When Oregon resident Isabelle Reksopuro heard Google was gobbling up public land to fuel its data centers in her home state, she didn't initially know what to believe. "There's a lot of misinformation about data centers," she said. "Google has denied taking that land." Technically, she explains, The Dalles, a city near the Washington state […]
仅仅发布一个月后，Anthropic 备受争议的 Claude Mythos 模型已在测试中展现出显著的新能力，引发业界对其快速进化的关注。 英国 AI 安全研究所（AISI）在最新博客中披露，他们测试了 Mythos 的一个较新版本（Mythos Preview），结果令人震惊：该模型在两项网络安全测试中均取得突破，成为首个完成“冷却塔”挑战的 AI 模型。具体而言，Mythos Preview 在 10 次尝试中成功解决“最后的防线”6 次，并首次攻克此前无模型能解的“冷却塔”挑战（3/10 成功率）。这一成绩不仅超越了其自身早期版本，也优于 OpenAI 的 GPT-5.5。 Anthropic 上个月发布 Mythos Preview 时曾强调该模型“过于强大”而无法公开发布，并联合苹果、谷歌、微软等公司成立了“Project Glasswing”网络安全测试联盟，仅限合作伙伴使用。AISI 的独立测试验证了 Mythos 能力的真实跃升，既非单纯营销炒作，也未如部分担忧那般预示灾难性转变。 更值得关注的是，能力改进并非仅随模型代际更迭发生，而是在同一模型版本内部快速演进。AISI 指出，Mythos 在一个月内的进步表明 AI 能力的提升速度可能远超预期。这一现象对 AI 安全治理提出了新挑战：如何在模型内部快速迭代时有效评估风险并制定相应管控措施？ 随着 Mythos 持续进化，关于“能力边界”与“安全护栏”的讨论将更加激烈。AISI 表示将继续监测其发展，为政策制定提供依据。
Amazon Lex 新推出的 **Assisted NLU（自然语言理解）** 功能，正在改变对话式 AI 机器人的构建方式。传统 NLU 系统依赖开发者手动配置每一个可能的用户表述变体，不仅耗时巨大，而且难以覆盖真实场景下的语言多样性。Assisted NLU 则利用大语言模型（LLM）自动处理拼写错误、复杂句式和多意图表达，无需额外编码即可提升意图识别和槽位填充的准确率。 ### 传统 NLU 的三大痛点 1. **表述变体覆盖不全**：用户说“我想订酒店”和“我需要预订住宿”可能指向同一个意图，但传统系统需要分别枚举。 2. **复杂请求解析失败**：类似“帮我订一间 Seattle 市中心的双人房，12月15到18号”这样的句子，常丢失房间类型、位置、日期等关键信息。 3. **歧义处理能力弱**：用户说“我需要处理我的预订”，机器人无法判断是查询、修改还是取消。 ### Assisted NLU 如何工作 Assisted NLU 通过结合传统机器学习和 LLM，利用**意图和槽位的名称与描述**来理解用户输入。它支持三种工作模式： - **Primary 模式**：全程使用 LLM 增强理解，适合高精度场景。 - **Fallback 模式**：仅当传统 NLU 置信度不足时启用 LLM，作为安全兜底。 - **意图消歧**：当多个意图概率接近时，主动引导用户确认。 该功能已包含在标准 Amazon Lex 定价中，无需额外付费。 ### 实施最佳实践 #### 1. 优化意图与槽位描述 Assisted NLU 依赖语义理解，因此**描述的质量直接决定准确率**。建议： - 为每个意图提供清晰、具体的描述，例如“BookHotel”的描述可写为“用户预订酒店房间，包括选择地点、日期和房型”。 - 为槽位添加上下文提示，如“room_type”的描述为“房间类型，如标准间、套房、豪华房”。 #### 2. 利用 Test Workbench 验证 Amazon Lex 提供的 **Test Workbench** 可批量测试对话样本，对比传统 NLU 和 Assisted NLU 的表现。建议： - 准备涵盖常见表述、复杂句式和边缘情况的测试集。 - 关注意图分类准确率、槽位填充完整率和对话完成率三个指标。 - 根据测试结果迭代调整描述和示例语句。 #### 3. 渐进式迁移策略 - **新建机器人**：直接启用 Assisted NLU，从设计阶段就采用 LLM 增强。 - **现有机器人**：建议先启用 Fallback 模式，逐步观察效果，再切换到 Primary 模式。 - 保留传统 NLU 配置作为基线，便于对比回归。 ### 行业影响与展望 Assisted NLU 的推出，标志着对话式 AI 从“规则驱动”向“语义理解”的重要转变。对于企业而言，这意味着： - **降低维护成本**：减少手动枚举 utterance 的工作量，迭代周期从周级缩短到天级。 - **提升用户体验**：机器人能更自然地理解用户的真实表达，减少重复和放弃率。 - **加速上线速度**：新业务场景的对话模型搭建时间可缩短 50% 以上。 不过，LLM 的引入也带来新的考量：模型推理延迟、对描述质量的敏感度，以及在特定领域（如医疗、金融）的合规性。建议开发者在正式上线前进行充分的压力测试和合规审查。 总的来说，Amazon Lex Assisted NLU 为构建高精度对话机器人提供了一条更智能、更高效的路径。无论是初创公司还是大型企业，都可以通过合理的设计和测试，快速提升机器人的自然语言理解能力。
近年来，许多不堪重负的医生开始使用所谓的AI医疗抄写员，来自动总结患者对话、诊断和护理决策，形成结构化笔记用于健康记录。但安大略省审计长最近的一项审计发现，省政府推荐的AI抄写员经常生成错误、不完整甚至虚构的信息，这“可能导致不充分或有害的治疗方案，进而影响患者健康结果”。 审计长在《安大略省政府人工智能使用情况报告》中，审查了20家经省政府批准预合格的AI抄写员供应商在两个模拟医患对话中的转录测试结果。所有20家供应商在至少一项简单测试中均出现准确性问题，其中9家虚构了患者信息，12家错误记录信息，17家遗漏了讨论的心理健康问题的关键细节。 报告指出多个令人担忧的示例，例如AI抄写员虚构了不存在的血液检测或治疗转诊、错误转录处方药名称，以及遗漏心理健康问题的“关键细节”。在所有获批供应商中，AI抄写员在安大略省供应局评估标准中的“医疗笔记生成准确性”部分平均得分仅为12分（满分20分）。但这一关键指标仅占供应商总评分的约4%，即使AI抄写员在该指标得分为零，也容易达到批准的最低门槛（而衡量“安大略省本地存在”的指标占总评分的30%）。 审计长最终认为，这些AI抄写员“未得到充分评估”。报告谨慎而克制地指出，“必须对AI抄写员系统进行测试，以确保其可靠性”。
实时语音交互正成为 AI 应用的下一个前沿，但构建低延迟、可生产的语音智能体往往需要复杂的工程堆栈。Stream Vision Agents 这一开源框架与 **Amazon Bedrock** 及 **Amazon Nova 2 Sonic** 的结合，正在大幅降低这一门槛。开发者现在可以在几分钟内搭建起能够理解语音、调用工具并支持多语言的实时语音智能体，且具备生产级可靠性。 ## 架构解密：Stream Vision Agents + Amazon Nova 2 Sonic 如何协同工作 Stream Vision Agents 是一个专为实时多模态交互设计的开源框架，它抽象了音频流处理、事件管理和连接维护等底层细节。而 **Amazon Nova 2 Sonic** 是 Amazon Bedrock 上最新推出的语音模型，专为低延迟语音交互优化。两者结合后，开发者只需专注于智能体的业务逻辑，无需关心音频编解码、WebSocket 重连等基础设施。 核心工作流如下： 1. 用户语音通过 Stream Vision Agents 的客户端 SDK 捕获并实时流式传输。 2. 框架将音频流送入 Amazon Bedrock 上的 Nova 2 Sonic 模型进行语音识别与理解。 3. 模型返回文本或结构化响应，框架支持通过 **函数调用**（Function Calling）触发外部 API 或数据库查询。 4. 响应文本由 Nova 2 Sonic 的文本转语音（TTS）能力合成为语音，流式回传给用户。 5. 连接意外中断时，框架内置的 **自动重连** 机制确保会话无缝恢复。 ## 从代码到生产：关键能力一览 以下是该集成方案中值得关注的几项生产级特性： - **函数调用**：智能体可以调用预定义的函数来获取实时数据（如天气、库存、订单状态），而不仅仅是静态回复。例如，用户询问“我的订单什么时候到？”，智能体自动调用订单查询 API 并返回结果。 - **多语言语音支持**：Nova 2 Sonic 原生支持多种语言，包括中文、英文、日文、西班牙语等，且切换语言无需额外配置。这对于构建跨国客服或本地化应用至关重要。 - **自动重连**：网络波动时，Stream Vision Agents 会自动检测断连并重新建立 WebSocket 连接，同时保留会话上下文，避免用户重复表述。 - **低延迟优化**：端到端延迟控制在 **300ms 以内**，达到实时对话所需的“无感知”体验标准。 ## 实战：一个简单的语音助手示例 假设我们要构建一个支持中英文的“会议助手”，能够查询日程和添加提醒。以下伪代码展示核心逻辑： ```python from stream_vision_agents import Agent, BedrockNovaSonic agent = Agent( model=BedrockNovaSonic(model_id="amazon.nova-sonic-v1"), functions=[get_schedule, add_reminder], languages=["zh-CN", "en-US"] ) agent.run() # 启动实时语音交互 ``` 开发者只需定义好函数和模型参数，Stream Vision Agents 会处理音频流的输入输出、自动重连和函数调用路由。相比传统方案，代码量减少约 70%。 ## 行业意义与未来展望 这一集成方案的出现，意味着 **实时语音智能体** 不再是大厂专属。中小团队甚至个人开发者，都可以基于开源框架和云上 API 快速构建生产级应用。场景覆盖客服、语音助手、在线教育、医疗问诊等。 值得注意的是，Stream Vision Agents 本身是开源项目，这意味着社区可以持续贡献新的功能模块（如情感识别、说话人分离），而 Amazon Bedrock 则提供了稳定且可扩展的算力底座。这种“开源+云”的组合模式，正在成为 AI 应用开发的主流范式。 未来，随着多模态模型进一步成熟，这类智能体有望融合视觉信息（如摄像头画面）与语音交互，实现更丰富的场景理解。
Amazon QuickSight 宣布推出跨账户 Athena 访问功能，用户现在可以通过 AWS Identity and Access Management (IAM) 角色链，查询其他 AWS 账户中的 Athena 数据，查询费用将计入数据所在账户。 ## 背景：数据孤岛与统一分析的挑战 在企业多云或大型组织中，数据往往分散在不同 AWS 账户中——例如生产环境、测试环境、分析团队各自拥有独立账户。传统上，跨账户查询 Athena 数据需要复杂的数据复制或管道集成，不仅增加延迟和成本，还容易导致数据不一致。 ## 新功能：跨账户 Athena 访问 借助 **跨账户 Athena 访问**，QuickSight 用户无需移动数据即可实现跨账户分析。其核心机制是 **IAM 角色链**：用户通过 QuickSight 的 SPICE 引擎或直接查询模式，利用 IAM 角色跨账户委托权限，从而查询目标账户中的 Athena 表。查询费用直接归属于数据所在账户，简化了成本分摊。 ## 使用场景与价值 - **统一报表**：将多个业务线的数据整合到一个 QuickSight 仪表板，无需数据仓库。 - **合规与治理**：数据保留在原账户，满足数据主权和访问控制要求。 - **成本透明**：查询费用直接计入数据账户，便于按业务部门核算。 ## 技术要点 - 需要配置跨账户 IAM 信任策略，确保 QuickSight 账户可代入目标账户的角色。 - 支持 Athena 工作组的跨账户引用，需确保目标账户的 Athena 工作组已授权。 - 当前功能适用于 **Amazon Athena** 数据源，后续可能扩展至其他服务。 ## 行业意义 这一更新标志着 **无服务器分析** 向更松耦合、更细粒度协作迈进。在 AI 和机器学习工作流中，数据通常分布在训练、推理、日志等多个账户，跨账户查询能力可显著加速数据准备和特征工程环节。 ## 小结 跨账户 Athena 访问是 QuickSight 在“统一洞察”方向上的重要一步，尤其适合多账户架构的组织。它降低了数据移动成本，同时保留了数据治理的灵活性。对于已经在使用 Athena 和 QuickSight 的企业，这是一个值得立即评估的功能。
Amazon Bedrock AgentCore浏览器现已支持Chrome企业策略和自定义根CA证书，让组织能够对AI Agent的浏览器行为实施精细化管控。这项更新直击AI Agent无限制网页访问带来的安全痛点——通过配置URL白名单/黑名单、禁用密码管理器、阻止文件下载等450余项策略，企业可以确保Agent仅在授权域内活动，同时借助自定义CA证书打通与内部服务及SSL拦截代理的安全连接。本文深入解读该功能的技术原理、配置方法与行业价值。 ## 为什么需要为AI Agent施加浏览器策略？ AI Agent若拥有不受限的网页访问权限，可能带来三类核心风险： 1. **导航越界**：Agent可能自行跳转到社交网站、搜索引擎等非授权域名，偏离任务目标。 2. **功能滥用**：浏览器自带的密码管理器、自动填充、文件下载等功能，可能被Agent无意间用于存储或泄露敏感数据。 3. **证书断层**：企业内部服务常使用私有CA签发证书，Agent浏览器默认不信任此类证书，导致HTTPS连接失败。 Chrome企业策略从浏览器层面直接锁定这些风险，**独立于Agent的提示词或推理逻辑**，形成一道不可绕过的安全屏障。 ## 核心能力：450+策略 + 自定义CA Amazon Bedrock AgentCore此次更新主要带来两大能力： ### 1. Chrome企业策略集成 通过标准的Chrome企业JSON配置，用户可以设定超过450项浏览器设置，包括： - **URL过滤**：通过白名单和黑名单精确控制Agent可访问的域名列表。 - **下载限制**：禁止Agent在浏览器中下载任何文件。 - **密码管理**：禁用密码管理器、自动填充等功能，防止凭据被意外存储。 - **其他控制**：如禁用开发者工具、限制插件加载等。 这些策略以JSON格式统一管理，与现有Chrome企业部署流程一致，降低了学习成本。 ### 2. 自定义根CA证书支持 针对内部服务场景，AgentCore允许上传组织自己的根CA证书。这样Agent浏览器就能信任由私有CA签发的HTTPS证书，顺利连接内部系统或经过SSL拦截代理的加密流量。对于金融、医疗、政务等高度依赖内部网络的企业而言，这一能力直接打通了AI Agent落地的“最后一公里”。 ## 实用示例：从限制到验证 文章通过一个完整的实践案例展示了功能流程： - **配置策略**：限制Agent只能访问Amazon Bedrock AgentCore官方文档网站。 - **执行与记录**：Agent在会话中尝试导航到其他网站时，浏览器被策略拦截，行为被完整录制。 - **CA验证**：使用公共测试站点演示自定义根CA证书的信任过程。 最终，Agent在浏览器策略的约束下，成功完成对AgentCore文档的研究任务，验证了策略生效与安全边界的一致性。 ## 行业视角：AI Agent安全从“劝诫”走向“强制” 此前，AI Agent的安全浏览主要依赖开发者编写提示词约束，例如“不要访问非授权网站”。但提示词可以被绕过、遗忘或误解，安全可靠性有限。Chrome企业策略的引入，将安全控制从**软性指导**升级为**硬性执行**——无论Agent如何决策，浏览器行为始终受策略框架约束。 这种“策略即代码”的思路，与零信任架构（Zero Trust）高度契合。企业无需信任Agent的内部逻辑，只需信任底层浏览器的策略执行引擎，从而大幅降低攻击面。 ## 总结 Amazon Bedrock AgentCore的Chrome企业策略与自定义CA支持，为AI Agent的浏览器行为提供了企业级的安全底座。它不仅解决了导航越界、功能滥用、证书断层三个核心痛点，更将安全控制与Agent开发解耦，让安全团队可以独立定义规则。随着AI Agent在企业工作流中的渗透率提升，这种“浏览器级安全”的能力将成为标配。
据 Hacker News 热门讨论，苹果与 OpenAI 的合作关系出现裂痕，可能演变为法律争端。这一消息在技术社区引发广泛关注，目前已有 58 个点赞和 29 条评论。 ## 合作背景与潜在冲突 苹果与 OpenAI 的合作始于 2024 年，当时苹果宣布将 OpenAI 的 ChatGPT 集成到 Siri 等产品中，以提升 AI 能力。然而，随着合作的深入，双方在技术路线、数据隐私和商业利益分配上逐渐产生分歧。 ## 争议焦点 - **数据隐私**：苹果一贯强调用户隐私保护，而 OpenAI 的模型训练需要大量数据，双方在数据使用权限上存在分歧。 - **技术控制**：苹果倾向于将 AI 功能深度集成到自家生态系统中，而 OpenAI 希望保持其技术的独立性与品牌曝光。 - **商业利益**：合作中的收入分成、API 调用费用等商业条款未能达成一致。 ## 行业影响 这一争端可能对 AI 行业产生连锁反应： - **苹果**：若失去 OpenAI 支持，苹果可能加速自研大模型（如 Ajax 框架），或寻求与 Google、Anthropic 等合作。 - **OpenAI**：失去苹果这一重要渠道，OpenAI 的用户增长和营收可能受挫，迫使其更依赖企业客户。 - **用户**：Siri 的 AI 功能升级可能延迟，影响用户体验。 ## 未来走向 目前双方尚未公开表态，但法律争端并非不可能。若进入诉讼，将涉及合同解释、技术归属等复杂问题。此外，监管机构可能关注此事对 AI 市场竞争的影响。 **小结**：苹果与 OpenAI 的关系紧张反映了科技巨头在 AI 领域合作与竞争的双重博弈。最终结果可能重塑移动端 AI 生态格局。
一直以来，我的主力移动浏览器在 iPhone 上是 Safari，在安卓上是 Chrome。但最近，**Microsoft Edge** 凭借一系列新集成的 AI 功能，开始动摇我的使用习惯。尽管我对微软强推 Copilot 的做法颇有微词，但不得不承认，当 AI 用对地方时，它确实能成为得力助手。 根据 Edge 产品副总裁 Sean Lyndersay 的博客文章，移动版 Edge 现在引入了多项此前仅桌面版才有的 AI 技能，并新增了一些跨平台功能。以下是让我改观的核心更新： ### 1. 多标签页一键总结 过去，要了解多个标签页的内容，你得逐个翻阅。现在，在移动版 Edge 中，你可以直接让 Copilot 总结或回答关于所有打开标签页的问题。只需在标签页首页点击搜索栏旁的 Copilot 图标，输入或说出指令（如“总结打开标签页中的信息”），Copilot 便会分析内容并给出整合摘要。这极大提升了研究效率，省去了来回切换的麻烦。 ### 2. 网页转播客 Edge 现在能将任何网页内容转换为播客形式。当你阅读一篇长文或新闻时，可以点击地址栏旁的音频图标，选择“收听此页”，Edge 会生成语音版本。更妙的是，你还可以要求 Copilot 根据页面内容创建播客节目，实现“边听边学”。 ### 3. 基于浏览历史与过往对话的问答 Copilot 现在能调用你的浏览历史和之前的聊天记录来回答问题。例如，你可以问“我上周看的那篇关于量子计算的文章里提到的关键技术是什么？”Copilot 会直接从历史记录中提取相关信息，无需手动翻找。这一功能让 AI 助手真正具备了“记忆”，使后续查询更加连贯。 ### 4. 页面内容生成测验 学习或备考时，你可以让 Copilot 基于当前网页内容生成测验题。点击 Copilot 图标，选择“创建测验”，它会根据文本自动生成选择题或问答题。这对于学生或需要快速检验理解程度的用户来说非常实用。 ### 5. 跨标签页信息对比 除了总结，你还可以要求 Copilot 对比多个标签页中的信息。比如，同时打开几款产品的评测页面，然后问“对比这些手机的续航和摄像头参数”，Copilot 会提取关键数据并生成对比表格或要点列表。 ### 6. 更自然的语音交互 移动版 Edge 的语音输入功能得到增强，支持更自然的连续对话。你可以用语音发出复杂指令，如“帮我找一下昨天关于 AI 伦理的文章，然后总结它的主要观点”，Copilot 会依次执行。 ## 小结 这些更新并非颠覆性创新，但它们的组合效应显著提升了移动浏览的效率和体验。**Edge 不再只是一个浏览器，更像一个 AI 驱动的信息助理。** 尤其是多标签页总结和历史问答功能，解决了移动端多任务处理的痛点。当然，Copilot 的准确性仍有待验证，但至少它让我愿意在特定场景下放下 Safari 和 Chrome。如果你还没升级，建议更新到 **版本 148 或更高**，亲自体验这些变化。
Cerebras Systems 的 IPO 可谓一波三折。一年前，这家AI芯片公司还深陷监管泥潭，如今却以一场震撼市场的首秀宣告归来。 ## 定价与首日表现 美东时间周四，Cerebras 正式登陆纳斯达克。**IPO 定价为每股185美元**，远高于此前上调后的发行价区间（150-160美元），初始发行规模也扩大至3000万股。**开盘价即飙升至385美元，较发行价上涨108%**，随后略有回落，截至午盘仍在330美元以上高位交易。按185美元的发行价计算，Cerebras 完全稀释后的估值已达 **564亿美元**。 CEO Andrew Feldman 所持股份价值约19亿美元，CTO Sean Lie 的持股价值约10亿美元——而按照当前300美元以上的股价，这一数字更为惊人。 ## 从绝境到逆袭 一年前，Cerebras 的上市前景还一片黯淡。这家从头设计巨型AI芯片、立志挑战英伟达的公司，早在2024年就提交了IPO申请。但**阿布扎比集团 G42 的大额投资引发了美国外国投资委员会（CFIUS）的无限期审查**——G42 当时贡献了 Cerebras 几乎全部收入，这种过度依赖让投资者望而却步。IPO计划被迫搁置。 转机出现在2025年4月。Cerebras 公布了亮眼财报：**2025年营收达5.1亿美元，同比增长76%**，且客户已扩展至多家。更关键的是，**净利润从上一年的亏损近5亿美元扭转为盈利2.378亿美元**。投资者态度迅速转变。 ## 市场地位与客户 Cerebras 凭借其专为AI推理设计的巨型芯片，已成为英伟达的有力竞争者。其客户包括 OpenAI（存在复杂循环交易关系）、G42、沙特穆罕默德·本·扎耶德人工智能大学以及亚马逊云服务（AWS）。 ## 行业意义 Cerebras 的成功上市标志着 **2026年首个大型科技IPO** 诞生，也为AI硬件赛道注入强心剂。在英伟达几乎垄断训练市场的格局下，Cerebras 在推理领域的差异化定位正获得市场认可。 （注：本文信息基于公开报道，不构成投资建议。）
科学家开发出一种基于石墨烯的超薄柔性传感器，可像“纹身”一样贴附在植物叶片表面，实时监测植物水分状态。这项技术有望在干旱易发地区构建植物传感网络，为精准农业和气候变化适应提供新工具。 ## 植物“纹身”如何工作？ 来自德克萨斯大学奥斯汀分校的研究团队，利用**石墨烯**——一种由单层碳原子构成的二维材料，制造出厚度仅数微米的传感器。这种传感器能够紧密贴合植物叶片，通过测量叶片电导率的变化来推断其水分含量。当植物缺水时，叶片细胞膨压降低，电导率随之改变，传感器可捕捉到这一信号。 研究团队在龟背竹（Monstera）叶片上进行了测试，结果显示传感器能**准确追踪叶片失水过程**，响应时间仅为数秒。相比传统土壤湿度传感器或热成像仪，这种植物“纹身”更直接地反映植物自身的生理状态，且对叶片损伤极小。 ## 从单叶片到植物神经网络 这项技术的突破性在于其**可扩展性**。单个传感器仅覆盖一小片区域，但研究者设想将多个传感器部署在不同植株或同一植株的不同部位，通过无线通信形成类似神经网络的监测系统。例如，在干旱易发地区的农田中，每株作物上的传感器可以实时上传水分数据，帮助农民**精准灌溉**，避免水资源浪费。 此外，该传感器还可用于研究植物对气候变化的响应。通过长期监测不同环境条件下的植物水分动态，科学家能更深入地理解干旱胁迫的生理机制，并筛选更耐旱的作物品种。 ## 挑战与前景 尽管前景诱人，该技术仍面临一些挑战。目前，石墨烯传感器的制造过程相对复杂，成本较高，距离大规模应用还有距离。此外，传感器的长期稳定性和在户外环境中的耐久性仍需验证。但研究团队表示，随着制造工艺的改进，未来有望实现**低成本、可降解**的植物传感器。 这项研究发表于《ACS Applied Materials & Interfaces》，是**植物可穿戴电子设备**领域的重要进展。结合物联网与人工智能，这种植物“纹身”或将成为智能农业的关键组件，帮助人类更高效地应对全球水资源危机。
## 两款顶尖黑白E Ink平板，谁更适合你？ ReMarkable 最新发布的 **Paper Pure** 数字纸平板，以 **399美元** 的起售价直接对标亚马逊 **Kindle Scribe**。两者外观相似，但核心定位截然不同。 ### 核心差异：写作优先 vs. 阅读优先 **Paper Pure** 专为笔记和素描设计，拥有极低延迟的手写体验和类似真实纸张的触感。其操作系统专注于无干扰书写，支持笔记整理、文档批注，并可通过云服务同步。而 **Kindle Scribe** 更偏向阅读，在提供手写功能的同时，深度整合亚马逊 Kindle 书城，适合阅读电子书并做笔记。 ### 硬件与体验对比 两者都采用 **E Ink 屏幕**，但 Paper Pure 的屏幕表面经过特殊处理，摩擦力更接近纸。Kindle Scribe 的屏幕则更光滑，手写时略有延迟。在笔的精准度上，ReMarkable 的 Marker 系列笔尖更细，压感更灵敏，适合绘画和精细书写。Kindle Scribe 的笔支持橡皮擦功能，但整体书写感略逊一筹。 ### 软件生态与内容 ReMarkable 提供 **ReMarkable Connect** 云服务，支持跨设备同步笔记，但文件导入格式有限。Kindle Scribe 则无缝接入亚马逊生态，可直接从 Kindle 商店购买书籍，并支持 PDF 批注。如果你已有大量 Kindle 图书，Scribe 更便捷；若专注笔记和文档处理，Paper Pure 更专业。 ### 结论 **ReMarkable Paper Pure** 在书写体验上胜出，适合学生、设计师和重度笔记用户。**Amazon Kindle Scribe** 则更适合阅读爱好者，兼顾笔记功能。选择取决于你的核心需求：是更看重“写”还是“读”。
一项最新的盖洛普（Gallup）调查显示，超过70%的美国民众反对在自家附近建设AI数据中心，支持者仅占7%。数据中心甚至比核电站更不受欢迎——核电站建设反对率的历史峰值也仅为63%。 ## 资源消耗是首要担忧 在反对者中，**50%** 将数据中心对水电等资源的影响列为首要原因。皮尤研究中心（Pew Research）本月早些时候发布的另一项调查也显示，43%的美国人认为数据中心是电费飙升的“主要原因”。 ## 党派立场差异明显 反对新建数据中心的情绪在民主党人中最为强烈，达到**75%**，独立选民为74%，共和党人则为63%。除资源消耗外，生活质量、生活成本、污染以及对AI的负面看法也是受访者反对的重要原因。 ## 支持者看重就业机会 在支持新建数据中心的群体中，**55%** 的人认为主要原因是就业机会。缅因州州长珍妮特·米尔斯（Janet Mills）今年早些时候否决了一项为期18个月的数据中心建设暂停令，理由正是就业。 ## 行业背景与影响 随着AI大模型训练和推理需求激增，科技巨头纷纷加速建设数据中心，但由此带来的能源和水资源压力引发了广泛争议。此次调查表明，公共接受度可能成为数据中心扩张的新瓶颈。盖洛普指出，数据中心如此不受欢迎，以至于美国人宁愿住在核电站附近，也不愿靠近数据中心。 调查基于2026年3月对全美50州及哥伦比亚特区1000名成年人的随机抽样，以及2026年4月对盖洛普面板2054名成员的调查。
Ian Crosby，这位曾创立 Bench Accounting 并目睹其于 2024 年倒闭的连续创业者，如今带着新项目 **Synthetic** 重返舞台。Synthetic 旨在打造**完全自主的 AI 记账服务**，能够自动生成基于权责发生制的财务报表，无需人工干预。尽管产品仍处于设计阶段，甚至 Crosby 本人也承认当前技术可能无法完全实现其愿景，但 Khosla Ventures 领投了 **1000 万美元** 的种子轮融资，Basis Set Ventures 和 Shopify CEO Tobias Lütke 跟投。 对一个前公司崩塌、新愿景又充满技术不确定性的创始人，多数投资者会避之不及。但 Khosla 合伙人 Jon Chu 却“倾向于拥抱争议”——他认为舆论常被群体思维左右，而非真相本身，并引用 Parker Conrad（Zenefits 被逐后创立 Rippling，估值近 170 亿美元）作为先例。Chu 相信 Crosby 在离开 Bench 后的经历——包括在 Shopify 工作、创立后被 Mercury 收购的 Teal——已让他充分吸取教训。 Crosby 强调，Bench 的倒闭并非他的直接责任：他于 2021 年被董事会解雇，三个月前他刚拒绝了 Brex 2.5 亿美元的收购要约。董事会不认同他的战略方向，而团队也对领导风格不满。最终，新管理层未能扭转局面，Bench 走向终结。Chu 在尽职调查中与多位 Crosby 前同事交流，后者“对 Ian 赞不绝口”。 这笔投资折射出硅谷对 **AI 替代传统会计** 的持续押注，也凸显了风投对“二度创业”者的复杂态度——争议之下，是技术潜力与创始人成长的故事。
思科（Cisco）近日宣布将裁员约 **4000 人**，占其全球员工总数的约 5%。这是该公司近年来最新一轮裁员，与此同时，思科首席执行官查克·罗宾斯（Chuck Robbins）高调宣布公司创下了“**创纪录的季度营收**”，并计划将节省下来的成本重点投入人工智能（AI）领域。 ### 裁员与AI投资并行 思科在最新财报中表示，此次裁员是公司战略调整的一部分，旨在将资源重新聚焦于高增长领域，尤其是 **AI 基础设施** 和 **网络安全**。尽管裁员规模不小，但罗宾斯强调，这并非收缩信号，而是为了更高效地投资未来。思科预计，重组计划将帮助公司每年节省约 **10 亿美元** 的成本。 ### 业绩亮点：营收创纪录 在裁员消息之外，思科交出了一份亮眼的季度成绩单。公司报告称，**季度营收达到 136.4 亿美元**，同比增长约 16%，超出市场预期。增长主要得益于 **网络设备订单** 的强劲反弹，以及企业客户对 **混合办公解决方案** 的持续需求。罗宾斯在电话会议中表示：“我们在多个关键市场看到了强劲的势头，尤其是 AI 相关的基础设施需求正在快速增长。” ### AI 成为核心战略 思科近年来一直在加速 AI 布局。2023 年，公司推出了 **Cisco AI 网络解决方案**，旨在帮助企业和数据中心优化 AI 工作负载。此外，思科还通过收购 **Splunk** 等公司强化了其数据分析和安全能力。罗宾斯指出：“AI 不仅是我们产品组合的一部分，更是推动整个行业变革的力量。思科的目标是成为 AI 时代网络基础设施的领导者。” ### 行业背景：科技巨头纷纷转向 AI 思科的裁员和 AI 投资并非孤例。近期，包括 **谷歌、微软、亚马逊** 在内的多家科技巨头都进行了类似的结构调整，将资源从传统业务转向 AI。IDC 分析师表示：“企业正在经历从‘数字化转型’到‘AI 转型’的转变。思科的行动表明，即使是网络设备领域的巨头，也必须紧跟技术浪潮。” ### 未来展望 思科预计，2025 财年全年营收将增长 4% 至 6%，其中 AI 相关业务将成为主要驱动力。公司计划在未来三年内将 AI 相关研发投入增加 **50%**。不过，裁员也引发了一些担忧，尤其是对员工士气和短期运营的影响。思科表示，将为受影响的员工提供离职补偿和转岗支持。 总体来看，思科此次“裁员换 AI”的战略，反映了科技行业在 AI 浪潮下的普遍焦虑与机遇。如何在削减成本的同时保持创新活力，将是思科面临的下一个挑战。
## 机会窗口即将关闭：Startup Battlefield 200 申请倒计时 对于全球初创企业来说，一个不可错过的机遇正在进入倒计时。**TechCrunch 的旗舰创业大赛 Startup Battlefield 200** 的申请截止日期为 **5 月 27 日**，仅剩两周时间。 ### 为何值得关注？ 入选 Startup Battlefield 200 意味着获得多重资源加持： - **风险投资对接**：直接面向顶级 VC 进行路演，提升融资成功率。 - **全球曝光**：在 TechCrunch Disrupt 大会上面向数千名参会者展示产品。 - **媒体覆盖**：获得 TechCrunch 编辑团队的报道机会，扩大品牌影响力。 - **现金奖励**：最终获胜者将获得 **10 万美元无股权稀释奖金**。 ### 关键时间节点 - **申请截止**：5 月 27 日（太平洋时间） - **活动时间**：TechCrunch Disrupt 大会期间（具体日期参见官网） ### 适合哪些团队？ 无论你处于种子轮还是成长早期，只要有创新技术和可落地的商业模式，都值得尝试。往届优胜者包括 Dropbox、Yammer 等知名公司。 ### 如何申请？ 请尽快访问 TechCrunch 官网提交申请材料。**时间紧迫，机会稍纵即逝**。 > 小结：如果你正在寻找加速成长的杠杆，Startup Battlefield 200 可能是今年最值得投入的战场之一。
在过去几年中，创意市场平台意识到自己坐拥数据金矿，无论是用于开发自家 AI 模型，还是通过授权给其他实验室来创收，都前景广阔。**Wirestock** 选择了后者——这家曾帮助摄影师在 Shutterstock 等图库分发销售作品的公司，于 2023 年转型为数据供应商，如今为 AI 实验室提供图像、视频、设计素材以及游戏与 3D 内容的数据集。 Wirestock 联合创始人兼 CEO Mikayel Khachatryan 透露，平台已签约超过 **70 万** 名艺术家和设计师，他们像 Fiverr 上的自由职业者一样完成各类数据采集任务。公司对转型保持透明，允许艺术家选择退出数据供应业务（2022 年平台曾拥有超 10 万名摄影师）。Khachatryan 未透露具体有多少人转为 AI 数据提供者，仅表示“大多数”留了下来。 “最初，我们的交易大多是出售现有库存，比如已有的图库。但后来出现了大量定制内容与数据请求，这为创作者创造了新机会，平台也随之腾飞。”Khachatryan 说道。 本周四，Wirestock 宣布获得 **2300 万美元** A 轮融资，由 **Nava Ventures** 领投，**SBVP**（由 Sheryl Sandberg 联合创立）、**Formula VC** 和 **I2BF Ventures** 参投。资金将用于拓展新的数据供应业务。 Khachatryan 表示，Wirestock 目前为 **六家** 最大的基础模型制造商提供多模态数据，但拒绝透露具体名称。公司目前年化收入达 **4000 万美元**，已向贡献者支付 **1500 万美元**。 转型过程中，Wirestock 不得不重新培训部分团队，使其能够对数据进行详细标注和标记，以满足 AI 实验室的需求。同时，公司还组建了销售与企业团队，以对接超大规模云厂商，并设法获取更多创意资产，尤其是在 3D 建模领域。 目前，Wirestock 通过邮件营销和推荐计划吸引新贡献者。摄影师、摄像师和插画师可在其网站申请提供数据，但需先完成一项无报酬的任务作为质量检验。公司表示，采用 AI 与人工评审相结合的方式对提交内容进行评估。
## 不止是“快”和“稳”——Fedora 44 的隐藏实力 Fedora 44 以其快速、稳定著称，是很多技术爱好者的首选发行版。但你或许不知道，它远比想象中更灵活、更强大。以下是我在日常工作中总结的 **6种高级用法**，让 Fedora 44 真正成为“全能选手”。 ### 1. 容器化开发环境 Fedora 44 内置了 **Podman**（无需守护进程的 Docker 替代品），可以轻松创建隔离的开发环境。配合 **Toolbox** 工具，你甚至可以在不污染主系统的情况下，为不同项目配置独立的软件栈。 ### 2. 自定义内核与硬件加速 Fedora 的社区仓库（如 **COPR**）提供了大量优化内核，例如针对 AMD 或 Intel 处理器定制编译的版本。此外，通过 **Mesa 驱动** 和 **VA-API**，可以轻松开启硬件视频编解码加速，让老旧硬件焕发新生。 ### 3. 无缝虚拟化 利用 **virt-manager** 和 **libvirt**，Fedora 44 能直接管理 KVM/QEMU 虚拟机。相比其他发行版，其集成度更高：支持 GPU 直通、动态内存调整，甚至可以在虚拟机中运行 macOS。 ### 4. 极简桌面与高性能模式 Fedora 默认采用 GNOME，但如果你追求极致性能，可以切换到 **i3** 或 **Sway** 等平铺窗口管理器。通过 **systemd-analyze** 优化启动项，开机时间可压缩到 3 秒以内。 ### 5. 企业级安全配置 Fedora 44 预装了 **SELinux**（强制访问控制），配合 **Firewalld** 和 **AIDE**（入侵检测），可以构建符合等保要求的安全基线。对于服务器场景，还能启用 **内核锁定** 和 **模块签名验证**。 ### 6. 跨平台开发与调试 借助 **Flatpak** 和 **Snap** 双支持，Fedora 44 能运行几乎所有 Linux 应用。同时，**GDB** 配合 **Valgrind** 的调试体验一流，加上 **SystemTap** 动态追踪，是 C/C++ 和 Rust 开发者的利器。 ## 小结 Fedora 44 的“就绪”不仅体现在开箱即用的流畅体验，更在于其 **模块化设计** 和 **社区生态** 赋予的无限可能。无论是做开发、运维还是日常办公，它都能通过上述技巧适应各种场景。如果你的 Linux 之旅止步于基本操作，不妨试试这些进阶玩法——你会发现一个全新的世界。
当生成式AI从研究实验室进入真实商业场景时，企业默认了一个隐性契约：先要能力，再谈控制。将专有数据喂给第三方AI模型，能获得强大结果，但数据流经不受己控的系统，治理规则由他人设定。如今，随着AI深入日常运营，更复杂的自主智能体系统不断演进，企业开始重新审视这笔交易。 ## 数据主权：从隐忧到刚需 EDB CEO Kevin Dallas指出：“数据是新的货币，是许多公司的知识产权。核心担忧在于：如果你用云上大模型部署AI应用，是否会失去你的IP和竞争地位？”这一问题正推动企业夺回对数据和AI系统的控制权。据EDB内部数据，**70%的全球高管认为需要主权数据与AI平台**才能成功。 ## 全球政策共振 AI主权已成为全球政策议题。英伟达CEO黄仁勋在2026年1月达沃斯世界经济论坛上呼吁：“每个国家都应参与构建AI基础设施，利用自身语言和文化这一自然资源，开发并持续优化AI，让国家智慧成为生态系统的一部分。” ## 企业行动加速 EDB对超过2050名高管的调查及行业专家访谈表明，企业层面的主权运动已全面展开。企业正从依赖单一云提供商转向混合架构与本地部署，通过开源模型、数据加密与合规框架重掌控制权。报告强调，**主权不是封闭，而是可控的选择**——在能力与安全间找到平衡。 ## 未来路径 专家建议，企业应从三方面入手：1）**数据治理先行**，明确数据分类与访问权限；2）**模型灵活部署**，结合本地微调与云端推理；3）**生态合作**，与提供主权解决方案的厂商共建基础设施。主权不是技术倒退，而是数字化转型的成熟标志。 *本文基于MIT Technology Review Insights与EDB合作报告，内容由定制内容团队制作，非编辑部原创。*
金融服务业在部署代理式AI时，面临独特的数据挑战。本文探讨了数据质量、安全性和可访问性如何成为成功的关键，以及如何通过集中化数据管理实现合规与效率的平衡。