Google Cloud 發布新一代 TPU 8t/8i：訓練與推理正式分家
Google Cloud 在年度大會公布兩款第八代 TPU：TPU 8t 主打模型訓練，TPU 8i 則針對推理與低延遲需求。這代表雲端供應商不再用「單一加速器」同時滿足所有工作負載，而是以更細緻的產品線對應不同成本曲線：訓練看重吞吐與互連、推理看重延遲、能效與每美元效益。
對企業用戶而言，這種分工會加速「模型研發」與「產品上線」兩條路線的資源切割：前者要可擴展的巨型叢集，後者要穩定、可預期的推理成本。也因此，未來雲端採購的核心不只是算力單價，而是能否在同一平台內順暢地完成訓練、部署、監控與成本治理，並避免在 GPU 與自研晶片之間被迫做一次性押注。
Amazon 加碼投資 Anthropic：算力長約成為新型護城河
Amazon 宣布再投資 Anthropic 50 億美元，並把雙方合作延伸到長期雲端算力與晶片供應的承諾。當大模型的資本支出越來越像基建，股權投資與雲端採購合約開始綁在一起：一方面用資金換取模型供應與客戶導流，另一方面以長期算力承諾確保訓練與推理資源不會在競爭中斷供。
對市場的訊號是：AI 競爭的主戰場正從「誰先做出更強模型」延伸到「誰能穩定取得電力、機房與晶片」。對香港與區內企業而言，這也意味著供應鏈風險與議價能力將更集中在少數平台型玩家手上；採用方要更早做容量規劃與多雲/多供應商策略，避免在需求暴增時被成本或供應瓶頸鎖死。
Applied Digital 取得 75 億美元資料中心租約：AI 需求把合約拉長、功率拉大
資料中心營運商 Applied Digital 宣布與一家美國大型雲端客戶簽下 15 年、價值約 75 億美元的長期租約，並以數百兆瓦級別的供電能力支撐 AI 工作負載。這類合約反映兩個趨勢：其一，AI 基礎設施不再只是「租機櫃」，而是把電力、冷卻、土地與供應鏈整體打包；其二，買方願意用長約鎖定未來產能，以換取可預期的推理與訓練擴張路徑。
對產業鏈來說，這也會推動資料中心設計更偏向高功率密度、液冷等新標準，並把「能源取得」變成和 GPU 同等重要的稀缺資源。對亞太市場的啟示是，AI 雲端供給很可能受制於跨區域的電力與機房建設週期，而不是單純的伺服器供貨速度。
美國擬推聯邦證據規則 707：機器生成內容進入「可採性」時代
隨著生成式 AI 與深偽內容普及，訴訟中的「機器生成證據」正面臨新問題：如果沒有專家出庭說明，法院要如何判斷系統輸出是否可靠？美國正在討論的聯邦證據規則 707，試圖把機器生成證據的可靠性要求，拉回接近專家證詞的審查框架，避免以機器輸出繞過既有的可靠性門檻。
若這類規則逐步落地，企業在導入 AI 系統時，將更需要可追溯的資料來源、版本管理、評估報告與錯誤率證明；也可能促使供應商提供更完整的審計紀錄與可解釋性工具。對一般大眾而言，這是司法體系對「真假難辨」的技術現實作出的制度回應，未來不只影響法庭，也會回頭改變企業內容生產與風險控管流程。