法国AI初创公司ZML近日宣布推出免费软件ZML/LLMD，旨在显著提升跨芯片的AI推理速度，降低运行成本。这家由图灵奖得主Yann LeCun背书的公司，正试图解决AI部署中的核心痛点——高昂的计算资源消耗。 ## 技术创新与行业背景 ZML/LLMD的核心优势在于其**多芯片并行推理能力**。传统上，AI模型在单芯片上运行，即便使用高端GPU，面对大规模模型时仍存在延迟和成本问题。ZML/LLMD通过优化底层通信和调度算法，允许模型**跨多个AI芯片协同工作**，从而大幅缩短推理时间。这一方案尤其适合当前流行的**大语言模型（LLM）**和生成式AI应用，这些场景对计算资源的需求呈指数级增长。 ## 开源策略与市场影响 ZML选择将ZML/LLMD**免费开放**，这一策略与行业趋势高度吻合。开源不仅降低了企业试用门槛，还能吸引开发者社区贡献代码，加速软件迭代。此举可能对英伟达等硬件厂商的生态形成冲击——如果软件层面能高效利用多芯片，客户可能更倾向于采购更多中低端芯片而非高价旗舰产品，从而改变AI芯片市场的竞争格局。 ## 创始团队与背书 ZML团队背景深厚，除了得到Yann LeCun的公开支持，核心成员曾在Meta、Google等公司从事AI基础设施研究。LeCun曾表示：“高效推理是AI民主化的关键，ZML的工作方向非常正确。”这种顶级学术背书增强了产品的可信度。 ## 潜在挑战 尽管前景乐观，ZML/LLMD仍需面对实际部署中的挑战：不同芯片架构的兼容性、分布式系统带来的运维复杂度，以及与传统推理框架（如TensorRT、ONNX Runtime）的集成问题。此外，免费模式如何支持长期迭代也值得关注。 ## 小结 ZML/LLMD的发布标志着**AI推理优化进入软硬协同新阶段**。通过释放多芯片潜能，它可能成为降低AI服务成本的关键工具。对于开发者和企业而言，这无疑是一个值得尝试的选项；对于行业，则预示着更多开源推理工具的出现，最终推动AI应用更广泛地落地。
AI芯片初创公司 **SambaNova Systems** 宣布完成 **10亿美元** 的F轮融资，公司估值达到 **110亿美元**。本轮融资由 **General Atlantic** 领投，预计未来几周将有更多投资者加入完成二次交收。这是继今年2月该公司发布SN50芯片并完成3.5亿美元E轮融资后，仅隔5个月再次获得巨额资金注入。 SambaNova CEO兼联合创始人 **Rodrigo Liang** 在接受TechCrunch采访时表示，公司始终保持开放态度，尽管有传闻称英特尔曾试图以约 **16亿美元** 收购该公司，但Liang并未明确否认。他指出，在动态的AI市场中，公司持续受到关注，而增长势头可能最终推动其走向上市。 值得注意的是，SambaNova与英特尔的关系进一步深化。自C轮融资以来，英特尔一直是其投资方，本轮也参与了投资。双方已在基于英特尔Xeon芯片的AI推理开发上建立了多年合作关系，目前正共同开发产品并推向市场。Liang表示，这种合作使SambaNova能够借助英特尔的规模优势。 此外，SambaNova宣布被 **摩根大通** 选为“推理基础设施合作伙伴”，其SN40L和SN50系统将为该银行提供安全、本地化的AI推理服务。Liang认为，这一合作向银行业传递了重要信号：不应完全依赖云服务，而应构建混合基础设施。他预测，类似摩根大通级别的银行将纷纷建立私有、安全的基础设施，以运行最敏感的模型。 Liang强调，企业和政府刚刚开启AI之旅，此前大部分增长集中在模型制造商和前沿实验室，这为SambaNova留下了巨大的市场空间。
Meta 近日正式发布其最新 AI 图像生成模型 **Muse Image**（内部代号“Mango”），由 Meta 超级智能实验室（Meta Superintelligence Labs）打造。该工具将通过 **Meta AI 应用**、**Instagram Stories** 和 **WhatsApp** 免费提供，旨在为用户提供创意图像生成、广告设计、家居装饰可视化等多元功能。 ## 功能亮点与使用场景 Muse 的核心能力与其他主流 AI 图像生成器类似，用户可通过文本提示生成卡通、搞笑等风格的图像。为降低使用门槛，Meta 内置了 **预设提示（presets）**，帮助缺乏灵感的用户快速上手。 官方演示视频展示了几个典型应用： - **自定义广告**：利用 Muse 快速生成广告素材，顺应 AI 在广告领域渗透的趋势。 - **家居装饰预览**：用户可拍摄自家车库或房间，让 Muse 模拟放入二手家具后的效果。该功能将与 **Facebook Marketplace**（Meta 的二手交易平台）深度整合，方便买家预览商品摆放效果。 - **智能图像编辑**：支持基于文本的编辑操作，例如将用户“放置”在历史地标前、清除照片中的“抢镜者”，甚至生成可扫描的二维码图像。 ## 与 Instagram 深度集成 Meta 同时为 Instagram Stories 推出了一系列由 Muse 驱动的 **AI 特效**，包括多种可自定义的滤镜，能够对已有照片进行风格化修改。这些特效将直接嵌入 Stories 创作工具，无需跳转应用。 ## 免费使用与订阅限制 Meta 表示，Muse 对日常创作 **完全免费**，但超出一定使用额度后，用户需订阅 Meta 的付费套餐。具体阈值尚未公布，预计与生成次数或分辨率相关。 ## 未来规划：Muse Video 已在路上 Meta 还透露，**Muse Video**（AI 视频生成器）已在开发中。这标志着 Meta 正从图像生成向视频生成领域拓展，与 OpenAI Sora、Runway Gen-3 等竞品展开直接竞争。 ## 行业背景与战略布局 过去一年，Meta 密集发布了多款 AI 产品，包括助手 **Creator** 和低代码游戏开发应用 **Pocket**。尽管外界批评其 AI 战略“模糊不清”，但 Meta 仍计划在今年投入巨资建设 AI 基础设施。Muse 的推出，可视为其整合 AI 能力至核心社交生态的关键一步——通过免费工具吸引用户，再以订阅和广告变现，形成闭环。 ## 小结 Muse 凭借 **免费策略**、**跨平台集成**（Instagram、WhatsApp、Facebook Marketplace）以及 **低门槛预设**，有望快速获得用户基础。然而，在 AI 图像生成赛道已拥挤的当下（如 Midjourney、DALL·E 3、Stable Diffusion），Muse 能否凭借 Meta 的社交生态优势突围，仍有待观察。
## 开源AI崛起，但前沿模型支出为何依然坚挺？ Decagon CEO **Jesse Zhang** 近日提出一个颇具启发性的理论：企业AI部署中，成熟用例正逐渐转向更轻量的开源模型，然而前沿模型的总体支出却几乎未受影响。这看似矛盾的现象背后，隐藏着AI经济中一种新的生命周期规律。 Zhang 在文章中描述道，前沿模型和开源模型并非直接竞争对手，而是同一生命周期的两个阶段——**昂贵的尖端模型用于验证新用例**，一旦用例成熟，便迁移至更便宜的开源替代方案。由于新用例不断涌现，前沿模型的总支出并未显著下降。 尽管 Zhang 未提供详细数据，但第三方平台的数据佐证了这一趋势。**Vercel** 的AI网关仪表盘显示，过去一周内，DeepSeek 的token处理量已跃居首位，占平台总token量的三分之一以上；智谱AI（GLM-5.2模型）也攀升至第四位。然而在**实际支出**方面，Anthropic 仍占据平台AI总支出的一半以上。尽管近期因Anthropic涨价导致份额略有下滑，但整体格局未变。 **OpenRouter** 的数据进一步印证了这一模式。DeepSeek V4 Flash 在周token处理量上以 **5.3万亿** 领先，而最受欢迎的前沿模型 Opus 4.8 约为 **2万亿**。但 Opus 4.8 的每百万token成本（约1.37美元）是 V4 Flash（约0.06美元）的 **23倍**，这意味着 Opus 仍占据总支出的绝大部分。 值得注意的是，这些数据尚未包含英伟达新发布的 **Nemotron** 模型。凭借英伟达的生态优势和模型本身的强适应性，Nemotron 有望迅速跻身前列。 Zhang 的理论或许无法完全解释所有现象，但它揭示了AI行业一个关键动态：**开源模型与前沿模型正在形成共生而非替代关系**。对企业和开发者而言，这意味着在探索新场景时仍可依赖前沿模型的强大能力，而规模化部署时则可转向成本更优的开源方案。这种“先验证、后迁移”的模式，可能正是未来AI落地的核心路径。
随着AI成本持续攀升，硅谷巨头纷纷寻求节流之道。微软也加入这一行列，据彭博社报道，微软已开始在Excel和Word中部署自研的MAI模型，以处理部分用户请求，从而减少对OpenAI和Anthropic等第三方模型的依赖。过去，微软曾宣传Office 365大量采用这些第三方模型，但如今正加速自研AI代理。在上个月的Build大会上，微软发布了七款新MAI模型，包括编码助手和文生图工具。微软的举措并非孤例，亚马逊、Uber、Meta、埃森哲等公司也纷纷削减AI支出。高昂的AI成本已引发行业争议，部分企业甚至转向更便宜的中国模型，尽管存在安全隐患。 ## 成本压力催生自研策略 微软的转变反映了整个行业的成本焦虑。自今年早些时候的“token狂欢”后，科技公司开始精打细算。微软通过自研MAI模型替代外部模型，直接降低API调用费用。虽然微软未透露具体替代比例，但这一策略在Office核心产品中的落地，标志着自研模型已具备实用能力。 ## 行业连锁反应 微软并非唯一“吃螃蟹”的公司。亚马逊、Uber、Meta、埃森哲等巨头也传出削减AI支出的消息。部分企业甚至开始测试中国模型，以更低成本获取代理解决方案，尽管可能面临数据安全风险。这显示出行业对“AI性价比”的重新权衡。 ## 微软的自研生态布局 微软的自研模型并非临时起意。今年Build大会上的七款MAI模型，覆盖编码、图像生成等场景，显示出微软试图构建从基础模型到应用的全栈能力。尽管仍会保留部分第三方合作，但自研模型比例提升将增强其议价能力和技术独立性。 ## 挑战与前景 自研模型面临效果和稳定性挑战。微软需确保MAI模型在复杂办公场景中不逊于GPT-4等先进模型。同时，减少对OpenAI的依赖可能影响双方合作关系。但长远看，这是微软控制成本、巩固生态的关键一步。 ## 小结 微软的“省钱”策略是AI行业从狂热转向理性的缩影。当技术红利遭遇成本现实，巨头们开始回归商业本质。未来，更多公司可能会效仿微软，在自研与外部采购之间寻找平衡点。
Discord 近日承认，其 AI 审核系统存在一个严重漏洞，导致超过 8000 名用户在过去两个月内被错误封禁。这些用户上传的无害图片——包括电子表格、棋盘、游戏纹理以及白色和灰色透明背景——被系统错误地标记为有害内容。问题自 5 月起开始影响账户，上周末又有 200 名用户被封禁，直到团队确认并修复了问题。目前，所有受影响的账户正在逐步恢复。 ## 误封事件的来龙去脉 Discord 在 X 平台发布详细说明，解释道：其自动化安全系统通过将上传内容与已知有害材料数据库进行匹配来识别违规内容。尽管技术设计初衷是捕捉非法内容，但公司承认有时会产生误报。正常情况下，系统会先由人工审核员审查标记内容，但此次漏洞导致系统直接封禁了受影响账户。 “我们正在加强防护措施以防止此类事件再次发生，”Discord 写道。 ## 用户反馈与推测 在 X 和 Reddit 上，许多用户声称自己仅仅因上传包含方形网格图案的图片就被永久封禁。部分用户猜测，Discord 的 AI 审核工具对网格状图案变得异常敏感，是因为这些图案此前曾被用于试图隐藏或伪装 NSFW 及儿童剥削内容，以规避自动检测系统。受影响的用户表达了强烈不满，认为基于自动检测的永久封禁会带来严重后果，尤其是对于那些依赖 Discord 进行工作、游戏社区或远距离社交的用户。 一位 X 用户写道：“因为如此不公的原因失去 Discord 账户可能极具毁灭性，并严重影响用户。每天都有数百万用户受到虚假 AI 封禁的影响。这必须停止。” ## 反思：AI 审核的困境 此次事件凸显了 AI 辅助审核日益增长的挑战。随着越来越多的平台依赖自动化系统大规模识别非法或滥用内容，误报问题成为不可避免的副作用。Discord 的案例表明，即使是经过人工审核流程设计的系统，也可能因技术漏洞导致错误决策。如何在效率与准确性之间取得平衡，是行业亟待解决的难题。 Discord 承诺改进防护措施，但用户信任的修复可能需要更长时间。
Anthropic 的通用知识工作智能体 Claude Cowork 正式登陆移动端和网页端。该产品最初于 1 月作为桌面应用推出，从周二起，Max 订阅用户可在手机和浏览器上使用它。用户可以在办公桌前启动任务，在手机上查看状态更新，稍后再取回完成的结果——即使笔记本电脑合上盖子也没关系。 这一产品扩展表明 Anthropic 希望 Cowork 不再只是“傻瓜式编码工具”，而是更像一个真正的行政同事：能在后台工作、跨设备随行，并在需要人类决策时及时请求输入。换句话说，编码智能体之战正蔓延到办公室的各个角落。 此举正值 AI 公司试图将其产品从聊天机器人推向实际工作发生的日常场景。OpenAI 也做出了类似动作，其 Codex 最初是软件开发工具，但越来越多地被非开发者用于报告、电子表格、演示、研究、数据分析等。对于两家实验室而言，成功将不再取决于谁拥有最好的聊天机器人，而是谁占据了完成工作的空间。 这种扩展也延伸至其他应用。Anthropic 最近推出了 Claude Tag，一个常驻 Slack 的始终在线 AI 队友。除了特定界面的优势外，多平台 Cowork 意味着智能体可以在设备离线时继续在后台运行任务。Anthropic 举了一个例子：“将周一的客户准备设在早上 6 点：Claude 处理邮件线程、会议记录和最新新闻，构建简报文档，并留下已起草但未发送的跟进邮件。你可以在喝咖啡时审阅。” 桌面应用仍将是深度工作的场所，Claude 可以访问本地文件和浏览器。但将 Cowork 带到网页和移动端意味着未安装应用的人也能使用。Anthropic 表示，聊天和 Cowork 将在网页和桌面端统一，项目与工件将跨平台共存。 Anthropic 还发布了早期 Cowork 数据，表明该工具最清晰的用例是维持公司运转的“工作之外的工作”——处理那些涵盖广泛职位但很少是个人核心职责的任务。该研究抽样了 120 万个匿名任务，揭示了 AI 智能体如何承担起琐碎但必要的行政负担。
## 当 AI 开始“绑架”你的家人 你是否想过，有一天会接到一个电话，那头传来女儿惊恐的求救声，随后绑匪索要赎金？这不再是电影情节，而是真实发生在两位科技兄弟母亲身上的事。如今，他们创立了 **Savi Security**，并推出同名应用，专门保护普通人免受 AI 生成诈骗的侵害。 ### 一次噩梦般的经历 两年前，Savi 联合创始人 Patrick Coughlin 的母亲接到一个电话，来电显示是女儿（Patrick 的姐妹）的号码。电话里，她听到女儿的哭喊：“妈，他们抓住我了！”接着是一声尖叫，一个男人威胁说如果不马上支付 **1200 美元**，就在当地沃尔玛停车场杀害她。幸运的是，母亲保持冷静，直接联系了女儿，发现她安然无恙——这完全是一场 **AI 生成的骗局**。 Patrick 当时是 Cisco 安全产品高级副总裁，他震惊于诈骗手段的精密：骗子不仅伪造了号码，还克隆了声音，甚至准确提及了受害者常去的沃尔玛位置。他意识到，过去只针对政府和企业的高端攻击手段，如今正被廉价而强大的 **大语言模型（LLM）** 和生成式 AI 工具普及到普通消费者身上。 ### Savi 如何守护你？ Savi 应用于周二在 iPhone 和 Android 平台上线，并宣布获得 **700 万美元种子轮融资**，由 Acrew Capital 领投，Magnify Ventures、TTCER 和 Resolute Ventures 参投。它的核心功能是实时分析来电、短信和邮件，识别 AI 生成的诈骗特征。例如，对于语音通话，Savi 可以检测声音是否被合成或伪造；对于消息，它能分析语言模式是否异常。 与传统的安全软件不同，Savi 专注于“社会工程”类攻击，这类攻击利用人的恐惧和信任，而非技术漏洞。创始人表示，他们的目标不是取代现有安全方案，而是填补 **消费者在 AI 诈骗面前的防御空白**。 ### 为何现在需要这样的工具？ 在 AI 之前，针对个人的定制化诈骗成本极高，需要大量调查和技术投入，因此主要瞄准企业高管等高价值目标。但如今，任何人都可能成为目标。生成式 AI 让骗子能快速生成逼真语音、伪造身份信息，甚至模拟亲友的聊天风格。Savi 的诞生，正是为了将专业安全能力平民化。 ### 小结 Savi 的故事提醒我们：AI 诈骗已不再是科幻，而是现实的威胁。这款应用能否成为消费者的“数字保镖”？随着融资到账和产品上线，它或许会给出答案。但更关键的是，我们每个人都需要提高警惕——因为下一个“绑架”电话，可能就来自你熟悉的声音。
美国自主车辆制造商 **Forterra** 今日披露，已有超过 **100 辆** 其制造的自主 ATV（全地形车）在乌克兰冲突区部署了九个月。该公司称，这可能是美国防务科技公司迄今为止在战斗中部署的最大规模自主地面车辆。 Forterra 首席增长官、前美国海军陆战队军官 Scott Sanders 对 TechCrunch 表示：“我相信所有防务技术都是如此——除非你真正面对战斗现实，否则你永远不会知道它是否管用。” 这批车辆由美国国防资金支持，是美国通过支持乌克兰抵抗俄罗斯入侵来推动自身军事变革的一部分。 虽然空中无人机在战斗中备受关注，但它们创造的“禁入区”动态（即任何暴露都可能招致来自上方的打击）促使乌克兰战略家寻求地面自主能力。美国陆军自主车辆项目负责人 Corey Wilkens 军士长解释道：“无处可藏。你变得非常脆弱，容易受到第一人称视角无人机、其他投弹无人机、火炮、迫击炮等全方位攻击。” 乌克兰已在自行建造无人地面车辆（UGV）用于运输物资、弹药或撤离伤员，但这些车辆通常为电池驱动，载重仅 **250 公斤**。而 Forterra 的 **Lancer 车辆** 基于 Polaris ATV，搭载定制传感器和计算堆栈，采用汽油动力，可承载 **750 公斤** 货物，更加通用和实用。一名参与车辆使用的乌克兰士兵（因安全原因匿名）评价道：“这辆用于后勤和防御的 UGV 是乌克兰最重要的 UGV。它 **太棒了**，我们迫切想要更多。” 起初，乌军对西方承包商的新技术持保留态度——他们曾有过不愉快的合作经历。Forterra 的最初方案也过于偏向美军的高端需求。但在针对战场环境进行改进——尤其是加装 **Starlink 卫星互联网天线** 后，车辆价值大幅提升。自去年 10 月抵达乌克兰以来，这些车辆已累计行驶超过 **2,500 公里**。
上周，云安全公司Sysdig声称记录了首例完全由AI代理自主执行的勒索软件攻击，代号JadePuffer。报道称该AI代理在没有人类干预的情况下，独立完成了从入侵服务器、窃取凭证、横向移动到加密文件并撰写勒索信的全过程。然而，Sysdig威胁研究高级总监Michael Clark在最新采访中澄清：人类依然深度参与——只是未负责技术执行环节。人类选择了攻击目标、搭建了命令控制服务器和用于存储窃取数据的临时服务器，甚至攻击所用的凭证也来自先前的一次独立入侵，并非AI自行获取。 **攻击的技术细节依然令人瞩目**。该AI代理利用开源LLM构建工具Langflow的已知漏洞进入系统，随后转向生产环境MySQL服务器，利用另一个已知漏洞获取管理员权限。它加密了超过1300条配置记录，不仅自行撰写了勒索信，还留下了比特币收款地址。Sysdig未透露受害目标的具体身份。 **更值得关注的是攻击过程的透明度和速度**。AI代理在31秒内修复了一次失败的登录尝试，并在代码注释中以自然语言全程记录自身的推理过程。关于攻击中使用多个模型的疑问，Clark澄清：从窃取的密钥中发现了OpenAI、Anthropic、DeepSeek和Gemini等多个平台的API key，但这些只是攻击过程中窃取的数据，并非驱动攻击的模型。 **这一事件揭示了AI在网络安全领域的新边界**。虽然尚未实现完全自主的犯罪闭环，但AI代理在特定技术环节的自主执行能力已远超预期。安全行业需要重新审视防御策略：不仅要防范人类黑客，还要应对能够快速学习、自主决策并记录自身推理过程的AI攻击者。 **小结**：JadePuffer并非“无人值守”的完全自主攻击，但它展示了AI代理在攻击执行层面的潜力。未来，随着AI能力的提升，人类可能只需提供目标和初始入口，其余环节均可由AI独立完成。这既是警示，也是安全技术演进的方向。
韩国存储芯片制造商SK海力士（SK Hynix）正计划在美国进行首次公开募股（IPO），预计将于本周五开始交易。该公司将发行约1780万股美国存托凭证（ADR），每份代表十分之一普通股，预计筹集资金约28亿美元。SK海力士是三星和美光的竞争对手，其业绩和股价均因AI需求激增而大幅上涨。第一季度营收同比增长近200%，股价今年已上涨约260%。AI系统对内存需求极高，尤其是高带宽内存（HBM）、DRAM和NAND芯片，导致市场供不应求，被称为“RAMageddon”。苹果高管表示，芯片短缺已迫使其提高Mac和iPad的价格。韩国科技公司（包括SK海力士和三星）已承诺投资超过5500亿美元建设新产能，但这存在风险：当产能建成时，AI内存需求可能已发生变化，导致供过于求。目前，华尔街正在寻找下一个“英伟达”，存储芯片制造商是最接近的选择之一。美光科技（Micron）过去一年股价上涨近700%，市值超过1万亿美元，同样受益于AI驱动的内存需求。
Vercel CEO Guillermo Rauch 在 ShipNYC 大会后接受 TechCrunch 专访，深入探讨了 AI 从原型验证走向生产部署的关键转变。他指出，去年行业普遍处于“原型阶段”，疯狂构建智能体，但进入生产环境后，价格/性能比、数据安全、可审计性等现实挑战浮出水面。Rauch 认为智能体有两大杀手级应用：**编码智能体**和**内部运营智能体**。前者驱动了全球大量 token 消耗，后者则面临数据安全访问和审计追踪的难题。为此，Vercel 推出了 **Eve 框架**和 **Vercel Sandbox**。Eve 允许用自然语言定义智能体的指令和技能，而 Sandbox 则为智能体提供“笼子”——在保障智能体自由表达智能的同时，通过策略控制其数据访问和输出。Rauch 强调，在 AI 生产中，**模型与智能体的分离**至关重要：智能体负责编排和逻辑，模型提供推理能力，这种解耦能带来更好的性能优化和成本控制。目前 Vercel 日均处理 **600 万次部署**，其中一半由编码智能体触发，日均处理 **1 万亿 token**，成为 AI 软件基础设施的关键节点。
在最新的 iOS 27 开发者测试版中，苹果为 Siri 引入了语速和表达力的自定义选项，旨在让虚拟助手更自然、更个性化。 ## 功能详情 该功能在 **iOS 27 beta 3** 中正式启用，此前在首个开发者测试版中仅标注为“即将推出”。用户现在可以通过滑块调整 **Pace（语速）** 和 **Expressivity（表达力）**，从而控制 Siri 说话的快慢以及情感丰富程度。调整时，Siri 会示范朗读“你有一条新消息”等常见语句，帮助用户预览效果。 ## 行业背景 这一更新是苹果围绕生成式 AI 重建 Siri 的长期努力的一部分。与 ChatGPT 等竞品类似，允许用户自定义 AI 声音是提升技术亲和力的关键。ChatGPT 早在 2025 年 12 月就推出了调节“温暖度”和“热情度”的选项，并可设定友好、专业、坦诚等不同风格，这些不仅影响语音，也影响信息呈现方式。 ## 操作与集成 在 WWDC 26 上首次亮相的 Siri 语音控制，让用户不再局限于男声或女声，而是能在多种口音的声音间切换。新版 Siri 深度集成于 iOS 27，支持通过语音、从灵动岛下滑输入、侧边按钮或全新的独立 Siri 应用启动对话。 ## 其他更新与问题 iOS 27 beta 3 还包括更新后的提醒事项应用图标等小改进。不过，部分用户在 X 平台反馈，更新后新 Siri 不可用，或手机重新开始索引数据——这通常是优化 Siri AI 搜索的第一步。
2026年，科技行业的裁员潮愈演愈烈，而人工智能（AI）成为企业削减岗位时最常提及的理由。据Layoffs.fyi追踪数据，截至2026年6月，已有约12万个科技岗位被裁撤。微软、甲骨文、GitLab和谷歌等巨头均在其中，它们的共同点是：一边报告创纪录的营收，一边以AI为由进行大规模裁员。 ## 微软：4800个岗位被裁，AI不是直接替代者 微软在6月宣布裁减约4800个岗位，占全球员工总数的2.1%。公司强调这些岗位“不会被AI取代”，但承认“AI正在改变工作方式”，并自动化了许多日常任务。这延续了科技行业的普遍现象：企业将AI视为增长引擎和裁员理由的双重角色。 ## 甲骨文：一年减员2.1万，AI是明确原因 甲骨文在6月22日披露，过去12个月内员工总数减少了2.1万人，降幅达13%。公司在年度财务文件中明确写道：“AI技术的采用和部署已导致、并可能继续导致员工人数的减少。”这比此前已知的裁员规模更大。 ## GitLab：裁员14%为AI基础设施“输血” GitLab在6月3日裁员约350人（占员工总数的14%），以筹集资金投资AI基础设施并应对AI工作流带来的流量激增。CEO Bill Staples表示，代理型工作负载正将竞争对手推向边缘，公司已开始对核心基础设施进行“代际重建”，以支持所谓的“100倍增长需求”。GitLab同时退出22个国家、精简管理层，并与一家未具名的AI实验室合作，为代理级工作负载重建平台。公司第一季度营收2.64亿美元，同比增长23%，但预计将承担3000万至3500万美元的重组成本。 ## 谷歌：云部门持续裁员 Alphabet旗下的谷歌在5月前已悄然裁减了云部门的员工，具体规模未公开。这延续了其2023年以来多轮裁员的趋势，AI同样被列为关键因素。 ## 行业背景：裁员潮与AI投资的矛盾 据再就业服务机构Challenger, Gray & Christmas数据，5月科技行业裁员达到单月最高水平，AI是首要原因。但分析指出，许多公司在疫情期间过度招聘，当前裁员更多是纠正此前的人力扩张，而非AI直接替代。企业需要重新审视将AI作为裁员理由的合理性，因为裁员与AI投资之间的矛盾可能损害员工信任和长期创新能力。 ## 小结 2026年的AI裁员潮反映了科技行业在转型期的阵痛：企业急于押注AI，却通过削减人力来“降本增效”。这种策略短期内可能提升财务指标，但长期来看，如何在AI投资与人才保留之间取得平衡，将是巨头们面临的真正考验。
近期Google对隐私设置进行了更新，在未明确告知用户的情况下，将更多数据（包括图片、文件、音频和视频）用于训练AI模型。这意味着，如果你使用Google搜索、地图、翻译等服务并上传媒体内容，这些数据都可能被用于AI训练，除非你手动退出。本文将详细解释这一变化，并提供逐步的退出指南。 ## 发生了什么？ 今年6月，Google通过一封客户邮件悄然更新了其搜索服务的隐私设置。新引入了“搜索服务历史”和“个性化推荐”两项设置，表面上是为了让用户更好地控制数据保存时长和个性化体验，但实际上，Google借此将用户默认“选择加入”了更广泛的AI训练。 涉及的服务不仅限于Google搜索，还包括**地图、购物、航班、酒店、翻译和新闻**等。例如，使用Google Lens拍照搜索时，图片可能被保存用于AI训练；使用语音搜索或翻译的音频练习，也会被记录。 ## 为什么重要？ 这一变化反映了行业趋势：科技公司正在从依赖网络爬虫转向收集用户主动上传的数据来改进AI。Meta同样在大量使用用户图片和AI眼镜录制内容进行训练。Google在邮件中明确表示：“您的保存媒体（包括搜索服务历史）用于开发和改进Google服务和技术，包括AI模型和安全措施。” 虽然部分数据存储是临时的，且与产品功能相关，但用户若想完全避免媒体数据被用于AI训练，必须主动退出。 ## 如何退出？ 1. 访问 [myaccount.google.com](https://myaccount.google.com) 并登录。 2. 点击“数据和隐私”选项卡。 3. 找到“历史记录设置”部分，点击“搜索服务历史”。 4. 关闭“搜索服务历史”开关。注意：这也会影响个性化推荐等功能。 5. 同样在“数据和隐私”页面，找到“个性化推荐”并关闭。 此外，你可以定期检查“网络和应用活动”设置，删除已保存的媒体数据。Google也提供了自动删除选项，可设定3个月或18个月后自动清除。 ## 小结 Google的这次更新再次提醒我们，在享受免费服务的同时，数据隐私需要主动守护。虽然退出会牺牲部分个性化体验，但对于重视隐私的用户而言，这是值得的权衡。如果你不想让自己的照片、语音成为AI训练的一部分，现在就去修改设置吧。
微软于本周一宣布裁员约 **4800 人**，占其全球员工总数的 **2.1%**，这是该公司近年来一系列裁员中的最新动作，也再次引发外界对 AI 取代工作岗位的担忧。 ## 裁员重点部门 本次裁员影响最大的两个部门是 **Xbox 游戏部门** 和 **商业销售团队**。Xbox 部门在经历了去年的大规模收购整合后，正在进行人员优化；而商业销售团队则面临业务重组，部分岗位被削减。 ## 行业背景与 AI 影响 微软此次裁员并非孤例。2024 年以来，科技行业裁员潮持续蔓延，许多公司都在通过削减人力成本来应对经济不确定性。与此同时，生成式 AI 的快速发展让企业开始重新评估人力需求——微软自身就在大力投资 AI 产品，如 Copilot 和 Azure AI 服务，这可能导致部分传统岗位被自动化工具替代。 ## 员工与市场反应 裁员消息传出后，微软股价并未出现大幅波动，表明市场对此已有预期。然而，内部员工士气受到一定影响，尤其是涉及被裁部门的员工。微软表示将提供遣散费和职业过渡支持。 ## 展望 随着 AI 能力不断增强，科技巨头的用人策略正在发生根本性变化。微软此次裁员可能只是行业调整的缩影，未来几个月其他公司可能跟进类似动作。对于从业者而言，提升 AI 相关技能或许成为保持竞争力的关键。
在AI时代，互联网平台正面临一个日益严峻的挑战：**大型语言模型（LLM）的普及让垃圾信息制造变得前所未有的容易**。Reddit近日宣布，其正在利用LLM工具来对抗大量由LLM生成的垃圾内容，形成了一种“以火攻火”的防御策略。 ## 垃圾信息的新挑战 随着GPT等LLM工具的普及，任何人都能轻松生成大量看似合理但实则无意义的内容。Reddit官方表示，**平台每天拦截约2300万次垃圾信息浏览**，并捕捉约2.5万条新的垃圾帖子和评论。这些垃圾信息不仅数量庞大，而且模式更加隐蔽——传统的基于规则或简单机器学习的过滤系统难以识别由LLM生成的、具有高度文本连贯性的虚假内容。 ## LLM驱动的防御方案 Reddit在博客中透露，其新开发的工具利用LLM来**检测高度微妙的协调性虚假行为模式**，例如同一账户群组在短时间内围绕特定话题发布看似合理但实则空洞的评论，或通过多个账号制造虚假热度。这些模式以往容易被传统系统忽略。 得益于LLM的语义理解能力，新系统能够更准确地识别出那些“看起来像真人发言，但内容毫无实质”的垃圾信息。Reddit声称，**在1月至3月期间，用户接触到的垃圾信息量相比前三个月减少了20%**。 ## 行业趋势与局限 Reddit的做法并非孤例。YouTube、Meta、Instagram等平台已要求用户对AI生成内容进行标注，而TikTok甚至允许用户自主调节AI内容的显示比例。但行业专家普遍认为，**AI内容审核必须与人工审核相结合才能达到最佳效果**。完全依赖AI可能导致误判或漏判，尤其是在涉及文化语境、讽刺或微妙表达的场景下。 ## 小结 Reddit的案例揭示了AI时代内容治理的悖论：**技术本身既是问题的一部分，也是解决问题的关键工具**。随着LLM能力持续提升，平台需要不断迭代防御策略，同时保持对误判风险的警惕。未来，如何平衡自动化效率与人工判断的准确性，将是所有社交平台的核心挑战。
由法国亿万富翁 **Xavier Niel** 创立的巴黎创业中心 **Station F**，正全力准备新一期的 **F/ai 加速器计划**，旨在巩固其作为潜力 AI 初创公司跳板的地位。 Station F 是全球最大的初创企业园区之一，自成立以来已孵化众多科技公司。随着欧洲 AI 创业热潮持续升温，Station F 通过其专门的 F/ai 项目，为入选团队提供办公空间、导师资源、企业合作机会以及资金对接。新一期加速器将重点关注生成式 AI、企业级 AI 应用以及基础模型开发等前沿领域。 在竞争日益激烈的欧洲 AI 生态中，Station F 的优势在于其强大的网络效应：园区内聚集了风险投资机构、大型科技公司实验室（如 Meta 和 LVMH）以及创业服务机构。F/ai 项目不仅帮助初创公司快速迭代产品，还协助它们与行业巨头建立合作关系，从而加速商业化进程。 当前，欧洲 AI 初创公司正面临来自美国和中国同行的激烈竞争，但本地化优势（如对 GDPR 合规的深入理解）以及跨学科人才库，使 Station F 孵化的项目具备独特竞争力。Xavier Niel 的持续投入也表明，巴黎正努力成为与伦敦、柏林并列的欧洲 AI 创新中心。 新一期 F/ai 的申请细节和截止日期尚未公布，但预计将吸引来自全球的早期 AI 团队。对于希望在欧洲市场站稳脚跟的 AI 创业者而言，Station F 无疑是一个值得关注的起点。
亚马逊旗下众包服务平台 **Mechanical Turk** 近日宣布，自 **2026 年 7 月 30 日** 起将停止接纳新客户。现有客户仍可继续使用，但亚马逊明确表示“不会引入新功能”。这一决定标志着这款诞生于 2005 年的老牌众包服务正式进入“维持模式”，虽未完全关停，但已形同“生命维持系统”。 ## 从众包到 AI 的“幕后推手” Mechanical Turk 最初的设计理念是让人类完成那些机器难以自动化的简单任务——例如识别验证码、判断句子情感等。在巅峰时期，它曾是 **众包劳工伦理争议** 的焦点，甚至卷入过 Facebook-Cambridge Analytica 数据丑闻的早期阶段。自 2018 年起，亚马逊将其整合进 **SageMaker AI 服务**，作为企业标注训练数据、用于神经网络训练的工具。 更耐人寻味的是，Mechanical Turk 还曾被描述为 **“先假装成功，再真正成功”** 式 AI 公司的隐形助推器——许多号称由 AI 驱动的产品，实际上背后是 Mechanical Turk 上的劳动力在默默执行。这与“Mechanical Turk”名称本身的讽刺性历史不谋而合：18 世纪的同名“机械土耳其人”其实是一个骗局，内部藏匿着真人棋手来假装机器下棋。 ## 自噬其尾的 AI 循环 随着大型语言模型的崛起，Mechanical Turk 与 AI 的关系变得愈发复杂。2023 年的一项分析发现，平台上 **33% 至 46% 的工人** 实际上已开始使用大语言模型来完成分配给他们的任务——这意味着原本用于训练 AI 的数据，本身可能已由 AI 生成。这一“蛇吞尾”式的悖论引发了严重质疑：平台上的标注数据是否还可靠？人类是否还需要“参与其中”？ ## 社区反应与未来 亚马逊的公告发布后，Reddit 上一位用户评论称，Mechanical Turk 其实“多年前就已死亡”，由于机器人和欺诈泛滥，工作者和研究者早已纷纷撤离。该用户预测：“亚马逊内部迟早会有人觉得维持 Mturk 服务器运行是浪费时间和资源，然后彻底拔掉电源。” 从行业角度看，Mechanical Turk 的衰落折射出 AI 数据标注领域的深刻变革：一方面，自动化工具和合成数据正在取代传统人工标注；另一方面，平台本身难以抵御 bot 和欺诈的侵蚀，导致数据质量和信任度双双下降。亚马逊虽未完全关停服务，但停止接纳新客户的举措，已为 Mechanical Turk 的未来写下了注脚。
2026 年，美国《独立宣言》签署 250 周年之际，Google 推出了一支创意广告，设想如果开国元勋们当时拥有 Google Workspace 和 AI 工具，历史会如何被“协作”改写。广告以“Group project, but make it 1776”为标语，描绘了本杰明·富兰克林通过短信催促托马斯·杰斐逊修改草案的场景。整个起草过程充满了现代科技元素：**Google Docs** 中提出编辑建议、**Google Calendar** 安排会议、**Google Meet** 远程参会（所有与会者都关闭了摄像头），最后以电子签名收尾。AI 的介入则体现在多个细节：创始人使用 Google 的“help me visualize”工具为国玺尝试不同动物图案，**Gemini** 为会议做笔记，甚至向聊天机器人咨询如何拒绝英王乔治三世的文档访问请求。广告整体风格轻松诙谐（萨缪尔·亚当斯甚至提议“不如喝杯啤酒解决？”），与近期许多 AI 广告相比，其对 AI 的推崇相对克制。与之前引发争议的“父亲用 Gemini 帮女儿写粉丝信”广告不同，本片并未暗示 AI 能改进《独立宣言》的文本本身。然而，广告中 AI 生成的影像（带有明显的“诡异光泽”）成为焦点。YouTube 和 Instagram 上的评论大多正面，但 **Bluesky** 上却批评声浪巨大，被指“令人尴尬”和“严重缺乏时代感”。历史学家 Angus Johnston 指出，“即使在荒诞的玩笑中，也无法证明 AI 是政治组织、写作或人类协作的有用工具。”这支广告再次引发了关于 AI 在创意与历史表达中角色的争议，也折射出公众对科技巨头“AI 布道”的复杂心态。