DeepSeek 釋出 V4 預覽版：以 Pro/Flash 兩路線搶攻『高效能 + 低成本』
DeepSeek 在最新一輪更新中推出 V4 大型語言模型的預覽版，並以 Pro 與 Flash 兩個版本切分不同算力與成本需求。這種「同一代模型、不同成本曲線」的策略，反映市場已不只比拼單點能力，而是更在意可否在既定預算內把模型真正用進產品與工作流程。V4 亦強調與代理工具鏈相容、以及降低推理成本，意味競爭焦點正在從「能不能做到」轉向「能不能在可控成本下穩定做到」。 對香港的企業與開發者而言，若高品質模型在更低成本下可用，將直接影響客服、自動化營運、文件處理與程式開發等場景的導入速度；同時也會提高對資料治理、內部知識庫品質與合規的要求，因為模型成本下降後，真正的瓶頸往往轉移到資料與流程設計。
OpenAI 發布 GPT-5.5：更強的代理化能力與更貼近工作流的定位
OpenAI 釋出 GPT-5.5，並同步推進在產品端的分級部署，讓付費用戶可更快用到最新能力。外界對這次更新的關注點，除了基準表現與推理能力提升，更在於其被定位為更「直覺可用」且更適合串接日常工作的模型：例如更擅長處理多步驟任務、在工具之間切換、以及完成更貼近「實際上機操作」的工作型任務。 這也意味模型供應商正把競賽延伸到「使用體驗」與「任務完成率」，而不只是單一指標的分數。對企業端來說，模型若更擅長代理化工作流，就需要更嚴謹的權限控管、審計紀錄與失誤回復機制；對消費端來說，則會加速形成「把 AI 當作日常操作介面」的習慣，進一步推動產品的再設計。
Tesla 披露最高 20 億美元收購未具名 AI 硬體公司：硬體自主成為戰略資產
Tesla 在財務文件中以極少篇幅披露，已同意以最高 20 億美元的股票與股權獎酬收購一家未具名的 AI 硬體公司，其中約 18 億美元與服務條件或績效里程碑掛鉤。這種條款設計通常意味著標的技術仍需在量產、部署或特定性能指標上被驗證，同時也可能用來綁定關鍵工程團隊留任。 對產業的訊號是：AI 競爭不只在模型，也在算力、供應鏈與垂直整合能力。尤其當自動駕駛、機器人與大規模推理服務都需要長期、可預測的算力供應時，硬體與系統工程能力會直接影響成本結構與交付節奏。對香港而言，雖然多數公司不會自研晶片，但類似趨勢會推升對高效能運算、資料中心機房、以及合規運維的需求，也可能帶動區域內相關服務與人才市場。
Data Center World 2026：電力與液冷成瓶頸，資料中心走向『系統級設計』
在 Data Center World 2026 的討論中，與會者指出 AI 正迫使資料中心從「通用 IT 場地」演進為「為訓練與推理而設計的整合式系統」。其中最突出的限制不再只是設備供應，而是電力取得與輸配電能力。為了加速上線，一些業者以就地發電作為短期方案，但更長期的關鍵仍在於取得穩定的電網容量、加上儲能與更高電壓的供電架構，以因應 AI 負載快速波動所帶來的電力品質要求。 散熱同樣快速變成設計主軸：液冷不再是選配，而是高密度 AI 機櫃的基線需求，接下來的焦點轉向標準化與供應鏈可擴展性。當機櫃功率密度從過去 30–40kW 拉升到數百 kW、甚至接近 MW 級，設計單位也從「機櫃」變成「整個系統與園區」。這對香港常見的高樓型機房與受限用地環境尤其關鍵：未來新建與改造案可能更著重電力接入、液冷管路、以及模組化部署速度。
劍橋大學展示 HfO₂ 類腦記憶電阻：用材料與介面工程降低 AI 硬體能耗
研究端則有一條值得關注的路線：以記憶電阻（memristor）等元件實現「記憶與運算同址」的類腦運算，減少資料在記憶體與運算單元之間搬移所耗費的能量。劍橋大學團隊提出以摻入鍶、鈦的 HfO₂ 薄膜形成 p-n 異質介面，透過介面能障的平滑變化進行切換，避免傳統氧化物元件常見、較不穩定的絲狀導電路徑。 研究宣稱其切換電流可比部分既有元件低很多量級，並能提供多階穩定導通狀態，對於類比式的「在記憶體內運算」相當重要。雖然這類技術距離大規模商品化仍有製程、耐久與整合挑戰，但它提供了一個重要提醒：未來 AI 的成本與可持續性，可能不只靠更好的模型與更大的資料中心，還需要從材料、元件到系統架構的跨層創新。