YOHO AI

标签： AI

  • Spotify的AI野心：让你一键生成专属播客

    Spotify的AI野心：让你一键生成专属播客

    Spotify过去给人的印象，就是一个让你听听音乐、刷刷播客的平台。你消费别人做好的内容，它负责推荐和播放。但这个模式正在发生改变。最近Spotify连着推出了几项AI新功能，核心逻辑只有一个：让你从内容的消费者，变成创作者。

    Spotify AI播客功能界面
    Spotify正在将AI播客生成功能直接集成到应用中

    用AI把任意主题变成播客

    新功能的核心是”个人播客生成”。你只需要输入一个提示词，或者丢给它一个链接、一份PDF文档、一段文字，AI就能帮你生成一段专属播客音频，存到你的Spotify库里。想每天听一份关于你所在城市的简报，顺带提醒你喜欢的歌手有没有开演唱会？直接说就行。想用5分钟搞懂经济学的基础概念？也可以。

    更灵活的是，你还可以挑选音色。AI生成的声音不再是那种千篇一律的”机器人播报感”，而是可以选一个你喜欢的风格。Spotify显然研究过市面上已有的产品——Google的NotebookLM、ElevenLabs的阅读器，还有前NotebookLM开发者做的Huxe——它把这些产品的优点整合到了一起。

    不只是手机，还有桌面端

    除了在手机应用里生成播客，Spotify还做了一个叫Spotify Labs Studio的桌面端应用。这个应用可以读取你的邮箱和日历，自动生成个性化简报。想象一下，每天早上打开电脑，一段为你定制的播客已经在那里等着你，内容是你今天要参加的会议要点、你关注的行业动态、你可能错过的邮件摘要。这种体验，之前你可能只在科幻电影里见过。

    Spotify的野心很明显：它不想只做一个”播放器”，它想成为你获取个性化信息的第一入口。

    AI问答上线，播客也能”对话”了

    另一个新功能是AI驱动的问答。目前向美国、瑞典和爱尔兰的付费用户开放。你在听播客的时候，碰到不懂的概念，或者想深入了解某个话题，直接问AI就行。它会的不仅仅是”解释一下这段内容”，还能根据你的提问推荐相关播客。这个功能的逻辑，跟谷歌前几天在YouTube上线的Ask YouTube AI搜索很像。

    为什么Spotify要急着推这些功能？数据给了它信心。过去一年，在Spotify上收听视频播客的用户数量同比增长了50%。用户已经不满足于”被动收听”，他们想要更多互动、更多个性化。AI问答和AI播客生成，就是为了让用户把更多时间花在Spotify里。

    创作者也能赚钱了

    Spotify没忘了播客创作者。新推出的创作者赞助工具，可以帮他们管理品牌合作；付费订阅功能则让创作者能靠独家内容赚钱。这个套路，Instagram、Facebook、Snapchat早就跑通了。Spotify只是晚了一步，但赶上了。

    回过头看，Spotify这一步走得挺聪明。播客市场已经卷了好几年，单纯靠”更多内容”来拉新，边际效应越来越低。让用户自己能生成内容、让AI帮用户更好地理解内容，这两条路加起来，才是一个平台真正该做的”生态”。唯一的问题是，你会不会真的每天让AI给你生成一段播客？还是说，你更愿意自己动手？答案可能因人而异，但Spotify已经把工具递到了你手里。

  • 阿里千问Qwen3.7-Max发布：从对话模型到工程代理的关键一跃

    三个月连更三次，千问在争什么

    5月20日，阿里巴巴在杭州发布了千问新一代旗舰模型Qwen3.7-Max。如果只看标题，这像是一次常规的模型迭代——但从最近三个月的节奏来看，千问正在以不太常见的速度连续推出新版本。

    3月20日，Qwen3.5-Max-Preview亮相；4月20日，Qwen3.6-Max-Preview发布；5月20日，Qwen3.7-Max正式登场。三个月、三个大版本，这个节奏即便放在全球大模型厂商里也不算慢。背后反映的是一个明确判断：模型竞争的重点正在转移，从”谁的参数大、榜单分数高”，转向”模型能不能真正进入工作流，稳定执行复杂任务”。

    Agent能力成了新的主战场

    Qwen3.7-Max延续了千问3.x系列的一个明显转向：强化Agent能力。这不是一个抽象的方向——具体体现在编程、长上下文、工具调用、跨框架兼容和长程任务处理这几个维度上。

    在第三方机构Arena的全球大模型盲测总榜中，Qwen3.7-Max超过了Kimi-K2.6、DeepSeek-v4-pro、GLM-5.1，与GPT、Claude、Gemini等国际顶尖模型接近，位列国产模型第一。

    Qwen3.7-Max在MCP-Atlas、MCP-Mark、SkillBench等现实能力测试中表现优异，超过GLM-5.1、Kimi-K2.6等模型，创下国产模型新高。

    编程智能体能力的提升尤为明显。在SWE-Pro、SWE-Multilingual、Terminal Bench 2.0-Terminus等测评中，Qwen3.7-Max较Qwen3.6-Plus有大幅提升，并超过了DeepSeek-v4-pro-Max、Claude-Opus4.6、Kimi-K2.6等模型。

    一次完整的工程任务：35小时、上千次工具调用

    阿里内部做了一个挺有说服力的测试：把千问3.7放到一个陌生的新硬件平台上（平头哥真武M890），任务是优化一个生产级注意力内核算子。

    模型没有现成的性能profile，没有硬件文档，也没有示例实现——只拿到了任务描述、SGLang+Triton参考代码和评测脚本。在这个环境中，千问3.7连续工作了35小时，执行了数百次内核评估和上千次工具调用，完成了代码编写、编译、性能分析和迭代优化的完整流程。最终，内核速度在参考实现基础上提升了一个数量级。

    更值得注意的细节是：在连续运行30小时后，模型仍然能发现新的优化空间。这说明它并不是在完成一次性的指令执行，而是在较长时间内保持了目标感，能根据反馈调整路径。

    这个测试背后的意图很明显：当大模型具备较强的推理、编程和工具调用能力，并被放入真实的工程环境中，它有机会承担过去需要专业工程师长时间推进的复杂任务。

    阿里的真正优势：场景和基础设施

    千问的特殊性在于，阿里拥有大量真实的业务和基础设施场景。芯片（平头哥）、云（阿里云）、数据库、电商、物流、支付、出行、本地生活——这些都可以为Agent提供复杂的任务环境。场景既能测试模型，也能为模型迭代提供反馈数据。

    2026年3月，阿里成立了Alibaba Token Hub（ATH），由吴泳铭直接负责。这个调整的背景是：企业使用AI的方式正在变化。过去买的是算力时长，现在消耗的是Token——模型处理任务、生成内容、调用工具、完成工作的能力，最终都会体现在Token使用上。

    公开信息显示，阿里AI模型和应用服务ARR已突破80亿元，百炼MaaS开发平台客户数截至2026年3月同比增长8倍，覆盖电商、金融、制造等多个行业。

    在这个布局里，Qwen3.7-Max不只是一次模型能力更新，而是阿里把”芯—云—模型—推理”这条链路进一步打通的一个节点。模型越强、推理越快、成本越低，Agent越容易在企业中规模化应用——这个逻辑决定了下一阶段大模型竞争的重心。

  • SpaceX IPO招股书曝光：火箭、AI算力与火星殖民的赌局

    火箭还能赚钱，但马斯克的棋盘远不止于此

    SpaceX终于把IPO招股书摆上了台面。这家24年前由马斯克创立的航空航天公司，计划在纳斯达克上市，股票代码定为”SPCX”。估值1.75万亿美元——如果不是后续马斯克的薪酬包里藏着7.5万亿美元的市值目标，这个数字已经够夸张了。

    招股书里写得很直白：SpaceX已经找到了”人类历史上最大的可落地总目标市场”，规模28.5万亿美元，其中22.7万亿归功于AI的”企业应用场景”。这句话基本把底牌亮出来了——火箭是手段，轨道AI算力枢纽才是棋盘。

    SpaceX火箭发射
    SpaceX的火箭业务只是开始，AI算力枢纽才是终极目标（图源：Getty Images）

    星链养活了现在，星舰押注未来

    招股书披露了一些硬数据。星链订阅用户已达1000万，年营收超过110亿美元，占SpaceX总营收的一半以上。但另一边，SpaceX 2025年亏损约49亿美元，成立以来累计亏损已超过370亿美元。

    钱主要烧在两个地方：星舰（Starship）和AI。2025年航天业务板块为星舰项目投入30亿美元，2026年第一季度又砸了9.3亿美元。SpaceX的判断是，星舰有望把进入轨道的成本降低99%以上——如果这事成了，轨道AI数据中心、太空制造、月球基地这些现在看起来像科幻的东西，才有规模化的可能。

    星舰最早本周将进行第12次试射。SpaceX在招股书中表示，预计2026年下半年开始执行轨道载荷投送任务，如果顺利，同年下半年用星舰发射下一代V2移动卫星，2027年发射月球版星链。

    xAI并入之后，AI部门的亏损还在扩大

    2025年马斯克把xAI并入了SpaceX，Grok聊天机器人也随之进入上市公司体系。结果不算理想：2025年SpaceX约60%的资本支出投向了AI部门，金额约200亿美元。这块业务去年仍亏损数十亿美元，营收增长约22%，远低于一线AI实验室的公开增速。

    但招股书里的叙事是另一套逻辑：轨道AI算力、太空数据中心、月球和火星的制造设施——这些设想被打包成了”28.5万亿美元总目标市场”的一部分。投资者买不买账，取决于信不信这套叙事能在未来十年落地。

    马斯克的薪酬包：2万亿美元只是中途站

    IPO之后，马斯克将担任SpaceX的CEO、CTO和董事会主席，持有93.6%的B类股（每股10票投票权），掌握85.1%的投票权。IPO后这个比例会下降，但仍将保持在50%以上。

    今年年初马斯克获得了一份新的薪酬包：如果SpaceX市值达到7.5万亿美元，并且在火星建立拥有至少100万居民的永久人类殖民地，他将最多获得10亿股B类股。如果公司建成每年可提供”100太瓦计算能力”的太空数据中心，他还能拿到更多股份。

    这些目标听起来像在开玩笑，但招股书白纸黑字写着的。这份IPO招股书里既有很具说服力的商业数据（星链1000万用户、110亿美元营收），也有很度超前的设想（星舰地面交通系统、太空旅游、小行星采矿）。市场买不买账，几个月内就能见分晓。

  • RAGFlow：基于深度文档理解的开源RAG引擎，让AI精准理解你的文档

    RAGFlow Logo

    ## 📖 项目简介

    **RAGFlow** 是一款基于**深度文档理解（DeepDoc）**的开源 RAG（检索增强生成）引擎。它能够结合大语言模型（LLM），从各种复杂格式的数据中精准提取知识，为 AI 应用提供可靠的问答能力。无论你是个人开发者还是企业团队，RAGFlow 都能帮你构建专属的知识库问答系统。

    **GitHub Star:** 81k+ ⭐
    **最新版本:** v0.25.5 (2026年5月)
    **开源协议:** Apache-2.0

    —

    ## 🔧 安装要求和过程

    ### 环境要求

    | 环境项 | 最低配置 |
    |——–|———-|
    | **CPU** | ≥ 4核 |
    | **内存** | ≥ 16 GB |
    | **磁盘** | ≥ 50 GB |
    | **Docker版本** | ≥ 24.0.0 |
    | **Docker Compose** | ≥ v2.26.1 |

    **⚠️ 重要：** 需确保系统参数 `vm.max_map_count` ≥ 262144

    “`bash
    # 临时生效
    sudo sysctl -w vm.max_map_count=262144

    # 永久生效
    echo “vm.max_map_count=262144” >> /etc/sysctl.conf
    “`

    ### 快速安装（Docker部署）

    **1. 克隆仓库**
    “`bash
    git clone https://github.com/infiniflow/ragflow.git
    cd ragflow/docker
    “`

    **2. 启动服务（CPU版本）**
    “`bash
    docker compose -f docker-compose.yml up -d
    “`

    **3. 访问服务**
    服务启动后，浏览器访问 `http://服务器IP地址`（默认端口80）

    **4. 配置LLM**
    在 `service_conf.yaml.template` 中配置你使用的LLM厂商和对应的API_KEY

    **💡 提示：** 如需GPU加速，修改 `.env` 文件设置 `DEVICE=gpu`

    —

    ## ⚡ 核心功能

    ### 1️⃣ 高质量数据处理
    基于**深度文档理解（DeepDoc）**技术，从格式复杂的非结构化数据中提取知识，支持Word、PPT、Excel、TXT、图片、扫描件、网页等多种异构数据源。

    ### 2️⃣ 智能分块与可视化
    提供丰富的模板化分块选项，分块逻辑可解释、可调整。支持分块可视化，允许用户人工干预优化，确保知识切分的精准性。

    ### 3️⃣ 降低幻觉，可追溯来源
    回答附带**可追溯的引用来源**，支持查看关键参考信息。可视化展示文本分块逻辑，大幅提升结果可信度。

    ### 4️⃣ 自动化RAG工作流
    适配个人和大型企业的RAG编排需求，支持自定义配置LLM和嵌入模型，支持多路召回+融合重排，提供直观的API，可无缝集成到业务系统中。

    ### 5️⃣ Agent能力与生态集成
    支持**Agent工作流**、**MCP协议**、**记忆（Memory）功能**。最新版本已支持 DeepSeek v4、Gemini 3 Pro、GPT-5 系列模型，并支持 Confluence、Notion、Discord、Google Drive 等数据源同步。

    —

    ## 🎯 典型使用场景

    ### 场景1：企业知识库问答
    **问题：** 企业内部文档分散，员工查找信息困难
    **解决方案：** 使用 RAGFlow 构建统一知识库，上传公司文档、手册、规范，员工通过自然语言提问即可快速获取准确答案，并附带原文引用。

    ### 场景2：技术文档智能检索
    **问题：** 技术文档篇幅长，开发者难以快速定位关键信息
    **解决方案：** 将 API 文档、开发手册导入 RAGFlow，结合 LLM 实现智能问答，开发者可以直接询问”如何在XXX中实现YYY功能”，系统会返回精准的代码段和说明。

    ### 场景3：个人学习笔记管理
    **问题：** 学习资料繁多，复习时难以高效检索
    **解决方案：** 将课程笔记、论文、书籍导入 RAGFlow，构建个人知识助手，随时提问巩固知识点，实现智能化学习。

    —

    ## 💡 推荐理由

    作为一名 AI 开发者和内容创作者，我为什么强烈推荐 RAGFlow？

    **1. 真正理解复杂文档**
    不同于简单的文本切片，RAGFlow 的**深度文档理解**能力可以识别表格、公式、多栏布局等复杂结构，这在处理技术文档和学术论文时特别有用。

    **2. 可视化的分块调试**
    很多 RAG 系统的痛点是”黑盒分块”，你不知道文档是怎么被切分的。RAGFlow 提供**分块可视化**，让你可以直观看到知识切分效果，并手动调整，这大大提升了问答质量。

    **3. 开源且活跃**
    81k+ Star，Apache-2.0 协议，社区非常活跃。相比闭源的商业 RAG 服务，你可以完全掌控数据安全，也能根据需求定制功能。

    **4. 完整的 Agent 能力**
    最新版本支持 Agent 工作流和记忆功能，不仅能回答问题，还能执行复杂任务，比如”帮我总结本周所有文档的更新内容”。

    **5. 部署简单**
    一条 `docker compose` 命令就能跑起来，对新手非常友好。同时也支持源码部署，方便深度定制。

    —

    ## 📥 下载地址

    – **GitHub 仓库：** https://github.com/infiniflow/ragflow
    – **官方网站：** https://ragflow.io
    – **云服务入口：** https://cloud.ragflow.io
    – **官方文档：** https://ragflow.io/docs/dev/
    – **中文文档：** https://ragflow.com.cn/docs
    – **Discord 社区：** https://discord.gg/NjYzJD3GM3

    —

    ## 🏷️ 相关标签

    `RAG` `RAGFlow` `AI` `LLM` `AI Agent` `开源项目` `知识库` `检索增强生成`

    —

    **📌 系列文章：** 本文是”GitHub热门AI开源项目介绍”系列的第10期。欢迎关注我的博客，获取更多 AI 开源项目的深度介绍！

  • 英伟达最新财报：数据中心营收暴涨92%，AI算力军备竞赛远未结束

    英伟达刚交出了一份让整个科技圈屏息的财报：2027财年第一季度，总营收816亿美元，其中数据中心业务752亿美元，同比增长92%。这个数字背后，是全世界对AI算力近乎贪婪的需求。

    Nvidia AI芯片
    英伟达AI芯片是这轮AI浪潮的核心基础设施 | 图片来源：The Verge

    数字背后的信号

    92%的同比增速，放在任何行业都是惊人的数字，但在英伟达身上，这已经变成了某种”常态”。过去两年，每次财报发布，市场都在问同一个问题：这个增速还能维持多久？每次英伟达都用实际行动回答：还能更猛。

    这次财报里有个细节值得拎出来说： 下一代Vera Rubin AI芯片将在今年第三季度按计划推出。这意味着英伟达的产品迭代节奏没有放慢，它并不打算给竞争对手留喘息的空间。

    “Vera Rubin AI芯片将在今年下半年按计划推出，从第三季度开始。”

    不是所有人的好消息

    财报里也藏着一个不太好的消息：受RAM短缺和价格上涨影响，英伟达的PC销量有所下滑。这说明AI算力扩张的代价正在向消费端传导——内存价格上涨，最终买单的是普通消费者。

    更大的背景是，全球各大科技公司正在上演一场前所未有的数据中心军备竞赛。微软、谷歌、亚马逊、Meta，每一家都在疯狂砸钱建数据中心，而每一座新数据中心的心脏，都是英伟达的GPU。这个局面短期内看不到结束的迹象。

    竞争者在哪里

    AMD在追赶，英特尔在重新布局，谷歌TPU、亚马逊Trainium、微软Maia都在推自己的AI芯片。但现实是，英伟达的护城河不止是芯片性能，更是CUDA生态——全世界绝大多数AI框架和模型，都是围绕CUDA开发的。换芯片意味着重写大量代码，没几家公司真的愿意这么做。

    Vera Rubin芯片如果在第三季度如期推出，英伟达的领先优势还会继续扩大。对于AI创业公司和研究者来说，这意味着算力成本可能继续下降——但对英伟达的竞争对手来说，窗口正在快速关闭。

  • OpenAI声称解决80年数学难题，这次好像是真的

    80年前，匈牙利数学家保罗·厄多斯（Paul Erdős）提出了一个几何猜想，数学家们围绕它研究了大半个世纪。现在，OpenAI站出来说：我们的模型推翻了它。

    Erdős数学问题示意图
    厄多斯猜想相关数学问题示意图 | 图片来源：TechCrunch

    听到这个消息，第一反应可能是：又来了。7个月前，OpenAI前副总裁凯文·韦尔（Kevin Weil）在X平台上高调发文，说GPT-5找到了10个此前未解的厄多斯问题解决方案。结果被打脸了——那些”解决方案”早就存在于已有的学术文献中。竞争对手杨立昆和DeepMind首席执行官哈萨比斯都出来嘲讽，韦尔很快删了那条帖子。

    “近80年来，数学家们一直认为最优的解决方案大致类似方形网格。OpenAI的模型现在已经推翻了这一认知，发现了一种全新的构造家族，其表现更优。”

    这次有什么不同

    上次是野生宣传，这次OpenAI学乖了。随声明一同发布的，有数学家诺加·阿隆（Noga Alon）、梅兰妮·伍德（Melanie Wood）和托马斯·布鲁姆（Thomas Bloom）的支持性说明。布鲁姆是”厄多斯问题网站”的维护者，上次韦尔发那条不实帖子时，正是布鲁姆站出来说那是一条”严重歪曲事实”的声明。

    也就是说，这次站在OpenAI背后的，是上次亲手拆穿他们谎言的同一个人。如果连布鲁姆都认可了，可信度确实高了不少。

    OpenAI表示，这次给出证明的不是专门为解数学题训练的系统，而是一个新的通用推理模型。这意味着AI系统现在更有能力维持长链条的复杂推理，并且以研究人员此前未探索过的方式跨领域连接不同的想法。

    为什么这件事重要

    OpenAI在声明里说，这标志着”AI首次自主解决了一个数学领域核心的知名开放问题”。这话听起来有点自卖自夸，但背后的逻辑是成立的——如果一个AI系统能在纯数学领域给出人类未曾发现过的原创证明，那么它在生物学、物理学、工程学和医学领域的应用潜力就变得非常真实了。

    托马斯·布鲁姆说了一句挺有意思的话：”AI正在帮助我们更全面地探索我们数百年来建造的数学殿堂，还有哪些看不见的惊喜在等待我们去发现？”这话听起来有点文艺，但指向的问题很硬核：人类数学研究受限于人脑的推理链长度和信息整合能力，AI如果真的能突破这个瓶颈，整个基础科学的研究节奏都会被改写。

    当然，科学圈向来谨慎。OpenAI说它解决了，和数学界公认它解决了，是两回事。同行评议和程序化验证还在路上。但至少这次，OpenAI没有像上次那样提前开香槟。

  • 140万亿Token背后：中国AI应用的五个关键转向

    140万亿Token背后：中国AI应用的五个关键转向

    5月20日，量子位在北京办了第四届中国AIGC产业峰会。会上发了一份《2026年中国AI应用全景图谱报告》，里面有几个数字让我挺震撼的。

    2026年4月，国内AI应用的Web端月访问量突破了9亿，APP端月下载量超过2.4亿，日活同比增长223%。更夸张的是——中国日均Token调用量突破了140万亿，两年增长超千倍。

    2026中国AI应用全景图谱报告
    第四届中国AIGC产业峰会发布的AI应用全景图谱报告 | 来源：凤凰网科技

    这些数字不是虚无的增长率，而是真实用户在用脚投票。AI应用已经从”尝鲜”进入了”日常”阶段。

    报告里提到的五大趋势

    我把报告归纳了一下，其实是五个正在同时发生的转向：

    1. Agent化：从”回答问题”到”替你做事”

    传统AI是你说什么它答什么，Token消耗其实很小。但Agent不一样——它要拆解任务、调用工具、循环推理，单次Token消耗是传统AI的100倍。

    Agent化的本质是让AI从”顾问”变成”执行者”。这个转变一旦完成，每个人的工作效率都会被重新定义。

    2. 模型普惠化：API价格战打响

    DeepSeek V4-Pro的API价格做到了0.025元/百万tokens，是GPT-5.5的七分之一。当模型成本低到这个程度，很多之前”算不过账”的场景突然就成立了。

    价格战对开发者是好事，对用户更是——更多的AI能力会以更低的成本嵌入到日常工具里。

    3. 入口化：四大巨头砸45亿抢用户

    春节前后，字节、阿里、腾讯、百度合计投入超过45亿元，争的就是一件事：让用户把自家的AI助手设为默认入口。

    这个仗还会继续打。入口意味着数据、意味着用户习惯、意味着生态。谁能留住用户，谁就掌握了下一阶段的主动权。

    4. 付费化：用户开始买单了

    Kimi K2.5发布不到20天，收入就超过了2025年全年。智谱API提价之后，调用量不降反增。

    这说明什么？说明AI服务的价值正在被市场认可。用户不是不愿意付费，是不愿意为”不够好”的产品付费。

    5. 垂直深化：AI进工厂、进医院、进法院

    报告特别提到，医疗、金融、法律等B端场景正在开启规模化渗透。这些领域对准确性的要求极高，一旦AI能稳定交付，替代效应会非常明显。

    几个值得注意的数据

    报告还拆解了四个赛道的表现：

    • 智能助手赛道：最卷，也是用户量最大的入口级场景
    • AI效率办公：Web端用户活跃份额超过70%，这个渗透率已经很高了
    • AI创作：APP端日活同比增长449%，是增长最快的赛道
    • 文娱生活：跟游戏、社交、内容消费结合的AI应用正在爆发

    我的判断

    这份报告其实在讲一个核心逻辑：中国AI应用正在从”技术验证”走向”价值验证”。

    140万亿Token、9亿月访问量、223%的日活增长——这些不是泡沫，是真实的需求在驱动。接下来12到18个月，会是AI应用真正分化出赢家和输家的阶段。

    谁能把Agent做好、谁能把垂直场景打透、谁能留住用户——这三个问题，会在2026年底之前给出答案。

  • 2026谷歌I/O大会：AI智能体全面接管，Gemini 3.5速度提升4倍

    谷歌I/O 2026：从搜索公司到AI智能体平台的惊险一跃

    5月20日凌晨1点，加州山景城的谷歌总部灯火通明。Sundar Pichai站在台上的时候，我突然意识到一个问题——这家公司真的在All in AI。不是口号，是真金白银那种all in。

    过去12个月，谷歌处理的Token总量达到了3.2千万亿个。这个数字什么概念？比去年增长了7倍。Gemini应用的月活用户也突破了9亿。当一家公司的AI产品能做到这个量级，它就已经不是在”尝试”AI了，而是在用AI重新定义自己。

    Gemini不再只是聊天机器人

    这次大会最核心的变化，是谷歌对AI智能体的重新定义。Gemini不再是那个你问它答的工具，而是一个持续运行、跨应用执行任务的智能代理。它能替你追踪信息、生成内容、调用工具，甚至直接完成下单和操作流程。

    谷歌今年在AI基础设施上的投入预计达到1800亿到1900亿美元。这不是研发费用，是实打实的算力、数据中心、TPU采购。TPU8分成了两类——一类专门做大规模训练，一类负责快速响应用户请求。

    这个信号很明确：谷歌要把AI变成一种基础设施，就像当年的搜索引擎一样，让所有人都跑在它的平台上。

    几个让我印象深刻的功能

    AskYouTube——YouTube要加聊天机器人了。你可以用自然语言描述你想看的内容，系统直接跳转到视频的对应片段。比如你说”我想看那段讲Transformer架构的部分”，它真的能找到。这个功能今年夏天会在美国推广，国内估计还得等等。

    DocsLive——用语音直接跟Google Docs对话。现场演示的时候，Gemini自动提取演讲要点，还从Google Drive和Gmail里调信息来帮你写文档。这个对办公场景的提升是实打实的，不用再来回复制粘贴了。

    GeminiOmni——DeepMind推出的视频生成模型，基于世界模型架构。你可以用自然语言改视频里的角色、背景、场景。这个技术如果能成熟，视频创作的门槛会进一步降低。

    速度战：Gemini 3.5 Flash来了

    谷歌这次特别强调速度。Gemini 3.5 Flash的生成速度是其他前沿模型的4倍。为什么这么在意速度？因为AI代理要真正可用，响应延迟必须降到人类感知的阈值以下。

    你可以把这理解为AI版的”即时满足”——用户问一个问题，如果超过2秒才响应，体验就断了。谷歌显然在这个方向上押了重注。

    搜索的AI重构

    谷歌搜索也在变。新的搜索框不只是自动补全，还会给AI生成的搜索建议，支持多模态搜索（文字+图片一起搜）。AIMode和AIOverview这两个功能正在把搜索引擎从”找链接”变成”给答案”。

    这对内容创作者来说是个挑战——如果谷歌直接给答案，用户还点不点你的链接？

    硬件端：Android XR智能眼镜

    谷歌还预告了跟GentleMonster、Warby Parker和三星合作的Android XR智能眼镜。分两种：一种是语音交互版，一种是信息投影版。你戴着眼镜就能导航、下单、查信息。

    这个方向跟Meta的Ray-Ban眼镜其实是同一个赛道，但谷歌的优势是软件和生态。如果它真的能把Gemini塞进眼镜里，体验可能会比Meta更完整。

    我的判断

    2026年的谷歌I/O，本质上是一场”AI基础设施化”的宣言。它不再满足于做一个搜索公司或者广告公司，而是要把自己变成AI时代的水电煤。

    智能体、TPU、Gemini生态、Android XR——这些布局如果都能落地，谷歌在AI时代的护城河会比很多人想象的更深。当然，执行才是关键。发布是一回事，真正让几亿用户每天离不开这些功能，是另一回事。

    接下来就看OpenAI和Anthropic怎么接招了。

  • Spotify牵手环球音乐，AI翻唱正式「合法化」了

    AI翻唱、AI remix这件事，之前一直游走在灰色地带。Suno和Udio这些工具虽然火，但一路被告——华纳、环球、索尼轮番上阵，版权官司打得没完。

    Spotify决定不走这条路。2026年5月21日，它宣布跟环球音乐集团（UMG）达成授权协议，要让用户用生成式AI合法地翻唱和混音自己喜欢的歌。

    “Solving hard problems for music is what Spotify does, and fan-made covers and remixes are next. What we’re building is grounded in consent, credit, and compensation for the artists and songwriters that take part.”

    —— Alex Norström, Spotify co-CEO

    这个功能会以付费插件的形式推出，仅限Spotify Premium订阅用户使用。更关键的是，参与计划的艺人能从中获得分成——这是Suno和Udio一直没做到的。

    Spotify去年就透露过这个方向，当时的表述就很耐人寻味——说要做”先谈授权、再上线”的产品，而不是”先上线、再求原谅”。这话明显是在暗戳戳地戳Suno。

    Suno们的官司还没打完

    Suno和Udio算是AI音乐生成赛道的先行者，但法律地位一直很尴尬。2024年，各大唱片公司集体起诉，Suno后来跟华纳以5亿美元和解，Udio也跟华纳、环球达成了和解——但Suno至今还在被环球和索尼追着告。

    消费者确实有这个需求，这点从Suno的用户量就能看出来。但需求归需求，版权归版权，之前的AI音乐工具基本是在没有授权的情况下”先干了再说”。Spotify的做法相反——先拿到牌再上桌。

    艺人的态度是关键

    环球音乐集团董事长兼CEO Sir Lucian Grainge对这件事的态度很积极，说这能让艺人与粉丝的关系更深，还能创造额外的收入机会。但目前还不清楚有哪些环球旗下的艺人已经同意参与。

    这也合情合理——让粉丝用AI翻唱自己的歌，对有些艺人是加分项，对另一些可能就不是。所以这个功能必须是”选择加入”的，不能强制。

    不只是AI翻唱

    这次AI翻唱功能的官宣，是Spotify投资者日（Investor Day）一系列公告中的一项。同一天，Spotify还发布了几个其他AI功能：

    • 基于ElevenLabs的AI有声书创作工具
    • 面向播客的AI问答和摘要生成功能
    • 桌面端AI个人播客生成应用
    • 为头部粉丝预留演唱会门票的功能

    看得出来，Spotify在AI这个方向上是真的打算全面铺开，不只是试试水。但跟其他公司不一样的是，它选择先搞定版权方，再推产品。

    这件事对整个AI音乐行业来说，可能是个转折点。之前大家都在摸着石头过河，现在Spotify把”先授权、再上线”这个模板立起来了。接下来，看索尼和其他平台跟不跟吧。

  • Google搜索大变样，这6款替代引擎值得一试

    Google搜索要变天了。在2026年I/O大会上，这家公司宣布要对搜索进行”25年来最大升级”——说白了，就是要全面拥抱AI对话式搜索。以后你打开Google，默认就可能进入AI模式，就算你不选AI模式，搜索结果里也会塞满AI Overview，还附带一个聊天框让你追问。

    Google搜索部门的负责人Elizabeth Reid说这是”自25年前搜索框诞生以来最大的一次升级”。可用户买账吗？从评论区来看，答案是否定的。

    记得去年AI Overview刚推出那会儿出的那些洋相，用户对它的信任度本来就不高，现在又要强推AI模式，很多人觉得这就是在把聊天机器人硬塞进每一个角落。

    “This is the biggest upgrade to our iconic search box since its debut over 25 years ago,” said Elizabeth Reid, leader of the Search organization at Google.

    更有意思的是，美国地方法院2024年已经裁定Google在搜索市场存在非法垄断行为。一边是反垄断阴影，一边是AI搜索大改版，Google搜索正在经历一场身份危机。

    如果你也想换个搜索引擎试试，下面这6款值得一看。

    Kagi：付费去广告，还能自定义

    Kagi的思路很简单——不靠广告赚钱，所以不需要用AI Overview来吸引广告主。每个月5美元（无限搜索10美元），你就能用上一个没有广告、也没有AI Overview的搜索引擎。

    Kagi不是简单的”无广告版Google”，它还有个很实用的功能叫”镜片”（Lenses）——你可以给搜索结果加滤镜，比如学生在写论文时用学术镜片，搜出来的就主要是期刊文章，而不是营销博客。如果你偶尔想用AI总结搜索结果，Kagi也有”快速回答”功能，但关键是你可以选择关掉它。

    DuckDuckGo：老牌隐私卫士

    DuckDuckGo大概是最知名的Google替代品了，免费，靠投放广告赚钱——但它不像Google那样收集你的搜索历史、浏览记录和购买数据来定向投广告，而是根据你的搜索关键词来展示相关广告。

    界面长得跟Google很像，也有AI生成回答功能。但如果你不喜欢AI回答，可以在设置里完全关掉AI功能。简单直接。

    Startpage：让Google不知道你是谁

    Startpage相当于Google的”隐私代理”。你在Startpage上搜索，它会把你的请求”洗白”——去掉IP地址等个人信息——再发给Google，然后把结果返回给你。所以你拿到的是Google的搜索结果，但Google不知道是谁在搜。

    当然，本质上用的还是Google的索引。好处是Startpage也允许你关闭AI功能。

    &udm=14：给Google搜索”做手术”

    这个工具的名字看起来很怪，其实&udm=14是Google搜索的一个隐藏参数——加上它，Google就不会显示AI Overview。&udm=14这个网站做的事情就是自动帮你加上这个参数，这样你每次搜索都是”纯净版Google”。代码开源在GitHub上，懂技术的话还可以自己搭一个。

    Brave：浏览器+搜索引擎一起换

    Brave既有自己的浏览器，也有自己的搜索引擎。浏览器基于Chromium开发，所以Chrome的插件在Brave上也能用。搜索方面，Brave有个叫”Goggles”的功能，可以让你用不同的视角来看搜索结果——比如”右翼新闻”、”左翼新闻”、”技术博客”，还有一个叫”无Pinterest”的滤镜。

    是的，Brave也允许你开关AI功能。Google，你学学人家。

    Ecosia：搜索也能种树

    Ecosia也提供浏览器和搜索引擎，同样基于Chromium。但它最大的卖点是环保——把大约80%的广告收入捐给全球各地的植树项目。种树这个事情有时候会是”漂绿”行为，但Ecosia跟当地社区合作开展植树，每月公布财务报告，还在博客上记录实际成效，透明度还算可以。

    说到底，换不换搜索引擎是个很个人的选择。有人在意隐私，有人受不了AI Overview，有人就是想跟垄断者较个劲。不管你图什么，现在的选择比以往任何时候都多。