Google DeepMind 發布新模型 AlphaGenome Atlas，一個包含人類 DNA 中 90 億個單核苷酸變異影響預測的平台。
作為一個生物科技門外漢，我的第一個直覺是 DNA 的組合只有 90 億種？數字感覺也太小了。原來因為模型限縮單核苷酸變異（因為看不懂所以第一次看我直接忽略 😂）的可能性，所以才只有這個數字。若要把所有形式的基因變異的可能性全部算出，那個數字會是天文數字。
單核苷酸變異指的是「在一串 DNA 序列中，正常編碼與變異編碼只有一個核苷酸差異」。例如正常人體製造血紅素的基因編碼是 G A G，而變異後的基因變成 G T G，其中 A 變成了 T，這就是單核苷酸變異。這個變異的結果會導致蛋白質形狀改變，形成鐮刀型貧血症。
AI 就是透過大規模的運算，將這 90 億種變異以及可能的後果全部預先算出來。經過與已知變異後果比對、濕實驗室驗證、數萬名真實人類的全基因體資料對照等方法，最終確保 AlphaGenome Atlas 預測的可信度。
有了這個工具後，未來研究人員、醫生可以透過快速鎖定變異目標，極大幅度減少實驗時間。目前模型免費提供非商業用途存取，並將於近期在 Google Cloud 上提供商業用途。
可口可樂為零售商打造的下單平台 Coke Buddy 推出新功能「Perfect Basket」，利用 AI 分析歷史訂單、訂購頻率、季節性需求、天氣以及同類型企業的購買趨勢，為商家推薦特定的產品與數量。
目前 Coke Buddy 為馬來西亞近四萬家零售門市提供服務，參與門市中有 83% 在下單時採納了 AI 建議。在活動期間，依照建議採購的零售商比同類門市取得更高的銷售額成長。
一家商店要存放多少庫存是經營最大的考驗，進貨太少沒東西賣，太多又將資金全部卡在貨上，是每個老闆需要深思熟慮的問題。
但現實中幾乎也沒有商店只販售可口可樂旗下產品，一定需要搭配其他商品選擇，而 Coke Buddy 只能用來購買可口可樂公司目錄裡的產品，基本上只有飲料，沒有其他商品，看起來實務上離「解決零售商的進貨問題」差距還很遠。
話雖如此，這項產品已展現出在零售領域，AI 已可提供經營細節，人類需要的僅是審核與微調。傳統需要在地經營數年才能取得的「老師傅的經驗」，現在已被簡化到任何新進店主的指尖。
只要一張底圖加 Prompt 描述希望使用者怎麼跟圖片互動，即可製作網站跟應用程式，完全不需要一行程式碼，連叫 AI 寫都不需要。
全球 AI 影片生成領域領頭羊之一的 Runway（常稱 RunwayML）新創公司發布全新模型 Solaris，目標全面改變以視覺為導向的應用程式的開發方式。
直接看範例影片，應用程式接受使用者上傳的照片，將其處理後放到畫面中間，使用者經過拖曳左側商品到自己身上，馬上展現穿上該商品的樣子。這不就是一個紙娃娃系統嗎？如果你也這樣想，那你對了一半，它的確是一個紙娃抓系統，但是這個系統的底層完全不靠程式碼渲染，取而代之的是一個可以互動的串流影片，Runway 稱此技術之介面世界模型（Interface World Models）。
由於 Solaris 尚未開放大眾使用（目前僅可透過網站申請，網址我放在連結），因此以下為我推測使用 Solaris 時的開發範例影片中應用程式的方式：
- 上傳一張背景圖，也就是影片中左邊有商品、人站在中間，右邊有紙娃娃穿戴商品清單與購物車的圖片。此圖片是第一影格，作為整個體驗的視覺錨點，確保生成內容不脫離現實。
- 用自然語言撰寫應用程式 Prompt 說明這個場景的運作機制，像是將衣服拖拽至人物身上可進行試穿、試穿中的衣服需要顯示於右側穿戴商品清單等。
- 用自然語言撰寫系統 Prompt，說明需要應用程式需要先開啟相機，並且接收使用者的照片作為圖片中的人物（這一段我認為還是會需要傳統方式才能實現，但理論上製作者應該不用看到一行程式碼才對）。
接下來使用者開啟應用程式上傳照片後，在畫面上的點擊座標、拖曳軌跡等滑鼠行為會被擷取，由 LLM 解讀為繪圖提示詞，再讓 Solaris 即時繪製出下一個影格。
總結來說用 Solaris 製作出來的應用程式推測是一個「即時生成的互動式影片串流」，它依照使用者的輸入，以極快速度連續生成下一個影格，讓畫面看起來像是流暢回應使用者的操作，達成應用程式的效果。
聰明的讀者可能已經發現這個產品有一個巨大的問題，用 Solaris 製作的應用程式運行成本會比用傳統方式製作的高出數萬甚至數百萬倍，因為其本質上是透過 AI 即時運算產生下一個應用程式的畫面。所以這套模型比較適合拿來開發具備極高商業回報的應用（例如高單價客製化電商、互動模擬教學等）。
最後，說真的這個技術完全顛覆我身為工程師的想像，真的很想馬上拿到手玩玩看啊。
以上關於技術運用的猜想若有錯誤，懇請高手指正分享 🙏
風險投資機構 Madrona 的最新研究顯示，在其調查的 150 名企業 IT 專業人員中，有 74% 計劃在未來 12 個月內擴大 AI 預算。但同時他們也發現即便企業確實部署了 AI 技術，也不一定會長期使用。
不同於使用傳統的 SaaS 服務，一旦開始使用的轉換成本極高，調查發現約 77% 的企業每隔六個月、或以滾動的方式重新評估其 AI 供應商。純軟體產品的護城河正前所未見的薄弱，許多使用者乾脆自己 Vide 一套專屬軟體，一勞永逸省下本要支付 SaaS 服務的費用。
我的經驗也與該觀察吻合，前一陣子 Fable 5 不再包含於 Claude 訂閱內，剛好 GPT-5.6 Sol 發布，想說來試用看看 Codex，結果總共轉換只花了我 10 分鐘就全部完成，整體流程如下：
- 開 Claude Code 問怎麼安裝 Codex：1 分鐘
- 用新 Terminal 執行指令安裝 Codex：1 分鐘
- 執行 Codex 問怎麼把 Claude Code 的 Session、Memoy 與 Skill 移植：1 分鐘
- Codex 自動跑完移植並可開始使用：7 分鐘
整個轉換過程時間很短還不是最嚇人的，而是我完全不需要知道另外一個產品怎麼用，只要出一張嘴等著看成果（但最好搭配虛心學習，避免有一天被 AI 騙了都不知道 😅）
採用 Token 計費，使用者將被迫每天審視自己的用量，隨時計算成本與產出的回報比。這等於在讓使用者思考，是否有其他更好用、或者更便宜的工具？
若改用 Result as a Service（RaaS）方式收費，企業只要確保 AI 工具的產出符合需求，既可算出合理的 ROI 決定是否長期採用。一個不強迫客戶一直思考的產品，通常會有比較高的留存率。
我認為依 Token 收費的方式比較像 AWS 這種 Infra，需要一定的專業知識才能駕馭。而傳統的 SaaS 依照使用者人數收費可能會讓 AI 工具新創公司虧死，中間的平衡就是 RaaS。
有趣的是，這剛好是更傳統的軟體公司（接案公司）的強項，畢竟對我們來說，沒有交付成果客戶可是不會依照人數或者流量付錢的唷 🫠
我是一個很傳統的工程師，習慣自己寫 code，甚至連 Copilot 都不太會用。當時我只會將問題丟給 chatGPT，看懂原理後再手刻一份程式。雖然常在網路上看到大神分享 Claude Code 的強大能力，但我從來沒有試過，也有點懷疑其成效。
現在，我幾乎不打開 IDE（除非我被 agent 氣到要去找證據罵他 😅），所有工作都透過 Coding Agent 完成。常常邊遛狗邊開發，只需要一台手機就可以隨時工作。
一切的改變源自於今年二月底，去北歐看極光的那趟旅行。
出國前手上有幾個重要的專案正在進行，雖然有請同事協助處理，但還是放心不下。為了可以隨時處理工作原本想要帶著筆電，但整趟旅行我們規劃從挪威跑到芬蘭、最後再到瑞典，所以最後專門買了一台 iPad，並且在 AWS 架了一台 Code Server，想著若有急事可以透過 ssh 的方式進行遠端開發。
儘管做了許多準備，意外還是發生了。一天晚上客戶系統出問題，而我人正在要去追極光的小巴上，手邊連 iPad 都沒有。
我心想，才不要為了這種事情放棄行程，但如果就這樣丟包自己責任感又過不去。當時死馬當活馬醫，我用手機連到 Code Server 上裝了 Claude Code，叫他直接去客戶 AWS 環境幫我查問題，如果可以就直接幫我處理好。
10 分鐘後，它跟我說主機 OOM，調整 php-fpm 設定後已解決。後續的旅程我再也沒有因為工作而擔心過。
經過這次事件我得到一個體悟，真正讓人做出改變的時刻，恰恰是極度匱乏的時候。限制不是終點，而是創新的泉源。
如果你也跟我一樣曾經卡在不知道該跟上這個 AI 時代，試著給自己一些限制：
- 10 分鐘內完成一個原本需要 1 小時的工作
- 不碰任何常用工具，改用 Agent 去完成
- 關上電腦，只能使用手機完成日常工作
最後分享一句我很喜歡的話，祝大家在新時代找到屬於自己的位置
正因琴鍵有限，才能創造出無限的樂章 ——《海上鋼琴師》
