亚马逊在购物应用中推出了一项新功能：根据用户搜索查询，展示由AI生成的产品图片。官方称此举旨在帮助那些“心中有物却词不达意”的消费者——比如想找“牛角领”衬衫却不知如何描述。当用户输入搜索词后，自动补全建议下方会出现多种AI生成的商品图像变体（如不同袖长的连衣裙），点击即可通过亚马逊的视觉搜索能力跳转至更匹配的真实商品页面。 然而，这一做法引发了诸多质疑。首先，用虚构图片引导用户可能造成误导——粗心的用户或许以为能买到图中那件“完美”的连衣裙，结果却发现并无现货。其次，一家以销售实体商品为主的电商，放着海量真实产品照片不用，反而依赖AI生成的“假图”，逻辑上令人费解。 实际上，亚马逊在AI购物功能上已有多项尝试，效果参差不齐。相对实用的有AI摘要用户评论、AI生成可购物拼贴画；较为奇葩的包括去年推出的播客式音频产品简介，以及用AI专家口吻描述商品亮点。此外，亚马逊还更新了视觉搜索工具Amazon Lens Live，并替代了原来的Rufus AI聊天机器人。 尽管AI能帮助用户更直观地表达模糊需求，但用虚构图像作为搜索中介的风险不容忽视。若用户因虚假图片产生预期落差，反而可能降低购物体验。在AI与电商结合的探索中，亚马逊需在创新与用户信任之间找到平衡。
美国总统唐纳德·特朗普已签署一项经修订的人工智能行政令，该命令在不到两周前曾被搁置。据两位知情官员透露，在高级助手说服特朗普政府不能无限期推迟建立AI技术框架后，他最终批准了这份缩减规模的版本。 ## 核心变化：审查期缩短至30天 修订后的命令要求，在最具先进性的AI模型公开发布前，联邦政府将获得**30天独家访问权**，而最初提案要求企业提前90天提供访问权限。除缩短审查期外，政府对原始文本几乎没有做出实质性修改。特朗普在周一晚间的白宫高层会议后批准了该命令，助手们于周二上午敲定了最终措辞。 这是特朗普第二任期内的**首项重大AI监管指令**，反映了政府内部日益增长的担忧——包括Anthropic的Claude Mythos和OpenAI的GPT-5.5在内的日益强大的系统，可能被利用对关键基础设施发起网络攻击。该命令并未实施正式监管，而是建立了一个**自愿流程**：先确定哪些AI模型最为强大，然后给予美国政府30天独家访问权，以便官员在公开发布前识别并解决潜在漏洞。 ## 幕后博弈：白宫幕僚长推动，前AI沙皇反对 此举也代表了白宫幕僚长苏西·威尔斯（Susie Wiles）的胜利。消息人士称，威尔斯与财政部长斯科特·贝森特（Scott Bessent）、国家网络总监肖恩·凯恩克罗斯（Sean Cairncross）合作，成功复活了该提案——尽管此前遭遇了特朗普前AI事务负责人大卫·萨克斯（David Sacks）的抵制，萨克斯是政府干预该行业的主要怀疑者。 ## 后续影响：中美对话或启动 随着该命令落地，贝森特可以开始探索与**中国**就建立类似先进AI系统跨境框架的讨论。据知情人士透露，这些谈判此前因政府内部政策未定而暂停。白宫发言人利兹·赫斯顿（Liz Huston）表示，该行政令体现了特朗普“与行业合作以平衡创新与安全的务实方针，巩固了美国在AI和网络安全领域的持续全球主导地位”。 值得注意的是，一些大型AI公司对此表示谨慎欢迎。该命令目前仅建立自愿机制，未来是否会走向强制监管，将取决于30天审查期的实际效果以及行业反馈。
## 事件概述 就在 IBM 与 Red Hat 联合宣布一项名为 **Project Lightwell** 的 AI 驱动开源安全计划数天后，Red Hat 自身却成为 npm 供应链攻击的受害者。安全研究公司 Aikido 发现，Red Hat 的 `@redhat-cloud-services` npm 命名空间下的 **32 个软件包** 共 **96 个版本** 被植入了凭据窃取恶意软件，这些受感染包每周累计下载量高达 **116,991 次**。 ## 攻击细节 攻击者利用一个被攻破的 GitHub 账户，向 Red Hat GitHub 组织维护的包中注入了恶意代码。这些包是前端库，会在 Red Hat 产品构建过程中被编译并打包到容器镜像中。恶意代码通过 **npm 预安装钩子** 实现：当开发者或构建系统运行 `npm install` 时，恶意脚本自动执行。 根据微软威胁情报团队的分析，每个受感染包都添加了一个预安装脚本，该脚本运行一个经过重度混淆的 `index.js` 加载器，随后下载并执行恶意负载，专门窃取 npm、GitHub、AWS、SSH 等环境中的凭据。研究人员将该攻击与基于 **Mini Shai-Hulud 蠕虫** 的更广泛供应链攻击活动联系起来——该蠕虫此前已被用于多起 npm 供应链事件。 ## 影响与响应 Red Hat 安全团队已确认此次入侵，并迅速移除了受影响包。公司表示，这些包是前端库，在构建过程中被编译并打包进容器镜像，但 **最终产品本身并未直接包含恶意代码**。然而，任何在其 CI/CD 流程或开发环境中使用这些包的组织，都可能面临凭据泄露风险。 ## 防护建议 1. **检查是否使用受影响包**：立即审查项目中是否使用了 `@redhat-cloud-services` 命名空间下的任何包，尤其是近期版本。 2. **轮换凭据**：如果你或你的 CI/CD 系统曾安装过这些包，立即轮换所有可能暴露的密钥、令牌和密码。 3. **加强供应链安全**：实施软件物料清单（SBOM）管理，使用签名和完整性校验，并限制 npm 包来源。 4. **监控异常行为**：在构建和部署管道中增加对预安装脚本等可疑活动的监控。 ## 行业启示 此次事件再次凸显开源供应链安全的脆弱性。即使像 Red Hat 这样在安全领域投入巨头的公司，也难逃攻击。IBM 和 Red Hat 的 Project Lightwell 计划虽雄心勃勃，但现实表明，安全建设需要从代码级到供应链级的全面防护。开发者应警惕 npm 生态中持续存在的风险，并将安全左移，从依赖引入阶段就开始管控。
现代汽车不仅是一台交通工具，更是一个移动的数据收集器。它知道你住在哪里、何时出行、体重多少，甚至晚餐吃了什么。ZDNET 的这篇文章深入剖析了汽车数据收集的现状、背后的利益链，并提供了实用的隐私保护建议。 ## 汽车数据收集：从位置到生物信息 如今的汽车配备了 GPS、摄像头、传感器、蓝牙和蜂窝网络连接，能够收集海量个人数据。除了基本的位置和驾驶习惯，一些高端车型甚至通过座椅传感器、车内摄像头或健康监测系统获取**体重、心率、疲劳状态**等生物特征。这些数据由车载系统实时处理，并上传至云端。 汽车制造商声称这些数据用于提升安全性和用户体验，例如碰撞预警、远程诊断或个性化设置。但问题在于，这些信息往往被共享给第三方，包括保险公司、广告商、数据经纪商，甚至执法机构。 ## 谁在购买你的驾驶数据？ 根据行业报告，汽车数据已成为一个新兴的“金矿”。保险公司的**基于使用情况的保险（UBI）** 模式依赖驾驶行为数据来定价；广告商则通过位置数据推送附近商家的优惠；数据经纪商将车辆信息与其他来源整合，形成详细的个人画像。更令人担忧的是，某些汽车制造商的隐私政策允许在用户未明确同意的情况下共享数据，而用户几乎无法完全退出。 ## 如何减少数据泄露？ ZDNET 建议采取以下步骤来限制汽车数据收集： 1. **审查隐私设置**：在车载信息娱乐系统中找到“隐私”或“数据共享”菜单，关闭不必要的选项，如“兴趣广告”或“远程服务”。 2. **禁用云同步**：如果车辆支持，关闭导航历史、语音助手记录等同步功能。 3. **限制连接**：避免将手机通过蓝牙或 USB 连接至车辆，除非必要。手机中的联系人、通话记录和短信可能被车辆系统获取。 4. **使用离线模式**：在不需要实时路况时，关闭 SIM 卡或 Wi-Fi 热点，切断数据上传通道。 5. **检查隐私政策**：定期查阅汽车制造商官网上的隐私声明，了解数据用途和共享范围。 6. **考虑后装设备**：对于较旧的车型，避免安装第三方 OBD 设备或智能后视镜，这些设备可能将数据发送到不可控的服务器。 ## 行业趋势与未来展望 2026 年，汽车数据隐私问题已引起监管关注。欧盟的《通用数据保护条例》（GDPR）和加州的《消费者隐私法案》（CCPA）部分适用于车辆数据，但执法力度参差不齐。一些汽车制造商开始提供“隐私模式”或“本地处理”选项，但默认设置仍倾向于收集数据。 作为消费者，我们无法完全避免数据收集，但通过主动设置和谨慎使用，可以显著减少暴露面。记住：在公路上，你的车可能比你更了解你——而你有权控制它分享多少。
客服与支持领域正成为语音AI最热门的应用场景之一，但让AI听起来像真人且响应无延迟，在某些市场远比想象中困难——而大多数主流玩家并未针对非洲和中东进行优化。去年成立的初创公司 **AethexAI** 致力于填补这一空白，近日宣布完成 **300 万美元** 的种子轮融资，由 **4DX Ventures** 领投，Enza Capital、Dorm Room Fund、Mojo Ventures 和 Stanford GSB 26 Fund 跟投。个人投资者包括斯坦福大学教授、电信高管以及来自 Anthropic 的 AI 研究员。 与使用 Vapi 或 LiveKit 等现成编排工具不同，AethexAI 从头构建了自己的小型模型和编排层，以处理目标市场所使用的地道英语、法语和阿拉伯语方言。这一决策源于区域运营的特殊需求。该公司同时推出企业平台，供企业试用其技术并注册服务，还为开发者提供 API 和 SDK 以实验其模型。 ## 创始背景与创业动机 AethexAI 由 **Mariama Diallo** 和 **Ayooluwa Odemuyiwa** 联合创立。CEO Diallo 曾在高盛工作，后加入 YC 支持的 ModelML 负责产品和增长；CTO Odemuyiwa 毕业于加州理工学院，曾在 Meta 任职，后在斯坦福商学院就读期间联合创办了公司。两人希望为新兴市场打造产品，并开始寻找机会。 ## 市场痛点与自研决策 全球企业竞相采用 AI 工具自动化运营，但这并非总能奏效。在埃及，某呼叫中心自动化了大量通话，却因效果不佳而回退；非洲多个支持中心反映，以合理成本找到并聘请工程师来自动化通话是一大难题。 > “我们在该地区自动化通话中遇到的延迟和抖动问题非常严重。如果使用编排工具，我们可能不得不使用托管在区域外的大型模型，导致更高的延迟。我们意识到，要让这一切奏效，必须使用非常小的模型，并在每一步削减延迟。”——Odemuyiwa 向 TechCrunch 解释为何自研模型和编排层。 ## 当前规模与未来展望 目前，AethexAI 的自研栈每天处理超过 **17,000 通** 电话。AI 实验室部署最新模型通常花费数百万美元用于训练和数据获取，而 AethexAI 通过优化小模型和本地化策略，找到了成本与性能的平衡点。随着平台正式上线，这家初创公司有望在语音AI的蓝海市场中占据一席之地。
英国竞争与市场管理局（CMA）近日对谷歌施加了法律约束，要求其向网站出版商提供一项新工具，允许他们选择退出生成式AI搜索功能。这项功能将在英国先行测试，随后推广至全球。 ## 新规背景与核心内容 CMA早在去年10月就将谷歌认定为具有“战略市场地位”的企业，为后续监管铺平了道路。今年1月，CMA进一步要求谷歌给予网站出版商选择权，决定其内容是否被整合到AI搜索功能中，或用于训练独立的AI模型。此次谷歌的合规措施正是对这一要求的直接回应。 根据谷歌发布的公告，出版商可通过 **Search Console**（一项免费服务）中的新开关，选择退出生成式AI搜索功能。一旦启用，该网站将不会出现在谷歌的 **AI Overviews**、**AI Mode** 或 **Discover中的AI Overviews** 等AI搜索特性中。值得注意的是，谷歌在公告中强调，其AI Overviews月活用户已超过 **25亿**，AI Mode月活用户也突破 **10亿**。 ## 对出版商的利好与潜在影响 CMA将此举称为“世界首创”，认为它让出版商重新掌握了对自身内容使用的控制权。尤其是新闻机构，将因此处于更有利的地位，能够与谷歌就内容在AI功能中的使用进行商业谈判。 除了退出机制，谷歌还被要求确保出版商内容在AI功能中得到 **适当的归属标注**，使用清晰的链接。谷歌表示已配合这一要求，近期增加了AI回复中的内联链接数量，并添加了网站预览以鼓励用户点击。 ## 谷歌的平衡策略 谷歌明确表示，网站选择退出生成式AI搜索不会影响其在传统Google搜索中的排名。但同时，谷歌将在Search Console中引入新的指标，包括曝光次数和页面在AI回复中的出现情况等，以“说服”出版商不要轻易退出。谷歌称未来还会增加更多指标。 这一举措反映了监管与商业利益之间的微妙平衡。一方面，CMA通过法律手段保护了出版商的权益；另一方面，谷歌试图通过数据透明化来留住出版商，维持其AI搜索生态的内容基础。 ## 行业意义与展望 随着生成式AI搜索的普及，内容版权和流量分配问题日益突出。英国此次的监管行动可能为其他国家提供参考范本。对于AI行业而言，如何在技术创新与内容生态可持续性之间找到平衡，将是未来持续面临的挑战。谷歌的全球推广计划也意味着，这一模式或将成为行业新标准。
## 一场令人失望的AI生产力实验 微软正斥巨资将Windows和Microsoft 365打造成“智能体操作系统”（agentic OS），承诺让AI自动完成写备忘录、做演示、安排会议等繁琐工作。但**现实远未达到宣传的高度**。 资深编辑Ed Bott亲身测试了**Microsoft 365 Premium计划**（月费10美元）中的专属Copilot智能体，结果令人沮丧。他首先尝试了**Analyst智能体**，上传家庭收支电子表格请求设计优化建议。经过多轮对话，智能体虽然给出了一些公式调整建议，但**大部分输出充斥着错误信息、幻觉和死胡同**。 更糟的是，当Bott试图让Copilot代理执行真实工作任务（如撰写报告摘要或整理数据）时，智能体要么给出**不相关的结果**，要么**直接拒绝执行**，甚至出现“对不起，Ed，我做不到”这样的回应。整个过程中，AI表现出**过度的自信**，却缺乏基本的准确性，反而浪费了更多时间在纠错上。 ## 行业背景：AI落地的“最后一公里”难题 微软并非孤例。当前整个AI行业面临同样的困境：大语言模型在演示中表现惊艳，但在处理**真实企业数据**（如格式不规范的表格、多源异构文档）时，准确率大幅下降。开发者工具如Claude Code和GitHub Copilot在编程领域获得了积极反馈，但**面向商务办公场景的智能体**显然尚未成熟。 Bott的测试结果印证了关键问题：**AI的“自信”与“能力”之间存在巨大鸿沟**。模型倾向于生成流畅但错误的答案，用户需要具备专业知识才能甄别，这反而违背了“提高效率”的初衷。 ## 小结：警惕“智能体泡沫” 微软的Copilot智能体代表了AI行业从“聊天机器人”向“自主代理”转型的野心，但**本次测试表明，技术距离真正可用还有相当距离**。对于企业和个人用户而言，在决定为这些高级功能付费前，不妨先**小范围试用**，评估其对实际工作流的真实影响。毕竟，一个“自信但错误”的助手，可能比没有助手更糟糕。
你是否遇到过发出的工作邮件石沉大海？很可能它们被扔进了对方的垃圾箱。问题不在于邮件内容，而在于域名未经认证。SPF、DKIM 和 DMARC 三个 DNS 记录联合起来，既能证明邮件合法性，又能防止域名被劫持。Gmail、Yahoo 自 2024 年 2 月起已对批量发件人强制执行这些认证，微软也在 2025 年 5 月跟进。本文将为你详解这三项协议的作用与配置要点。 ## 为什么邮件会进垃圾箱？ 当你发送大量工作邮件却得不到回复时，最可能的原因是接收服务器悄悄将你的邮件归入了垃圾箱。这通常与邮件内容无关，而是因为你的域名缺乏身份认证。没有 SPF、DKIM 和 DMARC，收件服务器无法确认邮件是否来自合法发件人，因此倾向于将其标记为可疑。 ## 三剑客：SPF、DKIM、DMARC - **SPF（发件人策略框架）**：验证发送邮件的服务器是否被授权。你需要在 DNS 中列出所有允许发送邮件的服务器 IP。 - **DKIM（域名密钥识别邮件）**：为每封外发邮件添加加密签名，确保内容在传输中未被篡改。你需要生成密钥对，公钥发布在 DNS，私钥用于签名。 - **DMARC（基于域名的消息认证、报告与一致性）**：将 SPF 和 DKIM 绑定，制定策略（如隔离或拒收未通过校验的邮件），并接收认证报告。 三者缺一不可。仅靠 SPF 无法防止伪造“发件人”地址，而 DKIM 无法阻止未授权服务器发信。DMARC 则提供了统一的策略和监控机制。 ## 配置要点 1. **SPF 记录**：以 `v=spf1 include:_spf.google.com ~all` 为例，明确列出授权服务器，避免过度宽松。 2. **DKIM 记录**：从邮件服务商获取公钥，创建 TXT 记录如 `default._domainkey IN TXT "v=DKIM1; k=rsa; p=MIGfMA0..."`。 3. **DMARC 记录**：创建 `_dmarc.yourdomain.com` 的 TXT 记录，初始策略建议为 `p=none`，待监控确认后再改为 `p=quarantine` 或 `p=reject`。 ## 行业背景 邮件认证已从最佳实践变为强制要求。Gmail 和 Yahoo 于 2024 年 2 月开始对每日发送量超过 5000 封的发件人强制执行 DMARC 检查。微软紧随其后，2025 年 5 月起对 Outlook.com、Hotmail 和 Live.com 实施类似要求。这意味着，如果你的域名未正确配置这三项记录，发往主流邮箱的邮件将大概率被拒收或标记为垃圾。 ## 小结 SPF、DKIM 和 DMARC 是保护域名声誉、提升邮件送达率的基石。虽然配置需要一定的 DNS 操作知识，但投入时间换来的是邮件通信的可靠性和安全性。如果你尚未部署，现在是时候行动了。
在今年的微软Build 2026开发者大会上，这家科技巨头一口气发布了多项AI新举措，包括超级应用、自研推理模型、网络安全工具以及类OpenClaw的AI代理。这一系列动作传递出一个清晰的信号：微软正全力将自己定位为AI领域的顶尖玩家，而不再依赖与OpenAI的独家合作关系。 **从“蜜月”到“分居”** 微软与OpenAI的关系曾被视为AI行业最成功的联姻之一。微软早期投入数十亿美元，获得OpenAI模型的独家授权，并将其深度整合进Azure、Office和Windows等核心产品。然而，随着OpenAI内部动荡以及双方战略分歧的加剧，这段关系在2026年4月底正式“分居”。微软目前仍是OpenAI的主要云合作伙伴，但已不再是其模型的独家分销商。 今年Build大会的基调，正如微软CEO萨提亚·纳德拉所言：“在巨变时期参加开发者大会总是很有趣。”而AI主管穆斯塔法·苏莱曼则更加直白：“我们的目标是证明自己能成为全球四大AI实验室之一。目前，三大巨头是Google DeepMind、OpenAI和Anthropic，我们还不是。这正是我加入微软的原因——我要从零开始打造世界顶尖的全模态模型，而不是依赖他人。” **Build 2026：微软的AI“独立宣言”** 微软在Build上发布了一系列关键产品，表明其不再满足于做OpenAI的“分销商”： - **MAI-Thinking-1**：微软首款自研推理模型，定位中型规模，专注于复杂逻辑与多步推理。该模型将与GPT-4o、Claude 3.5等直接竞争，标志着微软正式进入前沿模型竞赛。 - **六款新模型**：覆盖图像、语音、转录与编码等垂直领域，构建完整的模型矩阵。 - **超级应用**：整合工作流、通讯与AI助手的一体化平台，旨在与微信、Telegram等超级应用争夺用户时长。 - **网络安全工具**：基于AI的威胁检测与自动化响应系统，利用微软在安全领域的积累。 - **OpenClaw式AI代理**：可自主执行复杂任务的多步骤代理，类似于Anthropic的Computer Use能力。 **挑战与机遇** 微软的“独立”之路并不平坦。苏莱曼坦言，微软目前尚未跻身顶级AI实验室行列，而追赶者需要同时解决模型能力、训练效率与商业化落地三大难题。不过，微软拥有其他实验室难以匹敌的优势：Azure云基础设施、Office与Windows的用户基数、以及企业级渠道。 分析师指出，微软的策略是“用生态弥补模型差距”。通过将AI深度嵌入现有产品，并开放模型平台供开发者定制，微软试图构建一个比OpenAI更开放的生态。这与OpenAI走向封闭、自建硬件的路线形成鲜明对比。 **行业影响** 微软与OpenAI的“分手”可能重塑AI竞争格局。一方面，OpenAI失去了最大的企业分销渠道，必须加速自建商业体系；另一方面，微软获得了模型自主权，但面临研发成本飙升的压力。苏莱曼表示，微软计划在2027年前将模型研发预算翻倍，并已开始从DeepMind、OpenAI等公司高薪挖角。 对于开发者而言，微软的独立意味着更多选择。MAI-Thinking-1将提供API接口，并与Azure AI Studio深度集成，支持企业定制微调。微软还承诺，新模型在特定任务上的成本将比GPT-4o低30%。 **小结** Build 2026可以被视为微软AI战略的转折点。从依赖OpenAI到全面自研，微软正在押注一条更艰难但自主可控的道路。正如纳德拉所说：“我们正在抓住新的机遇。”而苏莱曼的豪言能否兑现，将决定微软在未来AI版图中的位置。
Meta 今日宣布，其专为 WhatsApp Business 打造的 AI 智能体已面向全球企业正式开放。该智能体基于 Meta 的 Llama 大语言模型构建，能够自动处理客户咨询、提供产品推荐、预约安排等常见商务场景，旨在帮助中小企业降低人力成本、提升响应效率。 ## 按用量计费，引入 Token 模式 与许多 AI 服务类似，Meta 将对 WhatsApp Business 的 AI 智能体采用 **按 token 计费** 的模式。企业每月需为发送给客户的消息（包括 AI 生成的回复）支付固定费用，同时根据实际消耗的 token 量额外付费。Meta 表示，这种定价方式能让企业根据自身业务规模灵活控制成本，尤其适合咨询量波动较大的中小企业。 ## 技术底座：Llama 模型与 WhatsApp 生态 该智能体直接集成在 WhatsApp Business 应用内，企业无需额外搭建系统。它支持多语言交互，并能基于企业提供的产品目录、FAQ 等数据进行定制化训练。Meta 强调，所有对话数据均经过加密处理，符合 WhatsApp 端到端加密的隐私标准。 ## 行业背景：AI 客服赛道竞争白热化 此次全球上线恰逢 AI 客服市场高速增长期。**微软** 的 Dynamics 365 Copilot、**谷歌** 的 Vertex AI 对话 Agent 以及 **OpenAI** 的 GPTs 均已推出类似服务。Meta 的差异化优势在于 WhatsApp 庞大的用户基数——全球月活用户超过 20 亿，且在许多新兴市场已是主流通讯工具。对于当地小型零售商、餐饮店等，在 WhatsApp 内直接使用 AI 客服无疑降低了技术门槛。 ## 潜在挑战与展望 尽管前景广阔，Meta 仍面临几个关键问题：一是 **定价透明度**，token 消耗模型对非技术型中小企业可能不够直观；二是 **模型幻觉**，Llama 在特定垂直领域（如医疗、金融）的准确性仍需验证；三是 **竞争压力**，区域性的 AI 客服初创公司（如印度的 Yellow.ai、新加坡的 WATI）已深耕本土市场多年。 总体来看，Meta 此举是其 **商业消息服务** 战略的重要一步。通过将 AI 能力嵌入高粘性的聊天场景，Meta 不仅能为企业创造价值，也能进一步强化其广告与支付生态。未来，随着 Llama 模型的持续迭代，该智能体有望支持更复杂的多轮对话和跨平台集成。
一年前，马克·扎克伯格将Meta的AI复兴重任交给了一位28岁的初创公司创始人Alexandr Wang，而非资深研究员。这一非常规赌注如今开始显现成果：Wang领导的秘密研究团队TBD Lab发布了Meta迄今为止最令人信服的AI模型**Muse Spark**。 ## 从外部到核心的破局之路 Wang在近12个月内迅速组建了一支精英研究团队，成员年薪高达数百万美元，并重塑了Meta的部分AI业务。他已成为Meta内部最具影响力的高管之一——唯一与扎克伯格共同出席白宫晚宴的Meta领导者。 ## Muse Spark：追赶的起点还是终点？ 4月发布的Muse Spark是TBD Lab的首个重大成果。支持者认为，这标志着Meta的AI重建工作已走上正轨，后续模型有望进一步缩小与OpenAI、Google和Anthropic的差距。卡内基梅隆大学教授、Meta前AI研究副总裁Russ Salakhutdinov表示：“TBD Lab在短时间内完成的工作令人印象深刻。” ## 质疑声中的隐忧 然而，内部批评者认为Wang的领导风格过于激进，夸大了实际进展。一位前Meta AI员工直言：“TBD团队和扎克伯格对Muse Spark设定的标准过低，其他实验室正在快速前进。” ## 巨头追赶的挑战 尽管Wang的团队展现出惊人效率，但Meta能否在前沿AI领域占据领先地位仍存疑问。随着OpenAI、Google等对手不断迭代，Meta需要证明Muse Spark不仅是短期冲刺的产物，更具备持续创新的能力。Wang的下一步行动将决定这场追赶战能否真正改写格局。
美国电信运营商 **AT&T** 近日推出了一项极具吸引力的促销活动：新老客户均可通过分期付款方式，以每月仅 **4.43 美元** 的价格获得 **2026 款摩托罗拉 Razr+** 折叠屏手机。这一价格远低于常规零售分期方案，旨在吸引用户签约长期服务合约。 ### 优惠详情与资格 - **适用对象**：AT&T 新用户及符合条件的老用户均可参与。 - **价格方案**：手机原价约 999.99 美元，通过 36 个月分期叠加服务合约折扣后，月付降至 4.43 美元。 - **必要条件**：用户需开通 AT&T 符合条件的无限量套餐，并同意为期 36 个月的分期付款协议。若提前解约，需支付剩余手机款项。 ### 行业背景与市场策略 在 5G 普及和折叠屏技术日趋成熟的背景下，运营商通过补贴终端来绑定高价值用户已成为常见策略。摩托罗拉 Razr+ 作为翻盖折叠屏的代表产品，凭借其复古设计与现代大屏体验，在细分市场中拥有稳定受众。AT&T 此次以极低月付切入，既能加速折叠屏手机的渗透，也能提升用户对自家网络服务的黏性。 ### 用户价值与注意事项 对于消费者而言，这无疑是入手折叠屏手机的低门槛机会。但需注意： - 总成本：36 个月累计支付约 159.48 美元，加上套餐费用，实际支出需综合评估。 - 合约限制：若计划在两年内更换运营商或手机，提前终止费用可能抵消优惠。 - 竞品对比：Verizon 和 T-Mobile 近期也推出类似折叠屏补贴，建议用户对比各家的套餐内容与覆盖质量再做决定。 ### 小结 AT&T 的这次促销精准瞄准了追求新潮科技又注重性价比的用户群体。在折叠屏手机价格仍偏高的当下，运营商补贴成为推动普及的关键杠杆。不过，消费者需仔细阅读合约条款，确保长期承诺与自身需求匹配。
AI 代理（AI Agent）正在成为企业自动化的新引擎，但谁来确保这些自主运行的“数字员工”不出错？以色列可观测性平台 **Coralogix** 的最新巨额融资，给出了它的答案。 ## 融资概况 Coralogix 宣布完成 **2 亿美元** 的 F 轮融资，公司估值达到 **16 亿美元**。值得注意的是，这距离其上一轮融资（E 轮，2023 年 10 月）仅过去不到一年。本轮融资由 **Advent International** 旗下的技术投资平台 **Advent Tech** 领投，现有投资者 **Insight Partners** 等跟投。 ## 核心逻辑：监控 AI 代理的需求爆发 Coralogix 的核心卖点是“可观测性”——即帮助企业实时监控其软件系统、发现异常并快速定位根因。随着生成式 AI 和 AI 代理的普及，传统监控手段已捉襟见肘。AI 代理通常涉及多步骤推理、工具调用和外部数据交互，其行为模式具有高度动态性和不确定性。 Coralogix 创始人兼 CEO **Ariel Assaraf** 在接受采访时表示：“企业正在从简单的聊天机器人转向自主执行任务的 AI 代理，这些代理需要被‘观察’和‘审计’。我们的平台专为这类复杂场景设计，能够捕捉 LLM 调用链、API 交互和决策路径。” ## 行业背景与竞争 可观测性赛道近年来竞争激烈，既有 **Datadog**、**New Relic** 等老牌巨头，也有 **Grafana Labs**、**Honeycomb** 等新兴力量。但 Coralogix 选择了一个差异化的切入点：**专为 AI 工作负载优化**。其平台支持对 OpenAI、Anthropic 等主流模型 API 的调用追踪，并能通过自定义规则检测“幻觉”或逻辑错误。 Assaraf 认为，AI 监控将成为可观测性市场增长最快的子领域：“未来两年，每个企业都会需要专门的 AI 可观测性工具，就像今天需要 APM（应用性能监控）一样。” ## 资金用途与未来规划 Coralogix 计划将新资金用于三方面： - **产品研发**：深化 AI 代理监控功能，增加对多模态模型和混合云环境的支持。 - **市场拓展**：扩大北美和欧洲的销售团队，并进入亚太市场。 - **技术合作**：与主流 AI 框架（如 LangChain、AutoGPT）建立原生集成。 目前，Coralogix 已服务超过 **500 家企业客户**，包括 **Wix**、**Fiverr** 等知名科技公司。其 ARR（年经常性收入）在过去一年翻了一番，但具体数字未披露。 ## 小结 当 AI 代理开始接管关键业务决策时，监控和可观测性不再是锦上添花，而是安全底线。Coralogix 的 2 亿美元融资，折射出资本市场对这一需求的强烈共识。然而，随着巨头加速布局 AI 监控功能（如 Datadog 的 LLM Observability 模块），Coralogix 能否保持先发优势，仍有待观察。
小型卫星（CubeSat）受限于体积，其通信天线往往尺寸较小，导致数据传输速率有限。近日，研究人员从折纸艺术中获得灵感，设计出一种可折叠展开的新型天线，其展开后的尺寸是收纳状态的25倍，有望大幅提升立方星的数据传输能力。 ### 折纸天线的工作原理 该天线采用折纸结构，在发射阶段可以紧凑地折叠在立方星内部，进入轨道后再通过机械装置或材料自身的弹性展开，形成一个大面积的抛物面或平面阵列。这种设计突破了传统天线受火箭整流罩尺寸限制的瓶颈，使得立方星也能搭载高增益、大口径的天线。 ### 性能提升与行业意义 对于立方星而言，天线尺寸直接关系到通信带宽和信号质量。更大的天线意味着更高的增益，能够支持更高速率的数据下行，例如从太空回传高清图像或视频。这对于地球观测、物联网通信、甚至深空探测等应用场景至关重要。以往，立方星由于通信能力弱，往往只能传输低分辨率数据，而折纸天线有望改变这一局面。 ### 技术挑战与未来展望 尽管折纸天线在理论上优势明显，但实际部署仍面临挑战：如何在微重力环境下可靠展开、如何保证展开后的形状精度、以及如何应对太空中的热胀冷缩和辐射环境。研究团队通过优化折叠模式和材料选择，初步解决了部分问题。下一步将进行在轨验证测试。 ### 小结 折纸天线为立方星的大数据通信提供了一条低成本、高效率的路径。随着卫星小型化和星座组网趋势的加速，这一技术有望成为未来小卫星的标准配置，推动太空互联网和遥感应用的进一步发展。
在物联网的世界里，连接方式的选择从未如此复杂。部分设备只需一颗低轨卫星就能完成数据传输，而另一些则要求太空中的“蜂窝基站”提供更强大的能力。随着6G标准制定进入倒计时，卫星物联网领域的两大技术路线——**窄带卫星直连**与**天基蜂窝网络**——正在展开一场激烈的竞赛。 ### 两种路径，两种哲学 当前卫星物联网市场主要分为两大阵营。一方以 **Ligado**、**Lynk Global** 和 **AST SpaceMobile** 为代表，试图将传统蜂窝基站搬上太空，让普通手机在无地面信号覆盖的区域也能直接连接卫星。另一方则以 **Swarm Technologies**（已被SpaceX收购）、**Hiber** 和 **Myriota** 为主，专注于低功耗、低带宽的窄带通信，仅传输传感器数据或简短消息，无需复杂的天线或专用芯片。 这两种思路各有优劣。天基蜂窝方案理论上能兼容现有数十亿部手机，实现真正的全球无缝覆盖，但卫星成本高、功耗大，且需要庞大的星座规模才能提供有意义的连接。而窄带方案虽带宽有限，但终端成本低、功耗极低，特别适合农业监测、资产追踪、环境传感等场景，这些场景对数据量的需求极小，却对覆盖的广度和持久性要求极高。 ### 6G的倒计时压力 真正让这场竞赛提速的，是6G标准化的时间表。国际电信联盟（ITU）已明确将“卫星直连设备”纳入6G愿景，而3GPP预计在2025-2028年间完成6G核心标准。这意味着，如果卫星物联网技术不能在这之前证明其商业可行性和技术成熟度，就可能在6G时代被边缘化。 窄带阵营的挑战在于：虽然已有数十万终端在轨运行，但如何从“连接万物”走向“连接高价值万物”？目前该市场的平均ARPU（每用户平均收入）极低，多数客户是大型农场或矿业公司，规模化盈利仍是难题。而天基蜂窝阵营则需要解决卫星与地面网络之间的干扰问题，以及卫星手机通话的体验——早期测试中，AST SpaceMobile的卫星通话延迟高达数秒，且信号不稳定。 ### 谁将胜出？ 业内专家认为，未来可能并非“赢家通吃”。窄带卫星物联网更适合**低数据量、广覆盖、低功耗**的静态设备，如土壤湿度传感器、牲畜追踪项圈、集装箱锁等。而天基蜂窝网络则瞄准**应急通信、偏远地区移动办公、户外探险**等需要实时语音或中等速率数据的场景。 值得注意的是，3GPP已在Release 17中定义了 **NR NTN**（非地面网络）标准，为卫星与地面5G网络的融合铺平了道路。无论是窄带还是宽带路线，最终都需要与地面蜂窝网络无缝互操作，才能被主流运营商接纳。 ### 小结 卫星物联网的竞争，本质上是**覆盖广度与连接质量**的权衡。随着6G标准逼近，两种技术都在加速进化：窄带方案正在提升数据速率和频谱效率，而天基蜂窝则在努力降低卫星成本和功耗。对于行业用户而言，选择哪种技术不应只看技术参数，而应回归业务本质——是只需要一个“太空传呼机”，还是需要一个“太空基站”？答案将决定谁能跑赢这场6G倒计时。
手机屏幕碎裂、触摸失灵，但里面还有重要数据没备份？别急着放弃。只要你的 Android 手机还能开机，**ADB（Android Debug Bridge）** 这个命令行工具就能帮你把文件提取出来。ADB 免费开源，支持 Windows、macOS 和 Linux，操作也不复杂，是数据恢复场景下的实用利器。 ## 为什么 ADB 能行？ ADB 是 Android 开发者常用的调试工具，通过 USB 连接电脑后，即使屏幕无法触控，只要系统仍在运行，ADB 就能绕过界面直接访问文件系统。这意味着你不需要依赖触摸屏，只需在电脑上敲几行命令，就能把照片、文档、下载文件等拷贝出来。 ## 准备工作 1. **开启 USB 调试**：这是前提条件。如果手机之前从未开启过 USB 调试，且现在无法操作屏幕，那这条路就行不通。但如果你曾开启过，或者手机处于解锁状态且 ADB 授权过，就可以继续。 2. **安装 ADB**：在电脑上下载 Platform Tools（谷歌官方提供），解压后即可使用。 3. **连接手机**：用数据线将手机连到电脑，确保手机处于“仅充电”或“文件传输”模式（通常默认即可）。 ## 提取文件步骤 ### 1. 确认设备连接 打开终端（Mac/Linux）或命令提示符（Windows），输入： ```bash adb devices ``` 如果看到一串设备 ID 且状态为 `device`，说明连接成功。 ### 2. 列出文件 使用 `adb shell` 进入手机系统，然后用 `ls` 命令查看目录。例如： ```bash adb shell ls /sdcard/ ``` 这会列出内部存储的根目录内容。 ### 3. 拉取文件 找到需要的文件后，用 `pull` 命令拷贝到电脑： ```bash adb pull /sdcard/DCIM/Camera/photo.jpg ~/Desktop/ ``` 这条命令会把照片 `photo.jpg` 复制到电脑桌面。你也可以直接拉取整个文件夹： ```bash adb pull /sdcard/DCIM/ ~/Desktop/ ``` ## 注意事项 - **屏幕必须能亮**：即使触摸失灵，只要屏幕能显示画面（哪怕有裂纹），ADB 通常都能工作。如果屏幕完全黑屏但手机有反应（如震动、响铃），也可尝试。 - **USB 调试未开启怎么办**：如果你的手机之前没开启 USB 调试，且现在无法操作屏幕，那 ADB 这条路就走不通。此时可以考虑专业维修店的数据恢复服务。 - **文件权限**：部分系统文件需要 root 权限才能访问，但用户数据（照片、下载等）通常无需 root。 ## 总结 ADB 是一个免费、高效的数据救援方案，特别适合屏幕损坏但系统仍能启动的场景。它不需要额外软件，只需一根数据线和一台电脑。不过，**预防永远胜于治疗**——定期备份数据到云端或电脑，才是避免数据丢失的最稳妥方法。
量子计算被视为下一代计算技术的颠覆者，但要让量子计算机真正发挥作用，经典计算技术的进步同样不可或缺。Nvidia 等公司正在开发新的软件、硬件和 AI 工具，以弥合经典计算与量子计算之间的鸿沟。 ### 经典计算是量子计算的关键支撑 尽管量子计算机在理论上可以解决某些经典计算机难以处理的问题，但实际应用中，量子处理器需要与经典系统紧密协作。例如，量子纠错、控制逻辑和结果读取都依赖于高性能经典计算。Nvidia 的 CUDA-Q 平台正是为此而生，它允许开发者将量子处理器与 GPU 加速的经典计算结合，模拟和优化量子算法。 ### 软件与硬件的双重突破 在软件层面，Nvidia 推出了 **cuQuantum** 库，用于加速量子电路模拟，使研究人员可以在经典计算机上测试和验证量子算法。此外，公司还开发了 **QODA**（量子优化与设计算法），这是一种混合计算框架，旨在简化量子与经典代码的集成。 硬件方面，Nvidia 的 **Grace Hopper** 超级芯片专为处理大规模量子模拟而设计，其高速内存和 GPU 并行计算能力可显著缩短模拟时间。其他公司如 **IBM** 和 **Google** 也在开发类似的经典-量子混合系统，例如 IBM 的 **Qiskit Runtime** 将经典计算资源直接集成到量子工作流中。 ### AI 助力量子计算 人工智能在量子计算中也扮演着重要角色。Nvidia 利用 **AI 模型** 优化量子门操作和错误抑制，例如通过深度学习预测量子比特的噪声模式，从而动态调整控制参数。这种经典 AI 与量子硬件的结合，有望加速实现容错量子计算。 ### 挑战与展望 尽管进展显著，经典-量子混合系统仍面临挑战。量子比特的脆弱性和纠错需求对经典计算提出了极高的实时性要求。此外，软件生态尚未成熟，不同平台间的兼容性有待提升。 未来，随着经典计算技术的持续进步，量子计算机将更接近实用化。Nvidia 等公司的努力表明，经典计算不仅是量子计算的补充，更是其落地的必要基石。
英伟达在 Computex 2025 上发布了 **RTX Spark** 芯片，首次将统一内存、RTX 显卡和自研 **N1 CPU** 整合到一个“超级芯片”中。这标志着英伟达从数据中心 GPU 霸主向本地 AI 计算领域的正式进军。 ## 从“伪 AI PC”到真 AI 设备 微软自 2024 年起大力推广“AI PC”概念，Copilot+ PC 虽然配备了 NPU 和 16GB 起步的内存，但实际运行大型语言模型时性能捉襟见肘，被批评为“噱头”。而 RTX Spark 通过三个关键创新有望改变这一局面： - **统一内存**：最高可达 **128GB**，消除 CPU 与 GPU 间的数据搬运瓶颈，使本地运行 70B 参数模型成为可能。 - **高效 Arm CPU**：N1 处理器基于 Arm 架构，兼顾性能与能效，有望解决 Windows 高性能笔记本长期存在的续航和散热问题。 - **RTX 显卡**：继承英伟达在图形和 AI 加速上的传统优势，为本地推理提供充足算力。 ## 市场格局：MacBook Pro 的劲敌？ 此前，MacBook Pro 是少数能本地运行基础模型的消费级设备。RTX Spark 的出现将这一能力扩展到 Windows 生态，惠普、华硕、戴尔、联想等合作伙伴将推出相应产品。其中，微软的 **Surface Laptop Ultra** 尤为引人注目：它配备 15 英寸 Mini-LED 显示屏和丰富接口，被视为 MacBook Pro 的直接竞品。 ## 挑战与现实 尽管前景诱人，RTX Spark 仍需面对两大考验： 1. **价格**：英伟达尚未公布定价，若延续高端定位，可能限制普及。 2. **实际表现**：统一内存和 Arm CPU 的组合在真实场景中的能效与性能平衡有待验证。 ## 小结 RTX Spark 有望将“AI PC”从营销概念变为实用工具。如果价格合理，它可能重塑移动计算市场，让 Windows 用户首次拥有与 MacBook Pro 抗衡的本地 AI 开发与使用平台。
## 从“足够好”到“真正好”：为什么我回归Firefox 在尝试了Chrome、Edge和Safari多年后，我最终选择回归Firefox。这款浏览器自诞生起就陪伴着我，虽曾因对Mozilla某些决策的不满而短暂离开，但最终它的核心体验让我无法割舍。 ### 速度与定制：Firefox的硬实力 Firefox依然保持着快速、轻量的特性。它没有像Chrome那样臃肿的内存占用，也没有Edge中过多的微软服务集成。更重要的是，**Firefox提供了极高的定制性**——从主题、扩展到隐私设置，用户几乎可以掌控一切。对于Linux用户而言，Firefox更是默认首选，与开源生态完美融合。 ### 隐私与安全：非营利背景的信任感 不同于Chrome（Google）、Edge（微软）和Safari（苹果）背后的大型科技公司，**Firefox由非营利组织Mozilla基金会支持**。这意味着它没有广告业务或数据收集的天然动机。Firefox默认启用增强型跟踪保护，并定期更新以应对安全威胁。在当今数据泄露频发的时代，这种对用户隐私的承诺显得尤为珍贵。 ### 开发者倾听：用户驱动的改进 Firefox的开发团队积极听取社区反馈。例如，近期修复的标签页管理问题就源于用户长期抱怨。这种“用户至上”的理念让Firefox在细节上不断优化，而不是像巨头浏览器那样优先考虑商业利益。 ### 为什么不是Chrome/Edge/Safari？ Chrome虽然“足够好”，但它的资源消耗和谷歌的追踪行为令人担忧。Edge在Windows上预装，但功能堆砌且隐私策略模糊。Safari在苹果生态中封闭，缺乏跨平台一致性。**Firefox在开放、隐私和性能之间找到了更好的平衡点**。 ### 小结 切换浏览器确实像改变习惯，但如果你重视隐私、定制性和轻量体验，Firefox值得一试。它不仅是“足够好”的选择，更是“真正好”的浏览器。我回来了，并且会一直用下去。
一项覆盖 **6,500** 名客服专业人士的最新调查显示，企业对 **智能体式 AI（Agentic AI）** 的投资正成为业务成功的关键。尽管存在三大主要障碍，AI 智能体仍有望彻底改变客户服务格局。 ## 调查揭示的核心趋势 根据这份大规模调研，超过 **70%** 的受访企业已计划或正在部署 AI 智能体，以提升客服效率与客户满意度。智能体不仅能处理常见问题，还能在复杂场景中自主决策、协调多步骤任务，显著缩短响应时间。 ## 三大挑战不容忽视 然而，调查也指出了前进路上的三大障碍： - **数据隐私与安全**：近 **40%** 的受访者担心 AI 处理敏感客户数据可能引发合规风险。 - **技术集成难度**：约 **35%** 的企业反映，将 AI 智能体无缝接入现有 CRM、工单系统等基础设施存在技术瓶颈。 - **客户信任与体验**：**30%** 的受访者认为，客户对 AI 的接受度仍有限，尤其在需要情感理解或复杂协商的场景中。 ## 行业专家的洞见 ZDNET 分析指出，尽管挑战严峻，但 AI 智能体的价值已得到验证。例如，某领先电商平台通过部署智能体，将首次响应时间从 **5 分钟** 缩短至 **30 秒**，客户满意度提升 **25%**。专家建议，企业应从“人机协作”模式切入，让 AI 处理常规查询，人工客服聚焦高价值交互。 ## 未来展望 随着大语言模型和强化学习技术的进步，AI 智能体在理解上下文、多轮对话和情绪识别方面的能力将持续增强。预计未来两年内，超过 **60%** 的客服交互将由智能体辅助或主导。企业若能在数据治理、技术架构和员工培训上提前布局，将在这场变革中占据先机。 总而言之，AI 智能体正从“锦上添花”变为“必备能力”，克服三大挑战后，其释放的效率与体验提升将是巨大的。