## 你的智能电视藏着一个被低估的自动化利器——RS-232接口 大多数人将电视的RS-232串口视为专业维修人员的专属工具，但事实上，这个看似过时的接口正成为智能家居和商业自动化场景中的“隐藏王牌”。通过简单的硬件连接和编程，你可以让电视响应外部指令，实现电源控制、输入切换、音量调节等高级功能，无需依赖遥控器或网络协议。 ### RS-232接口的“复兴”逻辑 在HDMI和Wi-Fi主导的今天，RS-232为何仍被保留？原因在于其**可靠性与低延迟**。对于需要24/7运行的商用显示（如酒店、会议室、数字标牌），RS-232提供了不受网络波动影响的物理层控制。而家用场景中，它恰好弥补了消费级电视在自动化集成上的短板——例如，当你想用Home Assistant或树莓派统一控制电视时，RS-232是比红外或IP控制更稳定的选择。 ### 解锁步骤：从硬件到代码 1. **确认接口位置**：多数中高端电视（如Sony、LG、Samsung的部分型号）在背部或侧面保留RS-232端口（DB9或3.5mm TRS接口）。查看说明书或官网参数确认支持。 2. **准备硬件**：你需要一根RS-232转USB适配器（约50-100元），以及一根匹配电视接口的线缆（如3.5mm转DB9线）。连接时注意针脚定义——通常电视使用“交叉线”而非直连线。 3. **获取控制协议**：厂商会提供“RS-232控制命令集”（通常是PDF）。例如，Sony的协议中，发送“POWR0000”可关机，“POWR0001”开机；LG的协议则用“ka 0 0”和“ka 1 0”控制电源。 4. **编程实现**：在Python或Node.js中，通过串口库发送命令。以下是一个Python示例： ```python import serial ser = serial.Serial('/dev/ttyUSB0', 9600, timeout=1) # 波特率通常为9600 ser.write(b'POWR0001\r') # 开机命令 ``` 将此脚本集成到自动化平台（如Home Assistant的shell_command），即可实现语音、定时或场景联动。 ### 实际应用场景 - **家庭影院自动化**：播放电影时，自动开启电视、切换HDMI输入并调暗灯光。 - **商业数字标牌**：根据日程定时开关显示屏，或通过中央控制系统统一管理多台电视。 - **辅助功能增强**：为视障用户设计语音控制电视的解决方案，避开复杂的菜单导航。 ### 注意事项 - 不同厂商的命令格式差异较大，务必从官方文档获取协议细节。 - 部分电视的RS-232端口仅在特定模式下工作（如“服务模式”），需提前调试。 - 长期使用时，建议使用光电隔离模块保护电视主板。 RS-232接口的存在提醒我们：在追求无线和智能的同时，**物理层的可靠性依然是自动化系统的基石**。对于喜欢深度定制的技术爱好者，这无疑是一个值得挖掘的宝藏。
随着中期选举临近，美国科技巨头在联邦AI立法上的游说努力进入最后冲刺阶段。数月来，他们一直追求“优先购买权”——即通过一部统一的联邦法律取代各州零散的AI监管规则。然而，这一努力屡遭政治阻力，如今面临国会可能易主、民主党更不合作的局面。为此，白宫提出了一项争议性方案：将AI监管优先权法案与《儿童在线安全法案》（KOSA）捆绑推进。 据本周泄露的消息，白宫已通知儿童安全组织和科技公司，将支持由参议员玛莎·布莱克本联合起草的KOSA版本，作为整体优先权方案的一部分。此举意图借助儿童安全这一两党共识议题，为AI监管法案争取政治动能。然而，这一计划已遭遇多重阻碍：众议院共和党人未被提前告知，而此前参与KOSA起草的民主党人也感到被排除在外。此外，另一项两党支持的AI优先权法案仍在审议中，进一步增加了局势的复杂性。 科技巨头的算盘是：通过“搭车”儿童安全立法，在中期选举前锁定一个相对友好的联邦AI框架。但批评者指出，儿童安全只是AI监管的一个侧面，真正的核心问题——如前沿模型安全、歧视、环境影响等——可能被边缘化。这场博弈的结果，将直接影响美国未来数年AI产业的监管走向。
Anthropic 于 2026 年 6 月 11 日宣布启动 **Claude Corps**（克劳德军团）——一项面向早期职业者的全国性奖学金计划，旨在将 AI 的好处扩展到美国各地的社区。该项目将选拔 **1,000 名** 学员，教授他们如何高效使用 Claude，然后将其匹配到非营利组织，进行为期一年的全职、线下工作，帮助这些组织推进其使命。Anthropic 承诺为该计划初步投入 **1.5 亿美元**。 ## 双重目标：赋能组织与培养人才 Claude Corps 的目标有两个：一是让合作组织获得有价值的工具和系统，二是让学员积累可在职业生涯中受用的 AI 技能。Anthropic 认为，变革性 AI 系统的益处可能伴随着显著的颠覆成本，而开发这项技术的公司有责任确保其收益被充分实现并广泛分享，同时直接投资于承受变革的劳动者。 ## 三方合作架构 Claude Corps 由三个组织共同运营： - **Anthropic**：负责资金、整体战略和 Claude 专业知识支持 - **CodePath**：作为学员的官方雇主，负责奖学金期间的课程安排 - **Social Finance**：负责测量与评估，并构建长期金融工具以支持项目扩展 ## 学员体验与待遇 每位学员的奖学金期为 **12 个月**。项目初期，Anthropic 和 CodePath 会提供关于在非营利场景中使用 Claude 的强化培训。学员被分配后，每周将接受五小时的持续培训，其余时间投入合作组织的工作。学员将获得 **85,000 美元** 的全职年薪及福利、CodePath 导师支持、Anthropic 的技术答疑时间、充足的 Claude token 预算，以及合作组织管理者的职业指导。 未来 12 个月内，至少 **400 家** 非营利组织将 hosting Claude Corps 学员，其中包括 Braven（芝加哥）等机构。 ## 行业背景与意义 这一举措与 Anthropic 关于 AI 对工作影响的政策框架同步发布。在 AI 快速渗透各行各业的背景下，大型模型公司主动承担社会责任、投资于人才培养和公益应用，正成为行业趋势。Claude Corps 不仅为非营利组织提供了 AI 能力，也为早期职业者创造了独特的技能提升路径，有望成为“在巨大经济变革时期扩大 AI 收益”的可复制模型。
在选购新电脑时，内存（RAM）容量常常让人纠结。结合多年Windows和Mac的使用经验，我认为**16GB已成为2026年的新标准**，足以应对日常办公、网页浏览和轻度创意工作。对于重度用户——如视频剪辑师、程序员或大型游戏玩家——32GB甚至更高容量能提供更流畅的体验。 ## 为什么16GB是底线？ 过去几年，操作系统和应用的资源需求不断攀升。Windows 11和macOS Ventura的默认内存占用已超过4GB，而Chrome浏览器开几个标签页就能吃掉8GB。8GB内存的设备在多任务时明显卡顿，频繁出现系统响应延迟。16GB则能保证同时开启多个办公软件、浏览器和通讯工具时依然流畅。 ## 谁需要更多？ - **创意工作者**：使用Adobe Premiere Pro、DaVinci Resolve或Blender等软件时，32GB可显著减少渲染时间，并允许同时处理大型项目文件。 - **开发者**：运行虚拟机、Docker容器或大型IDE（如Visual Studio）时，16GB可能捉襟见肘，32GB能避免内存不足导致的编译中断。 - **游戏玩家**：现代3A大作推荐16GB，但若同时直播或后台运行Discord、浏览器，32GB能防止帧率波动。 ## 升级时机与注意事项 如果你的电脑经常出现以下情况，就该考虑升级： - 任务管理器显示内存占用长期超过80%； - 切换应用时出现明显延迟或系统提示内存不足； - 运行大型软件时风扇狂转、机身发热。 **注意**：部分轻薄本（如MacBook Air）的内存是焊接在主板上的，无法后续升级，购买前需一步到位。而多数Windows笔记本和台式机支持更换或添加内存条，未来可按需扩展。 ## 总结 2026年，**16GB是平衡性能与成本的最佳选择**，适合绝大多数用户。如果你预算充足或有专业需求，32GB能提供更长久的保障。内存并非越大越好，但过低会影响整体体验。根据实际使用场景做出选择，才是明智的升级策略。
一家名为 **Tensordyne** 的 AI 芯片初创公司近日放出豪言，其新型处理器在推理速度和能效上全面超越行业巨头英伟达。据 IEEE Spectrum 报道，该公司的核心技术在于采用**对数数学（logarithmic math）**来加速 AI 推理计算。 Tensordyne 推出的 **Napier 系统**，单个机箱可容纳 72 颗自研芯片，整体仅占四分之一标准服务器机架空间。公司声称，这一系统在运行主流大语言模型时，**推理延迟比英伟达 H100 降低数倍**，同时功耗仅为后者的几分之一。 ### 对数数学为何能提速？ 传统 AI 芯片依赖浮点或整数乘法加法运算，而 Tensordyne 将模型权重和激活值映射到对数域，将乘法转化为加法，大幅简化电路逻辑。这一设计不仅减少了每个计算步骤的晶体管数量，还使得单位功耗下可集成更多计算单元。 创始人兼 CEO 表示：“对数表示天然适合神经网络中大量出现的乘加操作，我们通过定制硬件将这一理论优势转化为实际性能。” 不过，对数计算会引入精度损失，Tensordyne 称已通过混合精度校准技术将误差控制在可接受范围内。 ### 对标英伟达的底气 与英伟达通用 GPU 路线不同，Tensordyne 走的是**专用推理加速**路线。其芯片去除了图形渲染、通用并行计算等冗余功能，专注于 Transformer 架构的矩阵运算。 在演示中，Napier 系统运行 Llama 2-70B 模型时，生成每个 token 的能耗仅为 H100 的 1/5，而吞吐量提升 3 倍以上。对于大规模部署场景，这意味着数据中心运营成本可大幅削减。 ### 挑战与前景 尽管成绩亮眼，Tensordyne 仍面临生态壁垒。英伟达的 CUDA 平台和 TensorRT 推理引擎已形成庞大开发者生态，而 Tensordyne 需要从零构建软件栈。公司表示已兼容 PyTorch 和 ONNX Runtime，但实际迁移效果尚待验证。 此外，对数数学在低精度场景下的稳定性问题仍需长期测试。业界分析师指出：“理论峰值性能是一回事，实际部署中的鲁棒性才是关键。” 目前 Tensordyne 已获得多家风投注资，首批 Napier 系统预计于 2025 年 Q2 向客户交付。若其承诺的性能提升得以兑现，AI 推理芯片市场或将迎来真正的“破局者”。
由数十名网络安全专家组成的团体致信白宫，要求解除对Anthropic的Fable和Mythos模型的出口管制，称这一限制削弱了防御者的能力，而对手正在快速进步。 ## 事件背景 上周末，美国政府以国家安全为由，命令Anthropic限制其最强模型Fable和Mythos的出口，但未说明具体原因。Anthropic随即暂停了全球用户对这两款模型的访问。此举引发网络安全界强烈反弹。 ## 专家联名抗议 76位知名网络安全专家联名发表公开信，包括前Facebook首席安全官**Alex Stamos**、Bugcrowd创始人**Casey Ellis**、密码学家**Jon Callas**、计算机科学家**Paul Vixie**、Block前应用安全工程主管**Dino Dai Zovi**、Luta Security创始人**Katie Moussouris**以及SocialProof Security CEO **Rachel Tobac**等。信中指出：“这一行动从防御者手中夺走了最好的模型，而对手正在快速进步，没有充分理由就剥夺防御者的最佳能力是危险的。” ## 模型能力与限制 Mythos于今年4月以预览形式发布，Anthropic称其强大到足以发现安全漏洞，因此严格限制访问，最初仅向约50家公司开放，近期扩大到15个国家的约150家组织。上周，Anthropic发布了Fable——Mythos的公开版本，并设置了严格护栏，禁止其在生物、化学和网络安全领域的应用，同时防止模型被蒸馏复制。然而，这些护栏过于严格，许多网络安全专家发现，几乎所有与网络安全相关的提示都被阻止。 ## 争议焦点 Anthropic认为，白宫的出口管制命令可能基于一份报告，该报告称存在一种绕过Fable护栏的方法，从而解锁其Mythos级别的强大能力。但专家们反驳称，这种限制反而让防御者无法利用最先进的AI工具来保护系统，而恶意行为者可能仍在寻找漏洞。 ## 行业影响 这一事件凸显了AI安全与可用性之间的深刻矛盾。一方面，政府担心强大模型被滥用；另一方面，安全社区认为限制反而削弱了防御能力。随着AI在网络安全领域的应用日益关键，如何平衡安全与开放成为亟待解决的问题。
Salesforce 宣布以 **36 亿美元** 收购 AI 客服平台 **Fin**（前身为 Intercom），旨在利用其团队和技术强化旗下企业级 AI 代理平台 **Agentforce**。 ### 收购细节与战略意图 - **交易金额**：36 亿美元，预计在 Salesforce 2027 财年第四季度（即 2027 年初）完成。 - **整合方向**：Fin 的 AI 代理技术、客户成功理念及团队将融入 Agentforce，增强其服务代理能力。 - **高管表态**：Salesforce CEO Marc Benioff 表示，Fin 带来了“经过验证的代理技术、对客户成功的深度承诺以及出色的 AI 团队”，将帮助各类企业“通过可信赖的代理实现可衡量的规模化成果”。 ### Fin 的技术与产品实力 Fin 提供跨渠道（实时聊天、WhatsApp、短信、电话、Slack 等）的 AI 客服代理，能自动解决客户查询。其 CEO Eoghan McCabe 在 X 平台发文称，近年来 Fin 密集发布了多项创新，包括模型 **Apex** 和内部代理 **Operator**，并表示“借助 Salesforce 的资源，这一切只会加速”。他还强调，收购后他本人将继续担任 CEO，联合创始人 Des 仍负责研发，团队和产品方向基本不变。 ### 行业背景与竞争格局 此次收购发生在 AI 代理赛道白热化竞争时期。Salesforce 此前已推出 **Agentforce**，允许企业构建自定义 AI 代理以自动化任务。通过收购 Fin，Salesforce 不仅获得了成熟的多渠道客服能力，还吸纳了顶尖 AI 人才，进一步巩固其在企业级 AI 客服领域的地位。 ### 对客户与市场的影响 - **现有客户**：Fin 客户短期内体验不变，长期将受益于 Salesforce 的生态资源。 - **市场信号**：36 亿美元的高价反映了 AI 代理市场的巨大潜力，也表明 Salesforce 正全力押注这一方向。 - **竞争压力**：此举可能加剧与 Zendesk、Freshworks 等竞品的差距，同时推动更多并购整合。 ### 小结 Salesforce 收购 Fin 是一笔战略意义大于财务意义的交易。通过整合 Fin 的 AI 能力和团队，Salesforce 有望加速 Agentforce 的进化，提供更强大的全渠道 AI 客服解决方案，从而在 AI 企业服务领域占据更有利的位置。
## 从远程操控到产业格局：Skydio CEO 谈无人机未来 在最新一期《Decoder》播客中，The Verge 主编 Nilay Patel 与 Skydio 首席执行官 **亚当·布里** 展开了一场深度对话。作为美国领先的自主无人机制造商，Skydio 正站在行业变革的十字路口——中国竞争对手因禁令退出美国市场，军事 AI 应用争议不断，而企业级需求正以前所未有的速度增长。 ### 远程飞行的震撼体验 节目录制前，Patel 在纽约演播室通过亚当的笔记本电脑，远程操控了一架位于湾区的 Skydio X10 无人机，并在办公室内体验了室内飞行。这一演示不仅展示了 Skydio 在远程操控技术上的成熟度，更暗示了无人机在跨地域巡检、应急响应等场景中的潜力。 ### 企业市场：从“廉价替代”到“唯一选择” 当被问及为何专注企业市场时，亚当强调，Skydio 的核心客户是公用事业公司——它们使用无人机远程检查关键基础设施（如输电塔、管道），完成此前不可能完成的任务。然而，这一市场过去长期被中国制造的廉价消费级无人机占据。**2025 年底特朗普政府禁止外国制造无人机**后，大量 DJI 产品一夜消失，留下高价但可靠的 Skydio 作为主要替代品。亚当坦言，在美国制造复杂无人机面临巨大成本挑战，但这也是建立供应链韧性的必由之路。 ### 军事 AI：不画红线，但坚持原则 面对日益敏感的军事 AI 话题，亚当的立场引人关注。他拒绝为无人机使用“划设红线”，认为技术本身是中性的，关键在于应用场景和决策流程。Skydio 与军方的合作集中在非致命任务，如侦察、态势感知，而非自主攻击。亚当认为，**用 AI 增强人类决策能力**，而非取代人类，是更负责任的路径。他同时强调，Skydio 的 AI 模型在训练时就嵌入了伦理考量，并持续与政策制定者对话。 ### 中国禁令与产业重构 特朗普禁令的连锁反应远超预期。美国市场一夜之间从“价格竞争”转向“能力竞争”。Skydio 虽然受益于本土替代需求，但产能瓶颈明显。亚当透露，公司正大力投资自动化产线和 AI 辅助制造，**用 AI 本身来解决制造人力短缺**——这一思路颇具讽刺意味：AI 公司用 AI 来自动化自身生产。 ### 小结：争议中的增长路径 整场对话中，亚当始终试图平衡商业现实与伦理责任。他承认无人机在监控、执法中的风险，但坚持“更好的工具”能提升安全而非威胁自由。对于硅谷常见的“红线”讨论，他直言：**“技术公司不应自我设限，而应参与制定规则。”** 这种实用主义立场，或许正是 Skydio 在动荡市场中持续扩张的哲学基础。 （注：本文基于播客内容整理，部分信息如具体销售数据、禁令生效日期等未在原文中明确提及，故未采用。）
在 AI 驱动的研究工作流中，一个常见痛点是“深度”与“上下文”的冲突：当代理读取十个网页时，其上下文窗口被原始内容填满；如果同时运行数据分析代码，图表生成逻辑又会挤占战略推理的空间。传统做法是手动提示链或顺序处理，但效率低下。现在，**LangChain Deep Agents** 与 **Amazon Bedrock AgentCore** 的组合提供了一种更优雅的解决方案。 ### 核心思路：隔离子代理，各司其职 Deep Agents 负责编排，它能够按需生成临时的专业子代理，并管理其生命周期。而 Bedrock AgentCore 则为每个子代理提供所需的基础设施：包括一个真实的浏览器（运行在 MicroVM 中，用于网页研究）和一个完整的 Python 环境（用于数据分析）。AgentCore 还作为 Deep Agents CLI 的原生沙箱提供者，开发者只需运行 `deepagents --sandbox agentcore` 即可体验 AgentCore 的代码解释器功能。 ### 实战：构建一个竞争情报研究代理 本文将通过一个端到端的示例，演示如何构建一个竞争研究代理。该工作流面向需要为代理构建多步骤 AI 工作流，且需要隔离执行环境的开发者。 **工作流步骤：** 1. **协调代理** 接收请求，首先检查 AgentCore Memory 中是否有过往的研究洞察。 2. 并行生成三个**浏览器子代理**，每个代理在自己的 AgentCore Browser MicroVM 中访问一个竞争对手的网站，收集结构化信息。 3. 当三个子代理返回结果后，一个**分析子代理**接收合并数据，并使用 AgentCore Code Interpreter 生成对比图表和 Markdown 报告。 4. 最后，关键洞察被保存到 AgentCore Memory 中，供未来会话使用。 整个工作流可以通过 Amazon CloudWatch（通过 Amazon Bedrock AgentCore Observability）或 LangSmith 进行追踪。每个子代理类型仅能访问其特定的工具集：研究人员使用浏览器工具，分析师使用解释器工具，协调者使用内存工具。 ### 架构图解 下图展示了数据流：LangChain Deep Agents 编排器位于顶层，向下连接多个 Amazon Bedrock AgentCore Browser MicroVM 和 Code Interpreter，同时与 AgentCore Memory 交互。 ### 部署与扩展 文章的第二部分将介绍如何通过 AgentCore CLI 将同一个代理部署到 Bedrock AgentCore Runtime，使其作为托管、会话隔离的服务运行。 ### 总结 这种“Deep Agents + Bedrock AgentCore”的组合，为构建复杂 AI 研究代理提供了一种可扩展、安全且高效的范式。通过将不同任务分配给隔离的子代理，开发者能够突破上下文窗口的限制，同时利用托管基础设施简化运维。
印度AI初创公司Sarvam AI宣布完成**2.34亿美元**融资，估值达到**15亿美元**，成为印度最新的AI独角兽。本轮融资由印度IT服务巨头**HCLTech**领投，出资**1.5亿美元**，Bessemer Venture Partners以及现有投资者Khosla Ventures、Peak XV Partners参投。Sarvam计划在C轮融资中总计募集3亿美元。 此次融资距Sarvam此前完成4100万美元的种子轮和A轮融资已过去两年多。今年早些时候，Sarvam发布了**300亿**和**1050亿参数**的开源模型，专注于印度语言和本土应用场景。其产品已部署在银行、保险、政府服务和国防等领域。 Sarvam致力于打造全栈AI业务，涵盖模型开发、推理基础设施和企业应用。HCLTech的投资为其提供了强大的战略合作伙伴，双方计划将Sarvam的AI模型与HCLTech的企业关系、工程团队和软件资产相结合，为企业和政府构建AI产品。 这笔投资反映了全球对**主权AI能力**的日益重视。随着各国对先进模型和计算基础设施的担忧加剧，印度正成为全球最重要的AI市场之一。OpenAI和Anthropic均将印度视为仅次于美国的第二大市场，但印度本土在基础模型领域的竞争者寥寥无几。高昂的计算成本和有限的资本使得印度初创企业难以与中美对手抗衡，Sarvam成为少数试图构建本土基础模型的公司之一。 值得注意的是，就在上周，Anthropic因安全原因禁用了其最新模型Fable 5的部分功能，进一步凸显了AI主权和控制权的重要性。Sarvam的崛起标志着印度在AI基础设施自主化方面迈出了关键一步。
## 从卡车车轴到能源革命：一个大学实验如何开启美国风电时代 1976年，马萨诸塞大学阿默斯特分校的一支团队在校园最高点奥查德山竖起了一台风力发电机。这台名为“Wind Furnace”的装置，最大功率仅**25千瓦**，与现代高达26兆瓦的巨型风机相比微不足道，但它却被称为美国风电产业的“点火器”。 ### 简陋的起点，非凡的野心 这台涡轮机的核心部件来自一辆**福特卡车的后轴**，叶片是手工制作的钢和玻璃纤维，总长4.5米。团队还使用了一台捐赠的发电机与微控制器，以及一根蒸汽管道。项目由退休美国海军上尉、教授**威廉·赫罗尼穆斯**领导，他曾在二战中获得铜星勋章，设计过核潜艇，并参与北极星导弹项目。赫罗尼穆斯于1967年加入马萨诸塞大学，原本从事海洋工程，但1973-1974年石油危机后，他将目光转向了风能，希望为农村家庭提供供暖，减少美国对进口石油的依赖。 为了证明风能的实用性，团队还在奥查德山组装了一栋模块化住宅，安装由涡轮机供电的加热器。结果出乎意料：加热效果太好，以至于冬天需要开门降温。项目电气系统设计者迈克尔·埃兹回忆说：“我们不得不在严冬打开门，屋里实在太热了。” ### 行业先驱的遗产 1975年至1976年，这支由研究生、教授和一名早熟本科生组成的团队，用极低的预算证明了风能的技术可行性。当时，公众对风能的印象还停留在荷兰风车和吱嘎作响的抽水机上。赫罗尼穆斯团队的工作向能源界传递了一个信号：风能可以成为现代电力系统的组成部分。 尽管Wind Furnace的功率很小，但它为后续商业化发展奠定了基础。今天，美国风电装机容量已超过140吉瓦，成为可再生能源的重要支柱。赫罗尼穆斯于2004年去世，但他的远见和“用卡车车轴造风机”的务实精神，至今仍激励着清洁能源创新者。 ### 小结 一台由废旧零件拼凑的25千瓦风机，在50年前开启了美国风电产业的先河。它提醒我们：重大技术突破往往始于看似简陋的实验，而推动变革的，是那些敢于用有限资源挑战传统认知的人。
一家名为 **NewCore** 的网络安全初创公司近日以6600万美元的种子轮融资走出隐身模式，瞄准了企业即将面临的新挑战：如何为大规模部署的AI代理进行身份验证、治理和控制。本轮融资由网络安全风投基金 **Cyberstarts** 领投，**Index Ventures** 和 **Evolution Equity Partners** 跟投，投后估值达3亿美元。 ## 从“工具”到“同事”的身份革命 企业正在将AI代理视为工作场所的参与者，而非单纯的软件工具。**高盛**去年曾将AI编程代理 **Devin** 作为“新员工”进行测试；**麦肯锡**则在今年早些时候表示，已有2.5万个AI代理与其6万名员工协同工作。NewCore 押注，企业最终将需要像管理人类员工一样管理这些“数字员工”。 联合创始人兼CEO **Zohar Alon** 认为，身份系统已成为企业安全最薄弱的环节之一。他曾创立云安全初创公司 Dome9，后被 Check Point 收购。Alon 表示，AI代理的兴起让他和联合创始人确信，现有的身份平台无法应对软件工作者与人类员工共存的未来。“我们知道，这些AI代理给已有15到20年历史的身份平台带来的规模和复杂性，将彻底压垮它们。” ## 统一管理：人类与AI代理的身份融合 NewCore 的平台旨在用单一系统管理人类和AI代理的身份。其核心理念是：AI代理应被视为“一等公民”身份，拥有独立的权限、生命周期控制和撤销机制，而非传统的服务账户或机器凭证。 Alon 回忆，早在2023年，他在帮助一家公司审查技术预算时，看到其身份供应商的账单金额巨大，以为客户一定很满意。但对方却直言：“不，我并不满意。”这次对话强化了他的信念：身份管理已经落后于时代需求。 ## 团队背景与行业前景 NewCore 的联合创始人还包括 CTO **Amihai Neiderman**（前以色列情报部队8200研究负责人、医疗AI初创公司 Nym Health 创始人）和 CCO **Erez Yarkoni**（前 T-Mobile 美国及 Telstra 的 CIO）。这支兼具网络安全、AI和大型企业IT管理经验的团队，正试图定义AI时代的身份管理新标准。 随着AI代理从辅助工具演变为自主执行任务的“数字员工”，企业安全边界正在重塑。NewCore 的融资和定位表明，投资者相信这一细分市场将迎来爆发式增长。
今年4月，一颗地球观测卫星首次在没有地面分析师干预的情况下，自主完成了目标识别任务。这一里程碑由**Loft Orbital**公司建造的YAM-9卫星搭载**NASA喷气推进实验室（JPL）**开发的软件包实现，该软件基于**Google DeepMind的Gemma 3**视觉语言模型（VLM），能够在轨处理自然语言查询并识别感兴趣区域。 传统上，卫星需将大量原始数据下载至地面，由分析师借助算法或人工判断。而YAM-9的VLM可直接在星上对传感器数据进行分类——例如识别自然与人类活动交界地带，或定位铁路枢纽附近的基础设施。 ### 短期影响：数据筛选效率革命 Loft Orbital的AI负责人**Paul Lasserre**表示，这一技术使卫星能进行**在轨数据初筛**，大幅减少下传数据量。分析师不再需要从海量原始数据中手动筛选，而是直接获取卫星自主标记的“高价值”片段。这对于军事侦察、灾害监测、环境监控等领域意义重大——例如卫星可持续监视边境，仅在检测到异常时向地面发送警报。 ### 长期愿景：太空中的“常驻哨兵” Lasserre称，VLM的部署为**太空持续监控层**打开了大门。未来，卫星群可自主执行逻辑任务，如“监视这片区域，发现可疑活动立即通知”，并与地面进行交互式对话。这标志着从“被动数据收集”到**主动智能感知**的范式转变。 ### 技术基础与商业潜力 YAM-9于2025年秋季发射，作为Loft Orbital的**轨道AI试验平台**，搭载了**Nvidia Jetson Orin AGX GPU**——太空计算领域的领先芯片。该公司采用**基础设施即服务**模式，为第三方客户提供卫星平台。近期，Loft与EarthDaily达成协议，将建造并运营6颗新卫星，在星上分析并销售采集的数据。 这一演示验证了**在轨VLM的可行性**，也为更大规模AI基础设施进入太空铺平了道路。随着芯片算力提升和模型轻量化，未来卫星有望实现“自主决策”，甚至协同编队完成复杂任务。 ### 挑战与展望 尽管里程碑意义显著，但当前演示仍处于早期阶段。在轨AI面临辐射、功耗、带宽等限制，且需要解决模型校准与伦理问题。不过，Loft Orbital和NASA JPL的合作已证明，**边缘AI在太空并非空想**。随着更多类似YAM-9的试验卫星升空，太空智能感知的时代正在加速到来。
## 从外卖依赖到数据库饮食管理 作为曾经的“外卖狂人”，我几乎每顿饭都依赖快餐或外卖，直到疫情改变了一切。居家烹饪让我意识到，饮食管理的关键不在于计算卡路里或严格节食，而在于**减少决策疲劳和冲动消费**。于是，我以每月12美元的成本，用Airtable搭建了一个简单的饮食规划数据库，彻底改变了我的饮食习惯。 ### 为什么是Airtable？ 传统的饮食App往往聚焦于热量、宏量营养素等指标，但对我来说，真正的痛点在于**“吃什么”的决策本身**。每天面对冰箱或外卖列表时的犹豫，往往导致最后选择高油高盐的即食食品。Airtable的灵活性让我可以自定义字段：菜品名称、食材清单、烹饪时间、口味偏好等，甚至关联到每周的购物清单。 ### 系统如何运作？ 1. **提前规划**：每周花30分钟，在Airtable中录入未来几天的餐食安排。 2. **自动生成购物清单**：基于所选菜品，数据库自动汇总所需食材，避免重复购买或遗漏。 3. **减少冲动消费**：当想叫外卖时，先查看数据库中的备选方案，往往发现冰箱里已有足够食材。 ### 实际效果 - **外卖频率下降约70%**：因为提前规划，临时叫外卖的冲动大幅减少。 - **食物浪费减少**：购物清单精准，不再因“不知道买什么”而囤积多余食材。 - **饮食质量提升**：更多蔬菜和蛋白质摄入，精制糖和油炸食品显著减少。 ### 成本与收益 每月12美元的Airtable订阅费，相比之前频繁的外卖开销（每月轻松超过300美元），**投资回报率极高**。更重要的是，它带来的健康改善和决策压力缓解，远非金钱可以衡量。 ### 适用人群 这套系统特别适合**被“饮食噪音”困扰的人**——不是需要严格节食的运动员，而是希望建立可持续健康习惯的普通人。无需复杂的营养学知识，只需一个简单的数据库和一点规划时间。 ## 小结 饮食管理的核心不是“吃什么”，而是“如何决定吃什么”。Airtable提供了一个低成本的决策框架，让健康饮食变得像填写表格一样简单。如果你也厌倦了外卖的重复和决策的疲惫，不妨试试用数据库为自己搭建一个饮食导航系统。
2026年，安卓阵营的拍照旗舰之争在Vivo X300 Ultra与三星Galaxy S26 Ultra之间展开。原本以为Vivo凭借三颗超大底传感器会轻松胜出，但实际对比后，三星在多个方面带来了惊喜。 ## 硬件规格对比 | 配置 | 三星 Galaxy S26 Ultra | Vivo X300 Ultra | |------|----------------------|-----------------| | 主摄 | 200MP（OIS、PDAF），1/1.3英寸传感器，f/1.4光圈，23mm等效焦距 | 200MP（OIS、激光对焦、PDAF），1/1.12英寸传感器，f/1.9光圈，35mm等效焦距 | | 长焦 | 50MP潜望式（OIS、PDAF），1/2.52英寸，f/2.9，5倍光变；10MP（OIS、PDAF），1/3.94英寸，f/2.4，3倍光变 | 200MP潜望式（OIS、PDAF），1/1.4英寸，f/2.7，3.7倍光变，支持微距 | | 超广角 | 50MP（PDAF），1/2.5英寸，f/1.9 | 50MP（OIS、PDAF），1/1.28英寸，f/2.0 | 从参数看，Vivo的传感器尺寸全面占优，尤其主摄和长焦的底都更大，理论上进光量和细节表现更佳。 ## 主摄表现：35mm vs 23mm 的取舍 Vivo X300 Ultra今年将主摄焦距改为35mm，这意味着无需依赖数码裁切即可获得更自然的视角。相比之下，三星S26 Ultra的23mm焦距更广，适合风景和多人合影。实际拍摄中，Vivo的35mm视角更接近人眼所见，构图更紧凑；而三星的广角则提供了更多灵活性。不过，Vivo也允许用户将35mm设为默认，或通过超广角裁切获得23mm视角，但画质会有所损失。 ## 出人意料的惊喜 尽管Vivo在传感器尺寸上占优，但三星在色彩科学、白平衡稳定性和对焦速度上表现出色。尤其是在复杂光线场景下，三星的HDR处理更自然，高光压制和暗部细节保留均衡。而Vivo的算法有时会过度锐化，导致画面略显生硬。 此外，三星的5倍光学长焦在远摄场景下解析力优于Vivo的3.7倍，而Vivo的长焦微距功能则是一大亮点，能拍摄出极具质感的细节特写。 ## 小结：并非一边倒的胜利 这场对决并非Vivo的碾压局。三星凭借成熟的算法调校和稳定的综合体验，依然保持了竞争力。对于追求极致硬件参数的用户，Vivo X300 Ultra无疑是首选；但若更看重拍摄的便捷性和一致性，三星Galaxy S26 Ultra仍是可靠之选。最终选择取决于个人偏好：你是想要更大的底和独特视角，还是更均衡的日常体验？
随着电费持续上涨，家庭太阳能方案正从小众走向主流。ZDNET编辑Maria Diaz分享了她利用Anker Solix F3800 Plus搭配两块410W太阳能板的后院发电系统，每月节省电费约12至25美元，发电量最高可达130kWh。 ## 系统配置与性能 这套820W的太阳能系统由Anker Solix F3800 Plus储能电源和两块410W单晶硅太阳能板组成。F3800 Plus容量为3.84kWh，支持扩展至更高容量，输出功率最高3000W，可满足冰箱、路由器、照明等基础家电的应急供电。在理想日照条件下，每日发电约4.3kWh，足以覆盖普通家庭日间部分用电。 ## 实际省钱效果 Diaz根据当地电价计算，该系统每月可节省电费约20美元。具体节省金额受地理位置、面板倾斜角度、当地电价等因素影响，一般在12至25美元之间。以10年使用寿命估算，扣除设备成本后，净节省约1500至3000美元。 ## 与全屋备用电源的对比 相比动辄上万美元的全屋太阳能+电池系统，这套方案初始投资更低，且可逐步扩展。F3800 Plus支持最多6块扩展电池，总容量可升至26.88kWh，适合希望分阶段投入的用户。不过，其便携性不如小型电站，重量约45公斤，移动不便。 ## 安装与使用体验 Diaz将太阳能板放置在后院朝南位置，通过专用连接线接入F3800 Plus。设备支持App监控发电量、剩余电量和负载情况。她指出，冬季或阴天发电量会显著下降，建议配合电网使用。系统噪音极低，适合住宅区。 ## 行业背景与趋势 近年来，随着光伏组件成本下降和储能技术成熟，家庭太阳能市场快速增长。类似Anker Solix这样的模块化方案降低了入门门槛，让更多用户无需复杂安装即可享受清洁能源。不过，政策补贴和净计量政策的变化会影响长期收益，用户需关注本地法规。 总体而言，这套系统适合有后院空间、希望降低电费且不急于一次性投入的用户。对于电费较高或经常停电的地区，其价值更为突出。
拿到一部全新的 Android 手机，Google 信息（Messages）往往是最先打开的 app 之一。但默认设置并不总是最优解，有些选项甚至会让你被通知轰炸、隐私暴露或界面混乱。以下是我每次设置新机时必改的 **9 个设置**，它们能让短信体验更干净、更安静、更私密。 ### 1. 关闭“建议回复” 默认开启的智能回复虽然方便，但有时会推荐一些尴尬的短语。在 **设置 > 建议** 中关闭“建议回复”即可。 ### 2. 禁用“聊天功能”中的“发送已读回执” 如果你不想让对方知道已读消息，可以在 **设置 > 聊天功能** 中关闭“发送已读回执”。注意，这也会影响 RCS 聊天体验。 ### 3. 关闭“自动下载附件” 在 **设置 > 高级 > 自动下载附件** 中，建议关闭“漫游时自动下载”和“自动下载附件”，避免后台消耗流量。 ### 4. 启用“暗黑模式” 在 **设置 > 主题** 中选择“深色”，省电且护眼。 ### 5. 关闭“通知预览” 在系统通知设置中，将 Google 信息的“通知类别”中的“预览”关闭，防止敏感信息在锁屏显示。 ### 6. 开启“垃圾短信保护” 在 **设置 > 垃圾短信保护** 中确保开关打开，Google 会自动过滤可疑短信。 ### 7. 禁用“表情符号反应” 在 **设置 > 聊天功能** 中关闭“显示表情符号反应”，避免对方用 iPhone 的 Tapback 时转为尴尬的文字描述。 ### 8. 调整“通知音”与“振动” 在系统通知设置中，为 Google 信息单独设置静音或低干扰模式，避免每条短信都打扰你。 ### 9. 开启“端到端加密”确认 在 **设置 > 聊天功能** 中，确认 RCS 聊天已启用（加密自动生效）。如果对话显示“加密”，则安全。 以上设置调整只需几分钟，却能显著改善日常使用体验。如果你还有自己的必改项，欢迎在评论区分享。
学生身份不仅是学习的凭证，更是一张隐形的“省钱会员卡”。如果你知道去哪里寻找，校园生活可以比想象中更经济。以下是我精心挑选的几项学生折扣，每月最高可节省 **25美元**，覆盖流媒体、软件、购物等多个领域，不容错过。 ## 流媒体服务：娱乐与学习两不误 许多流媒体平台为学生提供专属优惠。例如，**Spotify Premium** 的学生套餐不仅包含无广告音乐，还附赠 **Hulu** 和 **Showtime** 的订阅，每月仅需 **5.99美元**（原价约15美元）。**Apple Music** 同样提供学生价，每月 **5.99美元**，并可免费使用 Apple TV+ 一段时间。**Amazon Prime Student** 则提供6个月免费试用，之后以 **7.49美元/月** 的价格享受 Prime 视频、免费配送等权益，相比普通会员节省近一半。 ## 软件与工具：学习生产力最大化 对于需要专业软件的学生来说，折扣尤为重要。**Adobe Creative Cloud** 提供首年 **60%** 的优惠，每月约 **19.99美元**，涵盖 Photoshop、Premiere Pro 等全套工具。**Microsoft 365 教育版** 对学校邮箱用户免费提供 Word、Excel 等基础应用，而 **Notion** 的 Plus 计划对学生永久免费。编程学习者还可通过 **GitHub Student Developer Pack** 获取价值数千美元的开发工具和云服务额度。 ## 购物与生活：日常开销的隐形减免 实体店和线上零售商也青睐学生群体。**Apple 教育优惠** 购买 Mac 或 iPad 可节省最高 **150美元**，并附赠 AirPods 或礼品卡。**Best Buy** 的 **Student Plus** 会员年费仅 **19.99美元**，提供专属折扣和延长退货期。服装品牌如 **Nike、Adidas** 通过 Unidays 平台提供 **10%-20%** 的折扣。**亚马逊** 的 Prime Student 还包含 GrubHub+ 学生会员，每月可免配送费点餐。 ## 如何激活这些优惠？ 大多数折扣需要验证学生身份。常用平台包括 **Unidays** 和 **SheerID**，只需提供学校邮箱或上传学生证即可。建议将常用服务的折扣集中管理，避免错过续费提醒。部分优惠有试用期，记得在收费前取消不需要的订阅。 ## 小结 学生折扣并非小打小闹，每月节省 **25美元** 相当于一年 **300美元**，足够购买一本昂贵的教材或一次短途旅行。善用这些福利，让你的学生生涯更轻松。如果你有更多发现，欢迎在评论区分享！
Meta 正在测试由一家向美国警方和军方销售监控工具的公司所开发的面部识别软件，探索将该技术引入其智能眼镜。根据 WIRED 获得的软件许可，这一合作由丹佛公司 Rank One Computing 提供，该公司约 80% 的收入来自政府客户，其面部识别技术已被美国法警局和海军刑事调查局使用。许可授权 Meta 使用 Rank One 的面部识别及活体检测功能，支持多达 1000 万个面部模板，目前仍处于激活状态。尽管该功能从未对用户开放，但 WIRED 审查的代码显示，Rank One 的集成痕迹曾出现在本月发布的 Meta 应用版本中，处于休眠状态。Meta 于 6 月 5 日彻底删除了这些代码。这标志着消费级产品与政府监控技术之间的界限日益模糊。
当数万名科技从业者被扫地出门的同时，一小撮AI内部人士正以难以想象的规模暴富。这种两极分化的图景，正让AI行业的裁员潮演变为一触即发的火药桶。 ## 冰火两重天的行业现状 过去一年，科技行业的裁员潮持续蔓延。从谷歌、亚马逊到微软，再到无数初创公司，**数万名员工**被迫离开岗位。然而，与普通员工的困境形成鲜明对比的是，AI领域的核心人才和早期投资者正享受着前所未有的财富盛宴。 以OpenAI为例，其估值已飙升至**800亿美元**以上，早期员工和投资者手中的股权价值水涨船高。类似的故事也在Anthropic、Inflection AI等公司上演。这种**财富分配的极端不对称**，正在企业内部和社会层面引发强烈不满。 ## 火药桶的引信：信任崩塌 裁员本身并非新鲜事，但本轮AI裁员潮的特殊之处在于其**时机与叙事**。许多公司在裁减非AI岗位的同时，却在大举招聘AI人才，并斥巨资购买算力、训练模型。这传递给员工的信号是："你们的价值不如AI。" 更令人生畏的是，一些被裁员工发现，他们曾参与训练的AI系统，最终却取代了自己的工作。这种**"亲手埋葬自己"**的荒诞感，加剧了职场焦虑和对AI技术的抵触情绪。 ## 财富幻觉与现实鸿沟 AI精英的暴富故事被媒体反复渲染，但大多数从业者并未分享到红利。据估算，全球AI领域的高薪岗位不足**10万个**，而受AI影响可能失业的岗位数以百万计。这种**"少数人狂欢，多数人遭殃"**的格局，正在催生新的社会矛盾。 一些观察者指出，这类似于工业革命初期"卢德分子"砸毁机器的行为，但今天的"机器"是更抽象的算法。如果企业不能妥善处理转型阵痛，**技术进步的合法性**将受到质疑。 ## 展望：如何化解危机？ 要避免火药桶引爆，行业需要更公平的财富分配机制。例如，建立**员工持股计划**，让普通员工也能从AI增长中获益；或者推动**全民基本收入**等社会保障改革。同时，企业在裁员时应提供充分的再培训机会，而非简单地将人"扫地出门"。 否则，当AI创造的财富只流向极少数人，而被抛弃的大众开始抵制技术时，整个行业可能面临比裁员更严重的危机。