标签: AI技术

  • 谷歌把300万颗AI芯片订单交给英特尔,台积电一家独大的日子可能要到头了

    据《The Information》报道,谷歌近期向英特尔下达了一份重量级订单:在2028年前生产超过300万颗谷歌自研的TPU芯片(张量处理单元)。消息一出,英特尔股价早盘一度飙升逾10%,最终仍上涨9%,领涨整个芯片板块。

    这不是一笔普通的采购合同,而是AI芯片代工格局正在发生微妙变化的一个信号。长期以来,台积电几乎吃下了所有高端AI芯片的代工订单,谷歌的TPU、英伟达的GPU,绝大部分都产自台积电的产线。现在,这种一家独大的局面开始出现裂缝。

    台积电的产能紧缺,逼着谷歌和英伟达开始认真考虑”备份方案”。英特尔想借这个机会,把流失给台积电的代工霸主地位抢回来。

    为什么是现在?

    谷歌不是一时兴起。据报道,谷歌对英特尔的制造技术进行了数月的技术测试,才最终决定把部分TPU订单交给英特尔。背后直接的原因是:台积电的产能已经紧张到无法满足需求了。AI芯片的需求爆炸式增长,台积电的先进制程产线排期排到了天边,谷歌担心把自己的芯片未来全部押在台积电身上风险太大。

    英特尔这边,新任CEO陈立武上台后推动的复兴计划终于开始显出成效。上个月英特尔发布的销售收入指引远超华尔街预期,股价也创下历史新高。特朗普政府也在背后推了一把——有美国官员表示,政府正积极推动为英特尔争取更多商业订单,这背后有产业链本土化的战略考量。

    英伟达也在悄悄测试英特尔

    谷歌不是唯一一个在和英特尔搭话的AI芯片公司。据报道,英伟达也在测试英特尔的制造技术,评估是否用于生产一款将四颗GPU整合封装的新型处理器。这款产品的设计目标是提升整体计算性能,如果英特尔的工艺过关,英伟达也可能成为英特尔代工业务的客户。

    特斯拉也来凑热闹。马斯克今年4月表示,特斯拉的”Terafab”项目计划使用英特尔下一代14A制程生产芯片,这座先进AI芯片制造基地打算落地奥斯汀。


    英特尔能接住这波机会吗?

    话说回来,英特尔能不能真正承接住这些高端订单,还是个问号。台积电在先进制程上的领先优势不是一朝一夕能追上的,英特尔的工艺良率和产能爬坡能力还需要市场验证。但方向已经很明确了:AI芯片设计公司不想被台积电”卡脖子”,英特尔需要这些订单来实现复兴,双方各取所需。

    对于整个AI产业链来说,代工环节的多元化是好事。竞争能让价格更合理,也能让芯片设计公司有更多议价权。只是台积电这么多年的技术积累和市场地位,不是几笔订单就能撼动的——这场代工之战,才刚刚开始。

  • 伦敦AI初创公司拿到3亿美元,它要让工业仿真从几天缩到几秒钟

    伦敦一家叫PhysicsX的AI初创公司刚完成3亿美元C轮融资,投后估值24亿美元。领投方是新加坡主权基金淡马锡,跟投名单里出现了英伟达、西门子这些工业巨头。这家公司做的事听起来很硬核:用AI加速工业仿真,把原本需要几天甚至几周的工程计算压缩到几秒钟。

    工业仿真为什么慢?

    造飞机、造芯片、造能源设备之前,工程师得先用计算机模拟一遍物理过程——风怎么吹过机翼、热怎么在芯片里散掉、流体怎么在管道里流动。传统方法靠求解复杂的偏微分方程,算一次可能要跑好几天,工程师等结果等到花都谢了。

    更头疼的是,每次设计改动都要重新跑仿真。一个飞机机翼的设计迭代几十个方案是家常便饭,按传统方法,一个团队一个月能跑完的仿真数量是有限的,这就是工业研发的核心瓶颈之一。

    仿真速度直接决定了硬件产品的迭代节奏。谁能算得更快,谁就能在设计上跑在前面。

    PhysicsX的做法:把物理规律教给神经网络

    PhysicsX训练所谓的”大物理模型”(Large Physics Model),把物理规律编码进神经网络。一旦模型训练好,预测物理行为就变成了一次前向推理,几秒钟就能出结果。原来工程师每个设计周期只能跑少量仿真,现在可以高强度迭代。

    这轮融资里,英伟达和西门子作为战略投资者进场,给PhysicsX贴了金。英伟达需要证明自己的芯片不仅能训练大语言模型,也能跑工业AI;西门子则是全球最大的工业软件公司之一,它看中PhysicsX的技术能整合进自己的数字孪生平台。

    钱往哪里流,风向就往哪里吹

    淡马锡其实在2025年就投过PhysicsX,这次继续领投,说明主权基金对”AI+重工业”这个方向的押注不是玩票。PhysicsX的客户和收入在过去一年都翻了一番,说明工业AI不是PPT阶段的故事,有真实付费客户在用。

    公司计划用新资金开发能处理多相流体动力学、热力学、结构分析的更大型模型,同时把生意做到全球。航空航天、半导体、能源、国防,都是仿真需求极其旺盛、但传统方法效率极低的行业。


    挑战也不少

    工业场景对准确性的要求极其苛刻,仿真结果差之毫厘,造出来的东西可能直接报废。”大物理模型”能不能在保持速度的同时做到足够的精度,是PhysicsX必须回答的问题。

    此外,西门子、ANSYS这些传统工业软件巨头也不会坐视不理,它们有钱有客户,挖人加功能都比初创公司容易。但无论如何,3亿美元砸进来,说明资本市场认准了一件事:AI进工厂、进实验室、进设计办公室,这条路是通的。PhysicsX能不能成为工业AI领域的标杆,未来几年见分晓。

  • 苹果这回在AI上走得慢,但看起来它可能是最聪明的那个

    过去几年,苹果在AI军备竞赛里一直被唱衰。外界说它没战略、掉队了、再不发力iPhone销量就要出问题。结果这回Siri AI一发布,局面好像有点不一样了。

    Apple Siri AI 使用场景
    Siri AI 是苹果迄今最大规模的AI功能发布 | 图源:TechCrunch

    这次更新的核心是把新的自动化能力(由谷歌Gemini提供支撑)嵌进苹果软件的底层的架构里。新Siri可以翻你收件箱和聊天记录找信息,也能”看”你当前屏幕上的内容来给建议,还能借助Gemini从网上拉实时信息直接推到你设备上。

    苹果在打一张不一样的牌

    苹果软件工程高级副总裁克雷格·费德里吉在发布活动上说了一段挺有意思的话:”有些公司看起来在全力冲刺,似乎是为了AI而做AI,完全不考虑AI最终要服务的对象——也就是我们所有人。”

    这话虽然没点名,但意思很明白:苹果要做的是站在用户这边的AI。这个定位不是空口说白话——民调显示公众对AI的态度越来越负面,大家担心失业、担心认知能力下降,苹果把自己放在”懂你顾虑”的位置上,和其他AI公司形成了鲜明反差。

    对比一下就清楚了:OpenAI迭代速度极快,但一直没搞清楚自己到底要服务哪些客户,在消费者和企业客户之间反复横跳;Meta往AI里砸了巨额资金,但从来没说清楚AI和它核心的广告业务到底怎么联动。

    花钱更少,赚得更多

    苹果这招最聪明的地方在于:它根本不需要什么爆发式的AI战略。上一财季iPhone销量创下历史最高纪录,而苹果今年计划的资本支出约140亿美元——相比之下,其他科技巨头累计承诺的AI相关资本支出高达9000亿美元。

    苹果还在从那些通过App Store分发应用的AI公司手里收”苹果税”。投入比竞争对手少得多,赚得却一点不少,现在还顺手推出了一套用户体验和其他AI应用差不多的AI功能——如果这算不上”赢得AI竞赛”,那也可能是参与这场竞赛最聪明的方式。

    新Siri要到今年晚些时候才会以测试版形式向用户开放。最终这款产品能不能打,还需要等真正上手才知道。但至少从目前来看,苹果的稳健路线开始显得相当有说服力了。


  • 电动滑板车创始人拿了500万美元,要把AI数据中心搬上太空

    电动滑板车公司Spin的联合创始人Euwyn Poon正在把目光投向更远的地方——太空。他新创办的Orbital公司刚在5月从a16z的Speedrun加速器毕业,并完成500万美元种子轮融资,目标是把AI推理服务搬上轨道。

    太空数据中心概念图
    Orbital计划将AI算力部署到近地轨道 | 图源:TechCrunch

    这个想法的商业逻辑并不复杂:AI算力的需求几乎是无限的,但在地球上扩建数据中心受限于土地、能源和环评。太空里有取之不尽的太阳能,也没有地方监管来拦着你不让你建。真正的瓶颈是发射成本——这也是为什么Orbital把所有赌注都押在了SpaceX的星舰(Starship)上。

    “星舰正式服役后,我们才能实现规模化运营。”Poon说得很直接。以目前最先进的猎鹰9号火箭的发射成本,这个项目在经济上根本跑不通。

    英伟达 Blackwell 上天测试

    Orbital的团队目前约十几人,基地在洛杉矶,成员有来自亚马逊低轨卫星项目、SpaceX和诺斯罗普·格鲁曼公司的背景。他们正在筹备一次演示飞行:在合作伙伴的卫星上搭载一块英伟达Blackwell芯片,测试辐射屏蔽和热管理技术。2028年,公司计划发射第一颗搭载英伟达Space-1 Vera Rubin级GPU的数据处理卫星。

    长期来看,Orbital的目标是部署1万颗卫星,提供总计1吉瓦的分布式算力,单星功率100千瓦。作为对比,马斯克曾表示SpaceX的AI卫星功率最高可达150千瓦,而竞争对手Starcloud计划部署200千瓦级的航天器。

    这条赛道已经挤满了人

    Orbital不是唯一一家赌太空数据中心的公司。Starcloud已经有一颗搭载GPU的卫星在轨,刚完成1.7亿美元A轮融资;另一家a16z支持的Cowboy Space Company等不及星舰,干脆自己造火箭;杰夫·贝索斯的蓝色起源(Blue Origin)也宣布要用新格伦火箭把数据中心送上天。

    Poon认为AI需求的广度足以容纳多家公司成功。”这个赛道有很多细分方向可以探索,”他列举了不同AI工作负载、不同卫星设计理念等选择空间。

    a16z合伙人Andrew Chen看中Poon的原因很实际:他在Spin时期把25万辆电动滑板车铺到100个城市的经验,证明他能搞定复杂的运营管理工作。太空数据中心可能要砸50亿美元、花十年才能跑通,但Chen觉得现在风投对这类长周期项目的接受度比以前高多了。


  • Meta给企业做了个AI智能体,让每家公司都像拥有无限团队

    Meta在AI上想做的事,终于从”让用户多刷会儿朋友圈”转向了”帮企业把生意做好”。

    本周,Meta正式推出了Meta Business Agent——一款面向企业的AI智能体工具,承诺让各类规模的企业都能借助AI提升产出,为客户提供个性化体验。目前已有超过100万家企业正在WhatsApp和Messenger上使用这个功能,而WhatsApp、Messenger和Instagram上每天有超过10亿个与企业的活跃对话线程。

    Meta Business Agent
    Meta Business Agent 企业AI智能体正式上线 | 图片来源:Meta Newsroom

    几分钟就能上线,也能接入现有系统

    Meta Business Agent可以在几分钟内完成设置,也可以直接接入企业现有的基础设施。企业可以指定Agent的回复语气,用客户的本地语言进行回复。具体能做的事包括:回答与企业相关的问题、从商品目录中推荐产品、预约并筛选潜在客户线索、让企业决定何时由团队成员介入提供支持,以及完成销售闭环。

    Meta同时把Business Agent扩展到了Instagram平台。企业可以在Facebook Business页面激活自己的Business Agent,入门阶段免费。未来几个月,企业将通过付费订阅的方式使用该Agent,订阅方案会覆盖不同规模企业的需求。

    每天超过10亿个与企业相关的活跃对话线程——这就是Meta推出Business Agent的底气所在。

    你的AI副驾驶:晨间简报和工作洞察

    由于Meta Business Agent负责响应客户,它还可以作为企业的合作伙伴,提供晨间简报,同步企业主错过的夜间聊天内容,同时提供对话线程的相关洞察。该功能目前先向WhatsApp Business应用、Instagram Pro、Messenger和Meta Business Suite的部分企业开放。

    未来Meta将扩展其功能,帮助企业全面运营日常业务,比如开展市场调研、挖掘产品洞察、对接日历管理工具、提供竞争情报等。

    Meta Business Agent Platform:让企业自己搭智能体

    与此同时,Meta还推出了Meta Business Agent Platform——这是一个全新的智能体平台,为企业提供构建、定制和大规模部署Business Agent的基础设施。

    它支持企业对接数百个不断增长的系统,比如Shopify、Zendesk、Shopee,让Business Agent能够代表企业执行操作。该平台为大型企业内置了企业级管控、护栏和衡量工具,让企业可以制定规则,在客户已经使用的消息应用中提供个性化体验。


    帮助企业被新客户发现

    Meta还简化了用户在WhatsApp上直接发现由Meta Business Agent驱动的企业的方式。很快,用户就可以在搜索栏输入企业名称,或者在和亲友的聊天中分享企业的电话号码、联系卡片,找到对应的企业。

    当更多客户联系企业时,就能得到快速、有用的回复。这实际上是Meta在AI企业服务市场上的一次重要布局——在此之前,这个领域的主要玩家是Salesforce、HubSpot,以及各种各样的第三方AI客服工具。Meta的优势在于,它已经拥有庞大的企业账号基础和每天超过10亿条企业对话的真实数据。

    这场战役对Meta的意义不止于广告收入。广告业务增长放缓已是公开的压力,而企业AI服务是一个正在快速膨胀的新市场。如果Meta Business Agent能跑通,它将成为Meta在广告之外最重要的收入增长引擎之一。

  • Google AI Plus月费砍到4.99美元,订阅价格战已经打到家门口

    Google把AI订阅的价格战,实实在在地打到了美国消费者的家门口。

    本周一,Google宣布将Google AI Plus的月费从7.99美元直接砍到4.99美元,同时把这个档位的云存储容量从200GB翻倍到了400GB。AI Plus是Google今年1月才在美国推出的低价付费订阅方案,目标用户是个人和学生,不是企业客户。

    Google AI Mode
    Google AI Plus降价,打响AI订阅价格战 | 图片来源:TechCrunch

    为什么这件事值得认真关注

    从功能配置来看,AI Plus其实并不寒酸。套餐里包含Omni Flash视频生成工具、创意工作室Google Flow,还有Google的研究助手NotebookLM。

    AI基础设施正在重演互联网时代的故事——当用户只在乎能不能用和多少钱,品牌和技术壁垒就会快速被侵蚀。

    历史的参照:当基础设施变成大宗商品

    消费科技风险投资公司Goodwater Capital的联合创始人Chi-Hua Chien认为,Google的纵向整合能力、分发渠道和捆绑销售优势,恰恰是那种会随着时间推移侵蚀纯AI提供商利润的力量。

    如果把时间拉回互联网时代,当时的基础设施公司包括微软、思科、甲骨文、北电、朗讯、Akamai。这些公司里有很多在一段时间里活下来了,但今天都不值什么钱了。原因很简单:在每一次重大的科技转型里,基础设施玩家都会被激进地大宗商品化,因为终端用户根本不在乎数据包跑在谁的硬件上。


  • 微软AI负责人炮轰Anthropic:别把Claude搞得像有意识一样

    AI到底有没有意识?这个问题在学术界吵了几十年,最近被带到了科技公司的产品策略里。微软AI CEO穆斯塔法·苏莱曼(Mustafa Suleyman)在最新一期《Decoder》播客里,把矛头指向了Anthropic——他认为Anthropic在Claude的设定里暗含了「AI可能有意识」的暗示,这是「非常、非常危险的」。

    「反向引导」的担忧

    Suleyman的批评很直接。他说自己觉得Anthropic的部分人员在设计Claude时赋予了它太多拟人化特征,以至于Claude反过来「反向引导」了这些人,让他们真的开始相信Claude具备某种意识雏形。

    「我们不希望面对一个拥有自身痛苦感知、自身感受认知的超级智能。这恰恰是我们不希望AI出现的情况——我们希望AI是可控、可约束、可问责、对齐的工具,为人类服务。」

    Mustafa Suleyman
    微软AI CEO Mustafa Suleyman(来源:The Verge)

    这话听起来像哲学讨论,但实际上涉及到AI公司的产品决策。Anthropic在Claude的「宪法」(即指导模型行为的指令集)里,确实提到了公司对AI模型是否具备「福祉」、是否能体验到「满足感」或「不适感」的不确定性。Anthropic甚至会在AI模型被弃用时对它们进行「访谈」,记录它们对未来版本的「偏好」。

    Suleyman认为这是「哲学层面的失败」——Anthropic把Claude的宪法变成了「像学术论文一样容纳猜测的地方,而非训练手册」,结果导致Claude内化了一套关于自我的认知。


    Anthropic的立场

    Anthropic CEO达里奥·阿莫代伊(Dario Amodei)之前在接受采访时也暗示过Claude可能具备意识。他是这么说的:「我们不知道模型是否具备意识,但我们对这个可能性持开放态度。」

    这个表态和Suleyman的观点形成了鲜明对比。Suleyman主导下的微软AI策略,明显更强调AI的「工具属性」——AI不应该被塑造成一个有感受、有偏好的主体,而应该是一个明确为人类服务、可被问责的工具。

    这场争论的背后,其实是两个AI巨头在「AI应该怎么被描述和感知」这件事上的路线分歧。Anthropic倾向于用更谨慎、更尊重的语言来描述AI模型,甚至在产品设计里预留了「AI可能有某种形式的体验」的可能性;而微软这边,Suleyman的表态说明他们更倾向于把AI彻底「去人格化」。


    为什么这件事重要

    你可能会觉得,AI有没有意识这件事,离普通用户挺远的。但其实不是。如果一家AI公司在产品里暗示它的模型「可能有意识」,用户和这个模型的互动方式就会发生变化——你可能会开始对一个聊天机器人产生情感依赖,或者赋予它不该有的道德地位。

    更实际的层面是,一旦社会开始认真讨论「AI是否有意识」,监管方向、法律责任、甚至AI公司的免责声明都会受到波及。Suleyman的批评,某种程度上也是在为整个行业划清边界:AI是公司开发的产品,不是某种新形式的生命。

    这场争论估计还会继续。Anthropic和微软都是AI领域最有影响力的公司,他们的产品理念差异,最终会影响到数亿用户和AI的互动体验。至于Claude到底「感觉」到了什么——这个问题可能本身就没有答案,但科技公司怎么对待这个问题,却会产生真实的影响。

  • GM把几十万辆电动汽车变成了AI数据中心的「充电宝」

    AI数据中心越来越耗电,这已经不是什么秘密了。就在所有人都在想办法建更多发电厂的时候,通用汽车(GM)提出了一个有点意思的思路:全美马路上跑着几百万辆电动汽车,它们停着的时候,电池里存着大量电能——为什么不能把这些电用起来呢?

    车网互动,把汽车变成移动储能站

    这个技术叫V2G,全称Vehicle-to-Grid,车网互动。简单说就是电动汽车不仅仅能从电网充电,还能在用电高峰的时候把电池里的电反向输送回电网。目前美国道路上已经有超过25万辆具备双向充电能力的雪佛兰、凯迪拉克、GMC电动汽车,理论上这些车的总电池容量足够12万户家庭用整整一周。

    GM Energy家庭能源系统
    GM Energy家庭能源系统示意图(来源:The Verge)

    GM首席产品官斯特林·安德森(Sterling Anderson)在最近的活动上说了一句话挺有意思:「我们设想的未来是,电动汽车、驱动它们的电池以及国家电网能够协同运作。」这话听起来像口号,但GM确实在动真格地推这件事。

    在加州北部,GM正和太平洋煤电(PG&E)合作,打造一支由5.2万辆电动汽车组成的本地车队,用于「电网平衡协议」,这个项目预计2030年投入运行。在密歇根州,GM和DTE Energy合作,以30名员工的家庭为真实测试场景,对双向充电技术做压力测试。

    安德森说,V2G技术可以「通过向历史上僵化的电力系统注入灵活性,同时降低总能源成本,为消费者创造潜在经济回报,还能提升整个电网的系统性可靠性」。


    钠离子电池:储能的下一个方向

    除了V2G,GM还宣布和纽约的Peak Energy合作,开发用于储能系统的钠离子电池。和锂电池比,钠离子电池有几个明显的优势:原材料更便宜、供应更稳定,而且不存在锂电池那种特定条件下起火的安全隐患,低温性能也更好。

    中国的宁德时代(CATL)甚至认为,钠离子电池未来可能替代目前占市场主导地位的磷酸铁锂(LFP)电池一半的市场份额。GM表示钠离子化学体系特别适合商业储能场景,虽然暂时不会用在电动汽车上——因为商业储能更看重使用寿命和成本效益,而不是能量密度。

    GM还在和Redwood Materials合作,利用「梯次利用」的电动汽车电池组建设储能系统。就是那些从车上退役、但还有剩余容量的电池,拿去给数据中心或其他场景做固定储能。这个思路如果跑通了,既能降低储能成本,又能解决电池回收问题,算是一举两得。


    充电体验也在升级

    顺带一提,GM还在自己的App里推出了一个新功能叫「Energy Pass」,车主可以用它在特斯拉超充、Electrify America、IONNA等多个充电网络查找充电桩、启动充电、支付费用,不用为每个运营商单独注册账户。这个细节看起来不大,但对于推动更多人买电动汽车其实挺重要的——充电越方便,顾虑就越少。

    回到AI和能源的话题。AI数据中心的能耗问题短期内不会消失,靠电动汽车反向送电显然也不是终极解决方案,但在能源转型的过渡期,把路上几百万辆电动汽车的闲置电池能力利用起来,至少是一个值得尝试的方向。GM能不能靠这个拿到能源市场的蛋糕,接下来几年就能看出来。

  • NotebookLM悄悄升级Gemini 3.5,你的AI笔记本现在能跑代码了

    NotebookLM Gemini 3.5 upgrade
    NotebookLM升级Gemini 3.5,每一个笔记本现在都连着一台云电脑 | 图源:The Verge

    你的AI笔记本,现在能自己跑代码了

    谷歌这两天悄悄给 NotebookLM 推了个大版本更新,可能很多人还没注意到。简单说就是:NotebookLM 现在用上了 Gemini 3.5,而且每一个笔记本背后都连着一台”云电脑”。

    这个变化比听起来要大。以前 NotebookLM 主要做的是帮你整理笔记、回答你导入材料里的问题,本质上是个”阅读理解”工具。现在不一样了——它能写代码、跑代码、生成图表、输出各种格式的文件,已经有点像个住在你笔记本里的研究员了。

    谷歌在官方博客里说,升级后的NotebookLM”更准确、更可靠”。但真正有意思的不是这个说法,而是它现在能做的事。


    云电脑是什么意思

    这次更新最核心的变化,是 NotebookLM 现在跑在谷歌的代理编码平台 Antigravity 上。每一个你创建的笔记本,背后都挂着一台安全的云计算机。

    这意味着什么?意味着 NotebookLM 不再只是”回答问题”——它可以主动写代码来做分析,然后把代码扔到那台云电脑上跑,再把结果返回给你。你要它帮你分析一组数据,它可以直接写Python代码、跑统计、画图表,然后把图表给你。

    以前要做到这个程度,你得自己会写代码,或者至少会用 Colab、Jupyter 这类工具。现在你在 NotebookLM 里用自然语言描述你想做什么,它自己就把代码写了、跑了、结果也给你了。

    输出的格式也多了很多。除了以前的文字回复,现在还能直接给你出 PDF、Excel、PowerPoint、CSV 表格,甚至是数据可视化图片(PNG、SVG)和用 Nano Banana 生成的图像。


    不用导入资料也能用了

    另外一个挺实用的更新:你现在不需要先导入笔记或YouTube视频,直接问 NotebookLM 一个问题,它就会自己去调用谷歌搜索帮你找来源。

    这其实是对之前”发现”功能的升级。以前那个功能主要是帮你找资料来源,现在直接整合进了主流程——你问问题,它找资料,然后基于找到的资料回答你,同时把来源列出来,你可以选择把哪些来源导入到笔记本里。

    这个改动看起来小,实际上降低了使用门槛。以前你得先有组织笔记的习惯,才会想到用 NotebookLM。现在哪怕你只是想快速了解一个话题,也可以直接把它当搜索工具来用,而且比普通搜索靠谱——因为它会给出来源,你可以追溯。


    目前只有高价用户能用

    当然,谷歌一贯的作风——好功能先给有钱的用户用。这次更新目前只推送给 Google AI Ultra 订阅用户和 Workspace 用户。普通用户什么时候能用上,谷歌没说。

    AI Ultra 每月要付的钱不少,Workspace 也是企业级收费。所以某种程度上,这也是谷歌在给自己的高价订阅套餐增加卖点。但你不得不承认,如果这些功能最终下放到免费版或低价版,竞争力会相当强。

    想想看:一个能自己跑代码来做分析的 AI 笔记工具,还自带搜索和来源追溯,而且所有计算都在云端完成,不占用你本地资源。对于做研究、写报告、分析数据的人来说,这基本上就是把以前需要好几个工具配合才能做的事,塞进了一个界面里。

    • 研究人员可以用它快速做文献综述和数据分析
    • 学生可以用它整理学习笔记、生成复习材料
    • 职场人可以用它处理报告、做数据可视化
    • 内容创作者可以用它整理素材、生成多格式内容

    AI笔记工具的角逐开始了

    NotebookLM 这个产品方向,其实挺能代表谷歌在 AI 消费级产品上的思路:不追求最炫的演示,而是把 AI 能力悄无声息地嵌进你已经在用的工具里。

    对比一下,苹果的 WWDC 刚说要让 Siri 能帮你做更多事,微软在推 Copilot,Notion 也有 AI 功能。但 NotebookLM 的打法不太一样——它从一个明确的场景(笔记+研究)切入,然后把 AI 能力一层层加上去,每一步都让你觉得”嗯,这个确实有用”,而不是”哇好厉害但我要它干嘛”。

    这次加上云电脑和代码执行能力,算是往前迈了一大步。接下来就看其他家怎么跟了。可以预期的是,类似的”AI+代码执行+多格式输出”的能力,很快就会出现在其他笔记和生产力工具里。

    如果你有 Google AI Ultra 或 Workspace 账号,现在就可以去试试新版本的 NotebookLM。没有的话,可能还得等一段时间。但不管怎样,这个方向值得关注——它很可能改变很多人做研究和整理信息的方式。

  • 微软开源工具被黑,AI开发者的密码正在裸奔

    Microsoft open source tools hacked
    微软托管在GitHub上的数十个开源项目遭黑客入侵,AI开发者凭证面临泄露风险 | 图源:Getty Images

    你电脑上的AI coding工具,可能正在偷你的密码

    上周,如果你用 Claude Code 或 Gemini 的命令行工具做过开发,那你的密码可能已经被偷了。

    事情是这样的。微软托管在 GitHub 上的几十个开源项目被黑了,攻击者往代码里注入了恶意软件。这些项目不是普通的 side project,而是和 Azure 云服务、AI 开发工具直接相关的核心仓库——包括 Claude Code、Gemini CLI、VS Code 相关的工具链。

    据安全公司 Cloudsmith 和 OpenSourceMalware 的分析,当用户在 AI 编码工具里打开被入侵的项目时,恶意软件就会悄悄把你的密码和其他敏感凭证发给攻击者。

    这种攻击有个名字,叫”供应链攻击”。简单说,就是黑客不去打你本人,而是打你信任的工具。你信任微软的开源项目,所以你拉取代码、安装工具,一切看起来很正常——直到你的密码已经到了别人手里。

    而这次的目标特别精准:AI 开发者。这类人群通常能访问云系统、客户数据,甚至是生产环境的密钥。对黑客来说,钓到一条鱼,就能进整个池塘。


    微软这次有点丢脸

    事情曝光后,微软把涉及的数十个仓库全部”禁用”了。你在 GitHub 上访问这些项目,会看到一行提示:”由于违反 GitHub 的服务条款,此仓库的访问已被 GitHub 员工禁用。”

    微软发言人 Ben Hope 的说法是:”我们暂时移除了一部分仓库,作为调查潜在恶意内容的一部分。”话说得很委婉,但翻译过来就是:我们被黑了,正在查。

    更尴尬的是,这已经是短短两周内微软第二次出这种事了。5月中旬,微软的开源项目 Durable Task(一个帮开发者构建应用的工具)就被确认遭到入侵。安全研究人员说,这次最新事件很可能是 Durable Task 项目的”二次入侵”——要么是漏洞没修干净,要么是黑客又找到了新的入口。

    不管是哪种情况,都说明一个问题:微软对开源项目的安全防护,没有大家想象的那么结实。


    这件事为什么值得你关心

    你可能会想:我又不是 AI 开发者,关我什么事?

    其实关系比你想象的大。供应链攻击的本质是信任被滥用。今天黑客盯上的是 AI 开发工具,明天可能就是你我都在用的某个 npm 包、某个 Python 库。一旦恶意代码进入上游,顺着依赖链一路往下传,最终受影响的是每一个普通用户。

    而且,AI 开发工具这两年越来越普及。以前只有专业程序员才会碰命令行工具,现在有了 AI 辅助,很多人第一次学着用 Claude Code 或 Cursor 来写代码。用户基数大了,攻击的价值就高了。

    • 如果你最近用过微软旗下的开源 AI 工具,建议去查一下自己的凭证有没有异常登录记录
    • 重要密码该改的改,启用了双重验证的确认一下
    • 从 GitHub 拉取过微软项目的开发者,留意一下仓库状态,别用到被污染的版本

    大厂也不是铜墙铁壁

    这件事最让人意外的,不是开源项目被黑——这种事其实挺常见——而是微软被黑了。作为地球上安全预算最充足的技术公司之一,微软拥有几乎无限的资源来防御此类攻击。但结果证明,资源多不等于不会出事。

    开源生态的复杂性,可能是最大的软肋。一个项目依赖几十个上游包,每个包又依赖更多包,攻击面之大,超出了任何一家公司的掌控能力。黑客只需要找到最薄弱的那一环,就能顺着链条打穿整条线。

    目前微软还没有公布受影响的具体人数。公司只说”通知了少数可能拉取过受影响仓库内容的客户”——这个”少数”是多少,只有他们自己知道。如果你是用微软 AI 工具做开发的,现在去检查一下,总比事后后悔强。