[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-kucoin-ai-stack-blockchain-plumbing-zh":3,"article-related-kucoin-ai-stack-blockchain-plumbing-zh":30,"series-industry-dddfea90-03da-4038-8c51-22d2143f7b22":74},{"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":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"dddfea90-03da-4038-8c51-22d2143f7b22","kucoin-ai-stack-blockchain-plumbing-zh","KuCoin 把 AI 變成區塊鏈管線","\u003Cp data-speakable=\"summary\">我把 KuCoin 的去中心化 AI 觀點拆成一套可直接抄的實作模板。\u003C\u002Fp>\u003Cp>我盯去中心化 AI 的文章很久了，大多數都像把一整包術語倒在桌上，然後叫你自己找亮點。我看 KuCoin 這篇 \u003Ca href=\"https:\u002F\u002Fwww.kucoin.com\u002Fnews\u002Fflash\u002Fdecentralized-ai-2026-outlook-why-blockchain-is-the-key-to-ai-s-future\">Decentralized AI 2026 Outlook\u003C\u002Fa> 的時候，一開始也有點煩，因為它一直在講同一件我自己也卡很久的事：你只要真的想把 AI 接到錢、身份、私有資料，中央化那套就開始漏氣。GPU 貴、輸出難驗證、agent 一碰真實動作就失控，這些都不是小毛病。\u003C\u002Fp>\u003Cp>我最不爽的是，很多團隊把 AI 接到 Web2 基礎設施上，然後對著 demo 讚嘆半天，等真的要上線才發現整個系統很脆。\u003Ca href=\"\u002Fnews\u002Fclaude-5-two-models-code-science-lead-zh\">模型\u003C\u002Fa>會講話不代表系統能做事。能做事的系統，得能交代資料去哪了、誰授權的、錢怎麼結、結果怎麼回放。做不到這些，你手上不是產品，是一個很會自信亂講的玩具。\u003C\u002Fp>\u003Cp>這篇洞察的起點是 KuCoin 轉載的那篇文章，原始網址就在上面。它不是我心中的權威聖經，比較像從幣圈那邊丟過來的一份 field note，裡面塞了不少專案名、標準和數字，剛好夠我判斷哪些地方真的有人在蓋，哪些地方只是嘴上很熱鬧。相關專案我也一併連到官網，例如 \u003Ca href=\"https:\u002F\u002Fwww.bittensor.com\u002F\">Bittensor\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.akash.network\u002F\">Akash\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.virtuals.io\u002F\">Virtuals\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.erc8004.xyz\u002F\">ERC-8004\u003C\u002Fa>。\u003C\u002Fp>\u003Ch2>中央化 AI 最大的問題，不是貴，是你根本管不到\u003C\u002Fh2>\u003Cblockquote>Computing resources are scarce and expensive. Excessive concentration of control. Model output is unverifiable. Obtaining training data is becoming increasingly difficult.\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：現在這套 \u003Ca href=\"\u002Ftag\u002Fai-\">AI 基礎設施\u003C\u002Fa>是卡脖子機器。\u003Ca href=\"\u002Fnews\u002Fmistral-20b-valuation-compute-bet-zh\">算力\u003C\u002Fa>集中在少數大廠，模型集中在少數平台，政策也集中在少數人手上。你要用，就只能照人家的規則租。KuCoin 這篇還提到，GPU 基礎設施市場從 2025 年的 100 億美元長到 2035 年的 770 億美元，去中心化運算市場則從 2024 年的 90 億美元長到 2035 年的 220 億美元，引用的是 Research and Markets。數字我不會拿來當真理，但方向很清楚：算力不是便宜的公共財，它是被分配的稀缺資源。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781730202032-k7a4.png\" alt=\"KuCoin 把 AI 變成區塊鏈管線\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我自己碰過最煩的案例，是做一個要讀私有文件、再觸發工作流的 agent。模型本身沒那麼差，真正把專案搞爛的是周邊。你一加稽核、一加權限、一加資料保護，整條鏈就開始變長，還變得很難說明。最後你會發現，問題不是 AI 會不會回答，而是整個系統能不能被檢查。\u003C\u002Fp>\u003Cp>實操上，我現在會先問三件事：資料從哪來、模型在哪跑、結果怎麼被記錄。只要這三件事回答不清楚，我就不把它叫產品。你可以用中央化模型做低風險的草稿、搜尋、摘要，但一旦碰到金流、醫療、存取權限，基礎設施就不是背景板，是主角。\u003C\u002Fp>\u003Cul>\u003Cli>低風險任務用中央化模型就好，別亂上複雜架構。\u003C\u002Fli>\u003Cli>只要輸出會改變錢、權限或政策，就要可稽核。\u003C\u002Fli>\u003Cli>先設計失敗模式，再談漂亮 demo。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>agentic finance 不是噱頭，它是第一個真的需要這套的地方\u003C\u002Fh2>\u003Cp>KuCoin 最有意思的地方，在它講 agent finance 和 agentic payments。它列了 \u003Ca href=\"https:\u002F\u002Fgizatech.xyz\u002F\">Giza\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Finfinit.labs\u002F\">Infinit\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fcoinvest.ai\u002F\">Coinvest\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.minara.ai\u002F\">Minara\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.cod3x.org\u002F\">Cod3x\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fzyfai.com\u002F\">Zyfai\u003C\u002Fa> 這些專案，意思很直白：prompt 不是終點，能不能把意圖變成鏈上動作才是重點。它還提到 \u003Ca href=\"https:\u002F\u002Fwww.gizatech.xyz\u002F\">ARMA\u003C\u002Fa> 在 EigenLayer 的 AVS 框架上，處理了超過 46 億美元的 agent-driven trading volume。\u003C\u002Fp>\u003Cp>白話一點講，第一個真的有價值的 AI 原生工作，不是寫詩，不是聊天，是「你給我一個意圖，我去看環境，然後真的執行交易」。金融場景最適合逼出這套需求，因為這裡的 chain of custody 很值錢。只要 agent 能幫你調倉、路由交易、執行付款，身份、權限、結算這些東西就不再是附加功能，而是核心功能。\u003C\u002Fp>\u003Cp>我很吃這個敘事，因為它不裝。文章沒有假裝使用者會突然信任 AI 幫他做所有事，它只是老實說：人可以接受 AI 幫忙研究，但不太會接受 AI 自動買單。這個信任落差，就是產品機會。你把信任補起來， adoption 才會來；你不補，它就是另一個玩具。\u003C\u002Fp>\u003Cp>實操寫法很簡單：先把 agent 的權限關小。讓它先提案，再由 policy engine 決定能不能做。對高風險交易設上限、白名單、模擬執行，然後把每一步都記錄下來。你如果事後回放不出決策路徑，那你不是在做 agent，你是在做一個會自動出包的責任洞。\u003C\u002Fp>\u003Cul>\u003Cli>高風險動作保留人工核准。\u003C\u002Fli>\u003Cli>用 policy engine 限制資產、場域、金額。\u003C\u002Fli>\u003Cli>prompt、tool call、receipt 要一起存。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>機器對機器付款，才是這套開始像真的地方\u003C\u002Fh2>\u003Cp>KuCoin 在支付那段，少了點空話，多了點能落地的東西。它說 \u003Ca href=\"https:\u002F\u002Fx402.org\u002F\">x402\u003C\u002Fa> 到 2026 年 5 月在 Base 和 \u003Ca href=\"\u002Ftag\u002Fsolana\">Solana\u003C\u002Fa> 上已處理超過 1.73 億筆交易，成員包含 Google、Visa、AWS、Circle、\u003Ca href=\"\u002Ftag\u002Fanthropic\">Anthropic\u003C\u002Fa>、Stripe、\u003Ca href=\"\u002Ftag\u002Fcloudflare\">Cloudflare\u003C\u002Fa>。它也提到 Stripe 自 2026 年 2 月開始使用，AWS 則推出原生的 AgentCore Payments。再往下，Stripe 和 Tempo 的 Machine Payments Protocol 被描述為已記錄超過 411,900 筆交易、9,600 位買家。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781730201835-vd9v.png\" alt=\"KuCoin 把 AI 變成區塊鏈管線\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這段翻譯過來就是：machine payments 已經不是概念稿，而是基礎設施。不是「AI 未來可能會付錢」，而是「軟體 agent 現在就\u003Ca href=\"\u002Fnews\u002Fping-identity-runtime-identity-ai-agents-zh\">需要\u003C\u002Fa>結算層」。這差很多。只要 agent 能按需買 \u003Ca href=\"\u002Ftag\u002Finference\">inference\u003C\u002Fa>、買 API、買資料，整個架構就變了。你不需要每一筆微交易都拉人類進來，你需要的是政策、錢包、和可驗證的授權紀錄。\u003C\u002Fp>\u003Cp>我看過不少團隊想把付款全塞進傳統 billing，或硬要全 off-chain，結果只是把舊瓶頸換個名字。只要你的 agent 是即時動作，支付管線就得跟其他層一樣可程式化。不然 agent 只是半自動。半自動最討厭，因為它看起來很像能用，出事時又沒人想背鍋。\u003C\u002Fp>\u003Cp>實操上，我會把 authorization 跟 settlement 分開。先讓 policy engine 判斷能不能付，再讓支付層去執行，最後把 receipt 寫回 audit log。機器交易量高、頻率密，就用 stablecoin 或鏈上結算比較乾脆。做 developer tooling 的話，payment event 要像 API log 一樣可觀測，不然你根本不知道錢跑去哪。\u003C\u002Fp>\u003Ch2>身份和聲譽是中介層，沒人想做，卻誰都躲不掉\u003C\u002Fh2>\u003Cp>KuCoin 把 middleware 講得很實際：agent 要怎麼互相發現、認證、交易，而且最好別每次都靠人類插手。它點到 \u003Ca href=\"https:\u002F\u002Fwww.erc8004.xyz\u002F\">ERC-8004\u003C\u002Fa> 做可攜式鏈上身份與聲譽，\u003Ca href=\"https:\u002F\u002Fwww.gokite.ai\u002F\">GoKite\u003C\u002Fa> 做把身份和支付當原生原語的 L1，還有 \u003Ca href=\"https:\u002F\u002Fwww.virtuals.io\u002F\">Virtuals\u003C\u002Fa> 在 Base 上當 agent economy 的操作系統。文章裡甚至寫到它有超過 238 萬個 agent tasks、接近 4.8 億美元的 agent GDP。\u003C\u002Fp>\u003Cp>翻譯一下就是：沒有 trust plumbing，agent 經濟根本跑不起來。API key 不是身份，proxy 也不是 entity。你讓一個 model 會 call tool，不代表它就有資格跟別的 agent 互動。它得能證明自己是誰、能做什麼、以前做得怎麼樣，不然它只是換了包裝的 script。\u003C\u002Fp>\u003Cp>這也是很多 builder 最常跳過的坑。他們很愛盯模型品質，卻把 coordination layer 當成細節。問題是，當 agent 開始要跨系統找彼此、談條件、完成任務，你就需要能隨身帶著的 reputation。你得能說：「這個 agent 以前做事有證據，這次也有。」沒有這個，市場永遠只能靠人工背書。\u003C\u002Fp>\u003Cp>實操上，我會把 agent identity 當成 service identity 做，但要多一層聲譽軌跡。每個 agent 給穩定識別碼、範圍化權限、可稽核歷史。如果你在做 marketplace，別只做 discovery，verification 也要做。如果你在做工具，至少讓使用者在放行前能看懂這個 agent 能碰什麼。\u003C\u002Fp>\u003Ch2>Bittensor 之所以值得看，是因為它把誘因寫進系統裡\u003C\u002Fh2>\u003Cp>KuCoin 花很多篇幅講 \u003Ca href=\"https:\u002F\u002Fwww.bittensor.com\u002F\">Bittensor\u003C\u002Fa>，我覺得合理。它把 Bittensor 描述成一個由特化 subnet 組成的網路，miner 跑 AI 模型、validator 評分輸出，TAO 發行則流向產生價值的工作。文章還說這個網路已經超過 128 個 active subnets，前三個 compute subnets 在開始變現三個月內合計做到 2,000 萬美元 ARR，並提到 2025 年 12 月減半、dTAO 和 Taoflow 升級。\u003C\u002Fp>\u003Cp>白話講，Bittensor 想把 AI 基礎設施做成市場，而不是壟斷。重點不是幣本身，而是「有用的工作會被獎勵，沒用的工作會被擠出去」，網路會根據需求重新分配資源。\u003C\u002Fp>\u003Cp>我對「只靠 token emission 解決協作」一向很懷疑，但如果一個系統的經濟規則夠清楚，我反而比較願意看下去。因為只要 subnet 得靠實際價值活下來，那就比假裝資源分配是中立的好。資源分配從來不中立，只是以前大家都不想講。\u003C\u002Fp>\u003Cp>實操寫法是：如果你也在做去中心化基礎設施，獎勵函數要先寫死，還要能測。什麼叫有用，要定義。壞輸出怎麼罰，要定義。參與者怎麼退出、怎麼換 subnet，也要定義。你如果連 adversarial behavior 都扛不住，那就別談真實使用者了。\u003C\u002Fp>\u003Cul>\u003Cli>獎勵可量化輸出，不獎勵空泛參與。\u003C\u002Fli>\u003Cli>懲罰機制要在上線前講清楚。\u003C\u002Fli>\u003Cli>經濟模型別搞得太花，builder 看不懂就沒人接。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>真正的 stack 不是一個產品，是四層管線\u003C\u002Fh2>\u003Cp>KuCoin 最有用的地方，其實是它把東西拆開了。它列了 \u003Ca href=\"https:\u002F\u002Fakash.network\u002F\">Akash\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Frendernetwork.com\u002F\">Render\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fionet.io\u002F\">io.net\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.aethir.com\u002F\">Aethir\u003C\u002Fa> 做去中心化 compute；\u003Ca href=\"https:\u002F\u002Fwww.askvenice.ai\u002F\">Venice\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.opengradient.ai\u002F\">OpenGradient\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fchutes.ai\u002F\">Chutes\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fdphn.ai\u002F\">Dolphin\u003C\u002Fa> 做私有或可驗證推理；\u003Ca href=\"https:\u002F\u002Fprimeintellect.ai\u002F\">Prime Intellect\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.tplr.ai\u002F\">tplr\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.nousresearch.com\u002F\">Nous Research\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fmacrocosmos.ai\u002F\">Macrocosmos\u003C\u002Fa> 做分散式訓練與資料。這些東西不是同一件事，硬湊成一句 slogan 只會更亂。\u003C\u002Fp>\u003Cp>翻譯一下就是：去中心化 AI 不是一個東西，它是幾個問題疊在一起。算力怎麼來、推理怎麼保密、訓練怎麼分散、資料怎麼協調，這四件事是不同層。你如果硬把它們混成一個產品名，最後通常會得到一個很會簡報、但什麼都不穩的東西。\u003C\u002Fp>\u003Cp>我反而喜歡這種 layer-cake 的看法，因為它逼你先挑問題，不要先挑口號。也許你根本不需要分散式訓練，你只需要私有推理。也許你最大的瓶頸不是模型，而是資料可用性。先搞清楚哪一層卡住，再決定要不要上整套。\u003C\u002Fp>\u003Cp>實操上，我會先選一層開刀：成本卡住就從 compute 下手，隱私卡住就從 inference 下手，資料被 silo 卡住就先處理 storage 和 coordination。別一開始就想全包，除非你的產品真的每層都需要，不然你只是在多買麻煩。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># 去中心化 AI stack template for a real product\n\n## 1) 問題定義\n我們需要 AI 去處理會碰到錢、私有資料、或共享基礎設施的工作。\n中央化 AI 適合寫草稿、搜尋、摘要，但不夠用在：\n- 可稽核決策\n- 私有推理\n- 機器對機器付款\n- 自主執行\n\n## 2) 先選你真的需要的那一層\n先只選一個主層：\n- Compute：去中心化 GPU 存取\n- Inference：私有或可驗證推理\n- Training：分散式模型訓練\n- Middleware：agent 身份、聲譽、發現\n- Payments：機器對機器結算\n- Storage\u002FData：資料可用性與協調\n\n## 3) 最小可行架構\n\n### Identity\n- 每個 agent 都有穩定的鏈上或密碼學身份\n- 權限依任務、資產、場域做範圍限制\n- 聲譽跟著 agent 走，不放在看不到的後台\n\n### Policy\n- 高風險動作要有人或程式核准\n- 每個 agent、每天、每個 protocol 都有花費上限\n- 只允許白名單工具\n- 執行前先模擬\n\n### Execution\n- 模型先提出建議\n- policy engine 驗證建議\n- 錢包或結算層執行動作\n- receipt 寫進 audit log\n\n### Payments\n- 機器交易用 stablecoin 或鏈上結算\n- authorization 和 settlement 分開\n- payment receipt 跟 tool-call log 一起存\n\n### Data\n- 盡量不要把私有資料直接塞進 raw prompt\n- 用有存取控制的 retrieval\n- 記錄「讀了什麼」，不只記錄「答了什麼」\n\n## 4) 建置順序\n1. 先做一個很窄的 use case\n2. 先加 identity 和 logging，再談 autonomy\n3. 先能稽核 execution，再加 payments\n4. 先有真實使用量，再加 reputation\n5. 只有中央化基礎設施真的卡住時，才搬去分散式 compute 或 training\n\n## 5) 危險訊號\n- agent 可以動作，但說不清楚自己做了什麼\n- 系統可以花錢，但無法證明授權\n- 模型是私有的，但周邊 log 在漏資料\n- 聲譽只放在 off-chain，而且不能攜帶\n- 誘因獎勵的是活躍度，不是有用輸出\n\n## 6) 實作檢查表\n- [ ] Agent identity 穩定且可攜\n- [ ] 權限是明確且機器可讀\n- [ ] 每個 tool call 都有 log\n- [ ] 每筆 payment 都有 receipt\n- [ ] 每條 execution path 都能 replay\n- [ ] 上線前先測失敗模式\n- [ ] 高風險動作可被人類 review 或 revoke\n\n## 7) 可直接拿去用的 agent prompt\n你是一個在受限金融或營運流程中的 AI agent。\n你的工作是提出動作，不是假設自己有無限權限。\n在行動前，你必須：\n- 辨識任務\n- 列出所需輸入\n- 檢查 policy 限制\n- 盡可能模擬結果\n- 超過門檻的事項要請求核准\n- 記錄推理、tool calls、最終 receipt\n\n如果任務涉及錢、私有資料、或外部副作用：\n- 沒有 policy engine 核准就不要做\n- 不要編造缺失資訊\n- 不要做沒有依據的假設\n- 優先選擇最小且安全的動作\n\n你的輸出必須包含：\n- proposed action\n- risk level\n- required approvals\n- execution plan\n- audit log summary\n\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這份模板是我自己整理的，但骨架來自 KuCoin 對去中心化 AI stack 的拆解，還有它列出的那些專案。如果你要看原始材料，先從 \u003Ca href=\"https:\u002F\u002Fwww.kucoin.com\u002Fnews\u002Fflash\u002Fdecentralized-ai-2026-outlook-why-blockchain-is-the-key-to-ai-s-future\">KuCoin 原文\u003C\u002Fa>開始；如果你想驗證各層到底是不是在唬爛，我上面連的官網和標準頁面也都可以直接查。\u003C\u002Fp>\u003Cp>我這篇的原創部分，是把它整理成台灣開發者可以直接照著做的版本；衍生部分，則是把 KuCoin 的觀點、專案名和數據拆開來重組。你不用同意我對區塊鏈或 AI 的每個判斷，但如果你真的要做 agent、支付、推理，這套拆法至少比空喊願景有用得多。\u003C\u002Fp>","拆 KuCoin 的去中心化 AI 觀點，整理成可直接套用的 agents、支付、推理與身份模板。","www.kucoin.com","https:\u002F\u002Fwww.kucoin.com\u002Fnews\u002Fflash\u002Fdecentralized-ai-2026-outlook-why-blockchain-is-the-key-to-ai-s-future",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781730202032-k7a4.png","industry","zh","0067e6a3-41f8-4a91-8f3b-16716f1631e4",[17,18,19,20,21],"decentralized AI","agentic payments","identity","verifiable inference","blockchain",[23,24,25],"把 AI stack 拆成 identity、policy、execution、payments、data 五層，別把所有問題混成一句口號。","先做可稽核、可回放、可限制的 agent，再談自動化和 autonomy。","機器付款與可攜式聲譽，是去中心化 AI 真正開始像基礎設施的地方。",0,"2026-06-17T21:02:56.987739+00:00","2026-06-17T21:02:56.968+00:00","fe20f6f6-432b-47bf-a410-a5f516d885ed",{"tags":31,"relatedLang":33,"relatedPosts":37},[32],{"name":21,"slug":21},{"id":15,"slug":34,"title":35,"language":36},"kucoin-ai-stack-blockchain-plumbing-en","KuCoin’s AI stack turns blockchain into AI plumbing","en",[38,44,50,56,62,68],{"id":39,"slug":40,"title":41,"cover_image":42,"image_url":42,"created_at":43,"category":13},"8156f591-efd9-45f5-b89e-4f06dcf971dc","openai-partner-network-delivery-strategy-zh","OpenAI 的合作夥伴網路不是 Logo 計畫，而是交付策略","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781741882570-0cji.png","2026-06-18T00:17:18.861629+00:00",{"id":45,"slug":46,"title":47,"cover_image":48,"image_url":48,"created_at":49,"category":13},"7d031983-0a6b-468c-a9f1-ba6c4fca3e4a","anthropic-ban-congress-regulate-frontier-ai-now-zh","Anthropic 禁令證明國會現在就該管制前沿 AI","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781740986023-pmch.png","2026-06-18T00:02:39.543846+00:00",{"id":51,"slug":52,"title":53,"cover_image":54,"image_url":54,"created_at":55,"category":13},"8254d2f3-59ce-44d6-a740-93e54aba463f","anthropic-safe-claude-mythos-5-access-tiers-zh","Claude Mythos 5 把存取變分級","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781734700812-p6zi.png","2026-06-17T22:17:53.175828+00:00",{"id":57,"slug":58,"title":59,"cover_image":60,"image_url":60,"created_at":61,"category":13},"8f52977f-de25-467a-a70b-bb02c0a02155","g7-should-treat-ai-ceos-as-power-brokers-not-guests-zh","G7 應把 AI 執行長當權力中介，而不是座上賓","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781733773410-fkdg.png","2026-06-17T22:02:20.879323+00:00",{"id":63,"slug":64,"title":65,"cover_image":66,"image_url":66,"created_at":67,"category":13},"1d631d43-4e7c-4915-bb30-15deb81a8695","ping-identity-runtime-identity-ai-agents-zh","Ping Identity 說對了：AI agents 需要 runtime …","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781729275355-n3ag.png","2026-06-17T20:47:19.551771+00:00",{"id":69,"slug":70,"title":71,"cover_image":72,"image_url":72,"created_at":73,"category":13},"af4e4083-1f50-4c40-a877-58d11596e323","cloudflare-design-partner-program-security-wedge-zh","Cloudflare 的 design partner 計畫是聰明的安全切入點","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781727474861-zy5t.png","2026-06-17T20:17:17.598355+00:00",[75,80,85,90,95,100,105,110,115,120],{"id":76,"slug":77,"title":78,"created_at":79},"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":81,"slug":82,"title":83,"created_at":84},"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":86,"slug":87,"title":88,"created_at":89},"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":91,"slug":92,"title":93,"created_at":94},"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":96,"slug":97,"title":98,"created_at":99},"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":101,"slug":102,"title":103,"created_at":104},"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":106,"slug":107,"title":108,"created_at":109},"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":111,"slug":112,"title":113,"created_at":114},"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":116,"slug":117,"title":118,"created_at":119},"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":121,"slug":122,"title":123,"created_at":124},"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"]