## 从静态报表到对话式洞察：NarrateAI 的诞生 在 AWS 的销售、营销和全球服务（SMGS）组织中，管理层每天需要处理跨层级的复杂数据，并做出影响全球运营的时间敏感决策。传统的商业智能工具依赖静态仪表盘和人工报告，这种模式不仅耗时，还限制了组织的敏捷性。为此，AWS 团队构建了 **NarrateAI**——一个基于 **Amazon Bedrock AgentCore** 和自有数据湖的智能对话解决方案，通过自然语言问答为从 CEO 到一线经理的各级领导者提供即时、准确的业务洞察。 ## 两大核心挑战：数据碎片化与时间消耗 AWS 在传统 BI 实践中面临三大障碍： - **时间密集型准备**：领导者需要手动从多个仪表盘收集数据、核对不同来源的信息，并综合成报告，留给战略思考的时间所剩无几。 - **数据碎片化**：业务见解分散在不同系统和仪表盘中，指标不一致，难以形成统一的业务全貌。 - **有限的可访问性**：复杂仪表盘需要专业知识才能操作，导致领导者依赖中间团队，无法按需获取洞察，决策被延迟。 ## 技术架构：双层分离，智能协同 NarrateAI 采用**双层架构**，将批处理与实时交互解耦： 1. **批处理层**：负责从数据湖中定期提取、清洗和聚合数据，生成预计算的业务指标和上下文信息，确保查询响应速度。 2. **实时交互层**：通过 Amazon Bedrock AgentCore 驱动，部署了多个**专门化 AI Agent**，分别负责意图识别、智能路由、数据验证和答案生成。这些 Agent 协同工作，确保用户问题被准确理解，并从正确的数据源获取信息，最终以自然语言形式返回带上下文的洞察。 ## 关键工程模式与生产部署 团队在开发过程中提炼了若干可复用的工程模式： - **智能路由与验证**：利用 Agent 的编排能力，将问题分类并路由到最合适的子 Agent，同时内置验证机制，防止错误数据进入答案。 - **生产级部署**：采用 Amazon Bedrock 的托管服务，结合 AWS 的安全与监控能力，实现高可用和低延迟。 - **可扩展性设计**：架构支持轻松添加新的数据源和业务域，适应组织增长。 ## 实际效果与启示 NarrateAI 上线后，显著缩短了领导者的数据准备时间，从数小时降至秒级。CEO 等高层可以直接用自然语言询问“上周北美区的销售达成率是多少？与目标差距如何？”，系统即可返回带趋势分析和异常提示的答案。这不仅提升了决策效率，也让业务团队更专注于战略分析而非数据搬运。 对于希望构建类似解决方案的团队，AWS 建议从明确业务问题域开始，优先解决数据一致性，并利用 Bedrock AgentCore 的编排能力快速迭代。NarrateAI 的实践表明，对话式 AI 正成为企业级 BI 的下一个演进方向。
Google I/O 大会正式宣告：AI 生成的答案已占据搜索结果的核心位置，而大多数品牌对 AI 如何向用户描述自己几乎一无所知。对于多年来一直围绕“十个蓝色链接”构建策略的人来说，规则已经发生重大改变。 在最新一期的 TechCrunch《Equity》播客中，Rebecca Bellan 与 Scrunch 公司合作伙伴关系副总裁 Matt Thompson 进行了对话，探讨了 Google 的这一变化意味着什么，以及营销人员和创始人应该如何应对。 ### 关键洞察 - **AI 引荐的转化率比传统自然搜索高出 400%**，这意味着我们需要重新思考流量获取的方式。 - **ChatGPT 仍然占据 AI 搜索流量的最大份额**，仅针对 Google 进行优化会让你错失大部分市场。 - **Google 自身的 SEO 最佳实践可能正将营销人员引向错误的方向**。 - **让你的网站做好“AI 代理就绪”**，而大多数企业网站目前还达不到这个标准。 ### 如何收听 你可以在 YouTube、Apple Podcasts、Overcast、Spotify 等平台订阅《Equity》播客，也可以在 X 和 Threads 上关注 @EquityPod。
太阳能电池板是一笔不小的投资，如何确保它们长期高效运行、真正回本？本文结合一位资深用户的亲身实践，分享从清洁、检测到日常维护的关键技巧，帮你延长面板寿命、提升发电收益。 ## 清洁：被忽视的“发电杀手” 灰尘、鸟粪、落叶——这些看似不起眼的污垢，实际上会**显著降低太阳能电池板的功率输出**。研究显示，长期不清洁的面板发电量可能下降10%~30%。尤其是在干燥多尘的地区，定期清洁几乎是必须的。 - **频率建议**：一般每季度一次，多尘或雨季后可适当增加。 - **清洁方法**：使用软布或海绵配合清水，避免 abrasive 清洁剂或高压水枪，以免损伤面板表面涂层。 - **安全提示**：屋顶作业务必使用安全绳，或考虑聘请专业服务。 ## 检测：快速判断面板是否“罢工” 如果你的系统发电量突然下降，很可能某块面板出了问题。如何定位？ 1. **观察逆变器**：大多数现代逆变器会显示每块面板的实时功率。如果某块数值明显低于同类，它就是“嫌疑犯”。 2. **使用万用表**：断开面板连接，在阳光充足下测量开路电压和短路电流，与标称值对比。偏差超过10%则需进一步排查。 3. **热成像仪**：专业工具，能快速发现面板上的热斑（hot spots），这些区域往往代表内部损坏。 ## 维护：不只是清洁 除了清洁，以下习惯也能延长面板寿命： - **检查支架与接线**：确保螺丝紧固、线缆无破损，防止松动导致接触不良或漏电。 - **监控发电数据**：利用App或监测系统记录每日发电量，一旦发现趋势性下降（排除天气因素），及时排查。 - **避免遮挡**：修剪附近树木，防止阴影投射在面板上——阴影不仅降低发电，还会导致部分电池片过热损坏。 ## 投资回报：回本需要多久？ 以作者使用的 **EcoFlow 400W柔性面板**（售价约550美元）为例，在日均发电量1.2kWh、电费0.12美元/kWh的条件下，年节省约52美元，**回本周期超过10年**。但这还不算清洁、维护等隐性成本。 不过，太阳能的价值不止于省钱： - **应急备用**：配合便携电站，在停电时提供关键电源。 - **环保贡献**：每发一度电，减少约0.5kg碳排放。 - **政策补贴**：部分地区仍有税收减免或净计量政策，可缩短回本周期。 ## 小结 太阳能投资是否值得，取决于你的用电模式、地理位置和维护投入。如果只是跟风安装却不维护，可能得不偿失；但如果愿意花时间清洁、检测和优化，太阳能完全能成为一笔长期划算的“绿色资产”。 **一句话总结**：面板寿命可长达25年，但前提是你得好好待它。
随着谷歌在搜索中不断融入AI功能，越来越多的用户开始感到不满。DuckDuckGo，一个坚持无AI的传统搜索引擎，正迎来一波显著的用户增长。据DuckDuckGo官方透露，仅在谷歌2026年I/O大会后的某一天，其在美国的周安装量就激增了30%。 谷歌I/O 2026上宣布的搜索升级包括AI搜索框、智能代理、本地商家链接及个性化答案等。尽管这些功能听起来很强大，但AI固有的不准确性、信息过时或答非所问等问题依然存在。许多用户更倾向于简洁、直接的传统搜索结果，而不是可能包含错误的AI摘要。 DuckDuckGo的吸引力在于它完全摒弃了AI，提供纯粹的链接列表。用户无需担心隐私泄露或AI生成的错误信息。此外，DuckDuckGo本身就以隐私保护著称，不追踪用户行为。 对于希望尝试DuckDuckGo的用户，操作非常简单：可以在浏览器中直接访问DuckDuckGo.com，或下载其iOS/Android应用。它支持所有主流浏览器，并可设置为默认搜索引擎。 这一趋势反映出，并非所有用户都欢迎AI进入搜索领域。传统搜索仍拥有大量忠实用户，他们更看重信息的准确性和控制权。DuckDuckGo的崛起是对谷歌AI战略的一种市场反馈，表明“无AI”本身也能成为一种差异化优势。
随着 AI 智能体在企业内大规模部署，一个典型难题浮出水面：**智能体泛滥但缺乏编排**。AWS 销售团队曾拥有超过 20 个领域专用智能体，销售代表需要自行判断该用哪个、手动拼接结果，认知负担沉重。为此，AWS 内部构建了 **Field Advisor**，基于 **Amazon Bedrock AgentCore** 打造统一编排层，让销售代表只需用自然语言提问，系统自动路由到正确的智能体或工具，并维护上下文、协调审批、返回统一答案。 ## 核心挑战：智能体越多，选择越难 在 AWS 销售组织内，超过 20 个智能体分别负责 CRM 操作、会议安排、客户洞察、产品推荐、合规检查等任务。销售代表需要记住每个智能体的用途，并在不同系统间频繁切换，手动整合信息。这种“认知切换”消耗了大量本应用于客户沟通的时间。 ## 为什么选择 Bedrock AgentCore AWS 内部团队选择 Bedrock AgentCore 的关键原因在于其**企业级编排能力**： - **隔离执行环境**：支持安全的多租户操作 - **统一网关**：跨 AWS 账户访问工具和智能体 - **持久化记忆**：维护会话和长期上下文 - **一致的身份传播**：集成 OAuth，权限清晰 - **内置可观测性**：追踪复杂请求流 - **持续质量监控**：集成评估机制 这些能力让工程团队无需自建基础设施，专注于提升领域智能。 ## Field Advisor：统一入口，消除认知负担 Field Advisor 作为中央编排层，销售代表用自然语言提问，系统自动： 1. **路由请求**到正确的智能体或工具 2. **维护跨多轮交互的对话上下文** 3. **协调敏感操作的审批流程** 4. **返回统一、连贯的响应** 最终，销售代表可以更快、更准确地获取所需信息，专注于客户对话而非系统操作。 ## 可衡量的业务价值 通过 Field Advisor，AWS 销售团队实现了显著的效率提升： - **减少系统切换时间**：统一入口避免了手动选择智能体 - **上下文连续性**：跨会话的记忆减少了重复提问 - **加速响应**：从多步操作变为单次自然语言交互 虽然具体数字未公开，但该方案已在全球 AWS 销售组织中部署，证明了其可扩展性和实际价值。 ## 对 AI 行业的启示 Field Advisor 的案例揭示了一个关键趋势：**智能体的价值不在于数量，而在于编排**。当企业部署多个 AI 智能体时，缺乏编排会导致“智能体泛滥”问题，反而增加用户负担。编排层（如 AgentCore）成为必要的基础设施，它允许企业构建“智能体中的智能体”——一个能理解全局并协调各专业智能体的中枢。 对于正在扩展 AI 应用的企业而言，Field Advisor 的架构思路值得借鉴：先建立统一编排层，再逐步添加专用智能体，而非相反。
Meta 正在加倍押注订阅服务。本周三，这家社交网络巨头宣布，其面向消费者的 Instagram、Facebook 和 WhatsApp 订阅计划现已全球上线，同时开始测试面向企业、创作者和 Meta AI 用户的新订阅服务。 ## 订阅计划详情 消费者每月支付几美元订阅 **Instagram Plus**（3.99 美元/月）、**Facebook Plus**（3.99 美元/月）或 **WhatsApp Plus**（2.99 美元/月），即可获得额外功能，例如个人资料定制、超级反应和故事洞察等。Meta 产品负责人 Naomi Gleit 在公告中表示，未来还会添加更多有趣的功能。与此同时，Meta 将开始测试其他产品，包括面向创作者和企业的专业计划，以及面向所有用户的 AI 计划。这些新测试将统一归入 **Meta One** 品牌，该品牌将成为 Meta 未来订阅服务的大本营。 ## Plus 计划不取代 Meta Verified Meta 今年早些时候曾透露计划推出订阅服务，并于春季开始了初步测试。面向消费者的计划旨在为那些希望从社交应用中获得更多功能的资深用户提供额外特性。这也让 Meta 能够从现有数十亿用户中挖掘更多价值，实现收入来源多元化，摆脱对广告的过度依赖——考虑到这些应用已实现全球饱和，增长空间有限。 新的 Plus 计划针对每个应用量身定制：Facebook Plus 和 Instagram Plus 更侧重于社交表达，而 WhatsApp Plus 则侧重于个性化和消息功能。不过，Meta 明确表示，新的 Plus 计划不会取代现有的 **Meta Verified** 服务，后者专注于账户验证、防冒充和额外支持（未来可能调整，但现阶段 Meta 不会停止旧计划）。 ## 功能亮点 以 Instagram Plus 为例，订阅者可获得以下额外功能： - 查看有多少人重看了你的故事（汇总数据） - 创建无限数量的故事观众列表（超越“密友”选项） - 每周可置顶一条故事以获得额外曝光 - 将故事的展示时间延长至 24 小时以上 - 预览故事时不显示为观看者 - 搜索故事观看者列表以了解谁在观看 - 直接发布到个人主页等 ## 行业背景与展望 Meta 此举正值社交媒体平台纷纷探索订阅模式之际。X（原 Twitter）早在 2021 年就推出了 X Premium，Snapchat 也有 Snapchat+。Meta 的差异化在于其庞大的用户基数和多应用生态，通过 Plus 计划可以提升用户粘性和 ARPU。未来，**Meta One** 品牌下的 AI 订阅计划尤其值得关注，它可能整合 Meta AI 的增值功能，如高级图像生成、个性化助手等，进一步拓展 AI 在社交场景中的落地。 总体而言，Meta 的订阅战略标志着其从纯广告模式向混合收入模式的转型，但能否成功，取决于用户是否愿意为这些“额外功能”持续付费。
在AI芯片竞赛日益白热化的当下，华为海思总裁何庭波（Tingbo He）在IEEE国际电路与系统研讨会上抛出了一枚重磅炸弹：华为已找到一条优化半导体的全新路径，并将在**2026年冬季之前**带来“惊喜”。这位被称为华为“芯片女皇”的领军人物直言，这一名为 **Tau缩放定律（Tau's Scaling Law）** 的新方法论将取代摩尔定律，成为海思未来的指导原则。 ## 从“堆晶体管”到“系统加速” 摩尔定律——由英特尔联合创始人戈登·摩尔提出——长期统治着芯片产业：每两年将单个芯片上的晶体管数量翻一番。但何庭波表示，华为的方法不再执着于在单一硅片上塞入更多元件，而是**跨芯片、跨电路乃至跨整个计算系统来加速计算**。这意味着，华为试图通过系统级的协同优化来弥补工艺制程上的差距，而非仅仅依赖更先进的制造设备。 这一思路的背景是，传统芯片制造已逼近物理极限——当晶体管尺寸缩小至几纳米时，量子效应开始干扰正常工作。业界早已出现各种变通方案，例如苹果将两块芯片拼接成更强大的处理器。华为的Tau缩放定律正是对这种趋势的系统化、理论化回应。 ## 制裁之下的“另类创新” 华为之所以必须寻找新路，与美国出口管制密不可分。制裁切断了华为与全球最大芯片代工厂台积电（TSMC）的合作，迫使华为转向中国本土的**中芯国际（SMIC）**，而后者使用的是较老一代的光刻机。据估计，中国在尖端AI芯片领域落后领先水平**超过五年**。 然而，何庭波的表态暗示，**压力反而催生了颠覆性思路**。她承诺：“不是饱和，不是延续，而是一次大跃进。”如果华为的新方法成功，将有望在现有设备条件下大幅缩小与西方芯片的性能差距。不过，她并未透露具体技术细节，仅表示将在未来数月内通过新芯片证明其可行性。 ## 行业影响与不确定性 华为的声明在业界引发了两极反应。一方面，如果Tau缩放定律确实有效，它可能**重塑全球芯片竞争格局**——尤其是在AI算力需求爆炸式增长的当下，系统级优化或许比单纯追求制程更具成本效益。另一方面，也有分析人士持谨慎态度：任何绕过物理极限的尝试都需要底层材料或架构的根本性突破，而华为尚未公开任何实验数据或专利细节。 何庭波将“2026年冬季”作为时间节点，这给了业界三年多的观察窗口。届时，华为能否兑现“大跃进”的承诺，将直接影响中美科技博弈的走向。
YouTube 正在加强 AI 生成视频的标识管理。从本月开始，该平台将不再完全依赖上传者主动披露，而是通过内部信号自动检测并标记显著逼真的 AI 内容。新标签将出现在更显眼的位置，且部分标记不可申诉撤销。 ## 从自愿到强制 2024 年，YouTube 首次尝试处理 AI 视频标识时，主要依赖上传者自愿说明，标签也藏在视频描述中，几乎不为人所见。但随着 AI 视频生成技术的飞跃——如 Google 的 Veo、Runway、Seedance 等模型大幅提升了视频的逼真度和连贯性——仅靠自愿披露已不足以应对。 ## 自动检测机制 从本月起，YouTube 将利用“新的内部信号”自动标记 AI 内容。明确提及的触发条件包括： - **C2PA 元数据**：若元数据明确标示内容为纯 AI 生成，将自动标记。 - **Google 工具水印**：使用 Veo 等带水印的 Google 工具生成的视频也会被标记。 对于这两种情况，标签是“永久性”的，创作者无法申诉撤销。其他情况下的标记则允许申诉。 ## 标签位置更醒目 新标签将出现在更直观的位置：标准横屏视频的标签会直接显示在视频下方、描述框上方；YouTube Shorts 的标签则以小叠加层形式显示在底部。相比之前藏在展开的描述中，用户无需主动寻找即可看到。 ## 行业背景与影响 此举反映了 AI 视频生成技术快速迭代带来的现实挑战。Google 自家推出的 Omni 等模型进一步模糊了真实与虚构的界限，平台有责任帮助用户辨别内容来源。YouTube 的自动标记机制虽然细节尚不明确，但结合 C2PA 等标准，有望成为行业范本。 不过，对于仅使用少量 AI、或动画风格等非逼真内容，YouTube 可能仍依赖创作者主动标记。如何平衡隐私、创作自由与信息披露，将是持续讨论的话题。
厌倦了搜索结果中 AI 生成的摘要和答案？别担心，有一种简单的方法可以在几乎所有主流浏览器中屏蔽 AI 结果。本文将手把手教你如何通过添加自定义搜索引擎来实现，无需安装复杂插件，也无需每次手动过滤。 ## 为什么需要屏蔽 AI 结果？ AI 在搜索领域的渗透越来越深，从 Google 的 AI Overviews 到 Bing 的 Copilot，AI 生成的摘要随处可见。然而，AI 并非完美无缺： - **准确性存疑**：作者多次发现 AI 提供的信息存在错误，尤其是在 Linux 相关查询中。 - **资源消耗巨大**：AI 数据中心消耗大量电力和水资源，每次 AI 搜索都在加剧环境负担。 如果你希望获得更纯粹、更可靠的链接式搜索结果，屏蔽 AI 是一个合理的选择。 ## 如何实现？核心思路：自定义搜索引擎 原理很简单：在浏览器中添加一个自定义搜索引擎，其搜索 URL 带有排除 AI 结果的参数（例如 `&udm=14` 可屏蔽 Google AI Overviews）。设置完成后，你就可以在地址栏直接使用该引擎搜索，或将其设为默认搜索引擎。 ### 各浏览器操作指南 #### Firefox 1. 打开设置 → 搜索 → 管理搜索引擎。 2. 点击“添加搜索引擎”，填写名称和 URL（例如 `https://www.google.com/search?q=%s&udm=14`）。 3. 保存后即可在搜索栏中选择使用。 #### Chrome / Edge / Opera 1. 进入设置 → 搜索引擎 → 管理搜索引擎和站点搜索。 2. 点击“添加”，输入名称、关键字和 URL（同上）。 3. 保存后，在地址栏输入关键字加空格即可触发。 #### Safari Safari 不支持直接添加自定义搜索引擎，需安装第三方扩展（如“Customize Search Engine”），然后在扩展中配置。 ## 注意事项 - 此方法仅影响浏览器自带的搜索功能，不影响网站内搜索。 - 不同搜索引擎的排除参数可能不同，需自行查找。 - 部分浏览器可能需要重启才能生效。 ## 小结 通过简单的自定义搜索引擎设置，你可以有效避免 AI 结果的干扰，回归传统的链接式搜索体验。这不仅提高了搜索结果的可靠性，也为环保尽了一份力。试试看，你会爱上这种清爽的搜索方式！
## 从订阅模式到 API 按量计费：AI 公司盈利拐点已至？ 近期 Hacker News 上的一篇热帖指出，**Anthropic 和 OpenAI 可能已经找到了产品市场契合点**。作者通过多个迹象论证了这一观点： 首先，**Anthropic 被传即将实现首个盈利季度**。与此同时，不少企业惊讶地发现，其内部员工使用大语言模型的 API 费用正在急剧攀升。作者认为，这正是产品市场契合的表现——企业愿意为真正的价值付费。 其次，两家公司的定价策略发生了根本性转变。据报道，**Anthropic 在 2025 年 11 月将企业版计划调整为每席位每月 20 美元外加 API 按量计费**；**OpenAI 也在 2026 年 4 月对 Codex 产品做了类似调整，从按消息计费改为按 API token 用量计费**。这意味着，对于重度用户（尤其是使用编码 agent 的用户），实际 API 费用远高于订阅费。 作者本人做了一个有趣的测算：他每月支付 Anthropic 100 美元和 OpenAI 100 美元订阅费，但如果按 API 价格计算，过去 30 天的实际用量价值高达 **2,180 美元**——订阅套餐相当于打了 1 折。但对企业而言，这种折扣正在消失：企业用户现在必须按实际 API 用量付费，而订阅费仅作为基础席位费。 这一变化影响深远。一方面，**API 收入对 AI 实验室的重要性正在下降**，因为企业客户直接付费给 API 渠道，而不再依赖订阅套餐的“无限使用”幻觉。另一方面，**AI 失败的故事似乎被夸大了**——作者认为，如果产品没有价值，企业不会容忍如此高昂的账单。 ## 这意味着什么？ - **盈利信号**：Anthropic 即将盈利，OpenAI 也在调整定价以提升收入，表明烧钱阶段可能接近尾声。 - **企业买单意愿强**：尽管 API 账单高昂，企业仍在续约，说明 AI 工具（尤其是编码 agent）确实带来了生产力提升。 - **市场分化**：个人用户仍可享受订阅补贴，但企业用户将面临更真实的成本结构。 当然，这些观察主要基于传闻和有限数据。但无论如何，**AI 行业正从“抢用户”转向“真变现”**，而 Anthropic 和 OpenAI 似乎走在了最前面。
AI编程初创公司Cognition近日宣布完成超过10亿美元的新一轮融资，估值达到250亿美元（投前），较八个月前翻了一倍多。本轮由Lux Capital和General Catalyst联合领投，Founders Fund、8VC等现有投资者跟投，新投资者包括Ribbit Capital、Atreides和Layer Global。 Cognition是AI编程助手Devin的开发商，该工具能够自主编写和调试代码。公司声称其年化经常性收入（ARR）已达到4.92亿美元，且企业用户对Devin的使用量在过去六个月中每月增长50%。其客户包括梅赛德斯-奔驰、NASA、高盛和桑坦德等大型机构。 这笔巨额融资表明，顶级风投仍看好独立AI编程初创公司的前景。此前，市场普遍认为Anthropic的Claude Code、OpenAI的Codex以及谷歌的Jules等模型厂商会主导这一领域。但Cognition通过收购Windsurf剩余资产，并在企业市场站稳脚跟，证明了独立玩家的生存空间。 **融资细节与估值跃升** Cognition在去年9月完成4亿美元融资时，投后估值为102亿美元。仅八个月后，其投前估值便跃升至250亿美元，涨幅超过145%。如此快速的估值增长反映了市场对AI编程工具商业潜力的高度认可。 **竞争格局：独立玩家vs.模型巨头** AI编程赛道正变得日益拥挤。一方面，Anthropic、OpenAI和谷歌等模型提供商正将编程能力深度集成到自家的模型中；另一方面，Cognition、Cursor等独立初创公司则通过专门优化和深度定制来争夺企业客户。Cognition的成功融资表明，企业市场仍需要独立的、可定制的AI编程解决方案。 **企业客户增长与营收表现** Cognition声称，其企业客户群包括梅赛德斯-奔驰、NASA、高盛和桑坦德等知名机构。Devin的月度使用量在过去半年中每月增长50%，推动ARR达到4.92亿美元。这一数据表明，尽管竞争激烈，但Cognition在商业化方面取得了显著进展。 **展望** 随着AI编程工具从辅助编码向自主开发演进，市场对这类技术的需求将持续增长。Cognition能否在模型巨头的挤压下保持独立发展，并进一步扩大企业市场份额，将是未来值得关注的焦点。
## 一场“弄巧成拙”的政治代理战争 当纽约第12国会选区的民主党初选在6月尘埃落定时，Anthropic 和 OpenAI 已为这场关于 AI 监管未来的较量投入了数百万美元。然而，这场争斗的真正赢家，或许正是他们试图“埋葬”的那个人——此前名不见经传的纽约州众议员 **Alex Bores**。 **一场由超级 PAC 发起的“反向助攻”** 自2025年底以来，由 OpenAI、Palantir 和 a16z 高管资助的超级 PAC “Leading the Future” 已花费数百万美元，对 Alex Bores 发起攻击。Bores 曾起草美国首批 AI 监管法案之一，而这 PAC 的目标就是扼杀他接替即将退休的民主党众议员 Jerry Nadler 席位的竞选。 然而事与愿违。据报道，Bores 如今已成为这场八人角逐中的领跑者，甚至被《纽约杂志》称为“曼哈顿面孔”。更令人惊讶的是，他几乎没花什么广告费——直到5月11日才投放了第一支竞选广告，而此时距离6月23日的投票仅剩数周。 相比之下，“Leading the Future” 自2025年12月起便持续投放负面广告，据最新报告已累计花费约 **240万美元**。其背后支持者包括 Joe Lonsdale、Marc Andreessen 以及 OpenAI 的 Greg Brockman。 **“斯特赖桑德效应”再现** 这种过度打压反而提升了 Bores 的知名度，堪称经典的“斯特赖桑德效应”。原本鲜为人知的 Bores，因 AI 巨头的“围剿”而成为全国关注的焦点，被塑造成 AI 安全监管的“代言人”。他的竞选团队表示，至今未进行大规模广告投放，却凭借免费媒体曝光和公众对“大企业干预政治”的反感，赢得了广泛支持。 **AI 行业的政治分裂** 这场代理战争也折射出 AI 行业内部的深刻分歧。OpenAI 和 Anthropic 分别代表不同阵营：一方主张加速发展、减少监管；另一方则呼吁谨慎立法、防范风险。Bores 的崛起，无疑是对后一种声音的强力背书。 **初选结果尚待揭晓** 尽管 Bores 目前领先，但初选结果仍存变数。不过，无论他最终能否胜出，这场“AI 巨头砸钱打压反助其成名”的戏剧性事件，已为美国 AI 监管政治写下了耐人寻味的一章。
AI技术的爆发式发展正在引发一场全球性的军备竞赛，而美国政府显然不愿落后。据最新消息，美国情报部门已秘密提交一份高达 **90亿美元** 的预算申请，计划大规模采购英伟达（Nvidia）的 **GB10超级芯片**，以加强其在人工智能领域的竞争力。这笔资金仍需国会批准，但已反映出政府对于AI能力差距的紧迫感。 ## 为什么是90亿美元？ 英伟达的GB10芯片是目前最先进的AI训练与推理处理器之一，广泛应用于现代大语言模型和复杂数据分析任务。对于情报机构而言，实时处理海量数据、提升预测分析能力是国家安全的关键。然而，随着AI模型规模不断扩大，算力需求呈指数级增长——这不仅是技术问题，更是战略资源争夺。 ## 追赶者的困境 尽管美国在AI基础研究上仍保持领先，但商业化落地速度与中方的竞争压力已让政府意识到“慢一步”的风险。此前，多家科技巨头已投入数十亿美元建设AI数据中心，而公共部门却因预算流程繁琐、技术采购周期长而滞后。这笔90亿美元的申请，正是试图打破这种僵局。 ## 英伟达的“生命线” 对英伟达而言，这笔订单无疑是重大利好。在消费级GPU需求波动、出口管制政策收紧的背景下，政府订单不仅提供了稳定的收入来源，更强化了其“AI基础设施供应商”的地位。不过，分析师指出，单一客户依赖度过高也可能带来风险，尤其是当政治风向变化时。 ## 国会审批是关键 目前，该预算仍处于初步阶段。国会是否会全额批准、是否会附加使用限制（如要求部分芯片在美国本土制造），仍存在变数。此外，政府内部对于AI伦理、数据隐私的讨论也可能影响最终落地。 ## 小结 AI军备竞赛已从企业蔓延至国家层面。90亿美元买的不只是芯片，更是一张通往未来智能战场的入场券。无论审批结果如何，这一事件再次印证了一个趋势：算力即国力。 > 注：本文基于公开报道撰写，部分细节因信息有限可能存在不确定性。
## 告别“野鸡”安装包，UniGetUI 让软件管理更安心 你是否曾为了下载一个免费软件，在搜索引擎里翻半天，最后从某个“看起来还行”的网站点下了安装包？这种操作几乎是 Windows 用户感染恶意软件的头号途径。现在，一款名为 **UniGetUI** 的免费工具或许能帮你彻底摆脱这种风险。 ### 它解决了什么问题？ UniGetUI 本质上是一个 **Windows 软件包管理器的图形化前端**。它将 **winget**、**Chocolatey**、**Scoop** 等多个命令行包管理工具整合到一个直观的界面中。这意味着，你不再需要手动搜索、下载并运行那些来源不明的 .exe 安装程序。 ### 安全与可靠性的双重提升 - **来源可信**：通过 UniGetUI 安装的软件都来自官方或经过验证的仓库（如 Microsoft Store、Chocolatey 社区库等），极大降低了下载到被篡改安装包的风险。 - **统一更新**：它还能集中管理所有已安装应用的更新。你不再需要逐个软件检查更新，只需在 UniGetUI 中一键升级，确保所有软件都运行在最新、最安全的版本。 - **减少系统冲突**：包管理器会妥善处理依赖关系和安装路径，避免手动安装时可能出现的文件冲突或注册表污染。 ### 适合哪些用户？ 无论你是普通用户还是技术爱好者，UniGetUI 都能带来价值： - **普通用户**：如果你厌倦了每次安装软件都要小心翼翼辨别网站真伪，UniGetUI 提供了类似手机应用商店的体验。 - **技术人员**：如果你已经在使用命令行包管理器，UniGetUI 能提供更友好的图形界面，方便批量操作和查看软件信息。 ### 一点小遗憾 目前 UniGetUI 的软件库虽然覆盖了大部分常用工具，但某些小众或企业级软件可能仍需手动安装。此外，初次使用时需要配置包管理器源，对完全的新手来说可能有一点学习门槛。但考虑到它完全免费且开源，这点投入绝对值得。 ## 总结 UniGetUI 不是那种让你眼前一亮的炫酷应用，但它默默解决了 Windows 生态中长期存在的一个痛点：**混乱的软件分发渠道**。如果你希望自己的 PC 更安全、更稳定，不妨试试这款免费工具，从源头上掐断恶意软件的入侵路径。
半导体行业正面临传统晶体管微缩的物理极限，而3D芯片被视为延续摩尔定律的关键方向。然而，传统3D集成工艺复杂、成本高昂。近日，伊利诺伊大学厄巴纳-香槟分校（UIUC）曹青教授团队在《自然》杂志发表研究，提出一种基于**无结晶体管**的颠覆性方案，利用“卷对卷”纳米膜技术，在**三层硅层**上构建出可工作的电路，为低成本、高性能3D芯片开辟全新路径。 ### 什么是无结晶体管？ 传统晶体管依赖源极和漏极之间的**PN结**（正-负半导体界面）来控制电流，制造过程涉及高精度掺杂和多次高温退火，工艺复杂且对3D堆叠中的下层电路产生热应力。无结晶体管则完全摒弃PN结，使用单一掺杂类型的硅纳米线或纳米膜，通过改变栅极电压调节沟道电阻来开关电流。这种结构天然简化了制造流程，且对热预算更友好，尤其适合多层堆叠。 ### 关键创新：纳米膜“卷对卷”转移 团队的核心突破在于**纳米膜转移技术**。他们先在绝缘衬底上生长高质量的单晶硅纳米膜（厚度仅几纳米），然后像“卷保鲜膜”一样将薄膜剥离并转移到目标硅层上。通过重复这一过程，团队成功在**三层硅层**上分别制造了无结晶体管，并实现了层间互连，构建出完整的逻辑电路。 与传统的硅通孔（TSV）或外延生长方法相比，这种技术无需高温处理，避免了层间热损伤；同时，纳米膜可以预先在最优条件下制备，再转移至任意衬底，打破了单晶硅必须与衬底晶格匹配的限制。 ### 性能与潜力 测试显示，三层堆叠的无结晶体管在开关比、亚阈值摆幅等关键指标上接近单层器件的水平，且层间互连电阻可控。尽管当前演示的电路规模较小（仅包含几十个晶体管），但该技术展示了**可扩展性**：理论上可以堆叠更多层数，且每层可独立优化材料与掺杂。 这一成果的意义在于： - **降低3D芯片制造成本**：无需昂贵的极紫外光刻（EUV）或多层对准工艺，利用现有成熟的薄膜沉积和剥离设备即可实现。 - **提升集成密度**：垂直方向堆叠可绕过传统光刻的线宽限制，在相同芯片面积上容纳更多晶体管。 - **兼容异构集成**：不同功能的材料（如硅、锗、化合物半导体）可以分别制备后转移到同一芯片的不同层，实现“材料按需分配”。 ### 挑战与展望 目前该技术仍处于实验室阶段，主要挑战包括： 1. **大面积均匀性**：纳米膜转移过程易产生褶皱或裂纹，需要优化转移工艺以支持晶圆级生产。 2. **层间对准精度**：多层堆叠要求纳米级对准，当前手动操作精度不足，需开发自动对准工具。 3. **热管理**：多层电路发热集中，无结晶体管的散热设计需进一步研究。 尽管如此，UIUC团队的工作为3D芯片提供了一条“非主流”但极具潜力的技术路线。如果说传统3D集成是“搭积木”，那么无结晶体管加纳米膜转移更像是“摊煎饼”——逐层摊开、层层叠加。这种思路或许能让3D芯片从高端实验室走向大规模量产，为AI加速器、存算一体芯片和高密度存储器带来新的可能。 ### 小结 无结晶体管与纳米膜转移技术的结合，跳出了传统CMOS微缩的思维定势，用“减法”简化了工艺，用“加法”拓展了维度。尽管距离商业化还需数年，但它为后摩尔时代的芯片设计提供了一个值得关注的新方向。
随着云AI成本飙升、数据主权需求增强以及智能体（Agent）的广泛采用，企业正加速将AI工作负载转向本地和混合基础设施。在最近结束的Dell Technologies World 2026大会上，戴尔高层明确传递了这一信号。 ## 核心观点：智能正在成为基础设施 戴尔董事长兼CEO迈克尔·戴尔在主题演讲中指出：“**智能正在成为基础设施**。”他强调，虽然通过公有云API进行AI试点很简单，但要将试点推向大规模生产，企业必须拥有内部专用的服务器和计算资源。否则，在数据容量和延迟方面将面临巨大挑战，尤其是在从传统AI向智能体系统过渡时。 ## 三大驱动力推动本地化部署 ### 1. 成本压力：云LLM使用成本飙升 大会反复提及“**Token经济学**”。戴尔副董事长兼COO Jeff Clarke透露，AI的Token使用量已增长**320倍**，预计到2030年全球Token消耗将增长**3400%**。这意味着，完全依赖云API进行大规模推理的成本将变得难以承受。本地部署能显著降低Token调用成本，尤其是对于高频使用的企业级场景。 ### 2. 主权与合规要求 随着各国对数据主权和AI治理的监管趋严，企业需要确保敏感数据不出境。本地或混合架构能提供更严格的数据管控，满足欧盟《人工智能法案》等法规的合规要求。特别是智能体系统需要访问企业内部数据时，数据主权问题更加突出。 ### 3. 对智能体的控制需求 智能体的普及要求企业对AI系统有更直接的控制权。从模型微调到推理策略，本地部署允许企业自定义治理策略，确保智能体行为符合业务规则和伦理标准。 ## 企业行动建议 - **评估工作负载**：将高频、延迟敏感或涉及敏感数据的AI任务迁移到本地；将突发性、低延迟要求的任务保留在云端。 - **构建混合基础设施**：采用戴尔等厂商的集成方案，实现云与本地资源的统一管理和数据流动。 - **关注Token成本**：建立Token使用监控体系，优化模型调用策略，避免不必要的云API开销。 ## 小结 Dell Tech World 2026传递的核心信息是：AI的未来并非纯云或纯本地，而是混合。企业需要根据成本、主权和控制需求，重新设计AI基础设施。正如迈克尔·戴尔所言：“智能正在成为基础设施”，而基础设施的形态将决定企业AI落地的成败。
Robinhood 宣布向 AI 代理开放其交易平台，用户可为 AI 代理创建独立账户并存入资金，让其自主买卖股票。公司称这能自动化投资决策，但也发出严厉警告：AI 交易“涉及重大风险，包括可能损失全部投资”。该功能通过模型上下文协议（MCP）连接，目前以 Beta 形式支持股票，未来将扩展至期权等。在 AI 代理尚不成熟、常出错的背景下，此举引发对金融安全与监管的担忧。
**今天是 Startup Battlefield 200 申请和提名的最后一天。** 太平洋时间今晚 11:59 之后，窗口将关闭，你将失去争夺 **10 万美元无股权融资**、全球曝光、直接对接投资者以及登上 TechCrunch Disrupt 舞台的机会。 如果你正在打造一家突破性的初创公司，或者认识这样的创始人，现在就是行动的时刻。立即申请，加入全球 200 家最有潜力的早期初创公司，参加 TechCrunch Disrupt。 ## 雄心勃勃创始人的最后机会 创始人，就是现在。申请窗口今晚关闭。最优秀的初创公司已经入场，而最后几个小时申请量通常会激增。如果你的公司已被提名但尚未完成申请，不要冒险等到最后一刻。如果你知道某家值得投资者关注、媒体曝光和全球舞台的初创公司，请立即提名，赶在截止前提交申请。 ## 突破性初创公司始于微小瞬间 科技史上一些最具影响力的公司并非始于完美的 pitch 或巨额融资。它们从抓住机会开始。Dropbox 在云存储成为主流之前向怀疑者演示；Cloudflare 在大多数人理解边缘基础设施之前进行推销；Discord 以名为 Hammer & Chisel 的简陋游戏初创公司身份入场。它们都曾通过 Startup Battlefield 脱颖而出。 这是因为 Startup Battlefield 200 从来不是奖励最成熟的公司，而是识别最有潜力的公司。**预发布阶段可以，早期 traction 可以，没有收入也可以。** 重要的是你是否在打造真正改变行业的东西。申请本身就是你的第一次 pitch，而今天是你的最后机会。 ## 不仅仅是 pitch 竞赛 Startup Battlefield 200 是突破性初创公司被发现的地方。入选公司将在 TechCrunch Disrupt 上展示，面对 **10,000+ 名参会者**、领先的风险投资公司、全球媒体和更广泛的 TechCrunch 受众。创始人将获得直接投资者渠道、现场曝光，以及证明自己属于下一代定义类别公司的机会。 **每家入选初创公司将获得：** - 在 Disrupt 上获得一个为期三天的全额资助展览展位 - 免费团队通行证 - 专门的 pitch 培训 - 与顶级 VC 和运营商的创始人大师课 - 在活动中展示的初创公司简介
语音 AI 公司 ElevenLabs 发布了其音乐生成模型的全新版本 **Music v2**，最引人注目的特性是支持在歌曲中途切换音乐流派。官方宣称，该模型能从容处理从歌剧到重金属的极端风格转换，还能生成语速极快的说唱而不失连贯性，甚至可以在曲目中添加非音乐音效。 ## 精准编辑：局部重写，分段构建 对于创作者而言，Music v2 带来了更精细的控制能力。用户现在可以选中歌曲的某个片段，通过提示词重新生成该部分，而不会影响曲目的其他段落。这改变了以往需要整体生成或重新创作的局限。此外，模型不再仅限于生成短片段，而是支持按 **前奏（intro）**、**主歌（verse）** 和 **副歌（chorus）** 等结构分段构建，最后再拼接成完整曲目。 ## 多语言与商用合规优势 ElevenLabs 强调，Music v2 在歌词、人声和编曲的跨语言表现上更加稳定可靠。更重要的是，该模型基于 **授权数据** 训练，并明确 **允许商业使用**，用户可自由使用生成的音乐而无需担心版权纠纷。这一策略在当下 AI 音乐领域尤为关键——此前 Suno 和 Udio 等竞争对手已因版权问题面临诉讼。 ## 行业竞速：AI 音乐进入“专业级”赛道 近几个月来，AI 实验室纷纷加速推出专业级音乐生成模型。Google 在 I/O 大会上展示了 Flow Music 工具，支持轻松翻唱、分段编辑和生成音乐视频；Stability AI 和 Suno 也发布了能生成更长、更复杂曲目的新模型。ElevenLabs 此次更新距离其首个音乐生成模型发布仅约 10 个月，显示出行业迭代速度之快。 ## 可用性与未来 目前，Music v2 已集成到 ElevenLabs 面向营销和品牌团队的 **ElevenCreative** 工具，以及新推出的 **ElevenMusic** 平台中。API 接口也将很快开放。随着 AI 音乐生成能力日益接近专业水准，版权与商业模式将成为决定行业格局的关键变量。
海信电视开箱即用的画质已经不错，但通过调整菜单中的几项设置，你还能让画面表现更上一层楼。无论是刚入手新电视，还是已经使用了一段时间，这篇指南都能帮你快速找到最佳画质方案。 ### 快速上手：一键优化选项 如果你只想简单设置几个选项就开始追剧、看电影或玩游戏，海信电视提供了丰富的“即设即忘”预设。共有七种**画面模式**：标准、体育、节能、影院夜间、影院日间、Filmmaker和鲜艳。每种模式针对不同内容优化了亮度、对比度、色彩处理和刷新率，让你在不同场景间无缝切换。 要进一步提升预设的效果，可以开启以下选项： - **设置 > 画面 > 自动画面模式/内容类型检测/智能场景/自动光传感器**：全部开启，电视会根据播放内容和环境光线自动调整。 - **画面 > 亮度 > 主动对比度**：开启；**HDR增强器**：开启。 - **色彩 > 低蓝光**：开启；**动态色彩增强**：设为中等。 - **清晰度 > 超级分辨率**：开启；**运动增强**：设为标准；**运动清晰度**：关闭。 ### 进阶调校：挖掘全部潜力 对于追求极致画质的用户，海信电视还提供了更深入的调节选项。你可以调整**色域**（如BT.709、BT.2020）、**伽马值**，甚至支持**Calman校准**（需专业设备）。这些高级功能允许你为每个信号源单独设置，创建多个自定义画面模式，并随时切换。 ### 注意事项 - 所有更改可以**全局应用**，也可以**针对单一输入源**，非常灵活。 - 如果不小心调乱了，无需担心：在画面设置菜单底部有一个**重置按钮**，可一键恢复所有选项到出厂默认值。 通过以上设置，你的海信电视将呈现出更精准的色彩、更丰富的细节和更流畅的动态画面。无论是观看HDR电影、体育赛事还是玩游戏，都能获得沉浸式的视觉体验。