The coding skills of AI models are about to make it much easier to build and deploy robots.
Visa 最新研究指出，AI 加速的欺诈已成为“消费者伤害增长最快的来源”。随着网络犯罪从窃取凭证转向利用 AI 的社会工程攻击，传统的防御手段逐渐失效。本文梳理了 Visa 报告中揭示的五大警示信号，帮助消费者和企业识别并防范这类新型支付欺诈。 ## AI 正在重塑欺诈模式 AI 不仅被用于提升安全防御，也被网络犯罪分子广泛武器化。Visa 的报告强调，AI 正在压缩欺诈周期，使犯罪分子更容易诱骗消费者授权恶意交易。与过去依赖窃取密码或劫持账户不同，现在的攻击更多利用人性弱点，通过精心设计的心理战术让受害者自己完成有害操作。 ## 警惕 ClickFix 式欺诈 一种名为 **ClickFix** 的社会工程手法正在兴起。它绕过了传统钓鱼防御，通过制造“问题-解决”场景诱骗用户执行恶意命令。例如，用户可能看到虚假的恶意软件警报，被引导打开命令提示符并粘贴代码“修复问题”，结果却是在自己的设备上部署了恶意软件。这种攻击让用户主动参与犯罪过程，使得标准数字防御难以拦截。 ## Visa 列出的五大警示信号 1. **异常紧迫感**：骗子利用 AI 生成逼真的紧急通知，声称账户异常或支付失败，要求立即操作。 2. **语音克隆**：AI 可模仿亲友或银行客服的声音，通过电话或语音消息诱导转账。 3. **深度伪造视频**：视频通话中伪造熟悉面孔，要求验证信息或紧急付款。 4. **个性化钓鱼邮件**：AI 分析公开数据后生成高度定制化的邮件，内容与用户近期活动相关。 5. **虚假客服渠道**：在搜索引擎或社交媒体上投放广告，伪装成官方客服，引导用户进入假支付页面。 ## 如何自我保护 Visa 建议消费者保持警惕，对任何要求即时付款或提供敏感信息的行为进行二次验证。企业则应加强员工培训，并部署 AI 驱动的反欺诈系统来检测异常行为模式。 ## 小结 AI 的双刃剑效应在支付安全领域尤为突出。了解这些新型欺诈手段，是保护个人资产的第一步。当心那些看似“合理”的付款请求——它们可能正是 AI 精心设计的陷阱。
还记得“这个应用有它的专属App”这句口号吗？如今，随着AI编程工具日益强大和普及，非开发者也能轻松创建满足个人需求的应用程序。在2026年的Google I/O大会上，Google宣布其AI Studio的“氛围编程”工具迎来更新，允许用户在几分钟内创建原生Android应用并导出到手机上。虽然初期仅限于“个人实用工具”，且上架Play Store的规则不变，但这意味着你或许可以自己动手，打造一款完美契合自己习惯的追踪应用。此外，Google还在Android Show上预告了一项新功能：通过提示词即可创建自定义小部件，例如突出显示特定天气指标或推荐新食谱的小工具。这些工具依托Gemini的知识库，可能性相当广阔。不过，这一切都依赖于AI的理解和生成能力，用户需要清晰地表达需求，才能获得满意的结果。移动端的“氛围编程”时代正在到来，个人科技将变得更加个性化。
在2025年I/O大会上，谷歌正式将AI搜索从测试推向主流，而到了2026年，这一变革将加速到新的高度。谷歌搜索副总裁Liz Reid在主题演讲中明确表示：“谷歌搜索就是AI搜索。”这一转变正在全面展开，尽管外界存在诸多合理质疑，但谷歌显然不会因此止步——所有对谷歌至关重要的指标都表明，这是一条正确的道路。 自一年多前谷歌开始测试AI Mode（AI搜索模式）以来，该功能的使用量每季度翻倍。Reid在2026年I/O大会上透露，AI Mode的月活跃用户已超过10亿。这一数字并不令人意外：AI Mode通过对话式交互引导用户不断追问，每一次追问都算作一次搜索。谷歌也在大力推广AI Mode，包括在搜索页面中嵌入显眼的链接和提示，鼓励用户从传统搜索转向AI聊天机器人。与许多付费AI体验不同，谷歌的AI搜索完全免费，所有用户都能获得完整的AI功能。 **AI Overviews（AI概览）** 曾是谷歌AI搜索转型最显眼的元素，但如今它越来越像是通向AI Mode的过渡产品。谷歌推出了全新的“无缝搜索”体验，将AI Mode与AI Overviews深度整合。现在，大多数谷歌搜索都会生成一个AI概览。谷歌还扩展了一项移动端功能——用户可以从AI概览直接进入AI Mode，该功能现已覆盖桌面端。AI Mode的提示按钮悬浮在概览底部，实际上遮挡了顶部自然搜索结果，这无疑会进一步推高AI Mode的使用量，同时也可能降低用户滚动查看传统“十条蓝色链接”的意愿，使自然结果更像脚注而非搜索核心。 Reid还提到，谷歌全新的搜索框是公司25年历史上最大的变化。虽然具体细节尚未完全披露，但可以预见，这一变化将彻底颠覆我们对搜索引擎的认知。从“信息检索”到“任务完成”，谷歌正在将搜索重塑为一个主动的、智能的Agent平台。 **行业影响与隐忧** 对于内容创作者和SEO从业者而言，这一趋势令人担忧。AI Mode直接生成答案，用户点击外部链接的意愿下降，可能导致网站流量进一步下滑。谷歌的“零点击搜索”现象将更加普遍。同时，AI Mode的对话特性可能加剧信息茧房效应——用户只会看到AI筛选后的答案，而非多元化的信息来源。 另一方面，对于普通用户来说，AI搜索确实提升了效率。但谷歌在AI领域的绝对主导地位也引发了反垄断担忧。当一家公司同时控制搜索入口和AI生成内容时，如何确保公平竞争和信息的多样性，将是一个长期挑战。 **展望2026** 2026年，谷歌的AI搜索将不再只是“升级”，而是一次彻底的“重塑”。从AI Mode的深度整合到搜索框的彻底变革，谷歌正在构建一个以Agent为核心的搜索生态。用户将不再“搜索”信息，而是“委托”AI完成任务。但这场变革的代价——传统搜索流量的消失、信息获取方式的集中化——才刚刚开始显现。
实时语音转写是语音助手、直播字幕、联络中心分析和无障碍工具等应用的核心能力。传统请求-响应推理需要等待完整音频上传后才能开始转写，这引入的延迟破坏了实时体验。从 2025 年 11 月起，Amazon SageMaker AI 支持双向流式推理，允许客户端与模型容器之间持续双向传输数据。同时，vLLM 通过其 Realtime API（基于 WebSocket 的双向流）支持实时音频转写。本文将两者结合，展示如何使用 SageMaker AI 的 vLLM 容器部署 Mistral AI 的 Voxtral-Mini-4B-Realtime-2602 模型，构建一个完全托管的实时语音转文本服务。 ## 关键特性 构建生产级语音 AI 应用需要多个基础设施组件紧密配合，并满足严格的延迟要求。SageMaker AI 和 vLLM 各自解决了不同部分的问题： - **实时语音模型与高效 GPU 服务**：核心是能够增量处理音频的 ASR 模型，vLLM 通过其 Realtime API（原生 WebSocket 端点 `/v1/realtime`）提供支持，并采用分段 CUDA 图执行减少 GPU 内核启动开销，从而降低流式转写中的每 token 延迟。 - **双向流式推理**：SageMaker AI 支持双向流，客户端可同时发送音频并接收转写结果，无需等待完整音频。 - **完全托管与可扩展**：SageMaker AI 负责基础设施管理，包括自动缩放、监控和安全性。 ## 部署步骤 1. **准备模型**：从 Hugging Face 获取 Voxtral-Mini-4B-Realtime-2602 模型，并将其打包为适用于 vLLM 的格式。 2. **创建 SageMaker 端点**：使用 SageMaker SDK 创建一个启用了双向流的端点，指定 vLLM 容器镜像。 3. **配置 WebSocket 客户端**：客户端通过 WebSocket 连接到端点，持续发送音频数据并接收实时转写结果。 完整示例代码可在 [GitHub 仓库](https://github.com/aws-samples/amazon-sagemaker-ai-vllm-realtime) 中找到。 ## 性能与优势 相比传统方法，该方案显著降低了端到端延迟。例如，在语音助手场景中，用户说话后几乎立即看到转写文本，交互更加自然。此外，SageMaker AI 的托管特性减少了运维负担，而 vLLM 的开源特性允许用户灵活调整模型配置、量化和编译设置。 ## 应用场景 - **语音助手**：实时理解用户指令并快速响应。 - **直播字幕**：为直播视频生成实时字幕。 - **联络中心分析**：实时转写客户通话，进行情感分析或合规检查。 - **无障碍工具**：帮助听障人士实时获取语音信息。 这一组合为开发者提供了构建实时语音应用的高性能、低成本方案，推动了 AI 语音技术的普及。
Google 在 2026 年 Google I/O 大会上宣布了一项 YouTube Shorts 的全新 Remix 功能，借助 Gemini Omni 模型，用户现在可以对他人发布的短视频进行 AI 风格的“再想象”。 ## 功能亮点：从风格迁移到内容植入 该功能入口位于 YouTube Shorts 底部“Remix”按钮中，新增的“Reimagine”选项允许用户通过自然语言提示让 Gemini 对原视频进行改造。例如，你可以将一段普通视频转换为**像素艺术、动漫风格或伪纪录片恐怖片**。 更进阶的是，用户还能**修改视频内容本身**——比如给人物“大头特效”、添加背景演员、为角色穿上海盗服装，甚至将自己“插入”到原始视频中。这背后的技术由 **Gemini Omni** 多模态模型驱动，能够理解视频场景并生成符合语义的编辑结果。 ## 创作者控制与版权保护 为了防止滥用，**创作者可以主动关闭“Reimagine”功能**。如果你上传的是家庭或儿童视频，不希望被他人随意修改，只需在设置中关闭该选项即可。 所有通过 Omni 生成的 Remix 视频都会带有**数字水印**，并链接回原始视频，确保原创者的归属权和流量引导。这在一定程度上平衡了创意表达与版权保护的关系。 ## 行业背景与意义 这一功能是 Google 在 **AI 视频编辑领域**的最新布局。过去一年，Runway、Pika 等初创公司已推出类似的内容重绘工具，但大多局限于独立创作。YouTube 借助自身庞大的短视频生态，将 AI 编辑直接嵌入社交消费场景，**降低了创意门槛**，让普通用户也能轻松“玩转”视频。 同时，这也反映了 AI 从“生成”向“社交化编辑”的演进。未来，短视频平台可能不再是单向的内容消费，而是**基于 AI 的协作式创作社区**。当然，潜在的深度伪造和内容伦理风险仍需关注，Google 的水印与开关机制算是第一步。 ## 小结 YouTube Shorts 的 AI Remix 功能为短视频二创提供了前所未有的自由度，同时也保留了创作者的控制权。随着 Gemini Omni 能力的持续迭代，我们或许很快能看到更多类似“AI 视频混音”的玩法出现在主流平台。
据多方消息，人工智能领域的领军企业 OpenAI 正在积极推进首次公开募股（IPO），最快可能在未来数月内提交相关文件。这一动作标志着这家以非营利起步、后转型为“有限盈利（capped-profit）”架构的公司，正在向资本市场迈出关键一步。 ## 从实验室到华尔街：OpenAI 的资本化之路 OpenAI 的 IPO 计划并非空穴来风。自 2023 年以来，公司已通过多轮融资累计获得超过 **130 亿美元** 的资金支持，其中最大的一笔来自微软的 **100 亿美元** 投资。然而，随着 AI 模型训练成本飙升（GPT-4 训练成本据估算超过 **1 亿美元**），以及商业化产品如 ChatGPT Plus（月费 20 美元）、企业版 API 服务的收入增长，OpenAI 需要更稳定的长期资本来源。 ## 关键看点：估值、架构与市场影响 - **估值预期**：若成功上市，OpenAI 的估值可能冲击 **800 亿至 1000 亿美元**，使其成为仅次于 SpaceX 的美国第二大独角兽。部分分析师认为，考虑到其技术护城河和用户规模（ChatGPT 月活超 2 亿），溢价空间仍存。 - **架构挑战**：OpenAI 独特的“有限盈利”结构可能成为监管焦点。其利润上限机制（投资者回报上限为投资额的 100 倍）与普通上市公司治理规则存在张力，需向 SEC 提供特殊说明。 - **行业连锁反应**：OpenAI 上市将直接挑战 Google、Meta 等巨头在 AI 领域的地位，同时加速 Anthropic、Cohere 等竞争对手的资本化进程。 ## 风险与不确定性 尽管前景诱人，但 OpenAI 仍面临多重风险： 1. **监管压力**：全球 AI 监管浪潮（如欧盟 AI 法案、美国 AI 行政令）可能影响其模型部署与数据使用。 2. **盈利模式验证**：目前公司仍处于亏损状态（2023 年亏损约 54 亿美元），需向投资者证明其订阅和 API 业务能持续增长。 3. **人才竞争**：高盛报告指出，AI 领域顶尖人才年薪已突破 **200 万美元**，上市后股权激励的稀释效应可能削弱吸引力。 ## 小结 OpenAI 的 IPO 不仅是公司自身的里程碑，更是 AI 行业从技术探索迈向商业成熟的重要信号。若进展顺利，这将成为 2024-2025 年全球资本市场最受瞩目的科技事件之一。然而，在监管与技术快速迭代的双重挑战下，其最终定价与上市时间仍充满变数。
谷歌搜索的AI化浪潮正在全面席卷其广告系统。继昨日宣布推出更大、更对话化的搜索框以及AI生成结果后，谷歌今日宣布，其Gemini AI模型将直接参与广告的呈现与推荐。当用户在搜索中寻找产品时，Gemini会筛选出相关商品，并生成一段“定制化说明”，解释为什么你应该购买这一款。 在一则示例中，搜索“紧凑型意式浓缩咖啡机”的用户，可能会看到一个标有“赞助产品”标签的Nespresso Vertuo Up。其下方并非传统的广告文案，而是一段由AI生成的描述：“要寻找一台优质机器，需关注胶囊兼容性和风味多样性、产生丰富油脂的能力、快速加热、以及针对不同杯型和冰咖啡的一键定制选项。这款纤薄、快速启动的机器使用Vertuo胶囊，具有丰富的风味萃取和定制冲泡浓度（例如冰咖啡），3秒加热，支持6种杯型。” 这并非谷歌在本轮广告升级中的唯一动作。部分广告还将内置聊天机器人。这些广告会显示一个“提问”按钮，点击即可与Gemini开启对话。AI聊天机器人将利用产品或服务网站的信息回答用户问题，并可能引导用户填写表单，以便与商家取得联系。 与此同时，谷歌正在其聊天机器人风格的搜索体验“AI模式”中测试新型广告。该公司去年首次在AI模式中为部分查询引入了“赞助”结果，但新的广告格式显得更具侵入性。其中一种选项会在AI回复下方呈现一个赞助产品，直接回答诸如“有哪些低维护成本的方法能让家里香气宜人？”这类具体问题——例如，在AI回答下方出现一个空气清新剂的“赞助”结果，附带产品描述和图片。在谷歌的示例中，一旦用户滚动到该广告，它似乎会占据整个屏幕。 谷歌还在试点一种广告格式，在搜索结果列表中突出显示赞助产品或服务。 这一系列举措标志着谷歌搜索广告从“关键词匹配”向“AI智能推荐+对话式导购”的深刻转型。对于用户而言，这意味着搜索结果中的广告将更加“善解人意”，甚至主动推销；对于广告主和内容生态而言，AI生成的推销语可能削弱传统营销文案的价值，而聊天机器人广告则可能改变用户与品牌的互动方式。谷歌显然希望借助Gemini的能力，在提升广告点击率的同时，不破坏用户对AI搜索的体验——但广告与自然结果的边界是否会因此变得更加模糊，值得持续关注。
在2026年I/O开发者大会上，谷歌推出了一项名为 **Universal Cart** 的新功能，旨在通过AI代理彻底改变在线购物体验。该功能基于 **Universal Commerce Protocol（UCP）**，这是一个与Target、Shopify、Wayfair和Etsy等主要零售商共同开发的开源标准，允许消费者在一个界面内从多个零售商处购买商品，同时保留各商家的忠诚度计划和信用卡等个性化数据。 Universal Cart 整合了来自谷歌生态系统的数据，包括 YouTube、Gmail、Gemini 和搜索，AI代理会在后台运行，提供购买建议、检测兼容性问题（例如CPU与主板不匹配）、提醒折扣信息，甚至自动切换信用卡以获取最优价格。谷歌广告与商务副总裁 Vidhya Srinivasan 表示，这些功能将使购物“更有趣”，其本质是减少从“加入购物车”到“结账”之间的摩擦，让购物流程近乎即时且高度个性化。 这一举措标志着谷歌在 **代理式AI** 领域的进一步深入。AI不再仅仅是搜索工具，而是主动参与决策和执行的购物助手。对于零售商而言，更流畅的购物体验意味着更高的转化率和更低的购物车放弃率；对于消费者，则可能意味着更省时、更智能的购物过程。然而，这也引发了对隐私和消费者自主权的担忧：当AI代理可以代表用户花钱时，如何确保其行为符合用户的最佳利益？谷歌表示，用户将拥有最终控制权，但具体实现细节仍有待观察。 总的来说，Universal Cart 代表了电商与AI融合的新方向，但“更有趣”的背后，是技术对消费行为的更深层介入。
最严重的软件 bug 往往也是最无聊的。用户不应该能读取其他租户的数据——没人反对这一点，设计评审会上也没人替“Alice 读取 Bob 的记录”辩护，但**失效的访问控制**依然是 OWASP Top 10 的头号问题。这些 bug 之所以能上线，是因为规则被放在了系统错误的位置：它存在于 prompt 里、评审清单里、以及“每个未来的工程师——现在则是每次模型调用——都会记住这个不变式并正确应用它”的共享期望中。这个假设本就脆弱，而当 AI 生成绝大部分代码时，它彻底失效了。你可以做所有显而易见的事：把规则写进 `CLAUDE.md`，编写细致的系统 prompt，在 agent 指令里强调“授权**非常**重要”——这些都应该做。但当模型写完一万六千行代码后，真正的问题依然是：**你如何知道代码做了你想做的事？** 测试有帮助，但测试是经验性的，它们只检查你和模型记得写的那些用例，无法替下周别人添加的 handler 说话。 作者想拉动另一根杠杆，其主张直截了当：**对于一大类生产软件而言，结构性反压比 agent 智能的渐进提升更有效**。现有模型已经能写出几乎全部代码，限制因素在于你是否能**知道**它们做了你想做的事——而这种认知来自于模型所编写的底层基质（substrate），而不是等待一个更聪明的模型。 ### 行为门控 vs. 结构门控 大多数 prompt 级别的约束是**行为门控**：我们告诉模型“不要跳过授权”“校验输入”“使用共享辅助函数”。模型遵循这些指令的频率足以让它们有用，但失败的频率也足以让整个安排变得不稳定。行为门控依赖于模型记住规则、识别适用场景、抵抗局部上下文的引力，然后还要依赖人类评审者在整个代码库中维持同样的不变式。 **结构门控**则不同。编译器、类型检查器、测试运行器、linter、证明检查器——每一个都能针对眼前的制品给出一个具体的答案。这个答案并不完美，但它是真实的、可执行的。结构门控不依赖模型的短期记忆或善意，它直接检查代码的**结构属性**：类型是否匹配？引用是否有效？安全策略是否被违反？ ### Shen-Backpressure：将结构门控嵌入 AI 编码循环 作者构建的工具和方法论 **Shen-Backpressure** 正是为了探索这一赌注。它通过一个运行中的 demo 展示其工作原理，并演示如何将同样的循环接入你自己的项目。核心思路是：在 AI 编码循环中引入**结构反压**——不是让模型“更聪明”地记住规则，而是让代码的底层结构自动拒绝违反规则的输出。 例如，你可以定义一个“授权策略”作为结构门控：任何生成的代码如果试图绕过授权检查，编译器或静态分析工具就会报错。模型可以生成任意代码，但只要它触犯了门控，构建就会失败。这样，你就不再需要依赖模型在每次生成时都“记得”授权规则——规则已经固化在门控之中。 ### 为什么结构反压优于更聪明的模型？ 当前 AI 编码的瓶颈不是模型能力，而是**验证能力**。即使 GPT-5 能写出完美代码，你仍然需要一种方法**确信**它确实做到了。行为门控随着代码规模增长而指数级衰减：模型越写越多，上下文越长，规则越容易被稀释。而结构门控是组合式的：每个门控只检查一个局部属性，但它们的组合可以覆盖整个系统。 当然，结构门控并非万能。它不能捕获所有语义错误，也不能替代良好的设计。但对于一类关键问题——如安全、类型安全、资源隔离——结构门控提供了一种比“让模型更听话”更可靠的路径。 ### 小结 AI 编码循环的未来不在于让模型更聪明，而在于**设计更好的门控**。Shen-Backpressure 代表了一种思路转变：从“教育模型”转向“约束模型”。当你不再期望模型永远正确，而是让代码的基质自动拒绝错误时，AI 编码才能真正走向生产级可靠。
**麻省理工学院媒体实验室（MIT Media Lab）的研究人员开发出一种新型非视域成像系统，仅依靠智能手机级别的激光雷达传感器，就能“看到”拐角后的物体轮廓。** 这项技术有望大幅降低自动驾驶汽车、机器人及安防设备中“透视”障碍物的成本门槛。 传统的非视域成像系统通常依赖昂贵、高功率的飞秒激光器或单光子雪崩二极管（SPAD）阵列，设备体积庞大且成本高达数万美元。而MIT团队提出的方法，利用消费级激光雷达（如iPhone 12 Pro及以上机型搭载的LiDAR扫描仪）即可实现。其核心原理是：向拐角处的地面等漫反射表面发射激光脉冲，光线经反射后照射到隐藏物体，再次反射回的微弱信号被激光雷达捕捉。通过分析光子的飞行时间与空间分布，算法可重建隐藏物体的粗略形状。 **该系统的关键在于算法对噪声的鲁棒性。** 消费级LiDAR的信噪比远低于科研级设备，但研究人员通过多帧累积和时空相关性滤波，成功从噪声中提取出有效信号。实验显示，该系统能在1米范围内识别出约20厘米大小的人体模型或字母形状，分辨率虽不足以看清人脸细节，但足以判断“是否有人”或“大致动作方向”。 **应用前景方面，该技术可显著提升机器人导航的安全性。** 例如，扫地机器人可提前感知墙角后的障碍物或宠物，避免碰撞；自动驾驶汽车在十字路口或停车场可“预判”突然出现的行人或车辆。此外，在搜救场景中，无人机可借助此技术探测废墟后的生命迹象。 **当前局限与未来方向：** 系统目前仅适用于静态或慢速移动物体，且对场景光照条件敏感（强环境光会淹没信号）。MIT团队正尝试结合深度学习提升重建速度与分辨率，并探索与现有安防摄像头、扫地机器人等消费电子产品的集成方案。 **行业影响：** 非视域成像长期是计算机视觉领域的“圣杯”之一。以往受限于成本，该技术仅停留在实验室。此次用手机级LiDAR实现突破，意味着未来每台配备LiDAR的智能设备都可能具备“透视”能力，开启从消费电子到工业自动化的全新应用维度。
对于计划在欧盟销售物联网或边缘设备的公司来说，Canonical 最新发布的 **Ubuntu Core 26** 值得认真考虑。这款精简、不可变的 Linux 发行版专为边缘计算和物联网设备设计，提供长达 **15 年的长期支持**，并强化了安全性以应对欧盟《网络弹性法案》（CRA）等新兴法规。 ## 什么是 Ubuntu Core？ Ubuntu Core 是 Ubuntu 的嵌入式版本，它将内核、基础操作系统和应用程序全部打包为 **snap** 容器。这种设计实现了组件隔离、加密签名和安全的无线（OTA）更新，非常适合需要长期无人值守运行的设备，如工业控制器、机器人、数字标牌和 AI 边缘节点。 ## 主要亮点 - **长达 15 年的支持**：Ubuntu Core 26 将获得支持直至 **2041 年**，为关键基础设施提供长期稳定性。 - **安全合规**：每个组件都经过沙盒化和加密签名，通过测量启动链确保仅运行经过验证的代码。这有助于满足欧盟 CRA 对组件溯源、长期稳定性和可问责性的要求。 - **降低运维成本**：Canonical 声称新版本减少了设备配置的摩擦和成本，简化了大规模设备管理。 ## 行业背景 随着欧盟 CRA 等法规的推进，物联网和边缘设备的供应链安全与软件完整性成为焦点。Ubuntu Core 的不可变架构和长期支持策略，为制造商提供了合规的捷径。Canonical 工程副总裁 Jon Seager 表示：“Ubuntu Core 26 继续为关键基础设施运营商提供满足 CRA、运行可证明的不可变边缘 AI 工作负载以及大规模安全管理设备所需的基础。” ## 总结 对于追求安全、稳定与长期支持的物联网和边缘部署，Ubuntu Core 26 是一个极具竞争力的选择。其不可变设计、15 年支持周期以及对欧盟法规的契合，使其成为企业级应用的可靠基石。
分布式系统和有状态系统的测试一直是个棘手问题。传统的集成测试方法——写几个测试用例然后收工——在真实生产环境中能捕获的Bug只占很小一部分。Hacker News上最近一篇热门文章提出了一套新思路：用AI编码智能体（AI coding agents）来设计和执行“索赔驱动”（claim-driven）的测试，并给出了两个具体的Skill文件（SKILL.md）来实现这一流程。 ## 核心流程：Plan + Execute 这套方案由两个智能体技能协作完成：**Plan Skill** 负责设计测试计划，**Execute Skill** 负责执行。两者输出的产物是一份结构化的Markdown测试计划（plan）和一份发现报告（findings report）。报告包含**9种状态裁决**（9-state verdicts）以及明确的故障归属分类（SUT / Harness / Checker / Environment），评审者只需阅读这两份文档即可决定是否发布，无需重新运行任何测试。 ## 索赔驱动：从产品承诺出发 与传统测试驱动开发（TDD）不同，这套方法的核心是“索赔驱动”（claim-driven）。测试计划从产品的**承诺**（claims）出发，为每个承诺生成假设，并编写以该承诺命名的场景，每个场景试图在一种故障条件下**证伪**（falsify）该承诺。文章强调：“一个以承诺命名的测试，比一个以设置命名的测试更难被削弱。” ## 模型 + 历史 + 检查器：不只是混沌 对于一致性关键场景（如安全性、持久性、幂等性、隔离性、排序、成员关系等），每个场景还需绑定一个**抽象模型**（register | queue | log | lock | lease | ledger …）、一个**操作历史模式**、一个**命名检查器**（线性一致性、可序列化性、会话一致性、无丢失确认、恰好一次等），以及如何处理模糊结果（超时、未知提交、重试）。文章称这种组合为“混沌 + 模型 + 检查器，而不仅仅是混沌”。 ## 覆盖充分性作为可交付物 测试计划以一个**覆盖充分性论证**（coverage adequacy argument）和一份**保守的置信度声明**（conservative confidence statement）结尾。计划会诚实地列出哪些场景未经验证，并论证已选场景足以支撑发布的理由。这改变了以往测试“做完就好”的模糊状态，让测试的覆盖边界变得透明。 ## 兼容性与复用性 这套方法兼容主流的AI编码工具，包括 **Claude Code、Codex、Copilot CLI、Cursor、Gemini** 等——任何能阅读Markdown并运行shell的智能体都适用。同时，Execute Skill 会优先发现被测系统（SUT）已有的测试、runbook和故障注入脚手架，复用现有工具箱，而非从头发明。 ## 行业视角 随着AI编码智能体在软件开发中的渗透率持续提升，将智能体用于测试——尤其是分布式系统测试——正在成为一个自然且强大的应用方向。传统测试工具（如Jepsen）虽然能发现深层Bug，但门槛高、自动化程度低。而AI智能体可以自动生成测试计划、执行并生成结构化报告，大幅降低分布式系统测试的准入门槛。 **不足与局限**：文章中的方案目前仍依赖人工评审最终报告，且智能体对测试计划的“覆盖充分性论证”质量取决于底模型的能力。此外，9种状态裁决如何定义、模型与检查器的选择是否完备等细节尚需更多实践验证。 ## 小结 “索赔驱动测试”为分布式系统测试提供了一种可落地、可复用的方法论，尤其适合与AI编码智能体结合。它从产品承诺出发，用模型和检查器强化测试的可验证性，并通过覆盖论证让测试边界透明化。如果你正在为分布式系统的测试质量发愁，不妨试试这套思路。
随着深度伪造和 AI 生成内容泛滥，识别系统能否真正发挥作用成为焦点。近日，Google 在 I/O 大会上宣布，其隐形水印技术 **SynthID** 与开放溯源标准 **C2PA Content Credentials** 将迎来迄今为止最大规模的部署：Chrome 浏览器和 Google 搜索将直接集成验证功能，用户无需跳转即可检查图片是否携带 AI 标签。 ## 两大技术如何互补？ SynthID 是 Google 专为其 AI 模型（如 Imagen）生成的图像、视频和音频设计的 **不可见水印**，通过算法嵌入像素级信息，人眼无法察觉，但可通过专用工具检测。C2PA 则是开放标准，在内容创建时嵌入元数据，记录其来源、编辑历史及是否使用 AI 工具。两者各有侧重：SynthID 侧重“防伪”，C2PA 侧重“溯源”。 **关键升级点**： - Google 将验证界面统一，**同时检查 SynthID 和 C2PA 标签**，用户只需在 Chrome 或搜索中右键图片即可获取结果。 - 此前，SynthID 验证需上传至 Gemini 应用，C2PA 需使用独立验证门户，流程割裂。新方案大幅降低使用门槛。 ## 为什么说这是“生死攸关”的时刻？ 过去几年，AI 生成内容的真实度呈指数级提升，从教皇穿羽绒服到政客虚假演讲，深度伪造已造成实际社会危害。标签系统曾被寄予厚望，但 **普及率低、验证流程复杂** 导致效果有限。 此次 Chrome 和搜索的集成意味着： - **覆盖数十亿用户**：Chrome 占全球浏览器市场份额超 65%，搜索更是信息入口。 - **统一入口降低摩擦**：用户无需学习复杂工具，一键即可验证。 - **倒逼内容平台跟进**：Google 的举措可能推动社交媒体、新闻网站等采用类似标准。 ## 挑战与局限 尽管前景乐观，但技术并非万能： - **标签可能被移除**：水印和元数据在截图、压缩或转码后可能丢失，恶意行为者仍可规避。 - **生成式 AI 的“灰色地带”**：部分内容混合 AI 与人工编辑，标签的准确性存疑。 - **用户认知不足**：即使工具可用，公众是否养成验证习惯仍是未知数。 ## 行业协同是关键 Google 的举措是“内容真实性倡议”（CAI）和 C2PA 联盟的重要里程碑。此前 Adobe、微软等已支持 C2PA，但缺乏统一验证入口。此次 Google 将两大技术整合，**标志着行业从“各扫门前雪”走向协作**。 ## 小结 AI 标签系统正站在十字路口：要么证明自己能够遏制虚假信息，要么被证明是徒劳的装饰。Google 的这次大规模部署提供了最真实的试验场。未来几个月，我们将看到这项技术是否真能改变游戏规则，还是仅仅成为又一个“安全毯”。
多年来，科技公司一直承诺AI将为我们配备能干的个人助理，但实际交付的却更像一个懵懂的实习生。过去六个月，这一局面开始改变，很大程度上归功于开源AI智能体平台OpenClaw的病毒式传播。而在如今竞相追逐类似成功的顶级AI实验室中，谷歌似乎尤其具备大规模推广智能体的潜力。 在2026年I/O大会上，谷歌发布了全新的AI智能体，涵盖信息收集、活动规划、收件箱与日历摘要等功能。这些智能体可在后台持续运行，并声称能无缝集成谷歌自有工具及第三方应用。同时，谷歌还扩展了开发者工具，并为搜索增加了更多生成式AI能力。部分功能本周即上线，其余将在未来数月内推出。谷歌的策略很明确：借鉴OpenClaw成功的部分特性，并借助其对用户数字生活的深度理解来放大这些能力。 谷歌DeepMind CTO Koray Kavukcuoglu表示：“此前AI智能体更多停留在研究层面，今年它们将真正融入我们的生活。”OpenClaw自去年11月上线以来已吸引数百万用户，它让人们能通过WhatsApp和Telegram等日常应用与智能体对话，只要电脑保持开机，智能体就能在后台自主执行任务。谷歌的入场，或许意味着AI智能体从概念走向实用的关键转折。
犹他州可能即将迎来全球最庞大的数据中心项目——**Stratos Project**，占地**40,000英亩**（约为曼哈顿面积的两倍多），规划电力容量高达**9GW**，几乎是该州2025年峰值电力需求的两倍。该项目由《创智赢家》投资人、风险资本家**凯文·奥利里**（Kevin O'Leary）主导，旨在确立美国在人工智能领域的全球主导地位，并服务于政府与科技承包商，以强化国家安全。 然而，这一宏伟蓝图在专家和当地居民中引发了强烈反弹。**Box Elder County**的专员已于本月早些时候批准了该项目，但后续仍需获得环境和建筑许可，建设周期预计长达数年。奥利里与犹他州州长**斯宾塞·考克斯**（Spencer Cox）及参议员**斯图尔特·亚当斯**（Stuart Adams）在今年1月会面后，项目推进速度惊人，被奥利里形容为“铺上了红地毯”。 ### 环境与资源隐忧 批评者指出，如此规模的数据中心将对当地环境造成不可逆的破坏。**水资源消耗**是核心矛盾之一：数据中心冷却系统需要大量淡水，而犹他州本就面临长期干旱和水资源紧张。有专家比喻：“这相当于试图用热风去冷却发热的散热器。”此外，9GW的电力需求将极大加重电网负担，可能影响居民和企业的正常用电。 ### 社区反弹与“NIMBY”情绪 当地居民组织起来表达强烈反对，认为项目带来的就业与税收增长远不足以弥补生态和生活质量损失。**汉塞尔谷**（Hansel Valley）原本是农牧业和自然景观区域，大规模建设将彻底改变其面貌。居民在公开听证会上质疑项目的实际效益，并担忧长期健康风险。 ### 行业背景与战略意义 Stratos Project是当前AI算力军备竞赛的缩影。随着大模型训练和推理需求激增，超大规模数据中心成为各国争夺技术制高点的关键基础设施。奥利里直言：“这向中国和全世界表明，我们不是闹着玩的。”但此类项目往往面临“建设-反对-妥协”的循环，如何在技术野心与可持续发展之间取得平衡，是行业和政策制定者必须直面的课题。 目前，项目虽获县级和州级政治背书，但环保审批和公共舆论仍是最大变数。若最终落地，它将刷新全球数据中心规模纪录，并成为AI时代资源博弈的典型案例。
以清洁钢铁技术闻名的初创公司 **Boston Metal** 近日完成 **7500万美元** 新一轮融资，**MIT Technology Review** 独家披露。该公司将利用资金扩大关键金属生产，以应对美国工业脱碳支持减弱的形势。 ## 从钢铁到关键金属：技术延伸 Boston Metal 的核心技术是 **熔融氧化物电解（MOE）**：将矿石溶解于熔融电解质中，通入电流加热至约 **1600°C**，通过电化学反应分离金属。该技术最初用于钢铁生产——传统钢铁行业贡献全球约 **8%** 的温室气体排放。但公司发现，MOE 同样适用于其他高价值金属。 其巴西子公司 **Boston Metal do Brasil** 正在建设一座商业设施，计划生产 **铌、钽和锡**。铌用于制造喷射发动机合金和 MRI 超导磁体；钽则用于火箭喷嘴、涡轮叶片及医疗设备。新资金将支持该设施运营，并拓展至 **钒、镍、铬** 等关键金属。 ## 挑战与转折 巴西工厂于 2024 年启动建设，耗时 18 个月，但今年 1 月发生 **工业事故**：反应炉的耐火系统出现泄漏，导致电解质外溢。尽管无人受伤，但运营被迫暂停，公司一度面临现金流问题。此次融资正是事故后的关键资金注入。 此前，Boston Metal 于 2025 年初在麻省 Woburn 完成了最大规模的工业电解池试运行，产出约 **1 吨** 钢铁。但目前公司重心已转向利润更高的关键金属，以增强生存能力。 ## 行业意义 在全球加速能源转型的背景下，关键金属（如钒用于液流电池、镍用于电动汽车电池）需求激增。Boston Metal 的 MOE 技术若能实现低成本、低排放的规模化生产，有望为供应链提供绿色替代方案。然而，技术验证和商业化仍面临挑战，巴西工厂的调试进度将是关键观察点。
## 快讯简报 ### 人造鸡蛋：复活渡鸦的第一步？ **Colossal Biosciences** 宣称已研发出“完全人造鸡蛋”——在3D打印的透明塑料杯中培育小鸡。该公司旨在复活渡鸦、巨恐鸟等已灭绝鸟类，但科学家认为其成果被夸大。这项技术可能成为人造子宫的早期步骤。 ### 马斯克 vs. Altman 庭审落幕 **埃隆·马斯克** 针对 OpenAI 的诉讼被驳回，他指控联合创始人 Sam Altman 和 Greg Brockman 误导其关于非营利使命。但庭审中发生了什么？《MIT科技评论》AI记者兼律师 Michelle Kim 在圆桌讨论中详细解读。 ### 脑冷冻与复活：科学家的执念 L. Stephen Coles 的脑组织已在-146°C下保存十多年，其朋友 Greg Fahy 坚信未来能复活。但专家对此持怀疑态度。Fahy 的研究可能推动脑科学和器官移植冷冻技术的发展。 ### AI 能否理解物理世界？ LLM 的局限正促使研究者探索能理解物理环境的世界模型。
台湾正加速扩张无人机产能，试图在俄乌冲突催生的全球军需市场中，扮演中国供应链之外的关键替代角色。其主打产品——低成本、可一次性使用的战术无人机——已引起欧洲与美国的浓厚兴趣。 ## 从“中国制造”到“台湾制造”的转场 长期以来，全球消费级与中小型军用无人机市场高度依赖中国供应链，尤其是深圳的大疆创新在民用领域占据绝对优势。然而，地缘政治紧张与供应链安全考量，迫使欧美国家寻找“去风险”方案。台湾凭借成熟的电子制造业基础与半导体优势，成为备受关注的备选基地。 ## “一次性”无人机的战场逻辑 所谓“一次性”无人机，并非指质量低劣，而是强调**低成本、可消耗、快速部署**的设计理念。在俄乌冲突中，双方大量使用商用改装无人机执行侦察、炮火校射甚至自杀式攻击任务，这些无人机往往在数次飞行后即损坏或被击落。台湾厂商推出的产品单价可低至数千美元，远低于传统军用无人机数百万美元的成本，且采用模块化设计，便于快速量产和战场更换。 ## 欧美订单与产能瓶颈 据行业消息，多家欧洲防务公司已与台湾无人机厂商签订意向订单，用于边境监控与快速反应部队配备。美国方面则通过“国防授权法案”拨款，支持台湾提升无人机自产能力。不过，目前台湾无人机年产能仅数千架，而乌克兰战场月消耗量可达上万架。**产能爬坡与关键零部件自主化**（如飞控芯片、发动机）仍是最大挑战。 ## 前景与隐忧 台湾发展无人机产业具备先天优势：ICT产业链完整、研发人才充沛、且与西方防务标准兼容度高。但同时也面临**政治敏感性**——大陆明确反对台湾参与任何形式的军事技术出口。此外，如何平衡民用与军用产能，避免过度依赖单一市场，也是厂商必须考虑的长远问题。 总体而言，台湾“一次性”无人机正踩准全球军需转型的节点，但其能否真正成为欧美可靠的供应链支点，还需时间与政策共同验证。
刚刚走出校园的大学毕业生们，用嘘声表达了对AI前景的担忧。上周，前谷歌CEO埃里克·施密特在亚利桑那大学的毕业典礼上发表演讲，当他谈及人工智能的积极影响时，现场响起了明显的嘘声。这并非个例——同期全美多所高校的演讲者都因对AI的正面评价遭遇了类似冷遇。 施密特在演讲中回顾了技术对年轻一代的影响，称“我们曾以为自己在为人类建造了几个世纪的知识大教堂添砖加瓦，但世界比我们想象的更复杂”。他承认技术“既连接了我们，也孤立了我们”，甚至“侵蚀了公共空间”。然而，当话题转向AI时，现场氛围急转直下。施密特鼓励毕业生利用AI代理团队完成以前无法独立完成的任务，形容这如同“坐上火箭飞船”，并称“即使你不关心科学，AI也会触及一切”。他的话被嘘声打断，不得不暂停演讲。 施密特回应道：“我知道你们很多人对此的感受。我能听到你们的声音。那是恐惧。”他承认毕业生们担心“未来已被写好”的焦虑是“理性的”，但坚持认为AI“将塑造世界”。 ### 不只一位演讲者“撞上枪口” 施密特的遭遇并非孤例。据NBC新闻报道，同周末全美多所大学的毕业典礼上，多位演讲者因对AI的乐观表态遭到嘘声。这背后是应届毕业生对就业市场的深切忧虑——AI正在快速取代传统岗位，而他们即将踏入这个充满不确定性的世界。 ### 毕业生为何愤怒？ 对于即将进入职场的毕业生来说，AI带来的不是科幻式的憧憬，而是现实的威胁。从客服、翻译到编程、设计，AI工具正在重塑各行各业。许多学生担心，自己多年苦读获得的技能可能瞬间贬值。施密特所说的“AI让你做到以前做不到的事”，在他们听来更像是“AI会抢走你本可以做的工作”。这种代际间的认知鸿沟，在毕业典礼这一象征“新起点”的场景中被彻底点燃。 ### 行业反思：技术乐观主义遭遇现实阻力 作为谷歌前掌门人，施密特的言论代表了硅谷主流的技术乐观主义。然而，毕业生们的嘘声表明，这种叙事正在失去对年轻一代的吸引力。他们不再无条件相信“技术创造更多机会”的承诺，而是要求更公平的分配机制和更透明的技术影响评估。 这场毕业典礼上的“对峙”凸显了一个尴尬现实：当科技领袖在台上描绘AI的美好未来时，台下听众却正在为生计焦虑。如何回应这种焦虑，不仅是演讲技巧的问题，更是整个AI行业必须面对的社会责任。 ### 小结 从亚利桑那到全美，毕业典礼上的嘘声成为AI时代社会情绪的缩影。毕业生们用最直接的方式告诉科技精英：你们的乐观，我们无法共享。未来，AI行业或许需要更多倾听，而非单向的“布道”。