[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-nvidia-gtc-2026-big-ai-announcements-zh":3,"article-related-nvidia-gtc-2026-big-ai-announcements-zh":30,"series-industry-ea6be18b-c903-4e54-97b7-5f7447a612e0":91},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":11,"views":27,"created_at":28,"published_at":29,"topic_cluster_id":11},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","\u003Cp>NVIDIA 今年的 GTC 2026，場面真的很大。Jensen Huang 在聖荷西台上直接丟出數字，超過 1,000 場 session、2,000 位講者，還有 450 多家贊助商。光看這些數字，你就知道這不是單純的開發者大會，比較像一場把整個 AI 產業鏈叫來開會的超大型業務場合。\u003C\u002Fp>\u003Cp>但講白了，真正重要的不是機器人跳舞，也不是 AI 生成的音樂回顧。這次 GTC 的核心訊息很直接：NVIDIA 要賣的早就不是單顆 GPU，而是一整套 AI 工廠。從晶片、伺服器、網路、儲存、模擬，到 Agent 執行環境，它想全包。\u003C\u002Fp>\u003Cp>如果你是台灣做資料中心、企業軟體、系統整合，甚至做邊緣運算的人，這次 GTC 很值得看。因為 NVIDIA 已經把產品敘事從「買卡」改成「買整個 AI 基礎設施」，而且這套話術看起來不是說說而已。\u003C\u002Fp>\u003Ch2>GTC 2026 真正主角是 AI 工廠\u003C\u002Fh2>\u003Cp>Jensen Huang 這次的主軸很明白，就是 AI factory。你可以把它理解成新一代資料中心，但它不是傳統雲端機房的延伸，而是專門為模型訓練、推論、Agent 執行和模擬打造的生產線。NVIDIA 想賣的是這整條線，不是裡面某一個零件。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1774516049779-pr7v.png\" alt=\"NVIDIA GTC 2026 重點拆解\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這次最醒目的平台是 Vera Rubin。NVIDIA 把它定義成給 agentic AI 用的 full-stack computing platform。這種講法很有意思，因為它不是在比單顆晶片跑分，而是在強調 CPU、GPU、記憶體、網路、儲存和軟體是一起設計的。對大客戶來說，這比單項規格更有吸引力。\u003C\u002Fp>\u003Cp>Vera Rubin 的組成也刻意講得很完整。NVIDIA 說它涵蓋 7 顆晶片、5 套 rack-scale system，外加 1 套 supercomputer design，還有新的 Vera CPU 與 BlueField-4 STX 儲存架構。這種包法很像在告訴客戶：你不要自己拼，我這裡有整套參考答案。\u003C\u002Fp>\u003Cp>Huang 還丟出一個很大的商業數字。他說 2025 到 2027 年之間，他看到至少 1 兆美元的營收機會。我覺得這句話有點業務腔，但也很誠實。因為這說明 NVIDIA 為什麼一直往網通、儲存、參考架構、模擬工具和資料中心藍圖擴張。單賣 GPU，天花板比較低。整包賣，單案金額才會夠大。\u003C\u002Fp>\u003Cul>\u003Cli>GTC 2026 有超過 1,000 場 session。\u003C\u002Fli>\u003Cli>現場有超過 2,000 位講者。\u003C\u002Fli>\u003Cli>活動贊助商超過 450 家。\u003C\u002Fli>\u003Cli>Vera Rubin 涵蓋 7 顆晶片與 5 套 rack-scale system。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>還有一個容易被忽略的點，是 DSX。NVIDIA 這次推出 Vera Rubin DSX AI Factory reference design、Omniverse DSX Blueprint，還有 DSX Air。意思很明白，連你還沒開始蓋機房前，它就想先進場。先幫你模擬，再幫你規劃，最後連實際部署都包進來。\u003C\u002Fp>\u003Cp>對雲端服務商、模型公司，或大型企業來說，這很有吸引力。因為現在組一個大型叢集，成本不是幾百萬美元而已，常常是上億美元起跳。只要設計錯一層，後面維運就會很痛。NVIDIA 現在賣的其實是「少踩坑」的保險。\u003C\u002Fp>\u003Ch2>CUDA 還是 NVIDIA 最硬的護城河\u003C\u002Fh2>\u003Cp>今年剛好是 CUDA 20 週年。Jensen Huang 在 keynote 花了不少時間回頭講這段歷史。老實說，這不是懷舊而已，而是在提醒市場，NVIDIA 今天能從繪圖晶片一路吃到人工智慧，靠的不是只有硬體，還有一整層別人很難追上的軟體生態。\u003C\u002Fp>\u003Cp>很多人講 NVIDIA，第一反應都是 GPU 很快。這沒錯，但只講一半。真正麻煩的是，CUDA 已經深深卡進研究、訓練、推論、科學運算、機器人模擬這些流程裡。你今天如果要換平台，不是換一張卡那麼簡單，而是整個軟體堆疊、工具鏈和團隊習慣都要重來。\u003C\u002Fp>\u003Cp>所以 NVIDIA 現在講 full stack，底氣不是空的。因為它有 CUDA，才能把每一代新硬體都包進更大的軟體故事。從訓練框架、推論最佳化、網路通訊，到模擬環境，全部都能互相咬合。這也是為什麼競爭對手常常規格看起來不差，但實際導入還是卡卡的。\u003C\u002Fp>\u003Cblockquote>\u003Cp>“This conference is going to cover every single layer of the five-layer cake of artificial intelligence.”\u003C\u002Fp>\u003Cfooter>Jensen Huang，NVIDIA 執行長，GTC 2026\u003C\u002Ffooter>\u003C\u002Fblockquote>\u003Cp>Jensen 在台上還特別把焦點拉回推論。他甚至直接接住分析師給 NVIDIA 的稱號，說自己是 inference king。這種講法很張揚，但背後的商業邏輯很清楚。訓練是一次性的大單，推論才是長期吃電、吃伺服器、吃 Token 成本的地方。\u003C\u002Fp>\u003Cp>你可能會想問，那跟 CUDA 有什麼關係。關係很大。因為企業現在在意的，不只是某張卡每秒幾 TFLOPS，而是整個系統的 cost per token。軟體最佳化、記憶體配置、網路延遲、推論框架，全部都會影響成本。CUDA 讓 NVIDIA 可以把這些東西綁在一起賣。\u003C\u002Fp>\u003Cp>更有意思的是，NVIDIA 還順手預告 Vera Rubin 之後的下一代架構 Feynman，還有 Rosa CPU、LP40、BlueField-5、CX10、Kyber 互連和光學 scale-out。名字很多，聽起來有點像在背宇宙艦隊清單。但商業訊息很簡單：它要客戶用「世代更新」的方式規劃 AI 基礎設施，而不是一次買一批伺服器就結束。\u003C\u002Fp>\u003Ch2>Agent 平台成了 NVIDIA 新戰場\u003C\u002Fh2>\u003Cp>這次另一個大主題，是 agentic AI。NVIDIA 在 GTC 上推了 OpenClaw、OpenShell 和 NemoClaw，想把 Agent 從模型展示拉到企業可部署的層級。這件事很重要，因為現在大家都在講 AI 助理，但真正能進公司內部流程的產品，卡的通常不是模型能力，而是安全、權限、資料路由和維運。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1774516067788-ne1f.png\" alt=\"NVIDIA GTC 2026 重點拆解\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>OpenClaw 被包裝成開源基底，OpenShell 是企業內部安全部署的 runtime，NemoClaw 則負責政策控管、隱私路由和網路護欄。這三個名字看起來有點中二，但拼起來其實就是一套企業 Agent 平台。NVIDIA 不想把這層市場全讓給 OpenAI、Anthropic 或各種 SaaS 新創。\u003C\u002Fp>\u003Cp>Jensen 還說，每家公司現在都需要一套 OpenClaw strategy。這句話聽起來很像在下指導棋，但也反映出 NVIDIA 的判斷：企業內部 Agent 會是接下來 12 到 24 個月最實際的採購項目之一。因為它可以直接碰到客服、法務、內部知識庫、IT 支援和銷售流程。\u003C\u002Fp>\u003Cul>\u003Cli>OpenClaw 被定位為個人與企業 Agent 的開源基礎。\u003C\u002Fli>\u003Cli>OpenShell 主打企業內部安全部署。\u003C\u002Fli>\u003Cli>NemoClaw 處理政策、隱私與網路護欄。\u003C\u002Fli>\u003Cli>GTC 現場還辦了 build-a-claw 活動，時間是 3 月 16 日到 3 月 19 日。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>當然，台上有些說法還是有點浮誇。像 OpenClaw 被形容成「人類史上最受歡迎的開源專案」，這種話我覺得聽聽就好。你真的要比 Git、Linux、Python，這句話很難站得住腳。GTC 本來就有表演成分，這部分不用太認真。\u003C\u002Fp>\u003Cp>但更實際的地方，在於 NVIDIA 正在把 Agent 跟自己的基礎設施綁死。你如果用它的 runtime、政策控管、隱私路由，再加上它的推論加速和伺服器，那整個系統就很難拆。這招很聰明。因為錢不一定要從聊天機器人訂閱來賺，從部署、維運和長期推論流量來賺，反而更穩。\u003C\u002Fp>\u003Cp>NVIDIA 也擴大了 Nemotron Coalition，涵蓋語言、視覺、機器人、自駕、生物和氣候等 6 類模型家族。這表示它不打算只押單一通用模型，而是把模型做成產業套件。對企業來說，這比一個萬能聊天機器人更容易買單，因為應用場景更明確。\u003C\u002Fp>\u003Ch2>實體 AI 從配角變成主線\u003C\u002Fh2>\u003Cp>GTC 過去幾年一直都有機器人和自駕內容，但今年的比重明顯更高。Jensen 把 physical AI 跟推論、AI 工廠並列成核心主題，這代表 NVIDIA 已經不滿足於只待在雲端資料中心。它想把觸角伸到工廠、車輛、邊緣設備和自動化系統。\u003C\u002Fp>\u003Cp>台上點名的合作夥伴也很多。車廠包含 BYD、Hyundai、Nissan、Geely，還提到跟 Uber 的 ride-hailing 部署合作。工業夥伴則有 ABB、Universal Robots、KUKA。連電信業者 T-Mobile 都被拿來講，因為邊緣 AI 需要更多靠近終端的運算節點。\u003C\u002Fp>\u003Cp>現場那個 Olaf demo 看起來很秀，但它不是單純動畫表演。NVIDIA 想傳達的是，角色行為、物理模擬、感知與控制，可以透過 Newton physics engine 和 Omniverse 的模擬環境整合起來。也就是說，虛擬世界不再只是展示用，而是訓練真實機器的重要場地。\u003C\u002Fp>\u003Cul>\u003Cli>車廠夥伴包含 BYD、Hyundai、Nissan、Geely。\u003C\u002Fli>\u003Cli>NVIDIA 提到與 Uber 合作 ride-hailing 部署。\u003C\u002Fli>\u003Cli>工業夥伴包含 ABB、Universal Robots、KUKA。\u003C\u002Fli>\u003Cli>Omniverse 與模擬工具被定位為真實機器的訓練場。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這塊市場很難做，但如果做起來，價值很高。因為實體 AI 涉及合成資料、模擬平台、機器人模型、邊緣推論硬體和實際部署。每一層都能收錢，而且採購週期通常比雲端訓練叢集更長。對 NVIDIA 來說，這是另一條長線收入來源。\u003C\u002Fp>\u003Cp>台灣供應鏈也要特別注意這段。因為只要 physical AI 真的開始放量，受益的不會只有 NVIDIA。伺服器代工、工業電腦、感測器、散熱、網通、車用電子都有機會分到單。這也是為什麼近兩年很多硬體廠都開始重新包裝自己，從 OEM 講到 AI solution partner。說真的，這種轉型有些很硬拗，但市場方向確實在那裡。\u003C\u002Fp>\u003Cp>不過現實面也要看清楚。自駕、機器人、工業自動化的導入速度，通常比雲端軟體慢很多。法規、安全認證、現場整合、售後維護，沒有一個簡單。NVIDIA 這次把 physical AI 拉到中心位置，代表它準備長期投入，不是明年就要看到全面爆發。\u003C\u002Fp>\u003Ch2>競品壓力還在，但 NVIDIA 先贏在整合\u003C\u002Fh2>\u003Cp>如果只看晶片，NVIDIA 當然不是沒有對手。AMD 一直在追，Intel 也沒放棄，Google 有 TPU，AWS 有 Trainium 和 Inferentia，Microsoft 也在推自家加速器。問題在於，企業買大規模 AI 系統時，看的不是單一零件，而是整體導入難度和穩定性。\u003C\u002Fp>\u003Cp>這也是 GTC 2026 最值得注意的地方。NVIDIA 幾乎把所有產品都包進同一套敘事裡。你要蓋 AI 工廠，它有參考架構。你要跑推論，它有整包軟硬體。你要做 Agent，它有 runtime 和 policy。你要做機器人，它有模擬和物理引擎。這種整合能力，現在真的沒幾家能完整對打。\u003C\u002Fp>\u003Cp>我覺得短期內，最大客戶還是會繼續買 NVIDIA。因為超大規模雲端業者和模型公司，最怕的不是硬體貴，而是系統不穩、相容性差、部署拖延。當一個叢集動輒幾萬顆 GPU，任何 5% 的效率損失都很痛。這時候，買整套通常比自己混搭來得省事。\u003C\u002Fp>\u003Cul>\u003Cli>NVIDIA 優勢在 CUDA、生態系、整體方案。\u003C\u002Fli>\u003Cli>AMD 有硬體追趕壓力，但軟體黏著度還在補。\u003C\u002Fli>\u003Cli>Google TPU 與 AWS 自研晶片主要服務自家雲端。\u003C\u002Fli>\u003Cli>企業客戶更在意 cost per token 與部署風險。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這不代表 NVIDIA 沒風險。第一個風險是價格。它現在幾乎掌握高階 AI 基礎設施的定價權，客戶嘴上不講，心裡一定很不爽。只要替代方案成熟到某個程度，大客戶一定會想分散供應商。第二個風險是產品線越來越大，內部整合和對外溝通也會變複雜，稍微失手就可能讓客戶覺得眼花撩亂。\u003C\u002Fp>\u003Cp>還有一點很現實。NVIDIA 現在講的每一層都要吃資本支出。AI 工廠、推論叢集、機器人模擬、企業 Agent 平台，沒有一個便宜。假如總體景氣轉弱，或企業開始更嚴格看 AI 投資回報，採購節奏就可能放慢。所以 GTC 台上那些華麗展示，最後還是得回到一個老問題：客戶到底能不能賺到錢。\u003C\u002Fp>\u003Ch2>GTC 之後，開發者和企業該看什麼\u003C\u002Fh2>\u003Cp>如果你是開發者，我覺得接下來 12 個月最值得觀察的，不是機器人唱歌影片有多紅，而是企業 Agent 會不會真的大量上線。因為這件事最接近可落地的商業模式。從內部知識查詢、客服自動化，到程式開發助手，這些都能直接算 ROI。\u003C\u002Fp>\u003Cp>如果你是企業 IT 或平台團隊，現在該問的問題很具體。你要不要把推論系統綁在單一供應商上。你能不能接受從晶片到 runtime 都用 NVIDIA。你有沒有能力自己整合替代方案。這些問題現在不先想，等預算要編時就會很被動。\u003C\u002Fp>\u003Cp>我的預測很簡單。未來一年，NVIDIA 最快看到成果的，不會是消費級聊天產品，而是大型推論叢集、企業內部 Agent 部署，還有更多實體 AI 合作案。如果到了明年 GTC，NVIDIA 能拿出這三塊更清楚的營收或客戶案例，那這次大會就不是單純產品秀，而是一張非常完整的銷售地圖。\u003C\u002Fp>\u003Cp>對台灣市場來說，這也代表一個很實際的機會。從伺服器、散熱、機殼、交換器，到工業電腦和系統整合，只要 AI 基礎設施繼續往上堆，供應鏈就還有戲。你不一定要做模型公司，才吃得到這波錢。很多時候，真正穩的生意，反而是那些把機房、網路和部署搞定的人。\u003C\u002Fp>\u003Cp>最後一句話。GTC 2026 告訴大家的事其實很直白：AI 競爭已經從模型展示，慢慢轉向系統整合和長期營運。誰能把硬體、軟體、資料、網路和部署串好，誰就比較有機會把帳單開出去。這件事聽起來不浪漫，但很賺錢。\u003C\u002Fp>","NVIDIA 在 GTC 2026 一口氣端出 1,000 場 session、2,000 位講者，還把 AI 工廠、推論基礎設施、Agent 平台與實體 AI 全部綁成一套銷售方案。這場大會重點不是單一 GPU，而是從晶片到軟體的整包系統。","blogs.nvidia.com","https:\u002F\u002Fblogs.nvidia.com\u002Fblog\u002Fgtc-2026-news\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1774516049779-pr7v.png","industry","zh","e454a642-f03c-4794-b185-5f651aebbaca",[17,18,19,20,21,22,23,24,25,26],"NVIDIA","GTC 2026","CUDA","AI 工廠","Agentic AI","推論","Omniverse","實體 AI","資料中心","Vera Rubin",13,"2026-03-26T07:14:26.62638+00:00","2026-03-26T09:07:48.172+00:00",{"tags":31,"relatedLang":50,"relatedPosts":54},[32,35,38,40,42,43,45,47],{"name":33,"slug":34},"Nvidia","nvidia",{"name":36,"slug":37},"研究整理","-",{"name":26,"slug":39},"vera-rubin",{"name":19,"slug":41},"cuda",{"name":22,"slug":22},{"name":23,"slug":44},"omniverse",{"name":20,"slug":46},"ai-工廠",{"name":48,"slug":49},"多代理AI","-ai",{"id":15,"slug":51,"title":52,"language":53},"nvidia-gtc-2026-key-highlights-innovations-en","NVIDIA GTC 2026: Key Highlights and Innovations","en",[55,61,67,73,79,85],{"id":56,"slug":57,"title":58,"cover_image":59,"image_url":59,"created_at":60,"category":13},"40d4f012-36b6-4b8f-b470-30242a0b8483","skatteetaten-public-sector-ai-should-be-judged-by-outcomes-zh","Skatteetaten 證明公部門 AI 應該看成果，不是看噱頭","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781038986405-p8cf.png","2026-06-09T21:02:32.1198+00:00",{"id":62,"slug":63,"title":64,"cover_image":65,"image_url":65,"created_at":66,"category":13},"f937e16b-7b3c-4ec8-b9f6-2b6031c6892c","openai-ipo-filing-wall-street-test-zh","OpenAI IPO 登場，華爾街先看這 5 件事","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781032675072-oq1m.png","2026-06-09T19:17:23.187013+00:00",{"id":68,"slug":69,"title":70,"cover_image":71,"image_url":71,"created_at":72,"category":13},"8258e540-397f-4566-8ae5-37582f3e3418","openai-latest-moves-pricing-safety-scale-zh","OpenAI 4 個最新動向：定價、安全、規模都在變","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781031777355-odh9.png","2026-06-09T19:02:26.913687+00:00",{"id":74,"slug":75,"title":76,"cover_image":77,"image_url":77,"created_at":78,"category":13},"5a3f8c97-afa9-43cd-a5f7-64a1fcfd99d2","risc-v-mini-pcs-worth-buying-now-future-bet-zh","RISC-V 迷你電腦現在值得買，但只適合押注未來","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781026383355-9003.png","2026-06-09T17:32:31.318476+00:00",{"id":80,"slug":81,"title":82,"cover_image":83,"image_url":83,"created_at":84,"category":13},"651bdda4-2566-4185-a33d-254862d4290d","fedora-44-risc-v-widens-linux-board-support-zh","Fedora 44 RISC-V 把支援面擴到 17 板","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781025476806-1woq.png","2026-06-09T17:17:24.257564+00:00",{"id":86,"slug":87,"title":88,"cover_image":89,"image_url":89,"created_at":90,"category":13},"e8fb0c5c-9eaa-4ac3-8bbc-0b2975f70be8","june-2026-agentic-ai-platform-war-memory-zh","2026 企業 Agent 平台戰，焦點是記憶","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781023673724-zli0.png","2026-06-09T16:47:18.758614+00:00",[92,97,102,103,108,113,118,123,128,133],{"id":93,"slug":94,"title":95,"created_at":96},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":98,"slug":99,"title":100,"created_at":101},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":4,"slug":5,"title":6,"created_at":28},{"id":104,"slug":105,"title":106,"created_at":107},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":109,"slug":110,"title":111,"created_at":112},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":114,"slug":115,"title":116,"created_at":117},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":119,"slug":120,"title":121,"created_at":122},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":124,"slug":125,"title":126,"created_at":127},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":129,"slug":130,"title":131,"created_at":132},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":134,"slug":135,"title":136,"created_at":137},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]