AI 評測分數怎麼看？選模型前應確認的條件
AI基準測試分數必須連同測試條件與實際任務一起看。本文說明如何挑選有代表性的工作，以一致輸入比較結果，並把檢查、錯誤修正與成本納入評估。高排名不保證每個使用情境都能獲得最好的成果。讀者可以建立小規模、可重複的測試，辨認哪些差異真的影響工作，而不是只看回覆速度，或將不同設定下得到的數字直接排列成普遍適用的優劣順序。
AI 與生產力
人工智慧如何改變日常工作——以及哪些方面仍需判斷。
輝達與 AI 投資循環：從客戶支出看現金流
理解輝達與AI投資循環，需要把晶片供應商的營收，接到客戶的設備支出與實際使用情況。本文區分訂單、安裝容量、有付費需求的利用率，以及投資最終帶來的回報，並解釋折舊與現金支出的時間差。透過可檢查的假設，讀者能看清成長判斷依賴哪些條件，避免重複計算不同階段的需求，也不會把一家公司收入增加，直接當成整個產業都已獲利的證據。