估值與效能之外，AI 能力仍要回到驗證

從三十兆美元市場敘事，到模型描繪未曾發生的風險，再到自研晶片與自動採血裝置，這些案例跨越估值、研究、運算和醫療。共同課題是把亮眼宣稱對回來源、測試條件與監管範圍。

三十兆美元市場需要論證，不能直接當成營收預測

Anadolu Agency 8 月 26 日引述《華爾街日報》報導稱，Anthropic 預計向投資人提出超過 30 兆美元的總可服務市場（TAM），約等於美國一年的 GDP。報導稱，公司正在準備 IPO，募資規模可能高達 1,000 億美元、估值約 2 兆美元；募資額、估值與掛牌時程都尚未定案。TAM 是假設公司取得所有潛在需求時的理論市場規模，不代表 Anthropic 已有相應營收或可實現的預測。報導的估值敘事是：要讓 2 兆美元標價看起來合理，就必須把潛在市場畫得非常大；這是評論，不是可驗證的定價公式。Anadolu Agency 對《華爾街日報》報導的整理

原報導以 SpaceX 今年提出的 28.5 兆美元 TAM 作比較，並評論 SpaceX 至少在火箭發射和衛星網路領域具有重要地位，Anthropic 卻沒有同等的市場護城河。這項 SpaceX 數字及「近乎壟斷」的描述未獲可讀來源獨立確認。報導以「提高出價」形容 Anthropic 的市場敘事，意指其論述高於 SpaceX 的比較值；這是作者的評論。報導也把 Anthropic 的 2 兆美元估值連到「AI 將涵蓋整體經濟」的假設，並稱公司營收月增率從 4 月的 58% 放緩至 38%；原報導把 38% 與 7 月並列，但目前可讀的相關來源未交代其計算期間，本文不將 38% 標示為 7 月單月月增率。這些數字仍是報導說法，未獲獨立確認。報導的評論接著說，公司需要投資人忽略短期放緩、把目光放在遠景；而這個遠景就是整個美國經濟。文中也提醒，這不是預測。

這則報導的結論是：當實際營收成長放緩，三十兆美元 TAM 可能更像一個說服投資人的巨大敘事，而不是已被證明的預測。原報導用更尖銳的語氣說，這個數字大到不再令人印象深刻，反而顯得荒唐。這是作者的評價；市場規模估算本身不會證明公司能取得其中多少收入。

η-learning 從一般資料生成極端情境，並不等於預測未來

MIT 團隊提出 η-learning 方法，相關論文於 8 月 20 日刊於《Nature Communications》。MIT News 說明，這套方法從日常資料的統計結構中學習，無須先用極端事件資料訓練，也能生成合理但未曾記錄的事件情境與空間圖。例子包括模擬一場 300 毫米暴雨會落在哪裡、影響多大範圍、強度和持續時間；研究者也提到洪水、野火、金融崩盤和供應鏈中斷等應用方向。MIT News 對研究的說明；η-learning 論文預印本

多數模型從過去紀錄推估未來，但罕見事件可能超出資料集曾經記錄的範圍。原報導用卡崔娜颶風作比喻，稱它是「三十年一遇」事件，接著追問百年一遇的卡崔娜會是什麼樣子；這些說法是報導用來說明極端情境的修辭，不是論文對卡崔娜所作的模型預測。原報導提出「沒有資料集能回答這個問題」的設問，再用 η-learning 說明不需極端事件樣本也可生成情境圖。η-learning 不需要已觀測到相同極端事件才能生成情境，而是從一般資料的統計結構產生合理的最壞情境圖，並不表示模型已能判定災害何時發生。

報導進一步推論，若保險、基礎建設、供應鏈和金融市場能先看到尚未發生的災害，風險評估方式就可能改變。這是對多產業應用的延伸解讀；論文展示的方法不等於各產業已能準確預測實際災難。此外，報導也指出，依賴最壞情境評估的產業可能很快獲得一種不需要極端事件史料也能繪製情境的工具；把 η-learning 說成「學會了未來」仍是修辭，不是論文證明的能力。原報導的結語稱，這不是更好的模型，而是另一種智慧；這是作者的評論，不是論文的比較結果。

Jalapeño 的數字取決於比較條件，CUDA 仍用於實際部署

OpenAI 8 月 25 日公布自研推論晶片 Jalapeño 的首批測試結果。公司說這款晶片與 Broadcom 合作開發，標示功耗為 700 瓦；在已測工作負載中，持續功耗不超過 550 瓦。OpenAI 表示，從初始設計到 tapeout 花了九個月，AI 工具參與設計探索、測量與驗證；公司把 Jalapeño 列為多代晶片計畫的第一代。OpenAI Jalapeño 測試說明

OpenAI 在 GPT-OSS、DeepSeek R1 和 Kimi K2.5 等工作負載上比較 Jalapeño 與 NVIDIA 系統，報告了每瓦吞吐量和端到端延遲差異。原報導將最高數字概括為快 104 倍；OpenAI 公告中的 104.3 倍，是 DeepSeek R1 670B 在 previous-best TBT（token 間隔）操作點下測得的每瓦吞吐量倍率。Kimi K2.5 的相應數字為 56.1 倍。這些數字各自限定於特定模型與測試操作點，不代表所有任務都快 104 倍。原報導另稱 SemiAnalysis 參與基準測試並估算每晶片小時成本為 1.56 美元；可讀的 OpenAI 公告提供的是 OpenAI 自行執行的測試，沒有列出這項價格或 SemiAnalysis 的測試，因此該價格仍保留為報導轉述，未獲獨立確認。

CUDA 過去多次被宣告將失去主導地位。原報導把 Jalapeño 稱為 CUDA 最新的「行刑者」，並形容它速度快、效率高；它也回顧 Google TPU 曾被視為 CUDA 終結者、但 Google 將 TPU 留在自家使用，Groq 也曾被視為挑戰者。原報導把 200 億美元安排寫成 NVIDIA 收購 Groq 技術；Groq 的官方公告則稱雙方簽署非專屬推論技術授權，並表示 Groq 會繼續獨立營運。該公告沒有列出 200 億美元金額，因此本文把此數字保留為原報導說法，不視為已確認的交易金額。原報導也引用 SemiAnalysis「CUDA 的護城河可能已死」的說法；這組歷史比較與金額均未獲本次可讀來源獨立確認。OpenAI 說計畫在年底前於自家運算基礎設施部署 Jalapeño，並會繼續大規模使用 NVIDIA 及其他供應商。原報導認為這款晶片快且有效率，但可能不會對 OpenAI 以外的客戶銷售；OpenAI 公告只說將先部署在自家基礎設施，沒有宣布對外銷售。報導也嘲諷，唱衰 CUDA 的公司最後仍回頭購買 NVIDIA GPU；它用「挖好墳、辦完儀式、再回去買 GPU」形容這種循環，這是評論而非逐一核實的採購事實。原報導最後的判斷是，Jalapeño 可能先打破外界能取得同級自研晶片的期待；這仍是作者的推測。

Aletta 獲准執行自動採血，臨床與人力數字須分別核對

荷蘭公司 Vitestro 成立於 2017 年。FDA 於 8 月 19 日透過 De Novo 路徑授權 Aletta 僅供成人門診使用，並要求由受過抽血訓練的人員監督。FDA 將它稱為首款可在無需操作人員親手介入的情況下從患者手臂採血的獨立機器人裝置。裝置以近紅外光定位手臂、用超音波掃描靜脈，再由視覺模型選定位置並導引針頭；FDA 說一名受過訓練的抽血師可監督最多三台設備。FDA 授權公告；Vitestro 公司公告

原報導列出臨床試驗首針成功率 95%、溶血率 0.6%、抽血中位時間 1 分 49 秒，並稱一名抽血師能監督三台設備。FDA 公告支持監督比例，也說裝置相關不良事件少且程度輕；但 95%、0.6% 和 1 分 49 秒這幾個數字沒有在可讀的 FDA 或 Vitestro 材料中獲得確認，本文將它們保留為報導數據。FDA 的 De Novo 授權也建立了該類裝置的特別管制要求，包括標示、性能測試和臨床測試標準。

報導先以「每間醫院都要抽血，但沒有人想做這份工作」形容招募壓力，再稱美國有 14 萬名抽血師、每年約 1.8 萬個職缺，離職速度快於補人；也形容 Aletta 不會疲累、能改善較深膚色患者的找血管問題。這些人力數據和比較性表述未獲可讀來源獨立確認。報導又說這項裝置經過八年臨床試驗，並把它稱為解決醫療現場常見缺工問題的機器；FDA 文件能確認授權與監督條件，沒有證明它整體表現優於人類抽血師。報導把抽血稱為醫療中最常見的處置之一；它以「Aletta 只做一件事、做得比人好，而且不會離職」收束。這些是作者的評價，並非比較試驗已證明機器整體優於人類。

其他產業動態

Stanford 指出年輕勞工的 AI 暴露差距擴大。 Stanford Digital Economy Lab 表示，沒有看到 AI 造成全經濟普遍失業；但 22 至 25 歲、從事高度 AI 暴露工作的就業人數，約比沿著低暴露同齡族群趨勢推算的水準低 19%。這是特定年齡與職業暴露度的相對差距，不代表所有年輕人就業人數都下降 19%。Stanford Digital Economy Lab 研究更新

Stability AI 宣布新募資，投資人包括娛樂與科技公司。 公司 8 月 25 日表示，新一輪募得 7,600 萬美元，累計資金達 2.32 億美元；新增投資方包括 Electronic Arts、Sony Music Group、Universal Music Group、Warner Music Group、AMD Ventures 和 Pacific Alliance Ventures。公司把這輪募資與為創作者、工作室和權利人開發工具連在一起；「創意 AI 成為權利人產業」是這篇報導的市場解讀，不代表每位投資人都已簽署內容授權。Stability AI 募資公告

NVIDIA 推出 Jetson Orin Nano 2，瞄準入門級邊緣 AI 與機器人。 NVIDIA 8 月 25 日表示，這款裝置在相同外形下可提供前代兩倍推論效能；在維持相同效能時，功耗可降低 40%。這些是 NVIDIA 公布的產品比較數據，適用於公司所列的測試條件。NVIDIA Jetson Orin Nano 2 公告

Apple 以 M6 和 M5 Ultra 擴大 Mac 的本機運算能力。 Apple 8 月 25 日介紹 M6，稱它是首款 2 奈米晶片，採 12 核心 CPU、12 核心 GPU 與雙 16 核心 Neural Engine；M5 Ultra 則採四晶粒架構。Apple 表示 M6 Neural Engine 峰值運算能力最高為前代兩倍，M5 Ultra 可讓 Mac Studio 在裝置端產生 AI 影像。這是公司產品宣稱與示範，不代表所有模型或工作負載都會有相同效益。Apple M6 與 M5 Ultra 公告

OpenAI 的 Jalapeño 先進自家部署，公告列出的部分工作負載優於 NVIDIA 對照系統。 OpenAI 表示，在數個基準工作負載中，Jalapeño 的測試結果優於對照的 NVIDIA 系統；公司預計年底前從自家基礎設施開始部署，並將它列為多代晶片計畫的第一代。OpenAI 也說會繼續廣泛部署 NVIDIA 和其他合作夥伴的加速器。各項基準受模型與操作點限制，不能概括成所有任務都勝過 NVIDIA；公告描述的是自家運算部署計畫，並未宣布向外部客戶銷售晶片。OpenAI Jalapeño 首批結果

Cisco 與 NVIDIA、Supermicro 擴充 Secure AI Factory。 Cisco 8 月 25 日表示，合作方案將加入機架級伺服器，支援液冷與氣冷部署，供企業、新雲端業者和主權雲環境建置 AI 叢集。這是公司公布的架構與合作範圍，尚非所有客戶已部署的實績。Cisco Secure AI Factory 公告

IBM 設計可執行 Arm 與 IBM Z 指令的雙架構主機處理器。 IBM 8 月 24 日公布處理器設計，每個核心都可原生執行 Arm 與 IBM Z 或 LinuxONE 指令，不另設 Arm 核心與 IBM 核心。公司說晶片採 2 奈米製程，具 11 個高效能核心、超過 5.7 GHz 時脈、交易內詐欺偵測用 AI 推論加速器，以及專用 I/O 資料處理單元；這是面向未來 IBM Z 與 LinuxONE 系統的設計公告，尚非已出貨產品。IBM 雙架構處理器公告

Perplexity 推出 Portable Computer，本機代理細節目前來自媒體報導。 《The Register》8 月 25 日報導，Portable Computer 由代理執行框架、協調器和本機模型組成，可在 NVIDIA DGX Spark 上運行，必要時切換雲端推論；報導列出 NVIDIA Nemotron 3.5 Lightning、Qwen 3.6 與 Qwen 3.8。Perplexity 官方頁面當時無法讀取，因此本機硬體、模型版本與所謂 NVIDIA 合作關係均依《The Register》報導，尚未由公司公告獨立確認。NVIDIA 9 月 9 日發布的後續資料晚於本文日期，不用來回填當日資訊。《The Register》對 Portable Computer 的報導