Elon Musk 公開「世界模型」計畫：要讓 AI 學會理解現實

週末我在 X 上看到美圖創辦人吳欣鴻的一場內部演講，感觸很深。他先是舉出了一些讓人既熟悉又無力的場景（當然不是指我們，只是讓我想起前公司了 XD ）：
需求文件寫得相當漂亮、細節拉好拉滿，PPT 能動是最好，不能動至少矩形要加個光暈在多個凸面，然後開發要花半天時間讀完，讀完啥都聽不懂；
每天泡在會議裡，例會、同步會、複盤會輪番上陣，開了一整天卻什麼都沒決定；
一個小需求要經過層層審批、OA 流轉數十人；
一個創新想法得等到下個季度再排期。

他稱這種現象叫「慣性工作流」——聽起來是流程化，其實是把動能都消耗在這些無意義的瑣事上。於是他們在今年的五月執行了一個名為「RoboNeo」的組織實驗專案，5 月封閉開發，6 月開放內測，7 月正式上線，沒有預算、沒有 PR、也沒有任何外部導流，結果上線首月就突破 百萬 MAU，直接登上多國 Appstore 前十。

在 RoboNeo 的開發過程中，一個人可能同時擔任設計師、文案、營運與測試；
AI 則成為每個人的「共用助手」，幫忙生成素材、測試介面、撰寫文案，甚至進行多語言在地化。從傳統的「依賴流程與分工」轉為「依賴個體與工具」。

當我們在討論 multi-model（多模態）AI 如何整合語言、圖像與行動的同時，「multi-functional 的個體」也正逐漸取代「多職能的團隊」。在 AI 工具足夠成熟的時代，一個人能同時扮演產品、設計、營運與開發，這也許才是 AI 時代最被低估的現象之一 —— 當模型越來越多模態，人也開始變得越來越多功能。

本周焦點事件

1. Elon Musk 在打造「世界模型」，先從一款 AI 生的遊戲開始
2. 高雄駁二 TTXC ，文化與科技的交會點
3. Gemini 2.5 Computer Use：讓 AI 操控你的電腦
4. Sora 下載破百萬後，App Store 馬上被冒牌索拉灌爆
5. AI 使用率翻倍，但如果用在新聞，讀者可不買單

還想看更多嗎？完整內容只對註冊用戶開放喔！
點下方的免費 Subscribe，馬上加入我們～

Elon Musk 在打造「世界模型」，先從一款 AI 生的遊戲開始

Elon Musk 領軍的 xAI 正式對外揭露下一步計畫：他們正在打造一套能「理解現實」的 AI 系統，稱為 World Models，預計明年底前會釋出一款完全由 AI 生成的遊戲作品做為示範。這不只是遊戲，而是一個能自己生成 3D 世界、模擬物理互動、理解環境邏輯的 AI 模型——類似於大腦中的「世界理解模組」。

根據《Economic Times》報導，xAI 已延攬多位來自 Nvidia 的圖形與模擬技術專家，協助開發這套模擬引擎。雖然我們知道 Elon Musk 很愛玩遊戲，但他的終極目標並不是遊戲本身，而是建立一個「封閉迴路」的生態系：xAI 作為學習世界的認知層（World Models），Tesla 承載物理執行層（車輛、機器人、工廠），兩者將共同組成現實世界的「作業系統」。

這意味著，一旦 World Models 成功，它將不只應用在遊戲與 3D 模擬，更可能成為機器人與自駕車的感知中樞，甚至是未來所有數位與物理世界介面的底層 API。

觀察筆記

xAI world model 的佈局，與其說是為了開發一款 AI 遊戲，更像是在鋪陳一套虛實整合的基礎建設。這項策略與現有主流語言模型的發展方向有顯著差異：後者偏重語意理解與內容生成，或是往 proactive agent 來發展，而前者則是意圖建立一個「可運行、可互動、具備物理邏輯一致性」的模擬世界。

從功能定位來看，world model 可視為一種 AI 的中介層（middleware），其核心能力不是語言理解，而是對空間、動作、因果關係的掌握。這種能力對於自駕車、機器人、AR/VR、邊緣設備乃至於工業自動化等領域，都是 AI 進入真實世界的先決條件。

與其說 xAI 正在打造一款遊戲，不如說他們選擇了遊戲作為訓練「可解釋、可驗證」認知模型的沙盒場所，跟 Nvidia 推出的 Cosmos 還有 DeepMind 先前發布的幾個世界模型相同。相比語言模型缺乏 ground truth 的問題，遊戲世界提供了封閉但具邏輯性的規則，有助於訓練 AI 理解因果關係、空間結構與動態回饋。這也是許多 AGI 專案選擇以 Minecraft、GTA、模擬飛行等環境作為訓練場域的原因。

若進一步將 xAI 放回 Elon Musk 一貫的畫餅邏輯中，會發現這不只是一項產品策略，而是延續他「閉環 AI 生態系」的關鍵節點：xAI 提供 world model 作為認知層、Tesla 與 Optimus 機器人作為執行層、Starlink 與 SpaceX 提供感測與運輸層。這不是單點突破，而是試圖從軟體到硬體、從模擬到部署，打造一套 reality stack，也不知道是不是我過分解讀，但反正我是起了雞皮疙瘩。

外界對 Elon Musk 最大的誤判，往往不是高估他畫的大餅，而是低估他把這些餅做出來的可能性。從火箭回收到電動車革命到超高速運輸，這些基本上只能在科幻小說裡面看到的情節，都被他一一實踐出來了。World Models 是否成為下一個標準尚難定論，但如果它成功，將不只重構模擬產業，還可能成為實體 AI 落地的中央大腦。

TTXC 在高雄駁二，文化與科技的交會點

近年來，「文化 × 科技」這個詞出現的頻率大概和「AI × 產業」一樣多，但同樣存在一個問題：很多人聽到時會覺得抽象。這也是為什麼我特別關注即將在高雄舉辦的 2025 TTXC 台灣文化科技大會。這場活動並不是單純的展覽，而是嘗試為文化與科技的結合下出一個更具體的定義。

整體來看，TTXC 大會的結構可以分成四個部分：國際研討會、高雄電影節、XR DREAMLAND，以及文策院主導的 INNOVATIONS。

第一是 展覽。TTXC 今年設置了兩大展區——【XR DREAMLAND】與【INNOVATIONS】。前者從高雄電影節發展而來，歷經多年已成為亞洲規模最大的 XR 展覽，集結 35 部國際作品；後者則是文化內容策進院主導的策展，展示近 70 件台灣原創與跨界作品。這個設計的目的很清楚：一邊讓你看到世界最前沿的沉浸式內容，一邊展示本地創作者的能量。

第二是 議題。四大核心主題——影視特效、沉浸式內容、IP 應用娛樂、創新場域營運——其實正好對應了產業目前的關鍵痛點與發展機會。研討會的設計並不是純粹討論，而是拉來實際在這些領域有深厚經驗的人，把案例放到台灣觀眾眼前。

第三是 實驗。這裡的實驗不是技術 demo，而是跨領域的「想像測試」。像是文策院主導的 INNOVATIONS 展區，展出許多由政府投資與補助計畫支持下誕生的跨域成果，例如《快樂的陰影》《妖怪森林》等，或 XR DREAMLAND 展出的高雄原創 VR 與文化黑潮計畫作品。

為什麼值得你注意？

如果你對影視、動畫或沉浸式內容的未來有興趣，這一場「虛擬製作新勢力」的組合幾乎是夢幻等級。這不只是一場講座，而是一場由四個產業關鍵角色共同展開的時代對話。

我對謝安的印象非常深——投行背景的他，在二十多歲就成為 數字王國（Digital Domain）CEO，帶領團隊承接《復仇者聯盟》《鐵達尼號》等好萊塢大片的視覺特效。這次他代表 Wētā FX（《魔戒》《阿凡達》的幕後團隊）登台，等於直接把世界頂尖的虛擬製作 know-how 帶進台灣。

另一位講者 馬萬鈞博士 也很特別，他橫跨學術與娛樂兩個世界，從南加大創意科技中心一路做到 Meta Platforms 研究員，過去參與過《哈比人三部曲》《玩命關頭7》《決戰猩球》等動態捕捉專案。他會談的主題之一，就是 AI 如何整合臉部動畫與動作捕捉，把演員與數位角色的邊界變得模糊。

而韓國的 Daniel SON 則代表另一個方向——如何用虛擬製作與 AI 讓戲劇產業規模化。他是韓國 VFX 第一代監製，曾參與《Sweet Home》《殭屍校園》《破墓》等影集，是把韓國影視後製推向國際的關鍵人物。

最後的主持人 林家齊，其實是我特別想提的名字。

如果你對 3D 動畫或虛擬攝影棚有研究，一定聽過他創辦的 夢想動畫（Moonshine Animation）——幾乎是台灣影視業界公認的高品質團隊。我第一次認識他們，是透過台灣結合區塊鏈打造 IP 的《Elysium Shell》前導片，那支作品的細節與渲染質感，讓我第一次意識到原來台灣的動畫公司也能做到這個水準。

為什麼值得你去？

我認為 TTXC 的價值在於，它不是單純的展示，而是一個「價值結構」的縮影。展覽顯示了內容與技術的產出；議題呈現了產業鏈上下游的連結；跨界活動則是一次「文化如何落地」的演練。

如果我們把文化科技當成一個生態系，TTXC 其實就是一次全貌的 mapping：

• 誰是合作夥伴？（國際影展、IP 授權商、科技公司）
• 什麼是價值元素？（沉浸體驗、IP 授權、品牌互動）
• 價值結構如何串起？（從內容生產 → 技術工具 → 消費體驗）

而更關鍵的問題是：台灣能不能在這個結構裡找到自己的位置？

對讀者而言，這場大會值得你親自去參與，不只是「看展」，而是去思考自己在這個文化科技生態系裡能扮演什麼角色——創作者、投資人、經營者，或是下一個跨界的實驗者。

活動名稱： 2025 TTXC 台灣文化科技大會
主辦單位： 文化部、高雄市政府
活動時間： 2025/10/10 - 10/26
活動地點： 高雄 駁二藝術特區
🔗 官網｜http://ttxc.tw
📘 Facebook｜https://www.facebook.com/ttxc.expo
📸 Instagram｜https://www.instagram.com/ttxc.expo

Gemini 2.5 Computer Use：讓 AI 操控你的電腦

Google 近日釋出 Gemini 2.5 Computer Use 預覽版，這是一套具備「使用電腦」能力的多模態 AI 模型，支援透過 API 控制瀏覽器與應用程式，能自動點擊按鈕、填寫表單、輸入文字，完成特定操作流程。

這套系統的運作方式是：AI 模型能根據螢幕截圖 + 上下文，判斷該做什麼動作，並在實體電腦環境中執行這個動作，然後根據新的畫面狀態進行下一步判斷。整體邏輯與人類使用電腦的方式相當類似。

所以從上面圖可以看到有幾個關鍵的節點，分別是：

1. Initial Task：任務啟動
   使用者或應用程式發出初始任務（如：幫我登入 Gmail），系統截取當前畫面（screenshot）並搭配先前的上下文（previous context）作為模型的輸入
   
2. Send to Model：傳送給 AI 模型
   這些資訊被送入 Gemini 模型，模型會根據畫面理解（Visual Understanding）與任務邏輯，產生下一步操作建議（例如：點選「登入」按鈕、輸入帳號）。
   
3. Execute Action：執行操作
   這個指令被傳給實際的「client app」，也就是模擬人類操作的使用環境。模型會像人一樣在螢幕上點擊、滑動、輸入，而不是用後端 API 去直接傳參數。
   
4. New State Captured：回饋新的畫面狀態
   完成操作後，系統再次截圖，取得當前的新畫面狀態，並將它回傳模型，進行下一輪推理。如此重複進行直到任務完成，形成一個封閉式的控制系統。

根據測試，Gemini 2.5 的表現超越 OpenAI 的 Computer Use Agent 與 Claude 4.5，在 Web 和 Mobile 任務上均取得最高精度與最低延遲，也被證實是 Google 內部 Project Mariner 與 AI 模式功能的基礎引擎。這項技術目前仍在開發者預覽階段，但已展現出極高的商用潛力。

觀察筆記

在技術架構上，Gemini 2.5 Computer Use 採取的是「感知－決策－執行－回饋」的封閉控制環路。從螢幕截圖獲取狀態、送入模型進行推理、再將動作回傳給電腦環境執行，並根據畫面變化進入下一輪推理——這種設計本質上就是一個最小閉環的 agent 架構。

大概在去年年初，我們曾做過一支關於 Claude Computer Use 的影片，實測它在網頁環境中自動填寫表單與查詢資訊、自行操作 Figma 還有上網搜尋某個物件的簡單任務。遺憾的是 Gemini 整體的流程與 Claude 並沒有太大差異——唯一的差別是，模型的能力已今非昔比。

另外有一點值得提的是 Google 本身就掌握前端開發與瀏覽器生態的基礎，因此能把這套流程變得更加順暢、模組化。但從使用者的體感來說，這仍然是一種「直線式的自動化」——你給任務，模型一個步驟一個步驟幫你完成，就像讓 AI 幫你設計一條 Power Automate 或 Zapier 的流程，只是這次它能直接靠螢幕畫面完成。

也因此，這一波 Computer Use 模型的突破，與其說是「讓 AI 更聰明」，不如說是「讓 AI 更通用」。它不需要等待網站開放 API、不需要企業花錢做整合，只要有螢幕畫面，它就能介入並自動化你的操作。

Sora 下載破百萬後，App Store 馬上被冒牌索拉灌爆

OpenAI 的影片生成模型 Sora 2 自上線以來話題不斷，在不到五天內 App 下載數突破百萬，同時有超過 30% 的下載用戶在第一天就成為活躍使用者。但在官方還在「邀請制」階段時，大量假冒應用程式已搶先佔領了 Apple App Store。

根據《TechCrunch》報導，這些仿冒 App 使用像是「Sora」與「Sora 2」等關鍵字，外觀模仿 OpenAI 官方設計，並宣稱具備 AI 影片生成功能，但實際上只是改了 logo、套殼的舊應用，甚至有的直接套用過去生成圖片的模板。

這些 App 搶下「Sora」關鍵字搜尋榜首，甚至有兩款一度擠進 App Store 總榜 Top 10。與官方僅限邀請使用不同，這些應用可直接下載，並內建付費訂閱機制，有些甚至在下架前就已累積數千筆訂閱收入。

目前 Apple 已將大部分仿冒品下架，但也再度引發外界質疑其 App Review 機制的審核標準，包含放行未授權商標、允許虛假 AI 功能等問題。

AI 使用率翻倍，但如果用在新聞，讀者可不買單

根據牛津大學路透新聞研究所（Reuters Institute）最新發布的《Generative AI and the News Report 2025》，AI 工具在六個國家的使用情況已大幅攀升，尤其在搜尋資訊、回答問題等任務上尤為顯著。報告指出，每週使用 AI 工具的人口比例幾乎翻倍，但針對 AI 在新聞產製的應用，大眾的信任度不升反降，新聞業反而成了最敏感的使用場域。

在使用習慣方面，有 24% 的受訪者表示用 AI 來「查資料與問問題」，已超過 21% 的「生成內容」用途（如寫作、作圖、寫程式）。ChatGPT 仍是最常被使用的平台，而 Google 與 Microsoft 將 AI 整合進搜尋引擎後，也讓 54% 的受訪者在不知不覺中接觸到 AI 產生的摘要資訊。

但當 AI 被用來產製新聞時，使用者態度明顯轉向保守。只有 12% 的受訪者表示可以接受「完全由 AI 撰寫的新聞內容」，高達 62% 則明確偏好「完全由人類撰寫的新聞」。信任落差與去年相比進一步擴大，且對 AI 用於政治報導的疑慮也持續升溫。

觀察筆記

我對這篇報告最感興趣的不是大家用多少 AI、在哪些情境下用，而是那句被大量引用的結論：高達 62% 的受訪者偏好「完全由人類撰寫的新聞內容」——他們又怎麼知道哪些新聞是由 AI 寫的？

這是這份報告裡最矛盾的地方：一邊調查大家對 AI 產製新聞的信任程度，一邊卻沒有明確說明——使用者是否真的能分辨？報告中雖然有提到「標示」與「透明化」是建構信任的關鍵手段，但並沒有進一步說明受訪者是在什麼資訊背景下做出這個判斷的。

這對媒體而言是一個很難解的問題。假如 AI 真的能生成足夠清晰、準確、無偏的新聞稿件，那麼讓讀者知道背後是 AI，是在增加透明度，還是在降低信任感？也許未來的媒體工作不是選擇「要不要用 AI」，而是選擇「要不要讓人知道你用 AI」，如果是我們的話，肯定是有用的，但 AI 的比例不超過 40 %，不然我怕我變笨。

喜歡這期內容嗎？有哪一則讓你特別有感？
歡迎回信或是 Instagram 告訴我們，我們會偷偷讀大家的回覆的！

我們下周見
—AI郵報 編輯團隊