Vishal Sikka，印度最大IT服务公司之一印孚瑟斯（Infosys）的前CEO，正押注AI能取代传统IT外包工作。他的新创企 **Hang Ten Systems** 宣布获得 **3200万美元** 种子轮融资，由 **Mayfield** 领投，**Aramco Ventures** 战略参投，雅虎联合创始人 **杨致远** 也加入董事会。 ## 核心业务：AI驱动的软件开发与运维 Hang Ten 帮助企业持续构建、修改和运营软件，核心是 **AI驱动的开发与自动化**。公司已与 **西门子歌美飒可再生能源** 和 **费森尤斯** 等客户合作，开展AI原生项目交付。Mayfield管理合伙人Navin Chaddha透露，公司成立仅一个月就获得客户，正快速扩张。 ## 豪华团队与行业背景 Sikka曾在SAP工作12年，后担任Oracle董事，2017年卸任Infosys CEO后创立了企业AI创企 **VianAI**（获软银愿景基金2期1.4亿美元投资）。Hang Ten的核心团队包括多位在SAP、Infosys和VianAI与其共事多年的高管：CTO Navin Budhiraja、首席设计官Sanjay Rajagopalan、高级工程副总裁Tao Liu。 ## 市场格局与争论 Hang Ten进入的是一个传统IT服务商（包括Infosys自身）正通过Anthropic、OpenAI等合作加速AI转型的市场。行业核心争论在于：**AI是扩大IT服务市场，还是从根本上改变企业软件的构建、维护和交付方式？** 一些企业显然渴望尝试AI服务新模式，尤其来自Sikka这样经验丰富的领导者。 ## 融资与扩张计划 Hang Ten总部位于湾区，正招聘交付、工程、销售和管理岗位，计划在全球多地扩张以满足企业需求。本轮融资将用于加速产品开发和市场拓展。
AI 芯片公司 Cerebras 在上市后首份财报中交出了一份令市场失望的成绩单，其股价在盘后交易中暴跌超过 20%。引发投资者恐慌的直接原因，是公司对核心业务毛利率的展望远低于预期。 Cerebras 管理层在财报电话会议上表示，预计下一季度其核心业务的毛利率将收窄至 **40%-45%** 区间，远低于此前市场普遍预期的 60% 以上。这一数字被解读为公司盈利能力可能面临长期压力，导致抛售潮涌现。 面对股价重挫，Cerebras CEO Andrew Feldman 随后紧急澄清，称市场误读了公司的利润率展望。他指出，毛利率的短期波动主要源于**产品结构变化**——公司正在向客户交付更多包含高成本组件的系统级解决方案，而非单纯的芯片销售。一旦这批高价值订单完成交付，利润率有望回升。 ### 毛利率为何“失真”？ 从业务模式来看，Cerebras 并非纯粹的芯片设计公司，而是提供从晶圆级芯片到整机集群的端到端计算方案。其核心产品 **CS-2 系统** 集成了定制化的 Wafer-Scale Engine（晶圆级引擎）以及配套的散热、互联和软件栈。这种重交付模式在初期会拉高成本，但随着规模化部署和软件生态成熟，长期毛利率仍具备提升空间。 然而，分析师们对此持谨慎态度。一方面，Cerebras 正面临来自 NVIDIA、AMD 等巨头的激烈竞争，后者在 AI 训练与推理市场已建立起深厚的软件护城河；另一方面，Cerebras 的客户集中度较高，前五大客户贡献了超过 80% 的收入，大客户议价能力可能进一步压缩利润空间。 ### 上市后的首份“压力测试” Cerebras 于今年 3 月通过 SPAC 方式上市，彼时正值 AI 算力需求井喷，市场对其寄予厚望。然而，本次财报暴露了公司从“技术明星”向“商业实体”转型过程中的阵痛：**营收增长固然亮眼，但盈利路径尚不清晰**。 Feldman 强调，公司正在拓展更多垂直行业客户（如能源、医疗和金融服务），并计划通过软件订阅服务提升经常性收入占比。但短期内，市场情绪仍将受制于毛利率的波动。 ### 小结 Cerebras 的股价暴跌事件，折射出 AI 芯片赛道的一个核心矛盾：**技术突破与商业可持续性之间的鸿沟**。尽管晶圆级芯片在超大规模计算场景中展现了独特优势，但投资者更关心的是，公司能否在巨头环伺下找到一条可复制的盈利路径。未来几个季度，Cerebras 需要用实际行动证明：毛利率的收窄只是暂时性的“成长烦恼”，而非长期趋势。
关于 AI 是否已经取代工作岗位的争论愈演愈烈。今年 5 月，科技行业的裁员人数创下多年来的单月新高，根据再就业服务公司 Challenger, Gray & Christmas 的数据，AI 是被提及最多的原因。理论上，软件工程是最易受自动化影响的职业领域，因为 AI 编程工具的采用速度极快。然而，风投公司 SignalFire 的研究人员表示，招聘数据揭示了不同的故事。 SignalFire 的分析追踪了超过 8000 万家公司中数百万员工的职业轨迹，结果表明，**工程岗位是 2025 年最具韧性的职能**。SignalFire 研究主管 Asher Bantock 指出：“很多裁员的理由都是 AI，特别是与代码相关的 AI；他们会说一个工程师能顶过去多少个工程师的活。但我们在实地看到的情况与这种说法有些不一致。” SignalFire 并未聚焦于难以追踪的裁员数据（因为人们在失业后往往延迟更新就业状态），而是将招聘数据作为更准确的实时劳动力趋势指标。报告显示，与 2019 年相比，大型科技公司的总招聘量下降了 25%，但**工程岗位的招聘量仅下降了 11%**。事实上，在 SignalFire 归类为“科技巨头”的 12 家公司（Alphabet、Meta、Apple、Amazon、Microsoft、Netflix、Nvidia、Tesla、Uber、Airbnb、Block 和 Stripe）中，**2025 年新招聘的员工中有 55% 是工程师**，而 2019 年这一比例仅为 46%。 早期初创公司对工程师的需求更为强劲：与 2019 年相比，2025 年它们整体多招聘了 7% 的工程师。Bantock 认为，如果 AI 真的在替代工程人才，那么在当前的科技招聘收缩中，工程招聘应该最先下降。但 SignalFire 的数据显示，**工程岗位的增长率超过了科技行业大多数其他职能**。 有趣的是，尽管 Anthropic 的 CEO Dario Amodei 去年曾警告说，AI 可能在五年内消灭一半的入门级白领岗位，并将失业率推高至 20%，但该公司自己的经济学主管 Peter McCrory 今年 3 月告诉 TechCrunch，他尚未看到任何显著的 AI 驱动效应。这进一步印证了 SignalFire 的发现：**AI 对就业的影响并非简单的替代，而是结构性的转变**。 这一数据背后可能有多种原因：AI 工具虽然提高了单个工程师的效率，但也催生了更多对 AI 系统本身进行开发、维护和监管的需求；同时，企业可能将节省的成本重新投入到扩张中，从而保持对工程师的总需求。无论如何，**工程师的韧性表明，AI 时代并非“工程师末日”，而是角色和技能的再定义**。
据彭博社报道，顶级 AI 研究人员 **Jonas Adler** 和 **Alexander Pritzel** 已离开谷歌，加入 Anthropic。两人在谷歌 Gemini 模型的开发中扮演了关键角色。这一离职潮延续了近期谷歌人才流失的趋势：上周，传奇 AI 研究员 **Noam Shazeer** 宣布离开谷歌加入 OpenAI；几天后，谷歌 DeepMind 总监 **John Jumper** 也宣布转投 Anthropic。Jumper 因 AlphaFold 项目与 DeepMind CEO Demis Hassabis 共同获得 2024 年诺贝尔化学奖。 ### 人才流失背后的行业变局 谷歌 AI 人才的持续外流并非偶然。随着 OpenAI 和 Anthropic 筹备上市，这些公司正通过股权激励积极招募顶尖 AI 人才。对于研究人员而言，加入初创公司意味着可能获得巨大的财务回报，尤其是在 AI 领域估值飙升的当下。 ### 谷歌的应对与挑战 尽管谷歌在 AI 领域仍拥有深厚的技术积累和资源，但核心人才的流失可能影响其模型研发进度和创新能力。尤其是 Shazeer 和 Jumper 这样的重量级人物，他们的离开对谷歌 Gemini 和 DeepMind 团队是重大损失。 ### 行业趋势 这波人才流动反映了 AI 行业竞争的白热化。头部公司之间的人才争夺战正在加剧，而上市预期则为初创公司提供了吸引顶尖人才的“金手铐”。未来，随着更多 AI 公司走向公开市场，这一趋势可能进一步延续。
AI 浪潮催生了无数初创公司和亿万富翁，也带来了一场持续发酵的内存芯片短缺危机。这场被称为“RAMageddon”的供应紧张预计将持续到 2027 年，但并非所有玩家都在承受压力——**美国最大计算机内存芯片制造商美光（Micron）正成为这场短缺的最大赢家之一**。 ## 业绩爆发式增长 美光最新发布的第三财季财报显示，公司营收同比增长四倍，达到 **414.5 亿美元**；净利润从去年同期的 18.8 亿美元飙升至 **282 亿美元**，增幅惊人。财报发布后，美光股价盘后上涨超过 13%，收于 **1,048.51 美元**——而 2024 年初其股价仅约 83 美元，市值也从约 910 亿美元膨胀至 **1.2 万亿美元**。 公司对下一季度的展望同样乐观，预计第四财季营收将在 **490 亿至 510 亿美元**之间。这一强劲表现与整个行业“内存为王”的现状密不可分：AI 模型训练和推理对高带宽内存（HBM）和 DRAM 的需求呈指数级增长，而供给端扩产缓慢，导致价格持续攀升。 ## 从短缺到战略卡位 就在财报公布的同周，美光宣布与 AI 实验室 Anthropic 达成供应协议，为其提供内存与存储芯片。此外，美光还参与了 Anthropic 的 H 轮融资，但未披露具体投资金额。这一合作标志着美光正从单纯的芯片供应商向 AI 基础设施的关键参与者转型。 ## 传导至消费端 内存短缺的连锁反应已传导至终端市场。苹果 CEO 蒂姆·库克一周前警告称，产品涨价“不可避免”。随着 HBM 和 DDR5 等高端内存优先供应 AI 服务器，消费电子产品的内存成本上升正在挤压普通用户的预算。 ## 行业启示 美光的崛起折射出 AI 产业链的深层变化：**算力的瓶颈正从 GPU 转向内存子系统**。英伟达等公司的 GPU 性能再强，也需要足够快、足够大的内存来喂饱数据。这一趋势让传统内存厂商重新站上风口，也吸引了更多资本涌入存储赛道。不过，分析师提醒，内存周期波动剧烈，当前的高景气能持续多久仍存变数。
曾几何时，企业鼓励员工“刷满”AI 使用量，甚至设置内部排行榜来推动 AI 应用。然而，这股热潮正在迅速降温——因为公司们发现，AI 预算正被海量低价值的小任务快速耗尽，而回报却微乎其微。 据 **404 Media** 报道，全球咨询巨头 **埃森哲（Accenture）** 正试图阻止员工用 AI 完成如“将 PDF 转换为演示文稿”这类基础工作，以避免消耗过多的 Token 储备。这一转变距离该公司此前威胁员工“不使用 AI 可能影响晋升”的态度，可谓一百八十度大转弯。 报道基于埃森哲内部一次会议的泄露音频，其代理 AI 战略负责人 **Justice Kwak** 在会上直言：“我们正处在一个转折点，AI 正在成为成本结构中不可忽视的部分。支出变得极不可预测，而领导层——尤其是 CFO、COO 和 CIO——都在追问：我们在 AI 上的投入到底换来了什么价值？” ### 从“Tokenmaxxing”到“Token Rationing” 所谓 **“Tokenmaxxing”**，指代此前企业不惜代价鼓励员工大量使用 AI 的现象。但如今，这一阶段已宣告结束。随着 AI 成本压力显现，企业开始进入 **“Token 配给”** 时代。埃森哲的案例并非孤例，近期多家公司都在削减 AI 支出，甚至引发了被称为 **“AI 抛售”** 的市场震荡，尤其是内存芯片制造商股价受挫。 核心问题在于：**AI 的商业模型正受到质疑**。当 AI 无法持续证明其投入产出比时，单纯的新鲜感和技术光环便不足以支撑企业持续买单。 ### 行业反思：价值才是硬道理 这一趋势反映出 AI 产业已迈入新阶段——从“能用”到“有用”，从“炫技”到“务实”。对于企业而言，如何精准控制 AI 使用场景、避免资源浪费，将成为未来管理的重要课题。而对于 AI 服务商来说，如何提供更精细化的成本控制工具、更透明的价值度量体系，也将决定其能否在下一轮竞争中站稳脚跟。 **Token 配给时代** 的到来，或许正是 AI 走向理性与成熟的开始。
Facebook 正在将 Creator Studio 工具重塑为一款独立的 AI 伴侣应用，旨在帮助创作者在社交网络上扩大受众。这款新应用目前正在与部分创作者进行测试，内置了 Facebook 最近推出的 AI 创作者助手。该助手能根据创作者的内容风格、表现、受众参与度和目标提供个性化建议。创作者可以通过对话式问答快速获取发布时机、评论分析等信息。此外，应用还包含 AI 驱动的评论工具，可自动筛选重要评论并拟写符合创作者语气的回复草稿，经创作者确认后发布。每日打开应用时，创作者会看到优先事项列表，包括最新帖子表现、目标进度和待回复评论。此举是 Meta 在 TikTok 和 YouTube 竞争下留住创作者的最新举措，也旨在减少创作者对 ChatGPT 等第三方工具的依赖。此前 Meta 已推出 Facebook 群组独立应用 Forum 和类似 Instagram 的 Instants 应用，并计划推出类似 Polymarket 的 Arena 应用。CEO 扎克伯格表示，AI 驱动的高效将让公司比以往构建更多应用。
人形机器人初创公司Agility Robotics宣布将通过SPAC合并上市，交易估值约25亿美元。这家2015年从俄勒冈州立大学剥离的公司，预计将获得超过6.2亿美元资金，用于扩大下一代Digit v5机器人的产能并履行现有订单。 **交易细节** Agility Robotics与特殊目的收购公司Churchill Capital Corp XI合并，交易估值约25亿美元，预计产生超过6.2亿美元收益，其中包括约2亿美元来自新老机构投资者。合并后公司预计在北美交易所上市，股票代码为AGLT。 **产品与商业化进展** Agility最知名的产品是双足机器人Digit，目前已在9个客户站点部署，包括舍弗勒、GXO、丰田汽车加拿大公司及美客多。公司已获得超过3亿美元的新一代Digit v5多年期订单，并有30多家潜在客户正在评估大规模部署。 **投资者与行业背景** Agility获得了亚马逊、英伟达、软银愿景基金2期、DCVC等知名科技公司和基金的支持。CEO Peggy Johnson表示，人形机器人将成为生产力、供应链韧性和美国技术领导力的关键驱动力。Agility已实现商业部署，帮助企业应对劳动力短缺、提升效率并安全集成AI自动化。 **未来计划** 此次上市筹集的资金将用于增加Digit v5产能、履行现有订单并拓展新老客户。Agility强调其技术已在客户环境中运行，并看好AI驱动的自动化前景。
设计平台 Figma 在最新更新中推出了多项重磅功能，包括代码图层、动画与着色器支持，以及基于 AI 的自定义插件创建能力。本次更新进一步模糊了设计与开发之间的界限，让设计师、产品经理和工程师能够在同一个协作画布上更自由地探索创意。 ## 代码图层：让设计与代码无缝衔接 Figma 首席产品官 Yuhki Yamashita 表示，新增的代码图层允许团队直接从代码仓库中克隆代码，并将代码中的逻辑提取为设计图层用于测试。他强调，多人协作画布的核心优势在于：“你不需要关心代码质量，如果正在快速探索多个方向，可以用这种空间化的方式自由尝试。”这一功能旨在改变设计师、工程师和产品经理之间的协作模式，让迭代想法而非生产级代码成为焦点。 ## 动画与 3D 变换：告别第三方工具 此前，设计师需要在其他软件中制作动画，再转换为代码导入 Figma。现在，Figma 原生支持动画、过渡和 3D 变换，用户可以直接在平台上完成动态设计。此外，AI 辅助生成着色器效果和填充功能也已上线，进一步降低了动态设计的门槛。 ## AI 代理与自定义插件：自主化工作流 去年收购的节点式工具 Weavy 正在与 Figma 深度整合。今年晚些时候，用户将可以直接在 Figma 内生成 Weavy 工作流，通过不同模型对比输出。同时，Figma 的 AI 助手新增了“技能”功能：用户可通过自然语言提示创建可重复使用的 AI 任务，并连接 Notion、Granola、Excel、GitHub 等工具或附加文件，让 AI 获得更多上下文。 更引人注目的是，Figma 支持用提示词创建自定义插件，例如布局生成器或矢量路径追踪器。这意味着非开发人员也能根据需求快速构建专属工具，进一步扩展了 Figma 的生态边界。 ## 行业视角：设计工具正在变成“协作操作系统” 从去年推出 AI 原型工具 Figma Make，到集成 Claude Code 和 Codex，再到如今的代码图层与 AI 代理，Figma 正从单纯的设计工具转向一个融合设计、开发与 AI 的协作平台。这一趋势与整个行业“低代码/无代码”以及“AI 辅助开发”的浪潮相呼应。对于企业而言，Figma 的更新有望缩短从设计到开发的交付周期，降低沟通成本。而对于设计师和产品经理，掌握 AI 提示词与简单代码逻辑将成为新的必备技能。
## 核心要点 OpenAI于本周三正式发布其首款自研推理处理器，代号“Jalapeño”。该芯片由OpenAI与博通（Broadcom）联合设计制造，专为OpenAI推理系统量身定制。OpenAI表示，其自有的AI模型参与了芯片开发过程。目前芯片仍处于测试阶段，但早期结果显示，其**每瓦性能显著优于当前最先进的替代方案**。 ## 战略背景：降低对英伟达依赖 OpenAI的芯片计划此前已传闻多时，核心动因在于减少对英伟达GPU的依赖。谷歌和亚马逊早已通过自研AI加速器实现了类似目标——即专门为加速机器学习工作负载而设计的硅芯片。2024年10月，OpenAI与博通的合作正式官宣，此次发布的Jalapeño正是该合作的成果。 OpenAI总裁格雷格·布罗克曼（Greg Brockman）在合作宣布后的内部播客中解释了公司的芯片开发思路：“我们对工作负载有深刻理解……我们一直在寻找那些未被充分服务的工作负载，思考如何构建能加速可能性的东西。” ## 技术特性：聚焦推理效率 Jalapeño**专为推理（inference）设计**，即运行预训练AI模型以响应用户指令的过程。在公告中，OpenAI特别强调了该芯片在运行实时编程模型时的**低运营成本**。可以预见，预训练等计算密集型任务可能仍将依赖英伟达硬件，但即便只是推理成本的微降，也能显著改善公司利润。 优化推理系统正成为AI经济学的关键变量，且这种优化将发生在技术栈的每一层。OpenAI已在构建Codex等智能体产品、支撑这些产品的模型，以及运行模型的算力中心。进军定制芯片，使得OpenAI能将优化推进到更底层。 ## 全栈整合：从模型到芯片 OpenAI在公告中强调：“OpenAI不仅开发前沿模型或在之上构建产品；它正在设计底层的整套基础设施：**芯片架构、内核、内存系统、网络、调度、部署系统以及产品体验**。”由于OpenAI横跨整个技术栈，每一层都可以围绕“让模型更快、更可靠、更实惠”这一统一目标进行优化。 Jalapeño的发布标志着OpenAI从AI模型提供商向**全栈AI基础设施公司**的转型迈出关键一步。在推理成本日益成为AI规模化瓶颈的当下，自研芯片有望为OpenAI带来显著的竞争优势。
**TechCrunch Founder Summit 2026** 早鸟优惠进入倒计时：仅剩3天，最高可节省**$190**。优惠截止时间为**太平洋时间6月26日晚上11:59**。 本次峰会将于**11月4日在波士顿**举行，预计汇聚**超过1000名创始人和投资者**。活动聚焦实战经验分享，涵盖融资、规模化、招聘、退出策略等核心议题。往届演讲嘉宾来自**Tesla、Sapphire Ventures、Index Ventures、Sequoia Capital、Greylock、NFX、Wing Venture Capital**等知名机构。 现场还将设置分组讨论和圆桌环节，参会者有机会提交议题并参与投票。团队购票（4人及以上）可享**额外30%折扣**。 > “创始人不会独自扩张。”——TechCrunch 强调，与同行交流、向操盘手学习、与投资人建立关系，是创业加速的关键。 立即注册，锁定早鸟价。
The all-cash deal gives MoEngage access to technology that assigns AI agents to individual customers.
Anthropic 推出 Claude Tag 研究预览版，这是一个驻留在 Slack 中的“始终在线”AI 助手，可被 @提及以提供洞察和分配任务。该功能适用于 Slack for Claude Enterprise 和 Claude Team 客户。与传统集成不同，Claude Tag 具备持久上下文和记忆能力，能跨频道学习组织知识。系统管理员可控制其访问权限，确保数据隔离。它支持两种模式：主动模式（按需执行任务并在线程中响应）和环境模式（主动介入聊天，更新团队、标记跨组织信息、跟进被遗忘的任务）。Anthropic 称这如同与一位真正了解上下文的同事协作。此举反映了企业对 AI 深入理解组织上下文的需求，与微软的 Copilot/Work IQ、Snowflake/Databricks 的平台策略以及 Glean 的企业知识层形成竞争。
TechCrunch 创始人峰会2026即将于11月4日在波士顿举行，早鸟优惠仅剩最后4天。**6月26日晚上11:59（太平洋时间）前注册**，可节省高达**190美元**。 本次峰会是专为创始人打造的旗舰级活动，预计吸引超过1000位创始人与投资人参与。活动以**实战洞察、同行学习和高效社交**为核心，帮助初创企业加速成长。 ## 核心看点 - **与同行交流**：结识处于相似发展阶段的其他创始人，分享经验与挑战。 - **向资深运营者学习**：从那些已经完成规模化、团队建设和营收增长的运营者身上获取实用建议。 - **与投资人建立联系**：了解投资人的关注重点和投资方向，为融资铺路。 ## 分阶段议题覆盖 峰会内容围绕创始人最关心的决策场景设计，包括但不限于： - **A轮融资**：如何打造打动投资人的路演材料 - **规模化增长**：向1000万美元ARR迈进 - **后续轮次**：为C轮及以后的融资做好准备 - **退出策略**：何时出售公司？如何筹备上市？ 所有环节均以**可立即执行的实战建议**为导向，而非泛泛而谈。 ## 往届演讲者阵容 往届嘉宾包括特斯拉前总裁转投资人的**Jon McNeil**、Sapphire Ventures合伙人**Cathy Gao**等重量级人物，他们分享的从产品创新到融资策略的一手经验，令参会者受益匪浅。 ## 团体优惠 四人及以上团体注册可享受最高**30%折扣**，适合创业团队集体参加。 **立即注册**，抓住早鸟最后机会：6月26日前锁定低价，为11月的波士顿之行做好充分准备。
瑞典斯德哥尔摩初创公司 **Fika Jobs** 近日宣布完成 **400 万美元** 的 pre-seed 轮融资，致力于打造一个视频优先的招聘平台，融合 AI 面试代理与短视频个人档案，创造出一种介于 LinkedIn 和 TikTok 之间的全新体验。 ## 从简历黑箱到视频面试 传统招聘流程长期因效率低下和不透明而饱受诟病。求职者花费数小时撰写简历和求职信，却往往石沉大海。生成式 AI 的普及反而让情况变得更糟——雇主们越来越依赖 AI 筛选系统来处理海量申请。Fika Jobs 的创始人 Jakob Dubois 和 Alexander Dubois 兄弟在创办上一家社交应用公司时，就深刻体会到了传统简历的局限性。他们曾差点错过一位优秀候选人，因为其简历并不出众，但实际沟通后发现对方正是公司需要的人才。这让他们确信，雇主最看重的许多特质（如主动性、驱动力）很难在纸上体现。 ## Fika 如何运作？ 求职者首先需要连接 LinkedIn 个人资料，Fika 的 AI 会分析其背景并生成个性化面试问题。随后，求职者与 AI 面试官（目前由 **Google Gemini 模型** 驱动）进行约 **10 分钟** 的视频面试。面试结束后，Fika 自动将回答剪辑成短视频片段，并整理成个人档案。与传统招聘模式不同，求职者无需每次都重新申请职位，而是维护一个“活”档案，雇主可以随时发现并重新联系。 ## 差异化定位与行业背景 与大多数竞品（如 Alex、Maki、Mercor）聚焦于帮助雇主更高效地筛选和匹配候选人不同，Fika 构建的是一个求职者主导的视频档案平台，雇主则浏览一个已经过 AI 面试和评估的人才池。如果成功，Fika 有望帮助雇主评估沟通能力、软技能等传统简历难以量化的特质，同时也让求职者有机会展示更立体的个人形象。 ## 融资用途与未来 本轮融资将用于继续开发平台、扩充团队，并计划在今年晚些时候进行更广泛的发布。在 AI 招聘赛道日益拥挤的当下，Fika 的视频优先模式能否真正解决招聘痛点，值得持续关注。
甲骨文公司本周一披露，过去12个月内已裁减2.1万名员工，占员工总数的13%，这一数字高于此前已知的规模。公司在一份年度财务监管文件中表示：“AI技术在我们业务中的采用和部署已经且可能继续导致员工数量的缩减。”这一披露为许多科技从业者感受到的“流行病”提供了新的数据佐证：公司在报告创纪录收入的同时裁减员工，并将AI同时视为增长引擎和裁员理由。 据职业转型公司Challenger, Gray & Christmas统计，今年5月科技行业裁员人数创下多年来单月最高，而AI是最常被引用的原因。我们近期曾撰文指出，企业可能需要重新思考这一说辞，尤其对许多公司而言，当前裁减的员工恰恰是在疫情期间招聘热潮中入职的，这引发了关于真实动机的质疑。 以下按时间倒序列出今年以AI为由宣布重大裁员的科技公司： **GitLab** — 2026年6月3日。作为最新案例之一，GitLab裁减约350名员工（约占14%），以投资AI基础设施并应对AI工作流带来的流量激增。CEO Bill Staples表示，智能体工作负载正将竞争对手推向边缘，公司已启动核心基础设施的“代际重建”，以支持所谓的“100倍增长需求”。GitLab将退出22个国家，扁平化管理层级，并与一家未具名的AI实验室合作重建平台。公司第一季度营收2.64亿美元，同比增长23%，预计重组成本为3000万至3500万美元。 **谷歌** — 2026年5月持续进行。Alphabet旗下的谷歌悄然裁减了云部门员工，包括威胁情报组和与Mandiant相关的网络安全人员，尽管云业务收入增长63%首次突破200亿美元，积压订单几乎翻倍至超过4600亿美元。过去一年，谷歌裁减了超过三分之一管理小团队的经理——管理少于10人团队的经理数量减少35%。与大多数公司不同，谷歌从未公布过总体裁员数字。 **其他公司**：2026年以来，包括微软、亚马逊、Meta在内的多家科技巨头均以AI转型为由进行了不同规模的裁员，具体数字仍在更新中。 ## 行业分析：AI裁员背后的逻辑与矛盾 从甲骨文到GitLab，企业普遍将AI视为生产力提升工具，认为自动化可以减少人力需求。然而，许多被裁岗位正是疫情期间为应对需求激增而增设的。这引发了两个关键问题：第一，裁员是否真正源于AI替代，还是企业利用AI作为借口进行成本优化？第二，AI带来的效率提升是否足以抵消裁员对创新和士气的负面影响？ 投资银行和咨询公司指出，AI相关裁员可能呈现“短期阵痛、长期获益”的特征，但员工个人面临的不确定性不容忽视。对于求职者而言，掌握AI技能正从加分项变为必备项。
OpenAI 于周一宣布了一项名为“Patch the Planet”的新计划，旨在帮助开源社区提升网络安全水平，抵御漏洞威胁。该计划与安全公司 Trail of Bits 合作，由后者派出安全工程师直接与开源项目维护者协作，审查潜在代码问题，并利用 OpenAI 的安全工具（如 Codex Security）辅助流程。 开源软件是商业软件行业的数字基石，但由于其去中心化和监管不足的结构，许多项目存在安全隐患。例如，几年前广泛使用的开源工具 Log4j 被发现严重漏洞，引发了连锁反应。OpenAI 指出，许多维护者面临时间与资源有限的困境，Patch the Planet 旨在减轻负担而非增加负担：安全工程师在报告到达维护者之前进行审查，协助开发补丁和测试，并构建可重复使用的工作流，帮助团队在初步修复后持续改进安全。 此举被解读为对 Anthropic 的竞争回应——后者此前推出了备受关注的安全工具 Mythos。虽然 AI 自动识别漏洞并生成利用代码的能力令人担忧，但 OpenAI 反向利用 AI 保护开源社区，无疑是及时雨。不过，该计划长期如何运作、能否规模化尚不明确。
在 Meta 的 @Scale 大会上，Claude Code 的创造者 Boris Cherny 语出惊人：AI 的下一个大步不是智能体（agent），而是“循环”（loop）。 所谓循环，就是让一群 AI 智能体在后台永不停歇地工作，彼此协作、持续改进，甚至互相提交代码请求。这听起来像是科幻小说，但 Cherny 认为它和从手写代码到智能体的转变一样重要。 ## 循环是什么？ 传统上，我们使用 AI 智能体时，会设定明确目标、检查进度，不让它偏离提示词太远。但循环更进一步：授权一群智能体在后台**持续工作**，无需人为干预。 例如，Cherny 在自己的工作中同时运行着两个循环：一个不断寻找改进代码架构的方法，另一个寻找可以合并的重复抽象。它们像人类程序员一样提交拉取请求（pull request），由于代码不断变化，它们也**永远不会停止运行**。 ## 这不是全新的概念 递归循环（函数调用自身以重复某个动作，并带有停止条件）是计算机科学入门课程的核心内容。AI 领域的循环遵循的是**非确定性逻辑**——由子智能体决定何时停止，而非明确的停止条件——但基本思路相同。 事实上，一旦程序员开始用 AI 完成任务，某种形式的递归循环（AI 监督 AI）就必然会诞生。 ## 简单而强大的 Ralph 循环 与经典计算不同，智能体循环可以出奇地简单。最流行的技巧之一是 **Ralph 循环**（以《辛普森一家》中的 Ralph Wiggum 命名）：它汇总模型已完成的所有工作，然后询问是否达成了目标。这解决了 AI 模型长时间运行后容易迷失方向的问题——本质上是在模型偏离轨道时将其“弹回”到正轨。 ## 可信吗？ 将大量信任交给 AI 确实需要勇气。但随着模型能力快速提升，循环可能是让 AI 处理真正工作的下一步。Cherny 的背书让这一概念更具分量——毕竟，他是 Claude Code 的创造者，而 Claude Code 本身就是 AI 编程领域的标杆产品。 从手写代码到智能体编写代码，再到智能体提示智能体编写代码，每一步都指数级地扩展了 AI 的能力边界。循环，或许就是下一个引爆点。
在经历了一场与Nvidia的“非收购式挖角”交易后，AI芯片初创公司Groq正以新的姿态回归。近日，Groq宣布完成新一轮6.5亿美元融资，并同步推进业务转型与高管团队重组。 ### 融资背景：从“被挖角”到再获资本青睐 Groq在2024年12月与Nvidia达成了一项非排他性技术许可协议，后者不仅获得了Groq的LPU（语言处理单元）IP授权，还挖走了包括创始人兼CEO Jonathan Ross、总裁Sunny Madra在内的多名核心人才。尽管如此，Groq的投资方据称在此次交易中获利颇丰，而公司也迅速获得了新一轮资本支持。此轮融资前，Groq在2024年9月刚完成7.5亿美元融资，估值达69亿美元。 ### 业务转型：押注Neocloud推理云服务 随着LPU核心IP被Nvidia共享，Groq已将其战略重心转向Neocloud业务。该业务最初由Groq在2024年收购的Definitive Intelligence团队运营，目前已扩展至北美、欧洲、中东和亚太地区的13个数据中心，服务超过500万开发者及数千家AI企业，每周处理数万亿token。 在Nvidia方面，其已在2025年3月的GTC大会上发布了基于LPU IP的Nvidia Groq 3 LPX推理硬件系统，直接与Groq形成竞争。Groq能否在失去独家IP优势后保持竞争力，取决于其推理云服务的差异化能力。 ### 团队重组：引入多位行业资深高管 Groq近期任命了多位新高管： - **Alan Rice** 出任COO，此前在xAI和Meta任职，并有美国海军背景。 - **Sinclair Schuller** 加入担任CTO，他是企业云软件公司Apprenda的创始人，后与Rakesh Malhotra共同创立Nuvalence（2024年被EY收购）。 - **Rakesh Malhotra** 出任CPO，曾在微软云计算部门工作近十年。 新的高管团队在云计算和企业软件领域经验丰富，为Groq的Neocloud转型提供了关键支撑。 ### 前景展望：推理市场的机会与挑战 Groq的处境颇具戏剧性——几乎被“卖身”后，反而获得了新一轮融资并加速转型。推理市场是当前AI基础设施的热点，Groq的LPU架构在低延迟推理方面具有独特优势，但Nvidia的入局意味着竞争将更加激烈。Groq能否凭借Neocloud的运营能力和生态建设脱颖而出，仍有待市场检验。
英伟达（Nvidia）近期宣布推出一种温水冷却系统，声称能够大幅降低数据中心内部的用水量，甚至实现内部用水量减少100%。该公司首席可持续发展官Josh Parker在接受Axios采访时表示，数据中心的用水挑战已基本得到解决。然而，这一说法只触及了问题的表面。 ## 核心问题：边界内的“节水”与边界外的“耗水” 英伟达的冷却系统确实在设施层面表现出色：冷却液在闭环中运行，一次填充即可在整个设施生命周期内循环使用，无需额外加水。在适宜的气候条件下，这确实可以实现数据中心内部用水量减少100%。但问题在于，数据中心外部的用水——主要是发电和芯片制造过程中的消耗——可能使总用水量翻倍甚至三倍。这意味着英伟达的解决方案仅解决了AI数据中心总用水量的约四分之一到三分之一。 ## 被忽视的“外部”水资源消耗 数据中心无法脱离电力供应运行，而许多类型的发电厂本身就是耗水大户。根据美国地质调查局的数据，化石燃料发电厂是美国最大的用水户之一，每天消耗**27亿加仑**水，其中大部分用于蒸发冷却。一项研究显示，天然气发电厂每发一千瓦时电需要消耗**1.17升**水。只要AI数据中心仍依赖化石燃料（科技公司正越来越多地做出这一选择），节水努力就止步于数据中心围墙之内。 ## 温水冷却的技术亮点 英伟达的新系统将冷却液以**45°C（113°F）**的温度泵入机架，经过服务器后升温至**55°C（131°F）**，带走大量热量。在此温度下，大多数气候条件下的室外空气可通过被动散热器带走热量，无需蒸发冷却甚至风扇。无风扇和无冷水机组的数据中心不仅更节水，还更高效、更安静。 ## 更广阔的视角：AI水足迹的全貌 英伟达的温水冷却系统是数据中心内部节水的重要进步，但AI的水资源挑战远不止于此。芯片制造过程同样消耗大量纯净水，而电力生产的水资源消耗更是巨大。要真正解决AI的水资源问题，需要从能源结构、芯片制造工艺和冷却技术多个环节入手，而不仅仅是数据中心内部。英伟达的声明虽然技术上正确，但可能给公众造成一种“AI的水问题已解决”的错觉。