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。

  • Ollama 融了 6500 万美元:14 个人,跑进 85% 的财富 500 强

    有个工具你可能从没听过名字,但它已经悄悄跑进了 85% 的财富 500 强企业里。它叫 Ollama,干的事很纯粹:让开发者在一行命令里,把开源大模型下载下来、在自己的电脑或服务器上跑起来。

    Ollama 创始人 Jeff Morgan(左)与 Michael Chiang(右)
    Ollama 联合创始人 Jeff Morgan(左)与 Michael Chiang(右)。(图源:David Paul Morris / Ollama)

    6500 万美元,钱从哪来

    7 月 9 日,Ollama 宣布完成 6500 万美元 B 轮融资,由 Theory Ventures 领投,Benchmark、8VC、Y Combinator 等跟投。算上早先 Benchmark 领投的 1500 万 A 轮,公司累计融资到了 8800 万美元。创始人兼 CEO Jeff Morgan 向 TechCrunch 确认了这笔交易。

    两个做过 Docker Desktop 的人

    Ollama 这事儿听着耳熟,是因为班底老道。Morgan 和联合创始人 Michael Chiang 早年在 Docker 收购他们的创业项目 Kitematic 后,参与打造了 Docker Desktop——今天超过一千万开发者每天在用的东西。Docker 把应用在不同云之间搬移变得轻松,Ollama 想对 AI 模型做同样的事:把繁琐的环境配置藏起来,让你只管跑。

    “2023 年开源模型刚出来时特别难用,它们是给研究人员准备的,不是给程序员用的,想把模型跑起来费老劲了。”Morgan 说。Ollama 就是冲着这份麻烦去的。

    数字摆出来,挺吓人

    上线三年,Ollama 现在每月有超过 890 万开发者在用,进驻了 85% 的财富 500 强,每周还新增近百万次安装。GitHub 上攒了 17.6 万 star、接近 1.7 万 fork。最夸张的是,撑起这一切的团队只有 14 个人。

    “Jeff 和 Michael 在 Docker 上做出的东西,每天有一千多万开发者在用。能做出一款在开发者里走向普适的产品,这种创造力极其罕见。”——Benchmark 合伙人 Peter Fenton

    为什么企业愿意买单

    对银行、医院这类机构来说,把数据送进第三方大模型 API 是合规上的大忌。在自己硬件上跑 Ollama,数据全程留在防火墙内,这正是它能在监管严格的行业落地的原因。Morgan 把业务的转折点放在今年 1 月前后——那时以 OpenClaw 为代表的智能体助手爆红,开源模型突然能干活了,尤其是写代码这类 agentic 任务。

    Fenton 的看法更直接:开源和闭源不是你死我活,但那些背着高额推理账单的公司,确实有动力把尽可能多的工作迁到开源模型上,只在必要时才调用 Anthropic 这类闭源模型。

    • 一行命令拉起 Llama、Mistral、DeepSeek 等开源权重模型,无需 API key
    • 本地跑不动的大模型,可走 Ollama 云端,按 GPU 时长计费而非按 token
    • 云上托管 Nemotron、GLM、DeepSeek、Kimi、MiniMax 等模型,做到首日上新
    • 免费桌面版不变,云端只是补上家里跑不了的大模型

    开源社区的疑虑

    不是所有人都鼓掌。大约一年前,就有开发者担心 Ollama 把重心偏向付费云、冷落了免费项目,把它列为开发者工具”变味”的例子。Morgan 和 Fenton 都回击说,免费桌面版没动过,云端只是把家里跑不了的大模型递到你手边。


    如果开源模型真如预期那样生成了世界上大部分 AI token,那么”谁把模型跑得稳、跑得安全、跑得便宜”这一层,就成了新的价值高地。Ollama 用 14 个人先占了坑,接下来要看这块地值不值这个价。

  • NotebookLM 改名 Gemini Notebook:Google 把笔记本变成会写代码的分析终端

    Google 又改名字了。这次轮到 NotebookLM——那个最早因为”用资料生成播客”火出圈的研究工具。7 月 16 日,Google 正式把它改名为 Gemini Notebook。名字变了,能用的东西也多了一截:每个笔记本现在都是一个带安全隔离的容器,里面能直接写代码、跑数据分析。

    Google 将 NotebookLM 更名为 Gemini Notebook
    Google 将 NotebookLM 更名为 Gemini Notebook,并加入代码执行能力。(图源:TechCrunch)

    从 Project Tailwind 到 Gemini Notebook

    往前倒三年,2023 年 Google I/O 上它还没名字,叫 Project Tailwind,定位是”帮你读资料的 AI”。后来改叫 NotebookLM,一路加功能:让两个虚拟主播就着你的文档聊天的音频概览、视频摘要、更多文件格式、企业版套餐。到今天,它已经坐拥 3000 万用户,超过 60 万家组织在用。

    Google 这几年有个习惯:实验期先用个独立名字试水,等跑顺了就收进 Gemini 大旗。Bard 变 Gemini、Duet AI 变 Gemini for Workspace,现在轮到 NotebookLM。说白了,它不想让用户在好几个牌子里迷路。

    真正的变化:笔记本里能跑代码了

    改名只是门面,核心更新是每个笔记本变成一个独立的安全容器。用户可以在里面生成并运行代码,把多个来源的资料拉到一起做复杂的分析,结果直接在工具里呈现,不用再导出到别的环境里折腾。

    Google 表示,借助代码执行能力,用户能够接入多个来源,并在工具内部直接完成复杂的数据分析。

    这套玩法现在优先开放给 Google AI Ultra 付费用户,以及开了 AI Ultra Access、AI Expanded Access 的 Workspace 企业客户。普通 Pro 用户会在接下来几周内陆续拿到。

    它想成为你工作流里的那一层

    现在你已经在 Gemini App 里能翻看自己的笔记本,Google 还放话,很快就能在搜索的 AI Mode 里直接调出笔记本内容。换句话说,NotebookLM 当年是个独立的研究沙盒,Gemini Notebook 想做的是贯穿 Google 整个产品线的分析层。

    • 每个笔记本都是独立安全容器,代码和数据不出隔离环境
    • 多来源数据可在工具内直接跑分析,省去导出到外部环境的环节
    • Ultra 与企业客户先用,Pro 用户几周后跟进
    • 笔记本将接入 Gemini App 与搜索 AI Mode,打通使用场景

    对普通用户来说,名字怎么改无所谓,关键是它能把”读资料—想清楚—出结果”这件事压缩在同一个界面里。当研究工具开始自己写代码跑数,AI 助手的边界又往外推了一步。

  • Discord 的 AI 审核翻车:8000 多人因为一张棋盘图被封号

    Discord 应用图标
    Discord 的自动安全系统误判无害图片,导致超 8000 个账号被封(图源:TechCrunch)

    你只是往 Discord 上传了一张棋盘截图,或者游戏贴图,甚至是一张带方格的透明背景图,账号就突然没了。过去两个月,超过 8000 名用户经历了这种事——而锅不在他们,在 Discord 的 AI 审核系统出了 bug。

    一张棋盘图引发的误封

    Discord 已经承认,从今年 5 月起,它的自动安全系统把一批完全无害的图片误判成了有害内容:电子表格、棋盘、游戏纹理,还有白底和灰底的透明背景,统统中招。光是上周末,又有 200 个账号被误封。公司说问题已经修好,受影响账号正在陆续恢复。

    “我们的系统会把内容与已知有害材料做匹配,这种相似匹配可能产生误报,所以按设计,理应有信任与安全团队的人工复核再采取行动。”——Discord 官方说明

    Discord 在 X 上解释过这套机制:系统会把用户上传的内容,跟已知有害材料的数据库做相似度匹配,初衷是抓非法内容。问题出在流程的最后一环——一个 bug 让系统跳过了人工复核,直接把账号给封了。换句话说,本该”先审核、后处罚”的设计,被这个漏洞绕了过去。

    用户为什么这么愤怒

    不少人在 X 和 Reddit 上吐槽,自己只是传了张带方格图案的图就被永久封禁。有人怀疑,Discord 的审核模型对方格图案特别敏感,因为这些图案以前常被人拿来遮挡、伪装违规内容,系统学”歪”了。对把 Discord 当工作沟通、游戏社群或远距离社交主阵地的用户来说,这种无差别封号代价不小。

    • 一个游戏制作人说,自己靠它联系所有合作方,账号没了等于断了线;
    • 误判发生时,用户先被扣上最严重的安全帽子、先被踢出门,事后才轮到申诉;
    • 自动化审核一旦出错,替你背锅的是成千上万个真实的人。

    Discord 不是孤例。去年 Instagram、Facebook 群组就出现过大规模莫名封号,很多人怀疑是 AI 审核的锅,但 Meta 从没公开认过。Tumblr 也挨过类似骂。现在 Meta 的监督委员会正在逼平台提高透明度。


    最扎心的不是 bug,是代价结构

    这件事最让人不舒服的地方,在于它的代价分配:误判发生时,用户先被定罪、先被踢出,申诉是后面的事。在信任与安全这件事上,流程往往和算法一样重要。AI 初审加人工复核的混合模式喊了很久,但 Discord 这跤说明,只要中间任何一环断了,受伤的就是普通用户。把误报率当成硬指标公开,可能比事后修 bug 更有意义。

  • Prime Intellect 融了 13 亿美元:企业不想再给大模型厂商”交租”了

    Prime Intellect 创始人团队
    Prime Intellect 把训练 AI 智能体的全套家当打包成”全栈”服务(图源:TechCrunch)

    一家 2024 年才成立的公司,靠帮企业自己训练 AI 智能体,融到了 1.3 亿美元 A 轮,估值直接站上 10 亿美元。投资方名单读起来像一张 AI 圈名人堂——英伟达、英特尔、戴尔的战投都在,还有 Perplexity、Box、Harvey、Cognition 这些公司的创始人以个人身份下注。这轮由 Radical Ventures 领投,光看阵容就知道,芯片和云厂商都想在”谁来训练明天的模型”这件事上占个座。

    一家成立两年的公司,凭什么值 10 亿

    Prime Intellect 做的事说白了就是一句话:别再从 OpenAI 或 Anthropic 那里按 token 租智能了,自己造一个更适合业务的。它把训练 AI 智能体需要的家当打包成一套”全栈”——算力、强化学习框架、评估工具,客户像逛市场一样按需取用,不会被绑死在一套方案上。

    “不应该只有旧金山玻璃大厦里的少数极客才拥有训练 AI 模型的能力,每一家企业、每一个国家都应该拥有这种能力。”——Prime Intellect CEO Vincent Weisser

    为什么这件事忽然有了土壤?几年前,自己训模型还是只有巨头玩得起的游戏。但现在强化学习这套打法成熟了,模型可以在具体任务上反复试错、被奖励、被修正,企业慢慢能当自己的”AI 实验室”。真正的难点在于底层基建太复杂,大多数公司根本凑不齐这套零件——Prime Intellect 就卡在了这个缝里。

    企业为什么不想再”租”智能了

    吸引力来自实打实的结果。金融公司 Ramp 用它做了一个在表格里找答案的 Agent,官方说法是准确率高过前沿模型,速度更快,成本只有零头。更关键的是心态变化:企业越来越不愿意把专有数据喂给 OpenAI 和 Anthropic,也怕哪天模型像上个月 Anthropic 的 Fable 那样说关就关。

    • 把敏感业务数据留在自己手里,而不是交给第三方大模型厂商;
    • 不用担心模型被突然下线,业务连续性更有保障;
    • 在垂直任务上,自训的小模型成本可能远低于调用前沿 API。

    Radical Ventures 的合伙人 David Katz 说得更直白:大家开始琢磨”怎么把企业自己的智能掌握在手里,别冒那些风险”。目前年化收入已经冲到 1 亿美元,Ramp、Zapier 都是付费客户。


    钱正流向训练场,而不是模型

    这轮融资背后藏着一个正在成形的判断——资本正在涌向”训练场”,而不是模型本身。就在五天前,做 Agent 安全训练环境的 Bespoke Labs 也拿了 4000 万美元。两笔加起来的信号很清楚:企业想要的不再是又一份订阅,而是 Agent 这个东西的所有权。英伟达和英特尔同时开出支票,说明连芯片厂也信了这套逻辑——它们不在乎模型最后归谁,只要训练跑在自己的硅上就行。接下来一年要回答的问题是,Prime Intellect 能不能在 OpenAI 和 Anthropic 自己猛攻企业市场时,守住这 1 亿美元的增速。

  • TikTok悄悄测试AI肖像检测:想抓深伪换脸,先交自拍和身份证

    刷短视频的人多少都想过一个问题:要是有人用 AI 把自己的脸换到一段视频里,到处招摇撞骗,自己该怎么发现、又该怎么治?TikTok 最近在悄悄试一个答案。

    据 The Verge 的 Jay Peters 报道,TikTok 正在小范围内测一款”肖像检测”(Likeness Detection)工具,目前只对一部分美国创作者开放。它的逻辑很简单:你先加入,系统就帮你盯着平台上有没有 AI 生成的内容在冒用你的脸,发现了你再来核对、举报。

    TikTok 美国发言人 Zachary Kizer 说得很清楚:这项工具是自愿加入的,想用就得先通过 Jumio 做身份验证——实时自拍加身份证件那一整套。

    先验证,再参与

    这点特别关键。创作者想用这个工具,第一步不是”开启扫描”,而是先证明”我是我”。TikTok 不保留身份证件,面部信息也只用于匹配肖像、找出可能的盗用。验证通过后,系统才会去扫那些可能用了你长相的 AI 内容,把疑似结果推给你,由你决定要不要举报。

    TikTok AI 肖像检测
    TikTok 的 AI 肖像检测功能示意(图源:The Verge / Nick Barclay)

    和 Meta 的翻车形成对照

    把时间往回拨几天就很耐人寻味。就在这个月,Meta 推出 Muse Image,允许任何人基于 Instagram 上的公开照片生成 AI 图像,而且所有账号默认就被拉进这个功能。结果骂声来得太快,短短三天 Meta 就撤下了功能,承认自己”没把握好分寸”。

    TikTok 几乎是反着来的:身份验证在前,参与全凭自愿,控制权始终在创作者手里。


    不是 TikTok 一个人在做

    它其实跟在 YouTube 后面。YouTube 早就在做类似的工具,并且已经向所有成年用户开放;更早之前,它把这类保护也给了名人和艺人经纪公司。换句话说,平台从”发现深伪我们再删”走向”帮创作者主动揪出盗用”,已经成了大视频平台的标配方向。

    • 验证机制本身是个隐私取舍:要系统帮你找冒用,就得先交脸的数据
    • 平台得说清楚数据存多久、会不会拿去训练模型、退出后还扫不扫
    • 打假不等于一刀切下架,恶搞、新闻、评论这些边界仍要人工判断

    对创作者来说,一个能乱真的 AI 换脸,轻则毁名声,重则配合诈骗和色情内容。手动搜基本是杯水车薪,所以自动检测才有价值。代价是,你得先信任平台,把最敏感的身份信号交出去。

  • AI芯片又一笔10亿美元:SambaNova估值冲到110亿,摩根大通把算力搬回自家机房

    SambaNova 这家公司,你可能没怎么听过,但在 AI 芯片这条赛道上,它刚干了一件挺有象征意义的事。7 月初,这家 2017 年成立的帕罗奥图创业公司宣布完成 10 亿美元 F 轮融资的第一笔交割,投后估值来到 110 亿美元。领投方是老牌成长基金 General Atlantic,贝莱德、卡塔尔投资局、Intel Capital 等一众机构跟投。

    有意思的是,这笔钱距离它上一次融资只隔了不到五个月。今年 2 月它才拿下 3.5 亿美元 E 轮,同时发布了第五代芯片 SN50。换句话说,资本市场的钱还在疯狂往 AI 基础设施里灌。

    SambaNova 的 CEO Rodrigo Liang 说了一句很直白的话:摩根大通这种级别的银行开始自己搭私有、安全的算力底座来跑推理,这个信号会传到银行业之外。

    它到底造的是什么芯片

    SambaNova 走的是和英伟达不一样的路子。它的芯片不是要取代英伟达,而是贴着英伟达一起用。公司主打”高端推理”——把今天动辄几万亿参数的前沿大模型,塞进一个机柜里跑,而且跑得飞快。Liang 对外说过,SN50 跑推理的解码部分比竞品快五到十倍。

    SambaNova AI 芯片
    SambaNova 的 AI 推理芯片(图源:TechCrunch)

    今年 2 月发布的 SN50 基于数据流架构,计算能力是上一代 SN40 的 5 倍,网络带宽是 4 倍,预计 2026 年下半年开始向客户发货,软银是它的第一个部署伙伴。

    三类客户,和一个 IPO 悬念

    Liang 把客户分成三块:一是主权云,各国政府出钱扶植本地私有云;二是新云(neocloud);三是自建自用的大企业。除了摩根大通,沙特阿美、英特尔以及一些日本企业也在客户名单上。


    • SambaNova 成立以来累计融资规模已相当可观,本轮后现金储备进一步增厚
    • 资金一大用途是锁供应链——在汹涌的需求面前先把产能和物料攥在手里
    • 与英特尔的关系也在加深,双方从投资到联合开发产品一起推向市场

    至于公司未来,Liang 话讲得很活。被问到连续融资是不是意味着铁了心独立,他说”一直有人来找我们”,这扇门在动态的 AI 市场里还开着,但增长势头更可能把公司推向”某天上市”。据 CNBC 报道,他甚至提到了 2027 年 IPO 的可能性,大概率选美国。

    AI 基础设施建设的热度,从这 10 亿美元里就能看出来。当大行都不愿意把最敏感的模型推理完全交给云厂商,像 SambaNova 这样专做”把大模型安全跑在自己地盘上”的芯片公司,就有了存在的理由。

  • 苹果 iOS 27 公测开放:重做版 Siri 终于能打 ChatGPT 了?

    这么多年,Siri 一直是那种你喊它定个闹钟还行、稍微复杂点就装听不懂的助手。苹果显然也知道。今年 WWDC 上它亮出了”史上最大改版”的 Siri,当时只给开发者玩;现在 iOS 27 公开测试版一推,普通用户也能上手了——这是苹果头一回把这套 AI 版 Siri 大面积放开。

    全球揣着 iPhone、iPad、Mac 的人加起来有 25 亿。哪怕只有一小撮人装公测,这场测试的规模也够吓人:它等于把苹果重写后的 AI 助手,直接丢进真实生活里接受拷打,对手是 ChatGPT、Gemini、Claude 那些早就上桌的玩家。

    这次 Siri 到底变了什么

    过去的 Siri 像个只会念预设台词的播音员,新版则更像一个能翻你手机、懂你上下文的助手。它能读你设备上的邮件、照片、短信,能看你屏幕正显示什么,也能接住”今天本地有什么活动””刚才新闻说了啥”这类本来得搜网页才答得出的问题。

    入口也比以前多。除了老办法”嘿 Siri”和按侧边键,你还能从灵动岛往下滑把它叫出来;它甚至还塞进了 iPhone 自带的聚光搜索(Spotlight),等于顺手把搜索框也变成了问答框。苹果头一回给 Siri 做了个独立 App——虽然对已经深度嵌进系统的它来说,单独开个 App 多少有点多余。

    iOS 27 上的 AI 版 Siri
    iOS 27 公测里的 AI 版 Siri:能读邮件照片、看屏幕、跨设备调用

    底层是和谷歌一起”蒸馏”出来的

    说到内核,新版 Siri 靠的是 Apple Intelligence,以及苹果自己跑在设备上的基础模型,再加上私有云计算(Private Cloud Compute)。有意思的是,这些模型是苹果拉着谷歌、用 Gemini 当老师”蒸馏”出来的——但不是把 Gemini 改个名就拿来用,而是用苹果自己的数据和针对 Apple 芯片做的瘦身版。好处是模型小、跑得快,还能在端侧保护隐私:Private Cloud Compute 保证你的个人数据不会被苹果存下来,也不会被它翻看。

    开发者测试里,Siri 已经能找准相册里某张照片、总结群聊、把短信里的约会塞进日历,甚至对着镜头告诉你手里的食物大概多少卡。但它也会犯傻——有次被问”伊朗最新消息”,它跑去通讯录里找叫 Iran 的联系人。

    别急着全靠它

    苹果自己也说,公测归公测,真要设备一天都不能出岔子,最好还是等 9 月正式版。今年的开发者测试版整体算稳,比前几年靠谱,但 bug 仍在。另外,欧盟地区暂时还用不上这套 Siri。

    • 覆盖 iPhone、iPad、Mac、Apple Watch、CarPlay、AirPods、Apple TV、Vision Pro 全系设备
    • 不靠开 App 也能用,随时唤醒,更容易渗进日常
    • EU 用户暂被排除,是这版最大的区域遗憾

    说到底,Siri 这次不再是那个只会定闹钟的梗了。它能不能真的追上 ChatGPT 们,还得看秋天正式版和那 25 亿设备上的真实表现。但至少,苹果把”AI 助手”这堂课,补上了最该补的一节。

    📎 原文来源:Apple opens its new Siri AI to everyone with the iOS 27 public beta(TechCrunch / Sarah Perez)
  • DeepSeek 冲刺 IPO:估值一个月从 500 亿跳到 710 亿美元

    去年年初,一家叫深度求索的中国公司用极低的成本训出了能跟美国一线大模型掰手腕的模型,把整个硅谷看愣了。现在,这家公司准备把自己送上股市。

    据彭博社报道,DeepSeek 正在筹备 2027 年登陆资本市场,最早今年底就可能递交申请;与此同时,它打算新一轮融资大约 15 亿美元,估值放到 710 亿美元左右。消息出来前才一个月,DeepSeek 刚完成成立以来的第一笔外部融资——70 亿美元,估值约 500 亿美元。换句话说,它的身价在短短几周里又涨了四成多。

    一笔为上市量身定做的融资

    这轮钱跟上一轮性质不太一样。70 亿那笔是把外部投资人第一次请进股东名册,定了个 500 亿美元的基准价;这一笔 15 亿更像是上市前的”标价动作”——在真正向公众打开账本之前,先让市场知道私人资本愿意给它多少。它要的不是分散股权,而是给投行和未来的散户一个信号:这家公司值这个价。

    从 500 亿到 710 亿美元,一个月出头的工夫,估值跳了 42%。在公开市场还没给过它一个真实价格之前,这个数字更像谈判筹码,而不是定论。

    凭什么值这么多

    支撑估值的,是实打实的使用量。企业级 AI 网关 Vercel 的数据显示,今年 6 月,DeepSeek 处理的 token 占到了将近 23%,排第二;第一是 Anthropic,占 32%。一家中国开源实验室,能在一个全球开发者的入口里吃掉接近四分之一的流量,这本身就说明问题。

    更耐人寻味的是芯片。美国的出口管制卡着先进半导体,DeepSeek 的云服务却跑在华为的芯片上。它用这件事证明了一件事:即便拿不到英伟达最顶尖的货,中国团队照样能把模型能力追到美国一线实验室的几口气之内。

    DeepSeek 上市概念图
    DeepSeek 冲刺 IPO,开源模型的经济账第一次要摊开给公众看

    股东名单里站着”国家队”

    彭博社提到,DeepSeek 的投资人里已经有腾讯,以及北京的国家人工智能产业投资基金。这两家都有动力在上市前把估值推高——不管公开市场最后肯付多少钱。

    • 成立仅三年,靠”低成本训出高性能模型”出名
    • 开源权重,下载量和 token 份额都说明影响力,但收入始终没公开
    • 从幻方量化的长期支持,转向外部融资和公众披露,自由度会部分换成透明度

    当然,这个故事还有没说完的部分。DeepSeek 拒绝置评,彭博的报道也只是单方信源。等它真的披露收入、毛利、芯片投入和公司治理,710 亿美元才算接受检验。对盯着开源替代方案的人来说,DeepSeek 的估值曲线已经成了观察中国 AI 实验室怎么进公开市场的风向标。

    📎 原文来源:DeepSeek reportedly in talks to raise $1.5B, then IPO(TechCrunch / Dominic-Madori Davis)
  • 上线四天就认怂:Meta 用 @ 别人就能造 AI 深伪图,被骂到下架

    一个 @ 就能把陌生人塞进你的图里

    这周二,Meta 高调推出了自家的图像生成模型 Muse Image,并把它接进了 Instagram。其中一个被当成亮点的玩法很直白:在 Meta AI 里 @ 某个公共 Instagram 账号,系统就会把那个人的内容拉进你生成的图里。

    问题出在默认设置上。只要账号是公开的,它的照片就能被别人拿去生成 AI 图像,而且不需要本人同意。想不被用?得自己钻进设置里一层层翻,手动关掉。

    追求高风险的设计,却把责任推给个人去层层跳转菜单退出——这是不可接受的。

    说这话的是 Haley McNamara,美国全国性反性剥削组织(NCOSE)的负责人。她的担忧很具体:这不光是侵蚀了每个人对自己肖像的权利,更像是一个为”色情勒索”和其他诈骗者准备好的现成工具。

    四天,从上线到撤回

    批评声不只是来自民间。演员工会 SAG-AFTRA 直接建议旗下会员去关掉这个功能,还手把手写了操作教程。在舆论、行业组织和媒体一起施压之后,Meta 认了。

    公司在博客更新里写:”我们听到了反馈,这个功能没达到预期,所以不再提供了。”不过要注意,被撤下的只是”@ 公共账号生成图像”这一项,Muse Image 本身还能在 Meta AI、Instagram Stories 和 WhatsApp 里继续用。

    Meta Muse Image 的 @ 提及功能
    用 @ 就能把公开账号的内容拉进 AI 生成图(图:The Verge)

    真正的争论在”同意”两个字

    这起翻车背后,是一场关于”Opt-in 还是 Opt-out”的拉锯。Meta 选了后者:默认你同意,不想被用就自己去关。可当用户对自己形象的控制权,取决于他是否碰巧发现了那个隐藏开关,这套逻辑本身就站不住脚。

    • 演员公会主张,数字分身这类事必须”显式同意”,而不是事后退出;
    • 反剥削组织指出,把伦理风险从设计公司转嫁到使用者头上,是硅谷反复出现的老毛病;
    • 而随着 AI 图像、视频越来越难用肉眼分辨,隐形水印和内容标签也只是杯水车薪。

    有意思的是时间线。从官宣到撤回,前后不过四天。放在几年前,一个功能引发争议、公司再慢慢评估,往往是以”周”甚至”月”计的。2026 年的舆论场,反应速度快到可以用天来量。Meta 砸重金重建 AI 实验室、和 OpenAI、Anthropic 贴身肉搏的当口,这一跤摔得不算轻,但也算给全行业提了个醒:把别人的脸塞进 AI 之前,先问一句”你愿意吗”,大概不该是 optional。

  • 开源AI抢走流量,Anthropic凭什么还在赚大钱

    一个反直觉的现象

    上周,客服 AI 公司 Decagon 的 CEO Jesse Zhang 发了一篇长帖,标题很嚣张:”大家都搞错了企业里的开源 AI”。他抛出一个挺有意思的矛盾:在自己公司里,越来越多成熟的业务正在切到更轻量的模型上,可花在那些最贵的前沿模型上的总预算,几乎一点没少。

    这跟很多人预想的不一样。按常理,开源模型又免费又能自己部署,前沿实验室早该被冲得七零八落。但 Zhang 认为,这俩根本不是对手,更像是同一个生命周期里的两个阶段。

    前沿实验室会继续握着”发现”,开源则会一点点吃掉”生产”。

    用大白话说就是:先用贵的前沿模型把一个新场景跑通、验证它能赚钱,等路子熟了,再挪到便宜的开源模型上规模化。前端探路,后端量产,各司其职。

    数据摆出来,前沿真没吃亏

    Zhang 没给太多数据,但这种数据其实到处都是。Vercel 的 AI 网关看板显示,就这一周,DeepSeek 的 Token 量已经冲到全平台的三分之一以上,背后是 GLM-5.2 的 Z.ai 也挤进了第四。可往下滑到”总支出”那栏,Anthropic 一家还是占了半壁江山。

    OpenRouter 的故事也差不多。DeepSeek V4 Flash 每周处理 5.3 万亿 Token,是最忙的;而最火的前沿模型 Opus 4.8 才 2 万亿出头。但 Opus 每百万 Token 要 1.37 美元,V4 Flash 只要 6 美分,贵了快 23 倍。算下来,花钱的大头还是落在前沿模型手里。连英伟达刚放的 Nemotron 都还没算进去。

    开源AI与前沿模型的双层经济
    开源模型吃下了流量,前沿模型守住了利润(图:TechCrunch)

    为什么开源赢不了”钱”

    一种解释是,AI 能干的活儿增长得太快了,前沿模型只要卡住早期那些最难、最值钱的部署,就能一直待在牌桌上。另一种解释更实在:很多场景就是太难,便宜模型暂时顶不上。

    • 垂直类 AI 公司确实在往轻量模型迁移,这条预言已经应验;
    • 但”GPT 套壳”类创业公司的账,算下来还是稳的;
    • 最关键的是,按 Token 算,前沿厂商死死攥住了最值钱的”溢价 Token”价格。

    作者想起去年九月自己写过的一个比方:基础模型公司到最后可能变成给星巴克供咖啡豆的——自己是商品原料,利润全被应用层赚走。现在看,这个预言只兑现了一半。


    所以眼下的格局,很可能不是”开源干掉前沿”,而是两套玩法长期并存:前沿负责开荒,开源负责量产。只要 AI 能做的事情还在指数级扩张,两边就都还有饭吃。至于这个平衡能维持多久,大概得看下一个更难啃的场景,到底落在谁手里。