博客

  • Anthropic一纸禁令,把印度AI圈打醒了

    Anthropic上周五突然宣布,按照美国政府的要求,暂停旗下最新两款模型Fable 5和Mythos 5的所有外籍用户访问权限。消息一出,印度科技圈炸了锅。

    事情有点讽刺。就在这份声明发布前几天,Anthropic刚高调宣布和印度IT服务巨头塔塔咨询服务(TCS)达成合作,要在印度大规模推企业级AI。结果话音刚落,政府一道指令下来,最新模型的外籍访问直接被切了。印度这边刚准备大干一场,发现自己连”入场券”都被别人攥在手里。

    印度真的是第二大市场,但话语权为零

    Anthropic和OpenAI都公开说过,印度是它们仅次于美国的第二大市场。这个数字不是随便说说的——印度有几百万开发者、几十万家初创企业,企业数字化意愿又强,确实是AI公司眼里的肥肉。

    但这次事件把一个问题摆到了台面上:肥肉归肥肉,命脉捏在别人手里。华盛顿一句话,印度用户就用不上最新的模型了。而且有报道说,这次是亚马逊CEO安迪·贾西先向政府”打了小报告”,理由是安全担忧。白宫私下还指责Anthropic自己对越狱漏洞的处理一塌糊涂。Anthropic当然不服气,但服不服气不重要,指令已经下了。

    印度AI创业平台Activate的创始人Aakrit Vaish说得很直白:”这彻底改变了现状。”他周六早上看到声明的时候,又震惊又困惑。改变在于,印度的初创企业需要认真想一想了——依赖别人的模型,这条路到底还能走多远?

    不是钱的问题,是”能不能做出来”的问题

    有人说了,那印度自己做大模型不就行了?钱到位不就好了?

    前Infosys高管、投资人Mohandas Pai在X上发文,呼吁政府每年拿出5000亿卢比(约50亿美元)搞AI和深度技术,再加2万亿卢比的信贷担保支持云基础设施和半导体。这个规模比印度现有的”印度AI使命”大了好几倍——后者五年总投入才120亿美元。

    但光速创投的合伙人Hemant Mohapatra直接泼了冷水:做前沿大模型,最大的瓶颈不是钱,是人才、算力和执行力。训练一个前沿模型,少则几亿美元,多则几十亿美元,而且要有能把这些钱变成实际能力的团队。印度目前在这方面的积累,说实话还不够看。

    眼下印度真正在做基础大模型的初创企业屈指可数。Sarvam算是其中一个,今年早些时候开源了模型。另一家曾经高调亮相的Krutrim,后来悄悄转型去做云和AI基础设施服务了——做大模型太烧钱,不如做基础设施来得实在。


    更多人开始认真看开源

    Zoho的创始人Sridhar Vembu的表态很典型。他在X上写:”技术就是终极武器。”他呼吁印度机构更多采用小型开源模型,包括印度本土的,也包括中国的开源模型。

    这个说法一周前可能还会有人质疑,现在质疑的人少了很多。Anthropic事件之后,不少印度创业者开始重新评估自己对少数几家美国前沿模型供应商的依赖程度。Atomicwork的CEO Vijay Rayapati说得更直接:如果你的AI团队不是全由美国公民组成,你在竞争上就是劣势。因为别人能用的最新模型,你可能用不上。

    这件事还牵出了另一个讨论。本周,美国房产科技公司Opendoor在落地印度不到两年后就关了印度办公室,CEO说要把运营团队搬到离美国客户更近的地方,同时转向更小、更AI化的团队。这件事在印度科技圈引发了不少讨论——AI到底是在创造机会,还是在重构全球分工的逻辑?印度作为”世界后台”的地位,还能稳住吗?

    新德里的科技政策专家Prasanto Roy说了一句话,在印度朋友圈里传得很广:”就算这件事后来被纠正或者逆转,它也已经说明了一个问题——不存在地缘政治中立的外国大语言模型。美国的AI模型,绑的就是美国的地缘政治。”

  • 2026世界杯用上AI裁判,越位判罚快了不止一点

    足球里的科技含量,比你想的多得多

    2026年世界杯这周就在美国开了,这届比赛有个跟以往完全不同的地方——AI技术渗透进了比赛的几乎每个环节。从球员踢出那一脚的精确毫秒,到越位线该画在哪里,再到你坐在沙发上看到的裁判第一视角画面,背后都有AI在跑。

    先说那个最显眼的变化:比赛用球。阿迪达斯这届的官方用球叫Trionda,里面塞了一个惯性测量单元(IMU)传感器,每秒采集500次运动数据。这个传感器的唯一任务,就是记录”球到底是什么时候被踢出去的”——精确到毫秒。

    为什么要这么精确?因为越位判罚的关键时刻,就是球离开脚的那一瞬间。以前的系统靠视频帧来估算,误差可能有一两帧,现在有了500Hz的传感器,这个时刻可以精确到单帧以内。有个有趣的副作用:这届世界杯的比赛用球,历史上第一次需要在开赛前充电。

    FIFA World Cup 2026 AI Technology
    2026世界杯首次大规模部署AI裁判辅助系统,覆盖越位判罚、球员追踪等多个环节丨来源:TechTimes

    越位判罚快了多少

    跟上一届(2022年卡塔尔世界杯)比,这届的半自动越位系统升级了不少。16座球场每座都装了大约12台专用高速摄像头,AI同时追踪场上每位球员的29个身体特征点——包括四肢、膝盖、脚趾——每秒扫50次。

    把足球传感器的触球时间戳,和这29个点的骨骼追踪数据叠在一起,系统就能自动画出越位线,几秒钟内给出判罚建议。2022年版的系统只能识别超出越位线50厘米以上的情况,这届能识别到10厘米。

    但有个很重要的界限:AI只负责”量位置”,不负责”判主观”。也就是说,系统能告诉你某个球员在触球瞬间是不是站在越位位置上,但这个球员有没有”实际参与比赛”——这是裁判的主观判断——AI不管。最终吹不吹越位,还是人说了算。

    这届世界杯的AI部署逻辑很清晰:客观、可量化的环节交给机器,主观判断的环节仍然留给人类。这是”半自动”这个词真正的含义。

    裁判的第一视角,你看得到

    另一个第一次是:这届所有104场比赛,裁判都佩戴了随身摄像头。你能在转播里看到裁判的第一视角画面——球滚到脚边那一刻,裁判眼里看到的是什么。

    原始的头戴画面其实抖得看不了,所以FIFA用AI稳定算法对视频做了实时平滑处理。这个功能的初衷是提高判罚透明度——有争议的时候,大家能看到裁判当时到底看到了什么,而不是只能听解说员猜。

    球员赛前还全部做了3D扫描,系统用这些数据生成逼真的虚拟形象,用来在球场大屏和电视转播里还原越位判罚过程。你看世界杯的时候看到那些动画越位线解释,就是这么来的。

    科技公司也没闲着

    谷歌和联想把这届世界杯当成了AI能力的展示舞台。谷歌把Gemini AI嵌进了球迷体验里,你可以在手机锁屏页面拿到实时比分和AI生成的赛事可视化内容。联想给16座球场都搭了数字孪生模型,用来做人群和安全管理,还给了48支参赛球队一套叫”Football AI Pro”的分析工具,基于2000多个足球专项指标训练出来的。

    这届世界杯也许是AI在体育赛事里最大规模的一次实地测试。技术能不能经得起全球几十亿双眼睛的检验,几周后就能看到。球迷关心的可能只是判罚公不公平,但背后那些数据——球员的3D扫描、每秒50次的追踪、每一次触球记录——归谁所有、怎么用,这些问题可能比越位线难画多了。


    • Trionda智能足球内置500Hz传感器,精确记录触球时刻,需赛前充电
    • 16座球场各部署约12台高速摄像头,AI追踪球员29个身体特征点
    • 越位判罚灵敏度从50厘米提升至10厘米,判罚建议直接推送到助理裁判耳麦
    • 首次在全部104场比赛中启用裁判随身摄像头,AI实时稳定第一视角画面
    • 谷歌Gemini、联想Football AI Pro同步亮相,AI全面进入球迷体验和球队分析
  • 英特尔拿下谷歌300万颗AI芯片大单,股价一天涨了14%

    台积电的”铁王座”出现裂缝

    这周半导体圈最大的消息,是谷歌据报向英特尔下单了超过300万颗TPU芯片,交货期定在2028年。消息还没官宣,英特尔股价已经先涨为敬——单日最高涨了14%,市值凭空多了几百亿美元。

    要说这事有多大,得先搞清楚TPU是什么。TPU是谷歌自研的AI芯片,专门用来跑自家的搜索、广告、YouTube推荐和Gemini大模型。以前这些芯片基本上都是台积电代工的,现在谷歌找上了英特尔,等于在台积电一家独大的格局里塞进了一个变量。

    据The Information的报道,谷歌其实已经”验货”验了好几个月,重点考察英特尔的先进封装能力。AI芯片不是把晶体管刻得越小就越厉害,现在的瓶颈更多在封装——怎么把多个小芯片和高带宽内存整到同一个模块里。英特尔的EMIB封装技术良率已经爬到接近90%,这个数字足以让谷歌认真考虑把订单给它。

    这三百万颗订单如果坐实,差不多占谷歌2028年TPU总产量的一半。对英特尔代工业务来说,这是它成立以来最大的一笔外单。

    摩根大通泼了一盆冷水

    不过华尔街也不是一边倒地看好。摩根大通的分析师直接说,别兴奋太早——这批TPU的核心制造可能还是台积电在做,英特尔拿到的或许只是封装订单。封装重要,但跟全套制造比起来,分量还是差了不少。

    这种质疑不是没有道理。英特尔的18A制程(相当于1.8纳米级别)技术上确实已经量产了——它自己的至强服务器CPU就在用——但能不能稳定地给外部客户大规模出货,这是两回事。台积电的优势不只是技术,更是几十年积累下来的良率和交付可靠性。

    英伟达那边也有类似的风声,说在评估英特尔的18A制程,用来做2028年左右发布的Feynman架构GPU。但目前还停留在”试流片”阶段,连正式订单的影子都没有。试流片花不了多少钱,离真正量产还隔着十万八千里。

    TSMC芯片制造
    台积电长期垄断先进AI芯片制造,谷歌英特尔合作是供应链多元化的信号丨来源:TechTimes

    为什么大家想逃离台积电

    话又说回来,谷歌和英伟达”脚踩两条船”这件事本身,比订单最终花落谁家更有意思。台积电现在基本上吃下了全球所有先进AI芯片的制造,产能早就拉满了,先进封装环节更是紧到客户要排队。台积电自己都公开说过,AI芯片的短缺会持续好几年。

    更要命的是地缘政治。全世界的AI基础设施都押在台积电一家身上,而台积电的工厂基本上都在中国台湾地区。这种单点风险,谷歌、英伟达、苹果谁都受不了。所以你会看到苹果也在悄悄找英特尔代工部分芯片,特斯拉已经成了英特尔14A制程的首个主要客户。

    英特尔在这个时间点确实有它的优势。它是西方世界唯一一个还有希望追上先进制程的芯片制造商,美国政府也很乐意看到它成功——这不只是一家公司的生意,背后有整个供应链安全的逻辑。

    悬念还在

    目前这笔订单最大的问题就是:它还没有被官方确认。谷歌和英特尔都没有出来认领这件事。所以现在市场上炒得火热,本质上是在用”可能性”定价。如果最后证实英特尔只拿到封装订单,股价可能会回吐一部分涨幅;如果证实真的拿到了整颗芯片的制造订单,那才是真正的地震。

    对于普通观察者来说,这件事的意义不在于英特尔能不能马上取代台积电——这短期内不可能发生——而在于AI芯片的供应链正在从”台积电一家独大”走向”多极分布”。这个趋势一旦启动,就不会停下来。


    • 谷歌据报向英特尔下达超300万颗TPU订单,2028年前交付
    • 消息传出后英特尔股价单日最高涨14%
    • 摩根大通质疑:英特尔或仅负责封装,核心制造仍归台积电
    • 英伟达同时评估英特尔18A制程,用于2028年Feynman架构GPU
    • AI芯片供应链多元化已成大势,台积电垄断格局开始出现裂缝
  • 【开源推荐】LangChain:139K+ Stars!AI Agent 工程平台,构建 LLM 应用的标准框架

    【开源推荐】LangChain:139K+ Stars!AI Agent 工程平台,构建 LLM 应用的标准框架

    LangChain

    ⭐ GitHub 139K+ Stars

    LangChain

    AI Agent 工程平台 – 构建 LLM 应用的标准框架

    📝 项目简介

    LangChain 是一个强大的 AI Agent 工程平台,为构建 LLM 驱动的应用提供完整的框架和工具链。它提供模块化的组件、丰富的集成库和灵活的抽象层,让开发者能够快速原型设计、轻松集成外部数据源,并将应用规模化部署到生产环境。无论是简单的聊天机器人还是复杂的多 Agent 系统,LangChain 都能提供最佳实践和技术支撑。

    139K+
    GitHub Stars

    23.1K+
    Forks

    MIT
    开源协议

    Python
    主要语言

    ⚙️ 安装要求

    环境要求

    • Python 3.9+ (推荐 3.10 或更高版本)
    • pip 或 uv 包管理器
    • LLM API Key(OpenAI / Anthropic / Google 等)
    • 可选:向量数据库(Chroma / Pinecone / Qdrant 等)

    快速安装

    Bash
    # 使用 uv 安装(推荐)
    uv add langchain
    
    # 或使用 pip
    pip install langchain
    
    # 安装特定集成(例如 OpenAI)
    pip install langchain-openai
    
    # 安装社区集成(例如 Hugging Face)
    pip install langchain-community

    核心功能

    🔗 模块化组件架构

    提供 LLM、Chat Models、Prompt Templates、Chains、Agents、Tools、Memory、Retrievers 等标准化模块,每个组件都可独立使用和组合,支持快速搭建复杂 AI 应用。

    🔌 丰富的集成生态

    支持 100+ 模型提供商(OpenAI、Anthropic、Google、Hugging Face 等)、50+ 向量存储(Chroma、Pinecone、Qdrant、FAISS 等)、30+ 工具集成,开箱即用。

    🤖 强大的 Agent 框架

    内置多种 Agent 类型(ReAct、Plan-and-Execute、OpenAI Tools 等),支持工具调用、记忆管理、多轮对话,可构建具有推理和行动能力的智能 Agent。

    📚 RAG 完整支持

    提供从文档加载、文本分割、向量化到检索的完整 RAG 管道,支持多种文档格式(PDF、HTML、Markdown 等)和检索策略(相似度搜索、MMR、Hybrid 等)。

    🚀 生产就绪工具链

    与 LangSmith 深度集成,提供追踪、评估、调试、监控能力;支持流式输出、异步调用、批量处理,满足高并发生产场景需求。

    💡 典型使用场景

    场景 1

    📊 企业知识库问答系统

    使用 LangChain 的 RAG 能力,将企业文档(PDF、Word、HTML)向量化存储,构建能够准确引用来源的智能问答系统。支持多轮对话、上下文记忆和来源追溯。

    from langchain_community.vectorstores import Chroma
    from langchain_openai import OpenAIEmbeddings
    from langchain.chains import create_retrieval_chain
    
    # 加载文档并构建向量库
    embeddings = OpenAIEmbeddings()
    vectorstore = Chroma.from_documents(docs, embeddings)
    
    # 创建检索问答链
    retriever = vectorstore.as_retriever()
    qa_chain = create_retrieval_chain(retriever, ...)

    场景 2

    🤖 智能客服 Agent

    利用 LangChain 的 Agent 和 Tools 机制,让 AI 能够调用订单查询、物流追踪、退款处理等 API,自动完成复杂的客户服务流程,支持多步骤推理和错误处理。

    from langchain.agents import create_tool_calling_agent
    from langchain.tools import Tool
    
    tools = [
        Tool(name="订单查询", func=query_order, ...),
        Tool(name="退款处理", func=process_refund, ...)
    ]
    
    agent = create_tool_calling_agent(llm, tools, prompt)

    场景 3

    ✍️ 内容生成与摘要

    结合 Prompt Templates 和 Chains,构建自动化的内容生成流水线,支持博客文章、产品描述、会议纪要摘要等场景,可集成到现有 CMS 或自动化工作流中。

    from langchain.chains import LLMChain
    from langchain.prompts import PromptTemplate
    
    template = "根据以下要点生成博客文章:\n{points}\n文章风格:{style}"
    
    chain = LLMChain(llm=llm, prompt=PromptTemplate.from_template(template))
    result = chain.invoke({"points": "...", "style": "专业且易懂"})

    💝 推荐理由

    LangChain 是我接触过的最成熟的 LLM 应用开发框架,没有之一。它不仅仅是一个库,更是一个完整的 AI Agent 工程平台

    生态极其丰富: 无论你想接入哪个模型、哪个向量库、哪个数据源,几乎都能找到现成的集成,省去了大量重复造轮子的时间。

    抽象设计优秀: 从底层的 LLM 调用到高层的 Agent 编排,LangChain 提供了多层次的抽象,既能快速 prototyping,也能精细控制每个环节。

    社区活跃度高: 139K+ Stars 不是虚的,GitHub 上每天都有新的讨论、PR 和案例分享,遇到问题几乎都能找到答案。

    生产工具完善: LangSmith 的集成让调试和监控变得异常简单,这是很多同类框架做不到的。

    如果你正在考虑用哪个框架来构建 AI 应用,LangChain 绝对是首选。它已经成为了这个领域的”标准”,学习它永远不会错 🚀

    ···

    Tags
    #LangChain
    #AI Agent
    #LLM
    #Python
    #RAG
    #Agent工程

  • 余承东放话:盘古大模型要做世界第一,华为把底牌全亮出来了

    余承东放话:盘古大模型要做世界第一,华为把底牌全亮出来了

    6月12日,华为开发者大会2026(HDC 2026)在东莞开幕。余承东站上台,扔下了一句话:”在我余承东的字典里只有第一,没有第二。”

    这次他宣布的事情是:盘古大模型2.0(openPangu 2.0)正式发布,开源体系全面升级。从6月30日起,华为计划陆续开源上线7大组件,其中包括之前没有开源过的预训练代码、后训练代码和训练算子。

    华为盘古大模型2.0发布
    余承东在HDC 2026上发布盘古大模型2.0(图源:南方都市报)

    余承东说这话是有背景的。他透露,去年国庆节前夕,公司让他来负责大模型业务。”我会带领团队一路赶超,从中国第一,走向将来的世界第一。”

    他还补了一句:2021年4月,华为发布了全国、全世界第一个大模型——盘古大模型。那时候大家还不知道大模型是什么,华为已经发布了,算是行业先驱者。但后来没做好,不应该。

    “在AI领域,算法、算力、数据三样缺一不可,需要强大的工程能力来支撑和保障。而华为有强大的工程能力,且凝聚了一批优秀的人才,相信不断地创新,就能做好。”

    开源7大组件,这次动真格了?

    openPangu 2.0的开源计划是这套发布的核心。7大组件从6月30日起陆续上线,其中预训练代码、后训练代码和训练算子是新增开源的部分。

    把训练代码开源,意味着华为在向开发者示好:你可以用我的模型,还可以看我是怎么训练的。这在国产大模型里算是比较激进的打法——通常厂商更愿意把训练细节捂在自己手里。

    华为的算盘可能是这样:开源能拉更多开发者进来,生态做大了,盘古的地位就稳了。余承东说要”从中国第一走向世界第一”,没有开发者生态,这句话就是空头支票。

    绕不开的抄袭争议

    盘古大模型不是第一次站在聚光灯下,但上一次的热度来自一场争议。

    2025年7月,GitHub上有人发了一项研究,称华为盘古大模型与阿里通义千问在模型参数结构上存在”惊人一致”。一时间,”华为抄袭阿里”的质疑声四起。同期,网上还流传了一篇署名为内部员工的文章,标题很抓马:《盘古之殇:华为诺亚盘古大模型研发历程的心酸与黑暗》。

    华为诺亚方舟实验室后来发了澄清声明,说法是:盘古Pro MoE开源模型部分基础组件的代码实现参考了业界开源实践,涉及其他开源大模型的部分开源代码,且严格遵循开源许可证要求,在代码中清晰标注了版权声明。

    这份声明的潜台词是:我们用了开源代码,但合规,标注了,符合开源社区规则。这个解释能不能平息质疑,见仁见智。开源社区对”参考”和”抄袭”的界限本来就有不同看法。

    这次盘古2.0大张旗鼓地开源7大组件,多少也有点”用行动回应质疑”的意思。代码摊在阳光下,是不是自己写的,技术圈自会有判断。


    余承东说”只有第一,没有第二”,这话很有他的风格。但大模型这场仗,比手机战场复杂得多。算法、算力、数据、开发者生态、应用落地——每一个都是硬骨头。盘古2.0开源能不能拉起一波开发者,6月30日之后见分晓。

  • 华纳音乐出手了,它买下了一家专门”抓AI盗用”的初创公司

    华纳音乐出手了,它买下了一家专门”抓AI盗用”的初创公司

    6月10日,华纳音乐集团(WMG)正式宣布收购AI归因初创公司Sureel AI。这笔交易的金额没有披露,但信号很明确:大型音乐集团正在把AI版权保护当成核心战略来押注。

    Sureel AI做的事听起来有点技术宅——它为每首歌创建一套”AI DNA”,把歌曲拆解成组成元素,然后追踪这些元素有没有被AI模型在训练或生成时偷偷用了。简单来说,就是帮权利人看清:我的作品到底有没有被AI”学”了、怎么被用的。

    Warner Music acquires Sureel AI
    华纳音乐集团收购Sureel AI,强化AI时代版权保护能力(图源:TechCrunch)

    这套技术已经拿到了专利。Sureel的”AI DNA”可以追踪的范围包括语音克隆、AI生成虚拟形象、风格复刻等场景——基本上覆盖了现在AI音乐最容易被滥用的几个方向。

    华纳音乐CEO Robert Kyncl在声明里说得很直白:”将Sureel纳入华纳音乐大家庭,将增强我们的保护、控制和变现能力,确保创作群体始终掌控其知识产权、姓名、形象、肖像和声音。”

    收购完成后,Sureel AI会继续作为独立平台运营,不光服务华纳,还要服务整个音乐和娱乐生态。这说明华纳的算盘不只是”自己用好”,而是要把这套归因技术变成行业基础设施。

    从”告AI”到”和AI做生意”

    华纳对AI的态度转变挺有意思。2024年的时候,华纳还站在对抗阵营,直接起诉了AI音乐生成初创公司Suno,指控大规模版权侵权。

    但到了2025年11月,华纳和Suno和解了,还签了授权协议。当时华纳的表态是:艺术家和词曲作者将完全控制其作品是否、以及如何被用于AI生成音乐。紧接着,华纳又和另一家AI音乐公司Udio达成了类似的和解加授权协议。

    这套”先打后和”的操作,本质上是在AI浪潮里重新界定规则:我不阻止你用我的内容,但你得让我知道、让我同意、让我分到钱。

    对比一下同行:索尼音乐和环球音乐到现在还在向Suno提起大规模版权侵权索赔,没有和解的意思。华纳反而跑在了前面,先通过收购把归因技术握在手里,相当于在谈判桌上多了一张底牌。

    为什么是现在?

    生成式AI爆发之后,音乐版权的归属和补偿问题一直是一笔糊涂账。一首歌被喂进了多少个模型、生成的内容里有多少”借鉴”了原曲的风格和旋律——这些事以前查不清楚,现在Sureel说它能查清楚。

    Sureel创始人兼CEO Tamay Aykut的表态也值得玩味:”权利持有者有权了解AI如何与其作品互动,并公平分享AI创造的价值。Sureel的创立就是为了把这件事变成可能。”

    这句话翻译过来就是:AI用了你的作品,你得有知情权,还得有分成权。这其实是整个创意行业对AI浪潮的核心诉求——不是要阻止AI,而是要在这波技术变革里保住自己的利益。


    华纳这步棋下得挺准。归因技术一旦成为行业标准,谁握有最精准的归因数据,谁就在AI音乐价值链里占据了有利位置。对其他音乐公司来说,这恐怕是个不能忽视的信号。

  • 微软GitHub开源项目被植入恶意代码,AI开发者密码遭窃取

    使用Claude Code或Gemini命令行工具开发AI应用的程序员,这几天可能无意间把自家的账号密码送到了黑客手里。微软托管在GitHub上的一批开源项目被植入了恶意代码,任何在这些AI编程工具里调用了受影响组件的用户,密码和敏感凭证会在不知不觉中被传输出去。

    被盯上的是AI开发者最常用的工具链

    这次出事的项目大多和微软的Azure云服务有关,也包括一些AI开发者日常高频使用的工具,比如Claude Code的集成组件、Gemini的命令行接口,以及VS Code的相关扩展。安全公司Cloudsmith和开源恶意软件分析社区OpenSourceMalware最早发现了异常,他们的报告指出,恶意代码会在用户用AI编程应用打开受感染工具时触发,将密码和其他凭证悄悄发送到黑客控制的服务器。

    被GitHub禁用的仓库截图
    GitHub上被禁用的微软仓库页面 | 来源:TechCrunch

    目前还不清楚到底有多少开发者下载了受感染的工具版本。微软没有公布受影响用户的具体数字,只是说已经”暂时移除了一部分仓库,以调查潜在恶意内容”。至少70个微软旗下的项目在GitHub上显示”该仓库已被GitHub工作人员禁用,原因是违反了GitHub服务条款”。

    供应链攻击:低调但致命

    这种攻击方式有个专门的名字,叫”供应链攻击”。黑客不去直接攻破目标系统,而是去污染那些被广泛依赖的代码库——因为无数软件产品和开发者都在用这些开源组件,只要其中一个被攻破,恶意代码就能顺着依赖链传播到成千上万台机器上。

    开源项目的维护者往往是个人开发者,他们的安全防护能力有限。黑客会花数周时间混进开发者社区、赢得信任,然后找机会往代码里塞恶意内容。这次微软中招,说明连资源雄厚的大科技公司也并非高枕无忧。

    事实上,这已经是微软在短短几周内第二次发生开源项目被黑的事件。安全媒体Ars Technica的报道指出,今年5月中旬,微软的开源项目Durable Task(一个帮助开发者构建应用的工具)就曾经被植入过恶意代码。而这一次,OpenSourceMalware的分析认为,最新事件是Durable Task项目的”再次被攻破”——这意味着微软上次可能根本没有把黑客完全清理出去。

    AI开发者为什么成了靶心

    黑客盯上AI开发者,逻辑并不难理解。这个群体手里掌握的凭证,往往能直接访问云服务、生产环境、用户数据库。一个AI创业公司的开发者账号如果被攻破,后果可能比普通用户密码泄露严重得多。

    而且,AI开发者近年来越来越依赖开源组件来加速开发——从模型接口到数据处理工具,几乎每一步都能找到现成的开源方案。这种开发习惯,恰好给了供应链攻击最大的发挥空间。

    你该怎么自查

    • 如果你在过去两个月里用GitHub拉取过微软旗下的Azure或AI开发相关开源项目,建议立即更换相关账户的密码和API密钥
    • 检查CI/CD流水线里是否有使用受影响组件的版本,必要时回滚到官方确认的干净版本
    • 对敏感项目,考虑在隔离环境里做依赖项完整性校验,而不仅仅依赖版本号
    • 微软表示已直接通知了少数可能拉取了受感染内容的客户,留意你的邮箱或GitHub通知

  • Google把AI订阅打到5美元以下,价格战这次真的来了

    Google本周做了一件事,直接把美国市场的AI订阅价格底线往下拽了一大截。AI Plus月费从7.99美元砍到4.99美元,同时把附带的云存储从200GB翻倍到400GB。这件事看起来只是一次普通的降价促销,但放在整个AI行业的竞争格局里看,信号要强烈得多。

    价格战从印度烧到了美国

    事实上,这场价格战在过去一年里已经在印度等新兴市场打得不可开交。OpenAI去年8月在印度推出了ChatGPT Go,月费约4.6美元,而它在美国的标准Plus套餐是20美元,差距悬殊。Google同年12月在印度跟进了同样低于5美元的AI Plus套餐。两家公司在这里的逻辑很直接——用极低的价格先把用户圈进来,再想办法变现。

    现在,同一套逻辑被原封不动地搬到了美国本土。Google这次降价意味着,美国消费者第一次在本土市场上感受到了新兴市场价格战的渗透效应。而这很可能只是开始。

    Google AI Plus订阅界面
    Google AI Plus:月费降至4.99美元,存储翻倍 | 来源:TechCrunch

    为什么说这是AI基础设施商品化的开端

    Goodwater Capital联合创始人Chi-Hua Chien在接受TechCrunch采访时说了一段很有意思的话。他把现在的AI基础设施提供商——OpenAI、Anthropic这类公司——跟Web时代的基础设施公司做了个对比:微软、思科、甲骨文、北电、朗讯、Akamai、Equinix,这些公司曾经风光无限,但如今大多市值平平,有的甚至已经退出历史舞台。

    在每一轮大的技术变革里——从PC到Web再到移动端——基础设施玩家都会被快速商品化。终端用户根本不在乎自己的数据是不是跑在思科的网络设备上,他们只关心一件事:怎么用最便宜的价格把数据传出去。AI基础设施正在走同样的路。

    Chien的判断是:”迟早会来”的那个”迟早”,现在已经到了。Google打这套牌的底气在于它的结构性优势——垂直整合、庞大的分发渠道、把AI捆绑进既有产品线的能力。对一家已经有10亿级用户规模的公司来说,把AI订阅卖到5美元以下,账面上是亏是赚另说,先把竞争对手的定价空间彻底挤压掉,这笔账算得过来。

    Anthropic为什么还没有跟进

    在这轮价格战里,一个值得注意的缺席者是Anthropic。它没有在印度推出本地化定价,也没有在任何市场推出低价入门套餐。这和它的定位有关——Anthropic一直把自己包装成”更安全的AI”,目标客户偏企业端,对价格敏感度相对低一些。

    但问题在于,一旦Google和OpenAI把用户的心理价位锚定在5美元甚至更低,Anthropic还能撑多久不降价?尤其考虑到两家竞争对手都已经在秘密准备IPO,资本市场对增长率和用户规模的看重,会进一步倒逼它们在价格上出手更狠。

    这对普通人意味着什么

    • 短期内,AI订阅服务的性价比会持续提升,消费者是直接的受益者
    • 中长期看,只有具备垂直整合能力和庞大用户基数的大玩家,才能在这场价格战里活下来
    • 独立AI公司——那些没有母公司输血的——会面临越来越大的定价压力,并购或关门的概率在上升
    • 对开发者来说,API调用的价格大概率也会跟着往下走,应用层的创新会因此加速

  • 极简时尚封面美学社论肖像

    极简时尚封面美学社论肖像

    极简时尚封面美学社论肖像



    🤖 ChatGPT

    🇺🇸 English Prompt

    Minimal fashion cover aesthetic, editorial portrait, independent art project key visual. A model wearing an ivory-white minimalist one-piece resort coverall, restrained shoulder strap design, clean neckline, elongated tailoring without being overly tight, paired with a lightweight matching long sun-protection cardigan. Natural relaxed body lines, sculptural standing pose, summer seaside white wall background, strong backlight with glowing rim light, dewy skin highlights while keeping the overall look fresh and refined. Soft haze, gentle focus, low contrast, slight overexposure, spacious negative-space composition. Add a stylized “V” and cat graphic logo in the upper-left corner, signature “voxCAT” in the lower-right corner, clothing tag reads “VOXCAT”. Clean and clear image, restrained particles, natural accurate hands, correct finger count, normal proportions, clear joints, reasonable pose, stable overall details.

    🇨🇳 中文提示词

    极简时尚封面美学,社论肖像,独立艺术项目视觉。一位模特穿着象牙白色极简主义连体度假工作服,克制的肩带设计,干净的领口,修长的剪裁且不过于紧身,搭配轻便的同色系长款防晒开衫。自然放松的身体线条,雕塑般的站姿,夏季海滨白墙背景,强逆光并带有发光的边缘光,露水般的皮肤高光,同时保持整体外观清新精致。柔雾,柔焦,低对比度,轻微过曝,宽阔的留白构图。左上角添加风格化的“V”和猫形图案标志,右下角签名为“voxCAT”,服装吊牌显示为“VOXCAT”。干净清晰的图像,克制的颗粒感,自然准确的手部,正确的手指数量,正常比例,清晰的关节,合理的姿势,稳定的整体细节。
  • 咒术回战真人版首映礼写实摄影

    咒术回战真人版首映礼写实摄影

    咒术回战真人版首映礼写实摄影



    🤖 ChatGPT

    🇺🇸 English Prompt

    Ultra-realistic live-action anime adaptation premiere event, young celebrity perfectly cosplaying a Jujutsu Kaisen character, standing on a glamorous red carpet, luxury media event, professional photographers with flashing cameras, anime character poster in the background matching the cosplay, cinematic lighting, high-fashion editorial photography, detailed costume accuracy, natural skin texture, stylish hair styling, confident pose, celebrity aura, movie premiere atmosphere, Japanese entertainment industry event, shallow depth of field, bokeh lights, ultra-detailed face, realistic fabric textures, magazine cover quality, award-winning photography, photorealistic, 8K, masterpiece, DSLR shot, sharp focus.
    Gojo Satoru Version
    handsome young man as live-action Gojo Satoru, messy white hair, round blue-tinted sunglasses, black Tokyo Jujutsu High uniform, calm confident expression, standing before Gojo character artwork, blue eyes hidden behind glasses, charismatic presence, luxury anime premiere, cinematic flash photography, photorealistic, ultra detailed, 8K.
    Yuji Itadori Version
    young celebrity as Yuji Itadori, short pink hair, navy school uniform with red hood, warm smile, standing on red carpet at anime movie launch, energetic personality, photographers capturing the moment, anime poster backdrop, realistic fashion photography, cinematic lighting, ultra detailed, photorealistic.
    Megumi Fushiguro Version
    live-action Megumi Fushiguro cosplay, spiky black hair, dark navy high-collar uniform, signature hand sign pose, serious expression, dramatic anime event backdrop, camera flashes, premium editorial photography, realistic anime adaptation, ultra detailed, cinematic atmosphere, 8K.
    Toge Inumaki Version
    live-action Toge Inumaki cosplay, silver-white hair, high collar zipped to mouth, mysterious expression, subtle cursed speech markings, anime convention premiere event, photographers surrounding him, realistic costume details, luxury red carpet setting, cinematic flash lighting, photorealistic masterpiece, 8K.

    🇨🇳 中文提示词

    超写实真人动漫改编首映活动,年轻名人完美扮演《咒术回战》角色,站在华丽的红毯上,豪华媒体活动,带闪光灯的专业摄影师,背景中与角色扮演相匹配的动漫角色海报,电影感照明,高级时尚社论摄影,细节精细的服装准确性,自然皮肤纹理,时尚的发型设计,自信的姿势,名人气场,电影首映氛围,日本娱乐业活动,浅景深,虚化灯光,超精细面部,写实面料纹理,杂志封面质量,获奖摄影,照片级真实,8K,杰作,单反拍摄,清晰聚焦。
    五条悟版本
    英俊年轻人饰演真人版五条悟,凌乱白发,圆框蓝色遮光太阳镜,黑色东京都立咒术高等专门学校制服,冷静自信的表情,站在五条悟角色艺术品前,眼镜后隐藏着蓝色的眼睛,富有魅力的存在感,豪华动漫首映礼,电影感闪光灯摄影,照片级真实,超精细,8K。
    虎杖悠仁版本
    年轻名人饰演虎杖悠仁,短粉发,配有红色连帽的深蓝色校服,温暖的微笑,站在动漫电影发布会的红毯上,充满活力的个性,摄影师捕捉瞬间,动漫海报背景,写实时尚摄影,电影感照明,超精细,照片级真实。
    伏黑惠版本
    真人版伏黑惠角色扮演,带刺黑发,深蓝色高领制服,标志性手势姿势,严肃表情,戏剧性的动漫活动背景,相机闪光灯,优质社论摄影,写实动漫改编,超精细,电影氛围,8K。
    狗卷棘版本
    真人版狗卷棘角色扮演,银白色头发,拉链拉至嘴部的高领,神秘表情,微妙的咒言印记,动漫展首映活动,周围环绕着摄影师,写实的服装细节,豪华红毯场景,电影感闪光灯照明,照片级真实杰作,8K。