過去這一週，AI 產業的動態讓人眼花撩亂。不是因為新聞多，而是因為這些新聞彼此串聯，指向同一個方向：AI 正在從「聊天機器人」變成「做事情的工具」，而且速度比大多數人想像的還要快。
Anthropic 推出了一個叫做 Project Glasswing 的計畫，一口氣找來 AWS、Apple、Google、Microsoft、NVIDIA、Cisco、Broadcom 等 12 家科技巨頭，目標是解決一個問題：當 AI 能夠比人類更快找到軟體漏洞，這件事對網路安全意味著什麼？同一天，OpenAI 發布了企業 AI 的下一階段戰略，宣告企業收入已經佔總收入的 40%，預計年底跟消費者業務打平。Cursor 發布了第三版產品，把「跟 AI 一起寫程式」推向了一個全新的抽象層。而 OpenAI 收購科技媒體 TBPN，則是另一個信號：這家公司正在重新思考「溝通」這件事。
這些新聞表面上看起來毫不相關，但放在一起看，我們能看到一個更清晰的圖像。這篇文章會深入分析這五個主題，試著理解它們為什麼重要，對產業意味著什麼。
Project Glasswing：當 AI 變成駭客，我們該怎麼辦？
Anthropic 在四月初宣布了一個很有意思的計畫：Project Glasswing。這不是一個普通的產品發布，而是一個聯盟——Amazon Web Services、Anthropic、Apple、Broadcom、Cisco、CrowdStrike、Google、JPMorganChase、Linux Foundation、Microsoft、NVIDIA、Palo Alto Networks，12 家公司一起參與。目標只有一個：保護世界上最關鍵的軟體。
為什麼需要這個聯盟？答案藏在一個叫做 Claude Mythos Preview 的模型裡面。這個模型還沒正式發布，但 Anthropic 已經用它做了一些測試，結果讓人頭皮發麻。Mythos Preview 在短短幾週內發現了數千個「零日漏洞」——也就是軟體開發者自己都不知道的安全漏洞。而且不只是小軟體，它成功挖出了市面上所有主流作業系統和網頁瀏覽器的漏洞。
舉幾個例子。
它找到一個藏在 OpenBSD 裡面 27 年的漏洞。OpenBSD 是公認世界上最安全的作業系統之一，用來跑防火牆和關鍵基礎設施。這個漏洞讓攻擊者可以遠端讓任何執行 OpenBSD 的機器當機。27 年來，無數安全專家看過這段程式碼，自動化測試工具也跑過無數次，但沒有人發現問題。
另一個例子是 FFmpeg，一個用來處理影片編碼解碼的開源軟體。全世界無數軟體都在用它。Mythos Preview 找到一個 16 年沒被發現的漏洞，而且那行程式碼被自動測試工具執行過五百萬次。五百萬次，沒有人抓到問題。
第三個例子更可怕：Mythos Preview 自主地串接了好幾個 Linux kernel 的漏洞，讓攻擊者可以從普通使用者權限一路升級到完全控制整台機器。Linux kernel 跑著全世界大部分的伺服器。
這些能力意味著什麼？簡單說，AI 模型已經跨越了一個門檻：它們在找漏洞和寫攻擊程式這件事上，已經可以跟最頂尖的人類專家匹敵。而且這個能力正在快速進步。
問題來了：如果 AI 能夠輕易找到這些漏洞，壞人也可以。國家級駭客、犯罪組織、甚至是有錢的私人企業，都能用類似的技術來攻擊。後果可能是災難性的。這就是為什麼 Anthropic 說「防禦者必須現在就行動」。
Project Glasswing 的做法是：把 Mythos Preview 的能力開放給防禦方。參與這個計畫的公司可以用這個模型來掃描自己的系統，找到漏洞，然後修補。Anthropic 承諾投入 1 億美元的使用額度，外加 400 萬美元捐給開源安全組織。
這是一場軍備競賽，但這次，AI 模型本身既是武器，也是盾牌。誰能更快地把這些能力用在防禦上，誰就能在未來的網路戰中生存下來。
這個計畫的另一個重要意義在於：它是一個罕見的產業合作。AWS 和 Google 在雲端市場是競爭對手，Apple 和 Microsoft 在作業系統上各據一方，NVIDIA 和 Broadcom 在晶片領域競爭激烈。但在網路安全這件事上，大家的利益一致：沒有人希望自己的產品成為攻擊目標，也沒有人希望整個產業生態被摧毀。這種合作能走多遠，很值得觀察。
OpenAI 的企業藍圖：從聊天機器人到企業作業系統
OpenAI 在企業市場的佈局，這週揭露了更清楚的輪廓。
根據 OpenAI 企業負責人的說法，企業收入目前已經佔總收入的 40% 以上，而且預計在 2026 年底跟消費者業務達到持平。如果考慮到 ChatGPT 有 9 億週活躍用戶，這個比例非常驚人。它意味著企業客戶在 OpenAI 的收入結構構裡，價值遠超過個人用戶。
這背後反映了企業市場的一個特色：付費能力。一家企業一年付給 OpenAI 的錢，可能等於數千甚至數萬個個人用戶的訂閱費。OpenAI 公布了一個數字：有超過 1000 家企業客戶，每家每年花費超過 100 萬美元。這個數字在兩個月內翻了一倍。
但更重要的是 OpenAI 想要把企業 AI 帶到哪裡。他們提出了兩個方向。
第一個叫做 OpenAI Frontier。這是一個「智能層」，負責管理企業所有的 AI 代理。現在的企業 AI 市場有一個問題：各種 AI 工具分散在不同的產品裡，彼此不溝通。客服有客服的 AI，銷售有銷售的 AI，財務有財務的 AI。結果是資訊破碎，體驗割裂。Frontier 想要解決這個問題：讓所有的代理都連結到同一個智能層，共享企業的脈絡，能夠跨系統工作。
第二個方向是一個「統一的 AI Superapp」。這是一個面向員工的介面，讓他們能夠在一天的工作中跟各種 AI 代理互動，完成任務。概念很簡單：現在員工要切換很多工具——郵件、CRM、文件、專案管理——未來，他們可以在同一個地方跟 AI 說「幫我做這件事」，然後 AI 代理會跨工具去執行。
這兩個方向有一個共同的脈絡：把 AI 從「幫我做單一任務的工具」變成「管理整個業務流程的作業系統」。
一個具體的例子是 OpenAI 的銷售團隊。他們用一個 AI 代理來處理潛在客戶的開發：代理會研究來詢問的公司，根據一套評分標準來判斷這是不是好客戶，然後自動發送個人化的郵件，最後把結果寫進 CRM 裡面。整個流程，人類只需要在一開始設定規則，其他都是代理自己完成。
另一個例子是 Codex。OpenAI 的程式碼代理現在已經有 300 萬週活躍用戶，而且成長了 5 倍。GitHub、Notion、DoorDash 這些公司都在用它來建立多代理系統，讓代理可以端到端地執行工程工作。
這些發展指向一個趨勢：企業 AI 的戰場，正在從「誰有最好的模型」轉向「誰能最好地把模型整合進工作流程」。模型能力固然重要，但更重要的可能是：你能不能讓 AI 代理在企業的環境裡有效運作？你能不能讓 10 個代理分工合作完成一個複雜的任務？你能不能讓 AI 記住之前的脈絡、遵守企業的權限設定、持續改進？
OpenAI 的優勢在於他們擁有完整的技術棧：從基礎模型到應用介面，再到企業管理工具。其他競爭者可能模型能力差不多，但在企業整合這一塊，還有很多要追趕。
Anthropic 的算力大賭注：300 億營收背後的基礎設施
Anthropic 這週也有一個不算小的消息：他們跟 Google 和 Broadcom 簽署了一個大規模的算力協議。
具體數字很驚人：數 GW 級別的 TPU 容量，預計從 2027 年開始上線。這是 Anthropic 到目前為止最大的一次算力承諾，用來訓練和執行未來的 Claude 模型。
為什麼需要這麼大的算力？答案藏在另一個數字裡面：Anthropic 的年化營收已經突破 300 億美元。這個數字在 2025 年底的時候還只有 90 億左右，幾個月內翻了三倍多。而且有超過 1000 家企業客戶，每年花費超過 100 萬美元在 Claude 上——這個數字兩個月前只有 500 家。
這種成長速度意味著一件事：算力需求只會更大，不會更小。每多用一個客戶，就需要更多的推理能力。每次模型更新，訓練成本也會增加。如果不提前佈局，很快就會跟不上需求。
有意思的是這次合作的對象：Google 和 Broadcom。Anthropic 的主要雲端供應商一直是 AWS，而且他們正在跟 AWS 合作一個叫做 Project Rainier 的超大算力專案。這次的協議不代表他們要離開 AWS，而是要「分散風險」。Anthropic 明確表示，他們現在用三種晶片來訓練和執行模型：AWS 的 Trainium、Google 的 TPU、還有 NVIDIA 的 GPU。這種多平台策略讓他們可以根據不同的工作負載選擇最適合的硬體，也讓供應更加穩定。
另一個值得注意的點是：這些算力大部分會部署在美國。這跟 Anthropic 之前承諾在美國投資 500 億美元建設 AI 基礎設施的計畫一致。在地緣政治緊張的時代，算力在哪裡，本身就是一個政治問題。
從產業角度來看，這個協議也反映了 AI 基礎設施市場的競爭格局。Google 的 TPU 一直被視為只在內部使用的技術，現在越來越多外部大客戶開始採用，這對 NVIDIA 的 GPU 壟斷地位是一個挑戰。而 Broadcom 在 AI 晶片領域的角色也越來越重要。
最後，這個消息也提醒我們一個現實：AI 產業已經進入了一個「資本支出決定勝負」的階段。誰有足夠的算力，誰就能服務更多客戶、訓練更好的模型。而算力是要提前佈局的——今天的協議，算力要到 2027 年才會上線。這意味著，現在沒有佈局的玩家，可能兩三年後就會被淘汰。
Cursor 3：寫程式這件事，又要變了
如果你是軟體工程師，或者你的工作跟程式碼有任何關係，Cursor 這週的發布值得你注意。
Cursor 是一個 AI 程式碼編輯器，本來是基於 VS Code 修改的。但這週發布的 Cursor 3，他們做了一個大膽的決定：放棄 VS Code 的介面，從頭打造一個全新的、以「代理」為中心的介面。
這是什麼意思？
過去一年，Cursor 的用戶已經從「手動編輯檔案」轉向「跟 AI 代理合作寫程式」。他們會叫代理做一個功能，代理會自己讀程式碼、理解脈絡、修改檔案、測試結果。人類的角色從「寫程式」變成「管理代理」。
但問題來了：現在的工具還是舊時代的思維。你要管理多個代理的時候，必須在不同視窗、不同工具之間切換。你要追蹤哪個代理在做什麼，要自己記住。你要把代理從本地環境移到雲端，過程很繁瑣。
Cursor 3 想要解決這些問題。新的介面把所有的代理放在同一個地方管理，不論是本地端執行的、雲端執行的、還是從手機或 Slack 上啟動的。你可以一次跑很多個代理，讓它們並行處理不同任務。
最酷的功能之一是「無縫切換」。你可以把一個代理的任務從本地移到雲端，讓它在你關電腦之後繼續跑；也可以把雲端的任務抓回本地，讓你能夠親自修改和測試。這對長時間執行的任務特別有用——比如說，讓代理花幾個小時重構一個模組，你不用一直盯著等。
另一個改進是「用 Demo 說話」。雲端代理執行完任務之後，會產生 Demo 影片和截圖，讓你確認它做了什麼。這比讓你「看 diff」人性化多了——你不需要讀一堆程式碼，直接看結果就好。
Cursor 3 還有一個概念上的突破：它不再只是一個「編輯器」，而是一個「工作空間」。你可以同時打開多個 repo，讓代理跨專案工作。你可以用內建的瀏覽器測試網頁。你可以用插件市場擴充功能。這些功能讓 Cursor 越來越像一個「用 AI 來寫軟體的環境」，而不是「一個 AI 加強版的文字編輯器」。
背後的趨勢是什麼？軟體開發正在經歷第三波變革。第一波是手寫程式碼，第二波是 AI 協助你寫程式碼，第三波是 AI 代理自動寫程式碼，人類只負責管理和驗證。Cursor 3 是這第三波的產品嘗試。
這不代表軟體工程師會失業。但它意味著，工程師的技能需要升級：從「會寫程式碼」變成「會管理 AI 代理」。能夠拆分任務、設定邊界、驗證結果，這些能力會比能夠默寫語法更重要。
OpenAI 收購 TBPN：為什麼一家 AI 公司要買一個媒體？
OpenAI 這週宣布收購 TBPN，一個科技媒體。這個消息讓很多人驚訝：為什麼一家做 AI 模型的公司，要去買一個談科技的頻道？
答案是「溝通」。
TBPN 是一個每日直播的科技談話節目，在科技圈有相當的影響力，被紐約時報形容為「矽谷最新的迷戀」。它的特色是：跟產業界很近，談的內容很即時，而且敢於批判。
OpenAI 的說法是：他們不想重新打造一個媒體，而是要把 TBPN 團隊的「編輯直覺」和「受眾理解」帶進來，幫助 OpenAI 更好地傳達 AI 這項技術帶來的變化。
但這裡有一個關鍵：OpenAI 明確承諾保持 TBPN 的「編輯獨立性」。節目會繼續由原來的團隊製作，來賓自己決定，內容自主。這很重要，因為 TBPN 的價值建立在它的可信度上——如果變成 OpenAI 的傳聲筒，它就沒有意義了。
這個收購背後可能有三個考量。
第一，OpenAI 發現傳統的企業溝通方式對他們不適用。他們不是一家普通的科技公司，他們正在推動一個可能改變人類社會的技術。如何讓社會理解、接受、甚至參與討論這項技術，本身就是一個重要的任務。TBPN 團隊在這方面有獨特的能力。
第二，TBPN 本身就在報導 AI 產業，已經是「對話發生的地方」。與其從零開始建立影響力，不如直接把那個地方整合進來。這也是 OpenAI 說的「從評論者到實際影響者」的轉變。
第三，TBPN 團隊本身有很強的「溝通和行銷直覺」。OpenAI 希望把這些能力用在不只是節目，而是整個公司的對外溝通上。比如說，如何讓普通人理解 AI 對他們生活的影響？如何讓開發者感受到 AI 的能力邊界？這些問題，TBPN 團隊每天都在處理。
從產業角度來看，這個收購也反映了 AI 公司的一個新趨勢：他們開始重視「敘事能力」。技術再強，說不清楚就沒有用。而敘事能力不只是「會寫 PR 稿」，而是真正理解受眾、理解對話、理解如何讓複雜的技術變成可討論的議題。
TBPN 會不會變成 OpenAI 的喉舌？目前看來不會，至少協議裡明確保護了編輯獨立性。但如果未來有利益衝突，怎麼處理，會是觀察這個收購成不成功的一個關鍵指標。
如果這週只能記住一件事
這週 AI 產業的動態，可以濃縮成一句話：AI 正在從「能說話」變成「能做事」，而且速度比大多數人準備得更快。
Project Glasswing 告訴我們，AI 已經能夠找到人類幾十年找不到的軟體漏洞。OpenAI 的企業戰略告訴我們，AI 正在從單點工具變成企業的神經系統。Anthropic 的基礎設施投資告訴我們，這個市場的成長速度超乎想像。Cursor 3 告訴我們，寫程式這件事的定義正在被改寫。而 TBPN 的收購告訴我們，AI 公司開始認真思考如何在社會對話中扮演積極角色。
這些變化不是五年後的事，而是現在正在發生的事。對企業來說，問題不再是「要不要用 AI」，而是「怎麼用 AI 才能不被淘汰」。對個人來說，問題不再是「AI 會不會取代我」，而是「我要怎麼跟 AI 合作，做到以前做不到的事」。
AI 產業的故事，已經從「這項技術能做什麼」，進入「這項技術正在改變什麼」。而我們每個人，都在這個變化的現場。
