AI 戰情報告 (2026-04-17)
昨日 AI 重點新聞
Anthropic 發布 Claude Opus 4.7：視覺與編程能力的大幅躍進 ref-0, ref-3, ref-164, ref-14
Anthropic 正式推出 Claude Opus 4.7，定價維持不變但性能顯著提升。新模型在視覺能力上強化了 3 倍，可處理高達 3.75 百萬像素的高解析影像，適合處理複雜圖表與螢幕截圖。此外，其編程能力在 SWE-bench Pro 提升了 11 分，並引入全新的 xhigh 思考努力等級，讓 Claude Code 運作更加精準。
OpenAI Codex 重大更新：實現「背景操作電腦」之代理功能 ref-5, ref-18, ref-52, ref-163, ref-104
OpenAI 對其開發代理工具 Codex 進行大規模改版，推出能操作 macOS 桌面應用的新功能。該功能允許 AI 代理在背景默默執行任務，不會奪取滑鼠控制權或干擾用戶現有工作，並能透過內建的 Atlas 瀏覽器進行網頁互動，標誌著 AI 超級 App 的雛形已現。
AWS 推出 Agent Registry 並領軍 MCP 協定標準化 ref-153, ref-157, ref-7
AWS 發表 Agent Registry 預覽版，為企業提供集中式的 AI 代理與工具管理目錄。該服務支持 Model Context Protocol (MCP)，這是一種由 Anthropic 創始並由 Linux 基金會託管的標準，旨在打破 AI 代理與各項數據源之間的存取壁壘，解決企業內部「代理亂象」。
Google 發布開源模型 Gemma 4 並推出 Chrome 側邊 AI 瀏覽模式 ref-54, ref-19, ref-106, ref-173
Google 釋出具備多模態能力的開源模型 Gemma 4，其 256K 上下文與強化後的代理技能引起開發者關注。同時，Chrome 瀏覽器的 AI Mode 更新後支援側邊欄視窗，讓用戶能在不切換分頁的情況下，與 AI 討論正在閱讀的網頁內容。
OpenAI 與 Cerebras 簽訂 200 億美元晶片大單以擺脫 Nvidia 依賴 ref-104, ref-181, ref-180
據傳 OpenAI 已與晶片新創 Cerebras 達成價值超過 200 億美元的伺服器晶片採購協議，並可能獲得該公司股權。此舉反映了 Sam Altman 積極垂直整合底層硬體，以降低計算成本並減少對 Nvidia 的依賴，與此同時 TSMC 的利潤也因 AI 需求激增了 58%。
機器人 AI 進化：π0.7 模型展現強大泛化能力 ref-51, ref-62
新創公司 Physical Intelligence 發表了機器人模型 π0.7，證實 AI 能引導機器人完成其在訓練集中從未見過的物理任務。這被視為「物理 AI」從特定功能轉向通用智能的重要指標。
阿里巴巴開源 Qwen3.6-35B-A3B 模型，強勢對標閉源模型 ref-1, ref-3, ref-0, ref-164
阿里巴巴推出 Qwen3.6-35B-A3B，這是一款採用 MoE (混合專家) 架構的開源權重模型。實測顯示其在 Agentic Coding 任務上能與昂貴的閉源模型（如 Opus 4.7）競爭，甚至在某些視覺 SVG 生成測試中表現更優。
Mozilla 推出自託管 AI 客戶端 Thunderbolt ref-77
Mozilla 發表開源 AI 客戶端 Thunderbolt，主打企業級的自託管 (Self-hosted) 基礎設施需求。這讓重視隱私的企業能運行自有模型而不必擔心數據流向外部雲端，直接對標 OpenAI 的企業解決方案。
人機協作 OS 與逆向工程代理工具新星：Lua 與 Kampala ref-13, ref-18
新創 Lua 獲得 490 萬歐元融資，旨在建立人機協作的操作系統；而 Kampala (YC W26) 則推出 MITM 代理技術，能將任何 App 逆向工程為 API，讓 AI 代理能繞過脆弱的瀏覽器自動化，直接操控舊有系統。
中國政府對 Meta 收購 Manus 一案展開國家安全調查 ref-128
針對 Meta 斥資 20 億美元收購 AI 代理新創 Manus 一案，中國多個機構正發起調查，擔心關鍵 AI 技術外流影響國家安全，反映出 AI 核心技術已成為地緣政治博弈的戰略資產。
市場洞察
1. 「代理治理 (Agent Governance)」正式成為雲端戰場中心 ( ) ref-157, ref-7, ref-88
延續前幾日對代理權限與監控的討論，今日 AWS 發布 Agent Registry 以及對 MCP 的重注，確立了「代理管理層」將比「模型層」更具企業溢價力。當企業內部的 AI 代理、工具與資料源 (Connectors) 多達數千個時，誰能掌握那本「黃頁目錄」與「通訊協定」，誰就掌握了企業 AI 的決策中心。
2. 「去介面化」的技術實踐：背景執行與電腦操作 ( ) ref-5, ref-52, ref-18
OpenAI Codex 的更新展示了 AI 代理不再需要模擬人類操作滑鼠，而是直接在背景 (Background) 透過作業系統層級進行任務執行。這種「去介面化」的技術成熟，預示著未來的辦公模式將從「人在 GUI 介面點選」全面轉向「人對後台代理下達 Goal-oriented 指令」。
3. 開源模型對閉源權威的「邊際成本」挑戰 ( ) ref-0, ref-3, ref-47
Qwen3.6 與 Gemma 4 的發表再次縮小了開源與閉源模型的距離。Simon Willison 的測試顯示 (ref-134)，售價高昂的 Opus 4.7 在特定視覺任務上甚至輸給了能在筆電運行的開源模型。這將驅動企業在選擇模型時更加「任務導向」，並可能導致閉源廠商面臨更嚴峻的降價壓力。
4. 物理世界數據與泛化能力的匯流 ( ) ref-51, ref-62, ref-73
Manycore IPO 的轉型與 Physical Intelligence 模型 π0.7 的突破，顯示 AI 的戰場正從「數位內容生成」跨入「物理操作數據」。當 AI 代理具備泛化能力，能夠應對未經訓練的環境，商業自動化的範圍將從辦公室軟體擴展到倉儲、零售與工廠地板。