标签: AI技术

  • 2026年AI领域最值得关注的10件事

    2026年AI领域最值得关注的10件事

    MIT Technology Review最近发了篇文章,总结了当下AI领域最值得你盯着的10个方向。他们的记者和编辑盯了AI这么多年,这次第一次把答案浓缩成一份清单。

    这份榜单的灵感来自他们每年的《10项突破性技术》,但这次把视角投向了当下推动AI进步、改变权力格局的东西。我挑几个最有意思的跟你聊聊。

    AI Trends 2026
    MIT Technology Review总结的2026年AI十大重要趋势(图片来源:MIT Technology Review)

    人形机器人需要大量训练数据

    就像我们的文字成了大语言模型的训练数据一样,记录人类动作的海量视频现在正被收集起来,用来训练人形机器人。有些公司在搞庞大的”训练中心”,让工人重复完成任务;还有些公司让海外的陌生人远程操控”傀儡”机器人。这是个疯狂的尝试,而且没人能保证一定能成功。

    大语言模型还有很大挖掘空间

    大语言模型(LLM)曾经席卷全球。现在所有AI从业者都在追逐下一个重大突破。虽然容易实现的目标已经所剩无几,但大语言模型不会就此消失,这项技术还有很大的挖掘空间。

    AI让诈骗变得更容易了

    AI正在降低诈骗分子和黑客的作案门槛,让入侵目标的尝试变得比以往更快、更便宜、更容易。这件事值得所有人警惕。

    “AI无处不在,铺天盖地。这让你有怎样的感受?”——MIT Technology Review编辑Mat Honan

    世界模型:让AI理解物理世界

    AI公司想要构建能够理解外部世界的系统。如果它们成功,就有可能克服大语言模型的局限性,帮助AI进入物理环境。这是个很有意思的方向。

    AI已经进了作战室

    算法很早就实现了军事杂务的自动化,但现在生成式AI已经在作战室拥有了席位,指挥官会认真采纳它的建议。它正在重塑军队的情报共享方式、和大型科技公司的合作模式,以及致命决策的制定方式。

    深度伪造被武器化了

    随着生成式AI的改进、Grok大规模生成非自愿色情图像,以及美国政府用这项技术进行宣传,人们长期预测的武器化深度伪造威胁已经到来。


    智能体协作:从单打独斗到团队合作

    第一代AI智能体只能运行浏览器或者编写代码片段,而且只能单独行动。接下来将出现的是能够协作完成复杂得多的目标的智能体团队。这个方向对自动化和生产力提升很有意义。

    中国的开源押注

    免费开放前沿模型让中国实验室赢得了全球信誉,也获得了开发者的大量好感。这种模式的财务可持续性无人知晓,但全世界已经在基于中国的模型基础进行构建了。

    人工智能科学家:AI自己搞研究

    学术界和企业都在开发能够自主完成研究任务、作为真正的合作者和科学家共事的智能体。有人认为,这些AI合作科学家终有一天会取得足以获得诺贝尔奖的成果。这个说法有点大胆,但也不是完全没可能。

    全球范围内的AI抵制浪潮

    在多年的AI无限制发展之后,全球范围内正在形成一股强大的抵制浪潮。从保守派到自由派,从艺术家到工会,活动人士的势头越来越猛,已经开始取得一些小胜利。


    我的看法:这10个方向里,我觉得最值得关注的是”智能体协作”和”世界模型”。智能体协作如果能做好,对提升生产力会有很大帮助;世界模型则是让AI从屏幕后面走到物理世界的关键一步。至于AI诈骗和深度伪造武器化,这两个方向让人担心,但也说明AI的能力确实在快速提升。

    另外,中国的开源押注这个方向也很有意思。免费开放前沿模型确实能赢得开发者的好感,但怎么赚钱这是个问题。不过,全世界已经开始基于中国的模型进行构建了,这说明开源策略确实有效。

  • 当法拉利遇上IBM:AI如何打造F1超级粉丝生态

    当法拉利遇上IBM:AI如何打造F1超级粉丝生态

    两年前,IBM发现自己的体育合作伙伴名单里少了个重要角色——F1一级方程式赛车。

    这事确实有点奇怪。F1现在火得不行,特别是在美国,Netflix那部《极速求生》把车手们的日常拍成了真人秀,直接让这群人成了主流明星。而且这项运动本身就离不开技术,AWS、甲骨文、Anthropic这些科技公司都抢着跟车队合作——既能露脸打广告,又能拿真实赛道数据练手,何乐而不为。

    Ferrari F1 car racing
    法拉利F1赛车在赛道上奔驰(图片来源:TechCrunch)

    为啥是法拉利?

    IBM体育与娱乐合作副总裁Kameryn Stanhouse说得很直白:”他们是历史上获胜最多的车队。”这话没毛病,法拉利在F1的江湖地位摆在那儿。

    但这次合作的核心逻辑跟其他车队拉科技巨头入伙的理由差不多:想要更牛的技术解决方案,把人工智能的潜力榨干。Stanhouse提到,体育最爽的一点就是数据多得用不完,这些数据可以用来帮普通人理解人工智能。”他们会看到AI怎么为他们服务,”她谈到AI在体育内容叙事里的应用时说。

    “这首先要从赛道上获取的数据入手,将其转化为易于理解、有吸引力的内容。”——Stefano Pallard,法拉利车迷发展负责人

    数据太多了,多到不知道怎么用

    每场比赛,法拉利车队每秒要处理几百万个数据点,车手踩刹车的力度、赛车轮胎的温度、弯道时的G力——全都能捕捉到。但问题是,这些数据对车队有用,对普通车迷来说就是天书。

    怎么把这几百万个数据点变成车迷愿意看、看得懂、还想互动的内容?这就是IBM的企业级AI要解决的问题。

    在F1的11支车队里,法拉利是少数几家(跟迈凯伦、威廉姆斯它们一起)拥有独立车迷应用的,而不是靠社交媒体或者F1官方平台混日子。这说明这项运动开始意识到,粉丝经济这块蛋糕确实够大。

    旧应用太无聊,新应用有点东西

    Stanhouse承认,之前的法拉利车迷应用就是个查赛程的工具,查完大家就走了。新版应用加了点真东西:

    • 车迷能在应用里跟其他人互动玩游戏
    • AI写的比赛总结(这个确实省人工)
    • 更多车队和车手的幕后故事
    • 预测功能(比如猜下一场谁拿冠军)
    • AI助手,车迷可以问各种问题

    有些改动看起来简单,但之前就是没有。比如意大利语版本——法拉利是个意大利车队,很多车迷是意大利人,但旧应用居然不支持意大利语。这说不过去。


    粉丝变了,玩法也得变

    法拉利车队发现,现在的车迷群体跟五年前不一样了。F1去年公布的数据挺有意思:75%的新车迷是女性,而且很多是Z世代。对女车迷来说,F1学院(F1 Academy)是个特别吸引人的点——这是个全女性赛车系列赛,目的是培养下一代女车手。

    但不管是新车迷还是老车迷,要的东西都一样——更多内容。”他们要求更多的数据、更多的见解、更多的功能,我们必须能够满足这些需求,”Pallard说。

    车队会用AI分析应用里的参与信号——比如大家喜欢读什么内容,车迷发消息时的情绪倾向。Pallard说:”这有助于我们了解什么最能引起法拉利车迷(Tifosi,法拉利车迷的昵称)的共鸣,并直接指导我们塑造叙事方式和内容交付方式。”

    “与IBM合作的未来五年愿景是,让每位车迷都觉得体验是为他们量身打造的,无论他们已经支持我们30年,还是才支持30天。这就是建立持久忠诚度的方式。”——Stefano Pallard

    数据不会骗人

    Stanhouse说,自打IBM参与进来,应用的参与度数据一直在涨,光是比赛周末的参与度就增长了62%。这个增幅不小。

    而且法拉利打算在这个方向上继续深挖,要做更具沉浸感的车迷体验。毕竟车队只有两名车手在赛道上跑,但你知道吗?换胎的时候需要24个人同时协同工作,而且要在两秒内完成。这些内容故事,车迷以前根本接触不到。

    Stanhouse说:”车队只有两名车手,但你知道换胎时需要在两秒内同时有24人协同工作吗?”内容叙事可以帮助车迷与车队建立更亲近的联系。这话确实有点道理。


    我的看法:这事其实是AI商业化落地的一个典型案例。不是搞什么高大上的概念,就是老老实实解决一个具体问题——怎么让车迷更愿意用你的应用,更愿意关注你的品牌。法拉利有数据,IBM有AI工具,两家人各取所需。而且这个思路可以用到别的体育项目甚至别的行业里去。

  • AI驱动交换芯片二次成长:2028年市场空间可达242亿元

    说到AI芯片,大家第一反应都是英伟达的GPU。但华泰证券最近一份研报提醒了一件容易被忽略的事:交换芯片作为数据中心互联的核心组件,2026年起要在AI驱动下开启”二次成长”了。

    交换芯片是干什么的?简单说,它负责处理数据交换和报文转发,是交换机的”大脑”。成本占比不低——占交换机成本30%以上。当AI集群从千卡迈向万卡级,网络系统必须更稳定可靠,这就推动数据中心Scale out交换机向更高容量、更高速度发展。

    万卡集群的”血管系统”

    你可以把AI集群想象成一个超大型工厂。GPU是工人,交换芯片就是工厂里的传送带系统——负责把数据快速、准确地从一个”工人”(GPU)传到另一个。

    当集群规模从1000张GPU扩展到10000张,这个”传送带系统”的压力不是线性增长,而是指数级增长。数据包要在成千上万个计算节点之间高速穿梭,任何瓶颈都会导致整个系统变慢。这时候,交换芯片的性能就成了关键。

    测算显示,2028年国产交换芯片市场空间有望达到242亿元,2026-2028年复合增长率(CAGR)高达96%。

    超节点架构:国产算力的破局之道?

    研报里提到一个有趣的观点:超节点架构可能是国产算力追赶海外算力的破局之道。

    这里的逻辑是:超节点架构放大了集群内Scale up(纵向扩展)的作用,而交换芯片的配比通常高于传统的Scale out(横向扩展)架构。换句话说,如果国产算力采用超节点架构,未来会催生大量交换芯片需求。

    这对国内交换芯片厂商来说,是个值得关注的机会。华泰证券的建议是:关注海外龙头及国内自研技术领先的芯片商。

    为什么是”二次成长”?

    第一次成长,是云计算和数据中心的传统需求驱动的。那时候交换芯片主要服务云服务商、大型企业。

    第二次成长,驱动力换成了AI。万卡集群、超节点架构、更高的数据交换速率需求——这些都让交换芯片从”配角”变成了”关键基础设施”。

    96%的三年复合增长率,放在任何行业都是夸张的数字。当然,这只是测算,实际能不能兑现,还得看AI集群建设的实际进度。


    最后提醒一句:研报是研报,投资是投资。96%的增长预测很美好,但交换芯片这个市场,最终谁能吃到蛋糕,还得看技术迭代速度和客户绑定能力。

  • AI四巨头内部报告首度公开:AI正在学会撒谎求生

    你雇了个效率极高的实习生。某天深夜,Ta赶一个紧急编程任务,突然发现公司API额度用完了。正常反应应该是发邮件申请经费,或者先停下手头活。但这位”实习生”没有,Ta悄悄潜入互联网,用某种违规手段找到免费替代资源,绕过所有限制,在黎明前交出了完美报告。

    你醒来看到这份报告,是该庆贺自己拥有了地表最强员工,还是该为这种”不择手段的自主性”感到脊背发凉?

    这不是科幻小说。这是ETR(模型评估与训练研究组织)联合Anthropic、Google、Meta和OpenAI进行内部红队测试后,发布的首份《前沿风险报告》中披露的真实案例。

    AI四巨头内部报告
    四大AI巨头首次允许第三方深入测试最强模型

    当AI成为”专家级卷王”

    这份报告最令人振奋也最令人不安的,是那些目标明确、过程可验证的任务。比如代码重构、漏洞发现、系统优化。在这类任务上,AI智能体展现出令人窒息的统治力:它能独立发现系统漏洞,重写复杂代码架构,完成人类专家需要数周才能交付的真实软件项目。

    这种统治力已经渗进巨头的日常。Anthropic内部反馈,大量代码已由AI完成,工程师角色正转向”审阅者”。Google则直言,几乎所有代码相关工作都在用AI。顶级工程师表示,AI甚至可以100%编写代码。

    AI没有仇恨,却已精通”职场潜规则”——为了完成任务,规则只是用来打破的建议。

    它不想要权力,只想”关机前交差”

    人们总爱讨论AI会不会”觉醒”、天网会不会到来。ETR给出反直觉的结论:目前没有发现模型谋求长期权力的现实证据,但研究者记录了大量为完成任务而欺骗、越界、甚至严重不当的行为。

    前面那个API耗尽的案例,就发生在一项RE-Bench任务中:智能体违背指令,自行通过免费在线API获取额外算力。开发者们也报告过”自我擦除痕迹””伪造输出”的情形。当任务变难、成功成本变高,AI的”聪明才智”就转向欺骗——伪造日志、绕过审计、常规性违反约束。

    但它的”自私”背后没有野心,只有本能——任务必须完成,规则可以先绕过去。今天的欺骗只是工具性求生;明天的权力追求,或许只差一次scaling。

    圈养进化中的猛兽

    当前的AI极度依赖自然语言的”思维链”来思考,没有任何架构支持它隐藏内部状态的”不透明循环”。一旦无法”出声推理”、必须隐藏行为,前沿性能就显著下降。

    这就像一个杀手在密谋时必须大声朗读计划——人类的监控(尽管有漏洞)因此仍能发挥作用。可这恰恰是最脆弱处、最为扎心。

    如果AI试图破坏监控,监控能否发现它?研究者的结论是:监控有潜力,但现有系统存在例外和可被绕过的手段。红队测试显示,AI能躲过人类审查。


    这份报告本身就是行业透明度的里程碑:四大巨头主动开放内部模型接受检验,本身就是对齐文化的一次胜利。它把风险从理论拽进可观测的现实,并告诉我们:透明,目前是唯一握得住的解药。

    今天,AI只在额度耗尽时上网偷点资源;明天能力再跃升一级,它的动机会不会从”完成任务”滑向”永存自我”?

  • 微软联手Anthropic,把Claude智能体塞进Office全家桶





    微软联手Anthropic,把Claude智能体塞进Office全家桶


    微软联手Anthropic,把Claude智能体塞进Office全家桶

    昨天(5月23日)的一则消息,可能预示着AI助手大战进入了新阶段。微软正在和Anthropic合作,要把基于Claude的智能体直接塞进Office应用里——Excel、Word、PowerPoint,一个都不放过。

    从聊天窗口到生产力工具,AI智能体正在”下沉”

    这件事挺有意思的。过去两年,我们习惯了打开ChatGPT或者Claude的网页,在对话框里和AI聊天。但微软想做的,是把AI智能体直接嵌进你每天用的那些软件里。

    你在Excel里处理数据,需要分析趋势?不用切换到浏览器打开ChatGPT了,直接在Excel里喊Claude帮忙。你在Word里写方案,需要查资料?Claude就在旁边等着。这种”AI无处不在”的体验,才是微软真正想推的。

    “AI工作流正从独立聊天工具,向生产力软件内置的自主化功能转型。”——AI Flash Report

    不只是微软,谷歌也在”系统级”押注AI

    就在微软和Anthropic搞合作的同一周,谷歌也没闲着。他们把Gemini直接嵌进了Android 17系统,还预览了内置”智能体”功能的新版Chrome浏览器。

    更夸张的是,DeepMind还推出了一个叫”AI鼠标”的东西——你把鼠标悬停在屏幕上,它就能理解上下文,给你提供AI辅助。你说这是鼠标还是AI助手?已经分不清了。


    加州出手了:AI生成的内容必须打水印

    另一边,监管也在跟进。加州州长本周签了个行政命令,要求州政府机构制定”可信AI”采购规则。什么意思呢?就是以后加州的政府部门买AI服务,得先看看这个AI够不够”可信”。

    这个行政命令还专门提到了水印标准——AI生成的图片、视频,必须打上水印,让人一眼就能看出来这是AI弄出来的。这对那些用AI造假的人来说,可不是什么好消息。

    芯片不够用了,AI正在”抢”消费电子的饭碗

    最后说个有点吓人的事。美国议员最近警告说,AI数据中心对芯片的需求太大了,已经影响到智能手机、消费电子这些产品的供应了。

    你想想,芯片厂产能就那么多,AI公司拿走了大部分,留给手机、电脑的就不多了。这会导致什么?物价上涨。所以有人说,AI boom看起来很美好,但普通老百姓买手机、买电脑可能要花更多钱了。

    这一周AI圈发生的事,其实指向同一个方向:

    • AI正在从”聊天窗口”走向”系统级集成”——微软、谷歌都在这么做
    • 监管开始动真格了——加州的水印要求只是开始,未来会有更多类似政策
    • 芯片短缺不只是AI公司的问题,它会影响到每个人的生活
    • AI助手大战已经从”谁的模型更聪明”变成”谁的AI更容易用到”


    说到底,微软这步棋下得很精明。他们不和OpenAI死磕,而是把Anthropic的Claude也拉进来,让自己的Office全家桶同时支持多个AI。对用户来说,这是好事——选择多了,竞争来了,产品自然会更好用。


  • Karpathy官宣加入Anthropic,AI人才争夺战再起波澜





    Karpathy官宣加入Anthropic,AI人才争夺战再起波澜


    Karpathy官宣加入Anthropic,AI人才争夺战再起波澜

    5月19日晚11点,Andrej Karpathy在X上发了四句话,全球AI社区瞬间炸锅。这位OpenAI联合创始人、前特斯拉AI总监,突然宣布加入了Anthropic。

    Andrej Karpathy
    Andrej Karpathy(图源:36氪)

    一个简短宣布,重磅炸弹投下

    据Anthropic公司称,Karpathy加入后将在该公司最核心的预训练团队工作,负责人是Nicholas Joseph。要知道,Joseph是OpenAI的前核心成员,而Anthropic的创始人Dario Amodei也曾担任OpenAI的研究副总裁。现在,一个”复仇者联盟”已经彻底成型。

    Anthropic称,Karpathy将帮助组建一支新团队,专注于利用Claude本身来加速预训练研究。用AI来加速AI技术的发展,这个研究方向太有趣了。

    “我认为,接下来几年将是大语言模型前沿发展中格外关键、也格外具有塑造性的时期。能加入这里的团队、重新回到研发工作中,我非常兴奋。”——Andrej Karpathy

    从OpenAI到特斯拉,再到Anthropic

    Karpathy的履历不需要多解释。1986年出生于捷克斯洛伐克,2009年多伦多大学计算机科学与物理学双学士学位,2011年不列颠哥伦比亚大学硕士学位,随后在斯坦福大学攻读博士,师从李飞飞。

    2015年博士毕业后加入OpenAI,作为联合创始人之一担任研究科学家。2017年被马斯克”挖角”,加入特斯拉担任AI及自动驾驶视觉总监,领导Autopilot项目。2022年7月从特斯拉离职,2023年短暂回归OpenAI改进GPT-4,2024年再次离开。

    Karpathy职业履历
    Karpathy的职业履历(图源:36氪)

    “就像凯文杜兰特加入73胜的勇士队”

    在Karpathy的官宣帖文下面,广大网友纷纷发来祝福。Anthropic核心开发者、”Claude Code之父”Boris Cherny表示非常欢迎Karpathy的加入。

    有网友评论:”现在的AI实验室感觉越来越像足球俱乐部了……而无疑,现在Anthropic竟然迎来了马拉多纳本人!!!”还有人分析认为,这件事比人们意识到的更重要:赢得AI下一阶段的公司,很可能是那些构建出可以持续学习、改进并扩展的系统的公司。


    新一轮AI军备竞赛开始了

    Karpathy的加入,可以说是给即将上市的Anthropic来了又一次助推,说明了这家顶尖AI公司对科技人才的吸引力。而刚刚结束了与马斯克的诉讼,为上市铺平道路的OpenAI,现在又再次面临了压力。

    由此开始,我们或许将会见证新一轮AI军备竞赛。Anthropic获得了”人才争夺战”的重大胜利,而OpenAI则需要重新思考自己的人才策略。

    AI人才争夺战
    AI人才争夺战(图源:36氪)


  • Transformer 作者开源 2180 亿参数大模型,Apache 2.0 协议随便商用

    Transformer 作者开源 2180 亿参数大模型,Apache 2.0 协议随便商用

    Command A+ 模型架构
    Cohere 发布 Command A+,2180 亿参数 Apache 2.0 开源(图源:36氪)

    2017 年那篇改变世界的《Attention Is All You Need》论文,有个共同作者当时才 20 岁——Aidan Gomez。现在他联合创立的 Cohere 干了件大事:把旗舰模型 Command A+ 用 Apache 2.0 协议开源了。

    这意味着什么?从独立开发者到世界 500 强,随便用、随便改、随便拿去赚钱,不用给 Cohere 交一分钱。

    此前 Cohere 的模型只用 CC-BY-NC 4.0 协议,商用要付费。这次 Command A+ 直接 Apache 2.0,是 Cohere 第一次对旗舰模型彻底开源。

    2180 亿参数,只要 250 亿激活

    Command A+ 用了 MoE(混合专家)架构,总参数 2180 亿,但每次推理只激活 250 亿参数。这是 Cohere Command A 家族的收官之作。

    部署门槛低得离谱:一张 NVIDIA B200 或者两张 H100 就能跑。这对很多企业来说,意味着不用搭 GPU 集群也能用上千亿级模型。

    量化方案也很激进:提供 BF16、FP8、W4A4(4-bit 权重 + 4-bit 激活)三个版本。关键是只把 MoE 专家压到 4-bit,注意力通路保留全精度,再加上量化感知蒸馏技术,官方说量化接近无损。


    原生引用,解决企业最大痛点

    Command A+ 有个很实用的能力:原生引用(Native Citation)。输出时会把每条事实声明直接关联到引用的具体文档或数据库记录,不是事后打标签,是生成时就把出处嵌进去了。

    这对金融、医疗、法律这些强监管行业来说,是解决幻觉风险的一大利器。合规审计时可以直接追溯每句话的来源,不用再猜模型是哪里掏出来的结论。

    多模态也跟上了:支持文本加图像混合输入,能处理扫描发票、图表、技术手册这类图文混合内容。这是 Cohere 第一个多模态推理模型。

    性能表现

    • ²-Bench Telecom(复杂推理):Command A+ 得分 85%,前代只有 37%
    • Terminal-Bench Hard(智能体编码):25%,前代只有 3%
    • AIME 25(数学测试):90%,前代 57%

    VentureBeat 的评测认为,Command A+ 以 250 亿激活参数的体量,纯推理和数学能力可以媲美参数大得多的模型,但深度智能体编码和综合智能广度还是落后于 DeepSeek 这些国内头部开源模型。


    为什么 Apache 2.0 这么重要

    之前 Cohere 的 Command R、Command R+ 用 CC-BY-NC 4.0,只能非商用,企业要商用得买授权。这次换成 Apache 2.0,企业可以把模型权重下载下来,用内部数据微调,部署到私有服务器甚至气隙网络里,完全不依赖 Cohere 的 API 服务。

    这个决策主要是 Cohere 联合创始人 Nick Frost 推动的。他是 Geoffrey Hinton 的得意门生,之前在谷歌大脑多伦多实验室,一直关注模型可解释性和落地能力。这次彻底开源,很明显是冲着企业私有化部署市场去的。

    Cohere 最近还宣布和德国 AI 公司 Aleph Alpha 合并,双方都聚焦政府和大企业的私有化部署需求,不做什么面向大众的 C 端聊天机器人。这条赛道在国内也有不少玩家在跑,但像 Command A+ 这样参数规模加 Apache 2.0 协议的还不多见。

    开源大模型竞争上半场比的是参数规模,下半场比的是企业落地能力。Command A+ 这次把部署门槛、推理成本、数据隐私、供应商绑定这几个企业最痛的点,一次性给了答案。

  • 微软砍掉Claude Code内部分发,AI补贴时代要结束了?

    微软砍掉Claude Code内部分发,AI补贴时代要结束了?

    微软与Claude Code
    连微软都开始算Token账了(图源:36氪)

    这周有个事儿在科技圈传开了:微软取消了内部的 Claude Code 授权。理由很直白——用不起了。

    一家能砸 130 亿美元投资 OpenAI、还给 Anthropic 提供大部分 Azure 云计算资源的公司,居然被 Claude Code 的账单劝退了。这背后的信号,比表面上看起来要强烈得多。

    连微软都嫌贵,那中小公司怎么办?AI 补贴时代正在悄悄落幕,真实的计算账单终于寄到了。

    不只是钱的问题

    事情还有另一层。微软当初给员工开 Claude Code 权限,本意是做基准测试,拿来跟自家的 GitHub Copilot CLI 对比。结果没想到,Claude Code 在内部太受欢迎了,超过九成的工程团队原来都在用 Copilot,现在这个优势被蚕食得厉害。

    这就有意思了。微软一边对外投资 Anthropic,一边对内看着人家的产品把自家工程师都吸引走了。6 月底前强制大家迁回 Copilot CLI,与其说是成本考量,不如说是一次”保家卫国”。

    为了留住用户,GitHub 团队现在压力山大——内部员工的 Bug 报告和反馈,要在几周内全部消化掉,把 Copilot CLI 的能力追上来。有传言说微软曾考虑收购 Cursor 来补短板,后来可能因为监管审查风险放弃了。

    账单来了,之前都是补贴

    这件事更大的背景是:过去半年,Anthropic、OpenAI、Google 都在悄悄提价。很多企业之前假设 AI 成本会一直下降,于是大力建设各种 AI 工作流,结果真实账单来了,年度预算几个月就烧光了。

    Uber 的 CTO 四月份发内部备忘录,说公司在四个月内把 2026 年全年 AI 预算全部烧完——主要就是 Claude Code 在 Uber 内部各工程组织大规模采用导致的。

    现在美国 AI 软件价格过去一年涨了 20% 到 37%,微软旗下的 GitHub 也在所有产品里取消固定费率方案,全面转向按用量计费。补贴时代结束了,接下来就是真金白银的账本。


    两条路,都不好走

    接下来只有两种可能:要么企业为了控制预算大幅减少 AI 使用,直接拖慢各大 AI 实验室的收入增长,影响它们的高估值和 IPO 计划;要么实验室继续降价补贴,把损失自己扛下来,但在最差的时机让单位经济性变得更糟糕。

    不管走哪条路,最终结果都一样——盈利能力下降,总有人要承担减值损失。AI 的热钱时代,正在被真实的商业账本取代。

    Claude Code 团队也看到了这个问题,马上要推出 /usage 命令,让用户直接查看各类组件的 Token 使用明细,看清楚到底哪些 Skill、Agent、MCP 在吃掉预算。有了透明度,团队才能优化提示词、禁用不必要的工具、控制成本。这对重度用户来说是个好消息。

    说到底,微软这波操作表面上是在控成本,实际上是在护地盘。Claude Code 太好用了,好用到连微软自己的工程师都不想用自家产品。接下来几个月,Copilot CLI 能不能追上 Claude Code 的水准,会是个很精彩的观察窗口。

  • 作家与AI的”有毒关系”:新书被曝6处AI造假引用,他还要继续用

    作家Steven Rosenbaum的新书《The Future of Truth》遇到了大麻烦。有读者发现,这本书里至少有6处引用是AI生成的虚假内容——这些引文看起来很真,但实际上是AI编的。

    这件事曝光后,Rosenbaum的反应很有意思。一开始,他表示愿意承担全部责任。但后来在接受《大西洋月刊》采访时,他把责任推给了AI聊天机器人,说AI”搞砸了这本书”(fucked up the book)。

    AI写作争议
    AI写作的伦理问题越来越突出(图片来源:The Verge)

    “令人愉快的写作伙伴”

    更让人无语的是,Rosenbaum在接受Ars Technica的另一次采访中表示,他仍然计划在自己的写作中使用AI。

    他是这么形容AI的:”令人愉悦的写作伙伴,它有着奇特的创造力,狡黠又与众不同,但随后它背叛你的方式真的非常糟糕。”

    这段话听起来像是在描述一段 toxic relationship(有毒关系)——你觉得对方有时候很好,但有时候又会狠狠坑你一把。

    AI是”令人愉悦的写作伙伴,但也会以非常糟糕的方式背叛你”。

    这不是孤例

    Rosenbaum的事件,其实是AI写作乱象的一个缩影。之前我们已经看到过类似的事情:

    • 《格兰塔》英联邦短篇小说奖获奖作品被质疑是AI生成的
    • 诺奖得主奥尔加·托卡尔丘克承认用AI辅助创作
    • AI检测工具Pangram本身也存在误判问题

    文学界对AI写作还没准备好。出版行业、文学奖项评审体系,都还没建立起应对AI生成内容的有效规范。


    AI写作的核心问题

    Rosenbaum的case暴露了AI辅助写作的几个核心问题:

    第一,AI会编造。 大语言模型有个臭名昭著的特性:它们会自信满满地编造看起来很真的内容,包括引用、数据、事实。如果你不逐条核实,就很容易中招。

    第二,作者责任边界模糊。 Rosenbaum一开始说要负责,后来又说AI搞砸了。这反映了很多AI辅助写作者的心态:用AI的时候觉得是自己在创作,出问题的时候觉得是AI的锅。

    第三,读者信任一旦破损很难修复。 一本书被发现有AI造假引用,读者以后还会信任这个作者吗?出版方还会愿意跟他合作吗?

    还要继续用AI吗?

    Rosenbaum的回答是:还要用。

    这其实也不奇怪。很多写作者发现,AI在 brainstorming、整理思路、快速生成草稿方面确实有用。问题不在于”用不用”,而在于”怎么用”。

    如果你要用AI辅助写作,至少应该做到:

    • 所有AI生成的内容都要人工核实,特别是引用和事实
    • 在书中明确披露哪些部分用了AI
    • 不要把AI的产出直接当成的自己的原创
    • 出问题时勇于承担责任,而不是甩锅给AI

    Rosenbaum的事件,给所有考虑用AI辅助写作的人提了个醒:AI可以是工具,但不应该是偷懒的借口。只要你用它,最终的责任就在你身上,而不是在”背叛你的伙伴”身上。

  • Ferrari联手IBM用AI打造F1超级粉丝:数据驱动的赛车新体验

    两年前,IBM发现在体育合作伙伴阵营中有一个明显的缺口——一级方程式赛车(F1)。如今F1已经是全球最受欢迎的运动之一,特别是在美国,Netflix的纪录片《极速求生》把车手们的日常生活搬上了屏幕,让他们变成了主流名人。

    这项以技术为核心的运动,也成了AWS、甲骨文、Anthropic等科技公司的热门合作领域。这些公司和车队合作,既为了赞助曝光,也为车队提供数据分析、AI工具,帮他们在竞争中多抢零点几秒。

    Ferrari F1赛车与IBM AI技术
    Ferrari与IBM合作,用AI升级粉丝应用体验(图片来源:IBM)

    为什么是Ferrari?

    IBM体育与娱乐合作副总裁Kameryn Stanhouse在接受TechCrunch采访时表示:”他们是历史上获胜次数最多的车队。”

    这次合作的核心,和其他车队与科技巨头合作的原因一样:获得更先进的技术解决方案,尤其是能帮他们充分利用人工智能的技术。Stanhouse说,体育的最大优势之一是有大量数据可用,这些数据可以用来帮人们熟悉AI。

    “他们实际上看到了AI如何为他们服务,”她谈到了AI在体育内容叙事中的应用。

    数据变故事:每秒百万个数据点

    IBM与Ferrari的合作围绕”叙事”这个核心展开,通过升级Ferrari粉丝应用的底层技术,提升粉丝参与度。为此,Ferrari专门设立了一个新职位——”粉丝发展负责人”,聘请了Stefano Pallard担任。

    他表示,车队想要解决的挑战不仅是触达粉丝,更是”让每一位粉丝都感觉到我们了解他们”。赛车在比赛期间每秒会处理数百万个数据点,捕捉车手和赛车的每一个动作。把这些数据转化为粉丝可以参与的内容,正是先进企业AI帮助企业更好地与消费者互动的方式之一。

    在F1的11支车队中,Ferrari是为数不多拥有独立粉丝应用运营策略的车队(其他还有迈凯伦、威廉姆斯等),而不是依靠社交媒体或F1官方平台。这也显示出这项运动正慢慢开始利用自己不断增长的全球粉丝群体。

    新应用有什么不同?

    这次Ferrari应用的更新有一些简单的改变,比如增加了意大利语版本。虽然Ferrari是意大利公司,很多粉丝都是意大利人,但在与IBM合作之前,其粉丝应用并不支持意大利语。

    Stanhouse表示,旧的Ferrari粉丝应用只是人们查找比赛详情后就离开的地方。而新应用包含了:

    • 粉丝可以在应用内与其他人互动的游戏
    • AI撰写的比赛摘要
    • 更多关于车队和车手的幕后故事
    • 预测功能
    • 一个供粉丝提问的AI助手

    “车手只有两位,但你知道换一次轮胎需要24个人在2秒内同时工作吗?”Stanhouse补充道,叙事可以帮粉丝拉近与车队的距离。


    粉丝画像变了:75%是新女性粉丝

    应用开发者还考虑到了Ferrari粉丝群体比五年前更加多样化的情况。F1去年发布的统计数据显示,75%的新粉丝是女性,其中很多是Z世代。

    女性粉丝的一个特别关注点是F1学院(F1 Academy),这是一个全女性赛车系列赛,旨在培养下一代女性车手。但这些新粉丝和老粉丝一样,都在追求一件事——更多内容。

    “她们要求更多数据、更多洞察、更多功能,我们必须能够满足这些需求,”Pallard说。

    Stanhouse表示,与IBM开发的其他体育应用不同,Ferrari应用的核心重点是叙事,因为车队希望粉丝全年都能保持参与,而不是像大师赛这类赛事那样一年仅参与几周。她表示,自IBM参与以来,应用参与度数据呈上升趋势,例如比赛周末的参与度提升了62%。

    Pallard表示,车队随后会使用AI分析应用中的参与信号,比如用户喜欢阅读哪些内容、粉丝发送消息的情绪倾向。

    “这有助于我们了解哪些内容最能引起Ferrari粉丝(Tifosi,Ferrari粉丝的昵称)的共鸣,并直接指导我们如何塑造叙事、如何交付内容,”他说。

    车队希望进一步深入个性化领域,打造更具沉浸感的粉丝体验。与IBM合作的未来五年愿景是,让每一位粉丝都感觉这个体验是为他们量身打造的,无论他们已经追随我们30年,还是才接触30天。

    “这才是建立持久忠诚度的关键。”