标签: AI

  • 不想用AI的人,把图书馆的「关掉AI」课挤爆了

    在美国费城南部的一家图书馆里,二十多个成年人挤在一间儿童教室,脚下是印着字母表的彩色地毯——M代表月亮,Z代表斑马。但他们不是来学字母的。馆员查理·贝利站在教室前面,让大家掏出手机,然后一步步教他们:怎么关掉苹果的Apple Intelligence,怎么关掉谷歌的Gemini。

    这堂课的名字叫「避开AI」(Avoiding AI)。它火了,火到要开第二场。

    图书馆举办的避开AI工作坊
    图书馆里的「避开AI」工作坊正成为一种新潮流 | 图源:TechCrunch

    没人报名的电脑课,换个名字挤爆了

    这个点子最早来自缅因州班戈公共图书馆的馆员汉娜·赛勒斯。她平时开「电脑入门」这类课,一场也就十来个人。可当她把课程换成教大家关掉AI功能之后,报名瞬间失控:30个名额切到上限,还得开候补名单,再加Zoom直播。前两场,每场大约来了70个人。

    她把经验写成论文发表后,全世界几十位图书馆员发邮件找她要课件。「这种事以前从没发生过,」赛勒斯说,「从来没人追着我要『电脑入门』的幻灯片。」

    贝利就是看了她的论文才在费城开课的。图书馆在Instagram上发的活动预告拿到了2000多个赞、220次转发——而这家图书馆平时的帖子,点赞很少超过几十个。第一场报名爆满,只好加开第二场。

    「我的灵感来自人们的那种挫败感:AI工具是被硬塞给我们的,我们没要过它,它却突然出现在生活的每个角落。」——查理·贝利

    一小时的课,到底教什么

    课程结构其实很朴素:先讲清楚AI聊天机器人和各种消费级AI功能的工作原理,讲讲为什么有人想用、有人不想用,然后打开投影仪,把主流平台和设备挨个过一遍,手把手教你去哪里找开关。

    现场还有种奇妙的互助氛围。有位参加者分享了一个小技巧:在谷歌搜索链接后面加上「&udm=14」,就能隐藏AI生成的搜索结果。贝利当场把这串字符写在了白板上,旁边就是青少年区Wi-Fi的登录密码。

    来上课的人各有各的理由:

    • 一位叫约翰尼的参加者担心的是房价之外的新风险:「你辛辛苦苦买了房,两年后你家隔壁可能就冒出一座数据中心。」
    • 另一位叫加布里埃尔的说,工作里AI天天被塞到眼前,「每次看到它我就想起环境代价」。但她也补了一句,自己并不反对AI用在医疗突破上。
    • 赛勒斯自己也承认,图书馆扫描旧文献用的OCR文字识别就是AI,好用得很。

    反的不是技术,是「没得选」

    这可能是整件事最有意思的地方:这群人并不是要把技术一棍子打死。他们要的是选择权——用不用AI,应该由自己决定,而不是被产品设计逼着接受。

    「AI被强行装进每个人设备里,可能就是压垮骆驼的最后一根稻草。大家早就意识到,这些产品和背后的公司对我们的影响力大得离谱,而我们并没有按自己想要的方式在使用它们。」——汉娜·赛勒斯

    贝利把这件事定义成图书馆员的本职:推进数字素养,帮人们拿回自主权。「作为信息从业者,看到人们对AI保持怀疑,感觉挺好的。看到这么多人有同样的感受,感觉真的很好。」

    科技公司花了几百亿美元把AI塞进每一个角落,而普通人用脚投票的方式,是去图书馆排队学怎么关掉它。这个画面本身,可能比任何行业报告都更能说明问题。

  • ChatGPT语音模式登陆桌面端:一句话让AI建PR、找bug、翻网页

    动动嘴就能指挥电脑干活这件事,OpenAI这周四又往前推了一步:ChatGPT桌面App正式接入了ChatGPT Voice语音模式。以后坐在电脑前,你可以直接跟它说话,让它调度AI智能体、在你的电脑上执行各种任务。

    OpenAI ChatGPT语音模式
    ChatGPT Voice登陆桌面端,动嘴办公又近了一步 | 图源:TechCrunch

    这次更新的底子,是OpenAI本月初发布的新一代语音模型家族ChatGPT-Live。当时手机版上线,主打的是对话更自然、打断更流畅——你插话它能接得住,不会自顾自说完。但说到底,手机版只是“聊得舒服”,并不能替你动手做事。

    桌面版不一样:一句话,建线程、发PR、找bug

    桌面版的能力明显上了一个台阶。OpenAI放出的演示视频里,一位开发者对着ChatGPT说了一句话,就让它连着完成了三件事:新建一个线程、提交一个pull request、顺便找出某个bug的根本原因。多步骤的复杂指令可以直接口述,中途ChatGPT需要你拍板时,你张嘴回应就行。

    • 语音模式同时支持ChatGPT Work和编程智能体Codex;
    • 能调用computer use能力,替你查网站、翻应用;
    • macOS上配合Appshots,它还能看到你屏幕上的内容,连图片的替代文本都读得到;
    • iOS用户可以通过远程访问,在手机上语音指挥Codex干活。

    语音不再只是聊天的另一种输入方式,而是成了指挥AI智能体的操作台——这才是这次桌面端更新真正的看点。

    对面的Anthropic,前脚刚更新

    巧的是,就在前一天,Anthropic也升级了Claude的语音模式:用户可以在Opus、Sonnet、Haiku三档模型之间切换,还能靠语音在Gmail、日历、Slack、Notion、Canva这些应用里直接办事。一边是OpenAI把语音接进桌面和编程工作流,一边是Anthropic让语音打通办公全家桶,两家几乎在同一条赛道上贴身互搏。


    从趋势看,“动嘴办公”正在从演示视频走向日常:过去语音助手只能设个闹钟查个天气,现在已经能建PR、追bug、跨应用干活了。键盘和鼠标当然不会立刻退休,但对开发者来说,一边喝咖啡一边口述需求、看着智能体把活干完的日子,确实越来越近了。

  • 一根电线倒下,半个美国的灯闪了:AI数据中心正在变成电网的隐患

    这周,华盛顿特区郊外一根输电线倒了。搁在平时,电网几秒钟就能缓过来,这次却折腾了十多分钟。原因说出来有点魔幻:超过3吉瓦的数据中心,几乎在同一瞬间集体停止从电网取电。

    美国电网输电线路
    一根电线倒下,从北弗吉尼亚到芝加哥的电压跟着起舞 | 图源:TechCrunch

    据初创公司Ting Labs的数据——他们在千家万户的电源插座里布了一张物联网传感器网络——这起事件让PJM电网的电压从北弗吉尼亚一路飙到芝加哥。没有引发停电,但整个区域的灯都闪了一下。要知道,北弗吉尼亚是全球数据中心密度最高的地方,而PJM是全美最大的电网运营商,覆盖新泽西到伊利诺伊,服务6700万用户。

    “这就是煤矿里的金丝雀。”储能公司ON.Energy的CTO里卡多·德·阿泽维多说,数据中心这类大负载引发的电网事件,“正在越来越频繁地发生”。

    30秒消失3.1吉瓦,电网懵了11分钟

    事情的连锁反应是这样的:电线一倒,附近的数据中心感应到电压波动,立刻切换到备用电源自保。按PJM的数据,大约30秒内就有3.1吉瓦的负载凭空消失。电网刚喘了口气,又有一批负载跟着掉线。最高峰时,PJM电网上凭空多出3.49吉瓦的电,又过了11分钟才稳住。路透社报道称,这些断开的数据中心约占PJM当时总需求的3%。

    3%听着不多,但电网这东西讲究的是供需近乎完美的平衡。供大于求,电压就飙;求大于供,电压就塌。波动小了大家都能扛,波动一大,电网和各家设施的保护机制就会触发断连——然后雪球越滚越大。这次就是典型:一根电线引发的小小供应缺口,被数据中心的集体避险动作放大成了更大的需求缺口。

    加拿大安大略省电力系统运营商IESO的高级市场模型专家阿里·扎因·巴纳特瓦拉给出了一个细节:数据中心都是毫秒级决策,这次断开的那批,彼此之间也就差了几秒钟。“我们得想办法让这些挨在一起的大负载,按顺序断开或者重连。”有了秩序,电网运营商才能提前做预案。

    另一条路:别躲,扛住

    排队断电是一种思路,还有一种思路是让数据中心别一有风吹草动就跑。ON.Energy正在做的,就是给整个数据中心园区装一套“全园区级不间断电源”——不只罩着服务器,连冷却系统等配套设备也一起罩住。整个园区藏在一排电池加精密电力转换设备后面,电网看到的不再是各个设备忽高忽低的用电曲线,而是一个平稳、规矩的负载。

    • AI训练负载想拉高拉低随意,电网完全无感;
    • 电网多出来的电,系统直接拿去给电池充电;电不够了,电池顶上给服务器供电;
    • 毫秒级跟随电网节奏,从源头掐灭这次PJM式的电压过山车。

    德·阿泽维多透露,ON.Energy正在四个数据中心园区安装总计3吉瓦的这类系统。监管也醒了:得州电网ERCOT准备强制要求数据中心这类大负载必须“硬扛”住电网扰动,不许说断就断。


    留给行业的时间不算多。2024年PJM电网上发生过类似事件,60个数据中心同时断开,拉走1.5吉瓦——这周的规模已经翻倍。据Synapse Energy Economics测算,2024年数据中心约占PJM负载的6%,到2040年这个数字预计会涨到24%。真到那天,如果问题还没解决,一根倒下的电线,代价可能就不只是灯闪一下了。

  • Chat2DB:AI 驱动的开源数据库客户端,一个工具连接 30+ 种数据库

    Chat2DB:AI 驱动的开源数据库客户端,一个工具连接 30+ 种数据库

    Chat2DB 仪表盘与图表
    Chat2DB —— AI 驱动的数据库客户端与 SQL 工作台

    一句话简介

    Chat2DB 是由 OtterMind(CodePhiliaX)团队开源的一款 AI 驱动的数据库客户端与 SQL 工作台,用自然语言即可生成、解释、优化 SQL,一个工具连接 30+ 种数据库,目前已收获 26.5K+ Stars,是当下最火的开源 GUI 数据库客户端之一。

    安装要求和过程

    环境要求:桌面版无需额外配置;Docker 部署需 Docker 19.03.0+、Docker Compose 2.0.0+、2 核 CPU、4 GiB 内存以上。

    方式一:桌面应用(最简单)

    前往 GitHub Releases 下载对应平台(Windows / macOS / Linux)的安装包,安装后直接连接数据库即可,无需任何额外配置。

    方式二:Docker 部署(自托管)

    # 克隆仓库并初始化加密密钥(务必备份该密钥文件)
    git clone https://github.com/OtterMind/Chat2DB.git && cd Chat2DB
    ./script/security/init-community-encryption-key.sh
    
    docker run --detach \
      --name chat2db-community \
      --restart unless-stopped \
      --publish 127.0.0.1:10825:10825 \
      --volume "$HOME/.chat2db-community-docker:/root/.chat2db-community" \
      --env CHAT2DB_COMMUNITY_ENCRYPTION_KEY_FILE=/run/secrets/chat2db-community-encryption.key \
      --volume "$HOME/.config/chat2db-community/encryption.key:/run/secrets/chat2db-community-encryption.key:ro" \
      chat2db/chat2db:latest

    随后浏览器打开 http://localhost:10825 即可使用。注意:加密密钥(AES-256-GCM)用于加密存储的数据源密码与 AI API Key,请务必单独备份 ~/.config/chat2db-community/encryption.key,丢失后已存密码将无法解密。

    核心功能

    • 30+ 数据库支持:MySQL、PostgreSQL、Oracle、SQL Server、ClickHouse、MongoDB、Redis、SQLite、MariaDB、TiDB、Hive、DB2、Snowflake、BigQuery、Elasticsearch 等,并可通过插件扩展。
    • AI 智能助手:接入你自己的大模型(Bring Your Own Model),用自然语言生成、解释、优化 SQL,支持 Text2SQL。
    • 完整 SQL 工作台:编辑、智能补全、格式化、执行、SQL 收藏与执行历史一应俱全。
    • 数据库管理:浏览元数据,管理表与对象(DDL/DML),支持原地编辑数据。
    • 可视化与开放能力:内置仪表盘与图表、ER 图、数据导入导出,并提供支持 MCP 的开源 CLI 工具
    Chat2DB 可视化数据管理
    可视化数据管理:浏览元数据、原地编辑数据

    典型使用场景

    • 开发者日常查数据:不必再记复杂 SQL 语法,直接用中文/英文描述需求(如”统计上月各地区订单总额并按降序排列”),AI 自动生成可执行 SQL。
    • DBA 多库统一管理:一个客户端同时连接 MySQL、PostgreSQL、Oracle、Redis 等多种数据库,替代 Navicat、DBeaver、DataGrip 等多个工具。
    • 数据分析与 BI:查询结果一键生成仪表盘与图表,配合 ER 图快速理清表关系,适合分析师与数据团队做轻量级 BI 展示。
    Chat2DB ER 关系图
    自动生成 ER 关系图,快速理清库表结构

    推荐理由

    用过 Navicat、DBeaver 的人应该都懂那种”记不住 SQL 又懒得翻文档”的痛。Chat2DB 最打动我的地方是它把 AI 助手专业 SQL 客户端真正融合在了一起——不是简单套一个聊天框,而是让自然语言查询、SQL 优化、ER 图、可视化图表在同一个工作流里顺畅衔接。更难得的是它完全本地运行、开源免费、跨平台,并且支持接入自己的模型,数据不出本机,对企业和注重隐私的团队非常友好。如果你正在找一款能替代付费商业客户端的开源方案,Chat2DB 很值得一试。

    Chat2DB 数据导入导出
    灵活的数据导入与导出

    下载地址

    项目数据:26,502 Stars · 2,891 Forks · 主力语言 Java · 30+ 数据库支持(数据截至 2026-07-25)

  • 三个哈佛辍学生的AI芯片公司:七个月估值翻倍,冲上103亿美元

    2022年,三个哈佛辍学生跑去做AI芯片,当时整个行业都觉得他们疯了。四年后的现在,这家叫Etched的公司刚刚关闭了3亿美元的C轮融资,估值冲到103亿美元——距离去年12月那轮50亿美元估值,只过了七个月,数字直接翻倍。联合创始人兼COO Robert Wachen告诉TechCrunch,这是红杉资本领投过的估值最高的C轮。

    Etched联合创始人兼COO Robert Wachen
    Etched联合创始人兼COO Robert Wachen,公司估值七个月翻倍至103亿美元

    投资人名单快赶上AI名人堂了

    这轮融资的阵容值得念一遍:红杉领投,a16z、SK海力士、Jane Street、Diffusion Capital跟投,早期股东里还有Peter Thiel、Andrej Karpathy、Figma创始人Dylan Field、Replit创始人Amjad Masad。更有说服力的是这些人怎么被说服的——Etched的系统至今只对投资人和早期客户开放,大牌投资人全是在办公室看了私下演示之后掏的钱。

    “Anthropic的Andrej Karpathy、OpenAI的Noam Brown、Geoffrey Hinton,还有这轮所有投资人——他们都实际上手试过硬件,而且非常兴奋。”——Robert Wachen

    上个月Etched刚宣布自研芯片由台积电成功流片,首批完整系统已交给客户测试,订单金额累计突破10亿美元。要知道,这家公司创立时,”专门给Transformer架构造芯片”还被业内当成异想天开,有人专门写文章唱衰。现在连谷歌都被曝在做类似的事——把Gemini的架构直接蚀刻进硅片的Frozen v2芯片。当年的疯话,成了大厂追赶的方向。

    两块自研芯片,专攻推理的两个阶段

    外界对Etched最大的误解,是以为它的芯片只能跑特定的大模型。Wachen专门澄清:他们卖的是完整系统,什么模型都能跑,包括DeepSeek、Qwen这类混合专家模型,甚至Mamba这种非Transformer的状态空间模型。真正的独门绝技,是针对推理的两个阶段分别造了新东西。

    • 预填充阶段(理解提示词,计算密集):Etched造了一块”低电压推理”芯片,电压比任何AI芯片都低,发热少,就能塞进更多晶体管,速度快得多
    • 解码阶段(生成回答,吃内存):他们搞了一种新型内存和”集群级内存”互连技术,让大量芯片共享一个内存池,延迟极低
    • 结果就是官方承诺的组合拳:更高速度,更低成本

    从拿毛巾当被子,到运营10兆瓦数据中心

    这段创业史的起点相当狼狈。Wachen回忆自己跟父母说完要退学创业,落地湾区时连办公室和公寓都没着落,睡在朋友一栋待售空房的地板上,拿毛巾当被子。跑芯片设计工具的服务器架在早期员工家的车库里,每次死机需要重启,那位员工就打电话让妻子回家按重启键。

    如今公司有400名员工,办公室里自建了一座2兆瓦的数据中心,还刚在Milpitas开了一处8万平方英尺、10兆瓦的新设施,就在圣何塞总部不远处。Wachen开玩笑说,自己现在有被子了,还有床垫,”甚至有枕头,好几个枕头”。当然,他也承认路还长——量产机架系统并批量交付,才是真正的大考。”我们当时完全不知道会有多难。我觉得到今天,我们仍然要对规模化所需要的东西保持敬畏。”

  • OpenAI首款硬件Micro键盘实测:程序员的新玩具,还是230美元的镇纸?

    OpenAI上周把自己的第一件硬件卖出去了——不是传闻里那个会动的智能音箱,而是一块小小的键盘,名字叫Micro。它和专门做小众键盘的Work Louder合作打造,售价230美元,专门配合ChatGPT和编程工具Codex使用。TechCrunch的记者Lucas Ropek拿到了测试机,玩了一段时间之后,他的结论挺微妙:程序员里的硬件发烧友可能会喜欢,其他人大概率一头雾水。

    OpenAI与Work Louder合作推出的Micro键盘
    OpenAI首款硬件Micro键盘,12个按键全部围绕ChatGPT设计

    十二个键,全是给ChatGPT准备的

    先说这块键盘长什么样。上手第一感觉是分量十足,做工扎实——记者开玩笑说,就算AI配件这条路走不通,拿来当镇纸也不亏。包装是一尘不染的白盒子,审美干净利落,很多人看了都说一股苹果味儿。考虑到苹果几周前刚起诉OpenAI窃取商业机密,这个观感就更有意思了。

    布局上,键盘顶部是六个磨砂质感的”智能体键”,可以自定义绑定ChatGPT或Codex里的具体任务;下面是六个指令键,负责控制这些程序。连接电脑用蓝牙或USB线都行。最实用的是那个语音听写键:按住说话,说完点旁边的发送键,AI就开始干活了。所有自定义都在ChatGPT里完成,那里有个专门的Micro标签页,从按键灯光亮度到每个键绑定什么项目,都能调。

    • 按键灯有一套颜色语言:白色代表智能体空闲,蓝色是思考中,绿色是任务完成,红色是出错了
    • 可以把不同的ChatGPT会话绑到不同按键上,一键在多个项目之间来回切换
    • 配合语音听写,整套流程确实比来回点鼠标顺畅不少

    目标用户不买账,Reddit上骂声一片

    尴尬的地方在于,这块键盘瞄准的硬核程序员群体,反应相当冷淡。Reddit上的评价以负面为主,有用户直接说这是”一个恶作剧,不是真产品”,还有人断言认真写代码的人根本不会碰它。独立媒体Aftermath的评测更狠,标题就叫”OpenAI这块昂贵的宏键盘感觉就是专门造出来气我的”,核心观点是230美元的定价,对比自己动手DIY或者买现成的便宜方案,实在说不过去。

    真正的问题是:当我已经很熟练地使用鼠标和键盘时,为什么要花一个星期去学习怎么编程和操作这个小玩意?

    记者自己的体验倒没那么糟。他承认上手有学习曲线——你得记住每种灯光颜色的含义,还得记住哪个键绑了哪个项目。但一旦按自己的习惯配置好,用起来其实挺有乐趣,多项目切换加语音输入的组合确实提升了效率。只是他也坦白,自己平时不怎么用AI,算不上目标用户。


    硬件野心背后,官司还没打完

    Micro只是OpenAI硬件棋局里最小的一颗子。几周前苹果起诉OpenAI窃取商业机密,这场官司注定旷日持久;另一边,OpenAI还在开发一款无屏幕、能自主移动的智能音箱,据说由前苹果工程师操刀,同样引来不少侧目。在法律纠纷了结、更大的硬件野心落地之前,这块小键盘就是OpenAI能拿出来的全部实物了。

    最后的购买建议很直白:如果你是ChatGPT重度用户,兜里有230美元闲钱,又喜欢这种复古外观、按起来咔哒作响的小硬件,Micro不算最糟的选择,说不定还能给你的工位添点乐子。反过来,如果你只是偶尔用用AI,那这钱大可省下——你的鼠标和键盘已经够用了。

  • TensorRT LLM:NVIDIA 开源的高性能大模型推理引擎,14.2K Star

    TensorRT LLM:NVIDIA 开源的高性能大模型推理引擎,14.2K Star

    项目简介

    TensorRT LLM 是 NVIDIA 开源的高性能大语言模型(LLM)与视觉生成模型推理优化库。它在 NVIDIA GPU 上提供最先进的定制内核、运行时优化和 Python 化高层 API,能把主流开源/自研大模型的推理延迟压到更低、吞吐拉到更高——从单张 RTX 显卡到多机 NVL72 集群都能统一部署。

    TensorRT LLM

    安装要求和过程

    环境要求

    • GPU:NVIDIA GPU(推荐 Ampere / Ada / Hopper / Blackwell 架构)
    • CUDA:CUDA 13.2.1(以 README 当前 badge 为准)
    • Python:3.10 或 3.12
    • PyTorch:2.11.0
    • 系统:Linux(主要支持)、Windows、WSL2

    快速安装

    # 推荐通过 pip 安装最新 release
    pip install tensorrt_llm
    
    # 或使用预编译容器(避免环境踩坑)
    docker pull nvcr.io/nvidia/tritonserver:26.05-trtllm-python-py3
    
    # 验证安装
    trtllm-serve --help

    更复杂的源码编译或多节点部署可参考官方安装指南:Installation Guide

    核心功能

    TensorRT LLM 架构分层

    • PyTorch 原生架构:模型定义直接写 PyTorch,调试、扩展、自定义注意力/量化都更直观。
    • 高层 LLM API:一行代码从 Hugging Face 加载模型,自动编译 TensorRT engine,支持单卡、张量并行、流水线并行、专家并行。
    • State-of-the-Art 内核:针对 Attention、GEMM、MoE 等常见算子手写 CUDA kernel,充分发挥 Tensor Core 算力。
    • 丰富的高级特性:FP8/FP4/INT4 AWQ 量化、KV Cache 复用、投机解码、Prefix Caching、CUDA Graphs、Prefill-Decode 解耦等。
    • 生产级部署生态:原生兼容 NVIDIA Dynamo、Triton Inference Server,也能作为 vLLM、SGLang 等框架的后端。

    典型使用场景

    TensorRT LLM 核心优化技术

    1. 高并发在线服务

    在 H100/H200/B200 集群上部署 Llama、DeepSeek、Qwen 等模型,配合 Tensor Parallelism 和 Disaggregated Serving,把单用户延迟压到百毫秒级,同时保持数千 token/s 的聚合吞吐。

    2. 本地化推理与边缘部署

    通过 INT4/FP4 量化和 Weight-Stripped Engines,在单张 RTX 4090 或 Jetson AGX Orin 上运行 70B 级别模型,满足私有化、低功耗场景需求。

    3. Agent 与长上下文应用

    利用 Prefix Caching 和 chunked context,在多轮工具调用、RAG、代码补全等长上下文场景中显著降低首 token 时延。

    推荐理由

    TensorRT LLM 是 NVIDIA 在大模型推理领域的“官方解法”。它不是简单的封装,而是从 kernel、runtime 到 serving 的垂直优化。2025 年 3 月后项目已完全开源并迁到 GitHub 维护,社区活跃、文档详尽,对追求极致吞吐和成本控制的生产环境尤其友好。虽然硬件门槛是 NVIDIA GPU,但如果你已经在 CUDA 生态里,它基本是目前能把模型跑得最快、最省显存的工具之一。

    下载地址

  • 自研模型跟不上,Runway改当裁判:推出生成式媒体首个模型路由器

    Runway不想再只当一家做模型的公司了。这家靠AI视频起家的初创,最近想干的是给整个生成式媒体行业当”基础设施”。周四它上线了一个叫Runway Media Router的工具,本质上是个模型路由器——你提一个需求,它自动帮你挑出最合适的图像、视频或音频生成模型来干活。

    Runway Media Router 模型路由器
    Runway推出面向生成式媒体的模型路由器Media Router(图片来源:Runway / TechCrunch)

    模型太多了,开发者根本挑不过来

    这个路由器接在本月早些时候上线的开发者平台Runway Dev上,通过API能一次性接入一大堆第三方的图像、视频、音频模型,外加Runway自家的。路由器会根据你更看重质量、速度还是成本,自动选模型。模型路由在大语言模型圈子里早就不新鲜了,但Runway说,这是头一个专门为生成式媒体做的。

    “大多数开发者根本没时间去搞懂每个模型的能力边界,也说不清它们在视频、图像、音频各类输出上到底强在哪、差在哪。我们能提供的,就是这层判断力。”——Runway首席产品官 Anthony Maggio

    道理其实挺朴素。这两年生成式媒体模型多到爆炸,新品一个接一个,开发者光是评测就够呛。通过Runway Dev,Adobe、Cloudflare、ElevenLabs、Expedia、Shutterstock、Quora这些客户可以直接把媒体生成能力嵌进自己的产品里,不用再把用户往Runway的App上导。

    成本和质量,才是客户最在意的

    路由器能设的偏好不止一种。Maggio提到,不少企业对来自中国的生成式媒体模型不太放心,可以直接把偏好设成只用美国厂商——尤其眼下特朗普政府正在琢磨对中国开放AI模型的禁令和制裁,这种需求可能会越来越常见。不过他说,客户最关心的其实还是两件事:按token算的价格,和输出质量。2026年token账单成了热门话题,那些全押智能体AI的企业,被高昂的账单狠狠上了一课。


    当不了最强模型,那就当最强的调度层

    质量这块,生成式媒体比语言模型难判断得多——一段视频动作处理得好不好、一张图构图行不行、配音对不对得上口型,都不是跑个分就能说清的。Runway的底气来自它自家创意团队多年攒下的评测经验,这层”判断力”其实早就为它5月推出的智能体产品打磨过了,现在只是把同一套技术打包给外部开发者用。

    说到底,这步棋反映的是Runway的处境。它上一款自研视频模型Gen 4.5还是去年12月发的,当时确实登顶过榜单、压过谷歌;但之后除了5月给编辑模型Aleph 2.0做过升级,就再没扔出新的前沿视频模型(Gen 5至今没影)。如今在文生视频、图生视频的榜单前列,坐着的是谷歌、字节跳动、阿里这些大块头。

    • Media Router号称首个专为生成式媒体打造的模型路由器
    • 已接入客户:Adobe、Cloudflare、ElevenLabs、Expedia、Shutterstock、Quora
    • 可按质量、速度、成本,甚至模型产地设置偏好
    • Runway近期把无限订阅改成按token计费,曾引发用户不满

    联合创始人Anastasis Germanidis说得直白:底下得有好模型,但”编排”这层越来越重要,因为大家现在是拿模型做整套营销campaign、拼多镜头成片。与其赌某一个模型永远领先,不如假设最强的模型一直在换——路由器的思路正是这样,让Runway哪怕不是那个最强模型,也能稳稳留在牌桌上。

  • AMD亮出机架级系统Helios,微软Anthropic排队买单,正面硬刚英伟达

    AMD这回是真的把矛头对准了英伟达。在旧金山那场一票难求的Advancing AI大会上,董事长兼CEO苏姿丰把一整套机架级AI系统Helios端了出来,还顺手报了一串已经排队的客户名单——微软就在其中。这台机器今年晚些时候就要出货,AMD的意思很明确:数据中心这块最肥的肉,它不打算再让英伟达一家独吞。

    AMD Helios AI机架系统
    AMD在Advancing AI大会上推出机架级系统Helios(图片来源:TechCrunch / Getty Images)

    机架级系统,才是这场战争的主战场

    先说清楚Helios是个什么东西。所谓机架级系统,就是把成百上千颗处理器塞进一个高功率整机柜,专门为数据中心训练和运行大模型这种吃算力的活儿服务。这个领域过去几乎是英伟达的自留地,它的Vera Rubin和Grace Blackwell两代架构一直是行业标配。苏姿丰直接放话,说Helios是业界”性能最强的AI机架”,就是冲着”在超大规模下训练和运行全球最苛刻的前沿模型”去的,还说会有头部AI公司按吉瓦级别的规模来部署它。

    “到2030年,我们预计AI加速器市场规模会达到1.4万亿美元左右——也就是说,到这个十年结束时,光是AI加速器这一块,就快赶上今天整个半导体市场的体量了。”——AMD CEO 苏姿丰

    客户名单才是最狠的一招

    性能好听归好听,真正让英伟达紧张的是Helios背后那串名字。Helios早在2025年就露过面,今年1月的CES上还搬上台展示过(这机柜重得跟两辆紧凑型轿车差不多)。现在它已经锁定了OpenAI、Meta、甲骨文、Anthropic和微软一批大客户,全都放话要部署。微软CEO纳德拉本周一说要用Helios扩建Azure;Anthropic更狠,直接和AMD签了战略合作,要通过这套新机架部署最高2吉瓦的GPU。这些名字放在一起,等于给AMD的机架能力盖了个公认的章。


    押注智能体,赌的是算力还要涨

    除了Helios,AMD这次还甩出了面向数据中心的Venice-X CPU,主打高性能计算,预计2027年上市。苏姿丰对行业走向的判断很直接:算力需求正在发生”阶跃式”的跳变,背后的推手就是智能体AI。她打了个比方,你让一个智能体干件事,它其实要走几十步——得推理、得调工具、得取数据,反反复复直到把问题解决,这一路下来吃掉的GPU数量非常可观。

    • Helios性能在多项指标上超过英伟达Vera Rubin(据The Register报道)
    • 已确认客户:OpenAI、Meta、甲骨文、Anthropic、微软
    • Anthropic承诺通过Helios部署最高2吉瓦GPU
    • 新款Venice-X数据中心CPU定于2027年上市
    • AMD预测2030年AI加速器市场达1.4万亿美元

    苏姿丰还补了一句关键判断:这个市场未来大头会被GPU吃掉,因为算法本身还很”年轻”,工作负载一直在变,这种不确定性反而利好可编程性强的芯片。翻译过来就是——英伟达的护城河没那么牢,AMD觉得自己还有的打。

  • Waymo被曝想和Uber分手:奥斯汀、亚特兰大单飞时间表已定

    Robotaxi圈子里最微妙的一对搭档,可能真的要散了。英国《金融时报》爆料,Waymo正在想办法退出和Uber的合作。这笔合作原本让Waymo的无人出租车挂在Uber的打车网络上,在奥斯汀和亚特兰大接单。

    Waymo robotaxi
    Waymo的无人出租车,未来可能不再出现在Uber的App里(图片来源:TechCrunch)

    时间表已经摆上桌面

    这次不是捕风捉影。Uber自己周五向TechCrunch确认:Waymo已经通知他们,打算从2028年1月起在奥斯汀和亚特兰大用自家App直接提供叫车服务,先和现有合作并行跑一段。而双方覆盖这两个城市的合同,2028年5月就到期了。翻译一下:Waymo提前把单飞日期定好了,就等合同走完。

    这已经不是两家第一次分手。今年早些时候,双方在凤凰城就悄悄散伙了,当时还是TechCrunch第一个报出来的。

    积怨不是一天攒下的

    回看过去几个月,两家的火药味其实早就藏不住了:

    • Uber的CTO普拉温·内帕利今年早些时候直接在X上发了段视频,配文说Waymo无人车的驾驶行为”不安全”、”吓人”;
    • 5月的财报电话会上,Uber CEO达拉·科斯罗萨西不点名地批评了某家Robotaxi在学校区域和紧急情况下的表现,明眼人都知道说的是谁;
    • 在Robotaxi监管的多场政策博弈里,Waymo和Uber频频站到对立面——Uber的游说方向,被认为在给Waymo的扩张使绊子。

    渠道和自营,终究要摊牌

    往深了看,这就是一场经典的渠道与自营之争。对Waymo来说,早期借Uber的流量池冷启动新城市划算,可一旦车队规模和品牌立住了,凭什么把订单和用户数据分给别人?对Uber来说,它需要Robotaxi供给撑住”平台”故事,但供给方越强势,它的议价权就越弱。凤凰城先散伙,奥斯汀和亚特兰大再排上日程,剧本几乎是复制粘贴的。

    Waymo暂时没有回应置评请求。不过时间表已经写在那里:2028年1月单飞开跑,5月合同到期。留给这段合作关系的时间,不到两年了。