AMD 與 NVIDIA 公布給 AI 跑工具的 CPU 機架；兩份發表文都沒寫效能與訂單

三十秒看完

1. AMD 推出只放 CPU 的機架，NVIDIA 同一天公開同類機架的設計規格，都是給 AI 代理人（會自己動手做事的 AI）叫工具、跑程式，模型推論另接 GPU（影響：估 AI 算力預算的人）

2. Meta 新模型 Muse Wonder 上線當天，兩份外部測試方向不同。一家獨立評測量到它 10 項有 6 項進前三。Every 的程式重寫測試給它 52%，OpenAI 的 GPT-Sol 6.1 得 71%（影響：挑寫程式模型的工程師）

3. 據一位記者與一位分析師轉述，南亞科第三季平均售價比上一季漲 60%，出貨量反而減少（影響：排記憶體採購的人）

本期資料來自本報 10 月 13 日清晨自己寫的研究日報與昨夜的掃描。主線兩則的事件日都是 10 月 12 日，後面各欄多數也是；電網規格 9 月 17 日定版、10 月 12 日才在大會公開，過去洞見除外。昨夜掃了 336 篇，本期正文共用上 23 條有連結可查的外部來源。

今日主線

1. [今日]（事件日 10 月 12 日）AMD 推出、NVIDIA 公開設計，同一天各拿出只放 CPU 的機架，給 AI 代理人執行任務

左右兩格的概念插圖：左格一位穿深色西裝、掛識別證的女性拉開一座高大紅色伺服器機櫃的門，櫃內排滿一層層晶片模組，機櫃立在寫著 HELION 的黑色底座上，旁邊有 AMD 字樣和一個小標誌，背後是淡粉色圓形。右格一位穿深色西裝、掛識別證的男性站在正面寫著 OCP 的舞台上，伸手指向大螢幕上一座紅色線稿機櫃，下方寫著 VERA，旁邊一塊白色直立看板上有綠色圖案和 NVIDIA 字樣。 — AMD 10 月 12 日發表 Helion 機架，其中一款整櫃只放 CPU、給 AI 代理人跑工具，預計 11 月供貨。NVIDIA 同一天公開 Vera CPU 機架的設計規格，部落格寫它用來叫工具、在隔離環境裡跑程式。本報的讀法是，AI 算力預算可能因此拆成算模型、跑工具兩池；這個判斷還在驗證。

為什麼跟你有關： 先量 AI 工作流程花多少時間等工具、跑程式，再決定 CPU 要不要另列預算。

展開看全文

AMD 發表 Helion 機架，其中一款整櫃只放 CPU、最多 32,768 核，給 AI 代理人跑工具，模型推論另接一套設施，預計 11 月供貨（AMD 新聞稿，2026-10-12）。NVIDIA 同日開放 Vera CPU 機架設計，用途寫明是叫工具、安排步驟與在隔離環境裡跑程式（NVIDIA 部落格，2026-10-12）。

本報的讀法：兩家對手同一天把 AI 執行任務的那一層拆成獨立的 CPU 機架。AMD 11 月就要供貨，NVIDIA 目前只公開了設計規格。AI 的算力預算可能因此拆成兩池，一池算模型、一池跑工具。這是還在驗證的判斷。它和「CPU 的價值在讓 GPU 不閒著」這個常見說法有張力。照 AMD 新聞稿的寫法，這種 CPU 櫃接的是另一套推論設施，主要工作不是餵 GPU。AMD 主打一櫃的核心數多。NVIDIA 這次的發表沒有給單顆核心的數字。黃仁勳今年 3 月在訪談裡說過，這類工作看重單顆核心的速度，那是 3 月的說法，不是這次的發表。

還不能當真： 兩份發表文都沒有效能數字，也沒提到雲端客戶下單。本報只讀了這兩份。怎麼查的 →

2. [今日]（事件日 10 月 12 日）Meta 新模型 Muse Wonder 上線當天，兩份外部測試給出方向不同的讀數

概念插圖，分成左右並排的兩格：左格上方是寫著 ARTIFICIAL ANALYSIS 的黑色橫牌，下方桌上有一台超大的紅色筆電，螢幕上是一個帶灰色線條的白色對話框，機身底座寫著 MUSE WONDER 和 META，旁邊有一個藍色環形符號，一名穿黑衣的長髮人物坐在凳子上用它打字，背後是淡粉色圓形。右格上方黑色橫牌寫著 EVERY，下方是同樣的紅色筆電放在桌上，一名穿黑色長大衣和靴子的短髮人物坐在凳子上打字，背後同樣是淡粉色圓形。 — Meta 發表新模型 Muse Wonder，兩份外部測試一份說它進前三，一份說它重寫程式落後。說它進前三的 Artificial Analysis 自己註明領先很小；說它落後的是 Every 的 Dan Shipper，他沒說測的是哪一版。綜合榜前三不代表你的任務也強，換模型前先用自家真實任務跑一次。

為什麼跟你有關： 換模型前，先用自家一組真實工程任務各跑一次，綜合榜前三不代表你的任務也強。

展開看全文

Meta 10 月 12 日發表 Muse Wonder 系列，分快速版 Wonder 與完整版 Wonder Full。執行長 Mark Zuckerberg 稱它是「our new family of frontier models with state of the art performance for personal and professional agentic work」（Mark Zuckerberg，2026-10-12）。

同一天，獨立評測機構 Artificial Analysis 公布第一份外部量測。Wonder Full 在它的綜合智力指數 10 項評測裡有 6 項排進前三，機構自己註明領先幅度很小（Artificial Analysis，2026-10-12）。跟哪些模型比，本報讀的貼文沒列全。其中一項用專業工作任務兩兩對比，Wonder Full 得 1857 分，Anthropic 的 Claude Opus 5.5 得 1866 分。這個分數是把兩個模型答案兩兩比較的勝負換算成的排名分。機構註明兩者的誤差範圍重疊。

科技媒體 Every 執行長 Dan Shipper 用自家的「資深工程師基準」測，任務是重寫一個靠 AI 即興拼出來的程式庫。Muse Wonder 得 52%，OpenAI 的 GPT-Sol 6.1 得 71%（Dan Shipper，2026-10-12）。

本報的讀法：綜合榜量的是多項任務的整體表現，Shipper 量的是一種大規模重寫，兩份讀數不必互相推翻。Artificial Analysis 測的是完整版，Shipper 沒說他測哪一版，兩份可能根本不是同一個模型。

還不能當真： Every 的題組與評分方式本報沒讀到。怎麼查的 →

本報的分析由 Anthropic 的模型協助產生，Claude Opus 5.5 是本則的比較對象之一。

今天可以帶走的動作：第1則：先量 AI 工作流程花多少時間等工具、跑程式，再決定 CPU 要不要另列預算；第2則：換模型前，先用自家一組真實工程任務各跑一次，綜合榜前三不代表你的任務也強。

晶片與半導體

1. [今日]（10 月 12 日）微軟公布自研 AI 晶片 Maia 300 的機架規格：一櫃 96 顆、耗電 167 千瓦，自報整櫃吞吐最高是前代 Maia 200 的 7 倍。 微軟 Azure 的技術文章寫：「Maia 300 integrates 96 accelerators across 24 four-accelerator trays within a 167-kW rack, doubling the accelerator density of Maia 200.」（微軟 Azure，2026-10-12）同一篇文章說，整櫃吞吐最高是滿配 Maia 200 的 7 倍，每瓦吞吐超過前代的 2.5 倍。最多 12,288 顆可以連成一組、當一台機器用，每顆配 288GB 高頻寬記憶體。同一天，微軟執行長 Satya Nadella 說，2027 年起 Maia 要成為微軟自家產品「the primary inference system」（Satya Nadella，2026-10-12）。微軟官方部落格還說，Maia 300 每瓦電產出的 token 比「領先的 GPU 系統」多 40%（微軟官方部落格，2026-10-12）。token 是 AI 讀寫文字時的計量單位，一小段字算一個。每瓦電產出的 token 越多，同樣的電能服務的文字量越大。7 倍與 2.5 倍都是跟自家前代比。40% 沒說比的是哪一款 GPU 系統。這些數字都是微軟自報，沒有外部量測，量測條件本報也沒讀到。產業分析師 Patrick Moorhead 的報告也寫，微軟還沒宣布 Azure 客戶能直接租用的 Maia。怎麼查的 →

概念插畫：左側是一座較矮的灰框機櫃，黑色櫃門關著，頂端寫著 MAIA 200；中間一名穿黑衣、頸掛識別證、穿白色球鞋的人，拉開右邊一座較高紅色機櫃的門。紅色機櫃頂端寫著 MAIA 300，櫃內由上到下疊滿黑色機架設備；最右側牆上有一塊牌子，印著四色方格圖案和字樣 MICROSOFT。 — 微軟說，自研 AI 晶片 Maia 300 一櫃裝 96 顆，整櫃吞吐最高是前代 Maia 200 的 7 倍。比雲端 AI 成本時還不能拿它對其他廠商的 GPU：7 倍只跟自家前代比，數字也都是微軟自報。

2. [今日]（貼文 10 月 12 日）據一位記者與一位分析師轉述，台灣 DRAM 廠南亞科第三季毛利率 85.7%，分析師說成長全靠漲價，出貨位元反而比上一季少。 南亞科是三星、SK 海力士、美光之外的二線廠。長期報導台灣半導體的記者 Dan Nystedt 轉述台灣媒體：南亞科第三季毛利率 85.7%，平均售價比上一季漲 60%，營收新台幣 1,336.5 億元（Dan Nystedt，2026-10-12）。獨立半導體分析師 Sravan Kundojjala 另外拆解：「Price alone drove growth. ASP up >60% q/q while bit shipments down MSD q/q」，也就是賣出的記憶體總容量比上一季少了中個位數的百分比（Sravan Kundojjala，2026-10-12）。他說南亞科營收六成以上來自 DDR4、LPDDR4 這類舊一代 DRAM，並寫「Long Term Agreements (LTAs) are becoming standard for DRAM」。意思是簽長期供貨合約、先鎖量鎖價，正在變成 DRAM 的常態。這兩則都在轉述南亞科公布的業績，一手來源只有一個。本報沒核財報。本報的讀法：出貨變少、價格卻大漲，比較像供給吃緊。南亞科營收六成以上來自舊一代 DRAM，所以吃緊可能不只在 AI 用的高頻寬記憶體。這只是南亞科一家的數字，也可能是它自己的產品組合在變。怎麼查的 →

概念插圖，左右並排兩格：每格中，深灰褐色托盤裡直立著八片帶黑色晶片的電路板，托盤左前角以細繩繫著一張紅色吊牌，右上方的招牌上有藍色波浪形標誌和字樣「NANYA」，托盤後方左側有一個淡粉紅色圓形。兩格幾乎相同，只是右格的紅色吊牌比左格大得多。 — 一位記者與一位分析師轉述，台灣 DRAM 廠南亞科第三季毛利率 85.7%，分析師說成長全靠漲價、出貨位元比上季少。排 DRAM 採購時，舊規格可能也要談長期供貨合約，但這只是南亞科一家的數字。

3. [今日]（規格 9 月 17 日定版，10 月 12 日大會公開）OCP 規格原文列名 Google、Meta、微軟與 NVIDIA 的資料中心電網規格寫明：規定範圍內的電網故障，資料中心不得斷線。本報直讀了 OCP 上的規格原文（第 1.0.0 版）：大型負載要「stay connected to the BES during all faults」，BES 指北美的大電力系統；故障排除後，計算設備的用電要「restore to 90% of pre-fault load within 2 seconds」（OCP 規格原文，2026-09-17）。冷卻設備不在這條規定內。電力業把這類要求叫做故障穿越（ride-through）。NVIDIA 部落格把它寫成「兩秒內恢復到接近滿載」，原文是故障前用電的九成，而且只算計算設備。資料中心要煩惱的不只是拿不拿得到電，還有電網故障時能不能撐住不斷線，這是本報的讀法。規格原文沒有寫訂這條的理由。接下來看北美電力公司或監管機關會不會把它寫進併網要求。這份規格是四家用電大戶自己寫的，不是電力公司或監管機關訂的。它對電力公司沒有約束力。怎麼查的 →

概念插圖：一本裝訂的冊子平放在米色桌面上，封面頂端是寫著 OCP 字樣的黑色橫條，左側有四條灰色橫槓。封面圖中，一條紅色電纜從一棟側面排滿機櫃狀面板的長形黑白建築連到右側的輸電鐵塔，鐵塔伸出的電線旁有一個黑色閃電符號。 — Google、Meta、微軟與 NVIDIA 的 OCP 電網規格要求，電網故障時資料中心不得斷線，限於規格規定範圍內的故障。替這四家蓋機房的人可先確認電力設備做不做得到，但規格是用電大戶自己寫的，電力公司會不會採用還不知道。

大神觀點

1. [今日]（貼文 10 月 12 日）前 Intel 執行長 Pat Gelsinger 說，AI 會讓晶片設計變快，但不會讓晶片變好做；他點名記憶體頻寬、先進封裝、銅線改光纖與電力是卡點。他寫：「AI will make chip design faster. It won't make chips easier」，又說「Memory bandwidth and advanced packaging are huge choke points」「Energy capacity is becoming economic capacity」（Pat Gelsinger，2026-10-12）。他也說矽製造的進度是以季計算的。Gelsinger 現在是創投 Playground Global 的合夥人，有投資光互連公司，談銅線改光纖時有利害關係。這是他個人的判斷，沒有附資料。他還說，專用 AI 晶片的種類會收斂。這點他自己標明是猜測。怎麼查的 →

兩格並排的概念插圖：左格中一位留長黑髮、穿黑色衣褲和白鞋的人坐在椅子上，在桌前用筆電打字，螢幕上有一個帶格線的紅色方塊和一個畫著灰色橫線的對話框。右格中一位穿白色實驗袍、掛著識別牌、戴黑手套的人，在一台連著管線的大型米色機器前，把一塊帶格線的紅色方板放到平台上，平台上還有四塊黑色長方形墊片。 — 前 Intel 執行長 Pat Gelsinger 在貼文中說，AI 會讓晶片設計變快，但不會讓晶片變好做；他點名記憶體頻寬、先進封裝、銅線改光纖與電力是卡點。估 AI 擴建時程可先看記憶體、封裝與電力，但這是他沒附資料的個人判斷，他也投資光互連公司。

模型觀點

1. [今日]（貼文 10 月 12 日）投資人 Chamath Palihapitiya 委託 8090 做的測試說，同一顆 Claude Fable 5.1 放在 OpenAI 的 Codex 裡解題率 61%，放在 Claude Code 裡 41%。 Claude Code 與 Codex 都是包在模型外面的程式外框，替模型叫工具、管步驟。同一顆模型換一個外框，能解的題就不一樣，所以分數有一部分量到的是外框。測試用 113 道修程式錯誤的任務，7 個模型各搭配 5 種外框測試。另一個模型 GLM 5.3 Flash 也有類似落差，放在表現最好的外框得 59%，最差的得 24%（Chamath Palihapitiya，2026-10-12；8090，2026-10-12）。8090 的文章說，每種組合只跑兩次，9 個百分點以內的差距可能只是雜訊。Fable 5.1 的落差是 20 個百分點，比這個範圍大。這是委託方自己公布的單一測試，沒有第三方重跑。Chamath 與 8090 有商業關係。⚠️ 利益揭露：本報的分析由 Anthropic 的模型協助產生，Claude Code 與 Fable 5.1 都是 Anthropic 的產品。怎麼查的 →

概念插圖：米色桌面上並排放著兩台打開的筆記型電腦，背後是一個淡粉紅色的大圓形；兩台螢幕上方邊框都寫著「FABLE 5.1」，畫面中央各有一個磚橘色對話框，內有三條白色橫線，右側欄則是多條灰色橫線。左邊那台的視窗是深色外框，左上角有三個小圓點，左側有深色側欄，機身底部寫著「CODEX」；右邊那台的視窗頂端是灰色橫條，上面有三個分頁標籤，機身底部寫著「CLAUDE CODE」。 — 投資人 Chamath Palihapitiya 委託 8090 做的測試說，同一顆 Claude Fable 5.1 放在 OpenAI 的 Codex 裡解題率 61%，放在 Claude Code 裡 41%。所以比模型時要連外框一起比，但這是委託方自己公布、每種組合只跑兩次的單一測試，沒有第三方重跑。

2. [今日]（預印本 10 月）瑞士蘇黎世聯邦理工學院團隊的預印本說，寫程式的 AI 代理人照規格寫出的程式能通過 82% 的參考測試，但它自己寫的測試，抓得到的故意植入錯誤不到六成。研究者在 165 個應用裡，平均每個故意改壞 74 處，看代理人寫的測試能抓到幾處。論文的結論是「agents can build software they cannot verify」（TestSuiteBench 預印本）。研究者也報告，代理人寫的測試有 88% 能在正確的程式上跑過。也就是說，這些測試不是寫錯，而是太弱，抓不到錯。本報只讀了摘要。被測的是哪幾個代理人、這幾個數字是平均還是最好的一個，本報不知道。要把代理人寫的測試當驗收前，可以先在程式裡故意改壞幾處，看測試抓到幾處；這是本報建議的檢查法，不是論文做過的實驗。怎麼查的 →

概念插圖：左側長桌上放著一台筆電，螢幕上方是一塊排著灰色線條的框，下方是多行灰色線條，其中三行是紅色，右邊另有一欄短灰線。右側一位留著黑色長捲髮、穿黑色上衣和黑色寬褲、白色球鞋、頸上掛著白色識別證的人，翹腿坐在凳子上，一隻手放在筆電鍵盤上，看著螢幕；背景是淺色牆面、一道淡粉紅色直條，以及一塊寫著「ETH ZURICH」的米色牌子。 — 蘇黎世聯邦理工學院團隊的一篇預印本說，寫程式的 AI 代理人自己寫的測試，抓得到的故意植入錯誤不到六成；被測的是哪些代理人，本報不知道。代理人寫的測試全部通過，不等於程式沒有錯。

產品動態

1. [今日]（貼文 10 月 12 日）Perplexity 執行長 Aravind Srinivas 說，讓 AI 代理人用最基本的列檔案與文字搜尋指令找資料，在自家金融文件測試上答對 63%，用語意搜尋只答對 37%。 Perplexity 是 AI 搜尋公司。這裡的代理人，是替使用者自己找資料、讀檔案的 AI。他寫：「Agents search with plain `ls` and `grep`. That beats semantic search 63% vs 37%」（Aravind Srinivas，2026-10-12；Perplexity 部落格）。ls 是列出檔案，grep 是照字面搜尋文字。語意搜尋則是把文字轉成一串數字，找意思相近的段落。63% 對 37% 是 Perplexity 用自家金融文件跑的。語意搜尋那一組怎麼設定，本報沒讀到，所以這不一定是兩種方法本身的高下。換成別種資料，結果也不一定一樣。怎麼查的 →

概念插圖：桌上並排放著兩台打開的筆電，左邊螢幕是一列直排的灰色橫條，其中一列被反白；右邊螢幕是三組用線連起來的圓點，每組再連到幾條短灰線。兩個螢幕右上角都有對話框圖示，筆電前方攤開一本紅色活頁夾，頁面上是表格。右上方牆上有一個青綠色幾何圖形和「PERPLEXITY」字樣，桌面左邊有筆筒和書本，右邊疊著書，前景是一張深色椅子的椅背。 — Perplexity 執行長 Aravind Srinivas 說，AI 代理人用最基本的列檔案與文字搜尋指令找資料，答對率 63%，勝過語意搜尋的 37%，這是 Perplexity 用自家金融文件測試的自報。做代理人檢索前可先拿文字搜尋當對照組，但這不一定是兩種方法本身的高下，換成別種資料也不一定一樣。

過去洞見

1. [回顧]（深度報告 2026 年 7 月 21 日）「出口管制有沒有效」至少是三個問題：有沒有拉開算力差距、有沒有催化中國自給、自己漏了多少。三題口徑不同，不能互相推翻。研究機構 Epoch AI 估算，中美模型能力差距平均七個月，區間 4 到 14 個月。同時，北京禁購特供晶片、國有項目排除外國加速器，等於北京寧可放棄短期內較好的產品，也要扶植自家供應鏈。

概念插畫，畫面分為左右兩格：左格一名穿黑色高領衣的人坐在辦公椅上，雙手放在桌上兩台並排的筆記型電腦上，螢幕顯示灰色對話框圖形，桌上兩側有筆筒和一疊方盒，後方牆上掛著寫有「EPOCH AI」字樣的牌子。右格是一座有成排插槽與小燈的高大黑色機櫃，一名掛著識別證的人正在機櫃前兩根黑色立柱之間拉起一條繩索，繩前的矮檯上放著一塊帶散熱鰭片的紅褐色硬體卡，人物身後有淡粉色圓形背景。 — 本報 7 月深度報告判斷，「出口管制有沒有效」至少是三個口徑不同、不能互相推翻的問題：有沒有拉開算力差距、有沒有催化中國自給、管制自己漏了多少。中美模型能力差距平均七個月、區間 4 到 14 個月，這是研究機構 Epoch AI 的估算。

「管制催化中國自給」的準確版本是，中國自給的動力在管制之前就有，管制讓它走得更急。中國的國家積體電路產業投資基金 2014 年成立、記憶體廠長鑫存儲 2016 年成立，都早於管制（深度報告，2026-07-21）。深報點名的單一最佳前置指標，是長鑫的 HBM3 良率與擴產進度。什麼會推翻這篇的判斷：中國模型能力差距縮進 4 個月以內，或中國前沿實驗室公開用國產晶片完成旗艦模型的完整訓練。深報自設的回檢期限到 2027 年 7 月。本報這輪沒有回查，還沒有結果。聽到「管制失敗了」或「管制奏效了」，先問講的是三題中的哪一題。怎麼查的 →

快訊

1. 還沒查證：[今日]（貼文 10 月 12 日）前 OpenAI 董事 Helen Toner 引第三方評估機構 METR 8 月的調查，糾正 Palantir 技術長 Shyam Sankar 在電視訪談裡的說法。Toner 說，OpenAI 模型入侵 Hugging Face 那次，是約 1,200 個 AI 代理人花數天協調，不是單純照指令找答案。METR 原文本報這次沒重讀（Helen Toner，2026-10-12）。

2. 還沒查證：[今日]（報導 10 月 12 日）The Information 記者 Leo Schwartz 引匿名官員報導，川普政府計畫讓商務部 AI 標準與創新中心（CAISI，前身是美國 AI 安全研究所）的三名資深官員直接向白宮報告；報導全文在付費牆後，本報沒讀到（Leo Schwartz，2026-10-12）。

3. 還沒查證：[今日]（轉引 10 月 12 日）據 The Information 報導、經評論者 Gary Marcus 轉引，品質最高的十個模型只占開發者 token 用量的 14%，一年前是 55%。token 是 AI 算字數與計費的單位。怎麼量、母體是誰，本報沒讀到（Gary Marcus，2026-10-12）。

4. 還沒查證：[今日]（報導 10 月 12 日）據彭博報導、經中國科技政策分析師 Paul Triolo 轉述，DeepSeek 領投機器人新創 Winverse 數千萬美元的種子輪；彭博標題寫的 4 億美元是什麼口徑，本報沒讀到（Paul Triolo，2026-10-12）。

更正：10 月 11 日那期有五處寫錯或漏讀。主線 Fireworks：執行長貼文附的安全公告本報當時沒讀，公告寫明公司 10 月 6 日就發現事件，並說部分受影響帳號裡存成機密的 API 金鑰與存取權杖可能已被取走，要受影響客戶輪換通知裡點名的第三方憑證；公告 10 月 10 日也有更新，那期說「沒找到後續更新」不對。產品動態 Open SWE 的連結連到 Harrison Chase 的另一則推文；改前用的模型與品質怎麼量，LangChain 10 月 1 日的部落格已經公開，那期說「沒有公開」不對。晶片欄 Terafab 第一期投資超過 168 億美元，德州州長辦公室 8 月 6 日已公告，不是只有一則推文。Jordan 專訪的英譯頁寫明 10 月 4 日刊出。中文版主線把 Altman 那段話 10 月 9 日的轉貼日寫成了發言日。官網中英日三語存檔頁已改正。

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。