英伟达在周三美股盘后公布了截至4月26日的季度财报，再次刷新营收纪录。该季度公司实现 **816亿美元** 营收（环比增长20%），其中数据中心收入达到创纪录的 **752亿美元**。公司同时宣布授权 **800亿美元** 的股票回购计划。 CFO Colette Kress 表示：“我们的 Blackwell 架构无处不在，被所有主要超大规模云服务商、云提供商和主流模型厂商采用。”不过，英伟达预计下一季度营收为 **910亿美元**，增速放缓至12%。在中国出口方面，Kress 指出 H200 芯片虽已获美国出口许可，但尚未产生任何收入，且不确定是否允许进入中国市场。 财报中最引人注目的数字是英伟达对 **非上市公司的持股** 规模。从1月到4月，这一数字从 **220亿美元** 飙升至 **430亿美元**，几乎翻倍。其中 **185亿美元** 为当季新增购买，而上一季度同类购买仅 **6.49亿美元**。该数据不包括英伟达近期对康宁、IREN 等上市公司的投资，也未反映尚未完成的未来承诺。今年2月，英伟达承诺向 OpenAI 投资 **300亿美元**，但交易结构未披露。 在财报电话会上，CEO 黄仁勋强调了英伟达广泛的影响力，包括与 Anthropic 的扩建计划。“我们今年和明年将为 Anthropic 带来相当可观的算力容量，”黄仁勋表示，“此前我们对 Anthropic 的覆盖几乎为零。”
Elon Musk 的 AI 公司 xAI 正因使用污染性发电机而陷入法律纠纷，但最新披露的文件显示，它计划在未来三年内再购买价值 **28 亿美元** 的燃气轮机用于 AI 基础设施。这一消息来自 SpaceX 的 IPO 文件，其中提到 xAI 将采购包括 **20 亿美元移动燃气轮机** 在内的设备——正是当前被起诉的那类发电机。 上个月，NAACP（全国有色人种协进会）对 xAI 提起诉讼，指控其在田纳西州孟菲斯附近的数据中心未经许可运行数十台燃气轮机，加剧了当地空气污染。该地区已是全美污染最严重的区域之一。NAACP 已申请禁令，要求停止使用这些设备。目前 xAI 仅获批 **15 台** 涡轮机的许可，但实际运行数量已达 **46 台**。每台涡轮机每年可排放超过 **2000 吨** 氮氧化物（NOx），这种化学物质会形成诱发哮喘的烟雾。 xAI 辩称，这些发电机属于“移动式”（仍安装在运输拖车上），因此可在 **一年内** 无需许可运行。这一说法利用了州与联邦法规之间的差异：密西西比州不要求为移动发电机发放许可，但联邦法规明确，此类大型涡轮机即使装在拖车上，也须遵守空气污染规定。美国环保署（EPA）今年早些已裁定 xAI 的运营违反联邦法律。 SpaceX 在 IPO 文件中承认了相关风险：“我们目前严重依赖天然气和燃气轮机技术为数据中心供电。” 若禁令生效或许可被撤销，“将对我们的 AI 业务产生不利影响”。 这一事件凸显了 AI 基础设施扩张与环保法规之间的尖锐矛盾。随着大模型训练对算力的需求激增，数据中心能耗和排放问题日益突出。xAI 的做法并非孤例——许多科技公司都在寻求快速部署计算资源，但往往以牺牲环境合规为代价。此次诉讼和后续采购计划表明，xAI 似乎选择优先保障算力供给，而非立即解决污染争议，但法律风险可能迫使其调整策略。
Elon Musk's xAI surprised the AI world when it made a deal to sell compute to Anthropic. Now we know how much it's worth.
在今年的Google I/O主题演讲尾声，Google DeepMind CEO Demis Hassabis面无表情地宣称，公司希望“重新构想药物发现过程，目标是有一天解决所有疾病”。这句话听起来像是“如果属实，那意义重大”的典型例子。Hassabis实际描述的是**Gemini for Science**，一套旨在鼓励研究人员探索和做出新发现的实验性AI工具集。 我经常在《Optimizer》中对AI健康持批评态度，但Hassabis的声明需要更多背景解读。好的科学传播——既让外行人容易理解，又不无意中助长错误信息——已经变得越来越困难。I/O现场的科研人员想必明白，这句话意味着AI的进步大幅缩短了医学发现所需的时间。但对于普通人（甚至科学传播者）来说，它听起来更像是“Gemini将凭借AI的力量治愈所有疾病”。 现实世界中的医学突破并非如此运作。数十年来，AI一直是医学研究和发现不可或缺的一部分。可穿戴设备使用的算法？那是AI。基因组学中的发现？那也是AI。但“解决所有疾病”是一个极其宏大的目标，远非单一技术或工具所能实现。疾病机制复杂，涉及遗传、环境、生活方式等多重因素。即使AI能加速药物筛选、优化临床试验设计，从实验室发现到真正应用于临床，仍需要数年甚至数十年的验证和监管审批。 Hassabis的言论更像是一个**愿景声明**，而非近期可实现的目标。它反映了DeepMind在AI for Science领域的雄心，但也容易引发过度期待。在AI健康领域，我们见过太多类似的“革命性”承诺，最终却未能兑现。例如，从AI诊断工具到个性化健康建议，许多技术仍处于早期阶段，面临数据隐私、算法偏见和临床验证等挑战。 对于消费者而言，重要的是保持理性：AI确实正在改变医疗研究，但它不是万能药。**Gemini for Science**可能帮助科学家更快地发现新靶点、设计新分子，但“解决所有疾病”需要整个科学界的长期努力。Google I/O上的这句豪言，更像是为AI描绘一个美好未来，而非一个具体的路线图。
OpenAI 宣称其新型推理模型成功证明了一个自 1946 年以来悬而未决的几何猜想。与七个月前 GPT-5 声称解决 10 个 Erdős 问题却遭数学家驳斥的尴尬不同，这次有多位知名数学家为结果背书。 ## 背景：从“翻车”到“翻盘” 去年，OpenAI 前 VP Kevin Weil 曾高调宣布 GPT-5 解决了 10 个 Erdős 问题并取得 11 个进展，随后被数学家指出这些“解决”只是复现了已有文献中的结果，并非原创证明。Yann LeCun 和 Demis Hassabis 等业界领袖纷纷嘲讽，Weil 不得不删除帖子。 ## 这次有何不同？ 本次成果针对的是 Paul Erdős 于 1946 年提出的一个几何猜想。OpenAI 表示，其新推出的通用推理模型（非专门为数学设计）独立发现了一类全新的构造，证明“近似正方形网格是最优解”这一近 80 年的信念是错误的。数学家 Noga Alon、Melanie Wood 以及维护 Erdős 问题网站的 Thomas Bloom 均发表了支持性评论。Bloom 曾批评 OpenAI 之前的说法是“严重的误述”，但这次他评价道：“AI 正在帮助我们更全面地探索几个世纪以来建造的数学大教堂。” ## 意义与行业影响 OpenAI 强调，这是 AI 首次自主解决一个领域内的核心开放问题。该模型并非专攻数学，而是通用推理模型，这意味着 AI 已具备**维持长链推理**和**跨领域连接思想**的能力。这种能力可应用于生物学、物理学、工程学和医学等领域。 然而，业界仍需保持审慎：一次成功的验证并不能完全消除对 AI 数学推理可靠性的疑虑。但至少，这次有权威数学家的公开背书，让 OpenAI 的声明有了更坚实的依据。
Linux 创始人 Linus Torvalds 在 Linux 基金会北美开源峰会上坦言，自己对 AI 持有一种“爱恨交织”的态度。他指出，AI 工具在过去六个月显著提升了内核开发提交量（增幅约 20%），降低了新贡献者的入门门槛，但他坚持认为 AI 是“工具而非替代品”，程序员的工作机会不会消失。同时，AI 在安全漏洞的发现与修复方面也带来了新的挑战。
三星The Frame Pro 85英寸电视今日在三星官网限时特价，直降**1500美元**，仅售**2800美元**。这款画廊风格电视采用哑光显示屏、支持One Connect和艺术模式，适合打造家庭艺术画廊。优惠仅限今天，从三星官网直接购买。
在构建视觉购物、图像或文档理解、图表分析等应用时，如何验证模型输出是否真正基于源图像是一大挑战。纯文本评估器无法判断描述是否忠实反映图像、提取的发票金额是否与文档一致，或屏幕摘要是否虚构了不存在的按钮。Gartner 预测，到 2030 年，80% 的企业软件将具备多模态能力，而 2024 年这一比例还不足 10%。缺乏自动化多模态评估，企业只能在昂贵的人工审核和不可靠的纯文本代理之间左右为难。 如今，AWS 在 Strands Evals SDK 中推出了四种新的多模态大语言模型（MLLM）作为裁判的评估器，专门用于图像到文本任务：**Overall Quality**（整体质量）、**Correctness**（正确性）、**Faithfulness**（忠实性）和 **Instruction Following**（指令遵循）。每个评估器都会根据源图像对模型输出进行评分。评估器将图像直接发送给多模态裁判模型，同时附上查询、响应以及可选的参考答案。裁判模型返回基于图像的分数以及推理过程字符串，便于调试。 这些评估器可以无缝替换现有 Strands Evals 工作流中的纯文本评估器，并集成到持续集成（CI）中，自动捕捉视觉幻觉、事实错误和指令违规。本文将介绍如何设置这四种多模态评估器并运行图像到文本任务；如何在有参考和无参考评估之间切换；如何为特定领域标准编写自定义多模态评估标准；如何在 Amazon Bedrock 上选择平衡准确性、成本和延迟的裁判模型；以及如何应用提示设计选择来提升评估器与人类判断的一致性。 ## 设置与使用 首先，确保已安装 Python 3.10 或更高版本。通过 Strands Evals SDK 可以快速调用这些评估器。示例代码如下： ```python from strands_evals import MultimodalEvaluator evaluator = MultimodalEvaluator( judge_model="anthropic.claude-3-sonnet-20240229-v1:0", evaluator_type="faithfulness" ) result = evaluator.evaluate( image_path="invoice.jpg", query="提取发票总金额", response="总金额为 $123.45", reference="$123.45" # 可选 ) print(result.score, result.reasoning) ``` ## 自定义多模态评估标准 若需针对特定领域制定标准，可编写自定义评估标准。例如，在医疗影像报告中，可以定义“报告必须描述病变位置和大小”等规则，评估器将据此打分。 ## 选择裁判模型 Amazon Bedrock 提供了多种多模态模型，如 Claude 3 Sonnet、Claude 3 Haiku 等。**Claude 3 Sonnet** 在准确性和延迟之间取得了良好平衡，适合大多数场景；而 **Claude 3 Haiku** 则更注重成本效益。用户可根据任务需求灵活选择。 ## 提示设计技巧 实验表明，在提示中加入“逐步推理”指令（如“请先描述图像内容，再评估回答”）可以显著提升评估器与人类判断的一致性。此外，明确要求模型输出评分理由，有助于调试和审计。 通过引入多模态评估器，开发者可以更可靠地自动化评估图像到文本任务的输出质量，减少人工干预，加速 AI 应用的落地。
The coding skills of AI models are about to make it much easier to build and deploy robots.
Visa 最新研究指出，AI 加速的欺诈已成为“消费者伤害增长最快的来源”。随着网络犯罪从窃取凭证转向利用 AI 的社会工程攻击，传统的防御手段逐渐失效。本文梳理了 Visa 报告中揭示的五大警示信号，帮助消费者和企业识别并防范这类新型支付欺诈。 ## AI 正在重塑欺诈模式 AI 不仅被用于提升安全防御，也被网络犯罪分子广泛武器化。Visa 的报告强调，AI 正在压缩欺诈周期，使犯罪分子更容易诱骗消费者授权恶意交易。与过去依赖窃取密码或劫持账户不同，现在的攻击更多利用人性弱点，通过精心设计的心理战术让受害者自己完成有害操作。 ## 警惕 ClickFix 式欺诈 一种名为 **ClickFix** 的社会工程手法正在兴起。它绕过了传统钓鱼防御，通过制造“问题-解决”场景诱骗用户执行恶意命令。例如，用户可能看到虚假的恶意软件警报，被引导打开命令提示符并粘贴代码“修复问题”，结果却是在自己的设备上部署了恶意软件。这种攻击让用户主动参与犯罪过程，使得标准数字防御难以拦截。 ## Visa 列出的五大警示信号 1. **异常紧迫感**：骗子利用 AI 生成逼真的紧急通知，声称账户异常或支付失败，要求立即操作。 2. **语音克隆**：AI 可模仿亲友或银行客服的声音，通过电话或语音消息诱导转账。 3. **深度伪造视频**：视频通话中伪造熟悉面孔，要求验证信息或紧急付款。 4. **个性化钓鱼邮件**：AI 分析公开数据后生成高度定制化的邮件，内容与用户近期活动相关。 5. **虚假客服渠道**：在搜索引擎或社交媒体上投放广告，伪装成官方客服，引导用户进入假支付页面。 ## 如何自我保护 Visa 建议消费者保持警惕，对任何要求即时付款或提供敏感信息的行为进行二次验证。企业则应加强员工培训，并部署 AI 驱动的反欺诈系统来检测异常行为模式。 ## 小结 AI 的双刃剑效应在支付安全领域尤为突出。了解这些新型欺诈手段，是保护个人资产的第一步。当心那些看似“合理”的付款请求——它们可能正是 AI 精心设计的陷阱。
还记得“这个应用有它的专属App”这句口号吗？如今，随着AI编程工具日益强大和普及，非开发者也能轻松创建满足个人需求的应用程序。在2026年的Google I/O大会上，Google宣布其AI Studio的“氛围编程”工具迎来更新，允许用户在几分钟内创建原生Android应用并导出到手机上。虽然初期仅限于“个人实用工具”，且上架Play Store的规则不变，但这意味着你或许可以自己动手，打造一款完美契合自己习惯的追踪应用。此外，Google还在Android Show上预告了一项新功能：通过提示词即可创建自定义小部件，例如突出显示特定天气指标或推荐新食谱的小工具。这些工具依托Gemini的知识库，可能性相当广阔。不过，这一切都依赖于AI的理解和生成能力，用户需要清晰地表达需求，才能获得满意的结果。移动端的“氛围编程”时代正在到来，个人科技将变得更加个性化。
在2025年I/O大会上，谷歌正式将AI搜索从测试推向主流，而到了2026年，这一变革将加速到新的高度。谷歌搜索副总裁Liz Reid在主题演讲中明确表示：“谷歌搜索就是AI搜索。”这一转变正在全面展开，尽管外界存在诸多合理质疑，但谷歌显然不会因此止步——所有对谷歌至关重要的指标都表明，这是一条正确的道路。 自一年多前谷歌开始测试AI Mode（AI搜索模式）以来，该功能的使用量每季度翻倍。Reid在2026年I/O大会上透露，AI Mode的月活跃用户已超过10亿。这一数字并不令人意外：AI Mode通过对话式交互引导用户不断追问，每一次追问都算作一次搜索。谷歌也在大力推广AI Mode，包括在搜索页面中嵌入显眼的链接和提示，鼓励用户从传统搜索转向AI聊天机器人。与许多付费AI体验不同，谷歌的AI搜索完全免费，所有用户都能获得完整的AI功能。 **AI Overviews（AI概览）** 曾是谷歌AI搜索转型最显眼的元素，但如今它越来越像是通向AI Mode的过渡产品。谷歌推出了全新的“无缝搜索”体验，将AI Mode与AI Overviews深度整合。现在，大多数谷歌搜索都会生成一个AI概览。谷歌还扩展了一项移动端功能——用户可以从AI概览直接进入AI Mode，该功能现已覆盖桌面端。AI Mode的提示按钮悬浮在概览底部，实际上遮挡了顶部自然搜索结果，这无疑会进一步推高AI Mode的使用量，同时也可能降低用户滚动查看传统“十条蓝色链接”的意愿，使自然结果更像脚注而非搜索核心。 Reid还提到，谷歌全新的搜索框是公司25年历史上最大的变化。虽然具体细节尚未完全披露，但可以预见，这一变化将彻底颠覆我们对搜索引擎的认知。从“信息检索”到“任务完成”，谷歌正在将搜索重塑为一个主动的、智能的Agent平台。 **行业影响与隐忧** 对于内容创作者和SEO从业者而言，这一趋势令人担忧。AI Mode直接生成答案，用户点击外部链接的意愿下降，可能导致网站流量进一步下滑。谷歌的“零点击搜索”现象将更加普遍。同时，AI Mode的对话特性可能加剧信息茧房效应——用户只会看到AI筛选后的答案，而非多元化的信息来源。 另一方面，对于普通用户来说，AI搜索确实提升了效率。但谷歌在AI领域的绝对主导地位也引发了反垄断担忧。当一家公司同时控制搜索入口和AI生成内容时，如何确保公平竞争和信息的多样性，将是一个长期挑战。 **展望2026** 2026年，谷歌的AI搜索将不再只是“升级”，而是一次彻底的“重塑”。从AI Mode的深度整合到搜索框的彻底变革，谷歌正在构建一个以Agent为核心的搜索生态。用户将不再“搜索”信息，而是“委托”AI完成任务。但这场变革的代价——传统搜索流量的消失、信息获取方式的集中化——才刚刚开始显现。
实时语音转写是语音助手、直播字幕、联络中心分析和无障碍工具等应用的核心能力。传统请求-响应推理需要等待完整音频上传后才能开始转写，这引入的延迟破坏了实时体验。从 2025 年 11 月起，Amazon SageMaker AI 支持双向流式推理，允许客户端与模型容器之间持续双向传输数据。同时，vLLM 通过其 Realtime API（基于 WebSocket 的双向流）支持实时音频转写。本文将两者结合，展示如何使用 SageMaker AI 的 vLLM 容器部署 Mistral AI 的 Voxtral-Mini-4B-Realtime-2602 模型，构建一个完全托管的实时语音转文本服务。 ## 关键特性 构建生产级语音 AI 应用需要多个基础设施组件紧密配合，并满足严格的延迟要求。SageMaker AI 和 vLLM 各自解决了不同部分的问题： - **实时语音模型与高效 GPU 服务**：核心是能够增量处理音频的 ASR 模型，vLLM 通过其 Realtime API（原生 WebSocket 端点 `/v1/realtime`）提供支持，并采用分段 CUDA 图执行减少 GPU 内核启动开销，从而降低流式转写中的每 token 延迟。 - **双向流式推理**：SageMaker AI 支持双向流，客户端可同时发送音频并接收转写结果，无需等待完整音频。 - **完全托管与可扩展**：SageMaker AI 负责基础设施管理，包括自动缩放、监控和安全性。 ## 部署步骤 1. **准备模型**：从 Hugging Face 获取 Voxtral-Mini-4B-Realtime-2602 模型，并将其打包为适用于 vLLM 的格式。 2. **创建 SageMaker 端点**：使用 SageMaker SDK 创建一个启用了双向流的端点，指定 vLLM 容器镜像。 3. **配置 WebSocket 客户端**：客户端通过 WebSocket 连接到端点，持续发送音频数据并接收实时转写结果。 完整示例代码可在 [GitHub 仓库](https://github.com/aws-samples/amazon-sagemaker-ai-vllm-realtime) 中找到。 ## 性能与优势 相比传统方法，该方案显著降低了端到端延迟。例如，在语音助手场景中，用户说话后几乎立即看到转写文本，交互更加自然。此外，SageMaker AI 的托管特性减少了运维负担，而 vLLM 的开源特性允许用户灵活调整模型配置、量化和编译设置。 ## 应用场景 - **语音助手**：实时理解用户指令并快速响应。 - **直播字幕**：为直播视频生成实时字幕。 - **联络中心分析**：实时转写客户通话，进行情感分析或合规检查。 - **无障碍工具**：帮助听障人士实时获取语音信息。 这一组合为开发者提供了构建实时语音应用的高性能、低成本方案，推动了 AI 语音技术的普及。
Google 在 2026 年 Google I/O 大会上宣布了一项 YouTube Shorts 的全新 Remix 功能，借助 Gemini Omni 模型，用户现在可以对他人发布的短视频进行 AI 风格的“再想象”。 ## 功能亮点：从风格迁移到内容植入 该功能入口位于 YouTube Shorts 底部“Remix”按钮中，新增的“Reimagine”选项允许用户通过自然语言提示让 Gemini 对原视频进行改造。例如，你可以将一段普通视频转换为**像素艺术、动漫风格或伪纪录片恐怖片**。 更进阶的是，用户还能**修改视频内容本身**——比如给人物“大头特效”、添加背景演员、为角色穿上海盗服装，甚至将自己“插入”到原始视频中。这背后的技术由 **Gemini Omni** 多模态模型驱动，能够理解视频场景并生成符合语义的编辑结果。 ## 创作者控制与版权保护 为了防止滥用，**创作者可以主动关闭“Reimagine”功能**。如果你上传的是家庭或儿童视频，不希望被他人随意修改，只需在设置中关闭该选项即可。 所有通过 Omni 生成的 Remix 视频都会带有**数字水印**，并链接回原始视频，确保原创者的归属权和流量引导。这在一定程度上平衡了创意表达与版权保护的关系。 ## 行业背景与意义 这一功能是 Google 在 **AI 视频编辑领域**的最新布局。过去一年，Runway、Pika 等初创公司已推出类似的内容重绘工具，但大多局限于独立创作。YouTube 借助自身庞大的短视频生态，将 AI 编辑直接嵌入社交消费场景，**降低了创意门槛**，让普通用户也能轻松“玩转”视频。 同时，这也反映了 AI 从“生成”向“社交化编辑”的演进。未来，短视频平台可能不再是单向的内容消费，而是**基于 AI 的协作式创作社区**。当然，潜在的深度伪造和内容伦理风险仍需关注，Google 的水印与开关机制算是第一步。 ## 小结 YouTube Shorts 的 AI Remix 功能为短视频二创提供了前所未有的自由度，同时也保留了创作者的控制权。随着 Gemini Omni 能力的持续迭代，我们或许很快能看到更多类似“AI 视频混音”的玩法出现在主流平台。
据多方消息，人工智能领域的领军企业 OpenAI 正在积极推进首次公开募股（IPO），最快可能在未来数月内提交相关文件。这一动作标志着这家以非营利起步、后转型为“有限盈利（capped-profit）”架构的公司，正在向资本市场迈出关键一步。 ## 从实验室到华尔街：OpenAI 的资本化之路 OpenAI 的 IPO 计划并非空穴来风。自 2023 年以来，公司已通过多轮融资累计获得超过 **130 亿美元** 的资金支持，其中最大的一笔来自微软的 **100 亿美元** 投资。然而，随着 AI 模型训练成本飙升（GPT-4 训练成本据估算超过 **1 亿美元**），以及商业化产品如 ChatGPT Plus（月费 20 美元）、企业版 API 服务的收入增长，OpenAI 需要更稳定的长期资本来源。 ## 关键看点：估值、架构与市场影响 - **估值预期**：若成功上市，OpenAI 的估值可能冲击 **800 亿至 1000 亿美元**，使其成为仅次于 SpaceX 的美国第二大独角兽。部分分析师认为，考虑到其技术护城河和用户规模（ChatGPT 月活超 2 亿），溢价空间仍存。 - **架构挑战**：OpenAI 独特的“有限盈利”结构可能成为监管焦点。其利润上限机制（投资者回报上限为投资额的 100 倍）与普通上市公司治理规则存在张力，需向 SEC 提供特殊说明。 - **行业连锁反应**：OpenAI 上市将直接挑战 Google、Meta 等巨头在 AI 领域的地位，同时加速 Anthropic、Cohere 等竞争对手的资本化进程。 ## 风险与不确定性 尽管前景诱人，但 OpenAI 仍面临多重风险： 1. **监管压力**：全球 AI 监管浪潮（如欧盟 AI 法案、美国 AI 行政令）可能影响其模型部署与数据使用。 2. **盈利模式验证**：目前公司仍处于亏损状态（2023 年亏损约 54 亿美元），需向投资者证明其订阅和 API 业务能持续增长。 3. **人才竞争**：高盛报告指出，AI 领域顶尖人才年薪已突破 **200 万美元**，上市后股权激励的稀释效应可能削弱吸引力。 ## 小结 OpenAI 的 IPO 不仅是公司自身的里程碑，更是 AI 行业从技术探索迈向商业成熟的重要信号。若进展顺利，这将成为 2024-2025 年全球资本市场最受瞩目的科技事件之一。然而，在监管与技术快速迭代的双重挑战下，其最终定价与上市时间仍充满变数。
谷歌搜索的AI化浪潮正在全面席卷其广告系统。继昨日宣布推出更大、更对话化的搜索框以及AI生成结果后，谷歌今日宣布，其Gemini AI模型将直接参与广告的呈现与推荐。当用户在搜索中寻找产品时，Gemini会筛选出相关商品，并生成一段“定制化说明”，解释为什么你应该购买这一款。 在一则示例中，搜索“紧凑型意式浓缩咖啡机”的用户，可能会看到一个标有“赞助产品”标签的Nespresso Vertuo Up。其下方并非传统的广告文案，而是一段由AI生成的描述：“要寻找一台优质机器，需关注胶囊兼容性和风味多样性、产生丰富油脂的能力、快速加热、以及针对不同杯型和冰咖啡的一键定制选项。这款纤薄、快速启动的机器使用Vertuo胶囊，具有丰富的风味萃取和定制冲泡浓度（例如冰咖啡），3秒加热，支持6种杯型。” 这并非谷歌在本轮广告升级中的唯一动作。部分广告还将内置聊天机器人。这些广告会显示一个“提问”按钮，点击即可与Gemini开启对话。AI聊天机器人将利用产品或服务网站的信息回答用户问题，并可能引导用户填写表单，以便与商家取得联系。 与此同时，谷歌正在其聊天机器人风格的搜索体验“AI模式”中测试新型广告。该公司去年首次在AI模式中为部分查询引入了“赞助”结果，但新的广告格式显得更具侵入性。其中一种选项会在AI回复下方呈现一个赞助产品，直接回答诸如“有哪些低维护成本的方法能让家里香气宜人？”这类具体问题——例如，在AI回答下方出现一个空气清新剂的“赞助”结果，附带产品描述和图片。在谷歌的示例中，一旦用户滚动到该广告，它似乎会占据整个屏幕。 谷歌还在试点一种广告格式，在搜索结果列表中突出显示赞助产品或服务。 这一系列举措标志着谷歌搜索广告从“关键词匹配”向“AI智能推荐+对话式导购”的深刻转型。对于用户而言，这意味着搜索结果中的广告将更加“善解人意”，甚至主动推销；对于广告主和内容生态而言，AI生成的推销语可能削弱传统营销文案的价值，而聊天机器人广告则可能改变用户与品牌的互动方式。谷歌显然希望借助Gemini的能力，在提升广告点击率的同时，不破坏用户对AI搜索的体验——但广告与自然结果的边界是否会因此变得更加模糊，值得持续关注。
在2026年I/O开发者大会上，谷歌推出了一项名为 **Universal Cart** 的新功能，旨在通过AI代理彻底改变在线购物体验。该功能基于 **Universal Commerce Protocol（UCP）**，这是一个与Target、Shopify、Wayfair和Etsy等主要零售商共同开发的开源标准，允许消费者在一个界面内从多个零售商处购买商品，同时保留各商家的忠诚度计划和信用卡等个性化数据。 Universal Cart 整合了来自谷歌生态系统的数据，包括 YouTube、Gmail、Gemini 和搜索，AI代理会在后台运行，提供购买建议、检测兼容性问题（例如CPU与主板不匹配）、提醒折扣信息，甚至自动切换信用卡以获取最优价格。谷歌广告与商务副总裁 Vidhya Srinivasan 表示，这些功能将使购物“更有趣”，其本质是减少从“加入购物车”到“结账”之间的摩擦，让购物流程近乎即时且高度个性化。 这一举措标志着谷歌在 **代理式AI** 领域的进一步深入。AI不再仅仅是搜索工具，而是主动参与决策和执行的购物助手。对于零售商而言，更流畅的购物体验意味着更高的转化率和更低的购物车放弃率；对于消费者，则可能意味着更省时、更智能的购物过程。然而，这也引发了对隐私和消费者自主权的担忧：当AI代理可以代表用户花钱时，如何确保其行为符合用户的最佳利益？谷歌表示，用户将拥有最终控制权，但具体实现细节仍有待观察。 总的来说，Universal Cart 代表了电商与AI融合的新方向，但“更有趣”的背后，是技术对消费行为的更深层介入。
最严重的软件 bug 往往也是最无聊的。用户不应该能读取其他租户的数据——没人反对这一点，设计评审会上也没人替“Alice 读取 Bob 的记录”辩护，但**失效的访问控制**依然是 OWASP Top 10 的头号问题。这些 bug 之所以能上线，是因为规则被放在了系统错误的位置：它存在于 prompt 里、评审清单里、以及“每个未来的工程师——现在则是每次模型调用——都会记住这个不变式并正确应用它”的共享期望中。这个假设本就脆弱，而当 AI 生成绝大部分代码时，它彻底失效了。你可以做所有显而易见的事：把规则写进 `CLAUDE.md`，编写细致的系统 prompt，在 agent 指令里强调“授权**非常**重要”——这些都应该做。但当模型写完一万六千行代码后，真正的问题依然是：**你如何知道代码做了你想做的事？** 测试有帮助，但测试是经验性的，它们只检查你和模型记得写的那些用例，无法替下周别人添加的 handler 说话。 作者想拉动另一根杠杆，其主张直截了当：**对于一大类生产软件而言，结构性反压比 agent 智能的渐进提升更有效**。现有模型已经能写出几乎全部代码，限制因素在于你是否能**知道**它们做了你想做的事——而这种认知来自于模型所编写的底层基质（substrate），而不是等待一个更聪明的模型。 ### 行为门控 vs. 结构门控 大多数 prompt 级别的约束是**行为门控**：我们告诉模型“不要跳过授权”“校验输入”“使用共享辅助函数”。模型遵循这些指令的频率足以让它们有用，但失败的频率也足以让整个安排变得不稳定。行为门控依赖于模型记住规则、识别适用场景、抵抗局部上下文的引力，然后还要依赖人类评审者在整个代码库中维持同样的不变式。 **结构门控**则不同。编译器、类型检查器、测试运行器、linter、证明检查器——每一个都能针对眼前的制品给出一个具体的答案。这个答案并不完美，但它是真实的、可执行的。结构门控不依赖模型的短期记忆或善意，它直接检查代码的**结构属性**：类型是否匹配？引用是否有效？安全策略是否被违反？ ### Shen-Backpressure：将结构门控嵌入 AI 编码循环 作者构建的工具和方法论 **Shen-Backpressure** 正是为了探索这一赌注。它通过一个运行中的 demo 展示其工作原理，并演示如何将同样的循环接入你自己的项目。核心思路是：在 AI 编码循环中引入**结构反压**——不是让模型“更聪明”地记住规则，而是让代码的底层结构自动拒绝违反规则的输出。 例如，你可以定义一个“授权策略”作为结构门控：任何生成的代码如果试图绕过授权检查，编译器或静态分析工具就会报错。模型可以生成任意代码，但只要它触犯了门控，构建就会失败。这样，你就不再需要依赖模型在每次生成时都“记得”授权规则——规则已经固化在门控之中。 ### 为什么结构反压优于更聪明的模型？ 当前 AI 编码的瓶颈不是模型能力，而是**验证能力**。即使 GPT-5 能写出完美代码，你仍然需要一种方法**确信**它确实做到了。行为门控随着代码规模增长而指数级衰减：模型越写越多，上下文越长，规则越容易被稀释。而结构门控是组合式的：每个门控只检查一个局部属性，但它们的组合可以覆盖整个系统。 当然，结构门控并非万能。它不能捕获所有语义错误，也不能替代良好的设计。但对于一类关键问题——如安全、类型安全、资源隔离——结构门控提供了一种比“让模型更听话”更可靠的路径。 ### 小结 AI 编码循环的未来不在于让模型更聪明，而在于**设计更好的门控**。Shen-Backpressure 代表了一种思路转变：从“教育模型”转向“约束模型”。当你不再期望模型永远正确，而是让代码的基质自动拒绝错误时，AI 编码才能真正走向生产级可靠。
**麻省理工学院媒体实验室（MIT Media Lab）的研究人员开发出一种新型非视域成像系统，仅依靠智能手机级别的激光雷达传感器，就能“看到”拐角后的物体轮廓。** 这项技术有望大幅降低自动驾驶汽车、机器人及安防设备中“透视”障碍物的成本门槛。 传统的非视域成像系统通常依赖昂贵、高功率的飞秒激光器或单光子雪崩二极管（SPAD）阵列，设备体积庞大且成本高达数万美元。而MIT团队提出的方法，利用消费级激光雷达（如iPhone 12 Pro及以上机型搭载的LiDAR扫描仪）即可实现。其核心原理是：向拐角处的地面等漫反射表面发射激光脉冲，光线经反射后照射到隐藏物体，再次反射回的微弱信号被激光雷达捕捉。通过分析光子的飞行时间与空间分布，算法可重建隐藏物体的粗略形状。 **该系统的关键在于算法对噪声的鲁棒性。** 消费级LiDAR的信噪比远低于科研级设备，但研究人员通过多帧累积和时空相关性滤波，成功从噪声中提取出有效信号。实验显示，该系统能在1米范围内识别出约20厘米大小的人体模型或字母形状，分辨率虽不足以看清人脸细节，但足以判断“是否有人”或“大致动作方向”。 **应用前景方面，该技术可显著提升机器人导航的安全性。** 例如，扫地机器人可提前感知墙角后的障碍物或宠物，避免碰撞；自动驾驶汽车在十字路口或停车场可“预判”突然出现的行人或车辆。此外，在搜救场景中，无人机可借助此技术探测废墟后的生命迹象。 **当前局限与未来方向：** 系统目前仅适用于静态或慢速移动物体，且对场景光照条件敏感（强环境光会淹没信号）。MIT团队正尝试结合深度学习提升重建速度与分辨率，并探索与现有安防摄像头、扫地机器人等消费电子产品的集成方案。 **行业影响：** 非视域成像长期是计算机视觉领域的“圣杯”之一。以往受限于成本，该技术仅停留在实验室。此次用手机级LiDAR实现突破，意味着未来每台配备LiDAR的智能设备都可能具备“透视”能力，开启从消费电子到工业自动化的全新应用维度。
对于计划在欧盟销售物联网或边缘设备的公司来说，Canonical 最新发布的 **Ubuntu Core 26** 值得认真考虑。这款精简、不可变的 Linux 发行版专为边缘计算和物联网设备设计，提供长达 **15 年的长期支持**，并强化了安全性以应对欧盟《网络弹性法案》（CRA）等新兴法规。 ## 什么是 Ubuntu Core？ Ubuntu Core 是 Ubuntu 的嵌入式版本，它将内核、基础操作系统和应用程序全部打包为 **snap** 容器。这种设计实现了组件隔离、加密签名和安全的无线（OTA）更新，非常适合需要长期无人值守运行的设备，如工业控制器、机器人、数字标牌和 AI 边缘节点。 ## 主要亮点 - **长达 15 年的支持**：Ubuntu Core 26 将获得支持直至 **2041 年**，为关键基础设施提供长期稳定性。 - **安全合规**：每个组件都经过沙盒化和加密签名，通过测量启动链确保仅运行经过验证的代码。这有助于满足欧盟 CRA 对组件溯源、长期稳定性和可问责性的要求。 - **降低运维成本**：Canonical 声称新版本减少了设备配置的摩擦和成本，简化了大规模设备管理。 ## 行业背景 随着欧盟 CRA 等法规的推进，物联网和边缘设备的供应链安全与软件完整性成为焦点。Ubuntu Core 的不可变架构和长期支持策略，为制造商提供了合规的捷径。Canonical 工程副总裁 Jon Seager 表示：“Ubuntu Core 26 继续为关键基础设施运营商提供满足 CRA、运行可证明的不可变边缘 AI 工作负载以及大规模安全管理设备所需的基础。” ## 总结 对于追求安全、稳定与长期支持的物联网和边缘部署，Ubuntu Core 26 是一个极具竞争力的选择。其不可变设计、15 年支持周期以及对欧盟法规的契合，使其成为企业级应用的可靠基石。