標籤: Amazon

  • Amazon 封殺 Muse:誰有權帶著 AI 上門?

    Amazon 封殺 Muse:誰有權帶著 AI 上門?

    📌 本文重點

    • Amazon 封殺 Muse,本質是導購權與平台控制權之戰
    • 大型平台正嘗試拒絕「使用者自選 AI 代理」進場
    • 未來關鍵在於是否能建立公平的 AI 代理協議與標準

    Amazon 封殺 Meta Muse,不是單一平台的風紀事件,而是「使用者委託權」與「平台控制權」第一次正面衝突。今天 Amazon 可以說「不接受 AI 幫你點擊」,明天任何大型服務都可以拒絕你的數位分身入內——AI agent 革命,可能在起跑線就被關進少數巨頭的自動化堡壘裡。


    一、商業與競爭:為什麼 Amazon 寧願變不方便,也要先開槍?

    先看事實:Meta 的 AI 代理人 Muse 在手機端的下載與活躍度,已經「超車」當年 ChatGPT 的早期表現,在美加市場都更亮眼。

    💡 關鍵: Muse 的成長速度超過早期 ChatGPT,代表大量真實用戶已開始把「逛網路」外包給 AI。

    這代表什麼?代表大量真實用戶,開始把「逛網路」這個動作外包給一個 AI。

    對 Amazon 來說,這不是一個小插件,而是一個跨平台「行為閘道」:

    • 用戶不是直接打開 Amazon,而是對 Muse 說「幫我找鍵盤、順便比一下 eBay / Walmart」。
    • 商品搜尋、比較、甚至購物車排序的「第一接觸點」從平台搜尋框,變成 Meta 自家 agent 介面。

    在這個世界裡:

    • 誰控制 agent,誰就控制「導購權」,也就控制了流量、廣告與抽成。
    • Amazon 若默許 Muse 自動操作 amazon.com,等於承認:
    • 商品發現可以被 Meta 中介;
    • 價格比較可以被系統化;
    • 使用者忠誠不再綁在 Amazon,而是綁在「我的 AI」。

    所以 Amazon 寧可犧牲一點短期便利,也要把這道閘門關在自己手上。反正它有自家模型與推理平台,完全能推出「Amazon 版 shopping agent」,再配合 Prime、物流、會員體系形成閉環。

    對其他電商與雲端平台來說,這一槍既是示範也是警訊:

    • 示範:只要你夠大,可以公開說「我們沒有義務接待第三方 AI 代理」,把「是否開門」變成談判籌碼。
    • 警訊:如果任由頭部平台率先封殺外部 agent,最後大家都被迫在各自城牆內做小小的「官方 agent」,失去成為跨平台「用戶代表人」的機會。

    從商業角度看,Muse 被封鎖不是技術問題,而是導流權之戰。用戶表面是在「請 AI 幫我逛 Amazon」,實際上是在「把消費觸點交給 Meta」。Amazon 選擇第一時間開火,是理性的壟斷本能。


    二、技術與安全:匿名 agent 真有這麼危險嗎?

    Amazon 對 Muse 匿名瀏覽與代管憑證提出兩大安全質疑:

    1. 來源不明的自動化流量:
    2. Muse 以「AI 代理」身分替許多用戶逛 Amazon,在伺服器眼中是一坨不透明的 traffic。
    3. 這和傳統 bot 的差別只在「幫真人下單」,但在風控系統眼裡,其實非常像大規模爬蟲或刷單工具。

    4. 憑證被代管的風險:

    5. 若用戶把 Amazon 帳號、支付方式交給 Muse 儲存,由 Meta 或第三方代為持有,一旦資料外洩或調用方式不透明,責任邊界模糊。
    6. Amazon 不願意為「另一家公司的安全設計」買單。

    站在平台角度,要求「明確身分 + 明確授權」是合理的:

    • 明確身分:你是誰的 agent?這個瀏覽行為要標記為哪個「真實用戶」?
    • 明確授權:這個 action(加入購物車、結帳)是否經過「可追溯」的用戶同意?

    問題是:現有協議沒有為「AI 代理」設計的標準位置。

    • OAuth 假設的是「App 代你調用 API」,而非「一個在使用者瀏覽器外部、半自主行動的 agent 代你點擊 UI」。
    • Cookies / session 也沒區分「人類點」和「我請的 AI 代點」。

    💡 關鍵: 現行協議只理解「人或 App」,不理解「受使用者授權、半自主行動的 AI 代理」,才造成今天制度上的斷層。

    結果就是今天的荒謬:

    規則允許你自己點滑鼠,不允許你說「我請一個 AI 幫我點」;
    人類可以委託人類(秘書、代購),卻無法制度性委託軟體代理。

    真正需要的,不是全面封殺,而是讓平台能「看得見 agent」、又不必信任 Meta 的黑盒子:

    • 協議層標記:每一個請求都能標示「此為某某用戶的授權 AI 代理操作」。
    • 細粒度權限:例如「只能查詢、放入購物車,不能變更地址或付款方式」。
    • 可審計記錄:一旦出問題,平台與用戶可以回溯「這是 AI 做的,還是人自己點錯」。

    在這套東西出現之前,Amazon 選擇先踩煞車,技術上可以理解,但它也在用自己的風控框架,預先決定我們能不能擁有「自己的 AI 秘書」。


    三、從人對網站到平台對平台:網路正在反向封閉

    今天是 Amazon 封 Muse,明天可能是:

    • 航空公司封鎖會自動比價、自動改票的旅遊 agent。
    • 金融機構拒絕任何「非官方 AI」替用戶下單。
    • 社交平台只允許自家 bot 管理貼文與訊息。

    如果每一家大型服務都各自封殺外部 agent,我們會看到一個非常怪異的網路:

    • 名義上還是開放的 HTTP 網路,實際上變成「平台對平台」的封閉戰國:
    • Amazon 有 Amazon agent,Meta 有 Meta agent,Google 有 Google agent;
    • 每個 agent 只在自己陣營的服務裡活得最好,跨陣營要嘛被降速、要嘛被擋掉。

    這與我們對「開放網路」的直覺完全相反——HTTP、HTML 原本就是給任何客戶端用的協議,從瀏覽器到螢幕閱讀器到腳本工具都可以來。現在,大平台正試圖加入一條隱形條款:

    你可以帶瀏覽器上門,可以帶官方 App 上門,
    但你不能帶「會幫你做決策的 AI」一起來。

    如果這條路線被坐實,AI agent 不會消失,只會內爆成少數巨頭的「封閉自動化」:

    • 你在 Amazon 世界裡有一個「會幫你買東西的 Amazon 小幫手」。
    • 在 Meta 世界裡有一個「會幫你逛 Reels 和 Facebook Shop 的 Muse」。
    • 它們彼此不說話、不互通。你的「數位分身」被拆成一堆平台專屬 NPC。

    從協議層來看,這是網路的一次反向演化:從「人對網站」的通用協議,退化成「平台對平台」的私有 API 與專屬 agent。


    四、監管與標準:AI 代理協議,勢必要被逼出來

    這類衝突遲早會逼出一套「AI 代理協議」(Agent Protocol),位置大概介於 robots.txt 與 OAuth 之間:

    • 像 robots.txt 一樣,讓網站能宣告:
    • 接不接受 agent;
    • 接受哪種類型(只讀、交易、金融、高風險操作);
    • 對不同風險級別的 agent 設定頻率與權限限制。
    • 像 OAuth 一樣,讓使用者能明確地:
    • 授權「某個 AI agent」以自己的名義操作;
    • 指定 scope(瀏覽、下單、取消訂單等);
    • 隨時撤銷。

    關鍵問題是:這套規則由誰來訂、會偏向誰?

    • 若由平台主導,多半會變成「高門檻白名單」:
    • 只接受幾家大公司 agent;
    • 高昂的合規與審核成本把獨立開發者與開源 agent 擋在門外。
    • 若由監管與標準組織介入(如 IETF、W3C 或新成立的多方聯盟),則有機會:
    • 把「使用者有權帶著自己的 AI 上門」寫成權益的一部份;
    • 強制平台要提供一組最小可行的 agent 存取接口,好比當年的「資料可攜權」。

    💡 關鍵: 未來 AI 生態的權力分配,將由「Agent Protocol 怎麼寫」來決定,而不是由模型算力決定。

    真正的戰場,不在模型強不強,而在協議怎麼寫。

    一旦「AI 代理協議」被設計成「平台可以隨意踢走你請來的代理」,那麼 agent 革命就只剩下官方客服升級、官方推薦更聰明——普通人永遠只有被自動化、沒有自己自動化別人的權力。


    最後:開發者與使用者,現在就該做什麼?

    對 開發者:

    • 把「使用者委託權」當成核心設計,而不只是「幫平台省人力」:
    • 優先做「用戶一端」的 agent,幫用戶管理多平台資料與行為,而不是直接變成某個平台的附屬插件。
    • 主動參與、推動「AI 代理協議」與相關標準的討論:
    • 不論是 IETF draft、W3C 社群,還是民間的 Agent Protocol 提案,越早有開源與獨立社群的聲音,未來空間越大。

    對 使用者與企業採購者:

    • 在選擇平台與服務時,開始問一個新問題:
    • 「我能不能帶自己的 AI 來?」
    • 能否讓我自選 agent、接入我自己的模型與工具鏈?
    • 用腳投票:
    • 支持那些願意提供清楚 API、允許第三方 agent 合規接入的平台;
    • 對「只許官方 agent 進入」的服務提高警覺——那不是在保護你,而是在圈地你的行為資料與決策權。

    AI agent 能不能真正落地,決定權不在 GPU 也不在參數規模,而在平台願不願意承認:使用者有權帶著自己的 AI 上門。如果這一戰最後被默默接受為「平台有權隨時封殺外部 agent 的理所當然」,那麼我們得到的,不是數位分身,而是一個更聰明、卻更封閉的雲端監獄。

    🚀 你現在可以做的事

    • 在選用任何雲端或 SaaS 服務時,主動檢查並詢問是否允許第三方或自建 AI agent 合規接入
    • 參與或關注 IETF、W3C 及民間 Agent Protocol 相關討論,追蹤並支持偏向使用者委託權的提案
    • 若你是開發者,優先設計以「使用者為中心」的跨平台 agent,並預留未來接入標準化 Agent Protocol 的介面
  • AI 公司正在摧毀圖書館的未來

    AI 公司正在摧毀圖書館的未來

    📌 本文重點

    • 稀有書正被當成可消耗的 AI 訓練燃料
    • AI 公司毀書掃描,公共與學術系統幾乎無法介入
    • 法規與監管忽略了「為訓練 AI 而毀書」的文化風險
    • 開發者與使用者可以用技術與選擇阻止文化被黑箱吞噬

    AI 公司掃描稀有書、毀掉實體館藏,不只是「技術細節」,而是正在改寫誰有權決定人類知識如何被保存與毀棄。在算力和數據被視為新基礎建設的年代,如果文化保存不被視為同等重要的基礎建設,下一代回頭看 2020s,很可能只會看到一片被模型吃掉、卻無從考證的知識黑洞。


    一、稀有書正在變成「可計價燃料」,而不是公共記憶

    這一連串調查指向同一個不舒服的事實:AI 公司已經在物理層面「拆書」取數據。

    • 404 Media 用 AirTag 追蹤一批稀有書,最後發現終點是亞馬遜(Amazon)AI 訓練設施。
    • The Decoder 更直接揭露:Amazon 大量購買印刷書,掃描後在過程中銷毀實體本。
    • TechCrunch 報導指出,稀有書對 LLM 特別有價值,因為模型已經把網路文本吃得差不多了。

    💡 關鍵: 稀有書一旦被視為可耗盡的訓練燃料,企業就有系統性毀書的經濟動機,而公共記憶卻沒有被計入成本。

    這些片段串起來,就是一條新的產業邏輯:

    1. 大模型已吃完「開放網路」:Common Crawl、維基百科、開放論文庫已經是所有主流模型的標配,差異性變低。
    2. 下一步的競爭優勢,來自「稀缺數據」:未上網的冷門專著、地方志、技術手冊、灰色文獻,成為模型差異化的秘密武器。
    3. 在算力與時間壓力下,「拆書掃描」比「精緻保存」更符合企業 KPI:
    4. 一次性買斷、拆書、工業化掃描 → 資料直接進 ML pipeline。
    5. 書的狀態、保存品質,不影響模型的 loss,只影響文化的損失。

    當稀有書被視為可計價的訓練燃料,它在企業眼中是「可消耗資源」,而不是「不可替代的公共記憶」。這就是我們必須警惕的:AI 產業現在有動機,也有資本,去「吞掉」圖書館裡最稀有的那一層知識。


    二、圖書館與學者的失語:資料掠奪如何變成「默許常態」

    更令人不安的不是 Amazon 做了什麼,而是公共與學術系統幾乎沒有發聲權。

    1. 図書館被繞過,文化保護被視為「流程阻力」

    現行館藏制度假設的是:

    • 書在館內,透過借閱、影印、有限度數位化,慢慢流通;
    • 稀有本的任何處置,需要館方、捐贈人、甚至文化部門同意。

    但現在的路徑變成:

    • 稀有書先透過二手市場、清倉、甚至館藏汰舊流入商業渠道;
    • AI 公司以「合法購買」之名取得實體,再在封閉設施內決定命運;
    • 圖書館、研究者、原持有者,完全不知道這批文獻之後被如何處置。

    以 Anna’s Archive 的呼籲為例,作者不得不以「在 AI 公司毀掉之前,先盡快掃描保存」作為行動口號,這本身就暴露了權力結構:

    現在是民間志工在搶時間,跟算力巨頭「賽跑」,看誰先把書變成位元。

    2. 學術界的尷尬:想用好數據,又害怕失去實體

    對研究者而言,稀有文獻數位化本來是好事:

    • 跨國、跨學門共享:不必飛去某個小鎮圖書館查一冊地方志。
    • 可機器分析:文本可被 NLP、歷史語料庫、數位人文工具重複利用。

    問題是,現階段的數位化是由企業主導、模型優化導向,不是「公共數位典藏導向」:

    • 掃描的優先順序由「對模型有利」決定,而非「對學術與文化有利」。
    • 檔案格式、清洗策略、甚至是否保留原始影像,都只對內優化 ML pipeline。
    • 學術界最後拿到的,可能只是被模型不可逆地「消化過」的摘要與輸出,而不是原始文獻。

    文化記憶的核心問題在於可考性:當實體書被銷毀,而掃描檔被鎖在 Amazon 的私有 S3 上,我們失去的不只是紙,而是未來任何人驗證某段知識來源與脈絡的能力。這種損失是不可逆、也無法靠「模型回答問題」補回。


    三、法規完全沒準備好:我們從未想過「為訓練 AI 而毀書」

    法律上,這個場景幾乎是空白地帶:

    1. 著作權法只管「複製與利用」,不管「實體銷毀」:
    2. 只要企業合法購買書籍,自行拆解、掃描、銷毀,通常不觸及著作權的紅線;
    3. 用來訓練模型,只要輸出不明顯「逐字抄襲」,目前多數法域仍屬灰色。

    4. 文化資產保護法門檻過高:

    5. 真正被列為「文物」、「古蹟」的只是一小撮,絕大多數 20 世紀專業書、地方志、技術手冊都不在保護清單上;
    6. 但對歷史學、科技史、社會學而言,常常是這些「非文物級」的材料最關鍵。

    7. 監管仍停留在「AI 內容風險」,沒看到「AI 訓練前的文化風險」:

    8. 大家在談深偽、AI 詐騙、模型偏見,卻極少把「文化保存」納入 AI 監管架構;
    9. 現狀等於默許企業在文化資產層面自由行動,只要後續不做違法用途即可。

    我認為,這是一個需要制度性翻轉的時刻:

    稀有文獻的數位化與開放治理,應被視為 AI 時代的公共基礎建設,而不是交給單一平台暗中操作。

    具體可以怎麼做?至少有三個方向:

    1. 公共數位館藏基金:由政府、研究機構與民間資金共同出資,優先購買與數位化危險中的稀有書,並以開放授權釋出掃描檔與文本。
    2. 「毀書前通報」制度:對一定年代與稀有度以上的出版品,如果要大量銷毀或拆解,須向公共文化機構通報,給公部門或圖書館優先收購或數位保存權。
    3. 模型訓練透明義務:
    4. 對超大規模模型,要求申報受保護文獻類型的使用比例與取得方式;
    5. 對使用稀有文獻訓練的部分,強制要求在合理時間後將原始掃描檔(非 processed corpus)
      交付公共典藏機構保存。

    💡 關鍵: 一旦把稀有文獻的數位化視為公共基礎建設,就能用制度迫使 AI 企業將掃描成果回流公共典藏,而不是永久鎖在私有雲端。

    這些設計不是在「卡 AI」,而是在承認:既然算力與數據已被視為基礎建設,就不能讓文化保存變成基礎建設的外部性。


    四、給開發者與使用者的行動建議:不要當文化毀滅的共犯

    如果你是開發者或技術決策者,現在可以做的不是「道德焦慮」,而是具體把文化保存寫進技術與商業選擇:

    1. 問清楚你的訓練數據從哪裡來:遇到「私有稀有 corpus」「獨家紙本掃描」這類賣點,請直接問一句:實體文獻是否被保存?掃描檔是否會公開或交付公共機構?
    2. 在技術架構中預留「公共回饋」機制:
    3. 例如把自家掃描 pipeline 的一部分輸出,固定捐贈給開放典藏計畫;
    4. 或在合約中加入條款:訓練完成後,掃描檔可在不影響商業機密的前提下分級開放。
    5. 作為使用者,優先支持「不毀書的 AI」:
    6. 當你選擇模型與雲端服務時,把「文化與數據倫理政策」列為評估指標之一;
    7. 對於被揭露有系統性拆書、銷毀稀有文獻而拒絕改善的公司,直接用錢投票,減少依賴。

    我們已經接受「AI 需要大量數據」這個產業共識,但下一步要補上的,是另一個更重要的共識:

    任何模型都不值得用不可替代的文化記憶去換。

    如果我們現在不把文化保存視為 AI 時代的基礎建設之一,任由稀有書在黑箱裡被掃描、被銷毀,那麼當下一代試圖理解 2020s 的思想、技術與社會,他們打開的可能只剩下模型輸出的二手敘事,而再也找不到原文獻留下的細節與歧義。那不是進步,那是文明自己按下的刪除鍵。

    🚀 你現在可以做的事

    • 實際去查詢你所使用的模型或雲端服務的「訓練數據來源與文化保存政策」,並記錄回覆內容
    • 支持或捐款給像 Anna’s Archive 等開放典藏/掃描保存計畫,幫助民間掃描在毀書前完成保存
    • 在團隊或公司內部提出「不毀書的 AI」準則,將稀有文獻保存與掃描成果回流公共機構寫入採購與技術選型標準