YouTube 頻道 Team 2 Films 實測 DaVinci Resolve 21.1 新內建的 MCP 伺服器，讓 Claude 直接透過 Resolve 的 API 執行剪輯工作：匯入媒體、同步音畫、把整捲掃描底片拆成個別鏡頭、組出十五分鐘初剪、批次渲染大型專案、產生二十支直式短影音建議，甚至在 API 沒開放的功能上自行改用電腦操作或串接 FFmpeg 繞過限制。本文整理實測內容、影片作者提出的能力邊界，以及後期團隊評估這類工作流時該注意的硬體配置。MAQ 一直是後期剪輯設備的供應商與技術服務商，文末列出對應規格建議。
Nate B Jones 這支 32 分鐘影片的標題像三機對決，內容卻是一份完整的個人 AI 電腦架構論：硬體只佔約兩分半，其餘在談執行環境、模型組合、記憶層、介面與工作流這五層，主張是「反依賴，不是反雲端」。本文依原片脈絡逐層整理，並修正片中已經過時的數字——Mac Studio 的 512GB、256GB、128GB 選項已於 2026 年 3 至 5 月間陸續下架，全線上限降至 96GB；DGX Spark 創始版官方售價於 2 月調升至 4,699 美元，NVIDIA 明言反映記憶體供給限制。另更正影片對 LM Studio、SGLang、NeMo 的三處定位錯置，以及 Llama 4 授權、Open Brain 授權兩項常被寫錯的事實。
NVIDIA 官方公布 DGX Spark 針對自主式 AI 代理的實測數據，其中最容易被誤讀的一點是：效能表中的「提示處理吞吐」與「token 生成吞吐」相差約兩個數量級。Nemotron 3 Super 120B 的提示處理達每秒 2,855 個 token，實際產出文字則為每秒 18 個。本文完整呈現原表五欄數據、說明 120B 模型得以放入 128GB 的真正原因（NVFP4 四位元量化，而非 MoE 架構），並整理多節點擴充在微調與推論上的差異，藉此釐清這台機器適合與不適合的用途。
探討 ERP 導入 AI 的內容多出自 ERP 廠商，結論一致指向「無須汰換系統、串接 API 即可」，卻略過了成本最高的另一半：這些資料最終在哪一台機器上運算。本文銜接軟體與硬體兩端，說明四種資料接法的取捨（唯讀檢視表、固定工具、RAG、Text-to-SQL）、ERP 場景九成不宜採用微調的原因、雲端與地端的分流原則，以及各情境對應的顯示記憶體與機型。內容源自 MAQ 自身 ERP 導入 AI 的實作經驗，並說明過程中的三項限制。
Apple 官方 WWDC26 影片示範：不連雲端、不用訂閱，用 MLX 讓完整的 AI 代理工作流全程跑在 Mac 上——OpenCode 接本機模型、Xcode 直接內建、還能擴展到多台 Mac。我們解析影片，並誠實對照 MAQ 的 Mac 工作站線。
BBC 介紹 2026 世界盃官方球 adidas TRIONDA——內藏 500Hz 感測器、每秒回傳 500 次資料給 VAR。我們解析它怎麼運作（其實 AI 在後端的感測器融合＋電腦視覺，不是球裡），以及同一套「電腦視覺＋即時推論」如何在製造、零售、保全、運動科學落地，背後都吃 GPU 算力。
雲端與地端怎麼算才划算、跑某個模型要買幾張卡、RAG 知識庫地端化怎麼選——MAQ 技術團隊把採購會遇到的難處與評比一次說清楚。完整選機邏輯見 AI 硬體選購指南 →
