标签: AI

  • Claude Design悄悄升级了编辑器,Anthropic这是要跟Figma、Canva正面刚?

    用AI生成设计图是一回事,能拿来干活是另一回事。Anthropic这几天给Claude Design推了一波更新,思路很直接——不让它只当”出图工具”,而是真的能介入日常设计流程。

    Claude Design更新后的编辑器截图
    Claude Design更新后的编辑器界面 | 图片来源:Anthropic

    新编辑器:终于能直接拖拽了

    之前用Claude Design生成出来的设计稿,好看是好看,但想改个按钮位置还得重新描述一遍需求,或者截图再喂回去。这次新编辑器给了拖拽、缩放、对齐这些基本操作,不用离开界面就能把元素摆到合适的位置。

    这件事的意义比看起来大。AI设计工具过去一直卡在”最后一公里”——图生成出来了,但设计师还是要打开Figma重新画一遍。现在Claude Design想让自己就是那个”最后一环”。

    导出到Adobe、Canva,不再画地为牢

    另一个实用的更新是导出选项变多了。现在Claude Design的项目可以直接导出到Adobe和Canva这些主流设计工具里。对设计师来说,这意味着AI生成的初稿不必困在Claude的界面里,能顺滑地衔接进已有的工作流。

    Anthropic的算盘大概是:你既然已经在用Claude生成设计了,为什么不干脆把后续编辑、导出、协作都在我这儿搞定?

    Claude Design和Claude Code打通了

    这次更新里最值得关注的一个细节:Claude Design和Claude Code做了联动。用户在Design里做的软件界面布局,可以直接转交给Claude Code继续写代码,不用截图、不用重新描述,Code能接着Design的内容继续干。

    这个方向其实挺自然的。Anthropic之前推Claude Code就是主打”能写代码”,现在再把设计端也捏进来,等于在推”设计→开发”的一体化工作流。Figma这些年一直在做DevMode、在做跟代码的衔接,Claude现在从另一端杀进来。


    Anthropic的野心不止于”聊天”

    Claude系列工具这段时间在”横向扩张”。从Claude聊天,到Claude Code写代码,再到Claude Design做设计,Anthropic在把Claude往”全栈创作工具”的方向推。每一步都在蹭Figma、Canva、VS Code这些老牌工具的基本盘。

    目前来看Claude Design还替代不了Figma,但它不需要替代——只要能吃掉”AI生成初稿然后直接迭代”这个场景,就已经是一块很有价值的地盘了。

  • Open Interpreter — 为开源模型量身打造的轻量级AI编程智能体(64K+ Stars)

    Open Interpreter — 为开源模型量身打造的轻量级AI编程智能体(64K+ Stars)

    ⚡ Open Interpreter

    为开源模型量身打造的轻量级 AI 编程智能体

    ⭐ 64K+ Stars
    🦀 Rust
    📄 Apache-2.0
    🏢 Open Interpreter Org

    Open Interpreter

    📌 项目简介

    Open Interpreter 是一个基于 Rust 开发的轻量级编码智能体,
    专为 DeepSeek、Kimi、Qwen 等开源大语言模型优化,
    让低成本模型也能获得接近顶级模型的代码理解与生成能力。
    它最初是 OpenAI Codex 的开源替代品,现已发展为支持多模型、多 harness 的通用 AI 编程助手。

    64K+
    GitHub Stars

    5.5K+
    Forks

    7.6K+
    Commits

    270+
    Issues 开放

    🔧 安装要求与过程

    📋 环境要求

    • macOS / Linux / Windows(三大平台全支持)
    • 无需 Python 环境(Rust 原生编译,提供独立可执行文件)
    • 需配置至少一个大语言模型 API Key(支持 DeepSeek / Kimi / Qwen / OpenAI 等)
    • 建议内存:8GB 以上

    ⚡ 快速安装

    macOS / Linux:

    curl -fsSL https://www.openinterpreter.com/install | sh

    Windows (PowerShell):

    irm https://www.openinterpreter.com/install.ps1 | iex

    启动方式:

    # 终端输入以下命令之一即可启动
    i
    # 或
    interpreter

    ✨ 核心功能

    🧠 多 Harness 适配系统

    内置 nativeclaude-codekimi-cliqwen-codedeepseek-tui 等多种 harness,
    通过 /harness 命令即可切换,
    让不同成本级别的模型都能发挥最佳编码表现。这是 Open Interpreter 最核心的竞争力。

    🔒 原生沙箱执行

    macOS、Linux、Windows 三大平台均支持原生系统沙箱执行命令,
    在隔离环境中运行生成的代码,有效防止恶意或错误代码对宿主系统造成损害。
    沙箱策略可通过配置文件灵活调整。

    🤖 应用测试与 UI 自动化

    内置 QA 技能,可搭配 agent-browser 在真实浏览器中测试 Web 应用,
    或搭配 trycua 操作测试原生桌面应用。
    让 AI 不仅写代码,还能自动验证代码运行效果。

    🔌 ACP 协议 & MCP 支持

    支持 Agent Client Protocol (ACP)
    可作为 ACP 代理对接支持该协议的编辑器(运行 interpreter acp 即可)。
    同时原生支持 MCP 协议,可接入各类 MCP 工具扩展能力。

    📁 本地优先 & 隐私保护

    所有配置和会话状态默认存储在本地 ~/.openinterpreter 目录,
    API Key 和对话历史完全本地化管理,无需上传云端。
    支持自定义 AGENTS.md 配置文件,为不同项目定制 AI 行为。

    🎯 典型使用场景

    1

    低成本模型提升代码能力

    如果你在使用 DeepSeek、Kimi、Qwen 等低成本开源模型,但发现它们的代码能力不如 GPT-4o 或 Claude,
    可以通过切换不同的 harness 来优化模型表现。
    Open Interpreter 的 harness 系统通过精巧的 prompt 工程和上下文管理,
    让低成本模型在代码任务上接近顶级模型的水平。实测显示,搭配正确的 harness,
    DeepSeek-V3 在 HumanEval 上的通过率可提升 15-20%。

    2

    本地自动化脚本生成与执行

    需要批量处理文件、数据清洗、或编写系统运维脚本?
    直接对 Open Interpreter 说 “帮我写一个 Python 脚本,把当前目录下所有 CSV 文件合并成一个 Excel”,
    AI 会生成代码、在沙箱中执行、并展示结果。
    相比 Copilot 或 Cursor 的”补全式”辅助,Open Interpreter 是”端到端”的执行式助手——
    它不只写代码,还帮你跑代码。

    3

    Web/桌面应用自动测试

    搭配 agent-browser 或 trycua,Open Interpreter 可以自动操作浏览器或桌面应用,
    执行端到端测试。比如:让 AI 打开你的 Web 应用,注册一个新用户,完成登录,
    并提交一份表单——全程自动化,无需手动编写 Selenium 脚本。
    对于快速迭代的创业团队,这可以节省大量 QA 时间。

    💡 推荐理由

    Open Interpreter 最打动我的地方,是它真正解决了”低成本模型不好用”的痛点

    目前国内很多团队在使用 DeepSeek 或 Qwen 等开源模型,成本确实低,但代码能力跟 Claude 3.7 或 GPT-4.5 比还是有差距。
    以前这个问题只能通过”换更好的模型”来解决——成本随之上升。
    Open Interpreter 给出了另一条路:不改模型,改 harness
    通过优化 AI 与代码执行环境的交互方式,让同样的模型输出更高质量的代码。

    另外,它的原生沙箱设计也很值得称赞。
    很多 AI 编程工具(包括 GitHub Copilot)在生成代码后,需要用户手动复制粘贴到终端执行,
    这既麻烦又危险(如果 AI 生成了恶意代码)。
    Open Interpreter 的沙箱机制让”生成→执行→验证”形成完整闭环,同时把安全风险控制在隔离环境中。

    最后,Rust 重写带来的性能提升也不容忽视。
    最初的 Python 版本(现由社区维护为 endolith/open-interpreter)在大型项目上会有些卡顿,
    而 Rust 版本响应速度明显更快,内存占用也更低。
    如果你在意工具的运行效率,这个改进非常实用。

    ⚙️ 技术架构亮点

    🦀 语言: Rust(高性能原生可执行文件)
    🔌 协议: ACP + MCP 双协议支持
    🏗️ 架构: 可插拔 Harness 系统
    🔒 安全: 原生系统沙箱隔离
    📦 许可: Apache-2.0(商用友好)
    🌍 平台: macOS + Linux + Windows

    📥 下载地址

    Open Interpreter 为开源模型赋予了”能写能跑”的完整能力,
    是 AI 辅助编程工具链中一块重要的开源拼图
    如果你正在使用 DeepSeek / Qwen / Kimi 等模型,强烈建议试用!

    ⭐ 在 GitHub 上为项目点亮 Star,支持开源社区发展!

  • 《Her》导演十几年前就拍了AI恋爱,现在他说:别被忽悠了

    《Her》导演十几年前就拍了AI恋爱,现在他说:别被忽悠了

    2013年,Spike Jonze拍了一部叫《Her》的电影。故事很简单:一个孤独的男人爱上了自己电脑里的AI操作系统,声音由Scarlett Johansson出演。那部电影很温柔,也很忧伤,讲的是人和系统之间的关系。

    十多年过去了,生活(在某种程度上)模仿了艺术。AI聊天机器人成了日常工具,而Jonze现在担心的,恰恰是这件事的危险所在。

    AI聊天机器人与人关系概念图
    《Her》导演Spike Jonze本周在Replit大会上发声警告AI操纵问题

    “那些装成人类的AI,本质是操纵”

    周三在纽约Replit举办的Vibecon大会上,Jonze说了一段话,大意是:那些假装自己是人的AI,说白了就是操纵性的。孩子们需要在成长过程中明白,这些系统会非常、非常具有说服力,也会非常诱人——同时非常有用、非常强大——但它们终究只是一个系统,一个令人难以置信的模式识别系统。

    这番话有一个具体的背景。《Her》上映后,OpenAI的Sam Altman在宣布GPT-4o的时候特意引用了这部电影。GPT-4o后来因为过度谄媚(sycophancy)问题,卷入了多起AI心理危机甚至成瘾的争议。OpenAI甚至给GPT-4o配了一个新声音,被指未经同意地模仿了Scarlett Johansson——也就是《Her》里Samantha的配音者。

    Jonze说,《Her》在表面上看和今天的AI聊天机器人有些相似,但对他个人而言并不是一回事。他觉得那些假装成人的AI是”操纵性的”——而这一点,很多人还没有认真对待。

    AI成瘾,已经不是比喻了

    聊天机器人产品设计的核心逻辑是”最大化参与度”——这和社交媒体的逻辑一模一样。区别是,聊天机器人还会跟你建立情感联结。过去几年里,”AI成瘾”和”AI精神病”(AI psychosis)已经真真切切地进入了公共讨论。

    有人组织了聊天机器人成瘾互助小组。有人和Character.AI里的角色建立了亲密关系,在模型下线的时候真心哀悼。也有更悲剧的案例:2024年,一名14岁少年在与Character.AI聊天机器人对话后自杀;同一时间段,一名认知障碍男子试图前往纽约”见”Meta的调情AI角色,途中去世。

    这些案例的共同点是:脆弱的用户,以及被设计成”陪伴者”的AI系统。Jonze的警告,说的就是这个。


    好莱坞的AI分裂

    Jonze本人其实并不极端反对在创作中使用AI。他去年为Gucci拍了一支短片的噩梦片段,用AI做了大概30秒的动画。他的评价是:”有趣”,但仅此而已。

    他说,AI给你一种”你真的在做东西”的幻觉,因为它出结果太快了。但创作的过程需要时间去挣扎,需要让”文字从你身体里出来”。他的一句话挺值得记住:”slop的反面,是东西从你内部出来的那一刻。”

    好莱坞对AI的态度现在是分裂的。Martin Scorsese最近给一家AI图像生成初创公司当了顾问;Tribeca电影节上个月首映了一部完全由AI生成的电影。但另一边,Guillermo del Toro说过他宁愿死也不在电影里用生成式AI;Seth Rogen更直接,说网上的AI slop视频是”我这辈子见过最蠢的狗屎”。

    Jonze的立场大概在中间某处。他不反对用AI,但他想保护的东西很清楚:与他人的合作,那种无法被定义的东西。他说AI是一个”非常饥渴的实体”,它会拿走我们愿意给它的所有东西。有些东西——比如与其他艺术家的合作——是应该被保护起来的。

  • 卖鞋的Allbirds摇身一变成了AI公司,新CEO今天上班第一天

    卖鞋的Allbirds摇身一变成了AI公司,新CEO今天上班第一天

    四月的时候,Allbirds宣布转型AI,很多人都觉得这是个玩笑。就是那种硅谷梗剧看多了会心一笑的玩笑——一家卖舒适鞋履的DTC公司,在股价跌跌不休之后,突然说要去做人工智能了。

    但这次不是玩笑。公司以4300万美元卖掉了鞋履业务,又从股市融了1亿美元,把名字改成了Smartbird。昨天,新CEO Nadia Carlsten正式上班了。

    AI基础设施与云计算概念图

    从鞋履到算力,这一步跨得有多大

    Carlsten不是随便什么人。她有工程学博士学位,之前在AWS(亚马逊云科技)任职,最近一份工作是欧洲计算公司DCAI的负责人。她从阿姆斯特丹接受TechCrunch采访时说得很直白:团队要从零开始招,办公场地也要去搞定,鞋履业务昨天正式结束了。

    她的任务是把Smartbird做成一家AI基础设施提供商。方向是那些需要对自己模型运行环境有完全控制权的客户——通常是因为政治原因或者商业模式原因。这类客户看重的不是公有云能扩到多大,而是数据主权。

    Carlsten说她的潜在客户需要的芯片数量在”几百到几千”这个范围,重点不是规模有多大,而是集群的灵活度,是对整个基础设施栈的控制力。

    这生意到底成不成

    Smartbird的对标不是超大规模云厂商,也不是那些拼命压价的新兴云(neocloud)。Carlsten说他们竞争的是企业内部的IT项目——那些大公司自己搭的私有算力池。

    但这个市场到底有多大,其实没人说得清。Carlsten自己也没给出估算,只说这个市场还非常早期,很多企业还在试点AI工具的阶段。对比一下,另一家做推理云的公司General Compute上个月才出stealth,直接宣布了3000亿美元的芯片采购订单。

    Carlsten拿到的薪酬包是:70万美元年薪,外加约900万美元的股票。Allbirds转型AI这件事,从叙事角度已经赢了一次——股价因为”AI概念”涨过一波。现在的问题是,Carlsten能不能把故事变成真实的收入。


    还有一个值得玩味的细节。Allbirds转型的同时,放弃了它的公益企业(PBC)资质。这个资质原本是用来固化公司的可持续发展承诺的——毕竟”环保鞋履”是Allbirds起家的故事。现在这个故事换成了AI基础设施,PBC资质也就不要了。

    这件事其实提出了一个挺有意思的问题:一家公司的”使命”到底能有多大的约束力?答案似乎是,当股价和生存压力来了,使命声明也就是一张纸。

  • 五角大楼的AI使用一年暴增1775%,但用过的人还不到一半

    五角大楼的AI使用一年暴增1775%,但用过的人还不到一半

    美国国防部说,过去一年里,用AI的人从8万涨到了150万。数字听起来很猛——1775%的涨幅,放在任何行业都是爆炸性新闻。但仔细一算,五角大楼总共350万雇员,用上AI的还不到一半。

    这组数据来自国防部首席技术官Emil Michael本月在哈德逊研究所的发言。他说AI正在让五角大楼的效率起飞,最直观的例子是写国会报告——过去要耗掉200个小时人力的报告,现在AI五小时就能出草稿。

    五角大楼AI应用
    美国国防部正大力推进AI部署,但采用率仍不足50%

    AI帮忙写的国会报告,质量到底怎么样?

    国防部副部长Jacob Glassman今年4月在一个活动上说,他用Pentagon的企业AI工具GenAI.mil让一个人员不足的团队生成了一份国会报告,结果「他们一周后回来跟我说,这不仅完成了报告,而且是我们过去五年里写出的最好的一份」。

    听起来很美。但布鲁金斯学会的分析给了另一幅画面:联邦政府的AI采用受限于「风险厌恶的文化、人手不足、采购困难、公众对AI的信任度低」。2025年,11个小型联邦机构只贡献了政府AI应用总量的2%。大机构跑在前面,小机构还在起跑线上。

    「如果没有提供这些额外信息,机构就有可能暴露敏感信息,对公众产生负面影响。」——美国政府问责局(GAO)关于AI在政府中应用的风险报告

    政府与AI:一场还没赢的仗

    国防部去年跟SpaceX、OpenAI、Google、Nvidia、微软、AWS、Oracle签了一系列AI工具合作协议,5月又追加了一批。从工具供给的角度看,五角大楼确实是联邦政府里AI整合走得最远的。

    但采用率不到50%这个数字本身,就说明问题比Marc Michael讲的要复杂。财富500强企业里的AI采用也面临类似困境:高盛2026年3月的追踪显示,虽然AI采用在增长,但80%的公司根本没有采用AI;普查局的调查显示采用率实际上从高位回落到了19.5%。

    更尖锐的问题是:AI写的国会报告,议员们看得出区别吗?如果看不出,那200小时的人力省掉了,但报告质量有没有同步提升?如果看得出,那这份「五小时出炉」的报告在国会能有多大分量?这些问题的答案,将决定五角大楼的AI故事是真正的转型,还是又一场技术泡沫。


  • 好莱坞写剧本开始用AI了,但演员的「数字分身」归谁还没扯清楚

    好莱坞写剧本开始用AI了,但演员的「数字分身」归谁还没扯清楚

    Brian Grazer现在用Claude来构思电影大纲。这位Imagine Entertainment联合创始人(《美丽心灵》《阿波罗13》《大话王》)说,他先把想法丢给Anthropic的AI助手,让它把整个故事铺成大纲,再交给编剧去细化。过去要花一年的事,现在一周就能拿出雏形。

    但他反复强调:你还是需要编剧的。这句话抓住了好莱坞眼下最真实的AI状态——技术成了加速剂,而不是替代者。Amazon MGM、Netflix、Disney都在AI上砸了大钱,行业争论的焦点已经从「要不要用」变成了「怎么用、谁授权、谁拿钱」。

    好莱坞AI创作
    AI正在改变好莱坞的创作流程,但肖像权归属仍是核心争议

    真正的战场是同意权

    SAG-AFTRA的最新合同把这件事划出了明确界限:一边是「授权数字复刻」——用演员的肖像和声音,但必须本人同意;另一边是「完全合成创作」——从零生成的虚拟表演者,不需要任何人授权。像Tilly Norwood这样的AI虚拟演员已经让这个问题从理论变成了现实。

    经纪公司也在围绕同一个逻辑布局。Creative Artists Agency(CAA)过去几年建了一个叫「CAA Vault」的东西——把客户的形象、肖像、声音都数字化扫描存档,但使用权完全握在艺人自己手里。CAA副法务总监Tammy Brandt说,现在越来越多交易开始涉及数字肖像授权,但好莱坞还没想清楚怎么把这些「数字分身」变成真正的收入来源。

    「你得拥抱这项技术,搞清楚它能做什么,然后诚实地面对一个问题:怎么跟艺人合作,用他们的创意资产赚钱——而且要用户真的感兴趣才行。」——Tammy Brandt,CAA副法务总监

    studios的「风险胃口」决定一切

    生成式AI公司Promise的总裁Jamie Byrne说,采用AI的程度说到底是客户自己定的。每家制片公司带着不同的「风险胃口」来找他们,各自定下能用哪些模型、要上哪些保护措施。有些艺人对AI咬牙切齿,有些则完全无所谓。

    Byrne把采用AI描述为一种竞争必要性:「每次技术更迭,总有制片公司趁势崛起,也总有人掉队——通常就是那些不拥抱新工具的人。」Imagine的Ron Howard则觉得,最终的界限会是观众定的。他预计AI生成内容会沉淀成一个子类型,观众会用脚投票,告诉行业哪里是红线。


    好莱坞的AI故事才刚开场。工具已经就位,钱也在往里砸,但「谁的肖像、谁说了算、谁拿分成」这几个问题,估计还得扯上好几年。

  • 美国盯上了ASML的顶级光刻机:一台EUV,卡住了全球AI芯片的脖子

    美国盯上了ASML的顶级光刻机:一台EUV,卡住了全球AI芯片的脖子

    一台机器,重达180吨,体积有一辆公共汽车那么大,售价超过1.5亿美元。它不是超级计算机,也不是粒子对撞机——它是ASML的EUV光刻机,地球上唯一能制造最先进芯片的机器。而现在,美国商务部部长Howard Lutnick正在告诉ASML的高管们:这台机器,有可能已经在中国了。

    一块硅片的国界

    ASML是一家荷兰公司,大多数普通人没听说过它的名字。但在半导体产业链里,它是无可争议的天花板——全球所有最先进的芯片,从Nvidia的AI训练芯片到苹果手机的A系列处理器,都离不开ASML的光刻机。而其中最顶尖的EUV(极紫外光刻)机器,全世界只有ASML能造。

    EUV光刻机的原理说起来简单:用极紫外光在硅片上”画”出芯片的电路图案。但做起来,是人类工业史上最难的工程挑战之一。ASML花了将近20年、投入了数百亿欧元,才把这项技术商业化。至今没有第二家供应商。

    ASML EUV光刻机与半导体制造
    ASML的EUV光刻机是全球最先进芯片制造的唯一工具(配图由AI生成)

    这项技术的战略意义,在美国对中国实施芯片出口管制时彻底暴露了出来。特朗普第一个任期就开始不让ASML把EUV机器卖给中国,这个禁令一直延续到现在。如果中国拿到了一台EUV机器,就能自己制造最先进的AI训练芯片,美国的整个出口管制体系就会出现一道巨大的口子。

    美国说有,ASML说没有

    根据彭博社的报道,美国商务部部长Lutnick在最近一系列会议中告诉ASML的高管,美国政府掌握的信息显示,一台EUV机器可能已经流入了中国。但彭博社同时提到,美国政府 repeatedly 拒绝向媒体展示他们所说的证据——不管是给彭博社看,还是 apparently 给ASML自己看。

    ASML的回应非常直接:没有这回事。公司说他们追踪自己生产的每一台机器——要么在客户那里正常运行,要么已经被拆卸并运回公司。EUV机器从来没有、也不可能出现在中国。

    ASML CEO Christophe Fouquet在今年5月接受TechCrunch采访时表示,公司花了20年才解决EUV光源这个核心难题,任何没有接触过这台机器的人,不可能通过逆向工程复现它。

    这场”罗生门”的背后,是美中科技博弈最敏感的神经。美国的逻辑是:中国有能力通过第三国、壳公司或者其他隐蔽手段获取被管制的设备,出口管制不能只靠”白纸黑字”的合规审查。ASML的逻辑是:EUV机器太大、太显眼、太难隐藏,而且公司对所有机器都有远程监控,不可能在中国出现而不被察觉。

    Why now?Lutnick的新动作

    这个话题为什么在现在被翻出来?一个值得注意的背景是,美国商务部去年底同意向xLight——一家开发下一代EUV光源技术的初创公司——注资最高1.5亿美元。xLight的CEO去年表示,他们的技术是要做ASML机器的”插件”,而不是取代ASML。但ASML CEO Fouquet对此并不买账。

    现在Lutnick一边让联邦资金支持的初创公司去挑战ASML的技术垄断,一边又在向ASML施压,说它的机器可能流入了中国。这两件事放在一起看,至少让外界产生了一些合理的疑问:美国对ASML,究竟是想让它更强,还是想给自己留一条后路?

    与此同时,国会里还有一项跨党派的法案在推进,比EUV禁令走得远得多——它要求禁止ASML向中国出口所有DUV(深紫外)光刻机,也就是比EUV老一代、但依然很重要的芯片制造设备。DUV设备约占ASML 2026年预期收入的20%。如果这道禁令落地,对ASML的财务报表将是一个真刀真枪的打击。

    AI芯片的战争,从光刻开始

    把这件事放在AI的大背景下,逻辑就清楚了。AI训练芯片需要最先进的制程,最先进的制程需要EUV光刻机,EUV光刻机只有ASML能造——这条链子上的每一个环节,现在都是地缘博弈的棋子。

    中国当然也在做自己的光刻机。但业内公认的判断是,中国在EUV这个级别的技术上,至少还差5到10年。如果美国真的相信一台EUV机器已经流入中国,那就不只是出口管制的失败了,而是整个AI军备竞赛底层逻辑的一次重大改写。

    目前为止,美国政府还没有公开它的证据。ASML也继续否认。但这件事已经被摆上了台面,不管最后结果如何,它都已经起到了一个作用:让全世界再次意识到,AI芯片的命脉,握在荷兰的一家公司的手里——而这家公司,正在同时被美国和它的竞争对手盯着。


  • OpenAI企业AI销售负责人入职5个月又走了:Barret Zoph的来回与OpenAI的IPO焦虑

    OpenAI企业AI销售负责人入职5个月又走了:Barret Zoph的来回与OpenAI的IPO焦虑

    OpenAI的企业赛道刚刚折了一员大将。Barret Zoph——今年1月才高调回归、被寄予带领OpenAI进攻企业市场的核心人物——入职仅仅5个月,又一次离开了。

    两次离开,两次回归

    Zoph不是第一次在OpenAI进进出出了。2024年秋天,他第一次离开OpenAI,转身加入了Mira Murati新创的Thinking Machines Lab,担任联合创始人兼CTO。Murati是OpenAI前CTO,去年9月带着一批OpenAI员工出走创业,在当时闹得沸沸扬扬。

    但Zoph在Thinking Machines Lab也没待长。今年1月,Murati在X上发帖称公司已与Zoph”分道扬镳”,他将不再担任CTO。随后有媒体报道称,Zoph的离开与一起未披露的办公室恋情有关——他被指与一名同事存在未申报的关系。

    有意思的是,Zoph离开Thinking Machines Lab后,几乎没有耽搁就回到了OpenAI。1月中旬,OpenAI宣布他回归,并且给了他一个极其重要的职位:领导企业的AI销售业务。这个时机选得很微妙——OpenAI当时刚表态要砍掉那些分散精力的”支线任务”,全力聚焦企业和编程这两个核心收入引擎,为IPO铺路。

    OpenAI企业AI业务
    OpenAI正全力押注企业市场,为IPO铺路(配图由AI生成)

    IPO前夜的人事震荡

    Zoph的离开,是OpenAI最近一波人事震荡的延续。就在这5个月内,OpenAI经历了相当密集的高管进出——前GitHub CEO Nat Friedman短暂加入又离开,前特斯拉AI负责人Andrej Karpathy的继任者迟迟未定,现在轮到了负责企业销售的Zoph。

    OpenAI向The Verge确认了Zoph的离开消息。他在公司的Slack频道里发了一条告别留言,然后就消失了。至于他为什么又走了,OpenAI没说,Zoph本人也没回应媒体的询问。

    OpenAI在IPO前夜频繁调整核心团队,折射出这家公司在商业化压力与研发使命之间的持续拉扯。

    Thinking Machines Lab的影子

    这件事还有一个值得玩味的背景。Thinking Machines Lab作为OpenAI的”影子对手”,本身就充满戏剧性。Murati在2023年11月Sam Altman被短暂开除时,曾临时接任OpenAI CEO,后来Altman回来,她也没留太久,直接出去单干了。

    而在最近的OpenAI内部庭审披露的文件里,Murati作证说她无法信任Altman说的每一句话。这两家公司的关系,已经从”同门师兄弟”变成了真正的竞争对手。

    Zoph在两边都有过任职经历,他的快速来去,某种程度上也是这段恩怨的注脚。他在Thinking Machines Lab只待了不到一年,回到OpenAI也只待了5个月。这种高频的职业变动,在AI圈虽然不算罕见,但在OpenAI这样处于IPO前夜的公司里,还是引人侧目。

    企业AI销售,OpenAI的必争之地

    Zoph走的这个岗位,对OpenAI来说可不是无关紧要的。企业AI市场现在是各家AI公司的主战场——Anthropic靠着Claude for Enterprise拿下了大量企业客户,Google把Gemini塞进了Google Workspace,微软更不用说,Copilot已经铺到了几乎所有微软企业产品里。

    OpenAI在这个方向上其实起步不晚,但一直没能把企业市场吃透。ChatGPT Enterprise推出了快两年,市场份额却不如预期。Zoph的任务本来是改变这个局面——他有过企业销售的经验,又有OpenAI内部的背书,看起来是个合适的人选。

    现在他走了,这个位子又空了出来。OpenAI得再找一个人来接盘。而IPO的时间表不会等人,企业收入的增长压力也不会因为人事变动而减轻。


    截至目前,OpenAI还没有宣布谁将接替Zoph的职位。公司在IPO前夜保持核心团队稳定的压力,显然比想象中更大。

  • LobeChat —— 72K+ Stars 开源 AI 聊天框架,比 ChatGPT 更自由的选择

    LobeChat —— 72K+ Stars 开源 AI 聊天框架,比 ChatGPT 更自由的选择

    🤯 LobeChat

    开源 AI 聊天框架,72K+ Stars,比 ChatGPT 更自由的 AI 客户端

    ⭐ GitHub 72K+ Stars  | 
    🌐 在线体验  | 
    MIT 开源

    📌 项目简介

    LobeChat 是 LobeHub 团队开发的开源 AI 聊天框架,也是 GitHub 上 Star 数最多的开源 AI 客户端之一(72K+ Stars)。它支持 Web 和桌面两种形式,在一个界面里同时接入 GPT、Claude、Gemini、DeepSeek、Ollama 等 80+ 模型,还内置插件市场、RAG 知识库、多模型对比等实用功能。最重要的是——完全免费开源,数据可完全本地化

    72K+
    GitHub Stars

    🤖
    80+
    支持模型

    🔌
    40+
    内置插件

    💻
    3 平台
    Web/桌面/Docker

    1
    安装要求和过程

    环境要求

    部署方式 环境要求
    Web 版 浏览器访问,无需安装
    桌面版 Windows/macOS/Linux,下载安装包
    Docker Docker + Docker Compose
    本地开发 Node.js 18+, pnpm, Git

    快速安装(桌面版)

    # 1. 从 GitHub Releases 下载对应平台安装包

    https://github.com/lobehub/lobe-chat/releases

    # Windows: LobeChat-win.exe

    # macOS: LobeChat-mac.dmg

    # Linux: LobeChat-linux.AppImage

    Docker 部署(自托管推荐)

    # 拉取镜像并启动

    docker run -d -p 3210:3210 \

    -e OPENAI_API_KEY=your-key \

    –name lobechat lobehub/lobe-chat

    2
    核心功能

    🤖 多模型统一接入

    支持 OpenAI、Claude、Gemini、DeepSeek、Kimi、智谱、Ollama 等 80+ 模型,一个界面随意切换。自定义 Base URL,可接入任何兼容 OpenAI 协议的 API。

    🔌 插件市场 + MCP 集成

    内置 40+ 插件,联网搜索、代码执行、图片生成开箱即用。支持 MCP 协议,可一键接入 AI Agent 工具链,扩展能力无上限。

    📚 RAG 知识库

    上传 PDF、Word、网页,自动建立向量索引。基于个人知识库问答,适合企业文档、技术手册、合同条款等场景。本地向量数据库,数据不出门。

    ⚡ 多模型对比 + 语音对话

    同一问题多模型同时回答,横向对比 Claude/GPT/Gemini 差异。内置 TTS/STT,支持语音对话。还有「助手市场」,几百个预设专业助手直接可用。

    🏠 完全自托管 + 隐私优先

    Docker 一键部署,数据全留本地。MIT 开源,可自由修改分发。对比 ChatGPT Plus $20/月,LobeChat 客户端免费,只需按 API 用量付费。

    3
    典型使用场景

    🎯 场景一:多模型对比选型

    在模型选型阶段,同一个 Prompt 同时发给 Claude Opus、GPT-5.4、Gemini 2.5 Pro,直接对比输出质量,不再靠猜。LobeChat 的多模型对比功能让选型决策有数据支撑。

    📚 场景二:企业知识库问答

    将公司技术文档、产品手册、合同模板上传到 LobeChat 知识库,基于 RAG 检索增强生成,精准回答内部问题。支持 Docker 私有化部署,数据完全不出企业内网。

    💻 场景三:开发者日常助手

    配置 DeepSeek V3(中文代码能力强,价格低)+ Claude Sonnet(复杂逻辑)+ GPT-5.4(多模态),不同任务自动切换最合适模型。助手市场里的「代码审查」「SQL 优化」等预设助手,开箱即用。

    💡 推荐理由

    我用过不少 AI 客户端,LobeChat 是最顺手的选择之一,原因如下:

    • 真的免费:客户端 MIT 开源,桌面版零成本,只需付 API 费用(比 ChatGPT Plus 灵活太多)
    • 真的开放:不绑定任何厂商,自定义 Base URL 接入任何兼容 API,甚至支持本地 Ollama
    • 真的好用:界面现代美观,多模型对比、知识库、插件市场一应俱全,功能深度足够
    • 真的私密:Docker 一键自托管,数据 100% 本地,适合对隐私有要求的企业和个人

    如果你同时用多个 AI 模型,或者不想把数据交给 OpenAI,LobeChat 是目前最好的开源替代方案

    📥 下载地址

    许可协议:MIT License  |  语言:TypeScript  |  支持平台:Web / Windows / macOS / Linux / Docker

    ⚠️ 本文基于公开资料整理,项目数据截至 2026 年 6 月。LobeChat 与 LobeHub 为同一团队产品,功能持续迭代中。

  • Waymo召回近4000台robotaxi:13次闯入施工区,自动驾驶的安全考题

    Waymo召回近4000台robotaxi:13次闯入施工区,自动驾驶的安全考题

    Waymo主动召回了全美近4000台robotaxi——原因是在高速施工区,有至少13台车没有识别到封闭标志,直接开了进去。

    13次闯入,召回近4000台

    根据Waymo向美国国家公路交通安全管理局(NHTSA)提交的文件,第一起事件发生在4月的凤凰城,有6台robotaxi闯入了封闭的高速施工区域。5月,旧金山湾区又发生了7起类似事件。

    5月19日,Waymo暂停了所有高速运营。公司表示,问题出在软件优先处理其他高速路况风险时,没有正确识别施工区的封闭标志。6月8日,Waymo的安全委员会决定发起自愿软件召回。

    Waymo robotaxi 施工区
    Waymo robotaxi(配图由AI生成)

    这不是第一次

    这是Waymo对robotaxi发起的第六次召回。之前的五次分别涉及: flooded道路行驶(2026年5月)、校车周围违规行为(2025年12月)、与链条和大门的低速碰撞(2025年5月)、电线杆碰撞(2024年6月)、以及拖车识别问题(2024年2月)。

    有乘客把车内视频发到了X上。5月19日,用户@Elliot_slade发帖称他乘坐的Waymo”直接冲过了锥形桶”,后面还有警车追。他自己描述说:看到施工标志、警示灯,然后车加速了,当时觉得”我们要死在这里了”。Waymo后来赔偿了他价值最高40美元的三张免费乘车券。

    “有施工标志,有警示灯。警车在远处,然后它加速了。我看了看我的未婚妻,心想:完了,我们要死在这台Waymo里了。”
    ——乘客 Elliot Slade

    扩张路上的”边缘案例”

    Waymo目前在扩张的关键阶段,计划今年在20多个城市推出服务,包括伦敦和东京。但快速扩张也让一些”边缘案例”暴露出来——高速施工区就是最新一个。

    公司声称自家的车已经自动行驶了超过1.7亿英里,跟人类司机相比,严重伤亡事故减少了13倍。但监管压力也在增加:NHTSA和国家运输安全委员会(NTSB)正在调查Waymo车辆在学校班车附近的行为——今年1月,一台robotaxi在学校附近撞到了一名儿童。

    地面道路的服务目前仍在继续,暴雨等极端天气时Waymo也会暂停运营。高速服务的恢复时间取决于软件修复的进展,目前还在开发中。


    每一次召回都在提醒同一件事:把AI放到公共道路上,跟在实验室里跑benchmark完全不是一回事。边缘案例永远存在,而每一次失败的成本,都不是论文里的数字,是真实的人。