亚马逊刚刚宣布了三款全新的 **Alexa 平板**，定位从入门娱乐到专业办公，全系搭载 **Alexa+** AI 助手，并首次原生支持 **Google Play**。这标志着亚马逊平板战略的一次重大转向：从低价 Fire 系列迈向更 premium 的设备。 ## 三款新品，覆盖不同价位 新阵容包括： - **Amazon Alexa Tablet 8**：起售价 **230 美元** - **Amazon Alexa Tablet 11**：售价 **330 美元** - **Amazon Alexa Tablet 12 Pro**：起售价 **500 美元**，采用更高级的做工 三款平板目前均已开启预售，**10 月 14 日**开始发货。此外，亚马逊还推出了两款全新的 **Kids 平板**，采用鲜艳配色并提供即用型套装。 ## 四大升级，告别 Fire 时代 与旧款 Fire 平板相比，新 Alexa 平板被彻底重新设计，带来了 Fire 系列从未有过的功能。 ### 1. 终于支持 Google Play 这是最受关注的改变。新平板不再局限于亚马逊自家应用商店，而是**首次支持 Google Play**，用户可以自由安装海量 Android 应用。Kids 平板同样支持 Google Play，但家长仍可通过家长控制功能管理孩子能访问和下载的应用。 ### 2. Alexa+ 深度融入系统 Alexa+ 不再只是一个语音助手，而是像 **Gemini** 之于普通 Android 平板那样，被**编织进整个界面**。它可以理解屏幕上显示的内容并回答相关问题，还支持**连续对话**，无需每次重复唤醒词。 ### 3. 硬件全面革新 新平板在硬件上也有重大升级，12 Pro 型号采用了更高级的材质和构造，整体质感向高端设备看齐。 ### 4. 从性价比到高端定位 亚马逊过去以低价平板闻名，但 Alexa 平板系列起步价 230 美元，Pro 款达到 500 美元，显示出公司**正在从预算型设备转向更高端的市场**。 ## 行业背景：AI 助手成为平板新战场 亚马逊此举并不令人意外。随着 **Gemini** 深度整合进 Android 生态，**iPadOS** 也在不断强化 Siri 和 Apple Intelligence，AI 助手正成为平板电脑的核心竞争力。亚马逊将 Alexa+ 作为系统级卖点，并开放 Google Play 以补齐应用生态短板，显然是想在娱乐和办公场景中与 iPad 和三星 Galaxy Tab 正面竞争。 不过，500 美元的定价能否说服用户放弃 iPad 或三星，仍需市场检验。但至少，亚马逊终于拿出了一款不再只是“廉价替代品”的平板。
## 一场让数学界措手不及的“洪水” **“惊人”、“压倒性”、“前所未有”、“超现实”、“纯粹疯狂”**——这是超过三十位数学家在面对 OpenAI 本周突然发布的大量数学成果时，向 The Verge 吐露的直观感受。在敬畏、兴奋与不确定之中，一种深层的焦虑正在蔓延：这一切究竟意味着什么？接下来又会发生什么？ 尽管反应各异，研究人员一致认为，仅仅理解 OpenAI 发布了什么，就可能需要数年时间，更不用说弄清楚数学家们自己在这个正在剧变领域中的位置了。许多人担心，OpenAI 根本不会等待那么久，就会转向下一个目标——或者发布更多成果。 ## 近 400 项结果，覆盖数学全领域 OpenAI 此次共发布了 **近 400 项 AI 生成的数学结果**，分散在 **700 多份手稿**中，涵盖组合数学、几何学的多个分支、数论、理论计算机科学、代数、拓扑学、概率与统计力学以及数学物理等广泛领域。由于内容过于庞大，OpenAI 甚至觉得有必要发布一份指南，帮助人们浏览这个庞大的 GitHub 仓库。 如此巨大的体量，使得即使是对 OpenAI 发布内容的初步评估都变得异常困难。在发布后的数小时和数天内，大多数与 The Verge 交谈的数学家表示，他们仍在努力消化所有内容；有几位数学家称，仅仅浏览大约 **40 页的目录和摘要**，就花了他们将近一个小时。 “仅仅是浏览整个摘要列表就让人不堪重负，”康涅狄格大学数学教授 **Álvaro Lozano-Robledo** 表示。 ## 形式化验证与“数学废品”的甄别难题 在数百份手稿中，还夹杂着使用 **Lean** 编程语言进行的形式化验证。Lean 是一种交互式定理证明器，近年来在数学形式化领域备受关注。AI 生成的结果如果能够通过 Lean 验证，理论上意味着其逻辑推理是可靠的。然而，面对如此海量的输出，数学家们面临着一个艰巨的任务：**将真正的解决方案与“数学废品”（slop）区分开来**。 这并非易事。AI 模型可能生成看似合理但实际存在微妙错误的证明，或者重复已知结果而不自知。在没有经过严格同行评审的情况下，这些结果的真实价值仍然存疑。 ## 职业前景的颠覆与不确定性 更深层的焦虑在于职业前景。数学作为一门被认为最依赖人类创造力和直觉的学科，如今正面临 AI 的直接冲击。如果 AI 能够批量生成数学结果，那么数学家的角色将如何演变？是成为 AI 输出结果的验证者，还是转向更具创造性的问题提出？ “职业一夜之间被颠覆，”文章副标题如此写道。数学家们不仅需要处理眼前的“洪水”，还要思考如何在 AI 时代重新定位自己的价值。 ## 结语：OpenAI 不会等待 OpenAI 此次发布的规模和速度，凸显了 AI 在数学领域日益增强的能力。然而，对于数学界而言，这既是机遇也是挑战。在数学家们努力消化这近 400 项结果的同时，OpenAI 可能已经在准备下一次“倾泻”。正如一位数学家所言，这种“纯粹疯狂”的节奏，或许正是未来数学研究的常态。
## 事件速览 尼康 **Small World in Motion** 微摄影视频大赛近日揭晓新获奖者：来自越南的 **Nguyen Nam Nhat**。他的作品记录了一条**线虫**与单细胞生物 **Dileptus** 的微观互动，凭借出色的科学性与艺术性赢得评委青睐。 这一结果之所以备受关注，是因为原获奖作品被查出使用了 **AI 生成技术**，违反比赛规则后被取消资格。大赛主办方随后将奖项顺延，Nguyen Nam Nhat 由此成为新的获胜者。 ## 为什么 AI 参赛会引发争议？ 尼康 Small World 系列比赛长期被视为显微摄影领域的标杆，强调**真实拍摄**与**科学观察**。比赛规则明确要求，参赛作品必须是摄影师通过显微镜实际拍摄的影像，不得使用生成式 AI 或深度伪造技术进行创作或篡改。 然而，随着 AI 图像生成工具（如 Midjourney、Stable Diffusion）和视频生成模型（如 Sora、Runway）的普及，伪造显微影像的技术门槛正在急剧降低。此次事件并非孤例——近年来，多个摄影与艺术赛事都遭遇了 AI 作品“混入”的困扰。 ## 新赢家作品：微观世界的真实记录 Nguyen Nam Nhat 的获奖视频展示了**线虫**与**Dileptus**（一种单细胞纤毛虫）在显微镜下的动态画面。这类影像不仅具有科研价值，也让公众得以直观感受微观生命的复杂性。 与 AI 生成的“完美但虚假”的画面不同，真实显微摄影往往需要长时间观察、精准对焦和耐心等待。评委的最终选择，也传递出一个明确信号：**在科学影像领域，真实性仍然是不可替代的底线。** ## 行业影响与启示 此次 AI 取消资格事件，可能促使更多赛事加强审核机制，例如要求提交原始拍摄数据、元数据或原始视频片段。对于 AI 创作者而言，如何在规则允许范围内合理使用技术辅助，而非替代真实拍摄，将成为新的课题。 与此同时，AI 在科学图像分析、增强和可视化方面的正当应用仍值得期待。关键在于**透明与合规**——明确标注 AI 的使用范围，避免误导公众。 尼康 Small World in Motion 的这次风波，或许只是 AI 时代科学影像伦理讨论的开端。
## 冠军作品因AI后期处理被取消资格 尼康宣布，其 **Small World in Motion** 显微视频大赛的原第一名作品因违反生成式AI相关规则被取消资格。该视频由 **Dr. Ning Xu** 提交，声称展示了一名患有 **PCD**（原发性纤毛运动障碍）的儿童气道中纤毛运动的画面。 尼康上周表示，在网络上出现对该视频真实性的质疑后，公司启动了审查。随后，Dr. Xu 在 LinkedIn 评论中承认使用了AI：“随后使用无监督神经网络方法进行AI辅助后处理，以区分和可视化超分辨率光学成像重建的灰度图像中的特征。” 目前，该视频已被取消资格，并似乎已从尼康官网移除。根据更新后的排名，**Nguyen Nam Nhat** 的作品现位居第一。 ## 尼康回应与未来调整 尼康在声明中表示，计划“重新审视未来参赛作品的规则和评估程序”。同时强调，取消资格的决定“不应被解读为对参赛者职业声誉、科学贡献或意图的评判”。 这一事件凸显了科学影像竞赛在AI时代面临的新挑战：如何界定可接受的图像处理与生成式AI的边界。随着AI工具在科研图像增强中的普及，竞赛规则和评审流程亟需明确标准，以维护科学诚信与公平竞争。
在布拉格举行的 **Open Source Summit Europe** 上，Linux 之父 **Linus Torvalds** 与老友、爱立信软件技术负责人 **Dirk Hohndel** 展开对话，罕见地分享了他对 AI 编程的真实态度。 ## 从怀疑到真香 Torvalds 坦言，自己并非一开始就看好 AI。他回忆道：“我以前觉得 AI 编程不怎么样，但现在我已经到了真正喜欢用它的阶段。” 他特别强调，AI 对他而言是一种 **“工具”**——只要正确使用，就能让编程变得更有趣。他甚至用 **“vibe coding”** 来形容这种体验，称其是“找到编程乐趣的绝妙方式”。 ## 为什么 AI 对初学者尤其友好 Torvalds 从 1981 年就开始编程，他感叹那个年代计算机简单、程序也简单，初学者容易理解。而如今，软件工程的标杆被拉得极高，新手很容易因为自己写的小东西“不够专业”而丧失信心。 在他看来，AI 能帮助新人跨过这道心理门槛，让他们重新感受到编程的快乐。 ## 但重要项目必须谨慎 Torvalds 也划清了界限：“在做真正重要的事情时，你必须非常小心地使用 AI。” 他以 Linux 内核为例：自己作为维护者，并不直接写大量内核代码，主要工作是汇集他人的贡献。而 AI 生成的补丁和错误报告可能让维护者不堪重负，因此在内核开发这种严肃场景中，AI 的使用需要格外克制。 不过，他也承认 AI 在内核的 **bug 查找与修复** 中已经扮演了重要角色。 ## 开源社区的争议背景 Torvalds 的表态出现在一个微妙的时间点。开源社区对 AI 的抵触情绪依然强烈，例如 **System76** 最近就宣布禁止在其 **COSMIC 桌面** 项目中提交 AI 生成的内容。 Torvalds 的立场提供了一个中间路线：**拥抱 AI 作为提升个人体验的工具，但在关键基础设施中保持审慎。** 这或许正是当前 AI 与开源碰撞中最务实的姿态。
**亚马逊**近日宣布，在与地方政府谈判数据中心交易时，将不再使用保密协议（NDA）。这一举措紧随**微软**今年早些时候的类似承诺。长期以来，数据中心交易的保密性加剧了社区对AI基础设施的反对，从纽约到旧金山，各地已提出或颁布了数百项禁令。与此同时，一批初创公司正押注消费者将愿意让AI代理访问其数据。 ## 保密文化引发社区反弹 数据中心是AI热潮的物理基石，但其建设往往伴随着与地方政府之间的秘密谈判。亚马逊和微软等巨头此前常要求地方官员签署NDA，以隐藏交易细节，包括税收优惠、土地用途和资源消耗等。这种不透明性引发了当地居民的强烈不满，他们担心数据中心会消耗大量水电、推高电价、产生噪音，并占用宝贵的土地资源。 反对声浪已转化为实际行动。从**纽约**到**旧金山**，数百项拟议或已颁布的禁令正在限制数据中心的扩张。这些地方性抵制不仅威胁到科技公司的扩张计划，也可能影响美国在AI领域的竞争力。 ## 透明度承诺：迟来的补救？ 亚马逊的最新表态是对这一趋势的回应。公司表示，将停止在数据中心谈判中使用NDA，并承诺更公开地与社区沟通。微软此前已做出类似承诺，包括公开其数据中心的能源和水资源使用情况。 然而，这些承诺是否足以重建信任仍存疑问。批评者指出，透明度不应仅限于NDA，还应包括环境影响、税收优惠和长期社区影响的全方位披露。此外，科技公司能否真正落实承诺，而非仅仅作为公关姿态，仍有待观察。 ## 初创公司的数据访问赌注 与此同时，另一场变革正在悄然发生。一批初创公司正押注消费者将愿意让AI代理访问其个人数据，以换取更个性化的服务。这反映了AI行业对数据需求的日益增长，以及用户对数据控制权的潜在松动。 这些初创公司认为，随着AI代理变得越来越智能，消费者会逐渐接受让代理访问日历、邮件、购物记录等数据，以完成订餐、旅行规划等任务。然而，隐私和安全问题仍是主要障碍。如何确保数据不被滥用，并让用户保持控制权，将是这些公司面临的关键挑战。 ## 信任赤字下的AI未来 无论是数据中心建设的透明度，还是个人数据的访问权限，AI行业都面临着严重的信任赤字。亚马逊和微软的承诺是积极的一步，但可能只是开始。要真正赢得社区和用户的信任，科技公司需要更系统性地解决环境、隐私和公平性问题。否则，AI基础设施的扩张将继续遭遇阻力，而数据驱动的创新也可能因用户抵触而放缓。
## 科技巨头松绑数据中心保密协议 **亚马逊**本周宣布，在与地方政府谈判数据中心交易时，将**停止使用保密协议（NDA）**。这一决定紧随**微软**今年早些时候的类似举措，标志着科技巨头在AI基础设施扩张中开始调整与社区的沟通策略。 长期以来，数据中心交易的保密性引发了社区强烈反弹。从纽约到旧金山，各地已提出或颁布了**数百项暂停令**，反对AI基础设施的快速扩张。亚马逊和微软的转变，或许意味着科技公司正试图通过提高透明度来缓解地方阻力。 ## 个人AI代理：信任是核心产品 与此同时，一波初创公司正押注消费者愿意将**收件箱、文件和信用卡**的访问权交给AI代理——前提是它们能获得网站的准入许可。 在最新一期TechCrunch的**Equity播客**中，主持人Anthony Ha、Sean O'Kane和Rebecca Bellan深入探讨了： - **放弃NDA**能否真正改变数据中心交易的达成方式 - 为何**信任**可能成为个人AI初创公司的真正产品 - **Tab、Underdog和Hark**等公司将隐私作为卖点，以及可能将你的代理变成销售员的商业模式 - **United、Apple和Amazon**正在筑墙抵御外部代理 - **Lambda**据报道完成**40亿美元**融资，其**350亿美元**积压订单背后仅有一个客户 - **Uber**以**23亿美元**全现金收购**ezCater**，进军办公室餐饮领域 ## 值得关注的其他动态 - 白宫计划组建新的**超级智能力量** - **Ghost**推出**3499美元**的计算机，旨在全天候运行AI代理，但Equity团队认为它难以进入大众市场 随着AI代理逐渐渗透到消费场景，科技巨头与初创公司之间的博弈正在重塑信任与隐私的边界。下周，TechCrunch Disrupt 2026将继续带来更多报道。
在伦敦一家银行担任软件开发人员多年后，Amy Ma 发现了一个令人不安的事实：尽管办公楼里设置了分类回收箱，但所有垃圾最终都被倒进了同一个垃圾桶。这个发现促使她深入探究，结果发现整个回收行业的经济模式往往依赖于人工从废物流中分拣可回收材料。 **“我看到了现有技术，心想我们可以做得更好，”** Ma 回忆道。 如今，她正在兑现这个承诺。六年前，她在苏格兰爱丁堡创立了 **Danu Robotics**，致力于打造一款能够更便宜、更快速分拣回收物的机器人。经过六年的研发，她的产品终于要推向市场了。 这款名为 **H.E.R.O.** 的机器人相比竞争对手有几大优势。例如，它使用**钳爪**而不是吸盘系统来抓取物品。但更大的差异在于商业方法：Danu 利用 **AI 持续改进机器人的软件**。 这种方法已经开始获得关注。Danu 已经收到两家大客户的意向书，并签订了价值 **50 万美元**的合同。更值得注意的是，其销售管道中有超过 **200 家客户**，这为公司打开了欧洲和北美价值 **200 亿美元**的回收分拣市场。 基于这一前景，Danu 已经筹集了 **500 万美元**的后期种子轮资金，以保持商业压力。 目前，机器人垃圾分拣市场已经相当成熟，尤其是 Glacier 和 RecycleEye 等竞争对手提供的基于吸盘的机械臂。但 Ma 认为，回收行业的经济效益将使新竞争者很容易证明自己的价值。因为回收中心通过分拣出的材料赚钱，所以一个有效的系统能立即带来投资回报。 Ma 估计，一个工作站点通过在生产线上使用该机器人，将获得 **48.5 万美元**的额外收入，而初始投资为 **16 万美元**，每年维护费用为 **2.4 万美元**。这比竞争对手便宜得多，Ma 相信这款机器人也会更高效。 Danu 的机器人不仅价格更低，而且通过 AI 软件持续学习，能够适应不同废物流和分拣需求。随着全球对回收和可持续发展的关注日益增加，Danu Robotics 有望在自动化和 AI 驱动的回收解决方案中占据一席之地。
在MIT的CSAIL实验室里，我握着一台价值5万美元的Unitree人形机器人的手，脱口而出：“你好，先生，很高兴认识你。”尽管我知道它没有意识，但本能地把它当成了人。这种冲动并非个例——MIT教授Sherry Turkle在新书《人工亲密》中指出，人类天生就会对关系型人造物产生情感依赖。一项研究发现，约70%的人对AI彬彬有礼，而在对话深入后，用户更可能对聊天机器人说“请”和“谢谢”。 ## 我们为何对机器“动情”？ Turkle自1976年起就在MIT研究人与计算机的关系，她写道：“当我们与关系型人造物进行哪怕最原始的交流时，我们就会相信它关心我们，而我们天生就会回报以关心。”这种拟人化倾向似乎是人性的一部分。MIT媒体实验室的Pat Pataranutaporn博士指出，人们常争论对AI礼貌是对是错，但边界并不清晰，“问题在于，当我们与AI对话时，我们正在变成什么样的人？” ## 礼貌的代价与收益 对机器人Gabe礼貌没有实质后果，但随着大语言模型渗透到搜索、客服等各个领域，人们与AI的日常互动已成常态。这种互动可能带来情感依赖，也可能影响人类的社交模式。Turkle的研究提醒我们，技术不仅在改变工具，更在重塑我们与他人的关系。 ## 反思：谁在塑造谁？ 当AI越来越像人，我们是否也在变得越来越像机器？Pataranutaporn的问题值得深思：与AI的互动正在定义我们自身的进化方向。或许，我们需要在享受便利的同时，保持对人性边界的清醒认知。
消费级 AI 的商业模式正处在一个微妙的十字路口。一边是 OpenAI 今年明显向企业级市场倾斜，引发了不少人对消费级 AI 收入前景的悲观情绪；另一边，a16z 合伙人 **Olivia Moore** 在最新发布的《Top 100 消费级 AI 应用》报告中却看到了截然不同的图景——机会远大于危机。 ## ChatGPT 遥遥领先，但小玩家也在站稳脚跟 Moore 的报告显示，**ChatGPT** 依然是消费级 AI 领域无可争议的巨无霸，领先优势以“英里”计。但值得注意的是，像 **Suno**（AI 音乐生成）和 **ElevenLabs**（AI 语音合成）这样的垂直玩家，正在展现出真实的用户留存能力，而非昙花一现的炒作。 更有意思的是报告中“缺席者”的部分：Moore 详细列出了六个似乎完全未被 AI 触及的消费级品类。这些空白地带，恰恰可能孕育着下一批爆款应用。 ## 订阅制不是万能药，2.2% 的付费率说明了一切 一个关键数据揭示了消费级 AI 当前的困境：**仅有 2.2% 的美国家庭为 AI 产品付费**。在 Moore 看来，这个数字本身并不是问题所在。 “我其实不确定自己想不想看到这个数字大幅上升，”她在与 TechCrunch 的对话中表示，“我更感兴趣的是回到一种模式，让消费者不是从自己口袋里掏订阅费来被变现。” 她直言，硅谷的高收入人群拿着公司卡付费，很容易产生“我愿意为产品付费”的错觉。但大多数普通消费者更倾向于**免费使用 + 看广告**的模式，然后再自行决定是否付费去广告。 ## 边际成本是真正的拦路虎 消费级 AI 面临的另一个结构性挑战是**边际成本**。与 Facebook 或 Google Search 这类传统互联网服务相比，AI 服务的单次调用成本仍然高得多。这意味着，即便广告模式可行，其利润空间也可能被高昂的推理成本侵蚀。 Moore 认为，行业需要找到订阅和 API 收费之外的收入来源，才能让消费级 AI 的经济模型真正跑通。这包括广告、交易抽成、增值服务等多种可能性。 ## 现在谈终局为时过早 尽管外界对消费级 AI 的收入前景不乏悲观论调，Moore 的判断是：**这个品类仍处于极早期阶段**。OpenAI 向企业级扩张并非“转向”，而是在消费级业务之外的自然延伸。 对于创业者和投资者而言，报告传递的信号很明确：消费级 AI 的下一波机会，可能不在与 ChatGPT 正面竞争，而在那些尚未被 AI 改造的消费场景，以及那些能跳出订阅制框架的商业模式创新中。
## 九月更新速览：AWS 为 AI 构建者铺路 AWS 在九月围绕 **Amazon Bedrock**、**Amazon Bedrock AgentCore** 和 **Strands** 发布了一系列更新，核心思路是让构建者在模型、运行时和工具链每一层都拥有更多选择。随着 AI 模型能力提升和可选范围扩大，行业关注点正从单纯的模型性能转向成本效益、系统集成与治理能力。 ### 模型选择更自由：OpenAI 模型登陆 Bedrock 最受关注的更新是 **Amazon Bedrock Managed Agents**（由 OpenAI 驱动）进入公开预览。这意味着构建者可以在 AWS 环境内使用 OpenAI 模型构建生产级 AI 代理，同时保持企业级安全：数据留在 AWS，复用现有 **IAM 权限**，并通过 **AWS CloudTrail** 实现完整审计。此外，持久会话和内置人工审批流程有助于降低开发开销和风险。 ### 代理运行更快、更可衡量 **AgentCore 运行时**迎来重要升级。新版本优化了内存管理，显著降低了无服务器代理的**冷启动延迟**，代理启动更快，基础设施开销更小。AWS 强调，这让用户只为实际使用量付费，而非为闲置资源买单。 与此同时，AgentCore 还增强了内置评估能力，让构建者能够更高效地衡量代理表现——在代理进入生产环境、处理长周期任务和敏感操作时，这种可观测性变得尤为关键。 ### 知识库同步自动化，企业连接器原生集成 九月更新还带来了**自动化知识库同步**与**原生企业连接器**。这解决了 AI 应用与当前业务信息脱节的问题：代理需要基于最新企业知识进行推理，而手动同步既慢又易错。新功能让数据管道更直接、更可靠，帮助企业将 AI 应用与实时业务信息连接起来。 ### 行业背景：从模型竞赛到系统工程 AWS 在公告中指出，行业对话正在转变。模型性能不再是唯一问题，客户开始权衡特定用例的成本与收益，尤其是在将工作委托给生产环境中的代理时。AI 代理已进入需要推理企业知识、执行长周期任务并在安全、准确和治理至关重要的系统中行动的阶段。 因此，焦点正从模型本身转向围绕模型的更广泛系统：代理能访问的上下文、能执行的操作，以及企业数据如何被治理和保护。九月的更新正是为了强化这些基础——扩大模型选择、让代理操作更高效可衡量，并创造更直接的方式将 AI 应用与最新业务信息连接。 对于正在构建企业 AI 的团队而言，这些更新传递了一个清晰信号：AWS 正在押注**开放选择**和**系统化治理**，而非单一模型绑定。
## 从演示到生产：Postman Agent Mode 的规模化挑战 构建一个能在演示中工作的 AI 代理，与为 **4000 万开发者** 运行一个代理，是完全不同的工程问题。Postman 在推出 **Agent Mode** 时，原本以为模型质量和提示设计会是最大的难题，但真正的挑战来自于将一个代理集成到拥有 **11 年历史**、界面驱动假设根深蒂固的成熟产品中。 ### 为什么需要 Agent Mode？ Postman 已演进了 11 年，开发者习惯了通过展开侧边栏、检查标签页、打开请求来定位信息。而代理需要直接对数据进行推理，而不是导航屏幕。Agent Mode 提供了一种 AI 原生的工作方式，覆盖 **API 测试、文档、发现和实现**。 ### 架构模式：控制工具蔓延与上下文瓶颈 Postman 和 AWS 分享了在让成熟产品对 AI 代理可读的过程中浮现的架构模式： - **控制工具蔓延**：避免代理可用工具数量爆炸，保持工具集精简且聚焦。 - **暴露基于 schema 的读取**：让代理通过结构化 schema 直接读取数据，而非模拟界面操作。 - **将上下文视为主要瓶颈**：不是能力不足，而是上下文窗口有限，需要精心管理。 这些模式帮助团队将生产级代理推向原型之外。 ### 在 Amazon Bedrock 上运行 Agent Mode 运行在 **Amazon Bedrock** 上，该服务提供对基础模型的托管访问。Postman 的全球开发者社区产生 **可变、延迟敏感且带有突发流量** 的需求。借助 Amazon Bedrock，Postman 无需运营自己的模型服务基础设施，同时保留了模型选择的灵活性，并能控制吞吐量、地理处理和成本。 具体而言，Agent Mode 利用了 Amazon Bedrock 的以下能力： - **模型灵活性**：可根据任务选择不同基础模型。 - **地理范围的跨区域推理**：满足数据驻留要求。 - **模型相关的零数据保留**：确保数据隐私。 - **多级提示缓存**：优化延迟和成本。 ### 对生产级 AI 代理的启示 Postman 的经验表明，将代理集成到成熟产品中，需要重新审视产品的 API、用户体验和知识分布。团队应关注上下文管理、工具设计和 schema 暴露，而非仅仅追求模型能力。这些经验可以帮助更多团队将生产代理从原型推向实际应用。
每周五，IEEE Spectrum 的机器人编辑 Evan Ackerman 都会精选一批让人眼前一亮的机器人视频。本周的主题有点特别——**机器人退役**。当一台机器人结束使命，它通常会迎来拆解、封存或转售，但这次有人把它玩出了新花样。 ## 退役，也可以是一场派对 在最新一期的 Video Friday 中，最引人注目的片段来自 **Devanthro**。视频里，一台机器人被放入**海洋球池**，周围是五颜六色的塑料球，画面既荒诞又欢乐。标题抛出一个问题：**“球池让机器人的退役变得有趣——还是只让围观者觉得有趣？”** 这其实触及了机器人行业一个越来越现实的话题：**当机器人越来越像伙伴，我们该如何对待它们的“退休”？** ## 为什么机器人退役值得关注 过去十年，机器人从工厂走向家庭、商场、医院。它们不再只是工具，而是被赋予名字、个性，甚至社交属性。软银的 **Pepper** 停产时，不少用户表达了不舍；索尼的 **Aibo** 机器狗停止维修服务时，甚至有用户为“去世”的电子宠物举办告别仪式。 这些现象背后，是**人机情感连接**的真实存在。Devanthro 用球池这种戏谑的方式处理退役，或许正是对这种情感的回应——用一场轻松的“欢送”代替冷冰冰的报废。 ## 视频里还有什么 除了球池名场面，本期 Video Friday 还收录了多段机器人演示，涵盖**人形机器人**、**工业机械臂**和**科研平台**。Evan Ackerman 的选片一向兼顾技术亮点与观赏性，既有让人捏把汗的平衡测试，也有让人会心一笑的失败集锦。 ## 一点冷思考 球池当然不会改变机器人退役的工程现实：电池要回收，关节要拆解，数据要清除。但它提醒我们，**机器人终究是为人服务的**，而人对“告别”有天然的情感需求。当行业忙着追逐更高、更快、更强时，偶尔停下来想想“退役”这件事，或许能让技术走得更远。 > 完整视频列表可前往 IEEE Spectrum 观看。下周同一时间，Video Friday 继续。
## 超级智能是 OpenAI 的屈辱仪式？ 近日，Hacker News 上一条题为“The super intelligence shit is a humiliation ritual for OpenAI”的帖子引发热议，获得 80 分和 76 条评论。该标题直指 OpenAI 近期围绕“超级智能”的种种动作，认为这更像是一场自我羞辱的仪式，而非真正的技术突破。 ### 争议焦点：OpenAI 的超级智能叙事 OpenAI 长期以来将“实现安全且有益的通用人工智能（AGI）”作为使命，但近期其 CEO 山姆·奥特曼等人频繁提及“超级智能”，并宣称可能在未来几年内实现。批评者认为，这种高调宣扬更像是一种**公关策略**，旨在维持投资者信心和公众关注，而非基于扎实的技术进展。 发帖人可能认为，OpenAI 在超级智能上的言论与其实际产品（如 GPT-4）的能力之间存在巨大鸿沟，这种过度承诺最终会损害其信誉。 ### 社区反应：质疑与嘲讽 Hacker News 的评论区向来以技术社区的直率著称。76 条评论中，不少用户表达了对 OpenAI 的质疑。有人指出，超级智能的讨论已经脱离了工程现实，变成了**营销噱头**。还有用户调侃，OpenAI 正在举行一场“屈辱仪式”，通过不断抬高期望来掩盖其在安全、伦理和商业化方面的困境。 也有少数人为 OpenAI 辩护，认为探索超级智能是必要的长远目标，且公司确实在推动 AI 前沿。但整体氛围偏向批判。 ### 行业背景：AI 炒作与信任危机 这并非 OpenAI 首次因“超级智能”言论引发争议。随着 AI 竞争加剧，各大公司纷纷发布宏大愿景，但公众和开发者对**炒作**的容忍度正在降低。从 GPT-4 到 Sora，OpenAI 的产品虽令人印象深刻，但距离“超级智能”仍遥不可及。 此次讨论也反映了技术社区对 AI 公司**过度承诺**的普遍担忧。当愿景与现实脱节，信任危机便随之而来。 ### 结语 OpenAI 的超级智能叙事究竟是远见还是屈辱仪式？目前尚无定论。但 Hacker News 的这场讨论表明，技术社区期待更务实、更透明的沟通，而非空洞的口号。对于 OpenAI 而言，如何平衡愿景与落地，将是其未来面临的关键挑战。
## 一场由行政命令推动的'改名运动' 特朗普向来擅长用语言打击对手——'小马可''骗子希拉里'都是他的经典操作。如今，他似乎决定把这套话术用在推广人工智能上。 据 The Verge 报道，特朗普在最近一次联合国演讲中语出惊人：**'使用 artificial（人工的）这个词，会让 intelligence（智能）显得虚假'**，并承诺将这项技术改名为 **'super intelligence'（超级智能）**。随后，他签署行政命令，要求**尽可能避免使用'AI'这一缩写**。 ## 改名已经落地 这场'语言改造'执行得相当迅速： - 原本已从'AI 安全研究所'更名而来的**美国 AI 标准与创新中心（CAISI）**，再次被改名为 **'超级智能推进创新与标准中心'（CAISSI）**； - 司法部新闻稿也被修改，甚至出现'**超级智能辅助音乐**'这类表述，用来描述一名用 AI 生成歌曲上传流媒体平台的男子。 ## 为什么说这招'很人工' 特朗普的逻辑是：既然'人工'听起来像'假的'，那就换个更好听的词。但问题在于，**语言不是靠行政命令就能重塑的**。 'AI'已经是全球通用的技术术语，深深嵌入学术、产业和公共讨论中。强行改名不仅会造成沟通混乱，还可能适得其反——当官方刻意回避一个人们熟悉的词汇时，反而会强化公众对这项技术的不安。 更关键的是，改个名字并不能消除真实存在的担忧：数据中心的能耗、就业冲击、安全风险、以及公众对 AI 的不信任。特朗普坚称数据中心会'非常受欢迎'，但这与民调数据相悖。 ## 行业为何配合 值得注意的是，一些 AI 领域的重量级人物也在附和这套说法。这背后既有政治考量，也有行业自身加速发展的诉求——淡化安全风险、推动更快部署，符合部分企业的短期利益。 但语言工程能否成功，历史给出的答案往往是否定的。'假新闻'一词的语义反转是个特例，而'AI'作为技术名词，其根基远比一个竞选绰号要牢固得多。 **一句话总结**：想靠换个名字就让美国人忘记对 AI 的担忧，恐怕没那么容易——毕竟，'人工'改成了'超级'，问题还是那些问题。
## 从邀请制黑马到巨头围剿 2026年8月，一家名为 **Instinct** 的初创公司以极不寻常的方式进入AI代理市场：仅限邀请、零营销、甚至连官网都简陋得几乎不存在。然而，这款产品迅速成为AI圈最热门的话题——它基于短信的简洁交互界面，以及能处理预约DMV、发送跟进邮件等日常事务的能力，赢得了测试者的一致好评。 但好景不长。**Meta** 推出了 **Muse**，**OpenAI** 紧随其后发布 **Dots**。本质上相似的产品，却来自两家资源远为雄厚的巨头。当大厂突然入局，这家初创公司能否保持领先，一度显得岌岌可危。 ## 实测表现：Instinct依然能打 The Verge 高级评测员 Allison Johnson 在亲自测试后指出，Instinct 在面对另外两款代理时依然不落下风，处理在线任务的表现与机器人所能达到的水平相当。Instinct 创始人 **Noah Shinn** 对竞争加剧并不慌张。他在邮件中表示：“AI助手就是我们所知的一切。” Shinn 认为，OpenAI 和 Meta 为各类客户构建AI产品，而 Instinct 的专注使其与众不同。“我们一直只专注于打造一款真正懂你的日常生活个人助手。” ## 创始背景与资本信心 Shinn 曾是另一家硅谷明星初创公司 **Sierra** 的早期员工，之后独立创办 Instinct。这款产品的低调发布迅速获得测试者好评和投资者的巨大信心。即便在 Muse 发布之后，该公司仍在2026年9月底获得了 **100亿美元** 的估值。 目前，Instinct 没有独立应用，也不收取月费（暂时）。用户需要通过现有用户邀请或等待名单审核才能使用。 ## 巨头夹击下的生存逻辑 Instinct 的案例折射出AI代理赛道的一个核心矛盾：**先发优势与资源壁垒的对抗**。初创公司凭借敏锐的产品直觉和专注度可以快速引爆市场，但一旦Meta、OpenAI等巨头以类似产品切入，用户注意力和资本耐心都将面临考验。 Shinn 的底气或许来自两点：一是 Instinct 从第一天起就只做“个人生活助手”这一件事，没有企业级或平台级的分心；二是早期用户形成的高粘性社区，以及短信交互带来的低门槛体验。 然而，巨头们拥有分发渠道、算力储备和品牌认知的绝对优势。Muse 被描述为“擅长花你钱的可爱小家伙”，Dots 则是“能帮你订晚餐的企业级软件”，两者都在快速迭代。Instinct 要想存活，必须证明专注可以战胜规模——至少在一段时间内。 ## 悬念未解 目前 Instinct 仍未公布用户规模、留存率或商业化路径。100亿美元的估值是否可持续，取决于它能否在巨头的阴影下继续赢得普通用户的日常依赖。正如 Shinn 所言，AI助手是他们“所知的一切”，但市场最终会检验：这份专注，究竟值多少钱。
**TechCrunch Disrupt 2026** 即将在 **4 天后** 开幕。这场科技盛会将于 **10 月 13 日至 15 日** 在旧金山 **Moscone West** 举行，预计汇聚 **10,000 名创始人、投资者和科技领袖**。 ## 关键信息速览 - **时间**：10 月 13 日 8:00（太平洋时间）开幕，线上优惠票价截止。 - **地点**：旧金山 Moscone West。 - **优惠**：线上购票最高可省 **100 美元**；同类型第二张票 **5 折**；受裁员影响者可购买 **75 美元 Expo+ 通行证**。 - **内容规模**：**200+ 场** 会议，**250+ 位** 科技领袖，分布在 **6 个舞台**，另有圆桌讨论、分组会议和 **Startup Battlefield 200** 路演。 ## 为什么值得关注 Disrupt 一直是全球创业生态的风向标。今年议题覆盖 **AI、生物科技与健康、气候、金融科技、融资、机器人** 等前沿领域。对创始人而言，Expo Hall 和 Deal Flow Café 是接触投资者、客户与合作伙伴的绝佳机会；对投资者来说，这里是提前发现潜力公司的窗口；对技术公司而言，则能洞察市场走向。 无论你的目标是寻找解决方案、结识关键人脉、发现投资机会，还是直接聆听塑造科技未来的声音，Disrupt 都提供了高度可定制的时间安排。 ## 购票提醒 线上折扣将在 **10 月 13 日上午 8 点（太平洋时间）** 大门打开时结束，届时票价将调整为现场价格。如果你计划参加，现在是锁定优惠的最后窗口。 > 注：TechCrunch 可能通过文章中的链接获得佣金，但这不影响其编辑独立性。
MIT Technology Review 的《The Download》 newsletter 近日聚焦 AI 安全中的一个核心矛盾：**我们是否过度依赖 AI 的拒绝能力来规避风险？** 当前主流 AI 模型被训练为拒绝大量敏感请求——从如何毒害同事到如何制作绞索，聊天机器人通常会给出否定回答。但这种拒绝机制并非万无一失，且失败时可能带来灾难性后果。有人正试图利用 AI 来增强生物病原体或构建自主无人机集群。文章作者 Arthur Holland Michel 警告称，**迟早有一天，拒绝失败可能引发全球性灾难**。 更深层的问题在于，依赖拒绝意味着要在"模型应遵守"和"必须违抗"之间划清界限。而政府也将各自划线，可能借此限制言论自由。与此同时，让 AI 变得有用的能力也可能使其变得危险——若要 AI 帮助治愈癌症，它就需要具备遗传学专业知识，而这些知识同样可能被用于制造生物武器。 **GLP-1 减肥药的未知副作用** 另一则报道关注 GLP-1 类减肥药。本周，MIT Technology Review 的 Antonio Regalado 报道了新研究，提示这类药物可能**延缓生物衰老**。这是该类药物一系列潜在益处中的最新发现。 但研究人员也在调查一些奇怪的副作用。**最常见的副作用是胃肠道反应**，同时也在研究其与脱发、指甲病变以及眼后神经损伤的可能关联。 **气候科技公司观察：远景能源的全球风电雄心** 远景能源入选 MIT Technology Review 的"2026 年 10 家值得关注的气候科技公司"。中国安装风力涡轮机的速度超过任何其他国家，而远景能源作为领先制造商之一，正将可再生能源整合到数据中心——**利用风力涡轮机发电，并用电池在现场储能**。该公司最近成为**首家完全使用可再生能源直接为数据中心供电的企业**。其 AI 驱动的系统可优化电力输出，使设施能够接收……（内容截断）
在技术快速迭代的今天，工程师的决策对社会产生着深远影响。然而，传统工程教育往往侧重于技术技能的训练，而忽视了伦理与社会责任的培养。IEEE Spectrum 最新的一篇客座文章指出，将伦理教育嵌入工程课程，是培养能够保护公众利益的新一代工程师的关键。 ## 为什么工程伦理如此重要？ 从数据隐私到算法偏见，从自动驾驶的道德困境到基础设施的安全隐患，工程师的每一个设计选择都可能带来广泛的社会后果。文章作者，密歇根大学的 Cynthia J. Finelli 教授、圣地亚哥大学的 Susan M. Lord 教授以及密歇根大学的 Erin A. Cech 副教授认为，如果工程师只掌握技术知识，而缺乏对社会、文化和伦理维度的理解，他们就无法全面评估其工作对公众的影响。 ## 当前工程教育的缺失 尽管许多工程课程都包含伦理模块，但这些内容往往被边缘化，甚至被视为“软技能”而得不到足够重视。作者指出，伦理教育不应是附加的选修课，而应融入核心专业课程中。例如，在教授算法设计时，可以引导学生讨论公平性与偏见；在讲授材料科学时，可以探讨环境可持续性。这种整合式教学能帮助学生将伦理思考内化为工程实践的一部分。 ## 如何将伦理嵌入课程？ 文章提出了几种具体策略： - **案例教学**：通过真实世界的伦理困境案例，让学生分析并辩论不同解决方案的利弊。 - **跨学科合作**：邀请哲学、社会学等领域的教师参与工程课程设计，提供多元视角。 - **项目式学习**：在团队项目中设置伦理审查环节，要求学生评估其设计的社会影响。 - **教师培训**：为工程教师提供伦理教学法的专业发展机会，使他们能够自信地引导讨论。 ## 培养负责任的工程师 作者强调，工程伦理教育的目标不是让学生背诵道德准则，而是培养他们的道德想象力和责任感。当工程师能够预见其工作的潜在后果，并主动考虑如何造福社会时，技术才能真正服务于公共利益。 在 AI 和新兴技术日益渗透生活的时代，这一呼吁显得尤为紧迫。工程教育必须与时俱进，将伦理与社会责任置于与技术能力同等重要的位置，才能培养出既精通技术又心系社会的未来工程师。
## 当 AI 需要你点一下按钮时，它只能干瞪眼 你让 AI 智能体重构了一个 monorepo，写好了数据库迁移脚本，甚至给你讲清楚了 monad 是什么。但当它需要你点一下「允许」按钮时，它能做的只是把一句「请在对话框中点击 Allow」打印到一个你根本没在看的终端里。 这是当下 AI 智能体落地过程中一个非常真实的断点：**模型能理解任务，能执行代码，却无法跨越「请人类看一眼屏幕」这道鸿沟。** Hacker News 上最近出现了一个名为 **bigarrow** 的 macOS 命令行工具，试图用最朴素的方式解决这个问题——让 AI 智能体在你的屏幕上直接画一个大箭头，指向你需要点击的位置。 ## bigarrow 是什么？ bigarrow 是一个 macOS 命令行工具，同时也是一个适配 **Claude Code** 和 **Codex** 的技能（skill）。它的核心能力非常简单：**在任意窗口上方绘制箭头、方框和文字标注。** 几个关键特性值得注意： - **点击穿透**：箭头覆盖在界面上，但你的鼠标点击会直接穿过它，不会挡住实际操作 - **键盘焦点不变**：标注出现时，你当前的输入焦点不受影响 - **自动消失**：任务完成后箭头自行移除 - **零权限需求**：绘图不需要任何 macOS 系统权限 - **单一 Swift 二进制**：没有守护进程、没有菜单栏图标、没有账号、没有遥测——作者特别强调「我们检查了两遍，里面没有 AI。它就是一支箭头。」 - **MIT 许可**：开源可自由使用 ## 一行命令，一个箭头 使用方式很直接。比如你需要让用户去系统设置里开启某个权限： ``` bigarrow point --element "Allow" --app "System Settings" --text "Franz, click Allow: Ghostty may control your Mac" ``` 这个命令会在系统设置窗口的「允许」按钮上方画出一个箭头，并附上说明文字。箭头支持多种样式和颜色——绿色表示「点这个」，黑色表示「别碰」，圆环标注小目标，方框标注整个区域。 ## 为什么这件事值得关注？ **AI 智能体的「最后一公里」问题一直存在。** 无论模型多强大，当任务需要人类在 GUI 上完成一步操作时，传统的做法只有两种：要么在终端里打印一段文字说明（用户很可能看不到），要么直接失败退出。 bigarrow 的思路是：**既然 AI 无法替你点击，那就让它至少能准确地告诉你点哪里。** 这个方向看似简单，但它填补的是智能体与人类协作中的一个实际空白。 从更广的视角看，这反映了当前 AI 工具链的一个趋势：**围绕智能体能力边界的外围工具正在快速涌现。** 模型本身在进步，但让模型真正融入人类工作流的「胶水层」同样关键。bigarrow 选择了极其克制的设计——不试图替代任何东西，只做一件事，并且做好。 目前该项目在 Hacker News 上获得了 **329 分和 140 条评论**，说明开发者社区对这个「小问题的大解法」有强烈共鸣。 对于正在使用 Claude Code、Codex 等智能体工具的 macOS 开发者来说，bigarrow 提供了一种轻量的方式，让 AI 在需要人类介入时，不再是「喊一嗓子就消失」，而是真正把手指指向该点的地方。