AI 日報: SpaceX 收購 xAI，OpenAI 推桌面指揮中心

在這個充滿驚奇的科技圈，每天早上醒來似乎都有新的大事發生。如果說以前我們還在討論 AI 如何聊天，那麼現在的焦點已經轉移到了 AI 如何「接管」工作，甚至是如何飛向太空。

今天的內容非常豐富，不僅有 SpaceX 與 xAI 的重磅合併，OpenAI 也推出了全新的開發者工具，甚至 Google 都在教 AI 怎麼在撲克桌上騙人。讓我們來看看這些正在改變未來的技術進展。

1. 為了算力飛向太空？SpaceX 正式收購 xAI

這可能是近期最瘋狂也最合乎邏輯的消息了。SpaceX 宣布正式收購 xAI，這不僅僅是一次商業併購，更像是馬斯克對於未來人類文明架構的一次豪賭。

為什麼要這麼做？原因很簡單也很殘酷：地球上的電力不夠用了。目前的 AI 發展極度依賴龐大的地面數據中心，這些設施對電力和冷卻系統的需求簡直是無底洞。如果在地面上無法解決能源問題，那就往天上看吧。

SpaceX 提出了一個名為「軌道數據中心」的概念。這聽起來很科幻，但邏輯卻很通順：太空中有接近恆定的太陽能，沒有大氣層的阻擋，能源幾乎是取之不盡的。透過 SpaceX 的最新計畫，他們打算利用 Starship 這種能載運百噸級載荷的巨型火箭，將數據中心發射到軌道上。

想像一下，數百萬個運作在軌道上的衛星伺服器，利用太陽能進行高強度的 AI 運算，這不僅解決了散熱和供電問題，更是邁向 Kardashev II 型文明（能利用恆星全部能量）的第一步。這場收購將 xAI 的模型能力與 SpaceX 的發射能力垂直整合，目標直指一個能夠理解宇宙的超級智能。

2. 不只是寫代碼：OpenAI 發布 Codex App

如果說 SpaceX 在仰望星空，那麼 OpenAI 就正在低頭解決開發者手邊最實際的問題。OpenAI 剛剛推出了適用於 macOS 的 Codex 桌面應用程式。

這不僅僅是另一個聊天視窗。開發者們都知道，現在的挑戰已經從「讓 AI 寫這段代碼」變成了「如何管理這群 AI 幫我完成整個專案」。Codex App 更像是一個指揮中心，它允許開發者同時管理多個 AI Agent（代理人）。

這裡有個很棒的細節：你可以讓這些 Agent 平行工作。比如一個 Agent 負責修復 Bug，另一個負責寫測試，而你只需要像個指揮官一樣審視結果。它甚至內建了對 worktrees 的支援，這意味著每個 Agent 可以在不干擾你主分支的情況下，在獨立的環境中修改代碼。

此外，OpenAI 還引入了「技能（Skills）」的概念。你可以把常用的工作流程打包成技能，讓 Codex 在需要時自動調用。无论是自動化生成文件，還是連接本地的終端機執行指令，這款 App 都在試圖填補「模型能力」與「實際生產力」之間的鴻溝。

3. 小而強悍：階躍星辰開源 Step 3.5 Flash 模型

開源社群今天也迎來了一個強力的挑戰者。階躍星辰（StepFun）發布並開源了他們的 Step 3.5 Flash 模型。

這個模型的亮點在於它的「智慧密度」。雖然它擁有 196B 的總參數，但它採用了混合專家架構（MoE），每次推理時只會激活 11B 的參數。這意味著什麼？意味著它跑得飛快，而且對硬體的要求大幅降低，非常適合在本地部署。

這款模型特別針對推理速度進行了優化，在程式編寫和數學運算上的表現尤為突出。根據官方的數據，它在多項基準測試中甚至能與 GPT-4 級別的模型掰手腕，同時保持極高的響應速度。對於那些想要建立私有 AI 應用，或者不想把數據傳上雲端的開發者來說，這絕對是個好消息。

如果你對此感興趣，可以直接去他們的 GitHub 頁面 或是 Hugging Face 下載權重來試試看。

4. AI 學會爾虞我詐？Game Arena 新增狼人殺與撲克測試

還記得以前我們只測試 AI 下西洋棋嗎？那是因為西洋棋是「完美信息博弈」，棋盤上的一切雙方都看得到。但現實世界可不是這樣，現實充滿了隱藏信息、謊言和不確定性。

Google DeepMind 顯然也意識到了這一點，他們的 Kaggle Game Arena 最近新增了兩個非常有意思的基準測試：狼人殺（Werewolf）和德州撲克。

這對 AI 來說難度直接拉滿。在狼人殺裡，模型必須學會說謊、結盟、甚至在對話中察言觀色來隱藏身分；在撲克桌上，它則需要計算風險，學會詐唬（Bluffing）。這實際上是在測試 AI 的「軟實力」——溝通技巧、談判能力以及在模糊情境下的決策力。

目前在排行榜上，Gemini 3 系列模型表現相當搶眼，這顯示出新一代模型不僅僅是計算機，它們開始懂得如何處理「人類」層面的複雜互動了。

可以直接前往Kaggle Game arena查看

5. 文件處理神器：GLM-OCR 視覺理解模型

最後，我們來看一個實用型工具。智譜 AI 團隊發布了 GLM-OCR，這是一個專門為 OCR（光學字元識別）設計的輕量級模型。

在處理 PDF、掃描件或是那種排版亂七八糟的表格時，傳統的 OCR 往往會掉鍊子。GLM-OCR 雖然只有 0.9B 的參數量，但在解析複雜版面、手寫文字甚至是數學公式時，表現達到了 SOTA（當前最佳）水平。

對於需要大量數位化紙本文件的企業或個人來說，這是一個性價比極高的選擇。它能直接輸出結構化的 Markdown 或 JSON 格式，讓後續的數據處理變得輕鬆許多。有興趣的朋友可以參考他們的 GitHub 和 Hugging Face 頁面。

常見問題解答 (FAQ)

Q：SpaceX 把數據中心發射到太空，真的能解決能源問題嗎？ A：理論上是可行的。地球上的數據中心消耗大量電力且需要冷卻，而太空擁有幾乎無限的太陽能且環境溫度極低（利於散熱）。雖然發射成本高昂，但 Starship 的目標就是將運輸成本降到極低，加上太空中不需要維護人員和土地租金，長期來看這是解決 AI 能源瓶頸的一條潛在路徑。

Q：OpenAI 的 Codex App 和現在的 ChatGPT 有什麼不同？ A：ChatGPT 主要是對話式的互動，而 Codex App 是一個專為開發設計的「工作環境」。它能直接讀取你電腦上的文件，允許你指揮多個 AI Agent 同時進行不同的編碼任務，甚至在本地運行終端命令。它更像是一個擁有 AI 員工的虛擬辦公室，而不僅僅是一個聊天機器人。

Q：Step 3.5 Flash 這種 MoE 架構的模型有什麼好處？ A：MoE（混合專家）架構的最大優勢是「效率」。雖然模型總參數量很大（包含很多知識），但處理每個字時只動用其中一小部分最相關的參數（專家）。這讓模型既能保持聰明（知識廣博），又能跑得很快（推理成本低），非常適合在資源受限的設備上運行。