Healthcare organizations face significant challenges in managing patient scheduling, with manual phone-based workflows that are slow, costly, and difficult to scale. ScienceSoft, an AWS Services Partner, has developed an AI-powered voice scheduler that addresses these issues while maintaining strict HIPAA compliance. The solution integrates **Amazon Nova 2 Sonic** for natural voice interaction and **Amazon Bedrock Guardrails** to enforce responsible AI standards, ensuring patient data privacy and regulatory adherence. ### 市场背景与挑战 The AI patient scheduling software market is rapidly growing, valued at approximately $260 million in 2023 and projected to reach over $1.2 billion by 2030 (Grand View Research). Traditional scheduling is time-consuming: each booking takes 8–12 minutes, with patients spending an additional 8 minutes on hold. Staff consume about 30% of their time on scheduling tasks, leading to bottlenecks. Human representatives handle only 40–60 calls per day, resulting in 20–30% of calls unanswered during peak periods and an average abandonment rate of 30%. ### 解决方案架构 ScienceSoft’s AI voice scheduler leverages **Amazon Nova 2 Sonic** for real-time voice recognition and natural language understanding, enabling seamless patient interactions. To ensure compliance, the system incorporates **Amazon Bedrock Guardrails**, which filter sensitive health information, prevent data leakage, and enforce HIPAA rules. The architecture is designed to handle scheduling tasks such as collecting patient information, verifying insurance, checking provider availability, and confirming appointments—all while maintaining a conversational experience. ### 合规与隐私保障 HIPAA compliance is critical in healthcare AI. ScienceSoft’s solution uses Bedrock Guardrails to implement content filters, deny topics, and sensitive data redaction, ensuring that protected health information (PHI) is never exposed. The system also supports audit logging and access controls, meeting the strict requirements of healthcare regulations. ### 应用与扩展 This architecture can be adapted to other healthcare workflows, such as prescription refills, referral management, and patient follow-ups. By automating voice interactions, organizations can reduce operational costs, improve patient satisfaction, and scale scheduling capacity without compromising compliance. **小结**: ScienceSoft’s AI voice scheduler demonstrates how responsible AI can transform healthcare operations. By combining Amazon Nova 2 Sonic with Bedrock Guardrails, the solution delivers efficiency, compliance, and trust—key pillars for healthcare innovation.
Instagram负责人亚当·莫塞里（Adam Mosseri）近日预测，随着AI使用成本飙升，企业将不得不像管理薪资或其他运营开支一样管理AI代币支出，工程师未来可能面临AI工具使用预算上限。 ### 代币成本激增，企业面临新挑战 莫塞里在Lenny's Podcast访谈中指出，未来一两年内，一名优秀工程师的AI代币消耗速度可能等同于其薪资或雇佣成本。届时，企业需要设定合理上限来控制支出。所谓AI代币支出，是指处理AI提示与响应的计算成本。 Meta此前曾因内部AI代币消耗排行榜导致成本失控，预计2026年相关支出将达数十亿美元，最终被迫关闭该榜单。无独有偶，Uber在2026年AI编码预算于今年4月就已超支；微软则因代币成本过高，取消Claude Code许可证，转而将工程师统一到自家的Copilot CLI工具上。 ### 代币预算将成新管理维度 莫塞里强调，AI代币成本必须像其他资源一样被管理。他类比道：“我需要决定如何将GPU、CPU、存储等计算资源分配给不同团队，如何分配标注预算，如何分配人员编制——代币预算也将如此。”他补充说，每位工程师的代币上限应与其创造正向投资回报的能力成比例。 目前Meta尚未对任何员工设置代币上限，但莫塞里认为未来这样的限制是健康的。他同时预测，随着AI模型厂商之间的价格战加剧，代币成本终将下降。短期内，Meta已通过关闭“愚蠢的消耗行为”（如代币排行榜）来初步控制成本。“制造一个代币焚烧炉并不难，但它创造不了多少价值。” ### 行业趋势：从狂奔到理性 这一现象折射出AI行业从狂热探索转向成本管控的趋势。当AI工具成为生产力核心时，企业必须平衡创新冲动与财务可持续性。代币预算上限或将成为科技公司的新常态管理工具，如同当年的云计算成本治理一样。 对于工程师而言，未来可能需要在“无限制使用AI”和“被预算约束”之间找到新平衡。而对于AI模型提供商，价格竞争与成本优化将成为吸引企业客户的关键筹码。
Agnost AI 是一款面向聊天和语音智能体的产品分析工具，由 Shubham 和 Parth 两位童年好友共同创立，并已获得 Y Combinator 的 S26 批次支持。其核心能力是从生产环境的对话数据中自动识别用户行为失败模式，例如用户因愤怒而反复输入（rageprompting）、不断重新措辞同一问题、或对话最终未能转化等。这些失败往往是传统评估（eval）方法无法捕捉的，而 Agnost AI 能够持续分析真实对话，将高影响模式转化为可审查的修复方案，甚至自动生成代码补丁（PR）直接合并。 ## 核心功能与价值 - **意图与信号提取**：系统自动从对话中提取用户意图和情感信号，帮助团队理解用户真正想要什么。 - **失败检测与分类**：识别工作流断裂、重复重试、设置摩擦、流失风险等失败类别，并按优先级排序。 - **自动改进建议**：将最高影响的失败模式转化为具体的修复建议，团队可直接审查并实施。 - **自然语言查询**：支持用自然语言查询对话数据，降低分析门槛。 ## 真实用户反馈 多家早期用户给出了积极评价。**Google 软件工程师 YT Yuan Teoh** 表示，他们已将 Agnost AI 的全面可观察性功能集成到 MCP Toolbox for Databases 中。**Corgi Insure 的 Ana Paula Olaiz** 提到，Voice BDR 在 Agnost 揭示出实际转化的对话模式后，预约会议的能力显著提升。**Odysser 的 CTO Merouane Zouaid** 发现，用户对话中隐藏着大量尚未满足的功能请求，而 Agnost 帮他发现了这些“隐藏需求”。**Comp AI 的 CEO Lewis Carhart** 认为，Agnost 是他们改进智能体的关键工具。**Lopus AI 的联合创始人 Aamish Ahmad Beg** 则分享，Agnost 在一夜之间发现了对话中隐藏的 bug 并自动创建了 PR 进行修复。 ## 技术特点与定价 Agnost AI 兼容任何 LLM 和框架，基于 OpenTelemetry 标准，设置仅需 2 分钟。定价方面，提供**免费 Starter 版**，包含意图与情感信号提取、自动改进、失败检测与自然语言查询，每月最多处理 1,000 条消息。随着数据量增长，可升级付费以扩展规模。 ## 行业意义 随着 AI 智能体在客户服务、销售、产品引导等场景中的广泛应用，如何持续优化智能体表现成为关键挑战。传统评估方法依赖预定义测试集，无法覆盖生产环境中的真实用户行为变化。Agnost AI 通过直接分析生产对话，填补了这一空白，使智能体能够从真实交互中自我进化。这种“从失败中学习”的方法，有望成为 AI 产品迭代的标准实践。
根据战略对话研究所（ISD）最新发布的研究报告，**YouTube 和 X（原 Twitter）** 已成为非自愿深度伪造裸体应用（即“脱衣”应用）的主要流量入口。该报告分析了 2025 年 12 月至 2026 年 3 月期间，社交媒体平台如何将用户导向这些用于生成未经同意的性暴露图像的网站。研究发现，**社交媒体平台贡献了超过 570 万次访问**，其中 YouTube 独占 182 万次（超 30%），X 贡献 130 万次。这些流量多来自搜索“undress app”等关键词后出现的推广视频或帖子，部分内容甚至包含优惠码链接。 ### 平台政策与实际执行的鸿沟 ISD 高级研究主任 Melanie Smith 指出，YouTube 明确禁止发布性暴露内容及链接，但实际审核机制未能有效拦截相关引流内容。报告强调，YouTube 不仅是被动流量来源，更在主动“促进”这些工具的使用——例如，一些视频直接演示如何操作“脱衣”应用并附带折扣链接。X 平台虽然也有类似政策，但同样存在大量违规推广。 ### 深度伪造滥用问题加剧 此类应用利用 AI 技术，可在一分钟内生成逼真的裸体图像，**最低仅需 1 美元/张**。受害者多为女性，且图像一旦传播便难以彻底清除。ISD 警告，主流平台成为“网关”后，非自愿深度伪造内容的获取门槛大幅降低，可能引发更严重的隐私侵犯与网络骚扰问题。 ### 行业与监管的紧迫挑战 报告呼吁社交媒体平台立即采取行动，包括改进内容审核算法、禁止相关关键词搜索、并建立跨平台共享的黑名单机制。目前，YouTube 和 X 尚未对此报告作出正式回应。随着深度伪造技术日益普及，如何平衡言论自由与隐私保护，已成为科技巨头与监管者必须直面的难题。
谷歌图像搜索迎来两项重要更新：AI图像生成功能将直接集成到AI概览中，用户无需离开搜索结果即可根据文字描述创建图片。同时，谷歌图像页面将变得更动态，实时更新并个性化展示图片。 ## 当找不到完美图片时，AI来帮忙 谷歌图像搜索一直是我们寻找网络图片的得力助手，但有时我们脑海中有着非常具体的画面，却找不到现成的图片。现在，谷歌将AI图像生成直接引入搜索的AI概览功能，让用户能够“无中生有”。 根据谷歌官方博客，当用户搜索图片但结果不理想时，搜索词可以自动转化为文本提示，由谷歌最新的**Nano Banana模型**生成用户想要的图片。整个过程在AI概览窗口内完成，无需跳转到其他页面。谷歌表示：“有时完美的图片就在网络上等待被发现，但其他时候，你可能有一个高度具体的想法，而这样的图片还不存在。为了帮助实现这些独特的创意，我们将图像生成直接带入搜索的AI概览中。” ## 更新细节与可用性 这项AI图像生成功能将在未来几周内向英语用户推出。任何已支持在AI模式下创建图片的地区，都将在AI概览中获得同样的能力。 此外，谷歌图像页面本身也将迎来改版，变得更加动态——显示的图片将**实时更新**，并根据用户的兴趣进行个性化调整。在浏览图片时，用户仍然可以像往常一样将喜欢的图片保存到收藏夹。 ## 行业背景与意义 将AI图像生成直接嵌入搜索，是谷歌在AI领域持续加码的又一举措。此前，谷歌已在搜索中引入AI概览，为用户提供更直接的答案。如今，图像搜索的升级进一步模糊了“搜索”与“创作”的边界。用户不再只是信息的消费者，也可以成为内容的创作者。 这一功能对设计师、内容创作者和普通用户都极具吸引力。例如，在为演示文稿或社交媒体寻找配图时，如果找不到合适的，只需描述想法，AI即可生成定制图片。这大大降低了图像创作的门槛，也减少了反复搜索的时间成本。 ## 小结 谷歌图像搜索的更新体现了AI如何重塑传统工具。通过将生成式AI整合到搜索流程中，谷歌不仅提升了用户体验，也巩固了其在AI搜索领域的领先地位。未来，随着Nano Banana模型的持续优化，图像生成的质量和多样性有望进一步提升。
Google 图片迎来 25 年来最大变革，正式从纯粹的图片搜索引擎转型为以“发现”为核心的视觉灵感平台。新版界面采用 Pinterest 式的无限滚动画廊设计，用户登录 Google 账号后即可看到个性化的“为你推荐”（For You）图片流，并支持创建和管理收藏集。同时，Google 将 AI 图片生成功能直接集成到 AI Overviews 中，帮助用户将文本描述转化为定制图像。此举意在延长用户停留时间、提升广告收入，并降低对第三方创意工具的依赖。新设计将在未来几周内向美国桌面端英语用户逐步推送。
Google is announcing a big change to the Google Images homepage in honor of the platform's 25th anniversary this week. Instead of a mostly blank page with a search bar, the homepage will soon show you a bunch of images that it thinks you might like before you even start searching. The company says the […]
一位安全研究员发现，只需简单的提示技巧就能绕过主流大语言模型的安全防护，获取危险指令。这一问题普遍存在于几乎所有主流LLM中，揭示出整个行业的安全漏洞。研究员呼吁在将AI系统进一步融入社会前，应放缓部署、提高透明度，并开展大规模LLM安全研究。 ## 从《堡垒之夜》到致命配方 去年秋天的一个下午，研究员Dave Kuszmar和同事在《堡垒之夜》中与“达斯·维达”角色闲聊。这个由**Google Gemini**大语言模型驱动的角色，竟在几句“甜言蜜语”后详细描述了如何算牌、制造凝固汽油弹。Kuszmar发现，他开发的提示策略能轻松绕过LLM的安全护栏，让模型提供制作燃烧瓶、冰毒甚至浓缩铀设施的详细步骤。 ## 安全漏洞的根源 Kuszmar指出，AI公司为让模型更安全而设置的限制，反而成为攻击者可利用的杠杆。这些限制本身提供了模型“偏离轨道”的路径，导致系统被用于危险目的。更令人担忧的是，当研究者试图向相关公司报告漏洞时，**回复率极低**，整个行业对安全警告反应迟钝。 ## 行业性系统漏洞 Kuszmar的测试覆盖了几乎所有主流大模型，包括GPT系列、Claude、Gemini等，发现这些漏洞具有**普遍性**。这说明安全缺陷并非个别公司的疏忽，而是当前LLM架构和训练范式的通病。他呼吁AI实验室在模型部署前进行更严格的安全评估，并建立透明的漏洞披露机制。 ## 亟待行动 Kuszmar强调，随着LLM被集成到金融、医疗、军事等关键领域，这类漏洞的潜在风险正在急剧放大。他建议： - **放缓部署节奏**，确保安全措施先行 - **增加透明度**，公开模型的安全测试结果 - **投入大规模研究**，开发新的安全对齐技术 “在按下刹车为时已晚之前，我们必须拉响警报。”Kuszmar说。他的研究再次敲响警钟：AI安全不能仅靠公司自觉，需要行业标准和监管的介入。
Spotify 正在测试一项名为 **“Talk to Spotify”** 的新 AI 功能，允许 Premium 订阅用户通过聊天机器人以对话方式播放和探索音乐、有声书及播客。该功能出现在 Spotify 移动应用的“主页”和“正在播放”视图中，用户可以通过熟悉的 AI 文本框输入请求，或点击麦克风图标进行语音输入。 与 Amazon Music 去年整合 Alexa Plus 的类似功能相比，Spotify 的聊天机器人更进一步：它不仅提供 AI 驱动的推荐和一般性问答，还能参考用户的播放列表、喜爱艺术家、重复收听记录以及个人收听数据。这意味着你可以询问自己的收听历史，例如第一次听到某首歌的时间，或查看近期常听的流派，无需等到年度 Wrapped 报告。 该功能比之前的 **Prompted Playlist**（根据描述自动生成播放列表）更具对话性。现在，你可以让 Spotify 聊天机器人“播放一些我没听过的歌”，并通过进一步指令（如指定艺术家或要求“更欢快”）来控制播放内容。Spotify 表示，这一新的对话式体验旨在让平台“对每位听众更个性化、更有用”，这也是公司解决用户对算法不满的举措之一。此外，你还可以向 AI 询问正在收听内容的通用问题，例如歌曲发行时间、作者的其他作品等，使其类似于 Google Gemini 或 OpenAI ChatGPT 等聊天服务。 目前该功能处于 Beta 阶段，仅面向部分 Premium 用户开放。Spotify 尚未公布全面上线的具体时间，但这一尝试标志着流媒体平台正从被动推荐向主动对话式交互转变，AI 在音乐发现领域的应用正在加速。
如果你是一名Linux用户，可能对“发行版跳跃”（distro hopping）这个词并不陌生。它形容那些频繁更换不同Linux发行版的用户，而我正是其中一员。经过多年在Ubuntu、Fedora、Arch Linux等发行版之间反复横跳，我总结出7个明确信号，提示你该换系统了。 ## 信号一：频繁遇到软件兼容性问题 当你发现日常使用的软件无法安装或运行不稳定，而其他发行版却能流畅支持时，这就是最直接的提示。例如，某些专有软件仅针对Ubuntu或Fedora打包，在较小众的发行版上可能需要手动编译或依赖修补，耗费大量精力。 ## 信号二：系统更新频繁中断工作 滚动更新发行版（如Arch Linux）虽然能获得最新软件，但偶尔的更新冲突或依赖错误可能导致系统崩溃。如果你发现自己每周都要花时间修复更新问题，或许该转向更稳定的长期支持（LTS）版本。 ## 信号三：硬件驱动支持不足 新硬件（如最新显卡或无线网卡）在旧发行版上可能无法被正确识别。如果你需要频繁手动安装驱动或内核模块，而其他发行版开箱即用，那么换系统是明智之举。 ## 信号四：桌面环境审美疲劳 Linux的魅力之一在于桌面环境可定制，但长时间使用同一环境（如GNOME或KDE）可能产生审美疲劳。如果你开始羡慕其他发行版的默认外观或工作流程，不妨试试搭载不同桌面环境的发行版。 ## 信号五：社区氛围不再契合 每个发行版都有独特的社区文化。如果你发现论坛或邮件列表中的讨论风格、帮助力度或价值观与你不符，寻找一个更活跃、更友好的社区能提升使用体验。 ## 信号六：性能瓶颈凸显 老旧硬件上，某些发行版可能因默认服务过多而变得缓慢。轻量级发行版（如Lubuntu或Puppy Linux）能显著提升响应速度。如果你感觉系统越来越卡，换一个更精简的发行版可能是解决办法。 ## 信号七：好奇心驱使 有时换系统纯粹出于探索欲。Linux世界有数百个发行版，每个都有独特设计理念。尝试新发行版不仅能学习新知识，还能找到更适合工作流的工具。 ## 小结 发行版跳跃并非坏事，它体现了Linux生态的多样性和用户的自主权。但频繁切换也会带来数据迁移、学习成本等问题。建议在换系统前备份重要数据，并先在虚拟机中试用。最终，找到那个让你“定居”的发行版才是目标——不过，对于像我这样的“跳蚤”来说，这个过程本身也是一种乐趣。
纽约州成为全美首个暂停大型数据中心审批的州。州长凯西·霍楚尔（Kathy Hochul）明确表示，由AI驱动的数据中心建设热潮不应以牺牲居民电费、水资源和本地自治为代价。 ## 政策背景：环保与民生的权衡 此次暂停令针对的是**大型数据中心**，即那些因AI训练和推理需求而急剧增加能耗的设施。近年来，科技巨头纷纷在纽约州布局算力基础设施，带动了当地土地和电力需求的飙升。然而，数据中心不仅是“电老虎”，其冷却系统对水的消耗也引发了社区担忧。霍楚尔州长在声明中强调：“我们不能让AI的发展变成对普通家庭的隐性征税。” ## 行业影响：首个州级禁令的连锁反应 纽约州的决定可能成为其他州的参照。目前，弗吉尼亚州、俄勒冈州等地也在审议类似法案，但纽约是第一个付诸行动的。**这一政策直接冲击了正在规划中的项目**，包括一些已获得初步许可但尚未动工的站点。 数据中心运营商面临两难：要么将项目迁移至监管更宽松的州，要么投入更多成本优化能效和用水方案。但后者可能推高建设成本，削弱纽约作为AI基础设施枢纽的竞争力。 ## 深层矛盾：AI繁荣与基础设施瓶颈 过去两年，生成式AI的爆发式增长让数据中心需求呈指数级上升。据行业估计，到2030年，全球数据中心的电力消耗可能占全球总发电量的8%以上。纽约州的暂停令恰恰点出了这一矛盾：**技术发展速度超过了社会基础设施的承载能力**。 霍楚尔州长特别提到“地方控制权”问题——许多社区对数据中心选址缺乏话语权，而州级审批机制又未能充分评估长期影响。此次暂停将为修订法规争取时间，比如引入更严格的能效标准、水资源循环要求，以及社区参与条款。 ## 未来展望：暂停还是转向？ 暂停令并非永久禁止，而是为期**12个月**的审查期。在此期间，纽约州公共服务委员会将联合环保部门制定新的数据中心准入规则。可能的改革方向包括： - 强制使用可再生能源比例 - 限制冷却水来源（如禁止使用饮用水） - 对数据中心产生的余热回收提出要求 - 建立社区收益共享机制 对于科技公司而言，这既是挑战也是机遇。那些已经在能效和可持续性上提前布局的企业，可能会在新规中占据优势。例如，采用液冷技术、利用废热供暖的项目，有望更快获得批准。 ## 小结 纽约州的此举标志着AI基础设施建设从“野蛮生长”进入“精细化监管”阶段。它提醒整个行业：技术的进步不能脱离社会成本和生态代价。未来，数据中心选址将不再只是技术和商业决策，更是一场涉及能源、环境与民生的复杂博弈。
## 突发禁令：纽约按下数据中心“暂停键” 纽约州近日通过一项为期一年的数据中心建设禁令，立即引发AI行业强烈反响。这一决定意味着在未来12个月内，纽约将不再批准任何新建数据中心项目，现有设施的扩建也受到严格限制。此举被外界视为反AI运动的一次“里程碑式”行动，可能为其他地区树立先例。 ## 禁令背后的深层博弈 数据中心是AI算力的“心脏”，大模型训练、推理均依赖其庞大的电力与冷却资源。纽约此次禁令的官方理由聚焦于能源消耗与环境影响：数据中心占全州电力需求的比例已从2018年的5%跃升至2024年的12%，而新建项目往往选址于电网负荷本就紧张的区域。环保团体与部分居民长期抗议数据中心带来的噪声、水资源浪费及碳排放问题，最终推动了这一激进政策。 然而，科技界对此反应激烈。**AI初创公司与大型云服务商**（如微软、谷歌）在纽约有大量部署计划，禁令直接打乱了它们的算力扩张时间表。一位业内人士指出：“纽约是全美AI人才最密集的地区之一，现在却成了算力‘孤岛’。”更令人担忧的是，若其他州效仿，美国AI基础设施的全国性布局将面临严重碎片化风险。 ## 行业影响：算力焦虑加剧 从产业角度看，禁令可能产生三重连锁反应： 1. **成本飙升**：现有数据中心租金预计上涨30%以上，迫使企业转向新泽西、宾夕法尼亚等周边州建设设施，但跨州数据传输延迟将影响实时AI应用（如自动驾驶、金融交易）。 2. **创新受阻**：纽约高校（如哥伦比亚大学、纽约大学）的AI研究团队依赖本地算力进行模型训练，禁令可能导致研究进度滞后。 3. **政策信号**：这是美国首个州级数据中心专项禁令，可能被欧洲、亚洲部分城市视为“气候行动模板”，从而引发全球性算力政策收紧。 ## 未来走向：一年窗口期的博弈 禁令并非永久性措施，它为各方留下了谈判空间。纽约州政府计划在这一年内完成数据中心环境影响评估报告，并制定新的监管框架。科技公司已开始游说，承诺使用100%可再生能源、采用液冷技术降低水耗，甚至提议为社区提供补偿基金。 **关键看点**在于：一年后是否恢复建设，以及新规是否包含强制性绿色标准。若纽约最终妥协，可能成为“监管与产业平衡”的范本；若坚持严控，则可能加速AI企业撤离，削弱本地技术生态。 ## 小结 纽约的数据中心禁令，表面是局部能源政策，实则是AI产业高速扩张与可持续发展之间的矛盾缩影。在全球算力需求以每年20%以上速度增长的背景下，如何协调技术创新与资源约束，将是未来十年最棘手的治理难题之一。纽约的这一年，或许正是整个行业寻找答案的倒计时。
美国 AI 初创公司 Reflection AI 与欧洲 AI 基础设施公司 Nebius 签署了一份价值 10 亿美元的算力协议，以获取训练和部署其开源模型所需的计算资源。 ## 协议细节 根据协议，Nebius 将为 Reflection 提供 **Nvidia 最新的芯片** 算力。Nebius 前身为俄罗斯科技巨头 Yandex 的国际业务部门，近年来已与多家科技巨头签署大额基础设施协议，包括与 Meta 的 **270 亿美元** 五年期协议，以及与微软的 **194 亿美元** 多年协议。 ## 背景与趋势 这笔交易发生在 Reflection 与 SpaceX 签署类似算力协议仅数周后，反映了 AI 公司为争夺稀缺算力资源而展开的激烈竞争。Reflection 成立于 2024 年，由两位前 Google DeepMind 研究员创立，目前估值 **80 亿美元**，已从 Nvidia、Sequoia Capital 和 Lightspeed Venture Partners 等投资者处筹集近 **26 亿美元**。 ## 行业意义 Reflection 是多家备受关注的开源 AI 模型开发商之一。当前，关于顶级闭源 AI 模型价值的争议日益激烈，**数据保留担忧** 和 **政府干预** 促使业界转向开源方案。上月，特朗普政府施压 Anthropic 和 OpenAI 限制其最强大的新模型，引发对 AI 模型访问可能随时被撤销的担忧。加之中国开源模型的进步，主流对开源 AI 的兴趣显著增加。 ## 展望 这笔交易进一步凸显了算力在 AI 竞赛中的核心地位。随着开源模型与闭源模型的竞争加剧，Reflection 等初创公司通过大规模算力协议确保资源，有望推动开源 AI 技术的快速发展。 *TechCrunch 已联系 Reflection 和 Nebius 以获取更多信息。*
当全球目光聚焦于 GPT-5、Gemini Ultra 等前沿大模型时，Hugging Face CEO Clem Delangue 却指出：**企业级 AI 的真正战场正在转向开放模型**。成本、可获取性和所有权成为企业选择模型的关键考量，前沿模型的重要性或许正在被重新定义。 ## 开放模型为何成为企业首选？ Delangue 在近期访谈中强调，多数企业并不需要最前沿的模型能力。对于内部文档处理、客户服务自动化、代码辅助等高频场景，**开放模型在性能上已足够胜任**，而成本却低得多。以 Llama 2、Mistral 等为代表的开放模型，不仅可免费商用，还能在本地部署，避免数据外泄风险。 此外，**所有权与控制权**是企业转向开放模型的核心驱动力。使用闭源前沿模型意味着依赖单一供应商，而开放模型允许企业自行微调、定制，甚至基于自身数据训练专属版本。这种灵活性在金融、医疗等强监管行业尤为关键。 ## 前沿模型的价值正在稀释？ Delangue 的观点并非孤例。AI 开源社区的数据显示，Hugging Face 上托管了超过 50 万个模型，其中绝大多数为开放模型，且下载量持续攀升。相比之下，前沿模型的 API 调用增长虽快，但**总使用量可能已被开源生态超越**。 这意味着，即使 OpenAI、Google 等继续在基准测试上刷新纪录，**实际生产环境中运行的 AI 很可能多数是开放模型**。对于企业而言，与其追逐每年提升几个百分点的前沿性能，不如选择已足够好、成本可控且可自主掌控的开放方案。 ## 对 AI 行业的启示 这一趋势正在重塑 AI 产业链： - **云服务商**：开始大力支持开放模型部署，如 AWS 推出 Bedrock 集成 Llama 2，Google Cloud 提供 Vertex AI 上的开源模型。 - **初创公司**：专注于模型微调、私有化部署等服务的公司迎来机遇。 - **企业决策者**：需重新评估“前沿模型焦虑”，优先考虑实际业务需求与总拥有成本。 当然，前沿模型在复杂推理、多模态等领域的突破仍具战略价值。但Delangue 的观察提醒我们：**AI 的规模化落地可能不再依赖最前沿的技术，而在于最广泛的可及性**。这场竞赛的终点，或许不是参数规模的比拼，而是谁能通过开放生态让 AI 真正渗透进每一个商业场景。
Apple Watch 的功能已经足够强大，但合适的配件能将它从一块智能手表真正变成生活与工作的全能助手。经过长期使用和对比，我筛选出 5 款值得入手的配件，其中部分目前正在促销。 ## 1. 充电底座：告别凌乱桌面 **Nomad Base One Max** 是我用过最扎实的充电底座。它采用金属机身和皮革底座，支持 Apple Watch 的快速充电（包括 Ultra 机型），同时还能为 iPhone 和 AirPods 充电。虽然价格不菲，但做工和稳定性都值回票价。 ## 2. 保护壳：轻薄与防护兼得 **Spigen Ultra Hybrid** 保护壳几乎是 Apple Watch 的“隐形铠甲”。透明背板不会遮挡表身设计，边框有足够的缓冲能力，日常磕碰和轻微刮擦都不用担心。关键是它非常薄，戴着依然能塞进紧身袖口。 ## 3. 表带：把个性戴在手上 **Nomad Sport Band** 是我日常佩戴的首选。它用 FKM 氟橡胶制成，比原装硅胶表带更柔软亲肤，运动出汗后也不会黏腻。颜色选择丰富，从低调的黑色到亮眼的橙色都有。如果你喜欢皮质质感，**Nomad Modern Band** 的 Horween 皮革会越用越有味道。 ## 4. 屏幕贴膜：防刮防指纹 **LK 屏幕保护膜** 提供了几乎无感的防护。它采用静电吸附，安装简单且不留气泡。疏油层处理得很到位，指纹和油污一擦就掉。虽然 Apple Watch 屏幕本身耐刮，但日常钥匙、硬币的剐蹭还是防不胜防，贴一张更安心。 ## 5. 便携充电器：出门不再焦虑 **Apple Watch 磁力充电器（USB-C 版）** 是官方出品中最便携的选择。它比旧款更小巧，而且 USB-C 接口可以直接插在笔记本电脑或充电宝上，出差时少带一根线。如果你经常忘记充电，这个配件能让你随时随地快速补电。 ## 小结 以上配件覆盖了保护、充电、个性化三大核心需求。如果你想让 Apple Watch 更耐用、更好用，不妨从这 5 款中挑选。目前 Nomad 的底座和表带在官网有折扣，其他配件在电商平台也常有活动，入手正当时。
OpenAI 近日宣布了一项重大安全升级：从 **2026 年 9 月 1 日**起，所有“可信网络”（Trusted Access for Cyber, TAC）计划的个人成员必须启用基于硬件支持的通行密钥（hardware-backed passkey）才能继续访问前沿 AI 模型。此举旨在为安全研究人员和防御者提供更高级别的账户保护，抵御日益复杂的网络钓鱼和社会工程攻击。 ## 为何硬件密钥至关重要？ 在 AI 能力快速跃升的背景下，访问控制的安全等级必须同步提升。传统的软件型多因素认证（MFA）已暴露出诸多弱点——凭证可被拦截、复制或同步，难以应对专业化的攻击团伙。而硬件密钥（如 YubiKey）通过物理隔离和加密验证，从根本上杜绝了凭证泄露的风险。Yubico 公司明确表示，“真正的安全需要防钓鱼、基于硬件的信任根，且凭证不可复制或同步。” ## 新规要点一览 - **强制对象**：所有 TAC 个人成员（主要面向网络安全研究人员、防御者等）。 - **生效日期**：2026 年 9 月 1 日。 - **技术要求**：必须启用 **Advanced Account Security** 功能，并使用硬件支持的通行密钥。 - **额外限制**：OpenAI 同步收紧了高风险实体和司法管辖区的访问权限。 ## 对行业的影响与意义 这一举措不仅提升了 OpenAI 自身生态的安全性，更可能成为 AI 行业的安全基准。通过强制硬件密钥，OpenAI 大幅提高了攻击者利用被盗账户的成本，破坏了以“创建-验证-转售”为链条的账户黑产模式。对于普通用户而言，虽然目前仅针对 TAC 成员，但此举预示着未来 AI 平台将普遍采纳更高级别的身份验证标准。 ## 如何过渡？ 为配合新规，OpenAI 与 Yubico 合作，为现有 TAC 账户持有者提供优惠价格的定制版 **YubiKey 双装组合**（含 YubiKey C NFC 和 YubiKey C Nano），分别适用于移动设备和紧凑型接口。启用过程与 OpenAI 内部使用的安全配置一致，意味着成员可以复刻企业级的防护水平。 ## 小结 在 AI 安全的天平上，模型本身的安全性与访问控制的安全性同样重要。OpenAI 此次强制硬件密钥的决策，标志着行业从“软件信任”向“硬件信任”的关键跨越。对于身处安全一线的 TAC 成员而言，这不仅是一次合规要求，更是获得与 OpenAI 内部同等防护能力的契机。
Spotify 正在向 Premium 用户推出一项全新的 AI 驱动对话功能，允许用户通过聊天来发现音乐、播客、有声书等内容。该功能目前在美国、爱尔兰和瑞典的 iOS 与 Android 设备上以 Beta 形式提供，面向 18 岁以上用户，仅支持英语。 这项功能使 Premium 用户能够通过打字或语音与 Spotify 进行交互式对话，从而选择想要播放的内容。它超越了之前的 AI DJ 体验，覆盖了应用的“主页”和“正在播放”视图。用户不仅可以询问下一首播放什么，还能深入探讨自己的收听历史、了解歌曲背后的灵感、专辑发行日期，甚至获得基于个人口味的艺术家推荐。 Spotify 并未明确透露底层 AI 技术的具体细节，但向 TechCrunch 确认其混合使用了自研 AI 和多家供应商的模型，根据任务选择最佳方案。这是 Spotify 一系列 AI 举措的最新一环，此前已推出 AI DJ、基于提示词创建播放列表的功能，以及连接第三方 AI 聊天机器人（如 ChatGPT）的接口。 新的对话式助手有望进一步降低用户发现内容的门槛，尤其是在面对 Spotify 庞大曲库时。通过自然语言交互，用户可以用更直观的方式探索音乐和播客，例如要求“播放一些我从未听过的艺术家”，然后通过后续指令细化选择。 这一功能目前仍处于测试阶段，Spotify 表示可能不会始终完美运行，但用户反馈将帮助改进产品。随着 AI 在音频流媒体领域的应用日益深入，Spotify 正试图通过更智能、更个性化的交互体验，巩固其在竞争激烈的市场中的领先地位。
OpenAI 在 2026 年已经深陷多起诉讼，包括来自世界首富的官司。但上周五，苹果在加州北区联邦法院提起的诉讼，可能是其中最具威胁的一起。 **苹果的指控**：三名前员工——包括前 Apple Watch 副总裁 **Tang Tan**、前 iPhone 系统电气工程师 **Chang Liu** 和另一名前员工 **Yu-Ting 'Alyssa' Peng**——在跳槽 OpenAI 时窃取了苹果硬件部门的商业机密。苹果在长达 41 页的诉状中强调，其硬件运营相关的商业秘密是“美国商业中最有价值的知识资产之一”。 **具体指控**： - Tan 在面试 OpenAI 时，曾要求潜在员工将苹果硬件带出办公室进行“展示与讲解”。 - 他还指导苹果员工如何规避公司的离职安全流程。 **关键背景**：OpenAI 去年收购了 Jony Ive 的硬件公司 io，并任命 Tan 为首席硬件官。这起诉讼直接威胁到 OpenAI 尚未公开的硬件产品——据传是一款与苹果竞争的 AI 设备。 **行业影响**：诉讼可能持续数年，期间 OpenAI 的硬件计划将蒙上阴影。McKool Smith 律所联合主席 Avery Williams 指出，商业秘密案通常耗时漫长，且禁令风险可能迫使 OpenAI 推迟产品发布。 **OpenAI 的处境**：该公司今年已面临多起 AI 版权诉讼、与马斯克的纠纷，以及监管审查。苹果的加入让局势更加复杂——这不仅是法律战，更是对 OpenAI 硬件战略的全面狙击。
自从大语言模型（LLM）爆发以来，各大公司一直在尝试用 AI 分类邮件并撰写听起来像你的回复，以解决收件箱爆满的问题。邮件客户端 **Superhuman** 近日推出了自动草稿功能的新版本，能够识别重要邮件并生成更自然的回复草稿。 Superhuman 过去也曾尝试过类似功能，如即时回复和跟进自动草稿，但那时很多邮件听起来像过于热情的 AI 销售人员，因此并未被广泛使用。而新版本的自动草稿功能则完全不同。在获得测试权限后的几天里，我发送了一些几乎不需要编辑的生成草稿。该应用能够理解哪些邮件可能需要回复，并根据你以往对话的语气生成回复，同时还会提供另外两个变体供选择。 在我的测试中，草稿能够同意关于报道禁运的请求、要求更多细节，或者确认会议时间，这些通常只需少量编辑即可发送。它甚至还能针对要求为 TechCrunch 撰写投稿的邮件生成回复，表示我不负责这项工作（TechCrunch 不接受投稿）。 不过，该功能远非完美。默认情况下，它常常生成对推销邮件表示积极回应的草稿，或者同意在凌晨时间开会。幸运的是，我可以快速从其他变体中选择回复并发送。该功能会从你的使用中学习并改进回复。例如，在凌晨会议事件后，当有人建议类似时间时，功能生成了“这个时间不适合我”的草稿。 我每月收到数千封邮件，部分原因正是 AI 让其他人（如公关人员）更容易撰写初稿。虽然我不放心完全将收件箱交给 AI 处理，但这个功能可以帮助我在不需要长篇大论时回复更多人。用户可以通过 **设置 > 个性化** 添加关于自己和角色的详细信息，以及上传文件或链接以提供更多上下文。 Superhuman 联合创始人 **Rahul Vohra** 表示，在测试阶段，**40% 的自动生成草稿在一天内被发送**，其中 **60% 未经任何手动编辑**。Vohra 指出，早期功能如“即时回复”的发送率约为 30%，而新功能的表现显著提升。这一数据表明，随着 AI 对个人语气和上下文的理解加深，自动起草正在变得更加可信。
## 快讯：macOS 27 公测版上线，立即体验新 Siri 与性能优化 苹果在 WWDC 2026 上发布的 **macOS 27 "Golden Gate"** 操作系统，现已面向公众开放测试版下载。正式版将于今年秋季推送，但你现在就可以通过 Apple Beta 软件计划免费体验。 ### 新系统核心亮点：更强大的 Siri macOS 27 的主要更新围绕 **Siri 的重设计** 展开。新 Siri 拥有独立的应用程序，能够更深入地理解 Mac 上的内容——包括文件、邮件和消息，并以自然语言回答个性化问题。此外，系统还带来了性能改进和视觉设计优化。 ### 安装前须知：兼容性与风险 - **硬件要求**：macOS 27 标志着苹果正式结束对 Intel 芯片 Mac 的支持。你需要一台搭载 **Apple Silicon** 的 Mac 才能安装，包括 MacBook Air（M1 及更新）、MacBook Pro（M1）、MacBook Neo、iMac（M1 及更新）、Mac mini（M1 及更新）、Mac Studio（M1 及更新）以及 Mac Pro（M2/2023 及更新）。 - **风险提示**：公测版虽比开发者测试版更稳定，但仍可能存在未完成的 bug 或性能问题。**不建议在主力机上安装**，并务必在操作前备份所有重要数据。 ### 安装步骤三步走 1. **确认兼容性**：检查你的 Mac 是否属于上述 Apple Silicon 机型。 2. **注册 Beta 计划**：访问 Apple Beta 软件计划网站，使用你的 Apple ID 登录注册。公测版完全免费，面向早期用户开放。 3. **下载并安装**：注册后，你可以在“系统设置”的“软件更新”中找到公测版选项，按照提示下载并安装。安装过程中，系统会引导你完成反馈助理（Feedback Assistant）的配置，方便你随时提交使用反馈。 ### 行业视角：Apple Silicon 的全面落地 macOS 27 终止对 Intel Mac 的支持，标志着苹果自 2020 年启动的 **Apple Silicon 转型** 进入最终阶段。这一举措将迫使仍在使用 Intel 设备的用户升级硬件，同时也意味着未来 macOS 的 AI 功能（如新 Siri）将完全基于 Apple Silicon 的神经网络引擎优化，进一步巩固苹果在端侧 AI 的生态优势。 对于开发者而言，黄金门（Golden Gate）的 AI 能力更新意味着更丰富的应用集成可能性；对于普通用户，新 Siri 的本地化智能体验可能成为升级的主要动力。不过，公测阶段的稳定性仍需谨慎对待，建议在备用设备上尝鲜。