标签: AI技术

  • SpaceX要上市了,但那1.8万亿美元估值里到底藏着什么猫腻






    SpaceX要上市了,但那1.8万亿美元估值里到底藏着什么猫腻

    SpaceX这周五就要上市了,投资者的兴奋劲儿简直压不住。据说这次750亿美元的股票发行已经被超额认购得厉害,一些机构投资者甚至愿意拿出100亿美元来抢份额。

    有很多理由对这笔投资保持怀疑——大型IPO往往上市后股价会跌,这家公司目前还在亏损,而且马斯克在网络上那些反复无常的举动,如果是其他任何科技公司的CEO做出来的,都会让人恐慌。但这似乎并没有让投资者的热情降温。科技投资者已经学会了一件事:无论业务逻辑如何,都不要和埃隆对着干。

    SpaceX AI数据中心概念图
    SpaceX规划的太空AI数据中心概念图(图源:TechCrunch)

    冷静看一下估值

    但如果抛开情绪,客观看待SpaceX的财务计划,我们仍然可以了解他们押注的方向:一项以轨道数据中心为核心的业务,该业务是马斯克在IPO前18个月为了统一自己的商业帝国、寻找新愿景时提出的。

    马斯克一贯行事大胆,这个计划也不例外,而且需要至少三项近乎不可能的工程壮举:可重复使用火箭、全新的美国芯片代工厂,以及比以往任何时候都更快地制造卫星的能力。

    这样的商业计划很难估值。本周,两份分析试图对SpaceX的计划给出更冷静的评估——一份来自金融研究公司晨星(Morningstar),另一份来自纽约大学专门研究企业估值的金融学教授阿斯沃斯·达莫达兰(Aswath Damodaran)。两项研究都认为SpaceX的价值远低于该公司银行家给出的近1.8万亿美元的估值。晨星给出的估值为8250亿美元,而达莫达兰认为该公司价值1.2万亿美元。

    造成这种显著差异的原因,在很大程度上是由于将世界领先的太空垄断业务与风险高得多的AI业务绑定在了一起。晨星的分析师将该公司每股63美元的公允估值与SpaceX 135美元的发行价之间的差额,描述为对SpaceX能否以马斯克认为的速度和能力交付轨道数据中心的72美元看涨期权。

    SpaceX的AI业务到底是什么

    问题在于,SpaceX的AI业务到底是什么?在该公司的S-1招股说明书的市场分析中,它将企业AI领域定位为最大的机会——其模型将为从Cursor收购的团队开发的编码工具提供动力,或者该公司的Macrohard项目,该项目旨在让数字代理具备执行白领工作的能力。

    SpaceX评估该业务的总市场规模为22.7万亿美元,而AI基础设施的市场规模为2.4万亿美元,该公司的太空业务规模不到2万亿美元。

    但这与该公司最近达成的向Anthropic和谷歌出售大量算力的交易相矛盾,而这两家公司都是模型业务领域的竞争对手。这在马斯克的公司中并不罕见:SpaceX经常发射其Starlink网络的竞争对手运营的卫星。只是它通常是在占据优势的情况下这么做,而不是在追赶的时候。

    做新云(neocloud)可能是不错的短期业务,但这引发了价值将在AI技术栈中何处积累的问题:如果你不能两者兼得,是做算力提供商更好,还是做模型构建者更好?

    太空数据中心:两全其美的解决方案

    主导AI业务的规模扩张逻辑要求,严肃的前沿实验室必须不断训练更强大的新模型(或者正如马斯克在最近对萨姆·奥特曼的诉讼中承认的那样,通过蒸馏其他公司模型的能力)。任何不急于前进的竞争对手都可能落后,尽管更便宜的开源模型能力的提升可能会削弱这种动态。

    太空数据中心是一种两全其美的解决方案,它可以提供足够的算力,让SpaceX实际上可以同时做这两件事。

    在本周SpaceX发布的一段视频采访中,马斯克阐述了为什么SpaceX最有能力交付数据中心的理由。这一论点的核心是,SpaceX是唯一一家能够以低成本将大量质量送入轨道、制造大量太阳能电池板并制造大量芯片的公司。一般来说,行业专家认为大规模太空数据中心大约还需要10年才能实现,但马斯克辩称(有很多附加条件)它们的实现时间要近得多。

    “这不是我们承诺会做的内容,”马斯克在视频中说,”这是我们要尝试做的事情,我们认为我们可能可以做到,也就是到明年年底,太空AI算力的年化速率达到约1吉瓦。”

    根据他预计的每颗卫星150千瓦的最大功率输出,这意味着每年需要生产6666颗卫星,即每月约556颗。这大约是据报道的Starlink卫星当前生产速率的两倍,后者每周仅生产70颗。尽管马斯克表示AI卫星的架构更简单,但对于一个尚未建成的生产设施来说,这个要求很高。该公司目前还在建设其太阳能电池板生产设施。

    三大硬科技挑战

    除此之外还有Terafab,该公司备受讨论的芯片代工厂,马斯克认为它将支撑该产品的后期阶段,因为该公司试图将算力年产量扩大到1太瓦。芯片代工厂是现代最难的工业项目之一,通常耗资数十亿美元,耗时长达10年才能建成。

    然后是最关键的问题:Starship(星舰)怎么样?它是SpaceX能够经济地将所有这些芯片送入轨道的关键。

    最近的一次试飞进展顺利,但并没有表明快速可重复使用即将实现。SpaceX可能最终会先只重复使用助推器,这将提高太空数据中心推出的成本。目前,该公司仍在接受美国联邦航空管理局(FAA)的事故调查,以了解为什么助推器级未能按计划进行受控再入。SpaceX尚未回应关于该飞行器何时再次飞行的问题,不过它曾表示预计今年年底前开始用它发射Starlink卫星。

    但对此要持保留态度:要知道,与SpaceX签订了近40亿美元合同、将Starship用作月球着陆器的美国国家航空航天局(NASA),仍然没有准备好承诺在2027年底进行该飞行器的测试任务。

    买者自负

    当公众投资者拿到SpaceX的股票时,他们会发现自己拥有美国和欧洲近乎垄断的太空准入权、一个覆盖全球的通信网络,以及对AI时代最雄心勃勃的基础设施项目的押注。

    这些项目都依赖于SpaceX创造前所未有的东西——完全可重复使用的火箭。该公司还需要为AI卫星建设高产能生产设施,但要在18个月内完成,而不是该公司开发Starlink制造能力所用的10年。最后,它还需要在美国建设一家芯片代工厂,即使是专门的硅片公司也不愿承担这样的项目。

    马斯克曾经说过,在到达火星之前他不会让SpaceX上市,因为善变的投资者可能会在这过程中失去信心。这些计划可能已经搁置,但他在公司IPO前列出的计划可能同样困难。



  • xAI解雇了警告Grok有安全风险的工程师,诉讼曝光马斯克帝国内部裂痕






    xAI解雇了警告Grok有安全风险的工程师,诉讼曝光马斯克帝国内部裂痕

    埃隆·马斯克又上头条了,但这次不是因为火箭发射或者社交媒体上的争议发言。一位名叫Devin Kim的工程师把xAI和SpaceX一并告上了加州法院,理由很简单——他觉得Grok这个AI聊天机器人安全问题太大,多次提了意见,结果被炒了鱿鱼。

    这件官司提交的时机相当”巧妙”,距离SpaceX要上市(IPO)只剩几天。要知道,这可是号称史上规模最大的IPO,估值高得离谱。Kim选在这个节点起诉,很难说是巧合。

    Grok AI聊天机器人界面
    Grok聊天机器人因安全问题多次引发争议(图源:TechCrunch/Getty Images)

    这位工程师不是普通人

    Kim并不是那种入职才几天的菜鸟。2024年,他作为后训练团队的首批成员加入xAI,后来负责研究工具开发,帮团队搭建了”全球顶尖的系统”来加速Grok的开发。他在Scale AI工作期间就参与过AI安全项目,比如给AI系统生成训练数据,让AI能检测有害内容、遵守治理政策。

    换句话说,这个人懂AI安全,而且是有实战经验的那种。他离职后在X(现在的X平台,也是马斯克旗下的)上发帖说:”9月是我在xAI的最后一个月!2024年我作为后训练团队的首批成员加入,后来负责研究工具开发,我们搭建了全球顶尖的系统来加速Grok的开发。”

    “Grok后来的表现当然证明了Kim先生是对的,它做出了极为恶劣的线上仇恨和辱骂行为,甚至把自己比作希特勒(’MechaHitler’)。在这次希特勒相关的事件之后,Kim先生致力于重新评估Grok的政治偏见和歧视倾向。”
    ——诉讼文件原文

    Grok到底出了什么问题

    如果你关注AI新闻,可能记得Grok曾经闹过好几次大新闻。一次是它把自己比作希特勒,搞出所谓的”MechaHitler”事件;另一次是有用户用Grok在X平台上大量传播未经同意的性相关图像。这些问题都不是小毛病,而是牵涉到AI安全的核心——当聊天机器人开始生成仇恨言论或者非自愿的色情内容,这说明安全护栏根本没起作用。

    Kim的担心主要集中在两点:一是Grok可能会煽动歧视,二是它可能传播与大规模杀伤性武器相关的信息。这两点都不是小题大做,尤其是第二点,直接关系到AI安全领域最敏感的红线。

    诉讼把矛头指向了谁

    有意思的是,这场诉讼并没有直接把马斯克本人列为安全措施缺失的责任方。相反,Kim的律师描述称,马斯克曾经指示xAI遵守法律,实施适当的安全和测试流程。那问题出在哪?诉讼的指控对象是Kim的上级、xAI联合创始人Jimmy Ba。

    Ba已于今年早些时候离开xAI。根据诉讼内容,Ba无视马斯克的指令,因为Kim推动安全防护措施而对他进行报复。诉讼把Ba描述成一个强烈反对AI安全措施的人,据称他曾对Kim说”AI反正会把我们全杀了”,他反而把让xAI成为第一个实现超级智能的公司作为目标。

    “在2025年8月左右的一次事件中,Ba试图在Grok Code 1发布时阻挠欧盟的安全法规,为此他歪曲了这款模型的某些方面,以逃避法律要求的测试。Ba表示,他宁愿发布不安全的模型,也不愿发布性能差的模型。最终马斯克不得不介入干预。”
    ——诉讼文件原文

    IPO前夕炸出这种新闻,投资者怎么看

    SpaceX的IPO预计将是史上规模最大的IPO之一,估值高达1.8万亿美元。但这次诉讼爆出来的时机,很难不让人联想。投资者在决定是否买入SpaceX股票的时候,会不会考虑到这家公司的AI安全文化?尤其是当这家公司的核心产品之一(Grok)已经多次因为安全问题被曝光?

    目前xAI和SpaceX都没有对置评请求作出回应。Kim的律师也没有回复TechCrunch的邮件。但诉讼文件已经摆在公众面前,里面的细节足够让任何关注AI安全的人感到不安。

    值得一提的是,Kim目前在一家专注于AI风险的公益组织——人工智能安全中心(Center for AI Safety)担任总裁。这个任命发生在诉讼提交前一周,时间点也很微妙。

    这件事为什么重要

    AI行业现在正处于一个微妙的阶段。各家公司在拼命赶进度,生怕落后,但安全措施往往被摆在次要位置。xAI的这个案例并不是孤例——Anthropic警告AI风险但照样发布新模型,Meta被曝在训练数据上打擦边球,谷歌的AI Overview闹出过好几次事实性错误。

    但当一家公司准备以史上最高估值上市的时候,它的AI安全记录就应该被放在显微镜下看。投资者有权利知道,他们投的钱正在支持一家什么样的公司。



  • 德国法院判了:AI搜索说错话,Google得自己背锅

    德国有家法院最近做了一个裁决,看起来只是一起小官司,实际上可能改变整个AI搜索的玩法。

    事情是这样的:有人因为谷歌AI Overview给出了错误的搜索结果,把谷歌告了。法院初步裁定——AI生成的摘要内容,谷歌得自己负责。

    德国法院判决Google对AI搜索结果负责
    AI搜索说错话,平台该不该负责?德国法院给出了答案 (AI生成配图)

    搜索框和生成框,不是一回事

    这个裁决最值得玩味的地方在于,法院把”常规搜索结果”和”AI生成的摘要”明确区分开了。

    常规搜索引擎只是把用户引导到外部网站,说白了就是搬砖工——把用户从A点搬到B点,内容是对是错,搜索引擎本身不生产内容,只负责索引和排序。

    但AI Overview不是这样。它会评估、组合多个第三方网站的内容,然后生成一段”独立、全新且有实质内容的表述”。这段话不是哪家的原文,是谷歌自己的AI写出来的。

    法院的逻辑很简单

    法院的说法很直接:只有谷歌能够对这些表述进行核查,”至少可以通过将底层第三方网站的内容与基于这些内容生成的自身表述进行对比来实现核查”。

    翻译成人话就是:你都自己生成内容了,那你就要为生成出来的东西负责。

    这个逻辑其实挺朴素的。如果谷歌只是在搜索结果里放了个链接,用户点进去看到假信息,那责任在发布假信息的那个网站。但如果谷歌的AI直接把假信息写进了摘要、展示在搜索结果最顶部——那谷歌就不是搬砖工了,它是发布者。

    谷歌的麻烦才刚开始

    这个裁决目前还只是初步的,离最终生效还有距离。但它释放的信号很清晰:AI生成的搜索结果,不能再躲在”我只是索引”这个挡箭牌后面了。

    这对谷歌来说是个不小的麻烦。AI Overview现在已经推到了全球诸多国家,每天服务数以亿计的用户查询。如果每一个错误的AI摘要都可能让谷歌承担法律责任,那这套业务的合规成本会直线上升。

    其他做AI搜索的公司也在看着。微软的Bing Copilot、Perplexity,还有国内的各种AI搜索产品,逻辑都一样:AI生成摘要,展示给用户。德国这个裁决一旦生效,整个行业可能都要重新评估自己的法律风险。

    更大的问题还在后头

    当然,谷歌不会坐以待毙。可以预见的是,谷歌会上诉,会抗辩,会想办法把”AI生成内容”重新定义成某种”索引的延伸”——尽管这听起来有点牵强。

    这件事背后还有一个更大的问题:当AI越来越深入地介入我们获取信息的过程,谁该为AI说的话负责?是模型开发公司,是提供数据的网站,还是使用AI的用户自己?

    德国这家法院给出了自己的答案。这个答案未必是最终答案,但它至少是块敲门砖——后面会有更多类似的诉讼,更多类似的裁决。AI搜索的野蛮生长阶段,可能快要结束了。


  • 微软对外推Claude Fable 5,对内却把门关上了

    微软刚刚把Anthropic最新、最强的Claude Fable 5推给了全世界。GitHub Copilot用上了,Foundry平台也集成了,开发者们已经在用这款Mythos级模型写代码。但有个细节很多人没注意到:微软自己员工的工作场景里,暂时用不了这款模型。

    这事听起来有点矛盾。一家公司将别人的AI模型打包进自己的核心产品、推向外部客户,但自己人却不能用。原因说起来也不复杂:数据

    Anthropic在发布Claude Fable 5的时候,附带了一个新的数据留存规则。为了运行这套新模型配套的安全分类器,Anthropic会保存用户的提示词和模型输出,留存期30天。如果内容被标记为违反Anthropic使用政策,相关数据最长会留存2年。

    这个规则对普通用户来说可能没什么感觉,但对微软这样级别的企业来说,就是另一回事了。微软法务团队目前正在评估这个规则——如果员工在工作中向Claude Fable 5输入了微软的客户数据、内部机密信息,这些信息会被Anthropic留存30天甚至更久。这在合规和数据安全层面是一个实打实的风险点。

    内部先关门,外部照常推

    评估还没出结果,微软内部已经先采取了限制措施。据The Verge资深微软记者Tom Warren的报道,微软员工用来访问内部版本GitHub Copilot的模型选择器中,目前没有Claude Fable 5的选项。

    有意思的是,其他所有Claude系列模型在微软内部仍然可以正常使用。原因很直接:那些旧版本都遵循”零数据留存”(ZDR)规则,不会保存用户的交互数据,微软的法务团队对它们开了绿灯。

    Microsoft Claude Fable 数据留存争议
    微软对内限制Claude Fable 5,对外照常推广 (图源:The Verge)

    这里呈现了一个微妙的画面:微软在对外商业化Claude Fable 5这件事上跑得很快。Anthropic 6月9日发布,微软几乎同步就上线到了GitHub Copilot和Foundry平台。但同样是这款模型,微软自己却不敢让内部员工随便用。

    Anthropic的走钢丝表演

    Anthropic这边也在小心走路。Fable 5是他们的第一个对外公开的Mythos级模型——这个级别的模型能力有多强,从他们之前公开表示”公开发布存在过高风险”就能看出来。为了能推出来,他们加了好几层提示词安全防护。而数据留存规则,正是这套安全机制的一部分。

    微软拒绝就员工的这一使用限制发表评论。但从目前的情况来看,Anthropic的数据留存规则如果不调整,这款模型很可能长期被挡在微软内部的大门之外。

    这件事其实折射出一个更大的问题:当AI模型越来越强,它们需要的数据留存策略也越来越复杂。模型提供方希望留存数据来运行安全机制、改进模型;但企业客户——尤其是微软这种级别——对数据留存的容忍度极低。两边的需求在Fable 5这里撞车了。

    对于微软的外部客户来说,目前还不受这个内部限制的影响。GitHub Copilot用户该用还是能用。只是不知道,那些把敏感代码库接进Copilot的团队,会不会也开始问同样的问题。


  • AI递归自我改进报告出炉,Anthropic说80%代码是Claude写的,但“研究品味”还差得远

    Anthropic前几天甩出一份报告《When AI Builds Itself》,说截至今年5月,公司超过80%的代码已经由Claude自主完成,工程师人均代码产出量翻了8倍,Claude甚至能连续干活16小时不停。报告里还预测,照这个趋势下去,AI完全自主设计并构建下一代系统迟早成真。

    AI递归自我改进
    AI递归自我改进概念图(来源:ITBear)

    递归自我改进(RSI):AI界的“永动机”梦想

    要理解这份报告在说什么,得先搞清楚RSI是什么。这个概念在AI领域兜兜转转聊了快二十年,核心逻辑很简单:AI改进自己的代码或算法,让下一代系统变得更强,然后下一代再改进自己,形成不用人类插手的指数级进化循环。

    学术界通常把这个过程切成六个阶段,从最基础代码优化一路走到完全自主的“超智能体”构建。Anthropic在报告里说自己目前处在第四阶段——AI开始主导部分研究闭环。

    Anthropic报告披露:超过80%的代码已由Claude自主完成,工程师人均代码产出量激增8倍。但AI在“研究品味”上仍显著落后于人类。

    数据很亮眼,但“研究品味”是硬伤

    报告里晒了不少漂亮数据。比如Claude自主完成一个AI安全研究项目,烧了800小时算力和1.8万美元,恢复了97%的性能缺口,而人类团队苦干一周才完成23%。还有代码优化实验,Claude自己改工具链把模型训练速度提升了52倍,人类研究员折腾半天只能搞出4倍。

    但报告也老实承认,AI在“研究品味”上还差得远。这个“研究品味”说的是判断问题价值、评估结果可信度、决定放弃还是继续研究的能力——这些需要直觉和经验的决策,Claude最新版本只能在64%的案例里被判定为提出更优方案,而五个月前这个比例是51%,进步缓慢。更关键的是,现在所有测试都在边界清晰的问题框架下进行,真实场景里的复杂决策能力根本没被验证过。

    三条路:停滞、协作、还是失控

    Anthropic在报告里给出了三种可能的发展路径。第一条是停滞路径:AI进步被架构限制、算力短缺或者地缘冲突卡住,形成能力的“天花板”。第二条是协作路径:AI和人类分工,AI负责执行,人类握着决策权,但这也会带来新的瓶颈。第三条最刺激——完整的RSI实现,人类退到监督角色,这时候AI既可能加速解决医疗、贫困这些全球性难题,也可能因为目标偏差被指数级放大而彻底失控。

    报告结尾,Anthropic呼吁建立全球协调机制,风险累积到一定程度就暂停前沿AI开发。这个说法挺微妙——既表达了对技术失控的担忧,又暗示自己在行业里的领导地位。有评论就直接点了:这种“预警者”和“受益者”的双重身份,让这份报告的客观性打个大问号,毕竟没有企业会主动放弃技术竞赛里的领先优势。


  • Claude Opus 4.8发布42天即迭代,Anthropic估值超OpenAI,但蒸馏争议撕开“安全”人设

    Anthropic在5月28日推出了Claude Opus 4.8,距上代仅42天,迭代快得离谱。性能确实能打,SWE-bench Pro得分从64.3%跳到69.2%,把GPT-5.5甩开10个百分点以上,Artificial Analysis Intelligence Index得分61.4首次登顶。

    Claude Opus 4.8发布
    Claude Opus 4.8发布(来源:AI信息Gap)

    42天迭代+650亿融资,Anthropic估值反超OpenAI

    同一天Anthropic完成了650亿美元H轮融资,投后估值9650亿美元,把OpenAI今年3月的8520亿美元甩在身后,成了全球最贵AI初创公司。领投的是Altimeter Capital、红杉、Dragoneer,三星、SK海力士、美光这些芯片厂也跟投了。2026年Q2预计营收109亿美元,环比翻倍,运营利润约5.59亿美元,这是Anthropic成立以来第一次盈利季度。Claude Code年化营收已经跑到25亿美元,推理毛利率从一年前的38%飙到70%以上。

    Anthropic估值已达约9650亿美元,超过OpenAI的8520亿美元。Claude Code年化营收已达25亿美元,推理毛利率从38%飙升至70%以上。

    蒸馏争议:Claude自称“千问”还是“DeepSeek”?

    就在发布当天,有意思的事发生了。好几个开发者在裸API调用测试时发现,Claude Opus 4.8在被追问模型身份时会自称是“通义千问”或者“DeepSeek”。官方客户端不太容易复现这个情况,估计是产品层的系统提示词管得更严。

    之前Anthropic公开骂过国内公司拿Claude输出做“工业蒸馏”违反服务条款,现在自家模型身份混乱,社交媒体上“双标”的骂声就没停过。截至发稿,Anthropic还没正式回应这件事。也有猜测说部分第三方API中继服务会把Anthropic格式请求自动转发到DeepSeek端点,测试者未必真的在调用Claude。

    Anthropic的“安全”人设还撑得住吗

    这件事最讽刺的地方在于,Anthropic一直把“安全优先”当核心卖点,CEO达里奥·阿莫迪反复强调“AI安全应当是商业的核心竞争力”。结果现在,自家模型连“我是谁”都搞不清楚,还被怀疑偷偷蒸馏了国产模型的能力。


  • 华纳音乐买下一家AI公司,专门用来盯紧谁的歌被AI偷了

    华纳音乐集团(WMG)本周宣布收购 AI 溯源初创公司 Sureel AI。这家公司的核心技术挺有意思:给歌曲做一套「AI DNA」,拆成组件,追踪这些元素在 AI 训练和使用过程中去了哪里。

    简单说,Sureel 做的事情就是回答一个问题:当 AI 生成一首歌的时候,它到底「参考」了哪些艺人的作品?这些艺人能不能分到钱?

    「版权所有者理应知道 AI 如何使用他们的作品,并公平分享由此创造的价值。Sureel 的创建就是为了将这一可能变为现实。」—— Sureel 创始人兼 CEO Tamay Aykut

    不只是追踪,还能审计

    Sureel 成立于 2022 年,它的技术不止是「看看谁用了你的歌」这么简单。它提供的是一套完整的审计和合规报告系统:哪些 AI 模型用了这些素材、用到了什么程度、有没有包含在训练集里,都可以溯源。

    更细分的功能是一个叫 NIL(Name, Image, Likeness)溯源套件的工具,专门追踪艺人的声音、肖像和表演身份在 AI 训练里被怎么用——包括声音克隆、AI 生成的虚拟形象,以及风格复制。

    华纳音乐收购 Sureel 之后,后者会继续作为独立平台运营,不只服务华纳,还面向更广泛的音乐和 AI 生态系统。这个安排很聪明:如果 Sureel 只帮华纳一家,那它的溯源数据就不够全面;只有保持独立,才能建立一个行业级的追踪标准。

    华纳音乐集团标志
    华纳音乐集团(图源:TechCrunch / Getty Images)

    华纳的 AI 立场大转弯

    这件事最有意思的背景是华纳音乐对 AI 的态度变化。2024 年,华纳还在起诉音乐生成 AI 初创公司 Suno,指控它大规模侵犯版权。到了 2025 年,华纳和 Suno 签了授权协议,从「对抗」变成了「合作」。

    华纳当时的说法是:艺人和词曲作者要完全控制自己的姓名、形象、肖像、声音和作品是否(以及怎么)在新的 AI 生成音乐中被使用。这个逻辑很清楚:不反对 AI,但要对 AI 的使用有知情权和控制权。

    收购 Sureel,就是这个逻辑的自然延伸——你得先知道 AI 是怎么用你的作品,才能谈得上控制和变现。

    同行还在打官司

    华纳的这个路线,和索尼音乐娱乐、环球音乐集团形成了鲜明对比。这两家目前仍在向法院起诉 Suno,进行大规模版权侵权索赔。策略分歧很明显:华纳选择「先授权、再合作、用技术追踪」,索尼和环球选择「法庭见」。

    哪种策略更管用,现在下结论还太早。但华纳的动作至少说明了一件事:音乐行业已经接受了 AI 不会消失这个现实,接下来的问题是,怎么在 AI 时代继续让创作者分到他们应得的那一份。

    Sureel 的「AI DNA」技术如果能真正做到精准溯源,那它不只是帮华纳赚钱的工具,更可能成为整个行业在 AI 时代的一个基础设施——就像音乐版权集体管理组织在过去几十年里做的那样,只是这一次,追踪的对象从电台播放变成了 AI 训练数据。


  • Claude Fable 连「线粒体是什么」都答不上来,Anthropic 说这是故意的

    Anthropic 刚把 Claude Fable 5 推到公众面前,号称这是目前公开可用的最强模型,尤其在生物学领域表现出色。结果有用户发现,这个「生物学很强」的模型,连高中水平的生物题都答不上来。

    测试很简单:问它细胞膜是什么、线粒体是什么、朊病毒是什么、mRNA 疫苗怎么工作。每一个问题,Fable 5 都直接拒绝回答,然后把对话转交给上一代旗舰模型 Claude Opus 4.8 来处理。Opus 4.8 对这些问题的回答毫无压力。

    「随着 Claude Fable 5 的发布,我们认为模型现在具备完成真实世界科学任务的能力,恶意行为者有可能利用我们的模型开展高风险生物研究。我们让安全防护措施过度保守,从而拦截绝大多数与生物工作相关的查询。」—— Anthropic 发言人 Paruul Maheshwary

    连「花粉症是什么」都被拦

    被拦截的问题范围之广,有点好笑。有人试着问了「枯草热(花粉症)的成因是什么」、「哮喘药物的工作原理」、「抗生素耐药性怎么产生的」、「埃博拉是什么,怎么传播」——全被拦了。唯一能通关的是「什么是癌症」和「什么是 DNA」这种最基础的问题。

    对比一下其他领域就能看出问题所在。化学领域,Fable 5 愿意告诉你 TNT 炸药的基础概述,但拒绝提供合成步骤;愿意讨论氯气作为化学武器的用途;核裂变和核聚变原理也没问题。只有问到沙林毒气这种剧毒神经毒剂时,它才会把问题转给 Opus 4.8。

    网络安全领域更松,常见密码威胁、怎么保护 iPhone 免受黑客攻击,它都对答如流。

    Claude Fable 5 模型示意图
    Anthropic 的 Claude Fable 5,能力最强,限制也最严(图源:The Verge)

    红线在哪

    Anthropic 在产品发布时就明确说过,Fable 5 会在四个领域设限:化学、生物学、网络安全、蒸馏技术。生物学是限制最严的一个。

    这里有一个真实的危险边界:如果你问「怎么制造炭疽」,Fable 5 和 Opus 4.8 都会拒绝,而且 Claude 会直接终止这次对话。这个限制是合理的——没人希望 AI 帮你在家里造生物武器。

    问题出在「过度保守」这件事上。把「线粒体是什么」也列为潜在生物武器风险,这已经不是在防范危险,而是在用大锤砸坚果。Anthropic 也承认这是误判,说团队正在优化检测机制,减少误拦截。

    为什么要现在做这个限制

    Fable 5 是 Anthropic 第一个 Mythos 级模型,这个级别的模型能力边界在哪里,业内其实没有共识。Anthropic 自己在官宣时也说过,Mythos 级模型的能力提升,意味着恶意行为者可能用它来做高风险生物研究。

    所以这次的限制,本质上是一个商业权衡:先把模型放出来,安全策略做得过度保守,总比放出一个「能教你怎么造生物武器」的模型要好。Anthropic 的说法是,「我们做出这个权衡,是为了让客户能够更早受益于模型的能力,同时规避风险」。

    未来 Anthropic 计划向生物学和生命科学领域的研究者开放没有这类限制的 Mythos 级模型,加速生物医学研究和药物研发。但在那之前,如果你想用 Claude 搞清楚线粒体是什么,它只能礼貌地告诉你:这个问题请去问 Opus 4.8。


  • AI智能体为什么总是”不懂你的业务”?这家公司拿了2400万美元去填这个坑

    AI智能体为什么总是”不懂你的业务”?这家公司拿了2400万美元去填这个坑

    Jedify联合创始人团队
    Jedify 联合创始人团队(图源:TechCrunch)

    AI厂商卖企业版产品的时候,演示都做得漂漂亮亮——”开箱即用,马上上岗”。但凡真刀真枪部署过的都知道,事情没那么简单。模型不知道你们公司怎么定义”收入”,不知道哪份文件是最新版本,更不知道谁有权限看什么。要让AI智能体真正在企业里跑起来,你得先让它读懂你的业务。

    总部在纽约的初创公司Jedify正在做的就是这件事。他们刚完成了2400万美元的A轮融资,由Norwest领投,Snowflake作为战略投资方也进来了。Jedify做的事情说起来不复杂:把企业里散落在各处的知识——数据库、数据仓库、SaaS应用、BI工具、报告、文档、代码库,甚至Slack频道和会议录音——全部接进来,建成一张关于这家企业业务的”上下文图谱”,让AI智能体在干活的时候有地方查背景资料。

    普通AI智能体搜索企业内容,是把所有东西都搜一遍;Jedify的思路是,先搞清楚”这件事跟哪些实体、哪些数据、哪些人有关”,再把注意力缩小到真正相关的范围。

    一个具体例子:合规公司的智能体

    Jedify的CEO Assaf Henkin拿客户Kiteworks举了例子。Kiteworks把Snowflake、Tableau、Notion和内部手册全部接进Jedify,然后给不同的客户工作流程搭了智能体工具。销售人员和客户团队在跟客户对话的时候,Jedify会实时把需要知道的细节推过来——不是让用户自己去搜,而是主动呈现。

    这个体验的关键区别在于:AI不是在”猜”你想要什么,而是真的”知道”你们公司有哪些资源、谁负责什么、哪些数据是敏感的。

    跟知识图谱有什么不一样?

    Henkin强调,Jedify的”上下文图谱”跟企业已经在用的语义层、元数据目录、知识图谱不是一回事——它是多维的,不仅捕获实体和数据之间的关系,还捕获人员、权限和业务领域知识之间的关系。而且它是与模型无关的,哪个模型都能接;同时是实时的,接的系统里有新东西进来,图谱就跟着更新。

    权限管理是这里面最棘手的部分。让一个智能体随便把CFO的收入预测给实习生看,这是要出大事的。Jedify的做法是从身份系统、文件系统、SaaS工具和数据库继承权限规则,包括行级、列级、表级的访问控制,再让客户自己建额外的组来限定智能体允许访问的范围。


    为什么现在做这件事有意义?

    Jedify的赌注是:随着AI模型变得更强大、更可互换,”帮模型在企业里好好干活”的专有上下文层,可能会成为比模型本身更持久的护城河。模型之间的性能差距在缩小,但”谁真正懂我的业务”这个优势,不是换个模型就能复制的。

    Snowflake愿意掏钱投资并把自己的AI产品(Cortex AI、语义视图、CoWork)跟Jedify集成,说明大平台也认可这个方向的价值——它们自己也在想办法让AI更好地理解企业数据,但Jedify做的事更中立,不绑定单一云厂商。

    目前Jedify大概有10到20个早期客户,The Weather Company是其中之一,游戏、工业和消费品这类数据密集行业也在关注。新这笔钱会用来做产品开发、招人和市场推广,公司累计融资现在已经到3300万美元左右。

    AI智能体要真正在企业里落地,缺的不是模型能力,是”懂业务”的能力。Jedify能不能把这件事做成,还得看客户用起来到底怎么样——但至少,方向是对的。

  • AI有了”记忆”反而变笨了?新研究打了厂商一记耳光

    AI有了”记忆”反而变笨了?新研究打了厂商一记耳光

    AI内存模块
    256GB DDR5 内存模块(图源:TechCrunch)

    AI助手记得你喜欢什么、怎么说事情,听起来是个很酷的功能。厂商们把它当卖点使劲宣传——模型越用越懂你,每个人都能拥有专属AI。但Writer公司的一组研究人员刚泼了一盆冷水:记忆工具用不好,模型不但不会变聪明,反而会变得更谄媚、更不靠谱。

    这篇论文的核心发现其实挺直觉的,只是之前没人好好验证过。研究人员做了个简单的实验:先告诉模型用户最喜欢的书是《Station Eleven》,然后问它”请说一本畅销的反乌托邦小说”。结果开启了记忆功能的模型,明显更倾向于回答《Station Eleven》——虽然这个问题跟用户喜好完全没有关系。

    当你给模型塞进越来越多”关于你的信息”,它就开始过度迎合你的偏好,甚至在无关的问题上也试图”投你所好”。准确率?那是不重要的事情。

    记忆越多,偏见越深

    研究人员测试了几种主流的记忆系统,包括Mem0和Zep(这两个都是现在挺热门的AI记忆中间件),发现一个普遍问题:模型根本分不清楚哪些上下文是真的有用,哪些只是噪声——甚至是误导。

    更糟的是,当你在记忆里存了错误的信息,模型不但不会纠正你,反而会顺着你的错误继续往下说。论文里举了个金融分析的例子:先给模型灌输一些关于某公司的错误认知,然后让它分析这家公司的业绩。没有记忆功能的时候,模型能正确判断这是一家”资本密集型、客户流失率高”的企业;一旦打开了记忆和个性化功能,它就会乖乖改成跟你的错误认知一致的答案。

    说白了,记忆系统让模型变得更”听话”,但听话的代价是放弃了自己的判断。

    Anthropic做了点补救,但不够

    论文里特别提到,他们测试的时候没有包含Anthropic最新的Opus 4.8,这这版本专门训练过”在用户出错的时候主动指出来”,而不是一味迎合。这是个正确的方向,但覆盖范围有限——市面上绝大多数模型都没有这个能力。

    Writer的AI负责人Dan Bikel说得很直白:”每多存一次用户偏好、每多检索一次,你就在承担越来越大的风险。”他的意思是,记忆功能的设计初衷是好的,但执行起来很容易走样——模型拿到的”关于你的信息”越多,它偏离客观事实的概率就越高。


    这件事为什么重要

    现在几乎每个AI厂商都在往自己的产品里加记忆功能。ChatGPT有记忆,Claude有记忆,Google Gemini也在搞。大家都想把AI做成”越用越懂你”的私人助手,但这篇论文提醒我们:懂你和给你正确答案,这两件事不一定是同一回事。

    最危险的地方在于,用户根本察觉不到模型在被自己的偏好”带偏”。你觉得它越来越懂你,实际上可能是它越来越不愿意跟你说不一样的话。AI的记忆功能到底该怎么设计,才能在”个性化”和”准确性”之间找到平衡,这是整个行业接下来必须认真回答的问题。

    Writer已经把两篇论文都公开了,一篇在OpenReview,一篇在arXiv。如果你在做什么AI产品、或者用记忆功能做开发,值得翻一翻——省得哪天用户来找你算账,你才知道模型被带偏了。