[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-qualcomm-soft-hard-escape-cuda-zh":3,"article-related-qualcomm-soft-hard-escape-cuda-zh":30,"series-industry-2e203494-f4aa-42c6-8992-bcd6085ac98a":77},{"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},"2e203494-f4aa-42c6-8992-bcd6085ac98a","qualcomm-soft-hard-escape-cuda-zh","Qualcomm 用軟硬整合拆 CUDA","\u003Cp data-speakable=\"summary\">我把 Qualcomm 的 140 億美元布局拆成一個可抄的模板：先買編譯器與 runtime，再補 \u003Ca href=\"\u002Ftag\u002Frisc-v\">RISC-V\u003C\u002Fa> 晶片，目標不是拼規格，而是降低 CUDA 轉移成本。\u003C\u002Fp>\u003Cp>我最近看 Qualcomm 這套打法，越看越不對勁，但又不是那種「這公司又在畫大餅」的不對勁。它比較像是：終於有人承認，AI \u003Ca href=\"\u002Fnews\u002Fmoneygram-solana-validator-infrastructure-not-marketing-zh\">基礎設施\u003C\u002Fa>不是晶片賣得快就會贏。你晶片再快，開發者不想搬，整套還是卡住。我以前也碰過這種案子，硬體團隊一直跟我說效能很漂亮，結果一問到模型怎麼搬、kernel 怎麼改、runtime 怎麼接，現場就開始沉默。這種沉默我看太多次了。\u003C\u002Fp>\u003Cp>所以我看到 Qualcomm 這次不是只買晶片公司，而是連編譯器、執行層、可攜性故事一起收，我反而覺得它終於摸到痛點。這篇我不是在幫它背書，我是把它的套路拆開來看：它到底在解哪個問題、哪個地方最容易翻車、以及如果你自己在做 AI 平台，哪些段落可以直接抄。\u003C\u002Fp>\u003Cp>這份拆解的起點是 Jerry Owens 在 \u003Ca href=\"https:\u002F\u002Fwww.techtimes.com\u002Farticles\u002F319017\u002F20260624\u002Fqualcomm-bets-14-billion-cracking-nvidias-ai-monopoly-risc-v-open-compiler.htm\">TechTimes\u003C\u002Fa> 的報導，內容提到 Qualcomm 投資人日公布的 Modular 收購案，以及傳出的 Tenstorrent 接觸。原文有提到「超過 140 億美元」這個量級，但我這裡只拿它當策略訊號，不拿來當行銷口號。\u003C\u002Fp>\u003Ch2>Qualcomm 買的不是公司，是逃生門\u003C\u002Fh2>\u003Cblockquote>「合在一起，這兩筆交易會把超過 140 億美元壓在同一個戰略目標上：讓雲端與企業買家能在不是 Nvidia 的硬體上跑 AI 工作負載。」\u003C\u002Fblockquote>\u003Cp>翻譯一下就是，Qualcomm 不是只想多賣一顆加速器，它想賣的是「離開 CUDA 的出口」。這個差很多。因為 \u003Ca href=\"\u002Ftag\u002Fnvidia\">Nvidia\u003C\u002Fa> 的護城河從來不只是 GPU 規格，而是整套習慣、\u003Ca href=\"\u002Fnews\u002Fheadroom-token-compression-mcp-tool-zh\">工具\u003C\u002Fa>、函式庫、內部 know-how，還有每個團隊早就寫死在 CUDA 裡的假設。你要別人換，不是叫他換卡，是叫他重寫工作方式。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782447518109-bu5c.png\" alt=\"Qualcomm 用軟硬整合拆 CUDA\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我以前看過很多平台遷移，最常見的死法就是：demo 看起來很順，真要進 production 就開始卡。原因很簡單，開發者不是不懂性能，他們是很懂「改動成本」有多噁心。只要你一講要搬 kernel、重測邊界條件、重做 profiling、重跑驗證，大家腦中就會浮出一句話：這值得嗎？通常答案是不值得。\u003C\u002Fp>\u003Cp>所以 Qualcomm 這次比較像是在買「降低痛苦的工具箱」。Modular 補的是編譯器與 runtime，Tenstorrent 補的是硬體與 RISC-V 路線。兩個一起看，才像一條真的逃生門，而不是一張漂亮簡報。\u003C\u002Fp>\u003Cp>實操上，如果你自己在做 AI infra，我會建議你先改問法，不要問「我要支援哪顆晶片」，而是問「我能幫客戶少搬多少東西」。這句才是產品定義，不是口號。\u003C\u002Fp>\u003Ch2>真正的對手不是晶片，是 CUDA 習慣\u003C\u002Fh2>\u003Cp>TechTimes 直接點出來，Nvidia 的主導地位靠的不只硬體，還有從 2006 年一路養大的 CUDA 生態。文中也提到大約有 400 萬開發者在這個生態裡打轉。這個數字比任何 \u003Ca href=\"\u002Ftag\u002Fbenchmark\">benchmark\u003C\u002Fa> 圖都更值得怕，因為它代表的不是人數，是慣性。\u003C\u002Fp>\u003Cp>白話講，開發者買的不是 FLOPS，他們買的是延續性。CUDA 代表函式庫、工具、文件、範例、社群、以及一堆公司內部已經默認存在的做法。你如果只是換一顆更快的晶片，卻要他們重寫邏輯、重學工具、重驗證行為，那你不是在賣硬體，你是在賣一個包著硬體外皮的遷移專案。\u003C\u002Fp>\u003Cp>我自己碰過從一個加速器搬到另一個加速器的案子，前面總是很樂觀。大家都說：「應該不難吧？」結果一問到 custom op、量化路徑、記憶體配置、效能分析、部署一致性，整個專案就從兩週變兩季。這就是為什麼 Qualcomm 不能只買晶片公司，它一定得把編譯器那層一起拿下來。\u003C\u002Fp>\u003Cul>\u003Cli>硬體不是問題本身，軟體鎖定才是。\u003C\u002Fli>\u003Cli>少一次重寫，比多一點 benchmark 更值錢。\u003C\u002Fli>\u003Cli>要讓人換平台，先讓人覺得不痛，而不是先講規格。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>實操寫法很直接：如果你在做 AI 平台，先列出客戶切換成本。你要能講清楚 \u003Ca href=\"\u002Fnews\u002Fclaude-code-terminal-main-workflow-guide-zh\">code\u003C\u002Fa> 怎麼搬、ops 怎麼搬、團隊怎麼搬。講不清楚，你就不是平台，你只是 demo。\u003C\u002Fp>\u003Ch2>Tenstorrent 負責硬體面：RISC-V、tile、少一點廢話\u003C\u002Fh2>\u003Cp>TechTimes 描述 Tenstorrent 的 Blackhole 晶片是以 RISC-V 為基礎的加速器，核心架構叫 Tensix。每個 Tensix 核心裡面有五個 RISC-V 處理器、local SRAM、矩陣與向量引擎，還有串到 mesh network 的路由器。原文也提到 Blackhole 有 120 個 Tensix 核心、16 個較大的 RISC-V 核心、32GB GDDR6 記憶體，以及 664 TFLOPS 的 BF16 效能。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782447517868-zrzz.png\" alt=\"Qualcomm 用軟硬整合拆 CUDA\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這段的重點不是「它也很快」，而是它根本不是想當另一張 Nvidia。Tenstorrent 比較像是在重排計算方式：讓資料更靠近運算、減少頻繁去外部記憶體繞一圈、降低功耗浪費。這種 tile-based 的思路，特別適合 \u003Ca href=\"\u002Ftag\u002Finference\">inference\u003C\u002Fa>，因為 inference 很常不是在拼最大吞吐，而是在拼成本、局部性、以及一堆小而碎的請求能不能撐住。\u003C\u002Fp>\u003Cp>我看過不少 GPU 在真實服務裡被浪費掉，原因不是不夠強，是工作負載太零散、太小、太不規則。這種情境下，硬體再猛也會閒著。Tenstorrent 的路線比較像是承認：不是所有工作都該用同一種方式跑。這個承認很務實，也很麻煩，因為一旦硬體有立場，程式設計就會變得更挑人。\u003C\u002Fp>\u003Cp>原文也提到開發者得明確管理 local SRAM 的資料放置，以及在 mesh 裡的資料移動。這不是小註腳，這就是代價。你得到更好的效率，但你也逼 programmer 多想一步。這在工程上沒問題，前提是你的客戶真的願意付這個腦力成本。\u003C\u002Fp>\u003Cp>實操上，如果你在設計 AI 硬體，不要裝成萬用型。你如果主打 inference，就老實講 inference；你如果主打低功耗，就老實講低功耗。買的人不是不能接受限制，他們最討厭的是你明明有限制，還硬說自己通吃。\u003C\u002Fp>\u003Ch2>Modular 負責軟體面：把搬家變得沒那麼痛\u003C\u002Fh2>\u003Cp>TechTimes 提到 Modular 是 Chris Lattner 和 Tim Davis 創立的，Mojo 語言與 MAX inference engine 的目標，是讓同一份 AI 模型程式碼能跑在 Nvidia、AMD、Intel、Qualcomm、\u003Ca href=\"\u002Ftag\u002Fapple\">Apple\u003C\u002Fa> Silicon，還有多家 CPU 平台上。這件事的核心不是語言炫不炫，而是它在對抗一件很煩的事：硬體綁定。\u003C\u002Fp>\u003Cp>翻譯一下，Modular 想把「選哪家硬體」變成實作細節。理想狀態是，團隊寫一次模型邏輯，換晶片時不用整組重寫。這不是把 lock-in 直接消滅，而是把它削弱。對企業採購來說，能削弱就夠了，因為很多案子卡住不是因為找不到替代品，而是替代品的遷移成本太高。\u003C\u002Fp>\u003Cp>我對編譯器故事一直有點戒心，因為它們常常死在兩種地方：一種太學術，工程師看得很爽，營運團隊看不懂；另一種太半吊子，簡報很漂亮，真到 production 就露餡。Modular 的價值在於它卡在中間：不是只做語法糖，也不是只做一個能跑的殼，而是把模型碼和硬體之間那層髒事收起來。\u003C\u002Fp>\u003Cp>原文還提到 Modular 在 2025 年 9 月曾以 16 億美元估值募到 2.5 億美元，而 Qualcomm 的收購價約 39.2 億美元。這個跳幅很能說明市場現在怎麼看軟體層：大家終於比較願意為「減少搬家痛苦」付錢了。\u003C\u002Fp>\u003Cul>\u003Cli>可攜性會降低試用門檻。\u003C\u002Fli>\u003Cli>可攜性也會降低未來換供應商的成本。\u003C\u002Fli>\u003Cli>這正是平台老大最不想看到的事。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>實操寫法：如果你在做開發者工具，先把第一次搬移做得很無聊。越少戲劇性，客戶越敢試。不要一開始就想證明你多強，先證明你不麻煩。\u003C\u002Fp>\u003Ch2>為什麼 Qualcomm 兩手都要抓\u003C\u002Fh2>\u003Cp>這裡最容易被忽略的，是 Qualcomm 其實不能只買一邊。只買軟體，你會變成一層很聰明的相容殼，但沒有硬體差異化。只買硬體，你會變成另一顆很快、但沒人想搬過去的晶片。兩個都要，才有機會把 CUDA 的牆挖出洞。\u003C\u002Fp>\u003Cp>TechTimes 的敘事其實已經把這個邏輯講出來了：Tenstorrent 提供開放的 RISC-V 硬體路線，Modular 提供 CUDA 替代的軟體路線。這兩個一起，才同時打到兩個死穴——沒有生態、沒有硬體差異。只要少一個，整個故事就會變成一半。\u003C\u002Fp>\u003Cp>我以前看過很多「開放平台」專案，買家最常問的其實不是「你開不開放」，而是「我現在用你，會不會省時間，還是只是把痛苦延後」。這句話很殘酷，但很真。Qualcomm 這波如果只是把未來的自由講得很漂亮，現在的客戶還是不會動；它必須同時給一個現在就有感的經濟理由。\u003C\u002Fp>\u003Cp>原文也提到 Qualcomm 預計在 2026 年底前，會開始替一家大型雲端業者出貨客製晶片。這種時間點很重要，因為它代表公司想帶著真實客戶路徑上場，而不是只拿策略簡報騙人。很好，因為簡報不會產生推論收入。\u003C\u002Fp>\u003Cp>實操上，你在做平台時也一樣：相容性故事要配一個現在就能成立的性能或成本理由。只有未來彈性，客戶通常只會把決策往後拖。\u003C\u002Fp>\u003Ch2>我會抄的不是公司名，是這個結構\u003C\u002Fh2>\u003Cp>這波最值得抄的，不是 Qualcomm、也不是 Modular、甚至不是 Tenstorrent，而是它們拼起來的結構。先用開放一點的硬體路線降低供應商依賴，再用編譯器與 runtime 把遷移成本壓下來，最後用一個明確的工作負載當切口。這三段一旦接起來，故事就不是「我們也有晶片」，而是「你不用為了換硬體重寫整套」。\u003C\u002Fp>\u003Cp>這種打法很務實，也很現實。它不是說開放就會簡單，而是說複雜度可以被重新分配。原本是客戶自己吞，現在是供應商幫你吞一部分。這樣的差別，對採購來說就夠大了。\u003C\u002Fp>\u003Cp>如果我要把它變成內部方法論，我會這樣寫：先定義一個切口，再定義一個可攜層，最後才談硬體。不要反過來。很多團隊一開始就陷在晶片規格戰，結果做了半天，客戶只記得你很吵，沒記得你有用。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># AI 平台對抗 CUDA 鎖定的內部模板（繁中版，可直接改名套用）\n\n## 1. 先選切口，不要先談全包\n我們不試圖一次取代所有 GPU 工作負載。\n我們先鎖定：\n- [推論 \u002F 訓練 \u002F 邊緣推論 \u002F 代理式工作負載]\n- [一種明確模型家族]\n- [一個能算出成本差的場景]\n\n## 2. 硬體故事要具體\n我們的硬體優化重點是：\n- [本地記憶體 \u002F tile-based compute \u002F 低功耗推論]\n- [特定吞吐或延遲目標]\n- [特定成本區間]\n\n## 3. 把可攜性當產品，不是附加功能\n我們會提供：\n- 編譯器層\n- runtime 層\n- 模型匯入 \u002F 匯出流程\n- profiling 與除錯工具\n- 跨硬體的部署說明\n\n## 4. 明講搬移時會痛哪裡\n對每個支援框架，文件要寫清楚：\n- 哪些程式碼可以直接跑\n- 哪些需要翻譯\n- 哪些需要手動調整\n- 會付出哪些效能代價\n\n## 5. 用一個真實客戶把故事釘住\n第一個 production 故事要是：\n- 客戶類型：[雲端業者 \u002F 企業 \u002F OEM]\n- 工作負載：[LLM 推論 \u002F 影像 \u002F 推薦系統]\n- 成功指標：[延遲 \u002F 成本 \u002F 吞吐]\n\n## 6. 不要假裝沒有代價\n開發者需要管理的事情包括：\n- 記憶體配置\n- kernel 調校\n- 模型轉換\n- 硬體特定 profiling\n\n我們不把這些藏起來，我們把它們文件化、流程化、可預期化。\n\n## 7. 對外訊息只講一句核心話\n「你不應該為了換硬體而重寫整套 AI 堆疊。」\n\n## 8. 發版前檢查清單\n- 一條可用的編譯路徑\n- 一個支援的模型家族\n- 一個量化過的硬體目標\n- 一個可說服人的 migration guide\n- 一個已經在跑的客戶案例\n\n## 9. 成功的定義\n成功不是只有更快。\n成功是團隊真的能比較供應商、切換供應商，還能繼續交付。\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>我如果要把這篇濃縮成一句話，就是：Qualcomm 不是在賣更強的板子，它是在買一條讓客戶離開 CUDA 時不至於崩潰的路。這個思路，才是你在做 AI infra 時最值得學的地方。\u003C\u002Fp>\u003Cp>來源網址：\u003Ca href=\"https:\u002F\u002Fwww.techtimes.com\u002Farticles\u002F319017\u002F20260624\u002Fqualcomm-bets-14-billion-cracking-nvidias-ai-monopoly-risc-v-open-compiler.htm\">TechTimes 原文\u003C\u002Fa>。本文的策略拆解是我根據該報導，加上 \u003Ca href=\"https:\u002F\u002Fwww.modular.com\u002F\">Modular\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Ftenstorrent.com\u002F\">Tenstorrent\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.qualcomm.com\u002F\">Qualcomm\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Friscv.org\u002F\">RISC-V\u003C\u002Fa> 的公開資訊整理而成，原創分析多於轉述。\u003C\u002Fp>","我把 Qualcomm 的 140 億美元布局拆成一個可抄的模板：先買編譯器與 runtime，再補 RISC-V 晶片，目標不是拼規格，而是降低 CUDA 轉移成本。","www.techtimes.com","https:\u002F\u002Fwww.techtimes.com\u002Farticles\u002F319017\u002F20260624\u002Fqualcomm-bets-14-billion-cracking-nvidias-ai-monopoly-risc-v-open-compiler.htm",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782447518109-bu5c.png","industry","zh","61de550c-dc4f-4856-b71f-cd6c4738db4a",[17,18,19,20,21],"CUDA","RISC-V","編譯器","AI基礎設施","可攜性",[23,24,25],"Qualcomm 的重點不是單買晶片，而是把編譯器、runtime 與硬體一起湊成逃生門。","CUDA 的鎖定核心在開發者習慣與遷移成本，不是只有 GPU 規格。","真正可抄的做法是先選工作負載切口，再做可攜層，最後才談硬體。",0,"2026-06-26T04:18:12.471189+00:00","2026-06-26T04:18:12.445+00:00","fa1dc5e8-0eec-4179-8dc0-e35a3d82f701",{"tags":31,"relatedLang":36,"relatedPosts":40},[32,34],{"name":17,"slug":33},"cuda",{"name":18,"slug":35},"risc-v",{"id":15,"slug":37,"title":38,"language":39},"qualcomm-14b-escape-cuda-riscv-compiler-en","Qualcomm’s $14B plan to escape CUDA","en",[41,47,53,59,65,71],{"id":42,"slug":43,"title":44,"cover_image":45,"image_url":45,"created_at":46,"category":13},"e5ddd81c-7a48-4394-8271-71863ee7034c","product-hunt-best-prompt-engineering-tools-2026-zh","5 款 Prompt 工具各自最適合的工作","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782507772922-ljrs.png","2026-06-26T21:02:19.140423+00:00",{"id":48,"slug":49,"title":50,"cover_image":51,"image_url":51,"created_at":52,"category":13},"bc15b4e6-06b0-4237-869b-23ec02cc24e1","xcode-266-gemini-ai-coding-stack-zh","Xcode 26.6 把 Gemini 納入 Apple AI 編碼堆疊","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782497870523-0glb.png","2026-06-26T18:17:25.179841+00:00",{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":13},"4edf30e4-8159-43f6-aa25-073d98a971cf","openai-anthropic-must-sell-efficiency-not-excess-zh","OpenAI 與 Anthropic 必須賣效率，不是賣耗用","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782496966108-3grw.png","2026-06-26T18:02:19.661289+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":13},"315693f2-be56-411d-a51f-4d1d7f94d29c","ai-code-review-tools-catch-issues-earlier-zh","10 款 AI 程式碼審查工具，提早抓出問題","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782491579498-09ad.png","2026-06-26T16:32:31.773823+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":13},"bfdb1e4f-5d0d-47b7-9d77-18ffbe8505fc","openai-ipo-delay-turns-hype-into-caution-zh","OpenAI 延後 IPO，把熱度變警惕","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782489796442-d5rz.png","2026-06-26T16:02:50.943965+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":13},"6060d642-55b6-444c-811d-60388b99d5d1","suno-launches-spark-indie-artists-zh","Suno 用 Spark 拉攏獨立音樂人","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782486181801-h39c.png","2026-06-26T15:02:31.668699+00:00",[78,83,88,93,98,103,108,113,118,123],{"id":79,"slug":80,"title":81,"created_at":82},"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":84,"slug":85,"title":86,"created_at":87},"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":89,"slug":90,"title":91,"created_at":92},"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":94,"slug":95,"title":96,"created_at":97},"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":99,"slug":100,"title":101,"created_at":102},"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":104,"slug":105,"title":106,"created_at":107},"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":109,"slug":110,"title":111,"created_at":112},"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":114,"slug":115,"title":116,"created_at":117},"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":119,"slug":120,"title":121,"created_at":122},"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":124,"slug":125,"title":126,"created_at":127},"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"]