[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-apples-gemini-deal-turns-cloud-ai-into-local-ai-zh":3,"article-related-apples-gemini-deal-turns-cloud-ai-into-local-ai-zh":21,"series-industry-53955aa8-9120-41c1-b342-6ca40e24b6ee":64},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":11,"views":17,"created_at":18,"published_at":19,"topic_cluster_id":20},"53955aa8-9120-41c1-b342-6ca40e24b6ee","apples-gemini-deal-turns-cloud-ai-into-local-ai-zh","Apple 把雲端 AI 拆成本機 AI","\u003Cp data-speakable=\"summary\">Apple 正把 \u003Ca href=\"\u002Ftag\u002Fgemini\">Gemini\u003C\u002Fa> 蒸餾成本機模型，並用 \u003Ca href=\"\u002Ftag\u002Fnvidia\">Nvidia\u003C\u002Fa> 的 confidential compute 扛雲端備援。\u003C\u002Fp>\u003Cp>我盯 \u003Ca href=\"\u002Ftag\u002Fapple-intelligence\">Apple Intelligence\u003C\u002Fa> 很久了，越看越覺得怪。表面上它一直講 on-device、講隱私、講個人化，聽起來像是 Siri 終於要長大了；但我實際看這些系統怎麼落地，常常只看到一堆補丁。這邊先本機跑一點，那邊再丟雲端補一點，模型太大就縮一縮，隱私說明則寫得像法務半夜沒睡。這次我看到 \u003Ca href=\"https:\u002F\u002F9to5mac.com\u002F2026\u002F05\u002F28\u002Fnew-details-on-apple-google-ai-deal-revealed-including-nvidia-chips-report\u002F\" target=\"_blank\" rel=\"noopener\">9to5Mac 的整理\u003C\u002Fa>，才算把那股不對勁講清楚：Apple 不是在做單一路線，它是在把雲端 AI 拆成可在地端活下去的版本。\u003C\u002Fp>\u003Cp>這篇內容的觸發點，是 9to5Mac 轉述 \u003Ca href=\"https:\u002F\u002Fwww.theinformation.com\u002F\" target=\"_blank\" rel=\"noopener\">The Information\u003C\u002Fa> 的 Aaron Tilley 報導，外加 Apple 自己的 \u003Ca href=\"https:\u002F\u002Fwww.apple.com\u002Fapple-intelligence\u002F\" target=\"_blank\" rel=\"noopener\">Apple Intelligence\u003C\u002Fa> 公開說法。重點不是功能清單，而是方法論：先把大模型壓縮成小模型，再用雲端和安全計算補上本機做不到的部分。這種做法很不浪漫，但很實際。\u003C\u002Fp>\u003Ch2>Apple 不是在做一個 AI，而是在做三層路由\u003C\u002Fh2>\u003Cblockquote>Apple is using a version of Google’s large Gemini model to train a smaller version of the model that can run locally on Apple devices, a process known as distillation.\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：Apple 不是只買一個 API 來接 Siri，它是在把 Gemini 當老師，訓練出一個能在 iPhone、iPad、Mac 上跑得動的學生模型。這不是「合作」兩個字能講完的事，這是模型轉移策略。老師很強沒錯，但真正要上線的是那個縮小版。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780535908899-g9ua.png\" alt=\"Apple 把雲端 AI 拆成本機 AI\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我自己看這種架構，\u003Ca href=\"\u002Fnews\u002Fsec-draft-plan-puts-crypto-rules-first-zh\">第一\u003C\u002Fa>個反應永遠不是「哇好強」，而是「終於承認單一模型根本扛不住」。因為只要你要低延遲、要便宜、還要能跟使用者說你很重視隱私，最後幾乎一定會走向分層：能在裝置上做的就留在本機，太重的才丟雲端，訓練階段再把大模型的行為蒸餾進小模型。\u003C\u002Fp>\u003Cp>實操上，我會把這件事拆成三個問題：哪些任務可以本機完成？哪些任務必須雲端補算力？哪些任務根本不該做？如果你現在還在問「local 還是 cloud」，我會直接說，你問錯了。真正該問的是「這個任務能不能被壓縮成一個小而穩的本機能力」。\u003C\u002Fp>\u003Cul>\u003Cli>本機：短指令、重複任務、低延遲需求。\u003C\u002Fli>\u003Cli>雲端：長上下文、複雜推理、高成本輸出。\u003C\u002Fli>\u003Cli>蒸餾：把大模型的行為壓成可部署版本，不是把它整個搬過來。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>Apple 這招厲害的地方，不是它多會做 AI，而是它把架構複雜度藏進產品敘事裡。對外還是能說「on-device first」，對內其實早就不是單一路徑了。這才是現實世界的 AI 產品，不是簡報上的 AI 產品。\u003C\u002Fp>\u003Ch2>蒸餾不是優雅，是在買時間\u003C\u002Fh2>\u003Cp>蒸餾聽起來像一個很漂亮的詞，像是工程師終於把雜訊去掉、留下精華。但我做過幾輪模型縮小之後，對這個詞的感受只有一個：它通常代表原模型太大，目標裝置太小，大家只好硬把行為擠進去。\u003C\u002Fp>\u003Cp>報導裡還提到 Apple 有考慮像 \u003Ca href=\"https:\u002F\u002Fwww.liquid.ai\u002F\" target=\"_blank\" rel=\"noopener\">Liquid AI\u003C\u002Fa> 這種專門做模型壓縮和本機推論的公司。這點很關鍵。因為這不是周邊能力，這是核心能力。你要 Siri 在裝置上變得像樣，就不能只靠一個大語言模型團隊，你還得有一群人專門在處理量化、記憶體、延遲、裝置差異。\u003C\u002Fp>\u003Cp>我之前做過一個把雲端模型往消費級硬體搬的案子，最慘的地方不是跑不動，而是跑得動卻不好用。團隊一直想保留太多原本的能力，結果本機模型越做越胖，最後既不快，也不穩，還不夠像原本那個模型。後來我們才醒過來：本機模型不是雲端模型的縮小版，它是另一個產品。\u003C\u002Fp>\u003Cp>所以實操上，我會建議你先定義「最小可用任務」，再做蒸餾。不要把所有能力都想塞進去。你要的是一個小而可靠的本機助手，不是一個縮水後還是很笨重的遠端影子。\u003C\u002Fp>\u003Cul>\u003Cli>先切一個最窄的使用情境，不要先做萬用助手。\u003C\u002Fli>\u003Cli>先量 latency 和 memory，再談品質分數。\u003C\u002Fli>\u003Cli>本機模型的 UX 可以跟雲端版不同，不必硬裝成同一個樣子。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>Apple 可以把這些複雜度包裝成產品策略，但一般團隊不行。所以如果你也在做 AI 功能，別急著說自己是 local-first，先把你到底要蒸餾\u003Ca href=\"\u002Fnews\u002Fwhy-claude-opus-48-is-not-the-big-story-zh\">什麼\u003C\u002Fa>講清楚。講不清楚，後面只會一直加 patch。\u003C\u002Fp>\u003Ch2>雲端沒有消失，它只是被藏起來了\u003C\u002Fh2>\u003Cp>這篇報導最有意思的地方，是它直接把幻想戳破：很多查詢還是得靠雲端，因為完整的 Gemini 模型太大，Apple 自己的 Private Cloud Compute 也吃不下。這句話很現實，也很不討喜，但它是真的。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780535906782-l4wa.png\" alt=\"Apple 把雲端 AI 拆成本機 AI\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>也就是說，裝置端只負責能負責的部分；真正重的推理、長上下文、昂貴運算，還是得送出去。報導提到這些工作會走 \u003Ca href=\"https:\u002F\u002Fcloud.google.com\u002F\" target=\"_blank\" rel=\"noopener\">Google Cloud\u003C\u002Fa>，這就更說明一件事：Apple 想要的是「本機優先」，不是「本機唯一」。\u003C\u002Fp>\u003Cp>我一直覺得很多團隊在談隱私時，最愛把雲端講成暫時性的壞東西，好像只要再努力一點就能完全消失。實務上根本不是這樣。你只要產品有複雜推理、有大上下文、有多輪互動，雲端就很難真的消失。比較誠實的做法，是把它設計成一條明確的 fallback path。\u003C\u002Fp>\u003Cp>Apple 這邊還會繼續掛著 \u003Ca href=\"https:\u002F\u002Fsupport.apple.com\u002Fguide\u002Fsecurity\u002Fwelcome\u002Fweb\" target=\"_blank\" rel=\"noopener\">Private Cloud Compute\u003C\u002Fa> 這個名詞，意思不是它真的只有 Apple 自己的機器，而是它要把使用者的感受維持在「這條路徑是受控的」。從產品角度看，這比講伺服器在哪裡更有用；從工程角度看，這也更危險，因為一旦標籤跟實際拓撲脫節，就很容易出事。\u003C\u002Fp>\u003Cp>實操上，如果你的 AI 功能有 cloud fallback，我會要求團隊把這幾件事寫死：\u003C\u002Fp>\u003Cul>\u003Cli>什麼條件會觸發雲端。\u003C\u002Fli>\u003Cli>哪些資料會離開裝置。\u003C\u002Fli>\u003Cli>雲端資料保留多久。\u003C\u002Fli>\u003Cli>失敗時使用者會看到什麼。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>不要把雲端當臨時補洞。大多數產品最後都會把它留著，只是你要不要老實設計而已。\u003C\u002Fp>\u003Ch2>Nvidia 的 confidential compute 是 Apple 的安全補丁\u003C\u002Fh2>\u003Cp>報導還提到 Apple 已經核准 \u003Ca href=\"https:\u002F\u002Fwww.nvidia.com\u002Fen-us\u002Fdata-center\u002Fconfidential-computing\u002F\" target=\"_blank\" rel=\"noopener\">Nvidia 的 confidential compute\u003C\u002Fa> 技術，讓它能配合 \u003Ca href=\"\u002Ftag\u002Fgoogle-cloud\">Google Cloud\u003C\u002Fa> 做部分處理。這個細節很有味道，因為它直接告訴你：Apple 不是不知道雲端有風險，它是知道，而且正在補。\u003C\u002Fp>\u003Cp>confidential compute 的核心概念很直白：資料在雲端處理時，盡量讓運算過程維持在受保護的環境裡。不是假裝雲端不存在，而是承認雲端一定會碰到敏感資料，所以要把風險壓低。這種做法比空講隱私實際多了。\u003C\u002Fp>\u003Cp>我其實滿喜歡這種路線，因為它不裝。它承認一件事：只要資料離開裝置，信任成本就會上升。你不能只靠 slogan 解決，得靠技術控制。當你把 AI 工作負載丟到第三方雲端時，至少要回答：雲端營運者能不能看到資料？hypervisor 能不能碰到？硬體層能不能隔離？如果答案是會，那 confidential compute 就不是加分題，是及格線。\u003C\u002Fp>\u003Cp>當然，這也有代價。報導提到這類技術會讓處理稍微慢一點。正常，安全不是免費的。Apple 願意吞這個成本，因為它知道另一個選項更糟：一個看起來很快、但隱私故事站不住腳的 Siri，這種東西才真的難收拾。\u003C\u002Fp>\u003Cp>實操上，我會這樣設計：\u003C\u002Fp>\u003Cul>\u003Cli>敏感 prompt 或模型權重碰到第三方雲端時，優先用隔離運算。\u003C\u002Fli>\u003Cli>接受一點延遲，換取可說明的信任邊界。\u003C\u002Fli>\u003Cli>不要只測 happy path，要測 fallback 和 failure mode。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>Apple 做的不是「雲端 vs 隱私」，而是「有控制的雲端 vs 靠祈禱的雲端」。這兩者差很多。\u003C\u002Fp>\u003Ch2>Private Cloud Compute 可能變成標籤，不再是地點\u003C\u002Fh2>\u003Cp>報導說 Apple 可能還會沿用 \u003Ca href=\"https:\u002F\u002Fwww.apple.com\u002Fprivacy\u002F\" target=\"_blank\" rel=\"noopener\">Private Cloud Compute\u003C\u002Fa> 這個品牌，但下一波 Apple Intelligence 功能不會只跑在 Apple 自己的伺服器上。這件事看起來小，實際上很大。\u003C\u002Fp>\u003Cp>翻譯一下就是：這個詞正在從「硬體在哪裡」變成「資料怎麼被保護」。Apple 不太想讓使用者去想什麼 \u003Ca href=\"\u002Ftag\u002Fgoogle\">Google\u003C\u002Fa> Cloud、什麼 Apple server、什麼 region。它想讓使用者只記得一件事：這條路徑是 Apple 定義過的隱私路徑。\u003C\u002Fp>\u003Cp>我懂這個操作，因為大多數使用者真的不在乎拓撲。他們在乎的是資料有沒有被亂看、亂存、亂傳。但對開發者來說，這種品牌化很容易偷渡架構漂移。今天你說 Private Cloud Compute，明天後端換成多個供應商，後天又多一層代理，結果名字還在，契約已經鬆了。\u003C\u002Fp>\u003Cp>我做過最痛的事之一，就是看一個很漂亮的產品名，最後在事故排查時變成一團亂。每個人都以為自己講的是同一件事，結果實際上各自指向不同的 backend。Apple 如果要讓這個名詞繼續站得住，就得把技術約束寫得很死。\u003C\u002Fp>\u003Cp>實操上，如果你也有一個 privacy-forward 的功能名，請先回答這些問題：\u003C\u002Fp>\u003Cul>\u003Cli>它是不是只代表沒有人工審閱？\u003C\u002Fli>\u003Cli>它是不是也代表不長期保存？\u003C\u002Fli>\u003Cli>它是不是包含傳輸與靜態加密？\u003C\u002Fli>\u003Cli>它是不是包含隔離運算？\u003C\u002Fli>\u003C\u002Ful>\u003Cp>名稱可以沿用，但技術契約不能偷換。Apple 做得到，不代表你也可以偷懶。\u003C\u002Fp>\u003Ch2>這件事最後其實是在救 Siri\u003C\u002Fh2>\u003Cp>這份報導真正有意思的地方，不是 Siri 會講什麼新話，而是 Apple 終於承認：要讓 Siri 可用，不能只靠一個大模型，也不能只靠一個雲端端點。你得有多層模型、多層算力、還有多層供應商。\u003C\u002Fp>\u003Cp>我覺得這才是開發者最該學的地方。真正能活下來的 AI 架構，通常不是最漂亮的那個，而是最會分流的那個。哪些東西留在本機，哪些東西上雲，哪些東西根本不做，這些決策比你 prompt 寫得多漂亮\u003Ca href=\"\u002Fnews\u002Fwhy-jensen-huang-keynote-bigger-than-nvidia-zh\">更重要\u003C\u002Fa>。\u003C\u002Fp>\u003Cp>所以如果你現在也在做 AI 助手，我會很直接地建議你：先畫 request flow，再寫 prompt。把本機路徑、雲端路徑、失敗路徑、隱私控制全部畫出來。畫不出來，就代表你還沒真的搞懂系統。\u003C\u002Fp>\u003Cp>Apple 這套做法不乾淨，老實說一點都不乾淨。但乾淨不一定能出貨，能活下來才是重點。這就是我看完這篇報導後最確定的一件事。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># local-first AI with cloud fallback template\n\n## 目標\n把 AI 功能設計成「本機優先、雲端備援」，讓常見任務在裝置上完成，重任務再升級到雲端。\n\n## 模型分層\n- Local model：由大模型蒸餾而來，負責低延遲、重複性高的任務\n- Cloud model：負責長上下文、複雜推理、重成本輸出\n- Teacher model：只用在訓練與蒸餾階段\n\n## 路由規則\n1. 預設先走本機模型\n2. 如果信心分數不足、上下文太長、或輸出成本過高，轉雲端\n3. 能不做的任務就不要做，不要硬塞進 assistant\n\n## 隱私控制\n- 裝置到雲端全程加密\n- 敏感工作負載使用 confidential compute 或等效隔離機制\n- 不做不必要的長期留存\n- 明確列出哪些資料會離開裝置\n\n## 產品說法\n- 只有當每條 backend path 都符合相同技術契約，才可以用 privacy-forward 的命名\n- 不要只說「private」，要寫清楚 private 的定義\n- 品牌可以簡化，但技術契約不能模糊\n\n## 工程檢查清單\n- [ ] 測本機 latency\n- [ ] 測本機 memory footprint\n- [ ] 測雲端 fallback 條件\n- [ ] 測 confidential compute 或等效隔離\n- [ ] 寫 failure mode 文件\n- [ ] 定義雲端保留策略\n- [ ] 定義使用者在切換路徑時會看到什麼\n\n## Request flow 範例\n1. 使用者送出 prompt\n2. 本機模型先處理\n3. 若信心不足或上下文過大，轉雲端\n4. 雲端在受控環境下處理\n5. 結果回到裝置\n6. 只記錄必要的 debug 資訊\n\n## 蒸餾內部指令\n你現在要把一個大型 teacher model 的能力縮成可在裝置上跑的 assistant。\n優先順序：\n- 低延遲\n- 低記憶體\n- 行為穩定\n- 可接受的隱私邊界\n\n降優先順序：\n- 冗長輸出\n- 過度泛化\n- 需要 always-on cloud 的能力\n- 為了炫技而保留的邊角功能\n\n## 決策規則\n如果任務能在本機達到可接受品質，就留在本機。\n如果不能，就送雲端，並附上明確的隱私控制。\n如果兩邊都不行，就先別上線。\n\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>原始素材來自 \u003Ca href=\"https:\u002F\u002F9to5mac.com\u002F2026\u002F05\u002F28\u002Fnew-details-on-apple-google-ai-deal-revealed-including-nvidia-chips-report\u002F\" target=\"_blank\" rel=\"noopener\">9to5Mac\u003C\u002Fa> 轉述的 Aaron Tilley／The Information 報導，以及 Apple 的官方頁面；上面的架構拆解和模板是我根據這些來源整理出的實戰版本，不是逐字轉寫。\u003C\u002Fp>","Apple 透過 Gemini 蒸餾和 Nvidia confidential compute，把 Siri 往本機優先、雲端備援的架構推進。","9to5mac.com","https:\u002F\u002F9to5mac.com\u002F2026\u002F05\u002F28\u002Fnew-details-on-apple-google-ai-deal-revealed-including-nvidia-chips-report\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780535908899-g9ua.png","industry","zh","afcb2a04-144f-4df0-bd66-6cf165e16446",[],0,"2026-06-04T01:18:03.319604+00:00","2026-06-04T01:18:03.311+00:00","a364481b-41ca-4593-b9ad-c8ce07e8f7c9",{"tags":22,"relatedLang":23,"relatedPosts":27},[],{"id":15,"slug":24,"title":25,"language":26},"apples-gemini-deal-turns-cloud-ai-into-local-ai-en","Apple’s Gemini deal turns cloud AI into local AI","en",[28,34,40,46,52,58],{"id":29,"slug":30,"title":31,"cover_image":32,"image_url":32,"created_at":33,"category":13},"0231f359-f786-4e6c-8104-d3fae443f98b","4-chipotle-promo-details-for-members-zh","4 個 Chipotle 會員活動重點","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780540375071-5xa3.png","2026-06-04T02:32:19.54736+00:00",{"id":35,"slug":36,"title":37,"cover_image":38,"image_url":38,"created_at":39,"category":13},"39e4c1b2-4a8d-4baf-86eb-f65d4f6c3624","why-chipotle-53000-burrito-stunt-smart-brand-marketing-zh","為什麼 Chipotle 的 53,000 捲餅活動是聰明的品牌行銷","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780538579630-nkln.png","2026-06-04T02:02:28.454411+00:00",{"id":41,"slug":42,"title":43,"cover_image":44,"image_url":44,"created_at":45,"category":13},"a1119341-06e2-47ed-95f0-192f89c277a7","sec-draft-plan-puts-crypto-rules-first-zh","SEC草案把加密規則排第一","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780534108464-yi2d.png","2026-06-04T00:48:00.749142+00:00",{"id":47,"slug":48,"title":49,"cover_image":50,"image_url":50,"created_at":51,"category":13},"87a8a5d1-7284-4c58-aa53-9f353d5a2800","why-jensen-huang-keynote-bigger-than-nvidia-zh","為什麼 Jensen Huang 的 keynote 比 Nvidia 更重要","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780530468418-zi6e.png","2026-06-03T23:47:22.014083+00:00",{"id":53,"slug":54,"title":55,"cover_image":56,"image_url":56,"created_at":57,"category":13},"b5d4728c-ee2a-4df6-93c2-42e814d51ea1","why-smci-rally-is-about-supply-not-just-ai-zh","為什麼 SMCI 的漲勢主要是供給故事，不只是 Agentic AI","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780529579886-q16r.png","2026-06-03T23:32:28.626882+00:00",{"id":59,"slug":60,"title":61,"cover_image":62,"image_url":62,"created_at":63,"category":13},"6321e31d-d862-4666-b105-cd24c26d6f5a","nvidia-huang-ai-boom-agent-demand-zh","黃仁勳：AI 代理需求撐起晶片行情","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780528669292-jtux.png","2026-06-03T23:17:26.844843+00:00",[65,70,75,80,85,90,95,100,105,110],{"id":66,"slug":67,"title":68,"created_at":69},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":71,"slug":72,"title":73,"created_at":74},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":76,"slug":77,"title":78,"created_at":79},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":81,"slug":82,"title":83,"created_at":84},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":86,"slug":87,"title":88,"created_at":89},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":91,"slug":92,"title":93,"created_at":94},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":96,"slug":97,"title":98,"created_at":99},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":101,"slug":102,"title":103,"created_at":104},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":106,"slug":107,"title":108,"created_at":109},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":111,"slug":112,"title":113,"created_at":114},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]