AI焦點｜這是2026年最值得持有的AI股票之一・我們讓Grok 4.5、GPT-5.5和Claude打造同樣・MIRA：在《火箭聯盟》中訓練的多玩家互動世界模型

📰 1. 這是2026年最值得持有的AI股票之一

原文摘要

Yahoo Finance 一篇報導列出2026年最值得持有的AI股票，分析師認為NVIDIA（輝達）憑藉其GPU在AI訓練與推理領域的絕對主導地位，加上CUDA生態系統的護城河，將持續受益於AI基礎設施支出增長。報導提到，雖然市場競爭加劇，但NVIDIA的硬體路線圖（如Blackwell架構）與軟體整合能力，使其在2026年前仍是最穩健的AI投資標的之一。不過，報導也暗示投資者需留意估值過高與地緣政治風險。

我的觀點：我基本上贊成這判斷，但更關注細節

NVIDIA確實是AI軍火商的核心，這點沒什麼好爭論的。從數據中心營收到毛利率，它已經不是單純的顯卡公司，而是算力基礎設施的壟斷者。到2026年，企業級的AI部署只會更多，需求還沒看到天花板。但我比較擔心的是「市場預期已經反映太多」——現在的PE比已經夠誇張，如果明年增速放緩，股價波動會很劇烈。另外，AMD和自研晶片（如Google TPU、Amazon Trainium）雖然短期追不上，但長期會侵蝕市佔。投資AI股票不只看技術，還要看進場時機。

延伸思考：AI投資的「硬體泡沫」與「應用爆發」

第一層思考：大家都搶買GPU，但誰在真正賺錢？除了NVIDIA和少數雲端廠商，多數AI應用公司還在燒錢。這很像當年的網路基建泡沫——賣鏟子的先賺，挖金礦的後知後覺。到2026年，如果殺手級應用沒有大規模出現，市場可能會重新定價硬體股的溢價。

第二層思考：地緣政治的雙面刃。美國對中國的晶片禁令反而保護了NVIDIA的溢價能力，但也讓它失去重要市場。如果未來管制放鬆或中國國產替代加速，NVIDIA的全球佈局會受影響。投資者不能只看技術，還要追蹤法案動向。

第三層思考：除了NVIDIA，有沒有「隱藏版AI股」？比如資料中心電力基礎設施、散熱解決方案、甚至AI安全軟體？這些週邊產業可能風險更低、成長更穩。2026年也許不是只有晶片廠才叫AI股。

📝 編輯說：:這篇文章在推特上引發不少散戶討論，筆者認為最有價值的觀點是提醒我們「投資AI別只看GPU，關注生態系與週邊供應鏈才是長期勝出的關鍵」。

📰 2. 我們讓Grok 4.5、GPT-5.5和Claude打造同樣的App

🔗 原文連結

xAI 剛端出 Grok 4.5，號稱「跟 Cursor 一起訓練」、最擅長寫程式跟做 agentic 任務。網路上一堆人已經拿它去比對其他模型——同一句 prompt，看誰吐出來的 app 能直接跑。TryAI 這次玩真的：他們給了 Grok 4.5、GPT-5.5、Claude Opus 4.8 還有 Fable 5 三份一模一樣的任務，每一個都是「用單一 HTML 檔案（不靠任何 library 或網路請求）做出一個互動 app」，而且只給一次機會，不加 prompt 調校、不給手把手提示。然後把每個結果載到真實瀏覽器裡戳一戳，記錄發生什麼事。失敗的 app 允許一次重試，但會標記出來。

原文摘要

這次測試的三個任務分別是：一個 3D 魔術方塊、一個簡單的射擊遊戲、以及一個數據視覺化圖表。結果出來，Grok 4.5 在魔術方塊的渲染速度和互動流暢度上贏了，但成本比 GPT-5.5 高出不少；GPT-5.5 在射擊遊戲的邏輯正確性上表現最好，幾乎一次過關；Claude Opus 4.8 則是在數據圖表的美觀與可讀性上碾壓對手，但延遲比另外兩家慢了大約 30%。最讓人意外的是 Fable 5——它號稱是「創意型」模型，結果三次任務全數失敗，第一次渲染直接白屏，重試後還是只有一半功能。TryAI 團隊特別標註：「Fable 5 的程式碼看起來很華麗，但跑起來就是悲劇。」

我的觀點

這次測試最有趣的數字不是誰最快，而是「一次生成成功率」的落差。Grok 4.5 和 GPT-5.5 都做到三個 app 一次過關，Claude 4.8 一個失敗（重試後成功），Fable 5 全軍覆沒。這代表什麼？對開發者來說，如果只是要找一個「能快速 prototyping 的工具」，Grok 和 GPT 系列顯然更穩；但如果你在乎產出的視覺品質（像 dashboard 或客戶端展示），Claude 的設計感確實明顯高出一個檔次。成本則是另一個抉擇點：Grok 4.5 跑一次魔術方塊花費約 $0.12，GPT-5.5 只要 $0.08，Claude 4.8 則要 $0.15。在 side project 階段可能無感，但到了 production 規模，這個差距會直接吃掉你的雲端預算。

延伸思考

這件事讓我想到一個更大的問題：AI 寫程式的競賽，已經從「能不能寫」變成「誰寫得又快又便宜又漂亮」。但「漂亮」這件事很難量——Fable 5 的程式碼風格被讚美，卻完全不能用；Claude 的圖表很好看，但慢半拍。未來開發者可能需要像選框架一樣，根據專案類型來挑模型。例如快速雛型用 GPT、動畫互動用 Grok、視覺簡報用 Claude。不過別忘了，這些模型都還在飛速迭代，今天的最佳解，下個月可能就被淘汰。唯一不變的是：寫程式的人，永遠要會判斷 AI 吐出來的東西能不能用，而不是無腦複製貼上。

📝 編輯說：:這篇文章在TryAI官方部落格發布後，Hacker News上的討論串超過400則留言，網友對「Fable 5全軍覆沒」的結果特別感興趣，也有人認為測試的prompt太像程式競賽題，不夠貼近真實開發場景。

📰 3. MIRA：在《火箭聯盟》中訓練的多玩家互動世界模型

🔗 原文連結

MIRA Loading… 其實只是個緩衝畫面。但背後的技術可不得了——一個名為 MIRA 的多玩家互動世界模型，特別挑了一款多人競技遊戲《火箭聯盟》（Rocket League）來訓練AI。這不是普通的神經網路，而是一個能同時模擬多名玩家行為、預測動態場景的世界模型。

原文摘要：MIRA 到底在玩什麼？

簡單說，研究團隊把《火箭聯盟》當作一個物理模擬場，訓練一個世界模型去學習遊戲規則、車輛物理、球體運動，以及多位玩家間的互動。這不是單一AI學怎麼玩，而是建立一個能預測「如果某玩家做了A動作，其他人會怎麼反應」的模型。最終目標是讓AI具備「多玩家共識」的理解力，甚至能在完全沒有人類干預的狀況下，自行生成合理且複雜的多人遊戲對局。

我的觀點：從電動車到電競，世界模型才是真門檻

你可能玩過《火箭聯盟》——汽車踢足球，看似單純，但實際上要精準控制車輛跳躍、翻滾、撞擊，還得跟三名隊友配合。傳統遊戲AI多半只學「最佳單人決策」，但 MIRA 選擇挑戰更難的題目：同時預測多名玩家行為的互動模型。

這讓我想到一個問題：為什麼不乾脆訓練AI玩遊戲就好，還要做「世界模型」？因為如果你只訓練AI玩遊戲，它學會的是「在特定地圖、特定版本下按按鍵」。但世界模型學的是「遊戲的物理規則和玩家行為模式」，這讓AI能適應新情境，甚至能幫遊戲開發者測試平衡性。例如用 MIRA 模擬「如果把球體大小改1.2倍，比賽會不會變得更刺激？」這類假設性情境，不需要真的跑幾萬場真人對戰。

另一個關鍵是「多玩家互動」。過去單一AI的世界模型（如 Dreamer、MuZero）多半用在圍棋或單人遊戲。但現實世界（從交通到股市）很多問題是多智能體協作對抗。MIRA 選電競遊戲作為試驗場，其實是在為更複雜的應用鋪路。

延伸思考：從遊戲模型到真實世界

如果 MIRA 在《火箭聯盟》裡成功了，下一步會是什麼？想想自動駕駛：路上有數十輛車、行人、腳踏車，每個人都在有限時間內做決策。這不就是一個多玩家互動世界嗎？又或者用在智慧城市交通號誌控制，多個號誌燈需要協調。MIRA 那套「預測其他玩家行為」的能力，剛好能應用在這些領域。

當然，遊戲模擬和真實世界還差很遠。遊戲的規則清楚、物理完美，真實世界充滿雜訊和不確定性。但至少 MIRA 提供了一條可複現的研究路徑：選一款多人遊戲，建立世界模型，驗證演算法，再逐步轉移到真實情境。對開發者來說，這比直接跳進自駕車系統要便宜、安全得多。

EDTOR_NOTE: 這篇報導在 Game AI 社團引發熱議，許多開發者認為 MIRA 最大的貢獻是讓「多智能體世界模型」的研究門檻降低了，畢竟《火箭聯盟》買來就能開工。

📚 本日原文來源

本文由JK Space News彙整，不代表任何投資建議。