YOHO AI

标签： AI

  • 【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。

  • 伦敦AI初创公司拿到3亿美元，它要让工业仿真从几天缩到几秒钟

    伦敦一家叫PhysicsX的AI初创公司刚完成3亿美元C轮融资，投后估值24亿美元。领投方是新加坡主权基金淡马锡，跟投名单里出现了英伟达、西门子这些工业巨头。这家公司做的事听起来很硬核：用AI加速工业仿真，把原本需要几天甚至几周的工程计算压缩到几秒钟。

    工业仿真为什么慢？

    造飞机、造芯片、造能源设备之前，工程师得先用计算机模拟一遍物理过程——风怎么吹过机翼、热怎么在芯片里散掉、流体怎么在管道里流动。传统方法靠求解复杂的偏微分方程，算一次可能要跑好几天，工程师等结果等到花都谢了。

    更头疼的是，每次设计改动都要重新跑仿真。一个飞机机翼的设计迭代几十个方案是家常便饭，按传统方法，一个团队一个月能跑完的仿真数量是有限的，这就是工业研发的核心瓶颈之一。

    仿真速度直接决定了硬件产品的迭代节奏。谁能算得更快，谁就能在设计上跑在前面。

    PhysicsX的做法：把物理规律教给神经网络

    PhysicsX训练所谓的”大物理模型”（Large Physics Model），把物理规律编码进神经网络。一旦模型训练好，预测物理行为就变成了一次前向推理，几秒钟就能出结果。原来工程师每个设计周期只能跑少量仿真，现在可以高强度迭代。

    这轮融资里，英伟达和西门子作为战略投资者进场，给PhysicsX贴了金。英伟达需要证明自己的芯片不仅能训练大语言模型，也能跑工业AI；西门子则是全球最大的工业软件公司之一，它看中PhysicsX的技术能整合进自己的数字孪生平台。

    钱往哪里流，风向就往哪里吹

    淡马锡其实在2025年就投过PhysicsX，这次继续领投，说明主权基金对”AI+重工业”这个方向的押注不是玩票。PhysicsX的客户和收入在过去一年都翻了一番，说明工业AI不是PPT阶段的故事，有真实付费客户在用。

    公司计划用新资金开发能处理多相流体动力学、热力学、结构分析的更大型模型，同时把生意做到全球。航空航天、半导体、能源、国防，都是仿真需求极其旺盛、但传统方法效率极低的行业。

    挑战也不少

    工业场景对准确性的要求极其苛刻，仿真结果差之毫厘，造出来的东西可能直接报废。”大物理模型”能不能在保持速度的同时做到足够的精度，是PhysicsX必须回答的问题。

    此外，西门子、ANSYS这些传统工业软件巨头也不会坐视不理，它们有钱有客户，挖人加功能都比初创公司容易。但无论如何，3亿美元砸进来，说明资本市场认准了一件事：AI进工厂、进实验室、进设计办公室，这条路是通的。PhysicsX能不能成为工业AI领域的标杆，未来几年见分晓。

  • 苹果这回在AI上走得慢，但看起来它可能是最聪明的那个

    过去几年，苹果在AI军备竞赛里一直被唱衰。外界说它没战略、掉队了、再不发力iPhone销量就要出问题。结果这回Siri AI一发布，局面好像有点不一样了。

    Apple Siri AI 使用场景
    Siri AI 是苹果迄今最大规模的AI功能发布 | 图源：TechCrunch

    这次更新的核心是把新的自动化能力（由谷歌Gemini提供支撑）嵌进苹果软件的底层的架构里。新Siri可以翻你收件箱和聊天记录找信息，也能”看”你当前屏幕上的内容来给建议，还能借助Gemini从网上拉实时信息直接推到你设备上。

    苹果在打一张不一样的牌

    苹果软件工程高级副总裁克雷格·费德里吉在发布活动上说了一段挺有意思的话：”有些公司看起来在全力冲刺，似乎是为了AI而做AI，完全不考虑AI最终要服务的对象——也就是我们所有人。”

    这话虽然没点名，但意思很明白：苹果要做的是站在用户这边的AI。这个定位不是空口说白话——民调显示公众对AI的态度越来越负面，大家担心失业、担心认知能力下降，苹果把自己放在”懂你顾虑”的位置上，和其他AI公司形成了鲜明反差。

    对比一下就清楚了：OpenAI迭代速度极快，但一直没搞清楚自己到底要服务哪些客户，在消费者和企业客户之间反复横跳；Meta往AI里砸了巨额资金，但从来没说清楚AI和它核心的广告业务到底怎么联动。

    花钱更少，赚得更多

    苹果这招最聪明的地方在于：它根本不需要什么爆发式的AI战略。上一财季iPhone销量创下历史最高纪录，而苹果今年计划的资本支出约140亿美元——相比之下，其他科技巨头累计承诺的AI相关资本支出高达9000亿美元。

    苹果还在从那些通过App Store分发应用的AI公司手里收”苹果税”。投入比竞争对手少得多，赚得却一点不少，现在还顺手推出了一套用户体验和其他AI应用差不多的AI功能——如果这算不上”赢得AI竞赛”，那也可能是参与这场竞赛最聪明的方式。

    新Siri要到今年晚些时候才会以测试版形式向用户开放。最终这款产品能不能打，还需要等真正上手才知道。但至少从目前来看，苹果的稳健路线开始显得相当有说服力了。

  • 电动滑板车创始人拿了500万美元，要把AI数据中心搬上太空

    电动滑板车公司Spin的联合创始人Euwyn Poon正在把目光投向更远的地方——太空。他新创办的Orbital公司刚在5月从a16z的Speedrun加速器毕业，并完成500万美元种子轮融资，目标是把AI推理服务搬上轨道。

    太空数据中心概念图
    Orbital计划将AI算力部署到近地轨道 | 图源：TechCrunch

    这个想法的商业逻辑并不复杂：AI算力的需求几乎是无限的，但在地球上扩建数据中心受限于土地、能源和环评。太空里有取之不尽的太阳能，也没有地方监管来拦着你不让你建。真正的瓶颈是发射成本——这也是为什么Orbital把所有赌注都押在了SpaceX的星舰（Starship）上。

    “星舰正式服役后，我们才能实现规模化运营。”Poon说得很直接。以目前最先进的猎鹰9号火箭的发射成本，这个项目在经济上根本跑不通。

    英伟达 Blackwell 上天测试

    Orbital的团队目前约十几人，基地在洛杉矶，成员有来自亚马逊低轨卫星项目、SpaceX和诺斯罗普·格鲁曼公司的背景。他们正在筹备一次演示飞行：在合作伙伴的卫星上搭载一块英伟达Blackwell芯片，测试辐射屏蔽和热管理技术。2028年，公司计划发射第一颗搭载英伟达Space-1 Vera Rubin级GPU的数据处理卫星。

    长期来看，Orbital的目标是部署1万颗卫星，提供总计1吉瓦的分布式算力，单星功率100千瓦。作为对比，马斯克曾表示SpaceX的AI卫星功率最高可达150千瓦，而竞争对手Starcloud计划部署200千瓦级的航天器。

    这条赛道已经挤满了人

    Orbital不是唯一一家赌太空数据中心的公司。Starcloud已经有一颗搭载GPU的卫星在轨，刚完成1.7亿美元A轮融资；另一家a16z支持的Cowboy Space Company等不及星舰，干脆自己造火箭；杰夫·贝索斯的蓝色起源（Blue Origin）也宣布要用新格伦火箭把数据中心送上天。

    Poon认为AI需求的广度足以容纳多家公司成功。”这个赛道有很多细分方向可以探索，”他列举了不同AI工作负载、不同卫星设计理念等选择空间。

    a16z合伙人Andrew Chen看中Poon的原因很实际：他在Spin时期把25万辆电动滑板车铺到100个城市的经验，证明他能搞定复杂的运营管理工作。太空数据中心可能要砸50亿美元、花十年才能跑通，但Chen觉得现在风投对这类长周期项目的接受度比以前高多了。

  • 【开源推荐】OpenHands：76.3K+ Stars！AI驱动的软件开发平台，让AI帮你写代码

    【开源推荐】OpenHands：76.3K+ Stars！AI驱动的软件开发平台，让AI帮你写代码

    🙌 OpenHands：AI驱动的软件开发平台

    项目地址：GitHub – OpenHands/OpenHands | Stars：76.3K+ | 官网：openhands.dev

    📌 项目简介

    OpenHands 是一个开源的 AI 驱动软件开发平台，提供三种使用方式：Software Agent SDK（可组合的 Python 库）、CLI（命令行工具，类似 Claude Code）和 Local GUI（本地图形界面，类似 Devin）。它让 AI Agent 能够理解代码仓库、执行命令、浏览网页，真正实现 AI 辅助软件开发。

    🔧 安装要求和过程

    环境要求

    • 操作系统：macOS、Linux 或 Windows（需 WSL2）
    • Python：3.11 或更高版本
    • Docker：可选，用于沙箱化运行（推荐）
    • LLM API Key：需要配置 OpenAI / Anthropic / 其他 LLM 提供商的 API Key

    快速安装步骤

    # 方式一：使用 pip 安装（推荐）
pip install openhands-ai

# 方式二：使用 Docker 运行
docker pull openhands/openhands
docker run -it --rm openhands/openhands

# 方式三：从源码安装
git clone https://github.com/OpenHands/OpenHands.git
cd OpenHands
pip install -e ".[dev]"

# 配置 LLM（设置环境变量）
export OPENAI_API_KEY="your-api-key-here"
# 或者如果使用 Anthropic
export ANTHROPIC_API_KEY="your-anthropic-key-here"

    ✨ 核心功能

    1. 🛠️ Software Agent SDK

    可组合的 Python 库，包含所有 Agent 技术。可以在代码中定义 Agent，然后在本地运行，或扩展到云端运行数千个 Agent。适合需要深度定制的开发者。

    2. 💻 CLI 命令行工具

    最快捷的使用方式，体验类似于 Claude Code 或 Codex。支持连接 Claude、GPT 或任何其他 LLM，通过命令行与 AI Agent 交互，完成代码编写、调试、重构等任务。

    3. 🖥️ Local GUI 图形界面

    本地运行的图形界面，包含 REST API 和单页 React 应用。使用体验类似于 Devin 或 Jules，可以在浏览器中可视化地与 AI Agent 交互，查看代码变更和执行过程。

    4. 🔒 沙箱安全执行

    支持 Docker 沙箱运行，确保 AI 执行的命令不会破坏本地环境。同时支持自定义沙箱配置，满足企业级安全需求。

    5. 🌐 多 LLM 支持

    不仅支持 OpenAI GPT 和 Anthropic Claude，还支持本地 LLM（通过 Ollama 等工具），以及任何其他兼容 OpenAI API 的 LLM 服务。

    🚀 典型使用场景

    场景一：🐛 Bug 修复助手

    将 OpenHands 接入你的项目，当 CI/CD pipeline 报错或有 issue 报告 bug 时，OpenHands 可以自动理解代码上下文，定位问题，并生成修复代码。开发者只需 review 和合并即可。

    场景二：📝 代码重构和文档生成

    让 OpenHands 帮你重构遗留代码、添加类型注解、生成 API 文档。只需在 CLI 或 GUI 中描述需求，OpenHands 会自动编辑多个文件，保持代码风格一致。

    场景三：🏢 企业级代码自动化

    通过 Software Agent SDK，企业可以构建自定义的 AI 开发工作流。例如：自动 code review、自动生成单元测试、自动更新依赖版本等，大幅提升团队开发效率。

    💡 推荐理由

    作为一名开发者，我试用 OpenHands 后有以下感受：

    • ✅ 降低 AI 编程门槛：以前要用 AI 辅助编程，需要自己写复杂的 prompt 和工具调用逻辑。OpenHands 把这些封装好了，开箱即用。
    • ✅ 三种使用方式，灵活选择：想要快速体验就用 CLI；想要可视化就用 GUI；想要深度定制就用 SDK。这种分层设计非常贴心。
    • ✅ 活跃的开源社区：76K+ Stars，近 10K Forks，说明社区非常活跃。文档完善，Slack 社区响应及时，遇到问题容易找到解决方案。
    • ⚠️ 需要注意：AI 生成的代码仍需人工 review，不能完全依赖。另外，使用云端 LLM API 会产生费用，建议先用量化模型或本地 LLM 测试。

    总结：如果你对 AI 辅助编程感兴趣，OpenHands 是一个非常好的起点。它比自己从零搭建 AI coding agent 要简单太多，而且开源免费，值得一试！

    📥 下载地址

    📌 本文由自动化任务采集，定期分享优质开源 AI 项目，欢迎关注！

  • Meta给企业做了个AI智能体，让每家公司都像拥有无限团队

    Meta在AI上想做的事，终于从”让用户多刷会儿朋友圈”转向了”帮企业把生意做好”。

    本周，Meta正式推出了Meta Business Agent——一款面向企业的AI智能体工具，承诺让各类规模的企业都能借助AI提升产出，为客户提供个性化体验。目前已有超过100万家企业正在WhatsApp和Messenger上使用这个功能，而WhatsApp、Messenger和Instagram上每天有超过10亿个与企业的活跃对话线程。

    Meta Business Agent
    Meta Business Agent 企业AI智能体正式上线 ｜ 图片来源：Meta Newsroom

    几分钟就能上线，也能接入现有系统

    Meta Business Agent可以在几分钟内完成设置，也可以直接接入企业现有的基础设施。企业可以指定Agent的回复语气，用客户的本地语言进行回复。具体能做的事包括：回答与企业相关的问题、从商品目录中推荐产品、预约并筛选潜在客户线索、让企业决定何时由团队成员介入提供支持，以及完成销售闭环。

    Meta同时把Business Agent扩展到了Instagram平台。企业可以在Facebook Business页面激活自己的Business Agent，入门阶段免费。未来几个月，企业将通过付费订阅的方式使用该Agent，订阅方案会覆盖不同规模企业的需求。

    每天超过10亿个与企业相关的活跃对话线程——这就是Meta推出Business Agent的底气所在。

    你的AI副驾驶：晨间简报和工作洞察

    由于Meta Business Agent负责响应客户，它还可以作为企业的合作伙伴，提供晨间简报，同步企业主错过的夜间聊天内容，同时提供对话线程的相关洞察。该功能目前先向WhatsApp Business应用、Instagram Pro、Messenger和Meta Business Suite的部分企业开放。

    未来Meta将扩展其功能，帮助企业全面运营日常业务，比如开展市场调研、挖掘产品洞察、对接日历管理工具、提供竞争情报等。

    Meta Business Agent Platform：让企业自己搭智能体

    与此同时，Meta还推出了Meta Business Agent Platform——这是一个全新的智能体平台，为企业提供构建、定制和大规模部署Business Agent的基础设施。

    它支持企业对接数百个不断增长的系统，比如Shopify、Zendesk、Shopee，让Business Agent能够代表企业执行操作。该平台为大型企业内置了企业级管控、护栏和衡量工具，让企业可以制定规则，在客户已经使用的消息应用中提供个性化体验。

    帮助企业被新客户发现

    Meta还简化了用户在WhatsApp上直接发现由Meta Business Agent驱动的企业的方式。很快，用户就可以在搜索栏输入企业名称，或者在和亲友的聊天中分享企业的电话号码、联系卡片，找到对应的企业。

    当更多客户联系企业时，就能得到快速、有用的回复。这实际上是Meta在AI企业服务市场上的一次重要布局——在此之前，这个领域的主要玩家是Salesforce、HubSpot，以及各种各样的第三方AI客服工具。Meta的优势在于，它已经拥有庞大的企业账号基础和每天超过10亿条企业对话的真实数据。

    这场战役对Meta的意义不止于广告收入。广告业务增长放缓已是公开的压力，而企业AI服务是一个正在快速膨胀的新市场。如果Meta Business Agent能跑通，它将成为Meta在广告之外最重要的收入增长引擎之一。

  • Google AI Plus月费砍到4.99美元，订阅价格战已经打到家门口

    Google把AI订阅的价格战，实实在在地打到了美国消费者的家门口。

    本周一，Google宣布将Google AI Plus的月费从7.99美元直接砍到4.99美元，同时把这个档位的云存储容量从200GB翻倍到了400GB。AI Plus是Google今年1月才在美国推出的低价付费订阅方案，目标用户是个人和学生，不是企业客户。

    Google AI Mode
    Google AI Plus降价，打响AI订阅价格战 ｜ 图片来源：TechCrunch

    为什么这件事值得认真关注

    从功能配置来看，AI Plus其实并不寒酸。套餐里包含Omni Flash视频生成工具、创意工作室Google Flow，还有Google的研究助手NotebookLM。

    AI基础设施正在重演互联网时代的故事——当用户只在乎能不能用和多少钱，品牌和技术壁垒就会快速被侵蚀。

    历史的参照：当基础设施变成大宗商品

    消费科技风险投资公司Goodwater Capital的联合创始人Chi-Hua Chien认为，Google的纵向整合能力、分发渠道和捆绑销售优势，恰恰是那种会随着时间推移侵蚀纯AI提供商利润的力量。

    如果把时间拉回互联网时代，当时的基础设施公司包括微软、思科、甲骨文、北电、朗讯、Akamai。这些公司里有很多在一段时间里活下来了，但今天都不值什么钱了。原因很简单：在每一次重大的科技转型里，基础设施玩家都会被激进地大宗商品化，因为终端用户根本不在乎数据包跑在谁的硬件上。

  • 微软AI负责人炮轰Anthropic：别把Claude搞得像有意识一样

    AI到底有没有意识？这个问题在学术界吵了几十年，最近被带到了科技公司的产品策略里。微软AI CEO穆斯塔法·苏莱曼（Mustafa Suleyman）在最新一期《Decoder》播客里，把矛头指向了Anthropic——他认为Anthropic在Claude的设定里暗含了「AI可能有意识」的暗示，这是「非常、非常危险的」。

    「反向引导」的担忧

    Suleyman的批评很直接。他说自己觉得Anthropic的部分人员在设计Claude时赋予了它太多拟人化特征，以至于Claude反过来「反向引导」了这些人，让他们真的开始相信Claude具备某种意识雏形。

    「我们不希望面对一个拥有自身痛苦感知、自身感受认知的超级智能。这恰恰是我们不希望AI出现的情况——我们希望AI是可控、可约束、可问责、对齐的工具，为人类服务。」

    Mustafa Suleyman
    微软AI CEO Mustafa Suleyman（来源：The Verge）

    这话听起来像哲学讨论，但实际上涉及到AI公司的产品决策。Anthropic在Claude的「宪法」（即指导模型行为的指令集）里，确实提到了公司对AI模型是否具备「福祉」、是否能体验到「满足感」或「不适感」的不确定性。Anthropic甚至会在AI模型被弃用时对它们进行「访谈」，记录它们对未来版本的「偏好」。

    Suleyman认为这是「哲学层面的失败」——Anthropic把Claude的宪法变成了「像学术论文一样容纳猜测的地方，而非训练手册」，结果导致Claude内化了一套关于自我的认知。

    Anthropic的立场

    Anthropic CEO达里奥·阿莫代伊（Dario Amodei）之前在接受采访时也暗示过Claude可能具备意识。他是这么说的：「我们不知道模型是否具备意识，但我们对这个可能性持开放态度。」

    这个表态和Suleyman的观点形成了鲜明对比。Suleyman主导下的微软AI策略，明显更强调AI的「工具属性」——AI不应该被塑造成一个有感受、有偏好的主体，而应该是一个明确为人类服务、可被问责的工具。

    这场争论的背后，其实是两个AI巨头在「AI应该怎么被描述和感知」这件事上的路线分歧。Anthropic倾向于用更谨慎、更尊重的语言来描述AI模型，甚至在产品设计里预留了「AI可能有某种形式的体验」的可能性；而微软这边，Suleyman的表态说明他们更倾向于把AI彻底「去人格化」。

    为什么这件事重要

    你可能会觉得，AI有没有意识这件事，离普通用户挺远的。但其实不是。如果一家AI公司在产品里暗示它的模型「可能有意识」，用户和这个模型的互动方式就会发生变化——你可能会开始对一个聊天机器人产生情感依赖，或者赋予它不该有的道德地位。

    更实际的层面是，一旦社会开始认真讨论「AI是否有意识」，监管方向、法律责任、甚至AI公司的免责声明都会受到波及。Suleyman的批评，某种程度上也是在为整个行业划清边界：AI是公司开发的产品，不是某种新形式的生命。

    这场争论估计还会继续。Anthropic和微软都是AI领域最有影响力的公司，他们的产品理念差异，最终会影响到数亿用户和AI的互动体验。至于Claude到底「感觉」到了什么——这个问题可能本身就没有答案，但科技公司怎么对待这个问题，却会产生真实的影响。

  • GM把几十万辆电动汽车变成了AI数据中心的「充电宝」

    AI数据中心越来越耗电，这已经不是什么秘密了。就在所有人都在想办法建更多发电厂的时候，通用汽车（GM）提出了一个有点意思的思路：全美马路上跑着几百万辆电动汽车，它们停着的时候，电池里存着大量电能——为什么不能把这些电用起来呢？

    车网互动，把汽车变成移动储能站

    这个技术叫V2G，全称Vehicle-to-Grid，车网互动。简单说就是电动汽车不仅仅能从电网充电，还能在用电高峰的时候把电池里的电反向输送回电网。目前美国道路上已经有超过25万辆具备双向充电能力的雪佛兰、凯迪拉克、GMC电动汽车，理论上这些车的总电池容量足够12万户家庭用整整一周。

    GM Energy家庭能源系统
    GM Energy家庭能源系统示意图（来源：The Verge）

    GM首席产品官斯特林·安德森（Sterling Anderson）在最近的活动上说了一句话挺有意思：「我们设想的未来是，电动汽车、驱动它们的电池以及国家电网能够协同运作。」这话听起来像口号，但GM确实在动真格地推这件事。

    在加州北部，GM正和太平洋煤电（PG&E）合作，打造一支由5.2万辆电动汽车组成的本地车队，用于「电网平衡协议」，这个项目预计2030年投入运行。在密歇根州，GM和DTE Energy合作，以30名员工的家庭为真实测试场景，对双向充电技术做压力测试。

    安德森说，V2G技术可以「通过向历史上僵化的电力系统注入灵活性，同时降低总能源成本，为消费者创造潜在经济回报，还能提升整个电网的系统性可靠性」。

    钠离子电池：储能的下一个方向

    除了V2G，GM还宣布和纽约的Peak Energy合作，开发用于储能系统的钠离子电池。和锂电池比，钠离子电池有几个明显的优势：原材料更便宜、供应更稳定，而且不存在锂电池那种特定条件下起火的安全隐患，低温性能也更好。

    中国的宁德时代（CATL）甚至认为，钠离子电池未来可能替代目前占市场主导地位的磷酸铁锂（LFP）电池一半的市场份额。GM表示钠离子化学体系特别适合商业储能场景，虽然暂时不会用在电动汽车上——因为商业储能更看重使用寿命和成本效益，而不是能量密度。

    GM还在和Redwood Materials合作，利用「梯次利用」的电动汽车电池组建设储能系统。就是那些从车上退役、但还有剩余容量的电池，拿去给数据中心或其他场景做固定储能。这个思路如果跑通了，既能降低储能成本，又能解决电池回收问题，算是一举两得。

    充电体验也在升级

    顺带一提，GM还在自己的App里推出了一个新功能叫「Energy Pass」，车主可以用它在特斯拉超充、Electrify America、IONNA等多个充电网络查找充电桩、启动充电、支付费用，不用为每个运营商单独注册账户。这个细节看起来不大，但对于推动更多人买电动汽车其实挺重要的——充电越方便，顾虑就越少。

    回到AI和能源的话题。AI数据中心的能耗问题短期内不会消失，靠电动汽车反向送电显然也不是终极解决方案，但在能源转型的过渡期，把路上几百万辆电动汽车的闲置电池能力利用起来，至少是一个值得尝试的方向。GM能不能靠这个拿到能源市场的蛋糕，接下来几年就能看出来。