Hinge 创始人 Justin McLeod 宣布为其新公司 **Overtone** 完成 **1800 万美元** 融资，投资方包括 Hinge 的母公司 Match Group、FirstMark Capital 和 Pace Capital。Overtone 被描述为一种“由 AI 驱动的、以语音和音频为核心的高度精选介绍服务”，但 McLeod 强调它 **不是一款约会应用**。 McLeod 在博客中直言，Overtone 不会像传统约会平台那样用个人资料将人简化为数据、引语和照片，也没有依赖即时冲动的算法信息流，更不需要同时管理多个点赞、匹配和聊天。这一表态耐人寻味——毕竟他曾是 Hinge 的缔造者，而 Hinge 本身正是依赖算法匹配和滑动机制的应用。 ### 行业背景：用户倦怠催生变革 McLeod 的转向并非孤例。**2024 年 Forbes Health 调查** 显示，78% 的约会应用用户感到倦怠，平均每天花费 51 分钟却难以获得满意的连接。整个行业正试图用 AI 改善体验，例如生成聊天开场白或辅助创建个人资料，但许多人对将亲密过程交给机器感到抵触。 ### Overtone 的差异化路径 Overtone 的策略更接近 **“AI 精匹配”而非“AI 代聊”**。McLeod 表示，系统会深入了解每个人，通过语音听取其独特故事，然后基于关系科学进行慎重配对，并透明解释匹配理由。这种“少而精”的理念与新兴应用 **Ditto** 和 **Date Drop** 不谋而合——它们都用 AI 直接配对用户，而非提供无限滑动选择，后者被批评为制造幻觉和鼓励“幽灵行为”。 ### 团队与上线计划 值得注意的是，知名关系治疗师 **Esther Perel** 已加入 Overtone 董事会，同列的还有 Match CEO Spencer Rascoff 和领导力顾问 Diana Chapman。Overtone 将于今年晚些时候在特定地区上线。 McLeod 的再创业能否为疲软的在线约会市场带来真正创新，仍需时间检验。但至少，他正在押注一个更克制、更注重深度的 AI 约会未来。
近日，**阿歇特（Hachette）、圣智（Cengage）、爱思唯尔（Elsevier）** 等多家大型出版商及作者团体对谷歌提起集体诉讼，指控其未经授权使用受版权保护的作品训练AI平台 **Gemini**，并故意移除或篡改版权信息以掩盖侵权行为。 这起诉讼在 **美国纽约南区联邦地区法院** 提起，不同于此前加州法院偏向AI公司的裁决——加州两起早期判决认定AI训练使用版权作品属于“合理使用”。然而，本案中原告强调与谷歌存在长期合作关系：出版商曾授权谷歌扫描图书用于 **Google Books** 搜索（仅显示片段），以及通过 **Google Play 商店** 分发电子书，但谷歌却将这些作品用于AI训练，远超授权范围。 诉讼引用谷歌内部文件，其中据称承认“缺乏授权”仍进行训练。目前，美国版权法尚未针对AI训练场景更新，各法院判决存在分歧。此前 **Anthropic** 因盗用作品被罚 **15亿美元**，创下版权法最高赔偿纪录，约50万作者获得至少3000美元赔偿，但许多作者选择退出以保留进一步诉讼权利。 此案可能成为AI版权争端的标志性案例，尤其考验“合理使用”原则在商业AI训练中的适用边界。
Google DeepMind CEO Demis Hassabis 在 X 平台发文，提议参照美国金融业监管局（FINRA）模式，建立一个独立的前沿AI标准机构，负责测试前沿模型并制定发布最佳实践。 ## 提议背景 Hassabis 在题为《前沿AI框架与新纪元》的帖子中，指出当前美国政府针对 Anthropic 和 OpenAI 模型的临时审查存在技术专业性不足、决策不透明等问题。新机构将填补这一空白，由美国政府支持、AI 行业资助并独立运营。 ## 核心机制 - **自愿审查阶段**：前沿实验室在模型发布前最多30天，自愿提交给标准机构审查。 - **强制化路径**：一旦评估协议被证明有效，可快速转为正式要求——模型必须通过评估才能在美国市场部署。 - **持续监控**：实验室需与机构合作解决发布后的关键漏洞。 ## 争议与回应 AI 监管在科技界和特朗普政府内部仍存争议。白宫AI顾问 Sriram Krishnan 近期明确表示“不会有AI领域的FDA”。Hassabis 的方案将机构定位为**自律组织**（类似FINRA），而非政府直接监管，以此缓解行业顾虑。 ## 组织架构设想 - **人员构成**：开源社区代表、行业技术专家。 - **资金来源**：AI实验室提供财务支持，以留住专业人才。 - **评估外包**：可将部分评估工作委托给日益壮大的AI安全研究团体，使其专注于特定风险领域。 Hassabis 强调，该方案的优势在于“技术聚焦、支持创新、激励负责任行为”，并能随领域加速发展而动态调整，在风险严重时可升级管控力度。 ## 行业影响 这一提议反映了 AI 行业在“自我监管”与“政府干预”之间寻求平衡的努力。若得以实施，将为前沿模型发布建立标准化流程，降低监管不确定性，同时避免过度行政干预。不过，具体执行细节、独立性与资金来源等问题仍需进一步讨论。
Instagram负责人亚当·莫塞里（Adam Mosseri）近日预测，随着AI使用成本飙升，企业将不得不像管理薪资或其他运营开支一样管理AI代币支出，工程师未来可能面临AI工具使用预算上限。 ### 代币成本激增，企业面临新挑战 莫塞里在Lenny's Podcast访谈中指出，未来一两年内，一名优秀工程师的AI代币消耗速度可能等同于其薪资或雇佣成本。届时，企业需要设定合理上限来控制支出。所谓AI代币支出，是指处理AI提示与响应的计算成本。 Meta此前曾因内部AI代币消耗排行榜导致成本失控，预计2026年相关支出将达数十亿美元，最终被迫关闭该榜单。无独有偶，Uber在2026年AI编码预算于今年4月就已超支；微软则因代币成本过高，取消Claude Code许可证，转而将工程师统一到自家的Copilot CLI工具上。 ### 代币预算将成新管理维度 莫塞里强调，AI代币成本必须像其他资源一样被管理。他类比道：“我需要决定如何将GPU、CPU、存储等计算资源分配给不同团队，如何分配标注预算，如何分配人员编制——代币预算也将如此。”他补充说，每位工程师的代币上限应与其创造正向投资回报的能力成比例。 目前Meta尚未对任何员工设置代币上限，但莫塞里认为未来这样的限制是健康的。他同时预测，随着AI模型厂商之间的价格战加剧，代币成本终将下降。短期内，Meta已通过关闭“愚蠢的消耗行为”（如代币排行榜）来初步控制成本。“制造一个代币焚烧炉并不难，但它创造不了多少价值。” ### 行业趋势：从狂奔到理性 这一现象折射出AI行业从狂热探索转向成本管控的趋势。当AI工具成为生产力核心时，企业必须平衡创新冲动与财务可持续性。代币预算上限或将成为科技公司的新常态管理工具，如同当年的云计算成本治理一样。 对于工程师而言，未来可能需要在“无限制使用AI”和“被预算约束”之间找到新平衡。而对于AI模型提供商，价格竞争与成本优化将成为吸引企业客户的关键筹码。
Google 图片迎来 25 年来最大变革，正式从纯粹的图片搜索引擎转型为以“发现”为核心的视觉灵感平台。新版界面采用 Pinterest 式的无限滚动画廊设计，用户登录 Google 账号后即可看到个性化的“为你推荐”（For You）图片流，并支持创建和管理收藏集。同时，Google 将 AI 图片生成功能直接集成到 AI Overviews 中，帮助用户将文本描述转化为定制图像。此举意在延长用户停留时间、提升广告收入，并降低对第三方创意工具的依赖。新设计将在未来几周内向美国桌面端英语用户逐步推送。
纽约州成为全美首个暂停大型数据中心审批的州。州长凯西·霍楚尔（Kathy Hochul）明确表示，由AI驱动的数据中心建设热潮不应以牺牲居民电费、水资源和本地自治为代价。 ## 政策背景：环保与民生的权衡 此次暂停令针对的是**大型数据中心**，即那些因AI训练和推理需求而急剧增加能耗的设施。近年来，科技巨头纷纷在纽约州布局算力基础设施，带动了当地土地和电力需求的飙升。然而，数据中心不仅是“电老虎”，其冷却系统对水的消耗也引发了社区担忧。霍楚尔州长在声明中强调：“我们不能让AI的发展变成对普通家庭的隐性征税。” ## 行业影响：首个州级禁令的连锁反应 纽约州的决定可能成为其他州的参照。目前，弗吉尼亚州、俄勒冈州等地也在审议类似法案，但纽约是第一个付诸行动的。**这一政策直接冲击了正在规划中的项目**，包括一些已获得初步许可但尚未动工的站点。 数据中心运营商面临两难：要么将项目迁移至监管更宽松的州，要么投入更多成本优化能效和用水方案。但后者可能推高建设成本，削弱纽约作为AI基础设施枢纽的竞争力。 ## 深层矛盾：AI繁荣与基础设施瓶颈 过去两年，生成式AI的爆发式增长让数据中心需求呈指数级上升。据行业估计，到2030年，全球数据中心的电力消耗可能占全球总发电量的8%以上。纽约州的暂停令恰恰点出了这一矛盾：**技术发展速度超过了社会基础设施的承载能力**。 霍楚尔州长特别提到“地方控制权”问题——许多社区对数据中心选址缺乏话语权，而州级审批机制又未能充分评估长期影响。此次暂停将为修订法规争取时间，比如引入更严格的能效标准、水资源循环要求，以及社区参与条款。 ## 未来展望：暂停还是转向？ 暂停令并非永久禁止，而是为期**12个月**的审查期。在此期间，纽约州公共服务委员会将联合环保部门制定新的数据中心准入规则。可能的改革方向包括： - 强制使用可再生能源比例 - 限制冷却水来源（如禁止使用饮用水） - 对数据中心产生的余热回收提出要求 - 建立社区收益共享机制 对于科技公司而言，这既是挑战也是机遇。那些已经在能效和可持续性上提前布局的企业，可能会在新规中占据优势。例如，采用液冷技术、利用废热供暖的项目，有望更快获得批准。 ## 小结 纽约州的此举标志着AI基础设施建设从“野蛮生长”进入“精细化监管”阶段。它提醒整个行业：技术的进步不能脱离社会成本和生态代价。未来，数据中心选址将不再只是技术和商业决策，更是一场涉及能源、环境与民生的复杂博弈。
美国 AI 初创公司 Reflection AI 与欧洲 AI 基础设施公司 Nebius 签署了一份价值 10 亿美元的算力协议，以获取训练和部署其开源模型所需的计算资源。 ## 协议细节 根据协议，Nebius 将为 Reflection 提供 **Nvidia 最新的芯片** 算力。Nebius 前身为俄罗斯科技巨头 Yandex 的国际业务部门，近年来已与多家科技巨头签署大额基础设施协议，包括与 Meta 的 **270 亿美元** 五年期协议，以及与微软的 **194 亿美元** 多年协议。 ## 背景与趋势 这笔交易发生在 Reflection 与 SpaceX 签署类似算力协议仅数周后，反映了 AI 公司为争夺稀缺算力资源而展开的激烈竞争。Reflection 成立于 2024 年，由两位前 Google DeepMind 研究员创立，目前估值 **80 亿美元**，已从 Nvidia、Sequoia Capital 和 Lightspeed Venture Partners 等投资者处筹集近 **26 亿美元**。 ## 行业意义 Reflection 是多家备受关注的开源 AI 模型开发商之一。当前，关于顶级闭源 AI 模型价值的争议日益激烈，**数据保留担忧** 和 **政府干预** 促使业界转向开源方案。上月，特朗普政府施压 Anthropic 和 OpenAI 限制其最强大的新模型，引发对 AI 模型访问可能随时被撤销的担忧。加之中国开源模型的进步，主流对开源 AI 的兴趣显著增加。 ## 展望 这笔交易进一步凸显了算力在 AI 竞赛中的核心地位。随着开源模型与闭源模型的竞争加剧，Reflection 等初创公司通过大规模算力协议确保资源，有望推动开源 AI 技术的快速发展。 *TechCrunch 已联系 Reflection 和 Nebius 以获取更多信息。*
当全球目光聚焦于 GPT-5、Gemini Ultra 等前沿大模型时，Hugging Face CEO Clem Delangue 却指出：**企业级 AI 的真正战场正在转向开放模型**。成本、可获取性和所有权成为企业选择模型的关键考量，前沿模型的重要性或许正在被重新定义。 ## 开放模型为何成为企业首选？ Delangue 在近期访谈中强调，多数企业并不需要最前沿的模型能力。对于内部文档处理、客户服务自动化、代码辅助等高频场景，**开放模型在性能上已足够胜任**，而成本却低得多。以 Llama 2、Mistral 等为代表的开放模型，不仅可免费商用，还能在本地部署，避免数据外泄风险。 此外，**所有权与控制权**是企业转向开放模型的核心驱动力。使用闭源前沿模型意味着依赖单一供应商，而开放模型允许企业自行微调、定制，甚至基于自身数据训练专属版本。这种灵活性在金融、医疗等强监管行业尤为关键。 ## 前沿模型的价值正在稀释？ Delangue 的观点并非孤例。AI 开源社区的数据显示，Hugging Face 上托管了超过 50 万个模型，其中绝大多数为开放模型，且下载量持续攀升。相比之下，前沿模型的 API 调用增长虽快，但**总使用量可能已被开源生态超越**。 这意味着，即使 OpenAI、Google 等继续在基准测试上刷新纪录，**实际生产环境中运行的 AI 很可能多数是开放模型**。对于企业而言，与其追逐每年提升几个百分点的前沿性能，不如选择已足够好、成本可控且可自主掌控的开放方案。 ## 对 AI 行业的启示 这一趋势正在重塑 AI 产业链： - **云服务商**：开始大力支持开放模型部署，如 AWS 推出 Bedrock 集成 Llama 2，Google Cloud 提供 Vertex AI 上的开源模型。 - **初创公司**：专注于模型微调、私有化部署等服务的公司迎来机遇。 - **企业决策者**：需重新评估“前沿模型焦虑”，优先考虑实际业务需求与总拥有成本。 当然，前沿模型在复杂推理、多模态等领域的突破仍具战略价值。但Delangue 的观察提醒我们：**AI 的规模化落地可能不再依赖最前沿的技术，而在于最广泛的可及性**。这场竞赛的终点，或许不是参数规模的比拼，而是谁能通过开放生态让 AI 真正渗透进每一个商业场景。
Spotify 正在向 Premium 用户推出一项全新的 AI 驱动对话功能，允许用户通过聊天来发现音乐、播客、有声书等内容。该功能目前在美国、爱尔兰和瑞典的 iOS 与 Android 设备上以 Beta 形式提供，面向 18 岁以上用户，仅支持英语。 这项功能使 Premium 用户能够通过打字或语音与 Spotify 进行交互式对话，从而选择想要播放的内容。它超越了之前的 AI DJ 体验，覆盖了应用的“主页”和“正在播放”视图。用户不仅可以询问下一首播放什么，还能深入探讨自己的收听历史、了解歌曲背后的灵感、专辑发行日期，甚至获得基于个人口味的艺术家推荐。 Spotify 并未明确透露底层 AI 技术的具体细节，但向 TechCrunch 确认其混合使用了自研 AI 和多家供应商的模型，根据任务选择最佳方案。这是 Spotify 一系列 AI 举措的最新一环，此前已推出 AI DJ、基于提示词创建播放列表的功能，以及连接第三方 AI 聊天机器人（如 ChatGPT）的接口。 新的对话式助手有望进一步降低用户发现内容的门槛，尤其是在面对 Spotify 庞大曲库时。通过自然语言交互，用户可以用更直观的方式探索音乐和播客，例如要求“播放一些我从未听过的艺术家”，然后通过后续指令细化选择。 这一功能目前仍处于测试阶段，Spotify 表示可能不会始终完美运行，但用户反馈将帮助改进产品。随着 AI 在音频流媒体领域的应用日益深入，Spotify 正试图通过更智能、更个性化的交互体验，巩固其在竞争激烈的市场中的领先地位。
自从大语言模型（LLM）爆发以来，各大公司一直在尝试用 AI 分类邮件并撰写听起来像你的回复，以解决收件箱爆满的问题。邮件客户端 **Superhuman** 近日推出了自动草稿功能的新版本，能够识别重要邮件并生成更自然的回复草稿。 Superhuman 过去也曾尝试过类似功能，如即时回复和跟进自动草稿，但那时很多邮件听起来像过于热情的 AI 销售人员，因此并未被广泛使用。而新版本的自动草稿功能则完全不同。在获得测试权限后的几天里，我发送了一些几乎不需要编辑的生成草稿。该应用能够理解哪些邮件可能需要回复，并根据你以往对话的语气生成回复，同时还会提供另外两个变体供选择。 在我的测试中，草稿能够同意关于报道禁运的请求、要求更多细节，或者确认会议时间，这些通常只需少量编辑即可发送。它甚至还能针对要求为 TechCrunch 撰写投稿的邮件生成回复，表示我不负责这项工作（TechCrunch 不接受投稿）。 不过，该功能远非完美。默认情况下，它常常生成对推销邮件表示积极回应的草稿，或者同意在凌晨时间开会。幸运的是，我可以快速从其他变体中选择回复并发送。该功能会从你的使用中学习并改进回复。例如，在凌晨会议事件后，当有人建议类似时间时，功能生成了“这个时间不适合我”的草稿。 我每月收到数千封邮件，部分原因正是 AI 让其他人（如公关人员）更容易撰写初稿。虽然我不放心完全将收件箱交给 AI 处理，但这个功能可以帮助我在不需要长篇大论时回复更多人。用户可以通过 **设置 > 个性化** 添加关于自己和角色的详细信息，以及上传文件或链接以提供更多上下文。 Superhuman 联合创始人 **Rahul Vohra** 表示，在测试阶段，**40% 的自动生成草稿在一天内被发送**，其中 **60% 未经任何手动编辑**。Vohra 指出，早期功能如“即时回复”的发送率约为 30%，而新功能的表现显著提升。这一数据表明，随着 AI 对个人语气和上下文的理解加深，自动起草正在变得更加可信。
一个趋势正在硅谷浮现：那些已经功成名就的科技精英，纷纷放下身段，重新投入一线工作。他们的目标惊人地一致——人工智能。 **Monzo** 联合创始人 **Tom Blomfield** 本周一宣布，他将从 **Y Combinator** 请假，加入 **Anthropic** 的计算团队，职位不是高管，而是“技术成员”。**Instagram** 联合创始人 **Mike Krieger** 已在2024年出任 Anthropic 首席产品官。**OpenAI** 创始成员、前特斯拉 AI 负责人 **Andrej Karpathy** 今年5月也加入 Anthropic 的预训练团队，他称“未来几年在 LLM 前沿将格外具有塑造力”。 并非所有人都选择加入他人实验室。被称为“SPAC之王”的 **Chamath Palihapitiya** 刚刚出任 **8090 Labs** 的 CEO，这是一家企业级 AI 编程初创公司，刚刚完成由 **Salesforce Ventures** 领投的 **1.35亿美元** A 轮融资。Palihapitiya 表示：“我确信我们正在构建的东西更加重要，因此除了全力以赴别无选择。” **Opendoor** 前 CEO **Eric Wu** 也于近期推出了面向建筑工人的 AI 助手 **NavigateAI**，并拿到了 **2500万美元** 种子轮融资。他坦言：“如果十年后回头看，发现自己与AI毫无关联，我肯定会后悔。” 最耐人寻味的或许是职位本身。“技术成员”（Member of Technical Staff）是 Anthropic 和 OpenAI 为几乎所有技术人员设定的扁平化头衔，无论资历深浅。这正是 Blomfield 接受的职位。今年3月，**Peter Bailis** 在成为 **Workday** 首席技术官仅几个月后，也以同样身份跳槽 Anthropic。Workday 是一家年收入 **80亿美元** 的企业，而 Bailis 放弃了这一高位，只为投身 AI 前沿。 这些人的共同点：早已财务自由，却甘愿从零开始。驱动他们的，或许是害怕错过 AI 定义性时刻的焦虑，或许是对创造更大价值的渴望。正如 Blomfield 所说：“未来几年在 LLM 前沿将格外具有塑造力。”
Uber 首席产品官 Sachin Kansal 近日接受 TechCrunch 专访，详细阐述了公司在金融服务领域的野心、与 Waymo 日益复杂的关系、新成立的自动驾驶数据业务 AV Labs，以及 AI 如何开始以用户和司机实际能感知的方式融入产品。 ## 从出行到旅行：Uber 的超级应用野心 Kansal 透露，Uber 每年有 **15 亿次行程发生在用户居住城市之外**，这促使公司将“旅行”作为今年的核心主题。Uber 与 Expedia 合作在应用中引入酒店预订功能，同时提供“帮我去商店买”（Shop for Me）代购服务，用户可从任何本地商店下单，甚至包括未入驻 Uber Eats 的商家。此外，欧洲地区的船只租赁服务也已上线。这些举措表明 Uber 正向 **“超级应用”** 方向演进，但 Kansal 强调公司并非“为所有人做所有事”，而是围绕用户出行场景自然延伸服务。 ## 自动驾驶：数据为王，AV Labs 成为战略支点 Uber 成立了已半年的 **AV Labs** 业务单元，部署一支由传感器改装车辆组成的独立车队，专门用于采集海量驾驶数据。这一举措表面上是为了加强与自动驾驶合作伙伴（如 Waymo、Aurora 等）的关系——Uber 持有其中多家公司的股权——但实则也是一种 **战略对冲**。Uber 与部分合作伙伴（尤其是 Waymo）存在直接竞争关系，掌控数据层能为 Uber 提供谈判筹码和未来选项。Kansal 表示，Uber 正在与多家自动驾驶公司合作，但数据所有权将成为其核心优势。 ## 金融服务：司机借记卡与数据标注副业 Uber 在金融科技领域也有动作：为司机推出 **借记卡** 产品，并允许司机通过数据标注任务赚取额外收入。这些举措旨在提升司机忠诚度，同时为 Uber 的 AI 训练积累标注数据。Kansal 指出，AI 正在以用户可感知的方式改进体验，例如更精准的预计到达时间、动态定价优化以及个性化推荐。 ## 与 Waymo 的竞合关系：亦敌亦友 Uber 与 Waymo 的关系愈发微妙。一方面，Uber 在部分城市将 Waymo 的自动驾驶车辆接入平台提供打车服务；另一方面，两者在自动驾驶出租车市场直接竞争。Kansal 承认这种关系“复杂”，但强调 Uber 的平台化战略使其能与多家自动驾驶公司合作，而 Waymo 只是其中之一。Uber 的 AV Labs 数据收集能力，可能在未来成为与 Waymo 谈判时的重要筹码。 ## 小结 Uber 正从单纯的出行平台向 **旅行+金融+数据** 的综合生态转型。通过 AV Labs 掌握数据主动权，通过金融工具绑定司机，通过旅行服务提升用户粘性——这些举措共同构成了 Uber 应对自动驾驶时代不确定性的战略拼图。Kansal 的访谈透露出一个清晰信号：Uber 不想成为“所有人的一切”，但力求在核心出行场景中做到极致，并为未来技术变革预留足够多的底牌。
总部位于新加坡的视频生成初创公司 PixVerse 宣布完成 C 轮扩展融资，总额达 4.39 亿美元。本轮融资后，公司估值已超过 20 亿美元。PixVerse 计划利用这笔资金扩展其世界模型产品，并触达全球更多地区的客户。 该公司的 C 轮初始融资于今年 3 月完成，由 CDH Investments 领投，当时融资金额据 Bloomberg 报道约为 3 亿美元。扩展轮投资者包括阿里巴巴、Lollapalooza Capital、Ivy Capital、Grand Mount Capital、东方贝尔资本、Mirae Asset、蓝色光标和 CloudAlpha，现有投资者 iGlobe Partners 和 OCBC 的 Lion X Ventures 也继续跟投。 PixVerse 由王长虎和谢杰登于 2023 年创立。王长虎曾在字节跳动从事计算机视觉工作，谢杰登曾是投资机构 Lighthouse Capital 的执行董事。公司提供多款模型，包括面向消费者和 API 使用的 V 系列视频模型、面向专业影视工作流的 C 系列视频模型，以及今年早些时候发布的用于游戏开发和世界构建的 R 系列世界模型。用户可通过其工具生成最高 4K 分辨率并自带音频的视频。 据 PixVerse 透露，其消费者产品已拥有超过 1.5 亿注册用户和超过 1500 万月活跃用户。公司未透露其中付费用户的具体数量，但提供了具有竞争力的价格：图像转视频每分钟 4.80 美元。 谢杰登认为，尽管视频生成领域机遇巨大，但市场上仅有少数公司取得进展。OpenAI 在关闭 Sora 2 后退出该业务，Meta 和腾讯等公司未能创建高质量的视频模型。因此，能够达到质量门槛的公司寥寥无几。他表示，消费者和企业市场机会均等，用户既为娱乐创作视频，也消费 AI 制作的短视频内容，而企业则将视频生成用于创意、学习和营销场景。 然而，宣称模型输出高质量并非独特优势。谢杰登指出，公司的核心优势在于标注。“我们认为关键区别不在于数据本身，而在于如何标注数据。” 他进一步解释，PixVerse 在标注策略上投入了大量精力，这使其模型在生成细节和一致性上优于竞争对手。 视频生成赛道正经历洗牌。PixVerse 的巨额融资表明，资本仍在押注能够解决技术瓶颈并实现商业化的公司。随着世界模型等新产品的推出，PixVerse 正试图从单纯的视频生成工具，升级为更广泛的虚拟世界构建平台。未来，如何将技术优势转化为可持续的市场份额，将是其面临的关键考验。
AI 智能体开发商 **Nous Research** 正接近完成新一轮融资，估值高达 **15 亿美元**。据多位知情人士透露，本轮融资由 **Robot Ventures** 领投，**USV** 及其他知名投资方参投，融资金额至少 **7500 万美元**。距该公司宣布其 5000 万美元的 A 轮融资不到三个月，新一轮融资便已启动，显示出投资者对 AI 智能体赛道的高度热情。 Nous Research 成立于 2023 年，由 Jeffrey Quesnelle、Karan Malhotra、Ryan Teknium 和 Shivani Mitra 联合创立。此前，该公司已从 Paradigm、Robot Ventures、North Island Ventures、OSS Capital 及 Balaji Srinivasan 等投资者处累计获得 7000 万美元融资。其核心产品 **Hermes** 是一个开源 AI 智能体，能够自动执行网页搜索、编程、图像理解等任务，并具备从用户使用中自动学习、自主构建新技能的能力。Hermes 在 GitHub 上已收获约 **21.4 万星标** 和近 **4 万分支**，社区关注度极高。 与近期爆红的 **OpenClaw** 智能体相比，Hermes 的一大特色是内置了多种预装技能，且设计为可自动学习并扩展技能库，无需人工干预。用户可通过 Telegram、Discord 等应用与 Hermes 交互，实现任务自动化。Nous Research 还提供了云端托管版本，月费从 20 美元到 200 美元不等，降低了部署门槛。 除了智能体开发，Nous Research 还运营着一个去中心化网络，用于贡献算力和训练资源，并发布了专注于编程和数学的语言模型。消息人士称，新一轮融资将主要用于扩展 Hermes 的产品线和商业模式。 本次融资若顺利完成，将使 Nous Research 跻身独角兽行列，进一步加剧 AI 智能体领域的竞争。目前，Nous Research 拒绝置评，USV 和 Robot Ventures 也未回应请求。
在硅谷关于 AI 潜在风险的诸多争论中，有一个担忧正让 AI 爱好者们最为焦虑：那些销售专有模型的大型 AI 实验室，是否像特洛伊木马一样，在提供服务的同时暗中窃取企业最敏感的商业信息。如今，微软 CEO 萨提亚·纳德拉（Satya Nadella）也加入了这一担忧者的行列，并在周日发表的一篇博客文章中发出严厉警告。 ### 双重付费的陷阱 纳德拉指出，使用 AI 的企业实际上在“双重付费”：一方面，他们为 AI 的 token 使用量支付费用；另一方面，他们还在不知不觉中交出了更有价值的东西——专有知识。他认为，为了让模型更好地服务于自身业务，企业必须向模型提供大量内部数据，这些数据包括提示词、工具使用记录，尤其是当模型出错时用户给出的纠正。每一次纠正都被蒸馏为机构知识，而这类知识是竞争对手永远无法购买的。 ### 蒸馏：公平的反制还是新的争议？ 纳德拉主张，如果 AI 公司可以自由地爬取互联网数据来训练模型，那么企业也应该有权研究或“蒸馏”这些模型作为回报。蒸馏是指利用模型的输出来理解其工作原理，并基于这些见解训练一个更便宜的新模型。今年 2 月，Anthropic 曾指责中国开源模型向 Claude 发送数百万条提示以改进自身模型，并敦促美国政府加强出口管制。纳德拉认为，模型制造商不能两面占便宜：一边自由地使用全球数据训练模型，一边却限制别人对自己的模型做同样的事。 ### 行业反响与深层影响 纳德拉的警告并非孤例。此前，风投 Jason Calacanis 和 Palantir CEO Alex Karp 也曾表达过类似担忧。这一观点直击 AI 行业的核心矛盾：数据所有权与模型透明性。如果企业无法确保自己提供给模型的数据不会被用于竞争，那么他们对 AI 的信任度将大打折扣。纳德拉的立场也反映了微软作为 AI 服务提供者与用户之间的微妙关系——微软既投资 OpenAI 提供模型，又通过 Azure 服务大量企业客户。 ### 结语 纳德拉的警告为 AI 行业投下了一枚重磅炸弹。它提醒所有正在或打算采用 AI 的企业：在享受技术红利的同时，必须警惕数据泄露的风险。而解决之道或许在于建立更公平的数据使用规则，让企业既能利用 AI 提升效率，又能保护自身的核心知识资产。
苹果公司上周五向法院提交了一份长达41页的诉状，指控OpenAI通过前员工系统性地窃取其商业机密。诉状中披露的细节令人瞠目，从员工之间轻松调侃“LOL，我发现我能访问苹果网络存储”到指控OpenAI的硬件业务“烂到骨子里”，苹果试图描绘一幅从高层默许到基层执行的系统性窃密图景。 ## 核心指控：这不是个例，而是文化 苹果在诉状中强调，OpenAI的窃密行为并非少数员工的个人行为，而是由领导层“常态化并示范”的企业文化。诉状写道：“OpenAI的硬件业务现在建立在最不稳固的基础上——因非法依赖盗用商业机密而烂到骨子里。”这一比喻直指OpenAI正在研发的、可能挑战iPhone的硬件设备。 ## 具体案例：轻松的口吻与严重的指控 最令人惊讶的细节之一是，一名前苹果高级系统电气工程师**张刘（Chang Liu）**在加入OpenAI后，给仍在苹果工作的同事**彭玉婷（Yu-Ting “Alyssa” Peng）**发送消息：“LOL，我发现我能访问[网络存储]，太搞笑了。”彭回复：“我准备好了。”苹果称，张刘利用一个身份验证漏洞，通过彭的苹果工作电脑侵入了苹果系统。彭后来也加入OpenAI，但未被列为被告。 苹果表示，这只是“冰山一角”。诉状称：“证据开示程序将揭露，盗用规模比下面描述的几起案例大得多。”这意味着苹果预计在后续法律程序中会发现更多类似行为。 ## 行业背景：AI人才战与商业机密风险 此案折射出硅谷AI人才竞争的激烈程度。OpenAI近年来从苹果、谷歌等科技巨头高薪挖角，而苹果一直对AI业务保持低调，直到今年才推出Apple Intelligence。苹果的起诉不仅是为了追责，更意在震慑其他试图通过挖角获取机密的企业。 ## 潜在影响 如果苹果的指控成立，OpenAI不仅面临巨额赔偿，其硬件产品（可能是一款AI手机）的合法性也将受到质疑。此外，案件可能促使更多公司收紧对离职员工的数据访问权限，并加剧科技巨头间的法律摩擦。 目前，OpenAI尚未公开回应。案件将在加州联邦法院审理，后续发展值得关注。
Sam Altman 与 Elon Musk 在社交媒体上的最新交锋，再次将“太空数据中心”这一概念推至聚光灯下。面对 Musk 的“骗子”指责，OpenAI 首席执行官 Altman 反唇相讥：“老兄，你才是那个向公开市场投资者兜售短期太空数据中心的人。”抛开个人恩怨，Altman 的这句话实际上道出了许多行业专家早已形成的共识：**太空数据中心短期内无法成为严肃的商业业务**。 ## 估值万亿的“太空赌注” Musk 的 SpaceX 计划发射一支由轨道数据中心组成的舰队，用于执行 AI 推理任务。这一愿景正是 SpaceX 当前 **2 万亿美元估值** 的核心驱动力之一。看涨的分析师认为，若成功，这些太空算力将前所未有地推动 AI 模型发展，甚至成为“轨道云服务”。然而，当与真正了解技术的专家——无论是其他太空数据中心初创公司的创始人、Google 轨道计算项目的团队，还是纯粹出于兴趣进行过测算的工程师——交流时，得到的答案惊人一致：**在火箭成本大幅下降、能够批量生产高性能卫星之前，太空数据中心不会产生实质影响**。 ## Starship 是关键，但远水难解近渴 Musk 对此的回应几乎是条件反射式的：SpaceX 正在开发的大型火箭 Starship 将解决成本问题。Starship 的第 13 次试飞最快定于 7 月 16 日进行。如果团队能够实现火箭两级回收的成功，那么经济性的大门或许会打开一条缝。但即便这次试飞成功，**实现可复用的常态化运营仍需数年时间**。而且，SpaceX 的首要任务仍然是履行 NASA 合同以及建设 Starlink 星座，太空数据中心项目大概率要排在后面。更关键的是，SpaceX 在 IPO 路演中曾承认，Starship 在短期内可能无法实现完全复用，每次发射仍需抛弃第二级，**这将直接扼杀经济型太空数据中心的可行性**。 ## “明年就飞”的承诺为何苍白 当 Musk 回应“我们明年就开始发射它们”时，业内专家并不买账。问题不在于 SpaceX 能否在明年发射一枚具备高速数据处理能力的实验卫星——这几乎是可以肯定的。真正的难点在于 **何时能够实现大规模、低成本的制造和发射**。考虑到火箭复用技术的成熟周期、卫星批产能力的建设，以及 SpaceX 自身的资源分配，合理的答案指向 **2030 年代**。 ## 小结 Altman 的“吐槽”虽然带有个人情绪，却精准地揭示了 AI 产业与航天产业结合的现实瓶颈：**技术愿景与商业落地之间存在巨大鸿沟**。对于公开市场投资者而言，过度追捧“太空数据中心”概念可能意味着忽视物理定律与工程周期的约束。而对于整个行业，这场争论再次提醒我们：AI 的算力需求固然迫切，但解决方案仍需脚踏实地。
Comma AI 创始人 George Hotz 近日发表争议性观点，主张 AI 应完全对齐用户个人意志，即使这意味着帮助用户策划谋杀。他认为集中式 AI 对齐方案（如 AI 2040 计划）忽略了个人自由，而本地化、用户对齐的 AI 才是未来。文章探讨了 AI 对齐的两种路径及其伦理困境。
Anthropic 正在为其在印度市场的用户提供以印度卢比计价的 Claude 订阅计划。这一举措标志着 Anthropic 对其第二大市场（仅次于美国）的本地化策略进一步深化。 目前，印度用户已开始看到以卢比显示的订阅价格，而此前所有地区的定价均以美元结算。此举不仅降低了汇率波动带来的不确定性，也使得印度用户能够更直观地评估服务成本。 印度作为全球最大的 AI 人才市场之一，同时也是对 AI 工具需求高速增长的区域。Anthropic 的本地化定价可能意味着其正在积极拓展该市场的企业用户和开发者群体。此前，OpenAI 等竞争对手也已在印度推出本地化定价或免费层级的服务。 对于印度用户而言，卢比计价将减少国际交易手续费，并可能通过当地支付方式（如 UPI）提升订阅便利性。不过，Anthropic 尚未公开具体的卢比定价金额，以及是否会针对不同用户群体（如个人 vs 企业）提供差异化方案。 从行业视角看，AI 服务的区域定价正成为竞争新维度。与 Netflix、Spotify 等消费级服务类似，AI 公司也开始根据购买力平价调整价格，以平衡全球覆盖与本地市场渗透。Anthropic 此次动作，或预示其将加大在亚太地区的资源投入。
谷歌旗下的导航应用 Waze 近日迎来重大更新，引入了多项由 Gemini AI 驱动的功能，并新增了摩托车模式等个性化选项。这些更新不仅提升了导航体验，也反映了谷歌将 Gemini 整合进更多产品的战略，同时帮助 Waze 更好地与 Apple Maps 等对手竞争。 ### 个性化路线推荐 Waze 现在能够根据用户的行程历史和对城市交通模式的理解来推荐路线。例如，如果你偏好高速而非普通道路，系统会优先显示高速路线。用户也可以选择关闭个性化功能。该更新已全球上线 Android 和 iOS 平台。 ### Gemini 驱动的目的地搜索 用户现在可以通过语音或文本与 Gemini 对话来查找目的地。例如，你可以说“找一家现在营业的咖啡店”或“找个靠近 Grand Mall 的停车场”，Waze 会返回相关选项。该功能目前面向全球 Android 和 iOS 的 Beta 用户开放。 ### 摩托车模式 针对两轮车用户，Waze 推出了摩托车模式。AI 会考虑摩托车专属的捷径和道路限制，提供最佳路线和更准确的预计到达时间，并显示坑洼、减速带等危险信息。该模式已在阿根廷、巴西、哥伦比亚、马来西亚、墨西哥、秘鲁和菲律宾上线，未来将扩展至更多国家。 ### 自然语言道路报告与地图更新 用户现在可以用自然语言报告交通事件，如“这里道路封闭”，Waze 会将详情发送给本地地图编辑。该功能已全球上线。此外，Waze 还增加了“少话模式”，减少驾驶中的干扰。 这些更新展示了 AI 如何提升导航的便利性和个性化，也标志着谷歌在 AI 应用上的又一进展。