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。

  • 高通39亿美元拿下Modular,要把英伟达的CUDA护城河挖开





    高通39亿美元拿下Modular,要把英伟达的CUDA护城河挖开


    高通39亿美元拿下Modular,要把英伟达的CUDA护城河挖开

    AI竞争打到这个份上,光有芯片已经不够了。高通今天宣布以约39亿美元的全股票交易收购AI软件创业公司Modular,目标很明确:打破英伟达CUDA软件生态的垄断,给开发者一个”写一次、到处跑”的替代方案。


    39亿美元买了什么

    Modular这家公司做的事情,用一句话概括就是:让AI模型可以不挑芯片地跑。它的软件平台能把开发者写的AI代码,自动适配到英伟达GPU、AMD芯片以及其他各种处理器上,不用为每一种硬件单独重写一遍。

    这对开发者来说是个大痛点。现在如果你想把AI模型从英伟达的GPU迁移到AMD的芯片上,或者放到边缘设备里去跑,往往要重写不少底层代码,调优、调试,没个几周搞不定。Modular的卖点就是消除这个摩擦——写一次,到处跑。

    高通CEO Cristiano Amon说:”这次收购不仅对高通,对整个AI行业都是个关键时刻。随着智能体AI在数据中心和边缘环境里铺开,行业正在走向分散化、多厂商的架构,这需要更开放、更现代的软件基础。”

    交易结构是全股票,高通会向Modular的股东发行约1920万股高通股票。按高通最近的收盘价计算,这笔交易价值大约39.2亿美元。双方预期在2026年下半年完成交割。

    矛头直指CUDA

    英伟达在AI硬件市场的统治地位,很大程度上不是靠芯片性能单独建立的,而是靠CUDA——这个软件平台把几百万开发者锁在了英伟达的生态系统里。你用CUDA写了代码,想换到其他芯片上去跑?重写吧。

    这就是英伟达真正的护城河。高通买下Modular,就是要给开发者一个认真的替代选项。Modular的软件不绑定任何特定厂商的芯片,英伟达的GPU能用,AMD的也能用,高通自己的芯片当然更能用。对客户来说,这意味着更少的锁定、更多的选择、更好的议价能力。

    Qualcomm Modular AI software acquisition
    高通收购Modular,布局AI软件栈(图源:TechStartups)

    Amon在声明里说了一句话,值得琢磨:”未来属于对开发者友好、水平化的平台,能在多样化的计算环境中运行,让客户在选择AI部署方式和地点时有真正的选择权。”这话翻译过来就是:英伟达的模式是垂直的、封闭的,我们要做的模式是水平的、开放的。

    高通的两步棋

    这笔收购对高通来说有两个战略意义。第一个是数据中心市场。高通一直在试图在这个被英伟达主宰的市场里分一杯羹,它已经说过要在2026年底之前开始出货面向数据中心的AI芯片。有了Modular的软件,高通的硬件套餐对开发者和企业客户来说就更有吸引力了。

    第二个是推理市场。训练模型抢头条,但推理才是大多数公司真正长期烧钱的地方——模型训练完之后,部署到产品里、响应真实用户请求,这一步要持续跑、大规模跑,算力账单每个月都在那儿。Modular的软件能让推理部署更高效,帮客户节省成本,这对高通来说是一个重要的卖点。

    高通的主力收入现在还是手机芯片,这一点短时间内不会变。但这家公司很明显在加速多元化,从PC、边缘设备、汽车系统,现在又打到数据中心基础设施。AI给了它一个重新定位的机会:从一个移动芯片供应商,转型成一个AI基础设施的全面玩家。

    还不止Modular

    有意思的是,高通的收购胃口可能还不止于此。据The Information报道,高通还在跟AI芯片创业公司Tenstorrent谈收购,报价在80亿到100亿美元之间。如果这笔交易也成了,高通在AI硬件+软件的全栈布局就会更加完整。

    当然,这些都是大数字。39亿美元收Modular,再加可能的最高100亿美元收Tenstorrent,加起来就是140亿美元的规模。但放在AI基础设施这个赛道里看,这些钱可能是必须的门票。谷歌、微软、亚马逊、Meta、OpenAI,全在往自己的全栈能力里砸钱,高通如果不跟上,窗口期可能不会等它。

    对开发者来说,这些巨头打架不一定是坏事。竞争越激烈,选择就越多,被单一厂商锁定的风险就越小。Modular加入高通之后,能不能真的动摇CUDA的地位,现在下结论还太早。但这至少是一个认真的尝试,而AI行业现在正好需要这样的尝试。


  • OpenAI拿出第一块芯片,起名Jalapeño





    OpenAI拿出第一块芯片,起名Jalapeño


    OpenAI拿出第一块芯片,起名Jalapeño

    ChatGPT背后的公司不再满足于只做模型和应用,它们要自己做芯片了。OpenAI今天跟Broadcom一起发布了第一块专属AI推理芯片,名字叫Jalapeño(jalapeño,墨西哥辣椒)。从宣布合作到芯片出炉,只用了9个月。


    9个月干完别人几年的活

    OpenAI在今天(6月24日)的官方公告里说,Jalapeño是专门给大型语言模型推理设计的加速器芯片。推理(inference)指的是模型已经训练好之后,拿来响应真实用户请求的过程——你在ChatGPT里打字,后端模型跑起来给你答案,这一步就是推理。

    这块芯片是ASIC,全称Application-Specific Integrated Circuit,说白了就是为特定任务定制的电路,不像通用CPU那样什么都能跑但什么都不精。Jalapeño从零开始就是为LLM推理优化的,内存搬运、计算单元、网络连接,全部围绕同一个目标:让ChatGPT的回答更快、更便宜、更稳。

    OpenAI总裁Greg Brockman说:”世界正在走向算力驱动的经济。Jalapeño是我们长期全栈基础设施战略的一部分,目标是让算力变得更充裕,AI更快、更可靠、更便宜。”

    最让人意外的是速度。从初始设计到制造tape-out(芯片设计定稿、送厂生产),Jalapeño只用了9个月。OpenAI说这是高性能半导体行业有史以来最快的ASIC开发周期。他们用了自己的AI模型来加速设计和优化流程——换句话说,AI帮人类把造AI芯片的速度提上去了。

    性能能对标英伟达吗

    Broadcom CEO Hock Tan在接受路透社采访时直接放话:Jalapeño的性能跟英伟达Blackwell芯片和谷歌TPU(张量处理单元)在一个水平上。当然,”在水平上”这个说法留了余地,毕竟Blackwell是目前市面上最强的AI训练/推理芯片之一。

    OpenAI自己在公告里措辞更谨慎一些:早期测试显示Jalapeño的每瓦性能会大幅优于当前最先进的水平,但具体数据要等几个月后的技术报告。眼下工程样品已经在实验室里跑起了生产目标频率下的ML工作负载,包括GPT-5.3-Codex-Spark。

    OpenAI Jalapeño AI推理芯片
    OpenAI首款AI推理芯片Jalapeño(图源:OpenAI官方)

    这块芯片的设计思路值得说一下。它不是把现有AI加速器修修改改拿来用,而是从空白画布开始,完全围绕LLM推理的需求重新设计。具体来说,它减少了数据在芯片内部搬来搬去的开销(数据搬运是AI芯片最大的功耗和延迟来源之一),并且在计算、内存、网络之间做了精细的平衡,让实际利用率更接近理论峰值。

    为什么要自己造芯片

    答案很简单:英伟达的GPU不够用,而且贵。OpenAI每年在算力上的开支是笔天文数字,随着用户量增长和模型变大,这笔账单只会越来越厚。自己造芯片,长期来看能把成本压下来,也能按照自己的节奏和需求迭代,不用完全看英伟达的脸色。

    这条路上OpenAI不是独一家。微软、Meta、亚马逊都已经在自研AI芯片了,谷歌的TPU更是跑了快十年。差别在于,OpenAI的芯片从第一天就是围绕着它自己对未来模型路线图的理解来设计的——它知道自己下一步要做什么模型,知道这些模型在推理的时候会怎么跑,所以可以直接在芯片架构层面做优化。

    这就是OpenAI说的”全栈优势”:不只是做模型,不只是做产品,而是把芯片架构、内核、内存系统、网络、调度、部署和产品体验全部捏在自己手里。每一层都可以为同一个目标优化:让模型更快、更可靠、更便宜。

    今年年底开始部署

    OpenAI说Jalapeño是”多代计算平台的第一步”,计划2026年底之前开始部署,和微软等数据中心合作伙伴一起,在千兆瓦级别的数据中心里跑起来。Broadcom负责芯片实现和网络技术,Celestica负责主板、机架和系统整合。

    对于普通用户来说,这块芯片的影响不会直接看到——你不会在笔记本电脑里装上Jalapeño。但它会让ChatGPT的响应更快,让Codex能跑更长的任务而不超时,让API的价格继续往下走。OpenAI的算盘是:更好的基础设施→更高的效率→更好的模型→更好的产品→更多用户→更多收入→再投到下一代基础设施里。这个飞轮转起来,智能就会变得越来越便宜,越来越普及。

    Jalapeño只是开始。OpenAI和Broadcom已经在一起规划下一代、下下一代的芯片了。AI算力这场军备竞赛,现在从模型层打到了芯片层,而OpenAI刚刚亲手把棋子放上了棋盘。


  • 这个AI不直接回答问题,它把Claude和Gemini叫来一起干活

    大多数AI模型的工作方式都很直白:你问问题,它给你答案。但日本AI创业公司Sakana AI最近发布的Fugu Ultra模型,选择了一条完全不同的路——它自己不生产答案,而是充当”调度主任”,把任务派给其他AI模型来完成。

    这个听起来有点”偷懒”的思路, benchmark跑分居然干翻了一众前沿模型。Sakana说Fugu Ultra在编码、推理、科学计算、智能体能力这些硬核测试里,成绩和Anthropic的Fable 5、Mythos Preview基本持平。一个”二传手”凭什么做到这个水平?答案藏在它的架构里。

    Sakana Fugu Ultra AI模型架构示意图
    Fugu Ultra通过调度多个前沿AI模型协同完成任务(配图由AI生成)

    “河豚”的命名来由

    Fugu在日语里是”河豚”的意思。河豚是一道需要极高烹饪技艺的菜——处理得当是美味,处理不好就是毒药。Sakana(日语”鱼”的发音)用这个词命名自己的模型,大概是在暗示:把多个AI模型编排在一起,本身就是一门险中求胜的手艺。

    技术上说,Fugu本身也是一个训练过的语言模型,只是它的专长不是直接回答用户的提问,而是学会了一套”智能体编排”的能力。当你向Fugu发起请求,它先判断这个任务该怎么做:简单的就自己搞定,复杂的就自动组建一个”专家团队”来协同完成。

    Fugu通过训练学会了判断”什么时候该把任务委托出去、智能体之间怎么通信、怎么把多个模型的输出整合成一个可靠的答案”——这整套编排逻辑不是人工写死的规则,而是模型自己学出来的。

    底层调用了哪些模型?

    Sakana没有公开完整名单,但确认Fugu会在合适的任务上调用Claude和Gemini等前沿模型。有意思的是,Fugu不会告诉你它这次具体用了哪个模型——用户看到的是一个统一的回答,底层调度对用户透明。

    这个设计有个很实用的好处:如果某家供应商突然限制访问(比如美国政府某天又说不许某些地区用Claude),Fugu可以自动切换到其他可用模型,不需要用户手动干预。这种”供应商无关”的架构,在当下的地缘政治环境下显得格外有意思。

    • Fugu Ultra针对复杂多步骤任务优化,可调度更深的智能体池
    • 基础版Fugu平衡性能与延迟,支持用户自主排除特定模型(满足数据合规需求)
    • 底层智能体池完全可替换,未来会持续纳入更新的高效模型
    • Sakana强调:未公开可用的闭源模型(如Fable 5)不会被纳入智能体池

    Beta测试用户的真实反馈

    接近500人的Beta测试里,收集到了一些挺有说服力的反馈。一位软件工程师说,Fugu Ultra做代码审查比GPT-5.5更全面,能发现其他工具漏掉的漏洞——别的工具标出3个问题,Fugu能找出20个以上。一位企业平台公司的高管提到,Fugu在长会话里的人格稳定性远超其他模型,不会出现”人格漂移”,这对智能体类产品来说是个关键指标。

    还有一位网络安全工程师的反馈也很典型:只要给Fugu一个范围明确的指令,它能端到端完成信息收集、XSS/SQL注入检测、认证逻辑审查,最后输出一份带证据和复测步骤的完整报告,而且全程不超出指定范围,不会乱执行破坏性操作。

    这会不会是AI的新范式?

    Fugu的出现,触及了一个正在AI圈子里引发越来越多讨论的问题:未来最强大的AI能力,会不会不是来自某个单一的超大模型,而是来自能把各种模型调度好的”元模型”?如果答案是肯定的,那训练和拥有底座大模型的公司,和那些最擅长编排底座模型的上层公司,谁的价值链地位更高?

    Sakana自己当然相信后者。他们在ICLR 2026发表的两篇论文(TRINITY和Conductor)就是在为这个方向做学术背书。Fugu能不能真的跑出来,还需要更多真实场景的验证,但至少它提出了一个值得认真看待的问题:当每个人都在训练更大的模型的时候,也许最聪明的玩法不是造更大的模型,而是把现有的模型用得更聪明。


  • 中国把56家美国公司拉黑了——AI出口战争打到了自己家门口

    6月24日,中国商务部宣布了一项让华盛顿措手不及的报复性措施——56家美国公司被拉进了黑名单。其中46家被禁止参与中国政府采购,10家被列入了双向出口管制清单。距离美国五角大楼6月8日扩大对华军事企业名单仅仅过了两周多,北京的反击就这么来了。

    这次被点名的美国公司横跨了好几个领域。无人机企业Teal Drones和Jaia Robotics上榜,航空航天领域的Ball Aerospace and Technologies也没跑掉,还有海事防务公司L3Harris Maritime Services。但真正让业界倒吸一口凉气的,是两家稀土矿业公司——MP Materials和USA Rare Earth——也赫然在列。

    中美AI出口战争示意图
    AI出口战争已从单向升级为双向博弈(配图由AI生成)

    五角大楼先出手

    要理解这次中国反击的背景,得把时间线往前拨一点。6月8日,美国五角大楼把1260H清单又扩容了一次,新增了65家中国科技公司,包括阿里巴巴、百度、比亚迪、腾讯,还有做机器狗的宇树科技(Unitree)。这份清单累计已经涵盖了188家中国实体,被认定”协助了解放军的现代化”。

    但这还不是最重磅的。6月12日,美国商务部工业与安全局(BIS)对Anthropic的Fable 5模型发布了出口管制指令——这是美国历史上第一次对已经部署的商用AI API出手,管的不再是芯片,不再是硬件,而是一个活生生的软件服务端点。中国公司被禁止访问Anthropic最先进的模型,这下是真的疼了。

    “华盛顿把Anthropic的顶级模型从境外手里抽走的那一天起,账单就寄过来了。出口战争不再只是单向的了。”——AI Weekly

    稀土这张牌

    中国这次反击最狠的一招,是把美国的两家稀土矿业公司拉进了出口管制清单。MP Materials运营着加州Mountain Pass的稀土矿——这是美国目前唯一在产的稀土矿,还拿着美国国防部长达十年的采购合同。USA Rare Earth也在名单上。

    为什么要打稀土这张牌?数据说话:中国控制着全球大约70%的稀土开采量和90%的精炼产能。稀土是AI芯片、永磁电机、雷达系统、导弹制导——基本上所有高端军工和AI硬件都绕不开它。掐住MP Materials和USA Rare Earth,等于直接敲打了美国重建本土稀土供应链的两个旗舰项目,这不是象征性姿态,是结构性压力。

    • 中国控制全球约70%稀土开采、90%精炼产能
    • MP Materials是美国唯一在产稀土矿,有国防部十年合同背书
    • 出口管制清单意味着这两家公司的对华出口需要额外审批

    AI出口战争的新阶段

    这轮中美博弈最有意思的地方在于,两边的出口管制打的是不同维度。美国那边,6月12日的Fable 5出口管制指令是针对AI软件端点的——”你们不能用我的顶级模型了”。中国这边,反击的是物理供应链——无人机、防务零部件、稀土。

    两条线平行升级,但方向截然相反。美国试图用出口管制拖慢中国AI能力的进步,中国则用资源牌来抬升美国重建供应链的成本。这场双向出口战争会怎么演化,目前还没有人能给出确切答案,但有一件事是确定的:AI不再是只有硅谷在玩的游戏了,它已经卷进了大国博弈的最前线。


  • 印度首富Ambani的AI野心:把AI塞进每一个电话、每一个App、每一个家庭

    印度首富Ambani的AI野心:把AI塞进每一个电话、每一个App、每一个家庭

    Reliance AI push in India
    Reliance在年度股东大会上发布了一系列AI产品,覆盖通话、App和家庭场景

    印度首富Mukesh Ambani在上周五的年度股东大会上,把Reliance的AI牌全亮出来了。Jio Call Agent(直接嵌入通话网络的AI助手)、升级版MyJio App(用自然语言操作eSIM和漫游套餐)、Jio TeleFrame(家庭AI显示屏)—— plus 一系列面向医疗、教育、农业的AI服务。用Ambani自己的话说:「印度不能只做AI的消费者,必须成为AI的创造者、采用者和全球领导者。」

    Jio Call Agent,直接嵌进通话网络

    最值得关注的是Jio Call Agent。跟Alexa或者Siri那种需要打开App才能用的助手不一样,Jio Call Agent直接嵌在电信网络里。打电话的时候说一声「Hey Jio」,AI就加入了——帮你转录对话、生成摘要、订出租车、点外卖、预约餐厅。

    这个打法挺聪明的。Jio在印度有超过5亿用户,把这些用户的通话网络变成AI助手的「原生入口」,第三方App根本没法比。Ambani很明显在研究苹果和谷歌怎么做的,然后选了一条他们没走到底的路——直接干到电信层。

    Jio Call Agent预计今年晚些时候上线,面向Jio的5亿多用户。说「Hey Jio」就能唤醒,不需要打开任何App。

    家庭AI显示屏、多语言AI服务,一套全齐

    除了通话AI,Reliance还发布了Jio TeleFrame——一个家用AI显示屏,用AI代理主动推送天气预警、日程提醒、家庭通知。这个产品明显是在跟亚马逊的Echo Show和谷歌的Nest Hub抢市场,但Reliance的卖点是:针对印度市场优化,支持22种印度语言。

    还有一套面向垂直领域的AI产品:JioHealthIQ(医疗)、JioLearnIQ(教育)、JioKrishiIQ(农业)、AI Vyapar(小企业)。这些产品都支持多印度语言,明显是要把AI推进到印度二线、三线城市和农村市场。

    Ambani在会上说了一句话,值得琢磨:「印度不能只做AI的消费者,必须成为创造者。」 这句话的背景是,印度科技公司现在还严重依赖国外AI模型和云服务商。Anthropic前段时间限制印度用户访问最新模型,就是一个警钟——别人的模型,说断就断。

    110亿美元砸进去,还要建自己的AI数据中心

    Reliance去年宣布要在AI基础设施上投入1100亿美元。这个数字听起来夸张,但Ambani是认真的。Reliance已经跟Google、Meta、英伟达达成了合作,上周还跟Meta签了在印度古吉拉特邦建AI数据中心的协议。

    但问题也有。Reliance说这些AI服务会「在用户同意的情况下」运行,但没回答数据会不会用来训练AI模型、会不会分享给技术合作伙伴。印度还没有严格的数据隐私法,这事儿最后怎么收场,还得看。

    还有一个背景:Jio准备IPO了。Ambani在股东大会上确认,Jio Platforms的董事会已经批准了IPO招股说明书草案。在这个节骨眼上把AI故事讲大,对估值肯定有帮助。今年Reliance的股价跌了约17%,AI这张牌,得打出去。


  • OpenAI冲刺IPO前夕,挖来了Transformer论文作者Noam Shazeer

    OpenAI冲刺IPO前夕,挖来了Transformer论文作者Noam Shazeer

    OpenAI IPO preparations
    OpenAI在IPO前招兵买马,Transformer论文作者Noam Shazeer加入

    OpenAI在IPO前夕挖来了一位重量级人物——Noam Shazeer。这个名字在AI圈子里分量很重,他是2017年那篇「Attention Is All You Need」的共同作者,也就是Transformer架构的奠基人之一。没有Transformer,就没有今天的GPT、Claude、Gemini——这么说可能有点绝对,但离真相不远。

    他在Google待了25年,然后去了Character.AI,又被Google买回来

    Shazeer在Google工作了近四分之一个世纪(2000年到2023年),期间离开三年创办了Character.AI——那个让你和AI角色聊天的应用。2024年,Google花了27亿美元把Character.AI买了回来,Shazeer也跟着回到了Google。当时外界普遍觉得,这下他应该在Google安定下来了。

    结果才过了不到两年,他又走了。这次的目的地是OpenAI。他在X上宣布了这个消息,配文很简短,没有解释太多。但业界都懂这意味着什么——顶级AI实验室之间的人才争夺战,从来没有停过。

    Shazeer被认为是现代生成式AI的奠基人之一。「Attention Is All You Need」这篇论文被引用了十几万次,几乎所有主流大语言模型都建立在它的基础上。

    不止是技术大牛,还有政策老手

    OpenAI这一波招人不止Shazeer一个。差不多同一时间,前特朗普白宫AI政策官员Dean Ball也宣布加入OpenAI。他将领导一个名为「Strategic Futures」的新团队,直接向首席战略官Jason Kwon汇报。

    Ball的加入说明OpenAI在政策层面也在布局。这个团队的职责包括:灾难性风险、递归自我改进、劳动力市场影响,以及前沿实验室与政府(尤其是美国联邦政府)之间的关系。用Ball自己的话说,「AI实验室的内部治理,将比大多数人意识到的更重要。」

    时机挺微妙的。就在Ball官宣加入的同一周,特朗普政府刚刚下令禁止Anthropic的Fable 5和Mythos 5模型出口。Anthropic被迫把这两个模型完全下架。OpenAI没有受到这个禁令的影响,反而在招揽政策人才——这一进一退之间,IPO的叙事故事更好讲了。

    IPO越来越近了

    OpenAI的IPO传了快一年了。招来Shazeer这样的技术传奇,加上Ball这样的政策老手,信号很明确:OpenAI要在IPO前把「我们能搞定技术和监管」这个故事讲圆。

    投资者买不买账是另一回事。但至少从人才吸引力的角度看,OpenAI还在往上走。Google失去了Shazeer,Anthropic在被政府盯着,Meta一直在挖人但成果参差——这个时候,OpenAI把Transformer论文作者招进门,怎么看都是一步好棋。


  • 诺奖得主John Jumper离开DeepMind,跳槽去了Anthropic

    John Jumper 在 X 上发了一条短消息——在 DeepMind 快 9 年了,要去 Anthropic 了。这条消息不长,但在 AI 圈子里炸了锅。Jumper 和 Demis Hassabis 在 2024 年一起拿了诺贝尔化学奖,理由是用 AI 预测蛋白质 3D 结构(AlphaFold)。

    AI蛋白质研究与人才流动
    AI 科研人才正在重新洗牌

    DeepMind 又在失血

    Hassabis 在 X 上回了一句”你会被想念的”——客气话背后,是 Google 在 AI 人才大战里又一次失血。Bloomberg 的报道说 Jumper 是 Google 编程工具团队的关键成员,而这正是 Google 一直没卖出去的那块业务。

    无独有偶,Character.AI 联合创始人 Noam Shazeer 本周也宣布离开 DeepMind 去了 OpenAI。DeepMind 出来的人,现在好像越来越往 Anthropic 和 OpenAI 两边分流。

    AlphaFold 解决了生物学界困扰几十年的问题——给你一段基因序列,它能算出对应的蛋白质长什么样。这套东西现在全世界的结构生物学家都在用。

    Anthropic 在疯狂招人

    Anthropic 这段时间一直在从 Google DeepMind 挖人。Jumper 的加入,意味着 Anthropic 不仅在模型能力上追,在蛋白质 AI、科学计算这些垂直方向上也开始布局。有意思的是,OpenAI 也有动作——它们刚搞了个”Patch the Planet”计划,用 AI 帮开源项目抓安全漏洞,和 Anthropic 的安全工具形成竞争。

    Jumper 的 X 帖子底下,Hassabis 留了句话:”GDM 是个特别的地方,你们接下来发现什么了不起的东西我都会很兴奋。” 两个人 2024 年拿诺奖时拍的那张合影,现在看有一点微妙的仪式感。


  • 亚马逊把Alexa+搬到了印度,先搞定印地语再说

    亚马逊本周悄悄给一批印度用户发了邮件——邀请他们参加 Alexa+ 的印地语内测。邮件里写得很直白:新版 Alexa 体验正在打造中,你的反馈很重要;加入 Beta 后,印地语版本可用时会通知你。邮件同时提醒,Beta 版会有 Bug,发音可能不准,信息也可能出错——典型的”先上了再说”的亚马逊风格。

    为什么是印度,为什么是印地语

    印度讲印地语的人口超过 6 亿,但印度用户的语音习惯很复杂——很多人是印地语和英语混着说。Alexa 2017 年进入印度时只支持英语,2019 年加了印地语,但那是”能识别”和”能对话”之间的巨大鸿沟。Alexa+ 是亚马逊 2025 年推出的生成式 AI 助手,对话能力上了好几个台阶,但直到今年 2 月才向全美国用户开放。之后慢慢推到了英国、加拿大、巴西、墨西哥、意大利、德国——印度是下一个大票仓。

    亚马逊给 Prime 会员免费提供 Alexa+,非会员按月付费。印度 Prime 会员数量庞大,这意味着 Alexa+ 在印度大概率会走”免费预装+订阅增值”的路数。

    语音 AI 的印度赌局

    亚马逊不是唯一在印度押注语音 AI 的公司。Reliance Jio 在本月的股东会上发布了 Jio Call Agent——直接嵌进通话网络的 AI 助手,说一句”Hey Jio”就能调出来帮你订餐、叫车、做摘要。Jio 有 5 亿多用户,如果这个真的铺开了,Alexa 这种”靠人主动叫醒”的交互方式会显得很老派。

    亚马逊的应对策略是把 Alexa+ 做成本地化足够深的产品——不只是翻译界面,而是理解代码混合语、理解本地上下文。内测表单要求用印地语填写,这本身就是在收集训练数据。亚马逊没有透露印度版 Alexa+ 什么时候正式上线,但内测的启动说明他们已经在为 launch 做准备。


  • GPT-5 Pro干了一件科学家干不了的事:破解困扰学界三年的T细胞谜题

    GPT-5 Pro破解T细胞谜题
    GPT-5 Pro 帮助免疫学家破解困扰学界三年的T细胞行为谜题 | AI生成配图

    GPT-5 Pro 干了一件科学家干不了的事:破解困扰学界三年的T细胞谜题

    免疫学家 Derya Unutmaz 研究了三年都没想通的 T 细胞行为谜题,最后被 GPT-5 Pro 给解了。这件事发生在 2025 年底,Unutmaz 和他的实验室用 OpenAI 最新发布的 GPT-5 Pro 重新分析了一批复杂的生物学数据,得出了此前从未被发现过的全新见解。

    T 细胞是人体免疫系统里的核心角色,负责识别并攻击入侵的病原体。但 T 细胞的行为方式极其复杂,某些特定类型的 T 细胞在特定微环境下的反应机制,科学家们争论了很久。Unutmaz 被卡住的地方,正是关于一类特殊 T 细胞分化路径的问题——这类细胞到底在什么条件下会往哪个方向走,数据里有信号,但人类研究者就是看不出清晰的规律。

    GPT-5 Pro 做的事情是:把一大批复杂的免疫学数据喂进去,让它找模式。结果模型给出了几个假设,Unutmaz 拿去验证,发现是对的。这个”aha moment”(顿悟时刻)让整个实验室都兴奋了——他们三年没解开的谜,被一个 AI 模型给突破了。

    这件事的意义不只是解决了一个学术谜题。T 细胞行为的研究直接关系到癌症免疫疗法和自身免疫疾病的治疗——如果你能精准预测 T 细胞在特定环境下的反应,就能设计出更有效的治疗方案。这个方向的每一次进步,都可能转化为实实在在的临床突破。

    更值得关注的是这件事代表的趋势:AI 不再只是帮忙写写代码、生成生成图片的工具,它开始真正参与科学发现了。GPT-5 Pro 在这次突破中扮演的角色,更像一个极其敏锐的研究助手——它能同时处理的信息维度远超人类大脑,能从看似杂乱的数据里提炼出人类忽略的结构性规律。

    OpenAI 把这个案例放到了官方博客上,显然是想说明 GPT-5 Pro 的”推理能力”不是吹出来的。但这件事也引发了一些讨论:当 AI 开始帮科学家做发现,科学研究的署名和信用该怎么算?Unutmaz 的论文里会怎么标注 GPT-5 Pro 的贡献?这个问题目前还没有标准答案。

    不管怎样,这个案例给了科学界一个很清晰的信号:能够做深度推理的大模型,已经在真实研究场景里产生价值了。下一步的问题不是”AI 能不能帮做科研”,而是”怎么把 AI 系统地整合进科研流程里”。


  • Google Home终于学会”认人”了——即使你背对着摄像头

    Google Home熟悉面孔识别
    Google Home熟悉面孔识别功能升级 | 图片来源:The Verge

    Google Home 终于学会”认人”了——即使你背对着摄像头

    如果你的 Google Nest 摄像头老是认不出背对着它的家人,这个问题快成为历史了。Google 在 6月23日推送了 Google Home 的新更新,把”熟悉面孔”(Familiar Faces)功能往前推了一大步。

    以前的玩法很简单:你在 Google Home 里标记了几张面孔,摄像头认出来了就给你发通知。但问题是——人总不能一直正对着摄像头。你背着身走进厨房,或者侧着脸走过走廊,Nest Cam 就傻了,直接给你报一个”未知人员”的警报。这个问题困扰了不少用户。

    Google 在新版说明里写道:系统将开始使用”额外的非生物识别信号(体型、衣服颜色等)”来辅助判断身份。也就是说,即使脸没拍到,Google Home 也能通过你穿什么颜色的上衣、体型大概什么样,把你认出来。

    这个更新背后其实是 Google 在智能家居 AI 识别上的一次升级。此前”熟悉面孔”功能因为隐私问题在欧洲等地被搁置过一阵子,现在重新推进,而且识别维度更丰富了——不再只靠人脸这一种生物特征。

    顺带一提,这次更新还修了一个很烦人的小问题:以前你标记了某个人,但过了几个月那个人换了发型或者老了点,Nest 可能就认不出来了。新版本里”熟悉面孔”图库会自动用最新的图像更新,减少因为照片过时导致的误报。

    这次更新还顺带加了两个功能:一个是 Google Home 应用(4.20版)里新增了”系统健康警报”——如果你的 Nest thermostat 检测到 HVAC 系统有问题,会直接推通知给你。另一个是增强了对 Matter 开关的支持,智能家居互联互通这块 Google 还在慢慢补功课。

    对于家里装了一套 Google Home 的用户来说,这次更新最直观的感受应该是:少收到很多”检测到未知人员”的误报通知。识别准了,整个智能家居的体验才真正算”智能”。