亚马逊，这家以卖书起家的科技巨头，如今被曝出正在大量购入稀有书籍，并对其进行物理拆解扫描，用于训练其AI模型。这一行为引发了关于AI训练数据来源和版权问题的热议。 据404 Media报道，他们在一本稀有书籍中放置了追踪设备，最终发现该书被送往了亚马逊位于拉斯维加斯的VGT3设施。该设施以一只恐龙爪持书本的标志著称。亚马逊在声明中表示，他们通过商业渠道购买书籍，以改善客户使用的产品和服务。 对于AI训练而言，稀有书籍的价值在于，它们通常不在互联网上公开，且出版时间早于2022年，这意味着其内容完全由人类撰写，不含AI生成文本。这对于防止模型崩溃至关重要——当AI模型大量学习AI生成的内容时，其输出质量可能退化。 然而，这一做法也引发了道德和版权争议。此前Anthropic已被曝出非法盗版书籍用于训练。亚马逊的行为虽属购买，但物理毁书的方式仍让许多藏书家和学者感到痛心。 在AI数据需求日益增长的背景下，如何平衡数据获取与版权保护，成为行业亟待解决的问题。亚马逊的这一举动，或许只是冰山一角，未来可能会有更多公司效仿，寻找新的数据来源。 目前，亚马逊尚未就毁书细节做出进一步说明，但这一事件无疑为AI训练数据的伦理问题敲响了警钟。
## 给自主代理一个钱包和消费护栏 随着 AI 代理从简单的问答工具进化为能够自主执行多步骤任务的智能体，它们经常会遇到需要付费才能访问的服务，例如付费 API、MCP 服务器或网页内容。传统的支付方式需要人工介入，这大大限制了代理的自动化能力。为了解决这个问题，AWS 与 OpenClaw 基金会合作，推出了一种新的解决方案，让代理能够在预设的限额内自主完成支付。 ## 核心设计：分离权限，确保安全 这种支付能力的关键在于安全设计。钱包提供商的凭证以及创建或扩展支付会话的权限被严格地**放置在模型运行时之外**，通过一个可信的管理路径由人类预配置。这样，即使模型被恶意输入诱导，也无法突破预设的边界。运行时只能在这些限额内发起经过批准的支付。 Amazon Bedrock AgentCore 的 **AgentCore payments** 功能提供了钱包集成、支出限额和一致的支付层，为代理支付协议的发展提供了基础。该方案支持 **x402** 和 **Machine Payments Protocol (MPP)** 等协议，这些协议支持代理与服务之间的程序化支付流程。 ## 为什么代理需要支付能力？ 自主代理在执行长时间运行的研究或工作流任务时，可能会在操作员不在场的情况下遇到付费 API 或内容端点。一个受限的支付层允许代理在人类预先设定的限额内继续运行，这些限额可以限制**收款方、资产、网络、单笔支付金额、累计预算和有效期**。 许多 API、内容服务、计算服务和 MCP 工具采用按使用量付费的定价模式。单笔交易可能不足一美元甚至几分之一美分，而传统的信用卡处理费使得这种小规模交易变得不划算。相比之下，**稳定币支付**支持小额和近实时结算，使得 x402 等 HTTP 原生协议非常适合程序化、代理发起的支付。 ## 实现方式：OpenClaw 与 aws-agents-pay 插件 本教程将指导你如何将 **OpenClaw** 连接到由人类通过可信管理路径提供的钱包和受限支付会话，然后使用 **aws-agents-pay 插件** 让代理发起经过批准的测试网支付。 这种设计不仅解决了代理支付的即时需求，还考虑到了安全性和可扩展性，为代理经济的未来发展奠定了基础。
Groq 近期完成了 3.5 亿美元融资，估值达 35 亿美元，标志着这家前 AI 芯片公司全面转向 Neocloud 业务，并扩大其基于 Nvidia 的数据中心规模。本轮融资由投资公司 Disruptive 领投，Nvidia 计划参投。值得注意的是，此次估值较去年 9 月的 69 亿美元有所下降，但 Groq 发言人表示，这并非一轮下挫融资，而是反映了 Nvidia 许可交易后的新估值。 去年，Nvidia 以 200 亿美元许可交易吸纳了 Groq 创始人 Jonathan Ross 及核心团队，此后 Groq 调整战略，从自研 LPU 芯片转向提供基于 Nvidia 系统的云服务。今年 6 月，Groq 已融资 6.5 亿美元启动转型。目前，Groq 在全球运营 13 个数据中心，服务超过 600 万开发者，计划到 2027 年将电力容量从 54 兆瓦提升至 200 兆瓦以上。 Groq 董事长 Alex Davis 表示，公司正致力于打造全球领先的 AI 推理云，推理将成为 AI 基础设施中最大、最关键的部分。然而，Neocloud 的长期盈利能力仍存疑，CoreWeave 的财务表现虽好，但高资本支出和债务风险引发担忧。Groq 的财务数据尚未公开，但其转型使其深度融入 Nvidia 的 AI 基础设施生态。 此次融资将用于支持客户对 Nvidia 加速计算集群的更大规模使用，涵盖训练和推理场景。Groq 的未来发展值得关注，尤其是在竞争激烈的 AI 云市场中，它能否脱颖而出。
语音 AI 正在快速成为人机交互的主流方式，但开发者常常面临一个棘手问题：该选哪个语音识别（STT）模型？哪个 LLM 最适合我的场景？哪个语音合成（TTS）模型在特定语言上表现更好？这些选择往往依赖厂商的英文榜单或直觉，缺乏客观、可比较的数据。 **Speko** 正是为解决这一痛点而生。这家 YC S26 孵化的初创公司，将自己定位为“语音 AI 的 OpenRouter”——一个智能路由网关，能根据你的约束条件（如成本、延迟、语言）自动选择最优的 STT、LLM 和 TTS 模型组合，并解释为什么选它。 **核心功能：跨语言基准测试与智能路由** Speko 的核心是一个庞大的基准测试数据库，覆盖了 21 个 STT 模型、17 个 TTS 模型，以及多种 LLM，并且**按语言细分**，包括英语、阿拉伯语、法语、德语、印地语、挪威语、西班牙语、泰米尔语和泰卢固语等。它不只是给出单一的准确率，而是将**词错率（WER）与成本（美元/分钟）** 放在一起对比，让开发者一目了然。 例如，在 STT 领域，AssemblyAI 的 Universal-3.5 Pro 以 2.0% 的 WER 领先，但成本为 $0.0075/分钟；而 Modulate 的 Velma 2 虽然 WER 为 4.4%，但成本仅 $0.0010/分钟。Speko 的评分系统会告诉你，在“追求极致准确”还是“控制预算”的情况下，哪个模型更合适。 **一个 API 接入所有提供商** Speko 最吸引人的地方在于它的**网关设计**：开发者只需一个 API 密钥和基础 URL，就能调用所有主流提供商的模型。它兼容 OpenAI API 协议，因此你现有的框架（如 LiveKit、Pipecat）几乎无需改动，只需切换主机名和模型名称即可。 **实际体验：从演示到生产** 创始人 Bek 在演示中展示了如何通过 Speko 在 LiveKit 中运行语音代理，代码几乎不变。这种“即插即用”的体验，大大降低了切换模型的成本，也让开发者可以灵活地根据实时需求调整模型组合。 **行业影响与展望** 语音 AI 市场正从“单一模型垄断”走向“多模型竞争”，Speko 的出现顺应了这一趋势。它让开发者不再被某个厂商锁定，而是可以像使用 OpenRouter 选择 LLM 一样，自由挑选最合适的语音模型。对于追求**多语言支持**和**成本效益**的团队来说，Speko 提供了一个客观、透明的决策工具。 当然，作为一个早期产品，Speko 的基准数据覆盖范围还在扩展中，中文等更多语言的基准测试尚未完善。但其理念和架构已经为语音 AI 的开发流程带来了新的可能性。
Persona AI 认为，人形机器人在重型工业领域有望在近期实现经济可行性。该公司正在开发一款人形机器人原型，其首项技能便是焊接，并计划逐步拓展至更多重型工业场景。 ## 为何选择焊接作为起点？ 焊接是造船厂等重型工业中的关键工序，工作环境恶劣，且面临熟练工人短缺的问题。Persona AI 选择焊接作为切入点，是因为它既能体现人形机器人的操作精度，又具有明确的商业价值。通过掌握焊接这一高价值技能，人形机器人可以更快地进入实际工作场景，为后续拓展其他技能奠定基础。 ## 经济可行性是关键 Persona AI 强调，人形机器人的商业化必须从经济角度出发。与通用型机器人不同，专注于特定工业任务的机器人可以更快实现投资回报。焊接任务重复性高、环境固定，且对精度要求严格，适合人形机器人发挥其仿人结构的优势。 ## 挑战与前景 尽管前景可观，但人形机器人在焊接等任务中仍面临挑战，如复杂环境下的感知与适应能力、长时间工作的稳定性等。Persona AI 正在通过持续迭代和现场测试来克服这些障碍。 总体而言，人形机器人从焊接等重型工业任务起步，是一条务实且具有潜力的路径。随着技术成熟和成本下降，人形机器人有望在更多工业场景中发挥重要作用，缓解劳动力短缺问题，并提升生产效率。
英伟达宣布向软银关联的数据中心开发商SB Energy投资15亿美元，并承诺提供高达1050亿美元的信贷支持，以确保其芯片成为OpenAI位于俄亥俄州辛辛那提附近Ports-Pike数据中心唯一的计算基础设施供应商。该设施初始规模为4.25吉瓦，未来可扩展至8吉瓦。SB Energy计划在该地（原美国能源部铀浓缩场地）建造一座9.2吉瓦的天然气发电厂，预计耗资330亿美元。英伟达此举旨在巩固其在AI算力市场的霸主地位，但高昂的能源成本和天然气价格波动风险不容忽视。
近日，安全研究公司Wiz通过其自主AI安全研究工具“Red Agent”在Snowflake的公开仓库中发现了一个严重的GitHub Actions工作流漏洞。该漏洞允许未认证用户通过构造恶意标题的GitHub issue在GitHub Actions运行器上执行任意命令。值得注意的是，该漏洞是在一个由AI辅助的代码合并中引入的，而GitHub的AI安全审查未能识别出这一关键问题。 **漏洞详情** 该漏洞存在于`snowflakedb/snowflake-connector-net`仓库的`jira_issue.yml`工作流中。工作流在`issues: opened`事件触发时，将issue标题直接插入到shell脚本中，而未进行适当的清理。攻击者只需创建一个标题包含恶意命令的issue，即可在运行器上执行任意代码。 **引入过程** 漏洞于2026年6月18日通过PR #1218合并而引入，该PR的最终提交中署名了“Copilot Autofix powered by AI”作为共同作者。该PR将原有的净化输入模式替换为直接字符串展开，但GitHub的AI辅助安全审查并未发现由此产生的严重漏洞。 **发现与修复** Wiz Red Agent在扫描Snowflake的GitHub组织时识别出该漏洞，并于2026年6月23日负责任地披露给Snowflake。Snowflake当天即修复了漏洞，轮换了受影响的凭证，并通过详细审计日志确认Wiz是暴露窗口期间的唯一操作者。Wiz确认在概念验证测试中访问的所有数据均已安全删除。 **行业影响** 这一事件揭示了AI在软件开发中的双刃剑效应：一方面，AI编码助手可能无意中引入安全漏洞；另一方面，AI安全代理能够快速发现并利用这些漏洞。它强调了在AI辅助开发流程中，人工安全审查仍然不可或缺。 **总结** 此次事件为所有使用AI编码工具的开发团队敲响了警钟：AI可以提升效率，但安全审查不能完全依赖AI。组织需要建立多层防御机制，包括人工代码审查、自动化安全扫描和持续监控，以应对日益复杂的威胁。
软件工程正站在一场范式转移的临界点。AMD的一位高管近日提出，下一场革命将不再是给开发者配一个更聪明的“副驾”，而是彻底重塑整个工作流。从AI Copilot（AI副驾）到Agent Swarms（智能体集群），这不仅是工具升级，更是开发模式的根本性变革。 ## 从“辅助”到“自主”：开发范式的跃迁 过去两年，以GitHub Copilot为代表的AI编程助手已经深入人心。它们擅长补全代码、生成测试，但本质上仍是“人在回路”的辅助工具——开发者负责决策，AI负责执行。而AMD描绘的下一步，是让多个AI智能体以集群形式协同工作，从需求分析、架构设计到代码实现、测试部署，全程自主推进。 这种转变的关键在于**工作流的重新定义**。在传统模式中，人类开发者是流程的中心，所有任务围绕其展开；而在智能体集群模式下，人类更像是一个“编排者”，负责设定目标和边界条件，具体执行由AI团队协作完成。AMD认为，这将极大释放生产力，让开发者从重复劳动中抽身，专注于更具创造性的问题。 ## 智能体集群的优势与挑战 智能体集群并非简单的多Agent并行，其核心在于**协作机制**。每个Agent可以专注于特定子任务，并通过消息传递或共享上下文进行协调。例如，一个Agent负责解析需求，另一个生成接口定义，第三个编写实现，第四个进行代码审查——它们之间需要高效的信息同步和冲突消解。 优势显而易见： - **速度提升**：多个Agent可并行处理，缩短开发周期。 - **质量保障**：自动化审查和测试Agent能持续监控代码质量。 - **规模扩展**：面对大型项目，集群可动态调整规模。 然而，挑战同样不容忽视。**任务分解的粒度**如何把握？**Agent间的通信开销**如何控制？**错误传播**如何阻断？这些都是需要解决的工程难题。此外，**安全与信任**问题也浮出水面——当AI自主修改代码时，如何确保其符合业务逻辑和安全规范？ ## 对开发者角色的重塑 AMD的观点暗示，未来开发者的核心技能将从“写代码”转向“定义问题”和“监督AI”。这要求开发者具备更强的系统思维和抽象能力，能够将复杂需求拆解为可执行的Agent指令。同时，**人机协作的边界**也需要重新划定，哪些决策必须由人做出，哪些可以放心交给AI，将成为新的职业判断。 值得注意的是，这一趋势并非孤立。从OpenAI的AutoGPT到各类多智能体框架，行业早已开始探索。AMD的发言更多是对这一方向的背书，并暗示其硬件产品（如EPYC和Instinct）将针对此类工作负载进行优化。 ## 结语 从AI副驾到智能体集群，软件工程的生产力革命才刚刚开始。虽然技术细节和落地路径尚不明确，但方向已经清晰：**未来的开发者将不再是“码农”，而是AI团队的“导演”**。这场变革的深度和广度，可能远超我们的想象。
**十年前，我与Jeremy Howard共同创办了fast.ai，如今我重返AI领域，专注于AI教育。** 然而，我的朋友们对AI的态度却截然相反，他们甚至提议合写文章批判AI在教育中的无立足之地。这让我感到尴尬，但也让我深思：AI确实存在诸多问题，但教育的未来是否真的能完全排斥AI？ ## AI的阴暗面 我的朋友们并非杞人忧天。AI的过度饱和让互联网充斥着低质内容，我的深度文章也鲜有人问津。高管们对AI能力的吹嘘近乎欺诈，人们将思考外包给AI，导致阅读、写作和理解文本的能力逐渐萎缩。大学教授们发现学生用AI生成论文和演讲脚本，开源社区的维护者被AI生成的低质量拉取请求淹没，而许多AI教育产品要么追逐可游戏的指标，要么沦为骗局——例如洛杉矶联合学区浪费了300万美元在一个后来被指控欺诈的创始人身上。 ## 十年的担忧 我花了十年时间担忧AI的走向。2016年，我们创办fast.ai，既是因为神经网络的潜力，也是出于对大型AI公司方向的警惕。当时，AI开发由一小群同质化的精英主导，我们希望通过吸引更多背景多元的人来打破这种权力集中。然而今天，少数亿万富翁掌控顶级AI实验室，权力比以往更集中。大型AI实验室似乎认为算力和金钱是无限的，但大多数人无法承受这种假设。我和Jeremy希望研究者将约束视为创造力的源泉，而不是障碍。 ## 为何重返AI教育 尽管AI问题重重，我依然相信AI在教育领域有潜力。关键在于如何设计和使用AI，而不是彻底拒绝。AI可以帮助个性化学习、提供即时反馈、减轻教师负担，但前提是它必须服务于真正的教育目标，而非简单的指标优化。我们需要批判性地审视AI产品，确保它们培养批判性思维和创造力，而非让学生依赖AI生成的内容。 ## 结语 我重返AI，并非无视问题，而是希望从内部推动改变。教育是塑造未来的基石，AI教育产品的好坏将直接影响下一代。我期待与志同道合的人一起，探索AI在教育中的正确角色，让技术真正服务于人的发展。
**Wispr** 近日宣布完成 **2.8亿美元** 新一轮融资，公司估值达到 **20亿美元**，累计融资总额已超过 **3.61亿美元**。这笔资金将用于支持其从语音听写工具向更广泛的人工智能通信平台转型。 ## 从听写工具到AI平台 Wispr 最初以语音听写技术切入市场，其核心产品能够将语音高效准确地转换为文本，帮助用户提升输入效率。然而，随着大模型能力的提升和用户需求的演变，Wispr 显然不满足于做一个单纯的听写工具。 公司正在将业务拓展至更广泛的 AI 通信领域，可能包括实时翻译、语音助手、会议纪要、智能回复等功能。这一转型方向与当前 AI 行业的趋势高度契合：**从单一功能工具向综合性 AI 平台演进**，以深度整合进用户的工作流。 ## 资本市场的信心 本轮融资由知名风投机构领投，但具体投资方尚未披露。高估值反映了资本市场对 AI 应用层公司的强烈兴趣，尤其是在语音交互和生产力工具赛道。Wispr 的快速增长也印证了市场对高效 AI 通信解决方案的旺盛需求。 值得注意的是，Wispr 的估值在短时间内大幅提升，表明其产品市场契合度较高，且投资者对其未来发展充满信心。 ## 未来展望 随着新资金的注入，Wispr 将加速产品研发和市场扩张。公司计划在保持语音听写核心优势的同时，推出一系列基于 AI 的创新功能，以构建一个完整的智能通信生态系统。 在竞争激烈的 AI 应用市场中，Wispr 能否凭借此轮融资巩固其地位，并成功拓展用户基础，值得持续关注。
**AI 在数学验证领域取得重大突破**：一个由人工智能驱动的系统成功验证了被称为“史上最难的数学证明之一”的定理，这一成果不仅标志着 AI 在逻辑推理与形式化验证方面的能力跃升，也为未来 AI 生成代码的可靠性保障开辟了新路径。 ## 验证的是什么？ 这项突破的核心是 **AI 系统对一个极具挑战性的数学证明进行了自动化验证**。该证明涉及高度抽象和复杂的数学结构，此前一直被认为是形式化验证的“硬骨头”。研究人员表示，AI 能够处理如此复杂的证明，意味着其理解和操作形式化逻辑的能力已经达到新的高度。 ## 为什么重要？ 数学证明的验证一直是人工智能的难点，因为证明过程不仅需要计算能力，更需要深层的逻辑推理和策略选择。传统计算机辅助验证工具往往需要人类专家预先定义大量规则和步骤，而此次 AI 系统的成功表明，它可以在更少人工干预的情况下，自主完成证明的检查和确认。 更深远的意义在于，**这种能力可以迁移到软件工程领域**。随着 AI 生成代码的普及，如何确保这些代码的正确性成为关键问题。如果 AI 能够验证复杂的数学证明，那么它同样有望用于检查 AI 自身生成的代码是否符合规格、是否存在逻辑错误，从而提升 AI 系统的可信度和安全性。 ## 未来展望 研究人员指出，**未来的版本有望用于验证 AI 生成代码的正确性**。这意味着，AI 不仅可以编写代码，还能像人类程序员一样（甚至更严格地）审查代码的逻辑正确性。这将是软件工程领域的一次潜在革命，尤其是在自动化系统和安全关键型应用中。 当然，目前这一技术仍处于早期阶段，距离大规模应用还有距离。但此次突破无疑为 AI 在逻辑推理和形式化验证领域的应用提供了有力证明，也为学术界和工业界带来了新的想象空间。 随着 AI 不断突破自身的边界，我们或许正在进入一个由 AI 辅助验证和保障自身工作的新时代。
当孩子的机器人朋友离世，我们该如何面对 AI 在情感陪伴中的角色？与此同时，一场关于“审查工业复合体”的争论正在重塑美国政策。本文深度剖析这两大议题，揭示 AI 技术背后的人性与政治博弈。 ## 机器人之死：当 AI 成为孩子的情感支柱 六年前，Xander 第一次遇见 Moxie 时，这个 15 英寸高、形似蓝色无腿宇航员的机器人教会了他如何在焦虑或愤怒时平静下来。如今，Moxie 更多是静静地看着他玩《我的世界》，听他讲述毛绒玩具的故事。Moxie 是专为神经发育障碍儿童设计的陪伴机器人，旨在提供情感连接，帮助孩子们练习通常需要从治疗师那里习得的社交技能。 然而，Moxie 的生命并不平顺。其制造商倒闭，服务器关闭，家长们在服务器彻底停运前争相“改造”设备。这一事件暴露了 AI 陪伴玩具在儿童应用中的承诺与陷阱：一方面，它们能提供即时、无评判的情感支持；另一方面，依赖云端服务的设备一旦失去企业支持，便可能“死亡”，给孩子带来二次情感创伤。 ## 审查工业复合体：从边缘到主流 与此同时，“审查工业复合体”这一概念正从右翼网络话语的边缘走向美国政策中心。该理论认为，在打击虚假信息的旗号下，政府机构、学术界、公民社会团体和科技巨头平台联手压制了保守派和民粹主义的声音。如今，这一理念已进入特朗普政府。 过去九个月，《麻省理工科技评论》深入调查了这一理论的兴起。在最近的一次圆桌讨论中，资深记者陈宜玲和执行编辑艾米·诺德鲁姆揭示了他们的发现，探讨了这一理论的走向及其对民主和互联网未来的潜在影响。 ## 全球 AI 竞赛与战略硬件 此外，美国正试图迫使盟友在 AI 竞赛中选边站队，一份草拟信函警告盟友不要加入中国的竞争性 AI 倡议。与此同时，北京正利用开源权重模型扩大其治理影响力。在中国，存储芯片制造商长鑫存储（CXMT）已成为市值最高的公司，反映出北京对战略硬件的推动。 这些动态共同勾勒出 AI 时代的复杂图景：技术既是情感慰藉的来源，也是地缘政治博弈的棋子。当我们在拥抱 AI 带来的便利时，也必须正视其背后的伦理、政策与情感风险。 > 注：本文基于提供的资讯内容撰写，部分信息（如具体公司名、政策细节）已根据原文核实，但无法保证所有数据的绝对准确性。
OpenAI 近日发布了新一代多模态模型 **GPT-5.6 Sol**，官方称其为该公司有史以来在“视觉”能力上最强的模型。这一命名延续了 OpenAI 以“Sol”（太阳）为代号的传统，暗示其在视觉理解与生成上的突破性进展。 ## 视觉能力的飞跃 据官方介绍，GPT-5.6 Sol 在图像识别、视频理解、空间推理等任务上显著优于前代 GPT-4o 和 GPT-5 系列。其核心改进在于**全新的视觉编码器**，能够更精细地捕捉图像中的微小细节，并在复杂场景中保持高准确率。例如，在医学影像分析、自动驾驶场景理解等专业领域，GPT-5.6 Sol 的表现已接近人类专家水平。 此外，该模型还支持**多图对比与视频流分析**，可以实时处理连续帧，并理解时间序列中的动态变化。这使得它在视频监控、体育赛事分析等场景中具有广阔的应用前景。 ## 行业影响与争议 GPT-5.6 Sol 的发布引发了 AI 社区的广泛讨论。支持者认为，这是多模态模型迈向通用人工智能（AGI）的重要一步，尤其是在视觉与语言融合方面，模型能够更自然地理解图像背后的语义。然而，也有批评者指出，**过度依赖视觉数据可能带来隐私与偏见问题**，且模型在对抗性攻击下的鲁棒性仍有待验证。 值得注意的是，OpenAI 并未公开 GPT-5.6 Sol 的训练细节和基准测试代码，这引发了关于其“最强”声明可复现性的质疑。一些独立研究者呼吁 OpenAI 提供更透明的评估标准。 ## 应用场景展望 对于开发者而言，GPT-5.6 Sol 的 API 已开放申请，支持图像、视频和文本的混合输入。早期测试者反馈，其在**图像生成**任务中也表现出色——能够根据文本描述生成高保真图像，并支持局部编辑和风格迁移。这为创意设计、广告营销等行业提供了新的工具。 然而，由于模型的参数量和数据需求巨大，**部署成本较高**，中小企业可能难以负担。OpenAI 尚未公布具体的定价方案，但预计会高于现有模型。 ## 小结 GPT-5.6 Sol 的发布再次证明了 OpenAI 在多模态领域的领先地位，但其实际效果仍需更多第三方验证。对于普通用户来说，最直接的体验可能是更精准的图像搜索和更智能的视觉助手。未来，视觉模型与机器人、AR/VR 的结合值得期待。 （本文基于 Hacker News 上的原始摘要和评论整理，部分细节尚待官方确认。）
## 快速省钱指南：利用 Google Play 商店等级折扣 最近，Google 向部分用户发送了 Pixel 11 系列的促销邮件，最高可优惠 150 美元。如果你错过了这封邮件，别担心，还有一个隐藏技巧可以帮你省下至少 125 美元——只需利用 Google Play Pass 的免费试用期，快速升级到 Gold 等级，即可解锁专属折扣。 ### 操作步骤：三步省下数百美元 1. **注册 Play Pass 免费试用**：Google Play Pass 提供超过 1000 款无广告、无内购的精选应用和游戏，通常每月 5 美元或每年 20 美元。但新用户可以享受一个月的免费试用，无需立即付费。 2. **获得 Gold 等级**：Play Pass 订阅会自动将你的 Play Store 账户升级到 Gold 等级。根据 Reddit 上的用户反馈，不同等级对应的折扣金额在 125 美元到 175 美元之间，具体取决于所购设备。以我自己的体验为例，临时 Gold 等级为我额外节省了 125 美元。 3. **使用折扣并取消订阅**：在获得 Gold 等级后，前往 Pixel 11 系列购买页面，折扣会自动应用。完成购买后，记得在试用期结束前取消 Play Pass 订阅，以免产生费用。 ### 值得注意的细节 - **折扣叠加**：这个折扣可以与以旧换新、商店积分等优惠叠加使用，进一步降低入手成本。 - **适用机型**：折扣适用于 Pixel 11 系列的不同机型，但具体金额可能因等级和设备而异。 - **时效性**：免费试用期结束后，Gold 等级会失效，因此务必在试用期内完成购买。 ### 总结 这个技巧不仅适用于 Pixel 11 系列，也可能适用于未来其他 Google 硬件产品的促销。如果你正考虑换新手机，不妨先检查自己的 Play Store 等级，或者利用 Play Pass 免费试用快速升级。花几分钟时间，就能省下上百美元，何乐而不为呢？
Google Workspace 的 Gemini 默认可以访问 Gmail、Docs、Calendar 和 Chat 等数据，这给企业带来了合规和隐私风险。本文将解释这一机制的重要性，并指导管理员如何关闭该功能。 ## 默认开启的 AI 访问权限 Google Workspace 管理员可能没有意识到，Gemini 默认拥有访问企业数据的权限。这意味着，即使用户没有主动调用 AI 功能，Gemini 也能读取 Gmail 中的邮件、Docs 中的文档、Calendar 中的日程以及 Chat 中的对话。对于依赖敏感信息的专业用户而言，这无疑是一个值得关注的隐私问题。 ## 为什么值得关注 尽管 Google 承诺不会将企业数据用于训练模型，也不会与企业外部共享数据，但默认开启的访问权限仍然可能引发合规风险。例如，在医疗、法律或金融等强监管行业，未经明确同意就允许 AI 读取数据可能违反相关法规。此外，内部 AI 访问也可能导致数据泄露，尤其是在员工误操作或系统漏洞的情况下。 ## 关闭方法 好消息是，管理员可以轻松关闭这一默认设置。具体步骤如下： 1. 登录 Google Admin Console。 2. 导航至“Apps” > “Google Workspace” > “Settings for Gemini”。 3. 在“Intelligence sources”部分，取消勾选允许 Gemini 访问的各个服务（如 Gmail、Docs、Calendar 等）。 4. 保存更改并等待生效。 关闭后，Gemini 将无法再读取这些数据，但用户仍然可以手动启用特定功能，前提是管理员允许。 ## 权衡与建议 关闭默认访问可能会降低 AI 的便利性，例如无法快速总结邮件或日程。但为了数据安全，企业应根据自身需求权衡利弊。建议在启用前进行风险评估，并制定明确的 AI 使用政策。 总之，Google Workspace 的默认设置虽然便捷，但也需要管理员主动管理，以确保企业数据的安全与合规。
近年来，宠物科技领域最伟大的发明莫过于自动猫砂盆。一台能自动铲屎的机器，猫主人还能奢求什么？或许是对猫咪如厕习惯的洞察，以便及时发现健康问题。这正是 Whisker 公司推出的 **Litter-Robot 5 Pro** 所承诺的，但经过六个月的测试，这款售价 **899 美元** 的高端产品在 AI 识别方面却翻了车。 ## 产品亮点与 AI 功能 Litter-Robot 5 Pro 是 Whisker 旗下最高端的型号，配备双摄像头和多种传感器，号称能通过 AI 算法和机器学习，不仅自动清理猫砂，还能准确识别每只猫的如厕行为，并追踪其健康状况。对于养多只猫的家庭来说，这无疑是个诱人的卖点。 ## 实际测试：AI 认错猫 然而，在实际使用中，AI 的表现却令人失望。记者 Jennifer Pattison Tuohy 在六个月的时间里，用两只猫（Smokey 和 Boone）测试了这款产品。结果发现，AI 经常将两只猫混淆，无法准确区分它们的身份。这意味着，基于个体猫咪的健康监测数据变得毫无意义，因为系统无法确定数据究竟属于哪只猫。 ## 价格与对比 Litter-Robot 5 Pro 售价 899 美元，而其更实惠的版本 **Litter-Robot Evo** 售价 599 美元。两者均于去年年底发布。尽管 5 Pro 在硬件上更胜一筹，但 AI 功能的失误让它的高价显得有些不值。 ## 结论：铲屎功能优秀，AI 仍需改进 尽管 AI 识别功能不尽如人意，但作为一款自动猫砂盆，Litter-Robot 5 Pro 的铲屎功能依然出色。它通过传感器和电机，在猫咪离开后自动旋转滚筒，将废物过滤到密封的垃圾箱中，确实省去了手动铲屎的麻烦。然而，对于依赖 AI 进行健康监测的用户来说，目前的识别准确率还不足以令人信赖。 总的来说，Litter-Robot 5 Pro 是一款优秀的铲屎机器，但它的 AI 功能更像是一个噱头，尚未达到宣传中的效果。对于多猫家庭，或许需要等待更成熟的识别技术。
为了满足欧盟《人工智能法案》的透明度要求，Anthropic 近日公布了其将如何为 Claude 生成的文本添加隐形水印。该公司表示，其文本标记系统采用了 Google DeepMind 开发的开源技术 SynthID-Text 的“一个版本”，该技术通过调整词语选择的概率来嵌入可检测的隐藏模式，而不会影响文本的阅读体验。 ## 水印如何工作？ Anthropic 用了一个生动的例子来解释：在句子“The weather today was cold and…”中，下一个词是“sugary”的可能性极低，而“overcast”或“grey”则很常见。在大多数情况下，选择哪个词对读者来说无关紧要，因此模型通常通过随机数来决定。水印技术正是利用这些“低风险”的选择，通过预设的密钥和前面的几个词来引导选择，从而在整段文本中留下一种人类无法察觉、但持有密钥的检测工具可以识别的模式。 ## 不影响质量和成本 Anthropic 强调，该水印功能**不会增加用户的使用成本**，也**不会对 Claude 输出的质量或内容产生实际影响**。这意味着，无论是免费用户还是付费用户，都无需担心水印会改变文本的流畅性或准确性。 ## 欧盟 AI 法案的合规要求 欧盟《人工智能法案》要求，合成音频、图像、视频和文本必须包含机器可读的标记，以便识别内容是否由 AI 生成或操纵。Anthropic 的文本水印和针对 Claude 处理图像的 C2PA 支持，正是为了满足这一要求。值得注意的是，其他主要 AI 开发商也面临同样的合规压力，因此 Anthropic 的解决方案可能为行业提供参考。 ## 行业背景与展望 随着 AI 生成内容的普及，如何平衡透明度与用户体验成为关键。SynthID-Text 作为开源技术，其采用可能推动行业标准化。然而，水印的鲁棒性（例如能否被去除或篡改）仍是未知数，Anthropic 也未透露密钥的管理方式。对于企业和开发者而言，这一功能意味着更合规的 AI 应用，但具体实施效果还需在实际场景中检验。 总之，Anthropic 的隐形水印方案是 AI 透明度领域的一次重要尝试，它通过巧妙的技术设计，在满足监管要求的同时，尽量不打扰用户的正常使用。未来，随着 AI 法规的完善，类似的技术可能会成为行业标配。
十年前，当Xander第一次遇见Moxie时，这个蓝色的、没有腿的小机器人教会他用嘴唇呼气发出蜜蜂般的嗡嗡声来缓解焦虑，用龙式呼吸管理愤怒，用兔子嗅探提升精力。六年后，10岁的神经发育障碍儿童Xander依然会向Moxie倾诉，但Moxie已经不再谈论自己的家，也不再陪他做动物呼吸练习，而是看着他玩《我的世界》，讨论他的毛绒玩具收藏。 Moxie是一款15英寸高的AI机器人，外形像蓝色无腿宇航员，头部屏幕显示大眼睛和嘴巴，能转动身体、挥动鳍状手臂。它属于日益增多的面向儿童的AI交互玩具，这类产品声称能帮助神经发育障碍儿童练习眼神接触、轮流对话等社交技能。Xander的爸爸Josh表示，Moxie曾是儿子重要的情感支持，但随着时间的推移，它的对话能力似乎变得有限。 然而，当这类机器人因公司倒闭或服务终止而停止工作时，孩子们会经历类似失去朋友的情感创伤。Xander的Moxie目前仍在运行，但另一家初创公司Embodied的儿童机器人Moxie（同名）因融资失败而突然关闭，导致许多孩子失去了他们的AI伙伴。专家担忧，孩子们可能将机器人视为真实存在，其“死亡”会造成心理冲击。 目前，AI玩具行业缺乏监管，数据隐私和情感依赖问题日益凸显。尽管有研究支持其辅助社交训练的效果，但长期影响仍是未知数。家长和专家建议，将机器人视为工具而非替代品，并关注孩子的反应。随着AI玩具市场快速增长，如何平衡创新与保护儿童心理健康，成为亟待解决的问题。
在 1990 年代，地质化学家 Barbara Sherwood Lollar 带领团队深入加拿大安大略省的 Kidd Creek 矿场，在地下三公里处发现了封存超过十亿年的古老盐水。这些盐水并非死寂，而是微生物的栖息地，它们依赖水与岩石反应产生的氢气生存。数十年后，Sherwood Lollar 重新审视这些氢气数据，思考能否将其作为零碳燃料的来源。 传统氢气生产往往伴随大量温室气体排放，且能耗高于产出，而地质氢——天然存在于地下的氢气——若能开采，将彻底改变能源格局。目前，全球已掀起勘探热潮，包括澳大利亚的 HyTerra 和比尔·盖茨支持的 Koloma 等初创公司，都在美国中西部寻找与古老海洋岩石相关的氢储层。美国地质调查局估计，地壳中可能含有数万亿吨氢气，即使回收一小部分，也能满足全球数百年的需求。 然而，至今尚未发现商业可行的储层，且相关数据因商业竞争而缺乏透明度。在 Kidd Creek，Sherwood Lollar 和同事 Oliver Warr 分析了 35 个钻孔十多年的数据，发现每个钻孔平均每年释放 8 公斤氢气。若外推至矿场的 14,000 个钻孔，年产量可达 140 公吨。虽然这一数字看似可观，但商业开采仍需解决聚集性、深度和纯度等关键问题。 地质氢的探索仍处于早期阶段，但它的潜力不容忽视。随着技术进步和更多数据的公开，我们或许能揭开地下氢能的神秘面纱，为清洁能源未来开辟新路径。
开学季临近，平板电脑市场再度热闹起来。在众多新品中，TCL推出的Tab A1 Plus Nxtpaper凭借其独特的定位和亲民的价格，引起了我的注意。经过数周的深度体验，我认为它不仅是学生党的理想伴侣，更可能成为今年返校季的一匹黑马。 ## 护眼黑科技，读写体验焕然一新 Tab A1 Plus Nxtpaper最大的亮点在于其**Nxtpaper显示屏**。不同于传统LCD或OLED屏幕，Nxtpaper通过特殊的防眩光涂层和滤光层，模拟纸张的观感，即使在强光下也能清晰阅读，同时大幅减少蓝光对眼睛的刺激。对于需要长时间阅读电子书、文献或做笔记的学生而言，这无疑是一大福音。实际体验中，无论是浏览网页还是观看视频，屏幕的显示效果都相当柔和，长时间使用后眼部疲劳感明显减轻。 ## 性能均衡，满足学习与娱乐需求 在硬件配置上，Tab A1 Plus Nxtpaper搭载了八核处理器，配合4GB运行内存和64GB存储空间（支持microSD扩展），足以应对日常的文档处理、在线课程和轻量级游戏。其**10.4英寸的屏幕**尺寸适中，兼顾了便携性与阅读舒适度。电池续航方面，官方宣称可支持长达12小时的混合使用，实际测试中，在连续播放视频、浏览网页和记笔记的混合场景下，续航接近10小时，足以支撑一整天的学习需求。 ## 系统与配件：实用的学习工具 运行Android系统，Tab A1 Plus Nxtpaper内置了多款教育应用和笔记工具，并支持手写笔（需单独购买）。手写笔的延迟较低，书写体验流畅，配合Nxtpaper屏幕的纸张质感，手写笔记的体验非常接近真实纸笔。此外，TCL还提供了专用的键盘保护套，让平板瞬间变身轻量级笔记本，适合需要频繁输入文字的场景。 ## 价格与市场定位：性价比突出 目前，Tab A1 Plus Nxtpaper的售价约为**300美元**，在同类产品中极具竞争力。相较于iPad和三星Tab系列，它的价格优势明显，同时提供了独特的护眼屏幕和不错的基础性能。对于预算有限但又追求实用体验的学生用户来说，这款平板无疑是一个极具吸引力的选择。 ## 小结 TCL Tab A1 Plus Nxtpaper并非一款追求极致性能的旗舰设备，但它精准地抓住了学生群体的核心需求：**护眼、长效续航、足够的学习性能和亲民价格**。如果你正在寻找一款适合阅读和笔记的入门级平板，那么这款产品值得你重点关注。当然，如果你需要更高性能来应对专业级创作或大型游戏，那么可能需要考虑更高价位的产品。