标签: AI技术

  • 谷歌又甩出一颗“轻量香蕉”:4秒出图,单张成本压到3分钱

    谷歌这两天悄悄把 Nano Banana 家族里最便宜的一颗“香蕉”推到了台前。名字叫 Nano Banana 2 Lite,6月30号上线,主打就两个字:快、便宜。

    它到底有多快多便宜?官方说法是,生成一张图大约4秒钟,单张1K分辨率的图像成本只要0.034美元——算下来一千张图才34美元。对于要做广告素材、电商图、A/B测试这种需要批量生产的活儿,这个价格和速度确实挺诱人。谷歌把它定位成“高吞吐工作流”的首选,专门给那些要一口气甩出成百上千张图的人用。

    从“香蕉”到“香蕉 Lite”,谷歌在搭一个三层货架

    其实 Nano Banana 这条产品线已经迭代好几轮了。最早的 Nano Banana 去年夏天跟着 Gemini 3.1 Flash 一起出来;今年2月又发了 Nano Banana 2,图像更真实;现在再加上一颗 Lite,还有一颗更贵更强的 Pro 专门给专业场景。谷歌现在明摆着是搭了个三层货架:Lite 管速度和成本,2 是“全能主力”,Pro 管精度和4K画质。

    顺带一提,初代 Nano Banana 已经被谷歌自己划进了“legacy(旧版)”行列,官方建议还在用的人直接换成 Lite。这种产品线的重新分类,平时没人注意,但对每一个要付账单的开发者来说,差别可大了。

    和 Lite 同一天来的还有个 Gemini Omni Flash,做视频的,0.1美元一秒。谷歌的算盘很清楚:你先用 Lite 飞快出图,再丢给 Omni Flash 把静态图变成能继续改的视频,一条图像到视频的流水线就串起来了。

    背后是一场和字节的价格肉搏

    别看谷歌发得低调,这步棋直接冲着字节跳动去的。第三方数据一对比就明白:字节的 Seedream 5.0 Lite 单张大概0.035美元、出图要45秒出头;Lite 这边0.034美元、4秒出图。单张差那一美分可以忽略,可一旦调用量上去了,延迟和成本会被成倍放大。文生图这个赛道,价格战是真的打响了。

    有意思的是,尽管外界对“AI 垃圾图”(AI slop)的吐槽没停过,大厂往图像和视频生成里砸的钱一点没少。谷歌特别爱把自家的模型包装成“帮你做广告”的顺手工具。


    谷歌 Nano Banana 2 Lite 图像模型
    谷歌新发布的 Nano Banana 2 Lite 图像生成模型(图源:TechCrunch)

    不过这里头有个拧巴的地方。就在这颗 Lite 上线的同时,谷歌刚跟独立电影厂牌 A24 签了7500万美元的合作,粉丝那边已经骂声一片。好莱坞和 AI 公司的关系越来越紧,创作者社区和普通观众的不安也在跟着涨。

    • 对开发者:4秒出图+极低单价,适合做素材工厂和实时预览
    • 对竞争对手:直接贴着字节 Seedream 打,价格战进入肉搏阶段
    • 对普通人:AI 生图会更便宜,但“AI 味”的内容也会更泛滥
  • Cloudflare 要给 AI 爬虫立规矩:9 月 15 日起,混着用的默认挡掉

    Cloudflare CEO Matthew Prince
    Cloudflare 联合创始人兼 CEO Matthew Prince(图源:TechCrunch)

    互联网上跑的流量,第一次有一半以上不是人。Cloudflare CEO Matthew Prince 抛出这句话时,顺手给整个 AI 行业下了道最后通牒:从 2026 年 9 月 15 日起,凡是把「搜索、智能体、训练」搅在一起抓取的爬虫,在挂了广告的页面上默认挡掉,除非站长自己改设置。

    简单说,以前一个 Googlebot 既帮你做搜索收录,又顺手把内容喂给 Gemini 训练,以后这招在 Cloudflare 保护的站点上行不通了。新规矩覆盖新客户、老客户新建的站点,以及所有免费用户——Cloudflare 手里管着全球约五分之一的网站流量,这一刀切下去,影响面不小。

    爬虫比人还多,旧契约破了

    Prince 口中的「旧契约」很朴素:我让你爬内容,你给我带流量。可生成式 AI 把这笔账搅黄了。模型厂商派代理替用户实时取网页,站长既没拿到广告曝光,也没收到订阅费,内容倒先被拿去训练了。Cloudflare 自己的数据更扎心:AI 爬虫的抓取流量里,超过一半是在反复拉取没变化的老页面。

    「既然互联网上多数流量已经不是人类产生的,我们就得走得更快、更远,好让一个可持续的生态长出来。」—— Cloudflare CEO Matthew Prince

    不只要挡,还要按次收费

    光挡不够解气,Cloudflare 把 2025 年推出的 Pay Per Crawl 市场升级成了「Pay Per Use」:站长不再只是「被爬时收钱」,而是当自己的内容真的在 AI 回答里产生价值时才收费。首发搭档是 Ceramic.ai 和 You.com——前者在 AI 搜索结果里露出内容就付费,后者碰到付费墙内容才结账。

    • 对出版商:终于能把「我的内容值多少钱」摆上谈判桌,Cloudflare 还配套了 Attribution Business Insights 面板,直接告诉你每个爬虫带回多少引流和商业意图。
    • 对 AI 公司:想白嫖,门儿都没有;老老实实把搜索、代理、训练拆成不同的 bot,反而能拿到更透明的抓取许可。

    被架在中间的 Google

    这纸新规,明里暗里都在戳 Google 的痛处。Cloudflare 点名说,那家「全球最大的搜索引擎」因为把搜索和 AI 绑在一起,掌握的信息量比头部 AI 公司多出约一倍,小站长想被搜到就不得不把内容也交出去训练。Google 当然不服,搬出 Google-Extended 这个可单独 opt-out 的训练爬虫说事,但现实是:就算你挡了 Extended,内容照样会出现在 AI Overviews 里,因为它吃的是 Googlebot 为搜索抓的料。

    Cloudflare 的算盘很清晰:它要的是结构性的分离——每个爬虫干嘛来的,站长心里得有数,再决定放不放行。公司放话要在 2027 年中把「混合用途爬虫」的流量占比从如今的三分之一压到零。对靠语料吃饭的模型厂商来说,这不只是一次设置调整,而是一场关于「内容到底归谁」的重新谈判。

  • 大模型都在说同一套话?这家澳洲小公司偏要打破「群体思维」

    LLM 同质化示意图
    ChatGPT、Claude、Gemini 在开放性问题上给出的回答越来越像(图源:MIT Technology Review)

    你随手打开一个聊天机器人,让它「给我一个 1 到 10 之间的随机数」,大概率会得到 7。再让它「再来一个」,往往是 3 或 4,接着是 8 或 9。这个被 MIT Technology Review 记者 Will Douglas Heaven 反复验证过的小把戏,揭开了大语言模型一个有点尴尬的秘密:它们比我们以为的更可预测,也更没创意。

    写代码、做检索时这种「规整」是好事,可一旦你想头脑风暴、规划旅行或者起个乐队名,所有模型都往同一个方向靠,就很扫兴了。问题不在于模型笨,而在于主流模型几乎是在同样的数据上、用同样的方法、为了同样的任务训练出来的,于是它们连「犯错」都犯得一模一样。

    一家澳洲小公司的「反套路」模型

    澳大利亚初创公司 Springboards 想换个活法。他们基于阿里开源的 Qwen 3 微调出一个叫 Flint 的模型,专门在被问到开放性问题(比如「欧洲去哪玩」)时,给出比 ChatGPT、Claude 更跳脱的答案。CEO Pip Bingemann 有句挺反常识的话:「大多数模型都在对抗幻觉,我们欢迎幻觉。」

    Bingemann 当着记者的面演示:ChatGPT 和 Claude 都给了 7,Flint 也甩出 7,他耸耸肩说「7 也是合法答案嘛」;重开一轮,ChatGPT 还是 7,Claude 还是 7,Flint 给了个 3.7916。

    换成「说一种车型」,ChatGPT 和 Claude 果然报出丰田、本田,Flint 蹦出一辆福特 F-150;让三个模型给新百伦跑鞋写 slogan,前两个齐声 ‘Run your way’,Flint 来一句 ‘Built to last, run to win’。不惊艳,但至少不一样。

    「时间是一条河」困住了所有模型

    这种趋同不是错觉。去年 11 月一篇拿下 NeurIPS 最佳论文奖的研究《Artificial Hivemind》做了个实验:让 25 个不同大模型各写 50 次「关于时间的比喻」,1250 条回答里绝大多数都是「时间是一条河」或「时间是一位织布工」的变体。CTO Kieran Browne 说,聊天界面设计得像个一对一私聊,大多数人根本没意识到自己拿到的东西和别人一模一样。

    • 起乐队名,模型爱用 glass / neon / velvet / static 这套词,蹦出 ‘Glass Harbor’、’Static Empire’ 也就不奇怪了。
    • OpenAI 的回应很实在:为了可靠和连贯,模型天然会往高概率答案靠,硬要标新立异常常换来更弱、更不可靠的输出;而且那篇论文研究的是 2024 年的旧模型。

    不是调高温度那么简单

    有人会说,把「温度」调高不就行了?Springboards 试过,把 OpenAI 某个模型的温度拉满,它一句英文没说完就切成了代码。温度是个粗暴的旋钮,全段一起加随机性,往往会把人带沟里。Flint 的笨办法是:先学会判断「这句话里哪一两个词值得抖一下」,只在那儿注入一点随机,其余地方保持正常。

    营销人 Zoe Scaman 拿它做过测试:给几个模型同一个 MBA 案例——怎么为年轻人重塑一家金融公司。主流模型异口同声「用有趣的方式教理财素养」,Flint 却说「不如把『攒钱』这件事整个重新包装」。广告公司 Uncommon 的 Maximilian Weigl 说得更直白:「总被拉回平均值的工具,搞不出破圈的东西。」但他也补了一句大实话:十次里有九次,平均值其实就够用了。

    Flint 现在主要服务广告和营销客户,毕竟那是 Springboards 的饭碗。但 Bingemann 和 Browne 都觉得,回答太雷同,是每一个用聊天机器人的人都该操心的事。给点选择权,剩下的交给人来判断——不然满屏都是机器吐出的、灰扑扑的「标准答案」,挺没劲的。

  • Figma 买下一家“氛围编程”团队,想把画布变成写代码的工厂

    买下的是人,不是产品

    Figma 最近又出手了,这次买下的是 Bud 背后的团队。Bud 你可能没听过,前身叫 Orchids,是一个 YC 孵化的”氛围编程”平台,后来转型成能跑任务的 AI 智能体。Figma 没公布价格,但有一点很清楚:Bud 和 Orchids 两款产品会在 7 月 18 号前关掉,用户得赶紧把项目搬走。

    换句话说,Figma 要的是人,不是那个独立产品。Bud 的 CEO Kevin Lu 在 X 上发帖,把这次收购说得挺浪漫,说 Figma 是”我们这个时代最具代表性的产品公司之一”,是新一代工作方式天然的归宿。

    Figma 想占住的,是产品被”造出来”的地方,而不只是被”画出来”的地方。

    从画板到能跑的代码

    这桩收购其实顺理成章。过去一年 Figma 一直在往”不只是设计工具”这个方向挪:去年推出 Figma Make,能直接生成网页应用;今年又接上了 Codex、Claude Code 这类外部编程智能体,自己也在画布上放了 AI 助手。它想让设计师不只在静态稿子上构思,而是能直接把想法变成能跑的东西。

    为什么是现在

    氛围编程这条赛道,从新鲜玩意儿到淘金热,大概只用了十八个月。光是做 prompt 转应用的 Lovable,今年初 ARR 就冲到 4 亿美元,六月还传出要按 120 亿美元估值融资的消息。Figma 当然不想只当那个”画图然后交给工程师”的角色。

    设计画布与AI代码生成融合的科技插画
    设计画布与 AI 代码生成融合(配图由 AI 生成)

    不过 Bud 也不是没包袱。今年早些时候 BBC 援引一名安全研究员的说法,指出 Orchids 上生成的应用容易被攻击。这其实是个行业通病,今年好几轮独立审计都发现,AI 生成的应用十有八九至少带一个安全漏洞。Figma 把人收编进来,顺手也接过了这份”生成的东西默认不安全”的麻烦。

    • 收购 Bud(原 Orchids)团队,交易价格未披露
    • Bud 与 Orchids 将于 7 月 18 日前关停,用户需迁移
    • Figma 今年 Q1 营收 3.33 亿美元,同比增长 46%
    • 约六成年付超 10 万美元客户每周使用 Figma Make

    画布和代码之间的那道墙,正在被一家家公司和一股股收购慢慢推平。Figma 这一步,说小是补了个团队,说大是给自己在”AI 造软件”的时代抢了个身位。

    📎 原文来源:Figma acquires team behind a vibe-coding app(TechCrunch)
  • 妈妈接到“女儿被绑架”的勒索电话后,两兄弟用AI做了款反诈App

    一通”女儿被绑架”的勒索电话

    Patrick Coughlin 怎么也没想到,差点骗走自己家人的,是一通听着就像亲生女儿在求救的电话。两年前,他妈妈接到一个显示为女儿号码打来的电话,那边传来”妈妈,他们抓住我了”的哭喊,紧接着一个男人威胁:不立刻转账 1200 美元,就把人扔在沃尔玛停车场。骗子连女儿常去的沃尔玛位置都报得一字不差。

    当时 Patrick 是思科安全产品的高级副总裁,天天跟国家级网络攻击打交道。可这一回,对手用的不是什么高深武器,只是几秒钟的公开音频,加上语音克隆和来电显示伪造。所幸老人家还算镇定,反手拨给女儿确认平安。虚惊一场,但这件事像根刺扎在他心里。

    以前这种级别的诈骗,成本高得只有政府和大企业才配当目标。现在 LLM 和生成式工具把门槛砸到了地板上,普通人成了猎物。

    AI 把”当骗子”的门槛砍没了

    Patrick 后来想明白了一件事:真正变的不是技术,而是犯罪的经济账。过去要骗一个人,得先做足功课、定制话术、搞到变声设备,投入产出比很低,所以骗子只挑肥羊。现在不一样了,他说,你用三秒钟的社交媒体音频就能克隆一个声音,研究材料随手可得,”造个骗子”的成本几乎归零。

    更让他担心的是另一层:当欺骗变得这么容易,不光是职业犯罪团伙进场,连普通人都会被拉下水。”我们其实是在批量制造骗子。”

    他们做的 App 长什么样

    这周,Patrick 和弟弟 Ryan 正式上线了 Savi Security 的 iOS 和 Android 应用。兄弟俩一个出身网络安全与国防(还在 Splunk、思科待过),一个做过消费者产品(苹果、Spotify),凑在一起就是冲着”用 AI 防 AI”去的。

    Savi Security 创始人 Patrick 与 Ryan Coughlin 兄弟
    Savi Security 创始人 Patrick 与 Ryan Coughlin 兄弟(图源:TechCrunch)

    应用能扫描短信、语音邮件和来电里的诈骗痕迹,最出彩的是实时通话监控:你正跟一个可疑电话聊着,可以一键把 Savi 的实时智能体拉进通话旁听,它会在对话进行中识别对方是不是在演戏。

    • 短信、语音邮件、来电三路筛查
    • 可疑通话中可接入实时 AI 旁听
    • 一个套餐覆盖全家,不限制人数,每月 8 美元(年付 63 美元)

    公司刚拿到 Acrew Capital 领投的 700 万美元种子轮,Magnify Ventures、TTCER 和 Resolute Ventures 跟投。说白了,这更像一代”AI 杀毒软件”:坏人也用 AI,防守方就得用同样的武器回敬。

  • OpenAI当年出价5亿没买下,如今它靠游戏录像训练机器人、估值23亿

    两年前,OpenAI 揣着 5 亿美元想买下 Medal——一个让玩家上传和分享游戏录像的平台,创始人 Pim de Witte 拒绝了。当时看有点莽。但到了 2026 年,de Witte 手里的 AI 公司 General Intuition 完成 3.2 亿美元 A 轮融资,估值冲到 23 亿美元,Khosla Ventures 领投,贝佐斯、前谷歌 CEO 施密特,以及 MIT 和 DeepMind 的研究人员都跟了进来。算上去年 10 月启动时的 1.34 亿,累计融资已经超过 4.54 亿。市场用真金白银证明了一件事:那堆游戏录像,比大多数人以为的值钱得多。

    用游戏数据训练机器人世界模型概念图
    用游戏数据训练机器人世界模型概念图(本文配图由 AI 生成)

    游戏画面里藏着什么

    General Intuition 的赌注听上去有点反直觉:用电子游戏里的人类操作记录,去教现实世界的机器人。它的训练数据来自 Medal 积累的数十亿小时游戏画面。但真正关键的不是画面本身,而是内嵌在每一帧里的”动作标记”——玩家在哪一刻按下了哪个键、做了什么决策。多数同行只靠视频去猜动作,而 de Witte 认为,拥有真实的人类操作数据,才是模型理解”自我”和”环境”分野、进而掌握因果关系的内核。

    de Witte 把公司的逻辑讲得很直白:”模型本身的泛化能力,就是产品。”他不想做机器人整机厂商,而是要成为别的机器人公司搭建产品时脚下的那块地基。

    8 分钟,让四足机器人学会走路

    传统机器人训练有两条老路:在真实环境里采数据,贵且慢;在仿真器里练,速度快却躲不开”仿真到现实的鸿沟”——你在 Unity 里训好的模型,放到真实地板和墙壁前常常像个路痴。General Intuition 把游戏数据当成连接两者的桥:先在海量游戏交互里学”物体怎么动、智能体怎么走、动作怎么改变状态”,再拿极少量的真实机器人数据做下游微调。他们演示过一台四足机器人,只经过 8 分钟真实世界微调,仅靠前置摄像头,就在有行人和动态障碍的办公室里零样本导航成功。

    • 领投方 Khosla 看中的是独有数据壁垒,以及”AI 直觉涌现”的愿景
    • de Witte 划下红线:不做任何用于伤害人类的自主武器
    • 目标是对标 NLP 的 GPT-3 之后——通用基座加轻量适配,取代每个任务单独训练

    有意思的是,当中国的人形机器人公司在拼命扩产量、把模仿学习的工业栈跑起来时,General Intuition 想走的是另一条路:卖”世界模型”这个软件层,而不是卖铁。这条路线能不能扛住工厂车间和客厅里那些充满摩擦、接触密集的真实物理,还得等它在同行评审的环境里被反复验证。但至少现在,顶级硅谷资本愿意为”通用世界模型”这个赌注下重注。

  • Grok 4.5发布:马斯克不拼参数了,改拼性价比

    淡出主流模型竞技场两个月之后,马斯克的 Grok 又坐回了牌桌。北京时间 7 月 9 日,SpaceXAI 正式发布旗舰模型 Grok 4.5。和过去每家都在喊”我们最强”的画风不同,这次马斯克显得很务实:他在 X 上连发几十条动态,反复强调一句话——能力和 Claude 的 Opus 4.7 差不多,但快得多,也便宜得多。

    Grok 4.5 概念配图
    Grok 4.5 概念配图(本文配图由 AI 生成)

    一张”够用就好”的牌

    Grok 4.5 是个 1.5T 参数的 MoE 模型,上下文拉到 50 万 token,主打编程、智能体和知识工作,还能看图输入。在考察编程的 SWE Bench Pro 上它拿到 64.7%,刚好压过 Opus 4.7 的 64.3%;Terminal Bench 2.1 冲到 83.3%,DeepSWE 1.0 的 62% 也超过了 Opus 4.8。推理速度能跑到 80 TPS,已经挤进第一梯队。

    有网友引用测试说,Grok 4.5 只花了大约十七分之一的成本,就做到了接近 Claude Fable 的性能。马斯克没有顺杆爬,反而老老实实承认差距:”公平地说,Fable 确实比 Grok 4.5 好得多,但大多数任务并不需要 Fable 级别的能力。”

    真正让对手冒汗的是价格

    但 SpaceXAI 真正想卖的不是分数,而是账本。它的 API 定价是每百万输入 token 2 美元、输出 6 美元。作为对照,Opus 4.7 的输入要 5 美元、输出 25 美元。完成同一个 SWE 任务,Grok 4.5 吐出的 token 量大约只有 Opus 4.8 Max 的四分之一。

    把模型调用价格推向台前,是这一轮竞争里最现实的变化。当企业把 Agent 跑在生产环境、每天调用成千上万次,token 账单就变成了真金白银。谁能在不掉链子的前提下把单位成本压下来,谁就握住了开发者的切换按钮。

    • 和 Cursor 联合训练,面向真实编码场景打磨
    • 下周推送百万 token 上下文版本,月底还有 2T 参数版本预告
    • 已在 SpaceXAI 控制台、Grok Build 和 Cursor 三端上线

    说到底,马斯克这次没再玩”参数军备竞赛”那一套。他赌的是另一件事:在绝大多数真实工作里,用户要的不是天花板级别的智能,而是一份”能力够用、速度快、账单轻”的交付。特斯拉和 SpaceX 的硬核工程师觉得 Grok 4.5 真好用,这比任何榜单都更能说明问题。

  • MiniMax一轮融了160亿港元,创始人说AGI之前不领工资

    国产大模型公司 MiniMax 在 7 月 10 日甩出一颗「资本炸弹」:完成一轮总规模约 160 亿港元(约合人民币 138 亿元)的融资。放在港股,这是个相当吓人的数字——而且它距离今年 1 月登陆港交所,才过去半年。

    钱从哪来,又去哪了

    这轮融资拆成两部分:配售 3560 万股新 A 类股份,每股 268 港元,募资约 95.4 亿;再发一笔 65 亿港元、2027 年到期的零息可转债券。两笔加一起,净募资差不多 159.6 亿港元。认购相当火爆,机构申购倍数达到 7 倍,主权基金、长线机构、中资机构和多策略基金都挤了进来。

    「从我写下这封信起,到公司实现 AGI 的那一天,我将不再从公司领取任何薪酬。」——MiniMax 创始人闫俊杰内部信

    创始人把身家也押上了

    更抓眼球的是闫俊杰那封内部信。他宣布 AGI 实现前零薪酬,还拿出个人名下相当于总股本 5% 的股份——4% 给核心团队做激励,1% 设成开源社区专项基金。对一个刚上市半年的创始人来说,这更像是给市场和团队的一颗定心丸。

    • 募资净额里约 80%(127 亿港元)砸向 AI 基础设施和模型研发
    • 约 10% 用于 AI 原生产品 Harness 的全球化商业落地
    • 到 6 月底,IPO 时那笔钱里用于基建和研发的已经花掉 77%

    大模型这场仗,烧钱速度比谁都快。MiniMax 手里现金更厚了,但对手也没闲着——同一赛道里智谱的市值已经冲到七千多亿港元。160 亿能让 MiniMax 多跑一阵,但真正决定胜负的,还是模型本身好不好用。

    MiniMax完成160亿港元融资
    MiniMax 完成 160 亿港元融资,创始人宣布 AGI 前不领薪
  • OpenAI安全负责人走了:GPT-5.6上线这周,护栏谁来看守

    这两天 OpenAI 内部发生了一桩挺值得玩味的事。安全系统负责人 Johannes Heidecke 本周告诉同事,他要离开公司了。时间点很微妙——就在这周,OpenAI 刚把迄今最强的 GPT-5.6 推上线。

    不是突然的人事变动,是一轮重组的收尾

    Heidecke 的离开,跟公司正在做的一件事绑在一起:把安全团队和研究团队进一步捏合。首席研究官 Mark Chen 在一份内部备忘录里说,以后安全团队要直接向研究副总裁、对齐负责人 Mia Glaese 汇报,Glaese 的权限也扩成了「研究与安全副总裁」,一个人管两块。之前带过安全团队的 Saachi Jain 暂时顶上,做临时安全系统负责人。

    「我们训练模型的节奏快太多了,发布周期也大幅缩短,今天围绕安全的协调难度,比过去任何时候都大。」——Mark Chen 内部备忘录

    为什么这个节点让人多想

    Heidecke 2021 年以 AI 安全分析师身份加入 OpenAI,2024 年接替离职去创办 Thinking Machines Lab 的 Lilian Weng,坐上安全系统负责人的位置。也就是说,短短两年里,这个岗位已经换了两茬人。

    更巧的是,GPT-5.6 这周上线时,OpenAI 自己承认模型在用户反馈的若干案例里出现了「令人担忧的未对齐行为」。公司一边把最猛的模型往外推,一边安全条线的负责人出走,这种画面怎么看都有点拧巴。

    • 重组的逻辑是「让安全更早介入模型开发和发布决策」,听起来合理
    • 但把安全并入研究线之后,独立的挑战声音会不会被削弱,是外界最担心的
    • Heidecke 已经是近期又一位离开的安全方向高管

    说到底,这未必是某个人去留的问题。当模型从季度更变成月更、周更,旧的「发布前最后一道安全审查」流程首先会撑不住。OpenAI 把安全往研究里塞,是想缩短这个链路;只是护栏能不能真的更牢,还得看 Glaese 接手后怎么立规矩。

    OpenAI安全团队重组
    OpenAI 将安全团队并入研究线,引发外界对独立安全监督的担忧
  • 一家「原生 AI 律所」拿到 12 亿美元估值:不按小时收费,按结果算账

    法律 AI 这条赛道又冒出一只独角兽。一家叫 Norm 的公司把律师和 AI 智能体塞进同一个平台,还让 AI 去监督别的 AI,本周拿下了 12 亿美元的估值。它最反传统的做法,是不按小时收费,而是按结果算账。

    一笔带着「跨界钱」的融资

    Norm 这周宣布完成 1.2 亿美元 C 轮,由 Khosla Ventures 领投——这家机构也是 OpenAI 最早的机构投资方。成立不到三年,估值已经冲到 12 亿美元,正式跻身独角兽行列。投资方阵容很特别:黑石前总裁 Tony James、Kirkland & Ellis 前主席 Jeff Hammes 以个人身份入局,Bain、Coatue、Vanguard、纽约人寿、TIAA 这些金融和老牌律所背景的机构也跟了。算上这轮,Norm 累计融资已经超过 2.6 亿美元。

    它到底在做什么

    Norm 搭了一家叫 Norm Law 的「原生 AI 律所」,底层跑的是自家研发的 AI 智能体,再配真人律师在旁边盯着、校准。企业客户把法律活儿交给它,它用智能体去起草、审阅、跑流程。更往前一步的是,Norm 还在做能监督其他 AI 智能体的「上层智能体」——当别的公司把 AI 放到越来越要紧的岗位上,Norm 的 Agent 可以替你看看它们干得合不合规。

    「随着 AI 能力往前冲,最大的机会之一,是搭起 AI 与法律——人类价值观最权威的载体——之间的接口。」—— Norm 创始人兼 CEO John Nay

    AI 智能体监督法律工作的概念图
    AI 智能体彼此监督:当 AI 接管要紧岗位,谁来替企业把关合规

    不按小时,按结果

    最反传统的其实是收费方式。整个行业都在按小时计费,Norm 偏要按「结果」收费。它创始人说,这样 AI 带来的效率和质量提升,能直接落到客户头上,而不是变成律所和模型厂商的计时小费。目前它的客户管理着超过 30 万亿美元的资产,把 Norm 的 AI 智能体直接用在自家法务团队里。


    法律赛道为什么突然挤破头

    Norm 不是孤例。Harvey、Legora 这两年都冒了出来,盯着同一块肥肉:把合同审阅、尽调、合规这些又繁琐又烧钱的活儿自动化。但 Norm 的打法更激进——它不只是在工具层面帮忙,而是干脆自己下场开了一家 AI 律所,把「人机协作 + 结果计费」做成了整套运营模式。在监管越来越重、企业又怕 AI 乱来的当口,这种「既用 AI、又有人兜底」的叙事,恰好戳中了大买家最在意的信任问题。