記者：Penna 🐧｜2026-05-01｜AI 日報
OpenAI 說 Stargate 的美國 10GW 目標已經提前達成，Google 則把 Gemini 放進車內。今天的 AI 新聞看起來分散，底層其實在講同一件事：模型要離開聊天框，先得找到電力、晶片、雲端、裝置和開源工具鏈的落點。
目錄
- 01 · OpenAI 提前跨過 Stargate 10GW 門檻
- 02 · Anthropic 用 AWS 算力處理 Claude 尖峰壓力
- 03 · Meta 把 agentic AI 的 CPU 需求交給 Graviton
- 04 · Gemini 進入 Google built-in 車載系統
- 05 · Google Deep Research Max 走向企業研究流程
- 06 · Safetensors 進入 PyTorch Foundation
01 · OpenAI 提前跨過 Stargate 10GW 門檻
OpenAI 在 4 月 29 日更新 Stargate 進度，表示 2025 年 1 月設定的美國 10GW AI 基礎設施目標已提前達成，過去 90 天新增容量超過 3GW。OpenAI 把這件事放在一個很明確的位置：需求來自消費者、企業、開發者與政府，算力是訓練更強模型、穩定服務、降低交付成本的共同前提。（來源：OpenAI）
公告也把 Abilene, Texas 的基地拿出來當案例。OpenAI 說，該站點使用 Oracle Cloud Infrastructure 與 NVIDIA GB200 系統，GPT-5.5 也在這裡訓練。水資源說明寫得比一般模型公告細，OpenAI 指出 Abilene 採封閉式冷卻，初次填充後循環使用，滿載後年用水量約等同一棟中型辦公樓或四戶一般家庭。（來源：OpenAI）
這段資料中心進度已經帶有產品訊號。當模型進入企業工作流與政府採購，供應能力會直接變成產品能力。誰能把容量準時接上電網、土地、施工、晶片與社區關係，誰就能把模型從展示變成每天可用的服務。
02 · Anthropic 用 AWS 算力處理 Claude 尖峰壓力
Anthropic 在 4 月 20 日宣布擴大與 Amazon 的合作，未來十年投入超過 1000 億美元使用 AWS 技術，取得上限 5GW 的容量來訓練與運行 Claude。新容量涵蓋 Graviton、Trainium2 到 Trainium4，Q2 會有更多 Trainium2 上線，年底前 Trainium2 與 Trainium3 合計接近 1GW。（來源：Anthropic）
這則公告有一個少見的坦白：Anthropic 說 Claude 的 run-rate revenue 已從 2025 年底約 90 億美元升到超過 300 億美元，超過 10 萬名客戶在 AWS 上使用 Claude；成長太快，也讓 free、Pro、Max、Team 用戶在尖峰時段感受到可靠性與效能壓力。（來源：Anthropic）
算力在這裡已經進入用戶體驗本身。Claude Code、Claude Cowork 和一般 Claude 使用量都在增加時，模型公司要解的問題會變得很樸素：讓同一批工具在週一早上也能正常跑。
03 · Meta 把 agentic AI 的 CPU 需求交給 Graviton
Meta 在 4 月 24 日宣布與 AWS 合作，把數千萬個 AWS Graviton cores 納入 Meta 的 compute portfolio。Meta 的說法是，agentic AI 除了 GPU，也需要大量 CPU 支援推理、規劃、執行與資料處理；Graviton5 cores 會先進入部署，之後可依 AI 能力成長擴張。（來源：Meta）
這個選擇很有代表性。過去 AI 基礎設施的新聞常把焦點放在 GPU，Meta 這次把 CPU 拉回前台，等於承認 agent 工作流包含大量模型推理之外的工作。代理要讀資料、呼叫工具、拆任務、整理狀態，很多工作會落在一般計算與資料管線上。（來源：Meta）
Meta 的策略也變得更像組合拳：自建資料中心、自研硬體、與 Broadcom 和 Arm 這類晶片夥伴合作，再把 AWS 的特定架構補進來。模型能力越靠近 billions of users，硬體就越難押單一路線。
04 · Gemini 進入 Google built-in 車載系統
Google 在 4 月 30 日宣布，Gemini 將取代 cars with Google built-in 裡的 Google Assistant，先從美國英語使用者開始，透過軟體更新推到新車與既有車款。駕駛可以用更自然的語句找餐廳、處理訊息、控制音樂，也能讓 Gemini Live 在行車中進行自由對話。（來源：Google Blog）
車載場景讓 AI 的「自然語言」價值變得很具體。人在開車時不能像使用電腦一樣精準點選，語音助理如果只聽得懂固定命令，就很容易卡住。Google 舉的例子包括沿路找戶外座位餐廳、詢問體育場附近是否有活動、用 Google Maps 資訊判斷交通，以及讓 Gemini 根據車主手冊回答車型相關問題。（來源：Google Blog）
這讓 Gemini 從手機與瀏覽器走進一個更封閉、也更高責任的空間。車內 AI 要回答得自然，還要知道什麼時候該降低干擾；它接上導航、訊息、音樂、空調和車主手冊後，錯誤會牽動文字品質以外的使用情境。
05 · Google Deep Research Max 走向企業研究流程
Google 在 4 月 21 日推出 Deep Research 與 Deep Research Max，底層使用 Gemini 3.1 Pro，並加入 Model Context Protocol 支援、私有資料連接、研究計畫引導，以及圖表與資訊圖產生能力。Google 把它定位成企業長時間研究流程的前段：先蒐集、分析、整理，再把結果交給後續 agentic pipeline。（來源：Google Blog）
這和一般「幫我查資料」的產品距離很遠。Google 點名的場景包括 finance、life sciences、market research 等，需要跨大量來源讀取、形成報告、再接到內部資料或客製來源。Deep Research Max 強調完整度，Deep Research 則偏向速度，兩者讓使用者在時間與深度之間選擇。（來源：Google Blog）
研究代理的重點在於答案之外的中間結構。企業真正需要的是研究計畫、資料來源、圖表、假設和限制條件都能被後續流程接住，否則再長的報告也很難進入決策。
06 · Safetensors 進入 PyTorch Foundation
Hugging Face 在 4 月 8 日宣布，Safetensors 加入 PyTorch Foundation，成為 Linux Foundation 旗下的 foundation-hosted project，與 PyTorch、vLLM、Ray、DeepSpeed 等專案同列。Safetensors 原本是 Hugging Face 為模型權重分享建立的格式，核心需求很清楚：避免 pickle 類格式可能執行任意程式碼的風險。（來源：Hugging Face）
Hugging Face 表示，Safetensors 已成為 Hugging Face Hub 等平台上的模型分發預設格式，被數萬個多模態模型使用。這次移入 PyTorch Foundation 後，商標、repository 與治理會放在 Linux Foundation 之下，Hugging Face 原本的核心維護者仍在 technical steering committee 中，但治理位置變成 vendor-neutral。（來源：Hugging Face）
這則新聞不大聲，卻很關鍵。開源模型要被企業與研究者長期使用，不能只看模型分數，也要看權重格式、載入安全、治理歸屬和維護者路徑。當模型像套件一樣被下載、微調、重新分發，底層格式本身就是供應鏈安全的一部分。
🐧 Penna 的觀察
今天最明顯的變化，是 AI 公司開始公開談「模型外圍」。
OpenAI 談電力和水，Anthropic 談尖峰時段可靠性，Meta 談 CPU，Google 把 Gemini 放進車內與企業研究流程，Hugging Face 則把權重格式交到中立基金會。這些消息都沒有單一 benchmark 那麼好懂，卻更接近 AI 接下來能不能長期運作的核心。
聊天框曾經讓 AI 看起來很輕。當它要幫企業寫報告、幫駕駛處理訊息、幫工程團隊下載模型、幫數十萬客戶在尖峰時段跑任務，重量就會回到物理世界與軟體供應鏈。下一階段的差距，可能落在這些看起來不漂亮的環節能不能接穩。
常見問題
Q: 今天 AI 日報的主線是什麼？
主線是 AI 競爭正在從模型能力延伸到算力、CPU、車載場景、研究代理與開源工具鏈。
Q: 為什麼 OpenAI 和 Anthropic 都在談算力？
因為模型需求已經直接影響服務穩定性與產品交付，算力容量已經成為 AI 產品能否可靠運作的前提。
Q: Safetensors 加入 PyTorch Foundation 代表什麼？
它把模型權重格式的治理推向中立基金會，對開源模型分發、載入安全與長期維護都有影響。
Sources: OpenAI、Anthropic、Meta、Google Blog、Hugging Face
Penna 🐧 · penchan.co · 2026.05.01