(Photo by Ray Hennessy on Unsplash)

✳️ tl;dr

• Meta 透過 SPV 結構完成近 $300 億美元融資
• 建設路易斯安那州 Hyperion 資料中心 (數據中心)，創下史上最大私募股權交易記錄 ¹
• Hyperion 資料中心佔地 400 萬平方英尺，
• 全面運作時耗電 5 gigawatts，相當於 400 萬戶美國家庭用電量

• Meta 僅保留 20% 股權，卻維持完全營運控制權，
• 這種「控制但不合併」的會計技巧讓 $270 億美元債務不出現在資產負債表上 ²
• 股權僅佔總融資的 8.5% ($25 億/$295 億)
• 保險公司透過私募信貸大量投資此類專案，
• 但面臨資產負債不匹配風險，在經濟下滑時可能被迫清算投資 ³
• 歷史教訓: 1990 年代電信公司鋪設 8000 萬英里光纖，
• 泡沫破裂四年後仍有 85%-95% 未使用，被稱為「暗光纖」⁴
• Meta、Amazon、Google、Microsoft 承諾今年資本支出達創紀錄的 $3200 億美元,大部分用於 AI 基礎設施,但 Meta 10-K 坦承:「無法保證 AI 的使用將增強我們的產品或服務」⁵

• 電力基礎設施成為瓶頸之一
• Grid Strategies 估計到 2030 年資料中心需新增 60 gigawatts 電力，相當於義大利全國峰值需求 ⁶
• 冷卻技術也是關鍵之一: 從氣冷到直接液冷再到浸入式冷卻，影響長期營運成本 ⁷

• Morgan Stanley 作為獨家承銷商，同時為多個類似專案提供融資諮詢 ¹
• 債券以 144A 格式私募發行，利差高出國債 2.25% ¹

• 技術管理者可以做什麼？ (1) 量化 AI 投資的實際 ROI 時間表 (2) 評估電力供應鏈風險 (3) 保持適當的財務槓桿比例

^{8 9}

Read More

(Photo by The New York Public Library on Unsplash)

✳️ tl;dr

• 2025-09-15 Anthropic 發布第三份 Economic Index（從不同維度切入），首次追蹤 Claude 在 150+ 國家和美國所有州的使用模式。 ¹
• （可能是模型業界第一份完整的地理分布 AI 採用數據？！）
• 企業 API 客戶的自動化率達 77%，遠高於消費者用戶的 50%，顯示企業正在積極將 AI 從協作工具轉向生產力替代方案。
• 指令式自動化在 8 個月內從 27% 躍升至 39%，這是首次自動化（49.1%）超越擴增（47%），反映模型能力提升帶來的用戶信心增長。

• API 使用的價格敏感度僅 3%（成本指數每增 1% 僅減少 0.29% 使用），企業優先考慮 能力 和 價值 而非 成本，
• 推測原因是 隱藏的基礎設施成本 遠超 模型費用（每 1 美元模型費需額外 5-10 美元才能落地、達到 production ready）。
• Ernest 的現場觀察也相同，會嫌 token 貴的需求提出者，通常自身沒有健全的組織營運系統或工作流程。反之則會看出整體創造的價值，而勇於導入 AI。
• 約 5% 的 API 流量專門用於開發和評估 AI 系統，形成「AI 開發 AI」的遞迴改進循環，推測這可能加速能力提升但也需要更強的安全監督。
• 美國州際 GDP 彈性（1.8）顯著高於跨國（0.7），但收入的解釋力反而較低，說明產業組成和經濟結構是更強的採用驅動因素。

• AUI = Anthropic AI Usage Index
• 華盛頓特區 AUI 最高（3.82），主要用於文件編輯和資訊搜尋；加州（第三）側重程式設計；紐約（第四）偏好金融任務，地方經濟結構直接映射到 AI 使用模式。
• 教育指導任務增長 40%（9% → 13%），科學研究增長 33%（6% → 8%），顯示知識密集型領域的快速採用，推測高技能工作者正在利用 AI 提升專業能力。
• 商業管理任務下降 40%（5% → 3%），金融營運任務減半（6% → 3%），推測這些領域可能正在被自動化或用戶轉向更專業化的工具。
• 富裕國家傾向使用 AI 進行擴增協作（augmentation），貧窮國家更偏好自動化（automation），控制任務組合後每增加 1% 人口調整使用量對應約 3% 的自動化減少。

• 研究使用隱私保護分類方法結合 O*NET 資料庫（19,498 個任務描述）和 Claude 自有分類系統雙重驗證，確保數據匿名化。
• 但其靜態性質和粗粒度分類可能無法捕捉 AI 創造的新興任務和不同複雜度的程式設計工作。 ²³
• 企業 AI 真實成本包括數據工程、安全合規、持續監控和整合架構，遠超表面的 API 費用，推測這解釋了為何企業對價格不敏感。 ⁴⁵
• 模型能力提升（Sonnet 3.6 → 4.x 系列）直接驅動行為變化，更好的輸出品質減少迭代需求，推測未來更強大的模型可能進一步提高自動化佔比並改變人機協作模式。

^{1 4 5 2 6 7 3 8 9}

Read More

(圖說：早起在咖啡店邊吃可頌、邊喝咖啡、邊聊 AI Agent 與人生。拍攝於 Anchorhead Coffee，西雅圖。圖片來源：Ernest。)

✳️ tl;dr

• 今年八月底出差，原本以為是去北美抓住夏天的尾巴，沒想到路過灣區和西雅圖，大家都在提 AI Agent、Agentic Workflow
• 有幸能在 AWS New York Summit 之後試玩一波 Amazon Bedrock AgentCore
• 好在幾年前曾在 COSCUP 分享過 Firecracker microVM，知道這玩意兒的勇猛與隔離的安全性
• 當年開了一台 i3.metal EC2 Bare metal 機器起來玩，90 秒以內可以用 Firecracker 跑起 4,000 個 microVM ¹，並且用視覺化的方式來呈現整個喚起的過程，啟動速度較不擔心（當然還是要看場景（但我傾向不需要提醒 AI Agent 欲速則不達 :p
• 你看連隔壁棚 Cloudflare Container 都來借用 Firecracker 開源專案來封裝服務 ²

• 今天 (2025-10-13) AWS 正式發布 Amazon Bedrock AgentCore，這是一個企業級 agentic 平台，旨在幫助組織將 AI agents 從試驗階段推進到生產環境 ³
• AgentCore SDK 已被下載超過 100 萬次，早期客戶包括 Clearwater Analytics、Ericsson、Sony、Thomson Reuters 等跨產業企業
• 採用 microVM 技術提供企業級安全隔離，每個 agent 會話運行在獨立的虛擬機實例中，防止數據洩漏和跨租戶攻擊

• AgentCore 提供可組合的服務，支援多種框架包括 CrewAI、Google ADK、LangGraph、LlamaIndex、OpenAI Agents SDK、Strands Agents 等
• 可使用 Amazon Bedrock 上的模型，也可使用外部模型如 OpenAI 和 Gemini
• AgentCore Code Interpreter 讓 agents 在隔離環境中安全生成和執行代碼
• AgentCore Browser 允許 agents 大規模與網頁應用程式互動
• AgentCore Gateway 將現有 APIs 和 AWS Lambda 函數轉換為 agent 相容工具
• Gateway 連接到現有的 MCP servers 並整合第三方工具如 Slack、Jira、Asana、Zendesk
• AgentCore Identity 讓 agents 使用 OAuth 標準安全地存取和操作各種工具
• AgentCore Memory 幫助建立具備上下文感知能力的 agents，無需管理複雜的記憶體基礎設施

• 透過 microVM 技術提供業界領先的安全性，每個 agent 會話都有獨立的隔離運算環境
• AgentCore 的 MCP server 可與 Kiro 或 Cursor AI 等 IDE 整合
• 提供業界領先的八小時運行時間，支援長時間運行的任務

• 既然 GA （正式釋出）了，就不用等排隊申請了，直接開起來玩玩看吧

• 落地 AI Agent 需要搭配現有工作流程、需要磨合、需要對其組織目標
• 需要 Process Automation 白板的朋友，可延伸閱讀 ⁴

• 是說… 後來九月回程反而在東京被夏天的尾巴掃到，整個熱爆… 好佩服日本大叔們整套西裝上身 Orz…

Read More

(圖說：準備開箱 Remarkable Paper Pro。圖片來源：Ernest。)

✳️ tl;dr

• 在 Ernest PKM ¹ 有提到我仍保有紙本筆記，以及搭配使用數位手寫筆記。
• 去年添置了一疊紙 reMarkable Paper Pro 也是以手寫為基礎。
• 總有個感覺是，在成堆混雜的資訊中，一但某個時刻我想要靜一靜釐清當下的複雜認知，
• 通常會抱著某個手寫工具，戴上降噪耳機，靜坐幾分鐘，然後開始動筆嘔吐輸出、分類、比較，
• 總能理出個頭緒。就算沒長出脈絡，也長出了個枝枒。
• 但感覺總歸是感覺，總想要找個歸因（哎，算一種壞習慣嗎，總之是種習慣動作，在台積的 root cause 習慣養成太扎實了

• 找著找著，找到了 Dr. Audrey van der Meer ² 長期關注這個領域，
• 以下是她 2024-01 發表的一篇研究結果。 ³⁴
• 研究記錄了 36 名大學生使用數位筆手寫和鍵盤打字時的腦電活動。
• 手寫時大腦連接模式比打字時更為複雜精細。
• 手寫產生廣泛的 theta/alpha 頻率連接性模式，這些模式對記憶形成和學習至關重要。

Read More

(圖說：當年參訪 Amazon Spheres 的時候，剛好有拍到 The Westin Building，照片中的最左邊那一棟建築物。圖片來源：Ernest。)

✳️ tl;dr

• 之前在西雅圖市區路過開會、或探訪咖啡與美食，走來晃去一直經過它，沒想到大有來頭。
• 威斯汀大廈交換中心是位於華盛頓州西雅圖市中心的大型電信樞紐設施。 ¹
• 該建築建於 1981 年（跟我差不多年代 XDD），
• 最初名為威斯汀大廈，是當時總部位於西雅圖的威斯汀酒店集團的辦公室。
• 它也是西雅圖網際網路交換中心（SIX） 和 Pacific Northwest Gigapop Pacific Wave Exchange 的所在地。

• 自 2019 年或更早起，該建築資料中心產生的熱量透過管道輸送到亞馬遜的多普勒大樓 (Doppler) ，用於隔壁多普勒大樓和其他幾棟亞馬遜大樓的暖氣供應。
• 亞馬遜估計，在該系統 25 年的預期使用壽命內，它將節省 8,000 萬千瓦時的電力，相當於 6,500 萬磅煤炭。

• 起因是看到 The Verge 報導 Microsoft 打算將 GitHub 整個搬移進 Azure，而好奇在被收購之前的基礎設施情形。²
• GitHub 在 2018 年被 Microsoft 收購。所以回頭查詢 2017 年的情況。
• GitHub blog 曾描述：“Those facilities don’t store customer data, rather they’re focused on internet and backbone connectivity as well as direct connect and private network interfaces to Amazon Web Services.” ³
• GitHub 現在 (2025) 正進行（史上？）最大規模的基礎設施遷移計劃，計劃在 24 個月內將整個平台從自有資料中心遷移到 Azure。
• 這次遷移的核心驅動力是 AI 工作負載的爆炸性成長：GitHub Copilot 每天產生數百萬次程式碼建議，消耗大量運算容量，現有資料中心已達到物理擴展極限。（對外總是會有一套說法，聽聽看看參考就好）（有一種冷，叫做阿罵覺得你冷。有一種移，叫做____就請你移？！）
• 遷移策略：大部分工作需在 12 個月內完成（因為需要新舊系統並行運行至少 6 個月），GitHub 已要求團隊延遲功能開發，優先處理基礎設施遷移。

• GitHub 在 2024 年經歷了 119 起事件，包括 26 起主要中斷，平均修復時間約 106 分鐘。⁴
• 好奇搬家之後的表現。
• 有在使用 GitHub 的各位技術管理者們，好奇各位怎麼看？會觸發做些準備嗎？

^{5 6}

Read More

(圖片來源：Arduino UNO Q。)

✳️ tl;dr

• Qualcomm 收購 Arduino，這是繼 Edge Impulse 和 Foundries.io 之後的第三次關鍵收購，展現 Qualcomm 想建立 fullstack edge AI 平台的決心（或佈局？）^{1 2}
• Arduino 擁有超過 3,300 萬活躍社群，是 Raspberry Pi 等競爭對手沒有的開發者基礎。

• 新推出的 Arduino UNO Q 採用「雙腦架構」：Qualcomm Dragonwing QRB2210 四核處理器（Quad-core Arm Cortex-A53 @ 2GHz） 搭配 STM32U585 即時微控制器（Arm Cortex-M33 @ 160MHz），同時處理高性能運算和即時控制。
• 無線通訊能力 = dual-band Wi-Fi 5 + Bluetooth 5.1
• Edge Impulse 的整合提供 AutoML 能力，讓非 AI 專家也能部署機器學習模型。
• TinyML 市場預計到 2030 年將達到 2000 億美元，Qualcomm 正在搶佔這個高增長賽道？！
• UNO Q 售價 44 美元（2GB RAM/16GB eMMC）至 59 美元（4GB/32GB），與 Raspberry Pi 5 價格對標約便宜 7 美元。（但 RPi 5 現在有 8GB RAM, 16GB RAM 的選項，值得後續追蹤觀察。）

• 軟體採用 GPL 3.0 或 Mozilla Public License，硬體設計採用 CC BY-SA 4.0，你可以合法製作和銷售衍生版本

^{3 4 5}

Read More

(Photo by Rikin Katyal on Unsplash)

✳️ tl;dr

• AWS 推出 ECS Managed Instances，在維持完整 EC2 控制權的同時，將基礎設施管理責任外包給 AWS，實現運營簡單性與靈活性的最佳平衡 ¹
• 採用 Bottlerocket 作業系統運行，相較於維護 50,000 個套件的通用作業系統，Bottlerocket 僅維護約 100 個套件定義，顯著降低攻擊面與管理複雜度 ²
• 使用 dm-verity 和 SELinux 強制模式保護根檔案系統，即使容器逃逸也難以持久化攻擊，系統會在偵測到篡改時自動重啟 ³⁴

• 容器編排市場預計從 2025 年的 108 億美元成長到 2034 年的 765 億美元，年複合成長率達 24.16%，顯示託管容器服務的強勁需求 ⁵
• 研究顯示異質任務分配策略可將容器編排成本降低 23% 到 32%，ECS Managed Instances 的自動工作負載整合功能正是實現此目標的關鍵 ⁶

• Bottlerocket 的原子更新模型使修補關鍵漏洞的時間從數天或數週縮短到數小時，相較於傳統系統可將更新相關停機時間減少 80% ⁷⁴
• 目前服務已在六個 AWS 區域推出，包括 US East (North Virginia), US West (Oregon), Europe (Ireland), Africa (Cape Town), Asia Pacific (Singapore), and Asia Pacific (Tokyo)，預計未來將擴展到更多區域以支援全球部署需求
• 服務支援透過 AWS Management Console、CLI、CDK 和 CloudFormation 部署，與現有 DevOps 工具鏈無縫整合，降低採用門檻
• 2022 年 Ernest 曾在 AWS Builders Day Taiwan 分享 Running Laravel/PHP on AWS 也有比較各種 Amazon ECS Launch Types。看來該來更新投影片了。 ⁸

⁹¹⁰¹¹

Read More

(Photo by Brett Jordan on Unsplash)

✳️ tl;dr

• Claude Code 新增 Checkpoints 功能，可即時儲存進度並回滾到先前狀態，解決長時程開發的痛點 ¹²
• 原生 VS Code 擴展發布，支援即時 inline diffs 顯示 Claude Code 的程式碼變更
• Claude Sonnet 4.5 在 SWE-bench Verified 達到 77.2%（完整 500 題），採用簡單的 bash 和檔案編輯工具 ¹³

• 高算力配置下透過平行測試時計算可達 82.0%，使用拒絕採樣和內部評分模型選擇最佳候選 ¹
• API 新增記憶工具和自動上下文管理功能，讓代理能夠在長時間運行任務中維持上下文 ¹⁴
• 定價維持與 Claude Sonnet 4 相同：輸入 $3/百萬 token、輸出 $15/百萬 token，搭配 prompt caching 可節省高達 90% 成本 ⁵

• Cursor CEO 表示 Claude Sonnet 4.5 在長時程任務上展現最先進的程式開發性能，是開發者解決複雜問題的首選 ¹

• 在 OSWorld 基準測試達到 61.4%，領先所有競爭對手，四個月前 Sonnet 4 僅為 42.2%
• 實施 AI Safety Level 3 (ASL-3) 保護框架，CBRN 威脅檢測誤判率相較最初描述時已降低十倍
• 提示注入攻擊防禦取得進展，這是代理式 AI 系統面臨的最嚴重安全風險之一
• 首次在 System Card 中納入「可解釋性」技術評估，提升模型透明度和可信度 ⁶

⁷

Read More

(Photo by Jonny Gios on Unsplash)

✳️ tl;dr

• 新玩具 Claude for Chrome ^{1 2}
• 很久之前填表排隊
• 昨天收到信
• 今天抽空玩
• 繼續寫作業
• 誒不對，應該找它陪我一起寫作業？！

• 看起來我是第二批 Max plan 排隊取得 Claude for Chrome research preview
• 連假嘗試了幾個任務給 Claude for Chrome 執行看看。
• 會先取得 URL 裡頭某個 domain 底下的授權，也可以一步一步按同意。

• 如果是自己閱讀文件步驟，自己操作，不熟悉（或是第一次）自己操作的情況下，大約 2~3 分鐘（邊看、邊操作、雙螢幕）可以完成任務。但需要動腦消化、以及在螢幕上找（或需要用 cmf+f 找到 action link 或 action button 前進）。
• 相比之下 Claude for Chrome 約莫需要 10~15 分鐘，都有完成任務（例如幫我設定 GTM、幫我翻找 Quickbooks 某個 Account 的歷史紀錄），因為需要一步一步操作、每一步都需要螢幕截圖、判讀畫面並決定下一步滑鼠該 click 在哪個位置、有些畫面需要輸入文字到文字框裡頭、連 click 文字方塊後都會在螢幕截圖做一次確認焦點有在文字方塊上（我好幾次都差點衝動想要幫它按，都先忍住，怕打擾流程）。

• 我目前搭配 Edge 使用（因為需要垂直分頁和 multiple isolated profiles），好像有遇到 Claude for Chrome 將我原本 group 的名稱改掉、原本 tab group 中其他 tab 擅自關閉沒問過我的情況、也有 Claude for Chrome 自己在 tab group 中開啟了新的 tab (e.g. GA4) 自己開始進行操作，但是畫面上我還停留在 GTM 的 tab 之類情事。
• 以體驗來說，當然現階段是沒有效率的。
• 但以結果來說，Claude for Chrome 有完成任務，這代表拆解步驟的思路和知識夠用，就等新世代的模型或是未來可能的地端 infra 出來，減少往返的時間，效率就會直接拉上來。

• 你也在思考如何導入 AI Agent 或 Agentic Workflow 到團隊或工作流程中嗎？歡迎聊聊。

Read More

問題描述

最近在使用 Kiro (Agentic IDE) 玩 multiple-role agents 和 hooks 的時候，遇到了一個相當困擾的問題：在同一個 CLI session 中，Kiro 拿不到第二個指令的回傳值。

問題場景是這樣的：

• 當我請 Kiro 執行第一個指令時，一切正常，指令可以執行且能正確取得輸出結果。
• 但是接下來 在同一個 shell session 中執行第二個指令時，Kiro 就無法取得該指令的回傳值了。
• 所以 Kiro 就停在那邊等回傳，vibe 不起來。

這個問題對我的工作流程造成了很大的影響：

• 頻繁的 session 重啟：
  • 每次執行完第一個指令後，我都必須手動關閉 CLI session，需要我（人類）這麼頻繁地介入，那這不是我想要的 AI agent。
• 手動複製輸出：
  • 或者我需要手動複製第二個指令的回傳值給 Kiro Chat。
• 工作效率降低：
  • 原本流暢的 agentic coding 工作流程變得斷斷續續，放鬆的時候是可以放鬆，但我對於工作任務，會想要提升效率。

問題場景影片紀錄（影片中的某些關鍵資訊已經被重新產生，請勿驚慌）：

Read More