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把租房广告变成了”卖家秀”:虚拟staging正在坑租客

    看房前,先学会识别AI生成的”假房子”

    Joyce在纽约找房子,在网上看到一间曼哈顿的Studio公寓,照片里空间宽敞、装修精致,还有个壁炉。她立马约了看房。到了现场才发现:房间比照片小了快一半,水槽不一样,灶台少了几个旋钮,壁炉根本不存在。她的朋友后来开玩笑说:”其实应该早点看出来是AI的——你看照片里燃气灶上还放了一盆植物。”

    这种事在纽约、旧金山、洛杉矶这样租房紧张的城市越来越常见。房产经纪人历来擅长把破房子拍出”能住人”的感觉,但生成式AI把这件事变成了点几下鼠标就能完成的任务——而且效果比传统修图夸张得多。

    AI虚拟staging租房陷阱
    AI虚拟staging让租房广告中的房子看起来比实际好太多|插图

    “虚拟布置”不是新东西,但AI让它失控了

    Virtual staging(虚拟布置)本身不是新鲜事。早在这波AI热潮之前,房产经纪人就会用软件把空房间”摆”上家具,让租客更容易想象自己住进去的样子。那时候的虚拟布置还算克制——家具尺寸大致合理,房间布局基本符合物理规律。

    生成式AI进来之后,情况变了。现在的AI工具可以在几秒钟内生成一套”完美”的房间效果图,而且不需要任何真实性约束——六人餐桌可以塞进10平米的Studio,不存在的壁炉可以放在不存在的客厅里。更关键的是,这些图片看起来”足够真实”,如果不是细心的人,很难一眼看出来。

    问题在于:租房市场上的信息不对称本来就严重,AI让这种不对称变得更极端了。租客花了时间、通勤成本去看房,结果发现房子和照片完全两样——这种浪费对整个市场的效率是一种损耗。

    监管在哪?

    目前美国各州对AI生成内容在房屋租赁广告中的使用,基本处于”没人管”的状态。联邦贸易委员会(FTC)有关于广告真实性的规定,但那些规定是针对”虚假宣传”的,执行起来需要有人举报、调查、取证,周期很长。

    纽约市正在考虑一项法案,要求房屋租赁广告必须披露是否使用了AI生成的图片。这个思路是对的——就像食品包装上要标注成分一样,租房广告如果用了AI修图,也应该让租客知道。但法案能不能通过、通过了怎么执行,都是未知数。

    租客能做什么?

    眼下的现实是:租客只能靠自己。几个实用的建议:

    • 看房前用Google街景确认一下楼的外观,如果广告里的楼和街景对不上,基本可以确定照片有问题
    • 注意照片里的细节——家具比例、光线方向、窗外景色是否一致
    • 要求看”原始照片”或视频看房,很多经纪人其实手里有没修过的照片
    • 如果条件允许,优先选择提供实地看房的房源

    说到底,AI虚拟staging本身不是坏事——它可以帮助租客更好地理解空间可能性。问题在于当它为虚假宣传服务的时候,没有人来约束。这个灰色地带还会存在多久,取决于监管什么时候跟上。


    Joyce后来找到了另一间公寓,没用AI照片的那间。她说:”以后看房前,我都会先假设照片是假的。”这句话挺悲哀的,但在2026年,这可能是最实用的生存策略。

  • OpenAI给ChatGPT买了一张”合法身份证”:和Getty Images的合作,不止是几张图片的事

    一张照片的授权费,OpenAI替AI行业交了

    上周OpenAI和Getty Images悄无声息地签了一纸协议,内容是:ChatGPT以后在回答问题和搜索结果里,可以直接展示Getty Images的授权图片。这不是一句公关废话,背后是AI公司和版权方长达三年的对峙终于换了一种玩法。

    Getty Images不是小角色。它手里握着近6亿张图片的版权,是全球最大的专业图库之一。2023年,Getty以”未经授权使用版权图片训练模型”为由,把Stability AI告上了法庭,索赔金额高达1.8万亿美元。那场官司到现在还没打完,但整个AI行业都看清了一件事:训练数据从哪儿来,以后会越来越是个问题。

    ChatGPT与Getty Images合作
    OpenAI与Getty Images达成多年授权合作,ChatGPT将展示正版图片|插图

    Perplexity先走了一步,OpenAI跟上了

    其实在这之前,Getty Images已经和另一家AI公司做过类似的事。今年早些时候,Perplexity宣布在搜索结果里嵌入Getty Images的授权图片,用户搜到的每一张图都是”干净”的,有授权、有来源。当时不少人觉得Perplexity是在借Getty的品牌背书,让自己和那些”随便抓图训练”的AI公司区别开来。

    现在OpenAI也跟进了。ChatGPT的搜索功能每天都在和Google、Perplexity抢用户,如果搜出来的图片一半是侵权风险、一半是来历不明,用户迟早会用脚投票。与其等法院判,不如先自己把路铺好。

    这次合作的核心逻辑很简单:AI公司付钱买授权,版权方拿到一笔稳定的”AI时代版税”,用户用到的图片有来源可查。三方各退一步,换一个都能接受的局面。

    AI训练数据的”原罪”,正在被悄悄洗掉

    过去两年,AI公司和版权方的关系基本是”你告我、我继续用”。Stable Diffusion、Midjourney、ChatGPT的图像生成能力,很大程度上建立在”互联网上所有图片我都能用”的假设上。这个假设现在越来越站不住脚了。

    欧盟的《AI法案》已经要求AI公司披露训练数据来源。美国法院的判决也在往版权方倾斜。上个月,一名联邦法官裁定AI公司使用版权内容进行训练不一定属于”合理使用”(fair use),这个判决对整个行业都是一记警钟。

    OpenAI选择和Getty Images合作,某种程度上是在给整个行业探路。如果这条路走得通,其他AI公司大概率也会跟进——毕竟,没人想成为那个”坚持不付钱然后被告到破产”的典型。

    用户感知不强,但影响深远

    对普通ChatGPT用户来说,这个变化可能不太明显。以前搜”埃菲尔铁塔”出来的图片是哪儿来的,大多数人不会去点开看。以后这些图片会带上Getty Images的水印或来源标注,仅此而已。

    但往大了说,这是AI行业从”野蛮生长”向”合规化”转型的一个缩影。训练数据、生成内容、版权归属——这些问题在过去是可以”先做了再说”的灰色地带,现在正在一个个被摆到台面上来解决。

    Getty Images首席执行官Craig Peters在公告里说了一句话,挺值得玩味的:”我们要确保AI的发展不会以牺牲创作者的权益为代价。”这话听起来像公关辞令,但仔细想想,如果创作者真的从AI的每一张生成图片里都拿不到一分钱,谁还愿意往互联网上传原创内容?那样的话,AI训练数据枯竭也不是不可能。


    OpenAI和Getty Images的这笔交易,金额没披露,期限说是”多年”。可以预见的是,接下来会有更多类似的授权协议冒出来。AI公司掏钱买安心,版权方拿到新的收入来源,这大概是眼下能想到的、最不坏的一种结局。

  • AI芯片红利分给谁了?SK海力士挤掉三星,成韩国市值一哥





    AI芯片红利分给谁了?SK海力士挤掉三星,成韩国市值一哥

    AI芯片红利分给谁了?SK海力士挤掉三星,成韩国市值一哥

    来源:The Verge · 2026年6月22日

    SK海力士半导体芯片工厂
    SK海力士的HBM芯片工厂,高带宽内存正是AI训练不可或缺的核心元件|示意图

    三星称霸韩国股市整整26年之后,终于被人挤下来了。这次把它拉下马的,不是什么新晋互联网巨头,而是曾经差点破产的同胞——SK海力士。

    路透社6月22日报道,SK海力士的市值已经突破1.35万亿美元,正式超越三星,成为韩国市值最高的公司。这个位子,三星从2000年起就一直坐着,中间经历过全球金融危机、手机电池爆炸门、内存价格暴跌,都没能被撼动。

    这次不一样。这次是AI把牌桌掀了。

    HBM:AI时代最抢手的东西

    SK海力士做的是什么生意?简单说,它是全球最大的高带宽内存(HBM)供应商。这种内存芯片和普通电脑里的内存不一样——它专门配给GPU使用,负责在AI训练和推理时,让数据能以极高的速度在芯片之间传输。

    你可以把它理解为GPU的”短期记忆”。AI模型越大,需要的HBM就越多。而目前全球能稳定量产HBM的公司,只有三家:SK海力士、三星、美光。其中SK海力士的技术最成熟,良率最高,英伟达最新款的Blackwell和Rubin芯片,用的都是SK海力士的HBM。

    谷歌的TPU也一样。SK海力士几乎是当前AI基础设施里最不可或缺的”隐形冠军”。

    “AI训练需要的不只是算力,还有足够快的内存。HBM就是那个瓶颈,而SK海力士握着瓶颈的钥匙。”

    三星怎么就掉队了

    三星不是没有做HBM。它起步甚至比SK海力士还早。但问题在于,三星的HBM3E芯片在英伟达的认证测试中,良率和稳定性始终达不到要求。英伟达一度把三星从供应链里踢了出去,后来虽然重新认证通过,但市场份额已经被SK海力士抢走了大部分。

    更深层的问题在于,三星是一家业务极其庞杂的巨头——手机、家电、显示面板、内存、代工,样样都做。当AI芯片的红利来临时,三星的决策链条太长,反应不够快。而SK海力士虽然业务也多元,但核心就押在内存这条线上,转型反而更坚决。

    还有一个有意思的背景:SK海力士在20年前差点因为债务崩盘,当时是政府牵头、债权团接手,才把它从死亡线上拉回来。谁能想到,20年后的AI热潮,让它完成了一次几乎不可能的逆袭。

    1.35万亿美元意味着什么

    1.35万亿美元,这个数字放在全球范围内看,已经超过了很多人的想象。它大致相当于整个印度尼西亚一年的GDP,或者接近腾讯加阿里巴巴的市值总和。

    但对SK海力士来说,这个数字能不能站稳,还是个问号。AI芯片的需求目前确实火爆,但这波热潮能持续多久,没有人能给出确切答案。一旦AI基础设施建设的速度放缓,或者客户开始去库存,SK海力士的业绩和股价都会承受巨大压力。

    三星当然也不会坐视不理。它已经在全力推进HBM4的研发,希望在下一代产品上扳回一城。而美光也在加速追赶。这个市场远没有到格局确定的时候。

    更大的格局变化

    SK海力士超越三星,某种程度上也是全球半导体产业权力转移的一个缩影。过去几十年,半导体行业的话语权在英特尔、三星这类”全能型”巨头手里。而现在,AI把话语权重新分配了——谁掌握了算力最关键的那一环,谁就能在短期内获得不成比例的回报。

    韩国内部也在讨论,这种过度依赖AI芯片的局面是不是一种风险。如果AI热潮退去,韩国经济会不会跟着剧烈震荡?但眼下,对于SK海力士和它的股东来说,这个问题还远得很。


    从差点破产到市值韩国第一,SK海力士的故事大概是这轮AI热潮里最戏剧性的注脚之一。它同时也提醒所有人:AI不只是大模型公司的游戏,产业链上游那些看似枯燥的芯片制造商,可能才是这波红利最确定的受益者。


  • Meta监督委员会发话了:AI生成的色情化视频,不能说不自愿就不删





    Meta监督委员会发话了:AI生成的色情化视频,不能说不自愿就不删

    Meta监督委员会发话了:AI生成的色情化视频,不能说不自愿就不删

    来源:The Verge · 2026年6月23日

    Meta监督委员会与AI内容审核
    AI生成内容的内容审核,正成为社交平台最棘手的问题之一|示意图

    6月23日,Meta的监督委员会(Oversight Board)公开要求Meta下架一段在Instagram上流传的”AI生成色情化视频”——视频中的女性并非公众人物,但她的形象被AI篡改成了性化内容。

    这本来不是什么新鲜事。Deepfake色情内容在互联网上已经泛滥了多年。但这次值得关注的是Meta的第一次回应——以及监督委员会为什么忍不了。

    Meta第一次说”不违规”

    事情发生后,有人向Meta举报这段视频,认为它违反了平台关于非自愿性化内容(NCII)的规定。Meta的审核系统看了一眼,得出的结论是:没有迹象表明这段内容是”非自愿的”,所以不用删。

    这个判断听起来很荒谬——视频本身就是AI生成的,对象是一个普通女性,她根本没有”自愿”参与拍摄的可能性。但Meta的审核逻辑是:除非有明确证据表明确实是非自愿的,否则不认定为违规。

    监督委员会直接否定了这个逻辑。他们在声明中写道:AI生成的对他人的冒名内容,应当”默认被视为非自愿”。换句话说,平台不能要求受害者来证明自己”没有同意”——因为AI生成的内容,本质上就不存在”同意”这个前提。

    “AI生成的冒名内容应当被默认判定为非自愿内容。”——Meta监督委员会

    非公众人物的”保护真空”

    这次事件的受害者不是名人。她没有庞大的粉丝群体帮她发声,也没有公关团队帮她向平台施压。她只是一个普通用户,突然发现自己的脸出现在了一段她从未参与过的性化视频里。

    监督委员会特别指出了这个问题:现有的内容审核机制,对公众人物和非公众人物的保护是不对等的。名人发的深伪色情内容确实也会被处理,但往往是因为涉及”露骨内容”或”骚扰”,而不是因为”未经同意”。而对于普通人来说,这种内容造成的伤害可能更大——她们没有应对机制,也没有话语权。

    委员会的建议很明确:Meta应该修改其内容审核标准,将”AI生成的冒名内容”单独列为一个类别,并默认视为非自愿内容处理,不需要举报人提供额外证明。

    审核跟不上生成速度

    这件事背后更大的问题是:AI生成内容的爆发速度,已经远远超过了平台内容审核的跟进速度。以前要制作一段色情化视频,需要真实的拍摄和后期;现在只需要一张照片和一段开源的Deepfake代码,几分钟就能生成一段以假乱真的视频。

    Meta每年在内容审核上花费超过50亿美元,雇用了上万名审核员,还部署了AI审核系统。但面对AI生成的NCII,这套体系仍然显得力不从心——审核员需要判断”这是真的还是AI生成的”、”当事人是否自愿”,而这些判断在越来越多的案例中变得极其困难。

    监督委员会的这次介入,某种程度上是在替Meta”补课”。委员会本身是一个独立机构,由Meta资助但独立运作,专门审查Meta的内容审核决策是否得当。这次它站在了受害者一边,也等于给整个行业提了个醒。

    其他平台在做什么

    Meta不是唯一面临这个问题的平台。TikTok、X(推特)、Pornhub都曾被指责对Deepfake色情内容处理不力。2024年,X甚至因为大量Deepfake色情内容被安全组织点名,被迫更新了相关审核政策。

    有一些平台开始尝试用技术手段主动检测AI生成内容——比如在上传时自动识别是否由已知Deepfake工具生成。但这类技术的准确率仍然有限,而且新的生成工具每天都在出现,检测永远慢一步。

    更根本的解决方案可能是立法。美国多个州已经在推动相关法案,要求平台在收到举报后必须在规定时间内删除Deepfake色情内容,否则将面临罚款。但联邦层面的立法进展缓慢,而互联网本身又是跨地域的,单一国家的法律能起多大作用,还是个问号。


    监督委员会这次的表态,至少让”AI生成冒名内容应默认视为非自愿”这个原则被摆上了台面。接下来要看Meta会不会真的修改审核标准,以及其他平台会不会跟上。对于无数可能成为下一个受害者的普通用户来说,这一天来得已经够晚了。


  • 日本AI公司做了个「元模型」:用Claude和Gemini一起干活,效果居然超过它们

    日本AI公司做了个「元模型」:用Claude和Gemini一起干活,效果居然超过它们

    大多数AI公司都在拼命训练更大的模型,日本初创公司Sakana却在做一件看起来有点「偷懒」的事:它训练了一个模型,专门负责指挥其他模型干活。这个产品叫Fugu Ultra,最近发布的基准测试结果让不少人感到意外。

    先说结论:Fugu Ultra的性能,据称可以媲美甚至超过Fable 5、Gemini 3.1 Pro和GPT-5.5。但它做到这一点的方法,不是自己从头训练一个更大的模型,而是巧妙地把多个前沿模型组合在一起使用

    Sakana Fugu AI模型编排
    Fugu Ultra通过编排多个AI模型来提供前沿级性能(配图由AI生成)

    它到底是怎么工作的

    Fugu本身是一个经过专门训练的语言模型,核心能力是「学会如何协调多模型协作」。遇到简单任务,它自己就处理了;遇到复杂的多步骤任务,它会自动把任务拆开,分配给专家模型池里的多个模型,然后再把结果整合起来返回给用户。

    关键是,用户完全不需要知道背后发生了什么。你只需要调用一个API端点,Fugu会自动完成模型选择、任务委托、结果验证、内容合成——整个过程对用户是透明的。

    Sakana的说法是,Fugu会「仔细选择何时使用其他前沿模型(比如Claude和Gemini)来处理特定任务」,但不会告诉用户具体哪个任务用了哪个模型。这种设计引发了一些讨论——如果用户不知道背后是哪个模型在处理自己的请求,怎么判断输出质量?

    基准测试说了什么

    Sakana公布了基准测试结果,涵盖编程、推理、科学、智能体能力等多个类别。Fugu Ultra的得分与Fable 5、Mythos Preview处于同一梯队。更值得注意的是,Fugu的得分普遍高于它底层调用的各个基础模型——这说明「编排」本身带来了性能增益,不只是简单地把几个模型堆在一起。

    据Sakana披露,在近500名beta测试用户的真实场景验证中,Fugu在AutoResearch、代码审查、网络安全分析等任务中,表现超过了Gemini 3.1 Pro、Opus 4.8和GPT 5.5等头部模型。

    一个巧妙的「避险」设计

    Fugu还有一个值得关注的设计:它的底层专家模型池是完全支持动态替换的。如果某个模型供应商突然限制访问(比如出口管制、政策变动),Fugu会自动路由到其他可用模型。

    这在当前地缘政治环境下很有意义。美国对先进AI模型的出口管制越来越严,如果一个产品完全依赖Anthropic或OpenAI的API,随时可能因为政策变化而中断。Fugu的「多模型备份」设计,某种程度上是在这个问题上做文章。

    Sakana在自己的技术报告里说:「随着时间的推移,Sakana Fugu会自然地通过纳入更新、更高效的模型来成长,包括我们自己的模型。」换句话说,今天的Fugu Ultra和明年的Fugu Ultra,底层模型组合可能完全不一样,但对用户来说,调用方式不变。

    这不就是「套壳」吗

    看到这里,你可能会想:这不就是一个精心设计的「套壳」产品吗?把别人的模型包装一下,加一层调度逻辑,然后卖得更贵?

    这个质疑有道理,但也不完全公平。Fugu的价值不在于「调用Claude的API」这件事本身——谁都能调用Claude的API——而在于如何智能地决定什么时候调用哪个模型、如何把多个模型的输出整合成一个高质量答案。这个「如何调度」的问题,其实是AI领域一个很活跃的研究方向,叫「多智能体编排」。

    Sakana的两个研究论文(发表在ICLR 2026)就是在做这个。从学术论文到可商用的产品,这条路不好走,但Fugu算是目前能看到的最完整的实现之一。


    更大的问题

    Fugu的出现,提出了一个更大的问题:AI的未来是「一个超级模型解决所有问题」,还是「一群专门化的模型协同工作」?

    过去两年的主流叙事是前者:模型越大越好,数据越多越好,Scaling Law就是王道。但越来越多的人开始质疑这个叙事。训练一个前沿级模型要消耗多少算力?产生多少碳排放?有多少任务是真的需要一个万亿参数模型才能解决的?

    Fugu代表的,是后一种思路:与其把所有能力塞进一个模型,不如让专门的模型做专门的事,上面加一层智能调度。这个思路如果成立,对整个AI基础设施的投资逻辑都会产生影响。

  • Signal总裁警告:AI聊天机器人不是你的朋友,别把隐私交出去

    Signal总裁警告:AI聊天机器人不是你的朋友,别把隐私交出去

    你有没有对着ChatGPT倾诉过心事?或者让Claude帮你做重要决定?最近这个现象越来越普遍,有人甚至把AI聊天机器人当成真正的朋友。但Signal总裁Meredith Whittaker最近在接受Bloomberg采访时,说了一句值得每个人听进去的话。

    「这些不是你的朋友。它们不是有意识的生物。它们不是有感知的对话者。」—— Meredith Whittaker,Signal总裁

    她自己怎么用AI

    Whittaker说她也会用AI工具,「偶尔用来格式化一下文档」,但她坚持一件事:不向AI提问。她的原话是:「我对自己的思考和写作非常认真,我不希望把一个想法推敲的过程,被一个把网上已有内容取平均值的系统给出的回答给提前封闭或遮蔽了。」

    这话说得挺重的。「把网上已有内容取平均值的系统」——这是对大语言模型本质的一个相当直白的描述。她的意思是,如果你让AI帮你「思考」,你得到的不是新思想,而是互联网上已有观点的某种平均态。

    AI聊天机器人隐私警示
    AI聊天机器人的隐私隐患正在引发越来越多关注(配图由AI生成)

    Copilot帮你买圣诞礼物?

    采访中还提到了微软AI CEO Mustafa Suleyman的预测:到今年圣诞节,用户可以让Microsoft Copilot全权负责节日购物。Copilot会「偷听」家庭群聊,推断出每个家庭成员想要什么,然后替你下单。

    Whittaker对此的反应很直接。她说,这意味着你要给Copilot访问权限的包括:你的信用卡、你的浏览器、你的Signal消息、代表你给兄弟姐妹发消息的能力、你的家庭住址、你的日历……

    「你刚才描述的,是一个在多个应用和服务之间具有极强渗透性访问权限的系统,」她说。「在Signal的场景下,这相当于一种后门。」

    「后门」这个词很关键

    Signal的核心卖点是端到端加密,任何第三方(包括Signal自己)都无法读取消息内容。但如果AI agent获得了代表用户操作Signal的权限,那么理论上,这个agent就能看到消息内容,甚至替你回复。

    这不是Signal一家的问题。所有强调隐私的应用——WhatsApp、Telegram、Proton Mail——都面临同样的困境:AI agent时代,用户自己主动交出了原本受加密保护的数据。


    人们为什么把AI当朋友

    这股趋势不是凭空来的。Character.AI、Replika这些产品,从设计之初就把「陪伴」作为核心功能。它们记得你上次说了什么,会用你喜欢的语气说话,甚至会在你难过的时候「安慰」你。

    技术上说,这叫「情感依恋设计」。它很有效,但代价是什么?Whittaker的警告指向一个核心矛盾:一个系统越是让你觉得它是朋友,它就能从你这里获取到越多的数据。而这些数据最终去了哪里、被用来做什么,用户往往并不清楚。

    监管在哪里

    目前来看,AI companion这类产品的监管几乎是空白。欧盟的AI Act有一些原则性规定,但具体到「AI能不能替你发消息」这个问题,还没有明确的答案。

    Whittaker的表态,某种程度上是在监管真正到位之前,先给公众提个醒。她的建议很实际:用AI做工具没问题,但别把它当成思考的替代品,更别把它当成朋友。

  • 刚拿了诺贝尔奖的John Jumper,为什么跳槽去了Anthropic?

    刚拿了诺贝尔奖的John Jumper,为什么跳槽去了Anthropic?

    上周五,一个消息在AI研究圈炸了:2024年诺贝尔化学奖得主John Jumper宣布离开Google DeepMind,加入对手Anthropic。这不是一次普通的人员流动,这是一个信号——关于AI研究人才的流向,以及顶尖研究人员心中什么最重要。

    AlphaFold的人,去了Anthropic

    Jumper是谁?简单说,他是AlphaFold的核心人物。AlphaFold是一个AI模型,能根据蛋白质的基因序列预测它的3D结构——这件事,生物学家做了几十年没做出来,AlphaFold做出来了。2024年,Jumper和DeepMind CEO Demis Hassabis一起拿了诺贝尔化学奖。

    他在X上发了一篇很得体的告别帖,感谢Hassabis”在我博士毕业刚六个月的时候就敢让我领导AlphaFold团队”,感谢整个GDM团队教会他”怎么做伟大的科学”。他说DeepMind是个特别的地方,他仍然会兴奋地关注他们接下来的发现。

    John Jumper离开DeepMind加入Anthropic
    2024年诺贝尔化学奖得主John Jumper从Google DeepMind跳槽至Anthropic

    为什么是现在?

    Bloomberg的报道提供了一个线索:Jumper是谷歌开发编程工具团队的关键成员,而这个工具,谷歌一直在努力向企业推销,但卖得并不好。这个故事很熟悉——顶尖研究人员做出了令人惊叹的东西,但公司不知道怎么把它变成钱,或者变成钱的方式跟研究人员的理想不符。

    更值得玩味的是,Jumper不是这一周从DeepMind出走的唯一大牛。Character.AI的联合创始人Noam Shazeer也在这周宣布离开DeepMind——不过他的目的地是OpenAI,不是Anthropic。两拨人,两个方向,但都是从DeepMind往外走。


    GDM是一个特别的地方,我仍然会兴奋地听到他们接下来发现什么了不起的东西。
    ——John Jumper,在X上宣布加入Anthropic

    DeepMind的人才流失?

    对Google来说,Jumper的离开是一次不小的打击。DeepMind曾经是AI研究皇冠上的明珠,但现在,研究人员似乎在用脚投票。钱是一方面,更深层的原因可能是:在大公司里做研究,越来越多的精力要花在怎么把模型变成产品、怎么应对监管、怎么跟产品线对齐——而这些,不一定是最顶尖的研究人员最想花时间的事。

    Anthropic这段时间在疯狂招人。Claude在模型能力上咬得很紧,公司也需要更多顶尖研究人员的背书。把Jumper这样的人挖过来,不只是多了一个Nobel prize winner员工——更是一种信号:Anthropic是那个认真对待科学的地方。

    这对AI研究意味着什么

    对Anthropic来说,Jumper的加入,可能意味着他们会更认真地在科学和生物领域应用AI。AlphaFold已经证明了AI可以加速科学发现,而Anthropic的Claude,目前在编程和安全研究上比较强——如果Jumper把蛋白质预测和AI推理能力结合起来,可能会出现一些很有意思的东西。

    当然,现在说这些还早。Jumper自己还没说他在Anthropic会做什么。但一个人的去向,往往比公司发的PR稿更能说明行业的风向。当诺贝尔奖得主选择加入一家成立才几年的公司,而不是留在谷歌——这个选择本身,就已经说明了很多东西。

    这场AI人才大战还在继续。OpenAI、Anthropic、Google DeepMind,三家都在抢最顶尖的人。而研究人员用脚投票的结果,最终会决定哪家公司在下一个五年里领跑。

  • 穆克什·安巴尼要把AI塞进每个印度人的通话、APP和客厅

    穆克什·安巴尼要把AI塞进每个印度人的通话、APP和客厅

    69岁的穆克什·安巴尼在周五的年度股东会上,做了一件很”安巴尼”的事——他站在台上,背后是”Reliance Intelligence”的蓝色Logo,对着500多个股东宣布:AI要进你家了,通过电话、通过APP、通过客厅里那块屏幕。

    Jio Call Agent:通话里的AI助手

    具体怎么用?通话中说一句”Hey Jio”,AI就加入了。它能把通话内容实时转成文字,生成摘要,甚至直接帮你订出租车、点外卖、订餐厅。Jio有超过5亿用户,这个数字比很多国家的人口都多。

    把AI助手直接嵌进电信网络,而不是做一个独立的APP——这个思路很聪明。独立APP要用户主动打开,嵌进通话里就等于默认开启了。你不需要想起它,它就在那里,在你打电话的时候。

    AI赋能的印度电信与智能家居场景
    Reliance Jio正在将AI深度嵌入印度的通信基础设施

    从手机到客厅,AI无处不在

    除了通话AI,Reliance还升级了MyJio APP。以后你可以用自然语言跟它说”帮我开个eSIM”或者”选个国际漫游套餐”,它直接就办了,不用在菜单里翻来翻去。

    还有TeleFrame,一块放在客厅的显示屏,用AI代理主动给你推信息——天气预警、日程提醒、家务备忘。这个方向,亚马逊的Echo和谷歌的Nest Hub也在做,但安巴尼的玩法是把整件事绑在Jio的电信网络上面,门槛低得多。你已经在用Jio的卡了,不需要再买一个新设备。


    “印度不应该只是别处创造的AI的消费者。它必须成为AI的创造者、采用者和全球领导者。”
    ——穆克什·安巴尼,2026年年度股东会

    不是”印度制造”,是”印度创造”

    安巴尼这句话的背景很清楚:印度公司在AI领域仍然严重依赖美国和中国的模型和云服务。这个依赖有多深?前不久,Anthropic限制了一部分最新模型的访问,印度不少startups突然发现自己的产品用不了了——这种”供应链风险”,正是安巴尼想要解决的。

    自己建,不租别人的。这是印度的AI自主化战略,也是Reliance押注的方向。怎么建?跟谷歌、Meta、英伟达合作,同时砸钱。今年2月,Reliance宣布要在AI基础设施上投1100亿美元。上周,刚跟Meta签了在古吉拉特邦建AI数据中心的协议。Jio Platforms也在准备IPO,董事会已经批准了招股书草案,最多发行2.7亿股新股。

    今年Reliance的股价跌了约17%,它需要新的增长故事,而AI就是那个故事。对安巴尼来说,这只是他商业帝国的最新一章——从石油到电信到零售,现在到AI。

    数据隐私的隐忧

    但问题也摆在那里。当AI开始监听你的通话、处理你的APP操作、盯着你客厅的屏幕——你的数据去哪了?Reliance说这些服务会”在用户同意下运行”,但没有回答一个关键问题:这些数据会不会用来训练AI模型?会不会分享给技术合作伙伴?

    印度还没有真正的数据隐私法,用户能”同意”的东西,可能比他们想象的要多。Reliance过去在数据处理上的记录也不是没有争议。AI让这个问题变得更复杂——你的通话内容、你的日程、你的家庭信息,全都进了模型。


    更大的棋局

    安巴尼的这一步,把”AI进千家万户”的比赛拉到了一个新的维度。不是卖AI工具,不是做一个AI助手APP,是把AI变成基础设施,像电力一样——通过电信网络进来,通过APP进来,通过客厅的屏幕进来。

    印度有14亿人口,其中很多人第一次接触互联网是通过手机,第一次接触AI可能也会通过Jio。这个入口一旦站稳,后面的想象空间就大了——不只是AI服务,还有AI训练的数据、AI应用的生态系统。

    当然,安巴尼的野心能不能实现,还要看很多东西:技术能不能跟上、监管会不会介入、用户会不会真的用。但方向已经很清楚了——印度不想只是AI的消费者,它想做创造者。而安巴尼,想做那个把创造者工具交到每个印度人手里的人。

  • 微软CEO纳德拉忍不住了:AI垄断是个问题,别忘了微软自己就是那个垄断者


    微软CEO纳德拉忍不住了:AI垄断是个问题,别忘了微软自己就是那个”垄断者”

    Satya Nadella最近接受《华尔街日报》采访时说了一句话,大意是:不能让少数几家公司”替全世界学习”。他担心AI的力量过度集中,担心这种集中度最后变成一种武器。

    他说得很诚恳。但有一个细节他没提:微软是OpenAI最大的股东,是Anthropic的计算合作伙伴,是GitHub Copilot的背后推手,是Azure上绝大多数AI工作负载的运行平台。如果真有一家公司正在”替全世界学习”,微软可能比任何人都更接近这个位置。

    Satya Nadella谈AI垄断
    纳德拉批评AI垄断,但微软本身就是最大的AI基础设施持有者之一

    “你不能说……”

    Nadella的原话被《The Verge》引用时,显得很有紧迫感。他说:”你不能说,嘿,所有白领工作都没了,这可能甚至是一件武器,而我们要用所有的力量去建数据中心。”

    这番话的背景是:AI领域正在出现明显的寡头化。训练前沿模型需要数亿甚至数十亿美元的算力投入,这个门槛把几乎所有玩家挡在门外,只留下微软、Google、Amazon、Meta几家。Nadella说人们不会容忍这种格局,这话本身没错。

    但他选择在这个时间点说这话,多少有点微妙。微软过去两年在AI上的投入是天文数字级别的——130亿美元投OpenAI,数十亿美元建Azure AI基础设施,再加上与Anthropic、xAI等的各种合作。微软可能是世界上唯一一家同时在多条AI赛道上下重注的公司。

    “你不能说,嘿,所有白领工作都没了,这可能甚至是一件武器,而我们要用所有的力量去建数据中心。”——Satya Nadella,《华尔街日报》访谈,2026年6月。

    微软的”反垄断”人设

    Nadella这番表态,很容易让人想起微软自己的一段历史。90年代末到2000年代初,微软因为Windows的垄断地位被美国司法部起诉,最终以和解告终。那场反垄断案定义了Nadella加入微软后最初十几年的企业文化——低调、合作、避免引起监管注意。

    现在历史好像在重演,只是战场从操作系统换成了AI基础设施。微软这次的打法更聪明:它不直接拥有OpenAI,而是”合作伙伴”;它不自己训练所有模型,而是通过Azure把Google、Meta、Anthropic的模型都跑在自己的云上。

    这种”云中介”模式让微软处在了一个很舒服的位置——不管哪家AI公司赢,微软都赢。但反过来,这也意味着微软对AI行业的控制力比表面上看起来大得多。

    Nadella现在出来批评AI垄断,有一种”先发制人”的味道。如果在监管真正动手之前,行业自己先形成某种共识,或许能避免当年那样的反垄断诉讼。


    其他人在做什么

    Nadella不是唯一一个在这个时候谈AI垄断的人。欧盟已经在调查Microsoft-OpenAI的合作是否构成反垄断问题。美国FTC也在看类似的案子。

    但有趣的是,当Nadella说”不能让少数几家公司替全世界学习”的时候,他描述的那个问题,某种程度上就是微软正在参与构建的东西。Azure上的AI服务,本质上是微软(和它的合作伙伴)决定什么样的模型可以用、什么样的AI能力可以被访问。

    这并不是说Nadella的话是虚伪的。他可能真心这么认为。但当一个身处垄断位置的人出来批评垄断,听众有理由多问一句:你说的”垄断”,包括你自己吗?

    这件事为什么重要

    AI和传统软件不一样的地方在于:一旦一个模型成为主流,它会影响人们的思维方式。如果大多数人用的AI工具都来自少数几家公司,这几家公司对信息的过滤、对知识的组织方式,就会潜移默化地变成社会的默认设置。

    Nadella说的”替全世界学习”,指的就是这件事。当AI模型替你总结新闻、替你写邮件、替你做决策的时候,它也在替你”思考”。如果这个过程被少数几家公司控制,那”学习”这件事本身就变成了一种权力。

    这个担心不是没有道理。但解决这个问题的办法,显然不是靠几家大公司CEO的良心发现,而是需要真正的竞争——更多开源模型、更多AI基础设施提供者、更低的进入门槛。

    Nadella的话至少把这个问题摆到了台面上。至于微软准备怎么行动,光说显然不够。


  • 2026年科技大裁员清单:AI说是原因,账本说是借口


    2026年科技大裁员清单:AI说是原因,账本说是借口

    Oracle刚在监管文件中披露,过去12个月裁了2.1万人,占总人力13%。理由是AI。同一份文件里,公司还补了一句:”AI技术的采用和部署已经导致、并可能继续导致我们的劳动力减少。”

    这句话把2026年科技行业的荒诞现状说得明明白白。公司一边报着创纪录的营收,一边以AI为由裁人。而且这次不是某一家公司的说辞,是整个行业心照不宣的统一台词。

    AI裁员与科技繁荣
    AI来了,岗位没了,股价涨了

    五月是分水岭

    裁员咨询公司Challenger, Gray & Christmas的数据很直接:2026年5月是这几年单月裁员最高的一个月,AI是出现频率最高的理由。

    但这件事经不起细想。这一波裁掉的人,很大一部分是2020到2022年疫情期间扩招进来的。当时每家科技公司都觉得线上化是永久趋势,疯狂招人。现在增速放缓,本来就需要消化之前的过度招聘,AI只是递过来的一瓶解药,名字刚好叫”效率提升”。

    “AI采用和部署已经导致、并可能继续导致我们的劳动力减少。”——Oracle在SEC文件中的原话。

    一份还在变长的名单

    以下是2026年截至目前,公开以AI为由裁员的主要科技公司,按时间倒序:

    GitLab(6月3日):裁掉约350人,占员工总数14%。CEO Bill Staples说agentic工作负载正在”把竞争对手逼到墙角”,公司需要”代际重构”基础设施,支撑他认为100倍的增长需求。GitLab同期公布Q1营收2.64亿美元,同比增长23%。

    Google(持续至5月):Cloud部门悄悄裁人,包括威胁情报组和Mandiant相关的网络安全团队。Cloud营收同比增长63%,首次突破200亿美元,积压订单翻倍至超过4600亿美元。过去一年,Google裁掉了超过三分之一管理小团队的经理。Google从未公布总裁员数字,外界估算2026年裁员总数在1500到3000名工程师之间。

    Intuit(5月20日):计划裁掉约3000人,占员工总数17%。CEO说公司在”降低复杂度”,把资源重新分配到AI。

    Meta(5月20-21日):裁掉约8000人,占员工总数10%。同时把约7000人转进新的AI岗位——据TechCrunch后续报道,那些被转岗的工程师并不开心,有人形容那个新部门是”灵魂粉碎的古拉格”。

    Cisco(5月14日):裁掉近4000人,占员工总数5%。财报好于预期。CFO的说法是:这不是为了省钱,是为了把资源重新对齐到芯片、光学、安全和AI。

    Cloudflare(5月7-8日):裁掉约20%的员工(1100人),当季营收6.398亿美元,同比增长34%,是公司历史上单季营收最高的一次。CEO Matthew Prince后来在《财富》杂志上写:被裁的人里”绝大多数是测量者”——中层管理、财务、法务、内部审计、收入确认。


    一个值得注意的模式

    把这些案例放在一起,有个模式很明显。被裁的岗位类型高度重合:中层管理、法务、财务、HR、内部审核。这些正好是AI目前替代能力最强的”白领”工作。

    而另一边,AI工程师、芯片设计师、数据中心运维——这些岗位的招聘广告反而变多了。IBM说要将其美国入门级招聘扩大三倍,专门招AI和混合云岗位。Dell预测其AI优化服务器营收在2027财年可能翻倍。

    所以这场”AI裁员”更准确的描述可能是:公司在用AI替代一部分岗位,同时把省下来的钱砸进AI基础设施。这不是零和游戏的结果,是资源重新分配。只是对那些失去工作的人来说,这个区别并不重要。

    “我们的大多数同行都晚了。在未来一年内,我相信大多数公司会得出同样的结论,做出类似的结构调整。”——Jack Dorsey,Block裁员4000人(近一半员工)后在X上写道。

    更大的那家公司

    这份名单里还没有包括一些更大的数字。Amazon在1月裁了16000名企业员工,此前2025年10月已裁了14000人——三个月内裁掉了约9%的企业员工。CEO Andy Jassy在2025年6月就说过:随着生成式AI和agent的推广,”未来几年我们需要的企业员工总数会减少”。

    Microsoft也在进行买断裁员,CFO Amy Hood在财报电话会议上说总人数在同比下降,而且随着AI投资增加,这个趋势还会持续。

    这些公司有一个共同点:它们在裁员声明里提到AI时,语气不是”抱歉”,而是”这是未来”。好像裁人是某种必经的成人礼,谁不裁谁就跟不上时代。

    但问题是,当每一家公司都这么说的时候,这句话本身就失去了解释力。如果所有人都在用同一个理由,那这个理由到底说明了什么,还是什么都没说明?