YOHO AI

标签：

  • Gemini个性化图像生成向美国用户免费开放，7.5亿人都在用

    谷歌这周一（6月29日）悄悄改了一条规则：Gemini 的个性化图像生成功能，现在对所有符合条件的美国用户免费开放。在此之前，这套由 Nano Banana 驱动的工具只给付费订阅用户使用。

    这件事看起来只是一次”降费”，但背后有点意思。个性化图像生成的意思是，Gemini 会参考它对你的了解——比如你平时在 Gmail、Google Photos、YouTube、搜索里的痕迹——然后直接生成”像你的”图片。你不用在提示词里写”我喜欢咖啡和烘焙”，只要说”画一张我和我喜欢的东西在一起”，它就知道该画什么。

    Gemini个性化AI图像生成
    Gemini 个性化图像生成功能现已向美国用户免费开放

    “个人智能”铺了三个月，终于到免费这一步

    这套功能的正式名字叫”个人智能”（Personal Intelligence），谷歌今年3月就向全美用户推开了，但图像生成这块一直锁给付费用户。4月的时候，谷歌先把这套能力开放给了印度和日本市场，现在终于回到美国本土，把图像生成这层墙也拆了。

    用起来其实挺直接的。Gemini 可以从你的 Google Photos 里直接拉取你的照片，所以不用手动上传参考图，它知道你长什么样。当然，这一切的前提是你主动打开了”个人智能”开关——这是个需要手动开启的功能，不是默认打开的。打开之后，它会在每次对话里默认启用，但你随时可以在工具菜单里关掉。

    谷歌在公告里说，Gemini 月度活跃用户已经突破7.5亿。这个数字让它稳住了”ChatGPT 之外第二大 AI 聊天工具”的位置。

    不止是图像生成

    图像生成免费只是这次更新的一部分。上个月，谷歌还给 Gemini 应用塞了一堆新东西：一个叫”每日简报”（Daily Brief）的功能、重新设计的界面、AI 视频模型 Gemini Omni 的接入权限，还有一个叫 Gemini Spark 的个人 AI 代理。

    把这些动作连起来看，谷歌的思路其实很清楚：它想把 Gemini 从”一个可以聊天的 AI”变成”一个真正了解你、能主动帮你的 AI 助手”。个性化图像生成是这块拼图里很小的一块，但它是让用户”感受到”AI 了解自己的那种功能——比单纯聊天要直观得多。

    目前这个功能只向美国用户开放。谷歌没有说其他市场什么时候能跟上，但考虑到印度和日本已经在4月用上了”个人智能”的其他功能，估计不会等太久。

  • Agent-Reach：给AI Agent一键装上互联网能力，44.1K+ Stars让Agent自由访问Twitter/Reddit/YouTube等10+平台

    Agent-Reach：给AI Agent一键装上互联网能力，44.1K+ Stars让Agent自由访问Twitter/Reddit/YouTube等10+平台

    🌐 Agent-Reach

    给 AI Agent 一键装上互联网能力
    零配置 · 全平台 · 完全免费

    Agent-Reach 是一个为 AI Agent 提供互联网访问能力的一站式脚手架工具。它让 Claude Code、OpenClaw、Cursor、Windsurf 等 AI 编程助手能够轻松读取 Twitter、Reddit、YouTube、GitHub、B站、小红书等平台的内容，无需任何 API 费用，所有功能完全免费。

    44.1K+
    GitHub Stars

    10+
    支持平台

    ¥0
    API 费用

    🤔 为什么需要 Agent-Reach？

    现在的 AI Agent 已经很强大了。Claude Code 能帮你重构整个项目，OpenClaw 能管理日常事务，Cursor 能在 IDE 里完成全栈开发。

    但有一件事它们始终做不好：去网上找点东西。

    ❌ 遇到的问题
    • “去 GitHub 找类似的开源项目”——认证配置卡半天
    • “去 Reddit 看看社区反馈”——403，匿名接口被封
    • “去推特搜产品评价”——Twitter API 要付费，最低档上百刀
    ✅ Agent-Reach 的方案
    • 一句话安装，Agent 全自动完成配置
    • 多后端冗余路由，某条路线失效自动切换
    • 完全免费，零 API 费用

    ⚙️ 安装要求和过程

    环境要求

    • Python：3.10 及以上版本
    • 适用环境：本地电脑、开发服务器、生产服务器均支持
    • OpenClaw 用户：需先开启 exec 权限（执行 openclaw config set tools.profile "coding" 并重启 Gateway）

    快速安装（推荐方式）

    不需要懂任何配置，只需要把这句话复制给你的 AI Agent：

    帮我安装 Agent Reach：https://raw.githubusercontent.com/Panniantong/agent-reach/main/docs/install.md

    剩下的事情 Agent 会自己完成——安装 CLI 工具、配置搜索引擎、检测环境、注册技能文档，甚至会问你要不要解锁更多平台。

    手动安装

    # 安装 Python 包
pip install agent-reach

# 执行安装脚本
agent-reach install --env=auto

    安装模式选项

    模式 参数 说明
    全自动（默认） --env=auto 自动检测环境并完成所有配置
    安全模式 --safe 仅列出所需依赖，不自动修改系统（适合生产服务器）
    预览模式 --dry-run 安装前预览所有操作，不实际执行

    ✨ 核心功能

    🎯

    零配置开箱即用

    默认激活 6 个零配置渠道（网页、YouTube、GitHub、RSS、全网搜索、V2EX），安装完成就能直接使用，无需任何额外设置。

    🔄

    多后端冗余路由

    每个平台都配置「首选 + 备选」多套接入方案，某条路线失效自动切换，用户无感知。2026 年 3 月一批单平台 CLI 集体停更，Agent-Reach 用户零操作，因为路由已经自动切好了。

    🩺

    内置诊断工具

    执行 agent-reach doctor 可一键检测所有渠道的可用状态、当前使用的后端，以及故障修复方案。排查问题再也不用瞎猜。

    🤖

    全 Agent 兼容

    支持 Claude Code、OpenClaw、Cursor、Windsurf、Codex、Aider 等所有支持命令行调用的 AI Agent，无需针对每个工具单独配置。

    🔒

    隐私安全 & 完全免费

    所有 Cookie、Token 仅本地存储，不上传任何第三方，代码完全开源可审计。所有依赖工具均为开源项目，所有 API 免费接入，无需支付任何 API 费用。

    📡 支持平台（10+）

    Tier 0 – 零配置即用
    • 网页：Jina Reader 解析任意网页，自动转 Markdown
    • YouTube：yt-dlp 提取字幕和视频搜索
    • GitHub：gh CLI 读取公开仓库、搜索、查看 Issue
    • RSS：feedparser 解析任意 RSS/Atom 源
    • 全网搜索：MCP 接入 Exa 语义搜索，免费无需 Key
    • V2EX：热门帖子、节点帖子、用户信息读取

    Tier 1 – 配置后解锁
    • Twitter/X：读推文 + 搜索 + 时间线（Cookie 认证）
    • Reddit：搜索 + 读帖子和评论（需登录态）
    • B站：搜索、视频详情、字幕获取
    • 小红书：搜索、内容阅读、评论查看
    • LinkedIn：公开页面、Profile、职位搜索
    • 雪球：股票行情、搜索、热门帖子

    🚀 典型使用场景

    📊

    场景一：全网技术调研

    你正在选型一个 LLM 框架，需要了解社区反馈和技术对比。只需对 Agent 说：

    “帮我全网调研一下最新的 LLM 框架对比，包括 GitHub 上的 Stars 数、Reddit 社区讨论、YouTube 评测视频内容”

    Agent 会自动调用 Exa 语义搜索（全网）、gh CLI（GitHub 数据）、yt-dlp（YouTube 字幕提取）、Reddit CLI（社区讨论），汇总成一份完整的调研报告。

    🐦

    场景二：社交媒体舆情分析

    你想了解某个开源项目在社交媒体上的评价。只需对 Agent 说：

    “帮我搜一下 Twitter 上关于 vLLM 的讨论，总结一下大家的主要观点”

    Agent 会自动调用 twitter-cli 搜索相关推文，提取内容并总结。如果需要，还可以结合 Reddit 和 B站 的讨论内容，获得更全面的舆情画像。

    📺

    场景三：视频内容总结

    你看到一个技术分享视频，但没时间看完。只需对 Agent 说：

    “这个 YouTube 视频讲了什么内容？帮我总结一下关键要点：https://youtube.com/watch?v=xxx”

    Agent 会自动调用 yt-dlp 提取视频字幕，然后调用 LLM 进行总结。支持多语言字幕，B站视频同样支持。

    💡 推荐理由

    Agent-Reach 解决了 AI Agent 最头疼的问题——如何低成本、高效率地获取互联网信息。

    它的核心价值不在于提供了什么新功能，而在于 把选型、配置、维护的脏活累活都替你做了。每个平台都有多套接入方案，某条路线失效自动切换，用户完全无感知。

    我特别喜欢它的 零配置设计——安装完成就能用 6 个平台，不需要查文档、不需要申请 API Key。对于需要登录态的平台，只需要对 Agent 说”帮我配 Twitter”，Agent 会自动引导完成配置，不需要手动处理 Cookie。

    完全免费也是一大亮点。所有依赖工具都是开源项目，搜索引擎等能力免费接入，不需要支付任何 API 费用。相比 Twitter API 上百美元的月费，Agent-Reach 真的是良心之作。

    🩺 内置诊断工具

    安装完成后，执行以下命令可以一键检测所有渠道的可用状态： 

    agent-reach doctor

    该命令会输出：

    • 每个渠道的可用状态（✅ 可用 / ❌ 不可用）
    • 当前使用的后端路由
    • 如果不可用，给出故障修复方案

    🔄 更新与卸载

    更新方法

    已安装的用户直接给 Agent 发送指令即可完成更新：

    帮我更新 Agent Reach：https://raw.githubusercontent.com/Panniantong/agent-reach/main/docs/update.md

    卸载方法

    • 完整卸载：agent-reach uninstall
    • 保留配置：agent-reach uninstall --keep-config
    • 预览卸载：agent-reach uninstall --dry-run
    • Python 包卸载：pip uninstall agent-reach

    📥 下载地址

    许可证：MIT License（商业友好，可自由使用、修改和分发）

  • Cursor推出移动端APP，编程智能体装进了口袋

    Cursor被SpaceX以600亿美元收购的消息才过去没几天，这家公司又有了新的动作。这次不是融资，不是被收购的细节，而是推出了一款移动端APP。

    周一，Cursor正式发布了Cursor Mobile。顾名思义，这是一款让你直接在手机上跟编程智能体对话的APP。你在手机上发一条指令，远端的编程智能体就开始干活，进度实时同步。那些原来在桌面端发起的任务，现在也能在手机上继续跟进。

    Cursor移动端APP概念图
    Cursor推出移动端APP，编程智能体装进口袋

    写代码的地点，从显示器前变成了手机屏幕

    这个变化比它看起来要大。过去程序员写代码，离不开双显示器、机械键盘、安静的环境。现在，AI编程工具正在把”写代码”这件事，从”坐在电脑前敲键盘”变成”在手机上跟智能体对话，然后审批结果”。

    Anthropic的Claude Code负责人Boris Cherny在最近的一次分享里说了一句挺有意思的话：”我现在大部分编程都是在手机上完成的。”他还补了一句：”如果六个月前你跟我这么说，我肯定会说你疯了。”

    这句话现在听起来不那么疯了。Cursor Mobile的发布，就是这个趋势的最新注脚。

    Anthropic Claude Code负责人Boris Cherny：”我现在大部分编程都是在手机上完成的。如果六个月前你跟我这么说，我肯定会说你疯了。”

    Cursor 2.0之后的自然延伸

    Cursor Mobile不是凭空冒出来的。去年10月Cursor发布2.0版本的时候，核心变化就是把产品方向从”编辑器里的AI辅助”转向了”独立的编程智能体”。当时这个变化就很明确：Cursor不再只是帮你补全代码的编辑器插件，而是一个能独立执行编程任务的AI系统。

    一旦编程智能体可以独立工作，桌面端就不再是你唯一能跟它交互的地方。你的手机也能做这件事——只要能联网，就能发起任务、查看进度、给智能体新的指令。

    这个逻辑跟Anthropic和OpenAI推出移动端AI编程工具是同一个方向。大家都在做同一件事：把编程智能体的交互界面，从桌面解绑。

    SpaceX收购之后，Cursor还在加速

    Cursor被SpaceX收购的消息在6月16日传出，收购价600亿美元，全部以股票支付。这笔收购创下了一系列纪录：它是AI编程工具赛道迄今为止最大的一笔收购，也是SpaceX在IPO之后的第一笔重大收购。

    但Cursor似乎没有被收购这件事拖慢节奏。移动端APP按时推出，说明这家公司在交易敲定的同时，产品节奏一点没松。SpaceX买下Cursor，看中的大概就是这支能打的产品团队——而不是让他们停下来。

    从更大的视角看，AI编程工具正在经历一个深刻的转变：代码的”生产场所”从程序员的头脑和手指，转移到了AI智能体的运行环境里。人类程序员的工作，越来越像是一个”智能体管理者”——定义任务、审批结果、处理例外。

    这个转变一旦完成，编程的”场所”就真的不重要了。在咖啡馆、在地铁上、在会议间隙，掏出手机就能推进一个编程任务。这可能就是Cursor Mobile想抓住的未来。

  • 给AI模型排座次的Arena，只用了8个月就跑出了1亿美元营收

    从伯克利走廊到1亿美元营收

    如果你最近在关注AI大模型，大概率见过那个叫Arena的排行榜——让两个匿名模型PK，用户投票决定谁更强。这个几乎被所有人引用的AI排行榜，现在不只是学术项目了。

    Arena在2023年起源于UC Berkeley的一个研究项目，靠着超过1000万次用户评估，攒出了业内最受关注的AI模型性能排行榜。但很多人不知道的是，这家公司现在已经是个年营收运转率1亿美元的生意了。

    从去年9月推出商业服务算起，只用了8个月。

    Arena AI排行榜平台概念图
    Arena AI排行榜已成为行业标杆

    “大家还以为我们是开源项目”

    Arena的CEO Anastasios Angelopoulos说了一句话挺有意思：”很多人甚至不知道我们在赚钱，大家还是把我们当开源项目看。”

    这话不假。直到今天，Arena的AI模型排行榜对公众依然是免费的，真正买单的是那些需要深度性能分析的模型厂商和企业客户。去年9月，Arena推出了”AI Evaluations”服务，面向模型实验室和企业提供从社区收集的深度性能分析。

    Arena的联合创始人兼CEO Anastasios Angelopoulos：”很多人甚至不知道我们在赚钱，大家还是当我们是开源项目看。”

    这个服务的增长速度快得离谱。今年1月Arena完成1.5亿美元A轮融资、估值17亿美元的时候，年化营收才3000万美元；现在，仅仅5个月后，已经跑到了1亿美元。

    不过Angelopoulos也澄清了一件事：Arena说的”ARR”其实不是真正意义上会重复的收入，因为他们是按”消耗量”收费的，不是订阅制。这在这个年头的AI创业公司里倒也不稀奇——不少公司为了把数字做好看，会把所有能年化的值都叫ARR。

    抢的是人工标注公司的饭碗

    Arena的竞争对手不是另一个排行榜。Angelopoulos说，他们抢的是和Mercor、Surge、Scale AI这些人工标注公司”同一笔预算”。

    这些公司的业务是在模型后训练阶段帮AI公司做人工精调，而Arena的思路是用大规模用户评估来替代部分人工标注。这个赛道现在热得发烫：

    • Mercor的年化营收今年早些时候已经突破了10亿美元，比去年9月的5亿翻了一倍
    • Handshake的AI训练相关业务年化营收从1月的5.5亿涨到了近10亿
    • AI公司对后训练优化服务的需求还在持续飙升

    Arena的排行榜覆盖了文本、编程、视觉、图像生成，以及最近推出的Agent Mode——评估模型在复杂长流程任务里的表现。但对模型厂商来说，Arena的价值不止是排行榜本身：在这个平台上，他们能拿到早期用户对新模型的反馈，有时候甚至能在模型正式发布前就拿到外部评估数据。

    Databricks联合创始人坐镇

    这家公司的创始团队也挺能打。除了CEO Angelopoulos和CTO Wei-Lin Chiang（两人都是UC Berkeley的博士后），还有一位联合创始人是Ion Stoica——就是那个Databricks的联合创始人、UC Berkeley的著名教授。Stoica在2025年4月Arena正式注册为公司之前，一直以顾问身份参与项目。

    目前Arena总共融了2.5亿美元，投资方包括Felicis、a16z、Kleiner Perkins、Lightspeed等。考虑到现在AI基础设施和评估工具的需求还在疯涨，这个数字可能还会继续往上走。

  • 加州和Anthropic握手：Claude半价进入政府机构，五角大楼看了沉默

    当五角大楼把Anthropic列为”供应链风险”的时候，加州州长Newsom正在和这家公司签一份完全不同的合同。这一幕发生在2026年6月29日——Anthropic和加州政府达成协议，所有州政府和地方政府机构都可以半价使用Claude。

    半价Claude，加州政府先试水

    根据加州州长办公室发布的新闻稿，这份协议允许加州所有州政府机构以及地方政府使用Anthropic的AI聊天机器人Claude，同时还包括来自Anthropic的培训和技术支持。州政府员工可以用Claude来起草文档、总结信息、分析数据——基本上就是让日常政务处理快一点。

    Newsom自己对这件事的说法是：”AI不应该取代政府的人力工作，它应该帮我们的员工更快地处理问题、更有效地解决问题，给加州人更好的结果。”这话听起来很California——技术要用来赋能，不是用来替代。

    Anthropic与加州政府合作概念图
    Anthropic Claude与加州政府达成半价合作协议 | 图片来源：AI生成

    联邦和加州的AI路线，已经分道扬镳

    这份协议背后有个更大的背景。2026年3月，Newsom签署了一项行政命令，要求在政府中使用AI来提升效率，但同时维持更严格的安全标准。这个方向和联邦政府——尤其是特朗普政府——的AI政策形成了鲜明对比。

    Newsom当时说的话挺直接：”当华盛顿的人在暗处制定政策和合同的时候，我们专注于把这件事做对。”这里的”华盛顿的人”指的显然是特朗普政府和五角大楼。

    “当其他人还在暗处琢磨的时候，我们专注于用正确的方式做这件事。”——加州州长Newsom，2026年3月

    五角大楼的恩怨，加州选择了忽略

    要理解这份协议的分量，得回顾一下Anthropic和五角大楼的恩怨。2026年初，美国国防部想和Anthropic签合同，允许政府部署Claude用于”任何合法用途”。Anthropic想加一条保护条款——防止政府用它的技术监控美国公民，或者在没有人监督的情况下部署自主武器。国防部长Pete Hegseth拒绝了。结果五角大楼转头就和OpenAI签了合同，还进一步把Anthropic正式列为”供应链风险”，禁止它和其他五角大楼承包商合作。

    按理说，有了这个”供应链风险”的帽子，加州的CIO办公室在和Anthropic谈判的时候应该会有所顾虑。但加州CIO兼技术部主任Chris Given告诉POLITICO，这个”供应链风险”的认定在谈判中”根本没出现”。

    这话的意思很明白：加州不认五角大楼的那套逻辑。

    政府AI最大的问题不是技术，是账单

    选在这个时间点签协议，还有一个很现实的原因：企业正在被AI工具的企业订阅费用压得喘不过气。Claude的企业版价格并不便宜，半价对于现金流紧张的政府机构来说，是个不小的诱惑。

    加州的这个动作，也是美国第一个州级政府大规模采用AI聊天机器人的案例。其他州——尤其是那些和加州一样对AI监管比较积极的蓝州——会不会跟进，接下来几个月就能看到。

    从更大的格局看，这件事凸显了美国联邦和州层面在AI治理上的分裂。华盛顿在松绑，加州在设红线——两家最大的AI公司（OpenAI和Anthropic）分别站在了两边。接下来两年，这种分裂只会越来越明显。

  • 韩国押注AI未来：三星SK海力士豪砸5500亿美元，要向RAMageddon宣战

    这段时间AI圈里有个词出现的频率越来越高——”RAMageddon”。说的是AI建设狂潮把内存芯片消耗光了，全球陷入内存短缺。受益的是三星、SK海力士这些内存巨头，但它们自己的产能也快到顶了。

    5500亿美元，韩国押上全部筹码

    6月29日，韩国总统李在明在总统简报会上抛出一颗重磅炸弹：三星和SK海力士计划投入5180亿美元（约800万亿韩元），在韩国西南部新建四座内存芯片工厂。同时还有520亿美元用于在中部地区建设HBM（高带宽内存）封装中心。再加上韩国科技和能源巨头（SK、GS、Naver等）承诺到2035年投入3560亿美元建设AI数据中心。

    加起来，韩国科技公司已经承诺在AI及其所需芯片上投入超过9000亿美元。这不是一笔小数目——作为对比，美国科技巨头（Alphabet、亚马逊、Meta、微软）今年在AI基础设施上的总开支”只有”6500亿美元。

    韩国AI半导体投资概念图
    韩国AI半导体投资计划概念图 | 图片来源：AI生成

    “三轴”战略，西南崛起

    李在明在电视讲话中把2026年定义为韩国必须确立自己”不可替代”工业强国地位的一年。他的原话是：”半导体、实体AI和AI数据中心是韩国下一个工业时代的三轴。”

    这句话的潜台词很直接：现有芯片设施——龙仁和平泽（首尔以南的韩国半导体带核心）——已经到达极限。他敦促企业加速向西南部投资，把AI财富扩散到首都以外。光州（距首尔约300公里）和海南（半岛最南端）成了新的幸运城市。

    “我们必须提前确保压倒性的产能。”李在明说。他还否认了媒体关于政府向企业施压的报道，说自己只是给企业创造”能投资且不亏损、前景更好的环境”。

    三星和SK的具体账单

    三星单独发布新闻稿，宣布未来十年投资26.55万亿韩元（约1.7万亿美元）。其中425万亿韩元指定用于湖南地区（朝鲜半岛西南角）。电力、水资源、劳动力和生活条件的预期激励措施，是在光州选新芯片厂、在海南建AI数据中心的关键原因。

    SK集团公布了2100万亿韩元（约1.4万亿美元）的中长期投资路线图。1100万亿韩元用于扩大半导体产能，1000万亿韩元用于全国AI数据中心。SK海力士是集团核心半导体子公司，处于芯片扩张push的中心；SK电讯将领导全国15GW AI数据中心容量的建设。

    野心能不能落地，得打个问号

    半导体和AI这类深科技产业不会按照政治甚至客户需求的节奏走。晶圆厂需要数年才能建成，风险在于等它们建好时，引发需求的那股热潮已经退去，留下企业面对产能过剩和价格崩盘。

    2000年代初的内存芯片周期就是前车之鉴——产能扩张到位时，需求已经降温，价格崩盘，三星等公司亏得一塌糊涂。当然，那一轮洗牌之后，活下来的三星反而把市场份额吃掉了更多。

    眼下，全球AI芯片供应链——尤其是那些渴求HBM内存的公司（Nvidia、AMD、Google TPU团队）——会密切关注韩国能不能把这个计划真正兑现。这笔赌注太大，韩国输不起。

  • 谷歌一周丢了两位AI大牛，诺奖得主也去了Anthropic

    AI人才大战：谷歌顶级人才流向OpenAI和Anthropic
    AI人才大战：顶级研究者的流动方向，正在重塑整个行业的格局

    北京时间6月20日，一条消息在AI圈炸开了：AlphaFold核心领导者、2024年诺贝尔化学奖得主John Jumper正式宣布，结束在Google DeepMind近9年的职业生涯，加入AI初创公司Anthropic。两天前，Transformer架构八人核心成员之一的Noam Shazeer，也从谷歌离职加入了OpenAI。

    一周之内，谷歌丢了两位重量级AI大牛。而且这还不是第一次。

    Jumper的离开，DeepMind失去了什么

    Jumper这个人，在结构生物学和AI交叉的领域里，基本是天花板级别的存在。2017年博士毕业即加入DeepMind，入职半年就牵头AlphaFold项目，带着团队完成三代模型迭代，把困扰结构生物学数十年的蛋白质折叠难题给解了。

    2024年10月，他和DeepMind创始人Demis Hassabis一起站上诺贝尔化学奖的领奖台。近九年时间，AlphaFold数据库累计释放了超过2亿种蛋白质预测结构，向全球190个国家的200多万科研人员免费开放。

    Hassabis的回应很体面：”感谢John过去九年的非凡合作。”但业界都看得到，DeepMind失去了AI生物赛道最核心的技术领军者。有网友在Jumper的离职宣言下面问：为什么总是谷歌在失去最优秀的人？

    Shazeer出走，大模型底层架构的奠基人也走了

    跟Jumper前后脚离开的Noam Shazeer，分量一点不轻。2017年，他作为八人核心团队成员发布《Attention Is All You Need》，提出了Transformer架构——整个大语言模型时代底层的那块基石。

    2024年，谷歌花了27亿美元买下Character.AI的模型授权，把Shazeer重新纳入Google DeepMind，让他担任Gemini大模型联席技术负责人。结果只待了两年，又走了，这次去向是OpenAI，专职做底层架构的前沿探索。

    这两位先后出走，不是孤立事件。SignalFire的统计数据显示，DeepMind人才流向Anthropic和反向回流的比例，是10.8比1——人才流动是单向的，而且倾斜得很厉害。

    Anthropic加码AI+生物，路线碰撞开始了

    Jumper选择Anthropic，不是随便挑了一家初创公司。2025年，Anthropic推出了AI for Science程序，给高影响力的生物研究提供免费API额度，重点支持药物发现和遗传数据分析。同年还设立了医疗健康与生命科学独立部门，单独配预算、算力和招聘通道。

    2026年4月，Anthropic用大约4亿美元的全股票交易收购了Coefficient Bio，把它整合进”Claude for Life Sciences”。现在Jumper带着三代AlphaFold的全部技术经验和诺奖背书加入，Anthropic在AI生物计算这个方向上的押注已经非常明确了。

    • 此前Anthropic的核心聚焦在通用大模型Claude系列和AI对齐安全研究
    • Jumper的加盟意味着公司开始全面加码AI生物计算，这跟DeepMind的AlphaFold路线正面碰撞
    • AI+生物被普遍认为是继语言、视觉之后，AI最有可能产生颠覆性商业和社会价值的领域

    硅谷的人才流动像一场高频迭代的实验：大厂提供平台和资源，初创公司注入速度和愿景。Jumper和Shazeer的离职提醒整个行业，技术突破归根结底靠人，而留住顶尖人才，需要的不只是高薪。

    未来几年，跨学科人才、专有数据集和伦理治理，会成为AI公司之间最核心的竞争力。这场人才战争，可能比芯片战争更决定胜负。

  • OpenAI拿出第一块自研芯片，9个月干完同行两年的活

    OpenAI与博通联合发布首款自研AI推理芯片Jalapeño
    OpenAI与博通联合发布首款自研AI推理芯片Jalapeño（图片来源：OpenAI官网）

    美东时间2026年6月24日，OpenAI和博通站在一起，揭开了业界等待已久的第一款自研AI推理芯片——Jalapeño（哈拉贝诺辣椒）。这块芯片不只是OpenAI从”纯模型公司”向”全栈AI基础设施提供商”转型的里程碑，更意味着AI芯片市场的格局要被重写一次。

    9个月流片，AI公司造芯片的新速度

    设计一块ASIC芯片，行业常规操作是花1.5到2年。Jalapeño从初始设计到制造流片，只用了9个月。OpenAI硬件主管Richard Ho说，关键是深度软硬件协同开发——OpenAI拿自己的前沿模型去辅助架构探索、功耗仿真和强化学习优化，博通则提供了硅实现的能力。

    OpenAI总裁Greg Brockman的说法更直白：”我们利用服务于用户的前沿模型，来优化运行未来模型的基础设施。”在实验室里，Jalapeño的工程样品已经以目标频率和功耗成功跑起了GPT-5.3-Codex-Spark这类复杂的强化学习任务。早期测试下来，每瓦性能”明显好于当前最先进的AI加速器”。

    Jalapeño不是通用GPU，它是一块ASIC——围绕OpenAI对大语言模型推理工作负载的深度理解，从零开始架构建出来的。架构的核心思路是减少数据移动，平衡计算、内存和网络的资源分配，让实际利用率尽量接近理论峰值。

    推理成本砍半，千兆瓦部署计划

    OpenAI官方的新闻稿在成本这件事上措辞谨慎，只说了”每瓦性能大幅优于当前最先进水平”，没给具体数字。但彭博社引述博通CEO陈福阳的说法是：相较当前主流AI GPU，Jalapeño能省大约50%的推理成本。

    每天处理数亿次API调用和ChatGPT请求，推理成本每降一点，对OpenAI的盈利模型都是实打实的影响。按这个逻辑，50%的降幅不是小事。

    陈福阳还透露，Jalapeño今年就开始跟微软和其他合作伙伴一起，部署到千兆瓦级的数据中心。他特别提到，这只是”多代路线图的起点”，OpenAI和博通的目标是一起建设吉瓦（gigawatt）级的算力集群。换句话说，如果供货跟得上，OpenAI有可能把这套硬件卖给第三方。

    “去英伟达化”加速，全栈竞争白热化

    这件事最直观的信号是：科技巨头集体挑战英伟达的步伐又加快了。谷歌的TPU已经商用多代，微软的Maia在推进，亚马逊的Trainium在迭代，现在OpenAI正式入局——定制AI加速器的阵营前所未有地壮大。

    但OpenAI并不是要彻底甩掉英伟达。Brockman自己说过，”我们根本无法足够快地获得算力”。现在OpenAI同时在向英伟达、AWS、AMD和Cerebras多方采购芯片，Jalapeño是对爆炸性算力需求的结构性补充，不是替代方案。

    • Jalapeño是一个多代计算平台的第一步，初始部署计划在2026年底前完成
    • 平台将OpenAI设计的加速器、博通的芯片实现和网络技术、Celestream的电路板/机架技术整合在一起
    • AI辅助设计AI芯片，从概念走向量产，这个循环一旦跑通，芯片研发的速度基准会被重新定义

    Jalapeño的亮相，标志着AI产业的竞争维度发生了根本性跃迁——从单一的模型能力比拼，升级为”模型+芯片+系统+网络”的全栈基础设施竞赛。当OpenAI从GPT的开发者变成Jalapeño的设计者，这场芯片战争才刚刚拉开序幕。

  • OpenClaw：380K+ Stars 的个人AI助手，任意系统任意平台，让AI真正成为你的数字管家

    OpenClaw：380K+ Stars 的个人AI助手，任意系统任意平台，让AI真正成为你的数字管家

    🦞 OpenClaw — 你的个人AI助手，任意系统任意平台

    OpenClaw 是一款可部署在个人设备上的本地AI助手，支持你常用的通讯渠道交互，可在 macOS/iOS/Android 上语音交互，还能渲染可交互的实时 Canvas 界面。其定位是「个人单用户专属助手」，主打本地化、响应快、随时在线的体验。

    📊 项目数据

    380K+
    GitHub Stars
    79K+
    Forks
    62K+
    Commits
    20+
    支持平台

    🚀 核心功能

    🏠 本地优先网关

    统一管理会话、渠道、工具、事件的控制平面。所有数据存储在本地，无需上传云端，保障隐私安全。

    📱 多渠道收件箱

    支持 20+ 主流通讯渠道接入，包括 WhatsApp、Telegram、Discord、Slack、Signal、iMessage 等。你可以在任意渠道直接和 AI 助手对话。

    🤖 多智能体路由

    可将不同渠道/账号/用户的请求路由到独立智能体，实现工作区、会话隔离。不同场景使用不同的 AI 助手配置。

    🎙️ 语音交互

    macOS/iOS 支持语音唤醒，Android 支持连续语音交互。支持 ElevenLabs 语音 + 系统 TTS 兜底，让 AI 助手能「说话」。

    🎨 实时 Canvas

    智能体驱动的视觉工作区，支持 A2UI（Agent-to-UI）交互。AI 可以生成可交互的界面，让你实时预览结果。

    🔧 原生工具集

    内置浏览器、Canvas、节点、定时任务、会话、Discord/Slack 操作等工具。支持 Docker 沙箱隔离，保障系统安全。

    💻 安装要求和过程

    环境要求

    • Node.js：推荐使用 Node 24，最低支持 Node 22.19+
    • 包管理器：支持 npm、pnpm、bun
    • 操作系统：macOS、Windows、Linux、iOS、Android 均支持

    快速安装

    # 1. 全局安装 OpenClaw
npm install -g openclaw@latest

# 2. 运行引导式设置（自动安装网关守护进程）
openclaw onboard --install-daemon

# 3. 验证运行状态
openclaw gateway status

    快速启动（调试模式）

    # 停止守护进程
openclaw gateway stop

# 前台运行调试
openclaw gateway --port 18789 --verbose

    使用和 AI 助手对话

    # 和助手对话
openclaw agent --message "帮我整理桌面文件" --thinking high

# 发送消息到渠道
openclaw message send --target +1234567890 --message "Hello from OpenClaw"

    🎯 典型使用场景

    场景一：多平台消息聚合助手

    将 WhatsApp、Telegram、Discord、Slack 等所有消息渠道接入 OpenClaw，让 AI 助手统一处理。你可以直接在任意渠道里和 AI 对话，让它执行代码、管理文件、控制设备。

    # 示例：让 AI 整理消息
You: "帮我总结今天所有渠道的重要消息"
OpenClaw: 扫描 WhatsApp/Telegram/Discord → 提取关键信息 → 生成摘要

    场景二：语音控制的个人 AI 助手

    在 macOS/iOS/Android 上，通过语音唤醒 OpenClaw，让它帮你完成任务。比如：「帮我整理桌面上的截图，按日期分类」、「提醒我明天下午 3 点开会」。

    # 语音交互示例（macOS）
# 按下快捷键唤醒 → 说话 → OpenClaw 执行任务
"帮我查看今天的日程"
"把桌面上的 PDF 文件移动到文档文件夹"

    场景三：AI 智能体开发平台

    OpenClaw 提供完整的智能体开发框架，支持从 ClawHub 技能市场安装自定义技能。你可以为 OpenClaw 开发专属技能，让它具备特定领域的能力。

    # 安装技能示例
# 从 ClawHub 市场安装技能
openclaw skills install <skill-name>

    💡 推荐理由

    为什么推荐 OpenClaw？

    • 🌟 超级热门：380K+ Stars，本月 GitHub Trending 榜首，AI Agent 领域最受关注的项目
    • 🏠 本地优先：所有数据存储在本地，隐私安全有保障，无需担心数据泄露
    • 📱 多平台支持：支持 macOS/Windows/Linux/iOS/Android，真正的跨平台 AI 助手
    • 🔌 多渠道接入：支持 20+ 主流通讯渠道，可以在你最常用的平台上使用 AI 助手
    • 🎨 实时 Canvas：创新的 A2UI 交互方式，让 AI 生成可交互界面，体验极佳
    • 🔧 高度可扩展：支持从 ClawHub 市场安装技能，支持自定义工具开发
    • 🛡️ 安全沙箱：非主会话默认运行在 Docker 沙箱中，避免恶意操作

    如果你正在寻找一个真正属于自己的 AI 助手，OpenClaw 是目前最好的选择。它不仅仅是一个聊天工具，更是一个可以帮你完成实际任务的智能助手。

    📦 下载地址

    官方链接

    📝 总结

    OpenClaw 是一款革命性的个人 AI 助手，它让 AI 真正走进了我们的日常生活。通过支持多平台、多渠道、多智能体，OpenClaw 实现了「Any OS, Any Platform」的愿景。

    380K+ Stars 的成绩证明了它的价值。如果你想要一个真正属于自己的 AI 助手，不妨试试 OpenClaw，让它成为你的「数字管家」！

    — 更新于 2026年6月30日

  • TIDAL对AI音乐下手了：完全由AI生成的歌，一分钱也别想赚

    流媒体平台TIDAL本周宣布了一项新政策：完全由AI生成的音乐，将在平台上被禁止变现。换句话说，如果你的一首歌100%是AI写的、AI唱的，那它在TIDAL上能上线，但别想从中赚到一分钱。

    TIDAL AI音乐检测
    TIDAL的新政策要求标识AI生成音乐并禁止其变现 | 图片来源：AI生成

    这项政策将于2026年7月15日正式生效。TIDAL的执行副总裁兼主编Tony Gervino在公告里写得很清楚：”我们承诺保护和奖励有机创造力，避免损害艺术家与TIDAL订阅者建立和扩大粉丝群体的能力。很多人告诉我们，他们不想接触——或者被推荐——完全由AI生成的音乐。”

    具体怎么执行？

    根据TIDAL的说明，完全AI生成的曲目将被标识出来，在平台显示”AI”标记。这些曲目将无法：

    • 参与任何变现计划（不能赚版税）
    • 进行直接面向粉丝的销售
    • 获得平台的推荐权重

    此外，TIDAL还会使用自动化工具，移除那些试图冒充真人艺术家的AI生成音乐。也就是说，如果你用AI生成了一首”假Taylor Swift”的歌，TIDAL会主动把它删掉。

    “无论你在别处读到什么，AI接管音乐产业（和你的推荐列表）并不是不可避免的，只要我们现在采取更有力的措施来监控和控制它。”
    —— Tony Gervino，TIDAL执行副总裁兼主编

    其他平台也在行动

    TIDAL并不是第一个对AI音乐出手的平台。事实上，这场”AI音乐监管战”已经打了快两年了：

    • Spotify：去年更新了政策，要求标识AI音乐，同时加强垃圾内容过滤
    • Apple Music：今年3月宣布将为AI音乐添加透明标签
    • Deezer：态度最强硬，主动把AI曲目从推荐列表中移除，并不让其进入编辑精选歌单。Deezer还说过，平台上每天新增的音乐里有44%是AI生成的
    • Qobuz：也推出了类似的AI内容识别政策

    44%的新歌是AI生成的？

    Deezer今年4月公布的数据让人有点震惊：他们平台上每天上传的新歌里，有44%是AI生成的。这意味着，如果你随机打开一个音乐流媒体平台，你听到的歌，可能快有一半跟人类创作没什么关系。

    这个比例为什么这么高？原因很简单——AI音乐生成工具（比如Suno、Udio）已经足够好用了，一个人可以在几分钟内生成几十首风格各异的歌，然后批量上传到所有流媒体平台，指望碰上一两首能跑量的。这种”AI音乐垃圾邮件”式的做法，正是各家平台想要遏制的。

    TIDAL的新政策里有一个关键点：他们强调这不是要”打压技术进步”，而是要把”有机创作”和”AI生成”区分开来。用AI辅助创作（比如在作曲时用AI生成灵感、或者用AI做母带处理）应该是被允许的，但完全由AI端到端生成的音乐，不应该和人类创作的音乐在同一个变现体系里竞争。

    这个界限在哪里，执行起来可能会很有挑战性。一首歌里有多少比例是AI生成的，才算”完全AI生成”？这个问题，TIDAL可能需要在实际执行中不断调整标准。这也是为什么他们把这项政策称为”living document”——会随着行业发展而更新。