重點新聞（1024～1030）
Google 量子運算 量子迴聲
比超級電腦快上13,000倍！Google成功執行量子迴聲演算法還可驗證
Google日前以自家Willow量子晶片，成功執行量子迴聲（Quantum Echoes）演算法，運算速度比全球最快超級電腦快上13,000倍，還在實驗中展示可驗證量子優勢，也就是能被不同量子電腦重現與驗證。這項研究已刊登於《自然》期刊，是量子運算邁向實際應用的重要里程碑。
量子迴聲演算法有助於學習自然界中各種系統的結構。Google與加州大學柏克萊分校進行專案，以兩種分子作為概念驗證對象，結果與核磁共振（NMR）實驗一致，甚至能解析傳統NMR無法觀測的化學結構資訊。
Google指出，這項突破建立在6年研發與錯誤抑制技術突破之上，讓量子電腦首次具備精確度與複雜度兼具的可重現運算能力。團隊形容，這是邁向「量子顯微鏡」（Quantum-scope）的一步，未來它將有能力測量以前無法觀測到的自然現象，比如由量子運算強化的NMR，可成為藥物開發的強大工具；或在材料科學中，用於鑑定新材料的分子結構。（詳全文）
論文 史丹佛大學 AI代理
史丹佛大學打造Paper2Agent，直接把論文變成能自動執行任務的AI代理
傳統研究要重現結果，通常得翻論文、讀原始碼、改環境，光是執行就得花上幾天。不過，美國史丹佛大學團隊日前推出一項開源專案Paper2Agent，要讓論文結果重現更簡單，不再需要手動抓程式碼、裝套件、對資料夾。
進一步來說，Paper2Agent會用多個AI代理去讀論文內容、分析對應的GitHub程式與資料，接著把這些步驟包成一個MCP工具伺服器，再不斷自動生成測試、除錯到能穩定執行。最後，研究者只要把這個MCP接進如Claude Code的聊天介面，就能用自然語言對論文AI代理下指令，像是「幫我重現Figure 2的分析」、「換另一組參數再跑一次」，都能直接完成。
研究團隊已經用它重現多篇生物資訊論文，包括AlphaGenome的基因變異解析，以及Scanpy、TISSUE的單細胞與空間轉錄體分析，甚至讓系統自動找出與ADHD相關的新基因變異。但研究團隊也坦言，Paper2Agent並非十全十美，比如它自動分析論文時，可能誤解作者意圖、抽錯步驟，或遇到過期的環境設定與權限問題而無法執行。有些實驗需要高階GPU或特殊資料集時，仍得靠人工介入。（詳全文）
OpenAI AI代理 資安
能找漏洞還能自動提修補，OpenAI推出資安研究AI代理
OpenAI近日發表一款AI資安工具Aardvark，它以GPT-5為基礎，能像人類資安專家一樣分析程式碼、找出漏洞並自動提出修補方案。Aardvark以LLM推理為基礎，不像是傳統fuzzing或軟體組件分析等工具。它能讀懂整個程式庫的架構、建立威脅模型，也能逐行找出邏輯錯誤、未完整修補的舊問題和隱私相關漏洞。當儲存庫被連結後，Aardvark會先完整掃描歷史，之後持續監控每次提交，並在程式碼變動時即時偵測新漏洞。
整個漏洞處理流程有4大階段：首先是分析程式碼庫、建立威脅模型，再來是對每次提交進行比對與掃描；第三步在沙盒（Sandbox）環境中嘗試實際觸發漏洞，確認可利用性並降低誤報。最後，Aardvark會透過Codex生成修補程式碼，並附上一鍵提交Pull Request的選項。OpenAI表示，這能讓工程團隊在不打斷開發速度的情況下，快速採用高品質修補。（詳全文）
超級電腦 Nvidia Blackwell GPU
Nvidia要打造美國能源部最強AI超級電腦
Nvidia聯手美國能源部（DOE）旗下阿貢與洛斯阿拉莫斯國家實驗室，打造新一代AI超級基礎設施，推動美國在能源、安全與科學領域的技術研究。阿貢實驗室將部署超強算力的AI超級電腦Solstice，搭載10萬顆Nvidia Blackwell GPU，同時還有一套名為Equinox的AI超級電腦，搭載1萬顆Nvidia Blackwell GPU，總AI效能將達2,200 exaflops。此外，阿貢實驗室還要推出Tara、Minerva、Janus等3款系統，來讓全美研究人員更容易取得AI運算資源。
洛斯阿拉莫斯實驗室則會採用Nvidia旗下Vera Rubin平臺和Quantum-X800 InfiniBand架構，來建置Mission與Vision系統，預計2027年上線，用於國安與高機密模擬。Nvidia同時也在維吉尼亞州成立AI工廠研究中心，發表Omniverse DSX數位孿生藍圖，為未來「百萬瓩級AI工廠」奠基。
此外，思科、Dell、HPE、Oracle、微軟與CoreWeave等業者也投入建構AI雲端與伺服基礎，黃仁勳形容這場AI基礎建設布局是「屬於這個世代的登月計畫」，將為美國AI創新與產業革命奠定根基。（詳全文）
思科 AI 基礎架構
思科AI調查：僅8%臺灣企業準備好迎接AI浪潮
思科日前發布2025年度《人工智慧準備度指數》（AI Readiness Index）調查，訪問全球30個市場、26個行業、逾8,000位AI決策者，為全球企業AI布局提供第三年觀察。結果顯示，臺灣僅有8%企業達到「領導者」水準，遠低於全球平均的13%。這些臺灣企業在AI策略、架構和安全等層面領先，將AI試點專案轉為實際應用的機率是其他企業的5倍，也高出四成機率創造實際價值。
調查指出，全球的AI領導者普遍擁有明確AI藍圖（99%）、可擴展的基礎架構（71%），並將AI列為首要投資（79%）；相較之下，臺灣整體企業在這些面向的比例分別只有53%、11%與18%，落後國際AI領導者許多。此外，82%臺灣企業計畫部署AI代理（AI Agents），其中3成預期一年內與員工協作，但多數仍面臨GPU不足、資料孤島與安全架構不全等挑戰，也就是所謂的「AI架構債務」問題。思科提醒，若不解決該問題，將會影響企業未來發展AI的瓶頸。（詳全文）
Cognition SWE-1.5 Windsurf
寫程式AI助手SWE‑1.5問世，號稱比Claude Haiku 4.5快6倍
曾打造程式開發AI助手Devin的Cognition團隊，最近又發表最新模型SWE-1.5，是一款專為軟體工程任務打造的代理模型，不只寫程式更快，使用者用也能靠對話和指令來驅動程式任務，目前已在Windsurf上線。
Cognition點出，SWE-1.5最大優勢是快速和高效。雖然模型有千億參數，但動作非常快，號稱推理速度最高可達每秒950個Token，是Claude Haiku 4.5的6倍快、Sonnet 4.5的13倍快。官方也指出，「編輯一段Kubernetes設定」這類常見任務，SWE-1.5可以把執行時間從原本的20秒縮短為約5秒完成，保持工作流程不中斷。
為了讓模型在實務中表現更好，團隊還手動建立了高擬真的程式開發環境，並利用3種評分機制，來降低模型為了通過測試而產出無意義程式碼的問題。團隊表示，經測試，模型不只能通過大部分測試，還能寫出更乾淨、可維護的程式碼。但他們也坦言，模型在程式碼可讀性、程式設計等指標還未達最優表現。（詳全文）
MiniMax M2 程式開發
MiniMax-M2：為開發者量身打造的「程式碼＋代理」型語言模型
中國AI新創MiniMax-AI最近開源了MiniMax-M2模型，專為程式開發流程和代理工作打造。該模型共有230億參數，但執行時大約只用100億參數，來在成本、延遲和效能等方面取得平衡。
團隊指出，該模型適合開發團隊工作，可執行多檔案編輯、寫程式→執行→修復循環，再到瀏覽器＋Shell＋檢索工具的複雜流程。官方聲稱，該模型在多項程式碼撰寫和代理基準上，都名列開源模型前茅。不過該模型也並非萬能，目前社群反應指出，針對UI複雜、前端互動等非典型程式任務時，仍需人工介入。對於極端規模的上下文或非常規語境，模型表現也可能不及高階的閉源模型。（詳全文）
GitHub AI代理 管理
整合多代理協作和管理功能，GitHub釋出Agent HQ平臺
GitHub最近在Universe 2025大會中，揭露一款Agent HQ平臺，讓AI程式開發代理（AI Agents）走進日常開發流程，還整合到GitHub和VS Code。未來幾個月內，使用者將可透過付費版GitHub Copilot，訂閱使用來自OpenAI、Anthropic、Google、Cognition與xAI等業者的AI代理。目前，Copilot Pro+用戶可先在VS Code Insiders試用OpenAI Codex代理。
gent HQ將代理視為開發流程的原生參與者，支援Git、Pull Request和Issue等既有工作方式，也能在GitHub Actions或自架Runner上執行任務。開發者可在統一介面中指派工作、追蹤進度、管控代理權限，也能以分支控制和身分管理，來確保安全和審查流程。
GitHub還另外推出MCP Registry，方便啟用Stripe、Figma、Sentry等專業代理。企業用戶則可透過Code Quality量測、AI控制平面和Copilot儀表板，來監控代理品質、使用政策和採用成效，讓AI協作更透明可管。（詳全文）
圖片來源／Google、史丹佛大學、Cognition、MiniMax
AI近期新聞
1. OpenAI發布Company Knowledge工具，可彙整企業所有資料來源、生成專用答案
2. 迭代3年和徹底重寫，LLM框架LangChain v1.0 Alpha版正式發布
3. Nvidia以10億美元入股Nokia，共同發展AI原生行動網路
資料來源：iThome整理，2025年10月
