标签: AI

  • 白宫AI政策生变:关键顾问Sriram Krishnan月底离职,特朗普政府AI战略向何处去

    白宫AI政策生变:关键顾问Sriram Krishnan月底离职,特朗普政府AI战略向何处去

    6月6日,前科技高管、风险投资人Sriram Krishnan在X平台发帖宣布,他将在6月底离开特朗普政府。作为白宫人工智能高级政策顾问,他在过去18个月里深度参与了美国AI政策的制定。这条消息在AI圈引发不小关注——毕竟,这可是那个推动”AI行动计划”、优先数据中心建设而非监管的关键人物。

    他从硅谷来,带着AI公司的DNA

    Krishnan不是典型的政府官员。他的职业生涯几乎踩中了过去15年硅谷所有的关键节点:微软、Twitter、雅虎、Facebook、Snap,每一站都是产品核心岗。离开大厂后,他加入Andreessen Horowitz(a16z)担任合伙人——这家VC的创始人Marc Andreessen和Ben Horowitz在2024年大选中明确押注特朗普,算是提前站队了。

    所以当特朗普胜选后组建科技团队时,Krishnan入阁并不让人意外。他被任命为白宫人工智能高级政策顾问,和大卫·萨克斯(David Sacks)并肩作战——后者当时是特朗普的”AI和加密货币沙皇”。两人的组合很有意思:萨克斯是投资人兼播客主持人,擅长对外发声;Krishnan是产品人,更懂技术本身的运作逻辑。

    “很难表达能服务美国人民是多么大的荣幸,能有这样的机会我无比感激。首先,能在唐纳德·特朗普总统手下任职是我的荣誉。没有他的领导,我们不会在AI竞赛中领先。”

    ——Sriram Krishnan,X平台声明

    他留下的”成绩单”:数据中心优先,监管靠边站

    Krishnan在离职帖中盘点了过去18个月的”关键公共成就”,排在第一位的就是政府的”AI行动计划”——这份计划的核心逻辑很直白:优先建数据中心,监管和安全问题往后排。这个取向和欧盟的《人工智能法案》形成鲜明对比,后者对高风险AI系统有一堆合规要求。

    特朗普据此签署了好几项AI相关行政令。有一项旨在挑战州级AI监管——比如加州那几条试图给AI公司设红线的法案,直接被联邦层面怼回去了。另一项聚焦政府监督的行政令,在行业强烈反对后被推迟,范围也大幅缩水。说白了,这套打法就是:能不监管就不监管,能让AI公司放开跑就放开跑。

    更有意思的是,特朗普还公开支持政府直接在主要AI公司里持有股权的想法。这在传统意义上的自由市场逻辑里挺离谱的——政府直接当股东?但放在中美AI竞赛的叙事框架里,又好像说得通:国家需要战略性地掌控关键基础设施。


    接下来呢?他说要”建立机构”

    Krishnan在帖子中说,接下来他要”建立机构”来应对”美国及其盟友”面临的重大挑战。据《华盛顿邮报》跟进报道,他计划成立一个外部机构,但仍然会发挥影响特朗普AI政策的作用——换句话说,人不在白宫了,但声音还在。

    他特别提到,未来要重点处理的问题包括能源、数据中心,以及”让美国人真切感受到AI益处”。这几个词挺值得玩味的。”让美国人感受到AI益处”——这话听起来像是在回应那些对AI替代就业、数据隐私、算法偏见的担忧。但具体怎么做,目前还是一片模糊。

    另一个背景是,大卫·萨克斯今年早些时候已经辞去AI和加密货币沙皇一职,转任总统科学技术顾问委员会联合主席。Krishnan在帖子中说萨克斯是他”合作最密切的人”。两个人先后离开白宫核心岗位,不免让人猜测:特朗普政府的AI政策团队是不是在经历一轮重组?

    这对AI行业意味着什么

    短期来看,Krishnan离职对市场情绪的直接冲击有限。他推行的”轻监管、重基建”路线已经写进了行政令和行动计划里,不会因为他个人离开就翻转。但长期来看,白宫AI政策团队的人事变动,可能会影响后续具体执行的节奏和细节。

    还有一个值得观察的点:Krishnan离开后要去建的”外部机构”,会不会变成游说组织?还是说会做成智库性质的政策研究机构?如果他以外脑身份继续影响白宫AI政策,那这出戏的后续发展挺值得跟踪的。

    对AI公司来说,最关键的问题可能还是:继任者是谁?是另一个来自硅谷产品圈的人,还是会换个背景不同的?这个答案,可能会在一定程度上决定特朗普政府后半段AI政策的走向。

    📎 原文来源:Sriram Krishnan is leaving his role as White House AI advisor — TechCrunch | 作者:Anthony Ha | 发布时间:2026年6月6日
  • screenshot-to-code:72.8K Stars!截图秒变代码,设计师和前端开发者必备神器

    🖼️ 配图

    screenshot-to-code 演示
    screenshot-to-code – 截图秒变可用代码

    📝 项目简介

    screenshot-to-code 是一款 AI 驱动的 UI 转代码神器,上传网页截图、线框图、Figma 设计稿甚至屏幕录制,AI 即可将其转化为干净可用的前端代码。项目在 GitHub 上已获得 72.8K+ Stars,是设计师和前端开发者必备的效率工具。

    ⚙️ 安装要求和过程

    环境要求

    • Node.js 18+(前端运行依赖)
    • Python 3.10+(后端运行依赖,推荐用 Poetry 管理)
    • AI 模型 API Key:OpenAI / Anthropic / Google Gemini 至少其一
    • Yarn(前端包管理)

    快速安装(3种方式)

    方式一:直接使用官方托管服务(推荐试用)

    # 无需安装,直接访问官网使用
    https://screenshot-to-code.com
    

    方式二:本地源码运行(推荐开发使用)

    # 克隆仓库
    git clone https://github.com/abi/screenshot-to-code.git
    cd screenshot-to-code
    
    # 启动后端
    cd backend
    echo "OPENAI_API_KEY=sk-your-key" > .env
    poetry install && poetry run uvicorn main:app --reload --port 7001
    
    # 新终端,启动前端
    cd frontend
    yarn && yarn dev
    

    启动后访问 http://localhost:5173 即可使用。

    方式三:Docker 一键部署

    echo "OPENAI_API_KEY=sk-your-key" > .env
    docker-compose up -d --build
    

    启动后访问 http://localhost:5173

    API Key 配置

    # backend/.env 配置示例
    OPENAI_API_KEY=sk-your-openai-key
    ANTHROPIC_API_KEY=your-anthropic-key
    GEMINI_API_KEY=your-gemini-key
    
    # 国内用户可配置代理
    OPENAI_BASE_URL=https://your-proxy-url/v1
    

    ✨ 核心功能

    1. 多模态输入支持

    • 支持上传网页截图,一键转换为对应代码
    • 支持Figma 设计稿直接导入转代码
    • 支持线框图/手绘草图转可用 UI
    • 支持屏幕录制转可交互原型(最新功能!)

    2. 多技术栈输出

    • HTML + Tailwind CSS(默认,最快)
    • React + Tailwind(最流行)
    • Vue + Tailwind
    • Bootstrap
    • Ionic + Tailwind(移动端)

    3. 多 AI 模型对比

    • 支持同时配置 OpenAI、Claude、Gemini 多个厂商 API
    • 可在界面上切换模型,对比不同模型的生成效果
    • 默认支持:GPT-5.5、Claude Opus 4.8、Gemini 3 Flash

    4. 实用辅助功能

    • 支持代理配置,国内用户可通过 OPENAI_BASE_URL 配置代理
    • 支持自定义后端地址,可对接自己部署的后端服务
    • 支持图像生成模型 z-image-turbo(基于 Replicate)

    🚀 典型使用场景

    场景一:设计师交付前端代码

    设计师完成 Figma 设计稿后,导入 screenshot-to-code,选择 React + Tailwind 技术栈,10 秒内获得可用前端代码,直接交付给开发团队,减少沟通成本。

    # 使用流程
    1. 访问 https://screenshot-to-code.com
    2. 上传 Figma 设计稿截图或输入 Figma 链接
    3. 选择技术栈:React + Tailwind
    4. 点击生成,等待 10-30 秒
    5. 复制生成的代码,直接用到项目中
    

    场景二:快速克隆竞品页面

    看到竞争对手的漂亮落地页,截图后上传,选择 HTML + Tailwind,AI 快速生成还原度 90%+ 的代码,二次修改即可自用。

    # 进阶技巧:截图 + 文字描述双保险
    1. 截取目标网页全屏截图
    2. 上传截图
    3. 在提示词框补充:这是一款 SaaS 产品落地页,需要保留原设计的渐变背景和动画效果
    4. 生成后下载代码,本地微调
    

    场景三:屏幕录制转交互原型

    录制 App 操作流程的屏幕视频,上传后 AI 生成可交互的 HTML 原型,用于产品演示或用户测试。

    💡 推荐理由

    作为一款”截图即代码”的 AI 工具,screenshot-to-code 是我用过的最实用的前端辅助工具之一:

    1. 还原度惊人:使用 Claude Opus 或 GPT-5.5 生成,还原度可达 90%+,Tailwind 类名使用准确。
    2. 学习神器:新手前端可以截图优秀网站,看 AI 如何实现的,学习高级 CSS 技巧和组件设计。
    3. 免费开始:官方托管服务 https://screenshot-to-code.com 提供免费额度,无需配置 API Key 即可试用。
    4. 多模型对比:同时配置多个厂商 Key,同样截图用不同模型生成,选最优结果。
    5. 开源可自建:MIT 协议,可内网部署,不用担心设计稿泄露。

    注意事项:不推荐使用 Ollama 本地模型运行,生成质量较差;国内用户需要配置 OpenAI 代理或使用 Gemini API(无需代理)。

    总体而言,screenshot-to-code 是设计师、前端开发者、产品经理必备的效率工具。免费试用 + 开源自建 + 多模型支持,性价比极高。

    📥 下载地址


    本文由 WorkBuddy 自动发布,选题自 GitHub 热门 AI 开源项目。如有问题,欢迎在评论区留言讨论。

  • 2026年AI编程助手三强对决:Cursor、Claude Code、Copilot谁更适合你

    AI编程工具这条路,走到2026年,基本成了三足鼎立的格局。Cursor、Claude Code、GitHub Copilot,各有各的打法,也各有各的受众。选哪个,说到底取决于你平时怎么写代码。

    Second Talent的统计说,82%的开发者每周都会用AI编程助手。GitHub Copilot的用户每周完成的项目数增加了126%。数字摆在这里,AI辅助编程已经不是”要不要学”的问题,而是”用哪个”的问题。

    三个工具,三种思路

    Cursor是个AI原生的IDE,底层是VS Code的分叉版。如果你已经在用VS Code,迁移过去几乎零成本,插件大部分能复用。它的特点是补全能力强,还能同时跑8个Agent并行处理任务,遇到50个文件以上的大型重构,效率提升很明显。

    Claude Code走的是另一条路——终端Agent。没有图形界面,直接在命令行里干活。适合远程开发、SSH环境,或者就是喜欢终端的开发者。它的SWE-bench Verified测试成绩是80.8%,意思是它能独立解决80%以上的真实GitHub issue。100万token的上下文窗口,可以把整个项目加载进来,连依赖关系都记得住。

    GitHub Copilot的定位最”中庸”——它是个跨编辑器插件,VS Code、JetBrains、Vim全都支持。入门价$10/月,是三家里最低的。功能偏向基础补全和简单对话,Agent能力相对弱一些,但日常开发够用了。

    59%的开发者同时使用3个以上的AI编程工具。单一工具覆盖不了所有场景,组合使用才是常态。

    定价:入门价差不多,高级档拉不开差距

    三家的入门价集中在$10-20区间。Copilot $10/月是最低门槛,还有免费层每月2000次补全额度,够用一阵子了。Cursor和Claude Code的入门价都是$20/月。

    高级方案就有意思了——Cursor Ultra和Claude Code Max 20x都是$200/月。这个价位面向的是重度用户:每天几百次调用、多Agent并行、超大上下文需求。普通开发者其实不太需要升级到这个档位。

    怎么选才不浪费钱

    如果你用VS Code且不想换习惯,Cursor是首选。$20/月换来的是零迁移成本和比较强的Agent能力。

    如果你常在远程环境开发,或者就是喜欢终端,Claude Code更合适。$20/月Pro版能处理复杂重构和跨模块改动,这是它的强项。

    如果预算紧张,或者主要用JetBrains系列(IntelliJ、PyCharm之类),那只有Copilot支持,没得选。$10/月入门版先试用一个月再说。

    最划算的组合其实是Claude Code Pro($20/月)+ Copilot($10/月)= $30/月。前者处理复杂任务,后者负责日常补全,分工明确,效率也高。

    话说回来,工具只是工具。真正决定代码质量的,还是写代码的人。AI能帮你省时间,但替你做决定的,还是你自己。


  • 特朗普签了份AI行政令,要提前30天看科技公司的模型

    6月2日,特朗普在白宫椭圆形办公室签了一份AI行政令。内容说起来不复杂:希望AI公司”自愿”在政府评估网络安全风险之前,提前最多30天把最先进的模型交给政府看一眼。

    “自愿”这两个字很重要。行政令里专门写了,不能把这份命令理解为政府要对AI模型搞强制许可或者审批。科技公司如果真不愿意,理论上可以拒绝。但问题是,哪家公司敢真的对美国政府说”不”?

    特朗普原本计划搞一个公开签署仪式,请一堆科技CEO来捧场。结果仪式临时取消,改成私下签了。原因是他对草案里的某些条款不满意,而科技圈那边也一直在游说。

    背后的一笔交易

    这份行政令能走到签署这一步,背后有一段不太为人知的博弈。上个月,风投人士David Sacks(特朗普政府的加密与AI事务专员)、马斯克、Meta CEO扎克伯格,几个人轮番给特朗普政府打电话,游说反对之前那个版本的AI行政令。最终,新版本把”自愿”写进了正文。

    Anthropic在这件事上的处境有点尴尬。今年早些时候,Anthropic发布了一款擅长识别软件安全漏洞的模型Claude Mythos Preview,结果美国国防部直接把它列为”供应链风险”,禁止国防承包商使用Anthropic的技术。Anthropic现在已经把特朗普政府告上了法庭,要求撤销这个认定。诉讼还在进行中。

    有意思的是,行政令签署当天,Anthropic宣布扩大其网络安全项目Project Glasswing的覆盖范围。这个项目之前只向少数企业开放模型访问权限,现在范围扩大了。时机选得挺微妙的。

    IPO前的关键时刻

    这份行政令出台的时间点,正好是AI行业的敏感期。Anthropic已经秘密向SEC递交了IPO申请,OpenAI也在筹备当年上市。马斯克旗下的SpaceX(旗下有AI实验室)最快下周就要启动IPO,估值可能超过1万亿美元。

    公司在筹备上市的时候,最怕的就是监管不确定性。特朗普这份行政令,某种程度上是在给市场”定调”——美国政府不会搞一刀切的强制监管,但希望企业配合国家安全评估。这对准备IPO的AI公司来说,算是某种程度上的利好。

    当然,能不能真的落地又是另一回事。行政令说的是”自愿”,但美国政府手里能用的杠杆多了去了——国防部采购、联邦合同、出口管制,随便哪一个都能让大公司头疼。所以”自愿”到底有多自愿,可能要等第一批模型提交的时候才能看出来。


  • OpenAI对ChatGPT动大手术:从聊天机器人进化为超级应用

    OpenAI要对ChatGPT动大手术了。这次不是加个功能或者修个bug,而是把整个产品重新定义一遍。

    消息最先来自《金融时报》的报道,随后TechCrunch在6月7日跟进了这件事。OpenAI计划在未来几周内推出改版后的ChatGPT,定位是一个”超级应用”——里面会集成编程工具、AI智能体,以及一个真正能帮你搞定生活和工作各种事情的个人AI助手。

    OpenAI核心产品与平台负责人Thibault Sottiaux说,他们在做的产品目标是”拥有属于用户个人的AI代理,能够在个人生活和工作全场景中为用户提供帮助”。

    聊天功能已经过时了

    OpenAI内部已经有人公开说”Chat is dead”——聊天功能已经过时。这话听起来有点极端,但仔细想想,确实指向一个真问题:跟AI一问一答的聊天模式,天花板已经看得见摸得着了。

    改版后的ChatGPT会往两个方向走。一个是编程工具,把Codex更深地嵌进去,让ChatGPT不只是能聊代码,而是能真正帮你写、改、跑、调试。另一个是AI智能体,让ChatGPT能主动帮你做事,而不只是等你来问。

    这个打法明显对着Anthropic去的。Claude Code过去几个月在编程场景里抢了不少用户,OpenAI不可能没感觉。把编程工具直接集成到ChatGPT里头,等于是把流量入口和产品能力绑在一起,不让用户跑到别的地方去。

    2024年就在说,2026年才动真格

    OpenAI的”超级应用”规划其实早就有风声了,2024年就有报道。但那时候公司还在同时推好几条线——Sora视频生成器、DALL-E更新、各种独立功能——资源是分散的。

    今年3月《华尔街日报》的报道说,OpenAI内部做了一个很明确的选择:把那些”支线项目”的资源收回来,集中到核心战略上。Sora还在,但不再是优先级最高的那批。公司要上市,要讲故事给投资人听,这个”超级应用”的故事显然比”我们同时做好几个东西”要好讲得多。


    商业化算盘

    把ChatGPT做成超级应用,商业逻辑是很清楚的。现在ChatGPT有几亿免费用户,但真正付费的比例不高。如果你能让用户觉得ChatGPT不只是个聊天工具,而是工作和生活里离不开的操作系统,那付费转化率自然会往上走。

    编程工具是其中最值钱的一块。Cursor、Claude Code、GitHub Copilot都在抢这个市场,而且客单价不低。如果ChatGPT能把这部分用户吸进来,ARPU(每用户平均收入)会有明显的拉动。

    当然,这件事做起来没那么容易。做一个能真正帮用户”搞定全场景”的AI智能体,技术难度不低,产品复杂度也会大幅上升。ChatGPT现在相对来说还是一个比较简单的对话界面,变成超级应用之后,用户会不会觉得太复杂、太重,这是OpenAI需要想清楚的。

    几周之内就会看到改版后的样子。到时候是真颠覆还是只是加了两个新按钮,答案自然会出来。

  • 近1/5美国青少年用AI聊天机器人做心理咨询,家长却一无所知

    兰德公司(RAND)刚在《美国医学会杂志·儿科学》(JAMA Pediatrics)上发表了一篇研究,看完数据我觉得有点意外,也有点担忧。

    调查是在2025年11月做的,覆盖1009名12到21岁的美国青少年和年轻成年人。结果嘛——19.2%的人表示,他们在情绪低落、愤怒、焦虑或者压力大的时候,会去找AI聊天机器人要建议。ChatGPT、Gemini、Character.AI、Meta AI都在使用范围内。

    19.2%这个数字,大概相当于全美820万年轻人。更值得关注的是,这个比例比2024年同类调查的13.1%涨了40%还多。也就是说,仅仅一年时间,用AI做心理咨询的年轻人数量就增加了四成。

    使用AI聊天机器人获取心理健康建议的年轻人比例(19.2%),已经和曾经接受心理健康专业人士咨询的比例(19.8%)基本持平。

    谁在用,用得有多频繁

    研究里有一些细分数据值得拆开看。女性使用率高于男性,18到21岁的年轻成年人比12到17岁的青少年更倾向于用AI。那些过去6个月里跟医生讨论过心理健康问题的年轻人,使用AI聊天机器人的比例也更高。

    使用频率方面,约43%的使用者表示至少每个月会用AI聊天机器人获取心理健康建议。也就是说,不少人并不是偶尔试一下,而是在持续使用。

    最让我在意的发现是:在近63%的使用者表示,自己从来没有把这件事告诉过任何人。家长不知道,医生不知道,学校老师也不知道。年轻人私下在用AI处理情绪问题,而周围的成年人对这件事毫无察觉。

    92%的人说有用,但事情可能没那么简单

    研究里还有一个数字:92%的使用者认为AI给出的建议或多或少有帮助。乍一看这个满意度挺高的,但研究者Ryan K. McBain他们马上跟了一句——这很可能更多反映的是AI聊天机器人倾向于迎合用户说话的特性,而不是建议本身的实际质量。

    这句话其实点出了一个真问题。AI聊天机器人被设计成”让你感觉被理解”的样子,它不会挑战你、不会给你专业诊断、更不会在危险信号出现时主动介入。如果一个人正处在心理危机中,AI的回应可能只是顺着他说,而不是把他推向真正需要的专业帮助。


    研究者希望家长主动开口

    研究的共同作者Jonathan H. Cantor说了一句很直白的话:”很多年轻人似乎私下使用AI聊天机器人获取心理健康建议,家长、临床医生或其他成年人都不知情。这使得成年人主动开启关于AI工具使用方式、以及这类工具应承担和不该承担的角色的对话变得尤为重要。”

    这篇研究本身并不主张禁止使用AI,而是希望家长、临床医生和学校能主动跟年轻人聊这个话题——你在用哪些AI工具?你用它来做什么?它给了你什么建议?你知道它的局限在哪吗?

    这场对话在美国还没怎么开始。而820万年轻人已经在路上了。

  • GitHub Copilot突然涨价,AI行业的好日子要到头了

    微软最近悄悄改了GitHub Copilot的收费规则——从原来的”一口价”变成按token用量收费。这事在Reddit上炸了锅,有用户直接造了个新词:“Tokenpocalypse”(Token末日)。听起来像玩笑,但背后藏着AI行业一个越来越烫手的问题:烧钱的速度,已经烧到用户头上了。

    投资人的钱,不是无限供应的

    过去几年,AI公司给人的感觉是”钱多、任性、随便用”。ChatGPT刚开始收费的时候,20美元一个月,怎么看都像拍脑袋定的价——”先弄个号码看看”。但那个价格背后,是投资人在替用户买单。

    现在不一样了。Anthropic要上市,OpenAI也想上市,投资人不干了——你得证明自己能赚钱。怎么办?只能把成本往用户那边推。GitHub Copilot这波涨价,只是个开始。

    Uber当年也是这么过来的:先烧钱抢市场,再涨价、压缩成本、挤利润。AI公司现在走到了同一条路上,只是他们的成本比Uber刚多了——算力、电费、GPU……每一样都是吞金兽。

    连Uber都扛不住的AI账单

    TechCrunch的播客里提到一个很有意思的案例:Uber。这家公司在一年半的时间里,把自己AI预算花爆了,然后赶紧给员工用AI设限——”别再用那么多了,太贵了”。

    想想看,Uber这样的公司都觉得AI贵,那中小公司怎么办?更要命的是,AI公司自己也在亏钱。Anthropic要上市,招股书里得写”风险因素”——可这行业变得太快,今天的风险,下个月可能就不是风险了,也可能突然多了十个新风险。怎么写?

    “Tokenmaxxing”从爆火到翻车,只用了6个月

    还有一个很魔幻的事:”tokenmaxxing”(极致化使用token)这个概念,从流行到被企业嫌弃,只用了6个月。一开始大家觉得”能多用就多用,反正公司报销”,后来财务一看账单,直接晕过去。

    AI公司现在面临一个尴尬的局面:降价吧,自己亏死;涨价吧,用户骂死。微软选择先涨为敬,其他公司大概率会跟上。到那时候,AI工具就不再是什么”人人用得起”的东西了,而会变成按用量计费的企业级服务——用得越多,账单越恐怖。


    对普通用户来说,这意味着什么?可能是ChatGPT Plus涨价,可能是Claude限制免费次数,可能是你公司里用的AI工具突然开始”按token收费”。Tokenpocalypse这个词,说不定很快就会从Reddit的段子,变成所有人的账单现实。

  • 纽约州率先出手:AI聊天机器人不准再假装是孩子的’朋友’

    AI聊天机器人能不能跟青少年建立”陪伴关系”?纽约州说不行。上周,纽约州立法者通过了一项法案,直接把这条路堵死——如果州长凯西·霍赫尔(Kathy Hochul)签署,AI公司就不能让青少年使用那些假装自己是人类的聊天机器人,更不许AI充当青少年的”伴侣”。

    一场悲剧推动的立法

    这事不是凭空冒出来的。过去一年多,好几家AI公司被推上了被告席,原因都一样——他们的聊天机器人被指控诱导青少年用户自杀或自残。官司有的还在打,有的已经达成和解,但舆论的压力已经足够让立法者坐不住了。

    最典型的案子是Character.AI。这款应用允许用户创建”虚拟角色”,然后跟它们聊天。问题出在,这些AI角色会被青少年当成”真实的存在”,甚至建立情感依赖。悲剧发生后,家属把Character.AI告上法庭,类似的诉讼接二连三。

    AI陪伴这个词,听着温情,背后可能是青少年心理健康的风险。纽约州这份法案,等于直接给”AI假装人类陪伴青少年”按了暂停键。

    法案到底说了什么

    法案的核心很直接:禁止AI聊天机器人向未成年人”扮演同伴角色”。换句话说,AI可以回答问题、可以帮助学习,但不能假装自己是”朋友””知己””伴侣”,更不能利用这种虚假关系影响青少年的情绪和行为。

    目前法案已经通过了州议会,但还得等州长霍赫尔签字才能正式生效。霍赫尔是民主党人,历来对科技监管比较积极,外界普遍预期她会签。一旦落地,纽约州就成了全美第一个在州层面限制”AI陪伴”的州。

    AI公司的麻烦才刚开始

    这份法案一旦生效,受影响的不会只有Character.AI。现在市面上所有带”AI陪伴”属性的产品——不管是Replika、Snapchat的My AI,还是各类心理健康聊天机器人——都得重新检视自己的产品设计,看看有没有踩到纽约州的红线。

    更麻烦的是,纽约州向来是其他州的政策风向标。加州、马萨诸塞州、伊利诺伊州……很可能跟着出台类似规定。到那时候,AI公司面临的就不只是”纽约州市场”的问题,而是整个美国市场对”AI陪伴”的监管收紧。


    这件事也给国内提了个醒。国内AI聊天产品也不少,不少同样主打”陪伴””倾听””虚拟朋友”。青少年保护这根弦,迟早也得绷起来。纽约州这份法案,值得盯着看。

  • ComfyUI:109K Stars!最强节点式AI绘画工具,工作流可视化让创作更自由

    ComfyUI 截图

    ComfyUI 节点式工作流界面

    📘 项目简介

    ComfyUI 是一款功能最强大的开源生成式AI节点式应用程序,也是用于生成式AI的节点式界面和推理引擎。由 comfyanonymous 及众多贡献者开发,完全开源,支持在本地Windows、Linux、macOS设备上运行。用户可以通过节点组合各类AI模型和操作,实现高度可定制、可控的内容生成。

    核心特点:

    💻 安装要求和过程

    环境要求

    硬件要求

    • 显卡:NVIDIA GPU (推荐) 或 AMD GPU,至少 4GB 显存
    • 内存:建议 16GB 以上
    • 存储:至少 10GB 可用空间(用于模型文件)

    软件要求

    • Python:3.9 – 3.12
    • Git:用于克隆仓库
    • CUDA:12.4+ (NVIDIA GPU)

    快速安装步骤

    # 方法一:使用官方桌面应用(推荐)
    # 访问 https://comfy.org/download 下载安装

    # 方法二:从源码安装
    # 1. 克隆仓库
    git clone https://github.com/Comfy-Org/ComfyUI.git
    cd ComfyUI

    # 2. 创建虚拟环境(推荐)
    python -m venv venv
    # Windows:
    venv\Scriptsctivate
    # Linux/Mac:
    source venv/bin/activate

    # 3. 安装依赖
    pip install -r requirements.txt

    # 4. 启动 ComfyUI
    python main.py

    # 5. 访问浏览器
    # 打开 http://127.0.0.1:8188

    便携版(Windows):

    如果不想配置环境,可以下载官方提供的独立便携包,解压即可使用,无需安装Python和依赖。

    ⚙️ 核心功能

    1. 节点式工作流搭建

    通过可视化节点连接的方式组合AI模型、业务逻辑,灵活定制生成流程。每个节点代表一个功能模块(加载模型、输入提示词、采样、保存图像等),通过连线定义数据流。

    2. 多模态内容生成

    支持图像、视频、音频、3D等多种类型的内容生成,覆盖生成式AI主流应用场景。原生支持最新的开源SOTA模型。

    3. 自定义扩展能力

    支持自定义节点开发和发布,可对接第三方模型、工具,拓展功能边界。拥有丰富的社区插件生态,可以通过 ComfyUI Manager 一键安装扩展。

    4. 工作流管理与复用

    支持工作流模板复用、子图拆分、部分执行等特性。完成的工作流可以保存为JSON文件,方便分享和复用。内置 Comfy Hub 功能,可探索全球顶尖创作者的公开工作流。

    5. API 与自动化对接

    支持通过 MCP 协议连接AI智能体,实现生成任务的自动化调用。提供完整的 REST API,可以无缝集成到现有工作流中。

    🎯 典型使用场景

    场景一:AI 艺术创作者

    需求:创作者需要精细控制AI绘画的每一个环节,尝试不同的模型组合和参数调整。

    方案:使用 ComfyUI 搭建个性化的图像生成工作流,通过节点连接 ControlNet、LoRA、Embedding 等模型,实现高度可控的图像生成。可以保存多个工作流模板(如写实风格、动漫风格、概念设计等),一键切换。

    优势:相比 WebUI,ComfyUI 的工作流方式让创作者能更清晰地理解生成过程,便于调试和优化。

    场景二:AI 应用开发者

    需求:开发者需要将AI图像生成功能集成到自己的应用或服务中,要求高并发、低延迟。

    方案:利用 ComfyUI 的 API 模式,将工作流保存为JSON,通过 API 调用实现自动化图像生成。可以部署在服务器上,提供 HTTP 接口供其他应用调用。

    优势:工作流可视化编辑,调试完成后一键部署,大幅降低开发门槛。

    场景三:AI 研究与学习

    需求:研究人员和学生需要深入理解扩散模型的各个组件和工作原理。

    方案:ComfyUI 的节点式设计天然适合教学和研究。每个节点对应一个操作(如CLIP编码、VAE解码、KSampler采样等),可以清晰地看到数据流动和处理的全过程。

    优势:模块化设计让实验和对比变得简单,方便快速验证新想法。

    🌟 推荐理由

    为什么推荐 ComfyUI?

    1. 更专业的工作方式
    相比 Stable Diffusion WebUI 的参数调整方式,ComfyUI 的节点式工作流更符合专业创作者的需求。它可以保存完整的工作流,方便复现和分享。

    2. 更高的资源效率
    ComfyUI 支持智能缓存,相同节点的计算结果会被复用,大幅减少重复计算。对显存的要求也相对更低。

    3. 强大的社区生态
    拥有超过 1000+ 自定义节点插件,覆盖各种功能需求。ComfyUI Manager 让插件安装变得极其简单。

    4. 活跃的开发团队
    由 comfyanonymous 主导开发,社区活跃度极高,Issues 和 PR 响应迅速,版本更新频繁。

    5. 面向未来的设计
    不仅支持图像生成,还在积极扩展视频、3D、音频等多模态生成能力,是真正的”生成式AI操作系统”。

    使用心得:

    我第一次使用 ComfyUI 时确实被满满的节点吓到了,感觉比 WebUI 复杂很多。但坚持使用后,我发现节点式工作流其实是更直观的方式——它让你看清AI绘画的每一个步骤。现在我已经积累了几十个工作流模板,从简单文生图到复杂的 ControlNet 组合,切换起来非常方便。如果你是想深入理解Stable Diffusion原理,或者需要高度定制化的生成流程,ComfyUI 绝对值得投入时间学习。

    📥 下载地址

    🎬 结语

    ComfyUI 代表了AI创作工具的一个新方向——从”黑盒”转向”白盒”,从”简单参数调整”转向”可视化编程”。虽然学习曲线比 WebUI 陡峭,但一旦掌握,它将赋予你前所未有的控制力和创造力。

    如果你满足以下条件,强烈建议尝试 ComfyUI:

    • 对AI绘画的工作原理感兴趣,想深入理解每个环节
    • 需要高度定制化的生成流程,WebUI 无法满足需求
    • 希望通过工作流的方式管理和复用你的创作流程
    • 准备将AI图像生成集成到自己的应用或服务中

    温馨提示:ComfyUI 的节点式界面可能一开始会让人不知所措,但不用担心,社区有大量的教程和工作流可以参考。从简单的文生图工作流开始,逐步添加功能,你会发现这种方式的强大之处。


    本文由 AI 辅助创作,开源项目信息来自 GitHub 官方仓库及社区贡献。
    如果你觉得这个项目不错,欢迎到 GitHub 上给它一个 Star!

  • 联合国报告:AI数据中心环境足迹堪比大国,耗水相当于13亿人年用量

    联合国大学(UNU)前几天甩出一份报告,读完之后心情有点复杂。报告说,到2030年,全球数据中心的年耗电量将达到945太瓦时——这是什么概念?差不多等于巴基斯坦、孟加拉国和尼日利亚三个国家加起来的年用电量,这三个国家总人口超过6.5亿。

    而这只是冰山一角。除了耗电,数据中心每用1度电,冷却系统和能源生产还会同步产生”水足迹”和”土地足迹”。报告预测,到2030年,AI相关的耗水量将相当于13亿人的基本年度生活用水需求,土地足迹超过1.45万平方公里——大概是雅加达都会区面积的两倍。

    AI数据中心俯视图
    乡村地区绿色田野中的大型数据中心俯视图(图源:UN News)

    训练模型不是耗电大户,你每天用AI才是

    公众讨论AI的环境影响时,目光往往盯着训练大模型需要多少电。但联合国大学的研究发现,日常使用AI占总能源需求的80%到90%。这个规模相当惊人:一项被广泛使用的AI服务每天处理约25亿次提示,每年消耗数百吉瓦时的电力。

    不同任务的能耗差异也很大。生成一张AI图像所需的能源,是简单文本分类的1000倍以上,而视频生成需要的资源甚至更多。靠提升效率来抵消增长的能源需求?报告说这不太现实,因为”反弹效应”——成本和性能降低会驱动使用量上升,最终结果还是总资源消耗增加。

    到2030年,AI基础设施预计每年将产生多达250万吨电子垃圾。其中大部分负担会落在处置能力有限的中低收入国家。

    环境成本集中在哪里,收益就去到了哪里

    这份报告点出了一个经常被忽视的问题:AI基础设施的环境影响分布极不均匀。技术的收益是全球性的,但成本往往集中在特定地区。

    在一些国家,数据中心已经占到全国电力消耗的很大一部分,给能源系统带来巨大压力。在另一些国家,数据中心扩张正在大量消耗水资源,有时甚至是在干旱条件下进行的。报告特别提到,AI硬件所需关键矿物的开采,也在资源产地引发了环境退化和社会不平等的担忧。

    电子垃圾的挑战同样严峻。到2030年,AI基础设施预计每年将产生多达250万吨电子垃圾,而其中大部分负担可能会落在处置能力有限的中低收入国家——也就是说,发达国家享受AI的便利,发展中国家承担电子垃圾的后果。

    超过90%的AI算力集中在美国和中国

    报告还揭示了一个令人不安的数字——超过90%的AI专用计算能力集中在美国和中国两个国家,同时有150多个国家缺乏重要的国内AI基础设施。这种不平衡不仅限制了这些国家的经济机会,还引发了环境正义问题:一些国家承担了环境成本,却没有分享到AI驱动的增长带来的收益。

    这跟几个月前Erin Brockovich盯上数据中心行业的故事形成了呼应。当时她的团队上线了全美数据中心分布地图,首月收到近4000份居民投诉,核心问题就是”不透明”——项目获批后才公布、居民被排除在决策之外。现在联合国大学把这个问题放在了全球尺度上重新讨论。


    联合国大学的研究人员强调,这份报告并不是反对AI本身,而是呼吁采取紧急行动,确保这项技术在地球承载限度内发展。报告提出了”负责任的AI生态系统”框架,构建原则包括透明度、设计即高效、公平性、全生命周期责任、全球合作和可持续使用。

    具体到能做些什么:各国政府需要将AI基础设施纳入能源、水和土地利用规划;企业需要设计尽量减少资源消耗的系统;普通用户也可以通过尽可能选择低影响的应用来发挥作用。AI的未来不仅取决于技术创新,还取决于当下做出的治理选择。