今天三則 AI 新聞，看起來一則談安全、一則談機器人、一則談記憶體。
但把它們放在一起，其實剛好回答 AI 下一階段最重要的三個問題：
模型愈來愈強之後，誰來測它？
它能不能真的進入實體世界工作？
背後需要的硬體供應跟不跟得上？
AI 競爭開始不只是 Benchmark。
而是從模型一路往外擴張到：
Evaluation → Physical AI → Infrastructure。
① Anthropic＋Accenture：外部評測者直接進 AI 公司裡面測模型
Anthropic 9 月 18 日宣布，將和 Accenture 合作建立一種新的 Embedded Evaluation。
這和一般「模型發布後找外面的人測一測」不太一樣。
Anthropic 的構想是：
讓獨立評測者直接進入 AI 公司內部工作。
合作將由 Accenture 旗下專門做 AI 的 Faculty 團隊主導，工作包括：
- Model Evaluation
- Red Teaming
- Alignment Assessment
- Safeguard Testing
而且 Embedded Evaluator 能取得接近公司員工層級的存取。
這件事特別值得注意，因為 Anthropic 自己也承認：
這種制度還很新，很多實際運作細節仍在設計。
也就是說，這不是一套已經被證明完美有效的監管制度。
而是一個新的嘗試：
如果 AI 公司自己開發、自己測、自己宣布安全，外部的人到底能不能真正看清楚模型在內部發生什麼？
Anthropic 想把第三方評估再往裡推一層。
五年，雙方至少各投入 10 億美元
這次合作不是只找幾個顧問做一次 Assessment。
Anthropic 與 Accenture 表示：
未來五年，
雙方預計至少各投入：
10 億美元。
也就是合計至少：
20 億美元的能力建設。
這些資源不是拿去訓練下一代 Claude 本身，而是建立：
- 評測人才
- Red Team 能力
- Alignment Testing
- Model Safeguards
- Enterprise AI Safety Expertise
這個數字本身就透露一件事。
AI Safety 正逐漸從：
「模型發布前做幾個 Benchmark」
變成：
一個需要大量人力、工具、制度與持續投入的新產業。
而且這和 9 月 10 日 SasaDaily 整理過的 ENISA 直接取得前沿模型進行政府測試，又是另一種方向。
前者是：
政府從外面測。
這一次則更像：
獨立評測者直接進到 AI Lab 裡面測。
② Spirit AI：機器人的「ChatGPT Moment」最快可能 2027 年中出現？
第二則來到 Physical AI。
中國機器人新創 Spirit AI 創辦人 Gao Yang 向 Reuters 表示，他認為 Embodied AI 最快可能在 2027 年中出現一次類似 ChatGPT 的能力突破。
這裡首先要分清楚：
這是公司創辦人的預期，不是已經發生的事實。
也不能理解成：
2027 年機器人就一定會像科幻電影一樣到處工作。
Spirit AI 指的突破比較具體：
讓機器人收到自然語言指令後，
能理解：
人到底要它完成什麼工作，
再自己控制身體去完成。
今天的大語言模型已經很會處理：
文字、
圖片、
聲音。
但機器人多了一個非常麻煩的問題：
它真的要碰東西。
Spirit AI 現在做到什麼程度？
Reuters 報導，Spirit AI 目前在結構化環境中的簡單任務，成功率大約可以達到：
90%。
公司的 Moz1 Humanoid Robots 已有數十台進入 CATL 與 JD.com 等公司的生產線工作。
但這不代表它們已經具備通用人類能力。
目前比較適合的是：
- 環境相對固定
- 任務範圍明確
- 動作可以大量練習
- 工廠能控制變數
這也是為什麼創辦人認為：
Industrial Deployment 可能比 Household Deployment 更早成熟。
家庭反而更難。
因為家裡的：
衣服、
杯子、
桌椅、
垃圾、
人、
寵物、
空間
每天都可能不同。
對機器人來說，這種環境遠比固定產線複雜。
他們不用 Simulator 當主要資料來源
Spirit AI 另一個值得注意的做法，是大量使用真實世界資料。
Reuters 報導，公司目前大約透過：
1,000 名 Contractors
替機器人收集真實操作資料。
原因之一是：
一些柔軟、會變形的物體，很難在 Simulation 裡完全還原。
例如：
衣服、
袋子、
線材
被抓起來之後，每次形狀都可能不同。
所以 Physical AI 接下來的一場競爭，可能不只是誰有最大的模型。
而是：
誰有大量、高品質、真實世界的機器人操作資料。
③ CXMT 準備從 DRAM 跨進 NAND
第三則則回到所有 AI 背後最現實的東西：
記憶體。
Reuters 9 月 18 日報導，中國記憶體大廠 ChangXin Memory Technologies，也就是 CXMT，正在規劃跨進 NAND Flash 市場。
CXMT 過去主要專注：
DRAM。
而中國另一家大廠 YMTC 主要做：
NAND。
原本兩家公司某種程度上各守一條產品線。
現在這條界線可能開始消失。
CXMT 計畫在北京新廠建立一條 NAND 研發生產線，並已開始與潛在客戶討論，其中包括一家未具名的 AI-focused Startup。
為什麼現在想做 NAND？
原因之一正是：
AI Server。
AI Server 不只需要 GPU。
一台真正工作的 AI Server，還需要大量：
- HBM
- DRAM
- NAND Storage
- Networking
- Power
- Cooling
尤其 AI Dataset、Model Checkpoint、Vector Database、Inference Cache 等資料量愈來愈大，Storage 本身也開始變成瓶頸。
Reuters 指出，目前全球 NAND 市場正面臨供應吃緊。
CXMT 如果真的跨入 NAND，未來面對的就不只是中國 YMTC。
還包括：
- Samsung
- SK Hynix
- Micron
等全球主要記憶體業者。
中國記憶體版圖也可能重新排列
這裡不能把事情簡化成：
CXMT 宣布做 NAND，所以中國已經能取代國際記憶體廠。
目前還只是擴張計畫，而且 NAND 本身也有：
製程、
Yield、
Controller、
Customer Qualification、
成本
等大量現實問題。
但它透露一個趨勢：
以前 AI 晶片戰大家最常看 GPU。
接下來愈來愈多競爭會落到：
GPU 周圍的每一個零件。
HBM 不夠，
AI Server 出不了貨。
DRAM 不夠，
System Capacity 受限。
NAND 不夠，
資料存不下、載入速度上不去。
AI 基礎建設正在把記憶體從「電腦零件」，推成戰略資源。
今天三則新聞，其實是一條完整的 AI 生產鏈
把今天三件事情放在一起看：
Anthropic＋Accenture
在解決：
「模型變強後，誰來證明它夠安全？」
Spirit AI
在解決：
「模型怎麼從螢幕裡走出去，真的控制身體做事？」
CXMT
在解決：
「AI 規模愈來愈大，底下需要的硬體誰來供應？」
所以 AI 下一階段的競爭可能不再只是：
誰發布最強的新模型。
而是整條鏈都要跟上：
模型
→ 評測
→ 部署
→ 實體世界
→ 晶片
→ 記憶體
→ 基礎設施。
AI 愈接近真實世界，
真正困難的事情反而愈多。
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。
推薦閱讀
今日 AI 工具｜2026/09/11：Qodo Agentic Toolbox，讓另一個 AI 先檢查 Claude Code、Codex、Kiro 的改動，再開 Pull Request
機器人以前換新工作常要收幾十小時資料，為什麼 Skild 現在只給它看一支影片？
AI 晚報｜2026/09/16：SK Hynix 據報洽 Intel 首次在美製造記憶體，Ohio 廠可能接手，AI 記憶體供應鏈再往美國搬
