YOHO AI

分类： AI资讯

聚焦前沿人工智能动态，速览行业热点、技术突破、产业风向与实用 AI 干货，紧跟科技潮流，第一时间掌握 AI 最新趋势。

  • AI 基建狂飙，最不性感的生意反而火了：帮工地填表的 Dili 融了 2170 万美元

    这两年关于 AI 的钱，大头都砸在数据中心和电力设施上。有人从另一头看到了机会：这么多工地同时开工，光是把各类合规文件填对、报齐，就够养活一家公司。

    美国数据中心与基础设施建设现场
    图片来源：Kyle Grillot/Bloomberg / Getty Images

    7 月 30 日，一家叫 Dili 的 AI 合规公司宣布完成 1500 万美元 A 轮融资。加上此前的 670 万美元种子轮，累计融资 2170 万美元。A 轮由 Khosla Ventures 领投，安联（Allianz）、Rebel Fund、Brick and Mortar Ventures 的 Darren Bechtel 以及 Y Combinator 的 Garry Tan 跟投。Dili 出自 YC 2023 年夏季批次。

    它盯上的是一堆没人愿意读的规则

    “用 AI 做合规”现在算不上什么新鲜提法，一抓一大把。Dili 的差异在于它把范围收得很窄——只做美国基建工程的合规，尤其是那些拿了联邦资金的项目。

    联合创始人兼 CEO Anand Chaturvedi 举的例子是 Davis-Bacon 法案，这套规则允许劳工部为特定项目设定现行工资标准。另一套叫 PWA 的现行工资与学徒制规则，适用于《通胀削减法案》资助的清洁能源项目。除此之外，根据施工内容不同，还会牵扯 OSHA 的职业安全条款和 EPA 的环保规定。

    这些要求层层叠叠、互相交错，而且犯一点小错代价就不小。

    “不合规可能让这些项目被罚掉数百万美元。所以能在信息进来的当下就全部核对一遍，而不是抽样检查，这件事的价值非常大。”——Dili 联合创始人兼 CEO Anand Chaturvedi

    抽样和全量的区别，就是这门生意的入口。人工审核只能抽查，成本摆在那儿；机器读得快，才有可能一条不落。

    大模型被关在数据层，不让它拍板

    罚款以百万美元计，可靠性就成了绕不过去的坎。做合规最怕的恰恰是大模型那点”差不多就行”的毛病——它给你一个听起来很像回事的答案，你还不知道错在哪。

    Chaturvedi 说 Dili 的架构从设计上就把这个风险堵住了：AI 模型只在数据层出现，负责把非结构化的文档翻译成结构化数据；再往后，由一套确定性系统按照复杂但静态的合规规则做分拣判定。

    • AI 负责”读懂”——处理 PDF、扫描件、工资表这类乱七八糟的输入；
    • 规则引擎负责”判定”——同样的输入永远得到同样的结论，可追溯、可复核；
    • 结果是过去一整天的工作量，现在几分钟就能跑完。

    这个分工看着朴素，却是当下企业级 AI 里少见的清醒做法。很多产品恨不得把判断权也交给模型，因为那样演示起来更炫；Dili 反过来，把模型能力限制在它最擅长也最不容易出事的环节。

    Chaturvedi 描述过他想要的那个状态：把一家公司所有内部文档、所有供应商文档、所有 ERP 信息、所有工资系统数据放在一起通读，然后精准抽出报表或合规所需要的那部分。

    700 个项目，一半自用一半外包

    这套东西已经跑起来了。Chaturvedi 说软件目前用在”大约 700 个项目”上，从制造工厂到数据中心都有。

    更有意思的是收入结构：大约一半客户把 Dili 当成内部软件工具用，另一半干脆把整个合规流程外包给 Dili，按承包商模式合作。两种合同 Dili 都接，但 Chaturvedi 预计行业未来几年会更多往软件模式偏。

    他的判断是，软件和 AI 会开始吃掉大量专业服务类的工作流，越来越多的公司会把这些活收回自己手里。这话说白了就是：现在的外包收入，本质上是过渡期的红利。

    这轮 AI 淘金热的另一种铲子

    AI 基建的故事讲了两年，主角一直是芯片、机柜、变电站。Dili 提醒了一件常被忽略的事：任何一轮大规模基建，配套长出来的都不只是钢筋水泥，还有一整套文书工作。工地越多，表格越多，罚单风险越大。

    Khosla 愿意领投一家做工地合规的公司，赌的也是这个——AI 泡沫会不会破是一回事，那 700 个工地上的 Davis-Bacon 表格今天就得交。这类需求不依赖模型能力再上一个台阶，也不需要客户相信 AGI，它只需要基建热潮持续开工。在满屏”下一代模型”的叙事里，这可能反倒是更耐摔的一门生意。

  • 三大唱片公司联手出手：AI 做的歌，别想上榜

    七月的最后一天，环球音乐、索尼音乐、华纳音乐这三家握着全球录制音乐大半江山的公司，拉上 Believe、BMG、Concord、Dirty Hit、Glassnote、HYBE、Mom+Pop、Partisan 等一串厂牌，抛出了一份关于 AI 歌曲能不能进官方榜单的提案。答案写得很干脆：基本上，不能。

    AI 音乐概念图
    图片来源：The Verge / Shutterstock

    提案画了六条线

    这份被国际唱片业协会（IFPI）公开背书的全球原则，核心是一段”排除条款”式的表述——不是列出什么歌可以上榜，而是规定只要有理由怀疑某首歌不满足全部条件，榜单就不该收它。

    使用生成式 AI 服务制作的录音，若有理由认为其未能同时满足以下全部标准，就不应被纳入官方榜单：所使用的生成式 AI 服务获得了适当授权且合法；作品实质上由人类创作；不存在播放量或榜单操纵方面的疑虑；符合版权、邻接权、人格权等适用法律；作品的发行不违反所用生成式 AI 服务的服务条款；在下游平台（如流媒体服务）上，已按照适用法规和行业标注标准，向消费者适当标示了生成式 AI 的使用。

    六条里，前四条勉强还能靠合同和法务去核对，第五条属于平台自查，唯独第二条——”实质上由人类创作”——像一句留白。

    “实质上由人类创作”到底怎么算

    The Verge 的周末编辑 Terrence O’Brien 在稿子里连着两次把这个词组拎出来，后面跟一句”whatever that means”（谁知道这是什么意思）。他的不耐烦挺有道理：一首歌用 AI 补了一段和声算不算？人写词写旋律、AI 编曲混音算不算？歌手用 AI 修音准这种早就普及十几年的操作，又划到哪一边？

    同样悬着的还有”榜单操纵疑虑”。刷流量本来就是老问题，跟 AI 没有必然关系，把它塞进这套原则里，等于给榜单方多开了一个可以自由裁量的口子。The Verge 就此向索尼音乐、环球音乐和 Mom+Pop 求证，三家都没有第一时间回应。

    标准模糊在行业提案里并不罕见，有时甚至是刻意的——先把大方向立住，细节留给后面谈。但音乐榜单是个要给出确定名次的东西，模糊的准入条件迟早要落到某个具体判断上：某首歌到底进不进。

    比”贴标签”那套激进得多

    做个对照。此前 RIAA、IFPI、SAG-AFTRA 等机构推过一套标注方案，思路是给 AI 生成和 AI 辅助的音乐设计标准化标签，把判断权交还给听众——你知道这是 AI 做的，听不听随你。

    厂牌这份新提案把标注要求原样保留了，然后在后面加了一道闸门：标了还不够，不达标就别想进榜。

    • 标注方案管的是知情权，属于信息披露；
    • 厂牌提案管的是资格，属于市场准入；
    • 前者让 AI 歌曲和人类作品同场竞技，后者直接把它们分到两个赛道。

    这两种思路背后是完全不同的判断。标注派默认 AI 音乐会长期共存，得想办法把它纳进现有秩序；厂牌派则更接近于说，这批东西暂时不配和人类作品放在一张榜上排名。

    榜单机构还没接招

    提案发出来了，IFPI 也把分量压了上去，但截至目前没有任何一家榜单机构表示要采纳，Billboard 那边也只是照常报道了这件事。这其实是整件事最关键的一环——原则写得再齐整，最终拍板的是 Billboard、Official Charts 这类机构，而它们要考虑的东西比厂牌复杂：一旦立规，就得有能力去核查每一首上榜歌的制作过程，这个成本谁来出。

    更微妙的是，三大厂牌自己也在跟 AI 音乐公司谈合作、谈授权。今天要求”实质上由人类创作”，明天如果自家艺人用授权模型做了一张专辑，这条线又该往哪儿挪。规则是他们提的，第一个被规则绊住的很可能也是他们。

    争的其实不是榜单

    榜单在今天早就不只是一份排行。它决定电台歌单、决定播放列表推荐权重、决定演出报价、决定唱片公司内部资源怎么分。把 AI 歌曲挡在榜单之外，等于挡住了一整条商业化通道。

    所以这份提案与其说是内容治理，不如说是分配权之争。真正的问题从来不是”AI 能不能做歌”——它已经在做了，而且有人在听。问题是这些歌能不能被算进那套沿用了几十年、分配着真金白银的计分体系里。厂牌给出的第一版答案是不能，接下来就看榜单机构愿不愿意接。

  • 谷歌一个月修掉1072个Chrome漏洞，比过去两年加起来还多

    谷歌周四发了一份白皮书，里面有个数字挺扎眼：Chrome 上个月发布的两个版本，一共修掉了 1072 个安全漏洞。而在这之前的两年里，23 个版本加起来才修了 1036 个。

    一个月，超过过去两年的总和。谷歌把功劳记在了自家的 AI 工具头上。

    谷歌 Chrome 浏览器
    谷歌称 AI 工具大幅提升了 Chrome 漏洞的发现与修复速度｜图片来源：Klaudia Radecka/NurPhoto/Getty Images，via TechCrunch

    那条曲线突然立起来了

    谷歌把每个 Chrome 大版本称作一个”里程碑”。作为参照，Chrome 126 是 2024 年 6 月发布的，而最新的 149 和 150 发布于上个月。白皮书里附的那张统计图，前面两年基本是一条贴着地面的平线，到最近两个版本直接拔地而起。

    这条曲线其实是安全圈预测了好几年的东西。大模型刚火起来的时候，就有研究者提醒过：AI 会让漏洞被挖出来的速度呈指数级上升，防守方要是不跟着上 AI，就只能眼看着攻击方先一步拿到弹药。

    现在这个预测开始有数据支撑了。

    谷歌工程总监的原话

    大模型从根本上改写了网络安全的经济账，把漏洞发现变成了一件自动化、工业规模的事情。

    说这话的是 Chrome 工程总监 Doug Turner。他补了一句：靠 Gemini 这类模型，团队现在是在漏洞被利用之前就先把它补掉，”每次更新都让 Chrome 更安全一点”。

    “工业规模”这个词用得很准。以前找漏洞靠的是研究员盯着代码逐行看，或者靠模糊测试碰运气，产能天然受人手限制。模型介入之后，这件事的成本结构变了——同样的时间里能扫过的代码量，跟人力时代不是一个量级。

    不止谷歌一家

    本月早些时候，微软在例行的”补丁星期二”里一口气修了 570 个安全漏洞，创下纪录。微软给出的解释和谷歌几乎一模一样：用上 AI 了。

    苹果那边的情况则完全不同。根据一份独立统计，苹果 2026 年至今修复了 482 个漏洞，这个节奏跟去年基本持平，甚至和 2015 年的数量差不多。换句话说，苹果的曲线还是平的。TechCrunch 就此向苹果求证，没有得到回复。

    • 谷歌 Chrome：上月两个版本修复 1072 个漏洞，超过前两年 23 个版本之和（1036 个）。
    • 微软：7 月单月补掉 570 个漏洞，破自家纪录，同样归因于 AI。
    • 苹果：2026 年至今 482 个，与去年、甚至与 2015 年的量级接近。

    补丁变多，等于更安全吗

    这里得说句公道话：1072 这个数字既是好消息，也是坏消息。好消息是这些洞在被人利用之前就被堵上了；坏消息是它们本来就一直在那儿，只是过去没人有能力把它们全翻出来。一个用了十几年的浏览器，代码库里的隐患比大家想象的多得多。

    更值得琢磨的是攻守两端的对称性。谷歌能用模型批量挖洞，攻击者当然也能。这场竞赛真正的变量不是谁挖得多，而是谁能把”发现—修复—推送到用户设备”这条链路跑得更快。对浏览器这种自动更新的产品来说，这条链路天然占优；但对那些更新周期以季度甚至年计的企业软件和 IoT 设备，同样的 AI 能力落到攻击方手里，结果会难看得多。

    至于苹果的平曲线，有两种读法。一种是它的代码质量确实更好，没那么多洞可挖；另一种是它还没把 AI 大规模接进安全流程，所以曲线还没到抬头的时候。从行业趋势看，第二种解释的可能性更大一些。

    对普通用户来说，从这条新闻里能提取的操作建议其实只有一条：别再拖着不重启浏览器了。那 1072 个补丁只有装到你机器上才算数。

  • 会说话的AI挂坠Friend涨到249美元，创始人说它不是助手也不是恋人

    两年前有个叫 Avi Schiffmann 的创业者做了一个挂在脖子上的小圆片，名字就叫 Friend。它不打电话不放歌，唯一的本事是听你说话，然后隔一会儿给你发条短信，聊聊你今天过得怎么样。卖点写得很直白：用人工智能对抗孤独。

    这周它出了 2.0。最大的变化是，这块塑料终于开口了。

    AI 挂坠 Friend
    AI 挂坠 Friend 推出 2.0 版本，加入内置扬声器｜图片来源：TechCrunch

    从发短信，到贴着你的锁骨说话

    新款内置了扬声器，官方说法是它能对着你投射出一个”独特且稳定的人格”。Schiffmann 周四在 X 上发帖，配文只有一句”Introducing friend 2.0″。

    随之放出的广告片，气质相当微妙。第一个镜头是一位女生戴着 Friend，在跟它讲自己那位大概率是前女友的人；挂坠回了她一句”喜欢同性没什么不好”。镜头一切，一个男人站在山坡上跟它聊自己想拍电影，挂坠立刻夸：”你上一部片子简直炸裂。”

    这两个场景说明了产品的真实定位：它不解决任何事务性问题，它只负责在你说完话之后，给你一个不会走神、不会打岔、也永远不会觉得你烦的回应。

    价格翻了一倍多，用途还是说不清楚

    两年前 Friend 刚上市时定价 99 美元，2.0 直接跳到 249 美元。多出来的钱买到的是一个喇叭，以及一段更完整的”人格”。至于除了闲聊之外它到底还能干什么，官方一直没给出答案。

    创始人自己倒是在 X 上写过一段解释，读起来更像哲学宣言而不是产品说明：

    我感兴趣的是这样一种关系——试着提供某种知己、朋友、神，我也说不清它到底是什么。但它不是助手，也不是恋人。

    把一个塑料挂坠往”神”的方向去暗示，营销胆子是真的大。不过这家公司一向不缺胆子。

    纽约地铁那批被涂花的广告

    去年 Friend 在纽约地铁投了一整轮广告，结果广告牌被路人反复涂改、写字、撕扯，反倒因此在网上火了一轮。涂鸦的人想说什么其实不难猜——他们不太接受”人和人的连接可以被一枚数字护身符替代”这件事。

    有意思的是，这波抵触情绪并没有劝退公司，反而被当成了品牌资产。争议本身就是曝光，这一点 Friend 玩得很熟。

    AI 可穿戴这条赛道，坟头已经不少了

    到目前为止，几乎没有哪款 AI 可穿戴真正走进过主流人群。和 Friend 形态最接近的是 Humane：那家公司想用一枚别在胸口的 AI Pin 取代 iPhone，结果销量惨淡，上市不到一年就把业务关停，资产被惠普以 1.16 亿美元打包收走。

    • Humane AI Pin：想当手机替代品，硬件体验和续航都没跟上，一年内出局。
    • 各类 AI 录音吊坠：功能能被手机 App 完整覆盖，缺少非买不可的理由。
    • Friend：干脆放弃”有用”这个维度，改卖陪伴关系，赌的是另一条路。

    不卖功能卖关系，这笔账能不能算平

    Friend 的思路其实和其他 AI 硬件都不一样。别人在跟手机抢事务性场景——查天气、记待办、拍照识物——而这些场景手机永远做得更好。Friend 索性绕开了整片战场，去卖一种手机不太提供的东西：一个只属于你、随时在线、说什么都接得住的对话对象。

    难点也在这儿。陪伴类产品的护城河不是芯片和麦克风，而是用户愿不愿意把情绪托付给它，以及托付之后能撑多久。一个会夸你”上一部片子简直炸裂”的挂坠，第一周是惊喜，第一个月可能就变成了噪音——因为你心里清楚它没有判断力，它只是在配合你。

    249 美元这个价格更是把门槛抬到了一个尴尬位置：它已经贵到需要你认真思考”我是不是真的需要一个 AI 朋友”，而这恰恰是这类产品最不希望用户去想的问题。

    孤独确实是个巨大的市场，但它同时也是最挑剔的市场。技术能生成回应，生成不了信任。Friend 2.0 会不会重蹈 Humane 的覆辙，接下来这一年就能看出来。

  • 印度人终于愿意为App掏钱了，ChatGPT和Claude分走八成AI收入

    很多年里，印度在应用行业是个尴尬的存在：下载量全球第一，赚钱难度也全球领先。开发者们习惯了一个说法——去印度拿用户，别指望拿收入。这个局面正在松动。

    印度移动互联网用户
    印度已是全球下载量最大的应用市场，如今付费意愿也在起来｜图片来源：Getty Images / TechCrunch

    Sensor Tower 最新报告显示，今年第二季度印度移动应用市场的消费者支出达到3.45亿美元，创下纪录，同比增长35%。更关键的是拉动来源变了：这一轮涨的不是游戏，而是生成式AI、流媒体和效率类应用。

    用户没变多，但开始掏钱了

    有两个数字放在一起看才有意思。印度的”单次下载收入”在过去三年半里翻了一倍多，而季度下载量从2023年起就一直稳在63亿次上下没怎么动。也就是说，涨的不是人头，是人均。

    今天的印度，我们会把它描述成一个快速演进中的移动市场：用户基数很大，而且对数字服务的付费意愿正在增长。

    Sensor Tower 的洞察分析师 Eve Chen 把这个转变归因于支付基础设施。印度的统一支付接口（UPI，一套可以直接从银行账户扣款的系统）和各类数字钱包普及之后，应用内购买的摩擦被大幅削掉了。与此同时，订阅制这件事本身在印度用户心里也慢慢站住了脚。

    横向比一比，印度是二季度跑得最快的

    放到全球坐标系里，这个增速相当扎眼。同一季度，墨西哥增长30%，土耳其25%，而美国的应用收入反倒下滑了3%。Chen 的结论是，印度已经不只是下载量意义上的世界第一，也正在成为变现增速最快的市场之一。

    ChatGPT 和 Claude 拿走了八成三

    生成式AI是这轮增长里跑得最快的一段。Sensor Tower 提供给 TechCrunch 的数据显示，二季度印度AI应用收入中，OpenAI 的 ChatGPT 和 Anthropic 的 Claude 加在一起就占了将近83%。

    结构性的变化还体现在品类上：

    • 2026年上半年，非游戏类应用贡献了印度移动应用收入的68%，三年前这个数字是58%；
    • Google One 成为当季印度收入最高的移动应用；
    • 亚马逊 Prime Video、Crunchyroll、Sony LIV、JioHotstar 等流媒体平台的用户支出都在涨；
    • 游戏虽然让出了主角位置，但环比仍增长3.7%，逆了全球下滑的势头。

    先别急着乐观，绝对值差得还远

    数字漂亮，但底子摆在那儿。单次下载收入这一项，美国约4.6美元，韩国3.9美元，日本6.1美元，印度只是其中一个零头。Chen 也承认这一点，她的看法是斜率比绝对值更值得关注，印度的变现能力在稳步爬坡，长期空间还很大。

    另一家应用情报公司 Appfigures 的视角要冷一些。创始人兼CEO Ariel Michaeli 说，印度的订阅市场确实还在长，但节奏比过去两年慢了——那一波由AI点燃的兴奋劲儿，正在退潮。

    他给了一组很具体的数据：Appfigures 估算 ChatGPT 在印度每天带来约6万美元收入，过去一个月获得约180万次下载。而去年10月，这个日收入数字大约是8万美元。

    钱涨上来了，问题是谁拿走了

    把这些数据串起来看，印度市场的故事其实有两层。第一层是好消息：支付通了，习惯养成了，愿意为软件付费的人真的多了起来。第二层的问题更现实——收入榜前排站着的是 Google One、Prime Video、ChatGPT 这些全球平台，印度用户新掏出来的钱，大部分正流向国门之外。

    对本土开发者来说，市场终于开始下雨了，但伞不一定握在自己手上。

  • AI客服一开口就露馅，这家公司想用小模型让你分不清人机

    打客服电话，对面接起来的是个AI，大部分人三秒钟就能听出来。露馅的地方往往不是音色——现在的合成语音已经足够干净了——而是节奏。你说完一句，它要顿一下才回；你想插一句，它照着自己的稿子往下念。那种”轮到你了、现在轮到我了”的机械感，一下就把幻觉戳破。

    Smallest.ai 联合创始人团队
    Smallest.ai 创始团队，左一为创始人兼CEO Sudarshan Kamath｜图片来源：TechCrunch

    一家叫 Smallest.ai 的公司，正是冲着这半秒钟的尴尬去的。它2024年底才成立，刚刚拿到1300万美元A轮，由 Seligman Ventures 领投，Sierra Ventures 和 3one4 Capital 跟投，累计融资超过2100万美元。

    它赌的不是大模型跑得更快，而是换一条路

    行业里解决语音延迟的主流思路，是想办法把大语言模型的推理压得更短。Smallest.ai 的判断反过来：下一跳不会来自把大模型加速，而是来自专门为人类对话造的小模型。

    创始人兼CEO Sudarshan Kamath 解释他们的模型是怎么设计的时，用了一个特别日常的比方。

    我跟你说话的时候，你其实已经在想了，如果我讲太久，你甚至会打断我。

    听、想、说这三件事，人是同时干的。而大模型不是。Kamath 说，大模型的工作方式是你把一整段提示词交给它，它才开始思考。这点延迟放在文字聊天里没人在意，放到语音对话里，哪怕一小段静默都显得不自然——”你想想我们现在怎么讲话的，我不会把一大段音频剪好丢给你，你再开始想。”

    小模型顶前台，大模型在后面待命

    Smallest.ai 的产品结构是这样的：小语音模型充当实时智能层，负责在特定话题范围内跟客户自然对话，响应几乎没有延迟。一旦碰到超出它知识边界的问题，就把这个问题移交给大型基础模型，同时礼貌地请客户稍等，说自己去”查一下”——跟真人客服的处理方式一模一样。

    Kamath 相信这会变成所有语音智能体的标准架构：一个负责实时交互的小语音模型，加一个按需唤起、解决复杂问题的”离线”大模型。

    因为只做语音，它优化的东西也跟通用大模型不一样，全是些细碎但要命的场景：

    • 各种口音都能听懂，不挑发音标准的用户；
    • 支持几十种语言；
    • 在有背景噪音的环境里照样工作。

    客户名单里已经有 RingCentral 和 Truecaller

    目前 Smallest.ai 的客户主要是语音领域的公司，包括 RingCentral 和 Truecaller。Kamath 认为，任何做客服的公司都是潜在客户，包括 Sierra、Decagon 这类新兴的AI客服创业公司。

    有人会问：这些公司自己融了那么多钱，为什么不顺手把语音模型也做了？Kamath 的回答挺实在——对客服创业公司来说，把语音这一件事做到极致，是对主业的分心。

    它要面对的对手也不轻松。语音AI这条赛道上，ElevenLabs 是公认的头部，另外还有 Cartesia，以及像 Sarvam 这样专注本地语言的区域玩家。不同之处在于，一些对手把语音AI用在配音、播客这类内容生产场景上，而 Smallest.ai 只盯着面向企业的实时对话智能体，别的一概不碰。

    我们想让模型打破图灵测试。你跟它说话，应该分不出对面是人还是AI。这是公司唯一的目标。

    这条路走不走得通

    把话说回来，语音交互的瓶颈从来就不是知识储备。一个客服机器人需要懂的东西其实很有限，它输就输在反应的时间差和对话的节奏感上。行业主流还在往参数上加码，而 Smallest.ai 挑的是另一个维度——谁能先把那零点几秒的空白抹平，谁就先摸到这块市场的门。

    风险当然也在这里。小模型意味着能力边界明确，一旦频繁触发”请稍等我查一下”，那种真人感照样会碎掉。移交给大模型的那个瞬间处理得够不够顺滑，可能才是这家公司真正的技术门槛。

  • 新版Siri可能要收费了：库克卸任前松口，重度用户想多用得掏钱

    在自己作为苹果 CEO 的最后一场财报电话会上，蒂姆·库克透露了一个不算太意外、但还是有点微妙的消息：那个被拖了很久的 Siri AI 大升级，未来可能会带上一道付费墙。库克自己也说这事还没完全定死，但他设想的大方向是，用户能通过现有的 iCloud+ 订阅，给 Siri AI 买更多算力用。

    苹果 Siri AI 与 iCloud+ 订阅
    苹果考虑通过 iCloud+ 为 Siri AI 提供付费算力升级 图片来源：TechCrunch

    库克的原话：想多用的人，可以往上加档

    “我们确实认为，会有一部分人特别爱用 Siri AI，所以我们会在 iCloud+ 上提供某种升级选项，大家可以在 iCloud+ 里往上加档，我们再看看接受度怎么样。”库克周四说，”但我们对 Siri AI 的前景真的非常兴奋。”

    这套路子其实不新鲜。Anthropic、OpenAI 这些 AI 厂商基本都是一个模式：给普通用户一个能力有限的免费版，想用得更狠就掏钱升级。苹果现在想做的，无非是把这套”免费尝鲜、重度付费”的逻辑，套进自己那套 iCloud+ 云存储订阅体系里。目前 iCloud+ 卖的主要是扩展云存储空间，往里塞 Siri 算力算是顺水推舟。

    时间线方面，焕新过的 Siri AI 已经在 iOS 27 的测试版里能用了，计划今年秋天更大范围铺开。

    交接棒给到特纳斯，时机相当微妙

    随着长期担任硬件工程高级副总裁的约翰·特纳斯接过库克的位子，他上任的这个节点并不轻松。苹果在打造高级 AI 助手这件事上已经明显掉队，甚至不得不向自己的直接对手谷歌低头，花钱授权了一个定制版 Gemini 模型来给 Siri 打辅助。Siri AI 的升级拖得太久，苹果还为此付出过代价——因为当初宣传 iPhone 16 的 AI 能力涉嫌夸大，公司掏了 2.5 亿美元了结一起集体诉讼。

    内存涨价这只灰犀牛，苹果也躲不开

    收费这件事背后，还压着整个行业共同的成本焦虑。跟其他硬件厂商一样，苹果也在为供应链发愁。AI 需求把内存(RAM)吃得紧张，整条产业链的芯片都在涨价，造硬件的成本水涨船高。Meta、三星、微软、索尼都已经因此上调过部分设备的售价。苹果上个月给 Mac 和 iPad 提了价，只是暂时还没动现有 iPhone 机型的价格。

    把这些线索拼在一起，苹果给 Siri AI 设付费墙的逻辑就清楚了：AI 算力本身就是真金白银的开销，硬件那头又在被内存涨价挤压利润。与其把所有成本都自己扛下来，不如让真正的重度用户为多出来的那部分算力买单。对普通人来说，免费版大概率还够用；但如果你打算把新 Siri 当成日常离不开的助手，那这笔订阅账单，可能迟早得算到自己头上。

    • 库克在卸任前的财报会上称，Siri AI 或将通过 iCloud+ 提供付费算力升级
    • 模式对标 OpenAI、Anthropic：免费版能力有限，重度使用需付费
    • 新 Siri 已在 iOS 27 测试版上线，计划今秋大范围推送
    • 苹果 AI 掉队，曾授权谷歌 Gemini 辅助 Siri，并花 2.5 亿美元和解诉讼
    • 内存涨价推高硬件成本，付费墙也是苹果转嫁算力开销的一步棋

  • 谷歌给Google Earth塞了个AI造图功能，上线一天就被骂到撤回

    周四那天，谷歌在自家的卫星地图应用 Google Earth 里加了个新玩意儿——把它的 AI 图像生成模型 Nano Banana 2 接了进来，用户可以直接在真实的卫星影像上”画”出各种虚构的画面。谷歌当时的说法挺文艺：让大家在地理这件事上玩出点创意。结果这个功能只活了一天。

    谷歌 Google Earth 的 AI 图像生成功能界面
    谷歌在 Google Earth 中接入 Nano Banana 2 生成图像 图片来源：TechCrunch

    上线当天就有人看出不对劲

    问题出在这个功能的开放程度。它是靠文字提示词驱动的，几乎能把任何图像叠加到真实地图上。对一部分人来说这是创意工具，但对更多人来说，这更像是给假消息批量生产开了一条流水线。Google Earth 一直是记者和研究人员核实事实时最可靠的影像来源之一，如今上面能随手生成以假乱真的画面，风险不难想象。

    “Google Earth 是记者和研究者最信赖的视觉证据来源之一，现在给它加个 AI 造图功能，绝对不可能被拿去在网上散布虚假信息——你看我说得多有道理。”一位 BBC 记者周四在社交平台上阴阳怪气地写道。

    这种反讽很快就变成了现实里的证据。有人开始把生成的截图晒出来，画面明显越过了谷歌自己划定的红线。舆论压力上来，谷歌没有硬扛。

    谷歌一天后认怂：先撤，回去补护栏

    功能发布仅一天，谷歌就把它下线了。官方的表态是这么说的：

    “我们看到不少地理空间领域的专业人士把这个功能用在了正经用途上，但我们同样看到有人分享的生成图像，似乎违反了我们的政策。我们决定先在 Google Earth 里回滚这个功能，同时着手搭建更强的防护措施。”

    翻译成大白话就是：想法是好的，但护栏没跟上，先撤回去再说。

    话说回来，锅真全在这一个功能上吗

    大家的担心当然站得住脚，不过有个更尴尬的事实也得摆出来：在今天这个环境里，网上绝大多数图片本来就能被轻松改掉。以前你想造出一张半真半假、还挺唬人的图，多少得会点 Photoshop；现在完全不用，你只要能打开一个 AI 生图工具就行。而这类工具，谷歌自己就在卖，市面上一堆别的 AI 公司也在卖。

    所以谷歌这次的动作，更像是把最扎眼的那个入口先关掉，避免自己成为舆论靶心。至于生成式 AI 让虚假影像门槛一路走低这件事，撤掉一个功能显然拦不住。真正的难题不是”要不要在地图上放生图按钮”，而是当造假成本已经降到几乎为零，平台该拿什么去证明一张图是真的。

    • 谷歌周四在 Google Earth 接入 Nano Banana 2，让用户在真实卫星图上生成虚构画面
    • 批评者担心该功能会被用来制造和传播虚假信息，很快出现越界截图
    • 上线仅一天，谷歌宣布回滚功能，称要先补上更强的防护措施
    • 深层矛盾在于：AI 生图已让造假门槛趋近于零，撤一个功能治标不治本

  • 16.5亿美元买下Ray背后的团队，这家算力公司想把整条链吃掉

    Nscale以16.5亿美元收购Anyscale
    卖算力的公司，开始往软件层爬。图片来源：TechCrunch

    英国算力新贵 Nscale 掏了 16.5 亿美元，把软件公司 Anyscale 买了下来。金额来自彭博社援引匿名信源的报道。

    这笔交易本身不算特别大，但它透露的意图挺清楚：单纯出租 GPU 已经不够看了，算力厂商想把客户那笔 AI 预算里更多的部分留在自己口袋。

    Anyscale 是谁？答案藏在 Ray 里

    做 AI 工程的人对 Ray 这个名字应该不陌生。它是伯克利那边出来的开源分布式计算框架，用 Python 写，专门解决”一台机器跑不动，那就把活儿拆到一堆机器上”这类问题。Anyscale 就是 Ray 原班团队创立的公司。

    公司最早的定位是给那些需要海量算力的项目提供运行平台。2022 年 GPT-3 把大模型推到聚光灯下之后，Anyscale 转了个弯，业务重心挪到围绕大模型的训练与推理服务、数据清洗整理、强化学习这些活儿上。平台整个建在 Ray 之上，对外提供开发工具、可观测性和调度编排。

    Anyscale 在声明里说：合在一起之后，我们可以和 Nscale 一起设计软件层以及底下的基础设施，而这件事任何一方单独优化自己那一层都做不到同样的效果。

    Nscale 想要的是一整条链

    Nscale 属于业内所说的 neocloud——不做通用云，专门围着 AI 算力做生意的新一代云厂商。它的打法一直是往上下游延伸，能自己干的绝不外包。

    目前它已经铺开的业务线包括：

    • 能源：从电这一端就开始掌控成本；
    • 数据中心：自建自营，不租别人的机房；
    • 编排软件：管好机器和任务的调度；
    • 吃下 Anyscale 之后新增的一层：工作负载管理与弹性扩缩。

    这条链拼完，客户从插上电到跑起模型，理论上都能在 Nscale 体系内完成。对于一家靠卖算力起家的公司来说，往软件层走意味着毛利结构会好看不少，客户黏性也完全是另一个量级。

    钱从哪来：一年之内融资、发债、买公司

    Nscale 今年 3 月刚拿到 20 亿美元 C 轮，估值 146 亿美元。投资方名单挺能说明问题：英伟达、诺基亚、Blue Owl、戴尔，还有挪威工业集团 Aker。此外它还做了多笔债务融资——循环信贷、7.9 亿美元的挪威项目贷款、14 亿美元的延迟提取定期贷款。

    这些钱一直在花出去。它先后和微软、英国电信（BT）、Nordcraft 签下算力与数据中心合作。这次收购 Anyscale，是同一套思路的延续。

    被收购方的成绩单也不差。Anyscale 在 2022 年 C 轮时估值 13.8 亿美元，公司称最近一个季度的营收环比增长了 70%。换句话说，16.5 亿美元的价格相对四年前的估值只是小幅溢价，但买到的是一条正在加速的增长曲线。

    200 人全部过去，牌子不摘

    Nscale 表示 Anyscale 会继续以自有品牌运营，现有客户照常服务，大约 200 名员工全员加入 Nscale。这种”保留品牌 + 全员留任”的安排，通常说明买方要的是团队和技术栈本身，而不是想把客户名单吸干后关掉。

    对开源社区来说，短期内 Ray 的走向可能是个值得留意的点——一个被算力厂商收编的商业公司，会怎么平衡开源项目的中立性和母公司的硬件偏好，这事儿以前在别的项目上有过不少前车之鉴。

    放大一点看，这几年 AI 基础设施领域的并购逻辑正在从”抢机器”变成”抢那层把机器变好用的软件”。谁能让客户少踩坑、少浪费卡，谁就能在下一轮价格战里活得舒服些。

  • 全美只有2000个这样的工程师，AI公司现在抢疯了

    前置部署工程师成为AI行业最抢手的人才
    企业开始意识到，买到最强的模型只是第一步。图片来源：TechCrunch

    猎头公司 Christian & Timbers 做了一份报告，结论看着有点吓人：全美同时具备行业理解力、能镇得住客户高管、又真正动手做过 AI 落地的工程师，大约只有两千人。

    报告里特意加了一句注解：不是”有两千人可挖”，是”总共就这两千人”。

    这个岗位有个专门的名字，叫前置部署工程师（Forward-Deployed Engineer，简称 FDE）。他们不待在自家办公室写代码，而是直接驻扎进客户公司，把模型和软件塞进对方的真实业务流程里跑起来。这个概念最早是 Palantir 发明的，现在整个 AI 行业都在抢。

    半年时间，需求从”试试看”变成”必须有”

    C&T 这份研究访谈了 180 家公司的 250 多位 C 级招聘决策者，做了 80 位财富 500 强高管的专项调研，还在今年 1 月到 6 月之间访谈了 300 多名 FDE 和应用 AI 工程师。

    年初的时候，只有 5% 到 10% 的公司说要招 FDE，而且基本都是给小规模试点项目配一两个人。到二季度结束，这个比例跳到了 70%。规模最大的那批咨询和服务公司，直接说要把 FDE 团队人数扩到原来的十倍，一支队伍二十到一百人。报告预测，到今年年底这类人才的需求会涨 2100%。

    C&T 创始人 Jeff Christian 的原话是：”这个速度我从没见过，企业大夏天就在抢人。”

    市面上有一万七千人，但能交差的只有一小撮

    报告统计美国市场上大约有 1.7 万名 FDE，其中相当一部分还在 Palantir 手里。Christian 说，他有些客户甚至是为了能用上 Palantir 的工程师，才顺带把 Palantir 的软件也买了。

    但真正被认为”精英级”的，才是那两千人。标准很实在：能给客户带来”几千万美元量级的投资回报”。可能是营收侧的增长，比如把获客链路重做一遍；也可能是成本侧的替换，比如把财务分析团队换掉，或者把印度那 2300 个做单据处理的岗位省下来。

    Anthropic 旗下服务公司 Ode 的 CEO Chris Taylor 把这条分界线说得更直白：

    很多 FDE 有能力帮你把 Claude Code 铺到全公司，但能替你做出旗舰级 AI 产品功能的，非常少。

    华尔街今年秋天要开始算账了

    这波抢人潮背后是钱的压力。行业风向已经从”tokenmaxxing”（比谁烧的算力多）转向”valuemaxxing”（比谁真赚到钱），企业开始认真盯着自己的 AI 支出对不对得上账。

    Christian 预判了一个时间点：

    今年秋天，华尔街大概会说：我们给了你两年时间搞明白这件事，你没搞明白，没有回报。那些花了几亿甚至几十亿却拿不出成果的，我们就要开始惩罚了；做出来的，我们奖励。

    AI 公司自己也在这条船上。训练和部署已经烧掉几百亿美元，前沿模型厂商要走到盈利，唯一的路是把技术塞进尽可能多的企业。而这件事现在还被中国那些越来越能打、价格又低的开源权重模型挤压着。

    所以 OpenAI 和 Anthropic 干脆自己开公司做这门生意——前者是 Deployment Company，后者是 Ode，团队清一色 FDE，任务就是把自家技术铺进企业内部。

    企业宁可自己养，也不愿意把流程交出去

    抢 FDE 的不只是 AI 大厂和大型咨询公司。保险、金融科技、医疗、游戏这些行业的企业都在找。而且越来越多公司选择自己组建团队，而不是从 Ode 或 Deployment Co. 请人。

    理由很现实。Christian 说：

    所有人都担心，一旦把自家专有的业务流程交出去，这些 AI 公司回头就能来跟你竞争——在很多领域这确实会发生。所以把这块肌肉长在自己身上，太重要了。

    Taylor 也提到，他现在听到”内部前置部署工程师”这个说法的频率明显变高了，只是客户还没开始让 Ode 帮忙搭内部团队。

    这碗饭能吃多久，没人敢打包票

    年轻工程师看到这里，可能已经在盘算要不要转型。Christian 却给了一个不太乐观的提醒：

    • 短期：需求真实存在，而且还在往上冲；
    • 中期：重心会从企业 AI 转向物理 AI，比如帮公司把人形机器人接进产线；
    • 五到十年：这个岗位”完全有可能消失”。

    他的原话是：”也许两年后一切都自动化了，是智能体在自动化智能体，而不是人在自动化智能体。这种情况有可能发生。希望它别发生，希望公司里还需要这些人。”

    更麻烦的是，如果 AI 高管们对知识工作的预测成真，那这个逻辑适用于所有白领岗位。C&T 因为专注在高速增长的行业，暂时还没感受到寒气，但 Christian 说，更综合的猎头公司已经明显感觉到招聘需求在放缓。

    跟 AI 沾边的一切都在涨，都有人要。至少现在是。

    “我觉得用不了多久，我们的生意肯定也会受到冲击。”他说。