今日重點
CyberQ 觀察，自動駕駛計程車面臨監管與商業化的最後通牒，DeepSeek大幅降價卻未能解決根本的運算效率瓶頸，而AI幻覺引發的供應鏈攻擊已成為開發者必須警惕的新威脅。決策者需同時把握技術突破與資安風險的平衡。
1、自動駕駛最後通牒：Robotaxi的十字路口
來源：TechCrunch ｜ 參考連結
自動駕駛計程車（robotaxi）領域正面臨關鍵的最後通牒時刻，監管壓力與商業化挑戰交織，AI技術的整合成為決定成敗的關鍵。業界必須在安全與獲利之間找到平衡點，否則可能錯失市場窗口。此刻正是各廠商展示技術落地能力與法規應對策略的重要關卡。
2、DeepSeek降價75%，但100倍問題仍在
來源：VentureBeat ｜ 參考連結
DeepSeek將V4-Pro模型降價75%，看似對企業AI廠商與開發者有利，但業界發現「100倍問題」依然存在，推理成本與模型品質之間的巨大鴻溝並未消失。降價僅是短期刺激，根本的運算效率瓶頸與大量部署成本仍是阻礙大規模應用的核心挑戰。
「100倍問題」是說雖然 DeepSeek 透過快取技術與軟硬體最佳化化大幅降低了 token 成本，但對於依賴高複雜度推論的關鍵任務（如精密代碼生成、深度邏輯推理），開發者仍面臨在低成本小模型與高品質大模型間做取捨的難題。在企業實際運行中，追求 95% 的準確率與 99% 的準確率，背後所需的算力資源呈指數級增長。單純降低 API 費用，無法解決某些場域中模型表現仍無法滿足企業嚴苛標準的落差。
大模型推論高度依賴記憶體頻寬（如 HBM 容量），目前的晶片架構在處理超長上下文（如百萬字）時，記憶體讀取速度與延遲仍難以線性提升。對於需保護資料隱私、選擇私有化部署（On-Premises）的大型企業而言，購買算力伺服器、GPU 叢集以及後續的電力維護費用，遠高於 API 呼叫的成本，這是阻礙大規模應用的根本原因。
API 價格雖便宜，但在高併發（Concurrency）的企業場域（如即時客服、金融交易），旗艦模型的回應延遲仍無法與專用輕量級模型相比，會直接影響終端用戶體驗。企業若為省成本而設計複雜的多層模型架構（用小模型過濾，大模型處理），反而會增加系統維護難度與測試成本。
3、AI幻覺催生供應鏈攻擊：slopsquatting威脅升溫
來源：CyberQ ｜ 參考連結
AI工具產生的「slopsquatting」攻擊已成為軟體供應鏈的新威脅，開發者可能因信賴AI生成的程式碼而引入惡意套件。這種利用模型幻覺進行欺騙的手法，讓供應鏈攻擊更加隱蔽。團隊必須加強對AI輸出內容的審查與依賴管理，防止大量開發者落入陷阱。
