這個產業最近的節奏，是各條能力線都在踩油門——晶片更快、模型更小卻更強、機器人能打贏人、連找漏洞都自動化了。但把這禮拜的新聞排在一起看，會發現踩油門的同時，方向盤正在被越來越少的手握住。能力越集中、權限給得越大方，出事的時候要承擔的那一方，往往不是按下油門的人。

一、你裝的那堆 AI 框架，可能各自開了一扇沒上鎖的後門

這禮拜資安圈最該補的功課，不是某一個 CVE，而是一整類。CrewAI 一口氣四個 CVE、LangFlow 一個 HTTP request 就能未授權遠端執行、Flowise 吃到 CVSS 10.0 滿分、Windsurf 更狠是「零點擊」——你不用點任何東西，它處理到一段被動過手腳的 HTML，就會自動幫攻擊者註冊一個惡意的 MCP server 並執行指令。OX Security 盤點下來，這個架構層級的問題沿著官方 SDK（Python、TypeScript、Java、Rust）一路擴散，影響約 20 萬台已部署的 MCP server。

這裡有個關鍵要講清楚：洞不在模型身上。模型沒被越獄、沒對齊失敗，它只是老老實實讀了一份工具清單、照著指示呼叫工具——它做的正是被設計來做的事。問題出在框架怎麼實作那條「自然語言」和「真的去執行 shell 指令」之間的信任邊界。當你把一個會聽話的模型接上能動手的工具，prompt injection 就從一個「內容安全」的小麻煩，升級成一把直接開在你主機上的 shell。

更值得警惕的是落差感。有調查顯示 92% 的資安主管擔心 AI agent 的衝擊，但只有 24% 的組織能完整看見自家 agent 之間在互相講什麼，超過一半的 agent 跑在零監控、零紀錄的狀態下。82% 的高層相信現有政策擋得住 agent 亂來，可是過去一年有 88% 的組織出過 agent 安全事件。自信和現實之間這道縫，比任何單一漏洞都危險——因為你連自己曝險都不知道。

能動手的東西就要當成有身分的人來管：最小權限、高風險動作（寫資料庫、轉帳、對外發訊）一律人類覆核、每個動作都留下完整脈絡的日誌。把 agent 當成「應用程式裡看不見的一部分」，就是替自己留一扇後門。

來源：Microsoft Security — When prompts become shells、OX Security MCP 供應鏈警告、Darktrace：92% 資安人員憂心

二、Nvidia 拿 50 億美元入股 Intel，想把每一層都收進自己口袋

老對手變成股東。Nvidia 宣布以每股 23.28 美元、總額 50 億美元買進 Intel 普通股，兩家要一起做好幾代的資料中心與 PC 產品——Intel 出 x86 SoC，裡面塞進 Nvidia 的 RTX GPU chiplet。差不多同個時間，Nvidia 在 Computex 端出主打消費級 PC 的 RTX Spark Superchip，秋天就會出現在 Dell、Lenovo 的機器上，跑 Windows on Arm。消息一出，AMD、Intel、Qualcomm 的股價應聲下挫。

把這件事拉遠一點看就很清楚：Nvidia 已經在資料中心通吃，現在要往 PC、往邊緣裝置這些「離雲端更遠」的地方延伸。一位分析師的說法很傳神——不管 AI 算在哪裡跑，那塊地盤就是獎品，Jensen 不會滿足於只拿到資料中心。對買家來說，方便是真方便，整套堆疊一家搞定；但要記得一件機會成本的事：你省下的整合工夫，是用「議價權交給對方」換來的。當運算的每一層都長在同一家公司身上，哪天它調價、改授權、或單純只是排不出產能，你沒有第二個門可以敲。

來源：NVIDIA Newsroom — Nvidia 與 Intel 合作、CNBC：Nvidia 進軍 PC 晶片

三、一個 8B 開源模型，是在 AMD 硬體上從零訓出來的

就在 Nvidia 想把每一層收編的同時，反方向的事也在發生。Zyphra 放出 ZAYA1-8B，Apache 2.0 授權，用的是稀疏路由架構——總共 80 億參數，但每個 token 只實際啟用 7.6 億。最值得記一筆的不是分數，是它的出身：整個模型是在 AMD Instinct 硬體上從零訓練出來的。

這句話的分量，得放到「全世界訓練模型幾乎只能靠 Nvidia」這個共識裡才看得懂。長期把一條命脈押在單一供應商身上，是一種看不見的脆弱——平常完全沒感覺，一旦那家出問題（缺貨、漲價、地緣政治卡關），整條線一起癱。ZAYA1 證明了那條路不是唯一解，這種「驗證了還有別條路」的事，價值往往比模型本身的能力更耐久。能擺脫單點依賴的選項，光是存在，就讓整個生態多了一層緩衝。

來源：devFlokers — 2026 年 6 月開源 AI 盤點

四、機器人開始打贏人，這次是桌球

物理世界這條線也在加速，而且加速得有點嚇人。Sony AI 的 Project Ace 是一套自主桌球系統，靠強化學習加上一組能追蹤每分鐘 9,000 轉旋球的感知系統，在正式國際規則下，已經能打贏職業等級的人類選手。Boston Dynamics 的 Atlas 人形機器人也秀了新的敏捷度，NVIDIA 則放出 Cosmos 3 這類物理 AI 模型，專門拿來訓練機器人的動作策略、生成合成資料。

桌球這個例子特別值得停一下。它要的不只是「算得準」，是要在毫秒級的時間裡完成感知、判斷、出手——這正是過去大家覺得機器最難跟人拚的領域。一旦機器在這種高速、即時、對抗性的任務上跨過人類水準，要小心一種推論上的滑坡：覺得「它桌球都打贏人了，那別的應該也行」。能在一個邊界極度明確、規則極度封閉的賽局裡封頂，跟能應付規則模糊、會反過來惡整你的真實世界，是兩件事。看 demo 驚嘆可以，把它的能力直接外推到開放場景，會踩坑。

來源：NVIDIA Blog — 國家機器人週 / 物理 AI

五、微軟用一百多個 AI agent 組成軍團，自己去找漏洞

回到攻防這條線收個尾，剛好跟第一則對照。微軟發表了一套代號 MDASH 的防禦系統，調度超過 100 個專門的 AI agent——橫跨前沿模型和蒸餾出來的小模型——讓它們去發現、辯論、再證明漏洞能不能真的被利用，端到端跑完。靠這套，研究員在 Windows 的網路與認證堆疊裡挖出 16 個新漏洞，其中 4 個是 Critical 等級的遠端執行。

把第一則和這則擺在一起，會看到一個對稱的未來：攻擊方用 AI 把漏洞利用加速到比修補還快，防守方也只能用 AI 軍團去把漏洞先挖出來、先證明、先補掉。攻防都自動化、都提速之後，真正的勝負手不再是「誰手上有 AI」——兩邊都有了——而是「誰能更快把發現變成行動」。這對缺乏資源、補丁總是慢半拍的中小組織不是好消息：當雙方都換上機關槍，火力差距只會被放大，不會被拉平。

來源：Microsoft Security — AI speed defense（MDASH）

收尾：別只盯著「跑多快」，去看「煞車在誰手上」

這禮拜每一條新聞單獨看都是好消息——晶片更強、模型更開放、機器人更靈巧、漏洞挖得更勤。但有個反直覺的判準值得記住：一項技術真正的風險高低，不取決於它跑得多快，而取決於出事時，能踩煞車的人離方向盤有多近。

AI agent 權限給得越爽，能踩煞車的人離得越遠；運算每一層收進同一家公司，能踩煞車的手就越少。能力的加速是看得見的、會上頭條的；而煞車距離的拉長是看不見的，通常要等到撞上去那一刻才現形。下次評估一個新工具、新供應商、新 agent，先別問它能幫你跑多快——先問清楚，真的出事的時候，按下停止鍵的，是不是你自己。