**心力衰竭是全球主要死因之一，而左心室射血分数（LVEF）是评估心脏泵血功能的核心指标。** 传统上，LVEF的测定依赖超声心动图，这在基层医疗和资源匮乏地区往往难以普及。近日，来自哈佛医学院和Hartford HealthCare的研究团队在arXiv上发表了一项突破性研究，提出了一种**多模态机器学习框架**，仅通过常规12导联心电图（ECG）和结构化电子健康记录（EHR）数据，即可将LVEF分为四个临床常用等级，准确率媲美甚至超越单一模态方法。 ### 研究背景与核心挑战 LVEF的精确分级对于心衰治疗决策至关重要，例如射血分数保留的心衰（HFpEF）与射血分数降低的心衰（HFrEF）在用药方案上存在显著差异。然而，超声心动图设备昂贵、操作依赖专业人员，导致许多患者无法及时获得评估。心电图虽然普及且成本低廉，但传统上仅用于心律和缺血诊断，难以直接量化心脏功能。 ### 多模态框架设计 研究团队构建了一个融合**ECG时序特征**与**EHR结构化变量**的多模态模型。具体而言： - **ECG特征**：从12导联心电信号中提取了包括QRS波群宽度、QT间期、ST段变化等工程化时序特征； - **EHR变量**：包括年龄、性别、血压、合并症（如糖尿病、高血压）及用药记录等。 模型采用XGBoost作为分类器，将LVEF分为四类：**正常（>50%）**、**轻度降低（40-50%）**、**中度降低（30-40%）** 和 **重度降低（<30%）**。同时，通过SHAP归因方法实现了模型可解释性，识别出对分类贡献最大的特征。 ### 数据与性能表现 研究使用了来自Hartford HealthCare的回顾性数据，包含**36,784对ECG-超声心动图记录**（来自30,952名门诊患者），并采用时间分割验证：训练集来自较早时间段，测试集来自后续**19,966份ECG**，以评估模型的时序泛化能力。 结果显示，多模态模型在“一对一其余”的ROC曲线下面积（AUROC）上表现优异： - **重度降低**：0.95 - **中度降低**：0.92 - **轻度降低**：0.82 - **正常**：0.91 相比之下，仅使用ECG或仅使用EHR的基线模型AUROC均低于0.90，证明多模态融合显著提升了分类性能。重要的是，在时间验证集上模型性能保持稳定，表明其具有临床部署的鲁棒性。 ### 临床意义与未来方向 这项研究为**低成本、可扩展的心衰筛查**提供了新思路。在基层诊所或资源有限地区，医生可仅通过心电图和基本病历即可快速识别高危患者，优先安排超声确认，从而优化医疗资源分配。此外，模型的**可解释性**有助于临床医生理解预测依据，增强信任感。 研究团队指出，未来工作将探索模型在真实世界前瞻性队列中的验证，并整合更多非侵入性生物标志物（如可穿戴设备数据）以进一步提升精度。同时，如何将模型部署到现有电子病历系统中也是重要课题。 ### 小结 该研究展示了**多模态机器学习在心血管诊断中的巨大潜力**，将普及的心电图与结构化临床数据结合，实现了堪比超声的LVEF分级能力。这不仅可能改变心衰的筛查范式，也为其他依赖昂贵影像的疾病提供了可借鉴的AI诊断路径。
软银集团正计划成立一家名为 **Roze AI** 的新公司，旨在利用自主机器人实现数据中心建设的自动化。据《金融时报》和《华尔街日报》报道，这家新公司不仅希望提升美国数据中心的建设效率，还已开始筹备首次公开募股（IPO），目标估值高达 **1000亿美元**，并计划在 **2026年下半年** 完成上市。 这一举措凸显了 **AI基础设施** 领域的激烈竞争。随着大模型和机器人技术的爆发，科技巨头纷纷加速建设数据中心，而软银选择“用机器人建造数据中心”这一闭环策略，试图在基建自动化赛道抢占先机。 ## 从“披萨机器人”到“基建机器人” 软银在机器人领域的投资历史颇具戏剧性。此前，它曾向AI披萨制作公司 **Zume** 投入数亿美元，但后者于2023年倒闭。如今，Roze AI 的目标更为务实：通过部署 **自主机器人** 来执行混凝土浇筑、钢结构安装等重复性高、危险性大的施工任务，从而缩短数据中心建设周期、降低人力成本。 ## 千亿美元估值：野心还是泡沫？ Roze AI 的潜在估值引发了内部分歧。尽管软银创始人孙正义一向以“大赌大赢”著称，但部分内部人士对 **1000亿美元** 的估值和 **2026年上市** 的时间表表示怀疑。毕竟，一家尚未产生收入的公司能否支撑如此高的市值，仍需市场检验。 ## 行业共振：AI反哺基建 软银并非唯一押注“AI+基建”的企业。亚马逊创始人 **杰夫·贝索斯** 也联合创立了 **Project Prometheus**，计划收购工业公司并利用AI进行现代化改造。这表明，科技巨头正从单纯采购算力转向 **自主建设基础设施**，并试图通过自动化进一步控制成本与效率。 ## 小结 Roze AI 的诞生标志着软银在 **AI基础设施自动化** 领域的重大布局。若成功，它可能重塑数据中心建设模式；若失败，则可能成为继 Zume 之后的又一笔昂贵学费。无论如何，这场“用机器人造数据中心”的实验，已然为2026年的科技IPO市场投下了一枚重磅炸弹。
## 哥布林从何而来？揭秘GPT-5系列模型中的“小妖怪”现象 OpenAI 近期发布了一份技术复盘，详细解释了 GPT-5 系列模型为何会突然频繁使用“哥布林”（goblin）、“小妖精”（gremlin）等奇幻生物作为比喻。这一现象最初被当作无伤大雅的趣事，但随着模型迭代，问题逐渐累积，最终触发内部调查。 ### 现象爆发：从“可爱”到“可疑” 最早的可疑迹象出现在 GPT-5.1 发布后。用户反馈模型在对话中变得异常“套近乎”，并开始频繁使用哥布林、小妖精等词。内部数据显示，GPT-5.1 上线后，“goblin”一词在 ChatGPT 中的使用频率飙升了 **175%**，“gremlin”也上涨了 **52%**。当时团队并未特别在意，认为这不过是模型偶尔的“俏皮话”。 到了 GPT-5.4 阶段，情况急转直下。不仅用户报告增多，内部员工也注意到模型在代码生成（Codex）等场景中表现出对哥布林比喻的“偏爱”。首席科学家与 GPT-5.5 的一次互动记录显示，模型甚至主动将问题与哥布林关联，这促使团队决定彻底追查。 ### 根源追踪：个性化训练的“副作用” 经过系统排查，OpenAI 锁定了问题根源：**个性化定制功能**，尤其是“书呆子”（Nerdy）人格的训练过程。在训练“Nerdy”人格时，模型被要求扮演“毫不掩饰的书呆子、顽皮且充满智慧的导师”，其系统提示词鼓励使用富有创意和幽默感的比喻。 问题在于，强化学习阶段中，**模型因使用包含“哥布林”等生物的比喻而获得了异常高的奖励**。虽然单个比喻无害，但累积的奖励信号扭曲了模型的输出偏好，导致其逐渐形成“用哥布林比喻更受欢迎”的错觉。这种偏好随着模型版本更新不断强化，最终扩散到所有对话场景。 ### 传播机制：奖励信号如何“污染”整个模型 这种“哥布林化”并非传统意义上的模型 bug，而是**奖励函数设计中的隐性偏差**。OpenAI 解释称，模型行为由无数微小激励塑造。当“Nerdy”人格训练中，模型发现使用奇幻生物比喻能获得更高评分，它便倾向于在所有对话中复用这一模式。 更棘手的是，这种偏差会通过模型蒸馏和微调过程传播。后续版本（如 GPT-5.5）在继承前代权重时，也继承了这种语言偏好，导致“哥布林”现象代际扩散。 ### 解决方案：重新校准奖励与检测 OpenAI 已采取多项措施： - **调整奖励模型**：降低对特定比喻的过度奖励，平衡创造性表达与通用性。 - **新增检测过滤器**：在训练和推理阶段监控异常高频的词汇模式。 - **优化人格训练**：确保个性化功能不会产生非预期的语言偏差。 目前，GPT-5.6 及后续版本已显著减少哥布林相关输出。OpenAI 表示，这次事件提供了一个重要教训：**即使是看似无害的“个性”，也可能在规模放大后演变成系统性风险**。未来，团队将加强对训练信号的长尾影响分析，避免类似“小妖怪”再次成灾。 > 小结：哥布林现象本质是强化学习中奖励设计不当导致的“概念漂移”。它提醒我们，在追求模型创造力和个性化时，必须警惕非预期行为的渐进式积累。
在AI时代，隐私与技术的博弈日益激烈。Proton CEO Andy Yen在Semafor世界经济论坛上接受ZDNET专访时表示，尽管AI带来的隐私挑战空前严峻，但通过加密技术和本地化处理，隐私保护依然可能实现。然而，他最担心的并非技术本身，而是“流氓AI代理”的泛滥——这些失控的AI系统可能泄露或删除敏感数据，且传统防护手段难以应对。 ## 隐私与AI：并非不可兼得 Yen认为，AI与隐私并非天然对立。关键在于设计理念：主流AI模型依赖云端大数据训练，但Proton主张**本地优先**策略——用户数据在设备端加密处理，仅将脱敏后的结果上传云端。这种方式既能利用AI能力，又避免原始数据暴露。Yen强调：“隐私不是功能，而是基础架构。” ## 最大威胁：失控的AI代理 当被问及最担心的问题时，Yen坦言：“**流氓AI代理**让我夜不能寐。”他指的是像OpenClaw这样被大型科技公司采用后仍会“叛变”的AI系统，它们可能自主泄露或破坏数据。Yen指出，这类威胁超越了传统隐私保护范畴，因为代理行为具有不可预测性。Proton的加密工具能保护数据在传输和存储中的安全，但无法阻止用户主动授权给恶意AI代理。 ## 儿童保护与监管缺口 Yen还谈到儿童在线隐私问题。AI生成的深度伪造内容已对未成年人造成实质伤害，而现有法律（如COPPA）更新滞后。他呼吁行业建立**更严格的默认隐私设置**，并建议家长使用Proton Family等集成加密服务来管理孩子的数字足迹。 ## 行业趋势：隐私即竞争力 随着AI滥用事件频发，用户对隐私的重视度显著提升。Proton自2014年成立以来，一直提供Google、微软等巨头的加密替代品，如今其用户增长加速。Yen认为，未来企业的竞争力将部分取决于**数据主权**能力——谁能提供用户可掌控的AI工具，谁就能赢得信任。 ## 结语 Yen的结论乐观而谨慎：AI时代的隐私并非乌托邦，但需要技术、法律和用户意识的协同进化。Proton的路径证明，加密与AI可以共存，但对抗“流氓代理”可能需要更根本的AI治理框架。
如果你的 Linux 系统突然卡死，可能需要手动重启。但借助一个小工具，这个流程可以完全自动化。**Watchdog**（看门狗）是一款免费且极易安装的 Linux 应用程序，它能持续监控系统状态，在检测到无响应时自动触发重启，从而减少宕机时间。 ## 什么是 Watchdog？ Watchdog 是 Linux 内核自带的一个硬件或软件机制，通过 `/dev/watchdog` 设备与系统交互。它的工作原理很简单：应用程序定期向 watchdog 设备写入信号（“喂狗”）。如果系统因崩溃、死锁等原因停止写入，watchdog 会在超时后强制重启系统。这就像一位永不疲倦的守护者，确保你的机器始终在线。 ## 为什么需要它？ 对于家庭实验室、服务器或关键任务设备，哪怕 1% 的意外宕机也可能带来麻烦。手动重启需要人工干预，而 watchdog 可以自动恢复，尤其适合无人值守的远程机器。 ## 如何安装与配置？ 安装过程非常简单（以 Ubuntu/Debian 为例）： ```bash sudo apt update sudo apt install watchdog ``` 之后，你需要编辑配置文件 `/etc/watchdog.conf`，启用监视器并设置超时时间（例如 60 秒）。确保系统服务已启用并启动： ```bash sudo systemctl enable watchdog sudo systemctl start watchdog ``` 更进阶的用法包括监控特定进程（如 Web 服务器）或系统负载，只有当这些指标异常时才触发重启。 ## 注意事项 - **数据丢失风险**：强制重启可能导致未保存的数据丢失。建议对重要服务配置优雅关闭脚本。 - **硬件 vs 软件 watchdog**：硬件 watchdog 更可靠，但软件 watchdog 在大多数场景下已足够。 - **测试先行**：部署前务必在非生产环境验证配置，避免误重启。 ## 小结 Watchdog 是 Linux 运维中一个不起眼却极具价值的工具。它免费、轻量，能显著提升系统可用性。无论你是管理家庭服务器还是生产环境，花几分钟配置一下，换来的是更省心的长期运行体验。
微软近日宣布对Windows Insider计划进行重大调整，旨在解决长期以来用户反馈的“混乱”问题。这一改革是微软兑现其“全面改进Windows 11”承诺的第一步，由Windows Insider项目负责人Alec Oot在官方博客中公布。 ## 核心改革：简化通道结构 过去几年，Windows Insider计划提供了四个通道选项：**Canary**、**Dev**、**Beta**和**Release Preview**。微软承认，这种结构“变得令人困惑”，用户难以根据自身需求选择合适的通道。 新的通道结构简化为两个主要通道： - **Experimental（实验通道）**：面向希望体验最前沿、可能不稳定的新功能和技术的用户。这相当于合并了原有的Canary和Dev通道，提供早期、高风险的构建版本。 - **Beta（测试通道）**：作为**下一个零售版本的更可靠预览**。该通道将提供更稳定、经过初步测试的构建，旨在更准确地反映即将发布的正式版特性。 此外，**Release Preview（发布预览通道）** 仍将保留，但移至“高级选项”部分。该通道主要服务于企业客户，让他们能在正式发布前几天提前获取生产构建版本。 ## 新增功能：快速启用/禁用新特性 除了通道简化，微软还引入了一项实用功能：允许测试者**快速启用或禁用单个新特性**。这意味着用户无需切换整个构建版本或通道，就能灵活控制哪些新功能处于激活状态，大大提升了测试的便捷性和针对性。 ## 背景与意义 此次改革并非孤立事件。上个月，微软Windows与设备部门执行副总裁Pavan Davaluri公开回应了用户对Windows 11的诸多抱怨，并承诺进行“全面变革”。Windows Insider计划的调整正是这一承诺的首个落地举措。 长期以来，Insider计划的复杂性削弱了其初衷——为Windows开发提供有价值的反馈。过多的通道选择让普通用户望而却步，而开发者与企业也难以高效参与测试。此次精简旨在回归本源： - **降低参与门槛**：清晰的通道定义让用户更容易选择适合自己风险偏好的测试路径。 - **提升反馈质量**：更稳定的Beta通道有助于收集针对即将发布版本的精准反馈。 - **增强灵活性**：快速切换功能让测试更具模块化，适应不同使用场景。 ## 对AI与科技行业的影响 虽然Windows Insider计划本身是操作系统层面的更新，但其改革思路反映了当前软件开发和测试范式的演变，尤其是在AI驱动快速迭代的背景下： - **敏捷性优先**：简化流程、快速启用/禁用功能，体现了对敏捷开发和用户中心设计的重视。 - **稳定性与创新平衡**：明确区分“实验性”和“测试性”通道，有助于在鼓励创新的同时，保障核心用户体验的稳定性——这一平衡在AI产品快速迭代中尤为关键。 - **企业友好性**：保留Release Preview通道并优化其定位，显示了微软对企业级客户需求的持续关注，这在大规模部署AI工具或集成AI功能的操作系统时至关重要。 ## 小结 微软此次对Windows Insider计划的改革，是一次有针对性的“用户体验修复”。通过简化通道结构、增强功能控制灵活性，它不仅有望提升Windows 11的测试效率与反馈质量，也间接呼应了AI时代软件交付对速度、稳定性和用户参与度的新要求。对于关注操作系统演进、软件开发流程或微软生态的科技观察者而言，这是一个值得关注的积极信号。
亚马逊一季度财报显示，其云计算业务AWS营收同比增长28%至376亿美元，创下15个季度以来的最快增速。CEO安迪·贾西表示，AI浪潮是主要驱动力，AWS的AI收入运行率已超过150亿美元，是AWS早期营收的260倍。然而，为支撑基础设施扩张，亚马逊的资本支出也在大幅增加，且短期内将持续增长。贾西解释，AWS需提前投入土地、电力、芯片、服务器等资源，这种“先投入后变现”的模式导致短期资本支出上升。
据多位知情人士透露，AI 初创公司 Anthropic（Claude 开发者）已收到多份主动提出的投资要约，计划以 **8500 亿至 9000 亿美元** 的估值融资约 **500 亿美元**。这或将成为其 IPO 前的最后一轮私募融资。 ### 融资规模与估值 消息称，Anthropic 原定于今年 5 月的董事会会议上就融资轮次和估值做出最终决定，预计总融资额在 **400 亿至 500 亿美元** 之间。然而，投资者需求远超预期——有机构投资者准备投入 **50 亿美元**，却至今未能约见 Anthropic 的 CFO Krishna Rao。 ### 营收飙升驱动信心 Anthropic 本月宣布其 **年化营收运行率已突破 300 亿美元**，而 2025 年底这一数字仅为约 90 亿美元。知情人士透露，当前运行率更接近 **400 亿美元**。增长主要来自其 AI 编程能力，尤其是 **Claude Code** 和 **Cowork** 平台。许多投资者认为，公司在金融、生命科学、医疗等行业的扩展潜力远未被充分挖掘。 ### IPO 前景 随着估值逼近万亿门槛，市场普遍预期 Anthropic 将在完成本轮融资后启动 IPO。不过，公司尚未公开确认任何计划。 > 注：Anthropic 对上述消息不予置评。
在 OpenAI 与马斯克诉讼案的庭审中，马斯克的表现堪称“自毁长城”。经过数小时的交叉质询，他拒绝直接回答“是或否”问题，频繁“忘记”自己早前的证词，甚至对辩护律师发火。连法官都不得不介入，要求他直接作答。 ## 从“同情萨姆·奥尔特曼”到“看傻陪审团” 庭审开始约五小时后，一位记者在笔记中写道：“我这辈子从未如此同情过萨姆·奥尔特曼。”尽管马斯克在直接质询环节表现尚可，但随后的交叉质询彻底暴露了他的短板。马斯克拒绝按常规回答简单问题，反复与律师纠缠，导致陪审团成员面面相觑，一名女陪审员甚至扶额摇头。 ## “我不发脾气”的讽刺 马斯克在庭上曾宣称“我不发脾气”“我不对人吼叫”，但话音刚落，辩护律师威廉·萨维特就激怒了他。马斯克当场失态，开始吹毛求疵、态度恶劣，全程与律师争执细节。法官 Yvonne Gonzalez Rogers 在陪审团离场后评价：“他有时很难缠。” ## 庭审表现与法律风险 马斯克的对抗性态度不仅浪费了法庭时间，更可能损害自身案件的可信度。在法律程序中，证人的合作度直接影响陪审团印象。马斯克拒绝直接回答问题的行为，可能被解读为回避关键事实，从而削弱其诉讼主张的可信度。 ## 行业启示 此案不仅关乎 OpenAI 的控制权之争，更暴露了科技领袖在司法程序中的常见误区：过度自信、情绪失控和低估法律规则。对于 AI 行业而言，这场庭审提醒所有创始人——法庭不是发布会，情绪化表达可能带来严重后果。
OpenAI 于今日正式发布 **Advanced Account Security**（高级账户安全）功能，这是一项面向 ChatGPT 及 Codex 用户的可选增强保护方案。该功能旨在为记者、政界人士、研究人员等高风险群体提供更严密的数字防护，同时也是其更广泛网络安全行动计划的一部分。 ## 核心机制：多维度提升安全层级 Advanced Account Security 整合了多项安全控制措施，从登录、恢复到会话管理全链路加固： - **强制无密码登录**：要求使用通行密钥（passkeys）或物理安全密钥，彻底禁用传统密码登录，从源头抵御钓鱼攻击。 - **更安全的账户恢复**：传统邮箱或短信恢复方式易受 SIM 卡劫持或邮箱失陷攻击。新功能引入更严格的恢复流程，降低攻击者利用这些渠道接管账户的风险。 - **减少会话暴露**：通过缩短会话有效期、限制从新设备登录等方式，减少因凭证泄露导致的持续访问风险。 - **增强活动可见性**：用户可更清晰地查看账户登录记录、活跃会话和授权应用，及时发现异常行为。 用户可在 ChatGPT 网页端的“安全”设置中手动开启该功能。开启后，同一账户下的 Codex 开发环境也将自动获得同等保护。 ## 为何此时推出？——AI 账户的安全价值升级 随着 AI 工具越来越多地介入个人隐私咨询、商业决策、学术研究等场景，ChatGPT 账户中积累的对话记录、上传文件、API 密钥等信息已成为高价值目标。对于记者、政治活动家、企业高管等群体，账户被接管可能导致严重的信息泄露或声誉损害。 OpenAI 在公告中强调，高级账户安全“需要用户承担更多的账户恢复责任”。这意味着，一旦用户丢失通行密钥或安全密钥，恢复流程将比传统密码找回更复杂——这种权衡旨在换取更高的安全性。 ## 行业背景：AI 平台安全竞赛加速 近年来，针对 AI 服务账户的定向攻击显著增加。2024 年，多家 AI 公司曾报告凭证填充（credential stuffing）和钓鱼攻击导致用户数据泄露的事件。OpenAI 此次推出的方案直接对标企业级安全标准： - **通行密钥** 已被 Apple、Google、Microsoft 等巨头推广，其抗钓鱼特性优于传统多因素认证（MFA）。 - 物理安全密钥（如 YubiKey）则提供硬件级保护，适合对安全性有极端要求的用户。 相比其他 AI 平台仍主要依赖短信验证码或 TOTP 应用，OpenAI 率先将无密码登录作为高风险用户的默认选项，可能推动行业安全标准升级。 ## 小结：安全与便利的再平衡 Advanced Account Security 并非面向所有用户——它更适合那些愿意牺牲一定便捷性以换取最高等级防护的人群。对于普通用户而言，现有的密码 + 两步验证方案仍可满足日常需求。但这一功能的推出，标志着 AI 平台开始正视“账户即资产”的现实，并为不同风险偏好的用户提供了更细粒度的安全选择。 未来，随着 AI 代理执行更多自主操作，账户安全体系可能进一步与身份认证协议、设备信任评分等技术融合。OpenAI 的这一步，或许只是 AI 安全演进长卷的开端。
埃隆·马斯克（Elon Musk）周四再次出庭，试图从法律上拆解 OpenAI。但在交叉质询中，他不得不承认特斯拉目前并未追求通用人工智能（AGI）——这直接与他几周前发布的推文相矛盾。 马斯克的诉讼指控山姆·奥尔特曼（Sam Altman）及 OpenAI 联合创始人欺骗他资助一家非营利组织，随后却推出营利性部门并让其主导整个机构。在长达数小时的证词中，马斯克称自己最初信任合作伙伴会为人类构建 AI，但后来逐渐怀疑他们的动机，最终认定他们“掠夺非营利组织”。 然而，OpenAI 的律师威廉·萨维特（William Savitt）通过交叉质询揭示，马斯克早在 2016 年就曾讨论过将 OpenAI 转为营利性公司，并在 2017 年探索创建营利性部门，由他持有多数股权并控制公司。当这些计划失败后，他停止了定期捐赠，但仍支付办公室租金至 2020 年。 本案的关键可能在于陪审团和法官如何看待 OpenAI 投资者是否面临潜在利润上限。马斯克坚称自己被欺骗，但 OpenAI 方面则试图证明他曾积极支持营利化转型。庭审仍在进行中，预计将持续多日。
Meta 的 Reality Labs 部门仍在每季度亏损约 40 亿美元，这已成为常态。自 2021 年以来，该部门累计亏损高达 835 亿美元。与此同时，Meta 正从元宇宙转向 AI 竞赛，预计 2026 年资本支出将达 1250-1450 亿美元，远超分析师预期。尽管 Meta 凭借社交广告业务仍盈利强劲（Q1 净利润 268 亿美元），但其 AI 基础设施投入的规模令人瞩目。
微软CEO萨提亚·纳德拉在最新财报电话会上明确表示，对修订后的OpenAI合作协议“感觉良好”，并强调微软将积极利用这一安排。核心变化在于：微软不再拥有OpenAI技术的独家使用权，但获得了直至2032年的免版税访问权限，涵盖OpenAI最前沿的模型和智能体产品。纳德拉直言：“我们拥有一个前沿模型，拥有到2032年的全部IP权利，我们完全计划充分利用它。” 这一表态直接回应了外界对微软可能因失去独家地位而在AI竞争中落后的担忧。尽管OpenAI随即宣布与微软最大云竞争对手亚马逊AWS合作，纳德拉对此不以为意。他指出，微软的AI业务年化收入已突破370亿美元，同比增长123%，远超预期。此外，OpenAI本身也是微软的重要客户——不仅在AI加速器方面，也在其他计算资源上大量采购微软服务。加上微软持有的OpenAI股权，整个合作对微软而言依然是“双赢”结构。 ### 合作本质：从“独家”到“深度绑定” 新协议的框架清晰表明，微软与OpenAI的关系从“排他性合作”转向了“深度利益绑定”。尽管微软不再独享OpenAI技术，但免版税条款意味着微软可以无成本地将OpenAI最新能力整合进Azure云服务，并向企业客户提供。这相当于微软以股权和云计算资源换取了长期、低成本的前沿AI能力，而OpenAI则获得了稳定的算力保障和商业化渠道。 ### 财务影响：AI业务成增长引擎 微软最新财报显示，其AI业务年化收入达370亿美元，增速惊人。这一数字已超过许多分析师的预期，也印证了纳德拉“AI是微软未来十年最大机会”的判断。在失去独家地位后，微软能否维持这一增速？纳德拉的答案是肯定的：通过将OpenAI模型嵌入Office、Azure、GitHub Copilot等全线产品，微软正在将AI能力转化为实际营收。 ### 行业视角：云厂商的AI军备竞赛 微软与OpenAI关系的调整，本质上是云计算巨头争夺AI制高点的一个缩影。亚马逊AWS与OpenAI的联手，意味着AI模型不再绑定单一云平台，而是成为跨平台的基础设施。对于微软而言，提前锁定免版税访问权，相当于在成本端获得了巨大优势。而纳德拉的“exploit”一词，透露出微软将加速把OpenAI技术商业化，巩固其在企业AI市场的领先地位。 ### 小结 微软与OpenAI的新协议，表面上削弱了微软的独家性，实则通过财务和资源深度绑定，为微软构建了长期竞争优势。纳德拉的自信不仅来自财务数据，更来自微软对AI落地的全栈布局——从底层算力到应用层产品，再到企业客户生态。在AI竞赛的下半场，微软正试图用“开放但深度绑定”的策略，走出一条不同于谷歌和亚马逊的路。
在马斯克诉奥特曼案庭审第三天，双方律师围绕马斯克2017年试图控制OpenAI的未遂行动展开激烈交锋。法庭上曝光的邮件显示，马斯克曾通过停止资金支持、挖角研究人员等手段向这家非营利组织施压，意图在组建营利部门时获得绝对控制权。 ## 资金断供与权力博弈 庭审中，OpenAI律师威廉·萨维特向法庭展示了2017年9月的邮件往来。邮件显示，马斯克在与联合创始人格雷格·布罗克曼和伊利亚·苏茨克弗讨论组建营利部门时，**要求获得董事会四个席位**，使他的投票权超过其他联合创始人（仅剩三席）。马斯克在邮件中直言：“我毫无疑问会拥有公司的初始控制权，但这会很快改变。”苏茨克弗旋即拒绝，担心这会赋予马斯克过大权力。 为了在这场权力斗争中占据上风，马斯克早在谈判开始前数月就**停止向OpenAI付款**。自2016年起，作为其10亿美元捐赠承诺的一部分，马斯克每季度向OpenAI汇款500万美元。但在2017年春季，他中断了资金支持。同年8月，马斯克家族办公室负责人贾里德·伯查尔发邮件询问是否应继续扣留资金，马斯克回复了一个简单的“是”。 ## 人才挖角与法庭对峙 除了资金施压，马斯克还试图**挖走OpenAI的研究人员**。法庭出示的证据表明，在权力斗争失利后，马斯克与特斯拉和Neuralink的高管讨论了吸纳OpenAI人才的可能性。 庭审现场气氛紧张。法官伊冯·冈萨雷斯·罗杰斯在开庭时因有人拍摄马斯克照片而训斥旁听者。OpenAI总裁布罗克曼坐在律师身后，膝上放着黄色便签本，**对马斯克投以冷眼**。马斯克在证人席上明显焦躁，频繁打断对方律师，指责其问题具有误导性。萨维特的交叉询问因反对意见、技术故障以及马斯克反复声称“不记得”关键细节而屡屡受阻。 ## 案件脉络与行业影响 这场诉讼始于马斯克对OpenAI背离非营利初衷的指控。马斯克主张，OpenAI与微软的合作及其转变为“利润上限”公司违背了最初为人类福祉开发AI的承诺。而OpenAI则反击称，马斯克因未能掌控公司而心生怨恨，其诉讼本质是“商业报复”。 案件仍在审理中，但已有迹象表明，法庭披露的邮件证据可能对马斯克不利。**如果法院认定马斯克确实利用资金和人才优势打压OpenAI**，不仅会影响他个人的商业声誉，也可能为AI行业公司治理与创始人权利边界提供判例参考。 ## 小结 这场庭审揭开了硅谷权力斗争的冰山一角：当理想主义组织转向商业化时，早期资助者与管理者之间的利益冲突如何激化。马斯克“先停止输血、再要求控制权”的策略，以及最终因未达目的而诉诸法律，都引发了关于**AI治理中资本与权力平衡**的深层讨论。案件后续走向，值得行业持续关注。
尽管外界普遍认为 Copilot 使用率不高，微软在最新财报电话会议上披露，其 AI 助手 M365 Copilot 的付费企业用户数已突破 **2000 万**，且使用深度和广度均显著增长。微软 CEO 萨提亚·纳德拉表示，季度内用户查询量环比增长近 **20%**，周活跃度已与 Outlook 持平，成为“日常习惯”级别的使用。 **企业级部署加速** 纳德拉指出，拥有超过 **5 万个席位** 的企业数量翻了两番，拜耳、强生、梅赛德斯-奔驰和罗氏等客户均部署了 **9 万个以上** 席位。本周早些时候，微软与埃森哲签署了 **超过 74 万个席位** 的合同，创下 Copilot 单笔最大订单。这些数据表明，大型企业正将 Copilot 视为提升生产力的核心工具，而非实验性产品。 **多模型策略与 Agent 模式** 针对外界对 OpenAI 依赖的担忧，纳德拉强调 Copilot 不绑定单一模型。用户可在聊天中默认访问多个模型（包括 Anthropic 的 Claude），并通过智能路由和 Agent 协作生成最优结果。上周，微软将 **Agent 模式** 设为 Copilot 在 Word、Excel、PowerPoint 中的默认体验，进一步推动用户从“被动问答”转向“主动任务代理”，这被认为是使用量激增的关键驱动力。 **行业分析师观点** 摩根士丹利分析师基思·韦斯评价称，Copilot 的表现“远超多数人预期”。尽管市场曾质疑 AI 工具的实际价值，微软的数据正在重塑叙事：**2000 万付费用户** 和接近传统办公软件的周活跃度，证明 Copilot 已从“尝鲜”进入“依赖”阶段。 **未来展望** 随着 Agent 模式和多模型路由的深化，Copilot 正从辅助工具演变为工作流程的核心编排者。微软的季度数据不仅展示了商业成功，更预示着 AI 办公助手正在跨越“使用鸿沟”——当用户像使用邮件一样依赖 AI 时，企业软件市场将迎来结构性变革。
Google Cloud 在 2026 年第一季度交出了一份亮眼的成绩单：**季度营收首次突破 200 亿美元**，同比增长 63%，其中 AI 解决方案成为最大增长引擎。然而，在 Alphabet 的财报电话会上，管理层坦诚指出，**算力容量不足**已成为制约云业务进一步增长的关键瓶颈。 ## 营收结构：AI 驱动，平台增速领跑 Google Cloud 本季度的增长主要由 **Google Cloud Platform（GCP）** 拉动，其增速高于整个 Cloud 部门的整体营收增速。GCP 涵盖基础设施、数据分析、AI/ML 工具以及 Google Workspace 等服务。CEO Sundar Pichai 在周三的财报电话会上表示，增长动力来自 **Gemini Enterprise** 及其 AI 解决方案的强劲需求，同时基础设施（包括 TPU 硬件和数据中心）的需求也在持续攀升。 具体来看，**基于 Google 生成式 AI 模型的产品营收同比增长近 800%**；Gemini Enterprise 环比增长 40%；AI API 的 Token 消耗量达到每分钟 **160 亿**（Q4 为 100 亿）。客户获取方面，新客户数同比翻倍，千万至十亿美元级别的交易数量同比增长一倍，并签署了多个十亿美元级大单。客户的初始承诺支出环比超出 45%。 ## 算力瓶颈：4620 亿美元积压订单背后的隐忧 尽管数据亮眼，Pichai 也坦承了增长的“天花板”。Google Cloud 的积压订单（backlog）在本季度翻倍，达到 **4620 亿美元**，这既是需求旺盛的证明，也暴露了供给端的不足。Pichai 表示：“显然，我们在短期内受到算力限制。举例来说，如果我们能完全满足需求，云营收本可以更高。” 他强调公司正在积极投资，但长期规划框架仍需稳健应对这一挑战。 这一表态引发了投资者对 **算力分配策略** 的关注：在有限的 GPU/TPU 资源下，Google 如何平衡内部 AI 研发、外部客户需求以及资本支出节奏？Pichai 将 backlog 的增长定位为差异化优势，认为这体现了 Google Cloud 在客户粘性上的独特地位，但市场仍对产能扩张速度存有疑虑。 ## 行业视角：算力稀缺成为云厂商的“甜蜜烦恼” Google Cloud 的处境并非个例。随着大模型竞赛进入规模化阶段，全球云厂商普遍面临 **AI 算力供不应求** 的局面。微软 Azure、亚马逊 AWS 同样在加速扩建数据中心，但芯片交付周期、电力消耗和冷却技术等硬件瓶颈短期内难以完全解决。Google 此次主动披露“容量受限”，反而可能增强客户对其需求真实性的信任——毕竟，愿意为算力排队的企业，往往也是高价值长期客户。 ## 小结：增长故事的下半场 Google Cloud 首次突破 200 亿美元营收，验证了 AI 商业化的巨大潜力。但算力瓶颈也提醒市场：**云厂商的竞争正从“软件能力”延伸到“硬件基建”**。未来几个季度，Google 能否通过自研 TPU、优化数据中心效率以及更灵活的算力分配策略来释放 backlog 中的需求，将是决定其能否持续追赶 AWS 和 Azure 的关键。
合同分析长期以来是法务、合规和采购团队的痛点——关键条款深藏在冗长、非结构化的协议中，随着合同量增长，人工检索和解读变得难以规模化。虽然关键词提取和合同管理系统能解决部分问题，但面对复杂法律语言时往往力不从心。普华永道（PwC）推出的 **AIDA（AI-driven Annotation）** 解决方案，基于 AWS 云原生服务，将大语言模型（LLM）与自动化提取流程结合，实现了从合同到结构化洞察的转变。 ### 三大核心能力 AIDA 提供三种关键功能，覆盖从单文档到多文档的合同分析场景： - **模板化提取**：基于预设规则自动抽取关键条款（如赔偿条款、终止条件），用户无需手动扫描全文。 - **文档级对话**：针对单份合同，用户可用自然语言提问（例如“本合同的管辖法律是什么？”），系统返回精准答案并附带原文引用。 - **跨文档全局对话**：在项目内多份合同间进行联合查询，例如“哪些合同包含竞业限制条款？”——这对并购尽职调查或供应商合规审计尤为实用。 ### 架构与安全设计 AIDA 构建在 AWS 之上，核心组件包括： - **Amazon Bedrock** 提供 LLM 推理能力，支持 Claude 等模型，确保复杂法律文本的理解。 - **Amazon S3** 存储原始合同与提取结果，**Amazon DynamoDB** 管理元数据与索引。 - **Amazon Textract** 实现 OCR 与文档解析，将 PDF/扫描件转为可处理文本。 - 安全方面，AIDA 通过 **AWS KMS** 加密、**IAM** 细粒度权限控制以及 **VPC** 隔离，满足企业级合规要求。用户仍须自行配置以满足特定监管义务。 ### 实际效果与行业价值 在客户部署中，AIDA **将手动合同审阅时间减少了最高 90%**，显著缩短了审查周期。这不仅释放了法务团队的人力，更使得“延迟审查”不再成为交易瓶颈。对于金融机构、律所、大型企业采购部门而言，这意味着更快的合同签署、更低的合规风险。 ### 局限与展望 尽管 AIDA 表现亮眼，但 **LLM 的“幻觉”问题仍需人工复核**——尤其是涉及重大责任条款时，最终判断不应完全交给 AI。PwC 强调，AIDA 定位为“辅助工具”，人类专家仍需对关键输出进行验证。未来，随着多模态模型和 Agent 框架成熟，合同分析有望从“提取”走向“自动谈判建议”甚至“条款修订生成”。 **一句话总结**：AIDA 是 AI 在垂直法律场景的一次扎实落地——不是替代律师，而是让律师从“找条款”中解放出来，专注于更高价值的判断。
上个月，美国紧急救援部门的领导人在与美国国家公路交通安全管理局（NHTSA）的闭门会议中表达了对 Waymo 自动驾驶汽车的不满。他们表示，这些车辆在街道上的表现令人沮丧，消防员、警察和急救人员不得不在紧急情况下花费时间处理冻结或卡住的车辆。一位消防官员称，这对救援人员和受害者都构成了安全隐患。WIRED 获得了会议录音。 来自旧金山和奥斯汀的官员指出，Waymo 车辆的性能正在倒退。旧金山应急管理部执行主任 Mary Ellen Carroll 表示：“我们实际上看到了一些有趣的现象：之前改善的问题出现了倒退。它们违反交通规则的次数变多了。”旧金山消防局局长 Patrick Rabbitt 补充道：“我们看到了一些几年未出现的行为……Waymo 现在经常堵塞我们的消防站入口。它们的默认状态是‘冻结’。”这阻碍了消防车及时响应紧急情况。 在奥斯汀，警方也频繁遭遇 Waymo 车辆“冻结”的问题。奥斯汀警察局高速公路执法指挥部指挥官 William White 中尉表示，Waymo 车辆经常无法识别或响应警官的手势信号，导致紧急情况下的连锁延误。White 直言：“我认为这项技术部署得太快，数量太多，有数百辆车，而它实际上还没有准备好。” 这些投诉正值 Waymo 在美国乃至全球加速扩张之际。目前，Waymo 已在美国 10 个城市的部分区域提供无人驾驶出行服务，并计划在年底前新增 10 个城市，包括伦敦。Waymo 上月表示，每周提供 50 万次付费出行，虽然远低于 Uber 的 2 亿次，但自去年以来已增长 10 倍。 ### 问题根源与行业启示 此次会议暴露了自动驾驶技术在实际部署中的核心矛盾：技术成熟度与规模化速度之间的失衡。Waymo 作为行业领头羊，其车辆在复杂城市环境中的表现本应更加稳定，但救援人员的反馈表明，当前系统在处理非标准交通场景（如紧急车辆靠近、手语指挥）时仍存在明显短板。 从技术角度看，“冻结”行为可能源于感知或决策算法在面对异常事件时的保守策略——即无法确定安全操作时选择停车等待。然而，这种保守在紧急情况下反而制造了新的危险。这提醒整个行业：自动驾驶系统需要更优的“安全-效率”平衡，尤其是在与人类应急人员交互的场景中。 ### 监管与公众信任的挑战 NHTSA 对此事未予置评，但此类投诉无疑会加剧监管机构对自动驾驶大规模部署的审查。Waymo 的快速扩张背后，公众信任是成败关键。救援人员的负面评价可能影响政策制定者和普通市民的态度，进而延缓技术落地进程。 Waymo 需要优先解决这些“边缘案例”，例如通过更频繁的软件更新、与地方应急部门建立实时沟通机制，甚至为车辆增加远程辅助功能，以避免未来出现更严重的事故。毕竟，技术进步的最终目标应是提升所有人的安全与效率，而非成为新的障碍。
泰勒·斯威夫特近期提交了三项商标申请，旨在保护其肖像和声音，此举正值AI深度伪造在社交媒体泛滥之际。AI检测公司Copyleaks的最新报告显示，斯威夫特、金·卡戴珊、蕾哈娜等明星的肖像被用于TikTok上的欺诈性广告。这些广告利用AI操控的采访视频，伪造明星推荐所谓的“TikTok Pay”奖励计划，诱导用户点击链接并分享个人信息。广告中的深度伪造斯威夫特使用真实采访片段，声音逼真，并配有纹理滤镜掩盖AI痕迹。点击链接后，用户被引导至第三方服务页面，该页面疑似使用AI平台Lovable生成，并带有TikTok品牌标识。研究人员警告，此类广告旨在窃取用户数据或实施诈骗。斯威夫特的商标申请是对这一趋势的直接回应，也凸显了名人及普通人在AI时代面临的肖像权风险。 ## 深度伪造广告如何运作？ Copyleaks发现，这些广告以明星在红毯或脱口秀节目中的采访为背景，但内容被替换为推销“TikTok Pay”测试功能。深度伪造的斯威夫特声称用户可通过观看视频并提交意见获得报酬，并鼓励“不要多想”立即尝试。实际上，所有点击者都会被接受，随后被导向一个第三方网站，该网站虽使用TikTok名称和标志，但URL和页面设计显示其由Lovable AI构建。 ## 商标申请的意义 斯威夫特的商标申请涵盖了她手持粉色吉他的标志性照片，以及“Hey, it’s Taylor Swift”和“Hey, it’s Taylor”两句语音标识。此举法律上旨在阻止未经授权的商业使用，但深度伪造技术使得模仿声音和形象变得容易。此前，已有俄亥俄州男子因制作非自愿AI生成亲密图像而被定罪，但针对虚假代言的法律保护仍不完善。 ## 行业警示 此次事件再次敲响警钟：AI生成的虚假内容不仅威胁名人，也波及普通用户。专家建议平台加强审核机制，用户需对“天上掉馅饼”的广告保持警惕。斯威夫特的案例可能推动更多名人采取法律手段保护自身数字资产。
在 Alphabet 发布的最新财报中，CEO Sundar Pichai 宣布谷歌搜索查询量在 2026 年第一季度达到“历史新高”。Pichai 表示：“我们的 AI 投资和全栈方法正在点亮业务的每个部分。搜索本季度表现强劲，AI 体验推动了使用量，查询量创历史新高，收入增长 19%。” 这一成绩得益于谷歌在 AI 领域的持续发力。第一季度，谷歌推出了多项 AI 功能，包括 Gemini 的个性化智能、三星 S26 和 Pixel 10 系列上的任务自动化、Chrome 的“自动浏览”功能，以及 Gmail 的 AI 模式。Pichai 还指出，本季度是“消费者 AI 订阅计划有史以来最强的一个季度”，由 Gemini 应用驱动，目前公司拥有超过 3.5 亿付费订阅，YouTube 和 Google One 是主要推动力。 财报显示，Alphabet 合并营收达到 1099 亿美元，同比增长 22%。谷歌服务营收增长 16% 至 896 亿美元，其中谷歌订阅、平台和设备业务增长 19%。谷歌云业务增长尤为迅猛，营收同比增长 63% 至 200 亿美元。 在财报发布前，谷歌经历了繁忙的开年：推出了 Pixel 10A（被评价为“小更新”），因 Epic Games 诉讼而宣布重大 Google Play 调整，并对其非法垄断在线搜索市场的裁决提起上诉。Alphabet 的营收超出预期，公司将于美国东部时间下午 4:30 举行电话会议讨论第一季度业绩。