标签: AI技术

  • 美国政府想用出口管制锁住AI,但历史告诉我们的答案不太乐观

    美国政府想用出口管制锁住AI,但历史告诉我们的答案不太乐观

    上周,白宫以国家安全为由,下令Anthropic限制其最强大AI模型Fable和Mythos的出口。Anthropic在接到通知后大约90分钟内,匆忙切断了这两款模型对境外用户以及美国境内外国国民的访问。这一事件,是美国政府首次真正尝试用出口管制来遏制前沿AI的扩散。

    Mythos的”末日机器”叙事

    自今年4月Mythos发布以来,Anthropic一直在营销中把它描述成某种”可能摧毁互联网的末日网络机器”——如果广泛发布,会对互联网造成严重破坏。这也是为什么在禁令出台前,只有大约150家经过审查的公司和政府组织能够访问它。背后的逻辑是:先帮防御方加固软件和服务的安全,再考虑更广泛地开放。

    那么是什么触发了禁令?据报道有两件事。第一:Anthropic通过有限合作伙伴计划,向一家韩国电信公司开放了Mythos访问权限,美国官员在确认该公司与中国有关联的嫌疑后感到警觉(该公司被广泛报道为SK Telecom,已否认任何中国关联)。第二:Amazon CEO Andy Jassy据报告知政府,Amazon的研究人员找到了绕过Fable 5安全保护措施的方法。Anthropic对”越狱”这个说法有异议,称那是一个狭窄的、已经修补的问题,而非模型安全措施的全面失败。

    AI出口管制与历史启示
    美国政府试图用出口管制锁住AI,但历史经验并不乐观。

    PGP加密战争:出口管制的第一课

    但这种做法并不是新鲜事。美国政府在过去几十年里,一直试图用出口管制来限制所谓”危险”网络技术的扩散,结果是好坏参半。

    最著名的失败案例发生在1990年代早期。当时计算机科学家正在开发加密技术,用来保护数据在互联网上传输时的安全。其中一款加密产品叫做PGP(Pretty Good Privacy),它可以加密数据,使得即使数据在传输过程中被截获,也几乎无法破译。

    美国政府的直觉是:PGP是一种危险武器,担心它会妨碍情报机构在电子邮件穿越网络线路时进行窃听。为了阻止PGP的传播,美国海关对PGP的创建者Phil Zimmermann展开了刑事调查,指控他涉嫌违反武器出口管制规定。

    Zimmermann反击的方式颇具极客精神:他把PGP的源代码印成了一本实体书出版。这样做的目的是利用”书籍不受出口管制”这一法律漏洞。这一举动点燃了后来被称为”加密战争”的历史事件。

    Zimmermann后来赢得了一场关键战役——调查被关闭了。这为后来Signal、WhatsApp等应用所使用的端到端加密算法铺平了道路。一个政府试图用20世纪的出口管制逻辑来限制21世纪的软件传播,结果碰了一鼻子灰。

    间谍软件:瓦森纳协定的尴尬

    2010年代早期,研究人员开始发现西方制造的间谍软件被用于对中东的异见人士。作为回应,几个政府同意扩大《瓦森纳协定》(Wassenaar Arrangement),这是一个限制双用途软件和技术的国际条约,要求成员国在向外出口时获得许可证。

    想法是好的:把监控和黑客软件也列为双用途,迫使间谍软件制造商在向外销售产品时先拿到出口许可证。但这个协定从一开始就有两个致命弱点。

    第一:有几个国家根本不遵守该协定,其中包括以色列——世界上一些最活跃的间谍软件制造商的所在地。第二:协定依赖各国自行决定对其境内的公司应用规则。意大利政府曾允许该国当时的顶级间谍软件制造商Hacking Team获得许可证,向全世界出口其工具——尽管Hacking Team有向压迫政府出售软件、用来黑客攻击记者和人权活动家的记录。

    自那时起,欧洲其他国家在遏制间谍软件出口方面一直很松懈。尽管丑闻一起接一起,欧洲作为许多间谍软件制造商的大本营,至今未能有效阻止向威权政权出口间谍软件。有些制造商干脆把业务搬到了出口管制宽松的国家。

    AI出口管制的未来走向

    截至目前,Anthropic与特朗普政府之间的僵局仍未解除。有两种可能的走向。

    一种可能是:政府让步,取消限制。理由是保持美国AI公司在全球范围内的竞争力——这相当于默认承认,无论美国限制什么,中国等其他地方的AI实验室很可能达到类似的能力水平。另一种可能是:美国AI公司向外国客户提供服务之前,最终需要政府批准,这是一种合规负担,将不可避免地损害这些公司的利润。

    鉴于世界各国政府在试图控制软件传播范围方面的历史经验,政府强制出口管制不太可能是阻止恶意行为者滥用强大双用途网络技术的正确方法。

    这个故事还没有结束。但它已经给出了一个清晰的信号:用20世纪的出口管制思维来应对21世纪的AI扩散,大概率是行不通的。真正的问题不是”能不能锁住”,而是”锁住之后怎么办”。

  • AI 正在悄悄改变残障人群的生活:从脑机接口到智能助听器,2026年的突破性进展

    AI 正在悄悄改变残障人群的生活:从脑机接口到智能助听器,2026年的突破性进展

    AI无障碍辅助技术
    AI正在帮助残障人群

    大多数人讨论 AI 的时候,话题总绕不开聊天机器人、图像生成、或者是哪家公司的模型又厉害了。但有一件事很少被认真讨论:AI 正在实实在在地改变全球13亿残障人士的日常生活——而且已经干了几年了。

    这个数字来自世界卫生组织。13亿人,相当于全球人口的六分之一,或多或少有某种形式的残疾。在美国,这个比例大概是四分之一。AI 工具能不能帮到这么多人?答案是:有些领域已经做到了,有些还在路上,有些则让人担心。

    听力和视觉:AI 辅助设备进入主流

    先从最直观的说起——听力和视觉。2026年最好的 AI 助听器,比如 Starkey 的 Omega AI,充满一次电可以用51小时,核心能力是在嘈杂环境里把人声和背景噪音分开。它还能当跌倒检测器用,通过手机 App 提醒用药时间。Phonak 的 Audéo Infinio Sphere 更激进一些,直接在设备里跑 AI 芯片,不需要连手机就能处理声音。

    视觉方面,微软的 Seeing AI 已经更新到了支持大语言模型的版本。盲人拿着手机摄像头对着世界,App 就会用语音描述眼前是什么——路牌、人脸、商品标签、手写笔记,都能读。Be My Eyes 这个 App 更早之前是靠志愿者视频通话来帮助盲人,现在加上了 AI 视觉助手,不需要等志愿者就能立刻识别物体和文本。

    「人工智能有潜力成为残障群体有史以来最强大的工具之一,也有可能成为最强大的针对残障群体的工具。区别在于残障人士是否在这些技术的设计、监管和部署过程中被纳入决策。」——残障权利倡导者 2025 年 AI 政策简报

    说不出话的人,现在有了 AI 声音银行

    然后是说不出话、或者说话有困难的人。辅助沟通(AAC)设备以前只能靠预设的符号和语音库,现在接上了大语言模型,用户可以更自然地表达,设备也能随着使用逐渐适应用户的习惯。微软的 Personal Voice 功能让有语言丧失风险的人——比如渐冻症患者——在还能说话的时候录下自己的声音,之后用 AI 生成的、音色相近的合成语音来沟通。

    脑机接口:科幻正在变成现实

    身体障碍这边,进展最快的可能是脑机接口。Neuralink 的 PRIME 临床试验到2026年初已经有21个参与者,他们脑子里植入了 N1 芯片,只用思维就能控制电脑光标、玩游戏、和人沟通。2026年3月的一项研究记录到两个瘫痪参与者用脑机接口在虚拟键盘上打字,其中一人的打字速度达到了非残障人士的80%。

    这些以前只出现在科幻小说里的场景,现在正在发生。与此同时,竞争对手 Synchron 的 Stentrode 设备通过血管微创植入,不需要开颅手术,也已经获得 FDA 批准在美国和澳大利亚开展临床试验。

    不是所有进展都让人乐观

    但事情不全是乐观的。AI 系统如果训练数据不够多元,就会对残障人士产生歧视性结果。已经有研究发现,AI 招聘工具会基于与残障相关的特征——比如面部差异、非典型语音模式——系统性地筛掉残障求职者。

    成本也是一个大问题。许多有前景的 AI 辅助设备价格不菲,而医疗保险的覆盖政策往往跟不上技术发展的步伐。这让「AI 普惠」在残障领域变成了一句空话——如果只有付得起钱的人才能用上这些工具,那么技术反而可能拉大已有的不平等。


    政策和法律正在跟上

    2026年美国的政策层面也有一些重要进展。司法部更新了《美国残疾人法案》(ADA)第二章的数字无障碍规则,要求政府和公共实体的网站和应用符合 WCAG 2.1 AA 级标准。欧盟 AI 法案也在2026年8月生效,要求高风险 AI 系统(包括用于就业、医疗的系统)具备透明度、人工监督和偏见缓解措施。

    这些进展值得关注,因为一个根本性的问题还没有解决:残障人士有没有被纳入这些 AI 工具的设计过程?「没有我们的参与,不要做关于我们的决定」——这句残障权利运动的口号,在 AI 时代同样适用。只有当残障人士真正坐上设计桌,AI 才有可能成为解放他们的工具,而不是另一道隐形的墙。

  • 社交媒体把算法权还给用户:Threads、Instagram、TikTok都在做的「你的算法」是什么?

    社交媒体把算法权还给用户:Threads、Instagram、TikTok都在做的「你的算法」是什么?

    社交媒体算法个性化
    用户正在拿回算法控制权

    用了这么多年社交媒体,你有没有过这种感觉——明明只关注了几个感兴趣的话题,结果刷出来的内容全是平台想让你看的。点赞了几条猫咪视频,接下来三天全是猫;搜了一下某款耳机,信息流里开始反复出现测评和广告。算法在背后替你做决定,而你只能被动接受。

    这个局面最近开始出现变化。Threads、Instagram、TikTok 这几家平台,正在把一部分算法控制权交还给用户。不是让你彻底关掉推荐,而是让你可以告诉系统「多给我看这个」、「少给我看那个」——而且是以一种比以往更自然的方式。

    Threads 的「Your Algo」:从公开喊话到私密设置

    Threads 的动作最快。2026年2月,它上线了一个叫「Dear Algo」的功能,思路挺有意思:你想调整信息流,就发一条公开帖子,比如写「Dear Algo,多给我看播客相关的内容」。系统读取这条帖子之后,就会按你的要求调整推荐。这功能有点像给算法写信,但问题是——你得公开发帖,相当于把自己的偏好暴露给所有人。

    到了6月16日,Threads 推出了升级版,叫「Your Algo」。这次不需要发公开帖子了,直接在设置里调整,私密操作。你可以告诉 Threads 想多看哪些话题、少看哪些,还能选择这个偏好的有效期是1天、3天还是7天。比如说,世界杯期间你想多看足球内容,比赛结束就不想被刷屏了,那设个7天就行。

    Instagram 把算法面板摆到了台面上

    Instagram 也在做类似的事情。2025年12月,它先在 Reels 上测试了「Your Algorithm」工具,到2026年6月,这个功能已经扩展到主信息流、搜索页和 Reels 全场景。你在设置里点开这个工具,就能看到 Instagram 当前认为你感兴趣的那些话题标签,然后你可以手动调整——哪些想多看,哪些不想看了,系统会跟着更新。

    Instagram 负责人 Adam Mosseri 说了一句话挺有意思的:过去社交媒体的排名模型用的技术对用户是不透明的,但现在有了大语言模型,推荐系统可以变得更容易理解——系统可以告诉你「为什么这条内容会出现在你的信息流里」,而你也可以直接告诉系统你的偏好。

    TikTok 走得更早:关键词过滤器能懂同义词

    TikTok 走得更早一些。它的「Manage Topics」工具2024年就上线了,用户可以在设置里针对不同类型的内容(体育、旅行、幽默、时事、舞蹈、美食等等)调整滑块,控制这类内容在「For You」页出现的频率。2025年,TikTok 又加了一层 AI 驱动的智能关键词过滤器——你过滤了「装修」,系统会自动把「翻新」、「装潢」这些同义词也一并过滤掉。


    从「电视台」到「流媒体」:算法控制权的长期转向

    这三家平台做的事情,本质上是一个方向的探索:把社交媒体信息流从「电视台」变成「流媒体服务」。电视台放什么你只能看什么,流媒体服务你可以选想看的类型、甚至让系统按你的口味推荐。用户得到的体验更个性化,平台得到的是更高的用户停留时长——这是一个双方都能接受的方向,前提是平台真的把控制权给了用户,而不是表面上让你选、背地里还是按自己的逻辑排。

    过去十年,社交媒体的核心争议之一就是「算法黑箱」——用户不知道自己为什么看到某些内容,也没办法改变它。现在平台开始让步,把一部分控制权交出来,这背后有监管压力的因素,也有竞争的因素——如果用户在一个平台上能更好地控制自己的信息流,他们就更不愿意离开。

    当然,事情没那么简单。你能调整算法,不代表算法就完全按你的意思来。平台仍然掌握着推荐系统的核心逻辑,你给出的偏好信号只是其中的一个输入变量。而且,当你告诉系统你想多看什么内容的时候,你也在给平台提供更多关于你的数据。这到底是在拿回控制权,还是在用另一种方式让平台更了解你?这个问题没有简单答案。

    但至少,方向是对的。社交媒体用了十几年才走到这一步——让用户有能力对算法说「我要多看这个」、「我要少看那个」。不管平台背后的动机是什么,用户能拿到更多控制权,总不是一件坏事。

  • OpenAI砍掉Pulse每日摘要,ChatGPT的「早报」功能为啥只活了9个月

    OpenAI砍掉Pulse每日摘要,ChatGPT的「早报」功能为啥只活了9个月

    6月18日,OpenAI在宣布升级ChatGPT”定时任务”功能的同一条推文里,顺带说了一件事:Pulse要关了,14天之内正式下线。Pulse这个东西,如果你没用过,简单说就是ChatGPT给你的”每日早报”——它根据你的兴趣,每天自动生成一份新闻摘要,推送到你面前。

    OpenAI砍掉Pulse功能
    OpenAI宣布砍掉Pulse每日摘要功能,建议用户改用定时任务

    Pulse是2025年9月才上线的,算下来只活了大约9个月。在AI产品的生命里,这不算特别短——但也不长。OpenAI给的替代方案是用”定时任务”来自定义每日简报。换句话说,以前Pulse是主动推给你,现在是你要自己设一个定时任务,让ChatGPT每天定时帮你生成一份。

    为什么要砍掉Pulse

    OpenAI没细说原因,但可以猜一猜。一种可能是用的人不够多——主动推送的每日摘要,听起来很酷,但实际用起来,很多人可能看了两天就腻了。另一种可能是运营成本。Pulse需要每次都调用模型生成内容,还要做个性化,这都是真金白银的算力。如果留存率不够好,砍掉也合理。

    换成”定时任务”来代替,其实更符合OpenAI现在的产品逻辑。他们想让ChatGPT变成一个”什么都能做”的平台,而不是一个只能被动接收推送的App。你设一个定时任务,每天自动跑,效果和Pulse差不多,但更灵活,还能做更多定制。

    Pulse的死亡,某种程度上反映了AI产品的一个普遍困境:概念很性感,但实际使用频率很难做高。每日摘要这种东西,用两次觉得新鲜,用一个月后还能坚持的人,不多。

    这件事还有一个值得玩味的地方。OpenAI在推文里说Pulse会在”接下来的14天内”下线,但没有给出一个精确的最后日期。这种模糊的告别方式,在某种程度上也挺符合OpenAI一贯的作风——先宣布,再慢慢退,给用户一点时间适应。

    不管怎样,如果你还在用Pulse,抓紧时间,还有不到两周。之后要想在ChatGPT里看每日摘要,就得自己动手设定时任务了。


  • 诺贝尔化学奖得主跳槽Anthropic,Google DeepMind失去一位核心科学家

    诺贝尔化学奖得主跳槽Anthropic,Google DeepMind失去一位核心科学家

    6月19日,量子化学和AI蛋白预测领域最耀眼的科学家之一John Jumper在X上发了一条帖子,宣布离开Google DeepMind,加入Anthropic。这条消息在AI圈子里炸了锅——一个诺贝尔奖得主,从一方跳到另一方的直接竞争对手,这种事并不常见。

    John Jumper加入Anthropic
    诺贝尔化学奖得主John Jumper从Google DeepMind跳槽至Anthropic

    如果你对AlphaFold没概念,这么说吧——2024年的诺贝尔化学奖,一半颁给了Jumper和DeepMind CEO Demis Hassabis,理由就是他们用AI预测蛋白质三维结构的工作”从根本上改变了化学”。在这之前,科学家要搞清楚一个蛋白质的精确结构,得花几个月甚至几年做X射线晶体衍射。AlphaFold出来之后,输入氨基酸序列,几分钟就能拿到可信的结构模型。

    一个诺贝尔奖得主,为什么要换东家

    Jumper的离开,表面上看是一个科学家换了份工作,但在这个时间点,这件事的意义要复杂得多。首先,Anthropic和Google DeepMind是直接竞争对手。Anthropic出的Claude,和Google的Gemini在同一个赛道上竞争。一个刚拿了诺贝尔奖的顶级研究者,从一方跳到另一方,这不只是在简历上多一行——这是在说,AI领域最顶尖的人才,也在重新选边站。

    有意思的是,Jumper的研究背景和Anthropic的方向其实很搭。AlphaFold本质上是用深度学习解决科学问题,而Anthropic一直在强调”可解释性”和”对齐”——让AI系统的推理过程可以被人类理解。Jumper在蛋白结构预测上积累的方法论,某种程度上就是在做一个”可解释的AI”:你看得见模型预测的结构,你可以拿去和实验数据比对。

    有人说,这次人才流动背后,反映的是AI研究重心的一次转移——从”能力竞赛”到”可靠性竞赛”。Jumper的选择,也许是一个信号。

    当然,Google DeepMind失去Jumper,不等于AlphaFold项目会停摆。DeepMind里还有一大批顶尖研究者。但一个诺贝尔奖得主公开跳槽到竞争对手那里,这件事本身,就已经说明了很多问题。AI人才战争的烈度,可能比我们想象的还要高。


  • 机器人训练数据成了AI新战场,这家公司刚拿了7000万美元

    机器人训练数据成了AI新战场,这家公司刚拿了7000万美元

    做语言模型的时候,你可以把整个互联网的文本喂给AI;但教机器人学会在真实世界里动手,数据就没那么好找了。这正是XDOF(念作”eks-doff”)看到的空隙——6月17日,这家公司走出隐身模式,宣布拿到Thrive Capital、a16z等机构7000万美元融资。

    机器人训练数据概念图
    机器人训练需要大量真实物理交互数据

    创始人的亲身踩坑经历

    联合创始人Philipp Wu在UC Berkeley读博的时候就被这个问题卡住了——想训练机器人基础模型,手里却没有足够的高质量数据。他和后来成为CTO的Fred Shentu做了个叫GELLO的遥操作系统,让人类操作员可以控制机械臂生成训练数据。

    这个项目后来成了机器人圈的高引论文——因为很多实验室都面临同样的瓶颈,大家开始用GELLO这类设备来收集数据。Wu意识到,这背后是个还没人认真做的生意。

    “我们很早就看到语言模型竞赛里落后的后果……你不会想在这个技术领域也追太晚,物理AI是下一个前沿。”Wu对TechCrunch说。

    三层数据金字塔

    XDOF的业务分三个层级来搭建数据管道:最顶层是针对具体部署机器人采集的遥操作数据;中间层是用GELLO这类设备收集更通用的机器人操作数据;底层则是”自我中心视角”数据——让人类戴着穿戴式传感器完成日常任务,记录第一人称视角的动作。

    公司计划在全球招募和培训大批遥操作员和数据采集员。Wu说,这件事需要几十万平方英尺的仓库、成百上千台机器人,还要持续校准和维护设备——大部分AI实验室宁愿外包,也不想自己建这套东西。

    和学术界一起开放数据

    XDOF和UC Berkeley的AI实验室合作,发布了目前规模最大的机器人训练数据集之一,叫ABC——包含13万条机械臂操作轨迹、300小时仿真数据和100小时评估数据。这个发布让学术界第一次能拿到这么大量的预处理好的机器人数据。

    OpenAI在2021年关掉了它的机器人团队,但两周前宣布要重启这个方向。所有前沿AI实验室都在往物理世界发力,而XDOF赌的就是:谁先搞定数据管道,谁就占住了下一个赛道的入口。


  • 《Queer Eye》生活教练把「自己」装进了手机:AI分身帮你健身冥想

    《Queer Eye》生活教练把「自己」装进了手机

    Karamo Brown在Netflix《Queer Eye》里靠鼓劲说话圈了不少粉丝,现在他把这门本事搬进了手机——新应用叫Kē,6月18日刚上线iOS和Android。

    Kē健康应用界面
    Kē应用界面,用户可与AI Karamo对话

    这应用能干啥?健身计划按你家里的器材和日程定制,饮食建议看你冰箱里有啥,冥想视频管你情绪波动。这些功能别的健身App也有,真正让它出挑的是”AI Karamo”——一个用Brown本人声音和数据训练出来的数字分身。

    “我最好的朋友和我妹妹到现在还经常找我的AI分身聊天,当他们联系不上我的时候。”Brown对TechCrunch这么说。

    数字分身是怎么练成的

    背后驱动的是AI创业公司Delphi。他们把Brown历年的访谈、播客、视频片段全部喂给模型,让这个数字分身说话方式、语气、建议风格都尽量贴近本人。(阿诺·施瓦辛格也在Delphi上有自己的数字分身,这事儿比想象中普遍。)

    Brown自己说,刚开始他对AI持怀疑态度,但这几年技术演进让他改了主意——关键是Delphi他们做事的方式让他觉得靠谱。不过他也反复强调:这东西不是用来替代真实关系的,它只是个帮人反思和成长的工具。

    用户隐私和 safeguard

    用AI功能意味着你的对话数据会分享给Delphi——这事得心里有数。Brown说他们有真人团队监督,防止出现安全问题。如果有人拿敏感问题来问,AI会引导ta去找专业资源和现实中的支持。

    订阅费每月14.99美元,三天免费试用。Delphi还计划给Kē加上agent能力——以后AI Karamo给你的健身计划提了建议,它可以直接进”我的计划”那个标签页帮你改好,不用你手动操作。


  • 挪威给校园AI划了三条线:13岁以下禁用,17岁以上才能自由用

    挪威给校园AI划了三条线:13岁以下禁用,17岁以上才能自由用

    挪威校园AI限制政策
    挪威对学校使用AI工具按年龄划分了三条界限

    挪威政府对校园里怎么用AI,给出了一个很细的答案。不是一刀切地禁,也不是放任自流,而是按年龄分了三档。

    新规定将在八月新学年开始时生效。具体来说:一到七年级的学生,也就是6到13岁的孩子,原则上不应该使用生成式AI工具。八到十年级,也就是14到16岁的初中生,可以在老师的监督下谨慎地使用AI工具。十一年级以上,也就是17到19岁的高中生,应该学习适当地使用AI,为继续教育和就业做准备。

    AI让孩子跳过了教育里至关重要的步骤,学校应该专注于教他们”阅读、写作和做数学”。
    ——挪威首相 Jonas Gahr Støre

    不是第一次,也不会是最后一次

    这不是挪威第一次把科技产品请出教室。2024年,挪威禁止中学生在学校使用智能手机,结果被证明相当成功。欺凌事件减少了,成绩提高了,因心理健康问题去心理医生的次数也明显下降了——这些效果在女生身上尤其明显。

    有了前一次的经验,挪威这次对AI的态度可以说是”预防性监管”——在孩子还没大量依赖AI之前,先把规矩定好。

    新规还只是挪威一系列针对年轻人使用科技产品限制的其中一环。挪威政府还在推进一项法案,计划在今年年底前提交议会,禁止所有16岁以下儿童使用社交媒体。这个做法和澳大利亚的思路类似。

    其他国家在做什么

    把视线转到其他地方,挪威的做法目前还是少数派。大多数国家的教育系统在AI面前要么措手不及,要么直接选择放行。

    美国也在讨论类似的限制措施——参议院和众议院一直在审议一份法案,要求AI公司实施年龄验证流程,禁止向未成年人提供AI聊天机器人。这份被称为GUARD法案的提案已经通过了参议院司法委员会,但还没有进入全院投票。

    法案的语言上个月有所软化——最初提出时,针对的是几乎所有AI驱动的聊天机器人,现在改成了只针对”AI伴侣”。批评者认为,修改后的语言可能让公司找到豁免理由——毕竟,”AI伴侣”和”搜索工具”之间的界限并不那么清晰。

    挪威选了一条中间路线

    挪威的选择,给了一个值得观察的样本:当一个国家决定不等了,主动给AI在教育场景的使用划出边界,会发生什么。

    结果要等几年才能看到,但挪威人显然不愿意等。他们看过智能手机进校园之后的变化——有些是好的,有些不是——所以他们选择在AI完全渗透之前,先想清楚规矩。

    这种”按年龄分阶段”的思路,比完全禁止或者完全放开都要复杂,但也可能更贴近现实。13岁以下的孩子确实可能从手写和心算里获得更多;17岁的高中生确实可能需要学会和AI协作,因为他们的下一代工作环境里,AI几乎一定会在那里。


    挪威的这一步,会不会引发其他国家的跟随,现在还不好说。但它至少提出了一个问题:当我们把AI送进教室的时候,我们有没有想过,不同的孩子、不同的年龄,需要的到底是不同的保护,还是不同的训练?

  • 手摇发电就能跑AI?这个离线盒子不需要互联网

    手摇发电就能跑AI?这个离线盒子不需要互联网

    手摇发电AI设备CrankGPT
    Squeeze Labs开发的CrankGPT,完全离线、手摇供电的AI盒子

    想象一下,你在一间没有电、没有网络的森林小屋里,突然想问AI一个问题。正常情况下,这不可能——AI需要庞大的数据中心、持续的电力、云端连接。但Squeeze Labs的一个两人小团队做了一件有意思的事:他们把AI装进了一个手摇发电的盒子里。

    这个项目叫CrankGPT,是一个完全离线、不依赖电网的AI语音助手。整个装置的核心是一块Raspberry Pi 5开发板,配8GB内存和一个散热风扇。没有电池,没有云端,只有一个手摇发电机、一台小电脑,以及一堆在本地运行的小型语音和语言模型。

    为什么要做这个

    Squeeze Labs在项目说明里写了四条动机。第一条,一个东西要”聪明”,目前的前提是它插着墙上的插座、连着数据中心。CrankGPT是一个小小的反驳,证明这两件事都不一定是真的。

    第二条,本地模型是隐私模型,既然不需要,为什么要把自己不想分享的东西给出去?第三条有点意思——他们写道,看到身边的人在把千瓦级电力和成千上万个token砸在那些小模型一样能完成的任务上,这触犯了他们欧洲人对”小型实用车”的审美直觉。第四条更简单:大家都在把东西做大,他们觉得把东西做小也有很多机会。

    手摇发电,AI跑起来

    硬件部分,他们选了Raspberry Pi 5,不是因为它是最强性能的单板计算机,而是因为它的可及性和软件生态很难被打败。Pi上跑着语音识别、语言模型和文本转语音,全部在CPU上本地运行,没有加速器。

    电力部分最有意思。他们选了一款售价不贵的20W手摇发电机,原本是作为应急USB充电设备销售的。Pi的正常工作电流大约1.5A,但当它全力工作的时候,电流需求会大幅上升,导致发电机电压跌到Pi要求的4.8V以下。

    你能通过摇把”感觉”到那个负载曲线:当LLM推理和语音合成一起跑的时候,摇把会明显变沉。

    为了让Pi在完整推理栈启动时不掉电压,他们做了一块定制的电容板,用来平滑发电机的输出,充当一个短时(约20秒)的电力储备。

    软件栈:把大模型塞进小盒子

    软件部分,他们用了DietPi——一个极简的、精简掉的基于Debian的镜像,优先考虑快速启动时间。把不需要的无线电服务关掉之后,从Linux启动到可用用户空间只需要大约3秒。

    语音管线的结构是经典的:自动语音识别(ASR)→ LLM → 文本转语音(TTS)。他们从零开始写了自己的边缘语音代理,优化目标是在RPi级别开发板上尽可能低的延迟。

    LLM部分跑在llama.cpp上。他们偏好的模型是小型的Liquid AI LFM2变体(比如350M或1.2B),以及Gemma 3的1B版本。在Raspberry Pi 5上,LFM2.5 350M的token生成速度能达到约48.86 tok/s。

    TTS部分,Piper以很大优势胜出。在Raspberry Pi 5上,Piper合成20个单词的测试语音只需要大约半秒,而Kokoro慢将近9倍。

    实际体验:30秒后,你能和它对话

    把所有这些放在一起,从你开始摇到你能和CrankGPT对话,大约需要30秒。启动时间包括:Pi 5冷启动约10-15秒;Linux启动到用户空间约3秒;语音代理启动约10-15秒。

    延迟测量显示,使用Gemma 3 1B模型时,用户感知的首字节时间约2.9秒;使用LFM2.5 350M时,约0.8秒。这个速度足以让对话感觉接近实时。


    CrankGPT目前是一个概念项目,不是商业产品。Squeeze Labs在页面底部留了一个联系邮箱,但你目前还买不到这个盒子。它更多是一个技术演示,一个对当前AI基础设施方向的提问:我们一定要把所有东西都送到云端、都插在墙上吗?

    这个项目暗示了一个未来:随着模型变得更小、更高效,AI不一定需要 massive 基础设施。你的下一台AI助手,可能只需要你摇几下把手。

  • Elastic砸8500万美元买下AI调试公司,代码越写越多,修bug的人不够用了

    Elastic砸8500万美元买下AI调试公司,代码越写越多,修bug的人不够用了

    AI写代码的速度越来越快,但代码出了问题谁来修?这个答案正在变成一个价值8500万美元的生意。

    企业软件公司Elastic同意以最高8500万美元收购Deductive AI——一家用AI来捕捉和修复软件漏洞的初创公司。这笔交易从Deductive 2023年成立算起,只用了三年就走完了从隐身到退出的全程。

    AI软件调试
    AI驱动的软件可靠性工程正在成为企业技术的新战场

    AI写了更多代码,也带来了更多故障

    Deductive AI做的生意有一个很直接的出发点:随着AI生成的代码越来越多,软件系统出故障的概率和复杂度都在上升。传统的手工调试方式已经跟不上这个节奏了。Deductive用AI来自动监测性能、实时修复系统故障——这让人类的运维工程师可以从没完没了的救火工作里抽身,把时间花在更有价值的产品开发上。

    这家公司2023年才成立,去年11月才正式亮相,当时宣布了由CRV领投的750万美元种子轮融资,投后估值3300万美元。现在以最高8500万美元出售,对早期投资者来说是一个不错的回报,虽然算不上爆炸性的 exit。

    AI驱动的站点可靠性工程(AI SRE)正在成为一个重要的赛道,背后是AI生成代码大规模涌入生产环境的现实推动。

    老牌科技公司开始买AI原生产品了

    这笔收购反映了一个更大的趋势:已经站稳脚跟的科技巨头正在通过收购AI原生初创公司,把自己的产品套件升级成Agent驱动的新版本。Elastic2018年上市,最出名的产品是Elasticsearch——那个帮机构实时存储、搜索和分析海量数据的搜索引擎。它的可观测性软件(让工程师监测软件系统和发现安全威胁的工具)跟Deductive的AI技术整合之后,客户就能拿到自动监测性能和实时修复故障的工具。

    Deductive的联合创始人Rakesh Kothari之前是ThoughtSpot的工程副总裁,另一名联合创始人Sameer Agarwal曾在Apache软件基金会和Meta工作,也是Databricks的创始工程师之一。团队的技术背景相当扎实。

    不过Deductive的增长其实不算快——年化收入大约100万美元,在同赛道里落后于被Greylock和Lightspeed支持的Resolve AI。那家公司在4月份刚完成4000万美元的A轮扩展融资,投后估值15亿美元。


    AI运维赛道才刚刚开始

    Elastic收购Deductive只是AI运维赛道整合的开端。随着AI生成的代码在企业生产环境里越来越多,能自动发现、诊断并修复故障的AI工具会变成基础设施的一部分,就像今天的日志分析和性能监控工具一样。

    对Elastic来说,把Deductive的技术塞进自己的可观测性平台是一个防守兼进攻的举动——既让自己的产品跟上了AI潮流,也挡住了专门的AI SRE初创公司直接抢客户的路径。

    这个赛道里还有不少独立玩家在跑,但大公司已经开始出手了。Deductive的快速退出可能给更多AI SRE初创公司指明了方向:不一定非要走IPO路线,被需要你们技术的大平台收购也是一条很实际的路。