苹果公司在其年度更新中宣布，2025年App Store促成了超过**1.4万亿美元**的开发者账单和销售额，较去年的1.3万亿美元有所增长。其中，**90%的交易（约1.25万亿美元）未向开发者收取佣金**，主要涉及实体商品和服务（如零售、外卖、打车等），金额达1.1万亿美元。数字商品（如应用内购买）的账单和销售额为**1490亿美元**，高于去年的1310亿美元，这部分苹果通常抽取15%至30%的佣金。应用内广告收入为1510亿美元，与去年基本持平。 苹果特别指出，2025年**前100名应用中40款具备面向消费者的AI能力**，这些应用的账单增长更为强劲。这一数据可能为即将到来的全球开发者大会（WWDC）预热——传闻苹果将允许AI代理进入App Store，并计划对Siri进行重大升级，深化AI与操作系统的整合。 此外，App Store的全球影响力持续扩大：**每周平均用户超过8.5亿**，覆盖175个国家和地区。在中国，过去六年App Store促成的账单和销售额**翻了一番**；在美国和欧洲则**增长超过两倍**。整体来看，苹果强调其佣金仅占平台经济总量的很小一部分，但数字商品市场仍为其带来数十亿美元的收入。
Lovable 与 Google Cloud 签署了一份价值数亿美元的多年期扩展协议。根据协议，Lovable 在 Google Cloud 上的资源占用将扩大 5 倍，并获得对 Anthropic Claude 和 Google Gemini 模型的更大访问权限。这笔交易不仅有助于 Anthropic 达成业绩目标，也将 Lovable 深度绑入 Google 的生态系统，包括通过 Google Cloud 市场销售其 AI 代理，并集成 Wiz 安全解决方案。Lovable 目前年化收入已突破 4 亿美元，超过一半的财富 500 强企业使用其产品。
**Alphabet 创纪录的 850 亿美元融资：AI 市场的强力信号** 谷歌母公司 Alphabet 近日完成了一笔史无前例的股票发行，总规模高达 **850 亿美元**，远超最初计划的 400 亿美元。这笔资金明确用于 AI 领域的投资，包括数据中心和基础设施，预计 Alphabet 今年的资本支出将达到 **1800 亿至 1900 亿美元**。 ### 超额认购背后的市场信号 Alphabet 最初计划发行 400 亿美元的股票，但市场需求极为旺盛，最终募集了 **450 亿美元**。其中，知名价值投资机构 **伯克希尔·哈撒韦** 认购了 100 亿美元。下一季度 Alphabet 还将再发行 400 亿美元，使总额达到 850 亿美元。这一数字甚至超过了此前由巴西石油公司 Petrobras 保持的 **700 亿美元** 全球纪录。 ### 投资者为何买单？ 尽管 Alphabet 本身业务健康（Q1 营收 **1100 亿美元**，同比增长 22%），但此次融资的明确目的是为 AI 战略提供资金。CEO 桑达尔·皮查伊表示，这是“为迎接 AI 机遇而进行的多年投资计划的一部分”。这表明，投资者不仅看好谷歌的现有业务，更对其 AI 未来充满信心。 ### 对 AI 行业的深远影响 这笔巨额融资的成功，对整个人工智能行业意义重大。它向市场传递了一个明确信号：**公共市场投资者对 AI 领域的投资兴趣浓厚**，尤其是机构投资者愿意投入大量资金。这对于即将上市的 AI 公司（如 Anthropic、SpaceX 和 OpenAI）来说，无疑是一剂强心针。 ### 资金流向与行业前景 据估计，未来五年全球 AI 领域的投资总额将接近 **8 万亿美元**。这些资金将来自公司营收、贷款和股票发行。Alphabet 的成功融资表明，公共市场有能力消化大量 AI 相关证券，这为整个行业的 IPO 铺平了道路。 ### 小结 Alphabet 的 850 亿美元融资不仅创下了纪录，更验证了 AI 投资的热度。对于关注 AI 赛道的投资者而言，这是一个积极信号：市场资金充裕，且愿意为 AI 故事买单。未来，随着更多 AI 公司上市，这一趋势可能进一步加速。
Google Labs 推出了一款名为 **Dreambeans** 的新应用，它能利用你 Google 账户中的个人数据，生成一系列 AI 插画风格的“故事”——从旅行建议到生活小贴士，甚至包括育儿指南。这款应用目前已在 iOS 和 Android 上架，定位为“反刷屏”工具，每天只推送 10-14 条精选内容，鼓励用户放下手机去体验真实生活。 ## 它如何工作？ Dreambeans 的核心是 **Personal Intelligence** 技术。在获得用户授权后，它会连接 Gmail、日历、相册、YouTube 和搜索历史等 Google 服务，从中提取信息并整合成个性化的故事。例如，如果你的日历上标记了“接新狗狗回家”，Dreambeans 可能会推送一篇关于养狗初体验的图文故事；如果你经常搜索咖啡店，它可能推荐一家你附近的新店。 产品负责人 Gozde Oznur 表示，这些故事并非无限刷新的信息流，而是经过筛选的“有限集合”，旨在提供灵感而非信息轰炸。这一设计直击当下用户对手机成瘾的厌倦情绪——类似理念的初创公司 Bond 也在做同样的事。 ## 隐私与命名玄机 隐私方面，Oznur 强调只有用户本人能查看自己的故事，且用户可以随时删除数据，并选择连接哪些 Google 服务。至于“Dreambeans”这个奇怪的名字，灵感来源于系统的工作方式：当你睡觉时，应用会默默处理你的数据，在梦境般的后台生成故事——所以是“梦”（Dream）加上“豆子”（Beans），寓意灵感像豆子一样在梦中萌芽。 ## 行业视角 Dreambeans 是 Google 在“AI 个性化”与“数字健康”交叉领域的又一次尝试。与许多追求沉浸时长的 AI 工具不同，它刻意限制每日内容量，试图在提供价值与减少干扰之间找到平衡。不过，这种依赖个人数据的推荐模式能否赢得用户信任，仍需时间检验。毕竟，当 AI 开始“阅读”你的日历和邮件时，隐私边界始终是悬在头顶的达摩克利斯之剑。
亚马逊在购物应用中推出了一项新功能：根据用户搜索查询，展示由AI生成的产品图片。官方称此举旨在帮助那些“心中有物却词不达意”的消费者——比如想找“牛角领”衬衫却不知如何描述。当用户输入搜索词后，自动补全建议下方会出现多种AI生成的商品图像变体（如不同袖长的连衣裙），点击即可通过亚马逊的视觉搜索能力跳转至更匹配的真实商品页面。 然而，这一做法引发了诸多质疑。首先，用虚构图片引导用户可能造成误导——粗心的用户或许以为能买到图中那件“完美”的连衣裙，结果却发现并无现货。其次，一家以销售实体商品为主的电商，放着海量真实产品照片不用，反而依赖AI生成的“假图”，逻辑上令人费解。 实际上，亚马逊在AI购物功能上已有多项尝试，效果参差不齐。相对实用的有AI摘要用户评论、AI生成可购物拼贴画；较为奇葩的包括去年推出的播客式音频产品简介，以及用AI专家口吻描述商品亮点。此外，亚马逊还更新了视觉搜索工具Amazon Lens Live，并替代了原来的Rufus AI聊天机器人。 尽管AI能帮助用户更直观地表达模糊需求，但用虚构图像作为搜索中介的风险不容忽视。若用户因虚假图片产生预期落差，反而可能降低购物体验。在AI与电商结合的探索中，亚马逊需在创新与用户信任之间找到平衡。
客服与支持领域正成为语音AI最热门的应用场景之一，但让AI听起来像真人且响应无延迟，在某些市场远比想象中困难——而大多数主流玩家并未针对非洲和中东进行优化。去年成立的初创公司 **AethexAI** 致力于填补这一空白，近日宣布完成 **300 万美元** 的种子轮融资，由 **4DX Ventures** 领投，Enza Capital、Dorm Room Fund、Mojo Ventures 和 Stanford GSB 26 Fund 跟投。个人投资者包括斯坦福大学教授、电信高管以及来自 Anthropic 的 AI 研究员。 与使用 Vapi 或 LiveKit 等现成编排工具不同，AethexAI 从头构建了自己的小型模型和编排层，以处理目标市场所使用的地道英语、法语和阿拉伯语方言。这一决策源于区域运营的特殊需求。该公司同时推出企业平台，供企业试用其技术并注册服务，还为开发者提供 API 和 SDK 以实验其模型。 ## 创始背景与创业动机 AethexAI 由 **Mariama Diallo** 和 **Ayooluwa Odemuyiwa** 联合创立。CEO Diallo 曾在高盛工作，后加入 YC 支持的 ModelML 负责产品和增长；CTO Odemuyiwa 毕业于加州理工学院，曾在 Meta 任职，后在斯坦福商学院就读期间联合创办了公司。两人希望为新兴市场打造产品，并开始寻找机会。 ## 市场痛点与自研决策 全球企业竞相采用 AI 工具自动化运营，但这并非总能奏效。在埃及，某呼叫中心自动化了大量通话，却因效果不佳而回退；非洲多个支持中心反映，以合理成本找到并聘请工程师来自动化通话是一大难题。 > “我们在该地区自动化通话中遇到的延迟和抖动问题非常严重。如果使用编排工具，我们可能不得不使用托管在区域外的大型模型，导致更高的延迟。我们意识到，要让这一切奏效，必须使用非常小的模型，并在每一步削减延迟。”——Odemuyiwa 向 TechCrunch 解释为何自研模型和编排层。 ## 当前规模与未来展望 目前，AethexAI 的自研栈每天处理超过 **17,000 通** 电话。AI 实验室部署最新模型通常花费数百万美元用于训练和数据获取，而 AethexAI 通过优化小模型和本地化策略，找到了成本与性能的平衡点。随着平台正式上线，这家初创公司有望在语音AI的蓝海市场中占据一席之地。
英国竞争与市场管理局（CMA）近日对谷歌施加了法律约束，要求其向网站出版商提供一项新工具，允许他们选择退出生成式AI搜索功能。这项功能将在英国先行测试，随后推广至全球。 ## 新规背景与核心内容 CMA早在去年10月就将谷歌认定为具有“战略市场地位”的企业，为后续监管铺平了道路。今年1月，CMA进一步要求谷歌给予网站出版商选择权，决定其内容是否被整合到AI搜索功能中，或用于训练独立的AI模型。此次谷歌的合规措施正是对这一要求的直接回应。 根据谷歌发布的公告，出版商可通过 **Search Console**（一项免费服务）中的新开关，选择退出生成式AI搜索功能。一旦启用，该网站将不会出现在谷歌的 **AI Overviews**、**AI Mode** 或 **Discover中的AI Overviews** 等AI搜索特性中。值得注意的是，谷歌在公告中强调，其AI Overviews月活用户已超过 **25亿**，AI Mode月活用户也突破 **10亿**。 ## 对出版商的利好与潜在影响 CMA将此举称为“世界首创”，认为它让出版商重新掌握了对自身内容使用的控制权。尤其是新闻机构，将因此处于更有利的地位，能够与谷歌就内容在AI功能中的使用进行商业谈判。 除了退出机制，谷歌还被要求确保出版商内容在AI功能中得到 **适当的归属标注**，使用清晰的链接。谷歌表示已配合这一要求，近期增加了AI回复中的内联链接数量，并添加了网站预览以鼓励用户点击。 ## 谷歌的平衡策略 谷歌明确表示，网站选择退出生成式AI搜索不会影响其在传统Google搜索中的排名。但同时，谷歌将在Search Console中引入新的指标，包括曝光次数和页面在AI回复中的出现情况等，以“说服”出版商不要轻易退出。谷歌称未来还会增加更多指标。 这一举措反映了监管与商业利益之间的微妙平衡。一方面，CMA通过法律手段保护了出版商的权益；另一方面，谷歌试图通过数据透明化来留住出版商，维持其AI搜索生态的内容基础。 ## 行业意义与展望 随着生成式AI搜索的普及，内容版权和流量分配问题日益突出。英国此次的监管行动可能为其他国家提供参考范本。对于AI行业而言，如何在技术创新与内容生态可持续性之间找到平衡，将是未来持续面临的挑战。谷歌的全球推广计划也意味着，这一模式或将成为行业新标准。
Meta 今日宣布，其专为 WhatsApp Business 打造的 AI 智能体已面向全球企业正式开放。该智能体基于 Meta 的 Llama 大语言模型构建，能够自动处理客户咨询、提供产品推荐、预约安排等常见商务场景，旨在帮助中小企业降低人力成本、提升响应效率。 ## 按用量计费，引入 Token 模式 与许多 AI 服务类似，Meta 将对 WhatsApp Business 的 AI 智能体采用 **按 token 计费** 的模式。企业每月需为发送给客户的消息（包括 AI 生成的回复）支付固定费用，同时根据实际消耗的 token 量额外付费。Meta 表示，这种定价方式能让企业根据自身业务规模灵活控制成本，尤其适合咨询量波动较大的中小企业。 ## 技术底座：Llama 模型与 WhatsApp 生态 该智能体直接集成在 WhatsApp Business 应用内，企业无需额外搭建系统。它支持多语言交互，并能基于企业提供的产品目录、FAQ 等数据进行定制化训练。Meta 强调，所有对话数据均经过加密处理，符合 WhatsApp 端到端加密的隐私标准。 ## 行业背景：AI 客服赛道竞争白热化 此次全球上线恰逢 AI 客服市场高速增长期。**微软** 的 Dynamics 365 Copilot、**谷歌** 的 Vertex AI 对话 Agent 以及 **OpenAI** 的 GPTs 均已推出类似服务。Meta 的差异化优势在于 WhatsApp 庞大的用户基数——全球月活用户超过 20 亿，且在许多新兴市场已是主流通讯工具。对于当地小型零售商、餐饮店等，在 WhatsApp 内直接使用 AI 客服无疑降低了技术门槛。 ## 潜在挑战与展望 尽管前景广阔，Meta 仍面临几个关键问题：一是 **定价透明度**，token 消耗模型对非技术型中小企业可能不够直观；二是 **模型幻觉**，Llama 在特定垂直领域（如医疗、金融）的准确性仍需验证；三是 **竞争压力**，区域性的 AI 客服初创公司（如印度的 Yellow.ai、新加坡的 WATI）已深耕本土市场多年。 总体来看，Meta 此举是其 **商业消息服务** 战略的重要一步。通过将 AI 能力嵌入高粘性的聊天场景，Meta 不仅能为企业创造价值，也能进一步强化其广告与支付生态。未来，随着 Llama 模型的持续迭代，该智能体有望支持更复杂的多轮对话和跨平台集成。
AI 代理（AI Agent）正在成为企业自动化的新引擎，但谁来确保这些自主运行的“数字员工”不出错？以色列可观测性平台 **Coralogix** 的最新巨额融资，给出了它的答案。 ## 融资概况 Coralogix 宣布完成 **2 亿美元** 的 F 轮融资，公司估值达到 **16 亿美元**。值得注意的是，这距离其上一轮融资（E 轮，2023 年 10 月）仅过去不到一年。本轮融资由 **Advent International** 旗下的技术投资平台 **Advent Tech** 领投，现有投资者 **Insight Partners** 等跟投。 ## 核心逻辑：监控 AI 代理的需求爆发 Coralogix 的核心卖点是“可观测性”——即帮助企业实时监控其软件系统、发现异常并快速定位根因。随着生成式 AI 和 AI 代理的普及，传统监控手段已捉襟见肘。AI 代理通常涉及多步骤推理、工具调用和外部数据交互，其行为模式具有高度动态性和不确定性。 Coralogix 创始人兼 CEO **Ariel Assaraf** 在接受采访时表示：“企业正在从简单的聊天机器人转向自主执行任务的 AI 代理，这些代理需要被‘观察’和‘审计’。我们的平台专为这类复杂场景设计，能够捕捉 LLM 调用链、API 交互和决策路径。” ## 行业背景与竞争 可观测性赛道近年来竞争激烈，既有 **Datadog**、**New Relic** 等老牌巨头，也有 **Grafana Labs**、**Honeycomb** 等新兴力量。但 Coralogix 选择了一个差异化的切入点：**专为 AI 工作负载优化**。其平台支持对 OpenAI、Anthropic 等主流模型 API 的调用追踪，并能通过自定义规则检测“幻觉”或逻辑错误。 Assaraf 认为，AI 监控将成为可观测性市场增长最快的子领域：“未来两年，每个企业都会需要专门的 AI 可观测性工具，就像今天需要 APM（应用性能监控）一样。” ## 资金用途与未来规划 Coralogix 计划将新资金用于三方面： - **产品研发**：深化 AI 代理监控功能，增加对多模态模型和混合云环境的支持。 - **市场拓展**：扩大北美和欧洲的销售团队，并进入亚太市场。 - **技术合作**：与主流 AI 框架（如 LangChain、AutoGPT）建立原生集成。 目前，Coralogix 已服务超过 **500 家企业客户**，包括 **Wix**、**Fiverr** 等知名科技公司。其 ARR（年经常性收入）在过去一年翻了一番，但具体数字未披露。 ## 小结 当 AI 代理开始接管关键业务决策时，监控和可观测性不再是锦上添花，而是安全底线。Coralogix 的 2 亿美元融资，折射出资本市场对这一需求的强烈共识。然而，随着巨头加速布局 AI 监控功能（如 Datadog 的 LLM Observability 模块），Coralogix 能否保持先发优势，仍有待观察。
## 融资概览：估值翻倍，亏损依旧 据知情人士透露，数据安全初创公司 **Cyera** 即将完成由 **Evolution Equity Partners** 领投的新一轮融资，金额至少 **3 亿美元**，估值达到 **120 亿美元**。这一估值较其五个月前 90 亿美元的估值增长了约 33%，而当时该公司刚完成由 Blackstone 领投的 4 亿美元 F 轮融资。 ## 财务数据：高增速背后的隐忧 Cyera 当前年经常性收入（ARR）已超过 **1.5 亿美元**，这意味着本次估值的市销率高达 **80 倍**——这一倍数甚至超过了许多高速增长的 AI 初创公司。然而，消息人士透露，公司仍在亏损，且支出增速快于收入增速，部分成本用于大规模招聘销售团队。据 PitchBook 数据，Cyera 今年已新增 **500 个岗位**。 Cyera 发言人声称相关数字“事实性严重不准确”，但未提供具体更正。Evolution Equity Partners 则未予置评。 ## 行业背景：AI 安全赛道火热 Cyera 成立于 2021 年，主要为企业提供数据安全平台，帮助客户抵御利用 AI 工具发起的攻击。在 F 轮融资时，公司宣称其客户已覆盖 **五分之一** 的《财富》500 强企业，2025 年收入增长超过 **3 倍**。 本轮融资后，Cyera 累计融资额将至少达到 **20 亿美元**。公司近期还利用资金收购了 Index Ventures 支持的 Ryft 以及成立不到一年的 Genie Security，加速技术整合。 ## 小结 Cyera 的高估值反映了市场对 AI 安全赛道的强烈信心，但 80 倍 ARR 的估值倍数也使其面临盈利压力。在烧钱扩张的同时，能否尽快实现盈利将成为投资者关注的焦点。
Uber 近期对员工 AI 使用设置了每人每月 1500 美元的支出上限，此前该公司曾鼓励员工尽可能多地使用 AI 工具，结果在四个月内就花光了全年预算。此举反映出 AI 成本高企和投资回报不明朗的行业困境。 ## 预算超标与紧急限流 据 Bloomberg 报道，Uber 新规要求每位员工每月在每款 AI 编码工具（如 Anthropic 的 Claude Code 或 Cursor）上的支出不得超过 **1500 美元**。公司通过内部仪表盘追踪使用情况，员工如需超额需申请批准。这一限流措施并不令人意外——今年 4 月，Uber 首席技术官透露，该公司的年度 AI 预算在短短四个月内就已耗尽。 此前，Uber 曾鼓励员工“尽可能多用 AI”，甚至在公司内部排行榜上对使用量进行排名，以激发竞争。如今，过度热情的使用直接导致了预算失控。 ## 高管质疑 AI 投资回报 Uber 首席运营官 Andrew Macdonald 近期在播客中公开质疑 AI 的生产力影响，称“很难在 AI 使用和新消费者功能之间划清界限”。他的发言与公司收紧预算的动作形成呼应，也折射出整个科技行业面临的共同难题：**AI 投资回报（ROI）在哪里？** 尽管企业纷纷向 AI 投入巨额资金，但 ROI 至今仍是一个“理论现象”，大家都在期望它最终会实现，但等待的过程中已有人开始焦虑。 ## 行业启示：AI 狂欢后的冷静期 Uber 的案例并非孤例。随着 AI 应用从实验阶段进入规模化部署，成本控制问题日益凸显。企业在鼓励创新和维持财务纪律之间需要找到平衡点。Uber 的做法——设定明确上限、提供透明度、保留例外通道——或许为其他公司提供了一个参考模板。 **AI 不是免费的午餐**，当技术热情遭遇预算红线，如何让每一分钱都产生可衡量的价值，将是下一阶段竞争的关键。
微软近日发布了名为 **ASSERT**（Adaptive Spec-driven Scoring for Evaluation and Regression Testing）的开源框架，旨在帮助开发者通过简单的自然语言描述，快速生成针对特定应用场景的AI行为测试。该工具填补了通用评估工具在应用级定制化测试方面的空白，让开发者能够更轻松地确保AI系统在具体产品中按照预期运行。 ## 从“一句话”到“一套测试”的自动化流水线 ASSERT的核心能力在于**将高层级的自然语言描述转化为结构化的测试用例**。开发者只需用文字描述AI系统应有的行为规范（例如“不要向公司外部人员发送邮件”“对机密信息仅限C级高管查看”），ASSERT便会自动执行以下步骤： 1. 将描述解析为可接受与不可接受的行为集合； 2. 生成对应的测试场景和问题； 3. 对目标AI系统运行测试并打分； 4. 记录系统的中间动作和工具调用路径，便于开发者定位失败环节。 此外，开发者还可以额外提供系统上下文、工具集和约束条件，进一步定制评估范围。 ## 为什么需要应用特定的AI测试？ 微软负责任AI首席产品官 **Sarah Bird** 指出：“评估对于做出正确决策至关重要。如果不了解AI系统的实际行为，就很难判断它是否达到了组织的标准。”她强调，通用评估虽然能覆盖安全、合规等宏观维度，但**真正值得信赖的系统需要针对应用场景进行更多维度的测试**。 例如，一个文档研究AI助手，其行为规范可能包括：信息保密级别、摘要风格、引用来源方式等，这些细节往往无法被通用评估工具捕捉。ASSERT的出现正是为了解决这一“最后一公里”问题。 ## 从开发到运维的全周期覆盖 ASSERT不仅适用于开发阶段的测试，还能在**部署后乃至持续监控**中发挥作用。这意味着开发者可以在AI系统的整个生命周期内，持续验证其行为是否符合预期。随着AI应用日益复杂——从聊天机器人到企业级自动化代理——这种动态测试能力变得愈发关键。 ## 行业背景与趋势 当前，AI评估领域正从“模型能力测试”转向“应用行为验证”。OpenAI、Google等公司也在推出类似工具，但ASSERT的开源属性降低了定制化门槛。微软此举既是对自身生态的补充（如Azure AI Studio），也反映了行业对**可解释、可审计的AI行为**的迫切需求。对于开发者而言，ASSERT提供了一种低成本、高效率的方式，将抽象的政策转化为可量化的测试，从而减少“AI意外行为”带来的风险。 ## 小结 ASSERT的发布标志着AI测试工具进入“自然语言驱动”阶段。它让非AI专家也能参与行为验证，同时为专业开发者提供了深度调试的能力。随着更多组织将AI嵌入核心业务，这种从“通用评估”到“场景化测试”的进化，或将成为AI工程化落地的关键一环。
好莱坞传奇导演**马丁·斯科塞斯**（Martin Scorsese）近日以一种出人意料的方式拥抱了人工智能——他正式成为AI图像生成初创公司**Black Forest Labs**的合作伙伴兼顾问。据《纽约时报》6月2日报道，这位82岁的导演将利用该公司的AI技术进行**故事板创作**，而非电影拍摄或后期制作中的其他环节。 斯科塞斯在声明中表示：“70年来，我一直亲手绘制故事板。”他认为，AI工具能让他更快、更高效地向摄影师和美术指导传达自己的视觉构想。这一应用场景虽然有限，却标志着好莱坞对AI态度的**显著软化**。 Black Forest Labs是一家总部位于德国弗赖堡的70人初创公司，其AI图像生成技术已嵌入**Adobe、Canva、微软和Meta**等主流平台。公司最新估值达**32.5亿美元**，投资方包括由斯科塞斯经纪人Rick Yorn联合创立的BroadLight Capital。值得注意的是，该团队正是**Stable Diffusion**的原班人马。据《连线》报道，他们近期拒绝了与**Elon Musk的xAI**合作，原因是此前在Grok图像生成器上的合作因内容安全争议而终止。 尽管斯科塞斯的使用范围仅限于前期的可视化沟通，但这一合作仍可能引发部分业内人士的担忧。不过，这已是近期好莱坞对AI态度松动的又一例证。从编剧工会与制片方就AI使用达成协议，到多位导演尝试AI辅助制作，行业正逐步探索AI的边界。斯科塞斯的加入，无疑为这场讨论增添了**最具分量的注脚**。
微软在 Build 大会上正式推出 **Scout**，一款基于 **OpenClaw** 框架构建的 AI 助手，旨在将 OpenClaw 的强大与灵活性引入 Microsoft 365 生态系统。Scout 是一款始终在线的代理型助手，拥有持久的身份和风格，用户可为其命名（例如演示中的“Sebastian”），并通过持续反馈来定制自动化任务。 Scout 的核心理念是“适应性”与“个性化”。微软副总裁 Omar Shahine 表示，每个人都有自己的工作习惯，Scout 能够将这些模式编码为“记忆”和“技能”，并持久保存在代理中。随着用户不断训练，代理会变得更了解用户，获得更多自主权，甚至能做出判断。这种定制化循环——助手从用户行为中学习并随时间变得更强大——正是消费级 AI 工具黏性的关键：你投入越多，越难离开。 Scout 通过微软的 **Frontier 计划** 提供给早期用户，需订阅 **GitHub Copilot** 才能使用。它基于云端，但可跨桌面和浏览器运行，便于连接收件箱、日历等系统。预装技能包括日历管理和会议议程起草，但 Shahine 认为用户自创的技能才是真正价值所在。 针对 AI 代理可能失控的担忧（OpenClaw 曾出现过代理在研究员收件箱中行为异常的事件），Scout 内置了 **安全防护系统**，持续检查操作是否符合预设准则，每次检查都会生成审计追踪。Scout 是微软在 Build 大会发布的一系列 AI 产品之一，标志着微软在 AI 代理领域的进一步深入。
随着AI代理能力不断增强，企业在将其部署到各种应用、工作流和产品中时，面临一个新挑战：如何确保代理在不同环境下按预期行动。微软正通过一项名为 **Agent Control Specification (ACS)** 的新开源标准来解决这一问题，旨在为开发者提供更一致、更细粒度的方式来控制AI代理的允许行为。 ACS本质上允许开发者、合规和安全团队为代理定义自己的策略。这些规则可以规定代理可以做什么、禁止做什么、何时需要人工审批操作，以及应记录哪些证据供后续审查。当代理执行任务时，策略文件会在多个拦截点被检查，确保其不越界。 当前，开发者通常通过系统提示词、应用代码中的自定义检查或分类器来管控AI行为，但这些方法往往导致控制碎片化，难以审计和跨框架复用。ACS将这些控制整合到一个通用治理层中。微软表示，该规范可在代理工作流的多个节点检查其是否遵守护栏——包括接收输入前、调用工具前、工具返回结果后以及最终响应发送给用户前。策略可以允许、阻止操作，编辑敏感信息，甚至请求人工批准。开发者还可以插入输入输出分类器、用LLM作为策略裁判，以及检查工具调用、工具选择、输入准确性、输出使用和响应的逻辑。 由于这些策略可以写成单个文件，因此可以随代理一起打包，使安全策略能跨不同框架和环境跟随代理。ACS现以SDK形式发布，并提供了针对LangChain、OpenAI Agents SDK和Anthropic Agents SDK的插件。 ## 行业背景与意义 AI代理的自主性提升带来了新的治理需求。工具误用或意外操作可能导致级联故障，企业急需标准化的控制手段。ACS的推出填补了这一空白，它将分散的控制点统一为可移植的策略文件，降低了合规风险，也使得代理行为更可预测。对于采用多框架的企业而言，ACS的跨平台特性尤为关键——策略可以一次定义，随处执行。 ## 小结 微软ACS为AI代理治理提供了一种标准化、可扩展的方案。通过将安全策略与代理捆绑，企业可以在不牺牲灵活性的前提下，实现对代理行为的精细化管控。这一举措有望推动AI代理在企业级应用中的安全落地。
谷歌于周二宣布，Android系统将推出**虚假来电检测**功能，以防范利用AI深度伪造技术进行的冒充诈骗。该功能本月起通过“电话 by Google”应用向Android 12+设备全球推送，Pixel设备将率先获得更新。 随着人们越来越拒绝接听陌生号码来电，诈骗分子开始转变策略，通过伪造可信电话号码并使用AI深度伪造技术伪装成权威人士、家人或雇主。例如，用户可能接到显示为“妈妈”的来电，声音也完全模仿其母亲，但实际上是诈骗者利用AI工具冒充，以虚假紧急情况为由索要钱财。 这项新功能默认开启，并在后台自动运行。谷歌解释称，其工作原理类似于设备间的**数字握手**。当联系人拨打电话且双方均使用“电话 by Google”时，联系人手机会向用户设备发送一个静默确认信号，以验证通话真实来自该联系人。如果诈骗者试图冒充该联系人，初始确认信号将缺失，用户设备会立即察觉并主动向联系人真实设备核实。若真实设备回应“我当前未发起通话”，用户屏幕将弹出警告，建议立即挂断。 谷歌强调，该功能基于**富通信服务（RCS）**构建，使得其他应用和公司也能采用这一技术。 此次虚假来电检测的发布，是Android多项更新之一。其他更新包括： - **Google Photos**推出新“衣柜”功能，可识别照片库中用户穿着的衣物并生成快照，方便浏览。该功能下周向美国、印度和巴西的Android 10+用户开放。 - **Google Play Books**新增“快速回顾”功能，帮助用户通过摘要快速回到故事主线，并支持选中段落提问。该功能即日起面向部分英文图书上线。 - **Circle to Search**功能升级，可一次性搜索整套穿搭中的所有单品，无需逐一查找。
亚马逊旗下智能门铃品牌Ring因“熟悉面孔”（Familiar Faces）功能再次陷入隐私争议。近日，弗吉尼亚州居民Charles Sigwalt在华盛顿州西雅图提起集体诉讼，指控该功能在未经路人同意的情况下收集并存储其面部识别数据。 ## 事件背景 “熟悉面孔”功能于去年9月首次公布，允许Ring用户通过AI面部识别技术识别常访客，如家人、邮递员或邻居，并推送定制化通知（例如“爸爸在门口”而非“有人门口”）。该功能于12月正式上线，用户需主动选择启用。尽管Ring声称面部数据经过加密且从不共享，未识别的人脸数据会在30天后自动删除，但隐私倡导组织（如EFF）及参议员Ed Markey此前已提出强烈反对，认为路过Ring摄像头的人并未同意被扫描。 ## 诉讼核心 诉讼指出，“数百万其他美国人经过Ring安全摄像头，却在不知情的情况下被收集了面部识别信息。”原告要求赔偿并阻止该功能的继续使用。目前亚马逊未回应置评请求。 ## 隐私前科 Ring在用户隐私方面早有劣迹。2023年，亚马逊因Ring员工和承包商不当访问女性客户的私人视频，与美国联邦贸易委员会（FTC）达成和解并支付**580万美元**罚款；FTC投诉称，每位员工均可无限制访问所有客户视频，即便无实际工作需求。此外，Ring曾与执法部门保持密切关系，一度允许警方在无搜查令的情况下向用户索取录像。今年，Ring因在超级碗投放“Search Party”AI功能广告（利用Ring录像寻找走失宠物）而遭遇反弹，随后取消了与监控公司Flock Safety的合作——后者被曝向移民及海关执法局（ICE）等联邦机构提供录像。 ## 行业影响 此案再次引发对AI面部识别技术边界的讨论。在公共空间部署面部识别系统，即使企业声称数据匿名化，未经明确同意的数据采集仍可能违反隐私法规。Ring的案例表明，智能家居厂商在追求功能创新的同时，需更谨慎地平衡用户便利与第三方权益。目前诉讼尚在早期阶段，最终结果或将对整个行业的数据采集实践产生示范效应。
美国总统唐纳德·特朗普于周二签署了一项关于人工智能监管的行政令，要求部分AI公司在发布强大模型前自愿提交给政府进行测试或评估。与之前要求提前90天进行审查的草案不同，最终版本将审查期缩短至30天，且完全基于自愿原则。此前，行业内部人士强烈反对更严格的审查要求，认为这会阻碍美国在AI领域对中国的领先地位。 行政令明确表示：“本节内容不得被解释为授权对新型AI模型的开发、发布或分发设立强制性政府许可、预先批准或许可要求。”该命令还指示司法部将AI辅助黑客攻击和未经授权访问等犯罪行为列为高优先级执法领域。 这并非特朗普首个AI相关行政令。去年12月，他签署了一项命令，要求制定统一的“国家AI政策框架”，以取代各州分散的AI法规。此次修订版的签署，反映出白宫在AI监管上寻求平衡——既希望确保安全，又不愿过度束缚行业发展。 值得注意的是，特朗普原计划与多位硅谷顶级CEO共同签署该命令，但最终私下完成了签署。行业观察人士认为，这一变化凸显了科技巨头对政策的影响力。
OpenAI 正加速向企业市场进军。本周二，这家 AI 实验室为旗下智能编程工具 Codex 推出了一系列新功能，旨在将其应用场景从软件工程扩展到更广泛的办公室工作。与此同时，OpenAI 还发布了一份内部报告，揭示了 Codex 在知识工作领域的实际使用情况——其用途远不止写代码。 ### 用户增长与结构变化 报告显示，Codex 的周活跃用户已超过 **500 万**，较 2 月桌面版发布时增长了 **6 倍**。虽然开发者仍是最大用户群体，但知识工作者（非技术人员）目前已占用户总数的 **20%**，且增长速度是开发者的 **3 倍**以上。这一趋势表明，AI 辅助工具正从程序员专属走向全员办公助手。 ### 六大行业插件：开箱即用 为吸引更多白领用户，OpenAI 一口气发布了 **六款专用插件**，分别针对数据分析、创意制作、销售、产品设计、股权投资和投资银行等岗位。这些插件内置于 Codex 应用内，集成了对应岗位所需的集成、指令和上下文信息，让 Codex 能够“模拟”特定职业的工作方式。OpenAI 强调，虽然插件会随着用户自定义而变得更高效，但开箱即用时就已具备实用价值。 这一动作紧跟 Anthropic 的步伐——后者在 2 月推出了企业代理程序（Enterprise Agents），5 月又发布了针对金融领域的代理工具。相比之下，长期专注消费级市场的 OpenAI 在企业客户争夺上稍显迟缓，直到今年 3 月才为 Codex 引入插件支持。 ### 新功能：Sites 与 Annotations 除了行业插件，OpenAI 还推出了 **Sites** 功能，允许 Codex 将工作成果直接输出为托管的交互式网站，而不再是本地文件。这意味着用户可以通过链接分享实时数据看板、产品原型或投资分析报告。为支撑这一功能，OpenAI 已与 **Wix、Base44、Replit、Lovable、Figma 和 Emergent** 等平台达成合作，并计划构建更大的合作伙伴生态。 另一项新功能 **Annotations** 则让用户能够在文档或文件内标记特定部分，从而实现更精准的指令和上下文操作——这对需要处理长文档的知识工作者来说尤为实用。 ### 企业战略加速 此次新功能的发布，距离 OpenAI 成立企业联合体 **OpenAI Deployment Company** 仅三周。该合资公司获得了全球投资机构超过 **40 亿美元** 的资金支持，旨在将 OpenAI 的工具更深入地整合到全球企业的业务流程中。OpenAI 首席营收官 Denise Dresser 表示：“AI 正在组织中承担越来越有意义的工作。” 从 Codex 的这步棋来看，OpenAI 显然希望让“有意义的工作”不仅限于写代码，更包括数据洞察、创意输出和商业决策。 ### 小结 从开发者工具到白领生产力平台，OpenAI 正在重新定义 Codex 的定位。六款行业插件降低了非技术用户的使用门槛，而 Sites 和 Annotations 则让输出形式更加灵活。随着企业联合体数十亿美元资金的注入，以及合作伙伴生态的完善，Codex 有望成为企业 AI 助手的核心入口。不过，面对 Anthropic 等对手的激烈竞争，OpenAI 仍需在定制化、安全性和行业深度上持续发力。
Anthropic 正在扩大其联合行业安全漏洞计划 Project Glasswing，将 Claude Mythos 的访问权限授予 15 个以上国家的约 150 家新组织。这些组织覆盖电力、水务、医疗、通信和硬件等关键基础设施领域，一旦遭受网络攻击，可能影响超过 1 亿人。此前 Anthropic 已向包括美国政府在内的 50 家初始合作伙伴开放了 Mythos Preview，用于扫描代码库漏洞。新加入的合作伙伴包括 Okta、三星、SK 海力士、SK 电信、北约及欧盟网络安全局 ENISA 等。Anthropic 表示，Mythos 是其最强大的模型，能在数周内识别数千个零日漏洞。公司预计其他 AI 公司很快会推出同等能力的模型，因此正通过 Project Glasswing 加速建立安全防护机制。此举紧随 Anthropic 秘密提交 IPO 申请及获得 650 亿美元融资、估值近万亿美元之后。