OpenAI 正式宣戰!全新瀏覽器 Atlas 登場,Google 的霸主地位還能保住嗎?

OpenAI 正式宣戰!全新瀏覽器 Atlas 登場,Google 的霸主地位還能保住嗎?

科技巨頭的戰爭已經進入白熱化階段。OpenAI 執行長 Sam Altman 投下震撼彈,宣布推出自家 AI 瀏覽器「ChatGPT Atlas」,直接挑戰 Google 長達數十年的網路入口霸權。這不僅僅是一款新產品的發布,更是一場攸關未來網路控制權的全面戰爭。在 Peter H. Diamandis 的最新一集《Moonshots》節目中,科技投資人 Dave Blundin 與 AI 科學家 Alexander Wissner-Gross (AWG) 深入剖析了這場即將到來的科技風暴,以及其背後牽動的兆瓦級資料中心、Zetaflop 超級電腦與千億美元的能源競賽。

「OpenAI 推出了一款功能完整的瀏覽器。這在與 Google 的競爭定位上,基本上就是一場全面戰爭。」Dave Blundin 一針見血地指出。他回顧歷史,Google 正是透過免費的 Chrome 瀏覽器, leveraging 其龐大的用戶基礎,最終佔據了全球三分之二的瀏覽器市場份額,從而掌握了用戶數據與廣告帝國的命脈。如今,Sam Altman 正在複製這套劇本。

Altman 在發布會上表示:「我們認為 AI 代表了一個十年一遇的珍貴機會,讓我們重新思考瀏覽器可以是什麼樣子。」ChatGPT Atlas 的核心功能包括: 1. 隨行聊天:無論你瀏覽到哪個網頁,ChatGPT 都能隨時提供協助。 2. 瀏覽器記憶:AI 會學習你的偏好,提供更個人化的體驗。 3. AI 代理(Agent):ChatGPT Atlas 能直接為你執行操作,而不僅僅是提供資訊。

然而,AWG 提出了更深層次的觀點:「我們不應該把它看作一個產品,而應將其視為 OpenAI 超級智慧的一個分發渠道。」他認為,未來所有獨立的應用程式都將消融,成為超級智慧觸及用戶的媒介。瀏覽器、程式碼編輯器、機器人、穿戴裝置,都只是超級智慧的不同化身。AWG 強調:「Atlas 最具變革潛力的部分是它的本地代理模式(local agent mode)。」

這場戰爭的關鍵,不僅在於誰的 AI 模型更聰明,更在於誰能掌握用戶數據。Blundin 警告:「如果 Sam 贏得了數據聚合競賽,就算他的 AI 模型落後 Google 一年,他仍然擁有你的數據。這種個人化體驗將創造更強大的護城河。」

AI 的飢餓遊戲:兆瓦級資料中心與 Zetaflop 超級電腦的軍備競賽

AI 的智慧來自於龐大的運算能力,而運算能力則依賴於實體的基礎設施。這場競賽的規模已經達到了國家級別。

Meta 執行長祖克柏為了追趕 AI 浪潮,不僅投入了公司所有現金流,近期更透過特殊目的實體(SPV)以 6.8% 的利率借貸了高達 270 億美元,用於在路易斯安那州建造一座數十億瓦(multi-gigawatt)等級的 AI 資料中心。

與此同時,Oracle 宣布計劃打造一台 16 Zetaflop 的 AI 超級電腦,設計規模高達 800,000 個 GPU。Zetaflop 是什麼概念?AWG 解釋,一個 Zetaflop 的電腦,大約每 1.1 天就能訓練出一個前沿的 AI 基礎模型。而 Oracle 的計畫是 16 Zetaflop,意味著理論上每天可以產出超過 14 個全新的前沿模型。

這股運算需求的爆炸性增長,直接引發了全球能源危機。一張驚人的圖表顯示,自 1970 年代以來,美國核反應爐的建造成本飆升了約 1000%,而中國的成本卻在穩步下降。為了解決能源瓶頸,科技巨頭們正將目光投向下一代能源: - 小型模組化反應爐(SMRs):Amazon 已大舉投資 X-energy 的 Gen 4 核反應爐,其單座輸出功率可從 320 兆瓦擴展至近 1 吉瓦。 - 核融合:美國能源部發布了最新的核融合路線圖,目標是在 2030 年代中期實現商業化聚變。 - 太空能源:新創公司 StarCloud 甚至提出將資料中心部署到太空,利用無窮的太陽能,並透過輻射冷卻解決散熱問題。AWG 認為,這可能是人類邁向「戴森球」(Dyson swarm)——一種包圍恆星以獲取其全部能源的巨型結構——的第一步。

知識與工作的終結者?AI 正全面滲透各行各業

AI 的影響力正從數位世界蔓延到物理世界,顛覆著知識的定義與工作的本質。

OpenAI 最近被揭露正在聘請超過 100 名銀行家,以每小時 150 美元的薪酬,訓練 AI 處理併購(M&A)、槓桿收購(LBOs)和首次公開募股(IPOs)等複雜金融業務。專家預測,這項計畫可能在未來兩年內,讓華爾街 25% 至 50% 的初階分析師職位被取代。

在生命科學領域,Anthropic 的執行長 Dario Amodei 曾語出驚人地表示:「如果我們能達到 AI 的目標,未來 5 到 10 年內,人類的壽命可能會翻倍。」其團隊正致力於將 Claude 模型打造成「超人級的研究助理」,協助科學家在生物學領域取得突破。

傳統的知識平台也面臨巨大衝擊。數據顯示,維基百科(Wikipedia)的人類訪問流量正以每年 8% 的速度下降。原因很簡單:用戶不再需要訪問原始網站,而是直接向 AI 提問。這也催生了新的領域:「生成式引擎優化」(Generative Engine Optimization, GEO),即如何讓你的內容更容易被 AI 抓取和理解。

下一個戰場:量子霸權與太空運算

當全世界的目光都集中在 AI 時,下一場顛覆性的技術革命——量子運算——也已悄然拉開序幕。Google 最近發布了其最新的「Willow」量子晶片,在解決特定複雜問題上,展示了超越傳統超級電腦的「量子優勢」。

然而,AWG 指出,目前量子運算的應用仍局限於材料模擬等特定領域。他表示:「我真正期待的,是能夠在訓練 AI 模型上實現數量級加速的量子演算法。那將是徹底改變遊戲規則的突破。」

這場由 OpenAI 點燃的全面戰爭,已經從演算法模型,擴展到瀏覽器入口、晶片設計、資料中心建設,乃至全球能源佈局。我們正處於一個前所未有的加速時代,科技的發展速度遠超人類歷史上任何時期。這股浪潮究竟會帶領我們走向一個富足的未來,還是引發更劇烈的社會動盪?答案,或許就在這些巨頭們的下一步棋中。

參考資料: https://www.youtube.com/watch?v=m15oymz-SUU

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin