WEBVTT
NOTE Title: [2026-11-14] 微軟全球大當機重創數百萬企業、黃仁勳閃辭引發輝達內部員工請願潮

1
00:00:00.000 --> 00:00:36.850
<v 女>歡迎收聽 DAVID888 Daily 每日放送，我是 Cordelia。如果大家有聽我們昨天的節目，應該還記得我們深入聊過震撼半導體產業的頭條——輝達共同創辦人兼執行長黃仁勳突發辭職的消息。而不到二十四小時，這場海嘯已經在輝達內部引發了巨大的連鎖反應，員工們發起了內部請願，要求董事會把老長官請回來！

2
00:00:36.850 --> 00:01:40.870
<v 男>我是 David。這份在輝達內部意見箱發起的請願，短短時間內就湧入了超過一千六百則留言，絕大多數員工都在高喊『Bring Back THE Boss』。從工程與企業文化的角度來看，這完全可以理解。黃仁勳執掌輝達超過三十年，他親手打造了 CUDA 生態系與軟硬體整合架構。對工程師來說，這不是單純換一個執行長，而是整家公司的技術靈魂突然被抽離。尤其現在接任的是財務長 Colette Kress，董事長換成 Harvey Jones，即便面對聯邦調查與外遇風波引發的萬億美元市值蒸發，基層員工顯然更恐慌失去帶領他們突破硬體極限的舵手。

3
00:01:40.870 --> 00:02:21.730
<v 女>在晶片龍頭動盪的同時，AI 軟體巨頭也做出了極具象徵意義的架構轉向。OpenAI 正式解散了他們獨立的機器人硬體研發團隊，把研究人員分散整編到 Mark Chen 負責的核心研究團隊，以及 Greg Brockman 主導的應用部門。OpenAI 的官方說法非常大膽：他們認為機器人已經不是一個獨立的專門問題，而是通用大模型的下游應用！

4
00:02:21.730 --> 00:03:26.220
<v 男>這在工程界引發了巨大的爭議。OpenAI 拿出 GPT-6 Astra 在模擬環境下達到百分之七十四點八的控制成功率，宣稱通用多模態模型可以直接掌控機器人。但真實世界的物理控制不是在雲端跑模擬器。底層伺服馬達、PWM 脈衝寬度調變訊號、逆向運動學計算，都需要千赫茲等級的即時硬體回饋。你不可能把每一幀感測器數據都丟上雲端，等待幾十毫秒甚至幾百毫秒的 Token 推論再來決定機器人會不會跌倒。再加上 OpenAI 上季虧損近一百一十億美元、正準備二零二七年 IPO，這次裁撤團隊恐怕更多是砍掉邊緣業務、集中資源在主力商業模型的財務考量。

5
00:03:26.220 --> 00:03:56.460
<v 女>說到機器人世界的物理理解，最近有一篇非常硬核的實證研究正好打在痛點上。研究者 Haddy Alchaer 針對 Yann LeCun 主導的 JEPA 架構模型 LeWM 進行了超過六百次實驗，探討這類預測世界模型在機器人長序列任務中的真實表現。

6
00:03:56.460 --> 00:05:17.010
<v 男>這篇實驗非常有價值，它直接釐清了 JEPA 的本質。不同於傳統像 Sora 那樣用昂貴的像素重建去預測未來，JEPA 是在壓縮後的特徵向量空間中預測下一狀態。作者在 Push-T 基準測試中發現，如果只看二十五步的短推論，LeWM 的預測能力已經跟完美的物理模擬器平起平坐，成功率接近九成；但拉長到七十五步時，單次推論成功率就暴跌到兩成左右。他透過建立展示軌跡的潛在記憶圖，並在跨軌跡跳躍時加入代價函數，將長序列成功率一口氣拉回八成五。更驚人的是，他抓出了一個致命缺陷：目標評估函數裡如果包含了推桿本身的座標，模型就會為了讓推桿對齊而放棄搬運積木，只要把推桿座標從損失函數剝離，成功率立刻翻了四倍！這證明了世界模型在控制層的瓶頸往往不是物理擬真度，而是任務目標定義的瑕疵。

7
00:05:17.010 --> 00:05:56.460
<v 女>從符號世界到物理世界，AI 的突破也正在改寫數學史。芬蘭邏輯學家 Jan von Plato 利用 Claude 成功解讀了二十世紀最偉大邏輯學家哥德爾在 1940 年代留下的十六本工作筆記，這些筆記採用了一種幾乎失傳的德語速記法 Gabelsberger，過去學者一年只能啃下五十頁，現在卻一口氣挖掘出數百條未公開的定理。

8
00:05:56.460 --> 00:06:59.530
<v 男>這個案例最棒的地方在於嚴謹性。很多人一聽到 AI 讀手稿就直覺聯想到幻覺，但團隊的做法是雙層驗證：Claude 負責在高維語義層面把一千多頁的零散速記概念串聯成六百五十頁的數學解釋，接著再把提取出來的六百六十三條候選定理，全部丟進嚴格的 Coq 形式化證明器中檢查。結果有四百條完全通過驗證，兩百條在微調前提假設後修復，只有五十條被判定為錯誤——這甚至符合哥德爾自己在筆記頁緣寫下的批註。特別是哥德爾當年差一步就完成的選擇公理獨立性證明，在 Claude 梳理結構並由 Coq 跑過之後，終於被證實當年在概念架構上完全成立。

9
00:06:59.530 --> 00:07:32.370
<v 女>有了形式化證明的嚴謹，我們回頭看日常的底層系統開發。資深架構師 Mihalis Tsoukalos 最近發表了一篇引發熱烈迴響的文章，深入探討他在系統程式設計中選擇 Zig 而非 C 語言的原因。這不是為了取代整個 UNIX 歷史，而是為了消除那些折磨人的樣板與陷阱。

10
00:07:32.370 --> 00:08:51.270
<v 男>他的論點非常切中底層工程師的痛處。在傳統 C 語言裡，釋放多個系統資源時，標準做法是用逆向的 goto 標籤，程式碼一長就容易漏掉；而 Zig 引入了 errdefer 機制，資源宣告當下直接在下方掛上延遲清理，編譯器會自動在錯誤返回時依相反順序執行，還能搭配 FailingAllocator 輕鬆對記憶體耗盡路徑進行百分之百的單元測試。再加上 Zig 的切片自帶長度資訊，徹底杜絕了 C 語言常見的指標越界與字串結尾符遺漏，以及用強大的 comptime 取代缺乏型別檢查的巨集預處理器。不過客觀來說，Zig 0.17 剛發布就造成不少語法相容性破壞，而且它依舊沒有 Rust 那樣的所有權借用檢查機制，在效能優化模式下依然得面對野指標與記憶體安全風險。

11
00:08:51.270 --> 00:09:17.020
<v 女>既然聊到底層效率，今天開源社群最震撼的發布莫過於 Edge0-145B。這款宣稱擁有千億參數規模的大模型，居然號稱能在三十個吉位元組記憶體以內的個人筆電上本地運行，而且解碼速度還能衝破每秒八十個 Token！

12
00:09:17.020 --> 00:10:34.740
<v 男>這確實是非常巧妙的系統工程包裝。仔細看它的底層架構，Edge0-145B 本質上是以 Qwen 3.8 Flash Next 為基底進行改造與微調，並使用了 Strata 推論引擎的分支版本。它能在二十九 GB 峰值記憶體運作的關鍵，在於極端的分層分級儲存設計：每六十四個稀疏專家共享兩組大型矩陣，每次推論只有大約一百億參數被激活；最活躍的專家留在 GPU 記憶體，次要專家放在四十 GB 的系統記憶體，高達四十八 GB 的 n-gram 詞表則直接置放於高速 NVMe SSD 上按需讀取。這種設計雖然把大型 MoE 塞進了個人電腦，但如果你沒有滿血的硬體匯流排頻寬與足夠的統一記憶體，一旦發生頻繁的專家快取置換，推論效能很可能會面臨斷崖式下跌。

13
00:10:34.740 --> 00:11:07.330
<v 女>但能把運算從雲端拉回本地，價值真的太大了。Scott Goldman 就寫了一篇精彩的實戰記錄，他利用 AI 逆向工程破解了自家的 Coway 空氣清淨機，徹底擺脫原廠那套動不動就當機、甚至隨意封鎖第三方請求的雲端服務，成功接入本地的 Home Assistant。

14
00:11:07.330 --> 00:12:11.820
<v 男>這個案例赤裸裸地揭露了消費級物聯網硬體粗製濫造的軟體安全現狀。作者原本以為需要動用進階的中間人攻擊與假憑證，結果抓包一看，這台清淨機在開機引導時，居然是透過未加密的純 HTTP 向 AWS S3 下載根憑證！硬體承包商為了避免未來憑證過期導致設備變磚，竟然採用這種形同虛設的安全實作。接著作者透過藍牙日誌與反編譯 Android 應用程式，發現 Wi-Fi 配對時使用的 AES 金鑰只是把隨機字串跟設備的 MAC 地址拼接在一起。作者直接把配對參數裡的憑證伺服器與 MQTT 端點換成自家樹莓派，幾分鐘內就完成了完全本地化的控制閉環。

15
00:12:11.820 --> 00:12:45.600
<v 女>這種希望將控制權留在開發者手中的思維，也反映在今天 GitHub Trending 破萬星的專案 Plannotator 上。它為 Claude Code、Codex 等主流終端 AI 代理人提供了一個本地瀏覽器端的審查工作區，讓人類工程師能即時標註計畫、檢查差異與回傳決策。

16
00:12:45.600 --> 00:13:51.510
<v 男>這切中了多代理人開發模式的核心痛點。現在很多開發者抱怨自主代理人一旦放手跑起來，就會像脫韁野馬一樣擅自重構整個程式庫。Plannotator 的架構非常乾淨，它直接掛接到終端工具的權限鉤子，例如 Claude Code 呼叫 ExitPlanMode 時，本機伺服器會立刻攔截輸出並在瀏覽器拉起互動介面。工程師可以在 Diff 上逐行評論、劃掉不合適的架構規劃，甚至用 Vim 鍵位快速操作，確認無誤後一鍵回傳給代理人接續執行。而且所有計畫與草稿全部留在本機 SQLite，完全不依賴外部監控服務，在兼顧自動化與軟體架構品質之間抓到了極佳的平衡點。

17
00:13:51.510 --> 00:14:25.530
<v 女>但如果你的開發環境完全仰賴遠端雲端服務，今天可能過得非常崩潰。不僅 Anthropic 官方的 Claude.ai、Claude Code 與 API 控制台出現大規模認證異常；更嚴重的是微軟爆發了全球性的重大服務中斷，Outlook、Teams 與 Copilot 全面癱瘓！

18
00:14:25.530 --> 00:15:36.160
<v 男>這場微軟大當機造成的衝擊是天文數字級別的，經濟智庫初步估計全球生產力損失可能高達七十億美元。從倫敦警局被迫要求民眾改打電話報案、美國多個市政府公務中斷，到各國銀行的電子郵件系統全面卡死。微軟官方確認這不是駭客攻擊，而是在進行網路容量升級後的設定變更，導致底層路由出現問題，進而引發 Exchange Online 伺服器的大規模連線阻塞與逾時。為了解決積壓的數千萬封信件，微軟甚至不得不將郵件逾時等待窗口拉長到四十八小時。這再次暴露了過度集中化 SaaS 架構的單點故障風險——當整個世界的通訊基礎設施都託管在同一個巨型資料中心聚落時，一次網路配置失誤就能讓全球文明倒退回電話與紙本時代。

19
00:15:36.160 --> 00:16:13.480
<v 女>而且最可怕的是骨牌效應！很多團隊今天因為微軟 Outlook 癱瘓，連帶收不到登入用的雙身分驗證一次性密碼，導致其他所有需要信箱驗證的開發工具通通被鎖在門外。這也呼應了我們在十一月九號聊過的管制風波，當時高盛等華爾街機構直接禁用 Claude Code，某種程度上也是在提防這類外部依賴過深引發的營運風險。

20
00:16:13.480 --> 00:16:51.990
<v 男>這就是為什麼許多資深架構師始終對單一公有雲的集中化架構抱持懷疑態度。現代雲端巨頭口口聲聲說多區域容災、高可用性，但現實中全域共用的身分驗證伺服器、集中式路由策略或統一更新排程，隨時都會變成貫穿所有可用區的致命點。一旦底層爆掉，企業內部的 IT 人員根本沒有任何除錯介面或修復手段，只能無助地在狀態頁面前不斷重新整理。

21
00:16:51.990 --> 00:17:17.970
<v 女>集中式架構帶來的另一個長期噩夢，就是資料安全問題。巴西 Caixa Seguridade 保險公司今天發布市場通告，證實其子公司發生嚴重資安漏洞，全體七百六十萬名有效保戶的姓名與個人稅號 CPF 全數遭到外洩！

22
00:17:17.970 --> 00:18:12.070
<v 男>雖然官方強調保單金額、銀行帳號與密碼等財務憑證沒有被盜，但在當地的身分識別機制下，這依舊是嚴重的災難。在巴西，CPF 稅號基本上扮演了像是身分證字號與社會安全碼的角色，從藥局買成藥、辦手機門號到開立發票都要輸入。更危險的是，這次外洩的資料集具備極強的上下文屬性——駭客現在手上握有名單，清清楚楚知道這七百六十萬人全都是這家保險公司的特定保戶，這讓詐騙集團能夠發動極度精準的釣魚攻擊與身分冒用，甚至用來繞過部分金融機構脆弱的第一層電話或線上身分認證。

23
00:18:12.070 --> 00:18:46.550
<v 女>既然仰賴單一大型系統有這麼多包袱，社群裡也有許多開發者嘗試用輕量、模組化的方式來串接工具。開發者 Deyu Wu 在 Dev.to 上分享了他如何利用 MCP 模型上下文協議，打造出一個跨代理人的待辦清單 Offhand MCP，讓 ChatGPT 跟 Claude 可以互相派工！

24
00:18:46.550 --> 00:20:06.870
<v 男>這是一個非常符合 Unix 哲學的實踐。過去大家想讓多個 Agent 協作，往往試圖把龐大的對話歷史與 Context 整個搬運過去，既浪費 Token 又容易造成模型混淆。Deyu 的設計非常克制，他在 MCP 伺服器上只定義了三個工具：讀取任務、新增派工、以及回報執行狀態。例如 ChatGPT 寫完文案草稿後，只要掛上一條任務指定給 Claude 進行代碼或審閱，並註明完成條件；等到 Claude 的排程被觸發並完成工作後，再寫回結果摘要。這讓我想起我們在十一月十二號討論過聯合航空禁止外部代理人代訂機票的新聞，當時的核心爭議就是自主 Agent 缺乏邊界與授權管控。像 Offhand 這種基於標準協議、只傳遞狀態與工單的解耦架構，才是更務實的代理人協作路徑。

25
00:20:06.870 --> 00:20:35.930
<v 女>在資料流動這條工程鏈上，今天在 Product Hunt 奪下排名前列的開源資料複製引擎 Filament by Galaxy，也展現了極致的工程執念。這款用 Go 語言打造的工具，專門用來處理全量載入、增量複製與變更資料擷取 CDC。

26
00:20:35.930 --> 00:21:49.630
<v 男>Filament 的技術選型非常犀利。過去在資料工程領域，很多人用 Python 寫搬遷指令碼或依賴昂貴肥重的資料整合平台，常常面臨記憶體爆炸與延遲問題。Filament 採用了 Apache Arrow 作為記憶體內的資料交換格式，實現了零拷貝的高效批次傳輸；在處理資料庫 CDC 時，它能精準銜接 PostgreSQL 的邏輯複製槽。最亮眼的設計是它的端到端一致性校驗機制：每個 Arrow 資料批次在送往目標端前後都會計算校驗和，甚至比對序列化酬載，只有在目的地端完全確認寫入後，Checkpoint 才會向前推進。這種在傳輸層就內建嚴格校驗的單一二進位工具，對被雲端巨頭帳單綁架的資料團隊來說非常有吸引力。

27
00:21:49.630 --> 00:22:15.610
<v 女>綜觀今天的科技焦點，從微軟服務大當機、巴西保戶資料外洩，到大家熱烈追求在筆電本地跑百億參數大模型、逆向工程解鎖家電、以及用本地工具審查 AI 代理人，似乎能清晰看見一股強烈向『本地化』與『解耦控制』回流的趨勢。

28
00:22:15.610 --> 00:22:48.210
<v 男>這正是技術架構每隔幾年就會經歷的鐘擺效應。過去幾年市場在雲端化與完全託管的狂熱中，把所有身分、通訊與運算通通打包交給幾家科技巨擘；但當單點崩潰的代價高到難以承受時，工程界自然會重拾邊界感——追求更透明的底層語言、可自託管的資料管道，以及具備確定性防護的人機協作環境。

29
00:22:48.210 --> 00:23:09.000
<v 女>無論技術趨勢怎麼擺盪，保持對底層運作機制的敏銳與敬畏，永遠是工程師最有價值的護城河。感謝大家收聽今天的 DAVID888 Daily 每日放送，我們明天同一時間再見！
