美国特朗普政府正介入一起由全国有色人种协进会（NAACP）提起的诉讼，该诉讼指控埃隆·马斯克的xAI公司未经许可运行燃气轮机，违反了《清洁空气法》。司法部律师在文件中辩称，这些涡轮机为驱动Grok聊天机器人的数据中心供电，而Grok已被军方用于关键行动，包括在“史诗之怒”行动中协助打击伊朗目标。NAACP则指控xAI在密西西比州南aven运营多达57台未获许可的燃气轮机，造成污染和健康问题。此案凸显了AI发展与环保法规之间的紧张关系。
Anthropic 在最后一刻叫停了对 Claude Agent SDK 的计费改革，这一原本旨在将 SDK 使用与标准订阅分离的方案，曾引发重度用户的强烈担忧。 ## 改革原计划：按 API 费率计费 今年 5 月 13 日，Anthropic 宣布自 6 月 15 日起，Claude Agent SDK（包括通过第三方应用和 `claude -p` 命令的使用）将不再享受订阅套餐内的统一限额，而是改为按 Anthropic 的 API 标准费率计费。订阅用户每月会获得一笔与订阅费等额的“使用额度”，超出部分需另行付费。 这一变动与现行模式截然不同：目前，Agent SDK 的使用仅受订阅套餐的**每周用量上限**约束，重度用户可以在订阅费内获得远高于 API 同等花费的算力。有分析指出，**Claude Opus 用户每天仅发送 2-3 条消息就能“回本”**，订阅的实际价值可达月费的数倍。开发者 Matthew Diakonov 直言：“如果你用 Opus 作为主要编码助手，第一周就会用超。” ## 开发者与第三方应用强烈反弹 消息一出，立即在开发者社区引发震荡。代码编辑器 Zed 的团队警告用户：“对于重度使用代理功能的用户，这将是巨大的成本增加。”许多依赖 Claude Agent SDK 构建自动化工作流的第三方应用开发者被迫重新评估定价策略。 ## 紧急“暂停”背后的考量 就在新政即将生效的 6 月 15 日当天，Anthropic 悄然更新支持页面，宣布“暂停上述 Claude Agent SDK 计费变更”，并表示“目前一切照旧”，公司正在“优化方案以更好地支持用户通过订阅使用 Claude 构建应用”。部分用户确认收到了来自 Anthropic 的邮件通知。 这一急转弯恰逢 GitHub Copilot 也在近期推行类似的 Token 制计费改革。业界普遍认为，Anthropic 的让步反映出**开发者对“订阅+额外计费”模式的敏感度极高**，尤其在 AI 辅助编程和自动化场景下，用量波动大，固定订阅制更具可预测性。 ## 行业启示：订阅制与按量计费的平衡难题 Anthropic 的这次“试水”与“撤回”凸显了 AI 平台在商业化道路上的典型困境：订阅制吸引用户，但重度用户会过度消耗资源；按量计费更公平，但可能劝退核心开发者。如何在保持用户粘性与实现可持续营收之间找到平衡，将是所有 AI 公司必须面对的课题。 目前，Claude Agent SDK 用户仍可继续享受现有订阅内的使用上限，但 Anthropic 明确表示正在“制定新方案”，未来不排除推出更精细化的分层计费或混合模式。
美国国防部（五角大楼）正在利用生成式AI工具撰写国会要求的年度报告，并声称已有**150万**军事人员使用生成式AI工具。 ## 背景：AI写报告，效率大幅提升 五角大楼首席技术官Emil Michael在哈德逊研究所活动上透露，通过谷歌云的**Gemini for Government**和自研的**GenAI.mil**平台，原本需要**200小时**编写的国会报告，现在只需**5小时**就能完成。自2025年12月起，该平台已向所有六个军种开放。 ## 实际案例：团队反馈“五年来最佳报告” 国防部副助理部长Jacob Glassman在4月的Box联邦峰会上提到，他曾让一个人员不足的团队使用GenAI.mil撰写国会报告。一周后，团队称这是“五年来写得最好的报告”。不过，Glassman未透露具体是哪份报告。 ## 行业背景：国会报告数量激增 根据美国政府问责局数据，国会要求提交的报告数量从2000年的**500多份**增至2020年的**1400多份**。立法事务官员需要逐条解读国防授权法案，寻找最新要求。AI工具被视为缓解人力压力的重要手段。 ## 质疑与展望 尽管效率提升明显，但AI生成报告的准确性和深度仍存疑问。五角大楼强调，AI仅辅助起草，最终需人工审核。此举也引发了对AI在政府决策中角色的讨论。
SpaceX 宣布以 600 亿美元的全股票交易收购 AI 编程工具 Cursor，预计第三季度完成。这笔交易发生在 SpaceX 史无前例的 IPO 两天后，以及 SpaceX 与 xAI 合并数月之后。Cursor 是最早将大语言模型深度集成到 IDE 中的工具之一，基于 Visual Studio Code 分支，提供强大的 AI 辅助编程功能。然而，随着 Anthropic 的 Claude Code 等竞品崛起，Cursor 的市场份额下滑，且据 TechCrunch 报道，其收支平衡困难。今年初，Cursor 团队表示增长受限于算力；随后 xAI 向其提供计算基础设施，并合作训练 Grok Build 模型。本次收购将结合 SpaceX 的算力优势与 Cursor 的产品能力，但双方在 AI 竞赛中均面临挑战：xAI 的 Grok 聊天机器人争议不断，缺乏竞争力强的编程模型；Cursor 则难以与巨头竞争算力。交易包含对 Anthropic 和 Google 的有利终止条款，若 SpaceX 企业 AI 需求高涨，可重新分配算力。尽管整合有望解决各自短板，但在激烈竞争中成功仍非必然。
根据独立记者 Ed Zitron 获取的审计财务文件，OpenAI 的营收虽然在快速增长，但支出增速更快，运营亏损从 2024 年的 87.8 亿美元扩大至 2025 年的 209.2 亿美元。 ## 营收增长难掩巨额亏损 文件显示，OpenAI 的营收从 2024 年的 37 亿美元跃升至 2025 年的 130.7 亿美元，到 2025 年底月收入已接近 20 亿美元。然而，研发支出是最大的成本项：2024 年为 78.1 亿美元，2025 年飙升至 191.8 亿美元，其中仅支付给微软的研发费用就达 105.9 亿美元。此外，收入成本（包括推理计算费用）从 26.5 亿美元增至 75 亿美元，销售与营销费用也从 11.1 亿美元增至 57.3 亿美元。 ## 亏损比率有所改善 尽管绝对亏损额惊人，但运营亏损占营收的比例从 2024 年的 237% 降至 2025 年的 160%，显示效率略有提升。不过，净亏损从 2024 年的约 50 亿美元激增至 2025 年的近 390 亿美元，主要源于公司向营利性结构转换时产生的约 300 亿美元非经常性会计费用。 ## 盈利前景存疑 OpenAI 向投资者承诺在 2030 年前实现盈利，但当前亏损速度远超营收增长。AI 行业的研发和计算成本居高不下，商业化路径仍面临挑战。此次文件泄露正值 OpenAI 提交 SEC 文件、筹备 IPO 之际，财务透明度成为市场关注焦点。
## 漏洞速览：2FA 安全防线形同虚设？ 上周二，微软修复了其 M365 Copilot AI 平台上一个**严重等级为“最高”** 的漏洞。本周一，发现并报告该漏洞的研究人员公开了其概念验证（PoC）利用方式：攻击者能够从 Copilot 可访问的邮件中**窃取双重身份验证（2FA）代码**及其他敏感数据。 ## 根源：AI 的“轻信”无解？ 这并非孤立事件。微软及其他大语言模型（LLM）提供商一直无法阻止其产品遵从恶意请求泄露数据。根本原因在于：**AI 机器人无法区分用户提供的指令与隐藏在第三方内容中的恶意指令**。当模型为用户总结、起草回复或执行其他操作时，这些恶意指令可能被悄然注入。由于无法守住这一关键边界，微软等公司只能不断设置复杂且临时的护栏，试图遏制这种“先天轻信”带来的后果。 ## 绕过护栏：参数到提示注入（Parameter-to-Prompt Injection） Varonis 安全团队设计了一条攻击链，成功跨越了微软设置的防护措施。其核心是所谓的 **“参数到提示注入”**（Parameter-to-Prompt Injection）。与传统的提示注入不同，恶意命令并非藏在邮件或文档中，而是被置于 URL 的查询参数（如 `?q=`）中。当 Copilot 处理此类 URL 时，会将参数中的恶意指令解释为用户意图的一部分，从而泄露数据。 ## 已有护栏为何失效？ 微软此前已部署多项防护：例如将 Copilot 输出包裹在 `<code>` 块中，防止浏览器将其解析为可执行内容；同时限制 Copilot 只能访问受信任的 Microsoft 域名。然而，攻击者利用标记语言（如 `<img>` 标签）诱导 Copilot 向攻击者服务器发送包含敏感数据的请求，从而绕过限制。当 Copilot 尝试加载图片或提交表单时，数据即被外传。 ## 行业反思：LLM 安全何去何从？ 此次漏洞再次证明，当前 LLM 安全策略存在结构性缺陷。依赖临时补丁和规则集难以应对不断演变的注入手法。业界亟需从模型架构层面解决指令来源的隔离问题，例如引入更严格的上下文隔离机制。在此之前，用户应谨慎对待 Copilot 等 AI 助手处理敏感信息的能力，尤其是涉及 2FA 代码等高价值数据时。
芯片巨头英伟达（Nvidia）于周一宣布，计划在美国发行250亿美元的投资级债券，这是该公司自2021年以来的首次债券发行，旨在测试投资者对AI领域进一步敞口的兴趣。根据一份条款清单，此次发行包括从2年期到30年期不等的七个期限部分。由于需求强劲，发行规模从最初的200亿美元上调至250亿美元，截至纽约时间下午早些时候，订单已超过850亿美元。知情人士称，得益于旺盛需求，10年期债券的收益率预期较美国国债高出0.5个百分点，低于最初讨论的0.75个百分点。 T Rowe Price投资组合经理Lauren Wagandt表示，美伊协议后的有利市场条件使英伟达能够以相对较低的成本筹集债务。“归根结底，这是一家非常高质量的公司，”Wagandt说，“而且它不像其他科技公司那样频繁进入市场。” 此次发行正值科技集团在AI军备竞赛加剧之际争相确保融资，同时华尔街面临新一轮股权和债务发行浪潮，包括SpaceX创纪录的750亿美元IPO。英伟达表示，计划将所得款项用于一般公司用途，包括偿还和再融资现有票据。 此次发行规模至少是英伟达2021年疫情期间债券发行的三倍，当时其筹集了约50亿美元。完成后，英伟达的未偿债务将从目前的85亿美元增至约300亿美元。 市场疲劳的早期迹象已促使一些科技公司寻找替代融资渠道。Anthropic转向私人信贷投资者，以完成由Broadcom支持的350亿美元交易。谷歌母公司Alphabet则决定进行二十多年来的首次股权发行，本月早些时候筹集了850亿美元新资本。 英伟达作为AI行业构建大型语言模型（如OpenAI的GPT）所需强大芯片的首选供应商，其地位已被证明利润丰厚。此次债券发行不仅是对公司信用的考验，也是对整个AI行业投资热度的一次重要检验。
上周五晚间，Anthropic 应美国商务部指令，紧急关闭了其最新发布的 **Mythos 5** 和 **Fable 5** 模型，理由是出口管制合规要求。这一突然举措发生在模型上线仅数天后，起因是政府担心存在一种能够绕过安全防护的“越狱”方法，可能构成国家安全威胁。 ## 事件始末 据 Anthropic 官方声明，商务部在周五晚发出指令，要求将新模型纳入出口管制，限制其在美国境外使用。为立即遵守该命令，Anthropic 被迫“突然禁用 Fable 5 和 Mythos 5 对所有客户的服务”。其他 Anthropic 模型不受影响。 Axios 报道援引政府官员消息称，担忧源于一份报告：存在一种越狱方法，可突破 Fable 5 针对网络安全、化学和生物领域的分类器安全防护。政府要求暂停模型发布，以便“国家安全机制”能在“未来几周内”完成加固。 ## Anthropic 的回应与分歧 Anthropic 在公告中表示，政府仅提供了“口头证据”，称存在一种“狭窄的、非通用的越狱”，能让 Fable 5 审查特定代码库以寻找软件漏洞。公司称，该越狱仅能发现“次要”且“相对简单”的漏洞，其他公开模型如 **GPT-5.5** 也具备类似能力。 “我们遵守政府的法律指令，移除用户对 Fable 5 和 Mythos 5 的访问权限，”Anthropic 写道，“但我们不同意将发现一个狭窄的潜在越狱作为召回已部署给数亿用户的商业模型的理由。如果整个行业都采用这一标准，我们认为将实质上停止所有前沿模型的新部署。” ## 行业背景 本月早些时候，特朗普总统签署了一项行政命令，鼓励 AI 模型制造商自愿接受政府安全测试。该命令原定上月签署，但因政府内部争议而被推迟。此次 Anthropic 事件凸显了 AI 安全监管与商业创新之间的紧张关系。 ## 影响与展望 此次紧急下线不仅影响 Anthropic 的商业计划，也可能为整个 AI 行业树立先例。政府对于“越狱”漏洞的零容忍态度，可能迫使其他公司在新模型发布前采取更保守的安全策略。然而，Anthropic 的反对意见也反映出业界对政府干预过度、阻碍技术进步的担忧。未来几周内，随着国家安全机制的“硬化”，或许会有更明确的监管框架出台。
As of today, SpaceX is owned by investors who will want to see it make money.
亚马逊创始人杰夫·贝佐斯去年11月宣布成为新创企 **Prometheus** 的联合CEO，该公司专注于“物理AI”——将深度学习应用于机器人和制造等领域。近日，随着新一轮 **120亿美元** 融资的披露，贝佐斯和联合创始人Vik Bajaj透露了更多细节。 ## 巨额融资与估值 Prometheus本轮融资后估值达 **410亿美元**，资金来自摩根大通、高盛、贝莱德等机构及贝佐斯本人。此前的首轮融资为62亿美元。目前公司仅有150名员工，大量资金将用于购买算力。 ## 目标：创造“人工通用工程师” 贝佐斯向CNBC表示，公司目标是打造“人工通用工程师”（artificial general engineer）。他解释道：“所有社会财富都由发明驱动——6000年前有人发明了犁，后来有人发明了蒸汽机，我们都因此变得更富有。Prometheus要做的是提供一套工具，极大加速这个发明循环。”他强调，这将产生“文明财富”而非个人财富。 Bajaj则更务实地描述：设计新技术“需要一千个大脑创造性协作”，但工程师使用的工具“几十年来几乎没有改变”。Prometheus希望赋予他们更快的设计工具。 ## 行业背景与挑战 Prometheus并非唯一押注物理AI的创企，但它是资金最雄厚的之一。物理AI被视为AI的下一个前沿，但面临数据稀缺、算力成本高昂等挑战。贝佐斯坦言，融资的一大原因正是“计算密集型”工作所需的数据生成。 据报道，贝佐斯和Bajaj还计划筹集 **1000亿美元** 的投资基金，用于支持相关领域公司。
乌克兰无人机公司Aero Center首席执行官Alexander Kokhanovskyy近日透露，两年前在一次战场测试中，完全自主的无人机成功击杀了俄军士兵。如果属实，这标志着战争史上又一个里程碑，推动了军用无人机、机器人和AI武器的发展。 Kokhanovskyy在伦敦乌克兰大使馆举办的新闻发布会上接受《新科学家》采访时描述了这次测试。测试中使用的四旋翼无人机预先编程，飞往前线区域后激活AI驱动的“终结者模式”，自主搜索并攻击该区域内任何目标。测试后，有人操控的无人机前往侦察，发现了“几名”俄军士兵的尸体，从而推断自主无人机完成了击杀。 然而，乌克兰政府目前禁止在目标拦截的最后阶段使用AI。乌克兰军方指挥官强调，他们只使用半自主系统，始终由人类做出关键控制决策，并严格遵守国际人道主义法，防止平民伤亡。 这次一次性测试也反映了完全自主无人机的实际局限性：需要精心规划，且存在误伤友军或平民的风险。目前，国际社会对“致命自主武器系统”尚无统一定义。 尽管自主无人机在效率和安全性上仍存疑，但这一事件凸显了AI在军事领域的快速渗透。随着俄乌冲突持续，双方都在加速部署无人机和机器人，自主武器的伦理和法律讨论也愈发紧迫。
今年第一季度，美国各地社区对AI数据中心的抗议浪潮达到历史新高。根据AI情报公司10a Labs旗下Data Center Watch项目的追踪数据，从1月到3月，至少有75个数据中心项目被抗议者“阻止或延迟”，涉及总价值约**1300亿美元**。这是自2023年该项目开始追踪以来的最高季度纪录。研究人员指出，这并非“周期性高峰”，而是“结构性转变”：社区已经形成了一套有效的反对策略，立法会议引入了正式监管不确定性，活跃反对团体数量翻倍至833个，遍布49个州。 这场抗议运动的背后，是民众对AI数据中心带来的环境、资源和社会影响的深切担忧。数据中心不仅消耗大量电力和水资源，还常常占用宝贵的土地资源，引发噪音和生态问题。反对者跨越政治分歧，积极参与关于水权、土地使用和热力学的教育会议，展现出前所未有的政治热情。社会学家Tressie McMillan Cottom在《纽约时报》的专栏中写道，她在北卡罗来纳州的实地观察发现，许多人第一次体验到通过政治意志与邻居合作克服逆境的感觉，这让他们尝到了“政治权力的滋味”。 这股政治势头预计将影响即将到来的中期选举。两党都开始对数据中心抗议表示同情，反对声浪的加剧使得数据中心成为竞选议题的焦点。McMillan Cottom建议民主党将数据中心作为关键竞选议题，因为民众的愤怒正在转化为选票动力。 数据中心抗议的“剧本”已经清晰：社区组织、立法施压、媒体曝光和持续动员。随着AI行业的持续扩张，数据中心的需求仍在增长，但民众的反对声音也越来越大。这一结构性转变可能迫使科技公司和政策制定者重新审视数据中心的选址和建设方式，寻求更可持续、更符合社区利益的解决方案。 **小结**：数据中心抗议已从零散事件演变为全国性运动，其政治影响力不容小觑。未来，AI产业的发展将不得不在技术需求与社区诉求之间寻找平衡点。
在AI skeptics聚集的网络角落，你常会看到关于数据中心“嗜水成瘾”的 meme——它们为蒸发冷却消耗巨量水资源。然而，亚马逊最新报告揭示了一个反直觉的事实：从全球或全国尺度看，AI数据中心的总用水量其实微不足道，但单个数据中心却可能对当地供水造成显著压力。 ## 全球尺度的“沧海一粟” 亚马逊在周四的博客文章中称，其数据中心2025年全球取水量约 **25亿加仑**。这个数字初看惊人，但对比之下立刻显得渺小：美国2015年总取水量高达 **117万亿加仑**；美国草坪和景观灌溉年用水 **3.3万亿加仑**；加州杏仁种植年用水 **1.3万亿加仑**；仅美国高尔夫球场年用水就达 **5310亿加仑**。 其他科技巨头的数据同样印证这一趋势：Google 2024年数据中心取水约 **61亿加仑**，微软约 **27.5亿加仑**，Meta约 **14亿加仑**。2021年《自然》研究估算，全美数据中心当年总耗水约 **1630亿加仑**（含非可再生能源的间接消耗）。AI爆发后这一数字必然增长——有分析称仅得克萨斯州数据中心2024年就用水 **250~490亿加仑**，2030年可能达到 **3990亿加仑**。即便达到万亿加仑级别，相对全美乃至全球用水总量仍只是“桶中一滴”。 ## 局部压力：一滴水的放大效应 尽管不存在“科技公司抽干海洋”的风险，但**中等规模数据中心也可能对邻近水资源产生不成比例的影响**。例如，Meta位于佐治亚州牛顿县的一个数据中心，据《纽约时报》报道，已消耗该县 **约10%的供水**。当多个数据中心聚集在干旱或水资源紧张地区时，这种局部压力可能引发居民与企业的用水冲突。 ## 行业背景与未来展望 AI训练与推理的算力需求仍在飙升，液冷等新散热技术虽能降低水耗，但电力间接用水（如热电厂冷却）不可忽视。数据中心选址正越来越多地考虑水资源可持续性，部分地区已开始对新建数据中心提出用水效率要求。 **小结**：从宏观视角看，AI数据中心并非全球水危机的“主角”；但在微观层面，它们对当地水资源的挤占需要政策与技术双重应对。对公众而言，理解这一“全局-局部”的差异，有助于更理性地看待AI发展的环境成本。
谷歌近日对名为“Outsider Enterprise”的中国网络犯罪团伙提起法律诉讼，指控其利用谷歌的Gemini AI模型大规模实施诈骗。据谷歌提交的法律文件显示，该团伙通过Telegram运营，提供“钓鱼即服务”（Phishing-as-a-Service），帮助技术能力不足的个人搭建欺诈网站和发送短信。 Outsider Enterprise在Telegram频道中提供了使用Gemini AI创建虚假网站的具体教程，这些网站模仿Google、YouTube以及纽约E-ZPass等政府机构页面。该团伙提供了近300种诈骗模板，涉嫌通过Gemini生成的网站发送了超过250万条短信给Android用户，仅上个月两周内就发送了约5.5万条。谷歌累计追踪到9000个虚假网站和100万个与该网络相关的URL。 诈骗短信通常声称存在账户问题或包裹递送问题，诱使用户点击链接跳转到由Gemini制作的看似合法的虚假网站，从而窃取个人数据和银行信息。谷歌的诉状未估算具体诈骗金额，但指出已有数百人遭受经济损失。 谷歌已与AT&T、Verizon和T-Mobile合作拦截了大量恶意短信，并指出其Google Messages中的设备端诈骗检测功能每月可阻止100亿条诈骗短信，很可能也拦截了部分Outsider Enterprise的活动。这是谷歌首次针对利用Gemini实施诈骗的团伙采取直接法律行动，凸显了AI技术被滥用于犯罪的严峻趋势。 ## 行业背景与意义 此案是AI安全领域的一个重要里程碑。随着生成式AI的普及，其双刃剑效应日益显现。一方面，AI推动创新；另一方面，它降低了网络犯罪的门槛。Outsider Enterprise的案例表明，即使是技术能力有限的个人，也能借助AI工具快速生成逼真的钓鱼页面，大幅提升诈骗效率。 谷歌的诉讼不仅旨在追责，更意在震慑其他潜在犯罪分子。同时，谷歌强调其已内置安全措施，如设备端检测和与运营商合作，但AI驱动的诈骗仍对用户隐私和财产安全构成严重威胁。 ## 小结 - **核心指控**：Outsider Enterprise利用Gemini AI生成钓鱼网站，发送超250万条诈骗短信。 - **规模数据**：9,000个虚假网站、100万个URL，数百人受害。 - **应对措施**：谷歌联合运营商拦截短信，并依靠Google Messages的AI检测功能。 - **行业影响**：首例针对AI辅助诈骗的法律行动，凸显监管与防护的紧迫性。
十年前，《精灵宝可梦Go》风靡全球，玩家们为了捕捉虚拟精灵，拍摄了大量现实世界的照片和视频。如今，这些数据被用于训练AI，开发送货机器人乃至军用无人机的导航技术。 2025年5月，Niantic将其授权的游戏业务（包括《精灵宝可梦Go》）出售给沙特支持的游戏发行商Scopely，同时将AI相关业务剥离为独立公司 **Niantic Spatial**。Niantic Spatial利用来自《精灵宝可梦Go》玩家和Scaniverse应用用户的数十亿张地理标记图像，训练了一个“大型地理空间模型”——一个基于用户扫描的真实世界地点的3D模型。据MIT Technology Review报道，该模型使用了约 **300亿张图像**，主要集中在城市环境中的公共地标，如雕像和喷泉。这些图像从不同角度、在不同光照和天气条件下拍摄，并附有手机位置和方向等元数据。 Niantic Spatial发言人表示，这些地面扫描是“完全可选的功能”，用户创建的是公共场所的短视频。公司自2019年起就在隐私政策中公开说明扫描数据将用于改进技术平台。该技术用于开发 **视觉定位系统**，通过比较摄像头图像与参考数据来确定设备位置和方向，可应用于送货机器人，也可能被用于军事无人机。 这一发现引发了隐私和伦理争议。玩家在游戏时并未明确同意其数据被用于军事目的，尽管Niantic声称数据使用在隐私政策中有说明，但许多用户对此并不知情。批评者认为，这种数据再利用模糊了娱乐与军事监控的边界，需要更严格的监管和透明度。
Google DeepMind 近日发布了 Gemma 4 开源模型家族的新成员 **DiffusionGemma**，它采用了与图像生成模型类似的扩散（diffusion）技术，而非传统的自回归（autoregressive）方式。这意味着模型不再逐字生成文本，而是并行输出整个文本块，在本地硬件上推理速度最高可提升 4 倍。 ## 工作原理：从“逐字造句”到“整体去噪” 传统大语言模型（如 GPT 系列或标准 Gemma）是自回归的——从左到右一个 token 接一个 token 地生成文本，每一步都依赖前一步的结果。这种串行方式虽然精确，但受限于内存带宽，速度难以大幅提升。 DiffusionGemma 则另辟蹊径：它首先在“画布”上放置大量占位 token，然后像图像扩散模型一样，通过多次迭代逐步“去噪”——每次迭代都会根据当前预测更新所有 token，最终同时生成一整段文本。这一过程将计算瓶颈从内存带宽转移到了算力上，使得模型可以一次并行生成最多 **256 个 token**。 ## 性能亮眼：700+ tokens/s 的本地速度 DiffusionGemma 是一个 **混合专家（MoE）** 模型，总参数量达 **260 亿**，但推理时仅激活 **38 亿** 参数，因此能够在高端消费级 GPU（如 RTX 5090 的 18GB 显存）上运行。 - 在 **RTX 5090** 上，DiffusionGemma 每秒可生成约 **700 个 token**。 - 在单块 **Nvidia H100** 加速卡上，速度超过 **1000 tokens/s**。 相比同等规模的 Gemma 自回归模型，速度提升约 **4 倍**。 ## 适用场景：非线性任务的优势 扩散式文本生成尤其擅长那些需要全局依赖或反复修正的任务，例如： - **内联编辑**：修改文档中间部分时，模型能同时考虑前后文。 - **分子序列建模**：生物信息学中常见的长序列预测。 - **数学图形生成**：如数独求解——动画演示显示，DiffusionGemma 通过不断修正大量 token，比自回归模型更轻松地解决了数独问题。 ## 为何 Gemini 不用？精度与成本权衡 尽管扩散模型速度更快，但 Google 并未将其用于云端 Gemini 系列。原因在于： - **错误率较高**：图像扩散模型中单个像素预测错误影响有限，但文本中一个 token 错误可能改变整个句子含义。 - **迭代计算成本**：多次去噪迭代的总计算量可能不低于自回归模型。 因此，DiffusionGemma 更适合对速度要求高、对精度容忍度稍大的本地应用场景，如实时编辑助手、轻量级推理任务等。 ## 行业影响：开源生态的新变量 DiffusionGemma 的发布为开源大模型社区提供了新的思路——在本地设备上实现更快推理，有望推动更多端侧 AI 应用，如离线智能助手、本地文档处理等。同时，它也展示了非自回归架构在特定任务上的潜力，可能激励更多研究者探索扩散模型在 NLP 领域的应用。 Google DeepMind 表示，DiffusionGemma 的代码和权重已在 Hugging Face 等平台开放，开发者可立即下载体验。
德国一家法院近日作出初步裁决，认定谷歌需为其AI概览（AI Overviews）中生成的虚假陈述承担法律责任。这一判决可能对全球AI搜索和聊天机器人行业产生深远影响，因为法院首次明确将AI生成的内容视为企业自身的“商业活动表达”，而非简单的第三方内容链接。 案件起因是两家出版商发现，谷歌的AI概览在回答关于其声誉的查询时，错误地生成诸如“是的，[该出版商]以可疑商业行为闻名，常被视为骗局”等肯定性陈述。这些陈述并非来自搜索结果中的任何链接，而是AI对网络信息的错误解读和重组。出版商在发出停止函后，谷歌未能及时纠正误导性输出，最终导致诉讼。 法院驳回了谷歌的常规抗辩——即用户应理解AI输出可能不准确并需自行核实。法院指出，与传统搜索引擎仅提供第三方链接列表不同，谷歌的AI工具做出了“独立的、新的、实质性的陈述”，这些陈述源于AI自身对网络链接的误读。由于只有谷歌能修正其底层算法和AI概览的输出，而谷歌最初并未采取行动，因此必须承担责任。 这一裁决打破了AI公司此前依赖的免责策略——即通过添加“AI可能出错”的免责声明来规避法律风险。法院明确认为，AI概览中的虚假陈述“主要是被告商业活动的表达”，而非受保护的言论。这意味着，未来AI搜索和聊天机器人若生成类似的不实信息，企业可能无法再以“用户应知AI不完美”为由推卸责任。 对于整个AI搜索行业而言，此判决树立了一个关键先例：AI生成的内容不能被视为中立的第三方信息聚合，而应被视作平台自身的表达。这可能导致AI公司面临更严格的审查，尤其是在处理涉及声誉、健康、金融等敏感领域的信息时。谷歌尚未对此裁决发表正式回应，但法律专家预计，该公司可能提出上诉。 值得注意的是，该判决目前为临时禁令，要求谷歌停止在AI概览中传播特定虚假声明。但其法律逻辑可能被其他司法管辖区参考，尤其是欧洲正在推动的《人工智能法案》框架下。AI搜索的“幻觉”问题一直备受诟病，此次裁决或将倒逼企业投入更多资源确保输出准确性，否则将面临高昂的法律代价。
Anthropic 于周二正式发布了其首个“神话级”模型 **Claude Fable 5**，该模型在整体能力上超越了之前的 Opus 系列。然而，为了防范模型被恶意利用，Anthropic 为 Fable 5 设置了严格的安全防护，主动拒绝回答涉及 **网络安全、生物学和化学** 等高风险话题的查询。 ## 安全机制：分类器与模型降级 Fable 5 的安全系统基于一系列 **分类器**，能够检测被禁止的提示主题以及潜在的越狱尝试。当用户提出敏感话题时，系统会将问题转交给较早的 **Claude Opus 4.8** 处理，并向用户发出警告。Anthropic 承认，这一机制被调校得“比理想状态更严格”，可能会导致偶尔拒绝无害请求的情况。不过，测试中此类误报率低于 **5%**，公司认为这是值得付出的代价，以避免模型被用于“造成严重伤害”。 ## 红队测试与越狱抵抗 Anthropic 表示，在超过 **1000 小时** 的红队测试和漏洞赏金计划中，外部团队未能发现针对 Fable 5 的通用越狱方法。新模型在抵抗自动化越狱攻击方面也远优于之前的 Claude Opus 模型。公司特别担忧 Mythos 5 模型在 **“智能体黑客攻击”** 方面的能力——即执行多步骤网络攻击的熟练度。然而，英国 AI 安全研究所的测试表明，Mythos Preview 在夺旗挑战中的表现与 OpenAI 的 GPT-5.5 相当，说明其性能并非“单一模型的突破”。 ## 行业背景与影响 Anthropic 此次对 Fable 5 的限制反映了 AI 安全领域日益增长的担忧：前沿模型在强大能力与潜在风险之间的平衡。通过主动限制高风险领域的回答，Anthropic 试图在提供先进 AI 能力的同时，减少被恶意行为者利用的可能。这一做法也为行业树立了新的安全标准，尽管可能引发关于 **过度限制** 和 **用户自由度** 的讨论。
谷歌在实时翻译领域再度发力，正式推出 **Gemini 3.5 Live Translate**。这是一款基于 Gemini 3.5 家族的语音到语音翻译模型，能够实现接近实时的对话翻译，并保留说话者的语气、语速和音调，让翻译后的声音听起来更自然、更像本人。新模型支持 **超过 70 种语言** 的自动检测与翻译，延迟仅几秒，足以跟上正常对话节奏。 与以往需要特定硬件（如 Pixel Buds）不同，Gemini 3.5 Live Translate 的覆盖范围大幅扩展： - **开发者** 可通过 Gemini Live API 或 AI Studio 的公开预览版进行集成，模型能自动处理多语言输入并过滤背景噪音。 - **企业用户** 本月起可在 Google Meet 中使用该翻译功能，界面也将优化以突出实时翻译入口。 - **普通消费者** 即将在 Android 和 iOS 的 Google Translate 应用中体验新模型，且无需特定耳机——任何蓝牙耳机均可使用。 安全性方面，谷歌为翻译后的音频添加了 **SynthID 水印**，以防范深度伪造风险。 此次发布是谷歌长期机器翻译研究的成果。从早期需要专用硬件的演示，到去年在 Translate 应用中扩大实时翻译范围，再到如今 Gemini 3.5 的全面铺开，谷歌正逐步降低实时翻译的使用门槛。值得注意的是，Gemini 3.5 家族目前仅推出了 Flash 版本，Pro 模型预计在未来几周内发布，届时可能带来更强大的翻译能力。 在 AI 翻译赛道竞争日益激烈的背景下，谷歌凭借 Gemini 3.5 在语音自然度和生态覆盖上建立了差异化优势。与单纯的文本翻译不同，保留语气、语速等副语言特征对于情感传递和沟通效率至关重要。同时，SynthID 水印的引入也回应了业界对 AI 生成内容真实性的担忧。 对于开发者和企业而言，Gemini Live API 的开放意味着可以快速将高质量实时翻译集成到自己的应用中，而无需处理复杂的多语言配置。对于普通用户，即将到来的 Translate 应用更新将让跨语言交流变得前所未有的流畅和自然。
苹果在WWDC 2024上宣布，其长期延迟的Siri升级（本周称为“Siri AI”）将使用谷歌的Gemini语言模型，并运行在谷歌服务器上的Nvidia硬件上。但苹果强调，其隐私承诺保持不变，即使部分模型在第三方云端运行。 ## 隐私承诺的延续 苹果一直将用户隐私作为其平台的关键优势。其云服务使用加密技术，旨在防止包括苹果员工在内的其他人访问数据。苹果长期以来宣传其设备端处理能力，例如图像扫描，尽可能让数据不离开设备。 ## 硬件限制与云端依赖 然而，Apple Intelligence面临苹果自有硬件的限制。能在iPhone或Mac上本地运行的语言和推理模型相对较小，限制了其能力和准确性。苹果的私有云计算系统是一个部分解决方案，但依赖于苹果自己的服务器硬件。为了获得支持Siri AI所需的计算能力，苹果需要大规模建设数据中心，但这正是它一直避免的。 ## 与谷歌的合作 苹果高管Craig Federighi在WWDC主题演讲后的小型会议上解释了如何保护用户隐私，同时获得所需计算能力，以及与谷歌合作的意义。Federighi表示，苹果的系统仍然依赖设备端模型处理简单查询，而复杂任务则通过谷歌的云端模型完成，但苹果确保谷歌无法访问用户数据。 ## 技术细节 苹果的架构被称为“传统聊天机器人架构”：设备上的客户端应用连接到云端模型，这些模型可以调用谷歌搜索等外部服务来获取世界知识。但苹果强调，所有数据传输都经过加密，并且苹果与谷歌签订了严格的合同，确保谷歌不会记录或存储用户数据。 ## 行业背景 这一举措反映了AI行业的一个趋势：即使是强调隐私的公司，也不得不依赖第三方云服务来提供更强大的AI能力。苹果的解决方案是在保持隐私保护的同时，利用现有基础设施，而非自建大规模数据中心。 ## 小结 苹果通过技术手段和合同约束，试图在隐私与性能之间取得平衡。尽管部分AI处理外包给谷歌，但苹果声称用户数据仍然安全。未来，随着AI模型对计算资源的需求增加，这种混合模式可能会成为更多公司的选择。