外卖平台 DoorDash 正在向开发者推出一项颇为极客的新功能——**dd-cli**，一款命令行工具。目前该工具处于**限量测试阶段**，允许开发者和 AI 代理在终端中搜索商店、构建购物车并下单。这标志着 DoorDash 正迈出重要一步：打造不仅面向人类用户、也面向 AI 代理的软件。 ## 从图形界面到命令行：DoorDash 拥抱开发者生态 长期以来，点外卖的流程都依赖图形界面——打开 App、浏览菜单、点击下单。而 dd-cli 彻底改变了这一交互方式。通过简单的命令，用户可以直接在终端里完成整个点单流程。例如，`dd search "pizza"` 即可搜索附近的披萨店，`dd add "large pepperoni"` 将商品加入购物车，最后 `dd checkout` 完成支付。 这种设计最初可能让普通用户感到陌生，但对开发者而言，命令行意味着更高的效率和自动化可能性。更重要的是，它**为 AI 代理的接入铺平了道路**。想象一下，一个智能助手可以直接通过命令行帮你订餐，无需打开任何 App。 ## AI 代理的新入口 DoorDash 的这一步并非孤例。近年来，越来越多的服务开始提供 CLI 或 API 接口，以适配 AI 代理的“无界面”操作模式。从 Slack 的 CLI 工具到 GitHub 的 Copilot，再到如今 DoorDash 的 dd-cli，趋势很明显：**软件正在从“人机交互”转向“机机交互”**。 对于 AI 代理来说，命令行接口比图形界面更友好。它们无需解析复杂的 UI 元素，只需处理结构化的文本命令和输出。DoorDash 的此举可能吸引大量开发者为其平台构建自动化工具，例如定时订餐、根据日历事件自动下单等场景。 ## 限量测试与未来展望 目前 dd-cli 仅向部分申请者开放 beta 测试。DoorDash 尚未公布正式上线时间，但这一动作已释放出强烈信号：**外卖服务正在成为可编程基础设施的一部分**。 对于普通用户而言，短期内可能仍会使用 App 下单。但长期来看，当 AI 代理足够成熟，我们或许只需对智能音箱说一句“帮我订份午餐”，背后的流程就由一系列 CLI 调用完成。DoorDash 的这一步，正是通往那个未来的一个路标。 ## 小结 - DoorDash 推出 dd-cli 命令行工具，面向开发者和 AI 代理。 - 支持搜索商店、构建购物车、下单等核心功能。 - 目前处于限量 beta 阶段。 - 反映了行业趋势：软件接口正从 GUI 向 CLI/API 迁移，以适应 AI 代理的自动化需求。
本周，OpenAI 发布了其首款硬件产品——一款售价 230 美元的迷你键盘，但你可能不知道，同期上架的还有另一件“奇葩”周边：**ChatGPT 篮球**。 这款篮球隶属于名为“Pause. Play. Prompt.”的推广活动，产品页描述称其旨在“提醒人们创造力不只存在于屏幕中”。不过，OpenAI 官网并未提及该活动的其他信息。篮球售价 **70 美元**，约合 GPT-5 的 5600 万输入 token，采用 100% 橡胶材质，适合户外球场。 ### 谁在买？ 一个 ChatGPT 篮球，真的有人敢带它去球场吗？在硅谷之外，拿着这种“AI 标签”装备上场，可能面临被嘲笑的尴尬。但作为会议免费赠品，它或许能成为反讽式的谈资——就像笔者珍藏的 Facebook 涂鸦帆布袋。 ### 不止篮球 OpenAI 还推出了系列周边：印有“Good research takes time”的服饰，适合向投资者解释增长慢的创始人；175 美元的拉链衫，领口“致敬学术时光”，却可能疏远自学成才的编程天才——毕竟，他们没上过大学。产品文案还出现了“an object reminisce”这样语法别扭的句子，让人怀疑是否出自 AI 之手。 ### 反思 从 Humane Ai Pin 的惨淡收场可见，AI 公司对产品市场契合度的直觉并不靠谱。ChatGPT 篮球或许只是品牌营销的一环，但它提醒我们：在加速碳排放的生成式 AI 热潮中，OpenAI 至少还“幻想”着户外运动的可能性。
Drawing on more than a decade spent helping build some of the world's most influential AI systems, including research that later informed the development of ChatGPT, Andrew Dai explains why he believes visual AI is one of the next major frontiers in artificial intelligence.
当整个 AI 行业都在追逐“超级智能”这一标签时，Yann LeCun 的世界模型初创公司 AMI Labs 的 CEO Alexandre LeBrun 却对此不屑一顾。他在接受 TechCrunch 采访时明确表示，公司从不使用“AGI”或“超级智能”这类词汇。 ## 拒绝炒作，回归务实 LeBrun 指出，行业术语的更迭更像是一种营销游戏：“我们从未用过 AGI 这个词。我注意到现在没人再用它了，大家都改口叫‘超级智能’。下次估计又会换成别的。”他认为这些术语缺乏明确定义，毫无实际用处。对于一家尚未推出产品、但已开始与机器人、制造和电子行业合作的公司而言，这种务实态度显得尤为突出。 ## 世界模型：让 AI 理解物理世界 AMI Labs 专注于构建**世界模型**——一种能够预测物理世界状态的 AI 系统。与预测下一个词的大语言模型（LLM）不同，世界模型预测的是“下一个状态”。LeBrun 以推倒杯子为例：人类凭直觉知道杯子会倾斜并洒出水，而世界模型正是要捕捉这种直觉。 他强调，世界模型并非要取代 LLM，两者是互补关系。正如人脑有独立的语言和推理功能，LLM 仍是处理语言的最有效工具，而世界模型则提供上下文和真实世界理解。 ## 机器人行业的痛点 LeBrun 认为，当前机器人行业的硬件进步神速，但“缺乏大脑”。大多数机器人仍运行固定程序，完全静态，在物理世界中显得“非常愚蠢”。如果能赋予机器人对环境的感知能力，就能避免类似机器人跳舞时踢到儿童的尴尬事故。这种**上下文感知的 AI** 将是机器人领域的重大突破。 ## 工业场景先行 尽管 AMI Labs 尚未发布产品，但已在积极寻找工业合作伙伴。世界模型需要走出实验室，在机器人、制造和电子等真实场景中证明自己。LeBrun 透露，他上周在首尔参加国际机器学习大会时，就在物色当地工业伙伴和全球企业。 ## 行业反思 LeBrun 的言论或许代表了一股正在兴起的务实思潮：在“超级智能”的喧嚣之下，真正推动行业进步的可能是那些专注于解决具体问题、不追逐华丽术语的研究者。世界模型能否如其所述，为 AI 带来物理世界的“常识”，值得持续关注。
据《金融时报》报道，中国AI实验室月之暗面（Moonshot AI）即将推出的Kimi K3模型，预计将在性能上与Anthropic的Opus 4.8持平甚至超越。该报道援引匿名消息人士称，Kimi K3将成为中国最大的开源AI模型，参数量在**2万亿到3万亿**之间，并将在未来几天内发布。 此前，月之暗面的Kimi K2模型已在开源AI市场获得良好反响，在多个基准测试中排名靠前，展现出与前沿闭源模型差距不大的能力。而Kimi K3则旨在进一步缩小与OpenAI、Anthropic等闭源模型的差距。 与此同时，月之暗面正在进行新一轮融资，估值可能达到**315亿美元**。该公司曾在今年5月以200亿美元估值融资20亿美元。 这一消息正值业界对支付昂贵闭源模型价值的重新讨论。行业领袖担心AI实验室可能从客户提交的数据中提取信息，用于改进其AI产品（如ChatGPT和Claude）。高管们开始推荐自家产品作为替代，或建议企业采用DeepSeek、Z.ai、月之暗面等开发的更便宜的开源模型，并针对自身用途进行训练。 Kimi K3的发布将进一步加剧开源与闭源模型之间的竞争，为AI行业提供更多选择。
**Applied Computing** 近日宣布完成 **2000万美元** 的A轮融资，致力于为石油、天然气及石化行业构建一个覆盖整个工厂的 **基础AI模型**。这一融资消息引发了业内对AI在传统重工业落地的广泛关注。 ### 为什么是“全厂模型”？ 传统上，油气行业的AI应用往往聚焦于单一环节，如设备故障预测或管道泄漏检测。但Applied Computing的思路更为宏大——他们试图创建一个 **统一的基础模型**，能够理解整个工厂的运营数据，包括传感器读数、历史维护记录、生产流程参数等。这一模型可以同时优化多个目标，例如提高产量、降低能耗、减少非计划停机。 ### 基础模型的优势 与针对特定任务训练的小模型不同，基础模型具备更强的泛化能力。一旦训练完成，它可以通过微调快速适应不同工厂的独特环境，而无需从零开始。这意味着 **部署成本大幅降低**，且模型能够持续学习工厂的实时数据，实现动态优化。 ### 行业背景与挑战 油气行业正面临双重压力：一方面需要提高运营效率以应对价格波动，另一方面必须减少碳排放以符合ESG要求。AI被视为关键工具，但数据孤岛、系统复杂性和安全顾虑一直是阻碍。Applied Computing的方案试图通过 **端到端的数据整合** 和 **可解释的AI决策** 来打破这些壁垒。 ### 投资方与市场前景 本轮融资由知名风投领投，资金将用于扩大团队、加速产品开发，并与多家油气运营商开展试点项目。目前，已有数家大型能源公司表达了合作意向。如果成功，这一模型不仅将改变油气工厂的运营方式，还可能为其他流程工业（如化工、电力）提供可复用的AI范式。 ### 小结 Applied Computing的 **全厂AI模型** 代表了工业AI从“点状应用”向“系统级智能”演进的重要趋势。2000万美元的融资为这一愿景提供了关键燃料，但真正的考验在于模型能否在真实工厂环境中稳定落地并产生可量化的价值。
## 微软的销售新策略：用“全栈”优势比拼竞争对手 据彭博社报道，微软在一次内部战略会议上明确指示销售团队，要在与客户沟通时**主动对比并压低** OpenAI、Google 和 Anthropic 等公司的 AI 产品，突出自家模型的**效率与成本优势**。这一策略转变标志着微软从“合作者”正式转向“竞争者”角色。 ### 内部会议细节：从“卖零件”到“卖系统” 在周二举行的新财年战略会上，微软执行副总裁 Jay Parikh 对销售团队表示：“其他所有人都在卖零件——我们卖的是完整的端到端系统。这是我们在 FY27 需要走出去讲述的故事。”另一执行副总裁 Jacob Andreou 则直接对比了微软 Copilot 与 Anthropic 的 Claude 聊天机器人，指出在微软 Office 应用场景中，**Anthropic 模型速度更慢、准确度更低，且缺乏必要的安全集成**。 ### 矛头指向昔日盟友 值得注意的是，微软这次“贬低”的对象正是其长期依赖的 AI 模型供应商——OpenAI 和 Anthropic。此前，微软曾与 OpenAI 达成独家合作协议，为后者提供资金和算力，换取其 API 和模型的独家使用权。但今年 4 月，双方修改了协议，**取消了排他性条款**，允许 OpenAI 向微软的竞争对手销售产品。这一变化直接推动了微软的销售策略调整。 ### 成本驱动与投资者压力 微软此举背后有多重考量。一方面，**替换自家模型到 Word、Excel 等旗舰应用**已被证明是有效的成本削减手段。另一方面，投资者对微软在 AI 基础设施上的巨额支出心存疑虑，公司股价面临压力。通过强调自家模型的“性价比”和“全栈整合”优势，微软希望**安抚投资者情绪**，并证明其 AI 投资的回报潜力。 ### 行业影响与未来走向 微软的销售策略反映了 AI 行业竞争格局的深刻变化：**曾经的合作伙伴正在变成直接对手**。随着各大科技公司纷纷推出自研模型，生态内的“站队”与“脱钩”将更加频繁。对于客户而言，选择 AI 供应商时不仅要考虑模型性能，还需关注**集成深度、安全合规和长期成本**。微软的“全栈”叙事能否奏效，取决于其模型在真实场景中的表现，以及销售团队能否将技术优势转化为客户信任。 截至发稿，微软和 Anthropic 尚未对报道置评。
OpenAI 正式进军硬件市场，推出了一款售价 **230 美元** 的发光键盘 **Codex Micro**，专为与其 AI 编程助手 Codex 配合使用而设计。该键盘由 OpenAI 与专业键盘设计师 Work Louder 联合打造，旨在为 ChatGPT 用户提供一个管理 AI 编程代理的物理控制中心。 Codex Micro 配备了一系列特色功能：**Agent Keys** 可通过灯光实时显示代理状态，**Command Keys** 可作为常用操作的快捷方式，**操纵杆** 用于快速启动工作流，而 **旋钮** 则用于调节代理的推理级别（即任务所需的计算时间和资源）。用户无需通过手机或桌面应用，即可直接在键盘上指挥多个 AI 代理协同工作。 OpenAI 向 TechCrunch 透露，Codex Micro 属于限量合作产品，更像是一款展示公司硬件野心的“新奇玩物”，而非面向大众市场的量产设备。尽管如此，它标志着 OpenAI 从纯软件向实体硬件迈出的重要一步。 更具战略意义的硬件动态出现在周二：据 Bloomberg 报道，OpenAI 正在开发一款尚未发布的便携式无屏智能音箱，集成 ChatGPT，并包含“可自主移动的机械元件”。该设备由前苹果工程师设计，目前仍在开发中，细节可能调整。然而，这一背景引发了法律纠纷——苹果上周起诉 OpenAI，指控其高管涉嫌系统性窃取苹果的商业机密，用于自身硬件开发。OpenAI 否认了这些指控。 在苹果诉讼的阴影下，OpenAI 的硬件之路充满挑战。Codex Micro 更像是一次品牌试水，而未来的无屏设备能否在智能音箱市场脱颖而出，仍有待观察。
SpaceX的股价在周三下午跌破每股135美元，这是公司CEO埃隆·马斯克在6月12日轰动性IPO前选定的发行价。此后股价虽短暂回升至135美元附近，但整体呈现持续下跌趋势。自上市以来，股价从首周超过200美元的高点几乎每周都在下滑，显示出市场对马斯克宏大愿景的热情正在降温。 **市场波动背后的原因** 此次股价波动部分源于流通股数量极少——仅有4%的公司股票在纳斯达克交易。这种低流通量加上市场对SpaceX的持续高度关注，导致交易首月出现剧烈波动。更宏观的背景是，过去一个月科技股普遍回调，投资者开始理性评估马斯克关于殖民火星等“外太空”承诺的可行性。 **债券市场同步承压** 不仅是股票，SpaceX在IPO后发行的债券也遭遇下跌。分析人士指出，股价长期低迷可能产生更广泛影响，因为它是投资者如何看待马斯克“超现实”承诺的关键指标。此外，SpaceX的IPO为Anthropic和OpenAI等科技公司上市铺平了道路——这两家公司已秘密提交IPO申请，但尚未确定日期，SpaceX的股价表现正被密切关注以评估后续IPO的成功概率。 **Starship发射：新的考验** SpaceX即将面临股价韧性的又一次早期测试。周四，公司将进行IPO后首次Starship火箭试射。Starship仍处于开发阶段，遵循“飞行、失败、修复”的迭代模式，这意味着发射很可能出现故障。这将是自5月助推器故障以来的首次飞行，公司计划不回收助推器和上级，而是让它们模拟在墨西哥湾着陆——即便飞行计划顺利，最终两部分都将爆炸。 **行业影响与展望** SpaceX的股价表现不仅关乎自身估值，更反映了市场对商业航天和AI等前沿科技领域风险偏好的变化。马斯克此前承诺的星链网络、火星任务等长期愿景需要持续巨额投入，而短期盈利压力正在显现。随着Starship试射在即，市场将密切关注这次发射是否会影响投资者信心。若发射失败，可能进一步打压股价；若成功，则有望提振市场情绪，但长期来看，SpaceX仍需证明其商业模式的可持续性。
SpaceX的股价已从上市后的狂热高点持续回落，目前跌至每股135美元的IPO发行价，这一变化或许表明市场对其CEO埃隆·马斯克在上市前后所作承诺的态度正趋于冷静。 ### 从狂热到理性 SpaceX于去年通过IPO登陆公开市场，首日股价一度飙升至远高于发行价的水平，投资者对其在商业航天领域的领先地位以及星舰（Starship）项目的宏大愿景抱有极高期待。然而，随着时间推移，股价逐步回吐涨幅，最终回到起点。这一走势反映出几个关键因素： - **盈利压力**：尽管SpaceX在卫星互联网业务Starlink和商业发射服务上取得进展，但星舰项目的研发成本高昂，短期内难以转化为稳定利润。 - **市场竞争**：蓝色起源（Blue Origin）、联合发射联盟（ULA）等竞争对手加速追赶，加上新兴航天企业的涌现，削弱了SpaceX的稀缺性溢价。 - **宏观环境**：科技股整体估值回调，投资者对高风险成长股的偏好下降，导致SpaceX这类高预期股票承压。 ### 星舰发射的短期影响 SpaceX计划近期进行星舰的又一次重大试飞，这通常被视为股价催化剂。然而，历史数据显示，发射结果对股价的影响往往短暂且不确定。成功发射可能带来短期反弹，但若出现延误或失败，市场可能进一步下调预期。当前股价已完全抹去上市后涨幅，说明投资者更关注长期基本面而非单一事件。 ### 行业视角 SpaceX的股价回归发行价并非孤立现象。近年来，多家通过SPAC或传统IPO上市的航天公司（如Rocket Lab、Virgin Galactic）均经历了类似的估值修正。这标志着市场正从“概念炒作”转向“业绩验证”阶段。对于SpaceX而言，其核心竞争力在于Starlink的商业化进度和星舰的重复使用能力——若这两方面能持续兑现，股价仍有支撑；反之，下行风险不可忽视。 ### 小结 SpaceX股价回落至IPO价格，既是市场情绪的正常调整，也反映了航天行业从愿景驱动到盈利驱动的转变。星舰发射在即，但真正决定长期价值的仍是商业模式的落地能力。投资者需密切关注Starlink的现金流改善情况以及星舰的测试进度，而非短期市场波动。
由前OpenAI CTO Mira Murati创立的AI初创公司**思考机器实验室（Thinking Machines Lab）**，于周三发布了其首个自研AI模型**Inkling**。与OpenAI、Anthropic或Google的旗舰模型不同，Inkling采用**开放权重**策略，允许外部开发者和企业直接下载并修改。 Inkling是一个**混合专家系统**，拥有**9750亿**总参数，但每次任务仅激活约**410亿**参数——这种设计使大型模型运行更快、成本更低。它基于**45万亿**token的文本、图像、音频和视频数据训练，能原生处理多模态信息，但目前输出仅限于文本（包括代码、样式化构件和结构化数据）。 该模型的发布是思考机器实验室在**一年半**低调构建AI基础设施后的首个公开成果。此前，其部分工作已在5月的研究预览中亮相：一种能“听、说甚至打断”的交互模型，而非传统聊天机器人的“等待—回应”模式。 ### 核心主张：可定制化胜过通用模型 Inkling的核心卖点在于**可定制性**。公司认为，组织能自行适配的AI将超越主流实验室销售的“一刀切”模型。Inkling提供**校准回答**（包括标记不确定性而非猜测），并允许用户根据速度需求调整思考深度。 在代码性能基准上，公司声称Inkling达到与Nvidia最新开放权重模型**Nemotron 3 Ultra**相同的表现，但仅消耗其**三分之一**的token量。不过，思考机器实验室并未宣称Inkling是同类最佳——其简报明确表示：“Inkling并非当前最强的模型，无论是闭源还是开源。” ### 目标用户与挑战 Inkling更多被定位为**起点**而非成品：企业可通过公司的定制平台**Tinker**进行微调。这意味着客户需自行承担安全责任——而这需要专业的机器学习人才。 这引发了关键问题：在企业市场中，谁才是Inkling的真正用户？对于缺乏AI专家的公司，定制门槛可能过高。思考机器实验室正试图在通用模型的便捷性与开源的可控性之间找到平衡，其成败将取决于能否吸引到足够多的技术型组织，并证明定制化AI的长期价值。
据404 Media报道，AI音乐生成器Suno遭到黑客攻击。黑客声称通过供应链攻击获取了员工凭证，进而访问源代码，发现Suno疑似从YouTube Music、Deezer、Genius、股票音乐库和播客RSS源抓取了数十年的音频数据用于训练。 Suno此前承认其AI训练使用了公开互联网上的音乐文件，并主张根据合理使用原则，使用受版权保护的材料进行训练是合法的。然而，起诉Suno的主要唱片公司认为，故意规避YouTube的数据抓取保护措施违反了《数字千年版权法案》（DMCA）和YouTube的服务条款。竞争对手Udio也被指控抓取YouTube数据。Google（YouTube母公司）同样面临多家大型出版商的版权侵权指控。 黑客还访问了客户数据，包括电子邮件、电话号码和Stripe中的部分信用卡号。Suno未就2025年11月的数据泄露通知客户，并声称这是一次已迅速控制的安全事件。
直播购物平台 Whatnot 近日宣布收购 AI 初创公司 Shaped，后者专注于实时推荐与搜索的机器学习技术。这笔交易将增强 Whatnot 在个性化推荐和商品发现方面的能力，助力其向更多品类扩张。 ## 交易核心：实时推荐成为直播电商胜负手 与传统的静态商品目录不同，直播电商的库存、拍卖状态和买家需求每分每秒都在变化。Whatnot 的数据与 AI 副总裁 Emmanuel Fuentes 指出：“直播电商是一个独特的推荐难题——库存每秒都在变，直播不断开始和结束，买家意图也在节目中实时转换。”Shaped 的技术正是为解决这类动态场景而生，它结合客户数据、大语言模型和机器学习，实现高度个性化的搜索与发现。 ## 技术整合：从分钟级到准实时 Whatnot 过去六年一直在优化推荐引擎，已将推荐延迟从约一天缩短至几分钟。整合 Shaped 后，推荐响应有望进一步逼近实时。目前，Whatnot 每周处理超过 **50 万小时** 的直播视频和数百万次实时互动，这些数据将不断训练模型，提升推荐精准度。 ## 团队与战略：原班人马加入，成立 AI 研究组 作为收购的一部分，Shaped 创始人兼 CEO **Tullie Murrell**（前 Meta 员工）将带领近十名工程师和 AI 研究员加入 Whatnot，并组建全新的 **Applied AI Research 部门**。这表明 Whatnot 正将 AI 视为长期战略核心，而非一次性功能补强。 ## 增长与融资：平台加速扩张 Whatnot 自 2019 年上线以来增长迅猛，近期卖家累计订单已突破 **10 亿**。今年早些时候，公司完成 **2.25 亿美元** F 轮融资，估值达到 **49.7 亿美元**。Shaped 此前客户包括 Outdoorsy 和 QVC 等，其技术积累将为 Whatnot 的跨品类扩张提供关键支撑。 ## 行业视角：AI 成为直播电商基础设施 在 TikTok、亚马逊等巨头纷纷加码直播电商的背景下，实时推荐能力正从“加分项”变为“必需品”。Whatnot 通过收购快速补齐技术短板，有望在动态推荐这一细分赛道建立壁垒。对于整个行业而言，如何将 AI 与瞬息万变的直播场景深度耦合，将是下一阶段竞争的核心。
微软在7月的“补丁星期二”中修复了创纪录的570个安全漏洞，涵盖Windows、Office等产品线。公司表示，AI技术的应用大幅提升了漏洞发现效率，但也导致补丁数量激增。其中包含两个零日漏洞，已被黑客利用发起攻击。 ## 创纪录的补丁数量 7月14日，微软发布了月度安全更新，修复了**570个安全漏洞**，创下历史新高。这些漏洞覆盖Windows、Office、SharePoint等核心产品。微软Windows部门负责人Pavan Davuluri在博客中解释，AI工具帮助安全团队发现了大量此前未被注意的代码缺陷，因此补丁数量远超以往。 ## 两个零日漏洞已遭利用 在本次修复的漏洞中，至少有两个被列为**零日漏洞**，意味着黑客在微软知晓前已开始利用。 - **Windows Server权限提升漏洞**：允许攻击者从受限用户提升为系统管理员，获得对服务器的完全控制。 - **SharePoint文件服务器漏洞**：美国网络安全与基础设施安全局（CISA）已发出警告，黑客正利用该漏洞入侵企业组织。 ## AI驱动的安全新常态 微软指出，随着AI模型在网络安全领域的应用加深，安全研究员能够发现那些可能“潜伏”在代码中多年的漏洞。Windows部分代码可追溯至数十年前，传统人工审查难以全面覆盖。AI的引入改变了这一局面，但同时也意味着**用户将面临更频繁、更大量的安全更新**。 Davuluri表示：“AI帮助防御者发现更多问题，客户在每个安全版本中会看到更高数量的补丁。”这预示着微软的月度更新规模可能持续扩大。 ## 行业影响与展望 此次事件凸显了AI在网络安全领域的双刃剑效应：一方面大幅提升漏洞发现能力，另一方面也给企业IT管理带来新挑战。频繁的大规模补丁可能增加系统停机风险，企业需优化更新策略。同时，黑客也在利用AI工具，零日漏洞的发现和修补竞赛正在加速。
苹果智能（Apple Intelligence）终于要进入中国市场了。据路透社7月15日报道，中国国家互联网信息办公室已批准苹果的AI服务在中国推出，其背后是苹果与阿里巴巴达成的合作协议——将阿里巴巴的通义千问（Qwen）AI模型集成到苹果的iOS、iPadOS、macOS和visionOS等操作系统中。 这一传闻已久的合作标志着苹果AI战略在其关键市场迈出重要一步。2025年第二季度，苹果在大中华区的销售额同比增长28%，达到205亿美元。近期，苹果还凭借购物节期间的iPhone折扣活动，重新夺回中国智能手机市场第二的位置。 在与阿里巴巴合作之前，苹果曾探索与百度合作，但在适配中国用户时遇到问题。此外，苹果还考虑过与DeepSeek和字节跳动的模型进行整合，但这些尝试均未成功，导致原定于2024年推出的Apple Intelligence功能迟迟未能进入中国市场。 阿里巴巴向CNBC证实了合作消息，表示通义千问将被集成到Apple Intelligence体验中，但未提供具体时间表。合作将涵盖文本和图像理解与生成等AI能力。受此消息影响，阿里巴巴美股盘前上涨4%，截至发稿时涨幅已超过6%。 ### 合作背景与意义 苹果进入中国AI市场并非一帆风顺。中国对生成式AI服务有严格的监管要求，包括模型备案和内容审核。通过与阿里巴巴合作，苹果可以借助通义千问的本地化能力，更快满足合规要求。通义千问是阿里巴巴达摩院开发的大语言模型，在中文理解和生成方面具有优势，同时支持多模态任务。 对于阿里巴巴而言，这次合作是其AI技术商业化的重要里程碑。通义千问此前已在企业服务、云计算等领域落地，但进入全球最大消费电子品牌的生态系统，将极大提升其品牌影响力和技术验证价值。 ### 市场竞争格局 苹果在中国AI市场的姗姗来迟，使其面临激烈竞争。华为、小米、OPPO等本土厂商早已将AI功能深度集成到手机中，例如华为的盘古大模型、小米的MiLM等。此外，字节跳动的豆包、百度的文心一言等独立AI应用也在争夺用户。 苹果的优势在于其庞大的用户基础和封闭的生态系统。如果Apple Intelligence能够提供无缝的跨设备体验，并严格保护用户隐私，仍有机会在后发中突围。不过，中国用户对AI功能的期望已经很高，苹果需要拿出足够有特色的功能才能吸引用户。 ### 未来展望 目前尚不清楚Apple Intelligence在中国将具体提供哪些功能。在美国，Apple Intelligence包括邮件摘要、照片编辑、Siri升级、文本生成等特性。在中国，这些功能可能需要根据本地法规进行调整，例如内容过滤和敏感词处理。 此次获批为苹果在AI领域的全球扩张提供了重要参考。随着各国对AI监管的差异日益凸显，与本地头部AI公司合作可能成为科技巨头拓展海外市场的标准模式。
**核心观点：Ode with Anthropic 试图用一支精悍的工程师团队，替代传统咨询公司庞大的顾问队伍，为企业提供深度 AI 服务。这一模式能否成功，正引发行业热议。** 在 AI 浪潮席卷企业服务的当下，一家名为 **Ode with Anthropic** 的合资公司悄然崛起，其背后集结了 **Anthropic、黑石集团、Hellman & Friedman 和高盛** 等顶级投资方。该公司的核心主张简单而激进：**让一小群“前部署工程师”直接嵌入企业，用 AI 工具解决复杂业务问题，而非像传统咨询公司那样派出成百上千的顾问。** 在近期 TechCrunch 的《Equity》播客中，Ode 的联合创始人 **Chris Taylor** 和 **Eddie Siegel** 详细阐述了这一愿景。他们指出，传统咨询模式往往依赖大量人力进行数据收集、流程分析和方案设计，周期长、成本高。而 Ode 的方法则是将 **Anthropic 的大模型能力** 与 **工程化实施** 紧密结合：工程师直接驻扎在客户现场，快速理解业务痛点，并利用 Claude 等模型构建定制化 AI 解决方案，从代码生成到流程自动化，实现“即插即用”式的交付。 这种模式背后的逻辑是：**AI 正在将知识工作的边际成本推向零**。过去需要整个团队数月完成的分析和报告，现在可能由少数工程师配合 AI 工具在几天内搞定。Ode 赌的是，企业愿意为这种“高精度、快响应”的服务支付溢价，而非为庞大的咨询人头买单。 当然，质疑声同样存在。**企业级 AI 部署远不止技术实现**，还涉及组织变革、风险管理和文化适配——这些恰恰是传统咨询公司的强项。Ode 的工程师团队能否同时承担“技术专家”和“战略顾问”的双重角色，尚待验证。此外，**数据安全与模型可靠性** 也是企业客户的核心关切，尤其是在金融、医疗等强监管行业。 从行业背景看，Ode 的尝试反映了 **AI 原生服务公司** 的崛起趋势。类似地，**OpenAI 也推出了企业版 ChatGPT 和定制化服务**，但 Ode 更强调“人机协作”的深度嵌入模式。如果成功，它可能重塑企业级 AI 服务的市场格局，推动从“卖软件”向“卖结果”的转变。 **小结**：Ode with Anthropic 的赌注大胆而前沿，它挑战了咨询业“人海战术”的根基。但最终，市场会回答：在 AI 时代，企业真正需要的是更聪明的工程师，还是更懂业务的顾问？答案或许兼而有之。
AI模型能力日新月异，但企业究竟如何大规模采用AI，依然是个悬而未决的问题。前沿AI实验室 Anthropic 和 OpenAI 不约而同地选择了一条新路径：成立独立的AI部署公司，将工程师派驻到企业客户办公室，贴身解决实际落地难题。Anthropic 与黑石集团（Blackstone）、Hellman & Friedman、高盛等共同成立的合资公司近日正式命名为 **Ode**，估值达15亿美元。Ode 的目标是成为一家“规模化精品店”式的AI服务公司，其CEO Chris Taylor 甚至放言：“如果执行得当，这家公司未来成为万亿美元级别并非不可能。” 这背后是行业对“模型即一切”的反思。黑石集团在尝试将AI引入其投资组合公司时发现，无论是大型咨询公司还是小型AI服务商，都难以高效完成端到端实施。最终他们选中了AI工程服务初创公司 **Fractional AI**，并将其整合为 Ode 的核心。值得注意的是，Fractional 在收购前刚结束了与 OpenAI 长达11个月的合作关系。Ode 目前拥有约100名工程师，与 Anthropic 的应用AI团队紧密协作，针对每家企业的运营特点定制系统。 Ode 的客户筛选标准也颇为独特：CEO本人必须对AI前景有坚定信念，且AI项目需列为企业最高优先级之一。这种自上而下的承诺，被认为是项目成功的关键。与此同时，黑石等投资方会将旗下被投企业作为潜在客户导入，但 Ode 的服务并不限于此。 这一模式并非孤例。OpenAI 早已成立类似实体“The Deployment Company”，而 Anthropic 的内部团队仍将专注于战略性和使命对齐的部署。两家的布局共同指向一个趋势：在模型能力趋同的背景下，**“实施”正成为决定企业AI落地的胜负手**。谁能帮企业把模型用起来、用得好，谁就可能抓住下一个万亿美元的市场机会。
## 快讯：AI 客服创企 Rime 完成 2400 万美元 A 轮融资 专注于企业级 AI 语音客服的初创公司 **Rime** 近日宣布完成 **2400 万美元** 的 A 轮融资。该公司目前每月处理超过 **1 亿通** 客户电话，服务覆盖多家企业。 ### 核心数据 - **月通话量**：超过 1 亿通 - **融资轮次**：A 轮 - **融资金额**：2400 万美元 ### 行业背景 随着大语言模型技术的成熟，AI 语音客服赛道正在快速升温。传统 IVR（交互式语音应答）系统用户体验差、转人工率高，而新一代 AI 客服能够理解复杂意图、保持自然对话，并自动完成订单查询、售后处理等任务。Rime 的技术核心在于其自研的语音识别与对话管理模型，能够适应不同行业的专业术语和场景。 ### 市场前景 企业客服场景中，电话渠道仍是用户首选，但人力成本高昂。Rime 的目标是通过 AI 替代大部分重复性人工通话，帮助企业降低运营成本并提升响应效率。本轮融资将用于技术研发、团队扩张和市场拓展。 ### 小结 Rime 的快速增长印证了企业对 AI 客服的强烈需求。在客服人力成本持续上升的背景下，类似 Rime 的 AI 原生解决方案有望成为行业标配。
## 一句话总结 一款名为 **Reelful** 的 iOS 新应用正利用 AI 自动将用户相册中的照片和视频片段转化为适合 TikTok、Instagram Reels 等平台的短视频，旨在让内容创作变得像发消息一样简单。 ## 核心功能：从相册到成品，全自动流水线 Reelful 的工作流程非常直观：用户只需输入一段描述（例如“旅行回顾”或“产品演示”），录制 30 秒语音样本创建声音克隆，然后从相册中选择素材。AI 会接手后续所有工作——规划视频结构、撰写脚本、生成 AI 语音旁白，并自动添加字幕、音乐和音效，最终输出一条完整的短视频。 更引人注目的是，Reelful 还能将静态照片转化为 AI 生成的动态视频片段。例如，一张切芒果的照片可以被“激活”为人物正在切水果的短动画。为避免混淆，所有 AI 生成的视频都会带有水印提示。 ## 创始人背景与产品定位 Reelful 由前 Snapchat 机器学习工程师 **Kate Deyneka** 创立，她曾参与开发 Snapchat 的视频和图像模型。离开 Snap 后，Deyneka 决定打造一款“代理型视频编辑器”，让用户彻底摆脱传统剪辑的繁琐步骤。她坦言，作为早期创业者，自己根本没有时间手动剪辑视频，而 Reelful 正是为那些“生活忙碌但希望建立个人品牌”的人群设计的。 目前，Reelful 正在参与知名风投 a16z 的 **Speedrun 加速器项目**，其理念与当前 AI 视频创作工具的趋势高度吻合。市场上已有 Opus Clip、Captions 等类似产品，但 Reelful 的差异化在于：它不满足于剪辑现有视频，而是从零开始“生成”完整叙事。 ## 行业背景：AI 视频编辑进入“代理时代” Reelful 的发布反映了视频创作领域的根本性转变：用户正在从传统的“手动编辑工具”转向“AI 代理”——后者能自主完成从策划到交付的全过程。这种模式降低了内容创作的门槛，尤其适合那些有丰富素材但缺乏时间或技能的社交媒体用户。 不过，AI 生成视频的版权、真实性和伦理问题也值得关注。Reelful 的水印机制是一个积极的信号，但随着技术普及，平台和创作者都需要更清晰的规则来确保透明度。 ## 可用性与展望 目前 Reelful 仅面向 iOS 用户推出，应用商店已可下载。对于希望快速提升社交媒体存在感的个人用户来说，它提供了一条“零剪辑”的捷径。未来，随着更多类似工具的涌现，AI 视频生成可能会像滤镜一样成为社交媒体的标配功能。
印度AI编程初创公司 **Emergent** 宣布完成 **1.3亿美元** C轮融资，估值达到 **15亿美元**，较六个月前暴涨五倍。这家成立仅一年的公司已实现 **1.2亿美元** 年化收入，拥有超过 **20万** 付费用户，直指中小企业与创业者市场。 ## 融资与市场背景 本轮融资由私募股权公司 **Creaegis** 领投，新投资者 **MNI Ventures-Claypond**、**Sentinel Global** 以及现有投资者 **Khosla Ventures**、**SoftBank Vision Fund 2**、**Lightspeed** 和 **Y Combinator** 参投。至此，Emergent 累计融资额达 **2.3亿美元**。此前在2024年1月，该公司刚完成 **7000万美元** B轮融资，估值仅 **3亿美元**。 AI编程赛道正吸引大量资本涌入。像 **Lovable**、**Replit** 和 **Cursor** 等初创公司已筹集数十亿美元，而 **OpenAI** 和 **Anthropic** 等AI实验室也在加大对编程工具的投入。Emergent 选择差异化竞争，聚焦于希望创办新企业的创业者以及传统上依赖邮件、电子表格和消息应用运营的中小企业。 ## 产品定位与竞争优势 联合创始人兼CEO **Mukund Jha** 表示：“我们的理念始终是为严肃的开发者构建生产级应用。你相当于获得了一个‘工程团队即服务’。” Emergent 的目标客户包括：卡车公司（开发软件追踪货物）、工厂、建筑企业（构建企业资源规划系统）以及物业经理（开发内部客户管理工具）。 在收入地域分布上，北美约占 **三分之一**，欧洲同样占三分之一，其余来自其他市场，其中印度占比约 **8% 到 9%**。 Jha 将 **Replit** 视为最直接的竞争对手，但强调 Emergent 与开发者工具（如 Anthropic 的 Claude Code、OpenAI 的 Codex 和 Cursor）不同：非技术用户需要一个能同时处理部署、托管、测试和调试的平台，而不仅仅是编写代码。不过，Jha 承认设计仍是短板——许多由AI工具搭建的网站外观趋同。 ## 行业影响与展望 Emergent 的快速崛起反映了AI编程工具从“辅助开发者”向“替代开发者”的演进趋势。随着企业数字化转型加速，低代码/无代码平台的需求持续增长。Emergent 能否在拥挤赛道中持续突围，取决于其能否在保持易用性的同时，解决设计定制化等深层痛点。