Agent 元年的真正起跑線：2026 年 5 月，AI 同時改寫了三件事

202605-ai-cover-sf-skyline

5 月 6 日上午 9 點，舊金山。Dario Amodei 坐在 Code w/ Claude 主舞台的單椅上，宣布 Anthropic 跟 SpaceX 簽下了 Memphis 那座 Colossus 1 超級電腦的 300 MW 算力合約。同一天早上，Anthropic 的工程團隊把 Claude Code 的五小時使用上限直接翻倍、把尖峰時段的限制全拔掉，新功能 Routines 也一起上線——你睡覺，它幫你開好 PR。

把鏡頭拉到華盛頓 DC。同一週，《紐約時報》、Politico、Axios 接力報導：白宮已經起草一份 16 頁的 AI 行政命令，要求所有新模型上市前送聯邦政府預先審查。三個月前還在說「我們不能用愚蠢的規則絆住這個漂亮的嬰兒」的 Trump，因為 Anthropic 4 月那個沒公開釋出的 Mythos Preview 而轉了 180 度。

再把鏡頭拉到電網。PJM 涵蓋整個美國中西部與大西洋中段，2026-27 交付年的容量市場結算價剛拍出 329 美元/MW——是 2024-25 交付年同口徑 28.92 美元的 十倍以上。北維吉尼亞已經停止接受新資料中心併網。Georgia Power 在最新整合資源規劃中，把未來六年的尖峰負載預估上調超過 8,200 MW，是先前的數倍——這個數字大到他們得重新討論天然氣與核能的組合。

三件事，三個城市，看似無關。但放在同一張桌上看，你會發現它們是同一個轉折點的三個側影：Agent 元年從這個五月開始，真正起跑了。

這篇文章帶你看完這個轉折的三個面向，以及對工程師、企業、決策者各自意味著什麼，文末附超過 20 條一級來源。

第一幕：Agent 不再是 Demo，它在工廠裡上班

202605-ai-agent-factory

過去一年我們聽了太多 agent demo，看了太多酷炫的「自主完成任務」影片。直到這個五月，這個詞才終於有了真實的、可量化的、企業願意拿出 ROI 數字的證據。

Code w/ Claude 那天 Dario 沒講的事

在 SpaceX 合約之外，Anthropic 同步把 Routines 推上線。這個功能由 Claude Code 工程師 Boris 介紹時用了一句話 — 「Routines are higher-order prompts」。換句話說，你不再是叫 Claude 幫你寫一段 code，而是設定一個會「自己叫自己」的高階流程。

「The person who owns the PR is never going to see a red X — Claude is prompting Claude Code on its own.」

這件事的重點不是「自動修 bug」，而是：asynchronous engineering 的閉環第一次在主流工具裡完成。Claude 可以幫你規劃、開 PR、跑 test、看到失敗、自己改、自己再 commit。你早上一打開電腦，看到的就是已經綠燈的 PR 等著合併。

800 個 agent 在 GE Appliances 跑起來

這不是新創的測試，這是 Forbes 5 月 3 日報導的真實部署：GE Appliances 在製造、物流、供應鏈跑了 800 個以上的 AI agents；Highmark Health 的 Sidekick AI 在 2025 年內部估值 $27.9M；Comcast 把 Xfinity Assistant 從腳本式自動化改寫成對話式排錯，首次解決率明顯上升。

這些數字的意義不在絕對大小，而在於它們開始是「ROI 報告」而不是「pilot 故事」。

來自 F5 的硬數據

5 月 7 日 F5 發表的《2026 State of Application Strategy》報告給了三個讓人停下來想一下的數字：

指標	數值	意義
inference 已是 AI 主要活動的企業	77%	training 不再是主場
平均一家企業同時運行/評估的模型數	7 個	多模型路由是常態
把 AI 跨 on-prem + 公雲 + colo 部署的企業	86%	企業刻意不押單一供應商

77% 這個數字尤其關鍵。它代表一件事：前沿模型的軍備競賽已經不是企業 IT 的瓶頸——企業大多數時間在跑、不在訓。瓶頸轉移到 inference 經濟、運算配額、模型路由、agent governance。

Anthropic 自己怎麼定義這個轉變

Anthropic 4 月發布的《2026 Agentic Coding Trends Report》寫得很直接：

「In 2026, the value of an engineer's contributions shifts to system architecture design, agent coordination, quality evaluation, and strategic problem decomposition. The primary human role in building software is orchestrating AI agents.」

從 implementer 變成 orchestrator。這句話可能會被引用一年。

一個你可能沒留意的細節：Cursor Composer 2 用的是中國模型

Moonshot Kimi K2.5 1 月底上線，最大的賣點是 Agent Swarm — 在單一 inference loop 裡可以同時調度 100 個並行子代理。Cursor Composer 2 啟動時就把 Kimi K2.5 放進預設模型棧，SWE-bench Multilingual 拿到 73.7%。這是中國模型第一次真正進入西方主力開發者工具的 production 環節。

Forbes 引述 MIT Technology Review 的數據：中國開源模型 2025 年 8 月止的全球下載占比 17.1%，已經超越美國的 15.86%。a16z 也報告，美國程式設計師對中國開源模型的使用率，從 2024 年底的 1.2% 跳到 2025 年底的 30%。這不是抵制與否的問題，是已經發生的事。

第二幕：白宮的 U 轉，從「漂亮的嬰兒」到 16 頁行政命令

202605-ai-whitehouse-uturn

如果你只看一個月前的新聞，會以為 Trump 政府對 AI 的態度是「越鬆越好」。Trump 在 2025 年 1 月上任第一天就廢了 Biden 那道要求 AI 開發者送交安全測試結果的行政命令；他在 2025 年 7 月公開說過 — 「We're going to make this industry absolutely the top, because right now it's a beautiful baby that's born, we have to grow that baby and let that baby thrive.」

四月底，Anthropic 公開了一個叫 Mythos Preview 的模型。它沒有公開釋出，因為 Anthropic 自己評估後決定不放出去。為什麼？因為 Anthropic 內部與政府機構初步評估顯示，這個模型能以多數人類駭客難以企及的方式找出並利用軟體漏洞——這個能力等級已經足以重新定義網路安全攻防的不對稱。

Mythos 一公開，Trump 政府的態度一週內變了。

5/4 - 5/5 一週之內的三件決定性事件

5/4 紐約時報首發：白宮在開會討論一份 16 頁的行政命令草案，要求新 AI 模型釋出前先送聯邦政府審查。
5/5 商務部宣布：CAISI（Center for AI Standards and Innovation）已經跟 Microsoft、xAI、Google DeepMind 簽下自願預先測試協議；Anthropic 早就在合作。CAISI 至今已完成約 40 次模型評估。
5/5 Politico / Axios 確認：白宮網路安全辦公室正在開發一套框架，要求 Pentagon 領導聯邦、州、地方政府部署 AI 前的安全測試。

White House 官員的官方說法很模糊 — 「Any policy announcement will come directly from the President. Discussion about potential executive orders is speculation.」但從業界與政策圈的消息源都指向同一個方向：這個轉向是真的，只是不知道哪天簽。

同一時間窗口，歐洲的監管齒輪也在咬合

當白宮在權衡是否簽下行政命令時，Brussels 的官員已經等了三年。8 月 2 日就是他們的標記日。

2024 年 8 月 1 日，AI Act 正式生效。
2025 年 8 月 2 日，GPAI 的義務生效（提供者該遵守，但 Commission 不能罰）。
2026 年 8 月 2 日，Commission 的 GPAI 強制力 + 高風險系統的全套義務 同時啟動。最高罰款是 €35 million 或全球年營收的 7%。

換句話說：未來三個月內，全球前沿 AI 同時面對美國的預先審查與歐盟的全面強制力。我這個職涯到目前為止，還沒看過監管的雙頭夾擊在同一個季度發生。

國際警告也在升溫

5 月 1 日 Bloomberg Law 報導，美國 CISA、英國、澳洲三國網安機構聯合發出對 agentic AI 的警告：「每一個 agentic AI 元件都擴大攻擊面」。

而 Anthropic 的共同創辦人 Jack Clark 在 5 月初一篇被 36Kr Europe 整理的公開貼文裡，丟出一句更冷的話 — 「我估計 2028 年底前出現 recursive self-improvement 的機率是 60%。」

但有件事不要誤會

聯邦審查不是「禁止釋出」。Axios 的消息源寫得很清楚：「一些官員主張政府先取得新模型的存取權，但不阻止其釋出。」這比較像是「拿到鑰匙先看一眼」，不是 FDA 那種上市禁令。

但即使是這種輕度監管，對企業合規團隊都已經夠忙了。如果你的產品要服務歐洲使用者，8 月之前該做的事比想像的多。

第三幕：電網的警鈴與資本支出黑洞

202605-ai-grid-datacenter

當所有人還在比哪家模型 SWE-bench 高、誰的 1M context 比較準的時候，台積電可能已經算清楚了：真正的瓶頸不是晶片，是電。

三個刺眼的數字

Big 4 hyperscaler 的 2026 AI capex 估計約 $710B（約新台幣 23 兆元），分布見下表（247WallSt 5/1 ）。Jefferies 5 月把 hyperscaler + Oracle 整體 capex 進一步上修到 $769B 。

廠商 2026 AI capex

Amazon 約 $200B

Microsoft 約 $190B

Alphabet 約 $185B

Meta 約 $135B
NVIDIA 最新年報的資料中心營收 +75% YoY，達 1,937 億美元。GTC 2026 上推出的 Vera Rubin 平台，主軸標語直接寫成「AI Factory + Inference Inflection」。
PJM 容量市場 2026-27 結算價：$329/MW。兩年前是 $28.92。整整 10 倍。

廠商	2026 AI capex
Amazon	約 $200B
Microsoft	約 $190B
Alphabet	約 $185B
Meta	約 $135B

第三個數字是台灣科技工作者最該停下來看一眼的。它意味著美國中西部、大西洋中段這片占了全美一半製造業的區域，未來三年的工業電價會大幅吃掉企業營業利潤率。AI 基礎設施的紅利，一部分是從製造業搬過去的。

應對方式很激烈

動作	說明
重啟核能	Microsoft 重啟 Three Mile Island；AWS 收購 Susquehanna 旁的資料中心吃 960 MW；Google + NextEra 重啟 Duane Arnold 615 MW
SMR 押注	Google + Kairos Power、Microsoft + Helion Energy（融合）；技術公司計畫融資 20 GW SMR
地理重塑	Microsoft UAE $15.2B；Meta Louisiana $10B；Northern Virginia 已凍結新接入
天然氣回潮	2024 規劃容量 11.1% → 2026 18.1%；非再生能源規劃量年增 71%；再生能源僅 +2%（AAF 數據）
太空資料中心	NVIDIA Vera Rubin Space-1 模組（IGX Thor + Jetson Orin），SpaceX 1 月已申請發射 100 萬顆衛星

太空資料中心聽起來像 sci-fi，但 NVIDIA、Axiom Space、Starcloud、Planet Labs 都已經有合作項目。當地球上的電網接不下時，把 inference 推上軌道是真的有人在算的選項。

Wall Street 的 rotation 看得最清楚

代表企業軟體股的 iShares Expanded Tech-Software Sector ETF（IGV）2026 YTD 已跌 20% 以上，這個跌幅在 CNBC 報導 Anthropic Sonnet 4.6 上線那天被當成 SaaS「Wall Street freak-out」的指標（CNBC 2/17 ）。原因不是 AI 沒用，而是市場已經把 SaaS 應用層的價值轉移到 inference 基礎設施 + 能源 + agent 平台。SAP 因為股價下跌，5 月直接掏 €1B 收購一家 18 個月大的德國 AI lab Prior Labs，押注表格資料的 foundation model（TechCrunch 5/5 ）。

如果你還在用「AI 是不是泡沫」這個框架理解，可能會錯過真正的轉移：錢從應用層流到基礎設施層，這個搬遷正在發生。

給工程師、企業、決策者的三段式建議

202605-ai-engineer-orchestrator

我自己是硬韌體背景出身的工程師，這幾個月被 AI 推著重新學軟體開發的心智模型。整理三段最務實的建議。

給工程師：把自己升級成 orchestrator

我自己這兩個月最大的改變是：開新 feature 不再從打字開始。我打開 Claude Code，先把 spec 寫成一段話、設好 budget、讓它自己規劃，再跑 Routines 在背景慢慢做。同時開的可能有兩、三個 task。我做的事更像審稿與校準。

具體幾個方向值得放進你的 2026 工程師升級包：

學 model routing 而不是「找最強模型」。社群共識已經很清楚——Claude 解硬問題、GPT-5.x 跑速度、Gemini 吃 long context、Haiku/Flash 跑量。把這個矩陣記在腦子裡，每個任務挑對工具。
管 token 像管雲端帳單。Forbes 5/5 Krouse / Lau / Elliott 對談直接點名：「實習生一鍵燒掉 $7,000/月」已經發生過。每個 repo、每個 feature 都要設 budget，Anthropic Console 跟 OpenAI dashboard 都看得到分人帳單。
MCP 是新的 USB-C，A2A 是新的網路協定。不熟 MCP，在 2026 寫 agent 會很辛苦。從 Claude Desktop、Cursor、Claude Code 都已經原生支援的 MCP server 開始，把你常用的 SaaS 都掛上去。
Agent 思維 = plan / execute / verify 三段。不要再用 chat-style 一句一句餵 prompt 了，先寫 spec、讓 agent 規劃、執行、自我評估。你做的事是「審稿」，不是「聽寫」。

給企業導入者：先建治理層再加產能

如果你最近在內部開「我們要不要全力押 OpenAI」這種會議，先停一下。F5 那份報告告訴我們的真實常態是：86% 的企業已經把 AI 跨三種環境部署（on-prem、公雲、colo），刻意不押單一供應商。這已經是新的預設，而不是激進派的偏好。

幾個建議方向：

多模型路由不只是 cost 優化，是合規優化。某些案子不能離開歐盟主權雲，某些可以走 US 公雲。模型路由要把這層內建進來。
「Agent Supervisor」這個角色會冒出來。DataRobot 已經把這個職稱放上 LinkedIn 招聘廣告——傳統 IT operations 加上 prompt engineering 加上 risk review 的混合體。
inference 在地化是新平衡點。F5 的 77% 數字代表大多數企業選擇自己跑而不是外包 hyperscaler。台灣對於 sovereign / 在地推論這條路，有現成的硬體韌體鏈優勢，這個窗口不要錯過。
8/2 EU AI Act 不是放羊。最高罰 €35M 或 7% 全球營收。如果你的產品要在歐洲銷售，技術文件、訓練資料摘要、版權合規政策三樣現在就該動工。

給決策者：這次監管視窗真的會關上

我寫這段時，腦子裡是台灣產業政策圈這幾年「跟著矽谷風向決策」的習慣。這次得學新的反射動作。

美國行政命令隨時會簽。寫稿這當下，白宮草案已經 16 頁，外傳「數週之內」會敲定。台灣 AI 廠商的合規團隊不要等到簽了才動。
電網是新的瓶頸，不是 GPU。台灣半導體政策若還只看 GPU 出口管制，會錯過電力與冷卻的整套產業機會。SMR、液冷、HVDC 都是未來三年的紅利。
Anthropic Mythos 提醒我們：AI 安全已經不是哲學辯論。它可以讓政府一週內轉向。CISA、英國、澳洲三國對 agentic AI 的聯合警告，會是接下來主管機關的範本——預先想清楚台灣的對應姿態。

結語：兩個矛盾的事實放在 Agent 元年的入口

我寫這篇的時候，腦子裡一直有兩件事在打架。

一件是 Jack Clark 5 月 4 日那個 60% 的數字。Anthropic 的共同創辦人估計，2028 年底前，AI 自己訓練自己的「recursive self-improvement」有六成機率出現。在我這輩工程師受過的訓練裡，這種數字以前只有在科幻電影裡會聽到。

另一件是 Forbes 5 月 1 日報導的那份「cognitive surrender」研究。1,372 名受試者中，79.8% 即使 AI 給了錯誤答案，仍然照辦。研究員稱這個現象為「認知投降」。

這兩件事擺一起就是 2026 五月的真正主題：AI 能力暴漲、人類判斷下沉——同時發生。Agent 進工廠、Code w/ Claude 的 PR 自動合併、白宮的審查命令、PJM 的電價、CISA 的警告、SAP 的 €1B 賭注，都是同一個轉折點的不同切面。

對台灣的我們，最值得提醒自己的或許是這句：Agent 元年的真正起跑線，不是看誰跑得最快，而是看誰知道自己在跑哪條跑道。

如果你讀到這裡，下一步請務必做一件事 — 打開你常用的那個 AI 工具，把今天打算交給它的任務寫成一個 spec、設好 budget、要求它自我評估。不是因為它會變強，而是因為你需要保留自己「不投降」的反射神經。

下個月見。

搜尋此網誌

BASHCAT