AI 戰情報告 (2026-03-28)
昨日 AI 重點新聞
川普公布國家 AI 政策框架並承諾電力穩定 ref-118, ref-120
川普正式發布國家 AI 政策藍圖，重點在於加速數據中心建設與電力供應。包含 Google、Meta 與 Microsoft 在內的七大巨頭簽署了電力承諾，旨在防止 AI 基礎設施擴張導致一般電價飆升。
Anthropic 洩漏 Mythos 模型且贏得國防部初步禁令 ref-0, ref-68, ref-35, ref-75, ref-114
Anthropic 意外洩露代號為 Mythos 的史上最強模型與新訂閱級別，傳具有重大資安風險。同時，法院判決暫時阻止五角大廈將其列入供應鏈風險名單。然而，由於受歡迎程度暴增，該公司正調整 Claude 使用限制以因應運算資源短缺。
OpenAI 傳 2026 年 IPO 並擴展 Responses API ref-43, ref-18
軟銀一筆 400 億美元的貸款引發外界對 OpenAI 最快於 2026 年上市的猜測。同時，OpenAI 升級了 Responses API，新增 Shell 工具與託管容器環境，為開發自主性 Agentic Workflows 奠定基礎。
Arm 戰略轉型自研晶片獲 Meta 背書 ref-116, ref-59
Arm Holdings 宣佈將從單純的 IP 授權商轉型為 AI 晶片銷售商，首款產品針對 AI 數據中心設計。該戰略獲得 Meta 的強力支持，帶動 Arm 股價飆升 16%。
華為 Ascend 950PR 晶片成功挑戰 NVIDIA 護城河 ref-123, ref-120
華為新一代 AI 晶片 Ascend 950PR 透過 CANN Next 技術實現對 CUDA 的深度模擬，已成功吸引阿里巴巴與字節跳動轉向訂購，威脅 NVIDIA 在中國市場的壟斷地位。
Vercel 推出「檔案系統代理」挑戰傳統 RAG ref-9, ref-12
Vercel 發表新型知識代理架構，主張放棄複雜的向量資料庫與 Embedding，改讓 AI 代理在沙盒中使用 bash/grep 等工具直接搜尋檔案，大幅降低成本並提升精確度。
祖克柏開發個人 AI 代理並重組 Meta 資源 ref-101, ref-34
Mark Zuckerberg 正致力於開發專屬個人 AI 代理以提升 Meta 管理效率。Meta 下週亦將發布兩款針對處方眼鏡使用者的 Ray-Ban 智慧眼鏡，進一步擴大 AI 穿戴裝置佈局。
法律 AI 市場爆發：Harvey 估值達 110 億美元 ref-114, ref-107
專業法律 AI 代理平台 Harvey 完成 2 億美元融資；英國 AI 原生律師事務所 Keith 亦完成種子輪融資，目標透過 AI 自動化 80% 的法律文書與溝通工作。
GitHub 宣布將使用 Copilot 用戶數據訓練模型 ref-105, ref-51
GitHub 更新政策，將從 4 月底起利用 Copilot 的互動數據（含代碼片段）訓練模型並與微軟共享，企業版以外的用戶若不希望參與，必須手動進行 Opt-out 設定。
Vibe Coding 實測：Claude 4.6 與 GPT-5.4 的系統編程能力 ref-0
開發者分享在 M5 MacBook Pro 上使用 Claude 4.6 與 GPT-5.4 進行 Vibe Coding 的經驗。僅需極簡自然語言指令，模型即可精準生成高效的 SwiftUI 系統監控工具，顯示 AI 在代碼生成的深度控制力。
AI 代理效率驚人：2 名工程師可抵 30 人 ref-1, ref-99
有新創公司創辦人指出，透過 AI Coding Agents，現在 2 名工程師能完成過去需要 30 人處理的工作量，這引發了關於未來開發團隊結構與人類角色的廣泛討論。
安全性預警：Betterleaks 與 Open VSX 漏洞 ref-4, ref-80, ref-79
Betterleaks 作為新一代秘密掃描器正式發布，旨在防範代理時代頻發的憑證洩漏。同時，Open VSX 曝出漏洞可繞過外掛審核，而 Telnyx 的 PyPI 套件亦遭惡意竄改以竊取金鑰。
市場洞察
AI 代理架構的「去向量化」與「工具化」趨勢 (ref-1, ref-120) 延續前日對代理軍團的觀察，Vercel 與史丹佛提出的架構轉向極具意義：將 AI 代理的搜尋邏輯從「黑盒子的向量比對」轉回「透明的檔案系統指令 (bash/grep)」。這解決了 RAG 系統難以除錯與高成本的痛點，顯示市場正回歸確定性高、可解釋性強的傳統開發工具鏈來驅動 AI 任務執行。
硬體供應鏈的垂直化與地緣政治夾縫 (ref-7, ref-21, ref-41, ref-54) Arm 的轉型與華為的崛起反映了算力市場的結構性變化。Arm 不甘於僅做幕後授權，開始直接介入硬體銷售；而華為透過軟體層 (CANN Next) 解決了 NVIDIA 最大的 CUDA 護城河問題。這迫使軟體廠商必須具備更強的跨晶片適配能力，以應對 NVIDIA H100 價格持續攀升的風險 (ref-2)。
數據隱私與訓練主權的衝突加劇 (ref-28, ref-42, ref-114) GitHub 與 OpenAI 同步加強了對用戶數據的「變現」與「回餵訓練」。無論是 Copilot 的默認訓練政策，還是 ChatGPT 免費版中的廣告投放，都顯示 AI 巨頭正加速從純服務提供商轉向「流量與數據收割機」。對於重視機密的企業客戶，這將推動更激進的 On-device AI 或私有化部署需求。
專業垂直代理從「輔助」轉向「完全執行」 (ref-26, ref-45, ref-47) 從 Harvey 到 UnitedHealthcare 的 Avery 助手，AI 代理已不再僅是對話框。它們正被賦予完整的專業權限（如法律自動化、醫療決策建議）。這種「Agent-native」的軟體開發模式正徹底改寫垂直產業的成本結構，如同一名工程師利用 AI 抵過數十人的效率革命 (ref-20)。