作者: hiyoho

  • 真人与Q版分身对比肖像

    真人与Q版分身对比肖像

    真人与Q版分身对比肖像



    🤖 ChatGPT

    🇺🇸 English Prompt

    Create a side-by-side portrait featuring a real person and their matching chibi avatar. Use the uploaded photo as the facial reference, accurately preserving the person's identity, hairstyle, facial structure, skin tone, expression, and overall appearance.
    
    Keep the exact outfit from the uploaded image, including clothing colors, accessories, footwear, and styling. The person stands in a relaxed, fashionable pose, while a highly detailed 3D chibi version stands beside them, perfectly matching the face, hairstyle, outfit, accessories, and pose.
    
    The chibi character should have a large expressive head, small body proportions, glossy eyes, smooth shading, and premium Pixar-style 3D quality. Both the real person and chibi avatar should look like different versions of the same individual.
    
    Background: clean minimalist setting with soft neutral tones, smooth wall backdrop, tiled pavement or studio floor, warm natural lighting, subtle shadows, and a modern aesthetic. Full-body composition, balanced side-by-side layout, photorealistic human subject, ultra-detailed character design, soft depth of field, high-end lifestyle photography, cute yet premium look, Instagram-worthy composition, 8K resolution.

    🇨🇳 中文提示词

    创建一个包含真人和与其匹配的 Q 版化身的并排肖像。使用上传的照片作为面部参考,准确保留人物的身份、发型、面部结构、肤色、表情和整体外观。保持上传图像中完全相同的装束,包括服装颜色、配饰、鞋履和造型。该人物以轻松、时尚的姿势站立,而一个高度详细的 3D Q 版版本站在他们身边,完美匹配面部、发型、装束、配饰和姿势。Q 版角色应具有富有表现力的大头、小巧的身体比例、透亮的眼睛、平滑的阴影以及高级皮克斯风格的 3D 质量。真人和 Q 版化身看起来都应该是同一个人的不同版本。背景:干净的极简主义环境,带有柔和的中性色调、平滑的墙壁背景、瓷砖路面或摄影棚地面、温暖的自然光、微妙的阴影和现代美学。全身构图,均衡的并排布局,写实的人类主体,超详细的角色设计,柔和的景深,高端生活方式摄影,可爱而高级的外观,适合 Instagram 的构图,8K 分辨率。
  • 城市速写风格旅行日志插画海报

    城市速写风格旅行日志插画海报

    城市速写风格旅行日志插画海报



    🤖 ChatGPT

    🇺🇸 English Prompt

    [
      LANDMARK / DISTRICT
    ],
    [
      CITY
    ],
    [
      SEASON OR MONTH
    ],
    [
      TIME OF DAY
    ]. A premium urban sketch travel journal poster capturing everyday life in one of [
      REGION / COUNTRY
    ]'s most beautiful cultural destinations. Visitors stroll beneath [LOCAL TREES / NATURAL ELEMENTS], artists sketch beside [FOUNTAINS / WATER FEATURES / PUBLIC SPACES], families relax in shaded [COURTYARDS / PLAZAS / GARDENS], while the iconic [ARCHITECTURAL STYLE / LANDMARKS] glow softly in the [LIGHTING CONDITIONS]. Expressive pen-and-ink drawing, transparent watercolor washes, broken contour lines, slightly imperfect hand-drawn perspective, soft paper texture, large negative space, airy travel-journal composition, warm natural light, peaceful local atmosphere, authentic [CITY] daily life, luxury sketchbook aesthetic. Ratio 4:5 Typography: "[CITY]" "[CUSTOM TRAVEL TAGLINE]"

    🇨🇳 中文提示词

    [
      地标 / 街区
    ],
    [
      城市
    ],
    [
      季节或月份
    ],
    [
      时间点
    ]。 一张高端城市速写旅行日志海报,
    捕捉[
      地区 / 国家
    ]最美文化目的地之一的日常生活。 游客在[
      当地树木 / 自然元素
    ]下漫步,
    艺术家在[
      喷泉 / 水景 / 公共空间
    ]旁写生,
    家庭在阴凉的[
      庭院 / 广场 / 花园
    ]放松,
    而标志性的[
      建筑风格 / 地标
    ]在[
      光影条件
    ]下柔和地发光。 表现力丰富的钢笔淡彩画,
    透明水彩渲染,
    断开的轮廓线,
    略显不完美的手绘透视,
    柔软的纸张纹理,
    大面积留白,
    通透的旅行日志构图,
    温暖的自然光线,
    宁静的当地氛围,
    真实的[
      城市
    ]日常生活,
    奢华素描本美学。 比例 4:5 排版: “[
      城市
    ]” “[
      自定义旅行标语
    ]”
  • 竖屏极简王昭君服饰页

    竖屏极简王昭君服饰页

    竖屏极简王昭君服饰页



    🤖 ChatGPT

    🇨🇳 中文提示词

    竖屏 9:16,极简白色古典角色服饰信息页,顶部和底部保留充足白色留白,尤其底部要有明显呼吸感。纯白摄影棚背景,高亮柔光,真实商业棚拍质感,高级时尚杂志目录版式,干净、克制、艺术化。
    
    人物脸部必须完全参考上传人物照片:严格保留上传人物的真实身份特征,不改变人物是谁,不改变五官比例、脸型基础、眼距、鼻型、嘴型、眉眼特征、面部轮廓和整体气质。生成结果必须一眼看出是上传照片中的同一个人。只允许进行轻微上镜优化,如均匀肤色、减轻暗沉、提升光线质感,但必须保留真实皮肤纹理、自然毛孔感、真实面部结构和原本神态,不要换脸,不要变成另一个人,不要变成网红脸,不要过度磨皮。
    
    画面顶部,一个大号黑色粗体标题写着:“WANG ZHAOJUN”。标题下方加入一行非常小、精致的副标题:“SNOW FRONTIER BEAUTY STYLE”。
    
    左侧是统一的黑色细线边框服饰与配饰清单,固定分为 3 个编号区块。每个区块正好包含 2 个产品抠图,共 6 个产品抠图:
    
    Section 1:白玉琵琶发簪与银色流苏耳坠;
    Section 2:雪白狐毛短披肩与冰蓝色改良汉式长裙;
    Section 3:银线刺绣腰封与白色绒面短靴。
    
    每个物品都以干净白底产品抠图形式展示,轮廓清晰、质感高级,每个产品下方都有一个小小的 “1x” 数量标签。左侧清单排版要整齐、留白充足、像高端服装目录页,不要拥挤。
    
    自动将中国古代四大美人之一的王昭君重新诠释为更时尚、优雅、奢华的雪境边塞古典美人造型。保留角色识别度:清冷端庄的东方美感、冰蓝与雪白色系、边塞昭君气质、琵琶意象、银色配饰、柔和而坚韧的气场、远嫁边疆的静穆美感。整体不是传统戏服复刻,而是高级时装化、现代摄影棚风格的王昭君灵感造型。
    
    右侧,一名明确成年的亚洲女性时尚博主全身站立,脸部完全参考上传人物照片,保持与上传人物一致的五官、脸型、神态和真实身份特征,穿着完整的王昭君灵感高级古典时装:冰蓝色改良汉式长裙,裙身修长流畅,带有轻盈丝绸层次与银线刺绣;肩部搭配雪白狐毛质感短披肩,显得清冷高贵;腰间佩戴银线刺绣腰封,脚穿白色绒面短靴;发型为柔顺黑发低盘发或半盘发,搭配白玉琵琶发簪与银色流苏耳坠。整体造型清冷、端庄、贵气,具有东方古典美人和高端时尚博主的双重气场。
    
    她摆出王昭君灵感的优雅站姿:身体微微侧向镜头,肩颈线条舒展,一只手轻轻扶住披肩边缘,另一只手自然垂落或轻扶腰侧,姿态安静、坚韧、含蓄,像雪中远行的边塞美人,但画面仍保持现代棚拍时尚感。镜头采用轻微低机位时尚摄影视角,拉长身形与裙摆线条,但不要造成身体变形。她的表情平静、清冷、温柔、自信,带有王昭君式的沉静美感和高级东方气质。
    
    人物必须真实、有生命力:自然皮肤纹理,真实黑发发丝,可信的丝绸、绒面与狐毛质感褶皱,细腻的银线刺绣边缘,轻微摄影棚地面阴影,真实人体比例,修长优雅但不夸张变形。整体要像高端时装品牌为“中国古典美人王昭君”设计的角色服饰目录页。
    
    避免廉价影楼古装感,避免塑料质感服装,避免夸张网红滤镜,避免动漫脸,避免过度磨皮,避免换脸,避免改变上传人物脸部身份,避免五官漂移,避免脸型变窄或变宽,避免眼睛过度放大,避免鼻子和嘴型改变,避免杂乱背景,避免身体比例扭曲,避免错误文字,避免假 logo,避免元素拥挤,避免人物或清单太靠近底部边缘。
  • 俯拍夏装美女满电状态穿搭

    俯拍夏装美女满电状态穿搭

    俯拍夏装美女满电状态穿搭



    🤖 ChatGPT

    🇨🇳 中文提示词

    竖屏 9:16,从上方俯拍的近景构图,纯白摄影棚背景,高亮柔光,真实商业摄影质感。一名明确成年的中国超酷美女穿搭博主,深色顺滑长发自然披散,精致干净妆容,皮肤自然真实,五官清晰,整体气质冷感、利落、时髦。
    
    她穿着潮流夏装:整体造型要轻盈、清爽、时尚、适合夏季,同时有明显的穿搭博主感。可以是短款修身上衣搭配高腰工装短裙或高腰阔腿短裤,也可以加入极简配饰,如细项链、小耳饰、时尚手链或简洁墨镜点缀。服装配色干净高级,突出夏日清爽感与潮流感,整体造型简洁但有层次,兼具酷感与时尚博主气场。
    
    镜头从她上方略微俯视拍摄,近景到半身构图,人物位于画面中央,身体微微侧向镜头。她举起一只手,伸出食指,像是突然想到了一个好主意,眼神明亮自信,脸上带一点俏皮又很酷的笑意。姿势有“满电准备营业”的能量感,传达聪明、轻快、状态在线、随时开场的短视频博主气质。
    
    画面上方有一个简洁的绿色满格电池图标,颜色为清晰明快的绿色,线条干净,极简风格,带一点轻微闪光感,象征状态满格、能量在线、准备开工。图标不要复杂,不要夸张,大小适中,和整体时尚极简画面保持统一。
    
    整体画面干净时尚,真实摄影质感,皮肤自然,细节清晰,光线明亮柔和,白色背景纯净无杂物。不要科幻变身,不要粒子特效,不要夸张动漫滤镜,不要杂乱背景,不要多余装饰,不要低清晰度,不要过度修图。
  • AI读个剧本就说能预测票房,这事靠谱吗?

    有一家叫Quilty的AI初创公司,今年早些时候出现在行业媒体上时,承诺他们的工具仅通过阅读剧本就能准确预测一部电影的成功率。听起来很厉害对不对?

    但当人们真正有机会测试Quilty的产品时,却对此持怀疑态度。即便拥有世界上所有可用的数据,它预测票房扑街的《Christy》的剧本,表现会优于最终成为奥斯卡获奖大片的《罪人》(Sinners)的剧本。

    正如许多AI高管此前所宣传的那样,Quilty的创始人认为,他们的产品可以通过让新兴创作者获得辅助工具来”民主化”他们的行业。一个很高的Quilty评分或许可以成为和制片人合作的机会,而低分可能意味着需要更多修改。

    拼凑出来的”预测引擎”

    Quilty由电影制片人Simon Horsman和Daniel Wood创立,使用AI分析剧本并生成关于项目成功概率的详细报告。在输入未制作的剧本后,Quilty的技术会给出0到100的评分,反映未来项目的叙事质量、商业可行性、是否能引起观众共鸣,以及制作可能需要的成本。

    但就目前而言,Quilty不过是一堆现有AI系统的杂乱拼凑,该公司尚未证明其技术具备识别未来爆款(更不用说已证实的爆款)的品味或分析能力。

    Quilty并没有为用户提供单一、定制的AI模型来反馈剧本意见,而是结合了多种广泛可用的AI工具,为流程带来不同类型的分析。用户要做的就是将文本剧本上传到平台,几分钟后,它就会生成一份报告,详细说明预估预算、重要故事节拍的概述、角色分析等内容。这项服务每次单独分析收费50美元。

    AI预测电影剧本
    Quilty声称可以通过分析剧本预测电影成功率(图源:The Verge)

    创始人的”顿悟”来自一场法律纠纷

    这种拼凑式分析工作流的想法最早是Wood想到的——他同时也是Quilty的CTO——几年前他卷入一场房地产纠纷时萌生了这个想法。Wood没有花钱请律师,而是打开了ChatGPT,后者立刻告诉他”我不是律师,去找别人帮你吧”。

    “后来我用了Gemini,效果好了很多,因为有更大的上下文窗口,”Wood回忆道,”但后来我在X上看到埃隆·马斯克说Grok在律师评分上是AI模型里史上最高的,我就想’让我试试这个。’”

    这段经历让Wood更好地理解了类似的消费级AI模型如何在不同的任务中表现出色。而Wood对AI的个人使用也影响了Quilty量化剧本潜在成功的方法。因为”Gemini在结构和模式方面非常出色”,Quilty用它来生成拆解文档。对于财务建模,公司信任托管在美国服务器上的DeepSeek实例。而对于叙事/角色分析,Quilty结合了Claude和ChatGPT。

    问题在哪

    尽管Quilty技术栈的模块化可能让它在整体更新方面更敏捷,但也让它更难完全理解平台是如何拿到一个剧本,然后得出一系列据称可以衡量无形事物的指标的——比如观众对一部还不存在的电影可能有什么反应。

    自好莱坞诞生以来,预测一直是电影开发的关键部分,但这项工作传统上由对人类观众有细致了解的人类工作者完成。还没有AI公司能开发出真正复制人类思维过程,或者我们形成对艺术看法的模糊方式的模型。

    Quilty的创始人认为,他们的”情感引擎”是评估剧本的次优选择,因为它整合了VADER(效价感知词典和情感推理器)等工具。但Quilty不可能预见所有可能影响电影接受度的因素。


    当我问Horsman和Wood,为什么Quilty给最终票房仅约200万美元的《Christy》的评分高于最终票房3.7亿美元的《罪人》时,他们坚称平台的判断”归根结底是因为Sydney Sweeney真的、真的很受欢迎”。

    这种情况凸显了Quilty的逻辑并不那么可靠。他们承认,在一些情况下,Quilty不可能预见可能影响电影财务表现或观众接受度的因素。例如,Quilty不可能预见到Elijah Bynum的《Magazine Dreams》(由Horsman制片)最终会因为演员Jonathan Majors 2023年声名狼藉而脱轨。

    尽管宣传得天花乱坠,但Quilty兜售的不过是拼凑起来的一系列大语言模型的间接访问权限。如果这些AI工具真能像Quilty声称的那样工作,那确实会非常惊人。但大多数工具只是复杂模式识别/模仿机器,距离理解人类觉得什么有趣还有很长的路要走。

  • AI的账单到期了:科技公司开始为Token烧的钱买单

    Uber把2026全年的AI编程预算,4月份就烧完了。这事听起来像段子,但它是真的。

    TechCrunch最近发了一篇深度报道,讲整个行业突然意识到一件事:AI不是免费的基础设施,它贵得离谱,而且账单来得比任何人准备的都要快。

    AI公司们在2025年初疯狂使用AI,所有人都开着”放开用”的订阅模式,没人真正盯着花了多少钱。等到年底一算账,才发现Token消耗已经完全失控。

    从”能不能用”到”花了多少钱”

    OpenAI的企业业务负责人Alexander Embiricos说,半年前他和客户聊天,对方问的都是”这个模型能做什么?够不够好?”现在完全不一样了,所有人都在问:”我们花了多少钱?你们有可见性吗?有审计能力吗?有Token管控吗?你们模型的效率到底怎么样?”

    微软几个月前给开发人员开通了Claude Code的许可,结果没过多久就收回去了。Priceline的一个员工告诉TechCrunch,他们续签Cursor合同时,价格直接翻了4到5倍。

    这还不是最夸张的。有一家公司忘了给员工设置使用限额,结果一个月下来收到了5亿美元的Claude账单。

    Token经济学浮出水面

    Linux基金会本周宣布了一个新计划,叫Tokenomics Foundation,目的是给AI Token的花费建立一套类似FinOps之于云计算的成本纪律标准。

    FinOps Foundation的负责人J.R. Storment说,今年4、5月份开始,不断有公司跑来说:”我的天,我们2026年的Token预算已经超了3倍,但现在才4月。”

    Priceline的IT财务总监Chris Reed说了一句话很形象:”这就像可卡因流行病,他们让你先试试,把你勾住,然后你就被绑住了。”

    AI成本压力
    企业开始认真审视AI的账单了(图源:Getty Images)

    新市场正在形成

    这波焦虑催生了一个全新的市场。初创公司、老牌厂商,都在争相推出帮助企业管理AI支出的工具。

    • Pay-i:专门追踪、测量和优化生成式AI投资的成本与性能
    • Paid:让开发者按实际价值而不是订阅费来追踪成本和向用户收费
    • Jellyfish、Waydev、Faros AI:提供AI代理监控,证明开发工具的投资回报率
    • Ramp、Datadog、New Relic:在传统产品线上加装AI成本管理和可观测性功能

    但问题也很明显。所有这些工具都在没有通用语言或共享定义的情况下各自为战。没有人真正知道一个Token到底该花多少钱、它产出了什么、怎么跨厂商比较支出。这正是Tokenomics Foundation想要解决的问题。


    Goldman Sachs预测,到2030年全球Token使用量将增长24倍。那些已经超预算的公司现在就需要解决方案,但基金会的第一份交付成果还要几个月才能出来。

    Faros AI的CEO Vitaly Gordon说了一句很形象的话:”也许我们造出了蒸汽机,但还没有搞清楚装配线怎么搭。”

    这篇文章折射出一个很真实的现状:AI的”免费午餐”时代正在结束,接下来是所有人都必须学会算账的时代。

  • LiteLLM:49.4K Stars!统一100+ LLM API网关,让多模型调用不再碎片化

    LiteLLM:49.4K Stars!统一100+ LLM API网关,让多模型调用不再碎片化

    LiteLLM

    📌 项目简介

    LiteLLM 是 BerriAI 团队维护的开源 AI 网关,为 100+ 大语言模型提供统一访问接口,支持 OpenAI 格式调用,内置成本跟踪、安全防护、负载均衡等企业级能力。Y Combinator W23 孵化项目,Stripe、Netflix、Google ADK 等大厂均在用。

    🔧 安装要求和过程

    环境要求

    • Python 3.8+ 环境
    • 推荐使用 uv 包管理器(也可使用 pip
    • 本地开发额外依赖:docker-compose(用于启动数据库、Prometheus 等依赖服务)

    快速安装步骤

    # 1. 克隆仓库
    git clone https://github.com/BerriAI/litellm.git && cd litellm
    
    # 2. 安装开发依赖
    make install-dev
    
    # 3. 初始化虚拟环境
    python -m venv .venv
    # Linux/Mac:
    source .venv/bin/activate
    # Windows:
    .venv\Scripts\activate
    uv sync --all-extras --group proxy-dev
    
    # 4. 生成 Prisma 客户端
    uv run prisma generate && prisma generate
    
    # 5. 启动本地服务(后端)
    python litellm/proxy/proxy_cli.py
    
    # 6. 启动前端(另开终端)
    cd ui/litellm-dashboard && npm install && npm run dev

    💡 Docker 快速启动:

    docker run -v $(pwd)/litellm_config.yaml:/app/config.yaml -p 4000:4000 berriai/litellm:latest

    🚀 核心功能

    🌐 统一 LLM 调用

    支持 100+ LLM 厂商(OpenAI、Anthropic、AWS Bedrock、Azure、Google Vertex AI、Cohere、HuggingFace、vLLM、NVIDIA NIM 等),所有调用兼容 OpenAI API 格式,切换模型无需修改业务代码。

    🛡️ AI 网关能力

    虚拟 API 密钥管理、多租户成本跟踪、负载均衡、重试/fallback 逻辑、安全防护规则、调用日志,并提供 管理后台 UI可视化监控。

    🤖 智能体(A2A)支持

    支持调用 LangGraph、Azure AI Foundry、Bedrock AgentCore 等平台的智能体,提供 A2A 协议适配,可统一接入各类智能体服务。

    🔗 MCP 工具桥接

    可将 MCP 服务器的工具转换为 OpenAI 格式 tool 定义,直接对接任意 LLM;支持通过网关统一代理 MCP 工具调用。

    🏢 企业级特性

    单点登录(SSO)、自定义集成、专属支持、SLA 保障、功能优先级定制。高性能:1k RPS 场景下 P95 延迟仅 8ms

    💡 典型使用场景

    场景一:多模型切换,代码零改动

    开发阶段使用 GPT-4o 快速验证,生产环境切换到 Claude Sonnet,只需修改 model 参数,业务代码无需任何改动:

    # 同一套代码,切换不同模型
    from litellm import completion
    
    response = completion(
        model="openai/gpt-4o",
        messages=[{"role": "user", "content": "Hello!"}]
    )
    
    response = completion(
        model="anthropic/claude-sonnet-4-20250514",
        messages=[{"role": "user", "content": "Hello!"}]
    )

    场景二:企业 LLM 调用管理与成本跟踪

    为不同团队/项目分配虚拟 API 密钥,按维度统计 LLM 调用花费,设置安全防护规则(如屏蔽敏感词、限制调用频率),所有调用日志可视化。

    知名用户包括:Stripe、Netflix、Google ADK、Grepile、OpenHands、OpenAI Agents SDK。

    场景三:MCP 工具无缝对接 LLM

    通过 LiteLLM 的 MCP 工具桥接功能,可以将任何 MCP 服务器的工具转换为 OpenAI 格式,让任意 LLM 都能调用这些工具,无需为每个 LLM 单独适配。

    💬 推荐理由

    LiteLLM 解决了 AI 应用开发中最痛点的问题之一——多厂商 LLM 接口不统一。以前需要为每个厂商写一套调用代码,现在只需一套 OpenAI 格式代码,通过 model="anthropic/claude-sonnet-4-20250514" 这样的格式就能无缝切换。

    对于需要调用多个 LLM 的应用(比如 AI Agent 系统),LiteLLM 几乎是标配组件。Stripe、Netflix、Google ADK 等大厂都在用,说明其稳定性和性能已经过生产验证。

    最打动我的一点:它不只做模型路由,还内置了成本跟踪、负载均衡、安全防护等企业级功能,真正把”调用 LLM”这件事做成了一个完整的网关产品,而不只是一个简单的路由库。

    LiteLLM – 让100+ LLM 调用,从此只有一种方式。

  • 前OpenAI CTO Murati时隔18个月露面,说AI行业治理缺位比个人品格更值得担心

    Mira Murati又出现在镜头前了。这位前OpenAI CTO、现在Thinking Machines Lab的创始人,在过去18个月里几乎没怎么公开说过话。这次接受TechCrunch采访,她选得很谨慎,没有把公司底牌全亮出来。

    为什么现在出来讲话

    Thinking Machines Lab成立快一年半了,这段时间一直在低调干活:融资、招人、做了一个开源AI模型微调的API产品叫Tinker。但同行没闲着,OpenAI、Anthropic、xAI这些实验室一直在刷存在感,长期低调的收益在递减。

    她需要一个时机,让市场和人才记得Thinking Machines还在牌桌上。这次采访,就是这一步。

    她预告了一个新产品方向

    Murati透露,他们正在研发一种她称之为”交互模型”的东西。这类模型会打破现在AI产品”你问一句、它答一句”的轮次模式,改为以200毫秒为间隔,持续处理音频、文本、视频的流输入。

    这样做的目标是捕捉人类交流里的那些细节:打断、中途修正、思考时的停顿。它更接近实时交互,而不是现在的”问答机”模式。Murati强调这只是第一步,没有给出具体上线时间。

    Mira Murati采访
    Mira Murati接受采访(图片来源:TechCrunch)

    2023年那场”换帅风波”,她这么看

    当被问到2023年11月OpenAI董事会突然开除Sam Altman、后又让他回归的那场风波时,Murati把它称为”小插曲”。她说当时做决策的核心逻辑是保护公司使命和团队,如果没有她的参与,公司很可能会”分崩离析”。

    但她也承认,当时应该更积极推动信息公开、制定更好的过渡方案、提升透明度。当被直接问及是否还信任前老板Sam Altman时,她没有接话,转而去谈一个更结构性的话题。

    她真正担心的事:治理,而不是人品

    Murati回避了关于Altman个人信任的问题,转而强调:整个AI行业都存在重要决策集中在少数人手中的问题。相比个人品格,她更担心的是治理结构缺乏制衡机制。

    这个观点值得琢磨。行业里很多人盯着Altman、Musk、Zuckerberg这些人的性格和诚信说事,但Murati指向的是制度层面:如果决策权本身就过度集中,换谁来坐那个位置,风险都还在。

    她认为行业过于关注”道德正确性”,却在制度建设上走得不够快。这句话某种程度上也是在为自己的创业方向背书:Thinking Machines要做的事情里,治理和安全是核心议题。

    对AI的未来,她没有走极端

    Murati明确表示,她既不认同”AI必然带来反乌托邦”的悲观论调,也不认同”AI必然带来乌托邦”的乐观版本。她认为当前阶段的发展走向将决定最终结果。

    她多次强调一个观点:如果人类过早放弃对AI的主导权,未来会变得完全不同,且不会更好。这个说法不极端,但立场很清楚:AI应该被人类主导,而不是反过来。


    Murati这次露面,更像一个精心设计的重新开始,而不是一次全盘托出。她没有公布新产品发布日期,没有透露Thinking Machines的具体技术路线图,也没有深度评价前东家的现状。但她释放了一个信号:Thinking Machines还活着,而且在认真做东西。至于做的东西能不能打过OpenAI和Anthropic,那是下一阶段的问题了。

  • 黑石旗下的AirTrunk砸300亿美元在印度建AI数据中心,目标5GW容量

    数据中心这事儿,最近几年一直是AI行业背后那条看不见的主线。大家都盯着模型参数、聊天能力,但真正卡脖子的,往往是那些耗电、耗水、占地儿的大铁皮房子。6月5日,背靠黑石的澳洲数据中心运营商AirTrunk扔出一颗重磅消息:要在2030年前向印度投资300亿美元,建设总容量5GW的AI数据中心。

    为什么是印度

    这个决定不是拍脑袋做的。印度这几年的AI基础设施吸引力一直在往上走,研究公司Bernstein预测,印度数据中心容量将从当前的约1.5GW增长到2030年的8GW。这个数字背后,是印度政府真金白银的政策支持。

    2026年早些时候,印度宣布对运行在印度数据中心、面向海外销售的算力服务,给予免税政策,一直持续到2047年。这条政策基本上把”在印度建、向全球卖”的商业逻辑给打通了。

    AirTrunk不是拍脑袋进印度的。他们2026年早些时候通过收购Lumina CloudInfra正式进入印度市场,已经在孟买、钦奈、海得拉巴储备了约600MW的开发用地。这次300亿美元的投资,是在这个基础上放的一个大卫星。

    钱花在哪、谁能分到一杯羹

    马哈拉施特拉邦已经和AirTrunk交换了意向书,在Raigad Pen Growth Center划拨土地,用于建设3GW的数据中心,投资额约210亿美元。剩下的部分,会分散到其他邦和地区。

    AI数据中心建设
    数据中心建设现场(图片来源:TechCrunch)

    这个投资计划是在AirTrunk CEO Robin Khuda与印度总理莫迪会面后宣布的。莫迪对此的评价是,这将助力印度成为全球云计算和人工智能枢纽。这句话不是客套,印度确实有这个野心,也正在铺路。

    不是只有AirTrunk在押注印度

    亚马逊、谷歌、微软、OpenAI、Uber这些国际企业,加上信实工业、阿达尼集团、塔塔咨询服务这些印度本土巨头,都已经宣布了各自在印度的数据中心或AI基础设施投资计划。AirTrunk的300亿是其中金额最大的之一,但不是唯一的。

    这里有个细节值得琢磨:为什么是黑石旗下的公司来扛这个旗?黑石是全球最大的另类资产管理公司,它控股AirTrunk,说明机构投资者把数据中心当成长期、稳定、抗通胀的基础设施资产来配置。这个逻辑和买港口、买电网、买高速公路是一样的。

    真正的问题:电从哪来

    行业高管和分析师说得直白:数据中心建设最大的瓶颈不是土地、不是资金,是电。德勤估计,到2030年,亚太地区的数据中心建设可能需要额外数十太瓦时的电力。这个数字什么概念?相当于好几个中等国家的全年用电量。

    印度的优势是有可再生能源资源,太阳能和风能的潜力不小。但电网基础设施的薄弱是另一个问题。建数据中心容易,保证20年后还能稳定供电,这是另一个层面的挑战。


    AirTrunk这个300亿美元的投资,表面上是商业决策,底层其实是全球AI竞赛在基础设施层面的投射。谁先把算力铺够、铺便宜、铺稳定,谁就在下一轮AI竞争里占了先机。印度想当这个枢纽,AirTrunk想当这个铺路人,钱已经摆上桌了,接下来看能不能真的落地。

  • 苹果给Messages开了个口子,第一个进来的AI助手叫Poke

    苹果的Messages(信息)应用,在大多数人的认知里就是发短信的地方。绿泡泡蓝泡泡,吵架传照片,就这么点用途。但苹果最近做了一个不太像它会做的决定——给一个第三方AI助手开了绿灯,让它正式进驻Messages for Business平台。

    Poke是什么来头

    Poke这家公司的名字你可能没听过,它的产品逻辑倒是很直白:不用下载任何App,不用注册账号,就发短信,AI助手在那头帮你干活。

    你给它发条消息,说”帮我订个餐厅,今晚7点,两个人”,Poke就去帮你查、帮你订、帮你发确认短信。整个过程你只管发短信就行,不用切到别的应用。

    这种”用短信界面做任何事”的思路,其实和这两年大家都在说的”AI助手应该无处不在”是一回事,只是Poke选的入口是每个人手机里都有的短信应用。

    Messages for Business是苹果2017年就推出的企业消息平台,之前进驻的都是航空公司、银行、零售商——都是大公司。Poke是第一个以AI助手身份进来的。

    苹果为什么现在开这个口子

    苹果对自己的生态一向管得很紧。一个第三方AI助手能拿到Messages for Business的入场券,这件事本身就值得留意。

    一种解读是,苹果在找新的服务收入来源。Messages for Business对商家是收费的,每增加一个能在这个平台上提供服务的AI助手,就意味着更多的企业客户和更多的使用费。

    另一种解读更偏向产品策略。Siri这些年一直被人骂”不好用”,苹果在WWDC 2026前夕批准Poke进来,可能是想先让第三方AI助手证明这个场景成立,自己后面再跟。

    Poke能干的事确实挺全:发邮件、设提醒、生成图片,都在Messages对话框里完成。这对Siri来说是不小的竞争压力——人家不用你喊”Hey Siri”,直接发短信就行。


    对普通用户意味着什么

    目前Poke通过Messages for Business提供的功能还在早期。苹果对这个平台的审核一向严格,Poke能拿到批准,说明它的隐私和安全标准过了苹果的关。

    对普通用户来说,最直观的变化是:以后收到企业的Messages消息时,那边接话的可能不只有人工客服,也有AI助手,而且这个AI助手能帮你做的事不止于回答问题,还能真正去执行任务。

    这个变化在国内可能感受不深,因为大家用微信。但在欧美,短信和企业消息还是大量用户在用的沟通方式,Messages for Business的月活用户数以亿计。

    下一步会怎样

    Poke拿到这个”首个”身份,先发优势是明显的。其他AI助手公司现在肯定也在排队申请,苹果会不会批、批多少家,这会决定这个平台未来的生态走向。

    对苹果来说,这是在AI助手赛道上借力打力的一招。自己家的Siri还在憋大招(WWDC 2026据说会有大改版),先让第三方进来把场景跑通,用户习惯养成了,后面再推自己的方案,接受度会高很多。

    至于Poke能不能真的把这个入口用好,取决于它能不能持续证明:用短信界面跟AI打交道,确实比打开一个专属App更方便。这件事到目前为止,还没有人被真正说服过。