苹果公司在其年度更新中宣布，2025年App Store促成了超过**1.4万亿美元**的开发者账单和销售额，较去年的1.3万亿美元有所增长。其中，**90%的交易（约1.25万亿美元）未向开发者收取佣金**，主要涉及实体商品和服务（如零售、外卖、打车等），金额达1.1万亿美元。数字商品（如应用内购买）的账单和销售额为**1490亿美元**，高于去年的1310亿美元，这部分苹果通常抽取15%至30%的佣金。应用内广告收入为1510亿美元，与去年基本持平。 苹果特别指出，2025年**前100名应用中40款具备面向消费者的AI能力**，这些应用的账单增长更为强劲。这一数据可能为即将到来的全球开发者大会（WWDC）预热——传闻苹果将允许AI代理进入App Store，并计划对Siri进行重大升级，深化AI与操作系统的整合。 此外，App Store的全球影响力持续扩大：**每周平均用户超过8.5亿**，覆盖175个国家和地区。在中国，过去六年App Store促成的账单和销售额**翻了一番**；在美国和欧洲则**增长超过两倍**。整体来看，苹果强调其佣金仅占平台经济总量的很小一部分，但数字商品市场仍为其带来数十亿美元的收入。
**SpaceX 的 IPO 正逼近历史性时刻，估值接近 2 万亿美元**，而埃隆·马斯克似乎正在用“碾压”华尔街规则的方式，铺就自己的万亿富豪之路。 在最新一期《Decoder》播客中，主持人 Nilay Patel 与《纽约时报》科技记者、**《Character Limit: How Elon Musk Destroyed Twitter》** 合著者 Ryan Mac 深入探讨了即将到来的 SpaceX 首次公开募股（IPO）。这不仅是一次规模空前的上市——预计将成为史上最大市值 IPO——更因为其过程中对市场公平规则的“弯曲”甚至“打破”而备受争议。 ## 规则正在被改写？ Patel 指出，SpaceX 的 IPO 在许多方面打破了常规：**股东控制权、指数基金纳入标准、市场问责机制**——这些通常用来约束公司的“公司治理”杠杆，在马斯克面前似乎都失效了。Ryan Mac 补充道，尽管 X（前身为 Twitter）在多项关键指标上持续下滑，但这一切可能并不重要——因为 SpaceX 的体量和故事已经足够让投资者趋之若鹜。 ## 马斯克的“豁免权”从何而来？ Ryan Mac 认为，马斯克如今已经**富有到、强大到可以脱离问责机制**，而各大基金和投资者之所以不发声，是因为他们不想错过可能是历史上最大的一笔财富增值机会。这种“害怕错过”的心态，让马斯克获得了事实上的“豁免权”。 ## 从“欢迎来到地狱”到万亿富豪 Patel 回顾了自己在 2022 年马斯克收购 Twitter 后撰写的文章 **《Welcome to Hell, Elon》**，当时他预测马斯克会因 Twitter 的运营困境而声誉受损、拖累其他公司。然而，从 SpaceX IPO 的进展来看，**Twitter 的衰落似乎并未影响马斯克的商业帝国**——SpaceX 的估值和影响力反而达到了新的高度。 ## 核心问题：市场公平与个人神话的碰撞 这场 IPO 提出的根本问题是：**当一个人或一家公司大到足以影响市场规则时，传统的治理和问责机制是否还能生效？** 华尔街的“规则”正在被个人意志碾压，而投资者们似乎心甘情愿地追随。马斯克能否最终成为万亿富豪？答案或许就藏在 SpaceX 的招股书里，也藏在市场对“破例”的默许中。
微软近日向 Microsoft 365 订阅用户推出了一项限时优惠：现有订阅者可以 **50% 折扣** 升级至 Microsoft 365 Premium（原价每月 20 美元）。这则消息迅速在 AI 办公领域引发热议——毕竟，这不仅是价格上的让步，更标志着微软正加速将 AI Copilot 能力整合进其核心生产力套件。 ## 20 美元能换来什么？ Microsoft 365 Premium 在原有 Office 桌面应用、1TB OneDrive 云存储和安全功能基础上，新增了 **Copilot for Microsoft 365** 功能。这意味着用户可以在 Word、Excel、PowerPoint、Outlook 和 Teams 中直接调用生成式 AI 辅助写作、数据分析、幻灯片制作和邮件摘要。此外，Premium 还包含 **Clipchamp Premium**（视频编辑）、**Microsoft Defender**（高级安全防护）以及更多设计模板和图标资源。 ## 与 ChatGPT Plus 的正面交锋 相比之下，ChatGPT Plus 每月收费 20 美元，提供 GPT-4 访问权限、更快的响应速度、优先体验新功能以及插件支持。两者的核心差异在于： - **场景深度**：Microsoft 365 Premium 的 AI 能力深度嵌入办公场景，例如在 Excel 中直接用自然语言生成公式，或在 Outlook 中一键总结邮件线程。ChatGPT Plus 则更像一个通用 AI 助手，适合创意写作、编程辅助和问答。 - **生态绑定**：微软的 Copilot 与 OneDrive、Teams、SharePoint 等企业级服务无缝集成，适合已有微软生态的用户。ChatGPT Plus 则独立运行，可通过 API 接入其他工具，但缺乏原生办公协同。 - **价格对比**：两者月费相同，但微软的 50% 折扣仅针对现有 365 订阅者，实际首年成本可能更低。不过，ChatGPT Plus 无需订阅 Office 套件即可使用，对于非微软用户更灵活。 ## 谁更适合升级？ 如果你是重度 Office 用户，每天处理大量文档、表格和邮件，**Microsoft 365 Premium** 的 AI 集成能显著提升效率——例如自动生成会议纪要、智能格式化报告。而如果你需要的是跨平台通用 AI 能力，或偏好更开放的插件生态，**ChatGPT Plus** 可能更合适。 值得注意的是，微软此次折扣策略明显意在推动用户从“基础订阅”向“AI 增强订阅”迁移。随着 Google Workspace 等竞品也在整合 AI 功能，这场办公 AI 之战正变得愈发激烈。对于普通用户而言，不妨先利用 50% 折扣体验一个月，再决定是否长期订阅。毕竟，AI 工具的价值最终取决于它能否真正融入你的工作流。
虽然亚马逊的Prime Day大促还要等上几周，但沃尔玛已经提前掀起了价格战，推出了一系列令人瞩目的早期优惠。作为AI科技资讯编辑，我们不仅关注技术本身，也关注消费者如何以最优价格获取最新科技产品。目前，沃尔玛的促销活动覆盖了从智能家居、笔记本电脑到可穿戴设备等多个品类，部分折扣力度甚至超过了亚马逊往届Prime Day的水平。 ### 为什么沃尔玛的早期优惠值得关注？ - **时间优势**：在亚马逊正式活动开始前，消费者可以提前锁定低价，避免抢购高峰。 - **品类覆盖**：除了常规的电子产品，沃尔玛还推出了许多独家捆绑销售，例如购买特定笔记本电脑赠送配件或延长保修。 - **价格竞争力**：根据我们的比价，多款热门商品（如**三星Galaxy Buds 2**、**苹果AirPods Pro**）在沃尔玛的价格已经低于亚马逊历史低价。 ### 我们的精选推荐 1. **智能音箱与显示器**：**Echo Show 8**（第二代）降价至**$89.99**（原价$129.99），适合作为家庭智能中枢。 2. **笔记本电脑**：**联想Ideapad 3**（15.6英寸，AMD Ryzen 5）仅售**$429**，比同类配置低约$70。 3. **可穿戴设备**：**Fitbit Charge 5**降至**$99.95**（原价$149.95），是健康追踪的性价比之选。 4. **游戏配件**：**Xbox Series X/S 手柄**（多种颜色）降价至**$44.99**，比平时便宜$15。 ### 购买建议 - 部分优惠为限时闪购，建议设置价格提醒或直接下单。 - 沃尔玛的**免费两日配送**（Walmart+会员）或**免费到店自提**选项可进一步节省运费。 - 注意对比亚马逊的**Prime Day**历史价格，如果沃尔玛当前价格已经低于或等于历史低价，可以果断入手。 总的来说，沃尔玛此次的早期促销不仅为消费者提供了提前购物的便利，更在价格上展现了强劲的竞争力。对于不想等到Prime Day的科技爱好者来说，现在就是入手的好时机。
美国国家科学基金会（NSF）近期推出了一项名为 **X-Labs** 的试验性资助计划，总预算高达 **15亿美元**，旨在通过更灵活、更聚焦的实体来应对紧迫且具体的问题。这一举措标志着传统科研资助模式的一次重要转向。 ## 背景与动机 长期以来，NSF 的资助体系以支持基础研究、长期项目和广泛探索著称。然而，随着全球科技竞争加剧，特别是人工智能、气候变化等领域的快速迭代，传统的“提案-评审-拨款”周期显得过于缓慢。NSF 希望通过 X-Labs 模式，在保持基础研究投入的同时，开辟一条“快车道”，让资金能更快流向最需要突破的狭窄问题。 ## X-Labs 的核心特点 X-Labs 并非一个单一项目，而是一个 **“敏捷实体”集合**。这些实体可以是大学实验室、非营利组织、企业联盟，甚至是新型的跨学科团队。它们被要求聚焦于 **“紧迫且狭窄”** 的问题，例如：某个特定算法的安全漏洞、某类材料的合成瓶颈，或某个地区的灾害预警系统优化。 与NSF传统资助不同，X-Labs 强调： - **快速启动**：申请流程简化，从提交到拨款预计缩短至数月。 - **目标导向**：每个实体需明确具体的可交付成果，而非泛泛的“探索”。 - **灵活迭代**：允许在项目中期根据进展调整方向，避免僵化的计划束缚。 - **结果评估**：以实际解决问题的效果而非论文数量作为考核标准。 ## 对AI领域的影响 在人工智能领域，X-Labs 可能资助以下方向： - **大模型的安全对齐**：针对特定风险（如偏见、幻觉）开发可验证的缓解方案。 - **边缘AI的能效优化**：为物联网设备设计低功耗推理芯片或算法。 - **科学计算加速**：利用AI模拟蛋白质折叠或气候模型，但要求短期内产出可复用的工具。 这些方向通常被传统资助视为“太过应用”或“不够基础”，但X-Labs 承认它们对产业和国家安全的紧迫性。 ## 争议与挑战 尽管愿景积极，X-Labs 也面临质疑： 1. **与传统体系的割裂**：是否会削弱对长期基础研究的支持？NSF 强调X-Labs 是补充而非替代，但预算分配仍需平衡。 2. **“狭窄问题”的定义**：谁来决定哪些问题值得优先？可能存在政治或商业利益干扰。 3. **成果的可持续性**：实体可能为快速达标而选择“短平快”方案，忽略长期影响。 ## 小结 X-Labs 是 NSF 在资助模式上的一次大胆实验，其成功与否将影响未来全球科研资助的走向。对于 AI 从业者而言，这意味着新的资金渠道和合作机会，但也需要警惕短期目标与长期创新的平衡。
在 Build 2026 大会上，微软宣布了多项与 Linux 相关的重大更新，包括 **Azure Linux 4.0**（通用服务器 Linux）、**Azure Container Linux**（容器 Linux）、为开发者定制的 **Windows 11**（集成 WSL）以及 **Surface RTX Spark Dev Box**（预配置 WSL 2 和 GPU 直通的高端 AI 工作站）。这些举措标志着微软正加速转型为一家“Linux 公司”。 ## 为什么微软如此重视 Linux？ 答案很简单：**AI 开发几乎完全依赖 Linux**。无论是云服务还是 AI 工作负载，Linux 都是事实上的标准。Azure 上最流行的操作系统已经是 Linux，而 AI 框架和工具链（如 PyTorch、TensorFlow）的原生支持也集中在 Linux 上。微软必须拥抱 Linux 才能保持竞争力。 ## Azure Linux 4.0：从容器主机到通用服务器 Azure Linux 4.0 基于 **Fedora Linux**，采用 RPM 包管理，是微软首个面向通用服务器场景的 Linux 发行版。此前的 Azure Linux 版本主要作为 Azure Kubernetes Service (AKS) 的容器主机，而 4.0 版本则定位为云原生和 AI 工作负载的强化基础系统。微软强调该发行版由内部构建和维护，拥有精简的软件包集，并注重供应链透明度。 ## Azure Container Linux：不可变容器 OS Azure Container Linux 基于 **Flatcar Container Linux** 分支，现已正式可用。它是一款不可变的、容器优化的操作系统，旨在与 Google 的 Container-Optimized OS 和 Fedora CoreOS 竞争。有趣的是，CoreOS 和微软的新容器 Linux 源自同一祖先——CoreOS Linux。该操作系统为 Kubernetes on Azure 提供锁定主机镜像，确保安全性和一致性。 ## 为 Linux 程序员打造的 Windows 11 与 Surface Dev Box 微软还推出了定制版 Windows 11，深度集成 **Windows Subsystem for Linux (WSL)**，旨在为 Linux 开发者提供无缝体验。此外，**Surface RTX Spark Dev Box** 作为高端 AI 工作站，预配置 WSL 2、原生 GPU 直通和完整的 Nvidia CUDA 支持，开箱即用。 ## 行业影响 微软的这一系列动作表明，**Linux 已不再是微软的竞争对手，而是其核心战略的一部分**。从云基础设施到 AI 开发工具，微软正在全面拥抱 Linux 生态。对于开发者而言，这意味着更统一、更高效的工作流——无论你使用 Windows 还是 Linux，都能获得一致的体验。 未来，随着 AI 工作负载的持续增长，微软与 Linux 的融合只会更加深入。Build 2026 的发布标志着微软从一个“Windows 优先”的公司，转变为一个“Linux 友好”的 AI 云巨头。
如今，AI生成内容几乎充斥整个互联网，但事情本不必如此。YouTube、Instagram、TikTok等平台在过去一年纷纷加强了内容认证，自动为AI生成的图像、视频和音乐打上标签，以区分真人创作。然而，这些标签并没有真正改变内容的呈现方式——用户依然无法主动避开它们。作者呼吁平台提供一个简单的“AI过滤”复选框，让用户可以选择不看AI标签内容。遗憾的是，Meta、Google、TikTok和Spotify均未明确承诺推出此类功能。唯一例外是DeviantArt，它允许用户“抑制”AI生成作品，但并非完全排除。问题核心在于：如果平台真的提供过滤选项，可能会揭露AI内容在流量中的真实占比，从而影响其商业利益。文章指出，这并非技术难题，而是平台是否愿意让用户拥有选择权的问题。
AI行业的几家最大竞争对手——Anthropic、OpenAI、微软、谷歌DeepMind等——罕见放下分歧，联合致信美国国会，要求对合成DNA和RNA的销售实施强制性筛查，以防止AI技术被滥用于开发生物武器。信中警告，当前生物安全存在“令人震惊的缺口”，AI工具可能降低设计危险病原体的门槛，使恶意分子更容易订购并组装致病基因序列。签署者包括Anthropic CEO Dario Amodei、OpenAI CEO Sam Altman、微软AI负责人Mustafa Suleyman、谷歌DeepMind CEO Demis Hassabis等业界领袖，以及多位科学家、安全专家和生物技术公司高管。这封信由美国创新基金会和进步研究所两家智库组织，标志着AI行业在生物安全议题上达成了罕见的共识。 ## 核心诉求：强制筛查合成基因订单 信件的核心要求是：**国会应立法要求合成DNA/RNA销售商对每笔订单进行序列筛查**，以识别可能用于制造危险病原体的基因片段。目前，虽然部分公司自愿进行筛查，但行业标准参差不齐，且无法律强制力。签署者认为，随着AI模型在蛋白质设计和基因序列预测方面的能力迅速提升，恶意行为者可能利用AI设计新型病原体，然后通过在线订购合成片段、在普通实验室组装，从而绕过传统生物安全管控。 ## 行业背景：从竞争到合作的转折 值得注意的是，这些签署方在AI商业战场上正激烈竞争：OpenAI与Anthropic在模型能力上你追我赶，微软和谷歌在云AI服务上针锋相对。然而，**生物安全风险被普遍视为“共同威胁”**，促使他们暂时搁置商业利益。Demis Hassabis因AI蛋白质预测获得2024年诺贝尔化学奖，其工作虽推动了科学进步，但也凸显了双刃剑效应——同一技术既可加速药物研发，也可能被用于设计毒素。 ## 专家视角：风险真实但可控 科学家长期以来警告，合成生物学的进步可能使“工程师”更容易创造危险生物，甚至复活已灭绝的病原体。过去，这类操作需要高度专业的知识和昂贵设备；而如今，**AI降低设计门槛+合成DNA商业化+实验室设备普及**，三者叠加可能形成“简易化武器化路径”。信中引用的案例表明，一些AI模型已能生成已知病原体的基因序列，甚至设计出自然界不存在的毒性蛋白。 ## 政策现状与未来路径 美国目前尚无联邦法律强制要求合成基因订单筛查。2024年，拜登政府曾发布行政命令鼓励自愿筛查，但企业合规率不高。此次公开信旨在推动国会立法，建立**统一的强制性筛查标准**，并可能涉及AI模型发布前的生物安全评估。签署方还呼吁加强国际协调，防止监管套利——即恶意分子转向筛查宽松的国家采购基因片段。 ## 小结：AI治理的新前沿 这封信标志着AI安全讨论从“算法偏见”“虚假信息”等传统议题，延伸至**生物安全这一更硬核的物理世界风险**。它反映出行业对AI能力边界日益清醒的认识：技术越强大，越需要前置护栏。正如信中所言：“我们可能只有一次机会在灾难发生前建立防护。”接下来，国会是否响应、如何平衡创新与安全，将成为全球AI治理的重要风向标。
## 法院如何应对 AI 生成诉讼的浪潮？ 在科罗拉多州，联邦治安法官 Maritza Braswell 日常需要处理大量由无律师当事人提交的文件。自 2023 年以来，这类文件的数量翻了一倍多，她认为这主要归功于 AI 的普及。AI 看似降低了法律服务的门槛，让更多人能够提起诉讼，但并未显著提高他们的胜诉率。法官们开始质疑，当聊天机器人充当律师角色时，它们应承担何种权利与义务。与此同时，立法者正在纠结：当聊天机器人提供糟糕的法律建议时，谁该为此买单？ ## 虚拟电厂：数据中心的新能源方案？ 你是否愿意为减少用电量而获得补偿？如果这样做是为了帮助当地的数据中心供电，你会改变主意吗？谷歌支持的一个新项目将测试这些问题。该公司签署了一项协议，在美国最大的电网中资助一个虚拟电厂。该系统将整合电动汽车、智能恒温器等设备，在电网紧张时付费让用户调整用电行为。该项目有望释放容量，满足谷歌数据中心的用电需求——但有一个问题：人们可能并不配合。 ## 今日必读 1. **欧盟提出新立法，旨在摆脱对大型科技公司的依赖**：新法律旨在推动本土云、AI 和半导体产业发展，并禁止非欧盟实体通过“关闭开关”干扰技术服务。提案还需与成员国协商。 2. **五眼联盟警告：中国间谍利用 LinkedIn 招募人员**：情报机构称北京正利用求职平台进行间谍活动，招募政府和军事人员。 3. **更多精彩内容**：请关注我们的每日科技资讯。
The tech was used once before to pull viruses directly from the blood
全球技术服务公司 Endava 正通过 AI 智能体、ChatGPT Enterprise 和 Codex 加速软件交付、自动化工作流，并在企业内部构建 AI 原生文化。其 CTO Matthew Cloke 分享了这场转型的核心：将 AI 嵌入日常工作的每一个环节，从需求分析到部署，让智能体成为默认的协作伙伴。 ## 从工具到文化：AI 优先的思维转变 对于拥有 25 年历史的 Endava 而言，引入 AI 并非简单的工具叠加，而是对工作流、领导方式及团队协作模式的彻底重构。Cloke 指出，过去两年 AI 对 Endava 产生了根本性影响，公司必须回答“如何在 AI 新时代保持相关性”这一命题。 为此，Endava 选择 OpenAI 作为企业 AI 平台，全员开放 ChatGPT Enterprise 和 Codex 的访问权限。目标不仅是采用，更是让 AI 成为日常工作流的一部分。“AI 原生意味着首先想到用 AI 解决问题，而不是最后才考虑它。”Cloke 强调，这种思维转变要求团队将 AI 视为默认选项，而非锦上添花。 ## DavaFlow：AI 原生的交付方法论 AI 转型最初从软件交付团队开始。当开发者尝试 AI 辅助编码和智能体工作流后，他们发现瓶颈已不再是工程产出——需求收集、业务分析、规划和利益相关者协调都需要同步提速。 这一洞察催生了 **DavaFlow**，Endava 的 AI 原生交付方法论。Cloke 表示：“我们开始挑战自己能多快产出需求，多快为客户提供正确的业务方案。”如今，OpenAI 技术已嵌入 DavaFlow 全生命周期，从会议准备、业务规划到产品发现、软件工程和部署，无一例外。“DavaFlow 的每个环节都在使用 OpenAI 技术。” ## 智能体无处不在 在 Endava，智能体已成为后台运行的常态。Cloke 直言：“如果我没有一个智能体在后台运行，我会觉得自己在浪费时间。”这种文化鼓励员工将重复性工作交给 AI，从而聚焦更高价值的创造。 通过 AI 智能体，Endava 不仅提升了软件交付速度，还重塑了企业工作流。例如，在需求分析阶段，AI 能自动从会议记录中提取关键信息并生成初步文档；在部署环节，Codex 辅助代码审查和测试，大幅减少人工错误。 ## 行业启示 Endava 的实践为技术服务业提供了可复用的范本：AI 转型不仅是技术升级，更是组织文化的演进。当企业将 AI 嵌入日常流程，并从领导层开始倡导实验精神，智能体便能从工具进化为协作伙伴。这种“AI 原生”思维，正成为下一代软件交付的核心竞争力。 > 关键点总结： > - **平台选择**：以 OpenAI 为基础，全员使用 ChatGPT Enterprise 和 Codex > - **方法论创新**：DavaFlow 将 AI 嵌入交付全流程 > - **文化驱动**：让智能体成为默认工作方式，而非额外选项
美国联邦治安法官玛丽莎·布拉斯特尔每天要处理大量无律师代理的诉讼文件，她发现近年来这类案件数量显著增长。一项新研究分析了2005年至2026年间的450万起联邦民事案件，显示无律师代理诉讼的比例从2022年的11%升至2025年的16.8%，其中2023年后提交的文件数量翻了一番以上。布拉斯特尔法官认为，这一变化与AI密切相关。作为一位精通技术的法官，她已学会识别大语言模型的写作风格——从流畅的措辞到偶尔出现的幻觉案例和虚构引文。AI似乎降低了诉讼门槛，但并未提高胜诉率。法官们开始质疑，当AI扮演律师角色时，它应承担何种责任？例如，聊天机器人是否有义务提供优质建议？美国各地的立法者也在探讨，当聊天机器人给出错误法律建议时，谁该为此负责。 为了验证AI是否推动了无律师代理诉讼的增长，MIT的Anand Shah和USC的Joshua Levy对1600份随机抽取的法庭文件进行了AI文本检测。结果显示，被标记为AI生成的文书比例从2023年的1%飙升至2026年的18%。布拉斯特尔法官认为，这未必令人担忧。尽管AI辅助的诉讼浪潮增加了工作量，但许多法官发现这些案件反而更容易裁决，因为AI帮助缺乏法律训练的人更清晰地陈述论点。无律师代理的文书向来难以解读——有些字迹潦草如天书，法官需费力破译。但无论如何，法官必须认真对待每一份文件。 AI的介入还引发了更深层的法律问题：当AI提供的法律建议导致当事人败诉时，平台是否应承担责任？部分州已开始考虑立法，要求AI法律工具明确标注“非专业建议”，并设置免责条款。与此同时，联邦司法中心正在培训法官识别AI生成文书，包括检测虚假判例引用。这场技术变革正在重塑司法系统的底层逻辑——从提高效率到重新定义“法律代理”的边界。
杰夫·贝佐斯（Jeff Bezos）正押注一项野心勃勃的计划：通过研究真实神经元来破解大脑的“核心算法”，并以此重塑人工智能。这家名为 **Flourish** 的神经AI公司已获得 **5亿美元** 融资，估值据称达到 **25亿美元**。 ## 从Alexa到神经AI：创始人的转身 Flourish 由 **Thomas Reardon**（神经科学家、多次创业的创始人）和 **Rob Williams**（前亚马逊Alexa高管）联合创立。Williams 曾长期在亚马逊“S-team”负责Alexa等软件产品，直到2025年秋离职。但在2025年12月，他以一种特殊的方式再次联系贝佐斯：他不再是以员工身份汇报，而是以创业者身份向贝佐斯这位投资人做 pitch。 Williams 回忆说，贝佐斯喜欢看“产品已建成”式的新闻稿。他正是这样写的：Flourish 正在解决AI面临的两个最棘手问题——**能效** 和 **持续学习**。他们要构建 **Cortex AI**，第一个“合成智能系统”，旨在匹配人脑的计算能力、学习效率和功耗预算。贝佐斯在游艇上读完后，点了头。 ## 当前AI的困境：贪婪的能耗与僵化的学习 Reardon 直指问题核心：尽管大语言模型（LLM）日益强大，但它们本质上是“资源黑洞”。一个人脑处理信息仅需 **20瓦** 功率，而AI训练集群中的单个芯片功耗超过 **600瓦**，是前者的30倍以上。超大规模数据中心需要成千上万芯片和 **吉瓦级** 电力，足以供应小型城市。更关键的是，模型训练完成后便 **无法持续学习**，每次升级都需要重新吞噬几乎全部人类文本。 “这从根本上就是错的，”Reardon 说，“为了学会英语，我需要把每本书读20遍？一个人类婴儿靠几十万次话语就能做到。” ## Flourish 的路线：从真实神经元出发 Flourish 的突破口在于 **生物学回归**。他们不打算继续堆算力、刷参数，而是试图通过显微镜观察真实神经元的工作方式，从中提炼出高效计算的“核心算法”。目标是构建一个 **50瓦以下功耗** 的合成AI大脑，能够像人脑一样灵活适应环境，并实现持续学习。 目前，Flourish 尚未拿出成品。他们拥有的是“一个信念”——以及贝佐斯的巨额资金。Williams 表示，公司正组建跨学科团队，包括神经科学家、芯片工程师和AI研究员，计划在 **数年内** 展示概念验证系统。 ## 行业影响与挑战 这一方向并非孤例。近年来，**类脑计算** 和 **神经形态芯片** 逐渐升温，但 Flourish 的规模（5亿美元）和贝佐斯的背书令其备受关注。如果成功，它可能颠覆当前以Transformer和GPU为核心的AI范式，开启“低功耗、终身学习”的新时代。 然而，挑战同样巨大：人脑的运作机制远未完全破解，从神经元映射到硅基系统存在巨大鸿沟。Reardon 也承认，他们“还没有想好如何构建匹配人脑魔力的系统”。但贝佐斯显然愿意为这种“疯狂”买单。 > “我们不是在改进现有AI，而是想重新发明它。”——Thomas Reardon
Alpha School 在曼哈顿金融区设立了一处学费高达 6.5 万美元的“校区”，宣称要“重新定义学校”。然而，纽约州教育部门拒绝了其作为独立学校的注册申请，理由是其教学主要依赖 AI 平台，缺乏合格教师的现场指导。实际上，该“校区”是一个家庭教育中心，家长需注册为在家上学。这一事件折射出 AI 教育公司在合规与创新之间的博弈。 ### 豪华校区的真实身份 Alpha School 在曼哈顿 Maiden Lane 180 号的摩天大楼内租下两层，以“最前沿的私立学校”名义招生，年学费 6.5 万美元。但 WIRED 获得的文件显示，纽约州教育部门在去年夏末拒绝了 Alpha 的学校注册申请，指出其教学“主要为在线形式，基于 AI 平台，几乎没有监督或合格教师”。约一周后，Alpha 在 X 平台上将该地点改称为“Alpha Anywhere Center”，并告知家长需提交在家上学文件。 ### 商业模式与监管冲突 Alpha 的创始人 MacKenzie Price 曾公开表示，Alpha 是“面向特定人群的产品，是一所昂贵的私立学校”。然而，其核心模式“2 Hour Learning™”依赖 AI 教授核心学科，学生每天仅需两小时在线学习，其余时间进行项目制活动。这种模式在纽约州不被认可为正规学校教育。Alpha 内部文档甚至显示其策略是“开放日期 > 安全”，暗示优先抢占市场而非合规。 ### 行业启示与争议 Alpha 并非孤例。近年来，AI 教育公司如 Khan Academy 的 Khanmigo、可汗实验学校等也在探索 AI 辅助教学，但大多与传统学校合作。Alpha 的激进做法引发了关于教育监管、AI 教学资质以及“在家上学”商业化的讨论。家长花费 6.5 万美元，实际上得到的是一个 AI 学习平台和场地，而非经认证的学校教育。 ### 小结 Alpha School 的案例揭示了 AI 教育公司在扩张中面临的监管挑战。虽然 AI 个性化学习有潜力，但在缺乏教师监督和官方认证的情况下，其“学校”定位名不副实。家长在选择时需谨慎辨别“创新”与“合规”之间的界限。
量子计算初创公司 Quantinuum 去年亏损近 2 亿美元，营收在 2026 年第一季度下滑，甚至坦言技术可能永远无法成功——但这并未阻挡投资者的热情。该公司在纽约证券交易所上市前提高了股价和发行数量，表明需求超出预期。 量子计算机是一种新兴技术，有望解决现有机器无法处理的问题，在药物发现、国防等领域释放商业优势。包括 IBM、Google 在内的科技巨头及众多初创公司正竞相构建足够强大的量子计算机。然而，这需要巨额投入。近期，多家公司利用科技股高估值上市融资，投资者争相涌入这场淘金热。自年初以来，美国上市的量子计算公司数量已翻倍。 政府支持为投资者注入信心。今年 5 月，美国商务部宣布将向 9 家量子公司投资 20 亿美元，其中 Quantinuum 获得 1 亿美元。UCLA 教授 Prineha Narang 表示，这一认可成为 Quantinuum 获得投资者支持的“顺风”。 Quantinuum 是今年第四家在美国上市的量子计算公司，但却是第一家通过传统 IPO 流程上市的公司。Narang 指出：“你可以说量子领域还没有经历真正的考验，这正是许多公司和投资者关注 Quantinuum IPO 的原因。” 目前，尚无公司建成具有商业价值的量子计算机，何时能实现甚至能否实现仍不确定。BTQ Technologies CEO Olivier Roussy 表示：“在量子领域，你买的不是业务，而是概率。”
亚马逊近日宣布其全自动仓库机器人 **Proteus** 迎来重大升级——新版本支持自然语言交互，工人无需再通过专用代码或软件，只需像与同事沟通一样直接向机器人下达任务。这一变化标志着亚马逊在仓储自动化领域迈出关键一步，也引发了对人机协作与就业替代的新一轮讨论。 ## 从代码到对话：机器人“听懂”人话 自2022年首次亮相以来，Proteus 一直以“乌龟式”的稳重外观和自主搬运能力著称，但此前操作它需要经过专门培训的工人使用专业软件进行编程。亚马逊机器人部门副总裁 **Scott Dresser** 表示，新版本让机器人能够理解自然语言指令，“你告诉它需要做什么，它自己会判断优先级、规划路线和时机。”这种交互方式大幅降低了使用门槛，也让临时或非技术工人能快速上手。 ## 更大活动范围，更广应用场景 除了交互方式的革新，新一代 Proteus 的工作区域也从原来的码头区域扩展到整个仓库。亚马逊称：“新系统可以在任何需要移动物品的地方工作。”这意味着它不仅能处理货物到达时的卸货搬运，还能在工位之间流转物料，甚至协助完成分拣和配送站点的辅助任务。这种灵活性有望进一步提升仓库运营效率，减少货物周转时间。 ## 部署时间表与更广泛的机器人生态 目前，新版 Proteus 正在亚马逊实验室进行试点测试，公司计划在 **2027年上半年** 将其部署到欧洲的仓库。与此同时，亚马逊还计划扩大其触觉敏感机器人 **Vulcan** 以及曾在巴塞罗那试点的协作式手提箱处理系统的应用范围，更多欧洲站点将在未来一年内引入这些技术。 ## 自动化浪潮下的就业争议 亚马逊近年来大力推动机器人替代人工，已引发工会、立法者和公众的持续关注。尽管公司强调“机器人是为了支持而非取代工人”，并声称自引入机器人以来已在全球雇佣了数十万名新员工，但批评者认为，自动化正在系统性减少低技能岗位，而新增岗位往往需要更高技术水平，对原有工人形成转型压力。Proteus 的自然语言能力进一步模糊了人机界限，也让外界担忧：当机器人越来越“像人”，工人的不可替代性还剩多少？ ## 小结 亚马逊 Proteus 的升级是仓储物流自动化进程中的一个标志性事件。从代码到自然语言，设备交互的门槛被大幅降低，但这也意味着更多传统岗位面临被重新定义的风险。未来两年，随着 Proteus 在欧洲的落地，我们将更清晰地看到技术效率与就业影响之间的真实平衡。
OpenAI 正在为 ChatGPT 推出一种更强大的记忆合成系统，名为“梦境”（Dreaming），旨在解决现有记忆机制中信息过时、准确性不足和可扩展性差的问题。该系统能够自动从用户的多轮对话中提取关键上下文，并持续优化记忆的时效性和相关性，从而使 ChatGPT 在长期交互中保持对用户偏好、项目和约束的理解。目前该功能已面向美国地区的 Plus 和 Pro 用户开放，未来数周将逐步推广至更多国家和免费用户。 ## 记忆机制的演进：从“保存”到“梦境” ChatGPT 的记忆功能最早于 2024 年 4 月以“保存的记忆”（Saved Memories）形式推出。用户需要明确指示 ChatGPT 记住某些信息（如“记住我七月份要去新加坡”），模型才会在后续对话中调用这些内容。然而，这种被动式的记忆方式存在明显局限：只有被明确记录的片段才能保留，且随着时间推移容易变得过时或不准确。 2025 年 4 月，OpenAI 首次引入了“梦境”机制的初始版本，让模型能够自动从聊天历史中提取相关上下文，而不再仅仅依赖用户主动保存的记忆。这一改进使得 ChatGPT 可以持续学习并动态更新记忆状态，确保每次对话都能提供最新、最相关的背景信息。 ## “梦境”如何工作？ 与传统的“保存的记忆”不同，“梦境”通过后台进程持续运行，能够从大量对话中综合提炼出有价值的记忆。它不再要求用户明确说出“请记住……”，而是能够自然地从日常交流中捕捉关键信息。例如，如果用户多次提及自己的职业或正在进行的项目，ChatGPT 会逐渐将这些信息整合到记忆库中，并在后续对话中主动引用。 这种机制大大提升了记忆的**新鲜度**和**连续性**。系统会定期评估已有记忆的时效性，自动淘汰过时内容，同时补充新发现的相关信息。对于需要长期协作的场景（如项目管理、学习计划等），ChatGPT 能够始终保持对用户需求的准确理解。 ## 行业影响与未来展望 记忆能力的进化是 AI 助手从“一次性工具”迈向“长期伙伴”的关键一步。传统的对话模型每次交互都几乎从零开始，缺乏持续学习的机制。而“梦境”系统通过后台的记忆合成，让 AI 具备了类似人类的长时记忆特性——不是死记硬背，而是动态更新、择优保留。 这不仅提升了用户体验，也为 AI 在个性化教育、健康管理、专业咨询等需要长期跟踪的领域打开了更多可能性。不过，记忆的准确性和隐私保护仍是需要持续关注的挑战。OpenAI 表示，用户仍然可以随时查看、编辑或删除记忆内容，保持对数据的控制权。 总的来说，“梦境”代表了 ChatGPT 在记忆能力上的一次重要跃升。随着该功能逐步覆盖更多用户，我们或许将看到 AI 助手真正开始“记住”并“理解”每个人，而不仅仅是回应每一次输入。
## 介绍 在 Web 开发中，图标是界面设计不可或缺的元素。开发者 Tim 在维护 lucide-motion-vue 库时，发现 animate-ui 的动画图标集虽然出色，但仅支持 React 或需搭配 shadcn 使用。为了让 Vue 社区也能享受这些精美的动画图标，他将其移植到了 Vue 3，推出了 **@respeak/lucide-motion-vue**。 ## 核心特性 该库包含 **535 个动画图标**，全部基于 Lucide 图标集。每个图标都带有流畅的动画效果，可直接在 Vue 3 项目中使用。这意味着 Vue 开发者无需再依赖 React 生态，就能轻松为应用增添动态视觉元素。 ## 使用场景与优势 - **提升用户体验**：动画图标能更直观地传达状态变化，如加载、成功、错误等。 - **降低开发成本**：开箱即用，无需自行编写动画代码。 - **保持一致性**：基于 Lucide 图标集，风格统一，与现有设计系统兼容。 ## 行业背景 当前 UI 库的动画支持多集中在 React 生态（如 Framer Motion），Vue 社区在动画图标方面选择有限。lucide-motion-vue 的出现填补了这一空白，体现了前端生态的多元化趋势。随着 Vue 3 的普及，类似工具将进一步缩小与 React 的体验差距。 ## 总结 对于 Vue 开发者而言，@respeak/lucide-motion-vue 是一个实用的工具，它让动画图标的集成变得简单高效。如果你正在构建 Vue 3 应用，并希望界面更具活力，不妨尝试这个库。
Perplexity 近日在 Product Hunt 上发布了其 Windows 版“个人电脑”功能，这是一款能够直接在用户本地运行 AI 智能体的工具，旨在让 AI 帮你操作文件和应用。 ## 核心能力：本地自动化 与云端 AI 助手不同，Perplexity 的这款产品聚焦于本地设备。它允许用户通过自然语言指令，让 AI 智能体在 Windows 系统上执行任务，例如： - 在文件夹中搜索、整理或重命名文件 - 打开特定应用程序并执行操作（如发送邮件、编辑文档） - 跨应用完成工作流（如从浏览器复制数据到 Excel） 这相当于为 Windows 系统配备了一个能理解上下文并直接操作的“数字员工”。 ## 行业背景：AI 从“聊天”走向“行动” 当前，AI 助手多停留在对话层面，无法直接操控本地环境。Perplexity 的尝试代表了 AI 应用的一个新方向——**从“建议者”变为“执行者”**。类似的概念也出现在 Anthropic 的“Computer Use”功能中，但 Perplexity 更强调与本地文件系统的深度集成。 对普通用户而言，这意味着日常重复性操作（如批量整理下载文件夹、自动备份工作文档）将有望通过一句话完成。 ## 潜在影响与挑战 - **效率提升**：对于需要频繁处理文件的知识工作者，该工具可显著减少手动操作时间。 - **隐私与安全**：AI 智能体需要访问本地文件和应用，这引发了用户对数据隐私的担忧。Perplexity 表示操作在本地执行，但具体数据是否上传至云端尚未明确。 - **兼容性**：能否无缝支持所有 Windows 应用（尤其是老旧软件）仍是未知数。 ## 小结 Perplexity 的 Windows 版“个人电脑”功能，将 AI 的触角延伸至用户桌面，是“AI 代理”概念在消费端的一次落地尝试。它能否成为 Windows 用户的必备工具，取决于实际执行准确度、隐私保护力度以及后续生态扩展。对于追求自动化的用户，这无疑是一个值得关注的新选项。
在企业级客户支持领域，AI的应用正从简单的聊天机器人向更复杂的智能体演进。Cignara 正是这一趋势下的最新产品——一款专为《财富》世界500强企业设计的AI客服智能体解决方案。 ### 核心定位：企业级、高复杂度 与面向中小企业的通用型AI客服不同，Cignara 瞄准的是大型企业特有的痛点：**海量工单、多层级流转、知识库整合、以及严格的SLA（服务等级协议）要求**。传统客服系统往往需要大量人工干预，而Cignara 通过自主决策的AI智能体，能够处理从常见问题解答到复杂工单分派的全流程任务。 ### 技术特点：从被动响应到主动处理 Cignara 的AI智能体并非简单的问答系统。它被设计为能够： - **理解上下文**：结合历史工单、客户画像和产品文档，提供个性化回复。 - **自主执行动作**：如查询订单状态、发起退款、更新CRM记录等，而不仅仅是给出文字答案。 - **无缝升级**：当AI无法解决时，自动将工单转接给合适的人工客服，并附带完整对话摘要，减少客户重复描述。 这些能力依赖于底层的大语言模型（LLM）与企业现有系统的深度集成。Cignara 强调与Salesforce、Zendesk、ServiceNow等主流平台的对接能力，这是其进入大企业市场的关键门槛。 ### 行业背景：为什么是现在？ 2024年以来，AI Agent（智能体）概念持续升温。从OpenAI的GPTs到各类垂直领域智能体，行业共识是：**AI的价值不在于“聊天”，而在于“做事”**。客户支持正是高频、高价值的落地场景之一。Cignara 选择从高端市场切入，避开了价格敏感的中小企业红海，同时利用大企业对效率提升的迫切需求——据Gartner预测，到2025年，80%的企业客户服务组织将应用某种形式的AI。 ### 挑战与展望 尽管前景广阔，Cignara 仍需面对几个现实挑战： - **数据安全**：大企业对其客户数据极为敏感，AI模型需要本地部署或私有云方案。 - **幻觉控制**：在严肃的客服场景中，AI的错误回答可能导致法律或声誉风险。 - **成本与ROI**：定制化集成和持续维护的费用不菲，企业需要看到明确的投资回报。 如果Cignara 能在这些方面给出令人信服的答案，它有望成为企业级AI客服赛道的重要玩家。