AI 與科技情報日報 — 2026-06-25（上午／歐美場）
圖片來源 Pexels／攝影 Marta Branco（https://www.pexels.com/photo/close-up-of-computer-hard-disk-drive-components-32923533/）
本時段聚焦歐美隔夜到今晨的模型基礎建設、agent 產品化、平台存取管制與市場訊號。時間以 GMT+8 為準。
今日頭條：AI 競爭已不只是模型分數，而是誰先拿到推理成本、操作入口與制度邊界
今天最值得一起看的，不是哪家模型單點突破，而是三條線同時往前推。OpenAI 直接走向推理晶片，Google 把 computer use 下放到 Gemini 3.5 Flash，Anthropic 則把模型存取問題拉到地緣政治與國會補漏洞的層次。這表示 AI 競爭正從「模型會不會答」轉成「系統能不能大規模運作、被控制、也被保護」。
這個轉向對台灣尤其直接。若推理成本、資料中心晶片、HBM 與 agent 操作層都變成主戰場，受影響的不只雲端平台，也包括台灣的晶圓代工、先進封裝、伺服器、記憶體與企業導入節奏。今天的市場波動，某種程度上就是資本市場在替這個新結構重新定價。
OpenAI × Broadcom ｜ Gemini computer use ｜ Anthropic vs Alibaba
1. 推理成本開始往下游壓，晶片版圖跟著擴大
OpenAI 與 Broadcom 公布推理晶片 Jalapeño，模型公司正式把手伸進硬體層
OpenAI 公布與 Broadcom 合作的 LLM 推理晶片 Jalapeño，官方把它定位為首顆 Intelligence Processor。這不是單純的合作宣傳，而是模型公司直接嘗試掌握推理成本、效能與供應節奏。若這條路走得通，未來大模型公司的護城河就不只在訓練資料與產品介面，也在推理堆疊能否自行優化。
對產業的意義很實際。雲端平台會更在意自研 ASIC 與 GPU 的搭配，先進封裝、HBM、伺服器板卡與電力散熱需求也會被重新分配。對台灣供應鏈來說，這類布局最後仍會回到台積電、CoWoS 與整機代工的排程壓力。
OpenAI
Qualcomm 拿 Meta 當資料中心晶片首個大型客戶，代表 AI 伺服器不再只有既有三強
Financial Times 報導，Qualcomm 公布 Meta 是其資料中心晶片的首個大型科技客戶，並同步談到對 AI 資料中心與後續營收的期待。即使細節仍有限，方向已很清楚：AI 資料中心晶片市場正在擴編，競爭者不再只剩 NVIDIA、AMD、Intel 或雲端自研晶片。
這會讓採購與供應鏈決策更分散。對 Meta 來說，這是爭取更多晶片來源；對供應鏈來說，則意味 CPU、網通、封裝與系統整合的組合可能改寫。台灣廠商若能切進更多非單一 GPU 生態，風險也會比過度綁定單一平台更低。
Financial Times
Micron 財報把記憶體熱度再往上推，台股震盪則提醒估值已經很敏感
Financial Times 報導，美光因 AI 資料中心需求帶動，獲利大增 15 倍並上修展望。這是目前最直接的記憶體供需訊號之一，代表 HBM 與高階 DRAM 的緊張狀態還沒結束，AI capex 也還在往上傳導。
但市場同時給出另一面。MarketWatch 指出，美股科技股在財報前連跌三個交易日；中央社英文版則寫到台股受美國晶片股重挫拖累，單日大跌逾千點。也就是說，需求仍強，但市場對高估值的容忍度正在下降。這對台灣記憶體、伺服器與晶圓鏈都是雙面訊號。
Financial Times ｜ Focus Taiwan
2. Agent 能力開始下沉到主流產品，不再只是實驗室展示
Gemini 3.5 Flash 內建 computer use，Google 把 agent 操作層直接放進基礎模型
Google DeepMind 宣布 Gemini 3.5 Flash 內建 computer use，可跨 browser、mobile 與 desktop 執行操作。這件事的重要性不在單一 demo，而在於 tool use 與 computer use 不再是額外外掛，而是往主流模型能力本身下沉。
這會改變產品設計。過去很多團隊把 agent 視為高成本、只適合少數實驗場景；現在若中階主力模型就內建操作能力，客服、內部工具、自動測試與知識工作流程都更容易開始做。受影響的不只是 Google，也包括所有在做瀏覽器代理、RPA、客服自動化與工作流程工具的公司。
Google DeepMind
Microsoft 一邊推 observability agent，一邊去印度拉開發者，說明戰場已進到採用深度 ☆
Microsoft 官方部落格把 Azure Copilot Observability Agent 定位為一般可用產品，重點是把 logs、metrics、traces 與 topology 串起來，讓團隊能看見 agent 在雲端裡做了什麼。這剛好補上 agent 真正進生產環境後最缺的一塊：不是能不能做，而是出了問題誰看得見、誰接得住。
同一天，Satya Nadella 在印度對開發者喊話，要求把 Microsoft 的 AI 工具放進產品與日常工作流程。兩條線合起來看，比起再談模型本身，Microsoft 更像在推一整套「從開發者採用到維運觀測」的落地路徑。
Microsoft Blog ｜ AP News
3. 平台邊界與社會成本，開始回到檯面中央
Anthropic 指控 Alibaba 不當存取 Claude，模型存取已成競爭與國安問題
Financial Times 引述 Anthropic 指控 Alibaba 透過假帳號大量互動 Claude，並呼籲美國國會補上制度漏洞。這件事尚未看到完整公開證據鏈，解讀要保守，但它已經把一個長期存在的問題明講出來：模型 API、前端介面與帳號系統，正變成蒸餾、側錄與存取規避的前線。
若這類爭議升高，受影響的就不只是 Anthropic 和 Alibaba，而是整個跨境模型服務市場。之後可能看到更多身分驗證、區域限制、企業版權限分層，甚至新的出口管制解釋。對企業客戶來說，這也會提高「用哪家模型、資料放哪裡」的合規成本。
Financial Times
黃仁勳談 AI 新社會規範，NVIDIA 開始把採用成本講得更像公共議題
AP 專訪裡，NVIDIA 執行長黃仁勳表示，AI 時代需要新的社會規範，並談到社會採納與製造回流。這類說法值得注意，不是因為它抽象，而是因為當最大 AI 基礎建設受益者開始主動談社會成本，代表產業已知道討論不能只停在效能與市值。
對政策與企業採購端來說，這種訊號會慢慢往勞動、教育、責任分配與產業政策擴散。對台灣而言，若 AI 基礎建設與製造持續往本地集中，社會對電力、人才與產業外溢效果的討論也只會更多。
AP News
4. 評測開始更接近真實 agent 問題，不再只看靜態題庫
兩篇新 benchmark 都在問同一件事：模型進入多步任務後，還剩多少可靠性 ☆
《Age of LLM》把推理模型放進帶有資訊不完全、外交訊息與非法動作限制的 1v1 戰略環境；另一篇 agentic skills 評估框架，則用 500 個真實 skills 與 1,000 個任務，比較 19 組模型配置在 skills 載入前後的差異。兩篇論文都不是在追求更高 leaderboard 分數，而是在問模型到了 workflow 與對抗式場景後，還有多少可重複的能力。
這對開發者很有用。市場上很多 agent 展示看起來順，但真正進入長任務、工具調用與格式限制時，失敗模式會完全不同。若 benchmark 開始往這裡集中，之後值得追的就不只是誰最會答題，而是誰最少失控、最容易被量測、也最能被整合進真實工作流程。
arXiv：Age of LLM ｜ arXiv：Agentic Skills Evaluation
後續觀察
- OpenAI、Google、Microsoft 這一輪都在往 agent 操作層補齊能力，接下來要看企業版權限、審計與計費模型是否同步成熟。
- 美光財報與台股震盪顯示，AI 需求仍強，但市場開始區分「基本面延續」和「估值已過熱」。
- 若 Anthropic 的指控後續引來政策回應，跨境模型存取與帳號治理可能比新模型發布更快影響企業採購。
編註
- 本報依
reports/source-packs/2026-06-25-am.md撰寫，選入 9 則重點情報。 - 已按
skills/humanizer/SKILL.md的 style-only 模式處理語氣，保留中性、事實導向與主題式結構。