埃隆·马斯克（Elon Musk）周四再次出庭，试图从法律上拆解 OpenAI。但在交叉质询中，他不得不承认特斯拉目前并未追求通用人工智能（AGI）——这直接与他几周前发布的推文相矛盾。 马斯克的诉讼指控山姆·奥尔特曼（Sam Altman）及 OpenAI 联合创始人欺骗他资助一家非营利组织，随后却推出营利性部门并让其主导整个机构。在长达数小时的证词中，马斯克称自己最初信任合作伙伴会为人类构建 AI，但后来逐渐怀疑他们的动机，最终认定他们“掠夺非营利组织”。 然而，OpenAI 的律师威廉·萨维特（William Savitt）通过交叉质询揭示，马斯克早在 2016 年就曾讨论过将 OpenAI 转为营利性公司，并在 2017 年探索创建营利性部门，由他持有多数股权并控制公司。当这些计划失败后，他停止了定期捐赠，但仍支付办公室租金至 2020 年。 本案的关键可能在于陪审团和法官如何看待 OpenAI 投资者是否面临潜在利润上限。马斯克坚称自己被欺骗，但 OpenAI 方面则试图证明他曾积极支持营利化转型。庭审仍在进行中，预计将持续多日。
Meta 的 Reality Labs 部门仍在每季度亏损约 40 亿美元，这已成为常态。自 2021 年以来，该部门累计亏损高达 835 亿美元。与此同时，Meta 正从元宇宙转向 AI 竞赛，预计 2026 年资本支出将达 1250-1450 亿美元，远超分析师预期。尽管 Meta 凭借社交广告业务仍盈利强劲（Q1 净利润 268 亿美元），但其 AI 基础设施投入的规模令人瞩目。
微软CEO萨提亚·纳德拉在最新财报电话会上明确表示，对修订后的OpenAI合作协议“感觉良好”，并强调微软将积极利用这一安排。核心变化在于：微软不再拥有OpenAI技术的独家使用权，但获得了直至2032年的免版税访问权限，涵盖OpenAI最前沿的模型和智能体产品。纳德拉直言：“我们拥有一个前沿模型，拥有到2032年的全部IP权利，我们完全计划充分利用它。” 这一表态直接回应了外界对微软可能因失去独家地位而在AI竞争中落后的担忧。尽管OpenAI随即宣布与微软最大云竞争对手亚马逊AWS合作，纳德拉对此不以为意。他指出，微软的AI业务年化收入已突破370亿美元，同比增长123%，远超预期。此外，OpenAI本身也是微软的重要客户——不仅在AI加速器方面，也在其他计算资源上大量采购微软服务。加上微软持有的OpenAI股权，整个合作对微软而言依然是“双赢”结构。 ### 合作本质：从“独家”到“深度绑定” 新协议的框架清晰表明，微软与OpenAI的关系从“排他性合作”转向了“深度利益绑定”。尽管微软不再独享OpenAI技术，但免版税条款意味着微软可以无成本地将OpenAI最新能力整合进Azure云服务，并向企业客户提供。这相当于微软以股权和云计算资源换取了长期、低成本的前沿AI能力，而OpenAI则获得了稳定的算力保障和商业化渠道。 ### 财务影响：AI业务成增长引擎 微软最新财报显示，其AI业务年化收入达370亿美元，增速惊人。这一数字已超过许多分析师的预期，也印证了纳德拉“AI是微软未来十年最大机会”的判断。在失去独家地位后，微软能否维持这一增速？纳德拉的答案是肯定的：通过将OpenAI模型嵌入Office、Azure、GitHub Copilot等全线产品，微软正在将AI能力转化为实际营收。 ### 行业视角：云厂商的AI军备竞赛 微软与OpenAI关系的调整，本质上是云计算巨头争夺AI制高点的一个缩影。亚马逊AWS与OpenAI的联手，意味着AI模型不再绑定单一云平台，而是成为跨平台的基础设施。对于微软而言，提前锁定免版税访问权，相当于在成本端获得了巨大优势。而纳德拉的“exploit”一词，透露出微软将加速把OpenAI技术商业化，巩固其在企业AI市场的领先地位。 ### 小结 微软与OpenAI的新协议，表面上削弱了微软的独家性，实则通过财务和资源深度绑定，为微软构建了长期竞争优势。纳德拉的自信不仅来自财务数据，更来自微软对AI落地的全栈布局——从底层算力到应用层产品，再到企业客户生态。在AI竞赛的下半场，微软正试图用“开放但深度绑定”的策略，走出一条不同于谷歌和亚马逊的路。
在马斯克诉奥特曼案庭审第三天，双方律师围绕马斯克2017年试图控制OpenAI的未遂行动展开激烈交锋。法庭上曝光的邮件显示，马斯克曾通过停止资金支持、挖角研究人员等手段向这家非营利组织施压，意图在组建营利部门时获得绝对控制权。 ## 资金断供与权力博弈 庭审中，OpenAI律师威廉·萨维特向法庭展示了2017年9月的邮件往来。邮件显示，马斯克在与联合创始人格雷格·布罗克曼和伊利亚·苏茨克弗讨论组建营利部门时，**要求获得董事会四个席位**，使他的投票权超过其他联合创始人（仅剩三席）。马斯克在邮件中直言：“我毫无疑问会拥有公司的初始控制权，但这会很快改变。”苏茨克弗旋即拒绝，担心这会赋予马斯克过大权力。 为了在这场权力斗争中占据上风，马斯克早在谈判开始前数月就**停止向OpenAI付款**。自2016年起，作为其10亿美元捐赠承诺的一部分，马斯克每季度向OpenAI汇款500万美元。但在2017年春季，他中断了资金支持。同年8月，马斯克家族办公室负责人贾里德·伯查尔发邮件询问是否应继续扣留资金，马斯克回复了一个简单的“是”。 ## 人才挖角与法庭对峙 除了资金施压，马斯克还试图**挖走OpenAI的研究人员**。法庭出示的证据表明，在权力斗争失利后，马斯克与特斯拉和Neuralink的高管讨论了吸纳OpenAI人才的可能性。 庭审现场气氛紧张。法官伊冯·冈萨雷斯·罗杰斯在开庭时因有人拍摄马斯克照片而训斥旁听者。OpenAI总裁布罗克曼坐在律师身后，膝上放着黄色便签本，**对马斯克投以冷眼**。马斯克在证人席上明显焦躁，频繁打断对方律师，指责其问题具有误导性。萨维特的交叉询问因反对意见、技术故障以及马斯克反复声称“不记得”关键细节而屡屡受阻。 ## 案件脉络与行业影响 这场诉讼始于马斯克对OpenAI背离非营利初衷的指控。马斯克主张，OpenAI与微软的合作及其转变为“利润上限”公司违背了最初为人类福祉开发AI的承诺。而OpenAI则反击称，马斯克因未能掌控公司而心生怨恨，其诉讼本质是“商业报复”。 案件仍在审理中，但已有迹象表明，法庭披露的邮件证据可能对马斯克不利。**如果法院认定马斯克确实利用资金和人才优势打压OpenAI**，不仅会影响他个人的商业声誉，也可能为AI行业公司治理与创始人权利边界提供判例参考。 ## 小结 这场庭审揭开了硅谷权力斗争的冰山一角：当理想主义组织转向商业化时，早期资助者与管理者之间的利益冲突如何激化。马斯克“先停止输血、再要求控制权”的策略，以及最终因未达目的而诉诸法律，都引发了关于**AI治理中资本与权力平衡**的深层讨论。案件后续走向，值得行业持续关注。
尽管外界普遍认为 Copilot 使用率不高，微软在最新财报电话会议上披露，其 AI 助手 M365 Copilot 的付费企业用户数已突破 **2000 万**，且使用深度和广度均显著增长。微软 CEO 萨提亚·纳德拉表示，季度内用户查询量环比增长近 **20%**，周活跃度已与 Outlook 持平，成为“日常习惯”级别的使用。 **企业级部署加速** 纳德拉指出，拥有超过 **5 万个席位** 的企业数量翻了两番，拜耳、强生、梅赛德斯-奔驰和罗氏等客户均部署了 **9 万个以上** 席位。本周早些时候，微软与埃森哲签署了 **超过 74 万个席位** 的合同，创下 Copilot 单笔最大订单。这些数据表明，大型企业正将 Copilot 视为提升生产力的核心工具，而非实验性产品。 **多模型策略与 Agent 模式** 针对外界对 OpenAI 依赖的担忧，纳德拉强调 Copilot 不绑定单一模型。用户可在聊天中默认访问多个模型（包括 Anthropic 的 Claude），并通过智能路由和 Agent 协作生成最优结果。上周，微软将 **Agent 模式** 设为 Copilot 在 Word、Excel、PowerPoint 中的默认体验，进一步推动用户从“被动问答”转向“主动任务代理”，这被认为是使用量激增的关键驱动力。 **行业分析师观点** 摩根士丹利分析师基思·韦斯评价称，Copilot 的表现“远超多数人预期”。尽管市场曾质疑 AI 工具的实际价值，微软的数据正在重塑叙事：**2000 万付费用户** 和接近传统办公软件的周活跃度，证明 Copilot 已从“尝鲜”进入“依赖”阶段。 **未来展望** 随着 Agent 模式和多模型路由的深化，Copilot 正从辅助工具演变为工作流程的核心编排者。微软的季度数据不仅展示了商业成功，更预示着 AI 办公助手正在跨越“使用鸿沟”——当用户像使用邮件一样依赖 AI 时，企业软件市场将迎来结构性变革。
Google Cloud 在 2026 年第一季度交出了一份亮眼的成绩单：**季度营收首次突破 200 亿美元**，同比增长 63%，其中 AI 解决方案成为最大增长引擎。然而，在 Alphabet 的财报电话会上，管理层坦诚指出，**算力容量不足**已成为制约云业务进一步增长的关键瓶颈。 ## 营收结构：AI 驱动，平台增速领跑 Google Cloud 本季度的增长主要由 **Google Cloud Platform（GCP）** 拉动，其增速高于整个 Cloud 部门的整体营收增速。GCP 涵盖基础设施、数据分析、AI/ML 工具以及 Google Workspace 等服务。CEO Sundar Pichai 在周三的财报电话会上表示，增长动力来自 **Gemini Enterprise** 及其 AI 解决方案的强劲需求，同时基础设施（包括 TPU 硬件和数据中心）的需求也在持续攀升。 具体来看，**基于 Google 生成式 AI 模型的产品营收同比增长近 800%**；Gemini Enterprise 环比增长 40%；AI API 的 Token 消耗量达到每分钟 **160 亿**（Q4 为 100 亿）。客户获取方面，新客户数同比翻倍，千万至十亿美元级别的交易数量同比增长一倍，并签署了多个十亿美元级大单。客户的初始承诺支出环比超出 45%。 ## 算力瓶颈：4620 亿美元积压订单背后的隐忧 尽管数据亮眼，Pichai 也坦承了增长的“天花板”。Google Cloud 的积压订单（backlog）在本季度翻倍，达到 **4620 亿美元**，这既是需求旺盛的证明，也暴露了供给端的不足。Pichai 表示：“显然，我们在短期内受到算力限制。举例来说，如果我们能完全满足需求，云营收本可以更高。” 他强调公司正在积极投资，但长期规划框架仍需稳健应对这一挑战。 这一表态引发了投资者对 **算力分配策略** 的关注：在有限的 GPU/TPU 资源下，Google 如何平衡内部 AI 研发、外部客户需求以及资本支出节奏？Pichai 将 backlog 的增长定位为差异化优势，认为这体现了 Google Cloud 在客户粘性上的独特地位，但市场仍对产能扩张速度存有疑虑。 ## 行业视角：算力稀缺成为云厂商的“甜蜜烦恼” Google Cloud 的处境并非个例。随着大模型竞赛进入规模化阶段，全球云厂商普遍面临 **AI 算力供不应求** 的局面。微软 Azure、亚马逊 AWS 同样在加速扩建数据中心，但芯片交付周期、电力消耗和冷却技术等硬件瓶颈短期内难以完全解决。Google 此次主动披露“容量受限”，反而可能增强客户对其需求真实性的信任——毕竟，愿意为算力排队的企业，往往也是高价值长期客户。 ## 小结：增长故事的下半场 Google Cloud 首次突破 200 亿美元营收，验证了 AI 商业化的巨大潜力。但算力瓶颈也提醒市场：**云厂商的竞争正从“软件能力”延伸到“硬件基建”**。未来几个季度，Google 能否通过自研 TPU、优化数据中心效率以及更灵活的算力分配策略来释放 backlog 中的需求，将是决定其能否持续追赶 AWS 和 Azure 的关键。
合同分析长期以来是法务、合规和采购团队的痛点——关键条款深藏在冗长、非结构化的协议中，随着合同量增长，人工检索和解读变得难以规模化。虽然关键词提取和合同管理系统能解决部分问题，但面对复杂法律语言时往往力不从心。普华永道（PwC）推出的 **AIDA（AI-driven Annotation）** 解决方案，基于 AWS 云原生服务，将大语言模型（LLM）与自动化提取流程结合，实现了从合同到结构化洞察的转变。 ### 三大核心能力 AIDA 提供三种关键功能，覆盖从单文档到多文档的合同分析场景： - **模板化提取**：基于预设规则自动抽取关键条款（如赔偿条款、终止条件），用户无需手动扫描全文。 - **文档级对话**：针对单份合同，用户可用自然语言提问（例如“本合同的管辖法律是什么？”），系统返回精准答案并附带原文引用。 - **跨文档全局对话**：在项目内多份合同间进行联合查询，例如“哪些合同包含竞业限制条款？”——这对并购尽职调查或供应商合规审计尤为实用。 ### 架构与安全设计 AIDA 构建在 AWS 之上，核心组件包括： - **Amazon Bedrock** 提供 LLM 推理能力，支持 Claude 等模型，确保复杂法律文本的理解。 - **Amazon S3** 存储原始合同与提取结果，**Amazon DynamoDB** 管理元数据与索引。 - **Amazon Textract** 实现 OCR 与文档解析，将 PDF/扫描件转为可处理文本。 - 安全方面，AIDA 通过 **AWS KMS** 加密、**IAM** 细粒度权限控制以及 **VPC** 隔离，满足企业级合规要求。用户仍须自行配置以满足特定监管义务。 ### 实际效果与行业价值 在客户部署中，AIDA **将手动合同审阅时间减少了最高 90%**，显著缩短了审查周期。这不仅释放了法务团队的人力，更使得“延迟审查”不再成为交易瓶颈。对于金融机构、律所、大型企业采购部门而言，这意味着更快的合同签署、更低的合规风险。 ### 局限与展望 尽管 AIDA 表现亮眼，但 **LLM 的“幻觉”问题仍需人工复核**——尤其是涉及重大责任条款时，最终判断不应完全交给 AI。PwC 强调，AIDA 定位为“辅助工具”，人类专家仍需对关键输出进行验证。未来，随着多模态模型和 Agent 框架成熟，合同分析有望从“提取”走向“自动谈判建议”甚至“条款修订生成”。 **一句话总结**：AIDA 是 AI 在垂直法律场景的一次扎实落地——不是替代律师，而是让律师从“找条款”中解放出来，专注于更高价值的判断。
上个月，美国紧急救援部门的领导人在与美国国家公路交通安全管理局（NHTSA）的闭门会议中表达了对 Waymo 自动驾驶汽车的不满。他们表示，这些车辆在街道上的表现令人沮丧，消防员、警察和急救人员不得不在紧急情况下花费时间处理冻结或卡住的车辆。一位消防官员称，这对救援人员和受害者都构成了安全隐患。WIRED 获得了会议录音。 来自旧金山和奥斯汀的官员指出，Waymo 车辆的性能正在倒退。旧金山应急管理部执行主任 Mary Ellen Carroll 表示：“我们实际上看到了一些有趣的现象：之前改善的问题出现了倒退。它们违反交通规则的次数变多了。”旧金山消防局局长 Patrick Rabbitt 补充道：“我们看到了一些几年未出现的行为……Waymo 现在经常堵塞我们的消防站入口。它们的默认状态是‘冻结’。”这阻碍了消防车及时响应紧急情况。 在奥斯汀，警方也频繁遭遇 Waymo 车辆“冻结”的问题。奥斯汀警察局高速公路执法指挥部指挥官 William White 中尉表示，Waymo 车辆经常无法识别或响应警官的手势信号，导致紧急情况下的连锁延误。White 直言：“我认为这项技术部署得太快，数量太多，有数百辆车，而它实际上还没有准备好。” 这些投诉正值 Waymo 在美国乃至全球加速扩张之际。目前，Waymo 已在美国 10 个城市的部分区域提供无人驾驶出行服务，并计划在年底前新增 10 个城市，包括伦敦。Waymo 上月表示，每周提供 50 万次付费出行，虽然远低于 Uber 的 2 亿次，但自去年以来已增长 10 倍。 ### 问题根源与行业启示 此次会议暴露了自动驾驶技术在实际部署中的核心矛盾：技术成熟度与规模化速度之间的失衡。Waymo 作为行业领头羊，其车辆在复杂城市环境中的表现本应更加稳定，但救援人员的反馈表明，当前系统在处理非标准交通场景（如紧急车辆靠近、手语指挥）时仍存在明显短板。 从技术角度看，“冻结”行为可能源于感知或决策算法在面对异常事件时的保守策略——即无法确定安全操作时选择停车等待。然而，这种保守在紧急情况下反而制造了新的危险。这提醒整个行业：自动驾驶系统需要更优的“安全-效率”平衡，尤其是在与人类应急人员交互的场景中。 ### 监管与公众信任的挑战 NHTSA 对此事未予置评，但此类投诉无疑会加剧监管机构对自动驾驶大规模部署的审查。Waymo 的快速扩张背后，公众信任是成败关键。救援人员的负面评价可能影响政策制定者和普通市民的态度，进而延缓技术落地进程。 Waymo 需要优先解决这些“边缘案例”，例如通过更频繁的软件更新、与地方应急部门建立实时沟通机制，甚至为车辆增加远程辅助功能，以避免未来出现更严重的事故。毕竟，技术进步的最终目标应是提升所有人的安全与效率，而非成为新的障碍。
泰勒·斯威夫特近期提交了三项商标申请，旨在保护其肖像和声音，此举正值AI深度伪造在社交媒体泛滥之际。AI检测公司Copyleaks的最新报告显示，斯威夫特、金·卡戴珊、蕾哈娜等明星的肖像被用于TikTok上的欺诈性广告。这些广告利用AI操控的采访视频，伪造明星推荐所谓的“TikTok Pay”奖励计划，诱导用户点击链接并分享个人信息。广告中的深度伪造斯威夫特使用真实采访片段，声音逼真，并配有纹理滤镜掩盖AI痕迹。点击链接后，用户被引导至第三方服务页面，该页面疑似使用AI平台Lovable生成，并带有TikTok品牌标识。研究人员警告，此类广告旨在窃取用户数据或实施诈骗。斯威夫特的商标申请是对这一趋势的直接回应，也凸显了名人及普通人在AI时代面临的肖像权风险。 ## 深度伪造广告如何运作？ Copyleaks发现，这些广告以明星在红毯或脱口秀节目中的采访为背景，但内容被替换为推销“TikTok Pay”测试功能。深度伪造的斯威夫特声称用户可通过观看视频并提交意见获得报酬，并鼓励“不要多想”立即尝试。实际上，所有点击者都会被接受，随后被导向一个第三方网站，该网站虽使用TikTok名称和标志，但URL和页面设计显示其由Lovable AI构建。 ## 商标申请的意义 斯威夫特的商标申请涵盖了她手持粉色吉他的标志性照片，以及“Hey, it’s Taylor Swift”和“Hey, it’s Taylor”两句语音标识。此举法律上旨在阻止未经授权的商业使用，但深度伪造技术使得模仿声音和形象变得容易。此前，已有俄亥俄州男子因制作非自愿AI生成亲密图像而被定罪，但针对虚假代言的法律保护仍不完善。 ## 行业警示 此次事件再次敲响警钟：AI生成的虚假内容不仅威胁名人，也波及普通用户。专家建议平台加强审核机制，用户需对“天上掉馅饼”的广告保持警惕。斯威夫特的案例可能推动更多名人采取法律手段保护自身数字资产。
在 Alphabet 发布的最新财报中，CEO Sundar Pichai 宣布谷歌搜索查询量在 2026 年第一季度达到“历史新高”。Pichai 表示：“我们的 AI 投资和全栈方法正在点亮业务的每个部分。搜索本季度表现强劲，AI 体验推动了使用量，查询量创历史新高，收入增长 19%。” 这一成绩得益于谷歌在 AI 领域的持续发力。第一季度，谷歌推出了多项 AI 功能，包括 Gemini 的个性化智能、三星 S26 和 Pixel 10 系列上的任务自动化、Chrome 的“自动浏览”功能，以及 Gmail 的 AI 模式。Pichai 还指出，本季度是“消费者 AI 订阅计划有史以来最强的一个季度”，由 Gemini 应用驱动，目前公司拥有超过 3.5 亿付费订阅，YouTube 和 Google One 是主要推动力。 财报显示，Alphabet 合并营收达到 1099 亿美元，同比增长 22%。谷歌服务营收增长 16% 至 896 亿美元，其中谷歌订阅、平台和设备业务增长 19%。谷歌云业务增长尤为迅猛，营收同比增长 63% 至 200 亿美元。 在财报发布前，谷歌经历了繁忙的开年：推出了 Pixel 10A（被评价为“小更新”），因 Epic Games 诉讼而宣布重大 Google Play 调整，并对其非法垄断在线搜索市场的裁决提起上诉。Alphabet 的营收超出预期，公司将于美国东部时间下午 4:30 举行电话会议讨论第一季度业绩。
在构建AI Agent时，开发者常面临跨会话组织记忆的挑战，导致上下文检索不相关或出现安全漏洞。Amazon Bedrock AgentCore Memory通过**命名空间**（namespace）机制，为长期记忆提供了结构化组织、精确检索和访问控制的能力。本文将深入讲解命名空间的设计模式，帮助你构建高效、安全的记忆系统。 ## 什么是命名空间？ 命名空间本质上是**层次化路径**，用于组织AgentCore Memory资源中的长期记忆记录。你可以将其类比为文件系统中的目录路径——每个记忆记录都存储在一个命名空间下，例如 `/actor/customer-123/preferences/` 存储用户偏好，`/actor/customer-123/session/session-789/summary/` 存储会话摘要。这种结构支持在任意层级进行检索，而不像传统分区键那样仅支持精确匹配。 ## 设计命名空间的关键考量 在设计命名空间层次结构前，需要明确三个核心问题： - **谁需要访问这些记忆？** 是单个用户、一个Agent的所有用户，还是跨Agent共享？ - **需要什么粒度的检索？** 是按会话摘要、跨会话偏好，还是全局规则？ - **隔离边界如何定义？** 一个用户的记忆是否应该对其他用户可见？ ## 检索模式与命名空间策略 命名空间支持两种主要检索模式：**精确匹配**和**层次化前缀匹配**。例如，检索 `/actor/customer-123/session/` 下的所有记录，可以获取该用户所有会话记忆；而检索 `/actor/customer-123/` 则能获取该用户的所有记忆（包括偏好和会话摘要）。 ### 常见设计模式 1. **用户隔离模式**：为每个用户分配独立命名空间（如 `/user/{userId}`），确保数据隔离。适合个人助理类Agent。 2. **会话聚合模式**：在用户命名空间下按会话组织（如 `/user/{userId}/session/{sessionId}`），便于跟踪对话历史。 3. **角色/权限模式**：在命名空间中嵌入角色信息（如 `/role/admin/`），结合IAM策略实现细粒度访问控制。 ## 基于IAM的访问控制 AgentCore Memory与AWS IAM深度集成。你可以通过IAM policy限制特定命名空间的读写权限，例如： ```json { "Effect": "Allow", "Action": "bedrock:RetrieveMemory", "Resource": "arn:aws:bedrock:region:account:agent-memory/...", "Condition": { "StringLike": { "bedrock:MemoryNamespace": "/actor/customer-123/*" } } } ``` 这样，即使多个Agent共享同一记忆资源，也能确保每个用户只能访问自己的数据。 ## 最佳实践总结 - **从检索模式出发**：先设计查询需求，再反推命名空间结构。 - **保持层次扁平**：避免过深嵌套，建议不超过5层。 - **预留扩展性**：为未来可能的新维度（如地域、版本）预留命名空间层级。 - **结合IAM最小权限原则**：为每个命名空间路径设置明确的访问边界。 通过合理的命名空间设计，AgentCore Memory能够支撑从单用户到企业级的多租户场景，让AI Agent的记忆既准确又安全。
OpenAI 最新开源的 Codex CLI 系统提示中，包含一条令人费解的反复警告：要求 GPT-5.5 模型“绝口不提哥布林、地精、浣熊、巨魔、食人魔、鸽子或其他动物或生物，除非用户查询绝对且明确相关”。这条禁令在超过 3500 字的“基本指令”中出现了两次，与其他常规提示（如“除非明确指示，否则不要使用表情符号或破折号”）并列。有趣的是，针对早期模型的系统提示中并无此禁令，暗示这是 GPT-5.5 特有的新问题。社交媒体的传闻显示，近期有用户抱怨 GPT 在无关对话中频繁提及哥布林。OpenAI 员工 Nick Pash 强调这“不是营销噱头”，但 CEO Sam Altman 已在社交媒体上玩起了这个梗。一些用户已开始制作插件或分支来覆盖这条“反哥布林条款”，Pash 甚至暗示未来可能添加“哥布林模式”开关。这一事件让人联想到去年 xAI 的 Grok 模型曾因系统提示被篡改而频繁提及“南非白人种族灭绝”。OpenAI 此举可能是为了纠正 GPT-5.5 的意外行为偏差。
智能手机市场正面临内存芯片供应紧张带来的压力，2026 年发布的机型普遍令人失望，且价格普遍上涨。相比之下，2025 年的旗舰机型如今大幅降价，成为更具性价比的选择。如果你正考虑换新机，不妨将目光投向去年的旗舰——它们性能依旧强劲，但价格更为亲民。 ## 2026 年新机：升级有限，价格却涨 今年的新机，尤其是中端机型，大多只是小幅迭代。例如，三星 Galaxy S26 Ultra 虽然搭载了最新的处理器和相机系统，但相比前代 S25 Ultra，实际体验提升并不显著，而价格却上涨了约 10%。类似的情况也出现在 Google Pixel 10 和 Motorola Edge 2026 上：它们都采用了更新的芯片，但电池续航和相机表现几乎没有进步。 造成这一现象的主要原因在于 **全球内存芯片供应紧张**。DRAM 和 NAND 闪存的价格在 2025 年下半年开始攀升，直接推高了手机制造成本。厂商为了维持利润，不得不提高售价，同时在功能上“挤牙膏”。 ## 2025 年旗舰：性能依旧，价格更香 相比之下，2025 年的旗舰机型如今在各大电商平台均有显著折扣。以 **三星 Galaxy S25 Ultra** 为例，其搭载的骁龙 8 Gen 4 芯片和 200MP 主摄至今仍属顶级配置，而价格已从首发时的 1,299 美元降至约 899 美元，降幅超过 30%。同样，**Google Pixel 9 Pro** 的 Tensor G4 芯片在 AI 摄影和语音助手方面依然出色，现价仅为 799 美元（原价 999 美元）。 这些去年的机型不仅价格更低，而且已经过大量用户验证，系统稳定性更好。更重要的是，它们仍将获得至少 3-4 年的系统更新支持，完全能满足未来几年的使用需求。 ## 购买建议：理性消费，关注实际价值 对于大多数消费者而言，追求最新款手机的意义正在减弱。智能手机的硬件性能已经进入瓶颈期，日常使用中，去年的旗舰与今年的新机几乎难以察觉差异。如果你不是追求极致性能的游戏玩家或摄影发烧友，**选择 2025 年的旗舰机型无疑是更明智的选择**。 当然，如果你确实需要最新的 AI 功能或更好的长焦镜头，那么 Galaxy S26 Ultra 或 Pixel 10 仍值得考虑。但请记住，多花 30%-50% 的预算，换来的可能只是 5%-10% 的体验提升。在预算有限的情况下，去年的旗舰才是真正的“性价比之王”。
## 事件概述 近日，有用户报告了一个令人震惊的 Claude Code 计费 Bug：只要 Git 仓库的近期提交历史中包含大小写敏感的字符串 `HERMES.md`，Claude Code 就会将 API 请求路由到“额外使用量”计费，而非消耗 Max 套餐的配额。该问题导致用户在不知不觉中消耗了 **$200 以上的额外使用额度**，而其 Max 20x 套餐容量几乎未被触及（周使用率仅 13%）。 ## 复现方式 用户提供了极简的复现步骤——无需任何项目文件： ```bash # 触发 Bug：提交信息中包含 HERMES.md mkdir /tmp/test-fail && cd /tmp/test-fail git init && echo test > test.txt && git add . && git commit -m "add HERMES.md" claude -p "say hello" --model "claude-opus-4-6[1m]" # => API Error: 400 "You're out of extra usage..." # 正常情况：提交信息中使用小写 hermes.md mkdir /tmp/test-pass && cd /tmp/test-pass git init && echo test > test.txt && git add . && git commit -m "add hermes.md" claude -p "say hello" --model "claude-opus-4-6[1m]" # => "Hello!" ``` 关键发现：触发条件是 **提交信息中的字符串 `HERMES.md`**，而非磁盘上存在同名文件。Claude Code 会将近期提交包含在系统提示中，而服务端在检测到该字符串时会做出不同的路由决策。 ## 测试细节 | 提交信息 | 结果 | |---------|------| | `HERMES.md` | 失败 —— 路由到额外计费 | | `test HERMES.md test` | 失败 | | `hermes.md`（小写） | 成功 | | `HERMES`（无扩展名） | 成功 | | `HERMES.txt` | 成功 | | `AGENTS.md` | 成功 | | `README.md` | 成功 | | 磁盘上有 `HERMES.md` 但提交信息干净 | 成功 | | 同一仓库，孤儿分支（无历史） | 成功 | ## 影响与后果 该 Bug 直接导致用户的 **$200.98 额外使用额度** 被消耗，而这些请求本应计入 Max 套餐的配额。对于依赖固定预算的开发者或团队而言，此类计费错误可能造成严重的经济损失和信任危机。 ## 行业背景 这一事件暴露了 AI 服务计费系统中的一个典型陷阱：**服务端路由逻辑对用户输入（尤其是元数据）的过度敏感**。类似问题在其他平台也曾出现，例如关键词触发不同的 API 行为或定价策略。对于 Claude Code 这类深度集成开发环境的工具，Git 历史是核心上下文来源，任何对提交信息的特殊处理都可能带来意外后果。 ## 总结 目前该问题已被标记为 `bug` 并关闭，Anthropic 应已着手修复。但此事件提醒所有 AI 工具用户：**检查你的 Git 提交信息**，避免无意中触发异常计费路径。同时，也呼吁服务提供商加强计费逻辑的鲁棒性，防止因字符串匹配等简单机制导致用户损失。
Canonical 计划为 Ubuntu 添加 AI 功能，引发部分 Linux 用户强烈反对，有人要求提供“不含这些功能的 Ubuntu 版本”，有人表示将停留在旧版本甚至切换发行版。Canonical 工程副总裁 Jon Seager 回应称，不会设置全局“AI 关闭开关”，但用户可移除任何不想要的 AI 组件。 ## 争议背景 本周 Canonical 宣布将为 Ubuntu 引入 AI 功能后，社区反响激烈。用户评论中频繁出现对“AI 关闭开关”的呼吁，并将此举与微软在 Windows 11 中强制整合 AI 的做法相提并论。一些用户明确表示，如果无法彻底禁用 AI 功能，他们将考虑改用 Debian、Fedora 等其他发行版。 ## Canonical 的回应与计划 Seager 在周二回应中明确表示，Canonical **不会提供全局“AI 关闭开关”**，但用户可以通过移除相关 Snap 包来删除任何 AI 功能。他进一步说明，即将推出的 AI 功能包括： - **辅助工具**：AI 语音转文字、文字转语音 - **智能代理功能**：用于故障排查、自动化等任务 Canonical 同时鼓励内部工程师更多地使用 AI，并计划从 **Ubuntu 26.10** 版本开始，以“预览”形式逐步引入 AI 功能。Seager 强调，这些功能将**严格采用“选择加入”模式**，在初始设置向导中提供开关选项，用户可自主选择是否启用。所有 AI 组件都会以 Snap 包形式“分层”在现有 Ubuntu 栈之上，因此用户始终可以移除这些 Snap。 ## 社区分歧 尽管 Canonical 提供了移除选项，但一些用户仍对此表示不满。部分用户认为，即使可以移除，AI 功能的存在本身也违背了 Linux 的“简约”和“用户完全控制”理念。另一些用户则对 AI 带来的潜在隐私和性能影响表示担忧。 值得注意的是，Ubuntu 近期还宣布将最低内存要求提升至 **6GB**，这与 AI 功能的引入有一定关联，但也引发了部分用户对系统资源占用的疑虑。 ## 行业视角 此次争议并非孤立事件。微软在 Windows 11 中强制整合 Copilot 的做法曾引发类似反弹，而 Canonical 的“选择加入”策略相对温和。然而，Linux 社区对“上游强加功能”的敏感度更高，因为自由和选择权是 Linux 的核心价值。Canonical 能否在创新与社区信任之间找到平衡，将直接影响 Ubuntu 在桌面 Linux 市场的地位。 ## 小结 Canonical 的 AI 计划尚处于早期阶段，具体功能细节和最终实现方式仍有待观察。对于 Ubuntu 用户而言，短期内最直接的应对方式是在安装时留意 AI 组件选择，或通过移除 Snap 包来保持系统“纯净”。长期来看，Canonical 需与社区进行更深入的沟通，以避免重蹈微软的覆辙。
一场突如其来的军事冲突正让科技巨头们重新审视中东地区的投资计划。据CNBC报道，数据中心开发商Pure Data Centre Group已暂停所有中东项目投资，原因是其位于阿布扎比Yas岛的数据中心在伊朗导弹或无人机袭击中受损。该公司CEO Gary Wojtaszek直言：“没人会冲进着火的房子。” 这场冲突始于2月28日美以对伊朗的袭击，伊朗随后通过攻击航运、美军基地和能源设施进行报复。其中，伊朗直接袭击了亚马逊云服务（AWS）在阿联酋的两处数据中心，另有一架单向攻击无人机险些命中巴林的一处AWS设施。AWS在3月1日的服务仪表板中报告，袭击导致结构性损坏、电力中断，甚至触发了消防系统引发水灾，进而造成银行、支付平台、迪拜打车应用Careem及数据云服务商Snowflake等客户的云服务大规模中断。 为弥补客户损失，亚马逊决定免除其中东云区域整个3月的客户费用。据The Register估算，此举使亚马逊损失约1.5亿美元——这还不包括数据中心修复成本。Tech Policy Press分析指出，现有民法框架将军事冲突下的财务负担转嫁给了数据中心运营商，要求其吸收成本并向客户退款。这意味着，即使AWS这样的巨头也无法通过保险覆盖战争损失，因为战争险已变得不可保。 Pure DC的受损情况相对较轻：其16英亩园区已部署20兆瓦容量，据称仅被弹片击中而非直接命中。但即便如此，Wojtaszek表示，在局势稳定前，公司不会投入新的资本。这一态度反映出整个行业的焦虑：中东地区原本是AI和云计算数据中心建设的“万亿级”热土，但战争风险正迅速冷却投资热情。 对于科技巨头而言，中东不仅是石油中心，更是连接欧亚非的战略节点。然而，当数据中心成为军事打击目标，保险市场失灵，法律保护缺位时，商业逻辑便让位于地缘政治现实。未来，中东数字基础设施的扩张将不得不与安全风险进行更复杂的博弈。
商汤科技（SenseTime），这家以面部识别技术闻名的中国AI公司，于周二发布了一款新的开源模型SenseNova U1，声称其生成和解读图像的速度远快于美国竞争对手的顶级模型。该模型的核心优势在于能够直接“读取”图像，而无需先将其转换为文本，从而大幅提升速度并降低计算需求。商汤联合创始人兼首席科学家林达华表示：“模型的整个推理过程不再局限于文本，它也能用图像进行推理。”他认为，能够直接处理图像的模型未来将使机器人更好地理解物理世界。 与DeepSeek的旗舰模型类似，商汤表示U1可以在中国制造的芯片上运行。发布当天，包括寒武纪和壁仞科技在内的10家中国芯片设计商宣布其硬件支持U1。这种灵活性至关重要，因为美国出口管制限制中国企业获取全球最先进的AI芯片，尤其是用于训练的芯片。林达华表示：“我们将继续推动在更多不同芯片上进行训练。”但他也承认，商汤“可能仍需要使用最好的芯片来确保迭代速度。” 商汤已将U1在Hugging Face和GitHub上免费开源，这再次显示中国公司正成为开源AI最活跃的贡献者之一。商汤成立于2014年，曾是计算机视觉领域的全球领导者，但在ChatGPT等大语言模型兴起后，其盈利能力下滑，被DeepSeek和MiniMax等新秀超越。商汤希望通过公开U1来追赶国内竞争对手。
ZDNET 编辑团队每天评测大量科技产品，但真正让读者掏腰包的，往往不是最新款旗舰手机或笔记本电脑，而是一些看似不起眼、却暗藏惊喜的“小神器”。根据 2026 年至今的销售数据，我们整理出了读者最热衷购买的 **10 款科技好物**，其中第四名连编辑自己都感到意外。 ## 榜单亮点速览 1. **便携式充电宝**：轻薄大容量，支持快充协议，成为通勤族和旅行者的标配。 2. **智能温控水杯**：通过 App 设定饮水温度，长效保温，健康饮水的新宠。 3. **桌面收纳理线器**：磁吸设计，一贴即用，解决桌面线缆混乱的痛点。 4. **空气炸锅配件套装**（意外之选）：包括硅胶炸篮、烤架和烘焙盘，让空气炸锅变身多功能厨房工具。读者评价“比买新锅划算多了”。 5. **降噪睡眠耳塞**：入耳式设计，主动降噪+舒缓音效，专为浅眠者打造。 6. **可折叠太阳能板**：户外露营和应急备用，USB-C 直连，转化效率达 23%。 7. **智能体脂秤**：支持 8 人账户，自动识别用户，数据同步主流健身 App。 8. **迷你投影仪**：巴掌大小，内置电池，投出 100 英寸画面，随时随地打造家庭影院。 9. **触控笔收纳支架**：硅胶材质，可同时收纳 Apple Pencil 和 Surface Pen。 10. **无线蓝牙标签打印机**：手机 App 编辑，热敏打印不耗墨，适合收纳整理和手账。 ## 为什么是它们？ 这些产品有三大共同点：**实用性强、价格亲民、场景明确**。它们并非颠覆性创新，却精准解决了日常生活中的小麻烦——比如线缆杂乱、充电焦虑、睡眠质量差。ZDNET 读者更看重“能立刻改善生活”的体验，而非追逐参数堆砌。 ## 编辑感慨 最让团队惊讶的是第 4 名空气炸锅配件。起初只是作为厨具补充推荐，没想到销量持续走高。一位读者留言：“花几十块钱让旧锅变新锅，这钱花得最值。” 这或许说明，当主流产品趋于成熟时，**生态配件和升级方案**反而成为新的增长点。 ## 选购建议 如果你也想入手这些热门单品，建议优先考虑 **品牌口碑、材质安全和售后政策**。例如，充电宝需关注是否通过民航认证，太阳能板则要核对设备功率匹配。ZDNET 已对每款产品进行实测，点击链接可查看完整评测和实时价格。 > 注：榜单基于 ZDNET 联盟销售数据统计，价格与库存可能随时变动。
在构建依赖大语言模型的工作流时，我们经常使用结构化输出来处理程序化用例，例如将发票转换为数据行、将会议记录转换为工单，甚至将复杂PDF转换为数据库条目。模型可能返回你想要的模式，但其中包含幻觉值，比如不存在的发票编号或日期。 ## 什么是结构化输出基准（SOB）？ **结构化输出基准（Structured Output Benchmark, SOB）** 是一个专门用于测试大语言模型在结构化输出任务中确定性和准确性的新基准。它由一组精心设计的测试案例组成，涵盖了常见的结构化输出场景，包括数据提取、格式转换和数据库条目生成等。 ## 为什么需要SOB？ 当前主流基准（如MMLU、HumanEval）主要评估模型的推理和编码能力，但很少关注结构化输出中的**幻觉问题**。在实际应用中，即使模型输出了正确的JSON结构，其中的字段值也可能完全错误。SOB填补了这一空白，通过量化模型在真实业务场景中的可靠性，帮助开发者选择最适合的模型。 ## SOB的核心特性 - **多领域覆盖**：测试用例来自金融、医疗、法律等领域，模拟真实世界的复杂数据。 - **确定性评估**：对每个输入，要求模型输出唯一且正确的结构化结果，避免模糊性。 - **幻觉检测**：专门设计对抗性案例，检查模型是否会生成不存在的字段或值。 ## 初步结果与行业影响 早期测试表明，不同模型在SOB上的表现差异显著。一些在通用任务上表现优异的模型，在结构化输出中反而出现较高的幻觉率。这提示开发者：**通用能力不等于结构化可靠性**。SOB有望成为AI工程化领域的标准测试工具，推动模型在可落地的程序化场景中持续改进。 目前SOB项目已开源，开发者可以将其集成到自己的评估流水线中。随着AI应用从聊天机器人转向企业级自动化，这样的基准将越来越重要。
Google Photos 即将推出一项全新的 AI 功能，让你能虚拟试穿自己衣柜里的衣服。该功能利用相册中的照片，自动识别并整理你穿过的衣物，生成一个虚拟“衣柜”。你可以浏览已有的整套穿搭，也可以自由组合上衣、下装、裙装、鞋履等单品，创建新造型。每套搭配都设有“虚拟试穿”按钮，点击即可预览上身效果。与去年推出的购物场景试穿不同，这次的新功能聚焦于你实际拥有的衣物。该功能将于今年夏季晚些时候在 Android 设备上率先推出，随后登陆 iOS。