标签: AI

  • 华纳音乐出手了,它买下了一家专门”抓AI盗用”的初创公司

    华纳音乐出手了,它买下了一家专门”抓AI盗用”的初创公司

    6月10日,华纳音乐集团(WMG)正式宣布收购AI归因初创公司Sureel AI。这笔交易的金额没有披露,但信号很明确:大型音乐集团正在把AI版权保护当成核心战略来押注。

    Sureel AI做的事听起来有点技术宅——它为每首歌创建一套”AI DNA”,把歌曲拆解成组成元素,然后追踪这些元素有没有被AI模型在训练或生成时偷偷用了。简单来说,就是帮权利人看清:我的作品到底有没有被AI”学”了、怎么被用的。

    Warner Music acquires Sureel AI
    华纳音乐集团收购Sureel AI,强化AI时代版权保护能力(图源:TechCrunch)

    这套技术已经拿到了专利。Sureel的”AI DNA”可以追踪的范围包括语音克隆、AI生成虚拟形象、风格复刻等场景——基本上覆盖了现在AI音乐最容易被滥用的几个方向。

    华纳音乐CEO Robert Kyncl在声明里说得很直白:”将Sureel纳入华纳音乐大家庭,将增强我们的保护、控制和变现能力,确保创作群体始终掌控其知识产权、姓名、形象、肖像和声音。”

    收购完成后,Sureel AI会继续作为独立平台运营,不光服务华纳,还要服务整个音乐和娱乐生态。这说明华纳的算盘不只是”自己用好”,而是要把这套归因技术变成行业基础设施。

    从”告AI”到”和AI做生意”

    华纳对AI的态度转变挺有意思。2024年的时候,华纳还站在对抗阵营,直接起诉了AI音乐生成初创公司Suno,指控大规模版权侵权。

    但到了2025年11月,华纳和Suno和解了,还签了授权协议。当时华纳的表态是:艺术家和词曲作者将完全控制其作品是否、以及如何被用于AI生成音乐。紧接着,华纳又和另一家AI音乐公司Udio达成了类似的和解加授权协议。

    这套”先打后和”的操作,本质上是在AI浪潮里重新界定规则:我不阻止你用我的内容,但你得让我知道、让我同意、让我分到钱。

    对比一下同行:索尼音乐和环球音乐到现在还在向Suno提起大规模版权侵权索赔,没有和解的意思。华纳反而跑在了前面,先通过收购把归因技术握在手里,相当于在谈判桌上多了一张底牌。

    为什么是现在?

    生成式AI爆发之后,音乐版权的归属和补偿问题一直是一笔糊涂账。一首歌被喂进了多少个模型、生成的内容里有多少”借鉴”了原曲的风格和旋律——这些事以前查不清楚,现在Sureel说它能查清楚。

    Sureel创始人兼CEO Tamay Aykut的表态也值得玩味:”权利持有者有权了解AI如何与其作品互动,并公平分享AI创造的价值。Sureel的创立就是为了把这件事变成可能。”

    这句话翻译过来就是:AI用了你的作品,你得有知情权,还得有分成权。这其实是整个创意行业对AI浪潮的核心诉求——不是要阻止AI,而是要在这波技术变革里保住自己的利益。


    华纳这步棋下得挺准。归因技术一旦成为行业标准,谁握有最精准的归因数据,谁就在AI音乐价值链里占据了有利位置。对其他音乐公司来说,这恐怕是个不能忽视的信号。

  • 微软GitHub开源项目被植入恶意代码,AI开发者密码遭窃取

    使用Claude Code或Gemini命令行工具开发AI应用的程序员,这几天可能无意间把自家的账号密码送到了黑客手里。微软托管在GitHub上的一批开源项目被植入了恶意代码,任何在这些AI编程工具里调用了受影响组件的用户,密码和敏感凭证会在不知不觉中被传输出去。

    被盯上的是AI开发者最常用的工具链

    这次出事的项目大多和微软的Azure云服务有关,也包括一些AI开发者日常高频使用的工具,比如Claude Code的集成组件、Gemini的命令行接口,以及VS Code的相关扩展。安全公司Cloudsmith和开源恶意软件分析社区OpenSourceMalware最早发现了异常,他们的报告指出,恶意代码会在用户用AI编程应用打开受感染工具时触发,将密码和其他凭证悄悄发送到黑客控制的服务器。

    被GitHub禁用的仓库截图
    GitHub上被禁用的微软仓库页面 | 来源:TechCrunch

    目前还不清楚到底有多少开发者下载了受感染的工具版本。微软没有公布受影响用户的具体数字,只是说已经”暂时移除了一部分仓库,以调查潜在恶意内容”。至少70个微软旗下的项目在GitHub上显示”该仓库已被GitHub工作人员禁用,原因是违反了GitHub服务条款”。

    供应链攻击:低调但致命

    这种攻击方式有个专门的名字,叫”供应链攻击”。黑客不去直接攻破目标系统,而是去污染那些被广泛依赖的代码库——因为无数软件产品和开发者都在用这些开源组件,只要其中一个被攻破,恶意代码就能顺着依赖链传播到成千上万台机器上。

    开源项目的维护者往往是个人开发者,他们的安全防护能力有限。黑客会花数周时间混进开发者社区、赢得信任,然后找机会往代码里塞恶意内容。这次微软中招,说明连资源雄厚的大科技公司也并非高枕无忧。

    事实上,这已经是微软在短短几周内第二次发生开源项目被黑的事件。安全媒体Ars Technica的报道指出,今年5月中旬,微软的开源项目Durable Task(一个帮助开发者构建应用的工具)就曾经被植入过恶意代码。而这一次,OpenSourceMalware的分析认为,最新事件是Durable Task项目的”再次被攻破”——这意味着微软上次可能根本没有把黑客完全清理出去。

    AI开发者为什么成了靶心

    黑客盯上AI开发者,逻辑并不难理解。这个群体手里掌握的凭证,往往能直接访问云服务、生产环境、用户数据库。一个AI创业公司的开发者账号如果被攻破,后果可能比普通用户密码泄露严重得多。

    而且,AI开发者近年来越来越依赖开源组件来加速开发——从模型接口到数据处理工具,几乎每一步都能找到现成的开源方案。这种开发习惯,恰好给了供应链攻击最大的发挥空间。

    你该怎么自查

    • 如果你在过去两个月里用GitHub拉取过微软旗下的Azure或AI开发相关开源项目,建议立即更换相关账户的密码和API密钥
    • 检查CI/CD流水线里是否有使用受影响组件的版本,必要时回滚到官方确认的干净版本
    • 对敏感项目,考虑在隔离环境里做依赖项完整性校验,而不仅仅依赖版本号
    • 微软表示已直接通知了少数可能拉取了受感染内容的客户,留意你的邮箱或GitHub通知

  • Google把AI订阅打到5美元以下,价格战这次真的来了

    Google本周做了一件事,直接把美国市场的AI订阅价格底线往下拽了一大截。AI Plus月费从7.99美元砍到4.99美元,同时把附带的云存储从200GB翻倍到400GB。这件事看起来只是一次普通的降价促销,但放在整个AI行业的竞争格局里看,信号要强烈得多。

    价格战从印度烧到了美国

    事实上,这场价格战在过去一年里已经在印度等新兴市场打得不可开交。OpenAI去年8月在印度推出了ChatGPT Go,月费约4.6美元,而它在美国的标准Plus套餐是20美元,差距悬殊。Google同年12月在印度跟进了同样低于5美元的AI Plus套餐。两家公司在这里的逻辑很直接——用极低的价格先把用户圈进来,再想办法变现。

    现在,同一套逻辑被原封不动地搬到了美国本土。Google这次降价意味着,美国消费者第一次在本土市场上感受到了新兴市场价格战的渗透效应。而这很可能只是开始。

    Google AI Plus订阅界面
    Google AI Plus:月费降至4.99美元,存储翻倍 | 来源:TechCrunch

    为什么说这是AI基础设施商品化的开端

    Goodwater Capital联合创始人Chi-Hua Chien在接受TechCrunch采访时说了一段很有意思的话。他把现在的AI基础设施提供商——OpenAI、Anthropic这类公司——跟Web时代的基础设施公司做了个对比:微软、思科、甲骨文、北电、朗讯、Akamai、Equinix,这些公司曾经风光无限,但如今大多市值平平,有的甚至已经退出历史舞台。

    在每一轮大的技术变革里——从PC到Web再到移动端——基础设施玩家都会被快速商品化。终端用户根本不在乎自己的数据是不是跑在思科的网络设备上,他们只关心一件事:怎么用最便宜的价格把数据传出去。AI基础设施正在走同样的路。

    Chien的判断是:”迟早会来”的那个”迟早”,现在已经到了。Google打这套牌的底气在于它的结构性优势——垂直整合、庞大的分发渠道、把AI捆绑进既有产品线的能力。对一家已经有10亿级用户规模的公司来说,把AI订阅卖到5美元以下,账面上是亏是赚另说,先把竞争对手的定价空间彻底挤压掉,这笔账算得过来。

    Anthropic为什么还没有跟进

    在这轮价格战里,一个值得注意的缺席者是Anthropic。它没有在印度推出本地化定价,也没有在任何市场推出低价入门套餐。这和它的定位有关——Anthropic一直把自己包装成”更安全的AI”,目标客户偏企业端,对价格敏感度相对低一些。

    但问题在于,一旦Google和OpenAI把用户的心理价位锚定在5美元甚至更低,Anthropic还能撑多久不降价?尤其考虑到两家竞争对手都已经在秘密准备IPO,资本市场对增长率和用户规模的看重,会进一步倒逼它们在价格上出手更狠。

    这对普通人意味着什么

    • 短期内,AI订阅服务的性价比会持续提升,消费者是直接的受益者
    • 中长期看,只有具备垂直整合能力和庞大用户基数的大玩家,才能在这场价格战里活下来
    • 独立AI公司——那些没有母公司输血的——会面临越来越大的定价压力,并购或关门的概率在上升
    • 对开发者来说,API调用的价格大概率也会跟着往下走,应用层的创新会因此加速

  • SpaceX的AI算力赌局失算,每年260亿美元把数据中心租给了Anthropic和Google

    马斯克旗下的SpaceX在AI算力上的豪赌,最近出现了一个不小的尴尬转折。据彭博社援引匿名消息人士报道,SpaceX已将其位于孟菲斯的Colossus 1 AI数据中心的部分算力对外出租,租户包括Anthropic和Google——两家恰好是AI领域里最有分量的玩家。

    这背后有一个相当现实的问题:SpaceX自己用起来,发现不太好用。

    延迟扯了后腿

    Colossus 1是SpaceX为训练自有AI模型(也就是Grok)而搭建的算力集群的一部分。按照原本的规划,SpaceX要通过三个数据中心园区共同支撑最前沿的模型训练。但问题来了——Colossus 1和另外两个站点之间的距离超过了10英里,连接它们的时候出现了明显的延迟问题。

    叠加当地网络基础设施偏老旧的因素,整个算力集群的实际表现远不如预期。就好比你花大价钱组了一套顶级电竞装备,结果家里的宽带只有10Mbps,该卡还是卡。

    据彭博社报道,SpaceX与Anthropic签署的算力租赁合同年费高达150亿美元;与Google的合同则按月计费,每月9.2亿美元。

    SpaceX AI数据中心
    SpaceX的AI算力布局遭遇现实挑战(图源:The Verge)

    150亿美元 yearly,SpaceX做了笔什么生意

    具体地说,SpaceX把Colossus 1的闲置算力租给了两家公司。Anthropic每年支付150亿美元,Google每月支付9.2亿美元。按这个数字算,Google一年的费用也超过110亿美元。两笔合同加起来,SpaceX每年仅出租算力就能进账超过260亿美元。

    对Anthropic和Google来说,这是一笔划算的交易——AI训练算力在全球范围内都是稀缺资源,能找到一个现成的大规模集群接入,省去了自己搭建的时间成本。尤其是Anthropic,作为OpenAI最主要的竞争对手之一,它对算力的渴求几乎是无底洞。

    但对SpaceX来说,这多少有点”打脸”的意味。Colossus 1原本是为Grok量身定制的训练场,结果Grok用起来不顺手,只好转手租给别人。不过换个角度看,与其让昂贵的算力闲置吃灰,不如租出去回血,这倒也不失为一种务实的做法。

    SpaceX的AI棋局还没下完

    把Colossus 1租出去,并不意味着SpaceX放弃了AI。据The Verge的报道,SpaceX同时在推进一个基于卫星的AI服务器项目——把算力直接搬到太空里。如果这件事做成,延迟问题可能就不是地球网络基础设施能左右的了。

    但目前来看,这个卫星AI项目的进展还停留在非常早期的阶段。眼下的现实是:SpaceX花大价钱建好的数据中心,自己用着不顺手,只好先租给隔壁最有钱的邻居。

    • Colossus 1因跨站点延迟问题,SpaceX自身难以高效使用
    • Anthropic年付150亿美元租用算力,Google月付9.2亿美元
    • SpaceX仍在推进基于卫星的AI服务器项目,试图绕过地面网络限制
    • 算力租赁年收益超260亿美元,闲置资产变现金奶牛

    这件事最有趣的地方在于:连SpaceX这样的公司都会在AI基础设施上踩坑,说明建数据中心和用好数据中心,真的是两码事。算力军备竞赛里,买显卡只是第一步,怎么把它们高效地连在一起跑起来,才是真正的硬仗。

  • Instagram的AI客服机器人成了黑客后门,多名用户账户被劫持

    如果你最近收到过Instagram发来的莫名其妙的安全提醒,可能不是误操作——有一群黑客找到了一条绕过Instagram安全机制的蹊径,而且这条路径恰恰来自Meta自己部署的AI客服聊天机器人。

    事情最早在Reddit和X(Twitter)上发酵。多名用户发帖称自己的Instagram账户突然被劫持,密码被人改了,自己却被挡在门外。受影响的不只是普通用户——奥巴马时期白宫运营的Instagram账号(2017年之后就再没发过内容)也被攻破,连美国太空军总军士长John Bentivegna的账户也未能幸免。

    Meta AI聊天机器人安全漏洞
    Meta AI应用图标(图源:Matthias Balk/picture alliance / Getty Images)

    黑客是怎么做到的

    根据安全研究员和受害者的还原,整个攻击流程出奇地简单——简单到令人不安。黑客首先用VPN把位置伪装成受害者所在的地方,这样可以绕过Instagram的异地登录警报。接下来,他们打开Meta AI客服聊天窗口,直接要求机器人往目标账户里添加一个新的电子邮箱地址。

    AI聊天机器人照做了,把验证码发到了黑客控制的邮箱。黑客拿到验证码之后,又把它输回给聊天机器人,于是机器人弹出了一个”重置密码”按钮。点下去,输入新密码,账户就彻底易主了。

    整个过程中,黑客从头到尾都没有碰过受害者绑定的原始邮箱。也就是说,哪怕你开启了两步验证,只要黑客能说服AI客服机器人,你的账户就形同虚设。

    安全研究员Jane Wong也在受害者之列。她在X上写道:”我的密码在我不知情的情况下被修改了,昨天我一整天都在收到不同的密码重置尝试请求,这非常令人担忧。”

    影响范围有多大

    目前还不清楚究竟有多少账户受到了影响。Instagram发言人Andy Stone在X上回复称,该问题已于周一(6月1日)修复。但他没有透露受影响用户的具体数字,Meta方面也没有回应TechCrunch的置评请求。

    这类攻击最令人不安的地方在于:AI客服的设计初衷是为了让用户更方便地自助解决问题,但一旦这个入口缺少足够的身份验证,它反而成了攻击者最喜欢的后门。你让AI帮你找回账户,结果AI把账户拱手让人——这画面多少有些讽刺。

    • 用VPN伪装目标用户所在位置,绕过异地登录检测
    • 诱骗Meta AI客服机器人往目标账户添加新邮箱
    • 机器人向黑客邮箱发送验证码,黑客将其回传给机器人
    • 点击机器人提供的”重置密码”按钮,完成账户接管

    这件事也给所有在客服场景内部署AI的公司提了个醒:当AI拥有了修改用户账户信息的权限,它的”信任边界”就必须重新定义。否则,AI客服就不是在服务用户,而是在帮黑客办事。

  • Anthropic的AI模型被政府盯上了,Fable 5和Mythos 5遭全面封禁





    Anthropic的AI模型被政府盯上了,Fable 5和Mythos 5遭全面封禁

    Anthropic这两款模型——Fable 5和Mythos 5,本来是自家的主力产品,结果上周五突然被政府一纸命令给封了。

    Anthropic办公室
    Anthropic总部 | 图片来源:The Verge

    命令的理由是”国家安全”,要求Anthropic切断所有外国公民对这两个模型的访问权限,不管这些人是在美国境内还是境外,连Anthropic自己的员工也在受限范围内。

    公司发了一份声明,说他们在配合政府的要求,但话里话外也透着不解。政府”没提供国家安全关切的具体细节”,也就是说,Anthropic到现在也不知道自己到底踩了哪条红线。

    越狱漏洞到底有多严重?

    更有意思的是,政府跟Anthropic说的是这两个模型存在”潜在越狱(jailbreak)”风险,但都是口头说的,没给书面证据。

    Anthropic自己评估了一下,觉得发现的那些漏洞都挺轻微的,而且同类问题在GPT 5.5身上也能看到。公司在声明里把自己合规的努力都列出来了:跟美国、英国政府都有合作,数据保留政策也做了调整,就是为了追踪有没有人拿这些模型干坏事。


    亚马逊CEO的”神助攻”?

    这事其实折射出一个更大的问题:AI公司现在夹在政府监管和商业利益之间,左右为难。政府一句话,产品就得下线,连为什么都不一定告诉你。

    而对Anthropic来说,Fable 5和Mythos 5都是花了大价钱训练的,这一刀切下去,损失不小。有意思的是,就在政府禁令出来之前,亚马逊CEO安迪·贾西还专门跟美国官员提过,说Fable存在安全隐患。这是不是有点太巧了?

    • 亚马逊是Anthropic的重要投资方,此举可能是在为自己的AI产品扫清竞争对手
    • 政府以国家安全为由封禁AI模型,但拒绝提供具体证据,这种操作引发行业担忧
    • AI公司面临的监管风险远超预期,合规成本将成为重要考量因素

    不管真相如何,这件事给整个AI行业敲了个警钟:别以为训练出一个厉害的模型就高枕无忧了,政府要是觉得你有风险,随时可以让你关门。


  • 四大会计师事务所用AI写报告,结果闹了个大笑话





    四大会计师事务所用AI写报告,结果闹了个大笑话

    毕马威(KPMG)最近干了件挺尴尬的事——他们撤回了一份关于AI使用的报告,原因是报告里到处都是瞎编的内容,也就是俗称的”AI幻觉”。

    AI幻觉概念图
    AI生成内容出现幻觉问题,专业机构也未能幸免 | 图片来源:TechCrunch

    这份名叫《在智能体AI时代重新定义卓越》的报告发布于2025年10月,看起来挺正式。但研究组织GPTZero仔细扒了一遍,发现里面好多关于企业AI使用情况的描述根本对不上号。

    说白了,这家专业服务机构在编写”如何用AI”的报告时,自己可能就用AI偷了懒,然后AI还给它们编了不少假数据。

    被点名的企业纷纷辟谣

    瑞银(UBS)、英国国家医疗服务体系(NHS)、瑞士联邦铁路、伦敦交通局,全都跟《金融时报》说:报告里说我们用AI干了这干了那,实际根本不是那么回事,要么完全不对,要么就是误导。

    毕马威的发言人倒是没嘴硬,承认已经把报告从网站上撤下来了,还说要搞内部调查。他们的说法是:”我们要求所有员工遵守负责任使用AI的准则,包括通过人工监督来验证内容、核实独立来源。”


    四大所接连在AI上栽跟头

    这已经不是四大会计师事务所第一次在AI这事上栽跟头了。就在上个月,安永(EY)也撤回了一份关于忠诚度奖励计划的报告,那篇文章里出现了虚假脚注,也是AI幻觉搞的鬼。

    有意思的是,这些公司一边靠着AI概念在市场上赚得盆满钵满,一边自己在用AI干活的时候却连基本的事实核查都做不好。说到底,AI写出来东西,人不去核实,那就跟闭着眼睛签文件差不多。

    • AI辅助写作必须有人工核实环节,否则幻觉内容会直接流入正式报告
    • 专业服务机构的报告可信度建立在事实准确的基础上,AI滥用会直接损害品牌声誉
    • 四大所接连”中招”,说明AI幻觉问题比很多人想象的更普遍

    这件事也给所有在用AI辅助办公的人提了个醒:AI给出的数据和引用,你不核实就直接用,迟早得出事。毕马威这次算是花了一笔”学费”,至于学到了没有,看它们内部调查的结果就知道了。


  • 法拉利找IBM搞了个AI粉丝助手,F1比赛数据秒变故事

    一级方程式赛车本来就是项数据密集到夸张的运动——每场比赛,赛车每秒钟产生几百万个数据点,车手每一次刹车、每一个弯道的选择,全都被记录得清清楚楚。但问题是,普通粉丝哪看得懂这些原始数据?这就是IBM和法拉利搞合作的出发点:用AI把那些冷冰冰的数字,变成粉丝能看懂、愿意看的故事。

    法拉利的粉丝App,以前是个”查完赛程就走”的地方

    IBM的体育与娱乐合作副总裁Kameryn Stanhouse说,选法拉利是因为”他们是历史上赢最多的车队”。但合作的核心不在奖杯数量,而在粉丝互动。以前法拉利的官方App基本上就是个赛程表加新闻聚合,粉丝查完比赛时间就关掉了。IBM接手之后,这个App的面貌完全变了。

    新版本里有AI自动生成的赛事总结、车手和车队的幕后故事、预测游戏、还有个AI助手可以回答粉丝提出的各种问题。最基础但最实用的一点是,App终于支持意大利语了——想想也有意思,一个意大利车队,粉丝一大半是意大利人,官方App居然一直没意大利语版本,直到IBM进来才搞定。

    Ferrari F1赛车与IBM AI技术
    IBM与法拉利HP合作,用AI提升F1粉丝体验,图片来源:TechCrunch

    “让每个粉丝觉得我们在了解他们”

    法拉利新设了一个叫”粉丝发展负责人”的岗位,由Stefano Pallard担任。他的话说得很直白:挑战不在于触达粉丝,而在于”让每一个粉丝觉得我们在了解他们”。AI在这里的作用,就是分析粉丝在App里的各种行为信号——哪些内容被读得最多、粉丝发来的消息情绪是什么样的,然后用这些洞察去调整内容策略。

    IBM入驻之后,法拉利App在比赛周末的用户参与度提升了62%。对于一个此前几乎没人愿意多停留一分钟的App来说,这个数字相当亮眼。

    F1这几年的粉丝结构也在发生变化。联盟去年公布的数据有个很有意思的点:75%的新粉丝是女性,而且很多是Z世代。吸引她们入坑的一个重要渠道是F1学院——一个专门培养女性车手的赛事系列。这些新粉丝和老粉丝一样,想要更多的数据、更多的内幕、更多的互动功能。法拉利希望通过AI,在未来五年里让每个粉丝都觉得这个App是为自己量身定做的——不管你已经追随车队30年,还是才加入30天。

    不只是法拉利在这么干

    F1圈子里,McLaren和Williams也在搞独立的粉丝App,不单纯依赖社交媒体或者F1官方的平台。这说明车队们开始意识到:粉丝是有价值的资产,不能只放在别人家的平台上。IBM这几年在体育圈的布局也挺激进,除了法拉利,他们还跟Masters、Wimbledon这些赛事有合作,玩法都是类似的:用企业级AI帮体育联盟把粉丝体验这件事做得更深。

    说到底,法拉利和IBM这个合作最有意思的地方在于:它展示了一个很多行业都能复用的思路——你有大量数据,用户也想了解更多,但中间缺一座桥。AI现在能充当这座桥,而且比以前的个性化推荐引擎要灵活得多。接下来的问题是,法拉利的这套打法,其他车队会不会跟进?如果大家都开始认真经营自己的粉丝App,F1的数字生态可能会发生一次挺大的重构。

  • 亚马逊做了个AI手环,戴在手上24小时录音,这体验有点诡异

    如果你跟我一样,对隐私这件事有点执念,那听到”AI手环24小时录下你身边发生的一切”这个说法,第一反应大概不会是”哇,好酷”。但这就是亚马逊旗下Bee可穿戴设备正在做的事——它像个体贴又有点 creepy 的小秘书,挂在你手腕上,随时准备把你说过的每句话都记下来。

    不是智能手表,是”声音日记本”

    Bee这个东西,形态上是个腕带设备,核心功能就一个:录音、转写、总结。你开着它,它就把你一整天的对话都录下来,然后App帮你把内容整理成摘要,顺便存一份完整转写稿。忘记刚才开会说了什么?打开App看一眼就行。

    使用逻辑倒不复杂:开机、戴上、和手机App配对、填点基本信息,然后按一下设备上的按钮就开始录了。录制的时候有个绿灯在闪,关掉就灭。录完之后,App自动生成摘要,也会保留完整转写——这套流程本身没什么稀奇的,Otter、Granola 这些工具早就做过了。

    亚马逊Bee AI可穿戴设备
    Bee AI可穿戴设备,图片来源:TechCrunch

    工作上还挺好用,生活里就算了

    TechCrunch作者Lucas Ropek在评测里说,真正让Bee派上用场的是工作场景。有一次他开着Bee打工作电话(当然先征得了对方同意),结束后App很准确地把对话摘要整理出来了,还把不同话题分段呈现,不用再倒回去听完整录音。对于一天要连轴转好几个会的人来说,这东西确实有点用。

    但转写质量嘛,只能说还有进步空间。Bee不会自动识别谁在说话,得你手动标注;评测过程中还出现了漏掉部分对话内容的情况,虽然不是什么大段遗漏,但确实不够完整。

    Bee真正的问题不在功能,而在它要的权限太多了——位置、照片、通讯录、日历、手机通知,甚至连健康数据都可以给它。这些数据都存在云端。

    Bee说自己用了加密,也做了第三方安全审计,这些话听起来都没问题。但问题是,它的母公司是亚马逊。这家公司管着全球那么大一块云基础设施,出过的安全事故也不止一两回。如果你对数字隐私比较敏感,戴着这东西过日子,心里总会觉得有点不对劲。

    有个细节挺有意思:Bee曾经给一位科技YouTuber演示过完全本地运行的版本,不需要把数据传云端。如果这个版本真能做出来,倒确实值得考虑。但亚马逊目前没有透露任何关于这个计划的进展。

    作者拿它去看了场《水库狗》

    评测里有个好玩的片段:作者戴着Bee去跟朋友看电影之夜,放的是《水库狗》。他有点担心这片子里满屏的暴力对话会让Bee误以为发生了什么真实危险,触发什么内部警报。结果Bee还挺聪明,识别出了他们在看昆汀的电影,把那段对话标注成了”塔伦蒂诺电影场景分析”。这一下倒是让人觉得,它对上下文的理解能力比预想中好一些。

    总体来说,Bee在专业场景下有一定价值,特别是对于那些每天会议密集、需要整理谈话要点的人。但如果你指望它融入你的个人生活,那就要先问问自己:你真的愿意让亚马逊掌握你线下活动的绝大部分信息吗?

  • 【开源推荐】Qdrant:32.2K+ Stars!Rust 构建的高性能向量数据库,AI 应用的向量检索引擎

    【开源推荐】Qdrant:32.2K+ Stars!Rust 构建的高性能向量数据库,AI 应用的向量检索引擎

    Q
    GitHub 热门 AI 开源项目
    第 29 期

    ⭐ 32.2K+ Stars

    Qdrant —— 为 AI 应用打造的高性能向量数据库

    用 Rust 构建 · 支持稠密/稀疏/多向量 · 生产级分布式部署

    📌 项目简介

    Qdrant 是一个用 Rust 编写的高性能向量数据库和向量搜索引擎,专为新一代 AI 应用设计。它提供生产级服务与便捷 API,支持存储、搜索和管理带附加载荷的向量,是构建 RAG、语义搜索、推荐系统等 AI 应用的理想数据底座。

    32.2K+
    GitHub Stars

    Rust
    核心语言

    97%
    RAM 节省

    ⚙️
    安装要求和过程

    环境要求

    • Docker 20.10+(推荐方式)
    • 或者:Rust 1.70+ 编译环境(源码安装)
    • Python 3.8+(使用 Python 客户端时)
    • 支持 Linux / macOS / Windows (WSL2)

    快速安装(Docker 方式)


    # 1. 拉取并启动 Qdrant(无认证,开发用)
    docker run -p 6333:6333 qdrant/qdrant

    # 2. 访问 Web UI
    open http://localhost:6333/dashboard

    # 3. 使用 Python 客户端
    pip install qdrant-client

    # 4. 源码编译安装(可选)
    git clone https://github.com/qdrant/qdrant.git
    cd qdrant && cargo build --release

    生产部署建议

    • 务必配置 API Key 认证(参考官方安全指南)
    • 使用持久化卷存储向量数据(-v $(pwd)/qdrant_storage:/qdrant/storage
    • 大规模场景启用分布式模式(需要 etcd / 类似协调服务)
    • 启用 TLS 加密传输


    核心功能

    🔍 多类型向量搜索

    同时支持稠密向量(语义相似度)、稀疏向量(全文搜索)、多向量(ColBERT 等延迟交互模型)搜索,一套系统满足多种检索需求。

    🎯 强大的载荷过滤

    为向量附加任意 JSON 载荷,支持关键词匹配、全文检索、数值范围、地理位置等丰富条件过滤,支持 should / must / must_not 条件组合,精准控制搜索范围。

    🔀 混合搜索

    单查询可组合多个向量,兼顾语义理解和关键词精度,支持倒数排名融合(RRF)、基于分布的分数融合(DBSF)等可配置融合策略,搜索效果更佳。

    💾 低成本存储优化

    内置向量量化能力,可降低最高 97% 的 RAM 占用;支持在搜索速度和精度之间按需权衡;同时支持磁盘存储,大幅降低运行成本。

    🚀 分布式高可用

    支持水平扩展,通过分片和副本实现高可用,可零停机更新或调整集合大小;支持 SIMD 硬件加速和 NVIDIA/AMD GPU 加速索引,性能卓越。

    💡
    典型使用场景

    📚 场景一:RAG 知识库问答

    将文档切片向量化后存入 Qdrant,用户提问时先检索最相关的片段,再送给 LLM 生成答案。Qdrant 的混合搜索和载荷过滤能力,让 RAG 系统既能理解语义,又能精确控制知识范围,是目前最流行的 AI 应用架构之一。

    🛒 场景二:电商语义搜索与推荐

    用户搜索”适合夏天透气的跑步鞋”,传统关键词搜索无法理解意图,而 Qdrant 的语义向量搜索能直接找到最相关的商品。再结合用户行为向量做个性化推荐,可大幅提升转化率和用户体验。

    🖼️ 场景三:图像/音频相似检索

    通过 CLIP 等多模态模型将图片/音频编码为向量,存入 Qdrant 后便可实现”以图搜图”、”相似音乐推荐”等功能。短视频平台、版权图库、人脸检索等场景均有广泛应用。

    💬 推荐理由

    如果你正在构建任何需要”理解语义”的 AI 应用,Qdrant 几乎是不二之选。作为向量数据库赛道的明星项目,它用 Rust 编写,性能和安全都有保障;API 设计简洁直观,Python 客户端几分钟就能上手;最关键的是,它不只是”能跑”,而是真正为生产环境设计——分布式、高可用、量化压缩、硬件加速,这些特性在大规模部署时价值巨大。

    我个人最喜欢它的混合搜索能力:语义向量 + 关键词 BM25 融合,再结合载荷过滤,搜索结果的质量比单纯向量检索高出一大截。加上活跃的开源社区和 Qdrant Cloud 托管选项,无论个人项目还是企业落地,都能找到合适的接入方式。2026 年做 AI 应用,向量数据库是必选项,Qdrant 值得放在你的技术选型清单首位。

    🔖 标签:AI · GitHub · 开源 · 向量数据库 · RAG · LLM · Rust · 语义搜索

    ⏱️ 预计阅读时间:6 分钟 | 更新时间:2026年6月14日