标签: AI

  • Meta盯上了印度:和信实联手建AI数据中心,全球算力竞赛新战场

    全球AI基础设施竞赛的下一个战场,在印度。

    Meta本周宣布,与印度信实工业(Reliance Industries)达成合作,将在古吉拉特邦的贾姆纳格尔建设一座168兆瓦的AI数据中心。这是Meta在印度的首笔AI基础设施投资,也是它与信实之间不断深化的合作关系的最新篇章。

    Meta AI数据中心
    Meta与Reliance合作在印度建设AI数据中心(图源:TechCrunch/Getty Images)

    为什么是印度

    印度正在成为AI基础设施投资的热土,原因不难理解:土地和能源成本相对低廉,政府拿出真金白银的优惠政策,而且本土的数据中心市场本身也在快速增长。

    印度政府推出政策,对境外云服务商出售给海外客户的服务提供税收豁免,有效期一直到2047年——前提是这些算力负载必须运行在印度境内的数据中心里。

    这条政策直接促使各大科技巨头把AI算力搬到印度。微软承诺2029年前在印度投资175亿美元,亚马逊追加350亿美元(累计达到750亿),谷歌砸了150亿美元建设AI基础设施枢纽,OpenAI也通过与塔塔合作锁定了100兆瓦的容量,目标直指1吉瓦。

    这座数据中心有什么特别的

    贾姆纳格尔的这座设施计划两年内建成,后续还可以继续扩容。它有两个亮点:全部使用可再生能源供电,冷却系统用的是淡化海水——这在缺水地区是个非常务实的设计。

    Meta将租赁这座设施的计算容量,并承担全部能源和水资源成本。信实方面负责从设计、建设到运营的一条龙服务,看得出这家印度财团想在AI基础设施领域做”全能供应商”的野心。

    • 容量:168兆瓦,可后续扩容
    • 建成周期:2年
    • 能源:100%可再生能源
    • 冷却:淡化海水
    • Meta额外在印度签约了近1吉瓦的新增可再生能源产能

    印度数据中心的爆发式增长

    如果把视野拉大,这座168兆瓦的数据中心只是印度AI基础设施大爆发的一个缩影。根据政府数据,印度已安装的数据中心容量从2020年的约375兆瓦,增长到2025年的约1.5吉瓦。行业预计,到2030年这个数字将超过8吉瓦,增长超过5倍。

    除了全球科技巨头,印度本土的阿达尼集团承诺投入1000亿美元建设AI数据中心,塔塔咨询服务公司也拿出了20亿美元的计划。AirTrunk(被黑石支持)更是宣布将投资300亿美元,在印度建设5吉瓦的AI数据中心容量。


    回过头看,Meta和信实的合作其实早在2020年就埋下了种子——当时Meta向信实旗下的Jio平台投资了57亿美元。此后双方从电信和消费互联网,一路合作到了企业AI解决方案,现在又延伸到了AI基础设施。这种”由浅入深”的打法,值得所有想进入新兴市场的科技公司参考。

  • 公司在AI上烧的钱快赶上工资了,但这只是开始

    英伟达的一位高管最近说了句大实话:在他们公司,计算成本已经超过了员工的薪资。无独有偶,初创公司Mercor的CEO也透露,他们在内部AI智能体上消耗的token费用,已经比给员工发工资还多了。

    这听起来有点夸张,但一份刚出炉的报告让我们有机会看看,普通公司在AI上到底花了多少钱。

    Ramp AI Index追踪了美国企业的AI采用情况。数据显示,排名前1%的”AI沉迷”(AI-pilled)企业,每个月在每个员工身上的AI支出是7500美元。

    这个数字到底算高还是低

    7500美元听起来很吓人,但对比一下就知道——美国软件工程师的月薪平均大概是16000美元。也就是说,即使是最疯狂用AI的那批公司,花在AI上的钱还没到给一个工程师发工资的水平。

    当然,这只是前1%的极端情况。如果把范围扩大到前10%,人均AI支出就骤降到611美元每月。而所有企业的中位数,更是只有11.38美元——差不多就是买一个企业版AI订阅的钱。

    AI计算成本
    计算成本已成为部分企业的最大支出项(图源:TechCrunch/Getty Images)

    “AI沉迷”企业还在加速花钱

    尽管绝对数额还不至于超过人力成本,但增长速度值得关注。在那些”AI沉迷”企业里,上个月人均AI支出增长了14.1%。

    这些重度用户通常会混用多个前沿模型和平台,同时搭配更便宜的开源模型来压低成本。这种”多模型套利”的策略,可能是未来企业AI采购的主流做法。

    • 前1%企业:人均月AI支出7500美元
    • 前10%企业:人均月AI支出611美元
    • 全企业中位数:11.38美元(约等于一个企业版订阅席位)
    • AI沉迷企业上月支出增速:14.1%

    这场”AI军备竞赛”才刚刚开始。对企业来说,真正的挑战不是要不要上AI,而是在疯狂烧钱之前,想清楚到底要拿AI来做什么。毕竟,token是要花钱买的,而投资回报什么时候能回来,现在还没人说得准。

  • Anthropic秘密递交IPO招股书,估值6.5万亿超越OpenAI登顶全球第一

    Anthropic又赢了对OpenAI的一次竞赛。

    当地时间6月1日,这家由OpenAI前员工创立的大模型公司宣布,已秘密向美国证券交易委员会(SEC)递交S-1招股书,计划推动公司公开上市。Anthropic、OpenAI和SpaceX都在加速推进IPO,但Anthropic抢先迈出了正式的一步。

    更引人注目的是估值。Anthropic以9650亿美元(约6.5万亿人民币)的估值,超越了OpenAI的8520亿美元,正式登顶全球估值最高的AI创业公司。从成立到即将上市,Anthropic只用了5年多。

    Anthropic IPO
    Anthropic估值达9650亿美元,超越OpenAI成为全球最有价值的AI创业公司(图片来源:新浪财经)

    兄妹联手,从OpenAI出走创业

    Anthropic的创立故事要从2021年初说起。当时,Dario Amodei和妹妹Daniela Amodei对公司发展方向产生了分歧——他们觉得OpenAI加速商业化的同时,对AI安全的重视程度在下降。

    两人在OpenAI的履历都很亮眼。Dario负责公司安全并带领团队研发了GPT-2和GPT-3,Daniela则做到负责安全和政策的副总裁。感受到分歧不可调和后,他们决定离开,创办一家真正把AI安全放在首位的公司。

    Tom Brown、Jack Clark、Jared Kaplan等OpenAI前员工也抱着类似的想法纷纷离职,成为Anthropic的创始团队成员。公司名字”Anthropic”本身就有”与人类有关”的含义,定位很明确:做一家AI安全和研究公司,致力于构建可靠、可解释和可控的AI系统。

    做企业生意,Claude悄悄追上了GPT

    与OpenAI通过ChatGPT主攻C端用户不同,Anthropic凭借Claude聚焦于企业客户。这个选择让他们的商业化路径更稳健。

    2023年3月,Anthropic发布了AI对话系统Claude,随后加速迭代。Claude 3系列首次引入了多模态功能,能够处理和分析文档、图像、视频等数据类型。不久前发布的Claude Opus 4.8在编程、智能体能力、逻辑推理等测试中,多项能力已经超越OpenAI的GPT-5.5。

    API价格没有跟着能力提升而上涨,输入Token和输出Token的价格每百万个分别为5美元和25美元。市场对Claude的认可度很高,直接让Anthropic的年化收入一路猛涨。

    收入三年涨近5000倍

    Dario Amodei说过一句话:Anthropic自获得第一笔收入以来,每年收入增长约10倍。2022年ARR约1000万美元,2024年12月达到约10亿美元,2026年5月初突破470亿美元。

    更关键的是盈利前景。Anthropic预测有望在2026年二季度首次实现运营盈利,利润约5.59亿美元。相比之下,OpenAI预计即便到2028年营收大幅增长,当年仍将亏损850亿美元,到2030年才可能实现整体盈亏平衡。

    也就是说,这家由OpenAI前员工创立的公司,大概率将比OpenAI更早实现盈利。

    融资狂飙,估值5年涨到6.5万亿

    Anthropic的融资历程堪称狂飙。2023年2月谷歌投资3亿美元,9月亚马逊投资40亿美元,谷歌又追加20亿美元。2025年3月,他们从Lightspeed、贝西墨风投等手中拿到35亿美元,估值615亿美元——当时还远远落后于OpenAI。

    真正的爆发在2026年。2月,这家公司获得新加坡政府投资公司、Coatue、谷歌、亚马逊、红杉资本、淡马锡、微软、英伟达等投资的300亿美元。3个月后完成650亿美元H轮融资,投资方包括Altimeter Capital、Dragoneer、Greenoaks、红杉资本、黑石、DST Global、亚马逊、美光、三星、SK海力士等等。

    估值从3800亿美元飙升到9650亿美元,Anthropic正式超越OpenAI,成为全球估值最高的AI创业公司。

    AI造富狂潮才刚刚开始

    Anthropic上市之后,Dario和Daniela等七位联创每人持股价值将达到约80亿美元,同时成为全球500强富豪。

    这波AI造富浪潮不只发生在美国。国内智谱和MiniMax在2026年1月上市后,股价长期猛涨。智谱市值一度逼近9000亿港元,MiniMax曾登顶港股第一高价股。按照当前市值计算,两家公司的员工持股市值均达到百亿港元级别,一批AI从业者已经实现财富自由。

    Anthropic的IPO,只是2026年AI造富狂潮的一个缩影。SpaceX预计于6月12日上市,募资750亿美元,对应市值1.77万亿美元。OpenAI也在推进IPO。这三家巨头一旦集体登陆资本市场,合计募资规模将超过2000亿美元。

    AI的造富效应还在加速。或许用不了多久,又有一批AI从业者将实现财富自由。

  • 苹果WWDC26:库克谢幕演出,Siri终于用上了Gemini

    2026年6月9日凌晨,苹果全球开发者大会在Apple Park正式开幕。这是蒂姆·库克作为CEO主持的最后一届WWDC——他自己大概也没想到,告别演出会赶上苹果软件史上最大的一次AI转型。

    整场发布会没有发布任何硬件,但软件层面的变化堪称近年来最具野心的一次。iOS 27、iPadOS 27、macOS 27、watchOS 27、visionOS 27全部亮相,AI渗透进了系统的每一个角落。苹果用一整场发布会宣告:AI时代,它不会再缺席。

    苹果WWDC26发布会
    苹果WWDC26:AI全面渗透苹果生态(图片来源:中关村在线)

    Siri终于像个现代AI了

    Siri从2011年推出到现在,用户体验一直停留在”能听懂话但不够聪明”的阶段。这次,苹果把它彻底重做了。

    新Siri不再是一个弹窗助手,而是以独立App的形式亮相,交互方式全面向ChatGPT这样的聊天机器人靠拢。背后用的是苹果与谷歌合作定制的Gemini模型(国行用户暂时还用不了)。

    三大核心能力值得一提:跨应用操作、屏幕感知、个人情境理解。唤醒Siri后,灵动岛会自动扩展显示”Search or Ask”提示,从屏幕顶部下滑就能触发全局搜索。你还可以把ChatGPT、Claude等第三方AI设为默认引擎——苹果管这个叫”模型自由”。

    照片编辑被AI彻底改造

    相机App里新增了一个”Siri模式”,跟拍照、视频等模式并列,用来快速调用Apple Visual Intelligence视觉智能功能,比如识别植物、翻译文字、读取营养标签、从名片上抓取联系信息。

    相册应用新增了三个AI工具:Extend可以智能扩图,自动把照片边界向外推,用AI生成的内容填充新区域;Reframe让你按住拖动主体就能改变照片的透视和构图;CleanUp消除功能也大幅重建,之前用户抱怨的物体去除不干净的问题,这次基本解决了。

    你甚至可以用语音或文字指令修改图片局部,比如”给蛋糕加几根蜡烛”——Siri听得懂,也改得出来。

    Apple Intelligence的写入,让照片编辑从”手动工具操作”变成了”用自然语言对话”。

    性能提升是实打实的

    苹果宣称iOS 27精简了冗余代码,内存占用减少20%,日常续航延长1至2小时。应用启动速度提升30%,照片在图库中的显示速度提升70%,隔空投送速度提升80%。

    macOS 27代号”GoldenGate”,一个标志性的变化是停止对Intel架构Mac的支持——Intel Mac正式走入历史。视觉上延续了液态玻璃设计语言,但新增了系统级透明度调节滑块,用户可以在完全不透明和半透明磨砂效果之间自由调节。

    手表和头显也没落下

    watchOS 27最大的看点是AI与健康监测的深度融合。高血压风险预警功能已经进入FDA审批流程,Siri在手表端的上下文理解能力也明显增强。苹果还计划推出”Health+”付费健康订阅服务,用AI深度分析Apple Watch和iPhone的健康数据。

    visionOS 27相对保守,以稳定性和性能优化为主。最大的变化是Siri在visionOS中以球体形态呈现,用户看向它就可以提问。


    大会主题叫”先来曝点光”。从Siri的彻底重生到相机的全面AI化,从照片编辑的智能化到系统性能的全面提速——苹果用这场发布会证明,它正在把AI推到每一个用户触手可及的地方。

    库克时代的最后一次WWDC,苹果选择用AI照亮下一个十年。

  • 亚马逊员工倒戈了:请西雅图暂停新建数据中心,别为了AI烧了这座城市

    有时候抗议数据中心的不是环保组织,而是数据中心自己家的员工。最近西雅图发生的一件事让这个矛盾摆到了台面上:亚马逊的员工公开站出来,支持西雅图市议会对新建数据中心实施一年暂停令的提案。

    369兆瓦是什么概念

    先说一下背景。几个月前,四家公司向西雅图提交了我们新建5个大型数据中心的计划。根据《西雅图时报》的数据,这5个数据中心的最大用电需求加起来是369兆瓦——大约是西雅图日均用电量的三分之一。建成后,它们的耗电量将是西雅图现有30个数据中心总耗电量的10倍。

    西雅图市议会2026年6月9日对此进行投票。如果暂停令通过,所有新的大型数据中心提案将被搁置一年,期间市政府可以研究相关立法,把规则制定权拿回到自己手里。

    数据中心建设抗议
    AI数据中心建设在全美各地引发抗议丨来源:The Verge

    亚马逊员工说了什么

    在西雅图土地利用和可持续发展委员会的听证会上,几位亚马逊现任软件工程师的发言相当直接。Liesl Wigand是”亚马逊气候正义员工”组织的成员,这个组织由亚马逊现任和前任员工组成,致力于推动气候议题。她说到自己在工作中亲眼看到不计成本推进AI建设的后果:

    “最大的问题是大家认为AI可以解决一切问题,却完全忽略了它要消耗的资源。这种文化在科技行业无处不在。不要为了赢得AI竞赛让大科技烧了西雅图。”

    另一位亚马逊软件工程师Patrick Schloesser则提出了更具体的诉求:开发商不得用保密协议(NDA)和空壳公司隐瞒身份;每个开发商必须为区域电网提供100%新增可再生能源;如果进行裁员就要被征税;还需要设立向城市汇报的员工主导安全委员会。

    他引用报告称,亚马逊今年资本支出达2000亿美元,微软达1900亿美元,其中大部分指定用于AI和数据中心。与此同时,亚马逊过去8个月已经在公司办公室裁员3万人。”这告诉我,大科技正不顾一切地尽可能快地建设尽可能多的算力。这种迫切性给了我们的城市谈判筹码。”


    这不是孤例

    西雅图这件事不是第一个。数据中心在美国各地都已经引发了抗议,核心关切无非三个:水资源消耗、当地电价上涨、噪音问题。就在前不久,纽约州立法机构刚刚投票通过了一年期大型数据中心建设禁令,目前已经提交给州长签署。

    听证会上还有发言者播放了录音,证明数英里外就能听到数据中心的噪音。也有人提到近年来数据中心导致他们的电费上涨,以及西雅图的无家可归者数量在2024年以来显著增长,住房负担能力危机仍在恶化。

    一位要求匿名的亚马逊前员工告诉The Verge,公司正在”不顾一切地推进”数据中心建设,完全没有征求员工或建设所在地社区的意见。”我们真的有机会利用这个暂停的时间,说清楚如果这是我们未来要共存的科技,我们怎么才能让它真正让基础设施和科技本身惠及民众,而不是只让财富集中在少数科技亿万富翁手里?”

    这件事值得关注的原因

    科技公司的员工公开反对自己公司的基础设施扩张,这种事并不多见。它反映出一个更深层的矛盾:AI竞赛的代价正在从抽象的数字变成具体的、本地化的成本,而且这些成本不一定由享受AI服务的人来承担,而是由数据中心所在地的居民来承担。

    西雅图市议会的投票结果目前还没有最终确认,但这件事本身已经足够说明问题了。AI的基础设施扩张不会是一路绿灯,未来类似的摩擦只会越来越多。

  • 这家AI公司说自己的世界模型能模拟真实驾驶,但跑着跑着纽约就消失了

    AI初创公司Decart本周发布了Oasis 3,一个声称能实时生成照片级真实驾驶环境的世界模型。TechCrunch提前拿到了独家信息,我仔细读完了整篇报道,感觉这个故事比标题看起来复杂得多。

    世界模型到底是什么

    先解释一下背景。所谓”世界模型”,简单说就是AI学会了对物理世界的运行规律建模,给它一个文本提示,它能生成一个你可以交互的虚拟环境。这东西在自动驾驶仿真、机器人训练这些领域有很大价值——你可以用它低成本地生成各种罕见的驾驶场景,不用真的去马路上冒险。

    Decart的Oasis 3主打的就是这个方向。他们声称这个模型能生成物理准确、多摄像头(一个前置加两个侧置)的驾驶环境,而且可以无限生成场景。目前通过API对外提供,定价是每秒0.02美元。

    Decart Oasis 3 世界模型演示
    Decart Oasis 3 生成的照片级真实驾驶场景丨来源:TechCrunch

    理想很丰满,现实有点骨感

    TechCrunch的记者亲自测试了Oasis 3,结果发现的问题还不少。最明显的一个:你让模型生成一个”早晨的纽约市街道”,它确实能跑出来,看起来挺像那么回事。但你往前开个一阵子,周围的场景就开始走样了,越来越不像纽约,最后变成了”任何一个西方城市的普通版本”。

    当你试图掉头回到最开始的那个路口时,你会发现它已经消失了,取而代之的是一个全新的环境。整个体验不像一个连贯的模拟,更像是一个梦幻般的、脱节的意识流。

    还有一个更基础的问题:物理一致性。在Oasis 3生成的世界里,汽车会直接穿过其他汽车,就像幽灵一样。Decart的CEO Dean Leitersdorf承认这是一个”正在破解的重大研究问题”,原因是”关于良好驾驶的数据远远多于事故数据”——模型没见过足够的事故场景,所以学不会避让。

    为什么效率这么高

    尽管有上述问题,Decart在技术效率上确实有两把刷子。他们的DOS(Decart优化栈)软件能让模型在英伟达、亚马逊和谷歌的硬件上高效运行,声称运行成本比竞争对手低一个数量级以上。

    Leitersdorf甚至说,公司整个生命周期的烧钱额”远低于”1亿美元。考虑到他们刚刚完成3亿美元融资、估值接近40亿美元,投资方里还有丰田、Adobe、eBay和英伟达,这个烧钱速度在今天的AI初创圈里确实算克的。


    拥挤的赛道

    世界模型这个方向现在挤得不行。谷歌今年1月发布了Genie 3的研究预览版,李飞飞的World Labs推出了商用产品Marble,Luma和Runway这些视频生成公司也在把他们的技术往世界模型方向转。Decart的差异化策略是:从第一天就开放API,让开发者在上面构建应用——这个玩法确实有点像OpenAI当年对LLM做的事。

    目前Decart已经积累了超过10万名开发者的社区,很多人用他们的实时视频模型Lucy在做电子商务和直播相关的产品。Oasis 3发布之后,这个社区规模大概率还会涨。

    至于世界模型什么时候能真正可靠到可以替代真实路测,现在还没人能给出确切答案。Decart说下一个版本会允许用户基于视频(而不是图片)来生成世界,这可能会改善一致性问题。但从根本上说,这个世界模型还是一个自回归系统——一次生成一帧,然后看之前生成了什么来决定下一帧,这个架构本身就很吃算力,要保持长时间的一致性非常难。

  • AlphaFold 3再突破:预测精度接近实验级,新药研发周期有望缩短一半

    AlphaFold 3再突破:预测精度接近实验级,新药研发周期有望缩短一半

    之前总觉得AI搞生物制药是个噱头,直到看到AlphaFold 3的最新数据,才发现这个技术已经真的在改变新药研发的节奏了。这个由DeepMind开发的AI工具,从2024年发布到现在,已经把蛋白质结构预测的精度做到了接近实验级的水平,2026年的最新数据显示,它的预测精度已经达到了0.8Å(埃),只比X射线晶体学的0.7Å差一点点。

    AlphaFold 3在PoseBusters蛋白-配体对接基准测试中,比最优传统物理方法精度高50%;蛋白-配体对接准确率达76.4%,较此前方法提升1.8倍。
    ——来源:《Frontiers in Artificial Intelligence》2026年4月综述文章

    从“猜结构”到“直接看结构”

    以前生物学家要解析一个蛋白质的3D结构,要么用X射线晶体学,要么用冷冻电镜,少则几个月,多则好几年,成本还高得离谱。AlphaFold 3直接把这个流程搬到了电脑上,只要知道蛋白质的氨基酸序列,几个小时就能得到高精度的3D结构,精度还接近实验级。

    更厉害的是,它不只是能预测单个蛋白质的结构,还能预测蛋白质和其他生物分子的相互作用,比如和DNA、RNA的结合方式,和药物小分子的对接模式,这些刚好是新药研发最核心的需求。之前很多难成药的靶点,比如结核分枝杆菌的营养摄取蛋白,还有人类核孔复合物,结构一直解析不出来,现在用AlphaFold 3都能拿到高精度模型,相当于给生物学家配了一个透视镜,能直接看到分子层面的相互作用。

    已经有很多药企在用,研发周期缩短一半

    现在全球已经有超过200万科研人员在使用AlphaFold数据库,里面包含了2.14亿条预测结构,几乎覆盖了所有已知蛋白序列。很多药企已经把它用到了实际研发流程里,比如针对癌症、阿尔茨海默病的新药研发,原来从靶点发现到拿到临床候选分子要花5-10年,现在用AlphaFold 3辅助,这个时间有望缩短一半。

    2024年AlphaFold的开发者还拿了诺贝尔化学奖,也算是对这个技术的最高认可。不过它也不是万能的,比如还不能预测蛋白质的动态变化,很多蛋白质在发挥作用的时候会变形,AlphaFold 3现在只能预测最稳定的那个构象,对内在无序蛋白的预测精度也不高,这些都需要后续的技术迭代来解决。

    • 大幅降低蛋白质结构解析成本,从几年缩短到几小时
    • 覆盖几乎所有已知蛋白序列,消除“暗蛋白质组”
    • 辅助新药研发,缩短临床前研发周期
    • 推动合成生物学发展,助力新型功能蛋白设计
    AlphaFold系列发展时间线
    AlphaFold系列从2018年到2026年的核心技术发展时间线

  • Meta雷朋智能眼镜卖爆了:2025年销量700万副,是之前两年总和的三倍多

    Meta雷朋智能眼镜卖爆了:2025年销量700万副,是之前两年总和的三倍多

    去年逛街的时候还觉得戴智能眼镜的人都是科技圈的尝鲜者,今年再看身边戴雷朋Meta眼镜的朋友已经不止一两个了。之前大家总觉得智能眼镜是个小众玩意儿,直到Meta交出去年的销量成绩单——2025年全年卖了700万副,是2023和2024两年总和的3倍还多,这个数字连他们自己可能都没想到。

    2025年全年Meta AI眼镜(含雷朋、Oakley品牌)总销量超700万副,2023-2024两年合计销量仅200万副,2025年销量同比增长超200%。
    ——来源:EssilorLuxottica 2025年第四季度财报

    为什么突然卖这么好?

    说起来也不复杂,之前的智能眼镜要么长得像科幻片里的道具,戴出去太扎眼,要么功能鸡肋,除了拍个照没什么用。Meta和雷朋合作出的这款就不一样,外观和普通的雷朋眼镜几乎没差别,别人根本看不出来你戴的是智能设备。功能也实在,想拍照按一下镜腿就行,不用掏手机,出国旅游的时候实时翻译直接传到耳朵里,问个天气、设个提醒动动嘴就搞定,这些功能刚好踩中了大家的日常需求。

    更关键的是价格够亲民,基础款只要299美元,和一副普通的高端眼镜差不多,大家尝鲜的门槛低了很多。

    产能跟不上,国际版推迟发布

    卖得太好也有幸福的烦恼,Meta之前计划2026年初把799美元的Ray-Ban Display款智能眼镜推到国际市场,结果美国市场本身就供不应求,只能推迟国际版的发布计划,优先保美国市场的供应。现在Meta和EssilorLuxottica正在谈2026年的产能目标,打算把年产能提升到至少2000万副,比现在翻了一倍还多。

    两家公司的合作也已经签到了2030年代,接下来还会推出和Oakley合作的运动款智能眼镜,瞄准运动人群的市场。对比之下,苹果的智能眼镜还没见着实物,Meta已经把市场占住了。

    • 外观和传统眼镜差异小,日常佩戴不突兀
    • AI功能实用,覆盖拍照、翻译、语音助手等高频场景
    • 雷朋品牌背书,消费者接受度高
    • 价格亲民,基础款和高端普通眼镜价格相当
    Meta Ray-Ban第二代AI智能眼镜
    Meta Ray-Ban第二代AI智能眼镜,支持手势操控和单镜片显示屏

  • 【开源推荐】Goose:48.7K+ Stars!Linux Foundation 开源AI智能体,会动手的编程助手

    【开源推荐】Goose:48.7K+ Stars!Linux Foundation 开源AI智能体,会动手的编程助手

    Goose Logo

    Goose – 开源AI智能体 · Linux Foundation AAIF

    📦 项目简介

    Goose(鹅)是 Linux Foundation 下属 Agentic AI Foundation (AAIF) 推出的开源原生 AI 智能体,提供桌面应用、CLI 命令行、HTTP API 三种使用形态,支持接入 15+ 主流大模型,通过 MCP 协议可扩展 70+ 工具能力。核心引擎使用 Rust 构建,兼具高性能与内存安全。

    48.7K+
    GitHub Stars

    5.1K+
    Forks

    3
    使用形态

    70+
    MCP 扩展工具

    ⚙️ 安装要求和过程

    环境要求

    • 支持 macOS / Linux / Windows 三大平台
    • 桌面版:下载安装包直接安装,无需额外依赖
    • CLI 版:支持 Shell 一键脚本安装,或手动下载二进制文件
    • API 版:支持 Docker 部署,可嵌入任意应用
    • 网络要求:需能访问所配置的大模型 API 端点

    快速安装 · CLI 版(推荐开发者)

    # macOS / Linux 一键安装
    curl -fsSL https://github.com/aaif-goose/goose/releases/download/stable/download_cli.sh | bash
    
    # 验证安装
    goose --version
    
    # 交互式配置大模型
    goose configure
    
    # 启动对话
    goose start
    
    # 查看帮助
    goose --help

    桌面版安装

    # 1. 访问官网下载页面
    https://goose-docs.ai/docs/getting-started/installation
    
    # 2. 选择对应平台(macOS / Windows / Linux)
    # 3. 下载安装包,按引导完成安装
    # 4. 首次启动会引导配置大模型服务商和 MCP 扩展

    🚀 核心功能

    🖥️ 三合一使用形态

    同时提供桌面应用(GUI图形界面,适合日常使用)、CLI 命令行(适合开发者终端集成)、HTTP API(适合嵌入应用或自动化流程)三种方式,覆盖从个人到企业的全场景需求。

    🤖 15+ 大模型服务商支持

    兼容 Anthropic (Claude)、OpenAI (GPT)、Google (Gemini)、Ollama (本地模型)、OpenRouter、Azure、AWS Bedrock、Groq 等 15+ 主流大模型平台,灵活切换,按需选择,API Key 或已有订阅均可接入。

    🔌 MCP 协议扩展(70+ 工具)

    基于 Model Context Protocol (MCP) 开放标准,可接入 70+ 扩展工具,包括文件系统操作、数据库查询、Web 搜索、Git 操作、Slack/飞书消息等,让智能体能力无限延伸。

    🏗️ Rust 高性能核心

    核心引擎使用 Rust 编写(代码占比 64.3%),内存安全、运行高效,支持长时间稳定运行。前端界面使用 TypeScript(29.2%),兼顾性能与开发效率。Apache 2.0 开源协议。

    📦 自定义分发

    支持基于 Goose 构建自定义分发版本,可预配置大模型服务商、MCP 扩展、品牌信息,适合企业内部分发或构建专属 AI 助手产品。

    💡 典型使用场景

    场景一:AI 辅助全栈开发

    在 CLI 模式下,Goose 可以直接参与代码编写、调试、测试、依赖管理全流程。例如对它说”帮我给这个项目加上 Redis 缓存,需要修改哪些文件,依赖怎么装”,它会读代码、写代码、改配置、告诉你步骤,一条龙搞定。相比 GitHub Copilot 只做代码补全,Goose 可以自主执行命令、创建文件、运行测试,是一个真正能”动手”的编程助手。

    场景二:研究 & 自动化工作流

    配置好 Web 搜索和文档读取的 MCP 工具后,Goose 可以自动完成资料检索、信息汇总、方案对比等研究任务。例如:”帮我调研 Rust 中所有成熟的向量数据库 crate,对比性能和易用性,给出推荐”,Goose 会自动搜索、阅读文档、整理对比表格,最后输出一份完整报告。

    场景三:企业知识库问答助手

    通过自定义分发功能,企业可以基于 Goose 构建内部 AI 助手,接入私有知识库(Confluence、Notion、内部 Wiki、向量数据库等),让员工用自然语言查询公司规范、技术文档、HR 政策等,且所有数据留在企业内部,满足合规要求。

    ✨ 推荐理由

    Goose 最打动我的一点是它的「真正可执行」能力——不是只给你建议,而是真的能动手帮你做。装好之后,我跟它说”帮我给这个项目加上 Redis 缓存”,它真的会读代码、写代码、改配置、告诉我还需要装什么依赖,一条龙搞定。

    另一个亮点是不绑定任何一家大模型厂商。你可以今天用 Claude,明天换 Gemini,后天试 Ollama 本地模型,配置随时切换,数据都在自己手里。加上 MCP 协议的支持,扩展能力几乎是无限的。

    作为 Linux Foundation 旗下的开源项目,Goose 的代码完全透明,社区活跃,迭代迅速。如果你在找一个能真正帮你干活的 AI 助手,而不是只会聊天的玩具,Goose 绝对值得一试。

    技术栈:Rust (64.3%) · TypeScript (29.2%) · JavaScript (1.6%) |
    协议:Apache 2.0 |
    组织:Linux Foundation AAIF |
    今日 Trending:GitHub 日榜
  • 谷歌把300万颗AI芯片订单交给英特尔,台积电一家独大的日子可能要到头了

    据《The Information》报道,谷歌近期向英特尔下达了一份重量级订单:在2028年前生产超过300万颗谷歌自研的TPU芯片(张量处理单元)。消息一出,英特尔股价早盘一度飙升逾10%,最终仍上涨9%,领涨整个芯片板块。

    这不是一笔普通的采购合同,而是AI芯片代工格局正在发生微妙变化的一个信号。长期以来,台积电几乎吃下了所有高端AI芯片的代工订单,谷歌的TPU、英伟达的GPU,绝大部分都产自台积电的产线。现在,这种一家独大的局面开始出现裂缝。

    台积电的产能紧缺,逼着谷歌和英伟达开始认真考虑”备份方案”。英特尔想借这个机会,把流失给台积电的代工霸主地位抢回来。

    为什么是现在?

    谷歌不是一时兴起。据报道,谷歌对英特尔的制造技术进行了数月的技术测试,才最终决定把部分TPU订单交给英特尔。背后直接的原因是:台积电的产能已经紧张到无法满足需求了。AI芯片的需求爆炸式增长,台积电的先进制程产线排期排到了天边,谷歌担心把自己的芯片未来全部押在台积电身上风险太大。

    英特尔这边,新任CEO陈立武上台后推动的复兴计划终于开始显出成效。上个月英特尔发布的销售收入指引远超华尔街预期,股价也创下历史新高。特朗普政府也在背后推了一把——有美国官员表示,政府正积极推动为英特尔争取更多商业订单,这背后有产业链本土化的战略考量。

    英伟达也在悄悄测试英特尔

    谷歌不是唯一一个在和英特尔搭话的AI芯片公司。据报道,英伟达也在测试英特尔的制造技术,评估是否用于生产一款将四颗GPU整合封装的新型处理器。这款产品的设计目标是提升整体计算性能,如果英特尔的工艺过关,英伟达也可能成为英特尔代工业务的客户。

    特斯拉也来凑热闹。马斯克今年4月表示,特斯拉的”Terafab”项目计划使用英特尔下一代14A制程生产芯片,这座先进AI芯片制造基地打算落地奥斯汀。


    英特尔能接住这波机会吗?

    话说回来,英特尔能不能真正承接住这些高端订单,还是个问号。台积电在先进制程上的领先优势不是一朝一夕能追上的,英特尔的工艺良率和产能爬坡能力还需要市场验证。但方向已经很明确了:AI芯片设计公司不想被台积电”卡脖子”,英特尔需要这些订单来实现复兴,双方各取所需。

    对于整个AI产业链来说,代工环节的多元化是好事。竞争能让价格更合理,也能让芯片设计公司有更多议价权。只是台积电这么多年的技术积累和市场地位,不是几笔订单就能撼动的——这场代工之战,才刚刚开始。