Meta 于本周二推出了名为 **Muse Image** 的新 AI 图像生成功能，允许用户在旗下应用内创建原创图片、编辑现有照片，甚至生成定制广告。然而，其中一项能力迅速引发争议：Muse Image 允许用户利用公开 Instagram 账户中的照片生成 AI 图像。只要某人的个人资料是公开的，其他用户就可以标记该账户并将其照片用于 AI 生成内容。（仅私密账户和 18 岁以下用户的账户被自动排除在外。） **核心问题在于知情同意**。用户可能完全不知道自己的公开照片会被陌生人纳入 AI 图像，且当有人复用其公开内容时，用户甚至不会收到通知。此外，轻松操控他人图像的功能为滥用、骚扰、冒名顶替和非自愿图像编辑打开了大门。 ## 如何退出 Meta 的 Muse Image 生成器 如果您希望阻止自己的照片被用于 AI 生成，可按照以下步骤操作： 1. 前往您的个人资料页面，点击右上角的三条横线。 2. 向下滚动找到“分享与复用”。 3. 寻找“允许他人在 Instagram 上使用您的内容参与 Meta AI 功能”的选项。 4. 将帖子和 Reels 的对应开关都关闭。 ## 行业背景与隐私担忧 Muse Image 的推出正值 AI 工具日益融入社交媒体平台之际。随着科技公司竞相推出新的生成式 AI 功能，许多专家认为需要更强的隐私保护和更高的透明度，以便用户充分了解自己的照片和个人数据如何被使用。 公众对 AI 的怀疑情绪已然高涨。根据皮尤研究中心的调查，**35% 的受访者**表示对人工智能日益广泛的应用感到担忧多于兴奋。此外，Meta 在用户隐私方面的过往记录也加剧了人们对其最新 AI 功能的质疑。2019 年，美国联邦贸易委员会（FTC）因 Facebook 违反 2012 年的同意令，误导用户对其个人信息的控制权，对其处以 **50 亿美元** 罚款。此前，政治咨询公司剑桥分析通过一款性格测试应用获取了多达 **8700 万** Facebook 用户的数据。当时 Facebook 的平台政策允许开发者收集用户好友的信息，而许多用户对此并不知情。 ## 小结 Muse Image 的争议再次凸显了 AI 时代隐私保护的困境。对于普通用户而言，主动关闭相关设置是目前最直接的防护手段；而对于行业而言，如何在创新与隐私之间取得平衡，仍是一个待解的难题。
据路透社援引内部备忘录报道，Meta计划于今年9月开始生产其最新版本的AI定制芯片，旨在缓解因组件短缺导致的GPU成本压力。该芯片是Meta训练与推理加速器（MTIA）项目的一部分，由Meta与博通合作设计，并由台积电负责制造。备忘录透露，至少有一款芯片在大约六周内通过了测试阶段。 Meta在3月详细介绍了四款新芯片，其中部分已部署或将在今年或明年部署。公司采取模块化设计方法，通过可组合的芯片组（chiplet）来适应AI技术的快速演进。每一代MTIA都基于前代改进，融入最新的AI工作负载洞察和硬件技术，并以更短的周期进行部署。 这些芯片将主要用于训练排名和推荐算法模型、处理更广泛的AI工作负载以及面向应用的推理任务。尽管Meta仍会从英伟达和AMD等厂商采购GPU，但自研芯片有望帮助公司节省大量成本。自2023年以来，Meta一直在自研AI芯片，并已投入巨资确保计算能力。公司4月预计今年资本支出将在1250亿至1450亿美元之间，其中很大一部分用于AI项目。 此外，Meta还在全球范围内达成数据中心和电力协议，投入数百亿美元获取计算能力，以训练和部署其新的Muse Spark系列AI模型。据备忘录，Meta计划今年部署7吉瓦的计算能力，明年翻倍。去年，Meta还与ARM签约以确保推荐系统的计算资源，并分别与AMD和亚马逊达成数十亿美元的协议，使用其Instinct GPU和自研CPU满足AI需求。 Meta并非唯一试图减少对英伟达依赖的公司。OpenAI上月也发布了自研AI芯片计划。随着AI芯片竞争加剧，Meta的模块化策略和快速迭代能力或将成为其关键优势。
近日，有用户反映iPhone在iOS 26.5.2系统下出现了一个令人不安的Bug：**裁剪后的截图无法保存，反而自动恢复为完整原图**。这意味着用户本想隐藏的敏感信息，可能在不知情的情况下被分享出去。 该问题的具体表现是：用户通过截图预览界面进行裁剪并点击“完成”后，系统并未保存裁剪后的版本，而是将原始完整截图存入相册。如果用户立即将“裁剪后”的截图分享给他人，实际发送的却是未经处理的完整图片，导致隐私泄露风险。 **临时解决方案**：目前唯一的变通方法是放弃预览裁剪流程，改为先将完整截图保存到相册，然后通过照片编辑功能进行裁剪并保存。虽然步骤繁琐，但能确保裁剪生效。 苹果尚未正式确认此Bug，但考虑到iOS 27测试版已发布（该用户曾因Roku遥控器应用冻结问题从iOS 27降级至iOS 26.5.2），推测该问题可能与系统版本有关。建议用户： - **在分享截图前务必检查实际发送内容** - **优先使用相册编辑功能进行裁剪** - **关注苹果后续系统更新修复** 这一Bug再次提醒我们：在等待官方修复的同时，手动双重确认仍是保护隐私的最后防线。
英伟达曾是 AI 硬件领域的绝对王者，但近两个月股价从 5 月高点下跌 15%，即便营收仍在增长。与此同时，内存巨头美光（Micron）市值近乎翻了三倍，成为新的市场宠儿。这背后反映出一个深刻的结构性转变：GPU 短缺缓解，而内存（DRAM）成为数据中心的新瓶颈。 ## 技术光环 vs. 市场现实 英伟达的成功建立在真正的技术创新之上——CUDA 平台和 GPU 的快速迭代使之成为 AI 研究的默认引擎。然而，市场并不总是奖励最复杂的技术。内存芯片的制造相对成熟，但需求暴涨让美光这样的公司坐享其成：DRAM 现货价格自 2023 年以来大幅攀升，过去一年涨幅达 **10 倍**。 ## 算力市场的悖论 英伟达证明了算力的巨大价值，但这一市场正变得“人人都想分一杯羹”。GPU 的供应紧张已在缓解，而数据中心对内存的需求却远超预期。投资者开始重新评估：是继续追捧技术壁垒最高的公司，还是转向那些虽然技术简单但供需缺口更大的环节？美光的崛起恰恰说明了后者的吸引力。 ## 谁的未来更稳？ 英伟达面临的不只是短期股价波动，更是市场逻辑的转变。当内存成为新瓶颈，英伟达的定价权可能被削弱。而美光等公司则受益于“量价齐升”的简单逻辑。这场算力市场的游戏，赢家可能不再是技术最亮眼的玩家。
OpenAI 于 2026 年 7 月 9 日正式发布 GPT-5.6 系列模型，包括旗舰型号 **Sol**、平衡型 **Terra** 和性价比最高的 **Luna**。其中 Sol 在多项基准测试中刷新纪录，尤其在 **Agents' Last Exam** 上以 53.6 分的成绩领先竞品 Claude Fable 5 达 13.1 分，且成本更低。 ## 性能与效率的飞跃 GPT-5.6 系列的核心创新在于 **“从每个 token 中提取更多智能”**。Sol 在中等推理模式下仍比 Fable 5 高出 11.4 分，而成本仅为后者的四分之一。Terra 和 Luna 则以约十六分之一的成本超越 Fable 5，大幅降低了前沿 AI 的使用门槛。 在 **Artificial Analysis Intelligence Index** 综合评测中，Sol 启用最大推理时仅落后 Fable 5 不到 1 分，但完成任务时间缩短 **61%**，成本降低约 **50%**。 ## 全新“Ultra”模式与安全升级 针对最复杂的工作负载，GPT-5.6 引入 **Ultra 模式**，通过协调多个智能体并行处理任务，显著加速交付。同时，模型在 **计算机使用能力** 和 **设计判断力** 上大幅提升，能够自主检查、优化并产出可直接使用的结果。 安全方面，OpenAI 称此次为 **“最全面的安全评估”**，结合人工红队测试和大规模自动化测试，确保模型能抵御针对性滥用，同时不过度限制合法用途。 ## 行业影响与展望 GPT-5.6 系列的发布标志着 AI 竞赛进入 **“效率优先”** 的新阶段。通过降低每美元获得的智能成本，OpenAI 正在将前沿能力普及到更多日常场景。分析师认为，这种“性能/成本比”的突破可能加速企业级 AI 的落地，从编程、科研到网络安全，Sol 的跨领域表现预示着通用智能的又一个里程碑。
微软正在加速利用AI来自动化检测Windows漏洞，并已通过新流程向客户推送关键修复。这一举措旨在应对攻击者利用AI工具加速发现和利用漏洞的挑战。 ## 核心要点 - **AI驱动的漏洞发现**：微软建立了一套名为MDASH（多模型代理扫描框架）的自动化管道，利用AI在Windows代码库中大规模识别漏洞，减少误报并优先处理高风险问题。 - **更快的修复交付**：通过云端扫描和验证流水线，微软能够缩短从漏洞发现到客户保护的时间。企业管理员应预期每次更新中包含更多修复。 - **应对AI攻击加速**：攻击者已能利用AI快速找到新漏洞并发起攻击，微软此举旨在“在攻击者利用之前发现并修复问题”。 ## 战略背景与影响 Windows运行在超过15亿台PC和服务器上，是最显眼的攻击目标。微软Windows+设备部门执行副总裁Pavan Davuluri在博客中强调：“减少客户风险的最快方式是在攻击者利用之前发现漏洞。” 传统安全团队面临“好人必须防住每一次攻击”的不对称劣势，而AI的加入进一步放大了这种不平衡。微软的新策略通过AI自动化扫描、优先级排序和工程修复流水线，试图扭转局面。 ## 企业用户需注意 - **更新频率与内容**：企业IT管理员应准备接收更多修复补丁，因为AI发现漏洞的效率提升会带来更密集的更新。 - **验证与兼容性**：微软强调通过强化验证流程确保更新质量，但企业仍需在测试环境中验证关键业务应用的兼容性。 - **安全运营调整**：安全团队需关注微软安全公告中的新增修复项，并调整补丁管理策略以适应更快的更新节奏。 ## 行业意义 这一战略反映了AI在网络安全领域的双重角色：既是攻击者的加速器，也是防御者的利器。微软将AI深度嵌入Windows安全开发生命周期，标志着从被动响应向主动预防的转变。未来，其他平台厂商可能跟进类似AI驱动漏洞管理方案。 总结来说，微软的AI安全新战略旨在通过自动化提升漏洞发现和修复速度，为企业用户提供更强的前置防护，但同时也要求企业IT部门适应更快速的更新节奏和更密集的补丁管理。
OpenAI 在经历约两周的监管波折后，终于获得特朗普政府批准，正式向公众推出其最新旗舰模型 **GPT-5.6**。CEO Sam Altman 称其为“我们迄今最好的模型”。与此同时，OpenAI 还发布了一款名为 **ChatGPT Work** 的新 AI 智能代理，旨在让非技术用户也能轻松利用 Codex 的能力完成文档、表格、演示文稿乃至 Web 应用等任务。 ## 从“受限预览”到全面开放 GPT-5.6 最初在约两周前推出，但当时仅面向政府批准的组织进行“受限预览”，引发了监管层面的讨论。如今，随着政府绿灯亮起，该模型已向全球用户开放。OpenAI 在公告中强调，包括免费用户在内的 Mac 和 Windows 桌面端用户已可立即通过 ChatGPT 桌面应用访问 GPT-5.6 和 ChatGPT Work；而 Pro、Enterprise 和 Edu 用户在移动端和网页端将优先获得权限，Plus 和 Business 用户则将在“未来几天内”陆续收到更新，整体推送预计在 24 小时内完成全球覆盖。 ## ChatGPT Work：Codex 能力的大众化 ChatGPT Work 被描述为 ChatGPT 与 Codex 的结合体。它由 GPT-5.6 模型套件（包括 Sol、Terra 和 Luna）驱动，能够从用户指定的应用、文件和流程中收集上下文，并自动生成文档、电子表格、演示文稿和 Web 应用等成品。其统一的插件目录支持连接 Slack、Gmail、Google Drive、日历和 CRM 等常用工具，大幅降低了 AI 智能代理的使用门槛。 这一发布正值 AI 代理竞争白热化之际。Anthropic 此前推出了 **Claude Cowork**（整合了 Claude 和 Claude Code），谷歌和苹果等科技巨头也在加速布局。尤其是在开源 AI 代理 **OpenClaw** 走红后，业界对“真正对普通人有用”的 AI 代理需求更加迫切。OpenAI 希望通过 ChatGPT Work 在这一赛道中占据领先地位，而 Sol（GPT-5.6 中最强大的子模型）将成为其核心优势。 ## 行业背景与展望 GPT-5.6 的公测标志着 OpenAI 在模型迭代与合规之间找到了新的平衡点。此前，监管审查曾一度阻碍其大规模部署，而此次政府快速放行也反映出 AI 政策环境的微妙变化。对于普通用户而言，ChatGPT Work 的推出意味着 AI 代理不再只是开发者的工具，而是可以融入日常办公与生活流程的“数字助手”。 不过，AI 代理的实际效果仍存疑问。尽管 OpenAI 和 Anthropic 等公司不断加码，但真正能无缝执行复杂多步骤任务、并理解用户意图的 AI 代理尚未成熟。ChatGPT Work 能否在实用性上超越竞争对手，还需要用户的实际检验。
微软宣布将更深度地利用 AI 来加速安全漏洞的发现与修复，这意味着未来的 Windows 11 更新中，每次安全发布所包含的补丁数量将显著增加。这一变化既是应对日益猖獗的 AI 驱动攻击，也是微软自身安全流程升级的必然结果。 ## 从被动防御到主动出击 长期以来，微软的“补丁星期二”一直是 Windows 用户每月固定的安全节奏。但随着攻击者——包括业余黑客——越来越多地利用 AI 工具快速挖掘和利用漏洞，传统的补丁周期已显吃力。微软在官方博客中坦言，AI 的介入让“潜在问题能被更早识别”，因此客户将在每次安全更新中看到“更高密度的安全修复”。 这并非空穴来风。今年 5 月，名为“Copy Fail”的高危漏洞几乎影响了所有 Linux 发行版，而安全研究员正是借助 AI 才得以快速定位该漏洞。同样，Anthropic 在发布 Claude Mythos 模型时声称，该模型已在“每个主流操作系统”中发现高危漏洞。AI 正在同时成为攻击者和防御者的利器。 ## 流程重塑：从开发到发布的 AI 渗透 为了在提升速度的同时保证质量，微软表示正在更新其 **安全开发生命周期（SDL）**，明确要求流程必须“显式考虑潜在的 AI 赋能攻击技术和利用路径”。此外，微软还在投资“Windows 特定工具和代理框架”，用于辅助生成和验证安全补丁，但强调“人类仍将参与代码审查环节”。 这意味着 AI 将负责初筛、生成修复建议，而最终决策权——尤其是涉及风险权衡的更新——依然掌握在开发者手中。微软希望借此在“速度”与“准确性”之间取得平衡。 ## 对用户意味着什么？ 对于普通 Windows 11 用户来说，最直观的变化是：**每个月的补丁星期二，系统更新包可能会更大，安装时间也可能更长**。但好处是，更多已知漏洞将在同一时间被修复，减少了因等待累积更新而暴露在风险中的窗口期。 不过，微软也承认这并非没有挑战。更大规模的更新可能增加系统兼容性问题的概率，尤其是在企业环境中。为此，微软正在改进更新验证流程，并计划提供更灵活的暂停选项——正如早些时候宣布的“允许无限期暂停更新”功能所暗示的那样。 ## 行业趋势：AI 安全军备竞赛升级 微软的举措并非孤例。整个安全行业都在经历一场由 AI 驱动的范式转变：传统基于签名的检测正让位于行为分析与异常检测，而漏洞发现也从人工代码审计转向大规模 AI 辅助扫描。微软此次将 AI 直接嵌入到补丁生产线的做法，标志着安全响应从“被动修复”向“主动预防”迈出了实质性一步。 可以预见，未来会有更多厂商效仿微软，将 AI 深度整合进安全开发生命周期。对于用户而言，这意味着更频繁的更新和更高的系统安全性——但前提是，AI 的“幻觉”不会在补丁中引入新的问题。
当基于模型上下文协议（MCP）的工具表现不佳时，问题往往不在协议本身，而在于工具设计。许多团队直接将现有 API 暴露给智能体，期望模型自行搞定一切。对于简单场景，这或许可行，但更多时候会失败。 ## 两大核心问题：臃肿与混淆 **臃肿**是指每次调用时，所有工具定义都会加载到 LLM 的上下文中，即使某些工具未被使用。多个连接的 MCP 服务器可能在用户提问前就消耗大量上下文。随着上下文被填满，模型的推理能力下降，会话效率降低。 **混淆**则表现为模型做出错误选择——调用不合适的工具、传入错误的参数。随后的重试进一步加剧臃肿，形成恶性循环。工具间语义相似、选项过多、命名模糊都会加剧混淆。 ## 常见误区与改进方向 一个常见的“修复”是丰富工具描述，添加更清晰的定义、自然语言映射和使用示例。这确实有助于缓解混淆，但每增加一点内容都可能恶化臃肿，反而加剧了原本想解决的问题。 解决臃肿和混淆本质上是一个**上下文工程（context engineering）**问题——即塑造 LLM 看到的内容以及何时看到，从而让模型产生更好的结果。 ## 实践方法与权衡 为了具体说明，文章构建了一个模拟 K-12 内容搜索 API 的示例，并通过 MCP 协议暴露。你可以使用 Kiro CLI 在本地运行并对比不同设计的效果。 关键方法包括： - **精简工具定义**：只暴露必要的参数，移除冗余描述。 - **分组与分层**：将相关工具分组，或按使用频率分层加载。 - **动态上下文注入**：仅在需要时才加载特定工具的定义。 每种方法都有其取舍：精简可能降低灵活性，分组增加复杂度，动态注入则要求额外的调度逻辑。 ## 小结 MCP 工具设计的核心在于平衡上下文占用与模型理解能力。通过上下文工程优化工具定义，可以显著提升智能体的表现。AWS 建议开发者从“最小必要上下文”原则出发，逐步迭代优化。
随着企业生成式 AI 工作负载的规模化，对更快、更可观测、更灵活的推理基础设施的需求持续增长。Amazon SageMaker HyperPod 推出了一系列新功能，旨在简化组织在生产环境中部署和运营大模型的方式。 ## 核心能力一览 ### 1. 多层次推理数据捕获 团队现在可以在推理路径的多个节点记录输入和输出数据：从端点、负载均衡器，到模型 Pod 本身。通过声明式自定义资源定义（CRD）配置，提供深度可观测性和审计能力。这意味着你可以独立控制每一层的数据捕获开关，灵活选择适合业务场景的可见性深度。数据最终存储在 Amazon S3 中，用于模型监控、调试和模型改进。 ### 2. 直接从 Hugging Face Hub 部署模型 无需提前将模型权重预置到对象或文件存储中，即可直接从热门社区 Hub 部署模型。新功能内置了对**门控访问（gated access）**、**版本锁定（revision pinning）** 和**令牌隔离（token isolation）** 的支持，覆盖 vLLM、TGI、SGLang 等主流推理运行时。这大幅简化了模型部署流程，让团队可以更快地将最新模型投入生产。 ### 3. NVMe 本地加载加速冷启动 从节点本地 NVMe 存储加载模型权重，显著减少冷启动延迟。同时，当本地存储不可用时，系统会自动回退到云端存储，确保高可用性。对于需要频繁扩缩容或处理大模型的场景，这一改进能带来可观的性能提升。 ### 4. 自动 Route 53 DNS 管理 HyperPod 现在可以自动管理自定义域名的 DNS 记录。你只需指定域名，系统自动完成 DNS 配置，省去手动设置和运维的麻烦。 ### 5. Pod 级 IAM 权限控制 通过自定义服务账户（Custom Service Accounts），基础设施团队可以为每个 Pod 分配细粒度的 AWS Identity and Access Management（IAM）权限。这强化了安全边界，使得多租户场景下的权限隔离更加精准。 ## 企业级推理的新标杆 这些增强功能共同构成了一个更高效、更安全、更易于管理的推理平台。无论是需要审计日志的金融行业，还是追求快速迭代的 AI 初创公司，都能从中受益。团队可以在不牺牲治理和运营可见性的前提下，更快地交付 AI 应用。 SageMaker HyperPod 的此次更新，标志着 AWS 在推理基础设施上向企业级需求迈出了重要一步——从模型部署到运行监控，再到安全合规，形成了一个完整的闭环。
挪威-美国机器人公司**1X**近日公布了其家用机器人**Neo**的仿生手部细节，这款机器人以其柔软、亲和的设计著称，如今配备了具备**25个自由度**的五指手。相比之下，人类手部通常拥有27个自由度。该手部采用**肌腱驱动执行器**，模拟人类手臂肌腱带动手指运动的机制，能实现快速、超伸等人类手指无法完成的动作。结合摄像头与AI视觉系统，Neo可以识别并抓取各种异形物体，实时检测并防止物体滑落。手部还达到**IP68防水等级**，意味着机器人能够自己洗手。1X执行器与手部总监Jonathan Terfurth表示，Neo的运动范围甚至可能超越人类，使其能够开门、搬运重物，甚至在电量低时自行插电。他指出，目标是让机器人在从未接触过机器人的普通人身边安全、顺从且柔软地工作。这标志着机器人从笨拙的机械爪向灵巧操作器的转变，类似于ChatGPT在语言领域的突破。目前，Neo的早期尝鲜定价分别为**20,000美元**和**50,000美元**，限量供应。 ## 从机械爪到仿生手 长期以来，家用机器人往往配备简单的夹爪或吸盘，难以处理日常生活中的精细操作。1X Neo的仿生手通过**25个执行器**模拟肌腱运动，不仅提供了接近人类的灵活性，还具备超伸和高速运动能力，使其能够适应多样化的抓取场景。例如，它可以稳定地拿起易碎物品，或调整握持姿势防止滑落。 ## AI赋能的触觉智能 手部的**摄像头和AI系统**负责分析环境与抓取对象的形状、材质和位置，实现上下文感知的抓取策略。这意味着Neo不仅能执行预设动作，还能根据实时反馈调整力度和姿态，类似于人类手部的触觉反馈机制。 ## 差异化竞争：柔软安全优先 与市场上多数人形机器人追求力量与硬朗外观不同，1X Neo采用**3D晶格外壳**和柔软材质，设计灵感来自迪士尼角色**大白**，强调安全性与亲和力。其目标场景是家庭和办公室，而非工业或军事用途。早期定价在2万至5万美元之间，瞄准高端家用市场。 ## 小结 1X Neo的仿生手代表了机器人灵巧操作技术的重要进展，将肌腱驱动、AI视觉与防水设计结合，使机器人能够更自然地融入人类生活环境。随着这类技术的成熟，家用机器人从“工具”向“伙伴”的转变正在加速。
数字笔记本正在成为纸质笔记本的智能替代品，既保留了手写的自然手感，又消除了纸张杂乱的困扰。ZDNet资深编辑团队经过严格测试，从书写体验、便携性、功能丰富度等维度综合评估，选出了2026年最值得入手的数字笔记本。 ## 最佳选择：Boox Note Air5 C **Boox Note Air5 C** 凭借出色的纸感书写体验、强大的转录工具和便携设计，摘得本次测评的桂冠。它采用电子墨水屏技术，模拟真实纸张的摩擦感，让书写和绘画都流畅自然。内置的语音转文字功能可实时将会议录音转为笔记，大幅提升工作效率。机身轻薄，携带方便，适合学生和职场人士日常使用。 ## 值得关注：Kindle Scribe **Kindle Scribe** 同样表现亮眼，其最大优势是随机附赠触控笔，用户无需额外购买即可开始使用。与亚马逊生态无缝集成，支持在电子书上直接做笔记，对于Kindle重度用户来说是不错的选择。不过，在书写延迟和第三方应用支持上略逊于Boox Note Air5 C。 ## 选购建议 - **书写感受**：优先选择带有电子墨水屏和压感技术的设备，如Boox Note Air5 C。 - **便携性**：如果经常外出，建议选择10英寸以下、重量轻的型号。 - **功能需求**：需要语音转文字、云同步等高级功能的用户，应关注软件生态完善的产品。 - **预算**：数字笔记本价格从几百到几千元不等，建议根据实际使用场景选择。 ## 小结 2026年的数字笔记本市场已经相当成熟，Boox Note Air5 C 和 Kindle Scribe 分别代表了开放生态和封闭生态的顶尖水平。如果你追求极致的书写体验和多功能性，Boox Note Air5 C 是不二之选；如果你是Kindle用户且主要阅读和简单记录，Kindle Scribe 则更具性价比。
## 安全警报：Tenda路由器固件后门曝光，远程可被完全控制 近日，CERT协调中心（CERT/CC）披露了一项严重安全漏洞：**Tenda旗下多款热门路由器固件中存在隐藏后门**，攻击者可远程绕过身份验证，获取设备完全控制权。该漏洞由匿名研究人员发现，细节已公开，且已被证实可轻松利用。 ### 后门如何运作？ 该后门本质上是一个**硬编码的管理员密码**，嵌入在固件中。任何知晓该密码的人，无需输入正确的用户名和密码，即可直接访问路由器的管理面板。一旦进入，攻击者能够执行多项危险操作： - 扫描内网，发现所有连接设备 - 窃取Wi-Fi密码 - 设置端口转发，将流量劫持至恶意服务器 - 禁用安全功能，为后续攻击铺路 ### 受影响固件版本 根据CERT/CC公告，以下固件版本确认受影响： - US_FH1201V1.0BR_V1.2.0.14(408)_EN_TD - US_W15EV1.0br_V15.11.0.5(1068_1567_841)_EN_TDE - US_AC10V1.0re_V15.03.06.46_multi_TDE01 - US_AC5V1.0RTL_V15.03.06.48_multi_TDE01 - US_AC6V2.0RTL_V15.03.06.51_multi_T 值得注意的是，Tenda品牌产品通过亚马逊等主流渠道广泛销售，用户基数庞大。截至发稿，Tenda尚未发布官方补丁。 ### 用户应立即采取的行动 在官方修复之前，**最有效的防御措施是禁用路由器的远程管理功能**。具体步骤： 1. 登录路由器管理界面（通常为192.168.0.1或192.168.1.1）。 2. 找到“远程管理”或“远程访问”设置。 3. 将其关闭，确保管理面板仅能从局域网内访问。 此外，建议用户密切关注Tenda官方固件更新，并在补丁发布后第一时间升级。同时，修改默认管理员密码、启用WPA3加密、关闭不必要的服务（如UPnP、Telnet）也能提升整体安全性。 ### 行业影响与反思 此次事件再次敲响警钟：物联网设备厂商在固件中埋藏后门并非孤例，此前Linksys、D-Link等品牌也曾曝出类似问题。对于消费者而言，购买路由器等网络设备时，**品牌的安全响应速度比功能丰富度更重要**。在厂商修复前，用户唯有主动加固自身网络，才能将风险降至最低。
在Android第三方启动器（Launcher）领域，Nova Launcher曾长期占据王者地位，但自其创始人离职、被收购后，用户一直在寻找替代品。ZDNET编辑Jack Wallen近日发现了一款名为 **Octopi Launcher** 的应用，仅用5分钟就决定将其设为默认启动器，并直言“再也不想念Nova了”。 ### 为什么Octopi能打动资深用户？ Octopi Launcher并非简单的“Nova复刻”，它在设计理念和交互细节上做出了差异化。根据体验，其核心优势包括： - **极致的自定义能力**：与Nova类似，Octopi允许用户调整图标大小、网格布局、手势操作等，但它的设置界面更直观，**新手也能快速上手**。 - **流畅的动画与性能**：相比某些启动器因过度动画导致卡顿，Octopi在过渡效果上做到了**丝滑般流畅**，即使在低端设备上也能保持稳定。 - **独特的“智能堆叠”功能**：类似于iOS的App资源库，Octopi能自动将同类应用归类到文件夹中，但用户可手动调整规则，**兼顾了效率与个性**。 ### 免费版与Pro版的取舍 Octopi提供免费和Pro两个版本。免费版已包含大部分核心功能，足以满足日常使用；Pro版则解锁了**更高级的手势控制**、**动态壁纸集成**以及**无广告体验**。编辑认为，对于追求极致的用户，Pro版的性价比很高。 ### 行业背景：Nova没落后，谁在崛起？ Nova Launcher的衰落并非偶然。2025年其母公司被瑞典Instabridge收购后，**用户隐私问题**引发争议（新增第三方追踪），加上开发团队缩减，导致大量用户流失。与此同时，一批新兴启动器如**Octopi**、**Niagara**、**Lawnchair**等迅速填补空白。 - **Niagara**主打极简与单手持握操作，适合效率党； - **Lawnchair**则延续了Pixel Launcher的纯正血统； - **Octopi**的定位则更接近“全能替代”，既保留了Nova的深度自定义，又融入了现代设计语言。 ### 小结：值得一试吗？ 如果你仍在使用Nova，或者对当前启动器感到厌倦，Octopi Launcher绝对值得花5分钟体验。它的**免费版无功能阉割**，切换成本极低。正如编辑所言：“它完美到让我忘记了Nova。” 当然，每个人的需求不同。如果你追求极简，Niagara可能更适合；但若你想在自定义与流畅度之间找到平衡，Octopi无疑是当前市场上的**最佳选择之一**。
## 当 AI 反思变成一种“依赖”暗示 在 AI 争议与数据中心抗议频现的当下，Anthropic 为 Claude 推出了一项名为 **Reflect** 的新功能。表面上看，它只是一个内置仪表盘，帮助用户追踪和分析自己的 AI 使用习惯——包括讨论主题、使用模式以及求助 AI 完成的任务类型。但深入来看，Reflect 的真正意图是**悄然塑造用户对 AI 的认知**：它通过可视化的数据，将 Claude 描绘成一种高度利用的生产力工具，以及你日常工作中不可或缺的一部分。 ## 不只是数据，更是心理暗示 Reflect 并不会直接量化“你节省了多少时间”，但当你看到自己与 Claude 的所有交互记录被清晰排列时，一种“依赖感”会油然而生。这让人联想到 2012 年 Google 推出的 **Gmail Meter**——它通过分析收件箱数据，展示了 Gmail 如何成为人们数字生活的中心。Claude Reflect 则更进一步：它还会适时弹出问题，例如“**即使 Claude 能更快完成，你仍然想自己做的事情是什么？**”这种设计既鼓励反思，也暗示了 AI 的“成瘾性”——毕竟，一个永不疲倦的对话伙伴很容易让人沉浸其中。 ## 从反思到深度绑定 更巧妙的是，Reflect 还承担了“用户培训”的角色。当检测到用户反复向 Claude 解释相同的工作背景时，它会建议使用 **Projects 功能**来保存上下文。这不仅提升了用户体验，也**加深了用户对 Anthropic 生态的依赖**。对于 Anthropic 而言，Reflect 既是产品功能，也是一次精心设计的用户留存策略——它让用户意识到，自己的日常效率已经与 Claude 紧密相连。 ## 小结 Reflect 的推出，标志着 AI 产品从“功能竞争”进入“关系管理”阶段。通过数据可视化与行为引导，Anthropic 不仅让用户更“懂”AI，也让他们更“离不开”AI。在公众对 AI 的信任摇摆不定的当下，这种软性的说服方式或许比任何宣传都更有效。
根据 NCVA-Pitchbook 发布的《Venture Monitor》报告，Anthropic、OpenAI 和 SpaceX 这三家公司的 IPO 将创造比 2000 年以来所有美国风投支持退出项目更多的价值。SpaceX 已以 1.77 万亿美元的估值上市，而 Anthropic 和 OpenAI 的估值也正向万亿美元迈进，三者合计估值可能超过 4 万亿美元。相比之下，去年美国证券交易委员会统计的 IPO 总收益仅为 700 亿美元。 这一惊人数据的背后有多重因素。首先，科技公司倾向于更晚上市，例如今天的 Google 可能会推迟 IPO 并选择更高的估值。其次，AI 训练的高资本需求推动了实验室的密集融资，进一步抬高了估值。尽管这一数据不包括阿里巴巴等非美国公司，且衡量的是创造的价值而非严格意义上的现金，但即便如此，这些 IPO 的规模仍远超行业历史水平，正在对金融基础设施构成极限挑战。 值得注意的是，过去 25 年并非缺乏重大科技事件：Google（2004）、特斯拉（2010）和 Meta（2012）的 IPO 造就了当今全球最有价值的公司；LinkedIn、Slack 和 WhatsApp 的收购金额均超过 200 亿美元；Uber 在 2019 年的 840 亿美元 IPO 曾被视为天文数字，但现在还不到 SpaceX 估值的 5%。然而，三大 AI 巨头的上市将彻底刷新纪录，标志着 AI 时代资本市场的全新篇章。
据知情人士透露，总部位于杭州的人工智能初创公司DeepSeek正在设计自己的芯片，以减少对英伟达和华为的依赖。这一战略转变不仅关乎技术自主，更可能重塑全球AI芯片竞争格局。 ## 自研芯片：从依赖到自主 DeepSeek作为中国AI领域的明星企业，此前一直依赖英伟达的GPU和华为的Ascend系列芯片进行模型训练与推理。然而，地缘政治风险与供应链不确定性促使公司转向自研。消息人士称，DeepSeek已组建了一支由资深芯片设计师领导的团队，专注于开发针对AI推理工作负载优化的专用芯片。 ## 行业背景：自主可控成趋势 当前，全球AI芯片市场由英伟达主导，其GPU在AI训练领域占据超过80%的份额。但美国对华出口管制不断升级，使得中国企业获取高性能芯片的难度增加。华为的昇腾芯片虽为国产替代方案，但产能和性能仍存局限。在此背景下，头部AI公司自研芯片已成为趋势——字节跳动、阿里巴巴等均已启动类似项目。 ## 对硅谷的启示 DeepSeek的举动对硅谷而言是一个明确信号：中国AI企业正在加速摆脱对西方技术的依赖。如果成功，自研芯片不仅能降低采购成本，还能实现软硬件协同优化，提升模型效率。这将进一步加剧中美在AI基础设施领域的竞争。 ## 挑战与前景 芯片设计是一项高投入、长周期的工程。DeepSeek需要克服人才、资金和制造工艺等多重挑战。不过，凭借其在AI算法上的积累，以及中国政府对半导体产业的政策支持，成功并非遥不可及。一旦芯片量产，DeepSeek有望在推理性能上实现突破，并推动中国AI生态的独立发展。
Meta 于 2026 年 7 月 9 日正式发布其 AI 模型 **Muse Spark 1.1**，这是继今年 4 月推出首款自研模型后的重大升级。该公司宣称，新模型在编程能力上实现了“阶跃式进步”，能够检测和修复复杂漏洞，并支持端到端智能体工作流与多模态感知（图像、视频、文档）。 ### 核心更新：从聊天机器人到开发者平台 Muse Spark 1.1 最初仅用于 Meta AI 聊天应用，随后逐步集成至 Instagram、WhatsApp 和 Meta 智能眼镜。此次升级将其定位为 **面向开发者的开放平台**，通过全新的 **Meta Model API** 提供公共预览（仅限美国开发者）。Meta 为每位新注册用户提供 20 美元免费额度，旨在吸引更多第三方开发者基于该模型构建应用。 ### 技术亮点：多模态与智能体能力 与第一代模型相比，Muse Spark 1.1 主要改进包括： - **高级代码调试**：不仅能生成代码，还能主动检测并修复复杂 bug。 - **智能体工作流**：支持跨应用（包括多智能体系统）的端到端自动化任务。 - **原生多模态**：可同时理解图像、视频和文档内容，为更丰富的交互场景奠定基础。 ### 竞争背景：Meta 的 AI 追赶之路 此次发布紧随 **Muse Image** 图像生成模型之后，后者因能利用用户 Instagram 内容引发争议。Meta 正全力追赶 OpenAI、Google 和 Anthropic，去年已进行大规模人事调整和公司重组，并投入数十亿美元。Muse Spark 1.1 的推出是其在 **编程 AI 赛道** 与 GitHub Copilot、Google Gemini 等竞品直接竞争的关键一步。 ### 可用性与未来展望 目前，Muse Spark 1.1 已在 Meta AI 应用和官网的“思考模式”下开放使用。开发者可通过 Meta Model API 接入，但初期仅限美国地区。Meta 未公布国际上线时间表，但暗示将根据反馈持续迭代。 对于开发者而言，Muse Spark 1.1 的低门槛（免费额度）和多模态能力可能成为差异化优势，但其实际表现仍需与现有工具对比验证。
继 Spotify、YouTube、Uber 等应用推出年度回顾功能后，AI 聊天机器人 Claude 也加入了这一潮流。Anthropic 于 7 月 9 日宣布为 Claude 推出“reflect”功能（反思面板），允许用户查看过去一个月、三个月、六个月或一年的使用数据分析。该功能会总结用户与 Claude 讨论的关键话题、委托的任务类型以及使用模式（包括高峰使用时段）。用户还可以设置“静默时间”或连续使用后的休息提醒。Anthropic 表示，未来还将推出总使用时长统计。 反思面板旨在帮助用户“看到自己的模式并塑造它们”，引导用户思考 Claude 在生活中的角色，甚至定期提出诸如“即使 Claude 能更快完成，你仍希望自己坚持做的一件事是什么？”之类的问题。有趣的是，用户回答后，面板会提供“与 Claude 深入讨论”的机会。 这一功能延续了 Anthropic 将 Claude 定位为“AI 协作者”的品牌策略——此前该公司已通过广告、广告牌甚至“思考帽”等形式推广这一理念。Anthropic 在博文中鼓励用户利用该功能“培养支持原创思维的 AI 技能”，并展示如何优化与 Claude 的互动，例如“注意你经常用自己的语气重写邮件草稿，或只在初步构思后才委托任务”。 随着 AI 工具日益融入日常工作与生活，Claude Wrapped 的出现标志着 AI 应用开始关注用户自我反思与健康使用，而不仅仅是提供功能。这或许预示着 AI 行业正从“效率至上”转向“有意识的协作”。
## 一句话总结 FableCut 是一款零依赖的浏览器端视频编辑器，其最大亮点是能够被 AI 智能体直接驱动，为自动化视频编辑和 AI 工作流集成提供了新的可能。 ## 核心亮点 ### 零依赖，纯浏览器运行 FableCut 无需任何后端服务或第三方库，完全在浏览器中运行。这意味着用户打开网页即可使用，无需安装或配置环境，极大降低了使用门槛。 ### AI 智能体可编程控制 这是 FableCut 区别于传统视频编辑器的关键特性。它提供了清晰的 API 接口，允许 AI 智能体（如基于 GPT 的 Agent）直接调用编辑功能，包括： - 导入/导出视频片段 - 时间线剪辑（分割、拼接、调整顺序） - 添加字幕、转场和滤镜 - 设置关键帧和动画 这种设计使得视频编辑流程可以完全自动化：AI 分析内容后直接执行编辑操作，无需人工逐帧调整。 ### 面向开发者的开放架构 FableCut 的 API 设计遵循 RESTful 风格，并支持 WebSocket 实时通信，便于与现有 AI 工作流（如 LangChain、AutoGPT）集成。项目代码完全开源，开发者可以自由定制 UI 或扩展功能。 ## 技术背景与行业意义 当前 AI 视频生成领域（如 Runway、Pika）主要聚焦于“从文本生成视频”，但编辑环节仍依赖传统工具。FableCut 的出现填补了“AI 自主编辑视频”的空白： - 与 AI 视频生成工具配合，可形成“生成→编辑→输出”全自动化流水线 - 支持批量处理、模板化编辑，适合内容农场、短视频自动化运营等场景 - 零依赖特性使其可嵌入其他 Web 应用，作为“AI 视频编辑组件”使用 ## 局限与挑战 作为展示项目，FableCut 目前功能相对基础： - 不支持复杂特效（如绿幕抠像、3D 合成） - 性能受限于浏览器环境，处理 4K 或长视频可能卡顿 - 需要 AI 智能体具备足够的“工具使用”能力来正确调用 API ## 总结 FableCut 是一个巧妙的工具型项目，它重新定义了视频编辑器的交互方式——从“人操作界面”转向“AI 直接操作”。对于开发者而言，它是构建 AI 视频自动化管线的理想起点；对于普通用户，它预示着未来视频编辑可能像对话一样简单。