在家观看体育赛事时，您可能发现回音壁在播放音乐和电影时表现出色，但直播比赛的声音却不够清晰。这是因为体育广播的音频特性与录制内容不同，需要针对性调整设置。以下是四个关键优化步骤： ### 1. 使用房间校准 大多数回音壁具备房间校准功能，通过内置麦克风或手机麦克风测量房间的声学特性，包括大小、形状和家具布局。这一功能能显著提升音质：它可平衡低音响应，消除浑浊或过强的低频；同时优化声道均衡，让解说对话更清晰。许多用户忽视此步骤，但校准后效果立竿见影，尤其适合客厅等不规则空间。 ### 2. 降低低音 体育赛事充满低频元素——背景音乐中的弦乐、球场观众的欢呼声。如果解说员介绍球员数据时被音乐掩盖，或观众噪音盖过了裁判哨声，问题很可能出在低音过强。适当降低低音电平，可减少低频对中高频对话的干扰，让关键信息更突出。 ### 3. 开启对话/语音增强 回音壁通常提供对话或语音增强模式。开启后，设备会提升人声频段（约 300Hz-4kHz），使解说、评论和球员沟通更清晰。对于直播信号，该功能尤其有效，因为广播压缩可能削弱人声细节。建议从中等强度开始，避免过度处理导致声音不自然。 ### 4. 关闭音效模式 许多回音壁预设了电影、音乐等音效模式，这些模式会添加虚拟环绕或动态压缩，但可能扭曲体育直播的原始音频。例如，电影模式会扩大声场，却让解说听起来遥远；音乐模式则渲染乐器，分散注意力。建议选择 **标准** 或 **直通** 模式，保留原始信号的真实性。 ### 小结 体育直播的音频编码和动态范围与录制内容不同，因此回音壁的默认设置未必适用。通过房间校准、低音调整、对话增强和模式选择，您能显著提升临场感，让每一次呐喊、哨声和评论都清晰入耳。下次开赛前，花五分钟调整设置，即可享受更沉浸的观赛体验。
Meta CEO马克·扎克伯格上周五宣布计划在下个月举办一场“大规模”全公司AI黑客马拉松，但这一消息迅速引发了员工的愤怒和怀疑。据WIRED看到的内部消息，一些员工表示，在近期大规模裁员后，额外的工作负担让他们几乎没有时间参与这类活动。其他人则表示，由于他们认为公司士气低落且对管理层信任度下降，因此不愿参加。 一位员工周五写道：“我基本上忙于维持团队运转，没有动力参与，更别说有时间了。”在面向Meta约7万名员工发布的帖子中，扎克伯格将黑客马拉松描述为在内部普遍不安时期建立团队情谊的一种方式。Meta产品管理副总裁Ime Archibong随后分享了更多细节，称活动将于7月14日至16日举行，并“专注于AI创新”。 Archibong的帖子立即遭到多名员工的强烈反对，他们用愤怒的消息和讽刺的表情包回应。一位员工在评论中写道：“我不确定这家公司是否还支持黑客马拉松文化。”该评论获得了200多个点赞和爱心反应。“员工被要求用更少的支持覆盖更多的工作，同时同事被解雇，还要避免因不慎使用AI引发严重技术错误。”该员工声称，黑客马拉松的努力不会计入绩效评估，这加剧了员工对参与活动需要搁置其他项目的挫败感。 数十人还对一部喜剧电影《冒牌家庭》改编的表情包做出大笑和点赞反应，上面写着：“你们都有时间参加黑客马拉松吗？”另一位员工写道：“老实说，我没有时间专注于这个，而且我被要求100%投入日常工作。我参加过之前的黑客马拉松，但现在这感觉不像是一个选择。”第三位员工指出他们所说的“令人失望的文化变化”，因为“我不认为有足够的安全感来花时间进行黑客马拉松创新。”Meta拒绝就此事发表评论。
SpaceX 的 IPO 终于尘埃落定，这家太空探索公司以每股 135 美元的价格发行 5.556 亿股，募资 750 亿美元，创下历史最大规模 IPO。股票在纳斯达克开盘价为 150 美元，较发行价上涨 11%，盘中一度飙升 30%，交易量巨大。Robinhood 平台在 SpaceX 上市首日创下交易流量纪录。SpaceX 首席运营官 Gwynne Shotwell 在接受 CNBC 采访时透露，与特斯拉合并可能让马斯克的生活更轻松，引发市场遐想。本文持续更新 SpaceX IPO 的最新动态、关键数据解读与投资机会。 ## 上市首日表现 SpaceX 股票于周五在纳斯达克公开交易，开盘价 150 美元，较发行价 135 美元上涨 11%。盘中股价继续攀升，涨幅一度达到 30%，交易量异常活跃。Robinhood 报告称，其交易平台在 SpaceX 上市后数小时内出现历史级流量峰值。 ## 关键人物与未来展望 SpaceX COO Gwynne Shotwell 在 CNBC 采访中表示，SpaceX 与特斯拉的合并可能简化马斯克的日程管理。这一言论引发投资者对两家公司潜在协同的猜测。Shotwell 还强调了 Starlink 业务的增长潜力，以及可重复使用火箭技术带来的成本优势。 ## 数字背后的故事 根据 SpaceX 提交的 S-1 注册文件，公司过去一年亏损约 49 亿美元，但 Starlink 用户数已突破 200 万，且星舰项目取得重大进展。此次 IPO 的规模是此前纪录保持者（阿里巴巴 250 亿美元）的三倍，使马斯克个人财富有望突破万亿美元大关。 ## 追踪工具与资源 投资者可通过纳斯达克官方页面查看实时股价，Bloomberg 和 CNBC 提供直播博客报道。SpaceX 高管团队在纳斯达克敲钟仪式上亮相，视频回放可在纳斯达克官网获取。 ## 小结 SpaceX 的 IPO 不仅是资本市场的一次盛宴，更标志着商业航天进入大众投资时代。随着 Starlink 和星舰项目的推进，公司长期增长潜力值得关注。但巨额亏损和马斯克个人风格的波动性也是潜在风险。
Meta的Applied AI团队成立仅三个月，却已陷入动荡。据《连线》报道，在一次内部直播演讲中，有人闯入并爆粗口要求高管“滚蛋”，现场一位演讲者甚至掩面。该部门约6500名工程师和产品经理被强制调入，员工自称“被征召者”，主要工作是生成谜题和编程问题以训练AI模型。一位员工形容这是“集中营”，多数人认为工作“灵魂粉碎”。此前有报道称，员工通过邮件突然得知调岗，过程“相当随机”。Meta CEO扎克伯格在内部会议中解释，之所以从内部“征召”而非外包，是因为Meta员工平均智力高于第三方承包商。此外，超过1600名员工签署请愿书，反对公司监控点击和键盘记录用于AI训练。首席产品官Chris Cox也承认公司氛围“黑暗”。
As of today, SpaceX is owned by investors who will want to see it make money.
## 内部直播事故：员工爆粗口，高管无奈离场 本周早些时候，Meta一场面向数千员工的内部直播演示中，一名参与者突然打断会议，用充满脏话的咆哮抱怨“成了公司的婊子”，并要求会议主持者向某位Meta AI高管转达“告诉他他就是坨屎”。据目击者描述，其中一位主持人当场捂脸。尽管会议主持人在要求全员静音后继续技术演讲，但员工在直播流中纷纷评论这场“劲爆”开场。 这一事件并非孤立。据WIRED获得的内部讨论和三名现任员工透露，Meta今年3月成立的 **Applied AI团队**（约6500名工程师和产品经理）正陷入严重混乱。该团队本意是支持Meta Superintelligence Labs的AI研究，但员工普遍对组建方式和分配的任务感到不满。 ## 员工自嘲“古拉格”：任务低端，士气触底 一名员工形容团队状态“简直就是古拉格”，称突然之间人生失去意义，几乎不与人交流，每周只有固定任务。另一名员工表示，他们被分配的工作是生成谜题来测试自家及其他公司AI模型的解题能力，相比之前从事的软件开发，这些任务“太简单”且“琐碎”，几乎所有人都感到不开心。第三名员工直言：“大多数人觉得这工作令人灵魂破碎。” Applied AI并非唯一高压区。Meta上个月裁员10%（约8000人），涉及数据中心工程、Instagram等多个部门，导致剩余员工工作量激增，士气被描述为“历史最低”。此前Meta在AI领域的激进投入——包括开源大模型Llama系列——曾被视为技术标杆，但内部管理混乱正侵蚀其创新声誉。 ## 行业背景：AI竞赛下的组织阵痛 Meta的困境反映了硅谷AI军备竞赛的普遍矛盾：一面是追求超级智能的宏大愿景，一面是落地执行时的资源错配与文化撕裂。Applied AI团队被要求快速产出可用的AI产品，但员工认为基础测试工作与自身技能不匹配，且缺乏明确成长路径。相比之下，OpenAI和Google DeepMind更注重研究型人才与工程团队的融合，而Meta的“大杂烩”式重组似乎引发了反效果。 ## 小结：技术雄心与人性化管理之间的鸿沟 Meta CEO扎克伯格曾多次强调AI是公司“最大投资”，但内部混乱表明，仅靠裁员和重组无法解决团队整合难题。当6500名工程师感到“毫无存在意义”时，再先进的模型也可能因人才流失而失去竞争力。Meta需要尽快在研发节奏与员工体验之间找到平衡，否则这场直播事故可能只是冰山一角。
## 业务挑战与解决方案 在房地产服务领域，**Rocket Close** 面临一个关键痛点：如何高效地为海量房产信息生成精准、吸引人的标题，以提升客户转化率。传统人工方式耗时耗力，且难以保证一致性与质量。为此，Rocket Close 构建了一套基于**代理式 AI（Agentic AI）** 的解决方案，利用 **Strands Agents**、大语言模型（LLM）、**Amazon Bedrock**、**Amazon Bedrock Knowledge Bases** 以及 **Model Context Protocol (MCP)** 工具，实现了标题运营的自动化与智能化。 ## 技术栈与核心功能 该方案的核心在于**多智能体协作**。通过 Strands Agents 框架，系统将标题生成任务分解为多个子任务，由不同 Agent 负责： - **信息提取 Agent**：从房产描述中提取关键特征（如户型、位置、价格、装修状态） - **风格匹配 Agent**：结合历史成功标题数据（存储在 Bedrock Knowledge Bases 中），学习并匹配目标受众偏好 - **质量校验 Agent**：利用 LLM 对生成的标题进行语法、合规性和吸引力评估 **Amazon Bedrock** 提供了统一的 API 访问多种基础模型（如 Claude、Llama），使团队能灵活选择最适合的模型进行推理。而 **MCP 工具** 则标准化了 Agent 与外部系统（如数据库、CRM）的交互，降低了集成复杂度。 ## 实施经验与教训 Rocket Close 在开发过程中总结了几项关键经验： 1. **知识库是基石**：Bedrock Knowledge Bases 中存储的历史标题和用户反馈数据，显著提升了生成内容的相关性。团队建议持续更新知识库以反映市场趋势。 2. **Agent 编排需精细化**：最初单一 Agent 处理全流程效果不佳，改为多 Agent 分步骤协作后，标题质量提升约 40%。 3. **成本与性能平衡**：通过 Bedrock 的模型蒸馏和缓存功能，在保证质量的同时将推理成本降低了 30%。 ## 商业影响 部署该方案后，**Rocket Close 的标题点击率提升了 25%，人工审核时间减少 80%**。更重要的是，系统能实时适应不同房源类型和地域市场，为销售团队提供了可扩展的运营能力。 ## 行业启示 Rocket Close 的案例展示了代理式 AI 在垂直场景中的落地价值：当传统 RPA 或单一 LLM 调用无法满足复杂业务逻辑时，**Agent 架构 + 知识增强生成** 的组合能显著提升自动化水平。对于同样面临内容规模化挑战的企业，Amazon Bedrock 与 MCP 生态提供了一个低门槛的 AI 原生开发路径。
Google近日对一家名为“Outsider Enterprise”的中国网络犯罪组织提起诉讼，指控其利用AI技术实施大规模诈骗，受害人数达“数十万”，损失估计达数百万美元。该组织在短短两周内发送了250万条诈骗短信，并部署了9000个虚假网站和100万个欺诈域名。Google表示，其AI检测工具每月拦截超100亿条诈骗信息，并与AT&T、T-Mobile、Verizon及FBI合作打击此类犯罪。FBI透露，自2023年7月以来，该组织的钓鱼平台已导致至少387万张信用卡信息被盗，损失约19亿美元。 ## 诈骗手法：AI驱动的“钓鱼傻瓜化” Outsider Enterprise开发了一款名为“Outsider”的钓鱼软件，每周收费88美元或每月200美元，号称“钓鱼傻瓜化”工具。该软件利用AI平台（包括Google的Gemini）自动生成假冒网站，模仿电信运营商、金融机构等品牌，窃取用户密码和信用卡信息。这种低门槛的犯罪工具使得即使没有技术背景的人也能发起攻击，显著扩大了诈骗规模。 ## Google的反制措施 Google通过AI工具实时检测诈骗短信和电话，并在Android系统中向用户发出警报。仅今年5月，Android用户就在两周内标记了5.5万条垃圾短信，相当于每分钟超过两条投诉。Google还联合运营商拦截诈骗短信，并与FBI合作查封了多个域名和Shopify店铺。FBI表示，执法行动已切断部分犯罪基础设施。 ## 行业背景与挑战 此案凸显了AI技术被滥用于网络犯罪的严峻趋势。AI不仅降低了诈骗门槛，还使钓鱼网站和短信更具迷惑性。Google的诉讼旨在通过法律手段瓦解犯罪组织的技术基础设施，但跨国追查仍面临身份不明和管辖权障碍。业界需加强AI安全防护与跨机构协作，以应对日益复杂的AI诈骗。
如果你对 Windows 11 的界面情有独钟，现在有一款名为 **HyperDroid** 的免费安卓启动器可以帮你实现跨平台融合。本文将分享我在 Pixel 9 Pro 手机和 Nubia Pad Pro 平板上的实际体验，从安装、核心功能到存在的不足，全面解析这款启动器的表现。 ## 初见印象：Windows 11 的安卓翻版 启动 HyperDroid 后，第一感觉就是“像”——任务栏、开始菜单、桌面快捷方式、搜索框、系统托盘，几乎原汁原味地复刻了 Windows 11 的桌面环境。开发者对细节的还原度很高，甚至包括磁贴风格的交互逻辑。在 Pixel 9 Pro 上，整个界面流畅度出乎意料，没有明显卡顿或掉帧。而在屏幕更大的 Nubia Pad Pro 上，桌面布局的观感更接近真正的 PC 体验，应用图标和任务栏的间距也更加舒适。 ## 功能亮点：桌面级操作体验 HyperDroid 的核心卖点在于将手机操作逻辑“桌面化”。你可以将常用应用固定在任务栏或桌面上，像 Windows 一样快速启动；系统托盘集成了 Wi-Fi、蓝牙、音量等快捷设置，点击即可调整。此外，它还支持主题自定义，允许用户调整颜色、壁纸和图标风格，进一步贴近个人喜好。对于习惯多任务处理的用户，这种布局能显著提升操作效率——尤其是在平板上，分屏切换更加直观。 ## 美中不足：小部件存在兼容性问题 在实际使用中，我也遇到了一些问题。最突出的是小部件（Widgets）功能：无论添加哪款小部件，系统都提示“无网络连接”，并且错误地将内容识别为 AP News 或 Reuters 的新闻源。重启启动器后问题暂时解决，但频繁出现会影响体验。另外，部分系统级手势（如返回、多任务）可能与启动器存在冲突，需要用户手动调整默认启动器设置。 ## 适用场景与总结 HyperDroid 更适合追求新鲜感的 Android 用户，尤其是 Windows 生态的忠实粉丝。对于平板用户而言，其桌面化布局能更好地利用大屏空间，提升生产力。不过，如果你对稳定性要求极高，或者不习惯非原生界面，可能需要谨慎尝试。总体而言，这款免费启动器在“形似”上做到了极致，但在“神似”上仍有优化空间。作为一款社区作品，它的完成度已经令人惊喜。
亚马逊创始人杰夫·贝佐斯去年11月宣布成为新创企 **Prometheus** 的联合CEO，该公司专注于“物理AI”——将深度学习应用于机器人和制造等领域。近日，随着新一轮 **120亿美元** 融资的披露，贝佐斯和联合创始人Vik Bajaj透露了更多细节。 ## 巨额融资与估值 Prometheus本轮融资后估值达 **410亿美元**，资金来自摩根大通、高盛、贝莱德等机构及贝佐斯本人。此前的首轮融资为62亿美元。目前公司仅有150名员工，大量资金将用于购买算力。 ## 目标：创造“人工通用工程师” 贝佐斯向CNBC表示，公司目标是打造“人工通用工程师”（artificial general engineer）。他解释道：“所有社会财富都由发明驱动——6000年前有人发明了犁，后来有人发明了蒸汽机，我们都因此变得更富有。Prometheus要做的是提供一套工具，极大加速这个发明循环。”他强调，这将产生“文明财富”而非个人财富。 Bajaj则更务实地描述：设计新技术“需要一千个大脑创造性协作”，但工程师使用的工具“几十年来几乎没有改变”。Prometheus希望赋予他们更快的设计工具。 ## 行业背景与挑战 Prometheus并非唯一押注物理AI的创企，但它是资金最雄厚的之一。物理AI被视为AI的下一个前沿，但面临数据稀缺、算力成本高昂等挑战。贝佐斯坦言，融资的一大原因正是“计算密集型”工作所需的数据生成。 据报道，贝佐斯和Bajaj还计划筹集 **1000亿美元** 的投资基金，用于支持相关领域公司。
## 手机秒变科学实验室？这款免费App做到了 如果你以为智能手机的传感器只用来自动旋转屏幕或记步，那说明你还没遇到 **Phyphox**。这款由德国亚琛大学开发的免费开源安卓应用，能调用手机内置的加速度计、陀螺仪、麦克风、磁力计、光线传感器和 GPS，实现多达 **35 种物理测量实验**。简单来说，你手机里藏着一个科学实验室，而 Phyphox 就是那把钥匙。 ### 从倾角到声谱，实测能做什么？ 以我手头的 Pixel 9 Pro 为例，安装 Phyphox 后，我立刻测试了几个日常场景： - **楼梯倾角测量**：利用陀螺仪和加速度计，我测出家中小阁楼楼梯的倾角为 **-32 度**。这个数据对家居改造或安全评估很有参考价值。 - **环境声频谱**：通过麦克风分析噪声，发现办公室的峰值频率集中在 **93.75 Hz**，属于低频轰鸣，可能来自空调或电脑风扇。 - **气压与高度**：如果手机配有气压计，App 可以实时显示当前气压（我测到的是 **999.524 hPa**），并辅助估算海拔。 - **距离测量（声纳模式）**：利用扬声器发出脉冲并收音，可以粗略测量房间长度。 - **光照强度**：光线传感器读数仅为 0.177 lux，说明我的办公环境确实偏暗。 所有数据都能实时图表化显示，并支持导出为文件，方便进一步分析。 ### 为什么这款 App 值得关注？ 在 AI 和传感器深度融合的今天，Phyphox 的价值不止于“好玩”。它让普通用户无需购买昂贵仪器，就能进行基础科学实验——物理课上的加速度、简谐运动、向心力等概念，现在都能用手机亲手验证。对于开发者而言，其开源特性意味着可以定制实验逻辑，甚至与物联网项目联动。 当然，手机传感器的精度有限，不能替代专业设备。但作为入门工具或教育演示，Phyphox 的表现已经超出预期。如果你对周围世界的物理参数充满好奇，不妨下载试试——毕竟，你的手机远比你以为的“聪明”。
乌克兰无人机公司Aero Center首席执行官Alexander Kokhanovskyy近日透露，两年前在一次战场测试中，完全自主的无人机成功击杀了俄军士兵。如果属实，这标志着战争史上又一个里程碑，推动了军用无人机、机器人和AI武器的发展。 Kokhanovskyy在伦敦乌克兰大使馆举办的新闻发布会上接受《新科学家》采访时描述了这次测试。测试中使用的四旋翼无人机预先编程，飞往前线区域后激活AI驱动的“终结者模式”，自主搜索并攻击该区域内任何目标。测试后，有人操控的无人机前往侦察，发现了“几名”俄军士兵的尸体，从而推断自主无人机完成了击杀。 然而，乌克兰政府目前禁止在目标拦截的最后阶段使用AI。乌克兰军方指挥官强调，他们只使用半自主系统，始终由人类做出关键控制决策，并严格遵守国际人道主义法，防止平民伤亡。 这次一次性测试也反映了完全自主无人机的实际局限性：需要精心规划，且存在误伤友军或平民的风险。目前，国际社会对“致命自主武器系统”尚无统一定义。 尽管自主无人机在效率和安全性上仍存疑，但这一事件凸显了AI在军事领域的快速渗透。随着俄乌冲突持续，双方都在加速部署无人机和机器人，自主武器的伦理和法律讨论也愈发紧迫。
据彭博社援引匿名消息人士报道，法国 AI 初创公司 **Mistral AI** 正在进行早期融资谈判，计划筹集约 **30 亿欧元**（约合 35 亿美元），估值约为 **200 亿欧元**（约 231.5 亿美元）。这一估值几乎是其去年 9 月 C 轮融资时 117 亿欧元估值的两倍。 Mistral 成立于 2023 年，以“将前沿 AI 交到每个人手中”为使命，在欧洲 AI 领域占据领先地位。与美国竞争对手不同，Mistral 采取了更开放的方式，提供部分开源权重的基础大模型，允许任何人自由定制。同时，该公司也提供面向编程、语音克隆与生成、光学字符识别等场景的闭源模型。 随着欧洲国家逐渐与美国科技保持距离，Mistral 将自己定位为更友好、本土化的主权替代方案。该公司正在巴黎附近建设数据中心，并与法国军队、卢森堡政府以及多家欧洲大型企业达成合作。 尽管如此，截至目前 Mistral 仅筹集了约 40 亿美元（PitchBook 数据），远低于美国竞争对手 OpenAI（1860 亿美元）和 Anthropic（1612.5 亿美元）的融资总额。这些美国实验室的估值也远高于 Mistral，反映出它们在收入、模型采用率和企业需求方面的领先优势。Mistral 尚未回应置评请求。
谷歌近日宣布对一名为“Outsider Enterprise”的中国网络犯罪团伙提起诉讼，指控其利用人工智能技术大规模发送诈骗短信，冒充谷歌等品牌窃取用户密码和信用卡信息。该团伙在短短两周内发送了250万条诈骗短信，部署了9000个虚假网站和100万个欺诈域名，导致数十万受害者蒙受数百万美元的经济损失。 谷歌表示，其自身也在使用AI驱动的工具来对抗这类AI诈骗。通过检测可疑通话和短信，谷歌每月拦截超过100亿条诈骗消息。在5月的两周内，Android用户标记了5.5万条垃圾短信，相当于每分钟超过两条投诉。 此外，谷歌正与美国电话电报公司（AT&T）、T-Mobile和威瑞森（Verizon）合作，共同拦截这些诈骗短信，并与联邦调查局（FBI）协调执法行动。FBI尚未对此发表评论。 这一事件凸显了AI技术在网络安全领域的双刃剑效应——犯罪者利用AI提升攻击效率，而防御方也需借助AI进行反制。随着AI工具的普及，类似的大规模自动化攻击可能更加频繁，企业和用户需提高警惕。
今年第一季度，美国各地社区对AI数据中心的抗议浪潮达到历史新高。根据AI情报公司10a Labs旗下Data Center Watch项目的追踪数据，从1月到3月，至少有75个数据中心项目被抗议者“阻止或延迟”，涉及总价值约**1300亿美元**。这是自2023年该项目开始追踪以来的最高季度纪录。研究人员指出，这并非“周期性高峰”，而是“结构性转变”：社区已经形成了一套有效的反对策略，立法会议引入了正式监管不确定性，活跃反对团体数量翻倍至833个，遍布49个州。 这场抗议运动的背后，是民众对AI数据中心带来的环境、资源和社会影响的深切担忧。数据中心不仅消耗大量电力和水资源，还常常占用宝贵的土地资源，引发噪音和生态问题。反对者跨越政治分歧，积极参与关于水权、土地使用和热力学的教育会议，展现出前所未有的政治热情。社会学家Tressie McMillan Cottom在《纽约时报》的专栏中写道，她在北卡罗来纳州的实地观察发现，许多人第一次体验到通过政治意志与邻居合作克服逆境的感觉，这让他们尝到了“政治权力的滋味”。 这股政治势头预计将影响即将到来的中期选举。两党都开始对数据中心抗议表示同情，反对声浪的加剧使得数据中心成为竞选议题的焦点。McMillan Cottom建议民主党将数据中心作为关键竞选议题，因为民众的愤怒正在转化为选票动力。 数据中心抗议的“剧本”已经清晰：社区组织、立法施压、媒体曝光和持续动员。随着AI行业的持续扩张，数据中心的需求仍在增长，但民众的反对声音也越来越大。这一结构性转变可能迫使科技公司和政策制定者重新审视数据中心的选址和建设方式，寻求更可持续、更符合社区利益的解决方案。 **小结**：数据中心抗议已从零散事件演变为全国性运动，其政治影响力不容小觑。未来，AI产业的发展将不得不在技术需求与社区诉求之间寻找平衡点。
美国共和党议员、科技投资者甚至 OpenAI 近期将美国国内反对建设数据中心的运动与中国干预联系起来。然而，专家表示实际情况远比这复杂得多。 ## 反数据中心情绪高涨，但根源在国内 最近几个月，美国各地对数据中心的反对声浪显著上升。气候媒体 Heatmap 上周发布的民调显示，超过一半的美国人支持暂停建设数据中心。英国政策研究机构 Public First 在 6 月初发布的另一项民调则指出，在受访的 15 个国家中，美国对数据中心的支持率最低。这种抵触情绪主要源于对能源消耗、环境影响和土地占用的担忧，是本土社会矛盾的体现。 ## 中国“干预论”被政治化 尽管如此，“北京资助反数据中心运动”的说法在华盛顿政界迅速升温。共和党参议员 Tom Cotton 致信代理司法部长，要求调查“中国共产党领导的外国影响力”如何操纵舆论；众议院能源和商业委员会的共和党领袖也向白宫和 FBI 发函表达类似担忧。内政部长 Doug Burgum 更在福克斯商业频道宣称，试图建设数据中心的地区正“遭受外国宣传的轰炸”。数据中心开发商也积极利用这一叙事，例如加拿大投资者 Kevin O’Leary 在推广其犹他州项目时，引用了比特币政策研究所的一份报告，暗示外国势力在煽动反对。 ## 专家：缺乏证据，外部干预只是“搭便车” 然而，接受 WIRED 采访的专家对这些资金指控持怀疑态度。社交媒体分析公司 Graphika 的分析师 Dina Sadek 表示，该公司过去一年在 Facebook、Bluesky 和 TikTok 等平台追踪数据中心反对活动，“尚未发现任何有组织或大规模的外国影响力行动或可追溯至中国的运动”。专家认为，即使存在一些源自中国的社交媒体账号在散布反对信息，它们也只是在利用美国已有的社会矛盾，而非制造矛盾。OpenAI 本周三发布报告称发现一批来自中国的账号在传播反数据中心信息，但专家指出，这更像是“锦上添花”式的干扰，而非根本原因。 ## 小结：国内议题不应被“甩锅” 将美国民众对数据中心的不满简单归咎于中国干预，不仅缺乏坚实证据，还可能转移对真正问题的关注——比如数据中心巨大的电力消耗、水资源使用以及对当地社区的实际影响。在 AI 和云计算需求激增的背景下，如何平衡技术发展与民众利益，才是政策制定者需要正视的挑战。
## 从“鸡肋”到“可用”：Siri AI 的转折点 苹果在 WWDC 上发布了新版 Siri，而这一次，它似乎真的变好了。在最新一期《The Vergecast》节目中，David Pierce 和 Nilay Patel 分享了他们对 **Siri AI** 的早期体验，并探讨了这对用户和整个 AI 行业意味着什么。 **Siri 的十五年沉浮** 过去十五年里，Siri 一直处于“偶尔有用”和“彻底糟糕”之间的尴尬状态。用户常常因为连定时器都无法正确设置而感到沮丧。但这次更新带来了明显变化：新版 Siri 在大多数任务上表现足够好，尽管没有令人眼前一亮的突破性技术，但“可用性”本身就是一个重大进步。 **“够用”的力量** Siri AI 并不追求前沿创新，而是专注于稳定和可靠。这种“够用”的策略可能改变市场格局——当 iPhone 内置助手真正能干活时，用户对第三方 AI 助手的依赖可能会降低。对于苹果而言，这意味着 AI 功能不再只是噱头，而是日常使用的核心工具。 **社交网络的新风向** 节目还讨论了社交网络的最新趋势：Instagram、Bluesky 和 YouTube 纷纷推出新功能，试图让庞大的平台变得更小、更个性化。群聊正在取代公开帖子，Twitter 信息流的时代或许真的结束了。 此外，节目中还涉及了 **Trump Phone**、**Claude Fable**、太阳能能源、iPad 用户优惠等话题。 **行业启示** Siri 的转变表明，AI 助手的竞争正在从“炫技”转向“实用”。当基础功能足够可靠时，用户体验将成为关键差异化因素。苹果的生态整合优势可能会因此进一步放大。 想了解更多细节？可以收听完整《The Vergecast》节目，或拨打热线 866-VERGE11 分享你的看法。
Anthropic 的 Claude Fable 5 模型发布后，被曝出对研究人员隐藏了安全限制，导致他们在测试中获得的并非完整能力。这一做法引发了关于透明度和信任的广泛讨论。 ## 事件回顾 Fable 5 本质上是 Mythos 模型的“阉割版”，Mythos 是 Anthropic 在 Project Glasswing 下推出的超强漏洞发现工具，仅限特定组织使用。Anthropic 明确表示 Fable 5 不支持某些高风险研究领域（如网络安全、生物学和化学），但当用户触发这些限制时，模型会静默降级到 Opus 级别，且未明确告知用户降级原因。 ## 信任危机 研究人员发现，他们以为自己在测试 Fable 5 的完整能力，实际却受到暗中限制。这导致测试结果失真，无法真实评估模型在关键任务上的表现。Anthropic 将此举解释为安全措施，但缺乏透明度反而引发了更大质疑。Exabeam 高级威胁研究工程师 Sally Vincent 指出：“越狱抵抗声明应谨慎对待，攻击者会持续适应。” ## 行业影响 此次事件凸显了 AI 安全与透明度的两难。一方面，限制高风险能力是必要的；另一方面，隐藏限制会破坏用户信任。网络安全专家警告，这种“暗箱”操作可能阻碍防御者正常使用模型。Anthropic 需要平衡安全与开放，否则可能失去研究社区的信任。
欢迎来到新一期“视频星期五”，这是IEEE Spectrum为您精选的每周机器人视频合集。本期内容聚焦于机器人运动发现领域的最新突破，展示了机器人如何通过算法自主学习并执行一些令人惊讶甚至“反直觉”的动作，挑战了传统运动规划的思路。 ## 主要看点：不寻常的运动模式 本期视频合集的核心亮点来自**ATARI Lab**（Adaptive and Trustworthy AI Lab）的最新研究。该团队利用强化学习和运动发现算法，让机器人不依赖预设的动作模板，而是从零开始探索如何完成特定任务。结果令人大开眼界：机器人学会了用“扭动臀部”来调整重心、用“翻滚”代替行走，甚至通过“弹跳”来跨越障碍——这些行为在人类或动物身上极为罕见，但在特定机械结构和环境下却意外地高效。 例如，在一个演示中，双足机器人为了保持平衡，不是像人类那样迈步，而是通过快速摆动躯干和腿部，产生类似“抽搐”的稳定策略。这种不寻常的运动模式，**揭示了在传统控制理论中被忽视的可行解空间**，也为机器人应对复杂地形和突发干扰提供了新思路。 ## 行业背景：从模仿到发现 过去几年，机器人运动学习主要依赖**模仿学习**（从人类或动物数据中提取动作模式）和**模型预测控制**（基于物理模型优化轨迹）。但这些方法受限于先验知识，难以跳出“常规动作”的框架。 “运动发现”这一新兴方向，则通过**无模型强化学习**和**好奇心驱动探索**，让机器人自主尝试各种可能性，包括那些看起来笨拙甚至滑稽的动作。研究团队表示，这些不寻常行为并非偶然，而是算法在奖励函数引导下找到的局部最优解——**它们虽然不符合人类审美，但在能量效率、鲁棒性或速度上可能更胜一筹**。 ## 应用潜力与挑战 这类研究对**搜救机器人**、**太空探索**和**极端环境作业**具有潜在价值：当传统运动方式失效（如崎岖月球表面、坍塌建筑废墟）时，机器人可以即时生成并切换至非传统运动模式。不过，当前技术仍处于实验室阶段，主要挑战包括： - **可解释性**：如何理解算法发现的“怪异”动作背后的物理原理？ - **安全性**：不稳定的运动模式可能导致机械损坏或失控。 - **泛化能力**：从仿真到真实世界的迁移仍存在差距。 ## 本期视频亮点速览 除了ATARI Lab的研究，本期合集还包括： - 波士顿动力Spot机器狗在建筑工地的自主巡检演示 - 软体机器人通过气压控制“蠕动”通过狭窄管道 - 无人机编队执行复杂空中队形变换 ## 小结 “视频星期五”再次证明，**机器人学的边界远比我们想象的更宽广**。当机器不再局限于模仿生物，而是开始“重新发明运动”时，我们或许正在见证一种新的智能形态的萌芽。 *注：本文基于IEEE Spectrum发布的视频合集及原始摘要撰写，部分研究细节来自公开报道。*
## 快讯：BitBoard 发布全新协作分析工作空间 YC P25 批次成员 Connor 和 Ambar 今日正式推出 **BitBoard**，一个面向 AI 代理的分析工作空间。该平台旨在为数据分析和 AI 协作提供基础设施与可视化层，让用户和 AI 代理能够共同构建仪表盘并开展分析。 ### 核心功能：从聊天到持久化资产 BitBoard 的亮点在于其 **“代理协作”** 模式。用户可以从自己喜爱的 AI 聊天工具或编码代理中直接连接 BitBoard，将一次性的对话分析转化为**可复用、可连接的持久化资产**。这意味着，过去在 ChatGPT 或 Claude 等工具中生成的临时分析结果，现在可以被“固化”为仪表盘、报告或数据视图，供团队和 AI 代理持续使用。 ### 适用场景与行业背景 随着 AI 代理（如 AutoGPT、Devin 等）的兴起，如何让代理生成的分析成果“落地”成为关键痛点。BitBoard 正好填补了这一空白：它提供了**统一的可视化层**，让不同 AI 工具产生的分析结果能够汇聚在同一个工作空间中，并以仪表盘形式呈现。这对于数据团队、产品经理和业务分析师而言，意味着更高效的协作——不再需要反复向 AI 解释上下文，而是直接利用已有的分析资产。 ### 未来展望 目前 BitBoard 处于早期阶段，但已明确聚焦于“代理 + 分析”的交叉领域。随着 AI 代理在数据分析中扮演越来越重要的角色，像 BitBoard 这样的中间件平台有望成为数据工作流的标准组件。团队表示，后续将支持更多数据源和 AI 工具集成，进一步降低从“聊天”到“仪表盘”的门槛。 > 小结：BitBoard 的发布标志着 AI 辅助分析从“一次性对话”向“持久化协作”的演进，为代理驱动的工作流提供了关键的基础设施。