AI焦點｜Goldman Sachs Says Optical Net・Robinhood Plans to Let AI Agen・透過現代編碼代理，新舊應用程式的重生

📰 1. Goldman Sachs Says Optical Networking Is AI’s Next Trillion-Dollar Opportunity. Lumentum May Be the Biggest Winner

TITLE:高盛：光學網路是AI的下一塊兆美元大餅，Lumentum 可能是最大贏家

原文摘要

高盛最近拋出一個重磅觀點：光學網路是繼GPU之後，AI基礎設施的下一個兆美元等級商機。報告特別點名光通訊元件大廠 Lumentum，認為它在這波光纖升級浪潮中佔據最有利位置。簡單來說，隨著AI訓練集群從幾千顆GPU擴張到幾萬甚至十幾萬顆，傳統的銅線傳輸已經撐不住了——延遲、頻寬、功耗全部卡關。高盛預估，未來五年資料中心內部的光互連（Optical Interconnects）市場規模將暴增超過十倍，而Lumentum的雷射二極體與光學模組技術正好是這個瓶頸的解方。

我的觀點

我完全認同光學網路在AI時代的戰略價值，但對「兆美元」這個數字有點保留。高盛的報告邏輯說得通：算力再強，資料送不進GPU也是白搭。現在大家只看到NVIDIA賺翻，卻忽略了背後的光纖廠商正在偷笑。但要注意的是，這個市場不像GPU那樣被寡頭壟斷——光學元件領域的競爭者很多，包括II-VI（現在叫Coherent）、Finisar（已被收購）、以及一堆中國玩家。Lumentum雖然有好產品，但能否守住毛利率還是未知數。而且，矽光子（Silicon Photonics）技術正在成熟，英特爾、思科等大廠都在搶進，Lumentum的傳統優勢不一定能延續到下一代。

延伸思考

這個趨勢背後有個更瘋狂的想像：未來的AI資料中心可能會徹底拋棄電子交換，變成全光網路。現在我們還得把光訊號轉成電訊號才能交換，這中間的功耗和延遲是巨大浪費。如果哪天「光交換」技術成熟，整個網路架構會重寫。那時候，不只是Lumentum，整個光通訊產業鏈都得重新洗牌。另外，台灣的聯亞、華星光等光通訊廠商或許也有機會分一杯羹，這點投資人值得留意。

📝 編輯說：:這篇文章在高盛報告發布後，國內外科技論壇都在討論「光進銅退」的趨勢，筆者認為最有價值的觀點是提醒大家不要只看龍頭股，產業競爭格局的變化才是真正的風險與機會。

📰 2. Robinhood Plans to Let AI Agents Trade Crypto for US Customers

🔗 原文連結

TITLE:Robinhood計劃讓AI代理為美國用戶交易加密貨幣

原文摘要

根據報導，Robinhood正在計畫推出一項新功能：讓AI代理（AI Agent）代表美國客戶自動執行加密貨幣交易。簡單來說，你只要授權給一個AI機器人，它就能根據市場數據、你的偏好或某種策略，直接幫你買賣比特幣、以太幣等加密貨幣。雖然Robinhood沒有透露具體上線時間，但這項消息已經在Reddit和Twitter上炸開了鍋——畢竟，當你的券商變成「自動駕駛」模式，誰還需要盯盤？

我的觀點

報導中沒有給出任何測試數據或風險控管細節，但「美國客戶」這個關鍵字已經透露了Robinhood的策略：先從監管相對成熟的市場試水溫。然而，加密貨幣交易不像股票那樣有熔斷機制，波動可以一天內50%起跳。如果AI代理在極端行情下連續誤判，你的帳戶可能在幾分鐘內歸零。我認為Robinhood這步棋背後有兩個明顯動機：一是提升用戶的「懶人交易」黏著度，二是從每筆自動交易中抽佣賺到手軟。但風險在於，使用者可能根本搞不清楚AI代理的決策邏輯——就像你讓一個黑盒子幫你賭博，輸了還不能怪它。這比傳統的「機器人理財」更激進，因為加密貨幣市場根本沒有「理性」可言。

延伸思考

想像一下：你設定AI代理「低買高賣」，結果它因為抓取到某個Twitter帳號的假消息而大量買入，接著幣價暴跌，你欲哭無淚。更恐怖的是，如果多個券商都推出類似的AI代理，市場會不會出現「機器人互踩」的連鎖效應？這已經不是單純的自動化，而是把散戶也拉進了高頻交易的戰場。背後的延伸問題是：法律責任歸誰？Robinhood會不會在免責條款裡寫「AI代理僅供參考，損益自負」？此外，資安也是大坑——AI代理需要存取你的帳戶權限，萬一API被駭，後果不堪設想。未來可能出現「代理大戰」，各家AI互相比拚速度與策略，最終受害的還是那些沒搞清楚就按「啟用」的用戶。

📝 編輯說：: 這篇文章在科技媒體圈引發熱議，筆者認為最有價值的觀點是：當AI開始直接管理你的錢包時，「免責聲明」可能會變成券商最大的保護傘，而用戶則要自己承擔AI犯錯的代價。

📰 3. 透過現代編碼代理，新舊應用程式的重生

🔗 原文連結

原文摘要

知名數學家兼程式愛好者Terry Tao在他的部落格分享了一個有趣的實驗：他嘗試用現代的AI編碼代理（coding agents），像是GitHub Copilot、Claude等工具，同時處理兩類任務——一邊從零打造一個全新App，另一邊則是把20年前用Perl寫的老舊科學計算腳本翻新成Python。結果發現，這些編碼代理不僅能快速生成結構清晰的程式骨架，還能幫他解讀那些連他自己都快忘光的古老語法。Terry強調，最大收穫不是「寫得快」，而是「改得準」——AI能在他重構時自動補上單元測試和型別註解，大幅降低引入新bug的風險。

我的觀點：你也是那個面對「前人留下的大坑」的人嗎？

如果你曾經在公司打開一個沒文件、註解是亂碼、變數名叫a1、temp2的專案，大概就能理解Terry為何對「改老程式」這麼有感。過去我們只能硬著頭皮用Ctrl+F翻大海，現在不一樣了——你把那段詭異的函式貼給AI，它會先幫你解釋「這其實是在做奇偶校驗」，然後建議你用現代語法重寫，甚至順便補上邊界條件檢查。

我自己上週就在處理一個2012年的Django後台，裡頭寫滿了request.POST.get('foo', None)這種反模式。丟給Claude 3.5後，它直接給出重構後的DRF view，還附帶一段migration修掉老Schema的坑。老實說，這比叫我自己用眼睛掃描程式碼快了十倍。重點是AI不會厭煩，它對每行屎山都一視同仁。

延伸思考

這其實暗示軟體維護的本質正在改變。過去我們常說「程式碼是負資產」——每多一行就要多養一行。但如果AI能幫你低成本的讀懂、改寫、測試老程式，那所謂「技術債」的利息計算公式就要重寫了。另一個方向是：當AI代理可以同時平行處理新舊開發，公司的技術選型策略會更傾向用「最便宜能跑的語言」寫第一版，反正之後叫AI重構就好。這聽起來很誘人，但小心——AI重構出來的東西如果沒人懂，最後還是變回難以維護的黑盒子。

也許未來最值錢的技能不再是「寫新架構」，而是「精準餵提示詞給AI，讓它改出安全又乾淨的版本」。這比現在什麼Prompt Engineer職位更務實。

📝 編輯說：: 這篇文章在Hacker News上引發不少討論，有人覺得AI改老程式根本是換個方式埋bug，也有人認為Terry Tao的觀點點出了技術債的新解方。筆者認為，最有價值的是他提醒我們：不要只把AI當成加速器，而要當成知識橋樑。

📚 本日原文來源

本文由JK Space News彙整，不代表任何投資建議。