由 Google DeepMind 分拆出来的英国生物科技公司 Isomorphic Labs 即将把其诺贝尔奖级 AI 技术设计的药物推进到人体临床试验阶段。公司总裁 Max Jaderberg 在伦敦举行的 WIRED Health 大会上透露，团队正在为临床试验做准备，这将是检验 AI 设计药物安全性和有效性的关键时刻。 ## 从 AlphaFold 到药物设计 Isomorphic Labs 成立于 2021 年，其核心技术源自 DeepMind 的 **AlphaFold**——一个能够预测蛋白质三维结构的 AI 平台。蛋白质由 20 种氨基酸组成，其折叠后的形状直接决定了生物学功能。过去，预测蛋白质结构是一项极其耗时的工作，但 AlphaFold 2 在 2020 年取得了突破性进展，利用深度学习技术大幅提升了预测速度和准确性。 2024 年发布的 **AlphaFold 3** 更进一步，不仅能够预测蛋白质结构，还能模拟蛋白质与 DNA、RNA 等小分子之间的相互作用。正如 DeepMind 联合创始人 Demis Hassabis 所说，这对于药物发现至关重要——研究人员需要了解小分子药物如何与靶点结合、结合强度如何，以及可能产生的脱靶效应。 ## 临床前进展与时间表 Jaderberg 在演讲中表示：“我们正在为进入临床做准备，这将是激动人心的时刻。”但他并未透露具体的临床试验时间表，这比公司原计划有所延迟。去年，Hassabis 曾预计 AI 设计的药物将在 **2025 年底前** 进入临床试验。 尽管具体细节尚未公开，但 Isomorphic Labs 已建立起“广泛且令人兴奋的新药管线”。目前，公司正与多家制药巨头合作，利用 AlphaFold 平台加速药物发现流程。 ## 行业意义与挑战 如果 Isomorphic Labs 的 AI 设计药物在人体试验中证明安全有效，这将是 AI 在药物研发领域的一个重要里程碑。传统药物研发通常需要 10 年以上时间和数十亿美元投入，而 AI 有望大幅缩短这一周期并降低成本。 然而，从计算预测到临床成功仍有巨大鸿沟。AI 设计的分子在体外和动物模型中表现良好，但在人体中可能面临生物利用度、毒性或疗效不足等问题。因此，即将启动的临床试验不仅是对 Isomorphic Labs 技术的检验，也将为整个 AI 制药行业提供重要参考。 目前，AlphaFold 已预测了几乎所有已知的 2 亿种蛋白质结构，并被来自 190 个国家的超过 200 万研究人员使用。这一开放平台极大地推动了基础生物学研究，而 Isomorphic Labs 则专注于将这一能力转化为实际药物。
在进攻伊朗的头24小时内，美军打击了超过1000个目标，规模几乎是二十年前“震慑与畏惧”行动的两倍。这种加速得益于加快目标锁定流程的AI系统，其中最关键的是 **Maven 智能系统**。 记者 Katrina Manson 在新书 *Project Maven: A Marine Colonel, His Team, and the Dawn of AI Warfare* 中，详细追溯了 Maven 从2017年作为计算机视觉分析无人机视频的实验项目，到如今成为美军核心作战工具的演变历程。 项目最初由谷歌承包，但因员工抗议而退出，随后转由 **Palantir** 主导，并整合了微软、亚马逊、Anthropic 等公司的技术。如今 Maven 已在美国全军使用，并被北约采购。它融合卫星图像、雷达、社交媒体等数十种数据源，自动识别战场目标并加速“杀伤链”——原本耗时数小时的目标锁定流程现在只需几秒。一位官员称，这项技术让美军从每天打击不到100个目标提升到1000个，引入大语言模型后甚至可达每天5000个。 然而，这种速度也带来了严峻的道德风险。对伊朗战争首日打击的1000个目标中，包括一所女子学校，造成150多人死亡，其中大部分是儿童。该学校此前曾是伊朗海军基地的一部分，但在卫星图像上可见操场，网上也标注为学校。事后焦点集中在 AI 模型（如 Claude）是否产生幻觉，但 Manson 指出，问题的根源在于整个系统为了追求速度而牺牲了充分验证，导致误判频发。 Maven 的故事揭示了 AI 军事化的双刃剑：它极大提升了作战效率，却也以惊人的速度放大了错误的代价。当“看到即摧毁”成为现实，人类在杀伤链中的角色被压缩，而伦理与问责的空白却远未填补。
智能手机业务曾是三星的利润奶牛，但如今，AI 驱动的内存短缺正让它面临前所未有的挑战。据韩国媒体《Money Today》报道，三星 MX（移动体验）部门负责人卢泰文向公司高层发出警告，称 2026 年智能手机业务可能遭遇公司历史上首次净亏损。即便在疫情期间供应链混乱、经济低迷时，三星手机依然保持盈利，但 DRAM 和 NAND 价格的飙升正在打破这一纪录。 **内存成本占比翻倍** 过去，应用处理器（含蜂窝基带）是智能手机最贵的部件，屏幕紧随其后。但在 AI 时代，这一格局被颠覆。LPDDR5x 内存对 AI 至关重要——英伟达即将推出的 Vera AI CPU（将取代 Grace）最高支持 1.5TB LPDDR5x，其机架级 AI 平台单服务器配备 36 颗 Vera CPU 和 72 颗 Rubin GPU，仅 CPU 部分消耗的 RAM 就相当于 4600 部 Galaxy S26 Ultra（每部 12GB）。 这种大规模需求推高了内存价格。据 Counterpoint Research 数据，到 2026 年中，RAM 将占入门级手机成本的 1/3 以上；即使高端机型，内存成本占比也超过 20%。 **半导体部门赚得盆满钵满** 讽刺的是，三星的半导体部门正因同一场 AI 浪潮创下纪录：2026 年第一季度利润估计达 380 亿美元（约 57.2 万亿韩元），是 2025 年同期的 7 倍多。三星、美光、SK 海力士都在加速扩产——三星已开始削减 LPDDR4 产能以增加 LPDDR5 供应——但《日经亚洲》预测，短期内供需缺口仍难缓解。 **Galaxy S26 系列或成牺牲品** 尽管 Galaxy S26 系列销售强劲，但成本压力已让利润空间被压缩。三星面临两难：要么涨价转嫁成本，可能抑制需求；要么自行承担，侵蚀利润。历史上，三星手机业务从未亏损，但这次内存短缺的冲击力远超以往。 **行业启示** 这一事件揭示了 AI 对消费电子产业链的深层影响：当最赚钱的半导体业务和终端业务同属一家公司时，内部资源分配和利润平衡变得极其复杂。对其他手机厂商而言，情况可能更糟——它们没有三星那样的半导体部门来对冲风险。未来，AI 内存的争夺战或将重塑整个手机行业的盈利格局。
流媒体服务已成为现代娱乐的支柱，但订阅费用叠加起来很容易让人望而却步。根据德勤2026年数字媒体趋势报告，90%的美国家庭至少订阅了一项视频点播服务，平均每月为四个服务支付71美元。然而，一位ZDNET编辑分享了自己的省钱秘诀：通过选择广告支持（ad-supported）的订阅层，她仅用每月40美元就享受了四项流媒体服务。 ### 为什么选择广告版？ 广告版订阅通常比无广告版便宜30%-50%。例如，Netflix的标准带广告计划每月仅需6.99美元，而标准无广告计划为15.49美元。同样，Hulu的广告支持版每月7.99美元，无广告版则需17.99美元。对于预算敏感的用户来说，这些差价累积起来相当可观。 ### 她的四个服务组合 1. **Netflix（带广告）**：每月6.99美元。虽然广告会打断观影，但内容库与无广告版基本一致。 2. **Hulu（带广告）**：每月7.99美元。提供大量电视节目和原创内容，广告时长适中。 3. **Amazon Prime Video**：作为Prime会员的一部分（月费14.99美元或年费139美元），Prime Video本身包含在会员费中，且提供少量广告（或可选择无广告版加收2.99美元/月）。她选择Prime会员，同时享受配送、音乐等福利。 4. **Disney+（带广告）**：每月7.99美元。包含迪士尼、漫威、星球大战等海量内容，广告体验相对轻量。 总账单：6.99 + 7.99 + 14.99（Prime） + 7.99 = 37.96美元，接近40美元。她指出，如果单独订阅无广告版，总价会超过70美元。 ### 广告真的那么糟糕吗？ 广告版服务的广告时长通常为每小时4-6分钟，远低于传统电视的15-20分钟。对于许多用户来说，这种权衡是值得的——尤其是当每月节省30美元时。此外，这些服务允许你随时升级到无广告版，灵活性很高。 ### 总结 如果你不介意偶尔的广告插播，选择广告支持的流媒体订阅是降低月费的有效策略。关键在于选择那些广告密度低、内容质量高的服务。上述四个组合覆盖了影视、综艺、原创剧集等主流需求，总花费仅为市场平均水平的一半左右。
苹果的 M4 Mac mini 因供应短缺在 eBay 上被大幅加价转售，这款原本售价 599 美元的小型台式机如今成为运行本地 AI 模型的热门设备。 ## 供需失衡：官方售罄，二手市场火爆 据多家媒体报道，**M4 Mac mini 基础款（16GB RAM + 256GB 存储）** 已在苹果官网全面售罄，无论送货还是店内取货均不可用。其他配置的基础款也陆续断货，而 512GB 及以上存储的型号最早要到 **6 月** 才能发货。这是该基础款首次出现售罄情况。 ## AI 驱动需求：本地模型运行利器 Mac mini 之所以突然走红，核心原因在于其 **能效比高、运行安静、适合 24/7 持续运行**，成为运行本地 AI 模型的理想选择。从最初的 **OpenClaw** 热潮，到如今的 **ZeroClaw**、Anthropic、OpenAI 的工具、Perplexity Computer 等各类本地模型，Mac mini 都扮演了测试和运行平台的角色。相比笔记本电脑，它更稳定可靠，且不会因散热风扇噪音干扰用户。 ## 价格飙升：溢价幅度惊人 截至上周五早间，eBay 上 M4 Mac mini 基础款的价格普遍高于官方 $599 的售价： - **全新开箱**：$715–$795 - **翻新机**：最高 $979 - **轻度二手**：约 $700，比原价高出 $100 以上 - **全新未拆**：$925，商品页面标注“最后一件” 即便偶尔出现起拍价较低的拍卖，最终成交价也往往高于官方定价。 ## 行业背景：供应链压力与产品迭代 此次短缺并非孤立事件。据 Bloomberg 报道，**行业内存紧缺** 以及 Mac mini 即将迎来产品线更新，加剧了供应紧张。不过，此前产品线更新从未导致如此严重的缺货。苹果尚未对此置评。 ## 小结 AI 对本地计算能力的需求，与供应链瓶颈共同作用，使得原本定位入门级的 Mac mini 成为稀缺品。短期内，eBay 上的溢价可能持续，直到苹果补货或新一代产品发布。对于急需运行本地 AI 模型的用户，要么接受溢价，要么等待官方供货恢复。
欢迎来到本周的“视频星期五”栏目，我们为您精选了最酷的机器人视频。本期焦点是索尼AI团队训练机器人打乒乓球的幕后故事。 ## 机器人乒乓球手：从训练到对决 索尼AI的研究人员开发了一个能够与职业乒乓球选手对战的机器人系统。该系统结合了高速视觉、运动规划和强化学习，使机器人能够实时追踪乒乓球并做出回应。在测试中，机器人展示了令人印象深刻的反应速度和击球精度，但面对职业选手的旋转和策略性打法时，仍存在差距。 ## 技术亮点 - **高速视觉**：机器人使用每秒1000帧的摄像头捕捉球路。 - **运动规划**：通过优化算法，机器臂能在毫秒内计算出最佳击球点。 - **强化学习**：机器人在模拟环境中进行数百万次对打，不断优化策略。 ## 谁赢了？ 在最终的对决中，职业选手以微弱优势获胜。但机器人并非毫无还手之力——它成功赢下了几个回合，尤其是在快速对攻中展现了机械优势。索尼AI表示，这次实验更多是探索人机协作的边界，而非追求绝对胜利。 ## 行业视角 这一成果不仅展示了机器人在动态环境中的实时决策能力，也为未来服务机器人（如乒乓球教练或娱乐伙伴）奠定了基础。类似的技术还可应用于工业分拣、手术辅助等领域。 ## 其他精彩视频 本周还收录了波士顿动力Atlas的最新跑酷演示、以及一款能自主叠衣服的家用机器人原型。 --- **小结**：机器人乒乓球手的表现令人振奋，虽然暂时不敌人类顶尖选手，但技术进步的速度值得期待。
一只名为Neukgu的狼从韩国大田市动物园挖洞逃跑，引发全国关注。当局动用无人机、警察、急救人员和兽医全力搜救，甚至总统也承诺优先保障其安全。然而，一名40岁男子为“好玩”使用AI生成了一张假照片，显示Neukgu出现在某路口，导致政府发布紧急警报并错误调配资源。警方通过监控和AI工具使用记录锁定嫌疑人，其面临最高5年监禁或约6700美元罚款。Neukgu在9天后安全返回动物园，但它的互联网热度催生了一种以它命名的“迷因币”（memecoin），网站将其描述为“勇敢的狼”和“自由的象征”。 此事件凸显了AI生成内容在紧急情况下可能造成的严重干扰。随着生成式AI工具的普及，虚假信息传播速度加快，对公共安全和执法构成新挑战。韩国警方对此案的迅速反应和严厉指控，也向公众传递了滥用AI技术需承担法律后果的明确信号。
蒂姆·库克是一位出色的CEO，但他未能攻克AI。这将是约翰·特努斯的首要任务。 ## 库克的遗产与未竟之业 当蒂姆·库克在今年9月卸任苹果CEO、转任董事会执行主席时，他将留下一个市值数万亿美元的帝国——以及一个明显的缺憾：**苹果在AI领域的作为远未达到其历史标杆**。库克在供应链管理和运营效率上堪称大师，但在定义下一代计算平台方面，他未能复制乔布斯式的颠覆。2024年高调推出的**Apple Intelligence**被普遍评价为“雷声大、雨点小”，功能不完整且体验平庸，未能像iPhone或App Store那样重新定义行业规则。 ## 特努斯的挑战：为大众解码AI 继任者约翰·特努斯（John Ternus）目前担任硬件工程高级副总裁，长期隐身于幕后。他给人的印象是像库克一样有条不紊，而非乔布斯那样的远见者。但苹果需要的恰恰是一个能**将AI技术转化为大众级产品**的领导者。当前，Claude Code、OpenClaw等AI代理工具虽然强大，但技术门槛高、风险不确定，普通用户望而却步。如果苹果不能像当年简化图形界面、触控交互那样，为AI提供一套“开箱即用”的优雅方案，其他公司就会取而代之。 ## 产品方向：不一定是研究突破，但必须是体验革命 特努斯的AI产品很可能**不是算法或模型的突破**，而是体验设计的集大成者。它可能不是一款新设备，但苹果必须至少有一款设备在开发中。回顾历史：iPod不是第一款MP3播放器，iPhone不是第一款智能手机，Apple Watch也不是第一款智能手表——但它们都通过极致的整合与设计，让复杂技术变得“理所当然”。苹果的AI产品需要做到：让用户在不理解“大模型”、“代理”、“向量数据库”这些术语的情况下，就能自然地享受到AI带来的效率提升。 ## 低调的掌舵者：特努斯能否释放创造力？ 特努斯在苹果的工作经历始于2001年，参与过Mac、iPad、iPhone、AirPods等几乎所有核心产品的硬件工程。在一场内部交流中，他曾深入讨论量子点、镉的环境影响等细节问题，显示出扎实的技术功底。但CEO的角色要求他从细节中抽身，去定义“什么值得做”。库克在运营上无懈可击，却未能在AI时代留下标志性产品。特努斯一旦坐进CEO办公室，能否摆脱“优秀执行者”的标签，成为下一个产品定义者？这或许是未来几年科技行业最值得关注的悬念。 ## 结语：最后的窗口期 AI的普及浪潮不会等待。如果特努斯在未来18个月内无法拿出一个让市场“恍然大悟”的产品，苹果可能将像错失社交网络那样，在AI时代沦为跟随者。库克留下了健康但缺乏惊喜的帝国，而特努斯需要证明：苹果依然有能力在技术与人性的交汇处，创造下一个“显而易见”的奇迹。
微软 Surface Pro 目前正在百思买进行大幅促销，最高可节省 800 美元，折扣幅度接近 40%。作为一款备受好评的二合一笔记本电脑，Surface Pro 在便携性与性能之间取得了出色平衡，非常适合商务人士、创意工作者以及学生群体。 本次促销主要针对 13 英寸版本，原价约 2000 美元的高配型号现价仅约 1200 美元，性价比极高。Surface Pro 搭载英特尔酷睿处理器，支持 Windows 11，可拆卸键盘盖和触控笔使其在平板与笔记本模式间无缝切换。对于需要移动办公或数字笔记的用户而言，这一折扣无疑是一个绝佳的入手时机。 在 AI 技术日益普及的今天，Surface Pro 也能很好地支持各类 AI 应用，如 Microsoft Copilot、图像生成工具等，进一步提升了生产力。不过，促销可能限时或限量，建议感兴趣的读者尽快行动。
我们早就知道蒂姆·库克终将卸任苹果CEO。过去一年，约翰·特努斯成为接班人的迹象愈发明显，但本周的消息仍让人意外——今年的权力交接可能给这家科技界最具影响力的公司带来重要变化。 在最新一期《The Vergecast》中，David Pierce 与 Nilay Patel 邀请 Daring Fireball 的 John Gruber，共同探讨这一新闻。他们分析了苹果看似平稳的过渡、库克作为产品负责人的真正遗产，以及一个核心问题：我们该把 Touch Bar 的失败归咎于库克，还是怪他没有努力把它做得更好？ 随后，节目转向微软的游戏野心。微软似乎重新押注 Xbox 品牌，并承诺让玩家在任何设备上畅玩游戏。但这并不容易——微软需要法律支持才能实现。 在快问快答环节，节目讨论了 Brendan Carr 的争议、Anthropic 的 Mythos 模型、令人困惑的宝马新品等话题。 库克的遗产复杂而多元：AirPods 是他最被低估的成就，Touch Bar 则是未竟的实验。随着特努斯接棒，苹果将走向何方？本期播客提供了深度洞察。
TechCrunch 年度活动系列的首场 **StrictlyVC 旧金山** 将于 4 月 30 日在 Sentro Filipino 文化中心拉开帷幕，活动嘉宾阵容持续壮大。最新确认的演讲者是 Uber 首席技术官 **Praveen Neppalli Naga**，他将与 TechCrunch 主编 Connie Loizos 展开对话，分享在 AI 时代运营超大规模平台的实战经验。 Naga 自 2015 年加入 Uber，亲历了公司从出行巨头向 AI 驱动平台的转型。他的职责远不止技术架构——他主导了司机和配送员的收入系统开发，并曾参与构建 LinkedIn 的早期基础设施。这场对话将聚焦 Uber 如何整合 AI 能力，同时平衡复杂的运营系统与用户体验。 活动目前已确认五位重磅演讲者： - **Eclipse 创始人兼 CEO Lior Susan**，其新募集的 13 亿美元基金专注于物理 AI 初创公司 - **Replit 联合创始人兼 CEO Amjad Masad**，将探讨 AI 驱动的软件开发现状与未来 - 以及此前公布的更多嘉宾 对于创业者、投资者和科技从业者而言，这无疑是拓展人脉、了解前沿趋势的绝佳机会。门票数量有限，感兴趣者需尽快行动。
苹果公司即将迎来重大人事变动。据可靠消息，现任CEO蒂姆·库克计划于今年9月卸任，由硬件主管约翰·特努斯接替。这一交接不仅意味着苹果进入新的领导时代，更预示着这家科技巨头将面临前所未有的挑战与变局。 ## 库克时代的遗产 库克执掌苹果十多年来，将公司打造成全球最具价值的企业之一。他延续了乔布斯的创新精神，同时强化了供应链管理和服务业务，使苹果的盈利能力达到新高度。然而，库克留下的并非一片坦途。 ## 特努斯接手的“烫手山芋” 约翰·特努斯作为硬件负责人，曾主导多款Mac和iPad的研发，但CEO角色将考验他的全局视野。他面临的挑战包括： - **App Store商业模式承压**：30%的抽成比例正面临全球监管和开发者诉讼的双重压力。欧盟《数字市场法案》已迫使苹果开放侧载，其他地区可能跟进。 - **服务业务增长放缓**：作为苹果利润增长的核心引擎，服务收入增速已出现下滑。Apple TV+和Apple Arcade等订阅服务尚未成为主流爆款。 - **硬件创新瓶颈**：iPhone仍是营收支柱，但折叠屏、AR/VR等新形态产品尚未形成规模。Apple Vision Pro的高定价和有限应用场景制约了市场接受度。 - **地缘政治风险**：中美科技脱钩加剧，苹果供应链高度依赖中国，而印度、越南等新兴市场的产能爬坡仍需时间。 ## 苹果的未来走向 特努斯的上任可能带来战略调整。一方面，他可能更注重硬件与服务的深度融合，比如通过芯片自研优势提升生态黏性；另一方面，面对监管压力，苹果或许会逐步调整App Store分成比例，甚至探索新的商业模式。 此外，苹果在人工智能领域的布局也备受关注。与微软、谷歌相比，苹果在生成式AI方面显得相对保守。特努斯能否带领苹果在AI赛道迎头赶上，将是决定未来竞争力的关键。 ## 小结 库克的离任标志着一个时代的结束，但苹果的根基依然稳固。特努斯需要在不破坏现有优势的前提下，推动公司适应新的竞争环境。对于投资者和用户而言，接下来的12个月将是观察苹果战略方向的重要窗口。
硬件公司 Nothing 本周推出了一款名为 **Essential Voice** 的 AI 语音输入工具，直接打入竞争激烈的语音输入赛道。该工具的核心能力是在任意应用中通过语音生成格式化文本，并自动去除“嗯”“啊”等填充词。与市面上已有的 Wispr Flow、Superwhisper、Willow 等应用不同，Essential Voice 主打**系统级深度集成**——用户可通过设备上的 Essential 按键或键盘直接唤起，无需切换应用。 ### 主要功能与差异化 - **跨应用语音转文字**：在任何输入框内均可使用，语音实时转写为格式化文本。 - **自定义语音快捷指令**：用户可为常用词汇、链接、模板或重复短语设置语音触发词。例如，说出“我的地址”即可自动填入完整地址。 - **多语言翻译**：支持在 100 多种语言之间直接进行语音翻译，无需额外操作。 - **未来规划：应用级自定义风格**：Nothing 表示后续将推出按应用类别（如工作、消息）调整 AI 编辑语气的功能，进一步提升场景适配性。 ### 设备与可用性 Essential Voice 目前仅在 **Phone (3)** 上可用，本月晚些时候将推送至 **Phone (4a) Pro**，下月覆盖 **Phone (4a)**。这一分阶段推送策略表明 Nothing 正在谨慎打磨体验，并逐步扩大覆盖范围。 ### 行业背景与竞争格局 AI 语音输入领域已相当拥挤。仅本周，Superwhisper 就为 iPhone 用户推出了类似功能，允许将 Action 按键映射到语音输入。Google 近期也发布了离线语音输入应用，显示出巨头对该赛道的重视。Nothing 的优势在于**系统级集成**——作为硬件厂商，它可以将语音功能直接嵌入系统底层，提供比第三方应用更流畅的体验。不过，这种深度绑定也意味着该工具目前仅限 Nothing 设备使用，生态封闭性是其明显短板。 ### 值得关注的发展方向 - **离线能力**：文章未提及 Essential Voice 是否支持离线处理。在隐私和网络稳定性日益受关注的背景下，离线或端侧 AI 将成为关键竞争点。 - **应用场景拓展**：如果未来能开放 API 或与更多第三方服务联动，Essential Voice 可能从单纯的输入工具演变为语音交互入口。 - **竞品反应**：随着更多厂商（包括 Google）入局，系统级语音输入可能成为手机标配，Nothing 的先发优势窗口期有限。 总体而言，Essential Voice 是 Nothing 在 AI 应用层的一次务实尝试，借助硬件优势实现了差异化。但能否在强手如林的语音输入市场中站稳脚跟，仍需看后续的功能迭代和生态建设。
中国 AI 初创公司 DeepSeek 近日预览了其新一代 AI 模型，声称在推理基准测试中“几乎缩小了与当前领先模型（包括开源和闭源）的差距”。新模型在 DeepSeek V3.2 的基础上进行了架构改进，效率更高、性能更强。 ## 架构改进带来性能飞跃 DeepSeek 表示，新模型通过优化架构设计，在保持推理效率的同时显著提升了性能。具体改进包括对注意力机制和训练策略的调整，使得模型在多项推理任务上接近甚至达到 GPT-4、Claude 3 等前沿模型的水平。这一进展表明，DeepSeek 正在缩小与 OpenAI、Anthropic 等领先公司的差距。 ## 开源与闭源之争 DeepSeek 一直坚持开源路线，其之前的模型如 DeepSeek-V2 和 DeepSeek-R1 在社区中广受欢迎。新模型同样可能开源，这将为开发者提供更多选择，并推动 AI 民主化。然而，与闭源模型相比，开源模型在商业部署和安全性方面仍面临挑战。 ## 行业影响 DeepSeek 的进展反映了中国 AI 产业的快速崛起。尽管面临芯片出口限制等挑战，中国公司仍在通过算法创新和高效训练策略追赶全球领先水平。DeepSeek 的新模型如果能够达到声称的性能，将加剧市场竞争，并可能促使其他公司加快技术迭代。 ## 未来展望 DeepSeek 尚未公布新模型的正式发布日期，但预览信息已引发业界关注。随着模型能力的提升，其在编程、数学推理、科学发现等领域的应用前景广阔。同时，模型的安全性和可控性也将成为后续讨论的焦点。
OpenAI 于本周推出了 ChatGPT Images 2.0，这是其图像生成引擎的重大升级。ZDNET 资深编辑 David Gewirtz 在正式发布后进行了深度测试，发现该工具在品牌风格匹配、文字渲染和信息图制作方面取得了显著进步，但偶尔仍会出现错误，需要人工审核。 ## 品牌风格匹配：从失误到精准 在早期测试中，Images 2.0 在处理 ZDNET 标志时频繁出错。但正式版发布后，情况大为改观。通过单独上传标志图片并配合提示词，模型能够准确复制 ZDNET 的品牌配色和标志细节。例如，输入“使用 ZDNET 品牌风格和附带的 ZDNET 标志创建本文的详细信息图”，生成的图像不仅标志正确，色彩也完美契合，甚至小字部分都准确无误。 ## 文字渲染：从“装饰”到实用 OpenAI 将 Images 2.0 的核心改进描述为从“装饰性”图像跃升至包含详细文字的完整页面图形。测试表明，模型在信息图中能正确处理大量文字，包括标题、副标题和说明文字，且排版清晰。这使其在制作演示文稿、报告封面和社交媒体素材时具备了实际生产力价值。 ## 仍需谨慎：错误并未完全消失 尽管进步巨大，Images 2.0 仍非完美。在部分复杂场景中，模型会生成拼写错误的单词或扭曲的图形。David 指出，这要求用户在使用生成内容进行正式发布前，必须进行人工校对。尤其是涉及数字、专有名词和精确数据时，错误率会上升。 ## 行业背景与可用性 Images 2.0 面向所有 ChatGPT 用户开放，但高级语言功能（如“思考”模式）仅对付费用户可用。测试使用的是 ChatGPT Plus 账户并开启“思考”模式。值得注意的是，由于 Ziff Davis（ZDNET 母公司）对 OpenAI 提起了版权诉讼，ZDNET 页面未被允许用于训练，因此测试中采用了截屏方式让模型读取内容。 总体而言，Images 2.0 代表了 AI 图像生成从“玩具”向“工具”的重要转变。对于需要快速生成品牌一致、文字准确的视觉内容的工作者，它提供了强大的辅助能力，但人类监督仍是保证质量的关键环节。
OpenAI 最新模型 GPT-5.5 在写作、编程和推理任务中表现出色，综合得分 93/100。然而，模型有时会忽略简单指令，过度发挥，在准确性与可控性之间形成张力。本文基于 ZDNET 的深度测试，剖析其能力亮点与改进空间。 ## 测试概况：全面但不够“听话” ZDNET 资深编辑 David Gewirtz 对 GPT-5.5 进行了 10 轮标准测试，涵盖知识问答、代码生成、逻辑推理等维度。最终评分 **93/100**，失分主要源于模型“过度热情”——即使明确要求简洁回答，它仍倾向于提供额外信息或执行未要求的操作。例如，在简单指令测试中，模型会自行补充背景解释或优化输出格式，反而偏离了原始需求。 ## 核心能力：更快、更准、更智能 GPT-5.5 在多个关键领域实现显著提升： - **代理编码**：能够自主分解复杂编程任务，生成可运行代码片段。 - **概念清晰度**：对抽象概念的解释更精准，减少歧义。 - **科研能力**：在科学文献理解和假设生成方面表现更可靠。 - **知识工作准确性**：事实性错误率较前代降低。 此外，OpenAI 的发布节奏明显加快。从 GPT-5.4 到 GPT-5.5 仅隔数周，内部开发效率的提升被认为与 AI 辅助编码技术有关。同一周内，OpenAI 还推出了 **ChatGPT Images 2.0**，将语言模型与图像生成深度融合。 ## 效率对比：10 分钟 vs 2 小时 测试中一个令人印象深刻的案例是：作者仅用不到 **10 分钟**，便通过 GPT-5.5 Thinking 模式配合 Images 2.0 生成了一张符合 ZDNET 品牌风格的发布节奏图表。而过去手动制作同类图表至少需要 **2 小时**。这种效率飞跃体现了 AI 在数据可视化和设计自动化方面的潜力。 ## 改进方向：平衡智能与服从 尽管能力强大，GPT-5.5 的“过度热情”也带来隐患。当用户需要严格遵循指令时，模型的自发扩展反而可能引入错误或无关信息。这种 **智能与可控性之间的张力**，正是当前大语言模型面临的共同挑战。未来版本需要在保持创造力的同时，更好地理解并遵守用户的边界设定。 ## 小结 GPT-5.5 代表了 OpenAI 在模型能力上的又一次跃进，尤其在效率和多任务处理方面。但“过度发挥”的倾向提醒我们：更强的模型不等于更听话的助手。对于开发者而言，如何设计 prompt 以精确引导模型行为，仍是一门必修课。
## 概览 **Atomic** 是一款开源的本地优先个人知识库，结合 AI 实现笔记的自动组织、语义搜索、Wiki 合成和智能对话。用户可以在桌面端、iOS 或自托管服务器上运行，数据完全由自己掌控。项目在 GitHub 上已获得 1.3k star，近期因 Karpathy 的推文引发关注后，开发者持续密集迭代。 ## 核心功能：AI 如何重塑笔记体验 Atomic 将自己定位为“AI-native 知识图谱”，强调端到端的用户所有权。其核心机制是 **原子（Atom）**——任何笔记、文章、网页剪辑都会自动成为一个原子，并被即时打标签、嵌入向量、建立关联。无需手动维护文件夹或 schema。 关键 AI 能力包括： - **语义搜索**：基于向量嵌入，用户可以按“意思”而非关键词搜索。即使笔记中没有出现搜索词，也能找到相关想法。 - **Wiki 合成**：选择一个标签，Atomic 会从所有相关原子中自动生成一篇 Wiki 文章，并附上引用来源。文章会随新笔记的加入而自动更新。 - **智能对话**：用户可以与自己的笔记进行对话式交互，AI 的回答会直接引用笔记内容，减少幻觉。 - **空间画布**：一个力导向的知识地图，相关概念会自动靠近，帮助用户发现思维中的隐性联系。 - **自动标签**：笔记保存后立即自动打标签，无需手动分类。 ## 架构与生态：本地优先，多端同步 Atomic 采用 **本地优先** 架构，用户数据存储在自托管服务器上，所有客户端（桌面、iOS、浏览器、MCP 扩展）指向同一服务器。这意味着： - 数据完全由用户控制，不依赖第三方云服务。 - 支持离线使用，同步按需进行。 - 支持自选模型（本地或云端），灵活性高。 此外，Atomic 提供 **MCP 集成**，可连接到 Claude 或 Cursor 等 AI 工具，让笔记直接进入代理的工作流。 ## 应用场景与价值 对于知识工作者、研究人员和深度笔记用户，Atomic 解决了几个核心痛点： 1. **信息过载**：自动组织和关联，减少手动整理时间。 2. **遗忘问题**：语义搜索和智能对话帮助快速找回数月前的笔记。 3. **知识发现**：空间画布和自动 Wiki 生成帮助发现笔记间的潜在联系。 4. **隐私与控制**：开源和本地优先设计，适合对数据敏感的用户。 ## 小结 在 AI 知识库项目井喷的当下，Atomic 以 **本地优先、开源、AI 深度集成** 为差异化亮点，提供了从笔记到知识图谱的完整闭环。其“自组织笔记”的理念，有望改变用户与个人知识库的交互方式。 项目目前支持 macOS、iOS 和自托管服务器，免费开源，感兴趣的用户可以在 GitHub 上获取。
亚马逊与Meta达成了一项重磅协议，Meta将采用数百万颗AWS Graviton芯片来驱动其日益增长的AI需求。值得注意的是，Graviton是ARM架构的CPU，而非GPU。这一动向表明，在AI推理和智能体（Agent）工作负载领域，CPU正扮演越来越重要的角色。 ## 从训练到推理：芯片需求的结构性转变 长期以来，GPU一直是训练大型模型的首选芯片。然而，当模型训练完成并进入推理阶段，特别是AI Agent开始承担复杂任务时，计算需求发生了根本变化。Agent工作负载涉及实时推理、代码编写、搜索以及多步骤任务协调，这些场景对CPU的通用计算能力有更高要求。AWS最新版Graviton正是为此设计，专门优化了AI相关的计算需求。 Meta此次大规模采用Graviton，标志着AI芯片竞赛进入新阶段：**CPU在AI领域的价值被重新评估**。尽管GPU仍是训练的核心，但推理和Agent工作负载的多样性正推动云厂商和科技巨头重新思考芯片组合。 ## 云巨头之间的暗流涌动 这笔交易也折射出云计算市场的激烈竞争。Meta此前主要使用AWS，但也曾与微软Azure合作，并在2024年8月与Google Cloud签订了价值100亿美元的六年协议。如今，Meta将大量计算需求带回AWS，无疑是对Google Cloud的一次“回撤”。有趣的是，亚马逊选择在Google Cloud Next大会结束后宣布这一消息，颇有“隔空回应”的意味。 Google同样拥有自研AI芯片（TPU），并在大会上发布了新一代产品。而亚马逊除了Graviton CPU，还拥有自研AI GPU Trainium，该芯片同时用于训练和推理。不过，Anthropic（Claude的开发商）此前已与亚马逊达成100亿美元、为期十年的协议，将主要使用Trainium芯片，这导致Trainium的产能被大量预定。 ## 对AI行业的影响 Meta与亚马逊的这笔交易，可能引发连锁反应： - **CPU在AI推理中的地位提升**：其他云厂商和科技公司可能重新评估CPU在AI工作负载中的价值，推动ARM架构芯片的进一步普及。 - **云厂商的芯片策略分化**：AWS、Google Cloud、微软Azure都在加速自研芯片，差异化的芯片能力将成为竞争关键。 - **AI Agent生态的硬件基础**：随着Agent工作负载的爆发，对通用计算和实时推理的需求将推动芯片设计更注重任务协调和响应速度。 总的来看，这笔交易不仅是商业合作，更是AI基础设施演进的风向标。当模型训练趋于成熟，推理和Agent落地的“最后一公里”将成为新的战场，而CPU正在这个战场上重新证明自己的价值。
Elon Musk cofounded OpenAI, and then flounced off in a huff when he wasn't anointed CEO, leaving Sam Altman as the last power-hungry man standing. Now, Musk is back with a lawsuit, and a trial is scheduled to start in Oakland, California, on April 27th. Theoretically, it's a legal case about whether OpenAI defrauded Musk. […]
## 两年赚了700美元？Rakuten返现实战经验 你是否曾在网购结算前犹豫过？**返现平台Rakuten**或许能帮你省下一笔不小的开支。一位资深用户分享，在近两年时间里，她通过Rakuten累计获得了近**700美元**的返现。 ### 怎么做到的？ 方法很简单：**开启浏览器扩展或使用App**，在支持返现的商家购物即可。例如，购买Shark吸尘器时获得**30美元**返现，购买Hisense Canvas电视时获得**43美元**返现。这些返现金额会自动累积，每季度以支票或PayPal形式发放。 ### 为什么值得尝试？ - **零门槛**：无需额外操作，购物流程不变。 - **覆盖广**：支持数千家在线零售商，涵盖电子产品、家居、服饰等品类。 - **叠加优惠**：返现可与商家促销、优惠券同时使用。 ### 需要注意 返现比例因商家和时段而异，部分商品可能不参与活动。建议购物前先通过Rakuten搜索目标商家，确认当前返现比例。 ### 小结 对于经常网购的用户，Rakuten是一个**低风险、高回报**的省钱工具。正如这位用户所说：“一旦开始使用，就再也离不开了。”