## 托管知识库：企业级 AI Agent 搜索的三大支柱 Amazon Bedrock 近日宣布 **Managed Knowledge Base** 正式全面可用（GA），这是一项完全托管的代理检索服务，旨在帮助企业快速构建基于自有数据的 AI Agent 和生成式应用。传统上，构建企业级知识库需要团队自行拼合数据连接器、解析器、向量存储、知识图谱和检索逻辑，再将其投入生产环境，整个过程往往耗费数天甚至数周。而 Bedrock 托管知识库通过三大支柱——**简化设置**、**更智能的检索**和**生产就绪**——大幅降低了这一门槛。 ### 简化设置：从零到首次检索只需几分钟 开发者以往需要分别采购和搭建数据摄取管道、向量/图存储以及检索基础设施，这意味着要管理多个独立服务、不同的计费模型和速率限制，并将它们拼凑成连贯的流水线。Managed Knowledge Base 将这一复杂性彻底抽象化：你只需配置一个知识库，服务就会自动处理后续所有环节——从通过原生连接器摄取企业数据，到为你管理向量存储。 目前，该服务提供了 **6 个原生连接器**，包括 Amazon S3、Microsoft SharePoint、Atlassian Confluence、Google Drive、Microsoft OneDrive 和 Web 爬虫。此外，还提供**直接摄取 API**，用于处理不在支持来源中的文档。通过 AWS 管理控制台即可快速上手，无需选择模型，智能默认设置让你在几分钟内完成首次检索，而以往搭建类似管道通常需要数天甚至数周。 ### 更智能的检索：高精度与灵活定制 在简化基础之上，Managed Knowledge Base 并未牺牲检索质量。它支持多种检索增强策略，包括**嵌入模型**、**重排序器**和**分块策略**的灵活选择，开发者可以根据业务需求调整这些参数以获得最佳召回率。例如，对于需要高精度的场景，可以使用重排序模型对初步结果进行二次排序；对于多模态文档，系统能够解析并处理混合内容。 这种智能检索能力让知识库能够应对复杂查询，在多样化的内容间进行推理，从而为 AI Agent 提供更准确的上下文。 ### 生产就绪：安全、可观测与弹性扩展 生产环境对知识库的要求远不止于功能。Managed Knowledge Base 内置了**文档级访问控制**（ACL），确保不同用户只能访问其授权范围内的数据。同时，服务提供完整的**可观测性**和**安全**机制，并自动处理弹性扩展，无需手动规划容量。 ### 代码示例：快速上手 AWS 官方提供了 Python 代码示例，展示如何通过 SDK 创建知识库并执行检索。以下是一个简化流程： 1. **创建知识库**：指定名称、存储配置（如 OpenSearch Serverless）和嵌入模型。 2. **添加数据源**：通过 S3 连接器或直接摄取 API 导入文档。 3. **同步并查询**：调用 `retrieve` 或 `retrieveAndGenerate` API 获取相关段落。 ```python import boto3 bedrock_agent = boto3.client('bedrock-agent') # 创建知识库 response = bedrock_agent.create_knowledge_base( name='MyEnterpriseKB', roleArn='arn:aws:iam::123456789012:role/BedrockKBExecutionRole', knowledgeBaseConfiguration={ 'type': 'VECTOR', 'vectorKnowledgeBaseConfiguration': { 'embeddingModelArn': 'arn:aws:bedrock:us-east-1::foundation-model/amazon.titan-embed-text-v2:0' } }, storageConfiguration={ 'type': 'OPENSEARCH_SERVERLESS', 'opensearchServerlessConfiguration': { 'collectionArn': 'arn:aws:aoss:us-east-1:123456789012:collection/my-collection', 'vectorIndexName': 'my-index', 'fieldMapping': { 'metadataField': 'metadata', 'textField': 'text' } } } ) ``` ### 行业影响与展望 作为 AWS 在生成式 AI 领域的重要布局，Bedrock Managed Knowledge Base 直接回应了企业落地 AI Agent 时最大的痛点——**数据基础设施的碎片化**。通过将连接器、存储、检索和安全整合为一项托管服务，AWS 不仅降低了开发门槛，更让企业能够将精力集中在业务逻辑和模型优化上。 未来，随着更多数据源连接器的加入（如数据库、CRM 系统）以及对多模态检索的深度支持，该服务有望成为企业构建 RAG（检索增强生成）应用的首选基础设施。对于正在探索 AI Agent 落地的团队而言，现在正是试用 Managed Knowledge Base 的最佳时机。
欧盟正式通过《数字市场法案》（DMA）的新规，要求谷歌等科技巨头**共享搜索数据**，并在安卓平台**开放AI能力**给第三方开发者。谷歌警告称，这些变化可能**危及用户隐私与安全**。 ## 新规核心内容 欧盟此次行动瞄准了谷歌的两大核心业务： - **搜索数据共享**：谷歌必须向竞争对手提供其搜索排名、点击和查询数据，以打破搜索市场的垄断格局。 - **安卓AI开放**：在安卓系统中，谷歌需允许第三方应用和服务访问其AI功能（如Google Assistant的核心组件），并确保公平竞争。 ## 谷歌的回应 谷歌在官方声明中表示，这些要求“过于激进”，可能带来**严重的安全风险**。例如，开放搜索数据可能被恶意利用，而AI接口的开放则可能导致用户数据泄露或系统漏洞。谷歌还指出，部分条款在技术上难以实现，且可能削弱安卓系统的整体安全性。 ## 行业影响 分析师认为，此举将重塑欧洲数字市场格局： 1. **搜索市场**：竞争对手如DuckDuckGo或Ecosia可能获得关键数据，从而提升搜索质量。 2. **AI生态**：第三方开发者可基于谷歌的AI能力构建新应用，但同时也面临数据安全和合规挑战。 3. **用户隐私**：数据共享范围的扩大可能增加隐私风险，欧盟需配套严格的监管措施。 ## 下一步 欧盟将在未来几个月内敲定具体执行细则，谷歌需在6个月内完成合规调整。若未能遵守，谷歌可能面临高达全球年营收10%的罚款。这场科技巨头与监管机构的博弈，将深刻影响全球AI与搜索市场的走向。
埃隆·马斯克旗下的 xAI 公司近日对一名用户提起首起诉讼，指控其利用 Grok 模型生成儿童性虐待图像（CSAM）。这一举动标志着 xAI 在内容安全策略上的重大转向——从否认模型能力缺陷，转向追责用户行为。 ## 事件背景 此前，xAI 曾多次公开否认 Grok 能够生成 CSAM 内容，但第三方测试和用户报告显示，该模型在特定提示下确实可以产出不当图像。面对舆论压力，xAI 选择了法律途径，而非技术修复。 ## 诉讼细节 据起诉文件，被指控用户涉嫌使用 Grok 生成并传播儿童性虐待图像，违反了平台使用条款和相关法律。xAI 要求法院禁止该用户继续使用其服务，并寻求赔偿。这是 xAI 首次针对此类行为采取法律行动，反映出公司对内容安全的立场正在收紧。 ## 行业背景 AI 生成内容的合规问题已成为行业焦点。此前，**Midjourney**、**Stable Diffusion** 等模型也曾因类似问题被批评，但多数公司选择通过技术过滤和内容审核来应对。xAI 的“先否认，后起诉”策略显得更为激进。法律专家指出，这种做法可能面临双重挑战：一方面，需要证明用户行为确实违法；另一方面，若模型本身存在漏洞，公司也可能因未能有效阻止滥用而承担部分责任。 ## 未来影响 此案可能为 AI 内容安全树立新先例。若 xAI 胜诉，将鼓励更多公司通过法律手段追责恶意用户；若败诉，则可能迫使平台加强技术防护。无论如何，**Grok 的安全缺陷**已无法掩盖，xAI 需要在技术改进与法律威慑之间找到平衡。 目前，xAI 尚未公开回应是否会进一步更新 Grok 的安全过滤机制。
LM Studio 今日发布了其迄今为止最重要的产品更新——**LM Studio Bionic**，这是一款专为开放模型设计的AI代理，旨在帮助用户完成从编程到文档处理等一系列实际工作。Bionic 支持本地模型和云端开源模型，用户可灵活切换，同时保持对隐私和AI支出的完全控制。LM Studio 承诺对所有Bionic用户实施**零数据保留**政策，绝不使用用户数据进行训练。 ## 核心功能与亮点 Bionic 集成了多个关键能力： - **编程辅助**：可检查本地代码库、解释不熟悉的代码、协助调试和修改。通过创建代码项目并指向本地文件夹，Bionic 能执行智能代码搜索，快速定位相关文件并追踪行为。支持 GLM 5.2 和 Kimi K2.7 Code 等强大开放模型，帮助用户高效构建。 - **文档与办公支持**：适用于文档、PDF、幻灯片和电子表格等。在“工作项目”中，Bionic 在沙盒环境中处理文档，确保计算机和文件安全。用户可要求Bionic生成新文档、制作演示文稿或整理电子表格。 - **语音输入**：配备离线语音转录功能，使用 Mistral AI 的 **Voxtral** 模型，实现多语言实时转录。用户可通过语音键盘在任何应用中口述想法、提示或编辑内容，所有处理均在本地完成。 - **灵活的执行模式**：支持本地运行、通过 LM Link 连接，或使用 LM Studio 安全云上的前沿开源模型。用户可根据任务需求选择最合适的模型和计算环境，从而优化成本。 ## 行业背景与意义 当前AI代理市场正快速演进，但多数代理产品依赖闭源模型和云端服务，用户面临数据隐私风险和不可控的支出。LM Studio Bionic 的推出，为开放模型生态提供了一个完整的工作流解决方案。它允许用户在保持数据本地化（或使用可信任的云端）的同时，获得与闭源方案媲美的编码和文档处理能力。这一做法尤其适合对隐私敏感的企业和个人开发者。 从技术角度看，Bionic 对本地语音转录和沙盒化文档处理的支持，降低了AI代理的使用门槛——用户无需将敏感数据上传至第三方。同时，支持多种模型和执行环境的选择，使用户能够根据任务复杂度灵活调整，避免为简单任务支付高昂的云端推理费用。 ## 小结 LM Studio Bionic 的发布，标志着开放模型在实用性上迈出了重要一步。它不仅是一个“聊天机器人”，而是一个能真正介入工作流的AI代理。对于开发者而言，Bionic 提供了可审计的代码修改和本地运行能力；对于知识工作者，它则是文档处理和内容生成的得力助手。随着开放模型性能的不断提升，类似 Bionic 这样的代理工具有望在AI应用中占据更重要的位置。
## 事件概述 现代汽车计划从2028年起，在其美国工厂率先部署**25,000台**波士顿动力公司的人形机器人**Atlas**。这一雄心勃勃的自动化目标引发了工人的强烈反弹——部分工厂已出现罢工，工人们担忧机器人将大规模取代人类岗位。 ## 行业背景 人形机器人的商业化落地正在加速。波士顿动力的Atlas机器人经过多年研发，已具备跑酷、搬运等复杂运动能力；而现代汽车自2020年收购波士顿动力后，一直寻求将机器人技术融入制造场景。此次25,000台的部署规模，标志着人形机器人从实验室走向工业场景的关键转折。 ## 争议焦点 工人们的主要担忧集中在两方面：**就业替代风险**和**技能贬值**。现代汽车尚未明确说明机器人将具体取代哪些岗位，但历史经验表明，自动化浪潮往往先冲击重复性劳动。一位罢工工人表示：“我们不是反对技术进步，但公司必须给出再培训和岗位保障的明确承诺。” ## 企业回应 现代汽车方面强调，机器人将主要用于**辅助而非替代**人类，例如搬运重物、执行危险任务等。公司承诺在转型期间提供技能提升计划，但未透露具体岗位保留比例。分析人士指出，25,000台Atlas的部署可能分阶段进行，初期影响或集中在物流和简单装配环节。 ## 行业启示 这起事件折射出AI与自动化时代的核心矛盾：**效率提升与社会公平的平衡**。欧盟近期通过的《人工智能法案》已要求企业对自动化导致的失业进行补偿评估。现代汽车的罢工潮可能成为全球制造业劳资谈判的新样本——当机器人不再是科幻概念，而是车间里的同事时，工人的集体行动将如何重塑技术落地的节奏？ ## 小结 现代汽车的罢工事件并非孤例。随着人形机器人成本下降（目前单台约200万美元）和性能提升，更多工厂将面临类似的劳资博弈。技术乐观派相信机器人能创造新岗位，但历史证明转型阵痛不可避免。如何在自动化浪潮中保障工人权益，将是未来十年制造业的核心议题。
三星即将在 2026 年 7 月 22 日于伦敦举办 Galaxy Unpacked 活动，预计发布第八代折叠屏手机 Z Fold 8 和 Z Flip 8、新一代智能手表 Galaxy Watch Ultra 2 与 Galaxy Watch 9，还可能带来更宽屏的 Z Fold 8 变体、年初预告的 Galaxy XR Glasses 以及第二代 Galaxy Ring 等惊喜产品。 ## 折叠屏迎来新形态 三星今年在《蜘蛛侠》预告片中暗示了“全新形状”的折叠屏，市场普遍预期 **Galaxy Z Fold 8** 将采用更宽的平板级屏幕比例，并配备 **5000mAh 电池** 和双摄像头系统。这将是三星第七代折叠屏产品，形态创新备受期待。与此同时，经典的 **Z Flip 8** 也将同步更新，延续上下折叠设计。 ## 智能手表阵容调整：无 Classic 版本 智能手表方面，三星将推出 **Galaxy Watch 9** 和 **Galaxy Watch Ultra 2**，但今年可能跳过 Classic 系列（即取消旋转表圈设计）。若用户偏爱经典造型，可考虑去年的 **Galaxy Watch 8 Classic**。 ## 潜在惊喜：XR 眼镜与智能戒指 活动最大悬念在于 **Galaxy XR Glasses**——三星年初曾预告的混合现实眼镜，有望在此次亮相。此外，**第二代 Galaxy Ring** 也可能更新，进一步巩固三星在智能可穿戴生态的布局。 ## 活动信息 - **时间**：2026 年 7 月 22 日（周三）下午 6 点（ET） - **地点**：伦敦 - ZDNET 将现场报道最新动态。 三星此次 Unpacked 不仅延续了折叠屏和手表的主线，更可能通过 XR 眼镜等新品类拓展 AI 与空间计算的边界。
xAI 的 Grok 4.3 现已通过 Amazon Bedrock 正式可用，为构建智能体和 AI 工作流的团队带来一款在长输入上可靠推理的模型。该模型支持可配置的推理努力级别（无/低/中/高），允许用户根据任务灵活平衡速度与深度：简单分类用“无”保持低延迟，合同分析等复杂任务用“高”以获得深度推理。Grok 4.3 拥有 **100 万 Token 上下文窗口**，可处理长篇文档和持续多轮对话；支持文本和图像输入，并具备强大的工具调用与指令遵循能力，非常适合智能体场景。 根据 xAI 的数据，Grok 4.3 在多项基准测试中表现领先：在 **Artificial Analysis Omniscience 基准**上排名第一，**幻觉率最低**；在 **Tau2 Telecom 基准**（客服工具调用）和 **Vals AI 案例法与企业金融基准**（文档理解）上也均位列榜首。xAI 还宣称该模型位于“智能-成本帕累托前沿”，每美元提供的智能是其他前沿模型的 2 到 10 倍。 在 Amazon Bedrock 上，Grok 4.3 运行于新一代推理引擎 Mantle，确保高性能。开发者可通过 Bedrock API 快速集成，实现基础聊天、结构化输出、图像输入、有状态多轮对话等能力。 ### 关键能力一览 - **可配置推理努力**：按请求设置 none/low/medium/high，同一模型适配从快速分类到深度分析的全范围任务。 - **低幻觉率**：在 Omniscience 基准中排名第一，适合对准确性要求高的企业场景。 - **百万级上下文**：100 万 Token 窗口，轻松处理整本小说或复杂文档。 - **多模态输入**：支持文本和图像，输出为文本。 - **工具调用与结构化输出**：原生支持函数调用，便于构建智能体和结构化数据提取。 ### 快速上手示例 通过 Amazon Bedrock 使用 Grok 4.3 的 Python 示例（使用 boto3）： ```python import boto3 bedrock_runtime = boto3.client('bedrock-runtime') response = bedrock_runtime.converse( modelId='xai.grok-4.3', messages=[ { 'role': 'user', 'content': [{'text': 'Explain the concept of reasoning effort in AI models.'}] } ], inferenceConfig={ 'maxTokens': 1000, 'temperature': 0.7, 'additionalModelRequestFields': { 'reasoning_effort': 'high' } } ) print(response['output']['message']['content'][0]['text']) ``` 开发者可通过 `additionalModelRequestFields` 传入 `reasoning_effort` 参数，实现细粒度控制。 ### 行业影响 Grok 4.3 的加入进一步丰富了 Amazon Bedrock 的模型生态。对于企业用户，低幻觉率和可配置推理意味着可以更放心地将模型应用于法律、金融等高风险领域。而 xAI 强调的“每美元智能”性价比，也可能推动更多中小团队尝试前沿模型。 随着智能体工作流日益复杂，Grok 4.3 的百万上下文和工具调用能力使其成为构建长流程、多步骤任务的理想选择。未来，xAI 与 AWS 的合作或将带来更多专属优化与集成。
Linux 创始人 Linus Torvalds 近日在公开场合强硬回应了关于在 Linux 内核开发中使用 AI 编码工具的争议。他表示，对于那些主张禁止 AI 工具的人，他会“非常大声地忽略”他们，并直言不讳地建议：“Fork 它，或者干脆走开。” 这一表态发生在开源社区内部对 AI 生成代码的可靠性、版权和审查难度争论日益激烈的背景下。Torvalds 的态度明确：AI 是工具，关键在于如何使用，而非是否使用。他强调，Linux 内核开发一直依赖严格的代码审查流程，无论代码来源是人类还是 AI，最终都需要经过维护者的验证。 Torvalds 的立场并非孤例。近年来，GitHub Copilot、Amazon CodeWhisperer 等 AI 编码助手已被大量开发者采用，尽管存在关于代码质量和许可证合规性的争议，但主流趋势是接受并规范使用。Linux 基金会此前也发布了 AI 代码贡献指南，要求明确标注 AI 辅助生成的部分。 Torvalds 的直率回应反映了开源社区中实用主义与保守派之间的张力。对于他而言，效率提升和生产力解放优先于对未知风险的过度担忧。他同时警告，如果反对者无法适应技术演进，fork（分叉）项目或退出是更现实的选择，而非试图阻止变革。 这一事件也凸显出 AI 在关键基础设施软件开发中的角色正在从辅助走向融合。Linux 作为全球最大开源项目，其态度可能影响其他项目对 AI 工具的接纳程度。未来，围绕 AI 代码的审查标准、责任归属和版权界定，或将催生更明确的社区规范。
根据 VentureBeat Pulse 最新研究，企业对 AI 基础设施的投入正以远超其成本可见性的速度增长。调研覆盖 107 家企业，结果显示：尽管多数企业当前仍依赖超大规模云和模型 API 运行 AI，但未来投资正涌向几乎尚未使用的专业算力层；大多数企业计划在一年内更换或新增供应商，其中许多将在下季度内行动。采购决策主要取决于集成度和总拥有成本，而非标价——这很幸运，因为大多数企业尚无法看清其单位经济性：**GPU 利用率中位数低于 50%**，且 **不到一半的企业严格追踪计算成本**。这种“算力鸿沟”——重金投资与管控能力之间的脱节——正成为行业核心挑战。 ## 核心发现：投资超前，可见性滞后 只有 **21%** 的企业实现了 AI 在生产环境的大规模部署，但投资意愿已远超这一成熟度：未来一年内，企业计划评估的最大单项是 **AI 专用云（45%）**——而目前几乎无人使用。同时，现有算力利用率低下：**83%** 的企业报告 GPU 利用率不超过 50%，只有 **44%** 能严格追踪 AI 计算成本。 ## 供应商忠诚度低，集成与 TCO 成关键 **64%** 的企业计划在 12 个月内更换或增加基础设施供应商，**38%** 甚至计划在下季度内行动——对于基础架构类别而言，这一流失意向异常高。选择供应商时，**41%** 的企业优先考虑与现有栈的集成度，**35%** 关注总拥有成本（TCO），而每百万 token 价格仅影响 **8%** 的决策。 ## 未来方向：从 GPU 到内存带宽的转变 研究指出，下一轮决策的边界约束将从 GPU 算力转向内存带宽——这一转变将重新定义基础设施采购策略。企业需在加速投资的同时建立成本可见性，以避免资源浪费。
**AI代理正快速渗透企业系统，但安全控制措施严重滞后。** 最新研究显示，在107家企业中，超过半数（54%）已确认发生过AI代理安全事件或险情，但绝大多数企业仍未建立有效的身份隔离与访问控制机制。 ## 核心数据：事件频发，控制薄弱 VentureBeat Pulse Research 调查发现，**18%的企业曾遭遇确认的AI代理安全事件，另有36%经历过险些酿成事故的险情。** 这意味着半数以上企业已直面代理安全威胁。然而，安全防护的“短板”十分明显： - **身份管理缺失**：仅约三分之一（32%）的企业为每个代理分配独立、有作用域的身份；多数企业仍让代理共享凭证，或依赖人类/服务账户的API密钥。 - **隔离能力不足**：只有30%的企业将高风险代理隔离在沙箱中，一旦共享凭证的代理被攻破，攻击面将急剧扩大。 - **安全工具“借用”为主**：企业安全栈高度依赖云厂商和模型提供商的原生工具——OpenAI的护栏（51%）、Google和Microsoft的云控制、Anthropic的托管代理控制占据主导，而专业代理安全厂商几乎无人问津。 ## 矛盾心态：高满意度与低投入并存 尽管防护手段薄弱，企业对现有“借用”安全栈的满意度却高达4.2/5分。但另一面，**安全预算中仅极小部分用于代理安全**，且只有三分之一的企业认为自身AI防御能力领先于AI攻击者。这种“舒适区”心态可能让企业低估风险。 ## 行业背景：代理安全缺口亟待填补 随着AI代理从实验走向生产，其自主决策能力放大了传统权限管理的漏洞。**共享凭证、缺乏隔离、工具拼凑**成为三大致命弱点。研究指出，企业需要建立**代理原生安全体系**，包括： - 为每个代理创建独立、最小权限的托管身份； - 对高风险代理实施沙箱隔离； - 部署专为代理行为设计的监控与响应工具。 ## 小结 AI代理的安全现状令人担忧：事件频发，但企业防御仍停留在“借用”阶段。当攻击者开始利用AI自动化渗透时，当前的安全缺口可能演变为系统性风险。企业必须尽快将代理安全从“附属品”提升为战略重点，否则下一次“险情”就可能变成重大事故。
Anthropic去年支持了加州和纽约州的首批AI透明度法律，但该公司美国州和地方政策负责人表示，这些法律可能已经过时。如今，Anthropic正推动各州采取更严格的监管措施。 Anthropic美国州和地方政策主管Cesar Fernandez在接受WIRED采访时表示：“2025年以透明度为重点的安全法案是一个非常重要的开端，但随着AI系统能力的快速提升，政策回应也需要跟上。我们认为，对于最强大的AI系统，透明度和自我报告已不再是足够的安全措施。” 对于一家估值近1万亿美元的初创公司来说，如此支持监管显得不同寻常，但Anthropic本身也是一家奇特的公司。正如我们之前所写，Anthropic的领导者认为，为了实现其创始使命——确保世界安全地过渡到变革性AI——它需要建立一个基于开发和销售先进AI访问权的大型业务。随着Anthropic的发展，它开始支持美国一些最严厉的针对前沿AI公司的拟议监管法规。这些规则旨在减轻灾难性AI风险，包括先进模型可能导致金融灾难或大规模死亡的可能性。 除了加州和纽约州的自我报告法律外，Anthropic还支持了伊利诺伊州的一项措施，要求AI实验室让第三方审计员评估其安全流程。最近，该公司支持了马萨诸塞州的一项政策，该政策也将要求AI实验室进行第三方审计，并授权州检察长对不合规公司寻求禁令救济。 Fernandez今年早些时候加入Anthropic，此前他曾担任体育博彩巨头FanDuel的美国州政府关系主管，以及优步的高级公共政策助理。他帮助这两家公司在全美各州赢得了政策斗争。在国会继续拖延通过AI监管之际，他的专业知识很可能对Anthropic具有重要价值。
Google 正在为其视频创作工具 Vids 添加个性化 AI 化身功能，用户可以通过上传自拍照和语音录音，创建一个外观和声音都像自己的数字分身，从而制作以自己为主角的 AI 视频。与此同时，Google 将多模态 AI 模型 Gemini Omni 引入 Vids，支持用户通过文字提示和参考图像组合生成视频，并实现背景替换、光线调整、逐步编辑等操作。这些更新使 Vids 从最初的 AI 辅助工作演示工具，转变为更全面的视频创作平台。作为 Google Workspace 的一部分，Vids 定位于企业场景，如公司动态更新或培训视频，但个性化化身和对话式编辑功能使其与 HeyGen、Synthesia、Captions、D-ID 等 AI 视频初创公司展开竞争。Google 强调，AI 化身将与账户持有人的身份绑定，并采用 SynthID 隐形水印技术，且仅限特定地区年满 18 岁的用户使用。
## 快讯：Blink套装限时特惠，性价比之选 亚马逊近日将 **Blink Video Doorbell** 与 **Outdoor 4 安防摄像头** 的捆绑套装价格下调了 **43%**，为家庭安防入门提供了极具吸引力的选择。这套组合覆盖了门口监控与户外区域防护两大核心场景，且无需复杂的布线或专业安装，对追求便捷、低成本安防的用户来说值得关注。 ### 套装亮点与实用价值 - **Blink Video Doorbell**：支持1080p高清视频、双向通话、运动检测及夜间红外夜视。用户可通过手机App实时查看门口访客，并接收活动警报。其电池续航可达两年（基于典型使用场景），减少频繁充电的麻烦。 - **Blink Outdoor 4**：作为Blink最新的户外摄像头，具备改进的运动检测算法、增强的夜视能力以及IP65防水防尘等级，可应对各种天气条件。它同样支持无线安装，并兼容Alexa语音助手，方便用户通过语音指令调取画面。 - **捆绑优势**：单独购买这两款产品通常需要约 **$180**，而当前套装价格仅为 **$99.99**（原价$179.99），节省近80美元。此外，用户无需订阅即可使用基础功能（如实时查看和运动通知），云存储订阅则提供更多历史录像与智能功能。 ### 适用人群与场景 这套组合尤其适合以下用户： - **租房者或不愿布线的用户**：无线设计、电池供电，安装仅需几分钟，且搬家时可轻松带走。 - **希望低成本构建基础安防的家庭**：无需支付高昂的监控服务费，即可对前门和后院进行基本监控。 - **已有Alexa生态的用户**：可无缝集成到智能家居系统中，实现联动触发（如检测到运动时自动开启灯光）。 ### 行业背景与竞品对比 在智能家居安防市场，亚马逊旗下Blink一直以低价策略与极简体验著称，与Ring（同为亚马逊旗下）形成差异化：Ring更强调高级功能与本地存储（如Ring Protect订阅），而Blink主打“无订阅基础功能”与长续航。此次降价进一步拉大了与竞品（如Google Nest Doorbell、Arlo Essential）的价格差距。不过，Blink的短板在于：视频质量（1080p）在高端产品中不算突出，且缺乏人物/车辆识别等高级AI检测（需订阅）。 ### 小结 如果你正在寻找一套简单、实惠的家庭安防方案，这套 **Blink 视频门铃+户外摄像头** 套装是当前市场上最划算的选择之一。折扣为限时活动，建议有需求的用户尽快入手。
Roblox 于周四宣布推出名为 **Build** 的新功能，允许用户通过 AI 在移动设备上设计游戏。用户只需输入简单的文字提示（如“制作一个以茂密森林为背景的舒适冒险游戏”），Build 即可自动生成包含玩法、环境、角色、视觉风格和音效等元素的初始版本，随后用户可进行修改并分享。Roblox 表示，该功能由一系列 AI 模型驱动，包括开源和 Roblox 自研模型。 类似的功能已在 Google、微软和腾讯等公司出现，但 AI 游戏生成也引发了开发者与玩家的担忧：降低门槛可能导致大量低质量、同质化游戏涌入，加剧平台竞争。今年游戏开发者大会的行业调查显示，52% 的从业者认为生成式 AI 对行业产生了负面影响。 为应对这一问题，Roblox 计划根据玩家留存率对 AI 生成游戏进行排名，与平台其他游戏采用相同机制。如果游戏无人游玩，将不会获得突出展示。公司强调：“我们的发现系统旨在突出具有长期留存率的游戏，不包括 AI 垃圾内容。首页游戏质量不会改变：如果没人玩——就没人能找到。” Build 功能将于 **7 月 28 日** 进入公开 Alpha 测试，首先面向新西兰 9 岁及以上已通过年龄验证的用户开放。16 岁及以上用户可向全球受众发布作品。该功能提供免费基础版和付费选项。此外，Roblox 还在开发 AI 代理，帮助创作者进行游戏测试和分析，预计未来几个月内推出。 此次更新凸显了 Roblox 在 AI 领域的持续投入，但也引发了关于 AI 对游戏生态影响的讨论。
纽约州长凯西·霍楚尔（Kathy Hochul）近期在接受彭博社《Odd Lots》播客采访时透露，她的团队正在使用人工智能分析该州“每一项规则、法规和政策”，以识别并清理过时的立法。这一举措使原本需要五年才能完成的法规审查工作缩短至“几个月”。 霍楚尔在采访中举例说明了一些陈旧法律，例如带狗打猎需缴纳25美元费用，以及孕妇在午夜后工作需要获得特别许可等。她表示，AI的介入让州政府能够高效地“摆脱”这些不合时宜的规定。 值得注意的是，就在不久前，纽约州刚刚签署了一项暂停新建超大规模数据中心的法令，成为全美首个采取这一举措的州。该暂停令将持续一年，期间州立法者将制定相关法规，以保护居民免受数据中心带来的公用事业成本上涨和自然资源威胁。 霍楚尔强调：“我希望政府不是骑在人民背上，而是站在人民一边。使用AI来实现这一目标非常有力。我认为各级政府都应该使用这项技术……我将利用AI的力量做出重大改变。” 这一做法反映了AI在公共治理领域的潜力——不仅限于商业应用，还能优化政府运作。通过自动化审查海量法规，AI可以帮助政府快速识别冗余或过时的条款，提高行政效率。然而，这也引发了对AI决策透明度和潜在偏见的讨论。霍楚尔的表态显示，她愿意在政策制定中积极拥抱技术，但同时也通过暂停数据中心建设等措施，谨慎管理AI产业本身的发展风险。 总体来看，纽约州的案例为其他政府机构提供了借鉴：AI可以作为高效的治理工具，但需要平衡创新与监管，确保技术服务于公共利益。
一项针对 101 家企业的研究揭示了 AI 代理（AI agent）在企业应用中面临的深层挑战：**上下文鸿沟（context gap）**。当 AI 代理自信地给出错误答案时，根源往往不在于检索技术本身，而在于其依赖的商业上下文（business context）存在缺失或不一致。 ## 核心发现：信任危机浮现 研究显示，**57% 的企业**在过去六个月内曾遭遇 AI 代理给出自信但错误的答案，且这些错误被追溯到上下文问题。更值得关注的是，超过半数此类事件**不止一次发生**。这意味着，即使检索增强生成（RAG）已成为默认的上下文来源，其可靠性仍远未达到企业信任的标准。 ## 基础设施加速建设，但信任滞后 尽管企业正在快速构建支撑 AI 代理的上下文基础设施——**58% 的企业已运行或正在构建受治理的语义层（governed semantic layer）**——但大多数尚未投入生产。这种“先建设、后信任”的模式导致了一个危险局面：代理听起来权威，但基础并不稳固。 ## 检索市场格局的意外变化 在检索技术选型上，市场呈现出有趣的分化： - **提供商原生检索（provider-native retrieval）**已悄然超越专用向量数据库。OpenAI 的 File Search（使用率 40%）和 Google 的 Vertex AI Search（38%）成为主流选择。 - 企业预期到 2026 年底，**混合检索（hybrid retrieval）**将占据主导地位（34%）。 - 然而，**36% 的企业表示计划保留最佳组合（best-of-breed）的独立工具**，而非整合到单一提供商的上下文栈中。同时，**57% 的企业计划在一年内更换或增加提供商**。 这种“声明偏好与实际使用背道而驰”的现象表明，企业仍在权衡供应商锁定与性能优化之间的平衡。 ## 结论：从检索问题到信任问题 研究的核心启示是：企业 AI 的瓶颈并非检索技术本身，而是**上下文层的可信度**。当代理的答案出错时，问题往往出在上下文的质量、一致性和治理上。受治理的语义层被视为解决方案，但多数企业仍处于建设阶段。 对于正在部署 AI 代理的企业而言，**信任必须成为核心设计原则**——不仅关注检索的准确性，更要确保上下文的可靠性、可追溯性和治理能力。否则，AI 代理越自信，企业面临的风险反而越大。
**一项覆盖157家企业的调查揭示了一个令人不安的现状：AI智能体被赋予越来越高的自主权，但用来把关的评估系统却难以赢得信任。** 半数受访组织在过去一年中曾将通过内部评估的智能体部署到生产环境，随后却在客户场景中遭遇失败；仅有5%的企业完全信任自动化评估；最常被提及的短板是评估结果与真实世界表现严重脱节。即便如此，仍有三分之二的企业已经允许或正在推进仅凭自动化评估就将智能体变更部署到生产环境——完全绕开人工审核。 ## 核心发现：评估鸿沟 VentureBeat Pulse Research系列的最新调查将这一矛盾定义为 **“评估鸿沟”** ——即企业赋予智能体的自主权与它们对用以管控风险的评估系统的信任度之间的差距。调查显示，**50%的企业在过去一年中经历过“通过评估但上线后导致客户故障”的事件**，其中四分之一的企业甚至遭遇了多次。信任缺失的根源在于评估本身的局限性：29%的受访者认为评估与现实结果对齐不佳是最主要的缺陷。企业正在痛苦地意识到：通过评估并不等同于智能体正常工作。 ## 自主权与信任的错配 令这一鸿沟更加危险的是趋势方向。**66%的组织已经允许（34%）或正在积极构建（33%）完全自动化、无人工干预的部署流程**，用于低风险智能体。然而，评估工具链却呈现出碎片化和不成熟的状态：最常用的主要评估工具是模型提供商的原生评估方案，与“根本没有专用工具”的比例并列第一（各占17%）；仅有约四分之一的企业在生产流量上运行实时质量检查。**自主权正在以远超保障体系成熟度的速度到来。** ## 行业影响与启示 这项研究揭示了当前企业AI部署中的一个关键矛盾：速度与质量的博弈。当评估系统无法模拟真实世界复杂性时，仅凭自动化测试就放行智能体无异于赌博。企业需要在提升评估与现实对齐度的同时，谨慎平衡自动化部署的节奏。否则，评估鸿沟只会持续扩大，最终导致更多生产事故和客户信任危机。
如何制造一架隐形无人机
新上线西北大学的研究团队利用计算设计技术，开发出一款名为 **Phantom Twist** 的隐形无人机。这款无人机通过高速旋转，使得机身几乎透明，实现了视觉上的“隐身”效果。 ## 核心原理：旋转带来的透明度 Phantom Twist 的设计灵感源于生物界的伪装策略。传统无人机依赖复杂的材料或主动隐身技术来降低可见度，而 Phantom Twist 另辟蹊径：通过让整个机身以特定速度旋转，使得螺旋桨和机身结构在视觉上模糊化，从而变得难以辨认。研究团队利用计算设计算法优化了旋转速度与机身形状，确保在保持飞行稳定性的同时最大化透明度。 ## 计算设计的关键作用 该无人机的设计并非偶然。研究人员通过算法模拟不同旋转参数下的视觉表现，并迭代优化结构。计算设计不仅确定了最佳旋转速率，还解决了旋转带来的空气动力学挑战，例如升力损失和操控稳定性。最终版本在悬停状态下几乎不可见，但在运动时仍保留一定轮廓。 ## 潜在应用场景 这种隐形无人机在军事侦察、野生动物观察或隐私保护领域具有巨大潜力。例如，在监控任务中，传统无人机容易被发现，而 Phantom Twist 的视觉隐身特性可显著降低暴露风险。此外，其低可见度设计也可能用于艺术表演或环境监测，减少对观察对象的干扰。 ## 局限与挑战 目前 Phantom Twist 仍在原型阶段，存在一些限制：旋转机制增加了噪声和能耗，且仅在特定光照条件下达到最佳透明度。此外，高速旋转对结构强度提出了更高要求，可能限制其搭载载荷的能力。研究团队表示将继续优化设计，探索更高效的隐身方案。
Google 于 2026 年 7 月 16 日正式宣布，将其 AI 笔记与研究工具 **NotebookLM** 更名为 **Gemini Notebook**。这一更名标志着该产品进一步融入 Google 的 AI 生态系统，同时保持其作为独立研究工具的核心定位。 ## 更名背后的战略意图 自 2023 年 Google I/O 大会以 Project Tailwind 项目首次亮相以来，NotebookLM 已吸引超过 **3000 万用户** 和 **60 万组织** 使用。它最初的目标是帮助人们更高效地学习和研究，如今已成为从企业创建互动入职材料到学生将笔记转换为音频和视频摘要的得力工具。 更名为 Gemini Notebook 并非简单的品牌调整，而是 Google 整合 AI 产品线的关键一步。Gemini 作为 Google 的旗舰 AI 模型系列，覆盖从 Gemini App 到 AI Studio 等多个平台。通过将 NotebookLM 归入 Gemini 品牌，Google 希望向用户传递一个清晰的信号：这款工具是 Google AI 生态的核心组成部分，将获得更紧密的跨产品协同。 ## 核心功能升级：代码执行与跨平台同步 除了更名，Gemini Notebook 还带来了两项重要更新： - **代码运行能力**：用户现在可以直接在笔记本中运行代码，实现更深入的数据分析。该功能将逐步向所有 Pro 用户开放，为研究人员和数据工作者提供更强大的本地计算能力。 - **跨平台同步**：笔记本内容将同步至 Gemini App 和 Google Search，使用户可以在不同场景下无缝访问研究材料。例如，在搜索时直接调用笔记本中的笔记，或在 Gemini App 中继续编辑。 这些更新将 Gemini Notebook 从一个独立的笔记工具转变为连接 Google 生态的枢纽，让研究、分析和信息获取的流程更加流畅。 ## 行业视角：AI 笔记工具的竞争与整合 在 AI 笔记和知识管理领域，NotebookLM 的竞争对手包括 Microsoft 的 Copilot Notebook、Notion AI 以及各类独立的 AI 笔记应用。Google 此次将 NotebookLM 整合进 Gemini 品牌，不仅提升了品牌一致性，还可能利用 Gemini 模型的强大能力（如多模态理解和长上下文处理）来增强产品差异化。 值得注意的是，Google 强调 Gemini Notebook 仍将是“独立产品”，这暗示它不会完全并入 Gemini App，而是保持其专注研究和笔记的独特定位。这种“独立但互联”的策略，既能保留现有用户的习惯，又能吸引新用户进入 Google 生态。 ## 未来展望 随着代码执行功能的推出，Gemini Notebook 正从“被动记录”向“主动分析”演进。未来，它可能进一步集成 Google 的搜索、文档和数据分析工具，成为研究人员的“第二大脑”。对于企业用户而言，与 Google Workspace 的深度集成或许只是时间问题。 Google 在公告中表示，这些更新旨在帮助用户“更智能地工作”，通过将研究连接到 Google 生态系统来提升效率。对于已经习惯使用 NotebookLM 的用户来说，更名可能带来短暂的适应期，但更强大的功能和更广泛的生态整合，无疑值得期待。
谷歌于本周四宣布，其对话式搜索体验 **AI Mode** 迎来重要更新，用户现在可以直接在AI Mode中链接并操作常用应用，首批支持 **Instacart、Canva 和 YouTube**。这意味着AI Mode正从单纯的问答工具向任务执行平台演进，旨在提升用户在规划、购物等场景下的使用黏性，并与 **OpenAI 的 ChatGPT** 和 **Anthropic 的 Claude** 等竞争对手的应用集成能力看齐。 ### 具体功能与场景 谷歌提供了几个典型用例： - 如果你正在计划一场烧烤，并让AI Mode生成购物清单，可以连接 **Instacart** 账户，将食材直接添加到购物车并快速结账。 - 设计项目需要灵感时，可以要求 **Canva** 展示一系列模板。 - 想要为派对创建歌单，可以直接让AI Mode生成并保存到 **YouTube Music**。 ### 战略意义与竞争格局 此次更新是谷歌在AI搜索领域的重要一步。自2025年初AI Mode上线以来，谷歌持续为其添加新能力，包括近期推出的**本地库存查询**、**并排浏览对比**以及**个人数据集成**（调用Gmail和Google Photos）。通过将应用操作整合进搜索流程，谷歌希望将AI Mode打造成更全面的“行动中心”，而非仅提供信息。 ### 未来展望 目前该功能面向美国用户开放。谷歌表示正在与更多合作伙伴合作，计划很快支持更多应用。这一举措延续了今年Google I/O上发布的 **Gemini 应用连接第三方应用** 的能力，当时已支持Canva、OpenTable、Spark等。随着AI Mode能力的不断扩展，用户与搜索引擎的交互方式可能迎来根本性转变——从“搜索信息”到“完成任务”。