🌐 產業與生活

Robinhood的AI代理交易功能「Robinhood Agents」已上線，用戶可關閉預設開啟的「逐筆核准」機制，讓AI代理全自動執行交易，但虧損將由使用者自行承擔。至於24小時完全自動盯盤的「Loops」功能，Robinhood官方表示仍是「即將推出」，尚未正式上線。執行長證實部分用戶希望關閉逐筆核准以實現完全自主交易，且平台確實允許此操作。

依據NerdWallet委託The Harris Poll於2026年9月發布的調查，依AI建議行動的受訪者中有29%表示「財務狀況變差」，但原始調查從未指出受訪者「虧錢」。媒體將其改寫為「近三成虧錢」屬於轉述放大，且該項調查數據目前僅有NerdWallet單一來源公布，尚未獲得其他獨立機構交叉證實。

新加坡管理大學、南洋理工大學與杜克-國大醫學院團隊於9月22日在《Nature Human Behaviour》發表論文指出，缺乏心理支持與社交孤立的弱勢族群，若長期以AI陪伴機器人取代真人互動，恐面臨人際技能退化（social deskilling）風險。該研究屬於整合既有文獻的理論框架觀點，並非新進行的大規模實證數據調查。

美國聯邦貿易委員會（FTC）主席 Andrew Ferguson 於 9 月 30 日前後證實，已依據《FTC法》第5條對 OpenAI 與 Anthropic 展開調查。調查核心在於釐清兩家公司公開宣稱的模型能力與安全控管是否屬實，要求提交內部測試資料並由高層作證。負責上市前測試的獨立評測機構 METR 也同步被要求配合調查。

美國白宮對新一代AI模型的審查要求，並非全面禁止英國AI安全機構AISI測試，而是調整了測試順序。此舉源於對AI代理資安風險的國安考量，要求OpenAI及Anthropic等公司需先讓美國政府審查模型，才能提供給AISI。儘管Anthropic的Claude Mythos 5.1曾傳出限定美國專屬，但AISI主任表示，他們仍保有部分前沿模型的上市前測試權限。

長期使用Character.AI等AI陪伴工具，可能與較低的幸福感有關。史丹佛大學Diyi Yang研究室9月發表的一項追蹤研究指出，持續與AI進行社交投入，特別是自我揭露，可能排擠真實人際互動，進而影響長期幸福感。此外，另有Aalto大學等團隊發現，AI平台關係中斷事件可能導致使用者出現焦慮與哀傷反應，此研究目前為單一來源。

Google、OpenAI、Anthropic三家公司證實正籌備成立「SAFA（Standards Authority for Frontier AI）」組織，目標於2026年底到2027年初上路。SAFA將自訂前沿AI模型上市前的第三方安全測試、事故通報及稽核員資格規範，但其本質為業界自律，並非政府監管機構且不具強制裁罰權力。

OpenAI全球政策長Chris Lehane於9月15日證實，該公司已與Anthropic和Google DeepMind非正式接觸數週，討論共同制定AI安全標準。這些討論自今年7月起便以工作小組形式進行，但目前仍處於初期階段，尚未達成具體協議或成立任何機構，僅代表業界首次以多方形式協調AI安全規範，並非已形成最終共識。

Anthropic執行長Dario Amodei於9月12日發表「We Must Pace the Frontier」文章，主張AI產業應有意識地放慢模型能力提升速度，並預留時間進行安全防護與第三方評估。該宣言提出三步驟計畫，其中包含Anthropic單方面承諾讓外部機構METR獲得永久系統存取權限；此舉獲得OpenAI、xAI、Google DeepMind與微軟等四大AI公司執行長公開附和，顯示業界對AI安全放緩議題的高度關注。

Google DeepMind與Google Research於九月初發布的WeatherNext 3天氣模型，已整合至Google Search、Maps、Gemini App等產品中。該模型是全球第一個能每小時更新預報的天氣模型，但其「5公里解析度」主要適用於氣溫、濕度等關鍵地面變數，其他地面變數為10公里，風速等大氣變數則為25公里。Google表示其短期降雨預測最高可提升60%，此為廠商自評結果，尚未經獨立第三方驗證。

普林斯頓大學、螞蟻集團與史丹佛大學團隊提出AQuA框架，採用兩段式架構分別挖掘符號化因子與訓練模型。論文宣稱在加密貨幣高頻資料挖出的綜合因子資訊係數達0.19，美股模型資訊係數為0.0843並超越GRU基準值0.0613，但兩套系統是在不同市場驗證，相關數據目前僅見於arXiv論文且未經獨立驗證。

Anthropic於八月二十七日發布的Model Hardware Standard (MHS) 是一套開放規格，旨在讓AI代理能透過統一協定，安全地操作顯微鏡、機械手臂等物理實驗設備。這項技術已在實際案例中展現顯著成效，例如QuEra利用MHS將雷射系統的精確頻率鎖定成功率從人工操作的58%提升至99.3%。MHS將AI的能力從純粹的電腦設計，擴展到能實際介入「動手操作」的物理實驗環節，預示著實驗室自動化的一大進步。

Google Research與維吉尼亞理工大學於8月27日發表的WikiSkill研究指出，AI代理可透過「持久化的wiki知識庫」累積經驗與技能，使其效能隨使用而提升。根據論文實驗結果，Gemini-3.5-Flash的整體平均分數從49.5%提升至68.1%，數學推理項更從33.0%大幅增長到72.6%，顯示AI代理有望愈用愈熟練。需要注意的是，這些具體數字目前僅為論文自行報告的結果，尚未經外部獨立驗證。

MarkTechPost於8月27日分析Anthropic公開的Claude蛋白質設計資料，發現單一電腦結構預測指標不足以可靠判斷蛋白質結合成功率。儘管多個指標組合能提升判斷準確度，但仍無法完全取代昂貴的濕實驗室驗證。這項分析顯示，AI在藥物開發等領域主要作為初步篩選工具，尚不能單獨決定最終的結合成功與否。

Pew Research Center於8月20日發布報告，指出截至今年7月，所有英文網頁樣本中約有一成顯示AI寫作跡象。更顯著的是，在ChatGPT於2022年11月上線後發布的新網頁中，AI寫作的比例已飆升至超過三分之一，達到35%。這項基於Open Pangram AI偵測工具分析近50萬個網頁的研究，揭示AI內容在網路上的快速擴散趨勢。

Anthropic於八月十八日發表研究部落格，指出其AI模型Claude Opus 4.8與Mythos Preview在蛋白質設計實驗中，成功在15個蛋白質標靶裡找到14個有效的結合分子。這些模型在濕實驗室測試中，整體命中率達到22.6%至35.1%，顯著超越業界約10%至15%的平均水準。儘管成果亮眼，Anthropic強調蛋白質結合物僅是藥物開發的第一步，尚不能等同於新藥本身。

蘋果已在中國Mac版本上整合阿里巴巴的Qwen模型，用於Siri及Writing Tools功能，此舉已獲阿里巴巴官方證實，並於7月15日取得中國網信辦核准登記。然而，關於蘋果為中國市場另外訓練專屬大型語言模型的說法，目前僅為路透社的單一來源報導，蘋果或阿里巴巴官方皆未證實，尚待更多資訊驗證。