夏季停电比冬季更频繁，提前准备备用电源方案至关重要。本文指导您评估家庭用电需求，选择合适的储能设备（如便携电站或太阳能系统），并给出选购建议，帮助您在酷暑中保持电力独立。
霍尔木兹海峡的紧张局势导致化肥价格大幅飙升，全球农业面临严峻挑战。在这一背景下，精准农业技术——尤其是土壤传感器和数据分析工具——正成为缓解化肥短缺、提升施肥效率的关键手段。 ## 危机背景：化肥价格为何飙升？ 霍尔木兹海峡是全球最重要的石油和天然气运输通道之一，而天然气是生产氮肥的主要原料。地缘政治紧张导致天然气价格波动，直接推高了化肥生产成本。此外，供应链中断和出口限制进一步加剧了化肥供应短缺，使得农民面临成本激增和肥料可及性下降的双重压力。 ## 精准农业的应对方案 精准农业技术通过实时监测土壤养分、水分和其他关键指标，帮助农民实现“按需施肥”，从而减少浪费、提高效率。以 **Stenon** 公司的田间土壤传感器为例，该设备结合**光学和电化学测量**，能够在现场快速分析土壤状况，提供关于氮、磷、钾等关键养分的精确数据。这种即时诊断能力使农民可以根据实际需求调整施肥方案，避免过量或不足。 ### 技术优势 - **减少浪费**：传统施肥往往采用“一刀切”方式，导致部分区域养分过剩而其他区域不足。精准传感器可以识别土壤异质性，实现变量施肥。 - **降低成本**：在化肥价格高企时，精准施用能显著减少投入。据估算，采用变量施肥技术可节省**10%至30%** 的化肥用量。 - **环境友好**：减少化肥流失可降低对水体的污染，并减少温室气体排放（如一氧化二氮）。 ## 行业现状与挑战 尽管精准农业技术潜力巨大，但其推广仍面临障碍： 1. **成本门槛**：高端传感器和数据分析系统初期投资较高，中小农户可能难以承受。 2. **技术集成**：需要将传感器数据与农机、卫星影像、气象数据等整合，形成完整的决策支持系统。 3. **数据解读能力**：农民需要培训才能有效利用传感器提供的信息，否则技术可能“水土不服”。 ## 未来展望 化肥短缺危机正在加速精准农业技术的采用。随着传感器成本下降和人工智能分析工具的普及，更多农民有望受益。此外，政策激励（如补贴或技术支持）也将推动这一转型。 **小结**：精准农业不是万能药，但在当前化肥供应紧张、价格高企的背景下，它提供了一条切实可行的减量增效路径。从田间传感器到智能施肥设备，技术正在帮助农业在不确定的环境中保持韧性。
Alphabet 旗下自动驾驶公司 Waymo 宣布，其全新无人驾驶出租车 **Ojai**（发音为“oh hai”）将在未来几周内于洛杉矶、旧金山和凤凰城开始面向公众提供免费乘车服务。这款淡蓝色、造型方正的迷你厢型车是 Waymo 首款为自动驾驶而设计的车型，于 2021 年首次公布，2024 年开始在公共道路测试。 Ojai 的推出正值 Waymo 快速扩张的关键时期，但公司也面临挑战：上周因车辆在洪水中的反应问题，Waymo 关闭了美国六个城市的服务，并因施工区域附近的操作风险暂停了高速公路驾驶项目。 ## 专为自动驾驶而生 过去近十年，Waymo 一直使用为人类驾驶设计的车辆测试技术，从克莱斯勒 Pacifica 混动车型到 2018 年推出的捷豹 I-Pace。Ojai 则是首款从零开始为自动驾驶打造的车辆，搭载 Waymo 最新的硬件和软件系统。据 Waymo 称，新系统“利用了 AI 的突破”，结合摄像头、激光雷达和雷达三种传感器输入，旨在支持公司的大规模扩张——目前 Waymo 已在美国 11 个市场运营，并计划拓展至伦敦、东京等至少 20 个新地区。 ## 技术亮点与挑战 新系统设计考虑了长期增长和多车型适配，Waymo 工程副总裁 Satish Jeyachandran 表示，它应能适应不同环境，包括对自动驾驶技术历来构成挑战的严寒冬季。Ojai 虽配备方向盘，但设计目标是无需驾驶员。不过，当前测试阶段仍保留方向盘以符合监管要求。 ## 命名来源 Ojai 的名字源自加州文图拉县一个以艺术社区闻名的波西米亚风格小镇。 尽管面临扩张中的阵痛，Ojai 的推出标志着 Waymo 在定制化自动驾驶车辆和 AI 驱动系统上的重要一步，为未来更大规模的商业化运营奠定基础。
随着iOS 27的临近，苹果在AI领域的野心逐渐浮出水面。近日，一组据称来自内部开发渠道的渲染图首次揭示了苹果对Siri的全面改造计划——不仅包括一个**重新设计的Siri交互界面**，还首次出现了一款**独立的Siri应用**。这标志着苹果正试图从底层重构语音助手的体验，以应对ChatGPT等对话式AI带来的竞争压力。 ## 独立应用意味着什么？ 目前，Siri作为系统级功能嵌入在iOS中，用户无法像打开其他App一样“启动”Siri。而根据曝光的渲染图，iOS 27将新增一个名为“Siri”的独立应用，其界面类似一个即时通讯工具：用户可以与Siri进行持续的文本对话，并随时查看历史记录。这一设计显然借鉴了ChatGPT的交互模式——**将语音助手从“一次性问答”升级为“可追溯的对话伙伴”**。 ## 界面大改：从悬浮球到全屏对话 除了独立应用，Siri的激活界面也将迎来重大更新。当前版本中，Siri以屏幕底部的彩色小球形式出现；而在新设计中，激活Siri后会弹出一个**半透明的全屏对话窗口**，支持文字输入、语音输入和文件附件。这种设计一方面减少了视觉干扰，另一方面为更复杂的多模态交互（如直接处理图片、文档）铺平了道路。 ## 苹果的AI策略：差异化竞争 苹果在这场AI竞赛中一直采取“后发制人”的策略：不急于推出大模型，而是专注于**端侧智能与隐私保护**。从渲染图推测，新版Siri很可能集成了苹果自研的大语言模型，但所有推理过程将在设备本地完成，而非依赖云端。这与ChatGPT的云端处理模式形成鲜明对比——苹果希望用“隐私优先”作为核心卖点。 不过，这也意味着Siri在复杂任务上的能力可能暂时落后于云端AI。苹果的突破口或许在于**场景化智能**：例如，Siri可以直接调用日历、邮件、健康等系统数据，完成“帮我整理明天会议的资料，并提醒我带上充电器”这类跨应用操作。而ChatGPT目前难以深度绑定手机系统。 ## 行业影响与展望 如果这些渲染图属实，iOS 27将成为苹果AI战略的关键转折点。独立Siri应用的出现，意味着苹果不再将Siri视为一个“功能”，而是一个**AI平台**——开发者未来可能为Siri开发专属的“技能”插件，类似当年的App Store生态。 但挑战同样明显：苹果需要在**端侧算力与体验**之间找到平衡。iPhone的神经引擎虽强，但运行大模型仍会带来功耗和发热问题。此外，用户是否愿意放弃ChatGPT的云端能力，接受一个“更隐私但更保守”的Siri，仍有待市场验证。 无论如何，这场AI语音助手之战正在进入新阶段。苹果的下一步棋，值得所有科技爱好者持续关注。
苹果备受期待的 Siri 大改版预计随 iOS 27 登场，最新渲染图显示其界面可能酷似 ChatGPT 并融入 Liquid Glass 设计元素。据 Bloomberg 基于知情人士信息制作的渲染图，新版 Siri 将从灵动岛弹出聊天气泡，支持多 AI 模型切换，并拥有独立应用。此外，相机和照片应用也将加入 AI 功能。 ## 灵动岛变身 Siri 入口 渲染图显示，用户可通过从屏幕顶部中央向下滑动，在任意应用中唤醒一个药丸形状的 Siri 聊天气泡。该气泡从灵动岛弹出，并带有一个下拉菜单，提供 **Ask、Siri 和 ChatGPT** 三个选项。这意味着苹果可能允许用户在不同 AI 助手间自由选择，类似 Android 上通过长按 Home 键启动 Gemini 的方式。 ## 独立 Siri 应用：ChatGPT 风格 + 液态玻璃美学 Bloomberg 还展示了一款全新的独立 Siri 应用，其布局与 ChatGPT 高度相似：药丸形输入框、附件添加按钮、语音模式开关以及聊天历史记录。历史记录可呈现为列表或矩形卡片集合，类似 Google Keep 的笔记布局。整体设计语言被描述为“Liquid Glass”，即半透明玻璃质感，与苹果近年来的 UI 风格一脉相承。 ## 相机与照片应用迎 AI 升级 除了 Siri，iOS 27 的相机应用也将迎来更新：渲染图显示一个可自定义控件的小部件菜单，其中新增了 **“Siri”模式**，位于“照片”和“人像”模式之间。照片应用则新增了 AI **“工具”编辑选项**，暗示苹果可能将机器学习和生成式 AI 功能深度集成到影像处理流程中。 ## WWDC 见分晓 Bloomberg 的 Mark Gurman 强调，这些渲染图基于其获取的信息，最终设计可能有所差异。苹果预计将在 **6 月的 WWDC** 上正式公布 iOS 27 及 Siri 的全新面貌。若渲染图属实，这将是 Siri 自 2011 年推出以来最重大的界面与功能革新，标志着苹果在 AI 助手赛道上的全面反击。
在 AI 领域，“递归”成为最新热词。多家初创公司以此命名，更多公司将递归自我改进（RSI）纳入路线图。与之前的 AGI 类似，RSI 成为 AI 突飞猛进的三字母代名词——尽管其确切含义仍存分歧。 **RSI 是什么？** 简单来说，RSI 指能够持续自我升级的 AI 系统。一旦 AI 能比人类更好地管理升级循环，过程将变成闭环，仅受限于可访问的计算能力，人类不再必要甚至成为累赘。无论可怕与否，这正是许多 AI 实验室追逐的愿景。 **业界动态** - **Richard Socher** 本月创立 **Recursive Superintelligence**，明确以 RSI 为目标，力求实现研究思路的自动化构思、实施与验证。 - **Alex Karpathy**（特斯拉、OpenAI 传奇人物）在 Anthropic 从事预训练工作，同时通过项目 **Auto-Research** 利用智能体集群训练 LLM 执行简单任务。虽仍限于 GPT-2 规模模型的微小改进，但已激励众多研究者追随 RSI 梦想。 - **Adaption**（由 Cohere 和谷歌校友 Sara Hooker 创立）推出 **AutoScientist**，旨在自动化前沿训练，通过智能体逐步改进，若突破则可能迅速演变为 RSI。 - **Doris Xin**（Disarray 创始人）也提及类似方向。 **挑战与前景** 尽管热情高涨，RSI 目标仍难以实现。目前进展多停留在小规模、非突破性研究。Karpathy 承认其工作“尚未成为新颖、开创性的研究”。然而，随着更多资源投入，RSI 可能从概念走向现实，其影响堪比 AGI。
## 企业 AI 正在进入新阶段：从“是否令人兴奋”到“是否安全部署” 企业组织并非拒绝 AI，而是拒绝运营不稳定。这是许多创始人仍然误解的现实，也正成为区分那些能够规模化发展的企业 AI 公司与那些在早期势头后停滞不前的公司的关键因素。 在即将于 2026 年 10 月 13-15 日旧金山 Moscone West 举行的 TechCrunch Disrupt 大会上，**Databricks 联合创始人兼现场工程高级副总裁 Arsalan Tavakoli-Shiraji** 将在 AI 舞台分享他的见解，主题为“企业没有坏掉，是你对它的假设错了”。 ### 试点从来不是难点 企业 AI 市场充满了从未真正部署的成功试点。原因并非技术失败，而是组织无法承受采用它所带来的运营后果。创始人需要面对的现实是：**AI 交易很少因为模型表现不佳而失败，而是因为企业失去了对部署所需条件的信心**。 大多数企业评估 AI 产品时，不仅看它是否有效，还会评估： - 实施风险 - 治理复杂性 - 工作流冲击 - 基础设施压力 - 合规风险 - 组织信任度 一个 AI 产品在受控环境中可能表现优异，但如果其部署会引发业务不稳定，它仍可能在商业上失败。这一区别对创始人至关重要，因为许多 AI 初创公司仍在为错误的目标优化——他们追求初期的兴奋感，而非长期的运营采纳。 ### 从实验到安全部署的转变 过去几年，AI 初创公司受益于一个由实验驱动的市场。一个强大的演示、一个令人印象深刻的模型、一个宏伟的愿景，通常足以引起企业兴趣、启动试点项目并激发投资者热情。但企业 AI 正进入一个不同的阶段——企业不再评估 AI 是否令人兴奋，而是评估它是否能安全地大规模部署。 Tavakoli-Shiraji 的演讲将深入探讨这一差距，帮助创始人理解：**企业 AI 的成功不在于技术有多酷，而在于它如何融入现有运营体系**。 Disrupt 2026 将汇聚超过 10,000 名创始人、投资者和运营者，探讨改变公司构建和规模化方式的技术与运营压力。为期三天的活动将包含 250+ 场会议，分布在六个舞台，由当今引领行业的科技领袖主持。 ### 给创始人的启示 如果你正在构建企业 AI 产品，请记住：你的试点可能成功，但真正的考验在于企业是否愿意并能够将你的解决方案融入其日常运营。**运营稳定性、治理能力和组织信任，才是决定 AI 交易成败的关键**。 早期门票优惠（最高节省 $410）将于 5 月 29 日晚上 11:59（太平洋时间）截止，注册请访问 TechCrunch Disrupt 官网。
YouTube 正在加码播客赛道，近日推出了一系列新功能，包括 AI 驱动的推荐工具和“自动速度”选项。这一更新标志着 YouTube 持续发力，与 Spotify、Apple Podcasts 等平台争夺播客听众的注意力。 ## AI 推荐与自动速度 新加入的 **AI 推荐工具** 能够根据用户的收听历史和偏好，智能推荐相关的播客内容，帮助用户发现新节目。而 **“Auto speed”（自动速度）** 功能则能根据播客中对话的节奏和停顿，自动调整播放速度，让用户更高效地收听。例如，在对话缓慢或停顿较长时，系统会略微加快速度，而在信息密集或快速对话部分则恢复正常速度，从而在不丢失内容的前提下节省时间。 ## 播客战略升级 YouTube 近年来不断强化其播客生态。2023 年，YouTube 推出了专门的播客页面，并允许创作者将播客视频同时上传至 YouTube Music。此次新功能的推出，进一步缩小了与其他专业播客平台的差距。与 Spotify 的 AI 播客推荐相比，YouTube 的优势在于其庞大的视频内容库和用户基础——用户不仅可以在 YouTube 上收听播客，还能观看视频版，获得更丰富的体验。 ## 行业影响与竞争格局 播客市场正快速增长，eMarketer 数据显示，2024 年美国播客听众将超过 1.2 亿。YouTube 的入局加剧了竞争：Spotify 已投资数十亿美元用于播客独占内容和 AI 推荐，Apple Podcasts 则依靠系统集成优势。YouTube 的差异化在于“视频+音频”双模体验和强大的推荐算法。新功能有助于吸引更多创作者入驻，同时提升用户粘性。 ## 小结 YouTube 的播客新功能体现了 AI 在内容消费领域的应用趋势。通过个性化推荐和智能播放优化，YouTube 试图在播客竞赛中占据有利位置。对于用户而言，这意味着更便捷的发现和更高效的收听体验。未来，AI 可能会进一步渗透到播客的创作、编辑和分发全流程。
AI 的普及正在将企业尘封多年的数据资产重新激活，但这也带来了意想不到的安全隐患和管理挑战。近期在 Veeam 纽约会议上，多位企业 AI 部署负责人分享了他们的教训：由于 AI 能够快速检索并暴露内部长期被遗忘的数据，一些公司不得不**暂停 AI 部署**，重新审视数据治理策略。 **旧数据“翻新”，问题浮出水面** 富达投资（Fidelity Investments）高级副总裁 Steve MacIntyre 提到，其拥有 40 万员工的公司发现，原本藏在 SharePoint 站点或网络附加存储（NAS）中的旧数据，通过 AI 提示词突然浮出水面。他表示：“这不是 AI 的问题，而是 AI 快速发现信息的能力暴露了数据管理的短板。” 安永（EY）企业技术首席架构师 Wim Geurden 则描述了另一重困境：在 AI 搜索引擎上线后，其全球独立成员公司之间原本归属不清的数据被大量暴露。“EY 全球并不拥有这些数据，每个成员公司拥有自己的数据。这引发了第一波问题——我们有多少 SharePoint 站点？数据量达到 PB 级，简直是‘狂野西部’，完全没有生命周期管理。” **核心挑战：数据治理而非技术** 两位专家一致认为，AI 本身不是问题根源，企业多年积累的**数据资产缺乏有效治理**才是关键。AI 的检索能力让这些“沉睡”的数据变得可访问，但也暴露了所有权不清、合规风险、敏感信息泄露等隐患。 **应对之道：建立新的治理架构** 面对这一挑战，企业需要采取系统性措施： - **梳理数据资产**：对 SharePoint、文件服务器等存储中的数据进行全面盘点，明确归属和敏感等级。 - **实施生命周期管理**：为数据设定保留、归档和删除策略，避免无限制堆积。 - **权限精细化**：确保 AI 只访问授权数据，防止内部信息过度暴露。 - **跨部门协作**：IT、法务、业务部门共同制定数据治理规范，适应 AI 时代的需求。 **行业启示** 随着 AI 在企业中的深入应用，数据治理已从“后台支持”转变为“战略核心”。忽视这一点的企业可能会在 AI 部署中遭遇“急刹车”。正如会议所揭示的：AI 的价值不在于技术本身，而在于如何管理其背后的数据。
CNN 近日向纽约法院提起诉讼，指控 AI 搜索初创公司 Perplexity 未经授权抓取其内容，并通过 AI 工具“逐字”生成文章副本，甚至提供原本需要付费订阅才能阅读的信息。这起诉讼发生在 Perplexity 与多家媒体版权纠纷持续升级的背景下，再次将 AI 公司与内容创作者之间的利益冲突推至风口浪尖。 ## 诉讼核心：抓取与“逐字”复制 根据 CNN 在纽约法院提交的诉状，Perplexity 的 AI 搜索引擎及其浏览器 Comet 被指控无视 CNN 设置的爬虫拦截措施，持续抓取网站内容。CNN 在诉状中强调：“人类记者进行报道、研究、撰写、编辑和创作的内容，却被 Perplexity 未经许可且未支付任何报酬地拿走。” 一个典型案例是：当用户仅输入 CNN 某篇报道的标题时，Perplexity 的 AI 工具竟生成了该文章“实质性”的逐字片段。这篇题为 *“What’s next for Minneapolis? A shaky promise, mounting tensions and the fight for control”* 的报道，本应通过订阅才能完整阅读，却被 AI 直接输出给用户。 ## 合作破裂与法律战升级 值得注意的是，CNN 并非没有尝试过与 Perplexity 达成合作。诉状披露，双方曾在 **2025 年 10 月** 商讨一项协议，计划通过 Perplexity 的 Comet Plus 订阅服务分发 CNN 内容。但最终因“在多个问题上无法达成一致”——包括 Perplexity 在回答中使用 CNN 内容的限制——谈判破裂。CNN 于 11 月正式退出协议，并致函要求 Perplexity 停止使用其内容与商标，但 Perplexity 据称“未予回应”。 如今 CNN 加入了一支日益壮大的原告队伍。此前，《纽约时报》、大英百科全书、韦氏词典以及《华尔街日报》母公司新闻集团均已对 Perplexity 提起诉讼。此外，亚马逊和 Reddit 也分别起诉了该公司。Perplexity 正面临来自科技巨头和传统媒体双重夹击的版权诉讼潮。 ## 行业影响与未来走向 这起案件凸显了生成式 AI 时代内容版权问题的复杂性。Perplexity 作为 AI“答案引擎”的代表，其商业模式高度依赖从网络抓取实时信息并重新组织输出。但媒体机构认为，这种操作实质上构成了对原创内容的“变相抄袭”，并侵蚀了其订阅收入。 CNN 在诉状中要求法院判令 Perplexity 永久停止侵权行为，并赔偿损失。截至目前，Perplexity 发言人 Jesse Dwyer 未就此事发表评论。随着法律程序推进，此案或将为 AI 公司如何合法使用网络内容设定新的判例边界。
**TechCrunch Disrupt 2026** 的门票优惠进入倒计时！即日起至 **5月29日（周四）太平洋时间晚11:59**，购票可享最高 **410美元** 折扣。这场科技盛会将于 **10月13日至15日** 在旧金山举行，预计吸引超过 **10,000名** 行业领袖、创业者与投资人齐聚一堂。 对于关注AI、初创生态与前沿技术的从业者而言，Disrupt 是每年不可错过的行业风向标。今年大会将延续往届的 **主舞台演讲**、**创业竞赛** 以及 **圆桌讨论** 等核心环节，覆盖生成式AI、企业软件、生物科技等热门赛道。 > 早鸟票省下的不仅是预算，更是抢占高质量社交与学习机会的先机。 ### 为何现在行动？ - **时间紧迫**：优惠折扣将在48小时后截止，届时票价将恢复原价。 - **规模升级**：主办方预计参会人数较去年增长20%，早期注册可优先选择分会场与Workshop席位。 - **AI行业热度**：2025年全球AI投资持续攀升，Disrupt 2026 被视作下半年技术商业化落地的关键观察窗口。 ### 即刻注册 访问 [TechCrunch Disrupt 2026 官网](https://techcrunch.com/events/disrupt/) 完成购票，使用优惠码可叠加折扣。若您计划参与 **Startup Battlefield** 或 **Expo Hall** 展示，建议同步提交申请。 *注：优惠截止时间为太平洋时间5月29日23:59，请留意时差。*
支付巨头Visa宣布对AI编码平台Replit进行未公开金额的投资，双方将探索将Visa支付产品集成到Replit平台，使开发者及其构建的AI代理能够直接接受客户付款，无需离开平台。Visa透露，已有超过1000名员工使用Replit进行原型开发。合作涉及Visa的AI支付套件Visa Intelligent Commerce和可信代理协议（Trusted Agent Protocol），后者允许AI代理通过共享意图和客户详情等信息安全地验证身份，确保代理发起的支付可被信任。目前所有项目均处于探索阶段，尚未正式发布联合产品。 这一投资反映了“代理支付”（agentic payments）基础设施竞赛的加速——AI代理代表用户购买商品和服务。除Replit和Visa外，Robinhood希望用户通过代理进行交易，Google则推动代理用于购物。Replit CEO Amjad Masad表示，企业客户增长迅速，Visa的加入印证了其“让任何人都能安全、稳健地编码”的使命。 Replit同时推出自助企业服务，允许公司签署最高20万美元的合同而无需联系销售人员，该层级提供单点登录（SSO）、审计日志和高级权限等企业级合规和控制功能。随着“氛围编码”（vibe-coding）平台需求激增，Replit、Cursor、Lovable等初创公司估值快速攀升。Replit在去年9月估值达30亿美元，今年3月完成由Georgian Partners领投的4亿美元D轮融资，估值飙升至90亿美元。 Visa的布局表明，金融基础设施正从“为人支付”转向“为代理支付”。Replit作为低门槛编码平台，拥有大量开发者生态，与Visa结合可降低AI代理商业化支付的门槛。但代理支付仍面临身份验证、欺诈防范和监管合规等挑战，Visa的可信代理协议试图通过标准化身份信息共享解决信任问题。 对于开发者而言，这一合作意味着未来在Replit上构建的AI应用可原生集成支付能力，无论是订阅服务、按需付费还是电商交易。企业客户则可通过自助服务快速获取开发与支付一体化能力，加速从创意到产品的转化。 ## 关键看点 - **投资规模未披露**，但Visa的背书为Replit的企业级支付能力提供信用支撑。 - **代理支付标准化**：Visa的可信代理协议可能成为行业规范，类似OAuth之于身份认证。 - **自助企业服务**：降低中小企业采用门槛，合同金额上限20万美元，无需销售介入。 - **估值飙升**：Replit 6个月内估值从30亿涨至90亿美元，反映市场对AI编码平台的狂热。 ## 行业影响 Visa与Replit的联手，可能将支付基础设施从“商户-消费者”二元结构扩展为“商户-代理-消费者”三元模型。未来AI代理将代表用户比价、下单、支付，而Visa的全球网络和合规体系为这一场景提供清算基础。不过，代理的“身份”和“授权”问题仍需法律与技术双重突破。
近日，Rivian 首席软件官 Wassym Bensaid 在《Decoder》播客中阐述了他的核心观点：未来的汽车交互应该由 AI 驱动的语音助手主导，而非依赖手机投射系统或物理按键。这一立场不仅关乎用户体验，更深刻影响着 Rivian 与大众价值 60 亿美元的合资技术公司 RV Tech 的战略走向。 ## 为什么“不需要 CarPlay”？ Bensaid 认为，CarPlay 本质上是一种“将手机界面强加给汽车”的妥协方案，它限制了车企对座舱体验的自主权。Rivian 正在推进的 **AI 助手 Rivian Assistant** 则完全不同——它深度集成车辆控制、导航、娱乐等功能，并能通过自然语言理解执行复杂指令，比如“调低空调温度并导航到最近的充电站”。这种 **Agentic（代理式）** 交互模式，才是 Bensaid 眼中未来车载系统的核心形态。 ## 实体按键的消亡与语音的崛起 对于“去按键化”设计，Bensaid 回应了长期以来的争议：Rivian 并非盲目追随特斯拉，而是经过深思熟虑。实体按键数量有限，无法应对智能汽车日益复杂的功能。语音控制则提供了“无限按钮”的可能性——用户只需说出需求，系统即可自动执行。当然，Bensaid 也承认当前技术仍有挑战，比如多轮对话的连贯性和环境噪音下的识别准确率，但他强调 Rivian 正在通过端侧 AI 模型和持续 OTA 升级来持续改善。 ## RV Tech：两个文化的融合实验 合资公司 RV Tech 的成立，本质上是 **Rivian 的软件敏捷性** 与 **大众的规模制造能力** 的结合。Bensaid 作为联合 CEO，需要确保核心软件平台（包括操作系统和电气架构）能够同时服务于 Rivian 和大众旗下多品牌（奥迪、Scout 等）。关键策略是“分层共享”：底层基础架构完全共用，而上层应用层（如 Rivian 独有的户外越野模式）保留差异化。这种结构既避免了“一刀切”的平庸，也防止了重复造轮子。 ## Rivian R2：新架构的首发车型 即将推出的 **Rivian R2** 将是首款基于全新软件架构的车型，它承载着 Rivian 向更大众市场渗透的野心。Bensaid 透露，R2 的座舱将完全围绕语音交互设计，物理按键数量进一步减少。同时，Rivian Assistant 在 R1 车型上的反馈数据将直接用于优化 R2 的体验。 ## 挑战与展望 尽管愿景宏大，Bensaid 也坦诚当前 AI 助手的局限性：偶尔的语义误解、对模糊指令的处理不足，以及用户从“触控习惯”到“语音习惯”的迁移成本。但他认为，随着大语言模型在车端部署的成熟，这些问题将在 1-2 年内显著改善。对于消费者而言，这意味着：未来的汽车不再是一个需要学习的工具，而是一个能“听懂”你的伙伴。
Microsoft 365 用户若需要 AI 辅助处理文件，通常有两个选择：一是订阅包含 Copilot 的套餐，利用微软的 AI 进行起草、编辑、分析和总结；二是使用 Anthropic 的 Claude AI，后者正成为一个值得考虑的新选项。Claude 不仅能在单个应用内工作，还能跨多个应用协同操作，提供更灵活的体验。本文作者分享了从 Copilot 转向 Claude 的原因，并详细介绍了如何在 Word、Excel 和 PowerPoint 中配置和使用 Claude，包括设置 API、利用其强大的上下文窗口处理长文档、以及通过多步骤任务提升工作效率。如果你对 Copilot 的表现不满意，Claude 或许能带来惊喜。
## 当AI助手频繁“请求确认”，你会麻木吗？ 一款名为 **“Continue? Y/N”** 的极简网页游戏近日在 Hacker News 上引发热议，获得 **158 分** 和 **77 条讨论**。游戏时长仅 **60 秒**，核心机制却直指 AI 领域一个日益严峻的问题：**权限疲劳（Permission Fatigue）**。 ### 游戏机制：一次对“确认键”的讽刺 玩家在游戏中扮演一名用户，面对不断弹出的 AI 操作确认对话框。每个对话框都要求你快速选择“继续（Y）”或“拒绝（N）”，但陷阱在于——**部分请求看似无害，实则可能删除文件、发送敏感信息或执行危险操作**。游戏通过极短的时间压力和重复的“Y/N”选择，模拟了真实场景中用户对 AI 代理命令逐渐麻木的心理过程。 ### 为什么这款游戏值得关注？ 随着 **AI Agent（智能代理）** 的普及——如 AutoGPT、Copilot 等工具能够自主执行多步操作——权限确认机制成为安全与效率的博弈点。 - **安全需求**：每次操作都确认，可防止 AI 误执行破坏性指令。 - **体验痛点**：频繁弹窗导致用户“习惯性点同意”，反而削弱了安全设计的意义。 这款游戏正是对这一矛盾的 **交互式讽刺**：当你为了“通关”而盲目点击“Y”时，恰恰暴露了权限疲劳如何让安全机制形同虚设。 ### 行业背景：从“确认”到“信任”的进化 目前业界正在探索更智能的授权方案： - **分级权限**：如 OpenAI 的“操作权限范围”设定。 - **行为模式学习**：AI 根据用户历史决策，自动判断低风险操作。 - **紧急刹车**：类似“sudo”模式的临时高权限提升。 “Continue? Y/N”以荒诞的游戏形式提醒我们：**真正的问题不在于是否弹窗，而在于如何让用户在不麻木的前提下，保持对 AI 行为的有效监督**。 ### 小结 作为一款仅需 60 秒的“严肃游戏”，它成功引发了 AI 社区对 **人机交互安全性** 的讨论。如果你正在设计 AI 产品，不妨花一分钟体验——或许比读十篇论文更能体会用户的真实困境。
## 从学术到产业：芯片设计师的转型之路 对于许多从事芯片设计的工程师来说，从学术界转向产业界是一次关键的职业转型。IEEE Fellow、现任Silicon Creations高级设计架构师的**Maysam Ghovanloo**，在职业生涯中先后经历了学术研究和工业实践两个阶段，他的经验揭示了两者在方法论和思维方式上的显著差异。 ### 学术与产业：不同的成功标准 在学术界，芯片设计师通常追求**创新性**和**论文发表**。研究项目往往以探索未知领域、提出新架构或优化算法为目标，评价标准是学术影响力。而产业界更看重**可靠性、成本效益和上市时间**。芯片产品必须满足严格的功耗、性能和面积（PPA）指标，并能在量产中保持一致性。 Ghovanloo指出，学术研究中的“成功”往往是一次性的原型验证，而工业设计则需要面对**大规模生产、良率控制、供应链管理**等现实挑战。例如，一个在实验室中表现优异的电路设计，可能因为工艺偏差或温度变化而在批量生产中出现问题。 ### 关键技能：从理论到实践 从学术研究转向工业设计，需要培养以下几项关键能力： - **设计可制造性**：理解工艺限制，确保设计能通过晶圆厂的制造流程。 - **团队协作与沟通**：与封装、测试、产品工程等团队密切配合。 - **时间管理与优先级**：在紧迫的交付周期中做出权衡。 - **系统思维**：不能仅关注单一模块，而要考虑芯片整体架构。 Ghovanloo强调，许多学术背景的工程师在进入产业后，容易过度追求“完美设计”，但产业界更要求“足够好且及时”。 ### 行业趋势：AI与异构集成 当前芯片设计行业正面临两大趋势：一是**AI加速器**需求激增，推动定制化芯片（如ASIC）设计复杂化；二是**异构集成**（如Chiplet）技术兴起，要求设计师掌握跨领域知识。Ghovanloo建议，有志于产业界的芯片设计师应主动学习**数字与模拟混合设计**、**先进封装**以及**EDA工具优化**等技能。 ### 小结 芯片设计领域的职业路径并非单一。无论是留在学术界深耕前沿研究，还是转入产业界推动产品落地，都需要明确自身优势与目标。Ghovanloo的经历表明，理解两种环境的不同节奏与评价体系，是成功转型的第一步。
NordVPN 正在将其 VPN 应用重塑为集 VPN 与现代威胁防护于一体的全面安全套件。该公司认为，“杀毒软件”一词已过时，现代个人安全策略应围绕“连接、保护、监控”三大支柱。这一转型反映了 VPN 提供商拓展安全组合的行业趋势。新套件不仅包含传统 VPN 服务，还整合了恶意软件防护、广告拦截、数据泄露监测等功能，旨在为用户提供一站式数字安全解决方案。本文深度解析 NordVPN 的转型逻辑、新功能亮点及其对行业的影响。
## 气候科技公司IPO热潮：电网的未来是什么？ 近期，气候科技领域掀起了一波IPO热潮。太阳能与电池公司 **Solv Energy** 于今年2月上市，估值达到 **60亿美元**；小型模块化核反应堆开发商 **X-energy** 紧随其后，估值 **115亿美元**；地热能公司 **Fervo Energy** 也成功上市，市值约 **124亿美元**。这三家公司的IPO均取得了成功，它们的共同点是都在竞相提供电力——在数据中心等需求激增的时代。 这一现象揭示了电网的未来：随着AI和数字化转型推动电力需求增长，清洁能源技术正成为资本市场的宠儿。接下来，这些公司能否持续增长？电网基础设施能否跟上？答案是，未来几年将迎来清洁能源技术的规模化部署和电网升级。 ## AI炒作指数回归 区分AI现实与炒作并不容易。为此，我们推出了 **AI炒作指数** —— 一个快速概览行业趋势的工具。最新一期涵盖了亿万富翁的公路旅行、学生的嘘声、虚构的引语以及过多的科幻元素。该指数帮助读者一目了然地识别哪些是真正的突破，哪些是过度宣传。 ## 本周必读 1. **伊利诺伊州通过美国最强AI安全法案**：要求进行第三方安全审计，但尚需州长批准。美国在AI监管上仍存分歧。 2. **谷歌工程师因内幕交易被起诉**：他涉嫌利用内部数据在Polymarket上押注2025年搜索量最高的人物，获利超过120万美元，被控欺诈和洗钱。 3. **字节跳动自研CPU应对AI芯片短缺**：TikTok所有者面临严重供应短缺，同时谷歌、亚马逊和微软也在自研CPU。台湾的“硅盾”可能正在削弱。 4. **四大科技巨头支持AI数据中心清洁能源计划**：亚马逊、谷歌、Meta和微软加入该倡议，投资者Elemental Impact将为每个项目部署高达500万美元。 5. **英伟达CEO加入……**（原文未完整，但可见行业领袖正积极参与AI与能源的交汇领域） ## 小结 本周科技新闻凸显了AI与清洁能源的深度融合：从IPO热潮到安全立法，从芯片短缺到能源倡议，AI的发展正在重塑多个行业。投资者和政策制定者需要紧跟这些趋势，以把握机遇并应对挑战。
Oura 最新推出的第五代智能戒指 Oura Ring 5 在体积上做到了史上最小——更薄、更轻、佩戴更舒适。起售价 399 美元，比 Ring 4 贵了 50 美元。但这是否意味着它值得升级？ ## 设计与佩戴体验 Oura Ring 5 最大的变化在于外观设计。它比 Ring 4 更纤薄，佩戴时几乎感觉不到存在。对于需要全天候佩戴的健康追踪设备来说，舒适度至关重要。Oura 在保持核心功能的同时，成功缩小了机身，这对长期用户是一大福音。 ## 健康追踪功能对比 在核心健康追踪方面，Oura Ring 5 与 Ring 4 的差距非常小。两者都支持心率、睡眠、压力、活动等监测。Ring 5 在传感器精度上略有提升，但日常使用中几乎感受不到差异。如果你已经是 Ring 4 用户，升级带来的体验提升可能并不明显。 ## 电池续航与充电 Oura Ring 5 的电池续航与 Ring 4 持平，约 7 天。充电速度也未作明显改进。对于追求长续航的用户来说，这点没有变化。 ## 价格与升级建议 Ring 5 起售价 399 美元，比 Ring 4 高出 50 美元。如果你是首次购买智能戒指，Ring 5 无疑是最新选择。但如果你是 Ring 4 用户，除非对更薄的机身有强烈需求，否则升级的必要性不大。Oura 在 Ring 4 上已经提供了相当成熟的功能，Ring 5 更像是一次迭代优化，而非革命性升级。 ## 小结 Oura Ring 5 在舒适度上取得了进步，但健康追踪能力与 Ring 4 几乎一致。对于追求极致佩戴体验的用户，Ring 5 值得考虑；但对于大多数现有用户，Ring 4 依然足够出色。
全球软件承包巨头 Endava 正通过 OpenAI Codex 重塑其交付模式，将资深工程师的经验“编码”为智能体，与团队并肩工作。其欧洲 CTO Joe Dunleavy 表示，需求分析时间已从“数周”缩短至“数小时”，代码质量也呈指数级提升。 ## 从“写代码”到“管代码” 对于一家为银行、保险、零售和媒体客户交付高质量软件的企业而言，Endava 的角色正发生根本转变。Joe Dunleavy 指出：“我们过去自己写大量代码，现在则转为监督 Codex 产出的工作。”这一转变使得小团队能在极短时间内交付巨大价值，这正是他们自称“智能体组织”的底气——将资深专业知识固化到智能体中，贯穿从需求接入、构思到交付的整个客户参与生命周期。 ## 技能放大：资深经验的可复制性 Endava 全球智能体架构高级副总裁 Mike Krolnik 强调，Codex 改变了资深与初级工程师的协作方式。“像我这样来自复杂环境的资深架构师，能够表达出想要什么，Codex 则将其转化为团队中初级成员可理解的信息。”初级开发者可以接手通常留给资深工程师的任务，而 Codex 充当实时的最佳实践与架构决策指南。Krolnik 补充道：“我可以给 Codex 一个观点，当开发人员工作时，它会帮助他们理解这个观点。他们可以就自己不懂的地方提问。作为开发过程中的学习工具，我能将自己的经验编码，让 Codex 与团队一起传授更好的软件架构与开发实践。”这种知识转移成为智能体组织的核心价值之一——原本需要数年结对编程、代码审查和指导才能获得的资深判断力，现在团队可以实时与之协同。 ## 行业启示：智能体组织的新范式 Endava 的实践为软件服务行业提供了重要参照。在 AI 编码工具日益普及的背景下，如何将工具从“辅助写代码”升级为“组织能力的基础设施”成为关键。Endava 没有简单地将 Codex 视为效率工具，而是将其嵌入到组织架构和人才培养体系中。这种模式不仅加速了交付，更创造了可复制的“经验杠杆”——资深工程师的智慧不再受限于个人时间与精力，而是通过智能体持续赋能整个团队。对于面临人才短缺和成本压力的科技企业而言，这或许是一条值得探索的路径。