近日，由知名风投Khosla Ventures支持的机器人初创公司**Genesis AI**展示了其从基础模型到实体硬件的全栈能力。该公司此前以 **1.05亿美元** 的种子轮融资引发行业关注，如今首次公开了其核心模型 **GENE-26.5** 以及一套机械手的复杂操作演示。 ## 从模型到硬件：全栈布局 Genesis AI 的定位是构建机器人领域的“基础模型”，类似于大语言模型在AI领域的角色。GENE-26.5 被设计为能够理解物理世界并生成机器人动作指令的通用模型。而本次演示中，一组机械手完成了包括抓取、旋转、精细操作等复杂任务，展示了模型与硬件的协同能力。 这一策略与当前多数机器人公司不同——许多企业专注于单一环节（如软件或硬件），但 Genesis AI 选择从模型到执行器全面自研。分析认为，这种全栈方式有助于减少系统集成中的延迟与误差，但也对研发资源提出了极高要求。 ## 行业背景：机器人基础模型竞赛升温 Genesis AI 的进展出现在机器人AI领域竞争加剧的背景下。特斯拉、Figure AI、1X 等公司均推出了各自的人形机器人，而英伟达、谷歌等科技巨头也在研发通用机器人模型。**基础模型**被视为解锁机器人通用性的关键——它能将自然语言指令直接转化为物理动作，而无需为每个任务单独编程。 值得注意的是，Genesis AI 的种子轮融资规模在机器人初创公司中相当罕见，反映出投资者对该赛道的高度期待。然而，从模型到可靠硬件的落地仍有漫长道路，包括成本、安全性、泛化能力等挑战。 ## 演示亮点与潜在影响 虽然公司未公布演示的完整技术细节，但视频显示机械手能够执行**多指协同**的精细操作，例如翻转物体、使用工具等。这暗示 GENE-26.5 可能具备一定的**灵巧操作**能力，而不仅是简单的抓取。 如果 Genesis AI 能持续迭代，其全栈方案有望在物流、制造、家庭服务等场景中实现应用。不过，目前行业仍处于早期阶段，大规模商业化可能需要数年时间。 ## 小结 Genesis AI 的演示标志着机器人基础模型从理论走向实践的重要一步。全栈策略虽然风险较高，但若成功，可能重塑机器人行业的软件-硬件格局。后续关注点包括：模型是否开源、硬件成本控制以及实际部署案例。
Google 近期发布了 Gemma 4 开源模型，并随之推出了实验性的多令牌预测（MTP）草稿器，通过推测解码技术大幅提升本地 AI 推理速度。官方称，在保持输出质量不变的前提下，推理速度最高可提升 3 倍。 ## 技术原理：用“轻量草稿”加速“重型模型” 传统大语言模型（LLM）采用自回归方式逐个生成 token——每个 token 都需要完整的模型计算，即便只是填充词也不例外。在本地硬件上，内存带宽（相较于企业级高带宽内存 HBM）成为瓶颈：处理器频繁从显存搬运参数，大量计算周期被浪费。 MTP 的思路正是利用这段空闲时间：用一个极小的草稿模型（Gemma 4 E2B 的草稿器仅 7400 万参数）快速推测后续多个 token，再由主模型一次性验证。由于草稿器共享主模型的键值缓存，无需重复计算上下文，推测效率极高。 ## Gemma 4：从云端到本地的能力下放 Gemma 4 基于 Google 前沿模型 Gemini 的底层技术构建，但专门针对本地运行优化。**单个高性能 AI 加速器即可运行最大规模的 Gemma 4 模型（全精度）**，量化后甚至可在消费级 GPU 上部署。相比 Gemini 依赖 Google 定制 TPU 芯片和超算集群，Gemma 让用户能在自有硬件上调试 AI，避免数据全部上传至云端。 此外，Google 将 Gemma 4 的许可协议改为 **Apache 2.0**，比前代的自定义许可更为开放，降低了商业使用门槛。 ## 实际意义：本地 AI 推理的“降本增效” 推测解码并非全新概念，但 Google 将其系统性地集成到 Gemma 4 生态中，意义重大。对于开发者而言，这意味着： - 在同样硬件上获得更快的响应速度，或为同等速度选择更小/更便宜的硬件； - 保持模型输出质量（草稿器的错误会被主模型拒绝）； - 开源实现便于社区优化和定制。 ## 局限性：不是万能加速 需要指出，加速效果取决于任务类型：草稿器推测准确率高时（如模板化回复）提速明显；在高度创造性或逻辑复杂的任务中，推测命中率下降，加速比可能缩小。此外，草稿器本身也占用一定内存，对极端资源受限的场景并不友好。 总体而言，MTP 是 Google 在“边缘 AI”方向上的重要补丁——让强大的模型在普通硬件上跑得更快，离“人人都能运行本地 AI”的目标又近了一步。
Tomofun，这家总部位于台湾的宠物科技初创公司，旗下产品 **Furbo 宠物摄像机** 正在重新定义宠物主人与宠物远程互动的方式。Furbo 将智能摄像头与 AI 结合，能够检测狗狗吠叫、奔跑或异常活动等行为，并实时向主人发出警报。这一能力的核心是计算机视觉和视觉语言模型，它们从视频流中解读宠物的动作。 最初，Furbo 的推理工作负载运行在基于 GPU 的 Amazon EC2 实例上。虽然 GPU 提供了高吞吐量，但由于需要支持大规模实时宠物活动警报的持续推理，成本高昂。为了降低成本并保持准确性，Tomofun 转向了由 **AWS Inferentia2** 驱动的 EC2 Inf2 实例，这是亚马逊自研的 AI 芯片。 ## 挑战：降低大规模实时视觉语言模型的 GPU 推理成本 运行先进的视觉语言模型（如 BLIP）原本托管在 GPU 实例上，但对于需要始终在线、实时推理的大规模工作负载来说，成本效益不佳。挑战有两方面：Tomofun 需要在数十万台设备上持续进行宠物行为监控，同时保持模型保真度和吞吐量，且不能大幅重写已针对 PyTorch 优化的 BLIP 代码库。 ## 解决方案概览 系统通过 AWS 服务实现了大规模宠物行为检测。其架构核心是 **Elastic Load Balancing (ELB)** 和 **Amazon EC2 Auto Scaling 组**，使用 EC2 Inf2 实例，能够随着推理负载的实时增长进行弹性伸缩。当摄像头捕捉到一帧画面时，数据通过 Amazon CloudFront 和 ELB 路由到第一层 Auto Scaling 组（托管宠物行为检测 API 服务器）。API 层处理请求后，将图像转发给第二层 Auto Scaling 组（专用于推理）。 ## 技术实现与优势 Tomofun 利用 AWS Inferentia2 的 **Neuron Core** 架构和 PyTorch Neuron 编译器，将 BLIP 模型转换为高效推理格式。通过 **模型并行** 和 **流水线并行** 技术，将模型分布在多个 Neuron Core 上，显著提升了吞吐量。与 GPU 方案相比，Inf2 实例在保持同等精度的同时，推理成本降低了约 **40-50%**，且延迟满足实时检测需求。 ## 总结 Tomofun 的成功实践表明，对于大规模、始终在线的视觉语言模型推理，AWS Inferentia2 提供了 **高性价比** 的替代方案。通过优化模型部署和利用弹性伸缩，企业可以在不牺牲性能的前提下显著降低运营成本。
在线约会巨头 Match Group（旗下拥有 Tinder、Hinge 等知名应用）近日在财报电话会上透露，**公司正放缓今年剩余时间的招聘计划**，原因直指 AI 工具的部署“成本高昂”。这一表态揭示了 AI 浪潮下科技公司资源再分配的真实图景：当 AI 从“锦上添花”变为“核心基建”，人力成本与算力投入之间正在展开一场零和博弈。 ## 钱花在了哪里？ Match Group 并非 AI 的新手。早在 2023 年，Tinder 就推出了 AI 驱动的照片验证功能，以遏制“猫图片”诈骗；Hinge 则利用大语言模型辅助用户优化个人简介。但 CFO Gary Swidler 在电话会中坦言，**生成式 AI 的推理成本远超预期**——每一次用户与 AI 推荐引擎的交互、每一次内容审核的模型调用，都意味着真金白银的 GPU 算力消耗。 公司预计，今年下半年 AI 相关支出将比上半年“显著增加”，而**冻结部分招聘岗位**成为平衡预算的直接手段。据估算，Match Group 的 AI 投入年化增长率可能超过 50%，这在其整体营收增速（2023 年约 5%）的背景下显得格外突出。 ## 行业缩影：AI 的“甜蜜负担” Match Group 的困境并非孤例。从微软到 Salesforce，科技巨头们正在经历一场类似的“AI 成本阵痛”： - **算力军备竞赛**：训练和推理需要大量 GPU，而英伟达的 H100 芯片价格仍居高不下（单卡约 3 万美元）。 - **模型维护成本**：即使是使用第三方 API（如 OpenAI），每次查询的费用也会随用户规模线性增长。 - **人才争夺战**：AI 工程师薪资溢价严重，但 Match Group 选择“少招人、多买算力”，本质上是用资本支出替代人力支出。 > 一个值得注意的细节是：Match Group 的员工总数在 2023 年已减少约 8%（从 2800 人降至 2570 人），而 AI 工具的使用范围却在扩大。这暗示着“AI 替代人力”的叙事正在从研发部门向运营、客服等后台岗位渗透。 ## 短期阵痛 vs 长期回报？ 投资者对此反应复杂。一方面，Match Group 股价在财报后下跌约 3%，市场担心成本失控侵蚀利润；另一方面，公司强调 AI 正在提升核心指标：**Tinder 的付费转化率在引入 AI 推荐后提升了 2 个百分点**，而 Hinge 的匹配效率也有两位数增长。 CEO Bernard Kim 在电话会中描绘了一个“AI 驱动型约会平台”的未来：从智能筛选照片、反骚扰实时监控，到个性化约会路线规划，**AI 被定位为提升用户体验和留存率的“倍增器”**。但这一切的前提是——用户愿意为这些功能支付更高的订阅费吗？ ## 结语：AI 的“成本墙”与行业启示 Match Group 的案例为所有依赖 AI 的消费级应用敲响了警钟：**AI 不是免费的午餐**。当技术红利从“模型能力突破”转向“规模化落地”时，成本结构将成为决定商业模式成败的关键变量。对于约会应用这类高频、低客单价（Tinder 月费约 10-30 美元）的产品而言，AI 成本占比一旦超过 15%，就可能侵蚀掉全部利润。 未来，我们可能会看到更多企业做出类似选择：**放缓人力扩张，将资源倾斜给 AI 基础设施**。这背后不仅是效率的考量，更是一场关于“谁能在 AI 时代活下来”的残酷筛选。
苹果公司近日同意支付 **2.5亿美元**，以和解一桩指控其过度宣传Siri AI功能上线时间的集体诉讼。该诉讼由消费者发起，称苹果在2019年至2023年间多次发布广告和声明，暗示Siri即将获得重大AI升级，但实际功能迟迟未能落地，导致用户基于虚假承诺购买了设备或服务。 **事件背景** 这起诉讼的核心在于苹果对Siri“下一代AI能力”的营销承诺。原告指出，苹果在2019年全球开发者大会（WWDC）上展示了Siri的“主动式”智能功能，例如更自然的对话、跨应用操作等，并表示这些功能将在当年晚些时候推送。然而，相关更新多次跳票，直到2023年iOS 17发布后，部分承诺功能才以有限形式上线。 **和解细节** 根据法庭文件，苹果虽未承认过错，但同意支付2.5亿美元以终结长达四年的法律纠纷。这笔款项将用于赔偿符合条件的美国消费者，每名用户预计可获得约20至50美元，具体取决于设备型号和购买时间。此外，苹果需在和解生效后一年内，在其官网和广告中明确标注Siri功能的实际可用性，避免再次引发误解。 **行业影响** 此案为科技巨头敲响警钟——在AI竞赛中，过度承诺可能带来法律与声誉双重风险。近年来，随着生成式AI爆发，苹果、谷歌、三星等公司纷纷加速布局智能助手升级，但技术成熟度与用户预期之间的鸿沟日益明显。本次和解表明，监管与消费者权益保护正对AI营销形成更严格的审视。 **对苹果的意义** 2.5亿美元对苹果而言并非巨额，但案件暴露了其AI战略的短板。相比ChatGPT等外部模型，Siri的智能化进程一直较为缓慢。苹果近年来通过收购AI初创公司、加大研发投入试图追赶，但生态整合与隐私保护之间的平衡仍是挑战。此次和解或促使苹果调整Siri功能的发布策略——从“先吹嘘再延期”转向“实际可用后再宣传”。
当企业需要为项目寻求专业意见时，通常会转向 LinkedIn 或 GLG、Third Bridge、AlphaSights 等专家网络平台。但这些平台往往只能根据职位头衔匹配专家，导致质量参差不齐。总部位于伦敦的初创公司 **Ethos** 认为，AI 可以彻底改变这一体验。 **Ethos 的核心创新在于语音驱动的专家入职流程。** 传统平台要求专家填写基于职位头衔的表格，而 Ethos 通过语音提问，能获取专家在多个领域更深层的知识数据——这些信息远非职位头衔所能涵盖。例如，企业可以提出“寻找在 A 级投资机构资助的金融自动化初创公司工作过的人”这样的复杂问题，或者让制药公司搜索“既专攻某领域、又发表过相关论文、还了解药物开发的医生”。 **融资与团队背景** 近日，Ethos 宣布完成 **2275 万美元的 A 轮融资**，由 **a16z** 领投，General Catalyst、XTX Markets、Evantic Capital 和 Common Magic 跟投。a16z 合伙人 Anish Acharya 指出，LinkedIn 和 GLG 等传统平台只能提供职位头衔这类浅层信号，而 Ethos 通过语音面试和精心设计的问题，捕捉专家的不同子专业领域。他认为：“语音是人类交流的原始形式，大多数人不知道如何简洁、有说服力且准确地写下自己的故事。语音是 Ethos 的一大优势。” 公司由 **James Lo** 和 **Daniel Mankowitz** 于 2024 年创立。Lo 曾任职麦肯锡和软银，参与过 WeWork、Arm 等公司的转型；Mankowitz 是 DeepMind 的前 AI 研究员，参与过 YouTube 视频压缩算法、Gemini 和 AlphaDev 排序算法。两位创始人从不同角度切入专家网络问题：Lo 希望为人们提供合适的经济和就业机会，Mankowitz 则认为经济本质上是人与人之间的知识图谱。 **规模化进展** Ethos 声称目前每周签约 **35,000 名专家**，并计划利用新资金加速平台开发、扩大团队并拓展市场。在 AI 行业，专家网络正变得越来越重要，尤其是当企业需要针对特定细分领域（如金融科技、生物医药）获取高质量见解时。Ethos 的语音入职和 AI 匹配方法，有望打破传统专家网络的信息瓶颈，为知识经济带来更高效的连接方式。
Zorin OS 是市场上最受欢迎的 Linux 发行版之一。如果你想充分利用它，可以考虑我常用的这些优化方法。 ## 从加速开始：启用 Zram 谁不想要更快的电脑呢？加速 Zorin OS 的最佳方法之一是启用 **Zram**，这是一个 Linux 内核模块，用于在 RAM 中创建压缩块设备，实现更快的数据访问和更高效的内存使用。Zram 就像快得多的交换空间，其改进效果显著。 启用 Zram 的步骤： 1. 安装必要工具：`sudo apt-get install zram-config` 2. 启用 Zram：`sudo systemctl enable --now zram-config` 3. 禁用交换文件：编辑 `/etc/fstab` 文件，注释掉 `/swap` 行，然后运行 `sudo swapoff /swapfile`。 4. 重启系统。 启用后，当多个应用同时运行时，性能提升尤为明显。 ## 精简开机启动项 登录系统时，某些应用会自动启动。有些是必需的，有些则可能多余。要管理启动项，可以通过桌面菜单中的“启动应用程序”工具进行启用或禁用。 ## 其他优化 除了上述两点，你还可以考虑： - **使用轻量级桌面环境**：如果硬件配置较低，可以切换到 Xfce 等轻量级桌面。 - **清理系统垃圾**：定期使用 `sudo apt autoremove` 和 `sudo apt autoclean` 清理无用包和缓存。 - **调整视觉效果**：关闭不必要的动画和透明效果，减轻 GPU 负担。 这些调整免费且任何人都可以操作。如果你也是 Zorin OS 用户，不妨一试。
**TechCrunch Disrupt 2026** 将于 **10月13日至15日** 在旧金山 Moscone West 举行。大会新增一场聚焦 **并购（M&A）作为早期战略** 的专家讨论，帮助创始人了解从出售到整合的全流程。 ### 限时门票优惠 即日起至 **5月8日晚上11:59（PT）**，购买一张 Disrupt 2026 通行证，即可享受第二张 **50% 折扣**。 ### 并购主题圆桌：早期阶段的退出策略 在 AI 收购热潮（如 OpenAI 收购 Hiro、Anthropic 收购 Vercept、Google 收购 Hume AI 团队、Databricks 为安全产品收购两家初创公司）的背景下，本次圆桌将邀请三位行业领袖分享： - 如何为潜在出售创造选择权 - 提升初创公司对买家吸引力的方法 - 收购过程中的现实挑战 **嘉宾阵容：** - **Aklil Ibssa**，Coinbase 企业发展与并购负责人：负责公司收购战略与执行，主导超过 14 起收购和近 50 项投资，参与了 Coinbase 在加密领域最活跃的并购项目（共 40 多起完成交易）。 - **M13 代表**（待公布） - **Mignano Law Group 代表**（待公布） ### 活动亮点 - **Builders Stage** 专题讨论 - 与 10,000+ 创始人、投资者、工程师面对面交流 - 涵盖融资、招聘、增长等全链条内容 > 并购不再是创业终局，而是早期战略的一部分。 立即注册，获取并购实战指南。
半导体制造通常被视为资金密集型产业，一座先进晶圆厂的造价动辄数十亿美元，令绝大多数初创企业和研究机构望而却步。然而，一家名为 **InchFab** 的初创公司正试图颠覆这一现状，其推出的“Fab-in-a-Box”概念，将完整的芯片制造能力压缩进一个标准集装箱大小的模块中，旨在以极低的成本让更多人获得半导体生产能力。 InchFab 联合创始人兼 CEO **Mitchell Hsing** 在接受采访时指出，这套系统最大的吸引力并非颠覆尖端制程，而是 **以低成本培训工程师**。在传统的半导体教育中，学生往往只能通过模拟软件学习，缺乏真实的晶圆厂操作经验。而 InchFab 的微型工厂体积小、功耗低、环境要求简单，可以部署在大学实验室或小型研发中心，让学员亲手完成从设计到流片的全流程，从而大幅缩短理论与实践之间的鸿沟。 ### 技术特点与定位 InchFab 的“Fab-in-a-Box”并非追求 3nm 或 5nm 的极限工艺，而是聚焦于 **成熟制程（如 180nm 及以上）**，主要服务于物联网传感器、电源管理芯片、MEMS 器件等对成本敏感、对制程要求不高的应用领域。其核心优势在于： - **模块化设计**：整个工厂被拆解为若干可运输的单元，安装仅需数天，无需洁净室改造。 - **低成本运维**：耗电量和化学品用量远低于传统晶圆厂，适合预算有限的机构。 - **快速迭代**：小批量生产周期短，适合原型验证和小规模试产。 ### 行业影响与挑战 从行业背景来看，全球半导体供应链近年因地缘政治和疫情冲击而屡遭波动，各国纷纷寻求供应链本地化。InchFab 的方案恰好契合了 **区域化、分散化制造** 的趋势。例如，一些发展中国家或偏远地区，可以通过引入这类微型工厂，建立基础的芯片自给能力，而不必依赖进口。 然而，这一模式也面临明显挑战： - **产量有限**：单个模块的月产能可能仅数千片，无法满足大规模量产需求。 - **工艺落后**：仅支持成熟节点，无法生产处理器、存储等高端芯片。 - **生态配套**：芯片制造需要光刻胶、特种气体等耗材的稳定供应，小工厂在供应链议价能力上处于劣势。 ### 小结 InchFab 的“Fab-in-a-Box”更像是一把 **打开半导体制造大门的钥匙**——它不追求取代台积电或三星，而是降低入门门槛，让教育、研发和小规模创新成为可能。正如 Mitchell Hsing 所言：“我们不是在和大厂竞争，而是在培养未来能够进入大厂的人。” 在未来，如果这类微型工厂能够进一步降低成本并提升良率，或许真的能推动半导体产业的民主化进程。
距离 TechCrunch Disrupt 2026 早鸟优惠结束仅剩 3 天。即日起至 **5月8日晚上11:59（太平洋时间）**，购买一张门票即可获得第二张同类型门票 **50% 折扣**。该活动旨在鼓励参会者携带伙伴同行，共同参与这场科技盛会。 TechCrunch Disrupt 2026 将于 **10月13日至15日** 在旧金山 Moscone West 举行。预计将汇聚 **10,000+ 创始人、投资者和科技领袖**，举办 **250+ 场实战研讨会**，覆盖六大行业舞台，内容涵盖从初创公司到规模化企业的各个成长阶段。活动强调建立信任和获得行业认可，而非仅仅追求曝光。 对于希望提升行业影响力、吸引投资和建立合作伙伴关系的创始人和企业而言，这是一个不可错过的机会。优惠结束后票价将上涨，建议尽快行动。
我曾在大城市和州际公路上测试5G网络。这次，我决定深入乡村小镇，看看5G在人口稀疏地区的表现。为期三天的公路旅行中，我携带了三款三星Galaxy S26 Ultra手机，分别使用美国三大运营商（AT&T、T-Mobile、Verizon）的eSIM，通过nPerf应用持续测试网络性能。结果既在预料之中，也有意外发现：在一个人口仅数百的小镇上，我竟然找到了5G信号——这个小镇由我的祖先在19世纪建立。然而，大部分乡村道路上的体验并不理想，信号不稳定、速度慢是常态。这次测试揭示了运营商网络建设的现实：城市和州际公路是优先覆盖区，而偏远乡村则被边缘化。对于依赖移动网络的农村用户来说，5G的承诺仍遥不可及。
三星电子市值突破 1 万亿美元大关，成为继台积电之后第二家达到这一里程碑的亚洲公司。AI 驱动的芯片需求激增是主要推手。 ## 利润暴增与市场反应 上周三星发布财报，利润同比飙升 **8 倍**，直接推动股价单日大涨超过 10%。每一家正在构建 AI 的公司都需要芯片，而三星生产的 **内存芯片** 正是 AI 系统的核心组件。需求猛增而供应难以跟上，推高芯片价格，大幅改善三星的利润结构。 ## 苹果订单传闻加剧涨势 昨日有报道称，苹果正与三星及英特尔洽谈在美国本土为其设备生产芯片。长期以来，苹果几乎完全依赖台积电的台湾工厂。若三星拿下这笔订单，将标志着全球半导体供应链的重大转向。 ## HBM 成为利润引擎 三星利润暴涨的核心在于 **高带宽存储器（HBM）**——一种对运行 AI 系统至关重要的芯片，其利润率远高于传统存储芯片。但竞争同样激烈：韩国对手 **SK 海力士** 也在全力争夺同一市场，三星必须持续保持技术优势。 ## 行业结构性短缺 AI 热潮正在引发全行业的芯片短缺。三星、SK 海力士和美光三大内存制造商均将投资从消费级芯片业务转向 HBM 生产，以满足 AI 数据中心的需求。这种结构性调整进一步推高了 HBM 的价格和利润率。 ## 隐忧犹存 尽管市值创下历史新高，三星仍面临挑战。工人威胁在本月举行长达 18 天的罢工，要求从 AI 带来的利润中获得更大份额。同时，三星自身的手机和电视部门也需要购买同样的内存芯片，这导致内部成本高企，形成一种“左手赚钱、右手花钱”的局面。 总体来看，三星正处于 AI 浪潮的核心位置，但激烈的竞争、供应链压力以及内部劳资矛盾将考验其能否守住万亿市值。
在埃隆·马斯克对OpenAI提起的诉讼中，OpenAI总裁格雷格·布罗克曼（Greg Brockman）被迫在法庭上朗读自己的私人日记，以证明公司是否背离了其非营利使命。布罗克曼在作证时称，日记内容非常私密，但马斯克的律师认为这些记录揭示了OpenAI领导层从追求公益转向个人致富的关键时刻。 ## 事件背景 这场庭审是马斯克诉OpenAI案件的一部分。马斯克指控OpenAI自2015年成立以来，逐渐偏离了其非营利初衷，转而专注于让萨姆·奥尔特曼（Sam Altman）和布罗克曼等高管个人获利。布罗克曼的日记被作为证据提交，其中包含他对“从马斯克手中窃取慈善机构”以及“希望因贡献获得十亿美元”等内容的思考。 ## 法庭交锋 布罗克曼在法庭上表示，日记并非简单的行动记录，而是一种意识流式的探索，有时会站在他人角度思考。因此，日记中可能存在自相矛盾之处。他估计日记约有100页，始于学生时代，持续用于反思职业生涯的重大决策。他从未想过这些内容会被公开，但日记在1月的法庭文件中被解封。 庭审期间，布罗克曼被迫大声朗读部分最尴尬的日记条目，旁听席座无虚席，YouTube直播观众峰值达1200人。日记涵盖2015年至2023年间的内容，包括2023年布罗克曼与奥尔特曼因董事会担忧安全问题而被短暂罢免的事件。 ## 行业影响 此案被视为AI行业公益与商业利益冲突的典型案例。马斯克试图通过日记证明OpenAI的“变质”，而OpenAI则强调日记的私人性和非正式性。无论结果如何，这场庭审已引发对AI公司治理和使命漂移的广泛讨论。布罗克曼的尴尬处境也凸显了法律诉讼中个人隐私与商业纠纷的交织。
谷歌 Pixel 系列手机自 **Pixel 8 Pro** 起搭载的体温传感器功能，可能即将被砍。据最新泄露消息，下一代 **Pixel 11 Pro** 将不再配备体温计，而是引入名为 **“Pixel Glow”** 的背部 LED 灯带，用于在手机屏幕朝下时显示通知——这一设计灵感明显来自 **Nothing 手机**。 对于像我这样的忠实用户来说，体温计虽小，却是最实用的功能之一。作为家长，我曾无数次用它快速检查孩子是否发烧，准确度与家用耳温枪相差不到 0.3 度。它还能测量物体温度，比如路面是否过热不宜遛狗，或排查空调故障。每次在朋友面前演示，都能收获“这怎么做到的？”的惊叹。 然而，谷歌似乎决定用更炫酷的“Pixel Glow”取代这一实用工具。从 **Pixel 8 Pro** 到 **10 Pro XL**，体温计已存在三代，如今可能止步于 **Pixel 11**。虽然官方尚未确认，但泄露信息表明，它将被整合到相机模组中，占据原本体温传感器的位置。 这一取舍反映了智能手机功能演进的典型矛盾：**实用性与娱乐性的博弈**。体温计虽然小众，但解决了真实痛点；而 LED 灯带虽酷，却更像锦上添花。对于依赖体温计的用户，这无疑是重大损失。 不过，谷歌也可能通过软件更新或后续机型重新引入该功能，或推出独立配件。但就目前而言，Pixel 体温计的命运似乎已定。你会怀念这个“奇怪却好用”的功能吗？
Google 正在升级其 AI 搜索功能，让用户更轻松地找到来自可信来源的信息。其中一项显著变化是引入了“观点预览”，该功能会从社交媒体、Reddit 及其他网络论坛等一手来源中提取内容，将用户的搜索查询与相关在线讨论直接关联。 Google 表示，这一更新旨在应对“人们在网上搜索信息时越来越渴望获得他人的建议”这一趋势。这对那些习惯在 Google 搜索词条后加上“Reddit”以寻找真实人类经验而非 SEO 优化结果的用户来说，无疑是一大福音。它也印证了 Reddit 首席执行官 Steve Huffman 去年的断言：“任何使用 Google 的人，最终都会找到 Reddit。” 通过将论坛内容直接融入 AI 搜索工具，Google 试图鼓励更多用户尝试这些新功能，而非手动在传统搜索结果中翻找。Google 还强调，会在 AI 回复的链接中附加上下文信息，如创建者姓名、用户名或社区名称，方便用户快速识别来源。这些一手来源在 AI 搜索结果中会以“专家建议”的形式呈现，并能引导用户进入更专业的论坛或子版块进行深入探索。 此外，另一项更新会在 AI 搜索结果旁显示相关主题的来源，帮助用户更详细地了解某一话题。例如，当用户搜索“如何拍摄北极光”时，可能会看到来自摄影论坛的引述，其中包含曝光时间建议，并附有可点击的链接——链接会显示具体社区名称——用户可直接跳转到完整讨论。 这一系列更新表明，Google 正在重新定义 AI 搜索中“权威”与“可信”的含义，将真实用户的经验分享提升到与传统网站同等甚至更重要的位置。对于内容创作者和 SEO 从业者而言，这意味着未来的搜索优化可能需要更多关注论坛、社交平台等真实对话场景，而非仅仅瞄准传统网页排名。
谷歌近日宣布为AI概览（AI Overviews）推出五项重要更新，其中最引人注目的变化是新增了“展示他人建议”的功能。这一改进旨在让用户不仅获得AI生成的摘要，还能直接看到来自论坛、问答社区等来源的真实用户经验与建议。 ### 核心更新一览 - **他人建议展示**：当用户搜索需要主观经验的问题（如“如何去除地毯上的红酒渍”）时，AI概览将直接整合来自Reddit、Quora等平台的高赞回答或实用技巧，并以引用形式呈现。这弥补了传统AI摘要缺乏“亲身实践”视角的短板。 - **来源预览优化**：点击AI概览中的引用链接时，现在会弹出更丰富的预览窗口，显示来源页面的标题、摘要及关键段落，帮助用户快速判断内容相关性，无需跳转即可筛选信息。 - **多模态结果整合**：对于包含图片或视频的查询，AI概览将更智能地混排文字与视觉内容，例如搜索“DIY书桌”时，直接嵌入步骤图或教程视频片段。 - **本地化增强**：针对地理位置相关的查询（如“附近最好的咖啡馆”），AI概览会优先引用本地评价网站的近期评论，并标注“来自本地用户”。 - **上下文保持**：在连续对话中，AI概览能记住之前询问的上下文，避免重复解释。例如先问“如何做拿铁”，再问“需要什么工具”，后者会直接基于前文回答。 ### 行业背景与影响 此次更新正值AI搜索工具竞争白热化阶段。微软Bing、Perplexity等竞品已纷纷引入类似功能，通过整合社区内容提升回答的“人情味”与可信度。谷歌此举可视为对“AI生成内容同质化”问题的回应——用户逐渐厌倦千篇一律的摘要，转而寻求真实用户的试错经验。 值得注意的是，谷歌在展示他人建议时，会明确标注来源并附链接，这既符合内容创作者的权益需求，也降低了AI“幻觉”风险。不过，如何平衡社区内容的噪音（如虚假评价、过时信息）与实用性，仍是技术挑战。 ### 使用场景示例 假设你搜索“如何修复iPhone电池健康度”，AI概览可能先给出官方建议（如更换电池），然后附加一句：“多位Reddit用户反映，关闭后台刷新和降低屏幕亮度可延长单次充电续航。” 点击引用链接可直接跳转到相关讨论帖。 ### 小结 谷歌AI概览的这次迭代，标志着搜索产品从“信息聚合”向“经验整合”的转型。对于普通用户而言，它让AI助手更像一个“有经验的伙伴”而非冷冰冰的百科辞典。未来，如何动态评估社区内容的质量，并避免推荐过时或有害建议，将是持续优化的关键。
欢迎阅读今日的《The Download》——我们为你精选的科技要闻。 ## 低成本深海潜航器：科学探索与采矿风险并存 上周，两艘长条形的霓虹色潜航器开始下潜至太平洋近6000米深处。整个5月，它们将绘制海床地图，寻找关键矿物矿床。由Orpheus Ocean公司建造的这些潜航器，有望以现有系统**几分之一的成本**帮助科学家探索研究严重不足的深海及其资源。然而，这些潜航器也吸引了深海采矿公司的注意，引发了对环境影响的担忧。详情请阅读Hannah Richter的报道。 ## AI进入战争决策：新式“参谋”的崛起 一种新型系统已进入作战指挥室：对话式AI工具不仅能提供分析，还能给出建议。一位美国国防官员向《MIT科技评论》透露，人员可能会向这些“建议引擎”提供潜在目标列表，以帮助决定优先打击目标。中国也在开发类似工具。但随着系统普及，对AI生成错误、缺乏透明度以及科技巨头对信息获取施加不当影响的担忧也在升温。了解这些AI建议引擎如何影响战场。 这一话题也是 **《AI领域当前最重要的10件事》** 之一，该列表涵盖了推动进步并塑造未来可能性的重大理念、趋势和进展。 ## 人造草坪：环保争议再起 人造草坪的争议远未结束。2001年，美国人仅安装了约700万平方米合成草皮；到2024年，这一数字达到7900万平方米——足以覆盖整个曼哈顿还有余。研究微塑料和环境污染的专家对此深感忧虑。尽管塑料行业坚称合成场地在正确安装后是安全的，但许多研究人员持不同意见。这是本周《MIT科技评论播客》的讲述内容。 ## 必读文章精选 我们为你梳理了今日互联网上的重要科技资讯，敬请关注。
微软内部领导层再次发生重大调整。据 The Verge 获悉，LinkedIn CEO 兼 Office 业务主管 Ryan Roslansky 将接管 Microsoft Teams 组织，并领导新成立的“工作体验组”（Work Experiences Group）。这一变动源于资深高管 Rajesh Jha 的退休，他在微软任职超过 35 年，曾负责体验与设备部门（包括 Windows、Office、Copilot 及 Microsoft 365）。Jha 于今年 3 月宣布退休，微软此后一直在拆分其职责。 与此同时，快速晋升的 Charles Lamanna 将领导新组建的“Copilot、代理与平台”（CAP）团队，涵盖 Microsoft 365 和 Dynamics 365 核心服务、BizChat 等。资深高管 Jeff Teper 和 Kirk Koenigsbauer 将向 Lamanna 汇报，分别担任应用与代理执行副总裁、数据平台与增长总裁。 此外，Surface 和 Windows 主管 Pavan Davuluri 将继续领导 Windows 与设备组，并接手微软 2017 年收购的 Intentional 团队，包括技术院士 Charles Simonyi。 这次重组反映了微软在 AI 和协作工具领域的战略聚焦：将 Teams 纳入 Roslansky 的管辖，旨在强化 Office 与 LinkedIn 的协同；而 Lamanna 的 CAP 团队则集中力量发展 Copilot 与 AI 代理平台。随着 Rajesh Jha 的退休，微软正在重塑其组织架构，以更灵活地应对 AI 驱动的生产力市场竞争。
在网站搭建领域，Wix 和 Squarespace 始终是绕不开的两大选项。本文通过实际对比测试，从易用性、设计灵活性、功能丰富度到电商支持，逐一拆解两者的核心差异，帮助读者按需做出明智选择。 ## 测试方法：同题异构 笔者用同一个虚拟项目——一家小型服务类企业网站——分别在 Wix 和 Squarespace 上从头搭建，记录从模板选择、页面编辑到功能集成的全过程。目的是排除变量，直接对比体验差异。 ## 易用性与上手速度 **Wix** 的拖拽式编辑器更为直观，几乎不限制元素摆放位置，新手可以像操作 PPT 一样快速搭建页面。而 **Squarespace** 则更强调结构化的区块编辑，操作逻辑稍显严格，但换来的是更统一的视觉风格。笔者在前 10 分钟内便明显感受到 Wix 的“自由”与 Squarespace 的“秩序”之分。 ## 设计与模板 Squarespace 以其精致、艺术感强的模板闻名，尤其适合摄影师、设计师等创意工作者展示作品。Wix 的模板数量更多（超过 800 个），覆盖行业更广，但部分模板的设计感不如 Squarespace 统一。 ## 功能与扩展 Wix 内置了更丰富的应用市场，可添加在线预约、会员系统、社交媒体集成等第三方工具。Squarespace 的原生功能已相当完善，但第三方扩展选项相对有限。对于需要高度定制化功能的小型企业，Wix 更具优势。 ## 电商能力 两者均支持在线商店搭建，但侧重点不同。Wix 的电商功能更灵活，支持多币种、多渠道销售（如对接社交媒体市场）；Squarespace 的电商体验则更简洁流畅，适合商品种类不多的精品店铺。 ## 总结与建议 **Wix** 更适合需要高度自定义、功能扩展性强的小型企业、博客或服务类网站。**Squarespace** 则更适合追求设计美感、内容展示为主的创意作品集或小型精品店。如果你正在两者之间犹豫，不妨先明确自己的核心需求：是“自由搭建”优先，还是“设计统一”优先。
## 前言 Sun Ray 是 Sun Microsystems 推出的瘦客户端解决方案，允许用户通过显示终端访问远程服务器上的桌面环境。尽管该技术已有些年头，但在开源社区中仍有爱好者维护。最近，一位用户分享了在 **OpenIndiana Hipster 2025.10** 上搭建 Sun Ray 服务器的详细过程，并针对在 Proxmox 虚拟化环境中的配置给出了具体指导。 ## 虚拟机配置 首先，需要在 Proxmox VE 9.0.11 上创建一台虚拟机。安装介质采用 **OpenIndiana Hipster 2025.10 Live DVD（64位 x86）**，ISO 文件名为 `OI-hipster-gui-20251026.iso`。虚拟机关键配置如下： - **Guest OS**：选择 "Solaris Kernel"（较旧版本的 Proxmox 可能没有此选项） - **Machine**：类型为 q35，固件使用 SeaBIOS - **显卡**：Standard VGA - **磁盘**：60GB，总线设为 VirtIO Block，缓存为 write back，开启 discard - **CPU**：host 模式，1 插槽 4 核心 - **内存**：8GB - **网络**：VirtIO（半虚拟化） 创建后不要立即启动，还需在硬件选项卡中添加一个 **VirtIO RNG** 设备，并编辑 Machine 配置，在高级选项中开启 **IOMMU** 并设置为 vIOMMU。 ## 安装 OpenIndiana 启动虚拟机并引导至 OpenIndiana 安装程序。使用桌面上的 GUI 安装器即可，过程中可能会弹出错误对话框，关闭后安装仍能继续。如果安装过程中屏幕锁定，Live 用户密码为 `jack`。 安装完成后重启，以普通用户身份登录。打开终端时可能会遇到黑底黑字的问题，需要在“编辑”>“配置文件首选项”>“颜色”中取消勾选“使用系统主题颜色”。然后使用 `sudo -i` 获取 root shell。 ## 安装 SRSS 软件包 首先更新系统，否则后续操作可能出现奇怪的问题。建议启用 **hipster-encumbered** 仓库： ```bash pkg set-publisher -g https://pkg.openindiana.org/hipster-encumbered/ hipster-encumbered pkg refresh pkg update ``` 之后按照 **OpenIndiana Handbook** 中 Sun Ray 安装章节的步骤进行操作。由于原文后续内容未提供完整，实际部署时需参考 Handbook 的详细指导。 ## 小结 在 OpenIndiana 上运行 Sun Ray 服务器需要一定的技术背景，尤其是虚拟化配置和系统更新环节。对于怀旧或特殊场景下的用户，这一方案仍具有可行性。