随着公众对政府科技滥用的关注达到顶峰，美国数字权利非营利组织电子前沿基金会（EFF）正迎来领导层变动。长期担任执行主任的辛迪·科恩即将卸任，她的继任者计划在这一关键时刻，继续推动EFF在数字隐私和公民自由领域的斗争。 ## 领导层交接的背景 科恩自EFF成立初期便参与其中，先是作为诉讼律师，后担任领导职务。她亲历了互联网普及后，政府监控如何成为民权倡导者的首要关切。然而，近年来，公众注意力更多转向了大型科技公司的危害，而非政府滥用。 但特朗普第二任期开始后，情况发生了变化。移民和海关执法局（ICE）在全国范围内展开激进行动，依赖科技滥用支持大规模驱逐目标。这重新点燃了公众对政府监控的担忧。 ## 当前斗争焦点 * **ICE与科技滥用**：ICE的行动促使社区迅速动员起来捍卫在线隐私，甚至跨越政治分歧合作拆除可能协助逮捕的Flock摄像头。 * **社交媒体匿名权**：国土安全部（DHS）试图揭露社交媒体上ICE批评者的身份，但大多失败。EFF已提起诉讼，支持美国人匿名追踪ICE活动和分享信息的权利。 * **政府与大型科技公司的勾结**：科恩指出，如今政府的监控很大程度上依赖于大型科技公司的监控能力，例如要求Facebook等平台披露用户身份，或要求Apple等应用商店运营商移除不受欢迎的应用。 ## 科恩的遗产与新挑战 科恩本月出版的回忆录《隐私的捍卫者》追溯了EFF三大诉讼的历史，这些案件将先驱、黑客和密码朋克带入法庭，巧妙地将法官难以理解的技术概念转化为法律语言，为在线隐私奠定了基线。 书中也强调了政府如何培养自己的专家队伍，以国家安全名义获取更多传票权力，科恩认为这为今天的滥用铺平了道路。 科恩表示，由于“特朗普政府愿意非常公开地做其他政府偷偷摸摸隐藏的事情”，她的书突然又变得相关起来。这种大胆做法让政府监控如何依赖大型科技监控变得显而易见。 ## 未来展望 EFF的新领导层将面临双重挑战：一方面，需应对政府日益增长的科技滥用，特别是在移民执法和社交媒体监控领域；另一方面，需在公众注意力分散于科技巨头危害的背景下，持续强调政府监控的同等重要性。 随着AI技术在监控和执法中的应用可能加剧，EFF的角色将更为关键。新领导者的任务不仅是延续科恩奠定的法律斗争传统，还需适应快速变化的技术环境，确保数字权利在新时代得到捍卫。
## Anthropic 推出 Claude Code 自动模式：AI 自主执行任务的新尝试 在 AI 辅助开发领域，开发者常面临两难选择：要么步步紧盯 AI 的每个操作，要么冒险让模型自由运行。Anthropic 最新推出的 **Claude Code 自动模式**（Auto Mode）试图打破这一僵局，让 AI 在安全范围内自主决定哪些操作可以执行，无需频繁等待人工批准。 ### 自动模式的核心机制 自动模式目前处于研究预览阶段，这意味着它已开放测试但尚未成为正式产品。其核心创新在于： * **AI 驱动的安全检查**：在执行任何操作前，系统会利用内置的 AI 安全机制进行审查。 * **风险识别重点**：审查主要针对两类风险： 1. 用户未请求的危险行为。 2. **提示注入攻击**的迹象——这是一种恶意指令被隐藏在 AI 处理内容中的攻击方式，可能导致 AI 执行非预期操作。 * **自动执行与拦截**：通过安全检查的操作将自动执行，而被判定为有风险的操作则会被阻止。 ### 行业趋势与 Anthropic 的定位 这一更新反映了 AI 工具行业的一个广泛趋势：设计能够不依赖人工批准即可行动的系统。关键在于平衡速度与控制——过多的安全护栏会拖慢进程，而过少则会让系统变得危险且不可预测。 Anthropic 的自动模式可以看作是其现有 **`dangerously-skip-permissions`** 命令的扩展版。该命令原本将全部决策权交给 AI，而自动模式在其基础上增加了一层安全防护。 此举也顺应了 GitHub、OpenAI 等公司推动的自主编码工具浪潮，这些工具都能代表开发者执行任务。但 Anthropic 更进一步，将 **“何时需要请求用户许可”的决策权从用户转移给了 AI 本身**。 ### 待解的问题与生态布局 目前，Anthropic 尚未详细说明其安全层区分安全与风险操作的具体标准。开发者在广泛采用此功能前，很可能希望对此有更深入的了解。 自动模式的推出并非孤立事件，它建立在 Anthropic 近期一系列产品更新的基础之上： * **Claude Code Review**：自动代码审查工具，旨在在代码入库前捕捉错误。 * **Dispatch for Cowork**：允许用户将任务发送给 AI 代理代为处理。 这些功能共同勾勒出 Anthropic 构建更自动化、更智能辅助开发工作流的愿景。 ### 小结：迈向更自主的 AI 协作 Anthropic 的 Claude Code 自动模式是 AI 工具在追求效率与确保安全之间寻找平衡点的一次重要实践。它代表了行业向更自主 AI 协作迈出的一步，但将关键安全决策部分交由 AI 判断，也带来了对透明度与可控性的新要求。其实际效果与接受度，将取决于安全机制的具体实现细节以及开发者社群的反馈。
随着 AI 生成音乐在流媒体平台泛滥，Spotify 正面临一个日益严峻的问题：大量低质量或恶意制作的 AI 曲目被错误地关联到真实艺术家的个人资料页面上。这不仅影响了艺术家的作品集、统计数据，还干扰了粉丝的发现体验。 **Spotify 的应对措施** Spotify 近日宣布，正在测试一项名为 **Artist Profile Protection（艺术家资料保护）** 的新功能。该功能旨在让艺术家在曲目正式上线其个人资料页面前，拥有审查和批准的权利。只有经过艺术家本人批准的发布，才会出现在其艺术家资料中，计入统计数据，并出现在用户的推荐列表中。 **问题根源与行业背景** Spotify 在官方博客中指出，音乐被错误放置到其他艺术家页面上的问题由来已久，而 **AI 生成音乐的兴起加剧了这一困境**。原因可能包括： - **元数据错误**：上传时信息填写不准确。 - **同名混淆**：不同艺术家使用了相同或相似的艺名。 - **恶意行为**：故意将音乐关联到知名艺术家的资料上，以获取流量或关注。 当这种情况发生时，会直接影响艺术家的作品目录、播放统计数据、个人“发布雷达”（Release Radar）以及粉丝发现其音乐的途径。Spotify 坦言，这给艺术家和粉丝都带来了极大的困扰。 **功能细节与适用对象** 目前，该功能处于测试阶段。受邀参与测试的艺术家可以在桌面版和移动网页版的 **Spotify for Artists** 设置中找到此功能。一旦开启“艺术家资料保护”，当有以他们名义发布的音乐被提交到 Spotify 时，艺术家会收到电子邮件通知，并可以据此选择批准或拒绝该发布请求。 Spotify 强调，这项功能并非面向所有艺术家，而是主要针对以下几类情况： - 经历过多次错误发布的艺术家。 - 拥有常见或容易混淆的艺名的艺术家。 - 希望对个人资料上出现的内容拥有更高控制权的艺术家。 **行业联动与紧迫性** Spotify 此次动作并非孤立事件。就在一周前，**索尼音乐（Sony Music）** 宣布已要求流媒体服务下架超过 **13.5万首** 冒充其旗下艺术家的 AI 生成歌曲。这凸显了 AI 生成内容在音乐版权和身份归属方面带来的巨大挑战，已成为整个行业亟待解决的共性问题。 Spotify 也承认，开放的发行模式虽然为独立艺术家提供了便利，但也为错误和不良行为者创造了可乘之机。因此，在推动技术普惠的同时，如何建立有效的防护机制，保护创作者的权益和身份，成为流媒体平台必须面对的课题。Spotify 将“保护艺术家身份”列为 **2026 年的首要任务之一**，此次推出的工具正是其迈出的关键一步。 **小结** Spotify 测试的“艺术家资料保护”功能，是流媒体平台应对 AI 时代内容治理挑战的一次重要尝试。它试图在 **开放平台生态** 与 **艺术家身份控制权** 之间寻找新的平衡点。随着 AI 生成内容能力的持续增强，如何有效甄别、管理并确保内容归属的准确性，将是所有内容平台长期面临的考验。Spotify 的举措为行业提供了一个可参考的解决方案方向，其实施效果与后续推广，值得持续关注。
## Arm 历史性转变：从 IP 授权到自研芯片 在长达数十年的商业模式中，Arm 一直以授权其芯片设计 IP 给其他公司而闻名，自身并不直接生产芯片。然而，这一格局在近期被打破。这家英国芯片设计公司正式宣布，将推出其历史上首款自行设计和生产的 CPU——**Arm AGI CPU**。这标志着 Arm 战略的一次重大转变，从纯粹的 IP 供应商，转向了更具垂直整合能力的芯片供应商。 ## 产品核心：专为 AI 推理设计的 Arm AGI CPU 这款名为 **Arm AGI CPU** 的芯片，其设计目标明确指向了当前 AI 浪潮中的核心环节之一：**推理（Inference）**。推理是指 AI 模型在训练完成后，实际运行并处理用户请求的阶段。随着 AI 代理（AI agents）等应用的普及，能够持续生成并处理海量并发任务的推理需求正急剧增长。 根据 Arm 公布的信息，这款芯片在性能上颇具亮点： - **核心数量**：每颗 CPU 最多可集成 **136 个核心**。 - **能效比**：Arm 声称其 **每瓦性能是传统 x86 CPU 的两倍**。这一优势主要得益于 Arm 架构长期以来在能效方面的固有设计优势。 - **平台与扩展**：芯片基于 **Neoverse 平台** 构建，该平台也被 AWS Graviton、Nvidia Vera 和微软等公司的 AI 芯片所采用。在服务器层面，一个风冷服务器机架可容纳多达 **64 颗** 这样的 CPU，展现了强大的集群扩展能力。 - **优化方向**：除了能效，该设计还旨在**减少内存瓶颈**，这对于处理数据密集型的 AI 推理任务至关重要。 ## 关键客户与产业动态：Meta 成为首发合作伙伴 此次发布最引人注目的信息之一是首位客户的身份：**Meta（Facebook 母公司）**。Meta 不仅是这款芯片的“首发用户”，更被官方称为 **“主导合作伙伴和共同开发者”**。双方计划合作开发“多代”数据中心 CPU。 这一合作对 Meta 而言意义重大。据报道，Meta 在自研 AI 芯片的道路上曾遭遇挑战。与 Arm 的合作，为其数据中心提供了除 Nvidia、AMD 等现有供应商之外的另一个关键硬件选项，有助于构建更多元化、可能更具成本效益的 AI 算力基础设施。 ## 市场反响与竞争格局 Arm 此次进军自研芯片市场，在业内激起了涟漪。包括 **亚马逊 AWS、微软、谷歌、Marvell、英伟达（Nvidia）、三星** 在内的多家 Arm 客户都向此次发布表示了祝贺。这反映出 Arm 在生态中的深厚根基，其新业务可能与传统授权业务并存甚至形成协同。 然而，并非所有合作伙伴都送上祝福。**高通（Qualcomm）** 的缺席尤为显眼。去年秋天，高通在与 Arm 关于授权协议条款的法律诉讼中曾宣称取得“完全胜利”。此次高通未出现在祝贺名单中，暗示两者之间的商业关系可能依然紧张。 ## 战略意图：瞄准“造芯难”的企业 Arm 云与 AI 业务负责人 Mohamed Awad 向 CNBC 透露了公司的战略考量：Arm 旨在为那些 **无力承担自研处理器高昂成本的公司** 提供一个可行的选项。在 AI 芯片竞赛白热化的今天，除了谷歌、亚马逊、微软等科技巨头，许多公司确实缺乏足够的资金、人才和时间来自研专用芯片。Arm 凭借其设计经验和生态优势，直接提供成品芯片，正好切入这一市场空白。 除了 Meta，其他已排队等候的客户名单也颇具分量，包括 **Cerebras、Cloudflare、F5、OpenAI、Positron、Rebellions、SAP、SK Telecom** 等。这显示了市场对多元化、高效能 AI 算力解决方案的旺盛需求。 ## 小结：AI 芯片战局的新变量 Arm 推出首款自研 CPU 并携手 Meta，为本就激烈的 **AI 芯片竞赛** 增添了新的变数。这不仅是 Arm 公司自身商业模式的突破，也反映了 AI 基础设施市场正在向更加专业化、多元化和注重能效的方向演进。对于 Meta 等大型科技公司而言，减少对单一供应商（如英伟达）的依赖、优化总体拥有成本（TCO）是持续的战略目标。Arm AGI CPU 凭借其宣称的卓越能效比，有望在数据中心推理场景中成为一股不可忽视的力量。不过，具体的财务条款、Meta 的采购规模以及芯片在实际大规模部署中的表现，仍有待后续观察。
在近期完成 50 亿美元融资后，Databricks 正积极通过收购来增强其产品线。公司近日宣布推出名为 **Lakewatch** 的全新安全产品，该产品结合了其强大的数据存储能力与 AI 驱动的安全分析。为了支撑这一新产品，Databricks 收购了两家初创公司：**Antimatter** 和 **SiftD.ai**。 ## 收购详情与背景 这两笔收购的财务条款均未披露。 - **Antimatter**：这笔交易实际上已于去年完成，但直到现在才公开。Antimatter 由安全研究员 Andrew Krioukov 创立，根据 PitchBook 的估计，该公司在 2022 年获得了由 New Enterprise Associates 领投的 1200 万美元融资。其团队规模不到 50 人。Antimatter 专注于开发 **数据控制平面工具**，旨在帮助企业安全地部署 AI 代理，同时保护敏感数据。Krioukov 曾在 2024 年的 RSA 创新沙盒竞赛中展示过其技术。目前，Krioukov 已在 Databricks 工作数月，并负责领导 Lakewatch 团队。 - **SiftD.ai**：这笔交易在最近几周内迅速达成，并于本周一完成。SiftD.ai 是一家非常年轻的初创公司，其产品在去年 11 月才推出。该公司开发了一款 **交互式笔记本**（类似于 Jupyter notebook），旨在作为人与 AI 代理协同工作的工具。其联合创始人兼 CEO Steve Zhang 此前在 Splunk 担任首席科学家多年（直至 2021 年），并在那里创建了搜索处理语言。根据 LinkedIn 信息，SiftD.ai 团队规模很小，只有几个人。这笔收购看起来更像是一次 **人才收购**。 ## Lakewatch：AI 驱动的安全信息与事件管理 **Lakewatch** 的核心是将 Databricks 处理海量数据的能力，与传统的 **安全信息与事件管理** 任务相结合，例如威胁检测和调查。其关键创新在于引入了 **AI 代理**，这些代理由 Anthropic 的 **Claude** 模型提供支持。这意味着 Lakewatch 能够利用先进的 AI 能力来自动化分析安全日志和数据，从而更快速、更智能地识别潜在威胁。 通过收购 Antimatter，Databricks 获得了在安全部署 AI 代理和保护数据方面的专业知识与技术资产。而收购 SiftD.ai 则可能为其带来了在交互式 AI 协作工具和搜索分析领域的人才与经验。这两者的结合，旨在强化 Lakewatch 产品在 AI 赋能安全运营方面的底层能力。 ## 行业背景与战略意义 Databricks 以其云数据湖仓平台闻名，此次进军 AI 安全领域，标志着其正从纯粹的数据管理与分析平台，向更垂直的 **AI 应用层** 拓展。在数据安全与合规要求日益严格的背景下，将 AI 深度集成到安全运维中已成为行业趋势。 - **利用资本优势**：凭借上月完成的 **50 亿美元融资** 以及可观的营收，Databricks 拥有充足的“战争资金”进行战略性收购，快速补强特定领域的能力。 - **整合生态**：收购小型、专注的初创公司，而非从头自研，是快速进入新市场、获取尖端技术和人才的常见策略。 - **AI 代理竞争**：引入 Claude 驱动的 AI 代理，也反映了当前各大科技公司在构建和集成智能代理以增强产品自动化与智能化水平方面的激烈竞争。 ## 总结 Databricks 通过收购 Antimatter 和 SiftD.ai，为其新推出的 AI 安全产品 **Lakewatch** 注入了关键的技术与人才。这一举措不仅扩展了其产品矩阵，也展现了其利用资本和平台优势，积极布局 AI 时代数据安全赛道的战略意图。Lakewatch 能否在竞争激烈的 SIEM 市场中凭借 AI 优势脱颖而出，值得后续关注。
随着大型语言模型（LLM）推理需求的激增，GPU资源短缺已成为企业部署AI应用时面临的主要瓶颈。AWS近日宣布，其**Amazon SageMaker AI训练计划**现已支持推理工作负载，允许用户为特定时间段预留GPU容量，从而确保关键评估、限时生产测试或突发工作负载的可靠执行。 ## 背景：推理场景下的GPU容量挑战 部署LLM进行推理时，尤其是在模型评估、A/B测试或应对流量高峰期间，对GPU资源的稳定访问至关重要。然而，在需求高峰期，按需实例的容量往往不可预测，这可能导致部署延迟、性能波动，甚至影响业务决策。例如，一个数据科学团队需要在两周内评估多个精调的语言模型，以选择最佳版本投入生产。他们需要持续访问**ml.p5.48xlarge**等高性能GPU实例进行基准测试，但区域内的按需容量在高峰时段可能不足，从而中断评估流程。 ## 解决方案：训练计划扩展至推理端点 **Amazon SageMaker AI训练计划**最初设计用于机器学习训练任务，现在已扩展支持推理端点。用户可以通过该功能预留计算容量，具体步骤如下： 1. **搜索可用容量**：在AWS控制台或通过API搜索目标区域中可用的p系列GPU容量（如p3、p4、p5实例）。 2. **创建训练计划**：选择实例类型、数量和持续时间（可以是固定天数、月数或连续天数），并将目标资源设置为“端点”，以专门为推理工作负载预留资源。 3. **部署推理端点**：在创建SageMaker AI推理端点时，在配置中引用训练计划的Amazon资源名称（ARN），确保端点部署在预留的实例上。 ## 工作流程与优势 整个流程模拟数据科学家的典型旅程：从预留容量进行模型评估，到在预留生命周期内管理端点。训练计划的创建和利用包括四个关键阶段：识别需求、预留容量、部署端点和监控管理。 **主要优势**： - **可预测的可用性**：预留容量避免了按需实例的不确定性，确保关键工作负载按时完成。 - **成本控制**：通过预先规划资源使用，用户能更好地管理支出，避免突发成本。 - **灵活性**：支持短期或长期预留，适应不同场景如模型评估、生产测试或季节性高峰。 ## 行业意义与展望 这一更新反映了AI基础设施领域的一个趋势：随着模型推理成为企业AI落地的核心环节，云服务商正不断优化资源管理工具，以平衡性能、成本与可靠性。AWS此举将训练计划的灵活性延伸至推理场景，有助于缓解GPU短缺压力，提升AI应用的部署效率。 对于企业而言，这意味着可以更自信地规划AI项目时间线，减少资源竞争带来的风险。未来，我们可能会看到更多云平台推出类似的容量预留功能，以支持日益复杂的AI工作负载。
在成立近36年后，Arm Holdings 首次打破了仅授权芯片设计的传统，推出了自家生产的 **Arm AGI CPU**。这款芯片专为AI数据中心推理任务设计，标志着这家半导体巨头正式进军芯片制造领域。 ## 历史性转变：从授权到自研 Arm 长期以来以其高效的CPU架构设计闻名，授权给苹果、英伟达等公司使用，但从未亲自制造芯片。这一策略使其成为移动设备和嵌入式系统的核心，但面对AI浪潮，Arm 决定迈出关键一步。2023年开始开发，如今 **Arm AGI CPU** 已进入量产阶段，可立即订购，这不仅是技术突破，更是商业模式的重大转型。 ## 芯片详情与合作伙伴 **Arm AGI CPU** 基于 Arm Neoverse 系列CPU IP核心构建，旨在优化AI数据中心的推理性能。值得注意的是，它是一款CPU而非GPU——尽管GPU因AI训练而备受关注，但CPU在数据中心中管理内存、存储调度和任务分配等分布式任务，同样不可或缺。Arm 强调，这款芯片能与训练和推理加速器协同工作，提升整体效率。 合作方面，**Meta** 不仅是开发伙伴，还是首个客户，计划将芯片集成到其AI基础设施中。此外，Arm 还宣布了与 **OpenAI、Cerebras 和 Cloudflare** 等公司的启动合作，显示其在AI生态中的广泛布局。 ## 行业影响与竞争格局 这一举动可能重塑半导体竞争格局。Arm 多数股权由软银集团持有，如今从合作伙伴变为竞争者，可能引发与现有授权客户的关系调整。在AI芯片市场，英伟达GPU主导训练环节，但推理需求增长迅速，Arm 的CPU切入正逢其时，有望在数据中心领域分一杯羹。 ## 未来展望 Arm 自研芯片的推出，反映了AI时代对定制化硬件的迫切需求。随着Meta等科技巨头采用，这款CPU或能推动更高效的AI推理解决方案。不过，具体性能数据和市场接受度仍有待观察。对于中文读者而言，这提醒我们关注全球AI芯片竞赛的新动向，以及Arm 如何平衡自研与授权业务。 总之，Arm 的这一步不仅是技术里程碑，更可能开启半导体行业的新篇章。
**微软开发者社区副总裁斯科特·汉塞尔曼（Scott Hanselman）近日在社交媒体上暗示，他正在努力解决Windows 11安装过程中强制使用微软账户的问题。**这一表态引发了广泛关注，因为自Windows 11发布以来，用户一直抱怨无法在初始设置时创建本地账户，必须绑定微软账户，即使他们并不打算使用相关云服务。 ### 强制账户要求的由来与争议 Windows 11自推出以来，在安装过程中强制用户创建或登录微软账户，否则无法完成设置。这与Windows 10及更早版本允许直接创建本地账户的做法形成鲜明对比。微软此举旨在推动用户使用其生态系统服务，如OneDrive、Microsoft 365和Xbox，但对于注重隐私、偏好离线使用或仅需基本功能的用户来说，这被视为不必要的侵入。 汉塞尔曼在X平台回应网友评论时简短表示：“是的，我也讨厌这个。正在处理中。”这虽非官方承诺，但作为微软高管，他的表态传递出公司内部可能正在重新评估这一政策。 ### 当前变通方案与局限 目前，用户若想使用本地账户，只能在完成初始设置后，从微软账户切换至本地账户，但前提仍是先创建微软账户。此外，一些第三方工具如**Rufus**和**Ventoy**提供了绕过账户要求的方法，允许在安装时选择本地账户，但这些并非官方支持方案，且微软曾试图封堵类似漏洞。 ### 行业背景与潜在影响 在AI和云服务竞争加剧的背景下，微软此举可能反映其平衡用户体验与商业策略的考量。强制账户要求虽能增加服务粘性，但也招致用户不满，影响Windows的可靠性和友好度——这正是汉塞尔曼提及的改进方向。如果微软最终取消这一限制，将有助于提升Windows 11在隐私敏感用户和小型企业中的接受度，同时可能缓解与欧盟等监管机构在数据收集方面的潜在摩擦。 ### 展望与不确定性 尽管汉塞尔曼的暗示带来希望，但微软尚未发布正式公告或时间表。用户需注意，这仍处于早期阶段，具体实施方式（如是否完全移除或仅提供更便捷的本地账户选项）尚不明确。不过，这一动向表明微软可能更倾听社区反馈，在AI驱动的个性化服务与用户自主权之间寻求更佳平衡。 **小结**：Windows 11的强制账户要求长期困扰用户，微软高管的表态暗示改变可能临近。若成真，这将提升系统灵活性，但细节有待官方确认。
随着网络攻击者日益狡猾和持久，IT工作者必须提升防御水平。本文基于Mandiant（现为Google Cloud一部分）的2026年企业安全调查报告，深入探讨了在AI驱动的攻击速度下，如何通过结构性变革强化网络防御。 ## 攻击速度的惊人变化 Mandiant报告揭示了一个令人震惊的趋势：网络攻击的“交接时间”从2022年的超过8小时，缩短至2025年的平均仅22秒。这意味着攻击者一旦通过低影响技术（如恶意广告或虚假浏览器更新）获得网络访问权限，就能在极短时间内将目标移交给二级团队进行手动操作。 同时，利用零日漏洞攻击系统的平均时间也在急剧下降，漏洞被利用的平均时间缩短至供应商发布补丁前的7天。这种速度的提升，很大程度上得益于攻击者对AI技术的应用，使得攻击流程自动化和效率大幅提高。 ## 人类仍是防御的薄弱环节 尽管攻击和防御都越来越依赖自动化系统，但人类仍然是每场战斗的核心，并且继续是防御的薄弱点。Mandiant指出，现代企业网络广泛分布，并通过软件即服务（SaaS）将任务外包给合作伙伴，而攻击者也在采用类似的“分工”模式。 在这种模式下，一个团队使用低影响技术入侵网络，然后将受损目标快速移交给二级团队进行手动操作。这种分工不仅提高了攻击效率，还使得攻击更难被追踪和防御。 ## 强化网络的5大策略 基于Mandiant的调查结果，以下是2026年强化企业网络以抵御AI驱动攻击的关键策略： 1. **实施零信任架构**：不再默认信任内部网络，而是对所有用户、设备和应用程序进行持续验证。这有助于减少攻击面，防止横向移动。 2. **加强端点安全**：部署先进的端点检测和响应（EDR）工具，实时监控和分析端点活动，快速识别和响应异常行为。 3. **自动化威胁响应**：利用AI和机器学习技术，自动化威胁检测、分析和响应流程，以匹配攻击者的速度，减少人为延迟。 4. **定期安全培训**：针对员工进行持续的安全意识培训，特别是识别钓鱼攻击和社会工程学手段，因为人类仍是攻击的主要入口。 5. **建立应急响应计划**：制定并定期测试应急响应计划，确保在攻击发生时能够快速、有效地采取行动，最小化损失。 ## 攻击者分类与应对 Mandiant将进行“手动键盘操作”的二级攻击团队分为两类： - **快速行动者**：这类攻击者追求速度，通常在获得访问权限后立即行动，目标是快速窃取数据或部署勒索软件。应对策略包括加强实时监控和自动化响应。 - **潜伏渗透者**：这类攻击者更注重隐蔽性，可能会在系统中潜伏数月，逐步扩大访问权限。应对策略包括定期安全审计和异常行为检测。 ## 总结 在AI驱动的攻击新时代，企业必须重新思考网络安全策略。单纯依赖传统防御手段已不足以应对快速演变的威胁。通过实施零信任架构、加强端点安全、自动化威胁响应、定期培训员工和建立应急计划，企业可以在2026年更好地抵御攻击，保护关键资产。记住，防御不仅是技术问题，更是人和流程的结合。
OpenAI 近日宣布，将调整其电商化战略，逐步放弃 **Instant Checkout** 功能，该功能允许用户直接在 ChatGPT 界面内完成购物。这一转变标志着 OpenAI 从直接电商交易转向更专注于产品发现和信息中介的角色。 ## 背景：ChatGPT 的电商野心 去年，OpenAI 推出购物功能，将 ChatGPT 定位为购物助手，旨在连接消费者与商家。**Instant Checkout** 于 9 月上线，用户可通过聊天界面添加商品到购物车，并在 ChatGPT 内完成支付，类似于传统电商网站。然而，这一功能并未取得预期成功。 ## 为何 Instant Checkout 遇冷？ OpenAI 在博客中解释，**Instant Checkout 的初始版本未能提供足够的灵活性**，因此公司决定让商家使用自己的结账体验，同时将重点转向产品发现。据 TechCrunch 报道，OpenAI 发言人表示，公司将降低 Instant Checkout 作为独立功能的开发优先级，转而优先发展消费者产品发现功能。 此前，《The Information》和 CNBC 报道称，OpenAI 的新计划是让商家在 ChatGPT 内创建自己的应用，然后将用户引导至商家网站完成结账。有消息指出，ChatGPT 用户并未广泛使用该聊天机器人进行实际购物，而 10 月的一项研究显示，电商网站从 ChatGPT 用户获得的收入有限。 ## 战略转向：从购物门户到信息中心 OpenAI 现在正将 ChatGPT 打造成一个集中的消费者信息中心，而非购物门户。这意味着 ChatGPT 将更多扮演中介研究工具的角色，帮助用户发现和比较产品，而不是直接处理交易。公司将继续支持多种结账路径，包括通过商家网站。 ## 对 AI 行业的影响 这一调整反映了 AI 公司在商业化探索中的常见挑战：平衡用户体验与商业目标。OpenAI 的电商尝试表明，即使拥有强大的 AI 技术，直接切入成熟市场（如电商）仍需面对用户习惯和竞争壁垒。这可能促使更多 AI 公司专注于增强现有服务，而非颠覆传统行业。 ## 未来展望 OpenAI 表示，商家仍可通过 ChatGPT 内的应用暂时保留 Instant Checkout 功能，但长期来看，产品发现将成为核心。这一转变或有助于 ChatGPT 在信息检索和推荐领域建立更稳固的地位，同时避免与亚马逊等电商巨头直接竞争。 **小结**：OpenAI 的电商计划调整凸显了 AI 产品在落地过程中的现实考量，强调灵活性和用户需求的重要性。
Cut the cord and stream for less with some of the best deals we've seen so far this year on popular streaming services and devices, ahead of Amazon's Big Spring Sale.
随着亚马逊 2026 年春季大促的临近，零售巨头 Costco 也推出了自己的优惠活动，旨在为消费者提供从家居用品到苹果设备等各类产品的显著折扣。ZDNET 的专家团队通过测试、研究和比价，精选了以下值得关注的 Costco 优惠，帮助您在购物时做出更明智的决策。 ## 精选优惠产品清单 - **索尼 Bravia 5 65 英寸电视**：原价 $1,499，现价 **$1,099**，节省 **$400**。这款电视以其高画质和智能功能著称，是家庭娱乐的升级选择。 - **SnapPower LED 摇杆开关灯（3 件装）**：原价 $45，现价 **$35**，节省 **$10**。这种节能 LED 灯易于安装，适合家庭照明改造。 - **Insta360 X5 8K 360 度运动相机套装**：原价 $549，现价 **$469**，节省 **$80**。支持 8K 分辨率，适合摄影爱好者和内容创作者。 - **苹果 Apple Watch Series 11**：原价 $399，现价 **$299**，节省 **$100**。最新款智能手表，具备健康监测和便捷功能。 ## 为什么选择 Costco 而非亚马逊？ Costco 的优惠策略通常侧重于批量购买和会员专属折扣，这可能为长期用户带来更高的整体节省。相比之下，亚马逊的春季大促可能更注重单品促销和快速配送。在 AI 和科技产品日益普及的背景下，消费者对智能设备的需求增长，Costco 此次优惠覆盖了电视、相机和可穿戴设备等热门品类，反映了零售业对科技趋势的响应。 ## 购物建议与注意事项 ZDNET 的推荐基于独立测试和客户反馈，确保信息准确可靠。在购买前，建议您： - 比较不同零售商的定价，包括亚马逊的促销活动。 - 考虑产品的长期使用价值，而非仅关注短期折扣。 - 注意优惠的有效期和库存情况，避免错过机会。 ## 总结 Costco 的 2026 年春季优惠为消费者提供了多样化的节省选择，特别是在科技产品领域。随着 AI 技术融入更多日常设备，这类促销活动可能帮助用户以更低成本升级智能家居和数字生活工具。无论您是寻找家庭必需品还是高端电子产品，不妨关注 Costco 的优惠动态，结合自身需求做出最佳购买决定。
Google 近日为 Google TV 推出了三项由 Gemini AI 驱动的新功能，旨在提升用户的智能电视体验。这些功能包括 **视觉化响应**、**深度探索** 和 **体育简报**，目前正在美国和加拿大逐步推出，并计划在今年春季扩展至澳大利亚、新西兰和英国等地。 ## 三大核心功能详解 ### 1. 视觉化响应：让信息更直观 这项功能允许用户通过语音或搜索获得更丰富的视觉反馈。例如，当用户询问“勇士队的当前比分”时，Gemini 不仅会提供实时比分，还会显示 **实时记分卡** 以及观看比赛的渠道信息。同样，在搜索食谱时，Gemini 会搭配相关的 **视频教程**，让烹饪过程更易上手。这种视觉辅助大大增强了信息的实用性和可操作性。 ### 2. 深度探索：满足求知欲 借鉴 CES 2026 上的展示，Google TV 新增了“深度探索”功能。用户可以通过选择响应选项中的“深入探索”或在主屏幕的 Gemini 标签页选择“学习”选项来启动。Gemini 会以 **旁白解说和视觉分解** 的形式，深入讲解复杂主题，涵盖健康与保健、经济学、技术等领域。例如，用户可以提问“冷水浸泡有什么效果？”，系统便会提供详细的视听解析。 ### 3. 体育简报：为忙碌的球迷量身定制 针对体育爱好者，Gemini 推出了“体育简报”功能。用户无需观看整场比赛，即可获取 **NBA、NHL、MLB 等联赛的及时旁白概述**，轻松了解精彩集锦和重要更新。这延续了 Google 去年为新闻爱好者推出的“新闻简报”思路，旨在帮助用户高效跟进感兴趣的内容。 ## 行业背景与意义 在 AI 技术快速融入日常生活的背景下，Google 此次更新凸显了 **大语言模型在家庭娱乐场景的落地趋势**。通过 Gemini 的集成，Google TV 不再仅仅是内容播放平台，而是进化为一个 **交互式信息中心**，能够主动响应用户需求，提供个性化、多模态的体验。 - **提升用户粘性**：视觉化响应和深度探索功能增强了平台的实用价值，可能吸引更多用户长期使用。 - **拓展应用场景**：从体育到健康，Gemini 的能力覆盖了广泛的主题，显示了 AI 在内容推荐和教育领域的潜力。 - **市场竞争加剧**：随着亚马逊、苹果等公司在智能电视领域的布局，Google 通过 AI 功能差异化竞争，有望巩固其市场地位。 ## 未来展望 Google 已表示计划在今年春季将 Gemini 功能扩展到更多国家，这表明公司对 **AI 驱动的电视体验全球化** 抱有积极预期。随着技术的迭代，我们或许会看到更多定制化功能，如基于用户偏好的自动简报生成，或与其他 Google 服务（如日历、邮件）的深度整合。 总体而言，这次更新是 Google 在 **智能家居生态中强化 AI 角色** 的重要一步，为用户带来了更智能、更便捷的电视交互方式。
## 沃尔玛推出重磅促销，挑战亚马逊春季大促 随着亚马逊2026年春季大促（Big Spring Sale）的临近，零售巨头沃尔玛不甘示弱，推出了一系列极具竞争力的优惠活动，旨在吸引消费者并抢占市场份额。据ZDNet AI资讯报道，沃尔玛的促销覆盖了多个热门品类，包括苹果产品、Roku设备等，部分优惠甚至优于亚马逊的同类促销，为消费者提供了更多选择。 ### 促销亮点：苹果与Roku设备成焦点 沃尔玛此次促销的核心亮点集中在**苹果产品**和**Roku设备**上。苹果产品作为高端消费电子领域的代表，一直是促销活动的热门，沃尔玛可能提供iPhone、iPad或MacBook等设备的折扣，以吸引追求性价比的消费者。Roku设备则瞄准了流媒体娱乐市场，其价格优势可能帮助沃尔玛在智能家居和娱乐领域与亚马逊的Fire TV等产品竞争。 ### 行业背景：AI驱动的零售竞争加剧 在AI技术快速发展的背景下，零售行业的竞争日益激烈。亚马逊凭借其AI算法和物流优势，常年主导在线促销活动，但沃尔玛近年来通过投资AI和自动化技术，提升了库存管理和个性化推荐能力。此次促销不仅是价格战，更是两家巨头在AI应用场景——如需求预测、动态定价和客户服务——上的间接较量。沃尔玛的举措可能基于AI分析的市场数据，精准定位消费者需求，以应对亚马逊的春季攻势。 ### 消费者视角：如何把握优惠时机 对于消费者而言，沃尔玛的促销提供了更多购物选项。建议在购买前： - **比较价格**：利用比价工具或关注实时更新，确保获得最优折扣。 - **关注库存**：热门产品可能快速售罄，提前规划购买时间。 - **评估需求**：结合自身需求，避免冲动消费，尤其是在AI设备等科技产品上。 ### 小结：促销背后的战略意义 沃尔玛此次促销不仅是为了短期销售增长，更是长期战略的一部分。通过提供优于亚马逊的优惠，沃尔玛旨在增强品牌忠诚度，并在AI赋能的零售生态中巩固地位。随着2026年春季大促的展开，消费者将受益于更激烈的竞争，而行业观察者则可关注两家公司在AI技术应用上的进一步动向。 *注：具体促销细节和产品列表未在原始摘要中提供，建议关注沃尔玛官方渠道获取最新信息。*
在图形用户界面（GUI）主导的现代计算环境中，一个名为**Peropesis**的纯命令行Linux发行版显得格外独特。这个操作系统不仅没有桌面环境，甚至只能以“实时实例”方式运行——无法安装应用程序，也无法进行永久性安装。然而，正是这种极简主义的设计，使其成为学习和掌握Linux命令行界面（CLI）的绝佳工具。 ## 什么是Peropesis？ Peropesis的名字来源于“Personal Operating System”（个人操作系统）。与大多数现代Linux发行版不同，它彻底摒弃了图形界面，用户只能通过命令行与系统交互。更特别的是，它只能作为“实时系统”启动，这意味着每次启动都是一个干净的环境，无法像传统操作系统那样安装软件或保存持久性更改。 启动Peropesis后，用户会直接面对登录提示。默认情况下，使用**root**用户登录（初始无密码），登录后第一件事通常就是通过`passwd`命令设置密码——这本身就是一次命令行实践。 ## 为何它能有效提升Linux技能？ ### 1. 强制沉浸于命令行环境 Peropesis的设计哲学是“不提供任何帮助”——没有图形界面作为退路，用户必须通过命令行完成所有操作。这种“沉浸式”学习环境迫使学习者真正理解并运用CLI命令，从文件管理、进程控制到网络配置，一切都需通过终端完成。 ### 2. 安全的实验沙盒 由于Peropesis只能以实时模式运行在虚拟机中，它成为了一个完美的实验环境。用户可以在其中尝试各种命令和脚本，即使操作失误导致系统崩溃，也只需重启虚拟机即可恢复原状。这种零风险的环境鼓励大胆尝试和探索。 **建议的学习流程**：启动Peropesis虚拟机后，立即创建一个快照。之后，你可以随意练习命令，每当遇到问题或想重新开始时，只需回滚到快照点，就像拥有一个随时可重置的学习实验室。 ### 3. 专注于核心技能 许多Linux初学者过度依赖图形工具，而忽视了命令行这一更强大、更高效的核心技能。Peropesis剥离了所有图形元素，让学习者直接面对Linux的“本质”——命令行。这种专注有助于建立扎实的基础，理解Linux的工作原理，而非仅仅学习某个特定桌面环境的用法。 ## 在AI与云计算时代的特殊价值 随着人工智能和云计算的快速发展，命令行技能的重要性不降反升： - **服务器管理**：大多数云服务器和AI训练环境都是无图形界面的Linux系统，命令行是唯一的管理方式。 - **自动化与脚本**：AI工作流、数据处理管道和部署脚本通常通过命令行工具和脚本（如Bash、Python）实现。 - **容器与DevOps**：Docker、Kubernetes等现代技术重度依赖命令行操作。 掌握命令行不仅能提升日常效率，更是深入技术栈、理解系统底层运作的关键。Peropesis这样的工具，通过“减法”设计，反而强化了这一核心能力的学习路径。 ## 谁适合使用Peropesis？ - **Linux初学者**：希望打下坚实命令行基础的新手。 - **已有基础但想深化CLI技能的用户**：摆脱对GUI的依赖，提升终端操作熟练度。 - **教育工作者**：作为教学工具，让学生专注于命令行的本质。 - **开发者和运维人员**：在安全环境中练习高级命令和脚本。 ## 小结 Peropesis可能永远不会成为主流桌面操作系统，但它精准地服务于一个特定目标：**命令行技能培养**。在技术日益复杂的今天，这种回归基础、强化核心能力的工具反而显得珍贵。它提醒我们，有时最好的学习方式不是添加更多功能，而是剥离干扰，直面本质。 对于任何希望真正掌握Linux——尤其是在AI、云计算和自动化领域深入发展的人——花时间在Peropesis这样的环境中磨练命令行技能，或许是一项高回报的投资。
OpenAI 于周二宣布发布一套专为青少年安全设计的提示词（prompts），旨在帮助开发者更便捷地在其应用中集成AI安全防护措施。这套工具基于其开源安全模型 **gpt-oss-safeguard** 开发，但设计上兼容其他模型，为开发者提供了一个可快速部署的“安全基线”。 ### 核心内容：开源安全提示词 OpenAI 此次发布的并非传统意义上的软件更新或模型升级，而是一系列**结构化提示词**，专门针对青少年可能接触到的有害内容进行过滤。这些提示词覆盖了多个关键风险领域，包括： - **暴力与性内容**：限制图形化暴力描述和露骨性内容。 - **有害身体观念与行为**：防止传播不健康的身体形象标准或鼓励危险行为（如极端节食、自残）。 - **危险活动与挑战**：识别并阻止可能引导青少年参与物理风险高的活动（例如网络流行的危险挑战）。 - **浪漫或暴力角色扮演**：限制涉及不当关系模拟或暴力场景的互动。 - **年龄限制商品与服务**：防止未成年人接触烟酒、赌博等受限内容。 ### 为何选择“提示词”形式？ OpenAI 在官方博客中解释，许多开发者团队——即便是经验丰富的团队——在将抽象的安全目标转化为具体、可执行的规则时面临困难。这可能导致防护漏洞、执行不一致或过滤过度等问题。通过提供这些预定义的提示词，OpenAI 希望为开发者建立一个**清晰、范围明确的安全基础**，减少自行设计规则时的试错成本。 **提示词设计的优势在于其灵活性与兼容性**。虽然这些策略最初是为配合 **gpt-oss-safeguard** 模型优化，但由于其本质是文本指令，理论上可以适配多种大语言模型（LLMs），方便不同技术栈的团队集成。不过，OpenAI 也坦言，在自家生态内使用可能效果最佳。 ### 合作与开源意义 为确保内容的专业性与适用性，OpenAI 在制定这些提示词时与两家AI安全监督机构合作：**Common Sense Media** 和 **everyone.ai**。Common Sense Media 的AI与数字评估主管 Robbie Torney 在声明中表示：“这些基于提示词的政策有助于在整个生态系统中设定有意义的安全底线，而且由于它们是开源的，可以随着时间推移进行适配和改进。” **开源发布意味着开发者不仅可以免费使用，还能根据具体应用场景进行修改和优化**，形成社区共同维护的安全标准。这符合当前AI行业推动透明、协作安全实践的潮流。 ### 定位：补充而非万能方案 OpenAI 明确表示，这些提示词**并非解决AI安全复杂挑战的终极方案**，而是对其现有安全措施的补充。此前，OpenAI 已在产品层面实施了多项防护，如家长控制、年龄预测等功能。此次工具包的推出，更像是将部分内部安全实践“模块化”并开放给开发者，降低整个行业构建青少年友好型AI应用的门槛。 ### 行业背景与影响 随着生成式AI快速渗透教育、娱乐、社交等领域，如何保护青少年免受不当内容影响已成为全球监管机构和科技公司的焦点。欧盟的《数字服务法》（DSA）、美国的儿童在线安全立法趋势都在强化平台责任。OpenAI 此举可视为一种**前瞻性行业自律**，既回应了外部监管压力，也为开发者提供了实用工具，可能推动形成更统一的青少年AI安全实施标准。 对于中小型开发团队而言，直接采用经过验证的提示词能显著加快产品安全合规进程；而对于整个生态，开源协作有望逐步沉淀出更健壮、可迭代的安全最佳实践。 ### 小结 OpenAI 通过发布开源青少年安全提示词工具包，为AI应用开发者提供了一条降低安全实现难度的路径。它并非完美解决方案，但作为一套可操作、可适配的起点，有助于在快速发展的AI行业中建立更广泛的安全基线，尤其对资源有限的中小团队具有实用价值。未来，其效果将取决于开发者的采纳程度与社区的持续改进。
在AI笔记应用如Granola（估值2.5亿美元）风靡科技界之际，一位英国开发者Nick Payne看到了市场对更私密、本地化解决方案的需求。他与朋友Mike Franklin共同开发了**Talat**——一款仅需一次性购买、无需订阅的Mac应用，其核心特点是所有音频处理和转录都在本地设备上完成，数据永不离开用户电脑。 ## 开发背景：从技术探索到产品化 Payne最初被Granola吸引，惊叹于它能在Mac上仅录制系统音频而不录视频的技术实现。这促使他深入研究，发现了苹果一个相对较新且文档较少的API——**Core Audio Taps**，该API允许开发者接入Mac的音频流。为了更方便地使用这个API，Payne创建了开源音频库**AudioTee**。 然而，Payne始终对主流AI笔记工具的隐私问题感到不安。他指出：“最先进的托管转录模型（与Granola等使用的提供商相同）非常出色，看到你的语音近乎实时地展现在屏幕上确实很酷。但让我困扰的是，这种交换需要提供的不只是我的数据，而是我的音频数据——我的真实声音。” ## 技术突破：本地AI转录的实现 关键转折点出现在Payne发现了**FluidAudio**——一个Swift框架，支持在苹果设备上实现完全本地、低延迟的音频AI处理。该框架允许直接在Mac的**Neural Engine**（苹果专为AI处理设计的硬件）上运行小型、快速的转录模型。 这一发现让Payne意识到，他可以将自己的研究转化为一个真正的产品：一个音频永不离开Mac、转录文本不存储在其他公司服务器上的应用。 ## 产品特点：简约与隐私至上 Talat的设计理念强调极简和隐私： - **一次性购买**：应用大小仅20MB，用户只需支付一次费用，无需创建账户或订阅。 - **零数据共享**：不收集分析数据回传给开发者，所有处理均在设备本地完成。 - **本地优先**：利用Mac的Neural Engine进行实时转录，无需云端服务器参与。 ## 市场定位：在功能与隐私间权衡 Payne承认，与Granola等功能丰富的AI笔记工具相比，Talat可能缺少一些“花哨功能”。但他认为，对于重视隐私的用户来说，这种权衡是值得的。Talat的目标用户是那些愿意牺牲部分高级功能以换取完全数据控制权的专业人士。 ## 行业启示：本地AI的崛起 Talat的出现反映了AI行业的一个新兴趋势：随着设备端AI硬件的进步（如苹果的Neural Engine），越来越多的应用开始探索本地化AI处理的可能性。这不仅提升了隐私保护水平，还减少了网络依赖和延迟问题。 ## 小结 Talat并非试图取代Granola等主流工具，而是为市场提供了一个重要的补充选择。它证明了在AI时代，隐私和本地控制并非不可兼得——只要有足够的技术创新和用户需求驱动。对于关注数据安全的会议参与者来说，Talat可能是一个值得考虑的简约而强大的替代方案。
## 无需训练即可实现动态实体识别：Claude工具调用在Amazon Bedrock的应用 在当今数据驱动的商业环境中，企业普遍面临一个核心挑战：如何从海量非结构化数据中高效提取有价值的信息。传统方法通常依赖于资源密集的流程和僵化的模型，不仅部署周期长，而且难以适应不断变化的业务需求。Amazon Bedrock最新推出的**Claude工具调用（Claude Tool use）**功能，为这一问题提供了革命性的解决方案。 ### 什么是Claude工具调用？ Claude工具调用，也称为函数调用，是一种强大的能力，允许用户通过建立和调用外部函数或工具来增强Claude的能力。这一功能的核心在于，用户可以为Claude预先定义一组工具（包括工具名称、输入模式和描述），当Claude处理用户提示时，它会评估任务需求，并智能决定是否需要调用这些工具来辅助完成任务。 与传统的实体识别模型不同，Claude工具调用**无需进行专门的模型训练或复杂的设置**。它利用大型语言模型（LLMs）的通用理解能力，通过自然语言提示即可动态、灵活地识别和提取结构化数据。 ### 在Amazon Bedrock中的实现方式 Amazon Bedrock作为完全托管的生成式AI服务，集成了包括Anthropic的Claude在内的多种高性能基础模型。在该平台上实现Claude工具调用异常简便： 1. **工具定义**：用户定义一组工具，明确每个工具的功能和输入要求。 2. **提示提交**：用户提交可能涉及工具使用的自然语言提示。 3. **智能评估**：Claude自动评估提示内容，判断是否需要调用工具。 4. **动态执行**：如适用，Claude选择要使用的工具及相应输入，完成数据提取。 ### 解决方案架构：以驾照信息提取为例 本文演示了如何利用Claude工具调用从驾照中提取自定义字段。该解决方案采用**无服务器架构**，结合Amazon Bedrock、AWS Lambda和Amazon S3，实现实时文档处理和信息提取。 **核心优势**： - **无需训练**：直接利用Claude的预训练能力，省去传统机器学习项目中的数据标注和模型训练环节。 - **高度灵活**：可轻松适应不同文档类型（如发票、合同、表单等）和实体类型的变化。 - **生产就绪**：遵循AWS最佳实践，可快速部署为生产级解决方案。 - **成本效益**：无服务器架构按需计费，避免了传统方案中高昂的初始基础设施投入。 ### 行业影响与未来展望 Claude工具调用在实体识别领域的应用，标志着AI技术正从“专用模型”向“通用能力+工具增强”范式转变。对于金融、医疗、法律等文档密集型行业，这意味着： - **开发效率提升**：企业可将原本需要数周甚至数月的实体识别项目，缩短至几天内完成原型验证。 - **业务敏捷性增强**：当需要识别新的实体类型时，只需调整工具定义或提示词，无需重新训练模型。 - **技术门槛降低**：更多非AI专家也能利用自然语言交互，实现复杂的数据提取任务。 随着工具调用能力的不断成熟，我们有望看到更多结合LLM通用理解力与专用工具精度的混合型AI解决方案，进一步推动生成式AI在企业级场景的落地。
在 AI 驱动的企业资源规划（ERP）领域，初创公司 Doss 近日宣布完成 5500 万美元的 B 轮融资，由 Madrona 和 Premji Invest 共同领投，Intuit Ventures 等机构参与。这笔资金将用于推动其 AI 原生库存管理系统的开发与市场拓展。 ## AI 库存管理：ERP 领域的痛点与机遇 ERP 系统常被比喻为企业的“中央大脑”，它整合了财务、人力资源、库存等多个部门的数据，确保信息共享和流程协同。然而，传统 ERP 系统如 NetSuite 常被诟病为笨重、昂贵且实施耗时。近年来，一批 AI 原生 ERP 初创公司如 Rillet 和 Campfire 应运而生，旨在替代这些传统方案。但 Doss 的联合创始人兼 CEO Wiley Jones 指出，许多新兴 AI ERP 系统在库存管理方面存在短板——即确保实物商品数据与会计账本同步的过程。 Doss 的解决方案是提供一个 **AI 原生库存管理层**，能够与现有会计系统无缝集成，无论是传统 ERP 还是 AI 初创公司构建的系统。这种集成方式避免了“推倒重来”的昂贵升级，让企业能在保留现有基础设施的同时，享受 AI 带来的效率提升。 ## 战略转型：从竞争到合作 Doss 成立于 2022 年，最初专注于核心会计产品，与 Rillet 和 Campfire 等 AI 原生初创公司类似。但去年，公司决定调整战略。Jones 表示：“我们宁愿与这些公司合作，玩一个不同的游戏。”这一转变源于对市场需求的洞察：AI 原生 ERP 公司通常擅长管理应收账款、应付账款等财务功能，但大多缺乏与会计工作流集成的采购和库存管理能力。 通过专注于库存管理这一细分领域，Doss 避免了与更广泛的 ERP 供应商直接竞争，转而成为它们的补充伙伴。这种策略不仅降低了市场进入壁垒，还利用了 AI 技术在库存优化、预测分析和自动化方面的潜力。 ## 融资详情与行业背景 本轮 5500 万美元的 B 轮融资由 **Madrona** 和 **Premji Invest** 共同领投，**Intuit Ventures** 参与投资。其他新老投资者包括 Theory Ventures、General Catalyst、Contrary Capital 和 Greyhound Capital。这笔资金将加速 Doss 的产品研发和市场扩张，特别是在与更多 ERP 系统集成方面。 在 AI 和 ERP 融合的大趋势下，Doss 的融资反映了投资者对 **AI 增强型企业软件** 的信心。随着企业数字化转型加速，能够解决具体业务痛点（如库存同步）的 AI 工具正获得更多关注。 ## 未来展望与挑战 Doss 的 AI 库存管理系统旨在通过机器学习算法，实时跟踪库存变动、预测需求并自动调整会计记录，从而减少人为错误和提高运营效率。然而，挑战依然存在： - **集成复杂性**：不同 ERP 系统的数据格式和 API 差异可能增加开发难度。 - **市场接受度**：企业可能对 AI 驱动的库存管理持谨慎态度，尤其是在数据安全和隐私方面。 - **竞争格局**：尽管 Doss 采取了合作策略，但其他 AI 初创公司或传统 ERP 供应商也可能进入这一细分市场。 总体而言，Doss 的融资和战略定位凸显了 AI 在企业软件中的实用价值——不是取代整个系统，而是通过智能层增强现有流程。随着更多资金注入，这家初创公司有望在 AI 库存管理领域树立新标杆。
随着AI购物功能成为科技巨头的新战场，谷歌与OpenAI正通过不同策略争夺这一市场。谷歌近期宣布与**Gap集团**合作，允许其**Gemini AI助手**直接为用户购买旗下品牌（包括Gap、Old Navy、Banana Republic和Athleta）的服装。这一功能基于谷歌的**通用商务协议（UCP）**，用户可通过Gemini浏览商品并使用Google Pay完成支付，而Gap负责物流配送。此前，谷歌已与沃尔玛、塔吉特等零售商达成类似合作，旨在通过AI助手简化购物流程。 与此同时，OpenAI却在调整其购物策略。据报道，该公司已放弃几个月前在ChatGPT中推出的内置结账功能，原因是销售表现“令人失望”。相反，OpenAI计划转向与零售商合作，在ChatGPT内推出品牌专属应用，并专注于改进商品展示方式，例如引入**视觉搜索功能**，让用户能更直观地浏览产品。 **AI购物的兴起与挑战** 零售商正寻求超越传统搜索引擎的新渠道来推广商品，AI助手被视为潜在入口。然而，用户是否愿意通过聊天机器人购物仍存疑问。一方面，AI能提供个性化推荐并简化流程；另一方面，消费者可能更习惯直接访问电商平台或应用。 **技术路径的分歧** - **谷歌**：通过UCP协议整合多零售商，打造通用购物助手，强调无缝结账体验。 - **OpenAI**：从内置结账转向平台化合作，侧重内容展示与品牌定制化。 这场竞争不仅关乎技术能力，更涉及用户习惯、商业生态与数据隐私的平衡。未来，AI购物能否成为主流，或将取决于谁能更精准地解决真实消费痛点。