Edge AI Daily 早報（7月17日）

Edge AI 早報（7月17日）重點速覽：OpenAI 正式向 Google 與微軟的辦公軟體市場開戰，推出 ChatGPT Work 生產力平臺，標誌著 AI 辦公大戰進入全面競爭。中國開源模型全球市占率竄升至 30%，美國實驗室甚至開始反向蒸餾中國模型，開源格局正在重寫。巴菲特大手筆押注 Alphabet，顯示 AI 基礎設施已成為科技巨頭無法迴避的資本密集型競賽。 ---

OpenAI 於 7 月 16 日正式發佈 ChatGPT Work 文檔編輯功能，直接挑戰 Google Workspace（擁有超過 30 億用戶）與 Microsoft 365（4.5 億商業席位）兩大辦公套件市場。這次推出的產品不僅是對話助手，而是具備跨應用操作、能執行長達數小時複雜任務的「替代型數字員工」。技術上，ChatGPT Work 整合了 GPT-5.6 模型族（其中 Sol 模型推理速度快 61%、成本降低一半）與 Codex 引擎，定價為每百萬輸入 Token 5 美元、輸出 Token 30 美元，企業級訂閱最高可達每月 100 美元。

值得注意的是，2026 年 7 月上旬三大 AI 巨頭密集出招——Anthropic 擴展了輔助型的 Claude Cowork，Google 更新了軟整合的 Gemini Spark，如今 OpenAI 推出替代型的 ChatGPT Work。這波產品浪潮正推動 AI 生產力工具從試點走向規模化落地，但成本控制、生態壁壘與用戶習慣仍是必須克服的難關。在 AI 視頻領域，PixVerse 於 7 月完成 4.39 億美元 C 輪擴展融資，估值突破 20 億美元，成為 AI 視頻賽道最大的單體融資之一，投資者包括阿里巴巴、Mirae Asset 等機構。

該公司已從傳統的 AI 視頻生成轉向即時世界模型（R 系列），推出全球首個即時視頻遊戲引擎，實現從「批次處理影片生成」到「持續互動世界」的飛躍。PixVerse 透過 Canvas 可視化工作臺、Agent 智能體與 Mini Apps 應用矩陣，打造出涵蓋內容生產、遊戲引擎與即時互動的超級平臺，目前月活躍用戶達 1500 萬，註冊用戶超過 1.5 億。程式碼審查市場也出現新變數。Claude Code 推出了可調精度的程式碼審查功能，透過「努力程度級別」讓用戶依需求選擇審查深度。低檔在問題發現數量上已超越競爭對手，且成本極低；高檔則提供深度翻倍的審查能力，從 0.

1 美元到 20 美元的成本區間全面覆蓋。這一創新可能迫使競爭對手跟進可調深度模式，並重新定義定價體系。2026 年 AI 程式碼審查市場規模約 9.55 億美元，預計到 2032 年將達 24.65 億美元；同時 AI 生成的程式碼在全部 Pull Request 中的占比已從一年前的 1% 飆升至 27.6%，審查流程成為軟體交付的新瓶頸。資本市場方面，2026 年第一季全球 AI 創業公司融資總額高達 2555 億美元，已超過 2025 年全年總和。

其中 OpenAI、Anthropic、xAI 三巨頭占去 67%（1720 億美元），但剩餘的 835 億美元分散在 1543 筆交易中，平均每筆 5400 萬美元，市場依然高度活躍。開源模型吸金能力強勁，中國 DeepSeek 在 6 月完成首輪融資（估值超 500 億美元），7 月又傳出以 710 億美元估值再融資，一個月內估值跳升 42%；法國 Mistral AI 也以約 200 億歐元估值融資 30 億歐元。行業整合未至的原因多樣：訓練成本下降曲線陡峭、資本供給無上限（主權基金與企業創投湧入）、以及開源本身的抗整合特性，使模型層正走向碎片化。

股神巴菲特也以行動宣示對 AI 基礎設施的青睞。伯克希爾·哈撒韋對 Alphabet 進行了 310 億美元的重倉押注，占其股票投資組合約 6%，成為核心持倉之一。這項決策由巴菲特本人發起，與繼任者阿貝爾形成「雙人決策」模式，顯示權力交接平穩。巴菲特的投資邏輯在於：AI 基礎設施正將科技公司從「輕資產、高毛利」的互聯網模式轉變為「重資產、長周期」的基礎設施模式。Alphabet 2026 年資本開支預計達 1750 至 1850 億美元（較 2025 年翻倍），用於數據中心等物理設施建設，這正符合巴菲特擅長的鐵路、電力類投資框架。

他區分兩種科技護城河：蘋果的消費者黏性與品牌溢價構成最完美護城河，而 Alphabet 的 AI 基建故事仍在驗證中。音樂生成領域出現社交化趨勢。Suno 於 7 月將 AI 音樂生成功能整合至蘋果 iMessage，用戶可在聊天中直接生成並發送歌曲，從創作工具轉變為社交表達媒介。Suno 在 6 月估值已達 54 億美元，擁有超過 200 萬付費用戶，每日生成歌曲 700 萬首。然而，該戰略面臨三大風險：環球音樂與索尼音樂聯合訴訟涉及 6.1 萬首作品，潛在賠償額達 91.5 億美元；對蘋果平台的依賴風險；以及用戶對 AI 音樂新鮮感可能快速消退。

在工程設計領域，MIT 與 Red Hat、IBM 團隊在 ICML 2026 上發布了 GIFT 框架，透過「模型感知」數據增強與幾何反饋機制，將 CAD 生成任務的平均 IoU 從 0.695 提升至 0.781（提升 12%），同時解決 53.8% 更多問題並減少 80% 推理計算量。這項技術繞過了 CAD 領域高品質訓練數據稀缺的瓶頸，可能衝擊傳統數據標註行業，也為 Autodesk、Dassault Systèmes 等 CAD 巨頭提供了整合 AI 功能的新路徑。AI 安全也出現突破。OpenAI 於 7 月發布 GPT-5.

6 Sol 模型，採用自動化紅隊測試系統 GPT-Red 進行訓練，在直接提示注入攻擊中的失敗率降至 0.05%，比四個月前的最佳生產模型減少 6 倍。GPT-Red 透過自對弈強化學習發現全新攻擊方式「偽造思維鏈」，對 GPT-5 的有效率超過 90%，但對 GPT-5.6 驟降至 23% 以下，實現了 AI 安全能力的 Scaling Law。安全正從成本中心轉變為競爭壁壘。Meta 也在廣告系統上推出新架構。7 月發布的分層興趣表示（HIR）架構，旨在解決數位廣告深度漏斗階段的信號稀疏問題，透過將稀疏交互圖投影到稠密興趣基元空間，提升用戶意圖識別準確度。

HIR 採用降維到超圖結構、知識增強多模態特徵、統一關係表示、多層分級粒度等設計，配合自研 Transformer 圖學習與偏差感知注意力機制。這標誌著推薦系統競爭從模型規模轉向表示品質的結構戰。英偉達與豐田的合作也進一步深化，從單純的「晶片供應」升級為「工業 AI 作業系統」的嵌入。英偉達將 DRIVE Hyperion 平台、Omniverse 數位孿生、工廠 AI 工具整合為貫通設計、模擬、製造、營運的完整技術鏈，豐田則提供城市級應用場景（如 Woven City 智慧城市），形成「城市作業系統」雛形。

工業 AI 專案從概念驗證到生產部署平均需 18 至 36 個月，遠超企業級 SaaS，但一旦嵌入將形成高替換成本的數據-模擬-執行閉環。在新能源領域，美國光伏企業於 7 月 13 日聯合申請對原產於中國的晶體矽光伏電池發起反規避調查，重點審查中國零部件在埃塞俄比亞組裝後直接出口美國，或透過越南轉口兩條路徑。2025 年下半年埃塞俄比亞對美光伏出口突增至 3 億美元，從幾乎為零躍升為美國第七大光伏進口來源國。

中國光伏企業面臨內外夾擊，美國貿易戰從「效率優先」轉向「安全優先」，受益者包括 First Solar（2025 年淨銷售額 52 億美元，年增 24%）和韓華 Q Cells 等本土製造商。陽光電源則採取務實策略，為進入美國市場推出「斷網」逆變器，取消遠程升級與通訊功能以符合美國網路安全審查標準，從「技術競賽」轉向「合規競賽」。2025 年上半年海外收入占比已達 58.4%。美國可再生能源發電量占比突破 30%，但網路安全審查收緊，中國新能源產品出海正面臨「智慧退場」趨勢——技術越先進，合規成本越高。開源生態的變化更加劇烈。中國開源 AI 模型從 2024 年底全球使用份額僅 1.

2% 躍升至 2025 年底的 30%，在 Hugging Face 下載量占比達 41%，超越美國成為全球第一。阿里雲 Qwen3 累計下載量突破 7 億次。成本效率優勢明顯：Qwen3 定價僅為 GPT-4 的 1/60，DeepSeek 訓練成本約為 OpenAI 的 1/20。美國企業開始反向採用中國模型，Airbnb 大規模使用 Qwen 替代 ChatGPT，Meta 也蒸餾 Qwen 訓練其 Avocado 模型。

美國 AI 公司 Thinking Machines Lab 發布開源模型 Inkling，甚至公開承認其架構學習中國 DeepSeek-V3，後訓練數據來自 Kimi K2.5，標誌著中國開源模型從技術追趕者變成「老師」。截至 7 月，中國開源模型在美國企業市場的 Token 調用量占比已達 45%（較年初的 11.5% 增長近 4 倍）。Inkling 定位為「合規的基礎模型」，填補美國企業因地緣政治風險無法直接使用中國模型的「真空」。這反映美國 AI 產業的結構性矛盾：最好的開源技術來自中國，但政治限制迫使美國公司透過「代理學習+合規包裝」滿足企業需求。

最後，Linux 創始人林納斯·託瓦茲用「不 fork 就離開」的態度終結了 AI 審查工具的爭論。Sashiko AI 審查工具在測試中成功標記 53% 被人類遺漏的 Bug，但誤報率較高。GitLab 2026 報告顯示 91% 組織使用兩個以上 AI 編碼工具，78% 開發者編碼速度加快但整體交付未加速；Checkmarx 報告指出 96% 開發者使用 AI 工具，但僅 18% 持續應用安全審查，凸顯治理滯後。AI 工具依賴商業公司算力捐贈，使開源社區面臨「非代碼依賴」風險，傳統 fork 機制失效，開源自治能力受算力壟斷衝擊。