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。

  • 苹果WWDC26:库克谢幕演出,Siri终于用上了Gemini

    2026年6月9日凌晨,苹果全球开发者大会在Apple Park正式开幕。这是蒂姆·库克作为CEO主持的最后一届WWDC——他自己大概也没想到,告别演出会赶上苹果软件史上最大的一次AI转型。

    整场发布会没有发布任何硬件,但软件层面的变化堪称近年来最具野心的一次。iOS 27、iPadOS 27、macOS 27、watchOS 27、visionOS 27全部亮相,AI渗透进了系统的每一个角落。苹果用一整场发布会宣告:AI时代,它不会再缺席。

    苹果WWDC26发布会
    苹果WWDC26:AI全面渗透苹果生态(图片来源:中关村在线)

    Siri终于像个现代AI了

    Siri从2011年推出到现在,用户体验一直停留在”能听懂话但不够聪明”的阶段。这次,苹果把它彻底重做了。

    新Siri不再是一个弹窗助手,而是以独立App的形式亮相,交互方式全面向ChatGPT这样的聊天机器人靠拢。背后用的是苹果与谷歌合作定制的Gemini模型(国行用户暂时还用不了)。

    三大核心能力值得一提:跨应用操作、屏幕感知、个人情境理解。唤醒Siri后,灵动岛会自动扩展显示”Search or Ask”提示,从屏幕顶部下滑就能触发全局搜索。你还可以把ChatGPT、Claude等第三方AI设为默认引擎——苹果管这个叫”模型自由”。

    照片编辑被AI彻底改造

    相机App里新增了一个”Siri模式”,跟拍照、视频等模式并列,用来快速调用Apple Visual Intelligence视觉智能功能,比如识别植物、翻译文字、读取营养标签、从名片上抓取联系信息。

    相册应用新增了三个AI工具:Extend可以智能扩图,自动把照片边界向外推,用AI生成的内容填充新区域;Reframe让你按住拖动主体就能改变照片的透视和构图;CleanUp消除功能也大幅重建,之前用户抱怨的物体去除不干净的问题,这次基本解决了。

    你甚至可以用语音或文字指令修改图片局部,比如”给蛋糕加几根蜡烛”——Siri听得懂,也改得出来。

    Apple Intelligence的写入,让照片编辑从”手动工具操作”变成了”用自然语言对话”。

    性能提升是实打实的

    苹果宣称iOS 27精简了冗余代码,内存占用减少20%,日常续航延长1至2小时。应用启动速度提升30%,照片在图库中的显示速度提升70%,隔空投送速度提升80%。

    macOS 27代号”GoldenGate”,一个标志性的变化是停止对Intel架构Mac的支持——Intel Mac正式走入历史。视觉上延续了液态玻璃设计语言,但新增了系统级透明度调节滑块,用户可以在完全不透明和半透明磨砂效果之间自由调节。

    手表和头显也没落下

    watchOS 27最大的看点是AI与健康监测的深度融合。高血压风险预警功能已经进入FDA审批流程,Siri在手表端的上下文理解能力也明显增强。苹果还计划推出”Health+”付费健康订阅服务,用AI深度分析Apple Watch和iPhone的健康数据。

    visionOS 27相对保守,以稳定性和性能优化为主。最大的变化是Siri在visionOS中以球体形态呈现,用户看向它就可以提问。


    大会主题叫”先来曝点光”。从Siri的彻底重生到相机的全面AI化,从照片编辑的智能化到系统性能的全面提速——苹果用这场发布会证明,它正在把AI推到每一个用户触手可及的地方。

    库克时代的最后一次WWDC,苹果选择用AI照亮下一个十年。

  • 亚马逊员工倒戈了:请西雅图暂停新建数据中心,别为了AI烧了这座城市

    有时候抗议数据中心的不是环保组织,而是数据中心自己家的员工。最近西雅图发生的一件事让这个矛盾摆到了台面上:亚马逊的员工公开站出来,支持西雅图市议会对新建数据中心实施一年暂停令的提案。

    369兆瓦是什么概念

    先说一下背景。几个月前,四家公司向西雅图提交了我们新建5个大型数据中心的计划。根据《西雅图时报》的数据,这5个数据中心的最大用电需求加起来是369兆瓦——大约是西雅图日均用电量的三分之一。建成后,它们的耗电量将是西雅图现有30个数据中心总耗电量的10倍。

    西雅图市议会2026年6月9日对此进行投票。如果暂停令通过,所有新的大型数据中心提案将被搁置一年,期间市政府可以研究相关立法,把规则制定权拿回到自己手里。

    数据中心建设抗议
    AI数据中心建设在全美各地引发抗议丨来源:The Verge

    亚马逊员工说了什么

    在西雅图土地利用和可持续发展委员会的听证会上,几位亚马逊现任软件工程师的发言相当直接。Liesl Wigand是”亚马逊气候正义员工”组织的成员,这个组织由亚马逊现任和前任员工组成,致力于推动气候议题。她说到自己在工作中亲眼看到不计成本推进AI建设的后果:

    “最大的问题是大家认为AI可以解决一切问题,却完全忽略了它要消耗的资源。这种文化在科技行业无处不在。不要为了赢得AI竞赛让大科技烧了西雅图。”

    另一位亚马逊软件工程师Patrick Schloesser则提出了更具体的诉求:开发商不得用保密协议(NDA)和空壳公司隐瞒身份;每个开发商必须为区域电网提供100%新增可再生能源;如果进行裁员就要被征税;还需要设立向城市汇报的员工主导安全委员会。

    他引用报告称,亚马逊今年资本支出达2000亿美元,微软达1900亿美元,其中大部分指定用于AI和数据中心。与此同时,亚马逊过去8个月已经在公司办公室裁员3万人。”这告诉我,大科技正不顾一切地尽可能快地建设尽可能多的算力。这种迫切性给了我们的城市谈判筹码。”


    这不是孤例

    西雅图这件事不是第一个。数据中心在美国各地都已经引发了抗议,核心关切无非三个:水资源消耗、当地电价上涨、噪音问题。就在前不久,纽约州立法机构刚刚投票通过了一年期大型数据中心建设禁令,目前已经提交给州长签署。

    听证会上还有发言者播放了录音,证明数英里外就能听到数据中心的噪音。也有人提到近年来数据中心导致他们的电费上涨,以及西雅图的无家可归者数量在2024年以来显著增长,住房负担能力危机仍在恶化。

    一位要求匿名的亚马逊前员工告诉The Verge,公司正在”不顾一切地推进”数据中心建设,完全没有征求员工或建设所在地社区的意见。”我们真的有机会利用这个暂停的时间,说清楚如果这是我们未来要共存的科技,我们怎么才能让它真正让基础设施和科技本身惠及民众,而不是只让财富集中在少数科技亿万富翁手里?”

    这件事值得关注的原因

    科技公司的员工公开反对自己公司的基础设施扩张,这种事并不多见。它反映出一个更深层的矛盾:AI竞赛的代价正在从抽象的数字变成具体的、本地化的成本,而且这些成本不一定由享受AI服务的人来承担,而是由数据中心所在地的居民来承担。

    西雅图市议会的投票结果目前还没有最终确认,但这件事本身已经足够说明问题了。AI的基础设施扩张不会是一路绿灯,未来类似的摩擦只会越来越多。

  • 这家AI公司说自己的世界模型能模拟真实驾驶,但跑着跑着纽约就消失了

    AI初创公司Decart本周发布了Oasis 3,一个声称能实时生成照片级真实驾驶环境的世界模型。TechCrunch提前拿到了独家信息,我仔细读完了整篇报道,感觉这个故事比标题看起来复杂得多。

    世界模型到底是什么

    先解释一下背景。所谓”世界模型”,简单说就是AI学会了对物理世界的运行规律建模,给它一个文本提示,它能生成一个你可以交互的虚拟环境。这东西在自动驾驶仿真、机器人训练这些领域有很大价值——你可以用它低成本地生成各种罕见的驾驶场景,不用真的去马路上冒险。

    Decart的Oasis 3主打的就是这个方向。他们声称这个模型能生成物理准确、多摄像头(一个前置加两个侧置)的驾驶环境,而且可以无限生成场景。目前通过API对外提供,定价是每秒0.02美元。

    Decart Oasis 3 世界模型演示
    Decart Oasis 3 生成的照片级真实驾驶场景丨来源:TechCrunch

    理想很丰满,现实有点骨感

    TechCrunch的记者亲自测试了Oasis 3,结果发现的问题还不少。最明显的一个:你让模型生成一个”早晨的纽约市街道”,它确实能跑出来,看起来挺像那么回事。但你往前开个一阵子,周围的场景就开始走样了,越来越不像纽约,最后变成了”任何一个西方城市的普通版本”。

    当你试图掉头回到最开始的那个路口时,你会发现它已经消失了,取而代之的是一个全新的环境。整个体验不像一个连贯的模拟,更像是一个梦幻般的、脱节的意识流。

    还有一个更基础的问题:物理一致性。在Oasis 3生成的世界里,汽车会直接穿过其他汽车,就像幽灵一样。Decart的CEO Dean Leitersdorf承认这是一个”正在破解的重大研究问题”,原因是”关于良好驾驶的数据远远多于事故数据”——模型没见过足够的事故场景,所以学不会避让。

    为什么效率这么高

    尽管有上述问题,Decart在技术效率上确实有两把刷子。他们的DOS(Decart优化栈)软件能让模型在英伟达、亚马逊和谷歌的硬件上高效运行,声称运行成本比竞争对手低一个数量级以上。

    Leitersdorf甚至说,公司整个生命周期的烧钱额”远低于”1亿美元。考虑到他们刚刚完成3亿美元融资、估值接近40亿美元,投资方里还有丰田、Adobe、eBay和英伟达,这个烧钱速度在今天的AI初创圈里确实算克的。


    拥挤的赛道

    世界模型这个方向现在挤得不行。谷歌今年1月发布了Genie 3的研究预览版,李飞飞的World Labs推出了商用产品Marble,Luma和Runway这些视频生成公司也在把他们的技术往世界模型方向转。Decart的差异化策略是:从第一天就开放API,让开发者在上面构建应用——这个玩法确实有点像OpenAI当年对LLM做的事。

    目前Decart已经积累了超过10万名开发者的社区,很多人用他们的实时视频模型Lucy在做电子商务和直播相关的产品。Oasis 3发布之后,这个社区规模大概率还会涨。

    至于世界模型什么时候能真正可靠到可以替代真实路测,现在还没人能给出确切答案。Decart说下一个版本会允许用户基于视频(而不是图片)来生成世界,这可能会改善一致性问题。但从根本上说,这个世界模型还是一个自回归系统——一次生成一帧,然后看之前生成了什么来决定下一帧,这个架构本身就很吃算力,要保持长时间的一致性非常难。

  • AlphaFold 3再突破:预测精度接近实验级,新药研发周期有望缩短一半

    AlphaFold 3再突破:预测精度接近实验级,新药研发周期有望缩短一半

    之前总觉得AI搞生物制药是个噱头,直到看到AlphaFold 3的最新数据,才发现这个技术已经真的在改变新药研发的节奏了。这个由DeepMind开发的AI工具,从2024年发布到现在,已经把蛋白质结构预测的精度做到了接近实验级的水平,2026年的最新数据显示,它的预测精度已经达到了0.8Å(埃),只比X射线晶体学的0.7Å差一点点。

    AlphaFold 3在PoseBusters蛋白-配体对接基准测试中,比最优传统物理方法精度高50%;蛋白-配体对接准确率达76.4%,较此前方法提升1.8倍。
    ——来源:《Frontiers in Artificial Intelligence》2026年4月综述文章

    从“猜结构”到“直接看结构”

    以前生物学家要解析一个蛋白质的3D结构,要么用X射线晶体学,要么用冷冻电镜,少则几个月,多则好几年,成本还高得离谱。AlphaFold 3直接把这个流程搬到了电脑上,只要知道蛋白质的氨基酸序列,几个小时就能得到高精度的3D结构,精度还接近实验级。

    更厉害的是,它不只是能预测单个蛋白质的结构,还能预测蛋白质和其他生物分子的相互作用,比如和DNA、RNA的结合方式,和药物小分子的对接模式,这些刚好是新药研发最核心的需求。之前很多难成药的靶点,比如结核分枝杆菌的营养摄取蛋白,还有人类核孔复合物,结构一直解析不出来,现在用AlphaFold 3都能拿到高精度模型,相当于给生物学家配了一个透视镜,能直接看到分子层面的相互作用。

    已经有很多药企在用,研发周期缩短一半

    现在全球已经有超过200万科研人员在使用AlphaFold数据库,里面包含了2.14亿条预测结构,几乎覆盖了所有已知蛋白序列。很多药企已经把它用到了实际研发流程里,比如针对癌症、阿尔茨海默病的新药研发,原来从靶点发现到拿到临床候选分子要花5-10年,现在用AlphaFold 3辅助,这个时间有望缩短一半。

    2024年AlphaFold的开发者还拿了诺贝尔化学奖,也算是对这个技术的最高认可。不过它也不是万能的,比如还不能预测蛋白质的动态变化,很多蛋白质在发挥作用的时候会变形,AlphaFold 3现在只能预测最稳定的那个构象,对内在无序蛋白的预测精度也不高,这些都需要后续的技术迭代来解决。

    • 大幅降低蛋白质结构解析成本,从几年缩短到几小时
    • 覆盖几乎所有已知蛋白序列,消除“暗蛋白质组”
    • 辅助新药研发,缩短临床前研发周期
    • 推动合成生物学发展,助力新型功能蛋白设计
    AlphaFold系列发展时间线
    AlphaFold系列从2018年到2026年的核心技术发展时间线

  • Meta雷朋智能眼镜卖爆了:2025年销量700万副,是之前两年总和的三倍多

    Meta雷朋智能眼镜卖爆了:2025年销量700万副,是之前两年总和的三倍多

    去年逛街的时候还觉得戴智能眼镜的人都是科技圈的尝鲜者,今年再看身边戴雷朋Meta眼镜的朋友已经不止一两个了。之前大家总觉得智能眼镜是个小众玩意儿,直到Meta交出去年的销量成绩单——2025年全年卖了700万副,是2023和2024两年总和的3倍还多,这个数字连他们自己可能都没想到。

    2025年全年Meta AI眼镜(含雷朋、Oakley品牌)总销量超700万副,2023-2024两年合计销量仅200万副,2025年销量同比增长超200%。
    ——来源:EssilorLuxottica 2025年第四季度财报

    为什么突然卖这么好?

    说起来也不复杂,之前的智能眼镜要么长得像科幻片里的道具,戴出去太扎眼,要么功能鸡肋,除了拍个照没什么用。Meta和雷朋合作出的这款就不一样,外观和普通的雷朋眼镜几乎没差别,别人根本看不出来你戴的是智能设备。功能也实在,想拍照按一下镜腿就行,不用掏手机,出国旅游的时候实时翻译直接传到耳朵里,问个天气、设个提醒动动嘴就搞定,这些功能刚好踩中了大家的日常需求。

    更关键的是价格够亲民,基础款只要299美元,和一副普通的高端眼镜差不多,大家尝鲜的门槛低了很多。

    产能跟不上,国际版推迟发布

    卖得太好也有幸福的烦恼,Meta之前计划2026年初把799美元的Ray-Ban Display款智能眼镜推到国际市场,结果美国市场本身就供不应求,只能推迟国际版的发布计划,优先保美国市场的供应。现在Meta和EssilorLuxottica正在谈2026年的产能目标,打算把年产能提升到至少2000万副,比现在翻了一倍还多。

    两家公司的合作也已经签到了2030年代,接下来还会推出和Oakley合作的运动款智能眼镜,瞄准运动人群的市场。对比之下,苹果的智能眼镜还没见着实物,Meta已经把市场占住了。

    • 外观和传统眼镜差异小,日常佩戴不突兀
    • AI功能实用,覆盖拍照、翻译、语音助手等高频场景
    • 雷朋品牌背书,消费者接受度高
    • 价格亲民,基础款和高端普通眼镜价格相当
    Meta Ray-Ban第二代AI智能眼镜
    Meta Ray-Ban第二代AI智能眼镜,支持手势操控和单镜片显示屏

  • 谷歌把300万颗AI芯片订单交给英特尔,台积电一家独大的日子可能要到头了

    据《The Information》报道,谷歌近期向英特尔下达了一份重量级订单:在2028年前生产超过300万颗谷歌自研的TPU芯片(张量处理单元)。消息一出,英特尔股价早盘一度飙升逾10%,最终仍上涨9%,领涨整个芯片板块。

    这不是一笔普通的采购合同,而是AI芯片代工格局正在发生微妙变化的一个信号。长期以来,台积电几乎吃下了所有高端AI芯片的代工订单,谷歌的TPU、英伟达的GPU,绝大部分都产自台积电的产线。现在,这种一家独大的局面开始出现裂缝。

    台积电的产能紧缺,逼着谷歌和英伟达开始认真考虑”备份方案”。英特尔想借这个机会,把流失给台积电的代工霸主地位抢回来。

    为什么是现在?

    谷歌不是一时兴起。据报道,谷歌对英特尔的制造技术进行了数月的技术测试,才最终决定把部分TPU订单交给英特尔。背后直接的原因是:台积电的产能已经紧张到无法满足需求了。AI芯片的需求爆炸式增长,台积电的先进制程产线排期排到了天边,谷歌担心把自己的芯片未来全部押在台积电身上风险太大。

    英特尔这边,新任CEO陈立武上台后推动的复兴计划终于开始显出成效。上个月英特尔发布的销售收入指引远超华尔街预期,股价也创下历史新高。特朗普政府也在背后推了一把——有美国官员表示,政府正积极推动为英特尔争取更多商业订单,这背后有产业链本土化的战略考量。

    英伟达也在悄悄测试英特尔

    谷歌不是唯一一个在和英特尔搭话的AI芯片公司。据报道,英伟达也在测试英特尔的制造技术,评估是否用于生产一款将四颗GPU整合封装的新型处理器。这款产品的设计目标是提升整体计算性能,如果英特尔的工艺过关,英伟达也可能成为英特尔代工业务的客户。

    特斯拉也来凑热闹。马斯克今年4月表示,特斯拉的”Terafab”项目计划使用英特尔下一代14A制程生产芯片,这座先进AI芯片制造基地打算落地奥斯汀。


    英特尔能接住这波机会吗?

    话说回来,英特尔能不能真正承接住这些高端订单,还是个问号。台积电在先进制程上的领先优势不是一朝一夕能追上的,英特尔的工艺良率和产能爬坡能力还需要市场验证。但方向已经很明确了:AI芯片设计公司不想被台积电”卡脖子”,英特尔需要这些订单来实现复兴,双方各取所需。

    对于整个AI产业链来说,代工环节的多元化是好事。竞争能让价格更合理,也能让芯片设计公司有更多议价权。只是台积电这么多年的技术积累和市场地位,不是几笔订单就能撼动的——这场代工之战,才刚刚开始。

  • 伦敦AI初创公司拿到3亿美元,它要让工业仿真从几天缩到几秒钟

    伦敦一家叫PhysicsX的AI初创公司刚完成3亿美元C轮融资,投后估值24亿美元。领投方是新加坡主权基金淡马锡,跟投名单里出现了英伟达、西门子这些工业巨头。这家公司做的事听起来很硬核:用AI加速工业仿真,把原本需要几天甚至几周的工程计算压缩到几秒钟。

    工业仿真为什么慢?

    造飞机、造芯片、造能源设备之前,工程师得先用计算机模拟一遍物理过程——风怎么吹过机翼、热怎么在芯片里散掉、流体怎么在管道里流动。传统方法靠求解复杂的偏微分方程,算一次可能要跑好几天,工程师等结果等到花都谢了。

    更头疼的是,每次设计改动都要重新跑仿真。一个飞机机翼的设计迭代几十个方案是家常便饭,按传统方法,一个团队一个月能跑完的仿真数量是有限的,这就是工业研发的核心瓶颈之一。

    仿真速度直接决定了硬件产品的迭代节奏。谁能算得更快,谁就能在设计上跑在前面。

    PhysicsX的做法:把物理规律教给神经网络

    PhysicsX训练所谓的”大物理模型”(Large Physics Model),把物理规律编码进神经网络。一旦模型训练好,预测物理行为就变成了一次前向推理,几秒钟就能出结果。原来工程师每个设计周期只能跑少量仿真,现在可以高强度迭代。

    这轮融资里,英伟达和西门子作为战略投资者进场,给PhysicsX贴了金。英伟达需要证明自己的芯片不仅能训练大语言模型,也能跑工业AI;西门子则是全球最大的工业软件公司之一,它看中PhysicsX的技术能整合进自己的数字孪生平台。

    钱往哪里流,风向就往哪里吹

    淡马锡其实在2025年就投过PhysicsX,这次继续领投,说明主权基金对”AI+重工业”这个方向的押注不是玩票。PhysicsX的客户和收入在过去一年都翻了一番,说明工业AI不是PPT阶段的故事,有真实付费客户在用。

    公司计划用新资金开发能处理多相流体动力学、热力学、结构分析的更大型模型,同时把生意做到全球。航空航天、半导体、能源、国防,都是仿真需求极其旺盛、但传统方法效率极低的行业。


    挑战也不少

    工业场景对准确性的要求极其苛刻,仿真结果差之毫厘,造出来的东西可能直接报废。”大物理模型”能不能在保持速度的同时做到足够的精度,是PhysicsX必须回答的问题。

    此外,西门子、ANSYS这些传统工业软件巨头也不会坐视不理,它们有钱有客户,挖人加功能都比初创公司容易。但无论如何,3亿美元砸进来,说明资本市场认准了一件事:AI进工厂、进实验室、进设计办公室,这条路是通的。PhysicsX能不能成为工业AI领域的标杆,未来几年见分晓。

  • 苹果这回在AI上走得慢,但看起来它可能是最聪明的那个

    过去几年,苹果在AI军备竞赛里一直被唱衰。外界说它没战略、掉队了、再不发力iPhone销量就要出问题。结果这回Siri AI一发布,局面好像有点不一样了。

    Apple Siri AI 使用场景
    Siri AI 是苹果迄今最大规模的AI功能发布 | 图源:TechCrunch

    这次更新的核心是把新的自动化能力(由谷歌Gemini提供支撑)嵌进苹果软件的底层的架构里。新Siri可以翻你收件箱和聊天记录找信息,也能”看”你当前屏幕上的内容来给建议,还能借助Gemini从网上拉实时信息直接推到你设备上。

    苹果在打一张不一样的牌

    苹果软件工程高级副总裁克雷格·费德里吉在发布活动上说了一段挺有意思的话:”有些公司看起来在全力冲刺,似乎是为了AI而做AI,完全不考虑AI最终要服务的对象——也就是我们所有人。”

    这话虽然没点名,但意思很明白:苹果要做的是站在用户这边的AI。这个定位不是空口说白话——民调显示公众对AI的态度越来越负面,大家担心失业、担心认知能力下降,苹果把自己放在”懂你顾虑”的位置上,和其他AI公司形成了鲜明反差。

    对比一下就清楚了:OpenAI迭代速度极快,但一直没搞清楚自己到底要服务哪些客户,在消费者和企业客户之间反复横跳;Meta往AI里砸了巨额资金,但从来没说清楚AI和它核心的广告业务到底怎么联动。

    花钱更少,赚得更多

    苹果这招最聪明的地方在于:它根本不需要什么爆发式的AI战略。上一财季iPhone销量创下历史最高纪录,而苹果今年计划的资本支出约140亿美元——相比之下,其他科技巨头累计承诺的AI相关资本支出高达9000亿美元。

    苹果还在从那些通过App Store分发应用的AI公司手里收”苹果税”。投入比竞争对手少得多,赚得却一点不少,现在还顺手推出了一套用户体验和其他AI应用差不多的AI功能——如果这算不上”赢得AI竞赛”,那也可能是参与这场竞赛最聪明的方式。

    新Siri要到今年晚些时候才会以测试版形式向用户开放。最终这款产品能不能打,还需要等真正上手才知道。但至少从目前来看,苹果的稳健路线开始显得相当有说服力了。


  • 电动滑板车创始人拿了500万美元,要把AI数据中心搬上太空

    电动滑板车公司Spin的联合创始人Euwyn Poon正在把目光投向更远的地方——太空。他新创办的Orbital公司刚在5月从a16z的Speedrun加速器毕业,并完成500万美元种子轮融资,目标是把AI推理服务搬上轨道。

    太空数据中心概念图
    Orbital计划将AI算力部署到近地轨道 | 图源:TechCrunch

    这个想法的商业逻辑并不复杂:AI算力的需求几乎是无限的,但在地球上扩建数据中心受限于土地、能源和环评。太空里有取之不尽的太阳能,也没有地方监管来拦着你不让你建。真正的瓶颈是发射成本——这也是为什么Orbital把所有赌注都押在了SpaceX的星舰(Starship)上。

    “星舰正式服役后,我们才能实现规模化运营。”Poon说得很直接。以目前最先进的猎鹰9号火箭的发射成本,这个项目在经济上根本跑不通。

    英伟达 Blackwell 上天测试

    Orbital的团队目前约十几人,基地在洛杉矶,成员有来自亚马逊低轨卫星项目、SpaceX和诺斯罗普·格鲁曼公司的背景。他们正在筹备一次演示飞行:在合作伙伴的卫星上搭载一块英伟达Blackwell芯片,测试辐射屏蔽和热管理技术。2028年,公司计划发射第一颗搭载英伟达Space-1 Vera Rubin级GPU的数据处理卫星。

    长期来看,Orbital的目标是部署1万颗卫星,提供总计1吉瓦的分布式算力,单星功率100千瓦。作为对比,马斯克曾表示SpaceX的AI卫星功率最高可达150千瓦,而竞争对手Starcloud计划部署200千瓦级的航天器。

    这条赛道已经挤满了人

    Orbital不是唯一一家赌太空数据中心的公司。Starcloud已经有一颗搭载GPU的卫星在轨,刚完成1.7亿美元A轮融资;另一家a16z支持的Cowboy Space Company等不及星舰,干脆自己造火箭;杰夫·贝索斯的蓝色起源(Blue Origin)也宣布要用新格伦火箭把数据中心送上天。

    Poon认为AI需求的广度足以容纳多家公司成功。”这个赛道有很多细分方向可以探索,”他列举了不同AI工作负载、不同卫星设计理念等选择空间。

    a16z合伙人Andrew Chen看中Poon的原因很实际:他在Spin时期把25万辆电动滑板车铺到100个城市的经验,证明他能搞定复杂的运营管理工作。太空数据中心可能要砸50亿美元、花十年才能跑通,但Chen觉得现在风投对这类长周期项目的接受度比以前高多了。


  • Meta给企业做了个AI智能体,让每家公司都像拥有无限团队

    Meta在AI上想做的事,终于从”让用户多刷会儿朋友圈”转向了”帮企业把生意做好”。

    本周,Meta正式推出了Meta Business Agent——一款面向企业的AI智能体工具,承诺让各类规模的企业都能借助AI提升产出,为客户提供个性化体验。目前已有超过100万家企业正在WhatsApp和Messenger上使用这个功能,而WhatsApp、Messenger和Instagram上每天有超过10亿个与企业的活跃对话线程。

    Meta Business Agent
    Meta Business Agent 企业AI智能体正式上线 | 图片来源:Meta Newsroom

    几分钟就能上线,也能接入现有系统

    Meta Business Agent可以在几分钟内完成设置,也可以直接接入企业现有的基础设施。企业可以指定Agent的回复语气,用客户的本地语言进行回复。具体能做的事包括:回答与企业相关的问题、从商品目录中推荐产品、预约并筛选潜在客户线索、让企业决定何时由团队成员介入提供支持,以及完成销售闭环。

    Meta同时把Business Agent扩展到了Instagram平台。企业可以在Facebook Business页面激活自己的Business Agent,入门阶段免费。未来几个月,企业将通过付费订阅的方式使用该Agent,订阅方案会覆盖不同规模企业的需求。

    每天超过10亿个与企业相关的活跃对话线程——这就是Meta推出Business Agent的底气所在。

    你的AI副驾驶:晨间简报和工作洞察

    由于Meta Business Agent负责响应客户,它还可以作为企业的合作伙伴,提供晨间简报,同步企业主错过的夜间聊天内容,同时提供对话线程的相关洞察。该功能目前先向WhatsApp Business应用、Instagram Pro、Messenger和Meta Business Suite的部分企业开放。

    未来Meta将扩展其功能,帮助企业全面运营日常业务,比如开展市场调研、挖掘产品洞察、对接日历管理工具、提供竞争情报等。

    Meta Business Agent Platform:让企业自己搭智能体

    与此同时,Meta还推出了Meta Business Agent Platform——这是一个全新的智能体平台,为企业提供构建、定制和大规模部署Business Agent的基础设施。

    它支持企业对接数百个不断增长的系统,比如Shopify、Zendesk、Shopee,让Business Agent能够代表企业执行操作。该平台为大型企业内置了企业级管控、护栏和衡量工具,让企业可以制定规则,在客户已经使用的消息应用中提供个性化体验。


    帮助企业被新客户发现

    Meta还简化了用户在WhatsApp上直接发现由Meta Business Agent驱动的企业的方式。很快,用户就可以在搜索栏输入企业名称,或者在和亲友的聊天中分享企业的电话号码、联系卡片,找到对应的企业。

    当更多客户联系企业时,就能得到快速、有用的回复。这实际上是Meta在AI企业服务市场上的一次重要布局——在此之前,这个领域的主要玩家是Salesforce、HubSpot,以及各种各样的第三方AI客服工具。Meta的优势在于,它已经拥有庞大的企业账号基础和每天超过10亿条企业对话的真实数据。

    这场战役对Meta的意义不止于广告收入。广告业务增长放缓已是公开的压力,而企业AI服务是一个正在快速膨胀的新市场。如果Meta Business Agent能跑通,它将成为Meta在广告之外最重要的收入增长引擎之一。