廢材賈斯汀王先生

尼古丁、咖啡因與泛焦慮症

[數位孫權 @sjmdongwugo]

某族群：所以我們不要去惹人家

[大橋底下臨時工 @37TDNMDbpbO8HI8]

哇，蕭敬嚴好嗆！

「政客爽」？ XD

[Winosaur @winosaur32286]

賣給他的東西不能貴
不然就是暴利
政府無能

你買他公司的商品或服務不能便宜
老闆要幫他加薪
年終獎金要多
不然也是政府無能

————————

我覺得台灣人的確是太好命
才會有這麼多閒工夫雙標抱怨

[謝立聖插畫 @pitt9244]

江啟臣批：「無人機產業台中為何被跳過，供應鏈最完整卻淪倉庫？」

對欸，我也想知道為什麼，為什麼你們要砍無人機預算，導致台中沒有無人機？

[霸王Peggy @haohpeggy1996]

"台灣水果賣日本"
日本人：台灣水果好好吃
"台灣水果賣韓國"
韓國人：台灣水果好好吃
"台灣水果賣美國"
美國人：台灣水果好好吃
"台灣水果賣中國"
中國人：要不是我買你們早就餓死了，快給我跪下來叫爸爸！

[數位孫權 @sjmdongwugo]

中國每天都活得刻骨銘心

[Winosaur @winosaur32286]

中共派來的人被選上
中共派來的人正在執行任務

[Winosaur @winosaur32286]

其實你看詹江村怎麼迫害一個高中生，
就能知道為什麼國民黨以前能隨便殺人、
隨便對待被殺之人的遺體。

你講錯一句話，再跟家人團聚，
已經是在六張犁的亂葬崗。

國民黨以前跟現在的差距，
只差在他有沒有槍跟武器，
他能不能合法殺你。

[Leonardo Facco @LeofaccoTweet]

Un professore di economia di una scuola superiore aveva dichiarato che nessuno degli studenti del suo corso era mai stato bocciato, ma si è recentemente ritrovato a far bocciare un'intera classe.

Tutta la classe aveva insistito nel dire che il socialismo funziona e che, di conseguenza, nessuno sarebbe stato né povero né ricco. Un mezzo egualitario eccezionale.

Allora il profesoore annunciò: "OK, faremo allora un piccolo esperimento di classe. Al prossimo compito in classe, farò la media di tutti i vostri voti e ve lo assegnerò. Avrete tutti lo stesso voto, nessuno riceverà un'insufficienza né prenderà un dieci".

Dopo il primo scritto fu fatta la media dei voti e tutti ottennero un 7. Quelli che avevano studiato molto erano delusi, quelli che avevano studiato poco erano contenti.

Nel secondo compito in classe, quelli che avevano studiato poco studiarono meno e quelli che avevano studiato tanto decisero di seguire la strada dei loro compagni furbetti studiando poco. La media del secondo esame fu un 4. Nessuno era contento.

Al terzo compito in classe, la media fu 2. Nel corso dei successivi esami i voti non migliorarono mai. Cominciò a crescere il nervosismo e gli scambi di accuse, gli insulti colorivano le conversazioni e tutti vissero male quella situazione. Nessuno volle studiare a beneficio degli altri. A grande sorpresa di tuta l'intera classe fu bocciata.

Fu allora che il professore affermò che il socialismo era il viatico del fallimento, poiché quando la ricompensa è grande, l'impegno nel riuscire è altrettanto grande. Ma quando lo Stato elimina ogni possibilità di premio, nessuno offrirà il proprio impegno né vorrà ottenere successo. Non potrebbe essere più semplice.

[Aku Kei 祁居 惡 🔥 ⚯ @keiaku]

什麼啦

[( ͡° ͜ʖ ͡°) 卡珊德拉該練核心了8️⃣9️⃣6️⃣4️⃣ @balababada]

望周知！望周知！

沈 · 伯 · 洋 · 博 · 士，一字都不要漏

[風暴士兵 🪐🪬Taiwan only @dabowagaga]

中午吃飯新聞正在播川普訪中的新聞。

藍腦同事：「台灣一定會被美國賣掉！如果台灣跟中國是同一國就不���被美國賣掉了！」

我：「你說美國要賣給誰？」

藍腦同事：「賣給中國！」

我：「那不是正合你意？」

藍腦同事：「⋯⋯」

我：「你覺得美國會把台灣賣給中國，所以就要先把自己送給中國？」🤡

[霸王Peggy @haohpeggy1996]

"不可以讓綠友友賺到錢"
好，那誰是綠友友？
"民進黨執政下賺到錢的都是綠友友"
在這種套套邏輯下誰綠不了？難怪你們所有的立法都是要害全台灣一起窮。

[Aku Kei 祁居 惡 🔥 ⚯ @keiaku]

看盜版的人還在那邊叫叫叫，叫什麼叫
你是雞喔？

[Lawrence of Taiwan @Lawrence1947228]

台北人就算是老鼠把耳朵咬掉了也不會醒的

[武田山宗 @iamericlintw]

果然。

現在台北市政府，我們團寶安市長說，要去中央討論如何防治鼠患。

雙城論壇的時候意氣風發，怎麼不見去中央討論是否恰當?

現在眼看鼠患燒起來了，趕快把這一攤丟給中央。

然後，自己雙手一攤，就這樣了。

其實，真的不關我的事。

每一票，都有責任。

不曉得這件事也沒關係，會有感覺的。

[武田山宗 @iamericlintw]

原來這是一個，你不方便讓你的自家車過來，我就派我的私人專車去接你過來，順道讓你風光一下的概念。

史瓦帝尼真的夠意思。

然後國台辦跟口國外交部那種潑婦罵街式的大叫，真的很符合大國。

沒水準大國。

我們的外交人員與團隊，真的辛苦了。

一個案子要能夠順利完成，中間不曉得要過多少難關。

[Snufkin  @againitsme]

壓線完成！雖然對這個題目一開始有點困擾，但想了一個月，還是寫了比想像中多的東西。

現在叫我給職場新人建議，我一律說先從寫工作日誌開始吧。

https://t.co/gCwXJngA8V

[霸王Peggy @haohpeggy1996]

"請大家關心我們的生存權，我的家人住在山裡面急病沒有辦法得到醫療救護死掉了，我們已經陳情過很多次還是沒有要蓋路，可是我不想扯政治"
↑↑↑↑
所以你發在脆上是想叫大家集資幫你們蓋嗎？
---
然後蓋完還被立個牌子說是傅崑萁的恩賜，老招了。

[Intl Econ Observe @IEObserve]

好吧，其實他說的也沒毛病。因為確實一般人越來越討厭大部分的AI前沿領導者，也加大了民間投資AI基建的阻力。

AI 正在重新定義企業運作的方式，而最直接的證據就是 token 支出的爆炸性成長。SemiAnalysis 創辦人 Dylan Patel 在這次訪談中，從自身企業經驗出發，深入剖���了 AI token 的供需動態、模型競爭格局，以及這場技術革命對經濟結構帶來的根本性衝擊。

#一家公司的AI支出暴增記

Dylan Patel 回顧了自家公司在 AI 支出上的驚人變化。去年他們自認已是 AI 重度使用者，為員工提供各種訂閱，整體花費大約在數萬美元的規模。但今年一切都不同了。

「今年的支出直接飆升，真正的轉折點是去年 12 月底 Opus 推出之後。」他提到公司總裁 Doug Olaflin 是非技術人員使用 AI 寫程式的先驅，逐步帶動了整個公司的風氣。「一月份支出開始急速攀升，我們簽了 Anthropic 的企業合約，現在年化支出已經到了 700 萬美元。」

他進一步做了一個驚人的對比：公司薪資支出大約在 2500 萬美元左右，也就是說 Claude Code 的花費已經佔薪資的 25% 以上。「如果這個趨勢持續下去，到年底我們在 AI 上的花費可能會超過薪資總額。這有點嚇人。」

#一個人做完一整個團隊的工作

Patel 舉了幾個具體案例來說明 AI 帶來的生產力躍升。第一個是他們在 Oregon 的逆向工程實驗室。過去分析晶片的材料與架構是一個非常緩慢的過程，但團隊中一位曾在 Intel 工作的成員，僅花了幾千美元的 Claude token，就建出一套 GPU 加速的應用程式，能自動辨識晶片影像中每一種材料的位置。

「他說這在 Intel 是一整個團隊的工作量，現在一個人用幾千美元就搞定了。」

另一個案例更令人印象深刻。一位名叫 Malcolm 的經濟學家，之前在一家大型銀行的經濟研究部門工作，那個部門有 100 到 200 人。他獨自一人���過 AI，串接了 FRED 等各種經濟數據 API，跑回歸分析，研究各種經濟變革對通膨與通縮的影響。他還用 AI 分析了美國勞工統計局的 2000 項工作任務，評估哪些能被 AI 取代，並據此創造了一個全新的基準指標。

「他說這種工作量，以前要 200 個經濟學家花一整年才能完成。他完全沉迷在 Claude 裡面，說一切都變了。」

Malcolm 還提出了一個有趣的概念叫「幽靈 GDP」（Phantom GDP）：產出可以大幅提升，但因為成本急劇下降，帳面上的 GDP 反而可能縮減。

#不採用AI就等著被淘汰

作為企業經營者，Patel 並不打算控制 AI 支出。他認為這是一場生存競爭。

「我做的是資訊服務業。如果我不持續進步，這些東西很快就會被商品化。我 2023 年做的那些事情，現在大家都會做了。如果我不把標準往上��，我就會被淘汰。如果我不夠快，我也會失去優勢。」

他舉了能源數據市場的例子。這個市場規模約 9 億美元，他們花了一年多、投入多位分析師都沒有真正突破。然後「Claude Code 狂熱」（Claude Code Psychosis）擊中了團隊中的一位成員 Jeremy。

「他三週內花了大量的 token，有時候一天就花 6000 美元。他爬取了美國每一座發電廠、每一條超過特定電壓的輸電線路，建立了整個美國電網的完整地圖，加上各種需求來源的數據。」他們把成果展示給能源交易客戶看，對方的反應是：「這比 XYZ 公司做的還好，那家公司有 100 個人做了 10 年。」

#Token需求的爆發式成長

Patel 從宏觀角度分析了 token 需求的現況。他指出 Anthropic 的營收已經從年初的 90 億美元年化成長到 350 至 400 億美元，甚至可能更高。透過計算，即使假設所有新增的算力都用���推論，Anthropic 的毛利率底線也在 72%，實際可能更高。而在年初，外流的募資文件顯示毛利率才 30% 出頭。

「這種業務怎麼可能毛利率成長這麼快？答案就是需求太強了。他們能夠削減使用限制和速率限制。真正重要的是你有沒有 Anthropic 的企業合約，能不能拿到你需要的速率限制提升，因為 token 的需求實在太瘋狂了。」

他認為最核心的觀念是：各種企業使用 token 創造的價值，遠超過他們為 token 支付的費用。「Anthropic 收到 400 億美元的 token 營收，但那些 token 創造的價值遠不止 400 億。真正重要的是，你能不能拿到最聰明的 token，然後把它們用在最有價值的地方。」

至於那些用 Claude 寫出一個普通 SaaS 產品的新創公司？「他們並沒有真正創造多少價值，所以他們很快就會被 token 的價格擠出市場。」

#當執行變得廉價：經濟邏輯的根本翻轉

這次訪談中最���心的洞察，是關於「創意 vs 執行」的權力翻轉。

「過去真正重要的是執行力，因為執行極其困���，而點子很廉價。現在點子依然廉價而且到處都是，但執行變得非常容易。所以，只有真正好的點子才值得花錢去用極低成本的方式實現。」

他用模型開發本身來說明這個邏輯：過去要實現一個研究想法，實作過程非常艱難。現在實作變得容易（雖然依然昂貴），所以可以嘗試更多想法，模型的發布週期從六個月壓縮到了兩個月。同樣的邏輯也適用於一般企業。

這讓他感到某種程度的恐懼。「社會要如何重新組織自己？在一個你的執行能力其實不再那麼重要的世界裡，人要怎麼生存？真正重要的是你選擇正確想法讓 AI 去執行的能力，以及你把 AI 做出的成果賣出去的能力。」

#模型囤積：誰能拿到最好的 token？

Patel 描繪了一個越來越不平等的 AI 存取格局。Mythos 目前只提供給頂級銀行用於網路安全，一般企業根本拿不到。

「我可以想像一個未來，因為我有 Anthropic 企業合約，而且 Anthropic 的人還蠻喜歡我的，他們願意給我稍微早一點的存取權限或稍高的速率限制。然後我的競爭對手沒有這些，我就能徹底碾壓他們。」

他提到 Citadel 的 Ken Griffin 這類超級富豪可能直接跟 OpenAI 或 Anthropic 簽下協議，每年率先購買 100 億美元的 token。「然後其他人要等他用完才能拿到模型。這會怎麼樣？他會碾壓市場上所有人。」

「AI 非常昂貴。誰來付那一兆美元的基礎設施費用？是有錢的人，是能用 AI 做出有用東西的人。然後你又不想讓別人蒸餾你的模型，所以你不會大規模釋出，而是只給越來越少的客戶。」

#不用更多token，就永遠待在底層

Patel 提出了一個尖銳的警告：如果你不使用更多 token，就無法擺脫「永久底層階級」。

「有三個問題要解決：使用更多的 token、從那些 token 中產生價值、然後從你創造的價值���捕獲價值。如果你不做這三件事，隨���模型能力持續飆升、資源可能越來越集中，你就永遠無法脫離底層。」

他也區分了兩種態度。「很多人用很無聊的方式在用 AI：本來工作八小時，現在讓 AI 做大部分的事，自己只做一小時。比較酷的方式是，我繼續工作八小時，但產出是以前的八倍，也許收入變成五倍。」他強調要趁 AI 還沒有變成基本門檻之前，先搶到經濟價值。

#供應鏈全面緊繃：從記憶體到銅箔

談到供應面，Patel 描述了一個從上到下全面吃緊的景象。GPU 價格正在上漲，使用壽命也在延長。

「有些人主張 GPU 的使用壽命不到五年，完全是胡說。現在有三四年前的 Hopper 叢集在續約三到四年，A100 叢集也在續約。使用壽命明顯不是五年，可能是七到八年。而且續約價格還在上漲。」

記憶體方面更加嚴峻。即使需求訊號在 2025 年底就已經非常強勁，記憶體公司也立刻開始反應，但真正的新增產能最快也要 2027 年底到 2028 年才會到位。「DRAM 價格還會再翻兩到三倍。很多人說記憶體題材已經被玩過了，根本不是。」

他指出整個供應鏈都處於類似狀態。ASML 完全售罄，需要 Carl Zeiss 加速擴產。做 PCB 所需的銅箔也售罄了，到處都有人在搶購預付產能。

TSMC 今年的資本支出已經接近 575 億美元。「但大家沒在關注的是明年和後年會怎樣。三年後 TSMC 可能會花 1000 億美元在資本支出上。聽起來瘋狂，但這是非常真實的可能性。」而這對下游供應鏈產生的鞭尾效應會越來越劇烈。

#被忽視的瓶頸：CPU 的角色

GPU 一直是焦點，但 Patel 強調 CPU 同樣面臨嚴重的供不應求。原因有兩個。

第一是強化學習。模型需要在各種環境中嘗試不同的做法，這些環境跑在 CPU 上，不是 GPU。「這些環境可以很簡單，也可以很複���，比如要模型打開一個檔案、編輯它、提交到某個網站，或是打開 Siemens 的物理模擬器去編輯 CAD 模型。」

第二是部署。模型產生的程式碼和輸出最終要跑在某個應用上，而那些應用跑在 CPU 上。再加上所有人用 AI 產生的大量「低品質程式碼」也需要 CPU 資源來運行，CPU 已經完全售罄。

#機器人：Token 需求的下一波浪潮

被問到機器人是否會成為下一個重大的 token 需求來源時，Patel 表達了樂觀但務實的看法。

他提到一個叫做「純軟體奇點」（Software Only Singularity）的概念，意思是 AI 的奇點可能先在軟體領域發生，但真實世界大部分是實體的。「我認為純軟體奇點只是一個過渡階段。一旦軟體變得超級容易，機器人最困難的部分，也就是控制微控制器和致動器這些事情，也會被解決。」

目前流行的視覺語言動作模型（VLA）可能不是最終的解決方案，因為���們在數據效率上有問題。但他認為在未來 6 到 18 個月內，會出現能夠做到「少樣本學習」（Few-Shot Learning）的突破。「會有一個預訓練的機器人模型，你買了一個機器人，給它看幾個範例，它就能做到。」

#Tokconomics：最難回答的問題

被問到在追蹤供需動態時最想知道什麼，Patel 坦言最困難的是理解 token 的真實經濟價值。

「我們對基礎設施成本、token 成本、模型成本、實驗室的利潤率都有非常好的掌握。但使用量和採用速度是真正難以建模的部分。我們一月份做了瘋狂的預估，Anthropic 還是超過了。二月、三月都是如此。大家看到每月增加 100 億營收的數字都在問：誰在用這麼多 token？」

更深層的問題是：這些 token 到底創造了多少真實的經濟價值？「我用 token 做出更好的資訊，然後以相對較低的價格賣出去，這些資訊流入經濟體系，幫助人們做出更好的���資或競爭決策。但這些價值在任何 GDP 統計中���看不到。如果你問 Dylan Patel 貢獻了多少 GDP，那個數字跟我認為實際創造的價值相比，微不足道。」

#三個月後的預測：大規模抗議

訪談最後，Patel 做了一個出人意料的預測：三個月內會出現針對 Anthropic 和 OpenAI 的大規模抗議。

「大眾討厭 AI。AI 的受歡迎程度比政治人物還低。隨著 Anthropic 營收暴增，下游的商業變化會開始出現，人們會越來越害怕 AI，會開始把各種長期存在的社會問題怪罪到 AI 頭上。」

他提到 Sam Altman 的住處在兩週內被扔了兩次汽油彈，而新聞下面的留言竟然是一片叫好。「這只是開始。」

對於 AI 產業該如何應對，他的建議相當直白：「首先，Sam Altman 和 Dario 要停止接受採訪。他們太沒魅力了，每次受訪都讓普通人更討厭他們。」

他接著說，AI 公司需要展示 AI 帶來的正面影響，停止不斷強調 AI 將如何改變世界的能力，因為這只���讓沒有接觸過 AI 的一般人更加恐懼。

「一般人不認識任何一個 Anthropic 或 OpenAI 的員工，不知道這些人是誰、目標是什麼。他們只覺得這是一小群陰謀家，要自動化所有工作、摧毀社會。AI 公司必須停止談論未來會發生什麼事，只談現在 AI 如何實際幫助人們。這需要一次巨大的品牌重塑。」