這週的主旋律很清楚：AI 把技術圈切成了兩半，一半在衝、一半在抖。OpenAI 和 Broadcom 推出自研晶片，代表算力戰場的格局正在重組；Gamma 用 50 人跑到 1 億 ARR，AI 原生 SaaS 的天花板預期被迫上修；另一邊有人開始收每週一萬美金清理 AI 產生的爛 code，技術債以全新方式回來報仇。這些訊號加在一起，不是單純的 hype，是結構性的 meta 重組。
工程師開始分裂成兩個職業
Meta Shift
Lenny's Newsletter 這週發布了一份調查報告，直接講出了很多人不敢說的事：2026 年的科技圈從業者正在分裂成兩個群體。一群人用 AI 工具讓自己的產出翻倍，薪資談判底氣變強、升遷速度加快；另一群人感到焦慮、不確定，開始懷疑自己的位置。
這個分裂不是技術能力的差距，而是「習慣」的差距。報告裡有個細節很有意思：那些生產力提升最明顯的人，不一定是最強的工程師，而是最快把 AI 工具內化進工作流程的人。這讓我想到 WoW 改版之後的職業 tier list — 不是說你 L2P 不夠，而是有些人就是比你更快看到 patch note 然後調整出牌順序。
對工程師來說，這篇值得認真看的原因不是「AI 要搶你工作」這個老梗，而是它給出了一個更具體的問題：你現在在哪一半？焦慮感本身不會改變現狀，但搞清楚自己的位置是第一步。老實說，繼續用三年前的工作方式、然後說 AI 沒用的人，我愈來愈難同情了。
Gamma：50 人、$100M ARR，然後他們說犯了五個大錯
Meta Shift
Gamma 是做 AI 簡報的工具，上週 CEO Grant Lee 在 SaaStr AI 2026 公開了他們的成績單：50 人團隊、$100M ARR。光這個數字就夠嚇人了，但更有意思的是他同時列出了 5 個主要失誤。
這種「又曬成績又承認錯誤」的 talk 我很少看到講得這麼乾。幾個核心教訓包括：別太早做 enterprise sales（他們在 PLG 飛輪還沒成熟前就去追大客戶，浪費了大量資源）、AI 功能不是護城河（任何人都能在幾個月內抄你的功能，你的差異化必須在別的地方）。
這對台灣工程師背景出來創業的人有直接參考價值。Gamma 的 50 人能跑到這個規模，部分原因是他們非常克制地不去招不必要的人。很多新創在 Series A 之後就開始瘋狂擴招，最後發現花在溝通協調的成本超過了增加的產出。AI 工具讓這個「最小有效團隊規模」的概念變得更重要，不是更不重要。
這個 case 是「AI 原生 SaaS 能走多遠」這個問題目前最好的答案之一。
每週收 $10K 清 AI 爛 code，這門生意說明了什麼
Nerf Watch
Odra.dev 推出了一個叫 SlopFix 的服務，定位很直接：幫你清理 AI coding 工具產生的低品質程式碼，每週收費一萬美金。
我第一眼看到這個的反應是「這是在開玩笑嗎」，但想了一下發現這個方向非常合理。AI coding 工具大量普及之後，有一批公司的 codebase 已經累積了大量 vibe-coded 的技術債 — 能跑、能 demo，但結構一塌糊塗，之後每加一個功能就要花兩倍時間在 debug。
這個現象有個很清楚的結構：AI 降低了「讓東西跑起來」的門檻，但它沒有降低「讓東西維護起來不要爆炸」的成本。這兩件事的落差，就是 SlopFix 的市場。每週一萬美金聽起來很貴，但如果你的工程時間成本每個月超過這個數字在踩地雷，這個計算就成立了。
對工程師社群來說，這個服務的存在是一個訊號：clean code、系統設計、可維護性這些「boring 的基本功」，在 AI coding 浪潮下不是變得不重要，而是變得更稀缺。那篇論文（id: 6084f07f）也有數據支撐這點：code 整潔程度會顯著影響 AI agent 的任務完成率。你現在拿 AI 寫出來的垃圾，以後要花更多成本清，不管是自己清還是付錢給別人清。
OpenAI + Broadcom 自研晶片 Jalapeño：這才是 Nvidia 真正該怕的
Meta Shift
OpenAI 和 Broadcom 聯手推出了自研推論晶片，內部代號 Jalapeño，專門針對 LLM inference 最佳化。
這件事重要性被低估了。大家都在討論 OpenAI 的模型能力，但算力自主化才是更長期的戰略賭注。Nvidia 現在的護城河很大程度上是 CUDA 生態和 GPU 的稀缺性，但只要有足夠的 scale，任何大買家都有動機去自己做晶片 — Google 做了 TPU、Amazon 做了 Trainium、Apple 做了 M 系列，現在輪到 OpenAI。
跟 Broadcom 合作而不是自己從零做，這個選擇很務實。Broadcom 在 ASIC 設計上有長期的工程積累，之前幫 Google 做 TPU 就是它，合作模式讓 OpenAI 能更快拿到可用的矽，而不是把時間燒在建晶片團隊上。
對開發者社群的影響：短期不大，但中期值得關注。如果 OpenAI 的 inference 成本因為自研晶片大幅下降，API 定價可能會出現一波調整，而且他們對外部 API 客戶的依賴度也會降低，戰略彈性增加。這改變了 OpenAI 和所有在上面建產品的人之間的權力關係。
Anthropic 到年底營收將超越幾乎所有上市軟體公司
Meta Shift
SaaStr 的分析預測 Anthropic 在 2026 年底的年化營收將超越除 Microsoft 之外的所有上市軟體公司。這個數字背後的意思是：Claude 在企業端的滲透速度比大多數人預期的快很多。
同時這週有另一篇文章（id: 8fe80cbc）在問「開源 AI 為什麼還沒打到 Anthropic」，答案很清楚：企業客戶要的不只是模型能力，他們要的是合規、安全、SLA、技術支援，這些東西開源版本給不了。Llama 再強，沒有 Anthropic 後面那套企業服務，大型金融機構不會簽合約。
但這邊有個「yet」要注意。中國開源模型（GLM 5.2 那篇有提到）持續在壓縮模型本身的 margin，長期來看 AI 能力本身會越來越商品化。Anthropic 能維持溢價的時間窗口，取決於他們能不能在模型商品化之前把企業護城河建得夠深。
這對在選 AI vendor 的工程師或 CTO 來說有直接影響：現在 all-in Anthropic 的企業，要想清楚自己買的是「模型能力」還是「整套企業合規服務」。如果是前者，護城河比你想的薄；如果是後者，那 switching cost 正在悄悄累積。