美国联邦调查局（FBI）近期依据《Take It Down Act》（TIDA）逮捕了两名涉嫌利用AI制作并传播非自愿色情深度伪造内容的人员。FBI探员在调查中揭示，这些嫌疑人留下的数字痕迹之多，使得识别其真实身份变得异常简单。 **案件概述** 20岁的Arturo Hernandez被指控发布了113个专辑，包含近50名女性的AI生成色情图片和视频，总浏览量接近100万次。受害者包括政治人物、演员、音乐人，以及他高中同学和Instagram好友。另一名51岁的Cornelius “Neil” Shannon则被指控发布了约360个AI生成专辑，涵盖约90名女性，浏览量超过200万次。 **调查手段** FBI探员Christopher Powell在证词中详细说明了追踪过程。调查人员首先访问色情网站，通过点击#AI、#Deepfakes等标签或“AI_tits”、“Ass_AI”等视频标题寻找线索。在Hernandez案中，他们发现一个重复发布其内容的账号，该账号关联了Hernandez的PayPal账户，且登录IP与Hernandez的iCloud记录一致。更关键的是，Hernandez在Instagram上保存了某位受害者的照片，而这张照片正是用于生成AI色情内容的素材——该内容已被浏览超过3.6万次。 尽管Hernandez试图用昵称“Ryan”注册Gmail来掩盖身份，但该昵称同样出现在其Snapchat等社交账号上，使得关联变得简单。相比之下，Shannon的防范意识更弱，调查人员更容易锁定他。 **法律背景** 《Take It Down Act》于2024年签署成为法律，专门针对未经同意发布深度伪造色情内容的行为。这些早期逮捕案例表明，执法部门无需复杂手段即可识别嫌疑人——因为网络平台上的数字足迹（如IP地址、支付账户、社交账号关联）往往难以彻底隐藏。 **行业影响** 此案再次引发对AI生成内容监管的讨论。随着AI工具普及，制作深度伪造色情内容的门槛大幅降低，但追踪发布者的技术手段也在同步进化。FBI探员指出，许多用户误以为使用昵称或假名就能匿名，实则忽略了IP、支付信息等多重关联。对于科技平台而言，如何平衡用户隐私与内容审核，仍是持续挑战。 **小结** AI色情内容的非法传播并非无法追踪。FBI的这次行动显示，即使嫌疑人试图伪装，数字世界中的痕迹依然清晰可辨。对于潜在违法者而言，“匿名”可能只是一种幻觉。
Hugging Face 近日发布了 **LeRobot Humanoid** 项目，一套售价仅 **2500 美元** 的 3D 打印人形机器人腿部方案，旨在为研究者和爱好者提供低成本、可复现的物理实验平台。该项目不仅开源了 **3D 打印零件文件**、物料清单和组装指南，还配套了 **标定与仿真控制软件**，让用户能在模拟和真实环境中训练 AI 算法。虽然性能不及高端人形机器人，但其 **可修复、可修改** 的设计思路有望打破行业垄断，加速机器人研究民主化。 ## 项目背景与定位 Hugging Face 以机器学习社区闻名，近年来积极拓展机器人领域。LeRobot Humanoid 是其 **开源机器人战略** 的一部分，此前已推出 3D 打印机械臂。项目负责人 Virgile Batto 在博客中坦言：“这不是最先进的人形机器人，而是你能 **自己建造、理解、修复** 并用于学习实验的机器人。” ## 硬件与软件双开源 - **硬件**：基于 3D 打印件、现成五金件和低成本执行器/电子元件，总成本控制在 2500 美元。设计强调 **易装配、易维修**，支持快速迭代。 - **软件**：提供标定工具和仿真环境，实现“仿真训练→实物验证→数据反馈”的 **全闭环开发流程**，显著降低算法从虚拟到现实的迁移门槛。 ## 行业意义与未来规划 当前仅发布腿部组件，但 Hugging Face 承诺后续将集成 **上半身** 及更复杂的行为能力。CEO Clem Delangue 曾表示，此举旨在 **对抗大公司垄断**，让中小实验室和独立开发者也能参与人形机器人研究。在 AI 与机器人融合加速的当下，低成本平台或将成为 **具身智能** 研究的“催化剂”。 ## 小结 LeRobot Humanoid 不追求性能极致，而是以 **可及性** 和 **可复现性** 破局。2500 美元的价格，配合完整的开源资料，可能催生一批新的实验成果。对于想从仿真走向实物的研究者而言，这或许是目前最友好的起点。
美国国家运输安全委员会（NTSB）近日宣布，暂时关闭其民用运输事故在线档案系统，原因是互联网用户利用 AI 和图像识别技术，从公开的事故调查材料中重建了已故飞行员的驾驶舱录音。这一做法触犯了美国联邦法律——该法律明确禁止 NTSB 公开驾驶舱语音记录器中的音频内容。 ## 事件起因：AI 重建再现空难最后时刻 2025年11月4日，一架联合包裹服务公司（UPS）的 MD-11F 货机在肯塔基州路易斯维尔起飞后不久坠毁，原因是结构故障导致发动机脱离机身。机上三名飞行员全部遇难，地面另有12人死亡、23人受伤。 在调查过程中，NTSB 照例发布了包含声谱图等证据的公开材料。然而，有网民利用 **AI 工具和图像识别技术**，从这些声谱图中逆向还原出近似驾驶舱录音的音频，并在互联网上传播。这些重建音频模拟了飞行员在坠机前最后几秒的声音，引发了隐私和伦理层面的激烈讨论。 ## 法律红线：1990年的隐私保护法 美国国会早在1990年就通过了一项联邦法律，禁止 NTSB 公开任何驾驶舱语音或视频记录器的内容，旨在保护机组人员的隐私。该法案的出台源于一起先例：1988年达美航空1141号班机坠毁后，一家电视台播放了驾驶舱对话，引发飞行员群体的强烈反对。 前 NTSB 事故调查员、现分析师 **Ben Berman** 指出：“几十年来，这项法律一直是让飞行员愿意在日常工作中接受录音的关键保障——他们本就在面临生命危险。”一旦录音被公开，可能破坏飞行员与调查机构之间的信任关系。 ## 技术引发的监管困境 此次事件凸显了 AI 时代传统法律框架的脆弱性。虽然 NTSB 从未直接发布音频，但公开的声谱图等可视化数据，在 AI 的“逆向工程”下变得可被还原。NTSB 在声明中承认：“图像识别和计算方法的进步，使个人能够从调查发布的声谱图像中重建驾驶舱录音的近似版本。” 目前，NTSB 已暂停所有公共访问权限，以重新评估哪些材料可以安全发布而不违反法律。但专家指出，这并非长久之计——随着 AI 技术日益普及，完全阻止此类重建将变得越来越困难。 ## 行业影响与未来展望 这一事件可能促使监管机构重新审视公开数据与隐私保护之间的平衡。一方面，调查透明性是公众信任的基础；另一方面，驾驶舱录音的敏感性不容忽视。 对于航空业而言，AI 重建音频的行为可能引发连锁反应：飞行员可能对录音产生更多顾虑，甚至影响安全报告文化的有效性。而对于 AI 行业，这再次敲响了警钟——技术能力越强，越需要清晰的伦理边界和法律规范。 目前，NTSB 尚未公布系统恢复访问的具体时间表。但可以预见，这不会是最后一次技术挑战法律边界的案例。
美国总统唐纳德·特朗普原计划于周四签署一项行政令，授权政府在尖端AI模型公开发布前对其进行安全测试，但就在签署仪式前数小时，他突然取消了这一活动。据《纽约时报》报道，特朗普原本希望顶级AI公司的高管能出席仪式，但在得知部分CEO无法到场后，他决定取消活动——尽管他只提前了24小时通知。一些迅速调整行程赶来的AI高管在飞往白宫途中才得知活动取消。 Semafor的报道指出，OpenAI“支持”该行政令，但xAI创始人埃隆·马斯克和Meta CEO马克·扎克伯格据说帮助“破坏”了该命令，并敦促特朗普“取消它”。此外，特朗普的前AI顾问大卫·萨克斯也加入了推迟签署的推动。路透社称，科技行业游说反对该命令，担心安全测试会延迟模型发布或要求修改以阻碍模型开发。马斯克否认自己参与了取消活动，在X上称“这是假的”，并表示他不知道行政令内容。 特朗普自重新上任以来对AI监管采取不干预态度，但在Anthropic指出其最新模型Mythos的网络安全风险后，政府成员开始建议安全测试。计划是让更多公司自愿接受政府测试和审查。内部消息人士称，政府与科技行业的一个关键分歧是测试时间表：政府希望在发布前90天进行评估，而AI实验室只接受14天。行政令旨在让政府识别AI模型的安全漏洞，并修补系统以保护银行、公用事业等敏感行业。
记者兼作家 Steven Rosenbaum 的新书《真相的未来：AI 如何重塑现实》探讨了 AI 对真相的扭曲，但书中却出现了 AI 生成的“合成引述”。据《纽约时报》调查，书中至少有两处引述被当事人否认：科技记者 Kara Swisher 称自己“从未说过”某句话，东北大学教授 Lisa Feldman Barrett 则表示引述内容“不存在于我的书中，而且是错误的”。Rosenbaum 承认问题源于他在研究过程中使用了 AI 工具，并正在与编辑合作进行“引文审计”以修正后续版本。 然而，令人惊讶的是，Rosenbaum 并不打算放弃 AI。他表示自己“学到了教训”，未来会对 AI 输出“更加怀疑和谨慎”，但同时也认为 AI 是“神奇的”，因为它能“连接想法、提供思考路径”。他将 AI 比作托尔金笔下的“至尊魔戒”——使用者往往相信自己能掌控其力量。Rosenbaum 强调，AI 仅用于“浮现想法、定位文章、总结主题”，而“实际的报道、叙事结构、采访、论点和结论”完全属于他自己。 这一事件再次引发关于 AI 在写作中可靠性的讨论。Rosenbaum 的经历表明，AI 工具可能产生看似合理但实际错误的引述，而人类作者难以完全识别。尽管存在风险，许多创作者仍因 AI 的高效和创造力而难以割舍。Rosenbaum 计划继续使用 AI，但会加强验证流程，例如要求 AI 提供来源链接。 ## 行业启示 - **AI 的幻觉问题**：大型语言模型可能生成逼真但虚假的内容，包括引述、数据和事实。 - **人类监督的局限**：即使有经验的研究者，也可能被 AI 的流畅输出所迷惑。 - **未来方向**：工具厂商需改进引用机制，用户则需建立更严格的核查流程。
SpaceX 在近期提交的 IPO 文件中，将 AI 定位为公司未来的核心支柱，并宣称其潜在市场规模高达 26.5 万亿美元，几乎与美国名义 GDP 持平。这一数字远超第三方对全球 AI 市场的预测——Gartner 估计 2027 年全球 AI 支出为 3.3 万亿美元，花旗则预测 2030 年可能超过 4.2 万亿美元。SpaceX 的野心背后，是今年早些时候正式收购了马斯克旗下的 xAI 公司，并将其改组为 SpaceXAI 部门，负责 Grok 模型和聊天机器人的开发。然而，Grok 的市场表现远未达到预期。据 AppMagic 对 26 万美国消费者的调查，2026 年第二季度仅有 0.174% 的受访者为 Grok 付费，而 ChatGPT 的付费率超过 6%。企业级市场上，Anthropic 的 Claude 和 Google Gemini 也在过去一年快速增长。马斯克本人曾在针对 OpenAI 的诉讼听证会上承认，xAI 是“最小的 AI 公司”。SpaceX 的 S-1 文件强调，其传统火箭发射和卫星业务将作为 AI 业务的支撑。但分析师指出，SpaceX 需要首先在 AI 竞争中追赶资金雄厚的对手，包括由科技巨头背书的 OpenAI 和 Anthropic。此外，SpaceX 提出的“轨道数据中心”概念——将 AI 计算部署在太空——在技术上仍面临延迟、散热和成本等挑战。目前，Grok 的整合优势仅局限于马斯克旗下的社交平台 X，尚未形成广泛的生态效应。SpaceX 的 AI 豪赌能否成功，取决于其能否在模型能力、用户获取和商业化上实现跨越式突破。
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。
机器人初创公司 Figure AI 近日进行了一场持续数日的人形机器人直播，展示其最新型号 Figure 03 自主处理包裹的能力。这场原计划八小时的演示最终延长到近一周，吸引了大批科技爱好者围观，甚至有人将其比作“史蒂夫·乔布斯之后最伟大的产品演示”。 ## 直播内容与表现 从 5 月 13 日开始，Figure AI 的机器人被部署在一条传送带旁，任务是对各种小包裹（包括纸箱和软包装袋）进行条码检查，并将条码朝下放置到传送带上。整个过程完全自主，无需人工干预。CEO Brett Adcock 在 X 上表示，团队的目标是让机器人连续工作八小时——而此前一次演示仅持续了一小时。他坦言“有很高概率出问题”，但实际表现远超预期，机器人不仅持续运行了数日，还一度与人类实习生展开“效率竞赛”。 ## 技术亮点：Helix 02 神经网络系统 机器人依赖 Figure 自研的 **Helix 02** 神经网络系统，该系统支持全身控制和“长时程自主决策”。据官网介绍，机器人全身控制器基于超过 **1000 小时** 的人类运动数据训练，并在 **20 万个并行仿真环境** 中进行了模拟训练。Helix 02 完全在机器人本体的硬件上运行推理，无需云端支持。多台机器人之间通过网络通信，当电量不足（单次续航约 3-4 小时）或遇到软硬件故障时，它们可以自主请求同伴接替工作。 ## 行业视角与冷静思考 这场直播在社交媒体上引发狂热，YouTube 评论区为机器人起名，公司也迅速推出相关周边产品。但评论提醒，即便最惊艳的机器人演示也只反映了真实能力的“窄窗口”。人形机器人在工业物流等场景的落地仍面临可靠性、成本和泛化能力等挑战。Figure AI 的演示虽展示了自主性的进步，但距离大规模商用仍有距离。 ## 小结 Figure AI 的直播不仅是一场技术营销的成功案例，也折射出公众对人形机器人的情感投射。在 AI 与机器人产业加速融合的当下，这类演示无疑为行业注入了信心，但理性看待进展、避免过度炒作，才是技术健康发展的关键。
本周《自然》杂志发表了两篇论文，分别介绍了两款旨在帮助科学家提出和验证假设的人工智能系统。其中，谷歌的“Co-Scientist”被设计为“科学家在环”模式，即研究人员不断用其判断来指导系统。而来自非营利组织FutureHouse的系统则更进一步，能分析特定实验类型产生的生物学数据。尽管谷歌声称其系统也适用于物理学，但两篇论文均以生物学数据为主，且假设相对直接——某种药物对某疾病有效。这并非试图取代科学家或科学过程，而是利用AI最擅长的能力：处理人类难以驾驭的海量信息。 ## 系统差异与共同目标 两套系统均属于“代理型”AI，它们在后台运行，调用外部工具来完成任务（微软的AI科学助手也采取了类似策略；OpenAI似乎是个例外，它仅针对生物学微调了大语言模型）。尽管存在差异，但它们的共同目标是应对科学信息的泛滥：在线出版使得期刊数量激增，论文数量随之膨胀，研究人员很难跟上本领域进展，更不用说跨领域发现潜在关联。 FutureHouse团队指出：“通过专注于‘组合合成’（识别不同领域间的非明显联系），Robin系统有效瞄准了人类专家因知识分割而可能忽略的‘低垂果实’。”这正是AI的用武之地——在研究人员处理其他事务时，在后台消化同行评审文献。 ## 药物重定位的实际验证 两篇论文均聚焦于药物重定位任务，即寻找已有药物（如癌症治疗药物）的新用途。谷歌的Co-Scientist在多个任务上表现出色，其中一项涉及肝纤维化治疗。系统基于现有文献和数据库，提出了一种候选药物方案，而该方案随后在实验室测试中得到了验证。FutureHouse的Robin系统则展示了从假设生成到数据分析的完整流程：它能阅读论文、提取关键数据，并针对特定问题（如药物靶点）进行推理。在测试中，Robin成功识别出可用于治疗罕见病的已上市药物，其推测的准确性得到了后续实验支持。 ## 局限与展望 尽管结果令人鼓舞，但两篇论文也指出了当前AI系统的局限性。首先，它们高度依赖已有数据的质量——如果文献存在偏倚或实验设计有缺陷，AI的结论也会受影响。其次，AI目前仅能处理相对简单的假设（如“药物A对疾病B有效”），对于涉及复杂机制或因果关系的科学问题，仍需要人类科学家的深度参与。此外，系统的可靠性仍需更多独立验证：Nature论文中展示的成功案例数量有限，且多来自公开数据集，实际应用中的真实效果尚待评估。 总体而言，这些AI助手更像是“科学家的副驾驶”，而非“自动驾驶仪”。它们能加速文献综述、生成候选假设，但最终的设计、验证和解释仍需由人类主导。未来，随着AI系统能力的提升和数据源的扩展，这类工具或将成为科研基础设施的一部分，帮助科学家在信息爆炸的时代保持洞察力。
在 AI 内容真假难辨的时代，谷歌的 SynthID 水印技术正成为行业标准。谷歌宣布，其 SynthID 数字水印技术已被 OpenAI、英伟达等公司采用。自三年前首次亮相以来，SynthID 已标记了 1000 亿张图片和视频，以及相当于 6 万年的音频数据。 SynthID 与传统的元数据标注不同，它将水印直接嵌入内容的像素或波形中，使其更难被移除。谷歌 DeepMind 科学家 Pushmeet Kohli 表示，团队在提升水印鲁棒性上做了大量研究，即使经过压缩、裁剪或旋转，水印依然存在。尽管有研究者声称找到了移除方法，但谷歌坚称这些方法并未成功。 除了 SynthID，谷歌还支持 C2PA 标准。Pixel 10 手机拍摄的照片会包含元数据，描述图像的处理过程。如果高倍变焦照片包含生成式 AI 元素，也会被标记。谷歌还计划在未来几周内为 Pixel 8、9、10 的视频添加类似功能，并在 Gemini、Chrome 和搜索中集成 C2PA 扫描功能。 SynthID 的普及意味着更多 AI 内容将被可靠标记。谷歌在 Gemini 应用中已支持上传内容并询问是否由 AI 生成。随着 OpenAI 和英伟达的加入，SynthID 有望成为 AI 内容鉴伪的通用标准，帮助用户区分真实与虚构。
谷歌在今年的I/O大会上正式推出 **Gemini 3.5 Flash**，并宣称这款模型在保持前沿智能水平的同时，大幅提升了效率，有望让复杂的智能体（Agentic）任务真正实现规模化落地。 ## 速度与智能兼得 Gemini 3.5 Flash 的输出速度达到 **近300 tokens/秒**，而基准测试成绩与上一代旗舰模型 Gemini 3.1 Pro 相当——后者的输出速度仅为前者的四分之一。这意味着开发者可以用更低的成本、更短的时间获得同等质量的推理结果，尤其对需要长时间运行的智能体场景至关重要。 ## 效率突破：从“烧钱”到“划算” 生成式AI目前普遍面临成本高昂的困境，而智能体任务（如自动编程、多步骤工具调用）会进一步放大这一问题。Gemini 3.5 Flash 通过 **预训练和后训练的双重优化** 实现了效率飞跃。谷歌产品管理高级总监 Tulsee Doshi 透露，团队从开发者使用反馈中获得了关键洞察，特别是在代码生成和工具使用方面。 > “后训练阶段真正解锁了用户反馈的价值，比如来自 Antigravity 的反馈。你看到的代码性能和工具使用性能的提升，正是这些反馈的体现。” ## 代码能力跃升，对标GPT-5.5 谷歌此次重点强化了模型的代码生成能力，这是智能体方向的核心应用。在 **Terminal Bench** 和 **SWE-Bench Pro** 等专业基准测试中，Gemini 3.5 Flash 不仅大幅超越前代 Flash 模型，还小幅领先 Gemini 3.1 Pro，得分与 OpenAI 更大、更昂贵的 **GPT-5.5** 处于同一区间。 ## 产品落地：从今天开始 Gemini 3.5 Flash 即日起将陆续集成到谷歌的多个产品中。Doshi 强调，这只是开始，未来 3.5 Pro 将进一步提升性能，并延续“Flash 追上 Pro”的迭代节奏。 对于开发者而言，这一更新意味着：更快的响应、更低的推理成本，以及更可靠的智能体能力。如果效率优势能够持续，谷歌或许真的找到了让 AI 从“炫技”走向“实用”的关键路径。
美国最大电力公司 NextEra Energy 与第六大公司 Dominion 的拟议合并，不仅是资本市场的重磅交易，更折射出数据中心需求激增如何重塑整个电力行业。这笔价值 **670亿美元** 的并购案，将缔造一个在发电总量、天然气发电和可再生能源领域均占据领先地位的超级企业。然而，消费者权益倡导者和分析师警告，合并后的巨无霸可能对消费者和环境产生负面影响。 ## 数据中心：合并的核心驱动力 此次合并的关键在于 Dominion 的战略位置——它正是 **北弗吉尼亚** 的本地电力供应商，而该地区拥有全球最密集的数据中心集群。随着 AI 和云计算爆发，数据中心用电需求急剧攀升，NextEra 希望通过收购 Dominion 快速切入这一高增长赛道。Morningstar 股票分析师 Andrew Bischof 指出，这笔交易让 NextEra 能利用 Dominion 的专长和关系“加速其数据中心中心枢纽计划”，此前 NextEra 在监管同行中已落后。 ## 监管与消费者权益的隐忧 哈佛法学院电力法倡议主任 Ari Peskoe 直言：“合并是为了股东，而非消费者。” Dominion 股东将以溢价出售股份，高管也将因促成交易获得巨额回报，而“费率支付者都是事后才想到的”。合并后的公司市值仅次于埃克森美孚和雪佛龙，其巨大的财务和政治影响力将使有效监管变得异常困难。 ## 交易细节与未来走向 根据周一公布的提案，合并后的公司沿用 NextEra Energy 名称，由 NextEra CEO John W. Ketchum 领导。交易尚需州和联邦监管批准。对于普通家庭和企业而言，这意味着电价可能上涨：垄断性电力公司往往将数据中心基础设施成本转嫁给用户，而缺乏竞争的市场结构进一步削弱了消费者的议价能力。 ## 行业变局：AI 时代的能源博弈 这笔交易标志着电力公用事业进入新阶段：数据中心的能源需求正从技术问题演变为战略资产。NextEra 与 Dominion 的联姻，本质上是对未来计算基础设施控制权的争夺。但正如批评者所担忧的，当一家公司同时掌握发电、电网和数据中心资源时，如何在效率与公平之间取得平衡，将成为监管机构面临的严峻考验。
芝加哥一名男子因在Facebook群组“Are We Dating the Same Guy”中被多名女性指责为“糟糕约会对象”，试图利用AI生成的虚假法律引证起诉Meta和用户，结果不仅诉讼被驳回，其律师还可能面临制裁。 该案原告Nikko D'Ambrosio指控二十多名女性诽谤，并声称Meta通过推荐算法放大帖子以获取“娱乐价值”。然而，地区法院已以不可修正为由驳回诉讼。D'Ambrosio不服上诉，并委托了自称使用AI“发现传统律所错失的法律机会”的MarcTrent.AI律师事务所。该律所创始人Marc Trent在2025年的博客中吹嘘其“技术团队”起草了诉状，并声称AI能让胜诉率提高35%。 但第七巡回上诉法院的三名法官一致认为，上诉不仅“轻率”，而且充斥着“错误和虚构引文”，明显是滥用生成式AI的结果。法官David Hamilton指出，这些引文“带有生成式AI误用的典型特征”。事实上，Section 230（平台免责条款）甚至未被考虑，因为案件本身过于薄弱。 此案凸显了AI在法律领域的潜在风险：盲目依赖AI生成内容可能导致虚假引证、事实错误，甚至招致制裁。律师若未经核实即将AI输出直接用于法庭文件，可能违反职业道德。同时，这也警示公众：社交媒体上的差评通常受言论自由保护，除非涉及明确诽谤或威胁，否则难以通过诉讼删除。 目前，上诉法院已下令要求D'Ambrosio的律师说明为何不应受到制裁。最终结果将取决于法院是否认定其存在主观恶意或严重疏忽。无论如何，此案已成为AI误用导致法律反噬的典型教材。
**关键判决**：经过九天审理，加州陪审团一致裁定埃隆·马斯克对OpenAI及其创始人山姆·奥特曼和格雷格·布罗克曼的诉讼因超过诉讼时效而无效。马斯克指控OpenAI背弃非营利初衷，转向营利模式使其数十万美元捐赠“打了水漂”，但陪审团认定他早在2021年就知晓重组计划，却拖到2024年才起诉，超过了三年时效。法官伊冯·冈萨雷斯·罗杰斯当庭确认判决，并解除陪审团保密义务。微软作为共同被告也被判无责。 **马斯克后续计划**：其律师马克·托贝罗夫立即表示将上诉。有趣的是，马斯克本人并未出现在法庭听取判决，他的律师此前还因他无视法院传票而道歉。OpenAI律师威廉·萨维特在交叉询问中利用曾代理马斯克的优势，成功激怒对方，为胜诉铺路。 **行业背景**：此案折射出AI领域非营利与营利模式的深层矛盾。OpenAI最初以慈善机构身份获得马斯克资助，但2019年转向“有限营利”模式，2023年估值超800亿美元。类似争议在AI行业并不鲜见，如DeepMind被谷歌收购后也面临“使命漂移”质疑。 **微软反应**：微软发言人表示欢迎判决，称“事实和时间线一直很清楚”，并重申与OpenAI的合作承诺。分析人士指出，若马斯克胜诉可能迫使OpenAI重组，影响微软在AI领域的布局。 **后续影响**：尽管此案暂告段落，但AI治理的争议未消。马斯克还曾提起另一项针对OpenAI的联邦诉讼，指控其违反反垄断法，该案仍在审理中。行业观察者认为，这起事件可能推动更多AI初创公司明确其法律结构，避免类似纠纷。
漏洞赏金计划曾是企业发现软件安全漏洞的利器，如今却因 AI 生成的低质量报告泛滥而面临危机。多家知名企业被迫暂停或调整计划，以应对“永不停止的 AI 垃圾报告”。 ## 从惊喜到困扰：AI 如何冲击漏洞赏金生态 过去，独立安全研究人员通过发现漏洞赚取赏金，企业则借此提升产品安全性，形成双赢。然而，生成式 AI 的普及正在打破这一平衡。Bugcrowd——客户包括 OpenAI、T-Mobile 和 Motorola——报告称，**2025 年 3 月，其收到的报告数量在三周内激增 4 倍**，但绝大多数被证实为虚假。Curl（广泛使用的数据传输工具）于 2025 年 1 月暂停付费赏金计划，其创始人 Daniel Stenberg 直言“AI 垃圾报告爆炸式增长”，不仅耗费大量管理精力，有时还需长时间验证才能戳穿。 ## 三类“肇事者”：从新手到 AI 自动化系统 网络安全公司 Sophos 的首席信息安全官 Ross McKerchar 指出，低质量 AI 报告激增背后有三类人群：一是初次尝试的业余爱好者，二是被 AI 工具误导的现有研究人员，三是“有经验的 AI 构建者”——他们开发了**端到端自动化扫描与提交系统**，造成“绝对混乱”。这些自动化系统能够批量生成报告，但缺乏对漏洞真实性的判断，导致企业安全团队被海量无效信息淹没。 ## 连锁反应：企业被迫调整策略 Nextcloud 于 2025 年 4 月暂停其漏洞赏金计划，理由是“低质量报告大量增加”。McKerchar 认为，**漏洞赏金计划不会消失，但必须改变**。例如，企业可能引入更严格的报告筛选流程，或要求提交者提供更详细的验证信息。尽管 Google 的赏金计划 2024 年支付总额达 1700 万美元（高于 2021 年的 750 万美元），但 AI 垃圾报告问题可能迫使其重新评估审核机制。 ## 行业反思：AI 的双刃剑效应 AI 在安全领域的应用本应提升效率——有经验的研究人员可利用它更快发现漏洞。但当前现状显示，**AI 降低了入门门槛，却未同步提升报告质量**，形成“劣币驱逐良币”的隐患。Curl 的 Stenberg 坦言，管理这些垃圾报告已造成“严重的精神负担”。业界呼吁建立更智能的过滤机制，或通过赏金分层来区分高质量与低质量贡献。 ## 小结 AI 生成的垃圾报告正从“技术问题”演变为“运营危机”。漏洞赏金计划的未来，可能在于更严格的准入标准、更高效的自动化筛选，以及社区对“AI 辅助但非主导”的共识。对于依赖社区安全力量的企业而言，平衡开放性与质量控制，将是下一阶段的关键挑战。
美国商品期货交易委员会（CFTC）正加大对预测市场的监管力度，并借助人工智能（AI）工具来识别可疑交易行为。CFTC主席Michael Selig表示，该机构将追查利用VPN绕过限制进入境外平台（如Polymarket）的美国交易者，并利用AI分析交易模式以发现内幕交易和市场操纵。 过去一年，预测市场似乎进入了欺诈的“黄金时代”。在Polymarket上，交易者通过对委内瑞拉突袭、伊朗战争等地缘政治事件进行精准投注而获利，这些交易的时机可疑。由于Polymarket基于加密货币的平台在技术上位于境外，不受美国监管，外界曾质疑美国政府是否会追查这些行为。 如今，CFTC明确表态将严查。Selig称，该机构正在扩充人手，并像许多其他机构一样，利用AI自动化工具处理日益增多的数据。他表示：“当你把大量数据输入AI，就能获得极有价值的信息。它能帮助我们判断哪些地方需要调查，何时需要向交易者发出传票。” 除了内部开发的专有监控系统，CFTC还使用第三方区块链追踪工具（如Chainalysis）用于加密平台，以及市场滥用检测软件（如纳斯达克的Smarts）用于中心化市场。不过，该机构未透露具体使用的AI工具名称。 与此同时，预测市场公司也在加强自查。美国本土交易所Kalshi已暂停并处罚了因内幕交易和市场操纵而被标记的客户。Polymarket在因内幕交易嫌疑遭到强烈反对后，于4月宣布与Chainalysis合作，作为打击违规行为的一部分。 这一动向表明，美国监管机构正积极利用AI技术应对预测市场中的新型金融犯罪，并可能对跨境加密平台施加更大压力。
Anthropic 因使用盗版书籍训练 AI 而达成的 15 亿美元版权和解协议，正面临越来越多的反对声音。美国联邦法官 Araceli Martinez-Olguin 已推迟对该协议的最终批准，要求各方回应部分作者提出的关键异议。 ### 和解背景与争议焦点 该和解协议被誉为美国历史上最大规模的版权和解案，涉及 Anthropic 在训练 AI 模型时未经授权使用大量受版权保护的书籍。然而，多名作者和集体诉讼成员提出强烈反对，主要聚焦于律师费用过高和作者赔偿过低的问题。 ### 律师费 vs 作者赔偿：悬殊的对比 反对者指出，律师团队要求从和解基金中提取超过 **3.2 亿美元** 的法律费用，而每位作者预计仅能获得 **3000 美元** 的赔偿。作者 Pierce Story 在提交给法院的文件中表示：“律师从和解基金中拿走的每一美元，都是本应给予实际受害者的钱。”他估算，按此费用计算，律师的小时费率高达 **1万至1.2万美元**，远超合理范围。 Story 还引用 T-Mobile 案中第八巡回法院的裁决，指出“没有理性的集体成员愿意支付”远低于此的律师费（7000-9500 美元）。他认为，律师违背了将费用与成员赔偿挂钩的承诺，且其费用计算基于整个和解基金，而许多有权获得赔偿的作者尚未注册，很可能无法得到补偿。 ### 法院的考量与下一步 法官 Martinez-Olguin 要求作者方在 4 月 29 日前提交补充材料，回应反对者的关切。值得注意的是，作者律师在 3 月 27 日的听证会上确认，已有 **92%** 的受版权保护作品（超过 48 万件）的权利人提交了索赔申请，但这并未平息反对者的质疑。 ### 行业影响 此案可能为 AI 训练数据的版权使用树立重要先例。如果和解最终被批准，或将鼓励其他 AI 公司通过类似方式解决版权纠纷；若被驳回，则可能引发更严格的版权审查和诉讼浪潮。目前，法院尚未公布新的听证会日期。
AI 生成的虚假内容已经渗透到学术出版的各个环节——伪造引用、未经编辑的提示词回复、毫无意义的图表，这些都能绕过编辑和同行评审溜进文献库。现在，**arXiv** 这个物理学和天文学领域最重要的预印本服务器，终于对 AI 垃圾论文亮出了“红牌”。 ### 新规：一年禁投 + 永久预审 arXiv 编辑咨询委员会成员兼版主 **Thomas Dietterich** 在社交媒体上宣布：任何向 arXiv 提交的不当 AI 生成内容，将导致**所有署名作者被禁止投稿一年**，且此后所有稿件必须先经过期刊的同行评审，arXiv 才会考虑接收。这一政策直接源自 arXiv 的版规——“提交内容必须符合学术交流的形式规范，包括适当且精心准备的章节、图表、参考文献等；要求整体上的严谨与细心。” ### 责任在作者，不在 AI Dietterich 强调，论文的所有作者对其内容共同负责。如果因疏忽提交了违反指南的材料——例如不当语言、抄袭、偏见性内容、错误、不准确引用或误导性信息——责任人是作者，而非 AI 工具。这意味着“AI 写的，我不知情”这类借口将不再有效。 ### 对学术圈的深远影响 对于高度依赖 arXiv 的领域（如天体物理学），发布预印本早已是常规流程的一部分，甚至比正式期刊发表更具传播影响力。一年禁投不仅意味着研究者无法及时公开成果，还可能影响其学术可见度和合作机会。而永久要求预审，则进一步增加了时间成本。 ### 行业背景：AI 污染学术已成顽疾 近年来，AI 生成内容在学术论文中泛滥成灾。2023 年，一篇发表于《Physica Scripta》的论文中出现了 ChatGPT 式回复的痕迹；2024 年，多篇论文被曝包含完全虚构的参考文献。arXiv 此举并非孤例——**Nature、Science** 等顶级期刊早已明确禁止将 AI 列为作者，并要求作者披露 AI 使用情况。但 arXiv 作为预印本服务器，直接采取“连坐式”惩罚，在学术平台中尚属严厉。 ### 专家观点与执行挑战 Dietterich 的声明虽非官方正式公告，但因其在 arXiv 管理层的身份，可信度较高。不过，如何准确识别“AI 生成内容”仍是难题。当前检测工具（如 GPTZero）的准确率有限，误判风险存在。arXiv 可能更多依赖版主人工审核与举报机制。 ### 小结 arXiv 的新规释放了明确信号：**学术共同体拒绝为 AI 垃圾买单**。对于研究者而言，这既是警示也是保护——在 AI 工具日益普及的今天，保持学术诚信和审慎态度，比以往任何时候都更重要。 （截至发稿，arXiv 官方尚未正式回应本文的确认请求。）
OpenAI 与苹果的 ChatGPT 合作似乎并不顺利。据 Bloomberg 援引多位匿名内部人士消息，OpenAI 对苹果的集成方式感到极度失望，甚至已聘请外部律师事务所评估法律选项。 ## 合作初衷：期待“下一个谷歌搜索”级别的分销 当苹果在 WWDC 上宣布将 ChatGPT 整合进 Siri 时，双方都充满期待。苹果将此次合作类比为当年将 Google 搜索嵌入 Safari 浏览器的经典交易——那笔交易为谷歌带来了数十亿美元的年收入。OpenAI 高层同样兴奋，认为这“每年能带来数十亿美元的订阅收入”。 ## 现实落差：苹果的“冷处理”令 OpenAI 不满 然而，集成上线后的体验让 OpenAI 大失所望。核心问题在于**苹果的设计选择**： - **使用门槛过高**：用户必须明确说出“ChatGPT”这一唤醒词，才能调用相关功能。这使得普通用户几乎不会主动使用该集成。 - **显示窗口过小**：ChatGPT 的回复仅在很小的弹窗中显示，信息密度低，容易被用户忽略。 - **缺乏推广**：OpenAI 怀疑苹果故意不推广这一功能，导致实际使用量远低于预期。 一位 OpenAI 高管形容道：“我们以为这是一个获取海量用户的绝佳机会……但苹果根本没有做出诚实的努力。” ## 法律选项与未来走向 据报道，OpenAI 已与外部法律团队合作，研究“近期可正式执行的多种选项”。此外，由于对此次合作心有余悸，OpenAI 已拒绝与苹果在其他 AI 模型项目上展开新的合作。 尽管 OpenAI 仍希望与苹果达成和解，但双方的关系已明显“紧张”。这一事件也再次凸显了 AI 公司在大平台生态中的弱势地位：即便拥有顶尖技术，如果平台方不给予足够的展示和入口，技术价值也难以兑现。 ## 行业启示 苹果与 OpenAI 的“联姻”破裂，并非技术问题，而是**商业合作中预期管理与执行细节的典型失败**。对于 AI 行业而言，这提醒所有创业公司：与平台巨头合作时，务必在合同中明确**曝光量、用户触达路径、分成机制**等关键条款，避免“跳进黑暗”式的信任。 而苹果的冷处理，或许也反映了其自研 AI 的战略考量——在自家模型成熟前，先用第三方方案“占位”，但又不愿让其过度抢风头。这对 OpenAI 来说，无疑是一次昂贵的教训。
宾夕法尼亚州正成为美国数据中心建设的热点地区，但随之而来的不仅是经济增长的期望，还有日益高涨的民众反对声浪。在最近一场由环保非营利组织“更好路径联盟”组织的线上市政厅会议上，约225名观众见证了超过20位发言者对数据中心产业的强烈不满。他们指责数据中心推高电价、消耗大量水资源、制造噪音污染并导致农村工业化，而州政府的管理方式被批评为缺乏透明度和公众信任。 **一场信任危机** 来自州首府附近梅卡尼克斯堡的小企业主Jennifer Dusart直言：“这是一个公共信任和透明度问题。太多美国人在决策做出后才得知这些项目。我们被碾压，而当公民提出担忧时，往往被斥为无知、情绪化或反进步。”她的话反映了与会者的普遍情绪：社区在数据中心选址和审批过程中被边缘化。 **数据中心的规模与影响** 根据数据中心项目追踪器的数据，宾夕法尼亚州目前有近60个数据中心项目处于正式提议、早期规划、已获批或正在建设阶段。这些项目的集中涌现对当地电网和资源构成巨大压力。尽管州长Josh Shapiro试图在欢迎数据中心与设置监管护栏之间寻求平衡，但他已成为众矢之的。 **政治后果初显** 东南部东惠特兰镇的Kelly Donia表示，她是一名注册民主党人，曾对Shapiro在2024年成为民主党副总统候选人感到兴奋，但现在她不再支持他，因为他过于迎合数据中心产业。“他正在失去基本盘，”她说，“我要让这变得清晰无比，我会确保他再也选不上任何公职。”这种情绪并非个案。埃默森学院11月的调查显示，宾夕法尼亚州居民对数据中心开发意见分裂：38%支持，35%反对。但昆尼皮亚克大学2月的民调发现，当问及是否反对在自己社区建设AI数据中心时，反对比例飙升至68%。 **社区动员与行业回应** 反对力量正在组织化。Karen Feridun今年1月创建的Facebook群组“宾夕法尼亚数据中心抵抗”最初只有几十名成员，如今已超过1.2万名关注者。该群组成为信息共享和行动协调的平台。目前，数据中心联盟（行业游说团体）尚未对此次会议发表评论。 **结语** 宾夕法尼亚州的案例揭示了AI基础设施扩张与地方社区利益之间的深层矛盾。随着更多数据中心规划涌现，如何在技术发展与民生保障之间找到平衡，将是政策制定者面临的严峻考验。这场市政厅会议不仅是情绪的宣泄，更是民主参与在新技术浪潮中的一次重要实践。