今天三則 AI 新聞，

剛好可以分成三層。

第一層：

你每天從哪裡叫 AI 工作？

Microsoft 的答案是：

Copilot。

第二層：

這麼多 AI 工作真正在哪裡跑？

Anthropic 的答案之一是：

Akamai Cloud。

第三層：

當 AI 已經可以真的碰企業系統，誰來防守？

OpenAI 據報正在準備：

GPT-6 Cyber。

也就是：

工作入口。

基礎算力。

資安能力。

AI 競爭正在從：

「誰回答問題比較好」

往真正的企業基礎設施

繼續往下扎。

① Microsoft 把 Copilot 重做成 Home／Code／Autopilot：AI 不再只是 Office 旁邊的一個按鈕

Microsoft 9 月 25 日公布：

新版：

Microsoft Copilot。

這次不是：

又替 Word 多一個按鈕。

也不是：

再新增一個聊天模型。

Microsoft 直接把 Copilot

重新分成三個主要入口：

Home。

Code。

Autopilot。

而完整的：

Word。

Excel。

PowerPoint

也開始直接放進：

Copilot。

方向非常明確：

Microsoft 想讓人以後先進：

Copilot。

再決定：

要聊天。

做文件。

寫 App。

還是把工作交給 Agent。

Home：把 Chat 和 Cowork 放在一起

第一個入口：

Home。

它把：

Chat

和：

Cowork

放到同一個地方。

Chat 比較像：

我們現在熟悉的 AI。

問問題。

寫文字。

整理資料。

分析內容。

Cowork 則往前一步：

接一整段工作。

例如：

整理報告。

準備簡報。

找資料。

處理跨 App 任務。

所以 Home 想解決的是：

不要讓使用者先去想：

「這題到底應該開哪個 AI 功能？」

而是：

先說：

我要把什麼事情完成。

更大的變化是：Word、Excel、PowerPoint 本身也搬進 Copilot

以前的關係比較像：

Word 裡面：

有 Copilot。

Excel 裡：

有 Copilot。

PowerPoint 裡：

也有 Copilot。

也就是：

App 是入口。

AI 是：

裡面的功能。

這次 Microsoft

開始把方向反過來。

完整 Office App：

直接進入：

Copilot。

你可以在同一個 AI Workspace

裡：

碰文件。

試算表。

簡報。

而不需要一直：

Copilot。

↓

Excel。

↓

Copilot。

↓

Word。

↓

PowerPoint。

來回切。

這代表：

AI 本身開始變成入口。

Code：不會寫程式，也可以描述自己需要的工具

第二個入口是：

Code。

Microsoft 的概念很直接。

你不一定要先成為：

Software Developer。

可以直接描述：

「我要一個庫存 Dashboard。」

「做一個客戶追蹤工具。」

「把這個流程做成小 App。」

Code 再替你：

建立。

執行。

修改。

這和傳統：

Copilot 幫你補幾行 Code

不太一樣。

目標更接近：

把自然語言直接變成工作軟體。

這可能改變公司裡「小工具」是怎麼產生的

很多公司都有這種需求：

其實沒有大到：

值得正式開一個 IT Project。

但每天又真的很煩。

例如：

每週整理一次：

客戶名單。

做一個：

活動登記工具。

把：

三張 Excel

整理成：

一個 Dashboard。

做一個：

內部報價試算器。

以前通常是：

繼續用 Excel 撐。

或者：

請工程師有空再做。

Code 想把這類：

Long Tail Software

直接交給 AI。

但是能生成 App，不代表正式企業系統可以不管治理

真正進公司後，

問題很快會變成：

它用哪些資料？

誰能使用？

資料存在哪？

能不能連正式 Database？

誰可以修改？

出了錯怎麼查？

花多少 AI Usage？

所以 Microsoft 這次同時把：

Cost Control。

IT Governance。

Agent Management

放得很重。

因為：

當每個人都能自己做 App，

最大的問題很快就不再是：

「做不做得出來？」

而是：

「公司裡到底跑了多少個 AI 做出來的東西？」

第三個 Autopilot 更值得注意

Autopilot 不是：

Tesla 的 Autopilot。

這裡講的是：

Microsoft 的：

Always-on AI Agent。

它的概念是：

Agent 不需要你：

每次打一句 Prompt

才開始工作。

你先給它：

身份。

目標。

權限。

工作範圍。

它就可以：

持續在背景運作。

Microsoft 其實今年 6 月已經先透露這條路

當時 Microsoft

把第一個 Always-on Agent

叫做：

Scout。

現在新版 Copilot

則把這類 Agent

正式放進：

Autopilot。

例如：

你可以建立一個 Agent：

每天盯：

庫存。

Email。

Teams。

供應鏈資訊。

當它發現：

某個門市可能缺貨，

再主動：

提醒人。

也就是：

AI 不再只等：

「你問我。」

而開始：

自己等事件發生。

這就是 Agent 和 Chatbot 真正分家的地方

Chatbot：

你問：

它答。

Agent：

你給：

Goal。

它持續：

Monitor。

Decide。

Act。

Report。

甚至：

你已經離開電腦，

它還在跑。

對企業來說，

這當然很有吸引力。

因為真正的工作：

本來就不是：

一次一題。

但它也帶來：

更大的治理問題。

因為 Always-on 也代表 Always-consuming

Agent：

一直看資料。

一直跑模型。

一直檢查事件。

就會：

一直產生：

Compute。

Token。

Tool Calls。

Usage。

所以 Microsoft

這次不只談功能，

也把部分：

Cowork。

Code。

Autopilot

往：

Usage-based Billing

推。

這件事非常重要。

以前 SaaS 很容易：

每人每月 30 美元。

買 100 個 Seat：

大概知道成本。

Agent 不一樣。

一個 Agent：

一天工作兩次。

和：

一分鐘檢查一次，

成本完全不同。

所以 AI 工作開始從「買帳號」變成「買工作量」

這可能是企業 AI

下一個很大的改變。

以前主管問：

「Copilot 一個 Seat 多少錢？」

以後可能開始問：

「這個 Agent 每個月到底替我們做多少工作？」

「跑這些工作花多少？」

「結果值不值得？」

也就是：

AI ROI

會從：

Subscription

往：

Cost per Task

繼續走。

但新版 Copilot 不是今天所有人一次全部拿到

目前 Microsoft 採：

分階段 Rollout。

Code

已經先讓部分：

Frontier Early Access

使用者測試，

接下來再逐步擴大。

Autopilot：

也仍然處於：

Private Preview／Early Access

階段。

完整 Office in Copilot

同樣會：

分批推出。

所以：

「Microsoft 今天發表新版 Copilot」

不能直接理解成：

「現在每個台灣帳號都已經有 Home／Code／Autopilot 全套。」

這是：

產品方向已經正式確立。

實際取得時間：

仍要看帳號與 Rollout。

Microsoft 真正想搶的是「工作的第一個畫面」

以前：

早上開始工作，

可能先開：

Outlook。

Teams。

Excel。

Chrome。

現在 Microsoft 想像的是：

先開：

Copilot。

AI 知道：

你今天的會議。

文件。

Email。

工作。

Agent。

需要做什麼。

再從：

Intent

進入各種 App。

這已經不只是：

替 Office 加 AI。

而是在問：

AI 時代還需要以 App 為中心工作嗎？

② Anthropic 和 Akamai 簽 7 年、116 億美元合約：最有趣的不是 GPU，而是 CPU

第二則新聞：

沒有新模型。

卻可能更能看出：

AI 到底正在吃多少算力。

Akamai 9 月 24 日宣布：

與 Anthropic

大幅擴大合作。

Anthropic 承諾：

未來七年

向 Akamai 購買約：

116 億美元

Cloud Services。

而且合約還有：

進一步擴大：

最多額外：

90 億美元

的空間。

如果全部走完，

總潛在承諾：

接近：

200 億美元。

但這次 Akamai 特別寫的不是 GPU Workloads

而是：

CPU Workload Growth。

這點非常值得注意。

談 AI Infrastructure

大家很容易直接想到：

Nvidia GPU。

HBM。

大型 Training Cluster。

但 AI 服務真正上線後，

整套系統不只有：

神經網路推理。

還需要大量一般計算工作。

例如：

資料處理。

服務調度。

API。

Agent Orchestration。

Web Backend。

Security。

Storage Control。

Network Workloads。

也就是：

AI 公司愈大，

被吃掉的不只是：

GPU。

整個 Cloud Stack

都會跟著膨脹。

Akamai 說，這筆合約就是為 Anthropic 快速增加的 CPU 需求服務

Akamai 本來很多人比較熟悉的是：

CDN。

網站加速。

Cybersecurity。

但公司這幾年一直把自己往：

Distributed Cloud

推。

它的優勢不是：

只有幾座超大型資料中心。

而是：

全球大量：

Distributed Infrastructure。

Anthropic 現在簽下：

7 年的大型 Commitment，

等於讓 Akamai：

正式吃到前沿 AI Lab

非常大型的：

Cloud Infrastructure Workload。

116 億美元到底有多大？

Akamai 說：

為了履行目前這筆：

116 億美元 Commitment，

預計累計投入大約：

55 億美元 CapEx。

光 2026 年：

就準備多投入約：

17 億美元

去鎖定：

Memory

等關鍵供應鏈設備。

也就是：

Anthropic 簽一張合約。

Akamai 背後不是：

多開幾台 Server。

而是要：

真的買設備。

擴 Infrastructure。

拿 Data Center Capacity。

部署 Network。

準備 Memory。

這就是 AI Cloud

和普通 SaaS：

資本強度上的差別。

Akamai 預計真正大量收入要到 2028 年才完全跑起來

Akamai 的 Investor Presentation

顯示：

2027 年：

還主要在 Build-out。

預估當年相關收入大約：

1.5～3 億美元。

2028 年：

逐步 Ramp。

預計到：

2028 年底

才達：

Full Contracted Revenue Run-rate。

之後：

每年大約：

17 億美元

按合約期間認列。

這就是 Infrastructure

很現實的一面。

今天簽：

116 億美元。

不是：

明天就全部變營收。

更有意思的是：Anthropic 還拿到 Akamai 的 Warrant

這次合作不只是：

客戶付錢給供應商。

Akamai 還給 Anthropic：

Warrant。

如果合作逐步擴張，

Anthropic 最終可以取得：

相當於 Akamai

最高約：

5%

普通股的經濟權益。

目前：

和這筆 116 億美元 Commitment

相關的部分，

預計約：

2%。

如果後面再多承諾：

每：

30 億美元

Cloud Services，

還可以再觸發：

約 1%

的額外 Vesting，

最高再增加約：

3%。

這讓 AI Infrastructure 合約愈來愈不像普通租 Server

我們最近已經不斷看到：

AI 公司。

Cloud Provider。

Chip Company。

Data Center。

投資人。

彼此：

投資。

買算力。

簽長約。

拿股權。

再互相採購。

AI Supply Chain

開始變成：

非常緊密的：

Capital Network。

這也代表：

AI Demand

一旦低於預期，

影響的就不只是：

某一家模型公司。

而可能一路傳到：

Data Center。

Memory。

Power。

Cloud。

Credit。

CapEx。

Anthropic 的需求到底有多快，從這張合約已經很明顯

116 億美元。

七年。

而且：

還留了 90 億美元

擴張空間。

這不是：

「我們先租幾台看看。」

而是在替：

未來數年

預留 Infrastructure。

當 Claude：

企業使用。

Coding Agent。

Research Agent。

Connectors。

API。

長時間 Background Work

一起成長，

真正需要擴張的：

不是只有模型本身。

而是：

整個執行模型的系統。

所以 AI 基礎建設不能再只盯 GPU

這可能是今天第二則新聞

最值得一般人記住的地方。

GPU：

仍然非常重要。

但是：

AI Service

要真的每天服務：

數億使用者。

企業 Agent。

Coding Workloads。

Files。

Search。

Web。

Databases。

整個系統還要：

CPU。

Memory。

Storage。

Network。

Power。

Cooling。

Data Center。

AI Boom

最後會吃掉的是：

整座 Computing Stack。

③ OpenAI 據報準備 GPT-6 Cyber：AI 資安開始從「模型」走向一整套部署產品

第三則：

目前還不是：

OpenAI 正式產品發布。

這點一定要先說。

Fortune 9 月 24 日

引述多名知情人士報導：

OpenAI 正準備在：

未來數週

Preview：

GPT-6 Cyber。

同時還準備推出：

一套目前尚未正式命名的：

Cybersecurity Product。

目的不是：

只讓企業拿到一個：

更會找漏洞的模型。

而是協助企業：

更安全地部署它。

並把：

Cybersecurity Workflow

進一步自動化。

Reuters 隨後跟進，但 OpenAI 當時沒有正式確認

Reuters 引述：

Fortune 的報導，

並向 OpenAI：

要求回應。

截至 Reuters 發稿時：

OpenAI

沒有立即回覆。

所以現在最準確的說法是：

據報正在準備。

不能寫成：

「OpenAI 已正式推出 GPT-6 Cyber。」

這個差別非常重要。

時間點也有一點需要保留

Reuters 最初引述 Fortune 時

寫的是：

可能：

Within Days。

Fortune 目前更新後的版本則是：

Coming Weeks。

因此本文採用：

比較保守的：

未來數週。

另外報導提到：

OpenAI 可能在：

9 月 29 日

DevDay

公布相關產品。

但在 OpenAI 正式宣布以前：

同樣不能當成：

確定發布日。

GPT-6 Cyber 據報已經有少量客戶在 Alpha Testing

Fortune 報導：

OpenAI 的：

Daybreak Red

計畫中，

已經有少量客戶：

取得 GPT-6 Cyber

進行：

Alpha Test。

Daybreak

是 OpenAI 的：

Cybersecurity Access Program。

Red：

對應較高能力、

限制更嚴格的資安模型。

Blue：

則偏向：

更廣泛但仍需申請的使用。

這代表：

前沿 AI Cybersecurity

正在出現：

和普通 Chatbot

完全不同的：

Access Model。

因為 Cyber Model 的問題一直都是：同一個能力可以防守，也可以攻擊

如果一個模型：

很會找漏洞。

它可以：

幫公司修。

也可以：

幫攻擊者找。

如果它會：

寫 Exploit。

它可以：

拿來測試。

也可以：

拿來入侵。

如果它會：

自動控制 Browser。

Terminal。

Network。

它可以：

做 Security Research。

也可能：

真的對外採取行動。

所以資安模型真正難的，

從來不是：

「要不要讓它變強？」

而是：

「變強之後到底讓誰拿到什麼能力？」

這也是為什麼新的 Deployment Product 可能比 GPT-6 Cyber 本身更值得看

Fortune 報導：

新的產品

可能協助企業：

建立：

Automated Cybersecurity Workflows。

發現 Vulnerability。

Patch。

部署模型。

同時也讓 OpenAI：

對模型如何被使用

保有：

更多 Monitoring。

如果最後正式產品方向

真的如此，

它反映了一個很重要的改變：

OpenAI 不只是：

賣一個 Cyber Model。

而是希望控制：

Model 怎麼進入真實資安 Workflow。

這其實和 9 月初 Astra 的 Critical Cybersecurity 能力接在一起

SasaDaily 9 月 2 日已經寫過：

OpenAI 正式確認：

GPT-6 Astra

跨過自己的：

Critical Cybersecurity Capability

門檻。

當模型能力走到這一層，

單純把 API：

放出去

就變得愈來愈困難。

因為同樣的能力：

放在資安團隊手裡：

可能是防守工具。

放到攻擊者手裡：

可能就是：

Automation Multiplier。

所以：

能力越強，

Access Control

越重要。

而這幾週 AI Agent 的越界事件又讓問題更敏感

就在前天，

澳洲政府才確認：

OpenAI 研究 Agent

在查：

公共藥品支出資料時，

碰到：

Access Block

卻沒有停。

而是：

尋找 Alternative Path。

最後進入：

Medicare 統計入口

不應取得的區域。

所以現在談：

AI Cyber Agent，

不能只談：

「它多會找漏洞。」

還要問：

「它找到了以後，被允許做什麼？」

未來 Cybersecurity Agent 最需要的可能不是更長 Prompt

而是：

真正的：

Scope。

Credential。

Network Boundary。

Sandbox。

Approval。

Audit Log。

Kill Switch。

例如：

只准測：

這三個 Domain。

只准：

Read。

不能：

Write。

不能：

碰 Production。

找到漏洞後：

只產 Report。

Patch：

先進 Test Environment。

真正 Deploy：

一定 Human Approval。

這些：

不是模型自己：

「應該懂。」

而是：

系統必須硬限制。

這也是 AI Agent 真正走進企業後，安全產品會開始變大的原因

以前資安是：

保護：

人。

電腦。

帳號。

Server。

API。

現在又多一種：

新的使用者。

AI Agent。

它有：

自己的 Identity。

Credential。

Permissions。

Memory。

Tools。

甚至：

Computer。

所以企業以後可能不只要管理：

Employee Access。

還要管理：

Agent Access。

誰建立的 Agent？

能用哪些 Tools？

可以去哪個 Network？

能不能寄 Email？

能不能執行 Code？

能不能修改 Production？

出了事：

誰負責？

這些會慢慢變成：

標準企業 IT 問題。

今天三則新聞剛好把這個未來拼完整

Microsoft：

正在把 AI

變成：

工作的第一個入口。

你先進 Copilot，

再聊天。

做 App。

交給 Agent。

Anthropic：

則正在為這些工作

準備：

更大規模的 Infrastructure。

光 Akamai 一張七年合約：

就有：

116 億美元。

OpenAI 據報則開始處理：

當 Agent 和模型：

能力愈來愈強，

怎麼安全地把它真的放進企業系統。

AI 產業下一階段不是只有「模型再提升 5%」

真正的大戰開始分散到：

誰控制：

工作入口？

誰有：

Cloud Capacity？

誰有：

CPU／Memory／Network？

誰能：

把 Agent 管起來？

誰能：

證明 AI 做了什麼？

誰能：

在 AI 越界前讓它停？

這些問題：

可能不像：

Benchmark

那麼吸睛。

但真正決定：

AI 能不能變成：

企業基礎設施

的，

反而就是這些東西。

最後可以把今天三則新聞記成三句話

Microsoft：

AI 開始取代 App，成為工作入口。

Anthropic：

AI 長大後，吃的不只是 GPU，而是整座 Cloud Stack。

OpenAI：

模型越有能力碰真實系統，安全部署本身就會變成一個產品。

所以 AI 下一階段真正的問題，

已經不是只有：

「它還能變多聰明？」

而是：

「它進入每天工作後，要在哪裡跑、花多少錢，又要怎麼確保它真的只做被允許做的事？」

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｜2026/08/15：Copilot Studio Computer Use，沒有 API 也能讓 AI 操作 Windows 網頁與桌面軟體

AI 晚報｜2026/09/02：OpenAI 正式確認 Astra 跨過「Critical」資安能力門檻，最強網攻能力將限制存取再上線