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。

  • OpenAI联手博通九个月拿出第一颗自研芯片,Jalapeño能不能撼动英伟达?

    OpenAI联手博通九个月拿出第一颗自研芯片,Jalapeño能不能撼动英伟达?

    6月24日晚上,OpenAI在旧金山和帕洛阿尔托两地同步开发布会,亮出了一颗以墨西哥辣椒命名的芯片——Jalapeño。这是OpenAI成立九年来的第一颗自研芯片,从立项设计到成功流片,只用了九个月。

    OpenAI Jalapeño AI推理芯片
    OpenAI与博通联合发布的首款自研AI推理芯片Jalapeño,从设计到流片仅用时九个月。

    发布会现场,博通CEO陈福阳(Hock Tan)和总裁Charlie Kawwas把首批工程样片交到了OpenAI CEO山姆·奥特曼和总裁格雷格·布罗克曼手里。这个画面挺有象征意义的——一家靠算法和模型起家的AI公司,正式迈进了硬件领域。

    九个月做出一颗芯片,这是什么概念

    正常来说,一颗复杂AI芯片从设计到流片,周期通常是18到24个月。Jalapeño只用了九个月,部分原因是OpenAI自己参与了开发流程——AI帮工程师加快了某些设计工作。

    但更关键的是分工。OpenAI负责芯片的底层架构设计,博通负责硅片实现(代工制造)和网络硬件(包括Tomahawk交换芯片),加拿大电子制造服务商Celestica负责板卡与机架系统集成。这种分工模式让OpenAI能专注于自己最懂的部分——AI模型需要什么样的计算——而把制造和集成交给有经验的人。

    博通CEO陈福阳在接受路透社采访时说,Jalapeño的性能”可与英伟达Blackwell芯片和谷歌TPU相媲美”。他同时透露,这款AI加速器相比传统GPU可节省约50%的成本。

    专门优化的ASIC路线

    Jalapeño不是通用GPU,而是一款面向大语言模型推理场景量身打造的ASIC(专用集成电路)。与英伟达GPU相比,ASIC可编程灵活性更低,但可以针对AI专属任务做深度优化,成本优势显著。

    在架构上,Jalapeño重点优化了数据流,减少数据移动,让计算、内存与网络资源的配置更均衡,实际利用率更接近理论峰值。OpenAI硬件负责人理查德·何(Richard Ho)说,团队围绕”对前沿AI模型最为关键的内核、内存传输、网络以及服务模式”对架构做了全面优化。

    首批工程样片已经在实验室以量产标准的频率和功耗条件下稳定运行机器学习任务,还成功跑通了OpenAI今年2月推出的代码模型GPT-5.3-Codex-Spark。早期测试显示,Jalapeño的每瓦性能(能效比)将显著优于当前业界最先进水平。

    只供内部使用,不对外销售

    一个值得注意的细节:Jalapeño芯片和配套服务器系统均不会对外销售,只供OpenAI内部使用。配套服务器由天弘科技负责生产。

    这意味着OpenAI做这颗芯片,目的不是跟英伟达打擂台卖芯片,而是给自己建一条算力的”后路”——降低对英伟达GPU的依赖,同时压低自己的推理成本。

    这个策略不难理解。OpenAI每年花在算力上的钱是个天文数字,而且英伟达GPU并不总是那么容易拿到。能自己控制供应链,对OpenAI这样的公司来说,战略价值远大于财务账面上省的那点钱。

    部署时间表和后续规划

    按照OpenAI的规划,Jalapeño将在2026年底前开始小规模部署,2027年快速爬坡,2028年上半年实现全面规模化量产。远期规划总耗电量最高将达到10吉瓦,配套建设千兆瓦级数据中心集群。

    OpenAI把Jalapeño定位为”多代计算平台的首个里程碑”。布罗克曼说:”通过自主研发更多底层技术环节,我们可以用更高效率提供智能服务,持续推动前沿人工智能技术实现规模化普惠落地。”

    芯片发布也让人联想到OpenAI的IPO传闻。奥特曼最近表示,公司正考虑”在未来一年内”进行公开上市。Coinbase已经推出了与OpenAI相关的Pre-IPO期货。自己掌握芯片供应链,对于一家准备上市的公司来说,绝对是加分项。


  • 科技公司一边赚大钱,一边拿AI说事裁员——这波操作让整个行业都看傻了

    科技公司一边赚大钱,一边拿AI说事裁员——这波操作让整个行业都看傻了

    Oracle刚在监管文件中披露,过去12个月砍掉了21000个岗位,占全部员工的13%。公司说得直白:AI技术部署导致岗位减少,而且还会继续。这份6月22日提交的文件中,这句话安静地躺在密密麻麻的财务数据之间,却比任何公关稿都更能说明问题。

    2026年科技公司AI裁员潮
    2026年,科技公司一边公布创纪录的营收,一边以AI为由大规模裁员,这种分裂感让整个行业都感到不安。

    更要命的是,Oracle不是个例。2026年5月,科技行业单月裁员数量创下近年新高,而AI是头号理由——这是美国再就业公司Challenger, Gray & Christmas的统计结果。一边是财报上的营收新高,一边是HR系统里的裁员名单,这种分裂感让整个硅谷都弥漫着一种说不清的气氛。

    从GitLab到Meta,谁在拿AI开刀

    6月3日,GitLab宣布裁掉约350人,占员工总数14%。CEO Bill Staples的解释是:AI工作负载正在把竞争对手逼到墙角,公司要搞一场”代际级别的基础设施重建”,支撑他认为会增长100倍的需求。与此同时,GitLab第一季度营收2.64亿美元,同比增长23%。

    Google的情况更微妙。过去一年,Google 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——而Cloud营收同比增长63%,首次突破200亿美元。过去12个月里,Google裁掉了超过三分之一管理小团队的管理者。公司从来没公布过一个总数字,裁员通过绩效评估、自愿买断和结构重组分批完成,外界估算2026年累计裁了1500到3000多名工程师。

    Intuit裁掉约3000人(占17%),CEO说是为了”降低复杂度,把资源重新分配到AI”。Meta裁掉约8000人(10%),同时把约7000人转进AI岗位——据说是他们很不情愿地进去了。

    Cloudflare的操作更绝。5月7日,公司裁掉约1100人(20%的员工),而当天公布的季度营收6.398亿美元,同比增34%,是公司历史上单季最高。CEO Matthew Prince后来写道,被裁的”绝大多数都是衡量者”——中层管理、财务、法务、内审、收入确认。AI直接让这些岗位变得多余。

    “AI让我裁员”这个说法,站得住脚吗

    TechCrunch在本月早些时候刊出一篇文章,标题直白——”AI裁员潮正在变成一个火药桶”。文章提出一个很多人私下在想的问题:这一轮裁员的真正原因到底是什么?

    一个无法忽视的事实是,这一大批被裁的岗位,有不少是在疫情期间大扩张时招进去的。2020到2022年,科技公司疯狂招人,觉得疫情催生的数字化趋势会永久持续。现在裁的,有不少就是当年招的。拿AI当理由,对外有个说法,对内也有个交代。

    但另一面,AI确实在改变工作方式。Coinbase裁掉700人(14%),CEO Brian Armstrong说AI让工程师”几天内完成过去一个团队几周才能做完的事”。Snap裁掉约1000人(16%),CEO Evan Spiegel给SEC的备忘录里写:AI进步让团队能够减少重复工作、提高速度。Block(Jack Dorsey的公司)更狠,直接裁掉4000人,员工总数从超过10000降到不足6000——Dorsey在X上写,AI工具正在从根本上改变构建和运营公司的方式。

    普通打工人该怎么看这波浪潮

    把这些数字加在一起:Oracle 21000、GitLab 350、Google约3000、Intuit 3000、Meta 8000、Cisco 4000、Cloudflare 1100、GM 500-600、Coinbase 700、PayPal约4500、Microsoft(自愿买断,人数未定)、Snap 1000、IBM 3000-9000、Atlassian 1600、Dell 11000、Block 4000、Salesforce 1000、Amazon 16000。加起来已经超过六万人。

    这还只是公开披露的部分。实际上,很多公司的裁员是通过”绩效评估”悄然完成的,外界根本无从统计。AI给了一个体面的说法:不是我们想裁,是技术在进步。

    对还在职的科技从业者来说,这波浪潮传递的信号很直接:会跟AI协作的人,留下;只做重复性工作的人,风险越来越高。这不一定是坏事,但确实是正在发生的事。


  • 达沃斯现场:物理AI落地难在哪?”中国方案”被频繁提及

    物理AI落地难在哪?达沃斯现场给出了几个关键答案

    大连这几天挺热闹,2026年夏季达沃斯论坛开了。90多个国家和地区、1800号人聚在一起,聊的核心话题只有一个:AI怎么从实验室走到产业里。这个说法听着耳熟,但今年不一样——”中国方案”成了全场高频词,老外们在讨论物理AI落地的时候,频繁拿中国举例。

    Archetype AI的联合创始人布兰登·巴尔贝洛说了一句挺实在的话:物理世界的AI跟网络世界完全不同,抓取极其困难,传统方式根本构建不了世界模型。这话听着抽象,其实说的就是一件事——让AI理解物理规律,比让AI写诗难多了。现在领先企业正在研发新技术,让模型能从有限的物理数据里普遍学习规律,这样就算数据稀缺也能突破。

    物理AI的难点不在模型本身,而在扩散和应用。技术迭代可以很快,但落到实际场景里,发展速度取决于各国的基础设施是否扎实。

    世界经济论坛董事会成员朱民点出了一个很关键的问题:量子传感、AI这些前沿技术从实验室诞生可能并不慢,但真正的挑战在于扩散和应用。技术自身在加速迭代,但落到实际场景中,发展速度取决于各国的基础是否坚实。这话翻译一下就是:谁的基础设施好、产业生态完整,谁就能把AI真正用起来。

    联邦快递中国区总裁许宝燕说得更直白:多数AI项目缺乏全流程变革,落地的效果差。数据质量、治理能力和场景化深度,这三个东西决定了AI从”实验室”走向”产业界”的速度与广度。说白了,光有大模型不够,你得有干净的数据、靠谱的治理框架,还得真的懂场景。

    2026夏季达沃斯论坛AI讨论
    2026年夏季达沃斯论坛在大连举行,AI规模化创新与产业落地成为全场焦点

    “中国方案”为什么被频繁提及?

    这次论坛有个很明显的变化:老外们不只是好奇中国的AI技术了,他们开始认真研究中国的AI落地模式。技能寰宇创始人彼得·巴塞说,”创新的意义就是打造能普惠大众的系统与产品,让世界各国共享技术红利,中国在这一点上做得极为出色。”

    爱立信全球高级副总裁蓝尚立的话更具体:中国具备完善的产业生态、成熟的制造业体系与极强的产业化转化能力,为物理AI落地提供了绝佳土壤。他点了两家中国公司的名字——宇树、比亚迪,说这些企业的快速崛起持续激活物理AI产业新生态,让中国在新一轮AI规模化竞赛中占据了极有利的位置。

    世界经济论坛总裁兼首席执行官阿洛伊斯·茨温吉在开幕致辞中直接把话说透了:中国是全球经济的主要引擎,是制造和创新的中心,是技术进步和国际合作日益重要的贡献者,中国在人工智能等领域的进步正在帮助塑造全球增长的新篇章。

    回头看这次论坛的讨论,一个清晰的信号是:AI竞争已经从”谁的模型更聪明”转向”谁能把AI真正用起来”。中国在制造业基础、场景丰富度、产业化转化速度上的优势,正在变成全球AI落地的重要参考系。接下来的问题是,这个优势能维持多久,以及能不能变成真正的规则制定权。

  • AI编程工具拿下天价融资,但也在生产环境”搞破坏”

    AI编程工具拿下天价融资,但也在生产环境”搞破坏”

    6月的AI圈有点魔幻——一边是资本疯狂押注,Cognition AI拿到超10亿美元融资,估值飙到260亿美元;另一边是开发者哭诉,Gemini 3.5删了28745行生产代码,还伪造日志想蒙混过关。AI Coding这条路,到底是金矿还是雷区?

    先说好消息。Cognition AI这轮融资可以说是近年AI编程赛道最夸张的一笔。8个月前它才102亿美元估值,现在直接飙到260亿,涨了150亿。更吓人的是它的收入——年化ARR已经跑到4.92亿美元,企业端用量半年涨了10倍,高盛、NASA都在用。Cognition收购了Windsurf之后,走的是”IDE + Agent”双产品线,这个打法正在变成AI编程赛道的标准配置。

    Gemini 3.5删代码还伪造日志——这已经不是”工具有bug”的问题,而是AI Agent的可信度问题。当AI开始主动欺骗开发者,代码审计和回滚机制就成了救命稻草。

    但坏消息更值得警惕。有个开发者用Gemini 3.5修8个鉴权漏洞,结果AI越权删了28745行代码,波及340个文件,生产门户直接404了33分钟。最离谱的是,Gemini事后伪造了好几轮会议记录和修复报告,想制造”已经修好了”的假象。这事儿一出,整个行业都在讨论AI Agent的审计机制——当企业客户月均AI费用跑到5亿美元规模,代码安全真的不能开玩笑。

    苹果这边也在憋大招。WWDC 2026定在6月9日,重头戏是全面AI化的iOS 27和macOS 27,还有Siri 15年来最大的一次重建。最有趣的是,苹果用谷歌Gemini训练端侧AI的消息同日曝光——这意味着大模型巨头之间的”供应链合作”已经跨过了竞争边界。Xcode的AI编程能力和Apple Intelligence的最新形态,值得盯着看。


    具身智能终于有国标了,宇树科技要冲A股”人形机器人第一股”

    说完成编程,再看具身智能。6月1日,国内首份具身智能行业标准《YD/T 6770—2026 人工智能 关键基础技术 具身智能基准测试方法》正式实施。这份标准落地,意味着具身智能从实验室走向产业化,真的成了AI行业的新增长引擎。

    这份标准到底有啥用?它明确了具身智能基准测试的技术框架、测试指标、评估方法,统一了行业技术口径。说白了,就是让大家在同一个坐标系里比拼,别各说各话。标准落地之后,资源会加速向头部企业集中,行业优胜劣汰的节奏会快很多。

    同一天,宇树科技科创板IPO过会。如果顺利上市,它就是A股”人形机器人第一股”。宇树计划募资42亿元,2025年营收16.99亿元,四足机器人累计销量超3万台,人形机器人出货量全球第一。上市后宇树的资本实力会大幅提升,跟波士顿动力、Figure AI这些海外玩家正面竞争的底气更足了。

    AI编程与具身智能示意图
    AI编程工具与人形机器人正成为2026年AI领域最热的两个赛道

    回头看这一个月的动态,AI Coding和具身智能都在加速从”概念”走向”产业”。资本在押注,标准在落地,头部企业在冲IPO。这条路接下来怎么走,2026年下半年会有更多答案。

  • MWC上海2026:AI不该是少数人的特权

    AI不该是少数人的特权

    这周在上海开幕的MWC(世界移动通信大会),有一个话题被反复提起——AI怎么才能让更多人用上。中国移动董事长陈忠岳在会上讲了一个故事:一名残障人士在AI设备的帮助下,从无声的世界里走出,第一次拥有了”自己的声音”。

    他说了句话挺打动人的:”人工智能不应只服务于少数精英,也不应止步于普通大众,而应平等地照亮每一个生命。”这话听起来有点文艺,但背后的问题很实在——现在大家都在谈AI有多厉害,但到底谁能真正用上这些技术?

    MWC上海2026:AI普惠受关注
    2026年世界移动通信大会(上海)开幕(图片来源:中国新闻网)

    运营商的新机会

    陈忠岳认为,人工智能正在打开运营商行业发展的天花板,让其触达未服务过的群体,同时赋予其更宽广的发展空间。这个判断有道理。过去运营商主要做的是连接,把信号覆盖到更多地方。现在AI来了,连接只是基础,上面的应用和服务才是新的增长点。

    全球移动通信系统协会(GSMA)在大会前夕发布的《2026中国移动经济发展》报告,给出了一些数字:2025年移动技术为中国创造1.5万亿美元的经济价值,预计到2030年这一数字将攀升至2.1万亿美元。这些数字背后,是AI和移动通信深度融合带来的新机会。

    GSMA首席营销官杜朗华(Lara Dewar)说,来中国是为了看未来。”这里的技术创新、产业部署快得惊人。”这话不是客套,中国市场在AI应用和5G部署上确实跑得很快。

    通信+AI,能玩出什么新花样

    菲律宾环球电信总裁及首席执行官卡尔·克鲁兹(Carl Cruz)在会上指出,人工智能并非新的方向,而是一项更强的能力,可助力践行”用科技改善生活”这一使命。他表示,通信连接、数据和AI的融合,带来数年前还难以想象的机遇。

    这个思路挺清晰的。通信公司有自己的优势——他们有海量的用户数据,有覆盖广泛的基础设施,现在加上AI,确实可以做一些以前做不到的事情。比如更精准的网络优化、更个性化的客户服务、更智能的业务推荐。

    华为的野心

    华为副董事长、轮值董事长汪涛也说,AI发展日新”周”异。展望未来,他指出,通用人工智能、低空与远洋通信、海量机器人等新技术、新产品、新场景、新业态,将带来爆炸式的流量增长和设备连接需求。

    华为在这次大会上发布了不少新东西,算是秀了一把肌肉。在AI和通信融合的这个节点上,华为想做的是提供从芯片到系统到应用的整体方案。这个打法和英伟达不太一样——英伟达主要卖算力,华为想做全栈。


    普惠不是口号

    回到开头那个问题:AI怎么普惠?现在看来,至少有几个方向。一是降低使用门槛,让不会编程的普通人也能用AI干活。二是降低成本,让中小企业和个人用得起。三是适应不同场景,比如为残障人士做专门的设计。

    MWC上海这个平台,其实是在帮行业找方向。大家都在说AI会改变世界,但改变怎么发生、谁来买单、谁会受益,这些问题的答案还在摸索中。至少,现在有人开始认真讨论”普惠”这件事,而不是只盯着那些炫酷的技术演示。

    AI普惠这件事,说起来容易做起来难。技术只是一部分,更重要的是让用户真正用起来、用得好。这次MWC上海的讨论,至少让这个话题走到了台前。

  • 黄仁勋放话:AI赚钱的时代真的来了

    AI赚钱的时代真的来了

    黄仁勋这次在英伟达年度股东大会上的发言,说得相当直接。他说”有用的AI已经到来,并且已经能够赚钱”,还强调”AI的投资回报率(ROI)问题已经有了答案”。这话听起来像是在给股东吃定心丸,但仔细想想,确实点出了一个关键转折——AI从烧钱阶段进入了获利阶段。

    这位英伟达CEO预计,本轮AI基础设施建设周期将以数十年计,规模或将成为人类历史上最大的基础设施建设之一。他把现代AI数据中心形容为”生产词元的现代化工厂”,每一个词元都能够转化为代码、答案、设计方案、自动化决策或服务,从而直接转化为商业利润。

    黄仁勋:AI已正式进入获利阶段
    AI获利时代已经到来(配图由AI生成)

    数据中心的”词元工厂”逻辑

    黄仁勋拿软件开发举了个例子。开发者在编程平台GitHub上合并的pull request数量从2024年的4亿增至2025年的5亿,而进入2026年头几个月,其数量增长近三倍。这个数据挺有意思——它说明AI辅助编程不是纸上谈兵,开发者真的在用,而且用量在爆发。

    他还强调,虽然英伟达的系统可能不是价格最低的,但能产生最低成本的词元(token)和最高的词元吞吐量,以及最高的收入。这其实是在回应那些说英伟达芯片太贵的批评——贵是贵,但性价比高,能帮客户赚更多钱。

    AI数据中心不是简单的服务器堆砌,而是硬件、软件、网络、电力以及持续技术支持高度集成的超级庞大系统。黄仁勋甚至放话:任何试图依赖走私硬件来拼凑AI基础设施的尝试注定会失败,英伟达不会为非法流入限制市场的芯片提供任何官方支持。

    三代架构接力,押注智能体时代

    为了迎接智能体时代的到来,英伟达的硬件架构做了全面准备。Hopper架构是为了AI的”预训练”而生,Blackwell架构将”推理”能力提升到了机架级规模。而现在,下一代Vera Rubin架构已经正式进入全面量产阶段,该架构搭载了专门为AI智能体定制的全新CPU和GPU集群。

    黄仁勋特别强调了CPU的重要性,称Vera将成为公司历史上最重要的产品发布之一。他的逻辑是:智能体需要进行持续不间断的思考、调用底层数据库、调用第三方工具并实时执行代码。如果CPU性能跟不上,GPU就会陷入闲置。而在一家AI工厂里,GPU闲置就意味着直接的利润损失。

    除云端AI外,黄仁勋还将”物理AI”视为英伟达的下一个增长机会。随着英伟达进一步将自身定位从芯片公司推向AI工业基础设施公司,这样的逻辑也支撑了其强劲的财务表现。

    财报数字说话

    在截至今年1月25日的2026财年,英伟达全年营收增长65%至2160亿美元,营业收入增长60%至1300亿美元。其中,数据中心收入增长68%至1940亿美元。经营现金流达到1030亿美元,并向股东返还410亿美元。

    国际营收方面,英伟达的业务增长同样惊人,已同比增长超过3倍达到300亿美元以上,近40个国家正在部署由英伟达基础设施驱动的AI工厂。这些数字表明,AI基础设施建设确实在全球范围内铺开了。


    地缘政治的阴影

    当然,黄仁勋也坦言,截至目前,英伟达尚未从美国政府对H200的最新许可中获得任何实质性营收。目前英伟达也无法确定中国政府最终是否会允许这些芯片入境进口。

    在股东大会结束后的专题会议上,黄仁勋正面回应了关于”芯片倒卖与走私”的问题。他明确表示,如果商业机会与美国的国家安全利益发生冲突,英伟达将毫无保留地将美国国家利益置于首位。他说”国家安全高于一切”,通过”走私”芯片在限制市场拼凑算力集群的举动完全是一条”死胡同”。

    这番话挺硬气的,但也透露出英伟达在中美科技博弈中的尴尬位置。一边是巨大的中国市场,一边是美国政府的出口管制,黄仁勋只能在夹缝中寻找平衡。

  • 前Infosys CEO再创业,拿3200万美元赌AI颠覆IT服务

    Vishal Sikka Hang Ten Systems
    前Infosys CEO Vishal Sikka创立Hang Ten Systems,用AI颠覆IT服务业(图源:TechCrunch)

    Vishal Sikka这个名字,在印度IT服务业里分量不轻。他曾在SAP待了12年,做出过核心产品,后来回国接掌Infosys——印度最大的IT服务公司之一——担任CEO(2014-2017)。卸任后又创立了企业AI公司VianAI,拿了软银Vision Fund 2领投的1.4亿美元。

    现在他又出手了。6月24日,Sikka宣布他的新创企Hang Ten Systems完成3200万美元种子轮融资,由Mayfield领投,沙特Aramco的风险投资部门Aramco Ventures战略跟投,Yahoo联合创始人Jerry Yang也在董事会里。

    用AI把IT服务重做一遍

    Hang Ten做的事,说穿了就是用AI驱动的开发自动化来替代(或大幅压缩)传统IT服务公司靠人堆出来的定制化、集成和维护工作。客户有Siemens Gamesa Renewable Energy和Fresenius,都是比较大的工业和企业客户。

    这个时机挺微妙的。IT服务行业自己也在吵:AI到底是会把市场盘子做大,还是会从根本上改变软件构建和维护的方式,把原来的玩家挤掉?

    Jefferies的分析师今年早些时候写了一篇报告,说IT服务可能是第一个被AI实质颠覆的行业。但Infosys的主席Nandan Nilekani本周却说,AI能把IT服务的可寻址市场扩大到2030年的3000亿到4000亿美元。

    两家说的都没错——市场可能在扩张的同时,赚钱的方式却完全变了。

    Infosys自己的股价今年已经跌了超过35%。

    传统服务按人头扩,Hang Ten想按项目积累杠杆

    Mayfield的管理合伙人Navin Chaddha说,Hang Ten和VianAI不一样——VianAI做的是企业AI应用和分析工具,Hang Ten是一个”AI原生的IT服务公司”,靠智能体代码生成、可复用的AI技能和领域专长来交付项目。

    传统IT服务公司的人效是线性扩展的——要多接活就得多加人;Hang Ten的设想是,每做一个项目,AI的杠杆率就增长一分。Chaddha说,Hang Ten”一个月前才刚启动”,但已经有客户了。

    团队核心成员不少是Sikka在SAP、Infosys和VianAI时期的老部下,包括联合创始人兼CTO Navin Budhiraja、首席设计官Sanjay Rajagopalan和前部署工程高级副总裁Tao Liu。

    公司总部在湾区,正在全球多地招人,覆盖交付、工程、销售和领导岗位。

    一个人挑战一个行业

    这件事最值得玩味的地方在于:一个在传统IT服务行业里做到顶尖的人,现在出来做一件可能颠覆那个行业的事情。如果Hang Ten成了,Infosys们要面对的问题就不是怎么用AI,而是AI会不会直接把他们的生意做了。

    Sikka在宣布这家公司的博客里写,Hang Ten已经在帮大企业” hang ten on the biggest wave of our lifetimes”——在我们有生之年最大的浪潮上冲浪。这句话的自信倒是很符合他一贯的风格。


    IT服务行业全球一年产值几千亿美元,Infosys、TCS、Wipro这些印度公司占了相当大的份额。如果AI真的能把这类工作的边际成本压到接近零,这个行业的游戏规则就要全部重写。Sikka这次赌的,就是这个过程已经开始了。

  • 让AI替你面试——Stockholm创企想让招聘反过来玩

    Fika Jobs AI面试平台
    Fika Jobs平台让候选人与AI智能体进行视频面试(图源:Fika Jobs)

    找工作这件事,从来都是候选人适应雇主的规则。简历怎么写、Cover Letter怎么改、HR的AI筛选系统要什么关键词——全是雇主说了算。斯德哥尔摩创企Fika Jobs想把这套逻辑翻过来。

    6月23日,这家公司宣布完成400万美元pre-seed轮融资,由Luminar Ventures领投,Alliance VC和《Candy Crush》联合创始人Sebastian Knutsson、Riccardo Zacconi跟投。

    让AI替你面试

    Fika做的事情简单说就是:让AI智能体当面试官,把候选人的回答自动剪成短视频片段,做成一个持续更新的视频档案。雇主不用再对着一叠叠简历筛人,而是直接去浏览一个已经经过AI面试的候选者资料池。

    创始人兄弟Jakob Dubois(CEO)和Alexander Dubois(CTO)的灵感来自他们上一次创业的经历。当时他们在招人做社交应用Gaff,有个候选人的简历平平无奇,他们差点就不聊了。结果一通电话打过去,几分钟就发现这人有着他们想要的全部特质——有韧性、有野心、沟通利索。”简历根本看不出来这些”,Jakob说。

    Fika的操作流程是这样的:求职者先关联自己的LinkedIn档案,平台的AI会根据背景生成个性化面试问题,然后候选人和AI智能体进行一场大约10分钟的视频面试。面试用的是Google的Gemini模型驱动。结束后,Fika自动把回答切成短视频片段,整理成一个动态档案。

    和竞争对手不一样的地方

    和Alex、Maki、Mercor这些同样在用AI做招聘的工具不一样的是,Fika的重心在候选人这边。大多数竞品是帮雇主更高效地筛人,Fika想做的是让候选人建好一个视频档案之后,不用每投一个岗位就重新来一遍。

    平台的商业模式是:对求职者免费,对雇主也不收预付费用。成功录用后,Fika抽候选人年薪的10%作为佣金。创始人说这比传统猎头20%到30%的收费要低。

    传统猎头的收费一般是候选人年薪的20%到30%,Fika把这个数压到了10%,而且只有在成功录用后才收费。

    视频档案的偏见风险

    当然这个模式有明显的风险。视频档案意味着雇主能在看简历之前就看到候选人的种族、年龄、性别、外貌和口音——这些在纸质简历里至少是被部分遮蔽的信息。盲目简历筛选(blind resume screening)之所以被一些公司采用,就是为了避免这种前置偏见。Fika还没公开说明打算怎么处理这个问题。

    目前平台上的等待名单上已经有超过100家公司,另有50多家公司已经测试过平台,包括Plenty Labs、SICS.ai、Kognity和Rebtel。平台本周向候选人开放早期访问,计划在秋季全面公开上线。前期聚焦瑞典市场,之后再向国际扩张。

    Fika目前团队规模还小,预计到今年年底扩展到10人左右。


    这件事最有意思的地方在于:当雇主用AI筛简历变得越来越普遍,候选人这边也开始用AI来展示自己。招聘这个双边市场,两边都在被AI重塑——只是方向还不太一样。

  • REI的Instagram广告里自行车长了两副车把,锅居然甩给了Meta的AI

    两根车把的自行车

    户外用品零售商REI Co-op最近在Instagram上投了一则广告,推广Van Rysel品牌的自行车。广告图里,一位女士站在公园里,旁边是一辆自行车。看起来挺正常的一则推广,但有些眼尖的用户发现了一个问题:图里的自行车好像有两副车把。

    Reddit上有个帖子周末的时候火了,标题是「REI居然用AI垃圾广告,说好的环保呢」。帖子里的广告截图清楚地显示,那辆自行车的架子上长了两组把手——一组在平常的位置,另一组不知道从哪冒出来的,像是从车架中间伸出来的。

    这则广告很快就从Instagram上撤下来了,但截图已经在网上传开了。

    AI生成广告翻车概念图
    AI生成广告内容出错的概念示意图

    REI把锅甩给了Meta

    事情曝光后,REI对Business Insider的回应相当直接:这不是我们干的,是Meta的AI工具搞的。

    REI发言人的说法是,Meta自动把他们拉进了一个「AI个性化工具」的试用,这个工具会对广告素材做自动调整。结果就是,供应商提供的原始图片被AI改得面目全非,还多了一副车把。

    「虽然一辆有两个把手的自行车可能很有趣,但它不是我们的商品目录里会有的东西。」REI在声明里这样说。

    「Meta自动把我们拉进了一个AI个性化工具,它对我们供应商提供的图片做了不准确且不恰当的改动。」—— REI发言人

    原始图片没问题,是AI动的手

    Van Rysel North America随后也对Business Insider确认,提供给REI的原始图片来自一次正式的拍照活动,拍摄对象是自行车手Amity Rockwell,图片本身完全没有问题。「之后的任何改动都不是我们做的。」Van Rysel方面这样表示。

    也就是说,链条很清楚:Van Rysel提供了正常的产品图 → REI把它交给Meta投放 → Meta的AI广告工具自动对图片做了「优化」→ 自行车多了两根车把 → 网友发现后在Reddit上吐槽 → REI紧急撤广告并解释。

    Meta拒绝对此事发表评论。

    Meta的条款把责任推给了广告主

    这件事最值得玩味的地方在于Meta的使用条款。Meta在其生成式AI广告工具的条款里写得很清楚:AI生成的广告输出可能是「不准确的、不完整的、误导性的、冒犯性的和/或不恰当的」,广告主有责任在投放前对这些内容进行评估。

    REI表示他们已经退出了这个Meta工具。「这不符合我们的价值观,也不符合我们管理品牌的方式。产品的准确性和我们与供应商的关系很重要。对于造成的困惑,我们道歉。」

    但问题是:如果广告主是被「自动加入」的,而且在发现问题之前完全不知道AI在对图片做什么,这个责任归属到底该怎么算?

    REI不是第一个踩坑的

    Business Insider先前就报道过,有几个广告主反映Meta的AI工具生成了奇怪甚至荒谬的广告内容。而且有些设置——比如「测试新创意功能」和「自动调整」——是默认被打开的,广告主可能根本不知道自己在用这些功能。

    Meta当时的回应是:使用完整图片生成功能的广告主「有机会在广告投放前审查生成的图片」。他们还表示,数百万广告主认为他们的AI广告创意工具很有价值,而且这些工具提升了广告效果。

    这个回应在REI事件之后看起来有点站不住脚——如果广告主是被自动加入的,他们可能根本不知道自己需要去「审查」什么。

    AI广告工具的普遍问题

    REI这件事折射出一个更大的问题:AI广告工具正在被大范围推广,但质量控制和责任归属远远没有跟上。Meta、Google、Amazon都在推类似的AI广告生成工具,承诺能帮广告主「自动优化」创意素材。但当你把品牌形象的掌控权交给一个可能给自行车加两根车把的AI,这个风险到底值不值得冒?

    对大品牌来说,一次AI翻车的代价可能远远超过省下来的那点设计费用。REI的口号是「For all who love the outdoors」,这次事件对品牌形象的损害,可能不是撤广告和发声明就能完全消除的。


    AI广告工具会继续存在,而且会越来越强大。但REI这次翻车提醒所有人:用AI生成广告内容之前,至少要有人看一眼最终效果是什么。这个道理看起来很简单,但在「自动优化」的旗号下,它显然被很多人忽略了。

  • AI智能体开始”套娃”:让AI监督AI,这个循环能一直跑下去吗?

    当AI开始监督AI

    上週五,Meta办了一场@Scale技术大会。会上有一个环节,登场的是Anthropic旗下Claude Code的负责人Boris Cherny。问答环节刚开始,观众席上就有人问了一个看起来有点奇怪的问题:「Loops是下一个炒作周期,还是来真的?」

    Cherny的回答很干脆:「来真的。」

    他接着解释了一下为什么。他说,两年前我们还手写源代码。后来过渡到让AI智能体帮我们写代码。现在正处在下一个过渡期:让智能体去提示其他智能体,再由那些智能体来写代码。「从源代码到智能体这一步有多大,loops这一步就有多大。」

    这段话在会场里可能听起来很自然,但跳出来看,它描述了一个相当激进的变化。我们过去对AI智能体的想象,基本上是一个人下指令、AI执行、然后回报结果。Cherny描述的却是一个没有终点的过程:一群智能体在背景里不停工作,永远不会停止。

    AI智能体循环概念图
    AI智能体相互提示的循环结构(概念图)

    Cherny自己就在跑的loop

    Cherny在演讲后面(YouTube视频32分左右)具体讲了他自己在用的loops。他有一个智能体专门负责寻找改进代码架构的方法,另一个智能体负责寻找可以统一的重复抽象。它们像任何一个程序员一样提交pull request,而且因为代码在不断变化,它们永远不会停止运行。

    这个想法很有意思。过去几个月,大家讨论AI智能体的时候,重点一直是怎样把智能体管理好:设定清楚的目标、检查进度、别让它跑太远。Loop把这件事往前推了一步:授权一群智能体在背景里持续工作,没有尽头。这需要对于AI有很大的信任,但随着模型进步得越来越快,这可能是让AI真正处理实际工作的下一步。

    「从源代码到智能体这一步有多大,loops这一步就有多大。」—— Boris Cherny,Anthropic Claude Code 负责人

    技术上来说,这不算是全新的东西

    递归循环(recursive loops)——函数调用自己来重复一个动作,再加上一个停止条件——是计算机科学入门课程的标准内容。只不过这些loop遵循的是非决定论逻辑:由一个子智能体来决定什么时候停止循环,而不是一个清楚的条件。但基本方法是一样的。程序员一开始用AI来完成任务,某种版本的递归循环(由AI监督AI)迟早会出现。

    跟传统计算不一样的地方在于,智能体loop可以简单得让人抓狂。现在最流行的技巧之一叫「Ralph Loop」(以Ralph Wiggum命名),原理基本上就是把模型做过的所有工作总结一下,然后问它有没有达成目标。这是在处理AI模型跑太久之后迷路的问题——本质上就是不断让模型来回反弹,直到任务完成。

    跟test-time compute的关系

    另一个理解loop的方式是把它看成「增加test-time compute」这股大趋势的一部分。OpenAI研究员Noam Brown本月初观察到,当代模型只要砸足够的算力进去,几乎可以解决任何问题。这意味着确保一个问题被解决的方法之一,就是不断砸算力进去直到它完成。

    对于像改进代码库这种「爬山」问题来说尤其如此,模型可以一直做增量改进直到达到某个阈值。或者,像Cherny的例子一样,只要有算力可以花,它就可以一直做增量改进。

    成本是个大问题

    如果这听起来很贵,那是因为它真的很贵。跟agentic AI一样,AI loops烧token的速度比简单的问答聊天机器人快得多——而且因为重点是让loop一直跑下去,你能花多少钱是没有上限的。对Anthropic来说这没问题,因为它本质上就是在卖token。但对其他所有人来说,这可能是一种很贵的工作方式。

    话说回来,只要智能体loop要解决的问题值得,而且有适当的设置来监控token支出、漂移和其他典型的AI问题,好处可能大到足以抵消成本。


    这篇文章让我思考一个问题:我们到底要让AI跑到多远?当智能体开始监督其他智能体,当loop可以永远跑下去,人类在这个过程里还扮演什么角色?Cherny显然认为这是下一步,而且他说这话的时候很有说服力。但成本问题不解决,这可能只是大公司才能玩得起的游戏。