标签: AI

  • 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。

  • 印度营销SaaS公司MoEngage收购AI代理初创公司Aampe,押注「千人千面」营销

    印度营销SaaS公司MoEngage收购AI代理初创公司Aampe,押注「千人千面」营销

    一家印度SaaS公司,悄悄做了一笔”代理人”收购

    印度客户互动软件公司MoEngage最近干了一件事——把旧金山初创公司Aampe全现金收购了,交易金额数千万美元。这件事在外媒上没掀起太大水花,但仔细看下去,你会发现它指向的方向有点意思。

    Aampe是2020年成立的公司,做的东西听起来很朴素:给每一个客户分配一个专属的AI代理,根据个人行为来决定给ta推送什么消息、什么时候推。不是传统营销里那种”把用户分成几组、每组发一样的邮件”的逻辑,而是真的一个人一个模型。

    AI营销代理概念图
    AI代理正在接管个性化营销决策

    为什么是现在

    MoEngage的联合创始人兼CEO Raviteja Dodda在接受TechCrunch采访时说了一句很直白的话:这次收购的主要目的,是从Salesforce和Adobe手里抢客户。

    他说MoEngage近期的增长,很大一部分来自从Salesforce Marketing Cloud和Adobe Experience Cloud迁移过来的企业客户。最近刚签了三四笔年合同价值数百万美元的单子,都是原先在用Salesforce的。收购Aampe之后,他觉得这个势头还能加速。

    “我们增长的很大一部分来自从Salesforce Marketing Cloud和Adobe Experience Cloud迁移过来的企业客户。”——MoEngage CEO Raviteja Dodda

    这个背景值得停下来想一下。Salesforce和Adobe在营销自动化这块吃了这么多年,现在开始被后来者用”AI代理”这个理由撬墙角了。

    Aampe到底做了什么

    Aampe的核心产品说起来不复杂,但做起来很难:给每个用户跑一个独立的AI代理,这个代理负责决定要不要给这个人发消息、发什么、什么时候发。它目前有30多个客户,分布在美国、欧洲和亚太,过去一年年度经常性收入增长了150%。

    用Aampe的品牌客户包括Swiggy(印度外卖平台)、Grab(东南亚出行)、Taxfix(德国税务App)。这些公司同时也在用MoEngage的客户互动平台,两个产品并存的局面在被收购后会被打通。

    Aampe成立以来融了大约2800万美元,投资方包括Peak XV Partners、Z47、Theory Ventures。收购完成后,约20名Aampe员工将加入MoEngage,公司总人力扩展到大约820人。

    更大的故事:AI从”生成”走向”决策”

    这件事说出来可能有点抽象,但趋势是真实的:软件公司正在把AI从”帮你生成内容的工具”升级成”替你做决策的代理人”。在营销这个场景里,这意味着AI不再只是帮你写邮件文案,而是直接决定”给谁发、发什么、几点发”。

    这个转变的想象空间很大,但风险也摆在台面上。当AI代理开始替企业做营销决策,谁来监督它?它会不会学出什么奇怪的偏好?目前行业里还没有成熟的审计标准。

    MoEngage对外的说法是,Aampe的技术会让品牌在营销上真正做到”千人千面”——不是口号上的千人千面,而是每个用户背后真的跑着一个专属模型。这个目标听起来美好,落地起来需要多少数据、多少算力,是另一回事。


    MoEngage在收购Aampe之前大约六个月刚融了2.8亿美元(包含一级和二级交易),账上有钱做这种收购。印度SaaS这几年在国际上存在感越来越强,MoEngage是其中跑得比较稳的一家。这次把Aampe收进来,短期看是补技术,长期看是在为”AI代理人营销”这个品类占坑。

    至于这个坑最后能不能成,可能要看接下来一两年AI代理在企业软件里到底能落多少地。

  • Pydantic AI:类型安全的AI Agent框架,Pydantic官方出品,17.9K+ Stars为GenAI开发带来FastAPI体验

    项目简介:Pydantic AI 是由 Pydantic 官方团队开发的 Python 原生 AI Agent 框架,目标是将 FastAPI 的开发体验带到生成式 AI 应用和 Agent 开发中。Pydantic 验证库已被 OpenAI SDK、Anthropic SDK、LangChain 等主流 AI 工具采用,而 Pydantic AI 则直接从源头集成 Pydantic 能力,让开发者能够快速、自信、低痛苦地构建生产级 GenAI 应用和工作流。

    ⭐ GitHub Stars
    17.9K+
    🍴 Forks
    2,250+
    📜 开源许可
    MIT
    🏢 开发团队
    Pydantic

    Pydantic AI Logo

    🔧 安装要求和过程

    环境要求

    • Python 3.9+(推荐 Python 3.10+)
    • pip 或 uv 包管理器
    • 支持的操作系统:Windows / macOS / Linux

    快速安装

    # 使用 pip 安装
    pip install pydantic-ai

    # 或使用 uv 安装(推荐)
    uv pip install pydantic-ai

    # 安装可选依赖(如需运行示例)
    pip install "pydantic-ai[examples]"

    验证安装

    python -c "import pydantic_ai; print(pydantic_ai.__version__)"

    🚀 核心功能

    1. 官方团队原生开发

    Pydantic 验证是 OpenAI SDK、Google ADK、Anthropic SDK、LangChain、LlamaIndex 等主流 AI 工具的基础验证层。Pydantic AI 直接从源头集成 Pydantic 能力,稳定性和兼容性更强。

    2. 完全类型安全

    充分利用 Python 类型提示,为 IDE 提供充足上下文,支持自动补全和静态类型检查,将大量运行时错误提前到编写时发现,获得类似 Rust “编译通过即可用” 的开发体验。

    3. 模型无关性

    支持几乎所有主流模型和提供商:OpenAI、Anthropic、Gemini、DeepSeek、Grok、Cohere、Mistral、Perplexity;云厂商:Azure AI Foundry、Amazon Bedrock、Google Cloud;本地推理:Ollama、LiteLLM、Groq、OpenRouter 等。未覆盖的模型可通过自定义模型扩展。

    4. 无缝可观测性

    深度集成 Pydantic Logfire(通用 OpenTelemetry 可观测平台),支持实时调试、基于评估的性能监控、行为追踪、成本追踪。同时也支持其他兼容 OpenTelemetry 的可观测平台。

    5. 强大的评估与扩展能力

    支持系统化测试和评估 Agent 系统的性能和准确性;支持通过可组合的能力(Capabilities)构建 Agent,能力可打包工具、钩子、指令、模型设置为可复用单元;支持完全通过 YAML/JSON 定义 Agent,无需编写代码。

    💡 典型使用场景

    场景一:银行客服 Agent

    构建具备工具调用、依赖注入、结构化输出的银行客服 Agent。通过 RunContext 注入数据库连接,使用 Pydantic BaseModel 定义结构化输出,实现类型安全的 Agent 响应。

    from pydantic_ai import Agent, RunContext
    from pydantic import BaseModel

    class SupportOutput(BaseModel):
        support_advice: str
        block_card: bool
        risk: int

    agent = Agent('openai:gpt-5.2', output_type=SupportOutput)

    场景二:带可观测性的生产级 Agent

    集成 Pydantic Logfire 实现全链路可观测性,监控 Agent 的完整运行链路、工具调用、数据库查询、Token 消耗和成本追踪,让生产环境 AI 应用透明可控。

    import logfire
    logfire.configure()
    logfire.instrument_pydantic_ai()
    logfire.instrument_sqlite3()

    💬 推荐理由

    Pydantic AI 是我见过的类型安全做得最彻底的 Python AI Agent 框架。如果你已经在用 Pydantic 做数据验证(相信我,你一定在用),那么 Pydantic AI 会让你感觉”回家了”。

    最打动我的是它的开发体验——类型提示让 IDE 自动补全几乎能”预测”你想写什么,大量潜在错误在编写阶段就被捕获,而不是在运行时才爆雷。这种”编译通过即可用”的 Rust 式体验,在 Python AI 开发中实在难能可贵。

    另外,Pydantic 团队在构建 Pydantic Logfire 时因为没有找到符合预期的 Agent 框架,干脆自己造了一个——这种”自己用它才做得好”的项目,质量通常有保障。目前 17.9K Stars,正处于快速成长阶段,现在上手正当其时。

    📥 下载地址

    📚
    官方文档

    ai.pydantic.dev

    🐍
    PyPI 安装

    pypi.org/project/pydantic-ai

    🔥
    Pydantic Logfire

    logfire.pydantic.dev

    🚀 Pydantic AI —— 类型安全的 AI Agent 框架,让 GenAI 开发像 FastAPI 一样流畅

  • 被英伟达「挖空」核心团队后,Groq反手融了6.5亿美元

    Groq AI chip concept
    AI inference chip concept — 概念图

    一家AI芯片公司的创始人被竞争对手挖走,投资者拿了一笔丰厚的”IP授权费”,公司还剩下什么?对Groq来说,答案是:再融6.5亿美元,然后转型。

    本周一,Groq宣布完成一笔6.5亿美元的融资,领投方是达拉斯晚期投资机构Disruptive(创始人Alex Davis同时担任Groq董事长)和劳德代尔堡对冲基金Infinitum。这距离英伟达与Groq签署非独占技术许可协议、并挖走创始人兼CEO Jonathan Ross、总裁Sunny Madra等核心员工,刚好过去约六个月。

    Groq的上一次估值是在2025年9月,当时完成7.5亿美元融资后估值为69亿美元。这次融资的具体估值未披露。

    从Google TPU到被英伟达”收编”

    Jonathan Ross来自Google,在AI芯片圈子里有名是因为他参与了Google TPU(Tensor Processing Unit)的研发。离开Google后,他和另一名Google工程师Doug Wightman在十年前创立了Groq。Wightman在英伟达交易后留了下来,现在担任Groq的CEO。

    Groq做的是所谓LPU(Language Processing Unit),专门用于AI推理,以云服务或本地硬件集群的方式销售。但在英伟达现在拥有了LPU的IP之后,这家GPU巨头在3月的GTC大会上发布了自己的硬件集群产品——Nvidia Groq 3 LPX推理硬件系统。

    面对这个局面,Groq的选择是转向”neocloud”业务。这块业务原本由Madra负责(Groq在2024年收购了他的AI数据分析公司Definitive Intelligence之后)。据公司数据,这项业务现已扩展至北美、欧洲、中东和亚太地区的13个数据中心,服务超过500万开发者和数千家AI公司,每周处理数万亿个token。

    重新招人,重新出发

    Groq也在招 replacement executives。新任COO Alan Rice来自xAI和Meta,此前在美国海军服役。CTO Sinclair Schuller和CPO Rakesh Malhotra是一对创业搭档,之前一起在Schuller创立的企业云软件公司Apprenda工作,然后共同创立了软件工程公司Nuvalence(2024年被安永收购)。Malhotra在微软云产品部门工作了约十年。

    在几乎把公司卖掉之后,Groq能否成功,取决于它的推理云在关键硬件IP已与英伟达共享的情况下还能保持多大竞争力。当然,它还是有机会的。推理相关技术正处在一个需求(和VC投资)极其旺盛的阶段。

    一个可以参考的案例是Scale AI。CEO Jason Droege告诉《福布斯》,在Meta约一年前以143亿美元做了那笔”not-acqui-hire”交易之后,业务已经反弹,公司有望达到10亿美元营收。

    AI大棋局里,什么都可能发生

    Groq的故事折射出AI芯片行业一个奇特的生存模式:核心人才被大公司挖走,但公司本身还能继续融资、继续运转。这和传统芯片行业的并购逻辑完全不同——更像是”IP许可+人才流动+公司续命”的混合体。

    英伟达花了多少钱买Groq的IP?具体数字未公开,但媒体此前报道这笔交易价值约200亿美元。Groq的投资者在这笔交易中据说获得了丰厚的回报。现在这6.5亿美元能不能帮Groq在neocloud赛道杀出一条路,是接下来最值得看的部分。

    AI芯片的竞争远未结束。Groq不是第一个在被”挖空”后继续融资的公司,也不会是最后一个。


  • AI正在进入「循环」时代:当AI开始指挥AI干活

    AI agent loops conceptual illustration
    AI agents working in recursive loops — 概念图

    上周五,在Meta举办的@Scale开发者大会上,观众问了Claude Code的创造者Boris Cherny一个问题:AI里的”循环”(loops)到底是下一个炒作周期,还是来真的?

    Cherny的回答很干脆:来真的,而且这一步和当年从手写代码过渡到AI agents一样重要。

    “两年前我们手写源代码。然后过渡到让agents写代码。现在我们正在过渡到agents prompting agents、再由后者写代码的阶段。从源代码到agents是一步大跨越,loops是同样重要、同样大的一步。”

    一个agent在后台永不停工

    Cherny在演讲中(YouTube视频32分钟左右)具体描述了他自己在用的loop:一个agent持续寻找改进代码架构的方法,另一个agent寻找可以合并的重复抽象层。它们像普通程序员一样提交pull request,而由于代码在不断变化,这两个agent永远不会停止运行。

    这个想法听起来激进,但背后逻辑其实很直接。agentic AI的主流用法是”管好你的agents”——设清楚目标,检查进度,别让它们跑太远。loop把这个逻辑再推一步:授权一群agents在后台持续工作,没有止境。这是对AI的极大信任,但随着模型能力快速提升,让AI处理真实工作,loop可能是下一步。

    不是什么新鲜事,但也不一样

    严格来说,递归循环(recursive loops)并不是新东西。函数在自己内部调用自己来重复执行某个操作,再加一个停止条件——这是计算机科学入门课的基本内容。

    但今天的agentic loops遵循的是非确定性逻辑——停止循环的时机由一个子agent来判断,而不是明确的边界条件。只要程序员开始用AI完成任务,某种版本的递归循环(AI监督AI)迟早会出现。

    流行的一种做法是”Ralph Loop”(以《辛普森》里的Ralph Wiggum命名),基本思路是让模型总结自己已经做了什么,然后判断目标是否完成。这是应对AI模型运行时间过长后”迷失方向”的一种办法——本质上就是把模型来回”弹”,直到任务完成。

    烧token的速度会很快

    另一种理解loop的角度是:这是业界推动test-time compute(推理时计算)更大规模使用的一部分。OpenAI研究员Noam Brown本月初指出,当代模型只要砸足够多的算力进去,几乎能解决任何问题。这意味着确保一个问题被解决的一个办法,就是不停地砸算力,直到完成为止。

    对于”爬山坡”类的问题(比如改进代码库),模型可以不断做增量改进,直到达到某个阈值。或者,像Cherny的例子一样,只要有算力可花,它就可以一直做增量改进。

    如果这听起来很烧钱,那是因为它确实很烧钱。和agentic AI一样,AI loops消耗token的速度比简单问答机器人快得多——而且因为设计目标就是让loop一直运行,你能花多少钱没有天花板。对Anthropic来说这没问题,毕竟它本质上就是卖token的生意。但对其他所有人来说,这可能是一种昂贵的工作方式。

    当然,只要agentic loop要解决的问题值得,而且设置有得当的监督(token支出、漂移等经典AI问题),好处可能足够大,值得这个成本。


    这场”loop革命”目前还处在非常早期的阶段。Cherny的公开表态意味着Anthropic正在认真押注这个方向。问题是,大多数公司有没有足够的算力预算来跑一群不停工作的agents?答案可能取决于你的代码库有多大、问题有多难,以及你愿意为自动化付出多少。

  • Meta甩开Ray-Ban单干了:299美元的自有品牌智能眼镜今天开卖

    过去三年,提到Meta的智能眼镜,大家脑子里蹦出来的词都是”Ray-Ban”。这个合作确实聪明——让一个做眼镜起家的老牌子给智能眼镜背书,消费者才不会觉得头上戴的是个怪胎电子产品。但现在Meta决定单干了。

    昨天,Meta正式发布了自有品牌的智能眼镜,不贴Ray-Ban的标,也不贴Oakley的标,就是Meta自己的牌子。价格定在299美元,比Ray-Ban版本便宜了80美元。

    Meta智能眼镜
    Meta自有品牌智能眼镜,三种款式、七种颜色,299美元起

    三个款式,其中一个是Kylie Jenner联名

    这次一共出了三个款式,七种颜色。其中一款是跟Kylie Jenner(就是那个卡戴珊家族的小妹,真人秀明星)联名设计的,叫”Muse”。另外两个款式的名字分别是”Adventurer”和”Spark”。

    虽然牌子换成Meta自己了,但生产还是跟EssilorLuxottica合作的——这家公司同时拥有Ray-Ban和Oakley,是全世界最大的眼镜制造商。所以眼镜本身的质量和新工艺还是有保障的。

    硬件配置跟Ray-Ban版本基本一样:摄像头、麦克风阵列、接入Meta AI聊天助手,该有的都有。Meta可穿戴设备副总裁Alex Himel说,电池续航也在改进,隐私保护功能会在后续更新中跟上。

    “人们会在它足够好的时候开始用它,就像坐公共交通一样。”——Peter Bristol,Meta工业设计副总裁

    为什么要甩掉Ray-Ban

    这件事得从两头看。跟Ray-Ban合作确实帮Meta智能眼镜快速打开了市场——三年前智能眼镜看起来还像科幻片里的道具,或者至少戴出去会让人觉得你是个呆子。Ray-Ban的经典镜框设计让这副眼镜看起来就是一副普通的墨镜,你戴着它走在街上不会觉得尴尬。

    但贴别人的牌子,意味着Meta始终是在借力,而不是在建立自己的硬件品牌。苹果那边智能眼镜的传闻一直没停过,到时候如果Meta还在靠Ray-Ban的牌子卖眼镜,就很被动。所以现在单干,时机不算坏。

    价格砍到299美元也很关键。Ray-Ban版本的智能眼镜定价在379美元左右,降到299美元就意味着更多人买得起。智能眼镜这个品类能不能真正普及,价格是一道必须跨过去的坎。


    隐私这道坎还没过去

    说回来,Meta做硬件有一个绕不过去的问题:隐私。《纽约时报》和《Wired》都在最近几周报道过,Meta正在给智能眼镜开发人脸识别功能。这个功能一旦上线,戴着这副眼镜走在街上,它就能告诉你对面走过来的人是谁——如果你之前在Facebook或者Instagram上见过的话。

    这件事让很多人感到不舒服。Meta的历史记录在这儿摆着——它对用户数据的态度一直比较”激进”。现在把摄像头放到一副人们天天戴在脸上的眼镜上,质疑声只会更大。

    Alex Himel说隐私改进功能”在路上”,但具体是什么、什么时候上线,他没有细说。这可能是Meta未来几个月需要认真对外讲清楚的一件事。

    跟苹果的正面对决越来越近

    Meta选择在这个时间点发布自有品牌眼镜,很难不让人联想到苹果。一直有传言说苹果在做自己的智能眼镜产品,如果真的做出来,以苹果的生态系统和品牌号召力,对Meta会是很大的冲击。

    所以Meta的策略很清晰:在苹果进来之前,尽量多占市场份额,把价格打下来,把品牌建立起来。299美元的定价就是一个信号——它不想只做小众极客的玩具。

    • Meta自有品牌智能眼镜今天正式开卖,299美元起
    • 三个款式(Adventurer / Spark / Muse),七种颜色,Muse为Kylie Jenner联名款
    • 仍由EssilorLuxottica生产,硬件配置与Ray-Ban版本基本一致
    • 隐私问题仍是最大质疑点,人脸识别功能正在开发中
  • Superhuman把GPTZero买了,AI内容检测这事儿终于有人认真做了

    做邮件客户端起家的Superhuman(前身是大家都用过的Grammarly)刚刚宣布收购了AI内容检测工具GPTZero。这笔交易让Superhuman一下子多出了3000万美元的年度经常性收入,以及1900万注册用户。

    一个大学宿舍里长出来的公司

    GPTZero的联合创始人Edward Tian今年才26岁。2022年,他还是普林斯顿大学的一名大四学生,因为看到ChatGPT出来以后满世界都是AI写的文章,就自己动手做了一个检测工具。结果这个工具一下子火了,他也干脆全职做起了公司。

    另一个联合创始人是Alex Cui。公司2023年正式注册,到现在全公司也就30个人。据PitchBook的估值数据,GPTZero目前的估值已经超过8800万美元。投资方里你能看到Uncork Capital、Neo、Footwork,还有Jack Altman(Lattice的CEO)也在其中。

    AI内容检测示意图
    AI生成内容检测正成为越来越重要的基础设施

    为什么是现在

    AI写出来的一篇稿子,你很难用肉眼判断它到底是不是人写的。这件事在教育领域已经是个大麻烦了——学生交上来的作业,老师根本分不清是谁写的。GPTZero最早就是在学校里用得最多,现在教育领域贡献了Grammarly约7亿美元年度收入的差不多三分之一。

    “GPTZero创立时的使命是保护人类写的东西。现在我们需要保护的是批判性思维。”——Edward Tian

    除了教育,咨询、招聘、新闻这些行业也在大量使用GPTZero。你招聘的时候收到一份简历,你怎么知道它不是AI帮你写的?记者用AI辅助写稿已经很普遍了,但哪些内容应该是人写的、哪些可以交给AI,这需要一条清楚的线。

    Superhuman在下一盘什么棋

    Superhuman的前身就是Grammarly,后来改名重新做了定位,要做” wherever you work的AI助手”。他们之前已经买了Coda(那个做协作文档的)、自己的邮件客户端、还有Rows(AI表格工具)。这次买GPTZero是第四笔收购。

    Superhuman的CEO Shishir Mehrotra(之前在谷歌待了很多年)说,他们有4000万日活用户,这是一个”蹦床”——收购进来的产品可以借助这个用户规模快速起量。GPTZero会被整合进Superhuman Go,这是一个能在100万个网站和App里随时调用的AI助手。

    合并之后,Edward Tian和Alex Cui会留在Superhuman,带一个专门做”真实性”的团队。GPTZero的30名员工也全部并入。


    这桩买卖背后的大逻辑

    AI内容检测这个赛道,在ChatGPT发布后冒出了几十家创业公司。但大部分都做不大,因为检测准确率永远是个猫鼠游戏——AI在进化,检测器也得跟着进化。GPTZero能跑出来,很大程度上是因为它起步早、在教育界建立了口碑。

    现在并入Superhuman,意味着检测能力会被直接嵌进人们的日常写作流程里。你在写东西的时候,它就能实时告诉你这段话看起来像不像AI写的,而不是直接等你写完再去”鉴定”。这个打法比单独做一个检测网站要聪明得多。

    • GPTZero目前1900万注册用户,3000万美元ARR
    • Superhuman日活4000万,收购后GPTZero将嵌入Superhuman Go
    • 交易金额未披露,GPTZero估值超8800万美元
    • 这是Superhuman的第四笔收购
  • Anthropic给Slack加了个常驻AI队友:Claude Tag能记住你们组在干嘛

    Anthropic给Slack加了个常驻AI队友:Claude Tag能记住你们组在干嘛

    如果你在公司Slack里用过AI助手,大概知道那种感觉:每次都要重新解释背景,AI像得了短期记忆症,说完就忘。Anthropic今天推出的一样新东西,想解决这个问题——它叫Claude Tag,本质上是让Claude住进你的Slack频道里,不再是个随叫随到的工具,而是一个能”待在那里”的队友。

    Claude Tag集成到Slack工作界面
    Claude Tag让AI直接驻留在Slack频道中,持续感知团队工作上下文 | 图片来源:AI生成

    不只是@一下那么简单

    之前Anthropic其实已经在Slack里有了集成——你可以私信@Claude,或者在频道里@它提问。但Claude Tag加了一层之前没有的东西:持续上下文和记忆。Anthropic在介绍里是这么写的:”随着Claude跟着频道一路看下去,它会越来越了解这份工作。”

    具体来说,Claude Tag如果被管理员授权,可以读取其他频道的消息,然后把信息带回来。同一个Slack频道里的所有人共享同一个Claude身份——任何人都能看到Claude之前干了什么,也能从上一个人打断的地方接着聊。这个设计挺有意思,它把AI从一个”私人工具”变成了一个”团队资源”。

    Anthropic的描述是:这让Claude感觉像一个”真正的同事”——它能在公开视图里产出工作成果,拥有比之前丰富得多的上下文和理解。

    管理员手里还有控制权

    当然,让AI能读公司Slack消息,这件事在任何大公司里都会引发隐私和安全讨论。Anthropic这次给管理员留了相当细的控制权:系统管理员可以指定Claude能访问哪些工具、哪些信息、哪些频道。每个Claude身份都被限定在管理员定义的频道范围内——给法务部门设置的Claude,看不到工程频道的消息。

    这个设计其实是向企业客户释放信号:Anthropic知道你在担心什么。AI公司想进企业市场,合规和权限控制是绕不过去的门槛。Microsoft的Copilot也是这套逻辑——先搞定IT部门,再谈推广。


    还有一个”环境模式”

    Claude Tag最值得注意的一个功能是”ambient mode”(环境模式)——它不仅能被动等你@,还能主动跳出来。比如它发现组织里别的地方有个和你当前任务相关的信息,它会自己插一句。或者它注意到某个线程的讨论没了下文,会主动跟进去问一句进展。

    这个设计方向上,Anthropic不是独一家。Microsoft有Graph(通过Copilot和Work IQ表达),Snowflake和Databricks都在把自己的平台定位成”企业隐性知识”的后端,让AI Agent能调取到组织里的隐性知识。Glean也在做类似的事——在模型和企业数据之间建一个”理解上下文”的层。

    • Claude Tag目前处于research preview阶段,仅对Claude Enterprise和Team客户开放
    • AI Agent能主动”跳出来”参与讨论,这和企业聊天工具的传统交互逻辑很不一样
    • 上下文记忆是企业AI部署里最敏感也最有价值的部分,各家都在抢

    说到底,这场竞争的核心不在于谁的模型最强,而在于谁能把AI真正”放”进企业的工作流里——不是让你跳到一个聊天窗口里去问AI,而是让AI就在你本来就在用的工具里,知道你在干什么,记得你们组之前聊过什么。从这个角度看,Claude Tag是一个挺认真的尝试。

  • Google DeepMind砸7500万美元牵手A24,AI进军好莱坞不想只做配角

    Google DeepMind砸7500万美元牵手A24,AI进军好莱坞不想只做配角

    好莱坞和硅谷的关系,从来没像现在这样微妙又紧密。6月22日,Google DeepMind宣布向独立电影公司A24投资7500万美元,双方要一起开发面向电影制作的AI工具。这个消息一出,不少人脑子里冒出的第一个问题大概是:AI到底是要帮导演拍电影,还是要自己当导演?

    Google DeepMind与A24达成AI电影制作合作协议
    Google DeepMind与A24达成战略合作,共同开发AI电影制作工具 | 图片来源:AI生成

    为什么是A24?

    A24这几年在好莱坞的存在感有多强,看过《瞬息全宇宙》《妈的多重宇宙》《背屋》的人应该有感受。这家成立于2012年的独立制片公司,体量比不上迪士尼和Netflix,但在创作者群体里的口碑相当硬——它愿意给导演更大的创作空间,而不是盯着票房数据做决策。

    Google DeepMind CEO Demis Hassabis在新闻稿里说了一句挺关键的话:”我们相信,要做出真正赋能艺术家的工具,最好的方式就是直接和他们一起工作。”这句话的潜台词其实是:之前那些科技公司闭门造车搞出来的”AI创作工具”,艺术家们并不买账。这次DeepMind想换个路子,从一开始就让导演和创作者参与进来,给反馈、提需求。

    根据《华尔街日报》的报道,这笔投资的实际金额约为7500万美元。DeepMind将借此获得A24艺术家群体的”反馈和指导”,反过来为电影制作开发新的AI功能。

    好莱坞的AI争议还没结束

    其实A24远不是第一个碰AI的好莱坞玩家。今年早些时候,Netflix宣布收购了Ben Affleck创办的AI工具公司InterPositive,专门给 filmmakers做AI辅助工具。去年,亚马逊的MGM Studios也低调启动了一个AI部门,目标就是为影视制作开发工具。

    但好莱坞工会对AI的态度,大家都还记得——2023年的大罢工,AI就是核心争议之一。编剧工会和演员工会都明确要求对AI在剧本创作和数字人复制方面的使用设限。A24这次和DeepMind的合作,能不能真正让创作者在镜头前松一口气,还是会让”AI代替人类”的焦虑进一步蔓延,现在下结论还太早。


    DeepMind在下一盘什么棋?

    站在这个时间点看,DeepMind的意图其实不止于”帮人拍电影”。过去一年,AI公司都在找”落地场景”——光有技术没有应用,估值故事讲不远。好莱坞代表的不只是电影,而是整个内容产业的制高点。如果AI工具真的在A24这样的公司里跑通了,接下来游戏、广告、短视频……每一个内容赛道都会成为下一个目标。

    还有一个细节值得注意:Demis Hassabis本人是诺贝尔化学奖得主(2024年因蛋白质结构预测获得诺贝尔奖),他领导的DeepMind在科学计算领域已经证明过自己。现在把触角伸向好莱坞,这个跨度看起来大,逻辑上却一以贯之——DeepMind想证明AI不只能在实验室里算蛋白质,还能在创意产业里”有用”。

    • A24近期与Timothée Chalamet和Anne Hathaway等知名演员有过多次合作,创作者资源雄厚
    • DeepMind强调”艺术家主导”,试图和好莱坞工会建立信任关系
    • 这是DeepMind第一次直接向一家内容公司投资,标志其商业化路径的扩展