标签: AI技术

  • Anthropic 15亿美元版权和解获批:AI训练「合理使用」第一案落槌

    Anthropic 的 Claude 形象
    Anthropic 这场版权和解,给整个行业留下了「训练算合理使用」的定性(图源:TechCrunch)

    上周末,一桩拖了快两年的官司终于画上句号。联邦法官批准了 Anthropic 拿出 15 亿美元,摆平那场由一群作家和图书出版商发起的集体版权诉讼。钱要开始发了,但这件事真正的看点不在钱,而在法官留下的那个判断。

    15 亿到底怎么分

    按照和解方案,大约 50 万部作品每部能拿到 3000 美元,在握有版权的作者和出版商之间分摊。这个数额被认为是美国版权史上最大的一笔和解金。不过,很多写作者并不觉得这是一场胜利,原因得看法院到底是怎么裁的。

    主审法官 Alsup 站在了 Anthropic 这一边:用受版权保护的文本去训练 AI 模型,算「合理使用」。这个判断被不少人视为整个 AI 行业的一个转折点。

    真正踩线的是「怎么拿的书」

    Alsup 虽然点了头,但他没把获取方式也一并放过。Anthropic 的训练书库有两个来源:一部分是买来纸质书自己扫描,这部分没问题;另一部分是直接从 Library Genesis、Pirate Library Mirror 这类盗版站下载,这部分被 Alsup 认定为非法。换句话说,训练本身合法,偷书不合法。

    正因为盗版下载这条单独成立,案子本来可能要上陪审团、赔多少由陪审团定。Anthropic 选择和解,把不确定的风险先掐灭。

    • 和解金约 15 亿美元,按每部作品 3000 美元、覆盖约 50 万部作品分摊。
    • 训练模型被认定为「合理使用」,但盗版下载被单独判定非法。
    • 判决仅为地区法院层级,不构成全国性先例,同类诉讼仍在多州推进。

    为什么作家们高兴不起来

    核心争议是以对 AI 公司有利的方式收尾的。法官认定训练属于合理使用,等于给整个行业发了张准生证。可对于辛苦写书的人而言,自己的作品被拿来喂模型、还只拿到每部 3000 美元,怎么看都不像赢。

    更重要的是,这个判决只是加州北区一个地区法院的决定。Anthropic 一和解,案子就不会上上诉法院,也就没法变成有约束力的先例。别的法官完全可以对别的事实给出别的结论——事实也正在发生。Google、Meta、Midjourney、OpenAI 眼下都还背着各自的版权官司。就在上周,Hachette、Cengage、Elsevier 等出版商加上作家 Scott Turow,又把 Google 告了,理由是 Gemini 拿他们的书训练。


  • 中国开源模型 Kimi 搅动美国 AI 圈:特朗普阵营自己先吵翻了

    这个周末,特朗普身边的 AI 人先内讧了。几位现任和前任顾问在公开场合互喷顶尖 AI 公司:刚卸任的 AI 与 crypto「沙皇」David Sacks 说 Anthropic 的模型「像被切了前额叶」「太觉醒」;五角大楼高官 Emil Michael 则骂 OpenAI 新设的战略主管是「头号村傻」。火药味这么冲,源头却是一个中国模型。

    导火索:一个免费的中国模型

    争论的焦点是 Kimi——中国公司 Moonshot 上周刚放出的开源模型,能力已经逼近 OpenAI 和 Anthropic 那些要花钱的对手,而且免费。问题就出在「免费」二字上:每冒出一个够强的中国开源模型,美国企业就少一分理由掏钱买 Anthropic 或 OpenAI。而眼下 AI 热情正撑着美国经济很大一块增长,这等于同时给了特朗普经济和政治两记闷棍,美股也被吓了一跳。

    卡内基国际和平基金会研究员 Anton Leicht 在 X 上写道:这对一个「真不想要更多经济坏消息」的政府来说,本身就是个威胁。

    中美 AI 竞争与开源模型
    中国开源模型的崛起,正把美国 AI 政策圈搅成一锅粥(图:MIT Technology Review)

    白宫转向「管起来」

    Sacks 已经离任,他「开源更好」的论调在政府里渐渐失势,取而代之的是一种新思路:既然模型强到能威胁国家安全,政府就得管住它们怎么用。这直接催生了白宫一套新审查流程——模型发布前先过安全评估。

    前特朗普顾问、如今在 OpenAI 的 Dean Ball 把这叫做「前沿 AI 的事实许可制」,还预测特朗普可能用软权力施压,让美国企业不敢碰 Kimi。Michael 当场反击,强调要走「民主程序,不是深层政府的小算盘」。有意思的是,吵来吵去,没人认真聊过 Kimi 到底是怎么变强的。

    • OpenAI 和 Anthropic 长期抱怨中国公司用「蒸馏」偷师,已请求政府出手;
    • 特朗普松口让英伟达多卖芯片给中国、换政府抽成,出口管制事实上松动;
    • 美方还指控存在芯片走私,Kimi 用的是什么算力至今成谜。

    更大的背景是,Anthropic 自家的 Mythos、Fable 模型上半年接连被扣上「国家安全风险」、遭出口管制,那场「五角大楼文化战争」反而帮了倒忙。法国政客说这是欧洲该醒来的警钟,智谱等中国开源阵营的股价随之飙升。模型越强、越免费,世界就越不情愿把命脉系在几家美国公司身上——这局棋,才刚开局。

  • 模型上下文协议 MCP 迎来大改:AI 接外部工具不再卡脖子

    如果你最近半年听人聊 AI 智能体,十有八九会撞见一个词:MCP。它的全称是 Model Context Protocol(模型上下文协议),可以理解为 AI 世界的「通用插头」。有了它,聊天机器人才能顺手翻你的日历、查你的数据库、调用内部工具,而不用工程师为每个连接单独焊一根管子。

    下周,这套协议就要迎来一次不小的升级。普通用户大概率无感,但它可能实实在在地改变整个生态的玩法。

    卡在哪:一台服务器要记住所有人

    这次改动的核心,是服务器处理「会话 ID」的方式。你可以把它想成服务员手里的桌号:Claude 这类客户端第一次连上服务器时会先「打招呼」,服务器回一个会话 ID,之后每次请求都带着它,服务器才知道「还是刚才那位」。

    Arcade 的 Nate Barbettini 打了个比方:真实部署里,你背后是一台负载均衡器,专门把请求丢给农场里任何一台空闲的机器,有时还跨区。可现在每台机器都得知道「另一台机器发过的那个会话 ID」——不是不能做,但极其折磨人,而且它是在和负载均衡器对着干,而不是配合它。

    换句话说,旧方案默认「一台服务器记住你」,可大公司早把流量摊到几十台互不相通的机器上了。光是为了搞清楚「谁是谁」,今天的 MCP 服务器就得多干一堆活。这也是为什么,尽管今年智能体被吹得火热,真敢上规模、自己兜售 MCP 集成的公司却没几个。

    AI 互操作协议 MCP 概念图
    MCP 要做的事,是给 AI 模型接外部工具铺一条标准通道(图:TechCrunch)

    新方案:把「状态」甩给客户端

    新版本在服务端改走更宽松的「无状态」路线,思路和绝大多数普通网站一样:服务器不再费劲记着你是谁,把状态交给客户端自己带着走。这样一来,整套系统更好维护,理论上大规模跑起来也更便宜。

    • 会话 ID 改为服务端无状态,服务器能轻松躲在负载均衡器后面;
    • 大规模部署的运维成本有望下降,更多公司敢做一手 MCP 集成;
    • 新规范自 5 月就出了候选版,7 月 28 日正式定稿。

    说到底,这件事挺提神:不是所有 AI 进展都在狂奔。模型训练一路加速,可模型脚下的那套基础设施,仍被标准委员会慢悠悠的共识拽着走。变化确实在发生,只是比想象中慢一点。

  • 跑了 21 年的 Mechanical Turk 要关新用户了:AI 亲手埋了给它打工的人类

    这可能是 Amazon Mechanical Turk 最后的时光。平台官网最近贴出通知:2026 年 7 月 30 日起,这个运营了 21 年的众包服务将不再接收新客户。亚马逊说现有用户还能照常用,但”不打算再加新功能”——翻译一下,就是拔了氧气管,只维持心跳。

    一个以骗局命名的平台

    Mechanical Turk 2005 年上线,做的事情很简单:把机器还搞不定的零碎活儿——填验证码、判断一句话是夸还是骂、给图片打标签——发给全球打工人,按件付费。名字本身是个梗:18 世纪有台号称会下棋的”机械土耳其人”,其实箱子里藏着个真人棋手。亚马逊故意借这个名,因为它干的也是”用人类假装机器”的买卖,内部甚至造了个词叫”人工的人工智能”(artificial artificial intelligence)。

    “有人会在亚马逊决定,养着 MTurk 的服务器纯属浪费时间和资源,然后干脆拔掉电源。”——公告后一位 Reddit 用户的预言

    它其实是 AI 的”母乳”

    2018 年起,亚马逊把它塞进 SageMaker,变成训练神经网络的人工标注工厂。监督学习要人标例子,RLHF 要人比较两个回答哪个更好——这些活儿大量落在 MTurk 工人头上。SQuAD 这种经典 benchmark、无数心理学和行为经济学论文的被试数据,都从这来。说它是现代 AI 的承重墙,一点不夸张。

    Amazon Mechanical Turk 众包平台走向终结
    运营 21 年的众包平台 Mechanical Turk 进入维护模式(图源:TechCrunch / Getty Images)

    最讽刺的闭环

    2023 年一篇论文拆穿了一个套娃笑话:平台上 33% 到 46% 的工人,其实在用大语言模型替自己完成任务。也就是说,用来训练 AI 的”人类判断”,有一大批是 AI 自己生成的。一个靠”人工的人工智能”起家的平台,被它帮忙养大的 AI 反过来啃食,连名字都成了预言。

    • 工人时薪中位数曾低到约 2 美元,社保福利一概没有,长期被骂是数字血汗工厂
    • 机器人刷单、欺诈横行,社区早就在衰败,很多人说它”几年前就死了”
    • 亚马逊早有替代品 SageMaker Ground Truth,自动预标注加人工复核,更快更稳

    MTurk 没被立刻关掉,但它被挪进了 AWS 的”维护中”名单,等于判了死缓。对那些还靠它做标注、做评测的小团队来说,信号已经很清:廉价公开众包正在变成 legacy 基础设施。以后想要干净、可控、可追溯的训练数据,得走专业标注服务或自有审核流程,不能再指望从云里随手薅一批”人工”了。

  • OpenAI 造了个专门搞破坏的 AI:让 GPT-Red 天天揍自家模型

    大模型现在不只会聊天了。它们能自己读邮件、改代码、在网页上点来点去,有的甚至能替你下单、改价格。能力越强,可被钻空子的地方就越多——OpenAI 的研究员管这叫”攻击面在扩大,爆炸半径也在扩大”。靠一帮人手动去挑漏洞,早就跟不上了。

    一个专门干坏事的模型

    OpenAI 想了个听起来像科幻的点子:造一个不参与任何正经工作、唯一的任务就是攻击自家其他模型的 AI,名字叫 GPT-Red。它干的就是安全圈里常说的”红队测试”——过去由一队人扮演黑客,穷尽办法去攻破系统,赶在发布前把窟窿补上。GPT-Red 把这个流程整个自动化了。

    “相比人类红队员,模型特别擅长判断什么方法真正有效、哪种攻击成功率最高,而且一旦盯上一个漏洞,会极度执着地往下深挖。”——GPT-Red 联合创造者 Dylan Hunn

    在”道场”里越打越强

    GPT-Red 不是生来就会搞破坏。研究人员拿一个没被训练成黑客的模型,让它和好几个防守模型进入”自我对弈”循环:它负责攻,对方负责守。一轮轮打下来,攻的越来越刁,守的也越来越硬。整个训练被放在 OpenAI 专门搭的”道场”里,模拟浏览网页、处理邮件日历、编辑代码这些真实场景。

    最有意思的发现是一种叫”伪造思维链”的攻击。思维链是模型边想边记的”内部小本本”,GPT-Red 学会了往别人的小本本里塞一条假记录,让对方误以为某些错误信息已经验证过。研究员打了个比方:就像有人告诉你”1+1=3,而且你自己确认过了”,模型想都不想就吐出 3。

    OpenAI 用自我对弈训练出的红队模型 GPT-Red
    OpenAI 用自我对弈训练出的”红队黑客”GPT-Red(图源:MIT Technology Review)

    效果肉眼可见

    OpenAI 把 GPT-Red 找出的强力攻击拿去试自家模型:对去年 8 月的 GPT-5,成功率超过 90%;对刚发布的 GPT-5.6,掉到了 23% 以下。他们还重跑了 2025 年人类红队找 GPT-5 漏洞的实验,GPT-Red 找出的有效攻击比人还多。连一个自动售货机智能体 Vendy 都被它骗去改了商品价格、取消用户订单。

    • 它不擅长需要攻防双方来回多轮对话的复杂攻击,这恰恰是人类黑客的强项
    • 用图片做提示注入的本领还不行,得继续练
    • OpenAI 把它定位成人类红队的辅助,而不是替代品

    不出意外,OpenAI 不会把 GPT-Red 放出来。研究员说他们已经训了一年多,背后是世界最富公司之一的算力堆出来的,”不是谁照着这个思路就能轻易复刻的”。但换个角度看,当防守方开始用 AI 批量生产攻击来练自己,安全这件事本身,也已经进入了自动化时代。

  • Discord 的 AI 审核翻车:8000 多人因为一张棋盘图被封号

    Discord 应用图标
    Discord 的自动安全系统误判无害图片,导致超 8000 个账号被封(图源:TechCrunch)

    你只是往 Discord 上传了一张棋盘截图,或者游戏贴图,甚至是一张带方格的透明背景图,账号就突然没了。过去两个月,超过 8000 名用户经历了这种事——而锅不在他们,在 Discord 的 AI 审核系统出了 bug。

    一张棋盘图引发的误封

    Discord 已经承认,从今年 5 月起,它的自动安全系统把一批完全无害的图片误判成了有害内容:电子表格、棋盘、游戏纹理,还有白底和灰底的透明背景,统统中招。光是上周末,又有 200 个账号被误封。公司说问题已经修好,受影响账号正在陆续恢复。

    “我们的系统会把内容与已知有害材料做匹配,这种相似匹配可能产生误报,所以按设计,理应有信任与安全团队的人工复核再采取行动。”——Discord 官方说明

    Discord 在 X 上解释过这套机制:系统会把用户上传的内容,跟已知有害材料的数据库做相似度匹配,初衷是抓非法内容。问题出在流程的最后一环——一个 bug 让系统跳过了人工复核,直接把账号给封了。换句话说,本该”先审核、后处罚”的设计,被这个漏洞绕了过去。

    用户为什么这么愤怒

    不少人在 X 和 Reddit 上吐槽,自己只是传了张带方格图案的图就被永久封禁。有人怀疑,Discord 的审核模型对方格图案特别敏感,因为这些图案以前常被人拿来遮挡、伪装违规内容,系统学”歪”了。对把 Discord 当工作沟通、游戏社群或远距离社交主阵地的用户来说,这种无差别封号代价不小。

    • 一个游戏制作人说,自己靠它联系所有合作方,账号没了等于断了线;
    • 误判发生时,用户先被扣上最严重的安全帽子、先被踢出门,事后才轮到申诉;
    • 自动化审核一旦出错,替你背锅的是成千上万个真实的人。

    Discord 不是孤例。去年 Instagram、Facebook 群组就出现过大规模莫名封号,很多人怀疑是 AI 审核的锅,但 Meta 从没公开认过。Tumblr 也挨过类似骂。现在 Meta 的监督委员会正在逼平台提高透明度。


    最扎心的不是 bug,是代价结构

    这件事最让人不舒服的地方,在于它的代价分配:误判发生时,用户先被定罪、先被踢出,申诉是后面的事。在信任与安全这件事上,流程往往和算法一样重要。AI 初审加人工复核的混合模式喊了很久,但 Discord 这跤说明,只要中间任何一环断了,受伤的就是普通用户。把误报率当成硬指标公开,可能比事后修 bug 更有意义。

  • Prime Intellect 融了 13 亿美元:企业不想再给大模型厂商”交租”了

    Prime Intellect 创始人团队
    Prime Intellect 把训练 AI 智能体的全套家当打包成”全栈”服务(图源:TechCrunch)

    一家 2024 年才成立的公司,靠帮企业自己训练 AI 智能体,融到了 1.3 亿美元 A 轮,估值直接站上 10 亿美元。投资方名单读起来像一张 AI 圈名人堂——英伟达、英特尔、戴尔的战投都在,还有 Perplexity、Box、Harvey、Cognition 这些公司的创始人以个人身份下注。这轮由 Radical Ventures 领投,光看阵容就知道,芯片和云厂商都想在”谁来训练明天的模型”这件事上占个座。

    一家成立两年的公司,凭什么值 10 亿

    Prime Intellect 做的事说白了就是一句话:别再从 OpenAI 或 Anthropic 那里按 token 租智能了,自己造一个更适合业务的。它把训练 AI 智能体需要的家当打包成一套”全栈”——算力、强化学习框架、评估工具,客户像逛市场一样按需取用,不会被绑死在一套方案上。

    “不应该只有旧金山玻璃大厦里的少数极客才拥有训练 AI 模型的能力,每一家企业、每一个国家都应该拥有这种能力。”——Prime Intellect CEO Vincent Weisser

    为什么这件事忽然有了土壤?几年前,自己训模型还是只有巨头玩得起的游戏。但现在强化学习这套打法成熟了,模型可以在具体任务上反复试错、被奖励、被修正,企业慢慢能当自己的”AI 实验室”。真正的难点在于底层基建太复杂,大多数公司根本凑不齐这套零件——Prime Intellect 就卡在了这个缝里。

    企业为什么不想再”租”智能了

    吸引力来自实打实的结果。金融公司 Ramp 用它做了一个在表格里找答案的 Agent,官方说法是准确率高过前沿模型,速度更快,成本只有零头。更关键的是心态变化:企业越来越不愿意把专有数据喂给 OpenAI 和 Anthropic,也怕哪天模型像上个月 Anthropic 的 Fable 那样说关就关。

    • 把敏感业务数据留在自己手里,而不是交给第三方大模型厂商;
    • 不用担心模型被突然下线,业务连续性更有保障;
    • 在垂直任务上,自训的小模型成本可能远低于调用前沿 API。

    Radical Ventures 的合伙人 David Katz 说得更直白:大家开始琢磨”怎么把企业自己的智能掌握在手里,别冒那些风险”。目前年化收入已经冲到 1 亿美元,Ramp、Zapier 都是付费客户。


    钱正流向训练场,而不是模型

    这轮融资背后藏着一个正在成形的判断——资本正在涌向”训练场”,而不是模型本身。就在五天前,做 Agent 安全训练环境的 Bespoke Labs 也拿了 4000 万美元。两笔加起来的信号很清楚:企业想要的不再是又一份订阅,而是 Agent 这个东西的所有权。英伟达和英特尔同时开出支票,说明连芯片厂也信了这套逻辑——它们不在乎模型最后归谁,只要训练跑在自己的硅上就行。接下来一年要回答的问题是,Prime Intellect 能不能在 OpenAI 和 Anthropic 自己猛攻企业市场时,守住这 1 亿美元的增速。

  • TikTok悄悄测试AI肖像检测:想抓深伪换脸,先交自拍和身份证

    刷短视频的人多少都想过一个问题:要是有人用 AI 把自己的脸换到一段视频里,到处招摇撞骗,自己该怎么发现、又该怎么治?TikTok 最近在悄悄试一个答案。

    据 The Verge 的 Jay Peters 报道,TikTok 正在小范围内测一款”肖像检测”(Likeness Detection)工具,目前只对一部分美国创作者开放。它的逻辑很简单:你先加入,系统就帮你盯着平台上有没有 AI 生成的内容在冒用你的脸,发现了你再来核对、举报。

    TikTok 美国发言人 Zachary Kizer 说得很清楚:这项工具是自愿加入的,想用就得先通过 Jumio 做身份验证——实时自拍加身份证件那一整套。

    先验证,再参与

    这点特别关键。创作者想用这个工具,第一步不是”开启扫描”,而是先证明”我是我”。TikTok 不保留身份证件,面部信息也只用于匹配肖像、找出可能的盗用。验证通过后,系统才会去扫那些可能用了你长相的 AI 内容,把疑似结果推给你,由你决定要不要举报。

    TikTok AI 肖像检测
    TikTok 的 AI 肖像检测功能示意(图源:The Verge / Nick Barclay)

    和 Meta 的翻车形成对照

    把时间往回拨几天就很耐人寻味。就在这个月,Meta 推出 Muse Image,允许任何人基于 Instagram 上的公开照片生成 AI 图像,而且所有账号默认就被拉进这个功能。结果骂声来得太快,短短三天 Meta 就撤下了功能,承认自己”没把握好分寸”。

    TikTok 几乎是反着来的:身份验证在前,参与全凭自愿,控制权始终在创作者手里。


    不是 TikTok 一个人在做

    它其实跟在 YouTube 后面。YouTube 早就在做类似的工具,并且已经向所有成年用户开放;更早之前,它把这类保护也给了名人和艺人经纪公司。换句话说,平台从”发现深伪我们再删”走向”帮创作者主动揪出盗用”,已经成了大视频平台的标配方向。

    • 验证机制本身是个隐私取舍:要系统帮你找冒用,就得先交脸的数据
    • 平台得说清楚数据存多久、会不会拿去训练模型、退出后还扫不扫
    • 打假不等于一刀切下架,恶搞、新闻、评论这些边界仍要人工判断

    对创作者来说,一个能乱真的 AI 换脸,轻则毁名声,重则配合诈骗和色情内容。手动搜基本是杯水车薪,所以自动检测才有价值。代价是,你得先信任平台,把最敏感的身份信号交出去。

  • AI芯片又一笔10亿美元:SambaNova估值冲到110亿,摩根大通把算力搬回自家机房

    SambaNova 这家公司,你可能没怎么听过,但在 AI 芯片这条赛道上,它刚干了一件挺有象征意义的事。7 月初,这家 2017 年成立的帕罗奥图创业公司宣布完成 10 亿美元 F 轮融资的第一笔交割,投后估值来到 110 亿美元。领投方是老牌成长基金 General Atlantic,贝莱德、卡塔尔投资局、Intel Capital 等一众机构跟投。

    有意思的是,这笔钱距离它上一次融资只隔了不到五个月。今年 2 月它才拿下 3.5 亿美元 E 轮,同时发布了第五代芯片 SN50。换句话说,资本市场的钱还在疯狂往 AI 基础设施里灌。

    SambaNova 的 CEO Rodrigo Liang 说了一句很直白的话:摩根大通这种级别的银行开始自己搭私有、安全的算力底座来跑推理,这个信号会传到银行业之外。

    它到底造的是什么芯片

    SambaNova 走的是和英伟达不一样的路子。它的芯片不是要取代英伟达,而是贴着英伟达一起用。公司主打”高端推理”——把今天动辄几万亿参数的前沿大模型,塞进一个机柜里跑,而且跑得飞快。Liang 对外说过,SN50 跑推理的解码部分比竞品快五到十倍。

    SambaNova AI 芯片
    SambaNova 的 AI 推理芯片(图源:TechCrunch)

    今年 2 月发布的 SN50 基于数据流架构,计算能力是上一代 SN40 的 5 倍,网络带宽是 4 倍,预计 2026 年下半年开始向客户发货,软银是它的第一个部署伙伴。

    三类客户,和一个 IPO 悬念

    Liang 把客户分成三块:一是主权云,各国政府出钱扶植本地私有云;二是新云(neocloud);三是自建自用的大企业。除了摩根大通,沙特阿美、英特尔以及一些日本企业也在客户名单上。


    • SambaNova 成立以来累计融资规模已相当可观,本轮后现金储备进一步增厚
    • 资金一大用途是锁供应链——在汹涌的需求面前先把产能和物料攥在手里
    • 与英特尔的关系也在加深,双方从投资到联合开发产品一起推向市场

    至于公司未来,Liang 话讲得很活。被问到连续融资是不是意味着铁了心独立,他说”一直有人来找我们”,这扇门在动态的 AI 市场里还开着,但增长势头更可能把公司推向”某天上市”。据 CNBC 报道,他甚至提到了 2027 年 IPO 的可能性,大概率选美国。

    AI 基础设施建设的热度,从这 10 亿美元里就能看出来。当大行都不愿意把最敏感的模型推理完全交给云厂商,像 SambaNova 这样专做”把大模型安全跑在自己地盘上”的芯片公司,就有了存在的理由。

  • 苹果 iOS 27 公测开放:重做版 Siri 终于能打 ChatGPT 了?

    这么多年,Siri 一直是那种你喊它定个闹钟还行、稍微复杂点就装听不懂的助手。苹果显然也知道。今年 WWDC 上它亮出了”史上最大改版”的 Siri,当时只给开发者玩;现在 iOS 27 公开测试版一推,普通用户也能上手了——这是苹果头一回把这套 AI 版 Siri 大面积放开。

    全球揣着 iPhone、iPad、Mac 的人加起来有 25 亿。哪怕只有一小撮人装公测,这场测试的规模也够吓人:它等于把苹果重写后的 AI 助手,直接丢进真实生活里接受拷打,对手是 ChatGPT、Gemini、Claude 那些早就上桌的玩家。

    这次 Siri 到底变了什么

    过去的 Siri 像个只会念预设台词的播音员,新版则更像一个能翻你手机、懂你上下文的助手。它能读你设备上的邮件、照片、短信,能看你屏幕正显示什么,也能接住”今天本地有什么活动””刚才新闻说了啥”这类本来得搜网页才答得出的问题。

    入口也比以前多。除了老办法”嘿 Siri”和按侧边键,你还能从灵动岛往下滑把它叫出来;它甚至还塞进了 iPhone 自带的聚光搜索(Spotlight),等于顺手把搜索框也变成了问答框。苹果头一回给 Siri 做了个独立 App——虽然对已经深度嵌进系统的它来说,单独开个 App 多少有点多余。

    iOS 27 上的 AI 版 Siri
    iOS 27 公测里的 AI 版 Siri:能读邮件照片、看屏幕、跨设备调用

    底层是和谷歌一起”蒸馏”出来的

    说到内核,新版 Siri 靠的是 Apple Intelligence,以及苹果自己跑在设备上的基础模型,再加上私有云计算(Private Cloud Compute)。有意思的是,这些模型是苹果拉着谷歌、用 Gemini 当老师”蒸馏”出来的——但不是把 Gemini 改个名就拿来用,而是用苹果自己的数据和针对 Apple 芯片做的瘦身版。好处是模型小、跑得快,还能在端侧保护隐私:Private Cloud Compute 保证你的个人数据不会被苹果存下来,也不会被它翻看。

    开发者测试里,Siri 已经能找准相册里某张照片、总结群聊、把短信里的约会塞进日历,甚至对着镜头告诉你手里的食物大概多少卡。但它也会犯傻——有次被问”伊朗最新消息”,它跑去通讯录里找叫 Iran 的联系人。

    别急着全靠它

    苹果自己也说,公测归公测,真要设备一天都不能出岔子,最好还是等 9 月正式版。今年的开发者测试版整体算稳,比前几年靠谱,但 bug 仍在。另外,欧盟地区暂时还用不上这套 Siri。

    • 覆盖 iPhone、iPad、Mac、Apple Watch、CarPlay、AirPods、Apple TV、Vision Pro 全系设备
    • 不靠开 App 也能用,随时唤醒,更容易渗进日常
    • EU 用户暂被排除,是这版最大的区域遗憾

    说到底,Siri 这次不再是那个只会定闹钟的梗了。它能不能真的追上 ChatGPT 们,还得看秋天正式版和那 25 亿设备上的真实表现。但至少,苹果把”AI 助手”这堂课,补上了最该补的一节。

    📎 原文来源:Apple opens its new Siri AI to everyone with the iOS 27 public beta(TechCrunch / Sarah Perez)