早安，今天是 2026 年 8 月 2 日。
今天三則 AI 消息，分別談到生成式 AI 進入真實地理影像後的假訊息風險、AI 投資如何直接推高亞洲晶片與電腦出口，以及模型價格下降後，企業應該如何重新計算 AI 的真正成本。
三件事共同顯示，AI 的影響已經不只存在於聊天室裡。它開始改變我們看到的世界、全球供應鏈的貨物流向，以及企業判斷一項工作值不值得交給 AI 的方式。
第一則：Google Earth 推出 AI 實景生成一天後暫停
Google 將一項 AI 圖片生成功能加入 Google Earth，讓使用者可以在真實衛星、空拍與 3D 地景的基礎上，輸入文字生成逼真的新畫面。
例如，使用者可以選擇一個真實地點，再要求 AI 改變建築、天氣、植被或城市環境。
這項功能原本可用於：
- 城市規劃概念圖。
- 景觀與建築設計。
- 氣候變化情境模擬。
- 地理教育與公共溝通。
- 災害防治方案展示。
但功能推出僅一天，Google 就宣布暫停。
原因是部分使用者分享的生成畫面疑似違反公司政策，也引發外界擔心，真實地理影像可能被用來製作不存在的事件或地標場景。
一般 AI 圖片是在空白畫布上生成；當 AI 直接修改真實城市、地標與衛星影像時，畫面更容易被誤認為真正發生過的事。
Google Earth 的 AI 圖片為什麼特別容易造成誤解？
一般觀眾看到 Google Earth 畫面時，通常會預期它來自真實世界。
因為這項服務長期被用於：
- 查看地點與建築。
- 確認道路與環境。
- 觀察城市變化。
- 分析自然災害。
- 支援新聞、研究與公共政策。
當 AI 生成內容與這些真實資料混合後，使用者可能看到一張非常可信的畫面，卻不知道其中部分建築、災害或活動從未存在。
可能出現的濫用包括：
- 製作不存在的災害現場。
- 讓地標看起來已被破壞。
- 捏造軍事、政治或抗議活動。
- 偽造房地產周邊環境。
- 製作誤導性的城市開發宣傳。
Google 表示，生成畫面沒有出現在 Google Earth 的主要瀏覽體驗中，而且會附有 AI 浮水印。
但公司仍決定先暫停功能，等待建立更強的安全限制。
有浮水印為什麼還不夠？
浮水印可以降低誤解，但不能完全阻止濫用。
內容仍可能經過：
- 裁切。
- 截圖。
- 重新壓縮。
- 加上新的標題。
- 脫離原平台後再次發布。
當一張圖離開原始工具，觀眾未必能看見生成來源。
因此，生成式地理影像除了可見標示，還需要：
- 保存機器可辨識的來源資訊。
- 限制高風險地點與事件生成。
- 偵測可能冒充新聞的使用方式。
- 讓驗證工具能回查原始內容。
- 對重大修改保留完整紀錄。
這件事也說明，產品測試不能只檢查正常使用者會怎麼用，還要在上線前測試使用者可能如何故意製造誤導。
第二則：韓國半導體出口年增 179%
韓國公布 7 月初步貿易資料，出口較去年同期增加 62.8%，達到 988.9 億美元，高於市場原本預期的 59%。
其中最明顯的成長來自 AI 相關需求：
- 半導體出口年增 179%。
- 電腦出口年增 404%。
- 對中國出口增加 96%。
- 對美國出口增加 69%。
韓國 7 月貿易順差達到 303.2 億美元。
這些數字顯示，大型科技公司興建 AI 資料中心的支出，正在轉變成真實的記憶體、電腦與伺服器需求。
AI 投資不只存在於科技公司的財報支出中，它已經變成晶片工廠的訂單、出口港口的貨櫃，以及國家貿易數字的一部分。
為什麼韓國特別受益？
大型 AI 系統需要大量高速記憶體與儲存設備。
韓國擁有 Samsung Electronics 與 SK Hynix 等主要記憶體製造商，是全球 AI 供應鏈的重要環節。
AI 資料中心不只需要運算晶片，還需要：
- 高頻寬記憶體。
- 伺服器記憶體。
- 儲存設備。
- 電腦與伺服器系統。
- 高速資料傳輸元件。
因此，即使一家韓國企業沒有直接推出聊天機器人，也可能因為供應 AI 基礎設施而受益。
出口暴增就代表 AI 市場沒有泡沫嗎？
不能這樣判斷。
出口增加證明目前確實存在強勁需求，但不能自動保證所有投資最終都能獲利。
仍然需要觀察：
- 大型科技公司的 AI 收入能否跟上支出。
- 資料中心的使用率是否維持高檔。
- 晶片供應增加後價格是否下跌。
- 企業是否持續擴大 AI 預算。
- 供應商是否過度依賴少數大型客戶。
韓國股市先前也曾因市場擔心 AI 支出放緩而大幅波動。
這反映同一件事可以同時成立：
- 目前 AI 晶片訂單非常強。
- 投資人仍然擔心未來回報是否足夠。
真正要看的不是單月出口，而是需求能否持續、客戶是否真正使用，以及投入的資本最後能不能產生收入。
第三則：OpenAI 大幅降低 GPT-5.6 模型價格
OpenAI 表示，已將 GPT-5.6 Luna 的輸入價格降低 80%，並將 GPT-5.6 Terra 的價格降低 20%。
調整後的 API 價格為：
- GPT-5.6 Luna：每百萬輸入 Token 0.20 美元，輸出 Token 1.20 美元。
- GPT-5.6 Terra：每百萬輸入 Token 2 美元，輸出 Token 12 美元。
GPT-5.6 Sol 的 Fast mode 則可以提供最高約 2.5 倍速度，價格為標準處理的兩倍。
這代表開發者可以依照任務，在成本、速度與能力之間做更細的選擇。
價格降低會帶來什麼改變？
過去一些 AI 工作雖然技術上做得到，但使用成本太高。
模型價格下降後，更多工作可能開始具有商業可行性。
例如：
- 大量客服訊息分類。
- 文件與商品資料整理。
- 網站內容初步檢查。
- 小型企業內部知識搜尋。
- 大量但低風險的文字轉換。
- 需要每天持續執行的 AI 工作流程。
企業也可能採取分層使用：
- 簡單任務先交給低成本模型。
- 困難或失敗任務再轉交更強模型。
- 高風險結果最後交由人工檢查。
這比每一項工作都使用最昂貴模型更有效率。
最便宜的模型一定最省錢嗎？
不一定。
模型單價低，但如果需要多次重問、反覆修正或大量人工接手，最後成本可能反而更高。
企業應該一起計算：
- 模型 Token 費用。
- 完成一項工作所需時間。
- 平均需要重試幾次。
- 人工檢查與修改時間。
- 錯誤造成的補救成本。
- 最後成果能否真正使用。
企業購買的不是 Token，而是完成的客服、整理好的文件、可以部署的程式，以及能交付給客戶的結果。
OpenAI 為什麼強調「完整系統」？
OpenAI 表示，模型效率不只取決於模型本身。
周圍的系統同樣重要，包括：
- 把不同任務分配給適合的模型。
- 管理長對話與工作背景。
- 避免 Agent 重複執行相同工作。
- 提供更可靠的工具。
- 減少完成任務所需的步驟。
OpenAI 表示，GPT-5.6 Sol 曾協助優化公司用來提供模型服務的正式軟體，使端到端服務成本降低 20%，並使部分 Token 生成效率提高超過 15%。
官方也指出，在沒有更換模型的情況下，改善推理保存與上下文管理，讓 GPT-5.6 Sol 在一項公開測試中的成績從 13.3% 提升至 38.3%，同時使用的輸出 Token 減少六倍。
這說明 AI 工作流程的效率，不應只靠換更強模型。
重新設計資料、工具、提示、模型路由與人工確認點，也可能帶來很大改善。
企業該怎麼選擇不同模型？
可以先把工作分成三層：
- 低風險、大量重複：分類、格式整理、簡單摘要，可先測試低成本模型。
- 中度複雜：跨文件比較、研究整理、程式修改，可使用能力較強的模型並加入檢查。
- 高風險：付款、正式合約、醫療、法律及不可逆操作，必須保留專業人工批准。
不要只問「哪個模型最強」。
更實用的問題是：
- 這項任務需要多高的準確度。
- 錯誤發生後有多嚴重。
- 結果能不能快速驗證。
- 速度是否真的重要。
- 完成一項可用成果總共需要多少成本。
今天三則消息放在一起代表什麼？
- 內容風險：AI 一旦能修改真實地理影像，安全設計必須處理內容離開平台後的誤導問題。
- 產業需求：AI 投資已轉變成真實晶片、記憶體與電腦出口，影響國家經濟與供應鏈。
- 使用成本：模型價格持續下降，競爭開始轉向誰能以更低總成本完成真正有用的工作。
生成式 AI 的發展正在同時走向兩個方向。
一方面，模型與運算愈來愈便宜，更多人能夠使用。
另一方面，使用範圍愈廣，誤導、錯誤與大規模部署帶來的風險也會增加。
AI 變便宜，會讓更多工作值得自動化；AI 變普及，也會讓內容來源、供應鏈風險與人工責任變得更重要。
對一般使用者最重要的提醒
- 看到真實地標或衛星畫面，也要確認是否經過 AI 修改。
- 不要只用單月出口數字判斷 AI 投資一定成功或一定泡沫。
- 選擇 AI 模型時，不要只比較每百萬 Token 單價。
- 把重試、修改、檢查與錯誤成本一起計算。
- 低成本模型適合擴大量，高風險工作仍要保留人工確認。
今天最重要的判斷
Google Earth 暫停 AI 圖片生成，提醒我們真實資料與生成內容結合後，誤導風險會比一般 AI 圖片更高。
韓國半導體與電腦出口大幅增加，證明全球 AI 建設確實正在創造真實訂單。
OpenAI 降低模型價格，則代表 AI 使用門檻還會繼續下降，但企業衡量成本的方法也必須更加成熟。
AI 的下一階段，不只是生成得更像、晶片賣得更多或模型變得更便宜，而是我們能不能在擴大使用的同時，分清內容真假、看懂投資需求，並計算一項工作真正完成的總成本。
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
