OpenAI 把 Codex 裝進復古掌機
Codex 不只幫你寫遊戲,現在連實體卡匣都能一起完成
新聞重點
OpenAI 正式推出 ModRetro Chromatic:Codex Edition,售價 200 美元,內含一台特殊版本 Chromatic 掌上型遊戲機與一張可程式化 Codex Cartridge,官方預計 11 月 19 日再次補貨。
這款產品最早曾以 DevDay 限定商品亮相,如今則以 OpenAI Supply Co. 聯名產品重新推出。使用者可以先透過文字描述遊戲世界、角色與玩法,再利用 Codex 加上 ModRetro Chromatic 外掛建立遊戲,之後進入 GB Studio 修改場景、美術與遊戲邏輯,最後編譯成 Game Boy 相容的 ROM。
完成後有三種遊玩方式:直接在電腦瀏覽器模擬器測試、串流到 Chromatic 實機測試操作與聲音,或者把 ROM 寫進可程式化卡匣,完全離開電腦後直接在掌機上遊玩。
OpenAI 也展示了三款透過 Codex 製作的遊戲,包括益智配對、地城探索與節奏遊戲,用來說明這套流程並不只停留在簡單技術展示。
背景脈絡
AI Coding 工具早期主要解決的是「程式碼怎麼寫」。開發者先決定產品架構、準備素材,再請 Copilot、Claude Code 或 Codex 協助完成某一段程式。
現在的方向正在改變。
Codex Edition 的設計重點不是讓 AI 多寫幾行 Game Boy 程式,而是把遊戲製作拆成一條完整流程,從最前面的構想一路走到真正能插進遊戲機的成品。AI 的位置因此從工程階段向前延伸到企畫,同時也向後延伸到測試與部署。
這種「端到端」體驗對初學者特別有吸引力,因為最困難的往往不是某一段程式碼,而是不知道應該先做什麼、下一步又該接哪個工具。
知識點補充
新聞裡的 ROM,可以理解成掌上型遊戲真正執行的遊戲檔案。早期 Game Boy 遊戲存在實體卡匣的記憶體中,而現代開發流程通常先產生 .gb 或 .gbc 檔,再透過模擬器或可程式化卡匣執行。
Codex 在這裡扮演的角色,更接近 AI Coding Agent,而不只是單純的程式碼自動完成工具。它能理解一個較完整的開發目標,再協助修改多個檔案、處理素材與測試流程。
GB Studio 則讓 Game Boy 類遊戲的場景、角色與邏輯更容易視覺化編輯。因此這套產品並不是「一句 Prompt 自動變成完整遊戲」,而是把 AI 放進原本的遊戲製作工具鏈中,降低使用門檻。
生活化說法
以前想自己做一款復古遊戲,有點像想親手組一台收音機:不只要有創意,還得知道電路怎麼接、零件去哪裡買,最後怎麼裝進外殼。
現在 Codex 更像多了一位熟悉整套流程的工程夥伴。你先說想做什麼,它協助把想法變成可運作版本,再讓你慢慢修改。
真正有趣的地方,是最後作品不是停留在電腦裡,而是真的能燒進卡匣,插進掌機玩。
我們的觀察
這款聯名產品最值得注意的,不是復古外型,而是 OpenAI 正嘗試把 Codex 從專業開發者工具往「創作平台」推進。
當 AI 能處理更多技術細節,程式設計的入口會逐漸從「先學語法」變成「先描述作品」。這不代表程式能力不重要,反而是當作品開始變複雜,懂架構、除錯與設計的人仍然更能掌控結果。
但對大量非工程背景的創作者來說,門檻確實正在下降。過去腦中有遊戲想法卻不會程式的人,現在可能更快做出第一個可玩的 Prototype。
對一般讀者的影響
未來學程式的方式可能也會改變。初學者不一定先從一百行語法開始,而可能先利用 Agent 做出一個小作品,再回頭理解每一段程式碼在做什麼。
AI 因此不只是「代寫」,也可能成為新的學習入口。真正需要注意的,是不要只會叫 AI 修改程式,而完全不知道作品為什麼能運作,否則專案一旦出現較複雜的錯誤,就很難自己判斷問題。
Culper 半年前就盯上黃仁勳與 Alice Huang,做空報告因後續事件重新受到關注
新聞重點
澳洲《Australian Financial Review》近期報導,美國做空研究機構 Culper Research 早在 5 月 13 日就曾發布一份約 40 頁的 NVIDIA 研究報告,其中不只質疑 NVIDIA 的中國市場曝險,也特別點名新加坡資料中心業者 Megaspeed 與其高階主管 Alice Huang。
Culper 當時形容黃仁勳與 Alice Huang 的往來「異常密切」,並質疑 Megaspeed 的資金來源、採購規模,以及公司是否可能成為中國企業取得 NVIDIA 高階算力的重要管道。
數月後,隨著美國情報單位對 Alice Huang 與中國情報機構關係的疑慮曝光,黃仁勳也公開承認兩人曾有婚外情,NVIDIA 董事會據報已對相關接觸展開調查,使 Culper 當初的報告重新受到關注。
不過,這裡仍需把幾件事情分開。Culper 是做空機構,本身持有 NVIDIA 空頭立場,因此對公司有直接財務利益;美國情報單位對 Alice Huang 的評估,也不等於已透過法院程序證實所有指控。至於 NVIDIA 是否知情協助規避晶片管制,目前仍沒有公開證據可以直接下此結論。
背景脈絡
做空研究機構在資本市場的角色一直很有爭議。
它們通常先押注公司股價下跌,再花大量時間研究財報、供應鏈、公司登記、客戶關係甚至高階主管私人往來。如果找到重大問題並公開,股價下跌就可能讓做空者獲利。
這種利益結構讓外界容易懷疑它們誇大風險,但也正因為有強烈經濟誘因,一些做空機構會投入傳統券商不願意投入的調查成本。
Culper 這次受到注意,不是因為它的所有結論都被證實,而是報告在情報事件公開前數月,就已經注意到 Megaspeed 與黃仁勳之間的特殊關係。
知識點補充
Activist Short Seller,行動派做空者,和單純預測股價下跌的投資者不同。他們通常會主動公布調查報告,希望市場重新評估一家公司。
閱讀這類報告時,可以把內容分成三層。第一層是可以查證的公開資料,例如公司登記、交易金額與公開照片;第二層是匿名消息人士或供應鏈資訊;第三層才是研究機構根據前兩層做出的推論。
問題最常發生在第三層。公開資料可能是真的,但研究者怎麼解讀它,不一定就是唯一答案。
所以一份做空報告最重要的,不是語氣多強,而是後續有多少內容能被獨立媒體、監管機關或正式文件驗證。
生活化說法
假設有人先押注一間餐廳一定會倒,接著公布一份報告,指出老闆和供應商關係奇怪、進貨來源也有問題。
因為他押了餐廳會倒,所以不能完全忽略利益衝突;但如果半年後警方真的開始調查其中一名供應商,也不能因為報告作者有做空就把所有線索當成假的。
最合理的方式,是把「線索」與「結論」拆開來看。
我們的觀察
這起事件也顯示 AI 產業正在出現一種新的公司治理風險。
當 NVIDIA 的 GPU 變成國家戰略資源,CEO 的私人接觸就不再只是一般企業內部事務。如果一段私人關係同時連到大型客戶、出口管制與疑似情報活動,董事會自然必須判斷是否存在利益衝突或國安風險。
另一個值得觀察的地方,是 AI 供應鏈的「最終使用者」愈來愈難只靠合約判斷。晶片賣給新加坡公司並不等於算力只服務新加坡客戶,未來 NVIDIA 等企業勢必需要更深入了解資料中心真正服務誰、資金從哪裡來,以及 GPU 實際部署在哪裡。
對一般讀者的影響
這類事件最終可能使高階 AI 晶片的客戶審查更加嚴格,尤其是中國、東南亞與中東相關資料中心。
一般消費者不一定會直接受到影響,但雲端 AI 成本、晶片供應與不同市場能取得哪些模型能力,都可能受到出口政策與客戶審查變化影響。
對企業經營者而言,則是一個更直接的提醒:在高度敏感產業裡,高階主管的私人關係也可能成為公司治理的一部分。
AI 幫仿生視覺「閉環控制」,未來裝置可能真正開始適應每個人的大腦
新聞重點
UCSB、ETH Zurich 與西班牙 Miguel Hernández University 的研究團隊,利用深度學習改善視覺皮質義體的電刺激方式,研究成果已發表於《Neuron》。
研究對象是一名因創傷性腦損傷而失明的 27 歲男性。研究團隊在他的視覺皮質暫時植入包含 96 個電極的裝置,可以一邊刺激神經,一邊記錄大腦實際產生的反應。
研究人員訓練深度神經網路,學習不同刺激組合與大腦活動之間的關係,模型同時會考慮刺激前的靜息狀態,以反映大腦每次測試時並不是完全相同的狀態。
結果顯示,AI 設計的刺激模式更容易產生研究人員希望得到的神經反應,而且需要的電流更低。更值得注意的是,真正記錄到的腦部活動,比單純知道「哪些電極被刺激」更能預測受試者最後感受到的光點大小、亮度、形狀與顏色。
背景脈絡
人工視覺研究長期有一個容易理解、但其實不夠準確的假設:每個電極就像螢幕上的一個像素,只要增加足夠多電極,最後應該就能拼出完整影像。
真正的大腦沒有這麼規則。
不同電極之間會互相影響,而且同一個大腦在不同時間的神經活動也會波動。同樣的輸入不一定每次得到完全相同的視覺感受,因此單純建立一張固定的「電極對應表」很難長期可靠。
AI 的作用就在於處理這種複雜、非線性,而且會隨時間改變的關係。
知識點補充
這項研究最重要的概念是 Closed-loop Control,閉迴路控制。
傳統開迴路系統只負責輸出刺激,例如設定某幾個電極、某個電流強度,再假設結果應該差不多。
閉迴路則會加入回饋。裝置刺激大腦後,同時量測神經活動,再根據實際反應調整下一次刺激。
這和恆溫空調的概念很像。空調不是只設定「吹十分鐘冷風」,而是持續讀取室內溫度,再決定下一步該吹多少。
視覺皮質義體如果真的能做到這一點,就有機會從固定設備變成會持續校準的個人化神經介面。
生活化說法
每個人的大腦都像不同房間裡的一套音響。
你不能假設同樣把音量轉到 5,每個房間聽起來都一樣,因為空間、牆面與回音都不同。
新的方法不是要求使用者自己慢慢習慣,而是讓系統一邊播放、一邊聽回饋,再自己修正。
這也是研究團隊強調「裝置適應人,而不是人適應裝置」的意思。
我們的觀察
這項研究真正讓人期待的地方,不是 AI 讓仿生眼突然變成正常視力,而是它改變了神經裝置的設計思維。
過去醫療裝置比較像經過校正後固定運作的機器;AI 加入之後,它有機會成為持續學習的系統,根據患者的大腦反應重新調整刺激。
這種概念未來也可能延伸到其他神經科技,例如運動控制、聽覺介面甚至部分腦深部刺激治療。只要設備同時能讀取神經活動,又能改變輸出,就有機會建立類似閉迴路。
不過,目前研究只有單一受試者,仍屬早期概念驗證。從「可以改善神經刺激控制」走到「真正恢復實用視力」,中間還需要更多受試者、長期穩定性測試與臨床研究。
對一般讀者的影響
這項研究短期內不會讓市場立刻出現新的 AI 仿生眼,但它提供了一條很重要的醫療方向:未來的裝置不必要求每個患者適應同一套標準設定。
對醫療科技而言,AI 最有價值的地方可能不是替醫師回答問題,而是持續分析人體本身的變化,再讓設備做出更細緻的調整。
我們的觀察
今天三則新聞剛好可以用「從想法到行動,再到回饋」這條線串起來。
Codex Edition 展示的是 AI 如何把人的想法轉成作品。使用者提出遊戲概念,Agent 協助寫程式、修改內容,最後讓成果真的進入實體卡匣。AI 在這裡縮短的是創作與執行之間的距離。
NVIDIA 的爭議提醒我們,當 AI 走進真實商業世界,「執行」之後仍必須有人追蹤結果。晶片審慎評估去了不代表事情結束,企業還得確認設備真正部署在哪裡、由誰使用,以及商業關係背後是否存在額外風險。
仿生視覺研究更直接把這種概念寫進技術架構。系統不能只發出刺激,而必須讀取大腦實際反應,再重新調整下一步。
三件事放在一起,會看到 AI 正慢慢離開「一次輸入、一次輸出」的簡單模式。
未來真正重要的 AI 系統更像一個迴圈:理解目標、採取行動、觀察結果,再根據回饋修改下一步。
這種能力可以讓遊戲開發更快速,也能讓醫療裝置更精準;但一旦進入高風險商業與國家安全領域,同樣的持續追蹤就會變成治理要求。
因此,AI 下一階段最值得關注的可能不是它能不能第一次把事情做對。
而是它做完之後,有沒有能力知道結果到底對不對,然後再做出下一個正確選擇。
資料來源
- OpenAI Supply Co.|ModRetro Chromatic:Codex Edition
- OpenAI Developers|Build a retro handheld game with Codex and ModRetro Chromatic
- OpenAI|ModRetro Codex Cartridge
- The Australian Financial Review|This hedge fund called out Huang’s “special relationship” months ago
- Culper Research|NVIDIA:The China Problem
- 科技新報|黃仁勳出軌,美做空研究機構半年前已爆內幕
- The Australian Financial Review|Suspected Chinese spy boasted of her access to Nvidia chips
- UCSB|Deep learning refines how bionic eyes communicate with the brain
- UCSB Computer Science|AI Closed the Loop on a Vision Implant
- Neuron|Deep learning-based control of electrically evoked activity in human visual cortex
- 科技新報|新一代仿生視覺,AI 協助解鎖大腦視覺皮質
延伸閱讀
作者:NineLife AI 編輯室
最後更新:2026年11月10日
本文由 NineLife AI 編輯室整理公開資料後撰寫,可能使用 AI 工具協助草稿整理;發布前會人工檢查來源、事實與語意。內容僅供資訊參考,不構成法律、投資、醫療、稅務或其他專業建議。
留言
張貼留言
留言會先經過審核。歡迎補充觀點或來源;請勿張貼廣告、無關連結、成人、賭博、藥品或自動產生的內容。