标签: AI

  • 微软砸25亿美元、派6000人驻场:AI圈开始卷”落地”了

    过去两年,几乎每家大公司都在试生成式AI,但真要问”到底帮我省了多少钱、多赚了多少”,多数CFO都答不上来。微软这周的一个动作,说明它也想通了:与其继续卖模型,不如直接派人进去帮你把AI用起来。

    7月2日,微软宣布成立一家叫 Microsoft Frontier Company 的独立运营实体,砸下25亿美元启动资金,还要把大约6000名工程师、行业顾问和技术销售直接塞进客户公司内部。这不是传统的软件授权,也不是远程顾问打几个电话就走人——这些人会长期驻扎在你的团队里,跟业务、研发、安全部门坐在一起,现场设计、搭建、然后持续迭代AI系统。

    不是卖模型,是派人进去帮你用

    这套打法在圈内有个名字,叫”前沿部署工程”(Forward Deployed Engineering,FDE)。但微软商业业务CEO Judson Althoff特意撇清:”这超出了所谓的FDE,我们要做业内规模最大、最以业务成果为导向的工程组织。”翻译一下就是:别人派几个工程师,我派一整支队伍,而且KPI不是交付了多少代码,而是你到底拿到了什么可衡量的结果。

    Althoff在公告里写得很直白:微软投资25亿美元,把6000名专家嵌进客户现场,”共同设计、创新、大规模部署并持续改进基于可衡量业务成果的AI系统”。

    亚马逊和OpenAI也在做同一件事

    微软不是第一个动这个念头的。就在两天前,AWS刚宣布拿出10亿美元建自己的FDE体系;OpenAI和Anthropic也各自拉着私募股权搞了类似合资。大家心照不宣:当模型能力越来越像、价格越卷越低,真正的利润池正在从”卖脑子”转移到”帮人把脑子用上”。

    微软的底气在于它已经把工程师铺进了大半个财富500强。这回点名的早期伙伴包括伦敦证券交易所集团、联合利华、Land O’Lakes和埃森哲。有意思的是,微软强调平台对模型保持开放——OpenAI、Anthropic、自家模型、开源乃至垂直行业模型都能接,摆明了不逼客户绑死在某一家。

    客户最在意的两件事:产权和数据

    企业为什么迟迟不敢把AI真正接进核心业务?说到底就两件事:做出来的东西归谁,我的数据会不会被你拿走。微软这次干脆把话挑明:客户保留所有开发成果和知识产权的所有权,而且不用把结果回传给微软。对金融、快消这类把数据当命根子的行业,这条比什么都重要。

    这场仗的对手其实不只是亚马逊。当硅谷开始重写Palantir的剧本——卖的不再是软件,而是”带着人一起把系统跑起来”的服务——AI竞争的维度已经悄悄换了。模型只是门票,能不能帮客户把ROI算清楚,才是下半场的门票。

    微软总部
    微软将AI落地服务做成了一门独立生意(图:TechCrunch / NurPhoto)
  • 福特把350名老工程师请了回来:AI质检,没那么神

    福特最近干了件挺打脸自己的事。公司高管公开承认,前几年太依赖 AI 和自动化质检系统,结果质量没上去,翻车了。于是他们又把大约350名资深工程师请了回来——有的本来就是福特老员工,有的是从供应商那边挖的。

    首席运营官 Kumar Galhotra 跟记者说的是大实话:福特“越来越依赖自动化质检系统”,但结果“令人失望”。所以公司把技术专家召回来,让他们“在零件还没上生产线之前,就把故障点揪出来”。

    “我们一度以为,喂个设计要求进去就能出好车”

    车辆硬件工程副总裁 Charles Poon 的话更直白:“我们错误地以为,只要把人工智能搬进来、把现有的设计要求喂进去,就能造出高质量的产品。”这话听着像句废话,但恰恰是很多公司上 AI 时的真实心态——以为模型是魔法箱,设计要求一倒进去,好东西自己就出来了。

    “人工智能是个好工具,但它好不好用,全看你拿什么数据训练它。”Poon 后来补了这么一句。福特的坑在于:最有经验的老师傅们在公司把他们知识留下来之前就走了,自动化系统接手的,是一堆还没沉淀好的东西,最后反而把老毛病固化了。

    有意思的是,福特并没有因此把 AI 一脚踢开。这350名被叫做“白胡子工程师”的老将,现在的任务是带年轻工程师、主持设计评审,顺手把那些不好使的 AI 和自动化质检工具重新调教一遍。换句话说,人工不是来替掉 AI 的,是来给 AI 兜底和纠偏的。

    这笔钱,省得真金白银

    效果摆在那儿。CEO Jim Farley 说,保修和召回成本的下降,今年给福特带来了“实打实好几亿美元的成本顺风”。更直观的是,在本周发布的 JD Power 新车初始质量调查里,福特拿下了主流品牌第一——这是它16年来头一回登顶,每百辆车的问题数从193降到了152。


    福特工厂与资深工程师
    福特返聘资深工程师强化制造质量管控(图源:TechCrunch / Getty Images)

    当然,福特依然是全美召回次数最多的车企(2025年创纪录地发了153次召回),公司自己也说召回数有滞后性,得等按新流程造的车占比上来才会缓。但至少方向上,他们认准了一件事:AI 能帮忙,可老师傅脑子里那点“手感”,短时间还替代不了。

    • AI 不是万能药:自动化质检翻车,根子在数据和经验没沉淀好
    • 老师傅回来了:350名资深工程师带新人、修 AI 工具、提前排雷
    • 账算得过来:一年省下数亿美元,质量排名也回了血
  • 谷歌又甩出一颗“轻量香蕉”:4秒出图,单张成本压到3分钱

    谷歌这两天悄悄把 Nano Banana 家族里最便宜的一颗“香蕉”推到了台前。名字叫 Nano Banana 2 Lite,6月30号上线,主打就两个字:快、便宜。

    它到底有多快多便宜?官方说法是,生成一张图大约4秒钟,单张1K分辨率的图像成本只要0.034美元——算下来一千张图才34美元。对于要做广告素材、电商图、A/B测试这种需要批量生产的活儿,这个价格和速度确实挺诱人。谷歌把它定位成“高吞吐工作流”的首选,专门给那些要一口气甩出成百上千张图的人用。

    从“香蕉”到“香蕉 Lite”,谷歌在搭一个三层货架

    其实 Nano Banana 这条产品线已经迭代好几轮了。最早的 Nano Banana 去年夏天跟着 Gemini 3.1 Flash 一起出来;今年2月又发了 Nano Banana 2,图像更真实;现在再加上一颗 Lite,还有一颗更贵更强的 Pro 专门给专业场景。谷歌现在明摆着是搭了个三层货架:Lite 管速度和成本,2 是“全能主力”,Pro 管精度和4K画质。

    顺带一提,初代 Nano Banana 已经被谷歌自己划进了“legacy(旧版)”行列,官方建议还在用的人直接换成 Lite。这种产品线的重新分类,平时没人注意,但对每一个要付账单的开发者来说,差别可大了。

    和 Lite 同一天来的还有个 Gemini Omni Flash,做视频的,0.1美元一秒。谷歌的算盘很清楚:你先用 Lite 飞快出图,再丢给 Omni Flash 把静态图变成能继续改的视频,一条图像到视频的流水线就串起来了。

    背后是一场和字节的价格肉搏

    别看谷歌发得低调,这步棋直接冲着字节跳动去的。第三方数据一对比就明白:字节的 Seedream 5.0 Lite 单张大概0.035美元、出图要45秒出头;Lite 这边0.034美元、4秒出图。单张差那一美分可以忽略,可一旦调用量上去了,延迟和成本会被成倍放大。文生图这个赛道,价格战是真的打响了。

    有意思的是,尽管外界对“AI 垃圾图”(AI slop)的吐槽没停过,大厂往图像和视频生成里砸的钱一点没少。谷歌特别爱把自家的模型包装成“帮你做广告”的顺手工具。


    谷歌 Nano Banana 2 Lite 图像模型
    谷歌新发布的 Nano Banana 2 Lite 图像生成模型(图源:TechCrunch)

    不过这里头有个拧巴的地方。就在这颗 Lite 上线的同时,谷歌刚跟独立电影厂牌 A24 签了7500万美元的合作,粉丝那边已经骂声一片。好莱坞和 AI 公司的关系越来越紧,创作者社区和普通观众的不安也在跟着涨。

    • 对开发者:4秒出图+极低单价,适合做素材工厂和实时预览
    • 对竞争对手:直接贴着字节 Seedream 打,价格战进入肉搏阶段
    • 对普通人:AI 生图会更便宜,但“AI 味”的内容也会更泛滥
  • Page Agent:阿里巴巴开源的“住在网页里的”GUI 智能体,一行脚本让网页自己动起来

    Page Agent:阿里巴巴开源的“住在网页里的”GUI 智能体,一行脚本让网页自己动起来

    Page Agent 项目横幅

    项目简介

    Page Agent 是阿里巴巴开源的一个运行在网页内部的 JavaScript GUI 智能体。只需一行脚本,就能让任意网页拥有自己的 AI 代理,用自然语言直接控制 Web 界面——点击按钮、填写表单、跳转页面,全部交给 AI 完成。项目当前已收获约 2.6 万 Star,采用 MIT 协议,主要使用 TypeScript 编写,运行时以纯前端 JavaScript 注入。

    “The GUI Agent Living in Your Webpage. One script gives any web page its own AI agent.”

    安装要求和过程

    环境要求

    • 任意支持 <script> 标签或 npm 的网页环境即可;
    • 无需浏览器扩展、Python 或无头浏览器,纯前端运行;
    • 如需自托管大模型,需一个可访问的模型 API(如通义千问 Qwen、本地模型等);
    • 使用 npm 安装 / 二次构建时需要 Node.js 环境。

    快速安装(三种方式)

    方式一:CDN 一行接入

    <script
        src="https://cdn.jsdelivr.net/npm/page-agent@1.12.1/dist/iife/page-agent.demo.js"
        crossorigin="anonymous"
    ></script>

    国内镜像:https://registry.npmmirror.com/page-agent/1.12.1/files/dist/iife/page-agent.demo.js

    方式二:NPM 安装

    npm install page-agent
    import { PageAgent } from 'page-agent'
    
    const agent = new PageAgent({
        model: 'qwen3.5-plus',
        baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1',
        apiKey: 'YOUR_API_KEY',
        language: 'en-US',
    })
    
    await agent.execute('Click the login button')

    方式三:Chrome 扩展 —— 从 Chrome 网上应用店安装 Page Agent 扩展,用于跨多标签页的多页面任务。

    核心功能

    • 🎯 极简集成:纯页面内 JavaScript,不需要浏览器扩展、Python 或无头浏览器,几行代码即可嵌入。
    • 📖 基于文本的 DOM 操作:无需截图、不依赖多模态大模型或特殊权限,通过结构化 DOM 文本理解页面并执行操作。
    • 🧠 自带 LLM(BYO):支持绝大多数主流模型(含本地部署),模型选择完全自由。
    • 🐙 可选 Chrome 扩展:支持跨标签页的多页面任务编排。
    • 🔌 MCP Server(Beta):允许外部 Agent 客户端(如 Claude Code / Cursor)从外部控制你的浏览器。

    典型使用场景

    • SaaS AI Copilot:几行代码为自家产品嵌入 AI 助手,无需重写后端,立刻获得“对话式操作界面”能力。
    • 智能表单填充:把原本需要 20 步点击的流程压缩成一句话,特别适合 ERP / CRM / 后台管理系统等高频重复操作。
    • 无障碍访问:通过自然语言让任何 Web 应用变得可操作,配合语音 / 读屏为行动不便的用户打开大门。
    • 多页面自动化 / MCP 控制:借助 Chrome 扩展或 MCP Server,让 AI 跨页面完成复杂工作流(如比价、数据搬运)。

    推荐理由

    我第一次看到 Page Agent 时最直接的感受是:它把“浏览器自动化”这件事做得太轻了。传统方案(如 Playwright / Puppeteer 脚本、或无头浏览器方案)要么要写一堆选择器、要么要吃截图走多模态,门槛和成本都不低。Page Agent 反其道而行——它就活在页面里,用文本化的 DOM 理解来“读懂”界面,再用自然语言驱动操作,心智负担几乎为零。

    对前端 / 产品同学尤其友好:你想给后台加个“AI 帮我导这份报表”的入口,挂一段脚本就行,不用动架构。再加上它支持 BYO 模型、可接本地大模型,数据不出内网也能玩。如果你正琢磨怎么给产品接一个“会自己点页面”的 AI,Page Agent 是目前最省心、最贴近生产的选择之一。

    下载地址

  • Cloudflare 要给 AI 爬虫立规矩:9 月 15 日起,混着用的默认挡掉

    Cloudflare CEO Matthew Prince
    Cloudflare 联合创始人兼 CEO Matthew Prince(图源:TechCrunch)

    互联网上跑的流量,第一次有一半以上不是人。Cloudflare CEO Matthew Prince 抛出这句话时,顺手给整个 AI 行业下了道最后通牒:从 2026 年 9 月 15 日起,凡是把「搜索、智能体、训练」搅在一起抓取的爬虫,在挂了广告的页面上默认挡掉,除非站长自己改设置。

    简单说,以前一个 Googlebot 既帮你做搜索收录,又顺手把内容喂给 Gemini 训练,以后这招在 Cloudflare 保护的站点上行不通了。新规矩覆盖新客户、老客户新建的站点,以及所有免费用户——Cloudflare 手里管着全球约五分之一的网站流量,这一刀切下去,影响面不小。

    爬虫比人还多,旧契约破了

    Prince 口中的「旧契约」很朴素:我让你爬内容,你给我带流量。可生成式 AI 把这笔账搅黄了。模型厂商派代理替用户实时取网页,站长既没拿到广告曝光,也没收到订阅费,内容倒先被拿去训练了。Cloudflare 自己的数据更扎心:AI 爬虫的抓取流量里,超过一半是在反复拉取没变化的老页面。

    「既然互联网上多数流量已经不是人类产生的,我们就得走得更快、更远,好让一个可持续的生态长出来。」—— Cloudflare CEO Matthew Prince

    不只要挡,还要按次收费

    光挡不够解气,Cloudflare 把 2025 年推出的 Pay Per Crawl 市场升级成了「Pay Per Use」:站长不再只是「被爬时收钱」,而是当自己的内容真的在 AI 回答里产生价值时才收费。首发搭档是 Ceramic.ai 和 You.com——前者在 AI 搜索结果里露出内容就付费,后者碰到付费墙内容才结账。

    • 对出版商:终于能把「我的内容值多少钱」摆上谈判桌,Cloudflare 还配套了 Attribution Business Insights 面板,直接告诉你每个爬虫带回多少引流和商业意图。
    • 对 AI 公司:想白嫖,门儿都没有;老老实实把搜索、代理、训练拆成不同的 bot,反而能拿到更透明的抓取许可。

    被架在中间的 Google

    这纸新规,明里暗里都在戳 Google 的痛处。Cloudflare 点名说,那家「全球最大的搜索引擎」因为把搜索和 AI 绑在一起,掌握的信息量比头部 AI 公司多出约一倍,小站长想被搜到就不得不把内容也交出去训练。Google 当然不服,搬出 Google-Extended 这个可单独 opt-out 的训练爬虫说事,但现实是:就算你挡了 Extended,内容照样会出现在 AI Overviews 里,因为它吃的是 Googlebot 为搜索抓的料。

    Cloudflare 的算盘很清晰:它要的是结构性的分离——每个爬虫干嘛来的,站长心里得有数,再决定放不放行。公司放话要在 2027 年中把「混合用途爬虫」的流量占比从如今的三分之一压到零。对靠语料吃饭的模型厂商来说,这不只是一次设置调整,而是一场关于「内容到底归谁」的重新谈判。

  • 大模型都在说同一套话?这家澳洲小公司偏要打破「群体思维」

    LLM 同质化示意图
    ChatGPT、Claude、Gemini 在开放性问题上给出的回答越来越像(图源:MIT Technology Review)

    你随手打开一个聊天机器人,让它「给我一个 1 到 10 之间的随机数」,大概率会得到 7。再让它「再来一个」,往往是 3 或 4,接着是 8 或 9。这个被 MIT Technology Review 记者 Will Douglas Heaven 反复验证过的小把戏,揭开了大语言模型一个有点尴尬的秘密:它们比我们以为的更可预测,也更没创意。

    写代码、做检索时这种「规整」是好事,可一旦你想头脑风暴、规划旅行或者起个乐队名,所有模型都往同一个方向靠,就很扫兴了。问题不在于模型笨,而在于主流模型几乎是在同样的数据上、用同样的方法、为了同样的任务训练出来的,于是它们连「犯错」都犯得一模一样。

    一家澳洲小公司的「反套路」模型

    澳大利亚初创公司 Springboards 想换个活法。他们基于阿里开源的 Qwen 3 微调出一个叫 Flint 的模型,专门在被问到开放性问题(比如「欧洲去哪玩」)时,给出比 ChatGPT、Claude 更跳脱的答案。CEO Pip Bingemann 有句挺反常识的话:「大多数模型都在对抗幻觉,我们欢迎幻觉。」

    Bingemann 当着记者的面演示:ChatGPT 和 Claude 都给了 7,Flint 也甩出 7,他耸耸肩说「7 也是合法答案嘛」;重开一轮,ChatGPT 还是 7,Claude 还是 7,Flint 给了个 3.7916。

    换成「说一种车型」,ChatGPT 和 Claude 果然报出丰田、本田,Flint 蹦出一辆福特 F-150;让三个模型给新百伦跑鞋写 slogan,前两个齐声 ‘Run your way’,Flint 来一句 ‘Built to last, run to win’。不惊艳,但至少不一样。

    「时间是一条河」困住了所有模型

    这种趋同不是错觉。去年 11 月一篇拿下 NeurIPS 最佳论文奖的研究《Artificial Hivemind》做了个实验:让 25 个不同大模型各写 50 次「关于时间的比喻」,1250 条回答里绝大多数都是「时间是一条河」或「时间是一位织布工」的变体。CTO Kieran Browne 说,聊天界面设计得像个一对一私聊,大多数人根本没意识到自己拿到的东西和别人一模一样。

    • 起乐队名,模型爱用 glass / neon / velvet / static 这套词,蹦出 ‘Glass Harbor’、’Static Empire’ 也就不奇怪了。
    • OpenAI 的回应很实在:为了可靠和连贯,模型天然会往高概率答案靠,硬要标新立异常常换来更弱、更不可靠的输出;而且那篇论文研究的是 2024 年的旧模型。

    不是调高温度那么简单

    有人会说,把「温度」调高不就行了?Springboards 试过,把 OpenAI 某个模型的温度拉满,它一句英文没说完就切成了代码。温度是个粗暴的旋钮,全段一起加随机性,往往会把人带沟里。Flint 的笨办法是:先学会判断「这句话里哪一两个词值得抖一下」,只在那儿注入一点随机,其余地方保持正常。

    营销人 Zoe Scaman 拿它做过测试:给几个模型同一个 MBA 案例——怎么为年轻人重塑一家金融公司。主流模型异口同声「用有趣的方式教理财素养」,Flint 却说「不如把『攒钱』这件事整个重新包装」。广告公司 Uncommon 的 Maximilian Weigl 说得更直白:「总被拉回平均值的工具,搞不出破圈的东西。」但他也补了一句大实话:十次里有九次,平均值其实就够用了。

    Flint 现在主要服务广告和营销客户,毕竟那是 Springboards 的饭碗。但 Bingemann 和 Browne 都觉得,回答太雷同,是每一个用聊天机器人的人都该操心的事。给点选择权,剩下的交给人来判断——不然满屏都是机器吐出的、灰扑扑的「标准答案」,挺没劲的。

  • Superpowers:让 AI 编程智能体「先想清楚再做」的开源方法论

    Superpowers:让 AI 编程智能体「先想清楚再做」的开源方法论

    Superpowers 是一套面向 AI 编程智能体(Claude Code、Cursor、Codex、Copilot CLI 等)的开源「方法论 + 技能框架」。它不写业务代码,而是把资深工程师的开发纪律——先脑暴、出设计、写计划,再以测试驱动与代码评审推进——固化成一组「强制触发」的技能(skills),让 Agent 不跳过任何关键步骤。一句话:它给 AI 编程助手外挂了一套工程纪律

    安装要求和过程

    环境要求

    • 任意支持「插件市场」的 AI 编程客户端:Claude Code、Cursor、Codex App/CLI、GitHub Copilot CLI、Kimi Code、OpenCode 等;
    • 无需额外运行时依赖——技能本身是纯 Markdown,零代码、零安装负担;
    • 最新版本 v6.1.1(2026-07-03),MIT 协议,可商用。

    快速安装

    以最常用的 Claude Code 为例,一条命令装好:

    plugin install superpowers@claude-plugins-official

    其他宿主的安装入口:

    • Cursor:在 Agent 聊天里执行 /add-plugin superpowers
    • Codex CLI/plugins 搜索 superpowers 安装;
    • Copilot CLI:注册市场后 copilot plugin install superpowers@superpowers-marketplace
    • OpenCode:读取并执行 https://raw.githubusercontent.com/obra/superpowers/refs/heads/main/.opencode/INSTALL.md

    装好后,正常对话提需求即可——智能体会自动激活内置技能链,无需你手动调用。

    核心功能

    • 自动触发的技能库:20+ 技能覆盖测试(TDD 红-绿-重构)、调试(系统化排查、完成前验证)、协作(脑暴、写计划、派发并行 Agent、请求/接收代码评审)等,全部「强制工作流」而非可选建议。
    • 「先想后做」工作流:脑暴出规格 → Git worktree 隔离 → 设计文档 → 细粒度实施计划 → 子智能体并行开发 → TDD → 代码评审 → 收尾分支,每一步都有验证门禁。
    • 跨宿主通用:一套技能同时兼容 Claude Code、Cursor、Codex、Copilot CLI、Kimi Code、OpenCode 等,换工具不丢方法论。
    • 子智能体驱动开发(Subagent-driven Development):把任务拆给并行子 Agent,主 Agent 只做编排与评审,效率和质量双升。
    • 可扩展元技能writing-skills 让你把自己的工作流封装成新技能,using-superpowers 教 Agent 怎么用这套框架——团队规范可沉淀复用。

    典型使用场景

    • 从一句话需求到可运行功能:让 Agent 先脑暴出规格文档、确认后再生成计划,最后自主开发并自测,避免「上来就写代码」导致的返工灾难。
    • 大型功能并行开发:用 worktree 隔离 + 派发多个子 Agent 同时推进不同模块,主 Agent 汇总与评审,单人也能扛起一个小组的吞吐。
    • 团队统一研发规范:把团队最佳实践写成技能,所有人(和人)用同一套流程,新人也能稳定产出老手质量的代码。

    推荐理由

    用过一堆「vibe coding」工具后,我的结论很朴素:最大的问题不是模型不够聪明,而是 Agent 没有纪律——直接上手写、不写测试、不评审。Superpowers 把「工程纪律」外挂给 Agent,强制它先脑暴、再计划、再 TDD,质量肉眼可见地提升。它不替你做判断,只是不让 Agent 跳过关键步骤。25 万+ star、今天还挂在 GitHub 热榜第一,MIT 协议,值得每个用 AI 写代码的人装一下。

    下载地址

  • Figma 买下一家“氛围编程”团队,想把画布变成写代码的工厂

    买下的是人,不是产品

    Figma 最近又出手了,这次买下的是 Bud 背后的团队。Bud 你可能没听过,前身叫 Orchids,是一个 YC 孵化的”氛围编程”平台,后来转型成能跑任务的 AI 智能体。Figma 没公布价格,但有一点很清楚:Bud 和 Orchids 两款产品会在 7 月 18 号前关掉,用户得赶紧把项目搬走。

    换句话说,Figma 要的是人,不是那个独立产品。Bud 的 CEO Kevin Lu 在 X 上发帖,把这次收购说得挺浪漫,说 Figma 是”我们这个时代最具代表性的产品公司之一”,是新一代工作方式天然的归宿。

    Figma 想占住的,是产品被”造出来”的地方,而不只是被”画出来”的地方。

    从画板到能跑的代码

    这桩收购其实顺理成章。过去一年 Figma 一直在往”不只是设计工具”这个方向挪:去年推出 Figma Make,能直接生成网页应用;今年又接上了 Codex、Claude Code 这类外部编程智能体,自己也在画布上放了 AI 助手。它想让设计师不只在静态稿子上构思,而是能直接把想法变成能跑的东西。

    为什么是现在

    氛围编程这条赛道,从新鲜玩意儿到淘金热,大概只用了十八个月。光是做 prompt 转应用的 Lovable,今年初 ARR 就冲到 4 亿美元,六月还传出要按 120 亿美元估值融资的消息。Figma 当然不想只当那个”画图然后交给工程师”的角色。

    设计画布与AI代码生成融合的科技插画
    设计画布与 AI 代码生成融合(配图由 AI 生成)

    不过 Bud 也不是没包袱。今年早些时候 BBC 援引一名安全研究员的说法,指出 Orchids 上生成的应用容易被攻击。这其实是个行业通病,今年好几轮独立审计都发现,AI 生成的应用十有八九至少带一个安全漏洞。Figma 把人收编进来,顺手也接过了这份”生成的东西默认不安全”的麻烦。

    • 收购 Bud(原 Orchids)团队,交易价格未披露
    • Bud 与 Orchids 将于 7 月 18 日前关停,用户需迁移
    • Figma 今年 Q1 营收 3.33 亿美元,同比增长 46%
    • 约六成年付超 10 万美元客户每周使用 Figma Make

    画布和代码之间的那道墙,正在被一家家公司和一股股收购慢慢推平。Figma 这一步,说小是补了个团队,说大是给自己在”AI 造软件”的时代抢了个身位。

    📎 原文来源:Figma acquires team behind a vibe-coding app(TechCrunch)
  • 妈妈接到“女儿被绑架”的勒索电话后,两兄弟用AI做了款反诈App

    一通”女儿被绑架”的勒索电话

    Patrick Coughlin 怎么也没想到,差点骗走自己家人的,是一通听着就像亲生女儿在求救的电话。两年前,他妈妈接到一个显示为女儿号码打来的电话,那边传来”妈妈,他们抓住我了”的哭喊,紧接着一个男人威胁:不立刻转账 1200 美元,就把人扔在沃尔玛停车场。骗子连女儿常去的沃尔玛位置都报得一字不差。

    当时 Patrick 是思科安全产品的高级副总裁,天天跟国家级网络攻击打交道。可这一回,对手用的不是什么高深武器,只是几秒钟的公开音频,加上语音克隆和来电显示伪造。所幸老人家还算镇定,反手拨给女儿确认平安。虚惊一场,但这件事像根刺扎在他心里。

    以前这种级别的诈骗,成本高得只有政府和大企业才配当目标。现在 LLM 和生成式工具把门槛砸到了地板上,普通人成了猎物。

    AI 把”当骗子”的门槛砍没了

    Patrick 后来想明白了一件事:真正变的不是技术,而是犯罪的经济账。过去要骗一个人,得先做足功课、定制话术、搞到变声设备,投入产出比很低,所以骗子只挑肥羊。现在不一样了,他说,你用三秒钟的社交媒体音频就能克隆一个声音,研究材料随手可得,”造个骗子”的成本几乎归零。

    更让他担心的是另一层:当欺骗变得这么容易,不光是职业犯罪团伙进场,连普通人都会被拉下水。”我们其实是在批量制造骗子。”

    他们做的 App 长什么样

    这周,Patrick 和弟弟 Ryan 正式上线了 Savi Security 的 iOS 和 Android 应用。兄弟俩一个出身网络安全与国防(还在 Splunk、思科待过),一个做过消费者产品(苹果、Spotify),凑在一起就是冲着”用 AI 防 AI”去的。

    Savi Security 创始人 Patrick 与 Ryan Coughlin 兄弟
    Savi Security 创始人 Patrick 与 Ryan Coughlin 兄弟(图源:TechCrunch)

    应用能扫描短信、语音邮件和来电里的诈骗痕迹,最出彩的是实时通话监控:你正跟一个可疑电话聊着,可以一键把 Savi 的实时智能体拉进通话旁听,它会在对话进行中识别对方是不是在演戏。

    • 短信、语音邮件、来电三路筛查
    • 可疑通话中可接入实时 AI 旁听
    • 一个套餐覆盖全家,不限制人数,每月 8 美元(年付 63 美元)

    公司刚拿到 Acrew Capital 领投的 700 万美元种子轮,Magnify Ventures、TTCER 和 Resolute Ventures 跟投。说白了,这更像一代”AI 杀毒软件”:坏人也用 AI,防守方就得用同样的武器回敬。

  • OpenAI当年出价5亿没买下,如今它靠游戏录像训练机器人、估值23亿

    两年前,OpenAI 揣着 5 亿美元想买下 Medal——一个让玩家上传和分享游戏录像的平台,创始人 Pim de Witte 拒绝了。当时看有点莽。但到了 2026 年,de Witte 手里的 AI 公司 General Intuition 完成 3.2 亿美元 A 轮融资,估值冲到 23 亿美元,Khosla Ventures 领投,贝佐斯、前谷歌 CEO 施密特,以及 MIT 和 DeepMind 的研究人员都跟了进来。算上去年 10 月启动时的 1.34 亿,累计融资已经超过 4.54 亿。市场用真金白银证明了一件事:那堆游戏录像,比大多数人以为的值钱得多。

    用游戏数据训练机器人世界模型概念图
    用游戏数据训练机器人世界模型概念图(本文配图由 AI 生成)

    游戏画面里藏着什么

    General Intuition 的赌注听上去有点反直觉:用电子游戏里的人类操作记录,去教现实世界的机器人。它的训练数据来自 Medal 积累的数十亿小时游戏画面。但真正关键的不是画面本身,而是内嵌在每一帧里的”动作标记”——玩家在哪一刻按下了哪个键、做了什么决策。多数同行只靠视频去猜动作,而 de Witte 认为,拥有真实的人类操作数据,才是模型理解”自我”和”环境”分野、进而掌握因果关系的内核。

    de Witte 把公司的逻辑讲得很直白:”模型本身的泛化能力,就是产品。”他不想做机器人整机厂商,而是要成为别的机器人公司搭建产品时脚下的那块地基。

    8 分钟,让四足机器人学会走路

    传统机器人训练有两条老路:在真实环境里采数据,贵且慢;在仿真器里练,速度快却躲不开”仿真到现实的鸿沟”——你在 Unity 里训好的模型,放到真实地板和墙壁前常常像个路痴。General Intuition 把游戏数据当成连接两者的桥:先在海量游戏交互里学”物体怎么动、智能体怎么走、动作怎么改变状态”,再拿极少量的真实机器人数据做下游微调。他们演示过一台四足机器人,只经过 8 分钟真实世界微调,仅靠前置摄像头,就在有行人和动态障碍的办公室里零样本导航成功。

    • 领投方 Khosla 看中的是独有数据壁垒,以及”AI 直觉涌现”的愿景
    • de Witte 划下红线:不做任何用于伤害人类的自主武器
    • 目标是对标 NLP 的 GPT-3 之后——通用基座加轻量适配,取代每个任务单独训练

    有意思的是,当中国的人形机器人公司在拼命扩产量、把模仿学习的工业栈跑起来时,General Intuition 想走的是另一条路:卖”世界模型”这个软件层,而不是卖铁。这条路线能不能扛住工厂车间和客厅里那些充满摩擦、接触密集的真实物理,还得等它在同行评审的环境里被反复验证。但至少现在,顶级硅谷资本愿意为”通用世界模型”这个赌注下重注。