今天與 {{active_subscriber_count}}+ 位讀者一起看：
🗞｜Amazon AI 出包開緊急會議
🚀｜Karpathy 開源 AutoResearch
📊｜Gemini 稱霸「試算表」評測
🔬｜AI Agent 自己造工具的表現如何？
🔍｜NVIDIA：AI = 五層蛋糕
🗞️ NEWS
Amazon AI 出包開緊急會議
Amazon 電商部門一週就出了四次大包，高層直接開會檢討，內部信承認跟 AI 幫忙改的 Code 有關。
掛了 6 小時： 光是上週四，Amazon 網站和 App 就掛了大約 6 小時，沒辦法結帳、看價格，CNBC 報導是 AI 更新程式碼搞的。
Kiro 砍環境： AWS 自家的 AI coding 工具 Kiro 去年 12 月被叫去做修改，結果直接把整個環境砍掉重建，花了 13 小時才修好。
要資深簽核： 所以現在規定初中級工程師用 AI 改的 Code，上線前都要有資深工程師簽核，同時也在弄更長期的自動防線。
不可能不用 AI 了吧？ Amazon 今年預計花 2,000 億美元在 AI，同時又從去年 10 月到今年 1 月裁了約三萬人，不可能走回頭路，只能一邊踩油門一邊學著煞車。
🧰 TOOLS
88% resolved. 22% loyal. Your stack has a problem.
Those numbers aren't a CX issue — they're a design issue. Gladly's 2026 Customer Expectations Report breaks down exactly where AI-powered service loses customers, and what the architecture of loyalty-driven CX actually looks like.
🤝 ADVERTISING
讓 {{active_subscriber_count}}+ 位讀者認識你的產品
《Brief AI 電子報》讀者近 50% 擁有碩士以上學歷、管理階層超過 40%。超過 30 家國內外知名品牌合作，例如：Intel、數位時代、知識衛星…
🚀 LAUNCH
Karpathy 開源 AutoResearch
昨天有提到，前 Tesla AI 總監 Karpathy 開源了 AutoResearch，讓 AI agent 自動跑模型訓練實驗，他放著跑 2 天真的找到約 20 個真的有用的改進。
快 11%： 這些改動讓他的 LLM 訓練專案 nanochat 的 Time to GPT-2（練到 GPT-2 水準要多久）從 2.02 小時壓到 1.80 小時，而且全都能用在更大的模型上。
自動抓 bug： Agent 發現 Attention 太分散、Value Embeddings 少了正則化、AdamW betas 設錯，都是 Karpathy 自己調了很久都沒發現的。
都會跟進： Karpathy 說所有頂尖 AI 實驗室都會這麼做，只要有「可量化指標」，就能讓一群 Agent 自動去跑。
其他領域也能用嗎？ 只要你的問題有一個能快速評估的指標，就能套用同樣的概念，像是行銷文案的點擊率、廣告轉換率，核心就是「設好指標、讓 Agent 自動跑變化、留下有用的就好」。
Google 的 Gemini in Google Sheets 在試算表基準測試 SpreadsheetBench 上拿到 70.48% 準確率，直接衝上排行榜第一，分數跟人類幾乎一樣了。
超車對手： Univer 拿到 68.86% 排第三，Microsoft 的 Copilot in Excel 是 57.20%，OpenAI 的 ChatGPT 最高只有 45.50%。
怎麼測的： SpreadsheetBench 蒐集了 912 道真實用戶碰到的問題，專門測 AI 能不能搞定格式混亂、多張表交錯的複雜試算表。
不只跑分： 這次更新讓 Gemini 能直接用講的就從零建好一張表，自動從 Gmail、Drive 撈資料進來，甚至連排班最佳化這類問題都能解決。
一般人能用嗎？ 目前只有 Gemini Alpha 企業版跟 Google AI Pro、Ultra 訂閱者能用，只支援英文，但接下來幾個月會全面開放。
AI Agent 很會「用」工具，但自己「造」工具呢？Tool-Genesis 這篇論文就拿真實的 MCP server 來當考題，看看現在的 AI Agent 表現如何。
508 種考題： 他們建了一套涵蓋 24 個領域、508 種工具的測試集，模型要光靠需求描述，就從零把工具的介面、程式碼全部生出來。
小錯滾雪球： 結果最強的 GPT-5.1 直接生成，成功率也只有 37%，一開始的小錯會一路滾大，把後面的任務全拖垮。
除錯就翻倍： 但讓模型實際跑一跑、自己抓 bug 再修，Gemini-3-Flash 從 10% 跳到 58%。
錯在哪一步？ 其實介面設計大多沒問題，真正卡關的是程式碼本身，邊界條件沒處理好、狀態管理有 bug，表面看不出來只有程式開始跑才會發現。
🔍 INSIGHT
NVIDIA：AI = 五層蛋糕
NVIDIA 在 𝕏 上發了一篇長文，把整個 AI 產業拆成五層蛋糕，從最底下的能源到最上面的應用，解釋為什麼 AI 正在帶動史上最大規模的基礎建設。
五層蛋糕： 能源、晶片、基礎設施、模型、應用，每一層都會拉動底下所有層的需求，一個 AI 應用背後，從晶片廠到發電廠整條鏈都跟著動。
兆級規模： 現在全球已經砸了幾千億美元，但還有數兆美元的設施要蓋，而且不只要工程師，還需要大量電工、管線工、鋼鐵工人。
開源催化： DeepSeek-R1 就是個好例子，夠強的開源模型一普及，從訓練、基礎設施到能源的需求全都跟著上來。
電夠用嗎？ 美國電力研究院（EPRI）的最新報告估計，光美國的資料中心用電就會從目前佔全國 4-5% 翻到 2030 年的 9-17%，一座大型 AI 資料中心的用電量就等於一座中大型城市。
