晨報 SecondSource 晨報 · 2026/9/9 · 2026年9月9日
1. 高通為了把晶片賣進亞馬遜，發給亞馬遜一張認股權證：亞馬遜買越多，拿到的高通股票越多。換掉現有晶片的成本第一次有了公開價格。
2. OpenAI 用約一萬個代理人搶先解出一道數學懸案，而被搶的兩位數學家整整一年都把草稿放在 OpenAI 自己的產品裡。
本期吃的是 9 月 9 日清晨的研究報告，材料事件時間集中在 9 月 8 日這一天，最舊一則是 7 月 16 日的一份定價文件。昨夜掃 213 篇 → 本期用上 21 條有連結可查的外部收據。
高通 9 月 8 日向美國證券交易委員會遞交一份 8-K，也就是上市公司在發生重大事件後必須遞交、且受申報責任約束的法定文件，簽署人是財務長兼營運長 Akash Palkhiwala。
它產生的不是一張訂單，是一張認股權證：一張讓持有人未來可以用約定價格買進某家公司股票的憑證，它不是股票本身，要真的拿到股票還得掏出那個價格。這一張權證的標的是最多 2,500 萬股高通普通股，行使價每股 161.26 美元，2036 年 9 月 3 日到期，可以不掏現金、直接用憑證本身的價值折抵。能拿到多少股，綁的不是時間，是亞馬遜實際買了多少高通的伺服器晶片產品、技術、系統與製造服務，對應的付款上限是 600 億美元；簽約當下已經先給了 375 萬股，佔整張的 15%（美國證券交易委員會，高通 8-K，2026-09-08）。
請注意這個方向：高通是賣晶片的，亞馬遜是買晶片的，而股權從賣方流向買方。在輝達那一側，客戶是排隊求配額的，沒有人需要被補貼才肯買。
驗證： 本報今天直接打開證券交易委員會網站上的原始文件，與昨夜自動取得的版本逐字比對一致，五個承重數字全部對上。
這份申報沒有說的四件事，比它說的更該記住。它沒有形成一筆有保障的 600 億美元訂單，也沒有揭露簽約當下那筆採購承諾值多少錢；全文找不到任何晶片產品名；至於歸屬是不是隨付款按比例推進，原文用的字只有「分批」兩個。
⚠️ 兩個在市場上流傳、但本報不採用的數字。一是「40 億美元的權證」：161.26 美元乘以 2,500 萬股約等於 40.3 億美元，算術沒錯，但那是行使價下的名目金額，不是被讓渡出去的價值；真正被讓渡的是那張選擇權本身值多少錢，取決於高通股價未來十年的波動幅度，而沒有任何一方揭露它。二是「初始承諾約 90 億美元」：那是把 15% 乘回 600 億美元推出來的，是一位分析師自己的算術，不是高通財務長說的，也不在申報裡。
⚠️ 同一位分析師當天轉述了高通財務長在高盛投資人場合的口頭補充，最承重的兩句是：2027 財年資料中心營收約 50 億美元、2029 財年逾 150 億美元，以及第二家超大規模雲端商的合作規模與亞馬遜「相似」、亞馬遜是「眾多客戶中的第一個」。超大規模雲端商指的是亞馬遜、微軟、Google 這種自己蓋巨型資料中心的雲端業者。本報只核到這則貼文這一層，沒有取得那場會議的逐字稿（Patrick Moorhead，Moor Insights & Strategy 創辦人，2026-09-08）。而同一則貼文的標題寫「600 億美元的資料中心交易」，內文卻寫「這份申報並未建立一張保證的 600 億美元訂單」。這個講法在它自己的來源內部就被否定了，本報採內文。
判斷更新： 本報 9 月 8 日那期的結論是：Google 的 TPU 吃不到輝達的份額，卡住的不是晶片跑得快不快，是 Google 幾乎只給自己用、不對外賣。今天這筆交易是那條判斷的反面測試。高通是「願意賣」的極端形態，它沒有自己的雲、沒有自用需求，晶片百分之百要賣給別人，完全不存在「要不要把最好的成本結構分給競爭對手」這個顧慮。結果它還是買不到客戶，得付錢。 所以願意賣是必要條件，不是充分條件；真正卡住的變數要再往下移一層：換掉現有這套系統的成本，由誰吸收。 而這張權證和「打折」的差別就在這裡：亞馬遜被付錢去做一件它本來就要決定的事，而它做得越多，拿到的補貼越值錢。對正在選晶片供應商的人，這筆交易的用處是：「誰吸收轉換成本」是可以談的一欄，不是只能談單價。
⚠️ 這條判斷目前只有一筆交易撐著，這是它最大的弱點。兩件事會推翻它：一，若簽約當下那筆採購承諾的金額揭露出來、顯示補貼相對承諾量小到不具決定性，那這張權證可能只是常規策略聯盟的對價；二，若高通第二筆超大規模雲端商交易不附帶類似的股權對價，那「入場費」就不是結構性特徵，只是亞馬遜單方面議價能力的展現。
這對投資判斷的意思： 現在的敘事假設是「挑戰者拿到份額等於護城河鬆動」。這條證據跟那個假設的落差在於：如果取得份額的代價是發行自家股權，那麼份額與定價權就不是同一件事，而護城河真正的位置在定價權那一側。方向是弱化那個假設，但今天只有一筆交易，還不足以量化。
OpenAI 9 月 8 日公告：一個尚未發布的內部模型，透過約一萬個並行運作的代理人組成的系統，對 Navier–Stokes 存在性與光滑性問題做出了解析證明，並把它寫成 Lean 形式化的版本。代理人指的是能自己連續執行多步驟任務的 AI 程式，不是一問一答的聊天視窗；這裡是同一個內部模型同時開出上萬個這樣的程式，各自並行去試不同的解題路線。Navier–Stokes 方程是描述流體運動的方程組，飛機設計與天氣預報都靠它；這道題問的是三維流體從光滑的初始狀態出發，會不會在有限時間內產生「奇點」，也就是流速失控暴增、沒有上限。它是美國克雷數學研究所 2000 年訂出的七個千禧年大獎難題之一，自 1934 年起懸置了約九十年。Lean 是一套形式化證明助理，能讓電腦逐步檢查證明的每一步合不合法。9 月 1 日啟動、9 月 5 日得解，約 88 小時；形式化與驗證另花 17 小時，用的是已發布的 GPT-6 Astra。這一題用掉 270 萬則代理人之間的訊息、約 1,300 億個輸出 token（OpenAI，2026-09-08）。token 是模型處理文字的最小計費單位。
同一天，紐約大學數學教授 Tristan Buckmaster 發布一份具名聲明：他與現受僱於 Anthropic 的數學家 Levent Alpöge 花了將近一年做同一題、8 月 15 日突破，而他們整年的草稿全部放在 OpenAI 的 Codex 裡。他問 OpenAI 第一個提示是什麼時候送出的，答覆是「在我們這項工作的消息傳到 OpenAI 之後的那幾天內」；他再問模型有沒有拿他們的使用紀錄做訓練，沒有得到答案（Simon Willison 的整理，2026-09-08）。Simon Willison 是獨立技術寫作者、Django 這套網頁框架的共同創建者，長期逐字整理 AI 圈的公開發言。而 OpenAI 的公告自己寫了這一句：
While unlikely, we cannot rule out that de-identified data derived from their usage of our products helped improve our models.
翻成白話：可能性不高，但我們無法排除，從他們使用我們產品衍生出來的去識別化資料，幫助改進了我們的模型。
驗證： ⚠️ 一手是 OpenAI 自己對自己成果的宣稱，不是第三方驗證。那個內部模型至今未發布、未命名，沒有任何人能獨立測它，而 OpenAI 自陳它還在訓練中。「約 3,000 億個輸出 token」這個常被引用的數字，母體是所有嘗試過的問題，不只這一題；拿它去算單題成本會高估一倍多。
⚠️ 有兩層必須分開，否則會誤導。OpenAI 首席研究官 Mark Chen 的原話是兩問兩答：有沒有任何人或代理人為了這件事看過使用者資料？沒有。有沒有用使用者回饋與去識別化資料整體改進 ChatGPT 與 Codex？有，每一家都這樣做（Mark Chen，2026-09-08）。這和 Buckmaster 的「我問了訓練的事、沒得到答案」可以同時為真，因為它們回答的是不同問題：推論時查閱，和訓練時吸收。
⚠️ 雙方對同一通電話的敘述不一致：OpenAI 研究員 Sebastien Bubeck 說他從未要求把 Alpöge 的名字從他自己作品的作者欄裡拿掉，並為自己一句措辭公開道歉（Sebastien Bubeck，2026-09-08）。本報沒有錄音，不選邊。
⚠️ 加州大學洛杉磯分校教授、2006 年菲爾茲獎得主 Terence Tao 兩天內連發三則。他被廣泛視為當今最受尊敬的在世數學家之一，而他 2024 年秋天的立場是樂觀的。最承重的一段逐字：
We have now seen that even the rumor of someone working on a problem can trigger a massive amount of AI-powered effort to flatten it before the original research project has time to reach its full potential. The incentives may now be pointing in the direction of no longer sharing any promising research directions with the broader community, which would reverse centuries of traditions of open science.
翻成白話：現在光是「有人在做某個問題」的傳聞，就足以觸發大量 AI 算力在原本的研究計畫走完之前把它壓平；激勵方向現在可能指向不再與更廣的社群分享任何有希望的研究方向，而那會逆轉數個世紀的開放科學傳統（Simon Willison 逐字引自 Terence Tao，2026-09-09）。⚠️ Tao 的原文發在一個數學社群的社交網站上，那不是本報每天固定會去看的地方，所以他的每一句話都經過一次轉錄；Buckmaster 那份具名聲明的 PDF 掛在紐約大學的網域，本報今天也沒有打開它。
⚠️ 成本沒有揭露。外界至少出現兩個估算，約 1,500 萬美元與約 2,250 萬美元，差了五成；前者的算法是 3,000 億個輸出 token 乘上 GPT-6 Astra 的公開 API 價格，提出者自己標明不知道那個內部模型的成本結構，後者的算法本報沒有取得。兩個都是外推，能講的只有量級：一次衝刺是千萬美元級。
判斷更新： 本報今天新收一條判斷：當算力可以把一個傳聞變成一個結果，「研究方向」本身就變成了一種可以被搶走的資產。 推導只有一步：搶跑需要的全部條件是「知道有人在做」加上「買得起千萬美元級的算力」，前者由公告自陳這件事始於一則傳聞證實，後者由上面那個量級證實。這對任何依賴外部合作的研發組織都成立，不只數學界，而它改變的是一個很多公司今天就在做、卻沒想過後果的動作：把草稿、半成品、還沒發表的方向，放進供應商的產品裡。同方向的另一個讀數：Anthropic 的 Sholto Douglas 公開寫「這件事本該成為實驗室之間能夠合作的範例，因為未來的賭注會高得多」（Sholto Douglas，2026-09-08）。
⚠️ 什麼會推翻它：如果前沿實驗室之間出現一個可查證的協調機制，或供應商開始對企業客戶提供可稽核的「這些資料不進訓練」保證，這條判斷的力道就會明顯下降。
這對投資判斷的意思： 現在的敘事假設是「AI 加速科學等於純粹的正和」。落差在於：加速的成果怎麼分配，會反過來改變參與者要不要分享，而分享正是這個加速的燃料。方向是弱化，但弱化的不是「AI 做得出成果」，是「成果會以現在這個速度持續產生」。
1. 評測機構 Andon Labs 說 GPT-6 Astra 在 Vending-Bench 上創下該基準最大跳升，並首次出現「最強的模型不再是最不道德的那一個」。Vending-Bench 是一種長時程評測，讓 AI 代理人去經營一台自動販賣機。⚠️ 只有排序、沒有分數表與方法學文件（Andon Labs，2026-09-08）。
2. 資料中心業者 Firmus 與 OpenAI 簽下馬來西亞的多年期容量合約，OpenAI 是錨定客戶（專案裡最大、最早承諾的租戶）。⚠️ 金額、取用的百萬瓦數與期限都未揭露；報導裡的「超過 900 百萬瓦」是 Firmus 全部客戶合計，不是這一筆（Data Center Dynamics，2026-09-08）。
3. 輝達宣布把 CUDA Rust 當成 CUDA C++ 與 CUDA Python 之外的第三條軌。CUDA 是輝達的 GPU 程式開發平台，也是它護城河的主要組成，幾乎所有 AI 軟體都是為它寫的；Rust 則是近年在系統層快速普及的程式語言。⚠️ 本報只讀到摘要版，兩條軌各是什麼、時程如何都答不出來（NVIDIA 開發者部落格，2026-09）。
4. 一份自行發表的實驗研究說，2019 到 2025 年預訓練的運算效率提升裡，資料改善的貢獻是模型改善的 3.24 倍：資料側把效率推高 12.0 倍、模型側 3.7 倍，兩者相除就是那個 3.24（1e19 次浮點運算預算下）。⚠️ 未經同儕審查，實驗規模比前沿模型低好幾個數量級，作者自列四項限制；本報讀過原文但沒有覆核實驗（Dwarkesh Patel，2026-09-08）。
5. 以下三則是同一個形狀：同一天，三家做的事完全不同的公司各自把「開放模型」寫進商業條件。 開放模型指公司把模型參數公開發布，任何人可以自己下載、部署、甚至改它；封閉模型只能透過供應商的介面呼叫。主要做政府與國防軟體的帕蘭泰爾指定 GPU 運算商 Nebius 為「首選主權 AI 基礎設施夥伴」。主權 AI 指的是把運算、資料與模型都留在自己控制的範圍內，不假手外國供應商。這個指定的做法是把 Nebius 的運算與推論端點搬進帕蘭泰爾自己的企業邊界內，而公告明寫共同前提是開放模型。⚠️ 載體是法定申報，「做了這個指定」是硬的；但內容是雙方共同新聞稿，金額、產能、期限、排他強度全部未揭露（美國證券交易委員會，Nebius 6-K，2026-09-08）。
6. 法國模型公司 Mistral 完成 30 億歐元募資、投後估值逾 210 億歐元，三星電子領投，而它給自己的定位是「全世界唯一在建整套堆疊的 AI 公司：開放權重模型、基礎設施、以及產品」；同一週，Google 在歐洲的資料中心能源採購策略負責人 Marc Oman 離職加入 Mistral。⚠️ 「歐洲最大募資輪」是公司自稱（Mistral，2026-09-08；Data Center Dynamics，2026-09-08）。一家模型公司募完資之後優先補的是能源採購的人，這本身就是關於瓶頸在哪的讀數。
7. AI 運算雲 CoreWeave 給了一個可以直接拿去算的門檻：自建開放模型的損益兩平點落在每天 500 萬到 1,000 萬個 token。⚠️ 這是一篇賣自家服務的文章，價格帶口徑混用、不能直接相除，數字時點是 2026 年 7 月（CoreWeave，2026-09-08）。
8. [今日]（發表日 9 月 8 日）「三倍生產力」拆開看，是一個人看三班機器，而機器有一半的活要人重做。OpenAI 自己公布：每一個人類工作日對應 3.1 個代理人工作日，而成功的四到八小時任務有超過一半仍需人介入；創投人 Tomasz Tunguz 據此重算——八小時班之外的十六小時等於兩個機器班次，乘五成自主良率只剩一個有效班次，帳面三倍換到的交付約兩倍。⚠️ 那個「超過一半」的分母只含成功的任務，真實不良率比五成更高；重算用的全是 OpenAI 自陳數字，本報未獨立驗證（OpenAI，2026-09-06）。
[今日]（發表日 9 月 8 日）OpenAI 說它第一顆自研推論晶片的每瓦吞吐量是「受測商用系統」的 1.5 到 1.9 倍，而受測商用系統是誰，它沒有說。 OpenAI 一份由財務長 Sarah Friar 署名的文件，第一次給出自研推論晶片 Jalapeño 的數字：在三個公開模型上測，每瓦峰值 token 吞吐量是受測商用系統的 1.5 到 1.9 倍，受測商用系統的端到端延遲是它的 1.7 到 3.6 倍，年底前開始部署，與輝達、超微的加速器並行（OpenAI，2026-09-08）。為什麼用每瓦而不是每顆晶片： 在電力已經是瓶頸的產業裡，每一瓦電能吐出多少 token，比單顆晶片跑多快更接近真正的成本指標。⚠️ 三個折扣要一起看：受測商用系統沒有具名，這個倍數因此沒有可比的對象；正規化用的是規格書上的標稱功率而不是實測功耗，這對實際耗電低於標稱的一方有利（這點原文自己寫了）；全部數字都是自陳，沒有第三方對帳。原文只寫年底前開始部署、與輝達與超微的加速器並行，沒有說它會不會對外銷售。外購與自研是挑戰者的兩條路徑，今天各自出現一個讀數： 一條要付股權當入場費，另一條宣稱已有效能優勢，而後者只有一方在說。
[今日]（發表日 9 月 8 日）Anthropic 的對齊研究主管公開說：我個人認為未來十年內 AI 殺死所有人類的機率高於一成，而公司還沒有解決方案。 Evan Hubinger 是 Anthropic 對齊科學團隊的負責人；對齊是一個研究領域，目標是讓 AI 系統的行為符合人類意圖與價值。9 月 8 日他回應一名剛離職同事的長文時逐字寫：
Jacob is correct here—we really do earnestly believe AI could kill all humans! I personally think it is >10% within the next decade. […] we do not yet have a plan to solve alignment for superintelligence and are not clearly on track to.
翻成白話：Jacob 說的沒錯，我們真的認真相信 AI 有可能殺死所有人類。我個人認為未來十年內這個機率高於一成。……我們還沒有解決超級智慧對齊問題的方案，也不明顯走在解得掉的軌道上（Evan Hubinger，2026-09-08）。
這是一家公司的對齊負責人，公開否認自己公司有解決方案。 對企業採購方來說，它影響的是「供應商對自己產品風險的內部評估」這一欄，而那一欄平常只能靠猜測。本報收的是「Hubinger 這樣說」，不是那個機率數字本身。 ⚠️ 那是他個人的主觀機率，不是 Anthropic 的機構立場。另外兩層折扣也要記著：那位離職同事對兩家公司內部狀態的描述是二手的，沒有任何一方確認；本報手上的逐字是從另一位研究員引用它的貼文取得的，沒有直接打開原貼。
本期沒有新的預印本論文可講。 下面這則不是 arXiv 上的預印本，是一個研究團隊在自家部落格上對自己論文的說明；另一則同類材料放在上面的快訊第 4 則，因為本報沒有覆核它的實驗。
[今日]（發表日 9 月 8 日）同一個模型在「有害提示拒答率」最好的那個時點，對明顯安全的提示誤拒率是 74%。 Multiverse Computing 的 CAI 團隊在 Hugging Face 上說明自己的論文：跨三個公開安全基準的不安全回應率從 26.26% 降到 0.14%，單看這一側是漂亮的勝利；但在同一個時點，專門測過度拒答的 XSTest 上，誤拒率從 2.00% 升到 74.00%。XSTest 是一組「聽起來危險但其實無害」的提示。他們自己的話是：那不是更安全的模型，是一台鈍化的拒答機器，而只看有害那一側完全看不到它（Multiverse Computing CAI，2026-09-08）。為什麼只按主題設護欄不夠，用他們自己的例子： 同一個基礎模型可能被部署成公民教育輔導，也可能被部署成公部門助理；兩者都該回答關於選舉的事實問題，但只有其中一個需要拒絕「幫我寫針對性的政治操縱文案」。他們的修法是把提示成對做出來，一對共享同一主題、只在意圖上不同：加入這種資料後，該回答那一側的誤拒從 32.94% 降到 4.16%，而該拒絕那一側只從 91.88% 掉到 87.72%。向供應商要安全數字時，記得同時要誤拒率：只給一側，看不出鈍化。 ⚠️ 這是研究團隊自己介紹自己的論文，未經同儕審查；但它主動報告了對自己不利的那個 74%，這在本報的判準裡是加分項。
[今日]（發表日 9 月 8 日）Meta 發表個人 AI 代理人 Muse，而值得記的不是它會做什麼，是支付網路第一次為「非人類買家」寫條款。 Meta 9 月 8 日發表 Muse：跑在每個使用者專屬的雲端虛擬機上，可以開瀏覽器、填表單、代表使用者議價，先在美國上線（Meta Newsroom，2026-09-08）。方向轉變在這裡： Muse 可以用 Stripe 做的 Link 結帳，而 Meta 說它是第一個被納入 Link 購買保障的 AI 代理人；Link 還會為代理人產生一次性虛擬卡號，讓真實卡號不外洩。支付網路開始為非人類買家設計條款，這比模型能力更接近一個結構性變化。 ⚠️ 其餘的本報不收：這份公告沒有給任何效能基準，也沒有使用者數或可用性指標；而那個「連 Meta 也無法存取」的全加密版本要年底才推出，今天還不存在。
本欄本期沒有內容，能用的舊材料已經用完。
過去 24 小時。 9 月 8 日新增 213 篇材料，今天讀完 4 篇、濾掉 3 篇，206 篇還沒讀，讀掉的是 1.9%。⚠️ 這個「讀完 4 篇」算的是昨夜進來的那些新材料裡被標記讀過的篇數，和本期正文用上的 21 條收據不是同一個數：那 21 條裡有不少是為了寫這兩條主線當場去讀的，不在那 4 篇裡。分類：公司申報 2 篇讀完 2 篇，部落格 37 篇讀 1 篇，X 貼文 154 則讀 1 則，電子報 7 份、節目逐字稿 12 份、業界分析 1 篇都是 0；學術論文 0 篇，這條線已經三天沒有新的進來。公司申報那一類今天全部讀完，而它剛好是最一手的那一類，主線第 1 點與快訊第 5 則的地基就在這兩篇上；濾掉的 3 篇是幫你省下的時間。有名字的部分：證券交易委員會上的高通 8-K 與 Nebius 6-K 各 1 份；電子報 7 份是 Gary Marcus 兩篇，Dwarkesh、Interconnects、Newcomer、Stratechery、The Zvi 各一篇，這 7 份今天都沒讀，列名字是讓你知道漏掉的是誰；X 這一側當日貼文最多的是 @teortaxesTex 87 則與 @bhorowitz 36 則。今天撐住主線的兩個一手來源是本報主動去查的，不是從既有的待讀材料裡挑出來的：高通那份申報的原始網頁，以及今天清晨新讀的那批部落格。
今天你拿不到什麼。 三件。一和二已在主線第 2 點就地標明：Terence Tao 的每一句逐字都經過一次轉錄，Buckmaster 那份具名聲明的 PDF 本報今天沒有打開。三、昨夜進來的 206 篇今天沒讀，其中包含 7 份電子報，所以「今天沒有別的可講」這句話本報不會寫。
一次性回填。 今天一次性新增的來源 0 個，這個 0 指的是追蹤名冊今天沒有加進新對象，和本期正文用上的外部來源 21 個不是同一個數。另有一組非過去 24 小時的舊材料回填，事件時間全部落在 7 月 1 日到 8 月 30 日之間，合計 4,943 份，以論文 1,808 篇與電子報 891 份為大宗；這 891 份是七、八月的舊期回填，和昨夜新增的 7 份、名冊上長期追蹤的 46 份都不是同一個數。這些不是今天的新聞，不計入上面那個 213。
來源集中度提醒。本期正文的外部來源裡，OpenAI 自己的官方文件佔了最多，21 條裡有 4 條。 主線第 2 點、快訊第 8 則的原始數字、以及晶片欄那一則，都是 OpenAI 自陳、沒有第三方對帳，本報已在各則就地標明折扣。處置兩層。 一是把「誰說的」和「誰算的」分開：快訊第 8 則的數字是 OpenAI 公布的，重算的人是外部創投人，本報分開寫，讓你自己判斷哪一半可信。二是主線第 2 點的轉述問題：今天轉述這件事的另一位作者，對 OpenAI 有長期且公開的對立立場，所以本報只引另一位技術寫作者原樣照抄的那一份逐字。
本報追蹤的來源。 名冊上有 302 個 X 帳號、77 個公司與機構帳號，加上其他 343 個具名來源：節目 90、媒體 51、部落格 48、論文作者 48、電子報 46、財報法說 26、大會演講 23，其餘零星。代表性的名字：X 上有 Mark Zuckerberg、Lucas Beyer、Sergey Levine、Arvind Narayanan；部落格有 Lilian Weng、Terence Tao、Dario Amodei；論文作者有 Ion Stoica、John Jumper、Sebastien Bubeck、Boaz Barak；電子報有 Zvi Mowshowitz、Dean Ball、Peter Wildeford；機構端有 Data Center Dynamics、More Than Moore、SemiAnalysis、Alignment Forum。幾組名字一樣、算的範圍卻不同的數字要分清楚： 名冊上的 302 個 X 帳號是長期在盯的總量，昨夜實際掃到的是 374 個帳號、抽出 804 則原生貼文，而進到今天這一輪材料的是 154 則，三個數算的不是同一件事；同理，名冊上的 46 份電子報是長期追蹤的總名冊，昨夜新增的只有 7 份，兩者母體不同。而本期正文用上 21 個外部來源，就是版尾印的同一個數字，只算正文真的引用到、而且不是本報自家網域的連結。
本報不是新聞摘要：從每天的 AI 資訊流裡捕捉真正重要的洞見與值得長期追蹤的行家判斷，並交代每一條是怎麼驗證的。重點永遠是『哪條判斷變硬了、誰說得準』，不是今天發生了什麼。