## 批量写入与记录发现：Amazon SageMaker Feature Store 新 API 解析 在机器学习平台的发展中，两个常见的操作痛点一直困扰着开发者：一是高吞吐量特征管道的写入效率，二是内存存储层中记录的可发现性。近日，Amazon SageMaker Feature Store 推出两项新 API——**BatchWriteRecord** 和 **ListRecords**，旨在解决这些问题。 ### 批量写入：告别循环调用 以往，向在线存储写入特征数据需要循环调用 `PutRecord`，每条记录、每个特征组都需要一次 API 调用。以每秒处理 10,000 条记录的欺诈检测管道为例，若涉及五个特征组，则需维持每秒 50,000 次 API 调用，这无疑增加了连接开销并限制了吞吐量。 **BatchWriteRecord** API 允许用户在一次调用中跨多个特征组写入最多 25 条记录，并支持部分成功语义、每条记录的 TTL 控制，以及与 `PutRecord` 相同的基于 EventTime 的排序保证。这能显著降低 API 调用次数，提升写入效率。 ### 记录发现：让数据可被枚举 对于使用 In-Memory 存储层的团队，此前无法浏览或枚举在线存储中的记录。若因 bug 或管道故障导致记录标识符丢失，这些记录将永久不可恢复，因为没有离线存储可回退，也无法通过 Athena 查询或 API 发现。 **ListRecords** API 支持对特征组内的记录标识符进行分页枚举，适用于标准（基于 Amazon DynamoDB）和 In-Memory（基于 Redis）两种存储层。这为数据恢复和治理提供了新的可能性。 ### 快速开始 要使用这些 API，您需要拥有 AWS 账户并配置相应权限。最小 IAM 策略需包含 `sagemaker:BatchWriteRecord`、`sagemaker:PutRecord` 和 `sagemaker:ListRecords` 权限。官方博客提供了详细的代码示例，帮助您快速上手。 这两项新 API 标志着 SageMaker Feature Store 在操作效率和数据可管理性上的重要进步，对于大规模 ML 平台而言，无疑是值得关注的新工具。
Anthropic的研究员陈跃涵（Chen Yueh-Han）在最新论文中展示了一项突破性进展：AI系统能够自主改进自身的对齐训练，在10个对齐基准上均提升性能，且不损害整体表现。这一成果被视为迈向递归自我改进的重要一步，但也引发了对人类研究员未来角色的讨论。 ## 自动化对齐研究员（AAR）的运作机制 该研究题为《自动化研究员能够可靠缓解对齐失败》，由Anthropic的Fellows项目研究员陈跃涵领导。系统模拟了传统研究流程：每个自动化系统搜索现有文献，提出方法，并用该方法训练模型30分钟，通过多次迭代逐步提升基准分数。有效方法被保留，无效的被丢弃，使得系统能够快速且大规模运作。 ## 性能与成本优势 论文指出，最佳的AAR方法在平均6小时内就能超越经验丰富的人类研究员提出的方案，且人类引导的研究方向并未带来更强性能。成本方面，AAR每小时约需4美元的API推理费用，而人类研究员每小时成本高达150美元。 ## 局限性与未来展望 尽管成果显著，论文也承认了局限性：自动化系统依赖于基准的准确性，且基准的建立与维护仍需大量工作。此外，文献库的维护与扩展也是挑战。尽管如此，论文认为，自动化对齐后训练在短期内可能变得实用，这为递归自我改进铺平了道路。 ## 行业影响与反思 这一进展引发了对AI研究未来的深思。如果模型能自我改进对齐训练，那么更广泛的训练实践也可能被优化，人类研究员可能面临角色转变。然而，正如论文所强调，目前仍需人类来设定对齐目标与维护基准，完全自主的AI研究仍有一段距离。
长途自驾时，给孩子充电常让人头疼：线缆缠绕、接口不适配、充电速度慢……而 Talix 的可伸缩 USB-C 线缆，以紧凑设计和 240W 高功率，成为解决这一难题的实用小物。目前这款线缆在亚马逊上以 14 美元的价格促销，较原价 22 美元直降近 40%。 ## 为什么它值得关注？ 作为 ZDNET 编辑，我日常会测试大量数码配件，但这条线缆之所以让我印象深刻，在于它平衡了便携性与性能。**线缆支持 PD 3.2 快充协议，最高功率达 240W**，这意味着它不仅能给手机快速充电，还能为笔记本电脑提供充足电力。对于家庭自驾场景，只需带一条线，就能同时满足多个设备的充电需求，极大简化了出行装备。 可伸缩设计是另一大亮点。**线缆收起时仅巴掌大小**，方便收纳在中控台或车门储物格中，不占空间，也避免了传统长线缠绕的烦恼。实际使用中，无论是孩子在后座用平板看动画，还是自己临时需要给笔记本补电，它都能胜任。 ## 优惠信息与购买建议 原价 22 美元的 Talix 可伸缩 240W 线缆，目前通过亚马逊优惠券可享 8 美元折扣，**到手价仅 14 美元**。对于一款支持 240W 功率的线缆而言，这个价格相当亲民。不过，需要留意的是，**线缆长度为 4 至 5 英尺（约 1.2 至 1.5 米）**，在车内使用可能稍显紧凑，但作为随身携带的应急充电工具，完全足够。 ## 总结 如果你也常在旅途中为设备充电而烦恼，这条 Talix 线缆或许能成为你的出行好搭档。它不仅解决了线缆收纳问题，还提供了媲美原装充电线的性能表现。趁着促销入手，不失为明智之选。 *注：ZDNET 可能会通过文中链接获得联盟佣金，但这不影响编辑的独立评测立场。*
开源权重AI公司正成为科技巨头竞相追逐的收购对象。据传，英伟达将以130亿美元收购AI模型分享平台Hugging Face，这一消息尚未得到官方确认。此前，英伟达已与开源模型构建商Poolside达成60亿美元协议，而Stripe则以超过70亿美元收购了OpenRouter。这些交易反映了AI行业的最新趋势：资本正大量涌入看似"免费"的开源模型领域。 英伟达的收购动机在于减少对大型云厂商和前沿实验室的依赖，尤其是在OpenAI和谷歌等公司自研推理芯片的背景下。通过掌控Hugging Face，英伟达可以吸引大量开发者使用其芯片和标准。此外，推理成本问题促使企业探索更便宜的模型，如中国公司的产品，但目前开源权重模型的使用率仍然较低，仅6%的公司和2%的软件工程师采用。 对于Stripe而言，收购OpenRouter是为了降低客户使用AI模型的成本，因为开源模型在高重复性推理任务中更具经济性。这些收购表明，开源权重模型虽看似免费，但其背后的商业价值正被重新评估。
近日，美国联邦法官裁定，特朗普政府将AI公司Anthropic列入黑名单的行为属于违法。这一裁决源于Anthropic拒绝支持致命自主武器和大规模监控的立场，凸显了AI伦理与国家安全之间的紧张关系。 ## 事件背景 Anthropic是一家以AI安全为核心使命的公司，其开发的Claude模型在业界以谨慎和合规著称。该公司曾公开表示，不会参与开发或支持可能造成大规模伤害的技术，包括致命自主武器系统和大规模监控项目。这一立场导致其在特朗普政府时期被列入黑名单，限制其与联邦机构的合作。 ## 法律裁决的意义 联邦法官的裁决认为，政府的黑名单行为缺乏法律依据，侵犯了Anthropic的合法权益。这一判决不仅为Anthropic正名，也为其他在AI伦理与国家安全之间寻求平衡的企业提供了法律先例。 ## 行业影响 此次裁决发生在AI监管日益严格的背景下。各国政府正在加强对AI技术的管控，尤其是在军事和监控领域的应用。Anthropic的案例表明，企业在坚持伦理原则的同时，也需要面对来自政府的压力。法律的支持有助于鼓励更多公司公开其技术使用的边界，推动行业自律。 ## 未来展望 尽管Anthropic赢得了法律胜利，但AI伦理与国家安全之间的博弈远未结束。随着AI技术的快速发展，如何在创新与安全之间找到平衡，将是政策制定者、企业和法律界共同面临的挑战。这一案例也提示，AI公司需要更加积极地参与政策对话，确保其价值观在法律框架内得到尊重。
在体验过无数Linux发行版之后，stillOS 给我留下了深刻印象。它真正做到了让新手轻松上手，同时又不让老用户感到被束缚。 ## 从“烦Windows，怕Linux”到“消费者级” stillOS 在其官网上这样描述自己：“我们厌倦了Windows把我们当产品，又觉得Linux太复杂，所以我们做了stillOS。我们相信stillOS是第一个真正为消费者准备的Linux发行版。” 这个定位很直接。它瞄准的正是那些被Windows的广告和遥测困扰、又对Linux命令行望而却步的普通用户。而stillOS给出的解决方案，就是“原子更新”。 ## 原子更新：稳定得像磐石 对于新手来说，“原子更新”可能是个陌生词汇，但它的好处非常直观：系统更新在后台自动进行，不会打断你的工作，也不会把系统搞崩。每次重启后，更新自动生效。整个过程无需用户干预，安全、稳定、省心。 这种设计大大降低了使用Linux的门槛——你不需要学习如何管理软件包，不需要处理依赖冲突，更不用担心更新到一半系统变砖。 ## 桌面定制：零基础也能玩转 stillOS 的另一大亮点是桌面定制。即使你完全不懂Linux，也能轻松更改桌面主题、图标、布局等。这得益于其底层技术（基于Linux的某个桌面环境），将复杂配置简化为图形化操作。 这种体验让我想起了ChromeOS或macOS的易用性——开箱即用，但又不失深度。 ## 适合谁？ 如果你厌倦了Windows的广告和强制更新，又觉得Ubuntu或Fedora等传统发行版的学习曲线太陡，stillOS 是一个值得尝试的选择。它特别适合： - **Linux新手**：无需命令行，即可完成日常任务。 - **寻求稳定的用户**：原子更新确保系统长期稳定运行。 - **喜欢定制桌面的用户**：无需编程知识，即可个性化你的系统。 当然，如果你是一个喜欢折腾、追求极致控制的高级用户，stillOS 可能显得过于“傻瓜化”。但它的目标人群很明确——让Linux走进千家万户。 ## 小结 stillOS 的入门体验确实是我见过的最佳之一。它巧妙地在“引导新手”和“尊重老手”之间找到了平衡。如果你正在寻找一个简单、稳定、美观的Linux发行版，stillOS 绝对值得一试。
面对堆积如山的数码照片，你是否感到无从下手？本文作者分享了自己整理22,000张照片的经验，提供了四个简单易行的技巧，帮助你高效管理庞大的云端照片库。 ## 从混乱到有序：整理照片的四个技巧 **技巧一：按时间线分批次处理** 面对22,000张照片，一次性处理显然不现实。作者建议按年份或月份分批整理，每次只处理一个时间段。这样既能避免 overwhelmed，又能让进度可视化。 **技巧二：利用智能相册功能** 现代云存储服务（如Google Photos、Apple Photos）大多具备智能分类功能。通过人脸识别、地点分组、物体识别等特性，可以快速将照片自动归类。作者强调，善用这些功能能节省大量手动操作时间。 **技巧三：删除模糊和重复的照片** 在整理过程中，难免会遇到大量模糊、曝光错误或完全重复的照片。作者建议果断删除这些低质量照片，只保留最佳版本。这不仅能释放存储空间，也让相册更精简。 **技巧四：创建精选相册与故事** 整理不仅是删除或重命名，更是为了更好的回忆。作者推荐创建主题相册（如“旅行”、“家庭聚会”），甚至利用平台的故事功能，将照片串联成叙事。这样，日后浏览时更有情感价值。 ## 为什么整理照片值得投入时间？ 虽然物理相册逐渐被数字替代，但它们承载的记忆依然珍贵。整理数码照片，就像整理那盒旧照片一样，能让我们重新发现被遗忘的瞬间，为家庭留下宝贵的视觉历史。 ## 结语 整理22,000张照片看似艰巨，但只要掌握方法，分步执行，就能轻松应对。这些技巧不仅适用于海量照片，也适用于日常的照片管理。今天就试试吧！
智能体AI（Agentic AI）正在从概念验证走向规模化应用，但三份来自顶级咨询公司的调查却给出了一个令人不安的共识：企业在快速推进采用的同时，却忽视了更为关键的运营重构、治理机制和人与智能体之间的协作关系。 ## 技术易得，治理难行 德勤（Deloitte）发布的《智能体转型调查》显示，虽然**43%** 的组织正在跨职能扩展AI智能体部署，但仅有**15%** 达到了规模化、编排式的多智能体部署水平。更令人担忧的是，员工准备度仅为**20%**，而只有**16%** 的企业认为其现有流程已为智能体采用做好准备。这种落差凸显了企业领导层与执行层之间的认知鸿沟——**74%** 的领导者预计到2030年，半数业务流程将围绕AI智能体重塑，但现实显然跟不上预期。 ## 生产级应用仍是稀缺品 毕马威（KPMG）、普华永道（PwC）和埃森哲（Accenture）的研究同样指向一致结论：智能体采用是真实的，但能够产生实际价值的生产级部署仍然罕见。Salesforce的研究数据则提供了另一视角：过去一年，组织中的活跃AI智能体数量**增长了三倍**，智能体能力提升了**350%**，能够处理更复杂的任务。员工对智能体的使用率同样翻了三番，信任度在加深。平均每个组织的智能体数量从5个增至13个，创建时间缩短了**53%**。 ## 关键转折：从“人在环中”到“人在主导” 调查揭示的核心挑战在于责任归属。当智能体自主决策时，企业必须明确谁对结果负责。德勤报告强调，企业需要让人类“**主导**”（in the lead）而非仅仅“在环中”（in the loop）。这意味着重新设计工作流程、角色定义和绩效评估体系，而非简单地将AI嵌入现有流程。 ## 落地建议 - **治理先行**：建立清晰的AI智能体使用政策和伦理框架，明确责任边界。 - **流程重构**：将“智能体优先”思维融入业务流程设计，而非事后修补。 - **人才培养**：投资于员工技能升级，使其能有效监督、协作和管理智能体。 - **分阶段扩展**：从低风险场景试点，逐步积累经验，再向核心业务渗透。 智能体AI的潜力毋庸置疑，但真正的竞争优势将属于那些能够平衡技术创新与组织变革的企业。正如调查所揭示的，**成功的关键不在技术本身，而在人与智能体能否建立健康、互信的关系**。
随着新建数据中心在社区中引发越来越多的反对声浪，美国环保署（EPA）却在此时计划取消一项联邦法规，该法规要求某些工业场所在申请空气许可证时必须进行公众通知和意见征询。倡导者警告，此举将允许数据中心开发商和其他工业项目在未告知附近居民的情况下破土动工，甚至不给他们任何预警。 这一变动涉及自1970年代起实施的“新源审查”许可流程，适用于垃圾填埋场、造纸厂、发电厂扩建等多种设施。近年来，随着生成式AI的兴起，这些许可证也成为反对新建数据中心及其配套发电厂的焦点。 南方环境法律中心的高级律师凯里·鲍威尔指出，EPA的做法将让这些设施“秘密发放许可证，公众直到推土机到场才知道发生了什么”。她认为，这显然符合急于推进数据中心建设的政府意图。 EPA在7月宣布，将取消联邦层面的公众参与要求，将责任转嫁给各州。这意味着，未来数据中心及其他工业项目的许可审批可能不再需要公开征询意见，居民将失去对周边环境污染的知情权和发言权。 支持者认为，此举将简化审批流程，加快基础设施建设，促进经济发展。但环保组织和社区权益倡导者则强烈反对，认为这将加剧环境不公，损害公众健康。 目前，该提案尚处于公众评论期，最终结果仍不确定。但可以预见，围绕数据中心与环境保护之间的博弈，将愈发激烈。
迪卡侬（Decathlon），全球最大的体育用品零售商之一，在多个大洲对数万种产品进行周度需求预测。本文介绍了他们如何在AWS上部署Chronos-2，将预测准确率提升11-15个百分点，同时降低运营复杂度，并仅用CPU实例每周运行推理，成本约为0.03美元。
Salesforce 在构建 Agentforce 时，面临一个挑战：如何在使用 Amazon SageMaker AI 推理组件（IC）降低成本的同时，满足多可用区（AZ）高可用合规要求。默认的 IC 放置策略优化成本，但可能导致模型副本在 AZ 间分布不均，形成单点故障。为此，AWS 推出了 `SchedulingConfig` 参数，通过 `AvailabilityZoneBalance` 和 `PlacementStrategy` 子参数，实现跨 AZ 的负载均衡和实例级故障隔离。Salesforce 利用这一能力，在保持 8 倍成本降低的同时，满足了 2-AZ 合规要求。本文详解了这一解决方案的技术细节和实际应用。
本周的机器人视频精选又来啦！从会跳高的仿生机器人到灵巧的机械手，再到自动对接技术，精彩内容不容错过。 ## 本周亮点 - **Microduck**：一只可爱的小鸭子机器人，它的步态和动作模仿得惟妙惟肖，让人忍不住想拥有它。 - **鱼形机器人**：水下机器人新形态，游动姿态流畅自然，为水下探索提供了新思路。 - **灵巧抓取**：多款新型抓取器展示了对脆弱物体的精准操控能力。 - **运动能力**：从轮式到足式，各种移动平台展示了惊人的越障和平衡能力。 - **自动对接**：机器人自主完成充电或任务交接，提升了自动化水平。 - **超越袋鼠**：一款跳跃机器人弹跳力惊人，甚至能超过袋鼠的跳跃高度。 ## 深度观察 这些视频不仅是视觉盛宴，更反映了机器人技术的最新趋势。**仿生设计**依然是重要方向，Microduck 和鱼形机器人表明，从自然中汲取灵感能带来更高效的解决方案。同时，**抓取与操作**技术的进步，意味着机器人将能更好地服务于工业制造和日常生活。**自动对接**则解决了长期运行中的能源补给问题，是迈向完全自主的关键一步。 值得注意的是，**运动能力的提升**让机器人能适应更复杂的地形，拓展了应用场景。虽然这些仍多为实验室演示，但每一项突破都让我们离实用化更近一步。 如果你对某个机器人特别感兴趣，不妨深入查阅相关论文或项目主页，了解背后的技术细节。我们下周五见！
Meta 近日对其智能眼镜产品进行了重要更新，旨在解决一个备受争议的问题：当用户用物理方式遮挡眼镜上的安全指示灯时，设备将无法进行录制。这一改动被外界视为对“非自愿录制”问题的积极回应，尽管 Meta 并未明确提及隐私泄露事件，但此举无疑是为了缓解公众对智能眼镜可能被用于偷拍的担忧。 此前，Meta 的智能眼镜在录制视频时，会亮起一个 LED 安全指示灯，以提醒周围人正在被录制。然而，一些用户发现，通过用胶带或其他物体遮挡指示灯，可以绕过这一提醒机制，从而实现隐蔽录制。这种漏洞引发了广泛的隐私争议，尤其是在公共场合，人们可能在不自知的情况下被记录。 Meta 的最新更新正是针对这一漏洞。当传感器检测到指示灯被遮挡时，录制功能将自动停止，或者至少会发出警告。这一措施从技术上杜绝了非自愿录制的可能性，尽管它可能无法完全防止所有恶意行为，但至少增加了隐蔽录制的难度。 从行业背景来看，智能眼镜作为可穿戴设备的一种，其核心优势在于便捷性，但这也带来了隐私边界的问题。苹果、谷歌等科技巨头在推出类似产品时，也面临过类似的质疑。Meta 此次的更新，可以看作是对行业标准的积极响应，同时也为其他厂商树立了一个榜样。 不过，这一更新也引发了一些讨论：对于合法使用场景，如拍摄视频日志或进行现场报道，遮挡指示灯可能并非出于恶意，但如今这些行为也将受到限制。Meta 需要在隐私保护和用户体验之间找到平衡，而这次更新显然更倾向于前者。 总体而言，Meta 的这次更新是一个积极的信号，表明科技公司在隐私问题上越来越重视用户和公众的感受。尽管无法彻底消除智能眼镜的隐私风险，但通过技术手段限制非自愿录制，无疑是向前迈出的一步。未来，我们或许会看到更多类似的设计，让智能设备在带来便利的同时，也能更好地尊重个人隐私。
Summer may be ending, but Costco deals are heating up in time for Labor Day: Save big on electronics, home essentials, and more now.
最近，一篇发表在《美国医学会杂志》上的文章引发了医学界的广泛讨论。文章作者包括医学明星 Ezekiel Emanuel 和风险投资家 Vinod Khosla，他们在标题中提出的问题“自主 AI 是否会超越 AI 与医生合作，成为最佳医疗服务？”看似疑问，实则答案明确：是的。文章认为，AI 在医学领域的表现已经接近甚至超过医生和 AI 混合模式，尤其是在病史采集、诊断、检测建议、治疗处方和慢性病管理这五项基本医疗任务上。作者甚至建议医生不要干预，因为“人类在回路中会降低 AI 的表现”。 这一观点并非空穴来风。Emanuel 曾对 AI 在医疗中的作用持怀疑态度，但受同事 Robert Wachter 新书《大跃进》的影响，他开始重新思考。Wachter 在书中描绘了一个未来：头等舱医疗由 AI 与医生协作，而经济舱医疗则主要依赖 AI。Emanuel 意识到，AI 或许真的能承担大部分医疗工作。 然而，这一论断在医学界引发了复杂情绪。许多医生感到不安，担心自己的职业价值被削弱。支持者认为，AI 可以弥补人类医生的不足，提高效率和准确性，尤其是在资源匮乏的地区。反对者则指出，医疗不仅仅是技术问题，还涉及人文关怀和伦理判断。 无论如何，AI 在医疗领域的应用已是大势所趋。未来的医疗模式可能是 AI 与人类医生的协同，而非简单替代。关键在于如何平衡技术与人文，确保患者获得最佳照护。
对于学生、作家或专业人士来说，管理大量文档常常令人头疼。Paperwork 是一款免费开源的文档组织工具，支持 Linux 和 Windows，通过标签、关键词和全文搜索等功能，帮助用户高效整理和查找文档。本文将介绍 Paperwork 的核心功能和使用体验。 ## 核心功能 Paperwork 提供了一系列实用的文档管理功能，包括： - **文档导入**：支持 PDF、DOCX、ODT 等多种格式，可通过文件管理器批量导入。 - **标签与关键词**：为文档添加自定义标签和关键词，并支持自动猜测标签，简化分类流程。 - **全文搜索**：不仅可按标题搜索，还能搜索文档正文内容，提升查找效率。 - **OCR 支持**：自动识别扫描文档中的文字，便于搜索和编辑。 - **导出与属性查看**：方便导出文档，并查看文档的详细属性。 此外，Paperwork 还支持扫描仪接入、页面方向自动检测等功能，满足更复杂的办公需求。 ## 使用体验 作为一款本地优先的应用，Paperwork 不会将你的文档上传至第三方服务器，保障了数据隐私。用户只需点击“导入文件”按钮，选择所需文件（支持多选），应用便会将副本存储到本地 `~/papers` 目录中。 在测试中，作者在 Pop!_OS 上安装了 Paperwork，并导入数百份文档，发现其搜索速度和标签管理功能表现出色。对于需要长期管理大量文档的用户，这无疑是一款提升生产力的利器。 ## 适用场景 无论是学生整理学习资料，作家归档稿件，还是专业人士管理合同和报告，Paperwork 都能提供清晰的分类和快速检索能力。它尤其适合注重隐私、偏好本地存储的用户。 ## 结语 Paperwork 以简洁的界面和强大的功能，为文档管理提供了一套高效解决方案。如果你正被杂乱无章的文档困扰，不妨试试这款免费开源的跨平台工具。
汤森路透最新发布的《2026年专业人士未来报告》显示，**91%的员工认为其所在组织未能充分实现AI的价值**。该报告基于对全球1800名专业人士的调查，揭示了AI雄心与现实之间的差距日益扩大。汤森路透首席运营官Kirsty Roth指出，18个月前员工热衷于AI实验，而如今企业却因成本上升和回报不明而退缩。MIT研究甚至表明，**95%的AI项目未能交付价值**。面对AI工具的碎片化与成本压力，企业亟需从“为技术而技术”转向“以业务价值为导向”的务实策略。本文将剖析问题根源，并给出聚焦实际用例、优化流程等解决方案，帮助企业弥合AI落地鸿沟。
Roborock Qrevo 2 Pro 是一款中端扫拖一体机器人，主打免提清洁体验。它集自动集尘、自清洁拖布、20,000Pa 吸力等旗舰功能于一身，价格却仅为 599 美元（促销价 550 美元）。ZDNET 编辑在实测后发现，这款产品在性价比和功能完整性上表现突出，但在线缆避障方面仍有提升空间。
**加州联邦法官裁定，特朗普政府将 AI 公司 Anthropic 标记为“供应链风险”的行为违法，并指出此举构成“非法报复”，侵犯了宪法第一修正案赋予的权利。** 美国地区法官 Rita Lin 在周四晚间发布的裁决中表示，国防部长 Pete Hegseth 对 Anthropic 的标签决定是“任意且反复无常的”，同时违反了第五修正案的正当程序要求。这一裁决标志着 Anthropic 在与美国政府的法律对抗中取得首场胜利，而该公司在华盛顿特区的第二起诉讼仍在进行中。 ## 事件的来龙去脉 今年早些时候，Hegseth 和时任总统特朗普将 Anthropic 列为供应链风险，并下令所有联邦机构（包括非国防部门）停止与这家 Claude 模型开发商合作。这场争端的根源在于 Anthropic 对安全护栏设定了严格底线，禁止五角大楼将其模型用于完全自主的武器系统和对美国公民的大规模监控。 五角大楼否认有此类用途，并指责 Anthropic 试图控制军方对其已购买模型的使用方式。然而，法官在裁决中指出，政府的“言行证实了这些行动是基于对 Anthropic 批评政府的‘傲慢’态度进行公开示众的欲望”。 ## 裁决的关键依据 Lin 法官指出了供应链风险标签与政府其他行为之间的矛盾：Hegseth 曾提议根据《国防生产法》对 Anthropic 采取措施，这反而表明该公司对国家安全至关重要；国防部仍在寻求与 Anthropic 签订合同，并合作使用其新模型 Mythos 进行网络安全工作。此外，法院明确认定 Anthropic 在将技术交付给国防部后“无可争议地缺乏”任何后门访问权限。 “尽管战争部毫无疑问可以自由选择其 AI 供应商，但证据表明，对 Anthropic 施加的广泛措施是非法的、毫无根据的，”Lin 写道，“空洞地援引国家安全并非对政府批评者进行惩罚和报复的空白支票。” ## 行业影响与后续 Anthropic 发言人在给 TechCrunch 的声明中表示：“我们欢迎法院裁定这一供应链风险标签是非法的。我们将继续专注于与政府进行富有成效的合作，以利用 AI 保障国家安全。” 此次裁决正值 AI 公司与美国政府之间就技术安全与军事应用展开激烈博弈之际。Anthropic 的胜利可能为其他 AI 公司树立先例，表明在涉及国家安全标签时，政府不能随意压制企业合理的批评与安全立场。目前，Anthropic 在华盛顿特区的第二起诉讼仍在审理中，涉及更广泛的政府限制措施。
**Meta印度及东南亚副总裁Sandhya Devanathan将离职，加入OpenAI，负责东南亚及澳大利亚业务。** 这一人事变动正值Meta在印度面临日益严格的监管审查之际。 据TechCrunch报道，Devanathan将常驻新加坡，向OpenAI亚太区董事总经理Kiran Mani汇报，负责消费者增长、企业采用、合作伙伴关系、监管参与及运营。她将在Meta工作超过十年后离开，并曾参与公司在印度的决策过程。 Devanathan的任命紧随Prabhjeet Singh加入OpenAI担任印度负责人之后。Singh曾在Uber工作十余年，领导其印度及南亚业务。OpenAI在过去两年中积极扩展亚太布局，已在**新加坡、东京、首尔、悉尼和德里**开设办公室。 Devanathan离职后，Meta印度董事总经理Arun Srinivas将直接向亚太区副总裁Benjamin Joe汇报。Devanathan于2016年加入Meta，曾担任多个领导职位，包括亚太游戏业务负责人，并于去年6月被任命为印度及东南亚副总裁。 ## 背景：Meta在印度面临多重压力 近期，Meta在印度遭遇了一系列监管挑战。本月早些时候，Instagram错误限制总理莫迪的帖子，Meta为此道歉。印度政府因此召见了Meta高管，包括首席全球事务官Joel Kaplan。此外，**印度政府对平台上的儿童性虐待内容表示担忧**，上月BBC报道称Instagram广告被指提供此类内容，印度政府要求Meta解释。 Meta在博客中回应，已删除违规广告和账户，并否认故意针对不当兴趣的用户投放广告。该公司还表示，已在六个月内根据儿童剥削活动信号，**在印度删除了16万个账户**。 ## 分析：人才流动与监管压力 Devanathan的离职反映了AI行业对顶尖人才的吸引力，同时也凸显了Meta在印度面临的复杂局面。OpenAI通过招募熟悉当地市场的高管，加速其在亚太地区的扩张，而Meta则需在监管压力下调整管理架构。未来，两家公司在印度市场的竞争与合作将值得关注。