AI 人物熱點早報
今天主線是「怎麼管住 agent」：Satya Nadella 說要把模型當內部人風險、控制放在模型外面；同一天就有駭客用 AI agent 以每次約 50 美元的成本攻破上百家企業網站。算力與模型這邊，Jim Keller 的 Tenstorrent 估值翻到 62 億美元，Meta 開源能在單張消費級 GPU 跑的 Muse Glimmer 並公開 Prometheus 叢集細節，MiniMax M3.1 Flash 與 Inception Mercury 3 繼續打速度與價格戰。還有黃仁勳在柏林和德國總理 Merz 談工業 AI、Amnon Shashua 的 doubleAI 推「程式執行模型」，以及 Cloudflare 把 AI code review 成本砍掉 68% 的實戰紀錄。
收聽今日早報，通勤路上也能掌握重點。
Microsoft 執行長 Satya Nadella 說，安全控制必須放在模型「外面」，因為企業內部的 agent 就像握有資料與系統權限的內部人。10/19 擴充的 Project Perception 包含：找出公司裡所有 agent、給每個 agent 獨立身分、按任務給最小權限、執行期隔離、持續風險評估，以及會即時收權的 Guardian Agents——風險升高時可限制寫入、要求人工核准或直接停掉 agent。
這個方向是對的，而且是大廠第一次公開說「別指望模型自己守規矩」。真正有用的是按任務給最小權限、高風險動作要人工核准，這把出事責任從「模型夠不夠乖」拉回企業自己的權限設計；代價是 agent 變慢、審批變多，採購方會更傾向整套買 Microsoft。檢查點：半年內若沒有客戶公開「Guardian Agent 攔下真實事故」的案例，它就還只是產品型錄。
晶片老將 Jim Keller 領軍的 Tenstorrent 10/19 宣布完成 15 億美元 E 輪，投後估值 62 億美元（上一輪約 26 億），由 Trace Capital 與 Innovation X 領投。Keller 說錢會用在擴大 Galaxy 伺服器量產、全球擴張，以及 RISC-V AI 與 CPU IP；公司主打開放軟體堆疊，定位成 GPU 之外的另一條路。
這筆錢是真的，但它買的是「有沒有人願意離開 CUDA」這個賭注。15 億美元夠蓋產線，卻不到 NVIDIA 一季研發的零頭，Tenstorrent 能贏的不是單卡效能，而是開放 RISC-V 授權讓別人自己做晶片；一旦有大客戶用它的 IP 做自家加速器，鎖定 NVIDIA 的成本就鬆動了。反方會說開放軟體堆疊喊了好幾年；若一年內沒有公開的大型雲端部署，估值翻倍就只是 AI 晶片熱錢。
Meta 10/19 發布 Muse Glimmer 技術報告：30B 參數、內建視覺編碼器，吃文字與圖片、輸出文字，訓練資料涵蓋上百種語言。量化到約 4-bit 後，一台 Mac 或一張消費級 GPU 的 PC 就能以實用速度執行。Meta 宣稱在工具呼叫、多步規劃與 agent 任務完成率上，勝過同級的 Gemma4-31B 與 Qwen3.6-27B；授權為 Apache 2.0。
這是今天對開發者最實在的一則：Apache 2.0、30B、4-bit 單卡能跑，代表本機 agent 不必再把資料送上雲。30B 在 4-bit 約佔 15–18GB 記憶體，24GB 顯卡或 32GB 以上的 Mac 才跑得舒服，「消費級」要打點折扣；但只要它真的贏過 Gemma 與 Qwen 同級，桌面 agent 產品的預設模型很可能換人。檢查點：看第三方用同一套工具呼叫測試重跑的結果，Meta 自評不算數。
上海 MiniMax 10/19 推出 M3.1 Flash：總參數 428B、每次啟用約 23B 的 MoE 模型，支援 100 萬 token 上下文、文字／圖片／影片輸入與可調推理強度。透過 MiniMax API、M Plan 與 MiniMax Code 桌面版提供，定價每百萬 token 輸入 0.15、輸出 0.60 美元。官方稱 agent、程式與資安能力有「世代級」提升，線上推理速度近 3 倍、使用成本降 70%。
這是價格戰的又一刀，數字可信但要看清楚比的是誰。輸入每百萬 0.15 美元、啟用 23B，成本結構確實能壓到這個價；問題是「速度近 3 倍、成本降 70%」對照的是自家舊版，不是對手。真正會改變行為的是 coding agent 平台：每天燒幾十億 token 的工具，換到便宜一個數量級的模型就是整筆預算重算。反方會說中國模型的資安與資料合規讓歐美企業不敢用；看兩週內 OpenRouter 用量排名有沒有明顯上升。
Mobileye 創辦人 Amnon Shashua 共同創立的 doubleAI 10/19 發表 Maxwell，自稱第一個「程式執行模型」：不改原始碼，而是在軟體執行時改寫 CPU／GPU 上跑的機器指令來加速，並用形式化驗證確保行為不變，目標是壓低算力成本。同時宣布 2 億美元 A 輪，由 Lightspeed 與 Bessemer 共同領投，NVIDIA、Dell Technologies Capital 參與，估值超過 10 億美元。
先當一個很大膽、還沒被驗證的主張。「不改原始碼、執行時改寫機器指令還保證行為不變」聽起來像編譯器界的聖杯，形式化驗證在小函式可行，但放到大型 GPU 程式上成本通常爆炸；Shashua 的名聲和 NVIDIA 入股讓它好募資，不代表技術已經成立。檢查點：看有沒有客戶公開某個真實工作負載省了多少算力，以及驗證能涵蓋多大的程式。
資安公司 NorForge 10/19 披露：他們找到 20 多個對外裸露的開源 AI 解題框架 Cairn 控制台，順藤摸瓜發現一名說中文的攻擊者自 9/25 起用 AI agent（據報結合 DeepSeek 與 Claude Code）掃描超過 1,200 個網站、攻破 100 多家，包括 Deere、SharkNinja、Cummins，總共約花 5,000 美元 token，換算每次成功入侵約 50 美元。Deere 表示沒有敏感資料外洩，SharkNinja 說只影響客服網站。
這是今天最該讓工程主管坐直的一則：攻擊成本已經低到每次入侵約 50 美元。5,000 美元打 1,200 個網站、成功 100 多家，等於一個人加 AI agent 就有一支小型紅隊的產能；受害的多是客服站、行銷站這種平常沒人顧的邊緣系統。反方會說被攻破的都是低價值網站、沒碰到核心資料；但只要之後有一起經由這類邊緣站橫向擴散到內網的案例，企業就得把「每個網站都會被 agent 掃」當成預設。
Meta 10/19 公開位於俄亥俄州 New Albany、吉瓦級的 Prometheus 超級叢集：第一期已訓練出 Muse 系列（含 Muse Wonder），並以 GB200／GB300 NVL72 往約 100 萬顆 GPU 擴建。官方數字：預訓練有效運算率逾 85%、強化學習逾 90%，平均故障間隔從約 4.7 萬提升到 5.4 萬 GPU 小時以上，靠的是機櫃內備用 GPU、依平行策略設計的容錯與非同步 checkpoint。Alexandr Wang 同日貼出 Muse Wonder 在 WebDev Arena 的成績，自評「不差，但還有很大進步空間」。
這篇比 Muse Wonder 的分數更有料，因為它講的是「怎麼不浪費 GPU」。預訓練有效運算率 85% 以上代表每 100 顆 GPU 約有 15 顆在等待或修復，在百萬顆的規模就是十幾萬顆閒置，所以平均故障間隔拉長才是真正省錢的地方；這些做法會被其他蓋叢集的公司直接照抄。反方會說工程細節漂亮不等於模型好，Alexandr Wang 自己也承認還有很大進步空間；看下一代 Muse 能否在公開排行榜追上前沿。
NVIDIA 執行長黃仁勳 10/19 在柏林與德國總理 Merz 對談工業 AI。當天德國總理府、經濟能源部與研究科技太空部和 NVIDIA 簽署共同意向書，要聯手推進實體 AI 模型。黃仁勳同時宣布將投資 Agile Robots、Avelios Medical、Mirelo、Reflex Aerospace 四家德國新創，屬於 NVIDIA 在歐洲近 100 億美元投資承諾的一部分；Siemens 也宣布與 NVIDIA 推進自主工廠。黃仁勳對中小企業喊話：「AI 只會放大你們的能力，不會取代。」
這主要是政治與外交場面，實質內容比標題小。意向書不是合約，近 100 億美元是 NVIDIA 對全歐洲的總承諾，不是砸在德國的新錢；真正落地的是四家新創投資和 Siemens 工廠合作。它的作用是讓德國中小企業把 NVIDIA 當工業 AI 的預設供應商。檢查點：一年內德國政府有沒有真的編列預算採購，或 Siemens 公布自主工廠的實際產線數字。
其他值得知道的動態，一行看完，點來源讀原文。