标签: AI

  • AnythingLLM — 61.7K Stars,全栈本地优先AI应用,私有知识库与AI代理一站式解决方案

    AnythingLLM

    Mintplex Labs 官方 Logo

    📦 项目简介

    AnythingLLM 是一款全功能本地优先 AI 应用,集 RAG(检索增强生成)、AI 代理、无代码代理构建器于一体。口号是「停止租用你的智能,用 AnythingLLM 拥有它」。支持连接本地或云端 LLM,导入文档后即可快速开始对话,内置代理、多用户支持、向量数据库和文档管道,无需额外配置。

    ⭐ 61.7K+ Stars
    🍴 6.74K+ Forks
    📜 MIT 许可
    🏢 Mintplex Labs

    ⚙️ 安装要求和过程

    环境要求

    • Docker(推荐,最简单方式)
    • 或:Node.js 18+、Yarn、LM Studio / Ollama(裸金属部署)
    • 支持系统:macOS、Windows、Linux
    • 向量数据库:默认 LanceDB(内置,无需额外安装)

    快速安装 — 桌面版(最简单)

    # 访问官网下载对应系统安装包

    https://anythingllm.com/download

    # macOS

    下载 .dmg → 拖入 Applications

    # Windows

    下载 .exe → 一路 Next

    # Linux

    下载 .AppImage → chmod +x → 运行

    Docker 部署(推荐服务器)

    # 拉取最新镜像

    docker pull mintplexlabs/anythingllm

    # 运行容器

    docker run -p 3001:3001 mintplexlabs/anythingllm

    # 浏览器访问

    http://localhost:3001

    ✨ 核心功能

    🤖 无代码 AI 代理构建器

    可视化构建 AI 代理,支持网页浏览、RAG 文档查询、API 调用等技能,无需写代码即可打造专属 AI 助手。

    🧠 动态模型路由 + 智能记忆

    根据自定义规则自动将对话路由到最合适的模型和提供商;AI 可记住你和工作区的重要信息,实现跨会话持久化上下文。

    📚 强大的 RAG 文档处理

    支持 PDF、TXT、DOCX、CSV 等多种格式,内置针对大型文档集的优化,比其他聊天 UI 成本更低、响应更快。

    👥 多用户与权限管理

    Docker 版本支持多用户实例与权限管控,适合团队协作;不会泄露实例安全或知识产权,企业级安全设计。

    🔌 MCP 兼容 + 完整开发者 API

    支持 Model Context Protocol (MCP),可无缝接入外部工具;提供完整 REST API,支持自定义集成与二次开发。

    🎯 典型使用场景

    ① 私有知识库问答

    将公司文档、技术手册、研究报告导入 AnythingLLM,打造私有化部署的 ChatGPT。员工可直接提问,AI 基于内部文档给出准确答案,数据不出企业内网。

    ② 个人 AI 研究助手

    结合本地 Ollama 运行开源模型,导入论文 PDF 和研究笔记,AI 代理可自动联网搜索、整理资料、定时执行研究任务,是研究人员的全能助手。

    ③ 网站智能客服嵌入

    利用可嵌入聊天组件(Docker 版),将定制化的 AI 客服挂到企业官网,基于私有知识库自动回答客户问题,无需人工值守。

    💡 推荐理由

    作为一款本地优先的全栈 AI 应用,AnythingLLM 最大的优势在于开箱即用——下载桌面版,连接本地 Ollama,导入文档,三步搞定私有知识库。无需 Docker、无需配置向量数据库、无需写代码。

    对比同类产品:Dify 偏向可视化工作流编排,AnythingLLM 更聚焦于个人/小团队的文档对话场景,界面更简洁,部署更轻松。MIT 许可意味着你可以自由修改和分发,真正「拥有你的智能」。

    特别推荐给:重视数据隐私的开发者、需要内部知识库的中小团队、以及想体验本地 LLM + RAG 完整链路的 AI 爱好者。

    📥 下载地址

    支持 macOS / Windows / Linux | Docker 镜像可用 | 自托管部署指南完备

    🛠️ 技术栈

    前端: ViteJS + React | 后端: NodeJS + Express | 向量数据库: LanceDB(内置)
    支持模型: OpenAI / Anthropic / Ollama / LM Studio / Bedrock 等 | 许可: MIT

  • 科技工作者另起炉灶:500万美元PAC对抗AI巨头的政治献金攻势

    科技工作者另起炉灶:500万美元PAC对抗AI巨头的政治献金攻势

    500万美元对1亿美元,这场仗看起来还没打就输了。但一群科技工作者刚刚宣布,他们要拿着这把”小刀”,去对抗科技巨头们用钱堆起来的”大炮”。

    Guardrails Alliance来了

    6月18日,一个新的超级政治行动委员会(Super PAC)Guardrails Alliance正式宣布成立。发起人是两位民主党政工Shaunna Thomas和Leah Hunt-Hendrix,背后有科技从业者、工会和其他团体的支持。

    他们的目标很直接:支持对AI进行监管的立法,对抗科技巨头们用政治献金”买下”监管议程的行为。Thomas对《纽约时报》说得很直白:”我们的核心信念是,人们仍然有力量阻止特朗普政府和科技部门这种独裁式的接管。”

    科技工作者联合推动AI监管
    科技工作者正在组织起来,推动负责任的AI立法

    500万对1亿,怎么打?

    Guardrails Alliance目前手头有500万美元,计划在这个选举周期内筹到1500万。听起来不少,但对手Leading the Future(”引领未来”)手里握着超过1亿美元,资金来源包括a16z、OpenAI总裁Greg Brockman、Palantir联合创始人Joe Lonsdale等科技界大佬。

    Leading the Future的策略很直接:用钱选出”AI友好”的政客,掐死任何试图监管AI的立法努力。这个玩法复制了加密行业当年的路线——用政治献金改变华盛顿的土壤。

    Thomas说:”这不是要和他们一美元对一美元地拼。这个组织的意义在于,给那些担心反监管AI科技行业正在操纵选举的人,提供一个政治家园。”

    第一个战场:纽约初选

    Guardrails Alliance已经出手了。他们买广告支持纽约国会候选人Alex Bores——这个人恰恰是被Leading the Future盯上的第一个目标。Bores下周就要参加初选,Leading the Future已经砸了几百万想把他搞掉。

    6月18日,Bores在X上发了一条广告,主角是一位叫Adam Raine的少年的父母。Adam Raine在与ChatGPT长时间对话后自杀身亡,这起案件目前还在诉讼中。用这样的故事做政治广告,冲击力很强,也很能说明问题:不受监管的AI,代价可能是人命。

    有意思的是,另一家支持AI监管的Super PAC——Public First Action(有Anthropic背景的资金支持)也在帮Bores。OpenAI试图和Greg Brockman的政治捐款保持距离,但员工们并不买账,好几个人在社交媒体上表达了不满。

    科技工作者不再沉默

    这件事背后有一个更大的趋势:科技工作者正在重新组织起来。今年早些时候,他们曾联名要求CEO们切断与ICE的合同,也曾在Anthropic被五角大楼列为”供应链风险”后发声支持公司(他们认为这个标签是报复,因为Anthropic限制了技术用于大规模监控和自主武器)。

    这些人每天都在亲手建造AI,他们比任何人都清楚这个技术能做什么、不能做什么、以及失控了会怎样。当他们开始用政治的方式表达立场,硅谷的巨头们恐怕要重新算一笔账了。

    500万美元当然打不过1亿美元。但政治不完全是钞票的比赛。Adam Raine父母的广告在社交媒体上被转发了无数次,这个故事本身就在替Guardrails Alliance做他们买不起的广告。

  • 世界模型赛道杀出黑马:General Intuition八个月估值冲到20亿美元

    世界模型赛道杀出黑马:General Intuition八个月估值冲到20亿美元

    八个月前刚从Medal分拆出来拿到1.34亿美元种子轮,现在又要融3亿美元,估值冲到20亿。这家叫General Intuition的纽约创业公司,做的事听起来有点玄:教AI代理理解”空间”和”时间”。

    从游戏录像里教AI理解世界

    General Intuition的底牌是一组数据。它的前身Medal是一个让玩家上传和分享游戏片段的平台,每年能拿到20亿段视频,月活用户1000万。这些数据不是普通的监控录像,而是第一人称的、互动的游戏画面——AI可以从中学习”如果我往左走会发生什么”、”这个物体碰到那个物体会怎样”。

    创始人Pim de Witte(同时也是Medal的创始人)和他的团队认为,这种数据才是训练具身AI和世界模型的最佳燃料。CEO兼联合创始人Eloi Alonso、Adam Jelley、Vincent Micheli都是世界建模和仿真领域的科研人员,这个组合在AI创业圈里不算常见。

    AI世界模型概念图
    世界模型正在成为AI下一个争夺焦点

    贝索斯和施密特都来了

    这轮融资的阵容相当豪华。据知情人士透露,Jeff Bezos和前Google CEO Eric Schmidt都参与了,现有投资者Khosla Ventures和General Catalyst也跟投。种子轮才过了八个月,估值就翻了不止一番。

    这组数据也吸引了别的人。据报道,OpenAI曾试图收购Medal,想拿到这批数据。不只是OpenAI,其他大AI实验室也来敲过门。但General Intuition选了另一条路:用这些数据训练自己的模型,自己做产品。

    世界模型的赛道正在快速升温。Runway、Decart、李飞飞的World Labs最近都发布了世界模型产品,Google的Genie 3也开始接入Google Maps数据来做真实世界的仿真。

    卖代理,不卖模型

    General Intuition的打法和竞争对手不太一样。Runway往影视制作方向走,Decart瞄准驾驶仿真,World Labs做3D场景生成。General Intuition说它要做的不是卖世界模型,而是用世界模型训练出的AI代理,代理才是最终产品。

    这个思路有点像:别人在卖”发动机”,它在卖”整车”。好处是离用户更近,坏处是工程难度也更大。据知情人士透露,融到的钱会用来扩充算力,目标是在夏末或初秋发布第一款产品。

    20亿美元的估值在当下的AI市场里不算夸张。Anthropic、OpenAI这些巨头之外,做世界模型的创业公司正在被资本疯狂追逐——因为这被认为是通向AGI最有可能的一条路。

  • 被Google Docs的AI弹窗烦死了?教你一键关闭所有Gemini干扰

    被Google Docs的AI弹窗烦死了?教你一键关闭所有Gemini干扰

    我打开一个Google Doc准备写东西,第一时间弹出来的不是我的文档,而是一个大得离谱的文本框,邀请我用Gemini”一起写”。找了一圈想关掉这个玩意儿,那个”X”按钮藏得比彩蛋还深。

    这件事发生在TechCrunch作者Amanda Silberling身上,也发生在千千万万个每天用Google Docs工作的人身上。AI功能强推不是一个两个人的抱怨,是一个普遍到让人暴躁的问题。

    Google Docs AI弹窗打扰写作
    Gemini AI弹窗直接覆盖在文档上方,打断写作流程(图源:AI生成)

    第一种关法:把底部那个AI框先弄走

    最简单的一招:点一下文档上方菜单栏里的”Gemini”,然后在下拉菜单里选”底部栏偏好设置”(bottom bar preferences),把那个底部栏关掉。这样那个一直蹲在屏幕下方的AI输入框就没了。

    但这个方法有个问题:它只管底部栏。如果你跟我一样,还遇到了那个”用Gemini写作”的超大弹窗,或者光标旁边飘着一个”帮我写”的悬浮按钮,这一招就不够用了。

    作者本人试过一个很荒唐的操作:她点开Gemini对话框,问Gemini怎么把自己关掉。Gemini的回答是”点X图标”。但那个X只是关掉对话窗口,不是关掉Gemini功能。AI可能没有求生本能,但它这个答案确实有点”故意的”感觉。

    第二种关法:从Gmail设置里一锅端

    如果你想把Google Workspace里所有AI相关的”智能功能”一次性关掉,得从Gmail入手。步骤如下:

    • 打开你的Gmail收件箱
    • 点右上角的齿轮图标(设置)
    • 点”查看所有设置”(See all settings)
    • 往下滚到大约一半的位置,找到”Google Workspace 智能功能”(Google Workspace smart features)
    • 点”管理Workspace智能功能设置”(Manage Workspace smart feature settings)
    • 把第一个选项(控制Google Docs里Gemini弹窗之类的)关掉

    为什么Google不能做一个简单的”关闭AI”开关?

    这件事最让人烦躁的地方不在于AI功能本身,而在于它被”强塞”给你的方式。你不想要,但它就在那里,藏在一个多级菜单后面,不仔细找根本找不到关闭的入口。

    这种情况不止发生在Google Docs上。最近一份WordPress VIP的报告显示,60%的美国消费者对品牌营销里出现”AI”这两个字感到反感。人们不是反对AI,而是反对”被AI”——不管你想要不想要,先给你塞过来再说。

    关掉Google Docs的AI弹窗只需要几分钟,但这个过程折射出的问题值得想想:当每家科技公司都在拼命把AI塞进每一个产品里,用户还有没有说”我不要”的权利?

    至少现在,你知道怎么关掉它了。

  • 短信还能这么玩?这款AR应用让虚拟角色从屏幕里「跳」出来

    你发给朋友的不再是一堆文字、表情包或者GIF动图,而是一个能”活过来”的虚拟角色——它会从对方的iPhone屏幕里”跳”出来,对着镜头喵喵叫,或者在桌面上追着人跑。

    这不是科幻片情节,是6月18日刚上线的iOS应用Pixi正在做的事。它的玩法很简单:下载应用后,在iMessage里点加号,选一个AR角色发出去,对方点开就能看到一只猫、一个机器人或者一个动画信封在自己房间里活蹦乱跳。

    Pixi AR角色演示
    Pixi的AR角色可以通过iPhone相机与现实环境互动(图源:Pixi Platforms)

    把”存在感”塞进一条短信里

    Pixi的创始人Mark Drummond不是第一次做这种事了。他之前在DreamWorks Animation干过,也在Apple待过,对”让虚拟角色有生命力”这件事想了很久。他跟TechCrunch说,他们想解决的其实是件很日常的事:你想一个人,但对方不在眼前,你发个”在吗”或者表情包,总觉得差点意思。

    “我们在做的是一种数字原生的表达方式来代替电子贺卡和实体礼物。你的爸爸、你的爷爷,他们那代人发的是实物贺卡,我们可以做得更有意思——用我们在iPhone上学到的所有AR能力。”

    这听起来有点玄,但实际演示起来确实有点东西。Drummond在展示时选了那只猫,它会在桌面上讲单口相声,还会对着他的面部表情做出反应——他一笑,猫的表演就收尾了。关键是,所有这些视觉和音频处理都在手机本地完成,不需要把你的摄像头数据传到云端,隐私这关算是过了。

    不是第一个做AR的,但想做得不一样

    AR这东西早就不新鲜了。Snap搞了这么多年AR滤镜和镜头,Character.AI让你可以跟虚拟角色聊天,但Pixi想做的是把这两者捏在一起:角色不只是待在屏幕里跟你文字对话,而是真的”出现”在你的物理空间里,对你的环境做出反应。

    比如你选的那只虚拟猫,如果真有一只狗从镜头前面走过,猫会做出反应。这种”感知-反应”能力靠的是设备端AI,不是云端大模型,所以延迟低,也不需要联网。


    初始角色有点少,但野心不小

    目前Pixi只提供了三个角色:一个机器人、一只猫、一个会”攻击”朋友的动画信封(玩笑性质的)。信封会追着人跑,还有一些小游戏可以玩,比如井字棋和打地鼠。

    但Pixi的野心不止于此。他们想做一个市场平台,让工作室、品牌和独立创作者都能把自己的角色放上来,用户想用哪个就选哪个。想象一下:M&M’s出了新口味,他们可以放一个跟巧克力豆有关的AR角色到Pixi里,用户发消息时就能用,顺便还做了品牌曝光。

    Drummond还提到了《爱丽丝梦游仙境》——因为爱丽丝是开放IP,他们做了一个爱丽丝角色,能对着你桌面上的东西做出”爱丽丝式”的反应,用来给合作伙伴做演示。

    未来他们还打算让用户自己创建角色。Drummond说:”我们的计划是把这些生成式AI能力开放给用户,这样他们就能通过提示词做出自己想要的东西——比如’我想要一个蓝色小 Blob,它会威胁我的朋友,对着他们咆哮,然后在手机上一直追着他们跑’。”

    目前只支持iPhone,安卓还得等等

    Pixi目前只支持iPhone 11及以后的机型,接收端也需要是iPhone。不过他们计划未来扩展到安卓设备,还有WhatsApp、Instagram这些消息平台。

    对普通用户来说,这个应用现在是免费的。但品牌方如果想在自己的角色上收费,Pixi也给了这个选项。Drummond说他们更鼓励大家免费提供角色,因为这样用户就成了品牌的义务宣传员——你让人们用你的角色去讲他们自己的故事。

    发一条带着虚拟角色的消息,这件事到底有多大的需求,现在还不好说。但它至少提出了一个有趣的问题:当所有的消息都长得一模一样,我们还会不会为一条”不一样”的短信感到兴奋?

  • Firecrawl — 134K+ Stars,为 AI Agent 量身打造的网页数据 API,搜索/爬取/交互一体化

    Firecrawl — 134K+ Stars,为 AI Agent 量身打造的网页数据 API,搜索/爬取/交互一体化

    Firecrawl Logo

    🔥 Firecrawl

    The API to search, scrape, and interact with the web at scale

    ⭐ 134K+ Stars
    📦 TypeScript
    📜 AGPL-3.0

    📌 项目简介

    Firecrawl 是专为 AI Agent 设计的网页数据 API,能将任意网页(含 JS 渲染)转换成 AI 友好的 Markdown/JSON 格式。它覆盖 96% 的网页,P95 延迟仅 3.4 秒,原生支持 MCP 协议,是 AI 应用获取实时网页数据的首选基础设施。

    ⚙️ 安装要求和过程

    环境要求

    Python
    3.8+ (SDK 支持)
    Node.js
    16+ (SDK 支持)
    API Key
    firecrawl.dev 注册
    自托管
    Docker / Redis / Playwright

    快速安装(Python SDK)

    # 安装 Python SDK
    pip install firecrawl-py
    
    # 基础使用示例
    from firecrawl import Firecrawl
    
    app = Firecrawl(api_key="fc-YOUR_API_KEY")
    
    # 搜索网页
    result = app.search("Firecrawl tutorial", limit=5)
    
    # 爬取单个 URL
    result = app.scrape('https://example.com', formats=["markdown"])
    print(result.markdown)

    快速安装(Node.js SDK)

    # 安装 Node.js SDK
    npm install firecrawl
    
    # 基础使用示例
    import { Firecrawl } from 'firecrawl';
    
    const app = new Firecrawl({ apiKey: 'fc-YOUR_API_KEY' });
    
    const result = await app.scrape('https://example.com', {
      formats: ['markdown']
    });
    console.log(result.markdown);

    MCP 集成(AI Agent 一键接入)

    # 一键安装 MCP Skill(支持 Claude Code、OpenClaw 等)
    npx -y firecrawl-cli@latest init --all --browser
    
    # 或手动配置 MCP 客户端
    {
      "mcpServers": {
        "firecrawl-mcp": {
          "command": "npx",
          "args": ["-y", "firecrawl-mcp"],
          "env": {
            "FIRECRAWL_API_KEY": "fc-YOUR_API_KEY"
          }
        }
      }
    }

    自托管部署(Docker)

    # 克隆仓库
    git clone https://github.com/firecrawl/firecrawl.git
    cd firecrawl
    
    # 启动自托管服务(需要 Docker、Redis、Playwright)
    docker-compose up -d
    
    # 访问本地服务
    # API: http://localhost:3002
    # Playground: http://localhost:3002/playground

    核心功能

    🔍 Search(智能搜索)

    全网搜索并返回结果页的完整 Markdown 内容,不再只是返回标题和 URL。支持关键词搜索、URL 搜索、智能过滤,返回结果可直接供 AI Agent 使用,无需二次处理。

    🕷️ Scrape(智能爬取)

    将任意 URL 转换为 Markdown、HTML、截图或结构化 JSON。自动处理 JS 渲染、代理轮换、速率限制、反爬虫策略,覆盖 96% 的网页,P95 延迟仅 3.4 秒。

    🤖 Agent(智能代理)

    无需指定 URL,用自然语言描述需求即可自动完成数据收集。支持结构化输出(Pydantic Schema),可自动提取创始人信息、产品定价、竞品对比等复杂数据,返回类型安全的 Python 对象。

    🗺️ Crawl + Map(全站爬取与 URL 发现)

    Crawl 支持单次请求爬取整个网站的所有页面内容;Map 快速发现网站所有 URL,支持关键词筛选。支持异步批量爬取数千个 URL,适合大规模数据采集场景。

    🖱️ Interact(交互式爬取)

    爬取页面后可执行点击、滚动、输入、等待、按键等交互操作,应对需要登录、搜索、翻页等动态场景。AI 提示驱动,无需编写复杂的选择器代码。

    💡 典型使用场景

    场景一:AI Agent 实时联网搜索

    通过 Firecrawl 的 Search API,AI Agent 可以实时搜索网页并获取完整内容,不再受训练数据时效限制。结合 MCP 协议,Claude Code、OpenClaw 等 AI 工具可以一键调用 Firecrawl 获取最新信息。

    # AI Agent 使用 Firecrawl 搜索最新信息
    result = app.search(
        query="2026年 AI 开源项目趋势",
        limit=10,
        scrape_options={"formats": ["markdown"]}
    )
    # result 包含搜索结果 + 每个结果的完整 Markdown 内容

    场景二:RAG 应用网页数据注入

    RAG(检索增强生成)应用需要大量外部数据,Firecrawl 可以批量爬取指定网站内容并转换为 Markdown,直接注入向量数据库。支持智能等待、JS 渲染、反爬虫绕过,大幅提升 RAG 应用的数据质量。

    # 批量爬取文档网站,用于 RAG
    docs = app.crawl(
        url="https://docs.example.com",
        limit=1000,
        scrape_options={"formats": ["markdown", "html"]}
    )
    # 将 docs 存入向量数据库(如 Milvus、Pinecone)

    场景三:竞品价格监控与数据分析

    使用 Agent API 自动收集竞品定价、功能对比、用户评价等数据,无需手动指定 URL,只需用自然语言描述需求。支持结构化输出,直接返回类型安全的 JSON 数据,可接入自动化分析流程。

    # 使用 Agent 自动收集竞品定价
    result = app.agent(
        prompt="Compare pricing of Firecrawl, ScrapingBee, and Apify",
        schema=PricingComparisonSchema
    )
    print(result.data)  # 结构化 JSON 输出

    ❤️ 推荐理由

    在 AI Agent 和 RAG 应用爆发式增长的今天,如何获取实时、高质量的网页数据成为了一个核心痛点。传统爬虫工具要么太底层(需要自己处理代理、JS 渲染、反爬虫),要么不够 AI 友好(返回脏 HTML,需要额外清洗)。

    Firecrawl 完美解决了这个问题:

    • 🌟 AI 原生设计:输出直接是 Markdown/JSON,无需额外清洗,降低 token 消耗
    • 🌟 高可靠性:覆盖 96% 的网页,自动处理 JS 渲染、代理轮换、速率限制
    • 🌟 高速度:百万级页面爬取 P95 延迟仅 3.4 秒,适合实时 AI 应用
    • 🌟 MCP 原生支持:一键接入主流 AI Agent 工具,无需复杂配置
    • 🌟 多语言 SDK:Python、Node.js、Java、Rust、Elixir 全覆盖
    • 🌟 开源可自托管:AGPL-3.0 许可,数据隐私完全自主可控

    💡 个人使用心得:Firecrawl 已成为我构建 AI Agent 的标配工具。以前需要组合使用 requests + BeautifulSoup + Playwright + 代理池才能完成的任务,现在一行代码就能解决。特别是它的 Agent API,用自然语言描述需求即可自动收集数据,大大降低了数据采集的门槛。如果你正在构建需要实时网页数据的 AI 应用,Firecrawl 绝对值得一试!

    📊 项目数据

    134K+
    GitHub Stars

    🍴
    7.8K+
    Forks

    👥
    375+
    Contributors

    📦
    5+
    官方 SDK

    📥 下载地址

    支持 Python、Node.js、Java、Rust、Elixir 等多语言 SDK • 开源 AGPL-3.0 许可 • 支持自托管部署

  • G7峰会上,世界领导人对美国AI又爱又怕:担心随时被「拔网线」

    G7峰会上,世界领导人对美国AI又爱又怕:担心随时被「拔网线」

    这周的G7峰会上,发生了一幕有点尴尬的戏码。

    法国总统马克龙、印度总理莫迪,这些平时愿意跟美国站在一起的世界领导人,居然在午餐会上向美国表达了一个很直白的担忧:你们能不能别随时把我们访问AI的开关关掉?

    AI全球网络与数据主权
    AI基础设施的全球依赖正在成为新的地缘政治筹码丨图源:生成图

    马克龙的警告

    马克龙当时坐在G7领导人和顶级AI公司CEO们中间——Anthropic的Dario Amodei、OpenAI的Sam Altman,还有特朗普本人都在场。他警告说,如果美国”从一天到另一天就能关掉开关”,那不仅会损害欧洲客户的经济,还会直接伤害那些AI公司自己。

    这话说得很重,背景也很新鲜。

    Anthropic被冻住了

    几天前,特朗普政府刚刚以国家安全为由,封掉了Anthropic向境外出口其最新模型Mythos 5和Fable 5的权限。亚马逊事先向白宫”打了小报告”,说这些模型的安全护栏可能被绕过。

    但网络安全专家马上出来打脸:政府引用的那些”危险能力”,在市面上仍然免费提供的模型里也有,包括OpenAI的模型。也就是说,你封了Anthropic,但OpenAI的模型还在外面跑,逻辑上挺难自圆其说。

    Anthropic的模型现在还冻着。这件事暴露了一个之前很多人没认真想过的风险:任何现在搭美国AI基础设施的公司或政府,都得面对”访问权限可能一夜之间被撤销”的可能性——而且理由你可能永远不知道。

    莫迪也有话要说

    莫迪也表达了同样的担忧。他表示,民主国家必须不受限制地访问顶级AI模型,才能保护关键基础设施。

    加拿大企业AI公司Cohere的CEO Aidan Gomez说了一句话,挺精辟:”这次对Anthropic模型的限制,印证了我们在Cohere一直知道的事情:公司和民主国家继续依赖少数几家大科技公司,对韧性来说是危险的。数字主权不只是一个市场竞争问题,也不只是某家公司或某个国家的问题。它关乎谁控制了基础技术——这项技术将在未来几十年塑造我们的经济安全和主权。”

    G7的”可信合作伙伴”计划

    G7领导人这次在会上也讨论了一个所谓的”可信合作伙伴”计划,目的是建立一个开放贸易网络,绕开美国的限制。只要国家和公司承诺用这些模型来加强对中国等对手的防御,就可以成为”可信合作伙伴”。

    但这个计划能延伸到什么程度,现在谁也说不准。更何况,对于巴黎或班加罗尔的一家创业公司来说,产品突然断了线,没有警告,也没有解释——这种事,一个”可信合作伙伴”计划真能解决吗?


    马克龙倒是提了个务实的建议:华盛顿应该支持这样的计划,也应该让Mythos的访问权限放得更开。毕竟,如果买来的AI访问权限随时可能一夜消失,没人会愿意掏钱。

    这整件事最讽刺的地方在于:欧洲和其他非美国国家正在努力推动”AI主权”——但在美国模型一路狂奔、所有人都怕被落下的当下,这个叙事越来越难讲圆了。

  • AI正在让苹果栽跟头:iPhone可能要涨价了

    AI正在让苹果栽跟头:iPhone可能要涨价了

    AI热潮烧遍全球,英伟达黄仁勋笑得合不拢嘴,Meta、Google、Microsoft都在AI上砸了百亿千亿。但有一家公司,偏偏在AI这波浪潮里,先挨了一刀。

    内存荒,苹果先中招

    这事儿说来有点讽刺。AI需要大量内存来跑模型,结果导致全球内存芯片荒。这件事在业内有个绰号,叫”RAMageddon”——内存世界末日。

    苹果即将卸任的CEO Tim Cook最近接受《华尔街日报》采访时说,涨价”不可避免”。内存和存储芯片的成本,比去年翻了四倍。Cook原话是:”这个情况不可持续。”

    AI芯片短缺导致苹果涨价
    AI对内存的疯狂需求正在改变苹果的定价逻辑丨图源:生成图

    苹果还没说具体哪些产品会涨价、什么时候涨。但业内专家告诉《金融时报》,iPhone几乎肯定会中招。研究公司TechInsights给了个估算:要想保住利润率,下一代iPhone Pro得涨价270美元。现款iPhone 17 Pro起售价1099美元,涨完就接近1400美元了。

    苹果通常在9月发布新iPhone。到时候涨价,时机刚好。

    不只iPhone,全产品线承压

    其实Cook今年4月就预警过这件事。当时苹果刚交出一份创纪录的季度销售成绩单,但Cook说,芯片成本上涨可能会影响下一个季度的业绩。当时接任CEO的John Ternus同月也公开警告过这个问题。

    除了iPhone,苹果其他用内存(DRAM)和存储(NAND)芯片的产品也会受影响——Apple Watch、Mac、iPad、Apple Vision Pro,一个都跑不掉。

    AI对内存的贪婪需求,正在以意想不到的方式重塑整个消费电子行业的定价逻辑。苹果不是第一个受影响的,也不会是最后一个。

    AI没有救苹果,至少现在还没有

    但涨价只是表象。更深层的问题是:AI对苹果来说,到现在都不是什么好消息。

    苹果一直在焦头烂额地想办法把自己的AI战略说清楚。两个月前,苹果刚花了2.5亿美元,和解了一桩虚假广告诉讼——缘由是苹果承诺了两年的AI功能,结果没兑现。那桩和解本身就说明了很多问题。

    本月早些时候的WWDC(全球开发者大会)上,苹果展示了一些进展,包括Siri的大改版。但问题在于,更多端侧AI处理,意味着需要更多内存。这个趋势的终点,似乎就是消费者要为苹果产品付更多的钱。

    一边是AI芯片成本暴涨,一边是自己的AI功能还没做出来。苹果在AI这波浪潮里,有点进退两难。


    AI改变了很多事情。它让英伟达成了全球最有价值的公司之一,让Meta和Microsoft的市值屡创新高。但它也让内存芯片荒了,让iPhone可能要涨价了。消费者最后来买单,这大概就是所谓的”AI红利”传导链条的最后一环。

  • DeepSeek首次开门拿钱:510亿融资背后,梁文锋掏了200亿

    DeepSeek首次开门拿钱:510亿融资背后,梁文锋掏了200亿

    梁文锋掏了200亿,DeepSeek终于开门拿钱了

    深度求索(DeepSeek)这轮融资消息出来时,不少人第一反应是:他们不是一直说自己有钱不需要融资吗?事实也是这样——从成立到2026年,DeepSeek所有的研发和计算开支都是创始人梁文锋自己出的。现在突然拿了一轮510亿人民币(约74亿美元)的外部融资,估值站上4000亿人民币(约550亿美元),创始人个人在这轮里仍然出了200亿人民币。

    也就是说,这轮融资里近40%的钱仍然是梁文锋自己的。剩下的大头来自腾讯、宁德时代,以及中国国家人工智能产业投资基金。这个投资方组合本身就值得琢磨:腾讯能给它微信生态的入口和流量,宁德时代能给它能源和算力基础设施的支持,国家AI产业基金进来,意味着DeepSeek已经被放到国家级AI战略的底牌里了。

    DeepSeek融资AI概念图
    DeepSeek完成首轮74亿美元融资,估值超500亿美元(图源:beststartup.asia)

    但真正让外界在意的是这轮融资的治理结构。腾讯和宁德时代这些商业投资者,拿到的股份有五年锁定期,而且没有投票权。投票权归国家AI产业基金,而且这个基金的股份没有锁定期。换句话说,DeepSeek的战略方向实际上是由国家基金把控的,商业投资者只能拿分红,不能干预公司的技术路线和商业化决策。

    DeepSeek在2025年初发布的R1推理模型和V3语言模型,用远低于美国AI实验室的训练成本,达到了接近GPT-4和Claude的水平。这件事直接导致英伟达等AI基础设施股票出现显著抛售,因为市场开始怀疑:如果DeepSeek的方法是对的,那是不是就不需要买那么多GPU了?

    这个疑问现在仍然没有确切答案。但DeepSeek拿到74亿美元之后,毫无疑问可以买更多的算力、训练更大的模型。之前他们是因为没钱才被迫把模型做”高效”,现在钱到位了,接下来会往哪个方向走——是继续做高效小模型,还是也加入千亿参数、万亿参数的军备竞赛?——外界只能等他们下一代模型发布才知道。


    五年锁定期,意味着什么

    腾讯和宁德时代愿意接受五年锁定、无投票权的条件,说明这笔投资更多是战略卡位,而不是财务投资。腾讯需要AI大模型来补微信生态里的智能助手能力,宁德时代需要AI来优化电池管理系统和生产线自动化,两边都有自己的算盘。

    五年锁定期还有一个效果:DeepSeek在接下来五年里不用担心投资人逼着上市、逼着变现。梁文锋之前一直说不想那么快商业化,现在拿了国家的钱和腾讯、宁德时代的钱,反而可以更从容地做研究。当然,反过来说,这也就意味着DeepSeek的技术路线必须符合国家对AI发展的整体布局,不是想做什么就做什么。

    对海外客户来说,这个治理结构是一个明确的信号:DeepSeek是一个有国家背景的AI实验室。日本、韩国、印度、东南亚这些市场里,原本因为DeepSeek模型便宜、好用而在考虑接入的企业,现在需要重新评估一遍合规和风险。这也给了那些治理结构更透明、没有国家控股的AI公司一个抢客户的机会。

    DeepSeek这轮融资还给亚洲其他国家的AI战略提了一个醒:要做前沿AI,需要多少钱?74亿美元大概是一个基准线。新加坡、日本、韩国、阿联酋的 sovereign fund 如果在2026年开始认真考虑投AI,这个数字是一个绕不开的参考。

  • Meta联手Prada和Oakley做AI智能眼镜,这次要走高端时尚路线

    Meta联手Prada和Oakley做AI智能眼镜,这次要走高端时尚路线

    从雷朋到保时捷,Meta的智能眼镜版图扩张

    Meta和依视路陆逊梯卡(EssilorLuxottica)最近放出消息,要在Oakley和Prada这两个品牌下推出AI智能眼镜。这事听起来像是把AI助手塞进不同档次的运动眼镜和奢侈墨镜里,但背后的算盘打得相当精细。

    先说Oakley这个方向。Meta盯上的是运动人群——过去一段时间,他们观察到不少戴Ray-Ban Meta眼镜的人拿它来录网球挥拍、滑雪滑行这些场景。Oakley本来就是做运动眼镜起家的,镜框更粗、防护性更强,把这些东西塞进去比Ray-Ban那副文质彬彬的镜框要合理得多。价格大概在360美元左右,比现在的Ray-Ban Meta贵一些,但防水防汗性能更好。

    Meta AI智能眼镜概念图
    Meta在2024年Connect大会上展示的Orion AR眼镜原型(图源:CNBC)

    Prada那条线更有意思。这是Meta第一次把智能眼镜往高端时尚品牌上靠,之前Ray-Ban再怎么也还是”大众轻奢”,Prada直接是奢侈品门槛。有个细节挺说明问题:Prada的镜腿本来就做得比较粗,反而给麦克风、芯片这些零件留出了空间,工程师不用为了塞元件把镜框搞得怪模怪样。Prada和依视路陆逊梯卡在2024年12月刚续了十年的眼镜授权协议,Meta这时候切入,基本上是顺着现成的生产线往上叠AI功能。

    Meta和依视路陆逊梯卡2019年开始合作,第一代Ray-Ban眼镜2021年上市,真正卖起来是2023年的第二代。依视路陆逊梯卡CEO在2025年2月说,两家合计已经卖了200万副Ray-Ban Meta眼镜,目标是在2026年底把年产能拉到1000万副。

    200万副是什么概念?如果按Ray-Ban Meta眼镜平均300美元算,这是6亿美元的硬件收入,还不包括Meta AI那边带来的生态价值。依视路陆逊梯卡手里捏着超过150个品牌的眼镜授权,Meta把合作扩到Oakley和Prada,本质上是在试同一套AI眼镜技术能覆盖多少种不同的消费人群。

    竞争这边已经开始围上来了。Google和Warby Parker在2025年宣布了1.5亿美元的合作,打算把Gemini装进Warby Parker的眼镜里,产品预计2026年之后上市。Snap在2025年6月宣布了第六代智能眼镜,新品牌叫Specs,预计2026年上市,主打AR功能,比之前的产品更轻更小。Qualcomm的CEO Cristiano Amon公开说过,Qualcomm、Samsung和Google都在做智能眼镜。


    同一套技术,不同的眼镜,Meta在下什么棋

    Meta的打法和Snap、Apple这些人不太一样。Snap的Specs是要做一台”眼镜形态的计算机”,有独立的AR显示和系统;Meta现在的做法是把同一套AI语音助手、摄像头、麦克风模组,装进不同品牌、不同价位的眼镜框里,让消费者按自己的穿搭和预算选,但背后跑的是同一个Meta AI。

    这套打法能跑通的前提是:智能眼镜的”智能”部分最终会变成一个可以模块化嵌入的组件,而不是每副眼镜都从头搞一遍。Meta和依视路陆逊梯卡在2024年9月把合作协议延了期,总对价高达50亿美元,依视路陆逊梯卡还给了Meta好几年独家把智能眼镜技术装进它旗下品牌的权利。

    按CNBC拿到的文件,Oakley Meta眼镜的第一版技术规格和2023年的Ray-Ban Meta眼镜差不多,也就是说Meta现阶段并不打算每换一个品牌就重新设计一遍硬件,而是在现有成熟方案上做外观和定位的差异化。这个思路很务实——先让技术在不同人群里跑起来,收集数据,再迭代下一代。

    Prada那条线什么时候公布,目前还没有确切消息。但从依视路陆逊梯卡的授权覆盖范围来看,Prada Linea Rossa和Miu Miu也在合作清单里,Meta的眼镜版图大概率还会继续往这个方向扩。对Meta来说,这不只是卖硬件,而是在尽可能多的场景下让Meta AI成为用户低头看手机之外的那个默认入口。