标签: AI

  • 诺奖得主John Jumper离开DeepMind,跳槽去了Anthropic

    John Jumper 在 X 上发了一条短消息——在 DeepMind 快 9 年了,要去 Anthropic 了。这条消息不长,但在 AI 圈子里炸了锅。Jumper 和 Demis Hassabis 在 2024 年一起拿了诺贝尔化学奖,理由是用 AI 预测蛋白质 3D 结构(AlphaFold)。

    AI蛋白质研究与人才流动
    AI 科研人才正在重新洗牌

    DeepMind 又在失血

    Hassabis 在 X 上回了一句”你会被想念的”——客气话背后,是 Google 在 AI 人才大战里又一次失血。Bloomberg 的报道说 Jumper 是 Google 编程工具团队的关键成员,而这正是 Google 一直没卖出去的那块业务。

    无独有偶,Character.AI 联合创始人 Noam Shazeer 本周也宣布离开 DeepMind 去了 OpenAI。DeepMind 出来的人,现在好像越来越往 Anthropic 和 OpenAI 两边分流。

    AlphaFold 解决了生物学界困扰几十年的问题——给你一段基因序列,它能算出对应的蛋白质长什么样。这套东西现在全世界的结构生物学家都在用。

    Anthropic 在疯狂招人

    Anthropic 这段时间一直在从 Google DeepMind 挖人。Jumper 的加入,意味着 Anthropic 不仅在模型能力上追,在蛋白质 AI、科学计算这些垂直方向上也开始布局。有意思的是,OpenAI 也有动作——它们刚搞了个”Patch the Planet”计划,用 AI 帮开源项目抓安全漏洞,和 Anthropic 的安全工具形成竞争。

    Jumper 的 X 帖子底下,Hassabis 留了句话:”GDM 是个特别的地方,你们接下来发现什么了不起的东西我都会很兴奋。” 两个人 2024 年拿诺奖时拍的那张合影,现在看有一点微妙的仪式感。


  • 亚马逊把Alexa+搬到了印度,先搞定印地语再说

    亚马逊本周悄悄给一批印度用户发了邮件——邀请他们参加 Alexa+ 的印地语内测。邮件里写得很直白:新版 Alexa 体验正在打造中,你的反馈很重要;加入 Beta 后,印地语版本可用时会通知你。邮件同时提醒,Beta 版会有 Bug,发音可能不准,信息也可能出错——典型的”先上了再说”的亚马逊风格。

    为什么是印度,为什么是印地语

    印度讲印地语的人口超过 6 亿,但印度用户的语音习惯很复杂——很多人是印地语和英语混着说。Alexa 2017 年进入印度时只支持英语,2019 年加了印地语,但那是”能识别”和”能对话”之间的巨大鸿沟。Alexa+ 是亚马逊 2025 年推出的生成式 AI 助手,对话能力上了好几个台阶,但直到今年 2 月才向全美国用户开放。之后慢慢推到了英国、加拿大、巴西、墨西哥、意大利、德国——印度是下一个大票仓。

    亚马逊给 Prime 会员免费提供 Alexa+,非会员按月付费。印度 Prime 会员数量庞大,这意味着 Alexa+ 在印度大概率会走”免费预装+订阅增值”的路数。

    语音 AI 的印度赌局

    亚马逊不是唯一在印度押注语音 AI 的公司。Reliance Jio 在本月的股东会上发布了 Jio Call Agent——直接嵌进通话网络的 AI 助手,说一句”Hey Jio”就能调出来帮你订餐、叫车、做摘要。Jio 有 5 亿多用户,如果这个真的铺开了,Alexa 这种”靠人主动叫醒”的交互方式会显得很老派。

    亚马逊的应对策略是把 Alexa+ 做成本地化足够深的产品——不只是翻译界面,而是理解代码混合语、理解本地上下文。内测表单要求用印地语填写,这本身就是在收集训练数据。亚马逊没有透露印度版 Alexa+ 什么时候正式上线,但内测的启动说明他们已经在为 launch 做准备。


  • GPT-5 Pro干了一件科学家干不了的事:破解困扰学界三年的T细胞谜题

    GPT-5 Pro破解T细胞谜题
    GPT-5 Pro 帮助免疫学家破解困扰学界三年的T细胞行为谜题 | AI生成配图

    GPT-5 Pro 干了一件科学家干不了的事:破解困扰学界三年的T细胞谜题

    免疫学家 Derya Unutmaz 研究了三年都没想通的 T 细胞行为谜题,最后被 GPT-5 Pro 给解了。这件事发生在 2025 年底,Unutmaz 和他的实验室用 OpenAI 最新发布的 GPT-5 Pro 重新分析了一批复杂的生物学数据,得出了此前从未被发现过的全新见解。

    T 细胞是人体免疫系统里的核心角色,负责识别并攻击入侵的病原体。但 T 细胞的行为方式极其复杂,某些特定类型的 T 细胞在特定微环境下的反应机制,科学家们争论了很久。Unutmaz 被卡住的地方,正是关于一类特殊 T 细胞分化路径的问题——这类细胞到底在什么条件下会往哪个方向走,数据里有信号,但人类研究者就是看不出清晰的规律。

    GPT-5 Pro 做的事情是:把一大批复杂的免疫学数据喂进去,让它找模式。结果模型给出了几个假设,Unutmaz 拿去验证,发现是对的。这个”aha moment”(顿悟时刻)让整个实验室都兴奋了——他们三年没解开的谜,被一个 AI 模型给突破了。

    这件事的意义不只是解决了一个学术谜题。T 细胞行为的研究直接关系到癌症免疫疗法和自身免疫疾病的治疗——如果你能精准预测 T 细胞在特定环境下的反应,就能设计出更有效的治疗方案。这个方向的每一次进步,都可能转化为实实在在的临床突破。

    更值得关注的是这件事代表的趋势:AI 不再只是帮忙写写代码、生成生成图片的工具,它开始真正参与科学发现了。GPT-5 Pro 在这次突破中扮演的角色,更像一个极其敏锐的研究助手——它能同时处理的信息维度远超人类大脑,能从看似杂乱的数据里提炼出人类忽略的结构性规律。

    OpenAI 把这个案例放到了官方博客上,显然是想说明 GPT-5 Pro 的”推理能力”不是吹出来的。但这件事也引发了一些讨论:当 AI 开始帮科学家做发现,科学研究的署名和信用该怎么算?Unutmaz 的论文里会怎么标注 GPT-5 Pro 的贡献?这个问题目前还没有标准答案。

    不管怎样,这个案例给了科学界一个很清晰的信号:能够做深度推理的大模型,已经在真实研究场景里产生价值了。下一步的问题不是”AI 能不能帮做科研”,而是”怎么把 AI 系统地整合进科研流程里”。


  • Google Home终于学会”认人”了——即使你背对着摄像头

    Google Home熟悉面孔识别
    Google Home熟悉面孔识别功能升级 | 图片来源:The Verge

    Google Home 终于学会”认人”了——即使你背对着摄像头

    如果你的 Google Nest 摄像头老是认不出背对着它的家人,这个问题快成为历史了。Google 在 6月23日推送了 Google Home 的新更新,把”熟悉面孔”(Familiar Faces)功能往前推了一大步。

    以前的玩法很简单:你在 Google Home 里标记了几张面孔,摄像头认出来了就给你发通知。但问题是——人总不能一直正对着摄像头。你背着身走进厨房,或者侧着脸走过走廊,Nest Cam 就傻了,直接给你报一个”未知人员”的警报。这个问题困扰了不少用户。

    Google 在新版说明里写道:系统将开始使用”额外的非生物识别信号(体型、衣服颜色等)”来辅助判断身份。也就是说,即使脸没拍到,Google Home 也能通过你穿什么颜色的上衣、体型大概什么样,把你认出来。

    这个更新背后其实是 Google 在智能家居 AI 识别上的一次升级。此前”熟悉面孔”功能因为隐私问题在欧洲等地被搁置过一阵子,现在重新推进,而且识别维度更丰富了——不再只靠人脸这一种生物特征。

    顺带一提,这次更新还修了一个很烦人的小问题:以前你标记了某个人,但过了几个月那个人换了发型或者老了点,Nest 可能就认不出来了。新版本里”熟悉面孔”图库会自动用最新的图像更新,减少因为照片过时导致的误报。

    这次更新还顺带加了两个功能:一个是 Google Home 应用(4.20版)里新增了”系统健康警报”——如果你的 Nest thermostat 检测到 HVAC 系统有问题,会直接推通知给你。另一个是增强了对 Matter 开关的支持,智能家居互联互通这块 Google 还在慢慢补功课。

    对于家里装了一套 Google Home 的用户来说,这次更新最直观的感受应该是:少收到很多”检测到未知人员”的误报通知。识别准了,整个智能家居的体验才真正算”智能”。


  • Graphify:让AI编码助手拥有持久记忆的知识图谱工具,71K+ Stars让代码/文档/会议全部可查询

    Graphify:让AI编码助手拥有持久记忆的知识图谱工具,71K+ Stars让代码/文档/会议全部可查询

    ⭐ GitHub 71.2K+ Stars | MIT 许可 | Python

    Graphify

    AI 编码助手的知识图谱技能,让代码、文档、会议记录全部可查询

    📋 项目简介

    Graphify 是一款 AI 编码助手技能插件,支持 Claude Code、Codex、Cursor、Gemini CLI 等几乎所有主流 AI 编码工具。它可以将任意文件夹下的代码、SQL 模式、文档、论文、图片、视频等内容,转换为可查询的知识图谱,实现单个图谱同时覆盖应用代码、数据库模式和基础设施信息。

    核心价值:让 AI 编码助手拥有持久记忆,不再「忘记」之前的对话和决策。

    71.2K+
    GitHub Stars

    1.1M+
    下载量

    20+
    AI 工具支持

    36
    语言/格式支持

    ⚙️ 安装要求和过程

    环境要求

    依赖 最低版本 安装方式
    Python 3.10+ python.org
    uv(推荐) 任意版本 curl -LsSf https://astral.sh/uv/install.sh | sh

    快速安装(3步搞定)

    # 1. 安装 graphify(PyPI 包名为 graphifyy,双 y)
    uv tool install graphifyy
    
    # 2. 注册到 AI 助手
    graphify install
    
    # 3. 在 AI 助手中使用
    /graphify .

    可选扩展功能

    uv tool install "graphifyy[all]" — 安装全部扩展(PDF/Office/视频/MCP/Neo4j/中文分词)

    🚀 核心功能

    🧠 知识图谱自动构建

    支持 36 种编程语言 AST 解析、PDF/Office 文档、图片、视频/音频、YouTube 链接等几乎所有项目相关文件,自动构建可查询的知识图谱。

    ⚡ 增量更新(无需重建)

    不同于 RAG 管道每次更改都重新嵌入所有内容,Graphify 维护一个活图谱。文件变更时,仅更新受影响的节点和边,其余保持不变。

    🔍 多模态语义查询

    支持语义查询、节点路径查询、节点解释、PR 影响分析、PR 冲突检测等功能,查询结果附带来源和置信度评分。

    🤖 20+ AI 工具兼容

    支持 Claude Code、Cursor、VS Code Copilot、Aider、Devin CLI、OpenClaw、Codex、Gemini CLI 等几乎所有主流 AI 编码工具。

    🔒 隐私优先(本地处理)

    代码文件完全本地通过 tree-sitter 解析,无需调用 API;无遥测、无用户行为追踪;支持气隙(air-gapped)部署。

    👥 团队协作友好

    生成的 graphify-out/ 目录可直接提交到 Git,团队成员拉取后可直接使用图谱,无需重复构建;支持 MCP 服务暴露供团队共享。

    💡 典型使用场景

    场景一:新人快速上手大型代码库

    问题:新工程师加入团队,需要数周时间阅读文档、grep 代码才能理解代码库。

    解决:运行 /graphify .,图谱一次性构建完成。询问 AI 助手「为什么我们移动从 REST 到 gRPC?」即可获得完整决策链路,包括 RFC 文档、设计会议记录、相关提交。

    场景二:PR 影响分析与冲突检测

    问题:提交 PR 时不知道哪些模块会受影响,容易引入隐形 Bug。

    解决:使用 graphify prs 42 查看 PR 的详细影响分析;使用 graphify prs --conflicts 检测共享图谱社区的 PR,避免合并冲突。

    场景三:跨代码/文档/会议的完整上下文

    问题:AI 编码助手只看到代码,看不到设计文档、会议记录、研究论文,导致建议不全面。

    解决:将代码仓库、PDF 设计文档、Markdown 会议记录、YouTube 技术讲座全部添加到图谱(graphify add <url>),AI 助手查询时获得完整上下文。

    🌟 推荐理由

    Graphify 是我近期关注的最令人兴奋的新项目之一。它解决了 AI 编码助手的一个核心痛点:遗忘。每次新对话,AI 助手都不记得之前的决策和上下文,导致重复解释、决策不一致。

    Graphify 通过知识图谱方案解决这个问题,比传统 RAG 更高效:

    • 增量更新:文件变更时仅更新受影响部分,不需要像 RAG 那样每次都重新嵌入所有文档
    • 结构化关系:图谱中的节点和边能够表达代码之间的调用关系、文档之间的引用关系,查询结果更有意义
    • 本地优先:代码解析完全在本地进行,不需要发送到大模型 API,保护代码隐私

    特别适合:使用 Claude Code、Cursor、Aider 等 AI 编码工具的开发者;需要管理大型代码库或跨多个文档/会议工作的团队;重视代码隐私、希望本地处理敏感项目的企业。

    ⚡ 增长惊人:项目 2026 年 4 月 3 日才创建,仅 3 个月已达到 71,275 Stars 和 110 万次下载,是 YC S26 孵化项目,增长势头非常强劲!

    📌 项目开源许可:MIT | 最新版本:0.8.46 | 最后更新:2026 年 6 月

    🏷️ 相关标签:AI Agent · 知识图谱 · RAG · 代码智能 · Claude Code · Cursor

  • iOS 27的AI不想跟你聊天,它想直接帮你把事办了

    WWDC 2026过后,大家都在聊Siri的AI大改造——那个终于能理解你的上下文、还能替你操作手机的”新Siri”。但如果你把注意力只放在Siri上,就会错过苹果这场AI布局里真正有意思的部分。

    iOS 27 AI功能
    iOS 27将AI融入日常功能,而非强行让用户与聊天机器人对话

    苹果的选择和Google、Microsoft很不一样。后两家公司恨不得把聊天窗口钉在你屏幕的每个角落,逼着你和AI”对话”来完成一切。苹果的做法则更像是把AI溶解进了系统里——你不一定能感觉到它的存在,但它就在那里帮你把事情做了。

    买单自动算账,连计算器都不用开

    iOS 27里最实用的功能之一,是账单自动分摊。和朋友吃完饭,拍一下收据照片,Apple Intelligence会自动识别菜品、数量、小费和总额,然后生成分摊请求直接发到群聊里。每个人可以选择自己吃了哪些菜(甚至可以按半份算),最后通过Apple Cash结算。

    这个设计聪明的地方在于:它不需要你学习任何新东西。没有新的聊天窗口,没有新的App,就是在你拍完照片之后,出现一个你本来就期望看到的选项。这种”刚好在你需要时冒出来”的AI,比那种”随时随地等你来聊”的AI助手更有用。

    密码被泄露?让AI帮你全部改掉

    数据泄露这件事,普通用户真的是防不胜防——你的密码再复杂,也架不住服务商被拖库。iOS 27新增的密码自动更新功能,会让AI代理帮你把那些出现在数据泄露名单里的密码全部换掉。

    具体过程是:系统识别出有问题的密码之后,AI会自动打开对应的网站,帮你登录,然后把密码替换成一个新的复杂密码,整个过程不需要你手动操作。当然,这一切都运行在本地,苹果强调说你的密码数据不会上传到云端。

    苹果的AI策略核心:让智能功能出现在你恰好需要的地方,而不是强迫你适应AI的工作方式。

    Messages里的小建议,比你想的更聪明

    iOS 27的Messages app会用AI理解对话内容,然后给出一键操作建议。朋友让你帮忙带东西?系统会问你要不要加到提醒事项里。有人问你要活动照片?AI会从你的照片库里找出相关的那几张。约了晚饭?直接提示你把时间加到日历里。

    这些功能单独看都不算什么黑科技,但它们加在一起,勾勒出了苹果对AI的理解:AI不应该是一个你需要专门去”打开”的东西,它应该是你已经在用的那些App变得更聪明之后的样子。

    打电话给客服时,系统自动帮你找订单号

    iOS 27还有一个很贴心的通话上下文功能:当你打电话给航空公司查航班时,系统会从你的邮件里自动找出确认码,直接显示在当前通话界面上。这样你就不用在通话过程中手忙脚乱地翻邮件了。

    这个功能完全在设备本地运行,苹果看不到你的邮件内容。它就是在你需要的时候,把本来就存在你手机里的信息,放到一个更顺手的位置。


    除了上面这些,iOS 27还有不少值得期待的AI功能:用自然语言就能往日历里加事项、Safari自动把打开的标签页按主题分组、智能家居通知不再刷屏而是由AI归纳成一条摘要、Shortcuts终于支持用说话的方式配置自动化……

    所有这些功能现在已经在开发者测试版里了,公开测试版会在近期推出,正式版要到今年秋天才会推送。到时候你的iPhone升级之后,可能不会感觉”哇,我的手机多了一个AI助手”,但你会感觉”哇,我的手机变好用了”。

    这大概就是苹果最想看到的反应。

  • 好莱坞向OpenAI低头:亚马逊扔了一部电影,其他片商也跟着怂了

    亚马逊把一部快要完成的电影给扔了——这事听起来就像一个荒诞的段子,但它真实地发生在了好莱坞。

    好莱坞与AI的交汇
    亚马逊MGM放弃发行Sam Altman传记电影,好莱坞与AI的关系正变得微妙

    这部电影叫《Artificial》,是著名导演卢卡·瓜达尼诺(Luca Guadagnino)的作品,讲的是OpenAI联合创始人兼CEO Sam Altman在2023年那场轰动一时的”被炒又复职”大戏。片子后期制作都快收尾了,亚马逊MGM却在2026年6月中旬突然宣布不再发行这部电影。

    亚马逊的说法很委婉——他们说这部电影”由另一家工作室发行会更合适”。但明眼人都看得出来,亚马逊今年早些时候刚向OpenAI砸了500亿美元,这时候跑去发行一部讲述AI公司CEO内部权力斗争的电影,确实有点尴尬。

    亚马逊已经明确表示要在AI领域大干一场,这时候去发行一部可能把AI公司高管描绘成负面形象的电影,确实不太合算。

    不只是亚马逊,大家都在退缩

    更让人警觉的是,其他工作室也在跟着退缩。据Variety报道,Netflix、A24、Focus Features、以及华纳兄弟的Clockwork部门都拒绝接手这部电影的发行。目前只有Neon和Mubi还在表达兴趣,但局势已经很明朗了:好莱坞似乎正在失去讲述Big Tech批判故事的勇气。

    《Artificial》的剧本由《An American Pickle》的编剧Simon Rich执笔,讲的是2023年11月那场持续不到一周的OpenAI”政变”——Altman被董事会开除,随后微软表示要雇他,几百名OpenAI员工联名威胁集体辞职,最后Altman回来,董事会几乎全部换人。光看这个故事本身,戏剧性已经足够拍一部精彩的电影了。

    DeepMind和A24的7500万美元”研究合作”

    就在这部电影被各家工作室拒之门外的同一周,另一个消息传来:Google DeepMind宣布和A24达成7500万美元的多年”研究合作伙伴关系”,共同开发电影制作AI工具,包括一个新的故事板应用。

    A24这边,刚凭借《Backrooms》创下票房佳绩,但就在他们发布Jesse Eisenberg音乐剧《The Debut》的预告片之后,评论区被大量负面评论淹没——原因正是A24与DeepMind的合作。影迷们担心,A24这个曾经最具独立精神的制片公司,正在向AI妥协。


    事实上,好莱坞向AI示好的例子已经越来越多了。迪士尼和OpenAI签了合作协议,Netflix收购了Ben Affleck的AI工具公司,派拉蒙Skydance的高管也公开表示AI是提升生产力的关键。各家片商都在算同一笔账:AI能帮我们省钱,别因为一部电影得罪了技术合作伙伴。

    但这笔账的另一面是:如果好莱坞不再敢于批判科技巨头,我们以后的电影和剧集会变成什么样?全是”AI真好、科技真棒”的温情叙事?还是说,所有的批判声音都将被资本的力量消音?

    《Artificial》目前还在找下家,Neon和Mubi的意向给了它一线生机。但如果一个讲OpenAI内部故事的电影连发行都困难,那其他更尖锐的科技批判作品,还有出路吗?

  • 用AI面试官取代简历筛选:这家瑞典创业公司刚融了400万美元

    Fika Jobs AI视频面试平台
    Fika Jobs让求职者完成AI视频面试,生成短视频档案供雇主浏览 | 图源:Fika Jobs

    找工作这件事,到目前为止依然很原始。求职者花几个小时改简历、写求职信,投出去之后就进入了「黑盒」——你不知道有没有人看,也不知道为什么没有回音。而生成式AI出现之后,情况变得更乱了:求职者用AI批量生成求职材料,雇主则用AI批量筛选求职者,两边都在用自动化工具对付对方。

    斯德哥尔摩的创业公司Fika Jobs想换个思路。他们做的是视频优先的招聘平台——求职者不是投简历,而是跟AI面试官聊10分钟,AI会把回答自动剪成短视频片段,整理成一份「视频档案」。雇主这边不是在纸堆里找人,而是直接浏览已经经过AI面试和评估的候选人视频档案。

    「我们在做(社交应用)Gaff的时候,花了大量时间招人,差点错过了一个候选人,因为他的简历真的不是很出彩。但我们还是跟他聊了,几分钟内,他的毅力、动力和野心就完全展现出来了——这正是我们想招的人。」

    ——Fika Jobs联合创始人 Jakob Dubois

    具体怎么运作?

    对求职者来说,流程大概是这几步:先关联自己的LinkedIn资料,Fika的AI会回顾你的背景并生成个性化的面试问题,然后你跟AI代理进行一场大约10分钟的视频面试(目前用的是Google的Gemini模型)。面试完之后,Fika会自动把回答变成短视频片段,整理成一份档案。

    跟传统的「每份工作重新申请」不一样,Fika的模式更像是维护一个持续更新的视频档案。雇主可以随时发现和重新拜访合适的候选人,而不需要候选人每次都重新走一遍申请流程。

    Fika这边刚宣布了400万美元的种子轮融资,由Luminar Ventures领投,Alliance VC以及《Candy Crush》的两位联合创始人Sebastian Knutsson和Riccardo Zacconi也参与了投资。这笔钱会用来继续开发平台、扩充团队,并在今年晚些时候做更大范围的发布。

    跟竞争对手有什么不同?

    用AI做招聘这件事,Fika Jobs并不是第一家。这个赛道上已经有一堆公司在跑了:有做AI招聘官的Alex,有做AI Agent招聘官的Maki,还有估值已达20亿美元的Mercor

    但这些竞争对手大多聚焦于帮雇主更高效地去寻找、筛选和匹配候选人。Fika的思路反过来了:它建的是一个候选人视频档案平台,雇主来这里浏览已经提前被AI面试过的人。换句话说,Fika更像是把权力向候选人这边倾斜了一点。

    这个思路对早期职业者和非传统背景的候选人可能特别有价值——这些人简历上可能没什么拿得出手的东西,但沟通能力、性格、应变能力这些特质,在视频里比在纸上更容易展现出来。

    但有个问题不能忽视

    视频档案这个东西,除了好处,也引入了一个老问题:偏见。当雇主能在评估候选人资质之前就看到对方的种族、年龄、性别、外貌和口音,这等于是把歧视的可能性直接摆到了桌面上。简历这种东西固然有很多缺陷,但至少它还能部分地掩盖掉这些特征。

    有些公司正是因为这个问题,才转向了「盲审简历」的做法。Fika的视频模式等于是把这个进步给倒回去了。当然,Fika可以说他们的AI评估是「客观」的,但AI本身也有偏见问题,这不是什么秘密。

    Fika表示平台本周将向候选人开放早期访问,更大范围的公开发布预计在今年秋季。公司初期会聚焦瑞典市场,之后再向国际扩展。目前平台对求职者免费,雇主那边不收预付费用,但成功招到人之后,Fika会收取候选人第一年薪资的10%作为佣金——比传统猎头20%到30%的收费标准要低。

    目前已经有超过100家公司在等待名单上,另外有50多家公司测试过这个平台,包括Plenty Labs、SICS.ai、Kognity和Rebtel等。这个模式到底能不能跑通,接下来几个月就会看到答案了。


  • OpenAI搞了个「修补地球」计划,用AI帮开源项目抓bug

    OpenAI Patch the Planet 开源安全计划
    OpenAI与Trail of Bits合作,推出「Patch the Planet」开源安全计划 | 图源:OpenAI

    上世纪90年代有一部电影叫《Hackers》,里面有一句经典台词「Hack the Planet」(攻陷地球)。上周OpenAI启动了一个新项目,名字叫「Patch the Planet」——把「hack」换成了「patch」(修补),意思很直白:我们不来搞破坏,我们来帮你补漏洞。

    这个计划是OpenAI跟安全公司Trail of Bits一起做的。具体怎么做呢?Trail of Bits的安全工程师会直接跟开源项目的维护者对接,帮他们审查代码里可能有问题的地方,OpenAI自己的安全工具(比如Codex Security)会在过程中帮忙。

    「很多维护者已经被要求用更有限的时间和资源,更快地处理更多的报告。Patch the Planet的设计是为了减轻这个负担,而不是增加它:安全工程师会在发现到达维护者之前先审查,跟项目合作开发补丁和测试,并建立可复用的工作流,帮助团队在首批修复落地后继续改进安全性。」

    开源的「公地悲剧」

    这个计划针对的问题其实由来已久。开源软件是现代软件产业的基石——几乎每一家商业软件公司,背后都在用无数开源项目搭起来的轮子。但这个生态有个老问题:它是去中心化的,没有人真的「拥有」它,也就没有人真的为它的安全负责。

    几年前的log4j漏洞事件就是一个典型例子。一个几乎无处不在的开源工具里发现了严重漏洞,结果整个互联网都慌了,大家忙着排查自己有没有用这个库。这种事情反复发生,说明开源生态的安全状况确实令人担忧。

    OpenAI这次出手,等于是给开源社区派了一支「代码急救队」。Trail of Bits的工程师扮演的角色有点像 EMT(紧急医疗技术员)——哪里有需要,就去哪里帮忙评估和分类潜在问题,而且背后还有OpenAI的软件工具提供支持。

    一石二鸟?

    这个项目还有一个值得玩味的背景。最近这段时间,AI用于网络安全的话题一直很敏感——尤其是Anthropic的Mythos工具(一个高度宣传的安全工具)让很多人担心,因为AI现在可以自动识别代码里的漏洞,然后还可能被用来生成攻击利用代码。

    虽然网络攻击的自动化并不是什么新鲜事,但这些新工具确实让坏人干坏事变得容易多了。在这种氛围下,OpenAI反过来用AI帮开源社区提升防御能力,这个举动很难不让人觉得是在跟Anthropic「打对台」。

    当然,OpenAI也说这个计划的出发点是开源社区真正需要的。两相并立,倒也不一定是坏事——只要最后是开源项目的安全性真的提高了,谁「赢」了这场公关战其实并不重要。

    能走多远?

    这个项目目前来看野心不小,但也有一些悬而未决的问题。比如,这个模式怎么规模化?Trail of Bits的工程师团队规模有限,能服务的开源项目数量自然也有限。OpenAI说他们会建立「可复用的工作流」,让项目团队在首批修复之后能够自己继续改进安全性,这可能是他们想到的规模化路径。

    另一个问题是,这个计划会覆盖哪些开源项目?是只针对那些影响力特别大的,还是也会照顾到中小型项目?OpenAI目前还没有公布具体的筛选标准。

    不管怎样,这件事对整个开源生态来说是个好消息。有这么大体量的公司愿意投入资源来做这件事,总比大家各自为战要好。接下来就看执行得怎么样了。


    📎 原文来源:OpenAI官方博客 – Patch the Planet | 亦见于 TechCrunch
  • SpaceX与开源AI实验室Reflection AI签下63亿美元算力大单

    SpaceX与开源AI实验室Reflection AI签下63亿美元算力大单

    马斯克的算力生意,又拿下一家AI实验室

    SpaceX最近签了一笔新合同:向开源AI实验室Reflection AI提供算力,从2026年7月1日开始,每个月收1.5亿美元,一直签到2029年。合同总价值最高63亿美元。

    这个数字听起来吓人,但放在SpaceX的算力出租生意里,其实不算最大。Anthropic给SpaceX每个月交12.5亿美元,Google每个月交9.2亿美元,Reflection的1.5亿只是同一个模式里的第三单。

    SpaceX数据中心与AI算力
    SpaceX孟菲斯数据中心成为AI算力新热点

    Reflection AI是谁

    Reflection AI是一家2024年才成立的公司,创始人是两名前Google DeepMind研究员。它做的事情跟Anthropic、OpenAI不一样——它做开源权重模型,把自己的训练参数公开发布,任何人可以下载、修改、部署。

    这个路线最近在美国政府把Anthropic的闭源模型(Fable和Mythos)禁了之后,突然变得很应景。很多企业和政府机构开始认真考虑:如果某天自己用的闭源模型被禁了怎么办?开源权重模型成了一个”自主可控”的选项。

    “最近发生的事件凸显了开源对AI生态系统的重要性,越来越多的国家和企业意识到只依赖闭源模型的风险和成本。”——Reflection AI发言人

    Colossus数据中心的故事

    这笔交易里用的算力,放在SpaceX在田纳西州孟菲斯附近的Colossus 2数据中心。这个地方原本是马斯克做xAI的时候建的,用来跑Grok大模型。后来xAI并进SpaceX,数据中心也就归了后者,但Grok的表现一直不尽如人意。

    SpaceX的算盘很清晰:与其让这些H100、GB300芯片空转,不如租给最有钱的AI实验室。Anthropic、Google、现在又加了Reflection,三家公司加起来,每个月给SpaceX贡献的租金超过20亿美元。

    合同里还有一个细节:任何一方在头三个月之后,提前90天通知就可以终止合同。这意味着Reflection如果后面融不到钱或者战略有变,可以抽身走人。当然SpaceX也可以。

    开源权重模型能走多远

    Reflection把自己定位为”美国开源前沿AI实验室”,直接对标DeepSeek。它在融资和知名度上目前还远不如Anthropic和OpenAI,但开源权重这个赛道在美国政府的监管风向变化下,可能会迎来一波意想不到的助推。

    这笔算力合同是Reflection第一次对外披露的大规模基础设施承诺。它在声明里说,合同证明了”Reflection在前沿AI生态系统中的战略重要性”,更多算力意味着”有更多跑道去大规模训练世界上最好的开源模型”。


    站在更远处看,这件事其实是关于算力集中化的又一个注脚。全世界最稀缺的AI芯片,越来越多地聚在少数几个超大规模数据中心里,然后以租赁的方式流向AI实验室。SpaceX做火箭起家,现在最赚钱的生意之一,可能是在地上建机房收租金。

    Reflection能不能用这63亿美元的算力跑出跟Anthropic、OpenAI不一样的路线,是接下来两年AI开源社区最值得看的故事之一。