YouTube Music 為 AI 音樂貼標籤，AI 蛋白質與代謝數位分身同步推進

YouTube Music 開始為 AI 生成的曲目加標籤，Epic 把 AI 轉向寫進新啟動器的發布文案，OpenAI 與 Apple 之間則圍繞前員工、機密檔案和錄音設備展開交鋒。與此同時，AI 設計蛋白質和 AI 數位分身進入實驗室與日常健康管理。幾條線索指向同一個變化：AI 正從模型能力競賽進入具體產品、組織和身體，而標註、邊界與資料治理正在後面追趕。

YouTube Music 給 AI 音樂貼上可點擊標籤

YouTube Music 新增了明確的標籤，用來標註一首曲目是否由 AI 生成。標籤是一個寫有 AI 字樣的長條形標識，直接放在曲目名稱下方，使用者很難忽略。它既會出現在完全由 AI 生成的歌曲上，也會出現在用模型生成人聲等主要組成部分的曲目上；按照 YouTube 的說法，只要 AI 發揮了重要作用，就會帶上這個標籤。點擊標籤會開啟選單，說明 AI 具體如何被使用，幫助使用者判斷要不要繼續聽。這種做法與 YouTube 主平台給 AI 生成影片加標註的方式相近，而一般 YouTube 應用程式裡有大量音樂影片和相關內容，公司表示這些標籤也會在某個時候進入影片播放器。YouTube Music 並非唯一想擋住音訊洪流的平台：Spotify 已開始標註假藝人，Deezer 正在實施一套過濾系統。^[1]

分析：對聽眾來說，標籤的意義在於把不可見的生成過程變成可識別的資訊，減少在推薦流裡誤點低品質內容的機會。對平台來說，標註也是一種責任分配方式：一旦曲目被標記，平台、上傳者和聽眾之間就多了一層知情同意。真正的考驗在於標籤的判定標準能否覆蓋部分使用 AI 的灰色地帶，以及它會不會影響創作者的曝光與收益。

用 AI 設計切割其他蛋白質的蛋白質

研究人員利用 AI 設計工具製造出能夠切割其他蛋白質的蛋白質。依照現有資訊，這些被切割的化學鍵原本可以穩定數百年。現有材料沒有披露實驗細節、效率或應用場景，因此這裡不展開推測；但僅從事實本身看，它把 AI 在生命科學中的角色從預測結構推進到生成具有特定功能的分子工具。能否在溫和條件下拆解長期穩定的鍵，是材料回收、工業催化和生物醫學中反覆出現的難題，而 AI 設計蛋白提供了一條從序列空間直接搜尋功能的路徑。後續值得關注的是這些設計蛋白是否在濕實驗中驗證，以及它們對目標鍵的選擇性有多高。^[2]

OpenAI 稱前員工把產品計畫展示給 Apple

OpenAI 指控一名前員工在離職加入 Apple 前，帶走了 100 多份與產品計畫相關的機密檔案。在週三提交的一份文件中，OpenAI 稱這名未具名員工把資訊發送到個人帳戶，隨後向 Apple 領導層展示，其中包括 Apple 亞洲營運副總裁。文件內容據稱涵蓋至少一款未發布裝置的圖像、供應商資訊、工程資料、專案文件、外觀修飾標準，以及關於硬體元件塗層與密封的報告。OpenAI 還把 Apple 新的 HomeView 智慧顯示器和本週發布的其他裝置，與這名前員工的展示聯繫起來，稱展示似乎發生在幾個月前，而 Apple 正帶著這些資訊在 AI 賦能產品上發起新攻勢。Apple 的產品計畫通常按很長的時間線推進，智慧顯示器也已被傳聞多年；反過來，Apple 指控 OpenAI 竊取機密檔案並監視硬體原型。Apple 未立即回應 The Verge 的置評請求。^[4]

分析：這場互訴顯示，AI 與消費硬體交會處的人才流動、供應鏈資訊和未發布裝置外觀都已成為敏感資產。雙方各執一詞，案件結果可能影響兩家公司在 AI 硬體上的節奏，也會讓產業重新審視檔案存取權限、離職審查和競業安排。

OpenAI 會議室裡的隱藏錄音設備

一則報導顯示，在 OpenAI 一間極機密會議室裡，有人發現了一台藏在衛生紙中的錄音設備。同一事件中，一名 OpenAI 工程師面臨 5 年監禁和 25 萬美元罰款，FBI 對其提出外國間諜相關指控。現有材料沒有說明設備如何被帶入、錄音內容是否外洩，也沒有披露案件審理進度，因此不補充未經證實的細節。可以確定的是，這起事件把 AI 公司的實體安全與人員審查推到台前：當模型權重、產品路線和客戶資訊集中在少數辦公場所，傳統的資訊安全邊界不再只由防火牆構成，會議室、列印間和隨身物品同樣成為風險面。對產業而言，這與 OpenAI 指控前員工帶走檔案的事件形成呼應，說明機密保護正在同時面對內部與外部壓力。^[3]

Epic 用 vibe coding 重做啟動器，爭議隨之而來

Epic Games Store 啟動器長期被批評笨重，連 Epic CEO Tim Sweeney 也曾在訪談中承認它 clunky。Epic 這次用 vibe coding 重做了啟動器，宣稱比舊版更快、更靈敏，並換了新外觀。公司部落格用一種輕鬆口吻介紹這件事，稱程式設計很難，所以乾脆讓 AI 來寫。發布前一天，Sweeney 在 X 上表示 Epic 正處於一次重大 AI 轉向，目標是讓每個人建構更多更好的東西，把好處帶給所有使用 Unreal 的團隊，而不是用更少的人做同樣的事。這則推文標註的日期是 2026 年 10 月 12 日。爭議在於，Epic 今年三月剛裁員 1000 人；按 Engadget 的估算，Epic 的員工規模已從 2023 年裁員後剩下的 4000 人減少了四分之一。新啟動器在測試中確實不那麼笨重，Epic 稱其啟動速度快於 Steam，還能從自己的介面存取電腦上透過 Valve 啟動器安裝的遊戲，並首次登陸 Linux。但它沒有解決 EGS 多年的身分危機，也沒有提供 Steam 或 GOG 之外的新功能。^[5]

分析：Epic 的案例把 AI 轉向的兩種敘事擺在一起：一邊是讓團隊做更多更好的東西，另一邊是裁員之後用 AI 重寫基礎工具。對開發者社群而言，啟動器效能提升和 Linux 支援是實際利多，但發布文案對 vibe coding 的強調，容易讓外界把 AI 與職位替代直接掛鉤。後續要看的是，AI 加速是否真的轉化為 Unreal 生態的生產力，以及 EGS 能否藉此補上缺失的差異化功能。

數位分身：用代謝資料預測每一餐

Verge 資深評測員 Victoria Song 記錄了自己與 AI 數位分身相處約 100 天的經歷。她每天早上先餵數位分身：第一餐是智慧秤傳來的身體組成資料，隨後在廚房用檸檬水服藥，也記錄進應用程式；週一還會做幾次平靜呼吸、測量血壓，再把這些資料交給分身。到了早餐時間，她先諮詢數位分身。這個分身更像一個由 AI 驅動、用顏色編碼的食物資料庫，用來預測她的血糖會如何對食物產生反應：紅色不理想，橘色一般，綠色最合適。它根據她輸入的資料和連續血糖監測儀的資料建構。蛋白質 Cheerios 加牛奶單獨吃是橘色，如果飯後散步就變成綠色，於是她照做，並在 Twin Health 應用程式中記錄；幾小時後應用程式會根據血糖反應生成洞察，讓分身更準確。數位分身是身體健康領域較新的概念，虛擬模型由實驗室、穿戴式裝置、圖像、遺傳檔案等資料點構成並持續更新。臨床醫師可用 AI 先在分身上測試患者對特定藥物或治療的反應，理論上有助於評估受傷風險、預測疾病進展、實施預防照護，同時減少對真實患者的不良影響，這也被視為通往個人化醫療的一條路徑。代謝教練可能是其中風險最低、回報最高的現實版本。^[6]

分析：代謝數位分身的吸引力在於，它把抽象的 AI 健康建議變成每天可執行的飲食與運動選擇。但它的準確性依賴使用者持續輸入資料，顏色編碼也只反映個人歷史與血糖反應，不能替代醫療診斷。如果這種模式走向臨床，資料隱私、演算法透明度和醫師責任邊界都會成為必須回答的問題。

共同趨勢：AI 落地越深，標註與邊界越關鍵

把這幾條線索放在一起，AI 正在同時進入內容平台、企業組織、實驗室和人的身體。YouTube Music 的標籤把 AI 生成內容從不可見變成可識別，Epic 的 AI 轉向展示公司如何把 AI 寫進產品敘事，OpenAI 與 Apple 的互訴和錄音設備事件提醒人們，機密與信任仍是稀缺資源；而在蛋白質設計和代謝數位分身中，AI 的價值來自對複雜系統的預測與生成能力。後續可以關注：YouTube 的 AI 標籤是否如約進入影片播放器，Spotify 和 Deezer 的標註與過濾會形成怎樣的產業慣例；AI 設計的蛋白質能否在實驗中證明選擇性與效率；OpenAI 與 Apple 的訴訟和工程師案件會如何影響兩家公司的產品節奏；Epic 的 AI 轉向在裁員之後會如何改變團隊結構與遊戲開發流程；數位分身能否從代謝管理走向臨床驗證。這些問題的答案，將決定 AI 是停留在展示與標籤層，還是成為可問責的基礎設施。