在加利福尼亚联邦法院的庭审中，埃隆·马斯克承认其 AI 初创公司 xAI 使用了 OpenAI 的模型来改进自家模型。这涉及模型蒸馏这一行业常见做法，即用一个大型 AI 模型作为“教师”来指导较小的“学生”模型。 ## 庭审关键交锋 当被问及是否了解模型蒸馏时，马斯克给出了肯定回答，并解释这是用一个 AI 模型训练另一个模型。但当被追问 xAI 是否蒸馏了 OpenAI 的技术时，马斯克起初回避，称“所有 AI 公司都这么做”。在检方进一步施压下，他才松口说“部分正确”，并补充道：“使用其他 AI 来验证自己的 AI 是标准做法。” 这一证词发生在马斯克与 OpenAI CEO 山姆·奥尔特曼的法律大战中。马斯克此前起诉 OpenAI 背离了非营利初心，而 OpenAI 则反诉马斯克存在骚扰行为。庭审中，蒸馏问题成为双方角力的焦点之一。 ## 行业灰色地带 模型蒸馏近年来争议不断，其合法性与是否违反公司服务条款往往处于灰色地带。OpenAI 和 Anthropic 曾公开指责中国公司蒸馏其模型——OpenAI 点名 DeepSeek，Anthropic 则列出 DeepSeek、Moonshot 和 MiniMax。谷歌也采取措施防范所谓的“蒸馏攻击”，将其定性为“违反谷歌服务条款的知识产权盗窃方式”。 但蒸馏本身并非非法。Anthropic 在相关博文中指出：“蒸馏是一种广泛使用且合法的训练技术。”关键在于是否违反目标模型的服务条款。多数 AI 公司禁止使用其模型输出训练竞争模型，但执行起来困难重重。 ## 对行业的影响 马斯克的证词可能重塑行业规则。若法庭认定蒸馏 OpenAI 模型违法，将对 xAI 及类似小公司造成冲击；反之，则可能巩固蒸馏作为合法竞争手段的地位。目前，案件仍在审理中，预计将持续数周。
在 OpenAI 起诉案中，埃隆·马斯克承认其 AI 公司 xAI 通过蒸馏技术从 OpenAI 模型中学习以训练 Grok。蒸馏是前沿实验室试图阻止小型竞争对手复制其模型的热门话题。 ## 蒸馏：AI 领域的灰色地带 蒸馏技术允许开发者通过向公开可用的聊天机器人或 API 发送提示，来训练新模型。这种方法成本低廉，但可能违反服务条款。OpenAI 和 Anthropic 近期对中国公司使用蒸馏技术开发低成本开放权重模型表示担忧，但美国公司之间相互使用该技术的情况一直处于猜测中。马斯克的证词首次证实了这一点。 ## 法庭上的关键陈述 在加州联邦法院的证词中，马斯克被问及 xAI 是否使用蒸馏技术训练 Grok，他回答“部分如此”，并称这是 AI 公司的普遍做法。他还将 Anthropic 列为当前领先的 AI 提供商，随后是 OpenAI、谷歌和中国开源模型。 ## 行业影响与讽刺 蒸馏技术威胁着大型 AI 公司通过巨额计算投资建立的护城河。讽刺的是，前沿实验室自身也曾因使用受版权保护的数据训练模型而面临争议。目前，OpenAI、Anthropic 和谷歌正通过 Frontier Model Forum 共享信息，以阻止来自中国的蒸馏尝试，包括检测和防止大规模异常查询。 ## 法律与商业的双重博弈 马斯克起诉 OpenAI 违背其非营利使命，而蒸馏技术的承认可能使案件复杂化。尽管蒸馏是否违法尚不明确，但它显然挑战了行业巨头的商业模式。xAI 作为后来者，利用蒸馏追赶先行者，折射出 AI 领域激烈的竞争现实。
在医疗科技领域创业，不能像消费互联网那样“快速行动，打破常规”。时间线更长、风险更高，成功取决于在强调严谨而非速度的系统中穿行。这正是 **BioticsAI** 联合创始人兼 CEO **Robhy Bustami** 所面对的现实。他的公司正在开发一款用于超声检查的 **AI 辅助工具**，帮助检测胎儿异常——这一领域误诊率仍然高得惊人。 Bustami 在 TechCrunch 的 Build Mode 节目中，与主持人 Isabelle Johannessen 探讨了公司如何在高度监管的领域中找到方向，并保持团队士气。 ## 从零到 FDA 批准的务实路径 BioticsAI 起步时极为精简。团队以不到 **10 万美元** 的成本构建了早期可用的产品原型——这在医疗设备领域几乎是闻所未闻的里程碑。该原型帮助他们在 **2023 年赢得 TechCrunch Startup Battlefield**，带来了早期曝光和信誉。今年 **1 月，他们获得了 FDA 批准**，这意味着可以开始进入医院并加速业务增长。 从一开始，团队就将产品开发与 FDA 审批流程并行推进。他们没有先构建产品再考虑监管，而是将临床验证、监管策略和产品开发整合为一个流程。这意味着与临床医生紧密合作、收集大规模数据集，并在提交审批前进行结构化临床研究。 ## 监管迷雾中的导航策略 FDA 审批流程常被视为黑箱，但 Bustami 强调创始人不必盲目摸索。通过 **预提交会议** 与监管机构早期接触，帮助团队在设计研究和预期结果上达成一致。尽管如此，风险从未完全消失。对于许多投资者来说，最大的问题很简单：如果 FDA 说不怎么办？ ## 长期主义下的团队管理 在内部，漫长的开发周期带来了另一种挑战：当最重要的里程碑还在几年后时，如何保持团队动力？在 BioticsAI，这意味着在工程师、临床医生和研究人员之间建立 **文化对齐**，确保每个人都能看到过程中的“小胜利”。 “确保每个人都完全对齐，即使这超出了他们的技术范围，”Bustami 说，“在研发方面不断看到胜利”——无论是来自临床研究还是新的医疗合作伙伴关系。 ## 医疗 AI 创业的启示 BioticsAI 的故事为其他医疗科技创业者提供了宝贵经验： - **早期融入监管思维**：在产品设计之初就考虑 FDA 要求，而非事后补救。 - **低成本验证**：用最小可行产品证明概念，再逐步扩大。 - **团队激励**：在长周期项目中，通过阶段性成果保持团队士气至关重要。 随着 AI 在医疗领域的渗透加速，像 BioticsAI 这样既懂技术又懂监管的团队，可能正是行业最需要的破局者。
2026年已过半，ZDNET回顾了今年测试过的众多产品，但读者们的选择往往更出人意料。根据读者通过ZDNET文章链接购买的数据，以下是截至目前最受欢迎的10款工具和科技小物。 ## 1. 蓝牙追踪器 帮助找回丢失钥匙、钱包等物品，是日常必备的实用工具。 ## 2. 智能恒温器 节能且可远程控制，提升家居舒适度。 ## 3. 无线充电板 摆脱线缆束缚，支持多设备同时充电。 ## 4. 降噪耳机 沉浸式音频体验，适合通勤和专注工作。 ## 5. 智能虫咬愈合器 利用特定光波或热量缓解蚊虫叮咬的瘙痒和肿胀，堪称夏季神器。 ## 6. 便携式电源站 户外活动或停电时的应急供电方案。 ## 7. 智能灯泡 通过语音或APP调节亮度和颜色，营造不同氛围。 ## 8. 空气净化器 关注室内空气质量，尤其适合过敏人群。 ## 9. 智能门锁 指纹、密码或手机开锁，提升家庭安全与便利。 ## 10. 运动追踪手表 监测心率、步数、睡眠等健康数据，激励运动习惯。 这些产品涵盖智能家居、个人健康、日常便利等多个领域，反映了2026年消费者对实用性和科技感的双重追求。
谷歌宣布将把Gemini AI助手引入搭载Google内置系统的汽车，取代现有的Google Assistant。这一举措标志着谷歌将更先进的对话式AI带入驾驶体验的雄心。此前一天，通用汽车已宣布Gemini将覆盖其约400万辆2022年款及更新的车型，涵盖凯迪拉克、雪佛兰、别克和GMC等品牌。但谷歌今日的公告未点名具体汽车制造商，暗示Gemini的部署将不限于通用汽车。 ## 升级亮点：更自然的对话体验 Gemini的更新使驾驶员能够以更自然、更流畅的方式与车辆交互。例如，驾驶员可以说“我想在沿途找一家评价不错、有户外座位的餐厅吃午饭”，Gemini就能通过Google Maps数据推荐合适选项，并回答后续问题，如停车场情况、菜单选择或饮食偏好。此外，Gemini还能执行打开暖风、导航、推荐音乐、查询车辆信息、总结短信并帮助驾驶员免提回复等任务。 ## 实时对话：Gemini Live 谷歌还推出了Gemini Live功能（目前处于测试阶段），支持更开放、实时的对话。驾驶员可通过点击界面按钮或说“Hey Google, let's talk”激活，从而在行驶中进行头脑风暴、学习或一般性讨论。 ## 部署范围与时间表 Gemini的推出将从美国开始，首批支持英语，未来几个月内逐步扩展。值得注意的是，Gemini不仅适用于新车，还将通过软件更新推送到兼容的现有车辆。自2020年首次推出以来，搭载Google内置系统的汽车数量持续增长。此次升级将覆盖数百万辆汽车，但具体数字取决于合作伙伴的部署速度。 ## 行业背景与意义 谷歌此举正值汽车行业加速智能化转型之际。将大语言模型集成到车载系统中，有望显著提升人机交互的深度和实用性。与传统的命令式语音助手不同，Gemini能理解复杂语境和多轮对话，使驾驶员无需分心操作屏幕即可完成更多任务。这不仅是谷歌在AI领域的一次重要落地，也可能推动其他车企和科技公司加速类似布局。 然而，车载AI的安全性和可靠性仍是关键挑战。如何在提供丰富功能的同时确保驾驶员不分心，将是谷歌和汽车制造商需要持续优化的方向。
在周四的联邦法庭证词中，埃隆·马斯克似乎承认其 AI 公司 xAI 使用了 OpenAI 的模型进行训练。这一对话发生在 OpenAI 律师的交叉询问环节，马斯克当时正就他与 OpenAI 的诉讼案出庭作证。 **关键对话还原** OpenAI 律师 William Savitt 询问马斯克是否了解“蒸馏”（distillation）技术——即用一个 AI 模型来训练另一个 AI 模型。马斯克确认后，Savitt 追问 xAI 是否对 OpenAI 的模型进行了蒸馏操作。马斯克回答：“一般来说，所有 AI 公司都这样做。”Savitt 随即表示：“那就是肯定答案。”马斯克补充道：“部分如此。” 蒸馏是一种常见技术，通过让较小的模型模仿较大、能力更强的模型的行为，从而在保持性能的同时降低成本并提升运行速度。 **行业背景与争议** OpenAI 一直在试图阻止竞争对手对其模型进行蒸馏，尤其是中国 AI 实验室 DeepSeek。在 2026 年 2 月的一份众议院委员会备忘录中，OpenAI 表示已“采取措施保护和加固我们的模型，防止蒸馏”，并强调要确保“中国不能通过盗用和包装美国创新来推进独裁式 AI”。特朗普政府也采取了类似措施，白宫科技政策办公室主任 Michael Kratsios 在 2026 年 4 月的备忘录中表示，将向美国 AI 公司共享关于外国蒸馏行为的信息。 然而，美国 AI 实验室之间相互使用对方模型进行测试和安全性评估也属常见。但在当前竞争激烈的环境下，一些公司已完全切断了对竞争对手的访问。2025 年 8 月，Anthropic 在指控 OpenAI 违反服务条款后，封锁了后者对其 Claude 编码模型的访问。 **法律与商业影响** 马斯克的证词可能对其与 OpenAI 的诉讼产生重要影响。他此前指控 OpenAI 背离了非营利使命，转而追求利润。如今，他的表态反而可能成为 OpenAI 反诉的依据——即 xAI 同样使用了竞争对手的技术。此外，这一事件也凸显了 AI 行业在模型蒸馏问题上的法律灰色地带：一方面，蒸馏是技术进步的常规手段；另一方面，它可能违反服务条款，甚至引发知识产权纠纷。 截至发稿，OpenAI 和 xAI 均未回应 WIRED 的置评请求。
OpenAI 于周四宣布推出 **高级账户安全（Advanced Account Security）** 功能，为担心 ChatGPT 或 Codex 账户可能成为钓鱼攻击目标的用户提供额外保护层。该功能强制实施严格的访问控制，使账户接管攻击变得极为困难。尽管这类措施在账户安全领域并非新概念——例如谷歌的“高级保护”已推出近十年——但随着 AI 服务在全球快速普及，部署基础性保护措施的需求日益迫切。 OpenAI 表示，此次发布是其本月早些时候公布的更广泛网络安全战略的一部分。公司在博客中写道：“人们正将 AI 用于深度个人问题以及日益高风险的场景。随着时间的推移，一个 ChatGPT 账户可能包含敏感的个人和专业信息，并成为连接工具和工作流程的核心。对于记者、民选官员、政治异见人士、研究人员以及特别注重安全的人群而言，风险更高。” 启用高级账户安全后，用户将无法再使用常规密码登录账户，而必须添加两个物理安全密钥或通行密钥（passkeys），以显著降低成功钓鱼攻击的风险。该功能还取消了通过电子邮件和短信进行账户恢复的途径，用户需使用恢复密钥、备份通行密钥或物理安全密钥。OpenAI 已与 **Yubico** 合作，为高级账户安全用户提供更实惠的 YubiKey 套餐。 关键的是，开启该功能后，用户将无法再向 OpenAI 支持团队寻求账户恢复帮助，因为支持人员不再拥有或控制任何恢复选项。此举可防止攻击者通过社会工程攻击针对支持渠道来入侵账户。高级账户安全还强制缩短登录窗口和会话时间，要求用户更频繁地在设备上重新登录，并在每次登录时生成警报，引导用户查看仪表盘以检查活跃的 ChatGPT 和 Codex 会话。此外，OpenAI 允许任何用户选择退出数据共享，但高级账户安全用户则默认强化了隐私保护。 这一举措反映了 AI 行业对安全性的重视程度不断提升。随着 AI 工具深度融入日常工作与生活，账户安全不再只是密码强度的问题，而是需要多因素认证、硬件密钥和防钓鱼机制的全面防护。对于高风险用户而言，高级账户安全提供了必要的保障，但同时也意味着个人需要承担更多管理责任——比如妥善保管物理密钥。
Stripe在年度大会上推出数字钱包 **Link**，支持连接银行卡、加密货币钱包和先买后付服务，并记录订阅信息。其核心亮点在于：用户可通过OAuth授权AI代理（如OpenClaw）进行支付，代理发起请求后需用户审批，无需暴露真实凭证。目前支持传统支付方式，未来将加入代理代币和稳定币。钱包提供90天购买保护，用户可查看消费和订阅记录。Stripe计划后续增加额度限制和免审批模式。
在折叠屏手机的赛道上，摩托罗拉与三星的竞争从未停歇。最近，我同时体验了 **摩托罗拉 Razr Ultra (2026)** 和 **三星 Galaxy Z Flip 7**，这两款翻盖式折叠屏旗舰各有侧重，但综合体验下来，我认为有一款明显更胜一筹。 ## 硬件设计的差异 摩托罗拉 Razr Ultra (2026) 在硬件上可谓下足了功夫。它的外屏尺寸进一步增大，几乎覆盖了整个上半部分机身，不仅支持完整的应用操作，还优化了相机取景和通知交互。铰链设计更加紧凑，折叠后几乎无缝，且支持多角度悬停，实用性更强。相比之下，三星 Galaxy Z Flip 7 延续了该系列一贯的耐用性，机身更坚固，防水性能也保持领先，但外屏尺寸和功能相对保守，主要仍作为信息预览和快捷操作使用。 ## AI 功能与系统体验 三星在 AI 方面投入巨大，Galaxy Z Flip 7 搭载了 Galaxy AI 套件，包括实时翻译、智能摘要、照片编辑助手等功能，这些功能深度集成在系统中，提升了日常使用的便利性。例如，通话实时翻译对于跨国交流非常实用。而摩托罗拉则更专注于硬件创新，AI 功能相对基础，主要集中在相机场景优化和电池管理上。 ## 相机与续航 相机方面，摩托罗拉 Razr Ultra (2026) 升级了主摄传感器，配合更大的外屏，自拍时可以利用后置主摄获得更高质量的人像。三星 Z Flip 7 的相机硬件升级不大，但凭借 AI 算法优化，在夜景和动态范围上表现稳定。续航上，摩托罗拉凭借更大的电池和快充技术胜出，而三星的续航依然中规中矩。 ## 最终结论 如果你追求极致的硬件体验，喜欢更大的外屏、更快的充电和更轻薄的设计，**摩托罗拉 Razr Ultra (2026) 无疑是更好的选择**。而如果你需要强大的 AI 功能和更可靠的耐用性，三星 Galaxy Z Flip 7 依然是一个稳妥的选项。但就创新和综合体验而言，摩托罗拉这次走在了前面。
在生成式AI的生产部署中，大语言模型（LLM）的迁移与升级始终是一项挑战。AWS近日推出的**生成式AI模型敏捷方案**，为这一问题提供了系统化的解决框架。该方案涵盖工具、方法论和最佳实践，旨在帮助开发者在不同LLM之间高效切换，同时确保提示词（prompt）的转换与优化过程稳健可靠。 ## 为何需要模型敏捷方案？ 随着开源模型（如Llama、Mistral）和闭源模型（如GPT-4、Claude）的快速迭代，企业常面临模型替换或升级的需求。传统做法往往需要手动调整大量提示词和微调流程，耗时且易出错。AWS的模型敏捷方案通过**标准化协议**，将提示词转换、性能评估和回滚机制整合为自动化流水线，显著降低迁移风险。 ## 核心组件与工作流 该方案的核心是一套**提示词转换引擎**，它能够分析原始模型上的提示词模式，并自动生成目标模型兼容的版本。例如，当从Llama 2迁移到Mistral时，引擎会调整格式、角色设定和输出约束，而无需人工逐条修改。此外，方案还集成了**自动回归测试**，通过预设的评估数据集对比迁移前后的输出质量，确保性能不降级。 ## 最佳实践与行业意义 AWS推荐采用**分阶段迁移策略**：先在非关键任务上验证，再逐步扩大范围。同时，建议保留旧模型的快照，以便在出现问题时快速回滚。这一方案不仅适用于模型升级，也可用于多模型混合部署——例如，根据任务复杂度动态选择不同规模的模型，以平衡成本与效果。 对于AI团队而言，这意味着更快的迭代速度和更低的试错成本。在LLM生态日益碎片化的今天，AWS的模型敏捷方案为生产环境的模型管理提供了可复用的模板，有望成为生成式AI工程化的重要基石。
In this post, we show how Sun Finance used Amazon Bedrock, Amazon Textract, and Amazon Rekognition to build an AI-powered identity verification (IDV) pipeline. The solution improved extraction accuracy from 79.7% to 90.8%, cut per-document costs by 91%, and reduced processing time from up to 20 hours to under 5 seconds. You'll learn how combining specialized OCR with large language model (LLM) structuring outperformed using either tool alone. You'll also learn how to architect a serverless fraud
Anthropic 正式发布 Claude Security，一款基于 Claude Opus 4.7 模型的防御性网络安全工具，目前以公开测试版形式向 Enterprise 级用户开放，后续将覆盖 Team 和 Max 级用户。该工具能够扫描代码库中的漏洞、验证威胁并自动生成补丁，帮助安全团队优先修复最危险的缺陷。 ## 核心功能：从扫描到修复的全流程 Claude Security 的工作流程分为三步：**扫描**、**验证**和**补丁生成**。它利用 Opus 4.7 模型分析整个代码库，识别潜在漏洞；随后对每个漏洞进行验证，排除误报；最后为确认的漏洞生成针对性补丁。与传统的静态分析工具不同，Claude Security 能根据漏洞的利用难度、影响范围等维度自动排序，让开发者优先处理高风险问题。 ## 与 Project Glasswing 的协同 本月初，Anthropic 还公布了 **Project Glasswing**——一项被称为“AI 曼哈顿计划”的开源软件安全倡议，旨在挖掘全球关键基础设施中的漏洞。Glasswing 使用更强大的 Mythos 模型（因安全性过高而未公开发布），参与者包括 Amazon Web Services、Apple、Google、Microsoft 等科技巨头。Claude Security 可以视为 Glasswing 的实用化延伸，将后者的深度漏洞发现能力转化为企业日常可用的修复工具。 ## 行业背景与挑战 AI 驱动的漏洞扫描并非新鲜事，但 Claude Security 的独特之处在于**将发现与修复直接链接**，并引入优先级排序。传统流程中，安全团队往往要面对成百上千个漏洞，难以抉择先修复哪个。Claude Security 通过上下文分析（如漏洞所在模块的关键性、攻击路径的复杂度）给出建议，缩短了从发现到修复的周期。 不过，这类工具也面临潜在风险：如果被攻击者获取，可能被用于反向定位漏洞并加速攻击。Anthropic 表示，Claude Security 当前仅面向受信任的企业客户，且模型经过安全对齐，但业界仍需警惕双刃剑效应。 ## 适用场景与可用性 目前，Claude Security 处于公开测试阶段，仅限 Anthropic Enterprise 用户使用。团队版和 Max 版用户将在后续获得访问权限。对于拥有大型代码库的企业，该工具可显著降低安全运维的人力成本，尤其适合需要快速响应零日漏洞的场景。值得注意的是，Anthropic 强调该工具不会存储扫描的代码数据，所有分析均在客户环境内完成。 ## 小结 Claude Security 的推出标志着 AI 在网络安全领域的角色从“辅助分析”向“主动防御”迈进。通过将深度模型能力转化为可落地的修复建议，Anthropic 试图解决安全行业长期存在的“漏洞发现多、修复少”的痛点。但工具的有效性仍取决于模型对业务上下文的理解精度，以及企业对 AI 生成补丁的信任度。随着测试推进，其实际效果值得持续关注。
现代企业面临从PB级数据湖中提取可操作洞察的挑战，传统分析依赖SQL、数据建模等专业技能，形成决策瓶颈。本文展示如何利用Amazon QuickSight的智能体AI助手，将数据分析转化为自助服务能力。通过集成Amazon S3、SageMaker、AWS Glue、Athena及QuickSight，构建湖仓一体架构，支持用户以自然语言查询结构化与非结构化数据。基于TPC-H数据集演示，该方案在保持企业级安全与治理的同时，实现数据民主化访问。 ## 核心架构与数据流 方案整体设计涵盖以下关键环节： - **数据源与加载**：采用TPC-H基准数据集（托管于公开S3存储桶 `s3://redshift-downloads/TPC-H/2.18/100GB`），通过**Amazon Athena**执行无服务器SQL查询，完成数据提取、转换与加载，并在AWS Glue中创建目录。 - **多格式存储层**：为展示数据湖与湖仓的灵活性，数据以**S3 Table、Iceberg、Parquet**等多种格式保存，Athena可跨格式统一查询。 - **智能分析层**：**Amazon QuickSight**构建仪表盘与对话式AI代理，通过集成知识库（QuickSight Spaces），业务用户可使用自然语言获取洞察，无需技术背景。 ## 行业应用价值 该方案适用于零售、金融、医疗、旅游、制造等数据密集型行业，解决以下痛点： 1. **降低技术门槛**：自然语言接口替代复杂SQL，加速决策。 2. **统一数据访问**：湖仓架构整合结构化与非结构化数据，避免数据孤岛。 3. **安全与治理**：基于AWS IAM与QuickSight权限控制，确保企业级合规。 ## 技术亮点 - **无服务器查询**：Athena按需付费，无需管理基础设施。 - **智能体AI**：QuickSight的Agentic AI可理解上下文，支持多轮对话与复杂分析。 - **多格式兼容**：对Iceberg、Parquet等开放格式的支持，便于与现有数据生态集成。 ## 小结 通过将**Amazon SageMaker**的机器学习能力与Athena、QuickSight的智能分析结合，企业可构建新一代数据驱动应用。该方案不仅提升分析效率，更将数据洞察能力赋予每一位业务用户，推动组织级数据文化变革。
Meta 旗下以 20 亿美元收购的 AI 公司 **Manus**，近期通过付费创作者投放了一批极具诱惑力的广告，宣称利用其 AI 工具能为任何人创造“轻松赚钱”的机会。广告内容直白地推销一种“副业”：让 AI 为本地小企业搭建网站，再打电话卖给对方，声称“不到 10 分钟”就能完成，月入可达 5000 美元。这些视频在 Instagram、TikTok、YouTube 等平台传播，部分创作者账号未标注与 Manus 的商业关系，被质疑违反平台广告披露规则。在 The Verge 问询后，部分 TikTok 账号已被下架。 ## 广告内容与手法 广告视频中，一个名为“Manus AI by Meta”的账号发布的片段显示，一位年轻人声称“绝对任何人都能做”，且“没有上限”。视频鼓励观众放弃兼职，转而用 Manus 的 AI 代理批量生成网站并推销。The Verge 发现，多个账号发布几乎相同的内容，话术高度一致，如“我的网站不再像 vibe-coded”、“不要找兼职”、“不说话挑战赚几千美元”。这些账号大多仅运营数月，且只发布 Manus 相关视频，疑似由年轻创作者运营。 ## 行业背景与争议 Meta 去年以 20 亿美元收购 Manus，旨在强化其 AI 代理能力。然而，这类“快速致富”广告与 Meta 此前打击虚假金融推广的努力形成反差。广告中未明确标注付费合作，可能违反美国 FTC 关于社交媒体代言披露的规定。专家指出，这种营销方式不仅可能误导用户，还可能损害 AI 工具的公众信任——将 AI 定位为“轻松赚钱”工具，而非解决实际问题的技术。 ## 小结 Meta 在 AI 领域的激进投入再次引发争议。尽管 Manus 的技术潜力不容忽视，但其营销策略的合规性与道德边界值得关注。对于用户而言，面对此类“零门槛高回报”的 AI 副业宣传，保持理性判断至关重要。
Amazon Bedrock 近期推出了 **AgentCore Gateway** 功能，允许 AI 代理安全地访问 VPC 内的私有资源。通过 **Resource Gateway** 这一托管构造，用户可以在 VPC 子网中自动预配弹性网络接口 (ENI)，实现代理与私有端点的直接通信。 ## 两种实现模式 Amazon Bedrock 提供了 **托管模式** 和 **自管理模式** 两种选择。托管模式下，AWS 自动管理 ENI 的生命周期和路由；自管理模式则允许用户对网络路径进行更细粒度的控制，适合需要自定义安全策略的场景。 ## 三个实用场景 ### 1. 连接私有 Amazon API Gateway 通过 AgentCore Gateway，AI 代理可以直接调用部署在 VPC 内的 API Gateway 端点，无需通过公网。这确保了敏感数据不会暴露在公共互联网上，同时保留了 API 的完整功能。 ### 2. 集成 Amazon EKS 上的 MCP 服务器 对于运行在 Amazon Elastic Kubernetes Service (EKS) 上的 MCP (Model Context Protocol) 服务器，AgentCore Gateway 提供了安全的内部通信路径。代理可以像访问本地服务一样调用 MCP 服务，适用于需要动态上下文管理的复杂 AI 工作流。 ### 3. 访问其他私有资源 该方案还支持连接 RDS 数据库、ElastiCache 等私有服务，扩展了 AI 代理在企业内网中的可用性。 ## 配置要点 配置过程涉及定义 Resource Gateway、关联子网、设置安全组规则，并在 Bedrock 代理中指定目标端点。用户需要确保 VPC 路由表正确指向网关，同时安全组允许必要的流量。 ## 行业意义 随着企业 AI 应用落地，**数据安全** 和 **合规性** 成为关键挑战。AgentCore Gateway 填补了 AWS AI 服务在私有网络访问方面的空白，使 Bedrock 代理能够无缝集成到现有基础设施中。这对于金融、医疗等受严格监管的行业尤为重要，它们可以在不牺牲安全性的前提下利用 AI 自动化。 ## 小结 Amazon Bedrock AgentCore Gateway 是 AWS 在 AI 安全领域的重要更新，它简化了代理访问私有资源的流程，同时保持了企业级的安全标准。无论是调用内部 API 还是连接 Kubernetes 服务，该功能都提供了灵活且可控的解决方案。
Salesforce 正在通过实时众包客户反馈来制定其 AI 产品路线图，这一策略使其能够跟上 AI 技术快速迭代的步伐。该公司与客户保持高频互动，部分客户甚至每周参与一次讨论。Salesforce 表示，这种深度合作使其能够快速响应市场需求，并持续推出新功能，例如在 2024 年底率先推出 AI 代理管理软件，随后又在语音 AI 和 Slack 集成方面取得进展。通过让客户主导路线图，Salesforce 认为它能够更精准地解决企业客户的实际问题，从而在激烈的竞争中保持优势。
Google 宣布，搭载 Google 内置服务的车辆将通过软件更新升级为 Gemini AI 助手，取代现有的 Google Assistant。这一升级将带来更自然的对话体验，支持车辆信息查询、设置调整、消息摘要等功能。更新将从美国英语版本开始，逐步推广。通用汽车此前已宣布将为 400 万辆 2022 年及更新车型提供 Gemini 支持，但 Google 未限定特定品牌，暗示更多车型将受益。 ## 升级亮点 - **自然对话**：无需记忆固定指令，可直接询问餐厅推荐、播放列表等。 - **车辆专属信息**：实时查询电池电量、行程更新等。 - **消息处理**：摘要和回复短信。 - **未来扩展**：计划支持 Gmail、Calendar、Google Home 等应用的安全访问。 ## 行业背景 此次升级延续了 Google 自 2020 年以来的承诺——让汽车随时间变得更好。随着 AI 助手竞争加剧（如 Amazon Alexa、Apple Siri 的进化），Gemini 上车意味着智能座舱进入新阶段。尤其对电动车用户而言，电池等实时数据的自然交互将提升便利性。 ## 注意事项 现有用户需登录 Google 账户，系统会显示升级选项。Google 未公布具体车型清单，但通用汽车已确认部分车型支持。其他品牌预计将陆续跟进。 ## 小结 Gemini 进入汽车是 AI 助手从手机、家居向车载场景延伸的重要一步。它让驾驶者能更安全、自然地获取信息，同时为未来多设备协同（如车家互联）打下基础。Google 还计划在后续更新中支持更多地区和语言，值得关注。
微软与OpenAI的关系向来复杂，从紧密合作到“友达以上”的尴尬状态，外界早已预料这段关系终会破裂。但出乎意料的是，本周微软与OpenAI完成了一次看似和平的“离婚”，并签署了修订后的合作协议。 根据新协议，最核心的变化是OpenAI获准将其产品和服务部署到所有云平台上，包括微软最大的竞争对手AWS。这一变动早有端倪：今年早些时候，亚马逊宣布与OpenAI达成500亿美元合作，计划通过AWS提供OpenAI Frontier，并为Alexa定制模型。微软对此不满，一度考虑法律行动。如今，OpenAI正式登陆AWS，意味着其模型将通过Bedrock服务触达更多企业客户。 作为交换，微软将继续从OpenAI的收入中抽取20%，包括ChatGPT订阅、API平台收入，以及OpenAI在AWS等竞争平台上获得的收入。虽然设有收入上限，但这对双方而言仍是互利之举。对微软来说，即便OpenAI投向AWS怀抱，它仍能从中分得一杯羹；对OpenAI而言，摆脱了云平台绑定的限制，可以更灵活地满足企业客户需求——正如其内部员工所言，旧协议“限制了我们在企业客户所在地（如Bedrock）服务他们的能力”。 ### 行业背景与影响 这一协议标志着AI行业合作模式的重大转变。过去，微软通过独家云服务绑定OpenAI，形成了强大的竞争壁垒，但也在一定程度上限制了OpenAI的市场拓展。新协议打破了这种排他性，使OpenAI能够像其他AI公司一样跨云部署，更符合企业多云策略的趋势。 对亚马逊而言，引入OpenAI模型是其在AI市场追赶微软和谷歌的关键一步。AWS的Bedrock服务此前主要提供第三方模型，但缺乏像GPT-4这样的旗舰级产品。OpenAI的加入将大幅提升其竞争力，尤其在企业级AI代理应用方面。 不过，微软并未完全放手。20%的收入抽成意味着OpenAI的每一次扩张——无论通过哪个云平台——都将为微软带来持续收益。这种“分手不分家”的模式，既缓解了双方因排他性协议产生的摩擦，又为微软提供了稳定的财务回报。 ### 未来展望 新协议可能引发连锁反应：其他云厂商如Google Cloud是否会寻求与OpenAI合作？微软是否会加大对自家AI模型（如Phi系列）的投入以降低对OpenAI的依赖？无论如何，AI产业的“合纵连横”正在进入新阶段，而微软与OpenAI的这次“和平分手”或许为行业提供了另一种合作范本。
大模型虽然能力惊人，但其内部运作机制长期以来如同“黑箱”，开发者往往只能通过调整输入数据或超参数来间接影响模型行为，过程充满试错。如今，旧金山初创公司 **Goodfire** 推出了一款名为 **Silico** 的新工具，旨在改变这一现状。该工具允许研究人员和工程师在训练过程中直接“窥视”AI模型内部，并调整其参数——这些参数决定了模型的行为。Goodfire声称，Silico是首个能够帮助开发者在从构建数据集到训练模型的整个开发流程中进行调试的现成工具。 ### 从“炼金术”到“精密工程” Goodfire的CEO **Eric Ho** 在接受《麻省理工科技评论》独家专访时表示：“我们看到模型被理解的程度与其被广泛部署的程度之间存在日益扩大的差距。目前主流前沿实验室的主导思想是：只要扩大规模、增加算力和数据，就能实现通用人工智能，其他都不重要。但我们认为，还有更好的方法。” Goodfire的目标是让构建AI模型更像一门科学，而非炼金术。 Goodfire是少数几家致力于 **机械可解释性** 技术的公司之一，该领域的其他领军者还包括Anthropic、OpenAI和Google DeepMind。机械可解释性旨在通过绘制模型内部的神经元及其连接路径，来理解模型在执行任务时的内部运作。值得一提的是，《麻省理工科技评论》将机械可解释性评选为 **2026年十大突破性技术** 之一。 ### Silico：将内部技术产品化 Goodfire此前已利用其技术成功调整了LLM的行为，例如 **减少模型产生幻觉的次数**。现在，他们将这些内部技术打包成产品Silico，向更广泛的开发者开放。Silico利用 **智能体** 来自动化大部分复杂的可解释性工作。Ho解释道：“智能体现在已经足够强大，可以执行我们之前手动完成的许多可解释性任务。” ### 行业意义与挑战 长期以来，AI模型的开发高度依赖经验和直觉，尤其是在处理数十亿参数的模型时，定位并修复特定问题（如偏见、事实错误或安全漏洞）非常困难。Silico这类工具的出现，有望将模型开发从“黑盒”调试转向更可控的“白盒”优化，让开发者能够精确地找到问题神经元或回路，并进行针对性调整。这不仅能提高开发效率，也可能为AI安全领域带来重要突破——通过直接干预模型内部机制来防止有害输出。 然而，机械可解释性仍处于早期阶段。对于超大规模模型，完全映射其神经元连接的计算成本极高。Goodfire的Silico能否在实用性和可扩展性上取得突破，将是其成功的关键。但无论如何，它代表了一种重要的趋势：我们不再满足于仅仅“使用”AI，而是开始追求“理解”和“控制”AI。
索尼和Bose都推出了顶级旗舰耳机，但经过长时间对比测试，我发现两者的优劣势非常清晰：**Bose**更适合追求舒适和简约的休闲用户，而**索尼**则更适合喜欢自定义设置和丰富功能的耳机发烧友。 ## 降噪与音质：各有千秋 两款耳机的降噪性能都是目前市面上的顶尖水平，但在细节上有所不同。**Bose**的降噪更偏向“自然沉浸”——它能有效隔绝环境噪音，同时保持耳压感较低，长时间佩戴不易疲劳。**索尼**则提供了更丰富的降噪调节选项，包括自适应降噪和风噪抑制等，适合需要根据不同场景切换模式的用户。 音质方面，Bose延续了其标志性的均衡调音，中频人声自然，适合听流行、播客和有声书。索尼则凭借LDAC高解析音频编码和DSEE Extreme升频技术，在细节还原和声场上更胜一筹，尤其适合古典、爵士等对解析力要求较高的音乐类型。 ## 佩戴与操控：舒适与功能之争 Bose的耳罩采用了更柔软的记忆海绵，头梁压力分布均匀，即使连续佩戴数小时也不会感到夹头或闷热。索尼的耳罩包裹性更好，但透气性稍逊，适合在空调房使用。 操控上，Bose坚持物理按键，反馈清晰，盲操作方便；索尼则引入了触控面板和更多手势支持，虽然功能更丰富，但偶尔会有误触的情况。 ## 附加功能与生态 索尼在功能丰富性上明显占优：支持360临场音效、智能免摘通话、多点连接（最多同时连接两台设备）以及更专业的均衡器调节。Bose则更注重核心体验的纯粹性，提供简单的EQ预设和基础的多点连接，但缺少索尼那些“锦上添花”的功能。 ## 购买建议 如果你追求的是**极致的舒适佩戴**和**无负担的降噪体验**，且不太需要折腾各种设置，**Bose**会是更省心的选择。如果你喜欢**折腾音效、自定义降噪模式**，或者经常在多设备间切换，**索尼**的丰富功能会让你物超所值。 总之，两者没有绝对的“更好”，只有“更适合”。建议在购买前亲自试戴，感受哪款更贴合你的使用习惯。