欸你知道嗎，有人剛把 16 台 DGX Spark（超級強的 AI 訓練機器）全部組好了，而且網路速度跑到最滿。說真的，這種大規模硬體組建通常超麻煩，但這次意外地還滿順的。每台機器開箱就已經裝好 Nvidia 客製化的 Ubuntu 系統，幾乎不用自己裝什麼東西。最煩的部分就是要一台一台設定帳號密碼、等系統更新（每台要等 20 分鐘左右）、設定 SSH 連線、調整網路設定之類的——不過他們聰明地寫了自動化腳本，省了不少時間。現在 16 台機器全部連到同一個交換機上，準備好開始跑 AI 訓練了。這種規模的設置，通常代表有人要開始做很大型的 AI 模型訓練，值得關注。
欸你知道嗎，OpenAI 最近要辦一場直播活動。雖然現在還不知道會講什麼，但根據他們過去的習慣，通常直播就代表有新東西要發表。可能是 ChatGPT 的新功能、新模型，或者什麼其他猛的東西。反正 OpenAI 的直播從來不會無聊，有興趣的話可以追蹤一下，說不定又會有什麼改變遊戲規則的公告。
The last time OpenAI did an unannounced livestream, they dropped GPT-4 Turbo and changed pricing overnight
欸你知道嗎，ChatGPT 的畫圖功能出新版本了！OpenAI 推出 ChatGPT Images 2.0，聽說生成圖片的品質和功能都有大幅進步。如果你有在用 AI 畫圖，或是一直想試試看的話，現在正好可以看直播了解新功能是什麼。簡單來說就是 AI 畫圖又更強了，說真的有點扯。想看現場演示的話，直接上 https://openai.com/live/ 就能看直播。
OpenAI is positioning this as a direct competitor to established image generation tools, suggesting they're confident enough to challenge the current market leaders
欸你知道嗎，整個2025年，只要有人說AI有問題，大家就會說「別急，再等3到6個月，下一版本就會完美解決」。這套說詞真的到處都是——什麼功能不夠、什麼做不到，通通都說「這只是暫時的，馬上就會改進」。那些自主AI助手的展示影片更是被吹得天花亂墜，好像明天就要改變世界一樣。 結果現在已經2026年4月了，該檢驗一下去年那些承諾有沒有兌現。Reddit上ClaudeAI社群這週炸裂了，一堆人在討論最新的Opus 4.7版本，結論是：「這根本是退步啦」。說真的，去年那套「再等等」的論調現在看起來有點傻。
欸你知道嗎，有人在 AMD 最新的 Strix Halo 筆電晶片上試著跑 Mistral Medium 3.5 這個大型 AI 模型，結果超慘。一個簡單的程式碼問題，光是讓 AI 思考和回答就花了 2 小時。沒騙你，真的 2 小時。這就像是你問 ChatGPT 一個問題，結果要等到隔天早上才有答案，只不過這次是在你自己的筆電上發生。雖然他們已經用了各種優化技巧（什麼量化啦、GPU 加速啦），但還是快不起來。簡單來說就是，如果你想在筆電上跑這麼大的 AI 模型，現在還不是時候。除非你不介意每次都要等個幾小時。
白話點評
有人剛剛超隨便地組了16個GPU叢集，就像周末DIY一樣。未來已經來了，而且超貴。
有個人剛裝好16台DGX Spark——那大概是240萬美金的AI硬體——結果他講起來就像在組IKEA家具一樣輕鬆。每台Spark基本上就是一台超級電腦，裡面預裝了Nvidia客製化的Ubuntu和所有訓練大型模型需要的東西。設置流程呢？架上去、開機、設定網路、跑個腳本——砰，你就有了一個能處理會讓你筆電哭出來的AI工作量的叢集。讓我最傻眼的是這聽起來有多隨便。每台機器更新20分鐘、一些SSH設定、網路用巨型幀——突然間你就在跑大多數公司只能夢想的基礎設施。這不是什麼科技巨頭的資料中心，這是某個人的組裝日誌。
AI 怎麼看
AI基礎設施
high現在就開始編列多節點設置的預算吧——單GPU訓練已經變成基本配備了，再不準備就落伍
有人剛剛超隨便地部署了16台企業級AI工作站，就像在家裡組裝實驗室一樣
你現在遇到的訓練瓶頸，跟接下來要面對的比起來根本小巫見大巫
這跟你的工作有關嗎
機器學習工程師
整個會變不一樣多節點叢集已經變成標準基礎設施，不再是奢侈品了
趕快學分散式訓練框架——你那套單GPU的經驗已經不夠看了
DevOps工程師
好消息隨著公司AI規模擴大，基礎設施部署變成核心技能
親手操作GPU叢集管理吧——這就是基礎設施工作的未來方向