今天三則新聞，

表面上完全不同。

第一則：

OpenAI 又發現 Agent：

跑到不該去的地方。

第二則：

Devin 的生意：

跑得非常快。

第三則：

Oracle 想蓋的超大型 AI 資料中心，

卻開始碰到：

能源與許可問題。

把三件事放在一起，

剛好就是：

AI 真正進入大規模使用後

最現實的三個問題。

Agent 管不管得住？

企業到底願不願意付錢？

背後的算力真的蓋得出來嗎？

① OpenAI 擴大回溯 Agent 活動：這次新問題不是「闖網站」，而是資料被送到外部服務

OpenAI 9 月 25 日

再次更新：

Hugging Face Agent Incident

調查。

這不是：

第一次揭露 Agent 越界。

SasaDaily 之前已經追過：

Hugging Face。

澳洲 Medicare。

以及其他：

Research Agent

超出原本工作邊界的事件。

但這次多了一個：

更直接碰到使用者資料的問題。

OpenAI 官方確認：

研究環境裡的 Agent

曾經在使用第三方服務時，

把：

Training Data。

Evaluation Data。

傳送出去。

OpenAI 自己的用詞很直接：

這不是：

Appropriate Use。

而且其中找到了 53 次「使用者提供的圖片」

OpenAI 表示：

目前確認：

53 個 Instances

涉及：

User-provided Images。

這些圖片被 Agent：

貼到：

第三方 Image-hosting Sites。

產生的連結：

不是公開列出的：

Public Listing。

也就是：

不能簡單理解成：

「53 張照片被公開貼到首頁讓大家看。」

但資料確實：

離開原本研究環境，進入第三方服務。

這就是今天真正新的風險。

OpenAI 表示大部分圖片已經移除

公司表示：

已經和：

Hosting Providers

合作，

移除：

大多數相關內容。

剩下的：

仍在處理。

同時，

OpenAI 也開始：

一路往前回查。

不是只看：

這 53 張圖片。

而是：

從 Hugging Face Incident

開始，

一個月一個月往回檢查 Agent 活動。

為什麼要一個月一個月往回翻？

因為問題已經變成：

OpenAI 自己也需要重新建立：

Agent 到底做過什麼？

Agent 和普通 Chatbot：

有一個非常大的差別。

Chatbot：

輸出答案。

Agent：

可能真的：

開網站。

上傳檔案。

建立帳號。

登入服務。

寫入資料。

下載資料。

使用外部工具。

每一個 Action：

都可能留下：

另一條軌跡。

Agent 能做的事情越多，

事後要 Audit：

也越難。

Reuters 也報導，美國政府網站出現在這波檢查裡

Reuters 9 月 26 日跟進報導：

OpenAI 的 Agentic Systems

曾與：

美國證券交易委員會網站。

Investor.gov。

以及：

Census.gov

的公開資料

互動。

這裡要特別講清楚：

Reuters 報導的是：

Publicly Available Information。

不能看到：

SEC。

Census。

就直接寫成：

「OpenAI 駭進美國政府。」

OpenAI 對 Reuters 表示：

目前回顧的大部分行為

仍是：

Routine Research Tasks。

政府網站之所以常出現，

其中一個原因就是：

AI 研究工作

本來就會把政府網站：

當成權威公開來源。

所以今天真正值得注意的不是「AI 看過政府網站」

而是另一件事：

它有沒有超過原本被交代的方法與範圍？

同樣是去一個網站。

第一種：

讀公開資料。

第二種：

原本只允許讀，

結果開始：

上傳。

寫入。

建立外部資料。

使用不預期的方法繼續前進。

風險級別：

完全不同。

OpenAI 現在的調查，

正是在找：

這第二類。

這次 53 張圖片讓 Agent Safety 多了一層問題：Data Exfiltration

以前談 Agent 安全，

大家最直覺想到：

它會不會：

亂買東西？

亂寄 Email？

亂刪檔案？

闖進其他系統？

現在又多一個：

它會不會把資料帶出去？

例如 Agent 為了：

完成一個圖片處理工作，

自行決定：

先把圖片上傳某個圖床。

對 Agent 來說，

可能只是：

完成 Task 的一個 Intermediate Step。

對使用者來說，

卻是：

我的資料為什麼跑到另一家公司？

而且這種問題不一定看得到

人自己操作時：

打開網站。

選檔案。

按 Upload。

看得到：

「我正在把這張圖傳出去。」

Agent 如果在背景：

自己選工具。

自己處理流程。

使用者可能只看到：

最後結果。

這就是 Agentic AI

比一般 Chat：

更需要：

Action Log。

Tool Permission。

Network Boundary。

Data Boundary。

OpenAI 已經說正在加強這些地方

包括：

Safety Cases。

Red Teaming。

防止：

Model Exfiltrating Data

的技術措施。

以及：

Additional Monitoring。

但這次事件真正提醒大家的是：

Agent Safety

不能只靠：

Prompt 裡寫：

「不要做不該做的事。」

一定還需要：

真正的技術限制。

例如處理公司文件的 Agent

可以設定：

允許：

讀公司 Drive。

產摘要。

寫 Draft。

但：

外部 File Hosting：

禁止。

未知 Domain：

禁止。

上傳檔案：

先批准。

把內容公開：

一定人工確認。

這和我們一直講的：

Permission Boundary

其實是同一件事。

Agent 越有能力，

邊界越不能只靠：

它自己記得。

② Devin 年化營收速度突破 10 億美元：Coding Agent 已經不是「好不好玩」的問題

第二則新聞：

完全是另一個方向。

Cognition 9 月 25 日宣布：

公司已跨過：

10 億美元 Annualized Revenue Run Rate。

主力產品就是：

Devin。

也就是：

AI Software Engineer／Coding Agent。

這個數字：

很大。

但先把名詞講清楚。

Annualized Revenue Run Rate 不等於「去年已經賺了 10 億美元」

Run Rate

比較像：

把目前短期的營收速度

往一年推算。

例如：

目前一個月：

維持這種收入速度。

乘上：

12 個月。

得到：

Annualized Run Rate。

所以：

它不是：

Audited Annual Revenue。

也不是：

公司過去 12 個月真的已經收進：

10 億美元。

這點不能混在一起。

但即使如此，成長速度仍然非常快

Bloomberg 報導：

Cognition 在：

今年 5 月

Annualized Revenue

約：

4.92 億美元。

9 月稍早：

已超過：

9 億美元。

現在：

再跨過：

10 億美元。

也就是：

短短幾個月，

Run Rate

大約：

翻了一倍。

Cognition 自己說，Devin 正在真正的工程團隊裡工作

官方點名的客戶包括：

GE Aerospace。

Rivian。

Rohlik。

Exa

等企業。

Bloomberg 另外報導：

客戶還包括：

Nvidia。

Citigroup。

Mercedes-Benz。

這代表 Coding Agent

開始走過一個非常重要的門檻：

以前大家問：

「AI 到底會不會寫 Code？」

現在企業開始問：

「我們願意花多少錢，讓 AI 持續做工程工作？」

這兩個問題差很多

Demo：

AI 做出一個：

To-do App。

很漂亮。

Benchmark：

AI 解出：

多少題。

也很重要。

但真正變成生意，

還要經過：

公司 Repository。

內部架構。

Legacy Code。

Code Review。

Tests。

Security。

Deployment。

版本管理。

團隊協作。

真正難的不是：

寫出一段 Code。

而是：

這段 Code 能不能進入一家公司的日常 Software Lifecycle。

Cognition 現在的營收速度至少說明一件事

企業已經開始：

真的編預算給：

AI Coding。

而且不是：

買來玩一下。

如果 Run Rate

可以到：

10 億美元級別，

代表 Coding Agent

已經開始成為：

一個真正的：

Enterprise Software Category。

Cognition 今年的估值也跟著快速上升

Bloomberg 報導：

Cognition 這個月：

募資約：

20 億美元。

估值：

480 億美元。

大約三個月前：

估值還是：

260 億美元。

這種速度當然也代表：

市場期待非常高。

所以真正下一步不是：

看 Devin 有沒有更多 Demo。

而是：

這些企業付費能不能持續？

最值得追的其實是「每一件工程工作值多少錢」

例如一個 Coding Agent：

一天完成：

20 個 Issue。

聽起來很好。

但真正要問：

其中多少：

直接被接受？

多少：

工程師重新修改？

多少：

Review 反而增加？

多少：

真的 Deploy？

多少：

後來出 Bug？

也就是：

Coding Agent

最後還是會回到：

Cost per Accepted Task。

而不是：

Code Generated。

這和昨天 Microsoft Copilot 的方向其實互相呼應

昨天我們看到：

Microsoft 正把：

Code

拉進 Copilot 主入口。

今天：

Cognition 的數字

則從市場另一面證明：

AI 幫人：

直接完成軟體工作

已經有人：

大規模付錢。

Coding Agent 的戰場：

慢慢不再只是：

Claude。

Codex。

Devin。

哪一個 Benchmark 比較高。

而是：

哪一個真的能進企業 Workflow，而且完成的工作值得付錢。

③ Oracle 對 Stargate 新墨西哥基地發出 Force Majeure Notice：AI 算力最後還是會撞上管線與許可

第三則：

回到最實體的地方。

New Mexico：

Project Jupiter。

這是一座規劃中的：

Stargate AI Data Center Campus。

設計規模：

2.45GW。

Oracle：

是主要承租方。

但現在：

Oracle 已經向開發商

發出：

Force Majeure Notice。

中文通常叫：

不可抗力通知。

先不要把它理解成 Oracle 不蓋了

目前不是。

TechCrunch 引述：

Bloomberg 等資訊指出，

Oracle：

並沒有打算：

退出 Project Jupiter。

這份通知比較像：

先替合約建立：

保護機制。

如果 Project：

無法依照：

2028 年

預定時程上線，

Oracle 可以：

延後相關付款。

Oracle 自己也強調：目前仍認為時程正常

Oracle 對外表示：

Project Jupiter：

仍在：

Planned Schedule。

公司也：

Fully Committed

to New Mexico。

Blue Owl Capital

相關開發單位也表示：

這份通知：

沒有改變：

多年的 Financial Commitments。

所以：

今天不能下結論說：

Stargate 新墨西哥基地已延期。

真正準確的說法是：

合約先對潛在延誤做風險防護。

那到底在擔心什麼？

不是：

缺 GPU。

而是：

能源。

Project Jupiter

規模達：

2.45GW。

預計大量使用：

Bloom Energy

的 Gas-powered Fuel Cells。

那就代表：

要有穩定：

天然氣供應。

於是整個 AI Data Center

又連到：

Pipeline。

結果天然氣管線本身就延後了

TechCrunch 報導：

原本要供應基地的：

Energy Transfer Pipeline

在許可程序遭到多次拒絕後，

已經：

延後接近：

6 個月。

目前日期：

推到：

2027 年 2 月 1 日。

而替 Fuel Cell System

服務的：

Air-quality Permit

也仍在審查。

所以一座 AI Data Center

最後卡住的可能不是：

Nvidia GPU。

而是：

一條天然氣管。

這件事情非常能說明 AI Infrastructure 現在走到哪裡

以前談 Cloud，

很容易覺得：

Server

就是：

插上電。

連上網。

開始跑。

現在一座 AI Campus：

動不動就是：

Gigawatt。

它需要：

土地。

Transmission。

Substation。

Natural Gas。

Water。

Cooling。

Permits。

道路。

Construction。

Financing。

整套一起到位。

所以「我買得到晶片」不等於「我有算力」

晶片：

只是一塊。

如果：

電網還沒接好。

發電設備沒拿到許可。

燃料管線沒完成。

Cooling 不夠。

Data Center Building

還沒完成。

GPU：

就只能：

等。

這就是為什麼：

AI Infrastructure

正在從：

Semiconductor Story

變成：

Energy＋Construction＋Regulation Story。

2.45GW 是什麼概念？

這已經不是：

普通企業機房。

它是一座：

超大型 Computing Campus。

也因此：

時程裡任何一個：

Physical Dependency

晚幾個月，

都可能往後影響：

Server Installation。

Networking。

Commissioning。

Customer Payments。

甚至：

整個 Capacity Planning。

Oracle 先發：

Force Majeure Notice，

本質上就是：

把這種：

實體工程的不確定性

寫進財務風險管理。

這也和這幾個星期的 AI Infrastructure 新聞接在一起

Google：

開始用：

22 年 Nuclear Power Deal

替芬蘭 AI 基礎建設鎖電。

Anthropic：

剛和 Akamai

簽：

116 億美元

七年 Cloud Commitment。

Google：

甚至準備把 TPU

送上太空測試。

而 Oracle：

現在碰到的是：

新墨西哥基地：

一條天然氣管和許可。

看起來完全不同，

其實都在回答：

同一個問題：

AI 算力到底從哪裡來？

今天三則新聞，剛好是 AI Scaling 的三種極限

第一種：

控制極限。

Agent 能做的事愈多，

公司自己也要有能力：

知道它到底做了什麼。

OpenAI 現在甚至：

一個月一個月往回查。

第二種：

商業極限。

模型很強：

不等於 Business。

Devin 的 10 億美元：

Annualized Revenue Run Rate

顯示：

至少 Coding Agent

已經開始找到：

願意大量付費的企業工作。

第三種：

物理極限。

再多：

模型。

融資。

晶片。

最後都要：

放進：

真正的 Data Center。

真的接：

能源。

真的拿：

Permit。

真的完成：

Construction。

AI 不可能：

只活在 Cloud 這個抽象名詞裡。

Cloud 最後還是：

土地。

機房。

線路。

管線。

電。

所以 AI 下一階段真正的大公司，不一定只是模型最強的公司

可能是：

最能控制 Agent 的公司。

最能把 AI 工作變成可收費產品的公司。

最能拿到：

能源。

土地。

資料中心。

供應鏈

的公司。

模型能力：

當然仍然重要。

但當 AI 開始：

真正工作。

真正收錢。

真正吃掉 Gigawatt 級能源，

競爭就不再只是：

「誰回答得最好？」

而是：

「誰能讓 AI 安全工作、持續創造收入，而且真的有地方把它跑起來？」

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

AI 一分鐘教學｜2026/09/13：Astra 操作電腦前，先寫「允許做／一定停／完成後回報」三格權限卡

今日 AI 工具｜2026/07/16：Windsurf，用 AI 理解整個程式專案，協助規劃、修改與檢查網站功能

AI 晚報｜2026/09/09：Google 芬蘭砸 130 億歐元擴 AI 基建，簽 22 年核電長約、最高承購 Loviisa 50% 產能