 AI 已經走到不得不建立模型治理、選用準則與責任分工的階段。
企業開始習慣切模型之後，前沿 AI 市場就不再是供應商神話，而會變成買方市場
企業若開始把 model switching 視為正常配置，代表前沿模型公司的議價優勢會被重新稀釋，未來更重要的是成本、可靠性與切換阻力有多低。
Search API 若連 benchmark 都要動態化，代表搜尋型 AI 終於承認靜態跑分根本不夠看
Search API 把更好的抽取能力和動態 benchmark 一起拿出來談，意義不只在產品更新，而是搜尋型 AI 已經開始正視真實網路世界根本不是一張固定考卷。
Sandbox API 的重點從來不是能跑程式，而是 agent 終於開始被要求在有邊界的地方工作
Sandbox API 真正重要的地方，不是又多一個 code execution 功能，而是代理系統終於被推向隔離執行、風險分層與可回退的正式工程治理。
Agent API 真正想賣的不是又一個接口，而是把代理執行環境直接商品化
Perplexity 若把 Agent API 定位成託管式 runtime，市場真正該看到的不是新開發者功能，而是代理工作流正在從工具拼裝，走向可被平台直接租用的基礎設施。
Premium Sources 不是小更新，它其實是在替答案型 AI 試一種新的內容分層收費邏輯
Perplexity 把 Premium Sources 拉進產品後，意義不只在資訊來源變多，而是在答案型 AI 正嘗試把內容授權、品質分級與付費體驗整合成新的商業結構。
Anthropic 推出 Claude Sonnet 4.6，1M context beta 與電腦操作能力同步擴張
Anthropic 發布 Claude Sonnet 4.6，將 1M token context beta、電腦操作能力、提示注入防護改進與既有 Sonnet 4.5 價格一起推進到 Claude 各方案、Claude Code、Claude Cowork 與 API。
360 把安全代理產品推上來後，最清楚的訊號是中國市場也開始把 agent 當成資安主戰場
360 強推安全代理產品的意義，不在又多一家公司做 agent，而在資安市場已經普遍接受，未來最危險也最值錢的攻防點都會往代理系統集中。
阿里開源 Qwen3.5-397B-A17B，把多模態、長上下文與 201 種語言一起推進公開模型
阿里巴巴發布並開源 Qwen3.5-397B-A17B，主打文字、圖片、影片輸入與文字輸出，支援 201 種語言與方言，原生 262,144 tokens context 並可延伸到約 101 萬 tokens。
當 Karpathy 說寫程式像在管龍蝦，這不只是玩笑而是開發者角色已經被 AI 重新切分
Karpathy 對 AI coding 工作方式的形容之所以爆紅，不在金句本身，而在它準確點出開發者正在從直接寫檔案，轉向管理代理、驗收結果與維持上下文。
GTC 若再把台灣供應鏈推到聚光燈下，這波 AI 熱潮最先被驗證的其實不是模型而是交貨能力
每次 GTC 把 AI 需求再往上拉，真正最先承壓的往往不是模型公司，而是台灣供應鏈能否把伺服器、封裝、散熱與整機交付速度撐住。