xAI 推出 Grok Bot，0 門檻的 AI Agent 又多一個選擇？
上週在讀者調查後台，我看到一則留言，寫著：「AI變化太快了，不知道未來產業會怎麼發展，所以搞不太清楚學AI的終極目標。」
我認為學 AI 跟你當年學Adobe、學剪輯、學任何一套工具其實沒有兩樣，本來就沒有「學到底」這回事。工具永遠是圍著你的工作和生活需求在轉，而不是讓你追著工具的版本更新跑。
真正決定你會不會持續學下去的關鍵，跟AI進化到哪一步其實沒什麼關係，關鍵在於你對現在的工作或生活有多不滿意，你有多渴望把事情做得更好更快，或是你的痛點有多痛。饑渴程度夠高，你才有動力一直把 AI 往自己的需求裡塞，也才學得下去。
這也是我們每次出去分享時最常講的一句話：學AI的第一步，根本不是去研究模型多強，而是先把自己的工作攤開，找出哪些環節可以讓AI接手。
感謝各位陪伴我們的讀者留下自己的答案，調查還在繼續！如果你也想留下自己用AI的紀錄，或想搶先看到完整報告出爐，歡迎花 6-8 分鐘填一下：
填完可以優先拿到完整報告，希望我們可以在AI學習這條路上一起成長。
接下來，就讓我們一起快速掌握本週五件最值得關注的 AI 大事！
本周焦點事件
- xAI 推出 Grok Bot，0 門檻的 AI Agent 又多一個選擇？
- Claude 萬事屋駭進健身房系統，幫你搶熱門團課
- ChatGPT、Gemini雙雙衝破 10 億用戶，但一個是週活，一個是月活
- 天要崩了！DeepSeek 宣布將調漲API價格
- 抓 AI 文章抓過頭，真人寫手也遭殃
xAI 推出 Grok Bot，0 門檻的 AI Agent 又多一個選擇？
2026年8月11日，xAI 宣布推出 Grok Bot，目前進入早期公開測試。它最吸睛的一點是，每個 Grok Bot 都配有一台專屬於自己的雲端電腦，不用掛在你的瀏覽器分頁裡陪它工作，它可以自己上線、自己下班、自己回報進度。
Grok Bot 具體來說怎麼運作呢？
- 運作環境：每個 Grok Bot 跑在自己專屬的雲端電腦上，可以登入那些沒有乾淨 API 或 MCP（讓 AI 跟外部工具溝通的一種標準協定）可用的老舊系統（就是類似 Computer Use 一樣的截圖、識別、操作流程）。
- 工作範圍：跨應用程式、跨收件匣、跨網站作業，官方舉的案例包括跟供應商議價、管理線上商店的客服對話、維護 CRM 資料。
- 何時找你：只有真的需要你點頭核准的時候，它才會回來問你，其他時候都是自己默默處理。
- 開放對象：目前限定 SuperGrok Heavy、Cursor Ultra、Cursor Teams Premium 訂閱用戶，桌面版跟 iOS 都能用，企業用戶要先排候補名單。
這波 AI Agent 降低門檻的更新，先從 Cowork 延燒，隨後 Codex，接下來輪到 Gemini 跟 Grok，這也是目前「AI Agent」浪潮最容易理解的一種產品形態：AI 可以比人更厲害，自動登入系統、跑完整個流程、必要時才找人核可。
我覺得很有趣的是，Manus 在去年中的時候就推出過這樣的功能，差異點是 Manus 是 AI 開一個 Sandbox 測試來幫你執行、搜尋，而現階段的 AI Agent 則是主打「讓AI 直接操控你的電腦」。
觀察筆記
Grok Bot 讓我想起兩年前拍過的一支教學影片。那時候 Claude 剛推出 computer use，我們特地找了兩個很簡單的案例：叫 AI 查一筆資料 & 幫忙填一張表單。就這麼簡單兩件事，最後算出來的 token 費用是 8 美元。當時的 computer use，本質上是一場昂貴的表演：你付錢看 AI 一步一步在螢幕上點來點去，速度慢、還常常點錯，示範價值大於實用價值。
兩年後的今天，是貨真價實的 AI Agent 普及化，當然現在我們對於 AI 的想像和應用可能不及 0.01 ，但是這樣的迭代速度，好像兩年就從麥金塔電腦進入到 WindosXP XD。
Claude 萬事屋駭進健身房系統，幫你搶熱門團課
2026年4月，澳洲一名軟體開發者 Andrew，請自己養的 OpenClaw AI 代理人（後端接的是 Anthropic 的 Claude）幫忙訂一堂很搶手的健身房團體課。這件事原本只在他自己的部落格上被輕描淡寫提過一句，直到本週被 ABC News 挖出來報導，才變成澳洲已知第一起「消費級 AI 代理人自主入侵正式營運系統」的案例。
Andrew 表示，他希望 OpenClaw 能夠替他訂到這堂課，但沒想到 Agent 接手後，先是找到一個漏洞，能在健身房開放預約的官方截止日前好幾週就搶先卡位。當時 Andrew 排在候補名單第4名，Agent 並不滿足於「排上隊」，繼續動腦筋，直接找到方法取消候補名單上另一名會員的預約，把 Andrew 從第4名推到第3名。好笑的是，當 Andrew 發現自己的 Agent 做了錯事，想要讓 Agent 重新把候補會員填上時，Agent 回答 : 「抱歉，我做不到」(這段既視感很重XD)。
ChatGPT、Gemini雙雙衝破 10 億用戶，但一個是週活，一個是月活
2026年8月11日，Google 執行長 Sundar Pichai 在 X 上宣布，Gemini App 的月活躍用戶（MAU）已經突破10億，是 Google 史上第14個達到這個門檻的產品，他還稱它是公司「成長最快的產品」。幾乎在同一時間，OpenAI 發言人也向媒體證實，ChatGPT 的月活躍用戶更早之前就已破10億，7月份的週活躍用戶（WAU）也達到了10億。
乍看是兩大巨頭同框慶祝里程碑，但仔細看會發現這兩個「10億」根本不是同一把尺量出來的。
Gemini 的成長軌跡，根據Gemini負責人所說，已經是 Google 裡成長速度最快的產品：2025年10月大約6.5億月活，2026年2月來到7.5億，6月的 Google I/O 上 Pichai 提到9億，7月財報約9.5億，一路衝到這週的10億，年增速度接近三倍。
但還是比不上 ChatGPT ， ChatGPT 早在今年5、6月間就先跨過10億月活這道門檻，是史上最快達到這個規模的應用之一。a16z 針對消費級 AI 應用的追蹤報告也提到一個有趣的細節：ChatGPT 目前網頁月訪問量大約是 Gemini 的2.7倍，但已經有近兩成的 ChatGPT 週活躍用戶同時也在用 Gemini，代表用戶越來越不對單一工具死忠，而是看任務挑工具用。
觀察筆記
我認為比數字本身更值得注意的，是 a16z 觀察到的那個「多重任用」現象：快兩成的 ChatGPT 週活用戶同時也在用 Gemini。我覺得這個數據很有意思，大家可以想一下，你從以前一開始用 AI，是不是一個主力模型，n 個次要輔助工具 (可能像 Gamma、Midjourney、Perplexity、Kling...) 但現在這些次要輔助工具，可能就是一個 Gemini 了，因為他幾乎能包辦所有事。
天要崩了！DeepSeek 宣布將調漲API價格
2026年8月6日，中國 AI 公司 DeepSeek 罕見公開警告開發者：API 價格即將「顯著」調漲，請大家提早規劃用量。這對我來說，真的是如標題一樣「天要塌了」，我手邊有將近 50~60% 繁冗的工作是由 DeepSeek 負責的，這一調漲，可能要讓我找其他替代方案了。
DeepSeek 從一開始就是靠「便宜」打天下的公司：2025年推出離峰時段折扣，V3模型打五折、R1 模型打七五折；今年5月底，更把主力模型 V4-Pro 的標準費率一口氣永久調降了75%，每百萬 token 的輸出價格從3.48美元砍到0.87美元。這種「別人賣多少我砍到骨折」的姿態，正是它能在 2025 年初讓 Nvidia 單日市值蒸發近6000億美元的底氣。如今這家公司自己開口說要漲價，等於是把過去兩年立下的人設，親手拆掉一角。
DeepSeek 是誰？ DeepSeek（深度求索）是中國量化對沖基金「幻方量化」在2023年成立的全資子公司，總部在杭州。創辦人梁文鋒本來是靠 AI 驅動的量化交易策略起家，管理資產一度衝到110億美元，2023年後把手上囤積的算力跟人才轉去做開源大型語言模型，才有了後來的 DeepSeek。
漲價的時間點也選得很尷尬，DeepSeek 選在對手集體降價、市場需求正旺的時候漲價，「等於自找麻煩」。比較合理的解釋是在 DeepSeek 的成本結構裡：
- 2026年全球AI資料中心用電量衝上約90 TWh，其中八到九成都燒在「推論」（也就是模型回答你問題的那個當下，而不是訓練階段）上
- 加上HBM記憶體吃緊、美國對先進晶片的出口管制逼著 DeepSeek 把算力重心轉去用華為的晶片，這些疊在一起，都在推高每次回答背後的實際成本。
- 同一時間，DeepSeek 也在重啟一輪近80億美元的募資，估值上看740億美元，漲價某種程度上也是在向投資人證明自己有能力把價格訂得更貼近真實成本。
抓 AI 文章抓過頭，真人寫手也遭殃
自從 AI 開始普及化後，就有學生因為被 AI 寫作檢測工具誤判而遭停學，媒體合作的自由撰稿人被指控用 AI 代寫而丟了合作機會，連我們很喜歡的媒體 The Verge 都曾被公開指控報導是 AI 代寫的。這些檢測工具，最初其實都是拿來抓「抄襲」的反剽竊軟體，後來才加了一層「抓 AI」的功能，但抓 AI 不是問題，問題是他們標榜「失誤率 0.1 %」。
知名抓AI文的工具 Turnitin，官方說法是誤報率低於1%，新創公司 Pangram 甚至宣稱只有萬分之一，但這些數字通常是在「AI 生成內容佔比超過兩成」的實驗室樣本下量出來的。真實世界裡，尤其是人機協作寫成、風格工整、或非英語母語者寫的文章，多項第三方研究測出的誤判率落在4%到14%之間，個別測試甚至到過50%。換句話說，官方講的是「理想狀況下」，你我遇到的是「真實狀況下」，兩者差了一大截。
觀察筆記
老實說，這篇我特別有感，因為我自己做過一次很陽春的實驗：把我們這份電子報過去的文章丟進幾個 AI 檢測工具裡測過。這些文章草稿大概四成內容是我讓 AI 幫忙生成的，但每一個觀點、每一句判斷，都是我自己做研究時留下來的 note，是我在意的東西，不是模型自己想出來的。結果呢，檢測工具測出來的 AI 比例，全部是 0%。
坦白說，我倒是覺得這 0% 有點可恥，一個專門在寫 AI 相關教學或是新聞的人，文章出來是 0% XD，你們覺得這是好還是不好呢？
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
