苹果于周二发布了 **iOS 27 公测版**，这意味着普通用户无需安装开发者测试版即可体验彻底翻新的 **Siri AI 助手**。此次更新是苹果对 Siri 进行的最重大改造，将其从传统的语音助手升级为基于 **Apple Intelligence** 的智能工具，能够访问用户设备上的邮件、照片、消息等信息，并理解屏幕内容，结合世界知识给出回答，功能上对标 ChatGPT、Gemini 等现代 AI 聊天机器人。 ## 新特性一览 - **全新交互方式**：除了传统的“Hey Siri”语音唤醒和侧边按钮，用户还可以从 **灵动岛**（屏幕顶部的黑色横条）向下滑动来启动 Siri。此外，Siri 已深度集成到 iPhone 的内置搜索引擎 **Spotlight** 中，使其能回答几乎任何问题。 - **独立 App**：Siri 首次拥有了自己的独立应用，为习惯使用 ChatGPT 或 Gemini 等聊天界面的用户提供了另一种选择。不过，由于 Siri 已深度整合到整个系统中，通过 App 访问显得并非必要。 - **跨设备覆盖**：除了 iPhone，升级后的 Siri 还适用于 **iPad、Mac、Apple Watch、CarPlay、AirPods、Apple TV 和 Vision Pro**，实现了全生态统一体验。 ## 技术底层：Apple Intelligence 与 Foundation Models Siri AI 的核心是 **Apple Intelligence**，其中包括苹果自研的 **Foundation Models**。这些模型在设备本地运行，并利用 **Private Cloud Compute**（私有云计算）保护用户隐私。值得注意的是，苹果与 **Google** 合作，利用 **Gemini 模型** 进行知识蒸馏，但并非简单套壳。苹果使用专有数据，针对 **Apple Silicon** 芯片优化，生成了高效的小型模型，直接嵌入 iOS 等系统中。Private Cloud Compute 确保用户的个人数据不会被存储或供苹果访问。 ## 行业影响与测试规模 苹果拥有全球约 **25 亿** 活跃设备，即使只有一小部分用户安装公测版，这也将是史上最大规模的 AI 助手测试。这标志着苹果在 AI 竞赛中迈出关键一步，直接挑战 OpenAI、Google 和 Anthropic 等对手。不过，由于公测版仍处于早期阶段，部分功能可能尚不稳定，苹果预计在今年秋季正式发布 iOS 27。
Anthropic 向来以创意营销著称，但其最新广告《困难问题中存有希望》却因诡异画面和末日基调让观众感到不适。广告以一座燃烧的房子开场，随后切换至一系列静态图像：人群被面部识别监控、流浪汉露宿街头、成排的墓碑、以及疑似在矿场劳作的工人。旁白中，不同声音问道：“AI 能被信任吗？”“如果需要，谁来踩刹车？”——这并非一部合家欢的作品，但也延续了 Anthropic 一贯的自我定位：作为 AI 行业的道德标尺，通过直面批评来彰显自身责任感。 然而，这次营销策略似乎适得其反。Anthropic 的竞争对手 OpenAI 的 CEO Sam Altman 率先嘲讽：“我以为这是讽刺，还在找账号名是不是拼错了‘c1audeai’。”其他批评者则直言其企业传播“糟糕透顶”，更有评论指出“有效利他主义者生活在 AI 妄想泡沫里才会觉得这广告能受欢迎”。 尽管这种“承认行业危害、自诩救世主”的营销套路并不新鲜，但 Anthropic 这次的执行显然引发了反噬——尤其是其中疑似使用阿灵顿国家公墓的画面，被指极度不妥。观众普遍认为，广告的阴郁基调与 AI 行业试图传递的乐观愿景背道而驰，反而暴露了公司对公众情绪的误判。
Hinge 创始人 Justin McLeod 宣布为其新公司 **Overtone** 完成 **1800 万美元** 融资，投资方包括 Hinge 的母公司 Match Group、FirstMark Capital 和 Pace Capital。Overtone 被描述为一种“由 AI 驱动的、以语音和音频为核心的高度精选介绍服务”，但 McLeod 强调它 **不是一款约会应用**。 McLeod 在博客中直言，Overtone 不会像传统约会平台那样用个人资料将人简化为数据、引语和照片，也没有依赖即时冲动的算法信息流，更不需要同时管理多个点赞、匹配和聊天。这一表态耐人寻味——毕竟他曾是 Hinge 的缔造者，而 Hinge 本身正是依赖算法匹配和滑动机制的应用。 ### 行业背景：用户倦怠催生变革 McLeod 的转向并非孤例。**2024 年 Forbes Health 调查** 显示，78% 的约会应用用户感到倦怠，平均每天花费 51 分钟却难以获得满意的连接。整个行业正试图用 AI 改善体验，例如生成聊天开场白或辅助创建个人资料，但许多人对将亲密过程交给机器感到抵触。 ### Overtone 的差异化路径 Overtone 的策略更接近 **“AI 精匹配”而非“AI 代聊”**。McLeod 表示，系统会深入了解每个人，通过语音听取其独特故事，然后基于关系科学进行慎重配对，并透明解释匹配理由。这种“少而精”的理念与新兴应用 **Ditto** 和 **Date Drop** 不谋而合——它们都用 AI 直接配对用户，而非提供无限滑动选择，后者被批评为制造幻觉和鼓励“幽灵行为”。 ### 团队与上线计划 值得注意的是，知名关系治疗师 **Esther Perel** 已加入 Overtone 董事会，同列的还有 Match CEO Spencer Rascoff 和领导力顾问 Diana Chapman。Overtone 将于今年晚些时候在特定地区上线。 McLeod 的再创业能否为疲软的在线约会市场带来真正创新，仍需时间检验。但至少，他正在押注一个更克制、更注重深度的 AI 约会未来。
近日，**阿歇特（Hachette）、圣智（Cengage）、爱思唯尔（Elsevier）** 等多家大型出版商及作者团体对谷歌提起集体诉讼，指控其未经授权使用受版权保护的作品训练AI平台 **Gemini**，并故意移除或篡改版权信息以掩盖侵权行为。 这起诉讼在 **美国纽约南区联邦地区法院** 提起，不同于此前加州法院偏向AI公司的裁决——加州两起早期判决认定AI训练使用版权作品属于“合理使用”。然而，本案中原告强调与谷歌存在长期合作关系：出版商曾授权谷歌扫描图书用于 **Google Books** 搜索（仅显示片段），以及通过 **Google Play 商店** 分发电子书，但谷歌却将这些作品用于AI训练，远超授权范围。 诉讼引用谷歌内部文件，其中据称承认“缺乏授权”仍进行训练。目前，美国版权法尚未针对AI训练场景更新，各法院判决存在分歧。此前 **Anthropic** 因盗用作品被罚 **15亿美元**，创下版权法最高赔偿纪录，约50万作者获得至少3000美元赔偿，但许多作者选择退出以保留进一步诉讼权利。 此案可能成为AI版权争端的标志性案例，尤其考验“合理使用”原则在商业AI训练中的适用边界。
Google DeepMind CEO Demis Hassabis 在 X 平台发文，提议参照美国金融业监管局（FINRA）模式，建立一个独立的前沿AI标准机构，负责测试前沿模型并制定发布最佳实践。 ## 提议背景 Hassabis 在题为《前沿AI框架与新纪元》的帖子中，指出当前美国政府针对 Anthropic 和 OpenAI 模型的临时审查存在技术专业性不足、决策不透明等问题。新机构将填补这一空白，由美国政府支持、AI 行业资助并独立运营。 ## 核心机制 - **自愿审查阶段**：前沿实验室在模型发布前最多30天，自愿提交给标准机构审查。 - **强制化路径**：一旦评估协议被证明有效，可快速转为正式要求——模型必须通过评估才能在美国市场部署。 - **持续监控**：实验室需与机构合作解决发布后的关键漏洞。 ## 争议与回应 AI 监管在科技界和特朗普政府内部仍存争议。白宫AI顾问 Sriram Krishnan 近期明确表示“不会有AI领域的FDA”。Hassabis 的方案将机构定位为**自律组织**（类似FINRA），而非政府直接监管，以此缓解行业顾虑。 ## 组织架构设想 - **人员构成**：开源社区代表、行业技术专家。 - **资金来源**：AI实验室提供财务支持，以留住专业人才。 - **评估外包**：可将部分评估工作委托给日益壮大的AI安全研究团体，使其专注于特定风险领域。 Hassabis 强调，该方案的优势在于“技术聚焦、支持创新、激励负责任行为”，并能随领域加速发展而动态调整，在风险严重时可升级管控力度。 ## 行业影响 这一提议反映了 AI 行业在“自我监管”与“政府干预”之间寻求平衡的努力。若得以实施，将为前沿模型发布建立标准化流程，降低监管不确定性，同时避免过度行政干预。不过，具体执行细节、独立性与资金来源等问题仍需进一步讨论。
Instagram负责人亚当·莫塞里（Adam Mosseri）近日预测，随着AI使用成本飙升，企业将不得不像管理薪资或其他运营开支一样管理AI代币支出，工程师未来可能面临AI工具使用预算上限。 ### 代币成本激增，企业面临新挑战 莫塞里在Lenny's Podcast访谈中指出，未来一两年内，一名优秀工程师的AI代币消耗速度可能等同于其薪资或雇佣成本。届时，企业需要设定合理上限来控制支出。所谓AI代币支出，是指处理AI提示与响应的计算成本。 Meta此前曾因内部AI代币消耗排行榜导致成本失控，预计2026年相关支出将达数十亿美元，最终被迫关闭该榜单。无独有偶，Uber在2026年AI编码预算于今年4月就已超支；微软则因代币成本过高，取消Claude Code许可证，转而将工程师统一到自家的Copilot CLI工具上。 ### 代币预算将成新管理维度 莫塞里强调，AI代币成本必须像其他资源一样被管理。他类比道：“我需要决定如何将GPU、CPU、存储等计算资源分配给不同团队，如何分配标注预算，如何分配人员编制——代币预算也将如此。”他补充说，每位工程师的代币上限应与其创造正向投资回报的能力成比例。 目前Meta尚未对任何员工设置代币上限，但莫塞里认为未来这样的限制是健康的。他同时预测，随着AI模型厂商之间的价格战加剧，代币成本终将下降。短期内，Meta已通过关闭“愚蠢的消耗行为”（如代币排行榜）来初步控制成本。“制造一个代币焚烧炉并不难，但它创造不了多少价值。” ### 行业趋势：从狂奔到理性 这一现象折射出AI行业从狂热探索转向成本管控的趋势。当AI工具成为生产力核心时，企业必须平衡创新冲动与财务可持续性。代币预算上限或将成为科技公司的新常态管理工具，如同当年的云计算成本治理一样。 对于工程师而言，未来可能需要在“无限制使用AI”和“被预算约束”之间找到新平衡。而对于AI模型提供商，价格竞争与成本优化将成为吸引企业客户的关键筹码。
Google 图片迎来 25 年来最大变革，正式从纯粹的图片搜索引擎转型为以“发现”为核心的视觉灵感平台。新版界面采用 Pinterest 式的无限滚动画廊设计，用户登录 Google 账号后即可看到个性化的“为你推荐”（For You）图片流，并支持创建和管理收藏集。同时，Google 将 AI 图片生成功能直接集成到 AI Overviews 中，帮助用户将文本描述转化为定制图像。此举意在延长用户停留时间、提升广告收入，并降低对第三方创意工具的依赖。新设计将在未来几周内向美国桌面端英语用户逐步推送。
纽约州成为全美首个暂停大型数据中心审批的州。州长凯西·霍楚尔（Kathy Hochul）明确表示，由AI驱动的数据中心建设热潮不应以牺牲居民电费、水资源和本地自治为代价。 ## 政策背景：环保与民生的权衡 此次暂停令针对的是**大型数据中心**，即那些因AI训练和推理需求而急剧增加能耗的设施。近年来，科技巨头纷纷在纽约州布局算力基础设施，带动了当地土地和电力需求的飙升。然而，数据中心不仅是“电老虎”，其冷却系统对水的消耗也引发了社区担忧。霍楚尔州长在声明中强调：“我们不能让AI的发展变成对普通家庭的隐性征税。” ## 行业影响：首个州级禁令的连锁反应 纽约州的决定可能成为其他州的参照。目前，弗吉尼亚州、俄勒冈州等地也在审议类似法案，但纽约是第一个付诸行动的。**这一政策直接冲击了正在规划中的项目**，包括一些已获得初步许可但尚未动工的站点。 数据中心运营商面临两难：要么将项目迁移至监管更宽松的州，要么投入更多成本优化能效和用水方案。但后者可能推高建设成本，削弱纽约作为AI基础设施枢纽的竞争力。 ## 深层矛盾：AI繁荣与基础设施瓶颈 过去两年，生成式AI的爆发式增长让数据中心需求呈指数级上升。据行业估计，到2030年，全球数据中心的电力消耗可能占全球总发电量的8%以上。纽约州的暂停令恰恰点出了这一矛盾：**技术发展速度超过了社会基础设施的承载能力**。 霍楚尔州长特别提到“地方控制权”问题——许多社区对数据中心选址缺乏话语权，而州级审批机制又未能充分评估长期影响。此次暂停将为修订法规争取时间，比如引入更严格的能效标准、水资源循环要求，以及社区参与条款。 ## 未来展望：暂停还是转向？ 暂停令并非永久禁止，而是为期**12个月**的审查期。在此期间，纽约州公共服务委员会将联合环保部门制定新的数据中心准入规则。可能的改革方向包括： - 强制使用可再生能源比例 - 限制冷却水来源（如禁止使用饮用水） - 对数据中心产生的余热回收提出要求 - 建立社区收益共享机制 对于科技公司而言，这既是挑战也是机遇。那些已经在能效和可持续性上提前布局的企业，可能会在新规中占据优势。例如，采用液冷技术、利用废热供暖的项目，有望更快获得批准。 ## 小结 纽约州的此举标志着AI基础设施建设从“野蛮生长”进入“精细化监管”阶段。它提醒整个行业：技术的进步不能脱离社会成本和生态代价。未来，数据中心选址将不再只是技术和商业决策，更是一场涉及能源、环境与民生的复杂博弈。
美国 AI 初创公司 Reflection AI 与欧洲 AI 基础设施公司 Nebius 签署了一份价值 10 亿美元的算力协议，以获取训练和部署其开源模型所需的计算资源。 ## 协议细节 根据协议，Nebius 将为 Reflection 提供 **Nvidia 最新的芯片** 算力。Nebius 前身为俄罗斯科技巨头 Yandex 的国际业务部门，近年来已与多家科技巨头签署大额基础设施协议，包括与 Meta 的 **270 亿美元** 五年期协议，以及与微软的 **194 亿美元** 多年协议。 ## 背景与趋势 这笔交易发生在 Reflection 与 SpaceX 签署类似算力协议仅数周后，反映了 AI 公司为争夺稀缺算力资源而展开的激烈竞争。Reflection 成立于 2024 年，由两位前 Google DeepMind 研究员创立，目前估值 **80 亿美元**，已从 Nvidia、Sequoia Capital 和 Lightspeed Venture Partners 等投资者处筹集近 **26 亿美元**。 ## 行业意义 Reflection 是多家备受关注的开源 AI 模型开发商之一。当前，关于顶级闭源 AI 模型价值的争议日益激烈，**数据保留担忧** 和 **政府干预** 促使业界转向开源方案。上月，特朗普政府施压 Anthropic 和 OpenAI 限制其最强大的新模型，引发对 AI 模型访问可能随时被撤销的担忧。加之中国开源模型的进步，主流对开源 AI 的兴趣显著增加。 ## 展望 这笔交易进一步凸显了算力在 AI 竞赛中的核心地位。随着开源模型与闭源模型的竞争加剧，Reflection 等初创公司通过大规模算力协议确保资源，有望推动开源 AI 技术的快速发展。 *TechCrunch 已联系 Reflection 和 Nebius 以获取更多信息。*
当全球目光聚焦于 GPT-5、Gemini Ultra 等前沿大模型时，Hugging Face CEO Clem Delangue 却指出：**企业级 AI 的真正战场正在转向开放模型**。成本、可获取性和所有权成为企业选择模型的关键考量，前沿模型的重要性或许正在被重新定义。 ## 开放模型为何成为企业首选？ Delangue 在近期访谈中强调，多数企业并不需要最前沿的模型能力。对于内部文档处理、客户服务自动化、代码辅助等高频场景，**开放模型在性能上已足够胜任**，而成本却低得多。以 Llama 2、Mistral 等为代表的开放模型，不仅可免费商用，还能在本地部署，避免数据外泄风险。 此外，**所有权与控制权**是企业转向开放模型的核心驱动力。使用闭源前沿模型意味着依赖单一供应商，而开放模型允许企业自行微调、定制，甚至基于自身数据训练专属版本。这种灵活性在金融、医疗等强监管行业尤为关键。 ## 前沿模型的价值正在稀释？ Delangue 的观点并非孤例。AI 开源社区的数据显示，Hugging Face 上托管了超过 50 万个模型，其中绝大多数为开放模型，且下载量持续攀升。相比之下，前沿模型的 API 调用增长虽快，但**总使用量可能已被开源生态超越**。 这意味着，即使 OpenAI、Google 等继续在基准测试上刷新纪录，**实际生产环境中运行的 AI 很可能多数是开放模型**。对于企业而言，与其追逐每年提升几个百分点的前沿性能，不如选择已足够好、成本可控且可自主掌控的开放方案。 ## 对 AI 行业的启示 这一趋势正在重塑 AI 产业链： - **云服务商**：开始大力支持开放模型部署，如 AWS 推出 Bedrock 集成 Llama 2，Google Cloud 提供 Vertex AI 上的开源模型。 - **初创公司**：专注于模型微调、私有化部署等服务的公司迎来机遇。 - **企业决策者**：需重新评估“前沿模型焦虑”，优先考虑实际业务需求与总拥有成本。 当然，前沿模型在复杂推理、多模态等领域的突破仍具战略价值。但Delangue 的观察提醒我们：**AI 的规模化落地可能不再依赖最前沿的技术，而在于最广泛的可及性**。这场竞赛的终点，或许不是参数规模的比拼，而是谁能通过开放生态让 AI 真正渗透进每一个商业场景。
Spotify 正在向 Premium 用户推出一项全新的 AI 驱动对话功能，允许用户通过聊天来发现音乐、播客、有声书等内容。该功能目前在美国、爱尔兰和瑞典的 iOS 与 Android 设备上以 Beta 形式提供，面向 18 岁以上用户，仅支持英语。 这项功能使 Premium 用户能够通过打字或语音与 Spotify 进行交互式对话，从而选择想要播放的内容。它超越了之前的 AI DJ 体验，覆盖了应用的“主页”和“正在播放”视图。用户不仅可以询问下一首播放什么，还能深入探讨自己的收听历史、了解歌曲背后的灵感、专辑发行日期，甚至获得基于个人口味的艺术家推荐。 Spotify 并未明确透露底层 AI 技术的具体细节，但向 TechCrunch 确认其混合使用了自研 AI 和多家供应商的模型，根据任务选择最佳方案。这是 Spotify 一系列 AI 举措的最新一环，此前已推出 AI DJ、基于提示词创建播放列表的功能，以及连接第三方 AI 聊天机器人（如 ChatGPT）的接口。 新的对话式助手有望进一步降低用户发现内容的门槛，尤其是在面对 Spotify 庞大曲库时。通过自然语言交互，用户可以用更直观的方式探索音乐和播客，例如要求“播放一些我从未听过的艺术家”，然后通过后续指令细化选择。 这一功能目前仍处于测试阶段，Spotify 表示可能不会始终完美运行，但用户反馈将帮助改进产品。随着 AI 在音频流媒体领域的应用日益深入，Spotify 正试图通过更智能、更个性化的交互体验，巩固其在竞争激烈的市场中的领先地位。
自从大语言模型（LLM）爆发以来，各大公司一直在尝试用 AI 分类邮件并撰写听起来像你的回复，以解决收件箱爆满的问题。邮件客户端 **Superhuman** 近日推出了自动草稿功能的新版本，能够识别重要邮件并生成更自然的回复草稿。 Superhuman 过去也曾尝试过类似功能，如即时回复和跟进自动草稿，但那时很多邮件听起来像过于热情的 AI 销售人员，因此并未被广泛使用。而新版本的自动草稿功能则完全不同。在获得测试权限后的几天里，我发送了一些几乎不需要编辑的生成草稿。该应用能够理解哪些邮件可能需要回复，并根据你以往对话的语气生成回复，同时还会提供另外两个变体供选择。 在我的测试中，草稿能够同意关于报道禁运的请求、要求更多细节，或者确认会议时间，这些通常只需少量编辑即可发送。它甚至还能针对要求为 TechCrunch 撰写投稿的邮件生成回复，表示我不负责这项工作（TechCrunch 不接受投稿）。 不过，该功能远非完美。默认情况下，它常常生成对推销邮件表示积极回应的草稿，或者同意在凌晨时间开会。幸运的是，我可以快速从其他变体中选择回复并发送。该功能会从你的使用中学习并改进回复。例如，在凌晨会议事件后，当有人建议类似时间时，功能生成了“这个时间不适合我”的草稿。 我每月收到数千封邮件，部分原因正是 AI 让其他人（如公关人员）更容易撰写初稿。虽然我不放心完全将收件箱交给 AI 处理，但这个功能可以帮助我在不需要长篇大论时回复更多人。用户可以通过 **设置 > 个性化** 添加关于自己和角色的详细信息，以及上传文件或链接以提供更多上下文。 Superhuman 联合创始人 **Rahul Vohra** 表示，在测试阶段，**40% 的自动生成草稿在一天内被发送**，其中 **60% 未经任何手动编辑**。Vohra 指出，早期功能如“即时回复”的发送率约为 30%，而新功能的表现显著提升。这一数据表明，随着 AI 对个人语气和上下文的理解加深，自动起草正在变得更加可信。
一个趋势正在硅谷浮现：那些已经功成名就的科技精英，纷纷放下身段，重新投入一线工作。他们的目标惊人地一致——人工智能。 **Monzo** 联合创始人 **Tom Blomfield** 本周一宣布，他将从 **Y Combinator** 请假，加入 **Anthropic** 的计算团队，职位不是高管，而是“技术成员”。**Instagram** 联合创始人 **Mike Krieger** 已在2024年出任 Anthropic 首席产品官。**OpenAI** 创始成员、前特斯拉 AI 负责人 **Andrej Karpathy** 今年5月也加入 Anthropic 的预训练团队，他称“未来几年在 LLM 前沿将格外具有塑造力”。 并非所有人都选择加入他人实验室。被称为“SPAC之王”的 **Chamath Palihapitiya** 刚刚出任 **8090 Labs** 的 CEO，这是一家企业级 AI 编程初创公司，刚刚完成由 **Salesforce Ventures** 领投的 **1.35亿美元** A 轮融资。Palihapitiya 表示：“我确信我们正在构建的东西更加重要，因此除了全力以赴别无选择。” **Opendoor** 前 CEO **Eric Wu** 也于近期推出了面向建筑工人的 AI 助手 **NavigateAI**，并拿到了 **2500万美元** 种子轮融资。他坦言：“如果十年后回头看，发现自己与AI毫无关联，我肯定会后悔。” 最耐人寻味的或许是职位本身。“技术成员”（Member of Technical Staff）是 Anthropic 和 OpenAI 为几乎所有技术人员设定的扁平化头衔，无论资历深浅。这正是 Blomfield 接受的职位。今年3月，**Peter Bailis** 在成为 **Workday** 首席技术官仅几个月后，也以同样身份跳槽 Anthropic。Workday 是一家年收入 **80亿美元** 的企业，而 Bailis 放弃了这一高位，只为投身 AI 前沿。 这些人的共同点：早已财务自由，却甘愿从零开始。驱动他们的，或许是害怕错过 AI 定义性时刻的焦虑，或许是对创造更大价值的渴望。正如 Blomfield 所说：“未来几年在 LLM 前沿将格外具有塑造力。”
Uber 首席产品官 Sachin Kansal 近日接受 TechCrunch 专访，详细阐述了公司在金融服务领域的野心、与 Waymo 日益复杂的关系、新成立的自动驾驶数据业务 AV Labs，以及 AI 如何开始以用户和司机实际能感知的方式融入产品。 ## 从出行到旅行：Uber 的超级应用野心 Kansal 透露，Uber 每年有 **15 亿次行程发生在用户居住城市之外**，这促使公司将“旅行”作为今年的核心主题。Uber 与 Expedia 合作在应用中引入酒店预订功能，同时提供“帮我去商店买”（Shop for Me）代购服务，用户可从任何本地商店下单，甚至包括未入驻 Uber Eats 的商家。此外，欧洲地区的船只租赁服务也已上线。这些举措表明 Uber 正向 **“超级应用”** 方向演进，但 Kansal 强调公司并非“为所有人做所有事”，而是围绕用户出行场景自然延伸服务。 ## 自动驾驶：数据为王，AV Labs 成为战略支点 Uber 成立了已半年的 **AV Labs** 业务单元，部署一支由传感器改装车辆组成的独立车队，专门用于采集海量驾驶数据。这一举措表面上是为了加强与自动驾驶合作伙伴（如 Waymo、Aurora 等）的关系——Uber 持有其中多家公司的股权——但实则也是一种 **战略对冲**。Uber 与部分合作伙伴（尤其是 Waymo）存在直接竞争关系，掌控数据层能为 Uber 提供谈判筹码和未来选项。Kansal 表示，Uber 正在与多家自动驾驶公司合作，但数据所有权将成为其核心优势。 ## 金融服务：司机借记卡与数据标注副业 Uber 在金融科技领域也有动作：为司机推出 **借记卡** 产品，并允许司机通过数据标注任务赚取额外收入。这些举措旨在提升司机忠诚度，同时为 Uber 的 AI 训练积累标注数据。Kansal 指出，AI 正在以用户可感知的方式改进体验，例如更精准的预计到达时间、动态定价优化以及个性化推荐。 ## 与 Waymo 的竞合关系：亦敌亦友 Uber 与 Waymo 的关系愈发微妙。一方面，Uber 在部分城市将 Waymo 的自动驾驶车辆接入平台提供打车服务；另一方面，两者在自动驾驶出租车市场直接竞争。Kansal 承认这种关系“复杂”，但强调 Uber 的平台化战略使其能与多家自动驾驶公司合作，而 Waymo 只是其中之一。Uber 的 AV Labs 数据收集能力，可能在未来成为与 Waymo 谈判时的重要筹码。 ## 小结 Uber 正从单纯的出行平台向 **旅行+金融+数据** 的综合生态转型。通过 AV Labs 掌握数据主动权，通过金融工具绑定司机，通过旅行服务提升用户粘性——这些举措共同构成了 Uber 应对自动驾驶时代不确定性的战略拼图。Kansal 的访谈透露出一个清晰信号：Uber 不想成为“所有人的一切”，但力求在核心出行场景中做到极致，并为未来技术变革预留足够多的底牌。
总部位于新加坡的视频生成初创公司 PixVerse 宣布完成 C 轮扩展融资，总额达 4.39 亿美元。本轮融资后，公司估值已超过 20 亿美元。PixVerse 计划利用这笔资金扩展其世界模型产品，并触达全球更多地区的客户。 该公司的 C 轮初始融资于今年 3 月完成，由 CDH Investments 领投，当时融资金额据 Bloomberg 报道约为 3 亿美元。扩展轮投资者包括阿里巴巴、Lollapalooza Capital、Ivy Capital、Grand Mount Capital、东方贝尔资本、Mirae Asset、蓝色光标和 CloudAlpha，现有投资者 iGlobe Partners 和 OCBC 的 Lion X Ventures 也继续跟投。 PixVerse 由王长虎和谢杰登于 2023 年创立。王长虎曾在字节跳动从事计算机视觉工作，谢杰登曾是投资机构 Lighthouse Capital 的执行董事。公司提供多款模型，包括面向消费者和 API 使用的 V 系列视频模型、面向专业影视工作流的 C 系列视频模型，以及今年早些时候发布的用于游戏开发和世界构建的 R 系列世界模型。用户可通过其工具生成最高 4K 分辨率并自带音频的视频。 据 PixVerse 透露，其消费者产品已拥有超过 1.5 亿注册用户和超过 1500 万月活跃用户。公司未透露其中付费用户的具体数量，但提供了具有竞争力的价格：图像转视频每分钟 4.80 美元。 谢杰登认为，尽管视频生成领域机遇巨大，但市场上仅有少数公司取得进展。OpenAI 在关闭 Sora 2 后退出该业务，Meta 和腾讯等公司未能创建高质量的视频模型。因此，能够达到质量门槛的公司寥寥无几。他表示，消费者和企业市场机会均等，用户既为娱乐创作视频，也消费 AI 制作的短视频内容，而企业则将视频生成用于创意、学习和营销场景。 然而，宣称模型输出高质量并非独特优势。谢杰登指出，公司的核心优势在于标注。“我们认为关键区别不在于数据本身，而在于如何标注数据。” 他进一步解释，PixVerse 在标注策略上投入了大量精力，这使其模型在生成细节和一致性上优于竞争对手。 视频生成赛道正经历洗牌。PixVerse 的巨额融资表明，资本仍在押注能够解决技术瓶颈并实现商业化的公司。随着世界模型等新产品的推出，PixVerse 正试图从单纯的视频生成工具，升级为更广泛的虚拟世界构建平台。未来，如何将技术优势转化为可持续的市场份额，将是其面临的关键考验。
AI 智能体开发商 **Nous Research** 正接近完成新一轮融资，估值高达 **15 亿美元**。据多位知情人士透露，本轮融资由 **Robot Ventures** 领投，**USV** 及其他知名投资方参投，融资金额至少 **7500 万美元**。距该公司宣布其 5000 万美元的 A 轮融资不到三个月，新一轮融资便已启动，显示出投资者对 AI 智能体赛道的高度热情。 Nous Research 成立于 2023 年，由 Jeffrey Quesnelle、Karan Malhotra、Ryan Teknium 和 Shivani Mitra 联合创立。此前，该公司已从 Paradigm、Robot Ventures、North Island Ventures、OSS Capital 及 Balaji Srinivasan 等投资者处累计获得 7000 万美元融资。其核心产品 **Hermes** 是一个开源 AI 智能体，能够自动执行网页搜索、编程、图像理解等任务，并具备从用户使用中自动学习、自主构建新技能的能力。Hermes 在 GitHub 上已收获约 **21.4 万星标** 和近 **4 万分支**，社区关注度极高。 与近期爆红的 **OpenClaw** 智能体相比，Hermes 的一大特色是内置了多种预装技能，且设计为可自动学习并扩展技能库，无需人工干预。用户可通过 Telegram、Discord 等应用与 Hermes 交互，实现任务自动化。Nous Research 还提供了云端托管版本，月费从 20 美元到 200 美元不等，降低了部署门槛。 除了智能体开发，Nous Research 还运营着一个去中心化网络，用于贡献算力和训练资源，并发布了专注于编程和数学的语言模型。消息人士称，新一轮融资将主要用于扩展 Hermes 的产品线和商业模式。 本次融资若顺利完成，将使 Nous Research 跻身独角兽行列，进一步加剧 AI 智能体领域的竞争。目前，Nous Research 拒绝置评，USV 和 Robot Ventures 也未回应请求。
在硅谷关于 AI 潜在风险的诸多争论中，有一个担忧正让 AI 爱好者们最为焦虑：那些销售专有模型的大型 AI 实验室，是否像特洛伊木马一样，在提供服务的同时暗中窃取企业最敏感的商业信息。如今，微软 CEO 萨提亚·纳德拉（Satya Nadella）也加入了这一担忧者的行列，并在周日发表的一篇博客文章中发出严厉警告。 ### 双重付费的陷阱 纳德拉指出，使用 AI 的企业实际上在“双重付费”：一方面，他们为 AI 的 token 使用量支付费用；另一方面，他们还在不知不觉中交出了更有价值的东西——专有知识。他认为，为了让模型更好地服务于自身业务，企业必须向模型提供大量内部数据，这些数据包括提示词、工具使用记录，尤其是当模型出错时用户给出的纠正。每一次纠正都被蒸馏为机构知识，而这类知识是竞争对手永远无法购买的。 ### 蒸馏：公平的反制还是新的争议？ 纳德拉主张，如果 AI 公司可以自由地爬取互联网数据来训练模型，那么企业也应该有权研究或“蒸馏”这些模型作为回报。蒸馏是指利用模型的输出来理解其工作原理，并基于这些见解训练一个更便宜的新模型。今年 2 月，Anthropic 曾指责中国开源模型向 Claude 发送数百万条提示以改进自身模型，并敦促美国政府加强出口管制。纳德拉认为，模型制造商不能两面占便宜：一边自由地使用全球数据训练模型，一边却限制别人对自己的模型做同样的事。 ### 行业反响与深层影响 纳德拉的警告并非孤例。此前，风投 Jason Calacanis 和 Palantir CEO Alex Karp 也曾表达过类似担忧。这一观点直击 AI 行业的核心矛盾：数据所有权与模型透明性。如果企业无法确保自己提供给模型的数据不会被用于竞争，那么他们对 AI 的信任度将大打折扣。纳德拉的立场也反映了微软作为 AI 服务提供者与用户之间的微妙关系——微软既投资 OpenAI 提供模型，又通过 Azure 服务大量企业客户。 ### 结语 纳德拉的警告为 AI 行业投下了一枚重磅炸弹。它提醒所有正在或打算采用 AI 的企业：在享受技术红利的同时，必须警惕数据泄露的风险。而解决之道或许在于建立更公平的数据使用规则，让企业既能利用 AI 提升效率，又能保护自身的核心知识资产。
苹果公司上周五向法院提交了一份长达41页的诉状，指控OpenAI通过前员工系统性地窃取其商业机密。诉状中披露的细节令人瞠目，从员工之间轻松调侃“LOL，我发现我能访问苹果网络存储”到指控OpenAI的硬件业务“烂到骨子里”，苹果试图描绘一幅从高层默许到基层执行的系统性窃密图景。 ## 核心指控：这不是个例，而是文化 苹果在诉状中强调，OpenAI的窃密行为并非少数员工的个人行为，而是由领导层“常态化并示范”的企业文化。诉状写道：“OpenAI的硬件业务现在建立在最不稳固的基础上——因非法依赖盗用商业机密而烂到骨子里。”这一比喻直指OpenAI正在研发的、可能挑战iPhone的硬件设备。 ## 具体案例：轻松的口吻与严重的指控 最令人惊讶的细节之一是，一名前苹果高级系统电气工程师**张刘（Chang Liu）**在加入OpenAI后，给仍在苹果工作的同事**彭玉婷（Yu-Ting “Alyssa” Peng）**发送消息：“LOL，我发现我能访问[网络存储]，太搞笑了。”彭回复：“我准备好了。”苹果称，张刘利用一个身份验证漏洞，通过彭的苹果工作电脑侵入了苹果系统。彭后来也加入OpenAI，但未被列为被告。 苹果表示，这只是“冰山一角”。诉状称：“证据开示程序将揭露，盗用规模比下面描述的几起案例大得多。”这意味着苹果预计在后续法律程序中会发现更多类似行为。 ## 行业背景：AI人才战与商业机密风险 此案折射出硅谷AI人才竞争的激烈程度。OpenAI近年来从苹果、谷歌等科技巨头高薪挖角，而苹果一直对AI业务保持低调，直到今年才推出Apple Intelligence。苹果的起诉不仅是为了追责，更意在震慑其他试图通过挖角获取机密的企业。 ## 潜在影响 如果苹果的指控成立，OpenAI不仅面临巨额赔偿，其硬件产品（可能是一款AI手机）的合法性也将受到质疑。此外，案件可能促使更多公司收紧对离职员工的数据访问权限，并加剧科技巨头间的法律摩擦。 目前，OpenAI尚未公开回应。案件将在加州联邦法院审理，后续发展值得关注。
Sam Altman 与 Elon Musk 在社交媒体上的最新交锋，再次将“太空数据中心”这一概念推至聚光灯下。面对 Musk 的“骗子”指责，OpenAI 首席执行官 Altman 反唇相讥：“老兄，你才是那个向公开市场投资者兜售短期太空数据中心的人。”抛开个人恩怨，Altman 的这句话实际上道出了许多行业专家早已形成的共识：**太空数据中心短期内无法成为严肃的商业业务**。 ## 估值万亿的“太空赌注” Musk 的 SpaceX 计划发射一支由轨道数据中心组成的舰队，用于执行 AI 推理任务。这一愿景正是 SpaceX 当前 **2 万亿美元估值** 的核心驱动力之一。看涨的分析师认为，若成功，这些太空算力将前所未有地推动 AI 模型发展，甚至成为“轨道云服务”。然而，当与真正了解技术的专家——无论是其他太空数据中心初创公司的创始人、Google 轨道计算项目的团队，还是纯粹出于兴趣进行过测算的工程师——交流时，得到的答案惊人一致：**在火箭成本大幅下降、能够批量生产高性能卫星之前，太空数据中心不会产生实质影响**。 ## Starship 是关键，但远水难解近渴 Musk 对此的回应几乎是条件反射式的：SpaceX 正在开发的大型火箭 Starship 将解决成本问题。Starship 的第 13 次试飞最快定于 7 月 16 日进行。如果团队能够实现火箭两级回收的成功，那么经济性的大门或许会打开一条缝。但即便这次试飞成功，**实现可复用的常态化运营仍需数年时间**。而且，SpaceX 的首要任务仍然是履行 NASA 合同以及建设 Starlink 星座，太空数据中心项目大概率要排在后面。更关键的是，SpaceX 在 IPO 路演中曾承认，Starship 在短期内可能无法实现完全复用，每次发射仍需抛弃第二级，**这将直接扼杀经济型太空数据中心的可行性**。 ## “明年就飞”的承诺为何苍白 当 Musk 回应“我们明年就开始发射它们”时，业内专家并不买账。问题不在于 SpaceX 能否在明年发射一枚具备高速数据处理能力的实验卫星——这几乎是可以肯定的。真正的难点在于 **何时能够实现大规模、低成本的制造和发射**。考虑到火箭复用技术的成熟周期、卫星批产能力的建设，以及 SpaceX 自身的资源分配，合理的答案指向 **2030 年代**。 ## 小结 Altman 的“吐槽”虽然带有个人情绪，却精准地揭示了 AI 产业与航天产业结合的现实瓶颈：**技术愿景与商业落地之间存在巨大鸿沟**。对于公开市场投资者而言，过度追捧“太空数据中心”概念可能意味着忽视物理定律与工程周期的约束。而对于整个行业，这场争论再次提醒我们：AI 的算力需求固然迫切，但解决方案仍需脚踏实地。
Comma AI 创始人 George Hotz 近日发表争议性观点，主张 AI 应完全对齐用户个人意志，即使这意味着帮助用户策划谋杀。他认为集中式 AI 对齐方案（如 AI 2040 计划）忽略了个人自由，而本地化、用户对齐的 AI 才是未来。文章探讨了 AI 对齐的两种路径及其伦理困境。