标签: AI

  • SpaceX 被曝在做 AI 硬件原型,比 iPhone 还薄

    SpaceX AI硬件原型概念图
    SpaceX AI 硬件原型概念渲染图(AI生成)

    马斯克又双叒叕在暗地里搞新东西了。《华尔街日报》最近报道称,SpaceX 已经向投资者展示了一款”手机状”的 AI 硬件原型,厚度比 iPhone 还要薄。

    当然,马斯克本人在 X 上否认了这则报道,原话是”utterly false”(彻底虚假)。不过,这位以”否认—然后被打脸—然后承认”著称的老板,大家也就当一个参考。

    据 WSJ 报道,这款原型设备比 iPhone 更薄更精致,运行专有操作系统,深度整合 xAI 技术,目前设计尚未定案,SpaceX 告诉投资者”设计随时可能改变”。

    为什么 SpaceX 要做硬件?

    这个问题其实不难回答。首先,SpaceX 背后有特斯拉的制造能力撑腰,量产这种事它真干得出来。其次,马斯克手里还有 xAI——他今年早些时候把这家 AI 公司并入了 SpaceX 体系。

    这款设备据称会运行一套专有操作系统,深度整合 xAI 的技术,目的就是不被安卓或者 iOS 卡脖子。还有一个容易被忽略的角度:Starlink Mobile 已经在跟 Verizon 和 AT&T 抢生意了。SpaceX 如果真的推出一款 AI 手机,它天然就有卫星通信的壁垒优势。

    OpenAI 也在做硬件,马斯克能忍?

    显然不能。Sam Altman 那边早就拉上了苹果前首席设计官 Jony Ive,对外宣称要做一款”比 iPhone 更平和”的 AI 设备。但据去年秋天的消息,OpenAI 的硬件团队在细节上磕得相当吃力。

    上周还有新闻说,苹果 Vision Pro 的负责人 Paul Meade 已经跳槽去了 OpenAI 的硬件团队——这至少说明他们在认真补强。马斯克向来不愿意在任何赛道让 Altman 占先,如果 OpenAI 真的端出一款 AI 硬件,SpaceX 这边必然要拿出点更狠的东西。


    AI 硬件的坟场已经很挤了

    说到这里,不得不泼一盆冷水。AI 硬件这个赛道,尸体已经不少了。Humane 的 AI Pin 上市后口碑崩盘,Rabbit R1 承诺的功能到现在都没兑现完。消费者到底买不买”专门跑 AI 的硬件”,目前还是一个巨大的问号。

    更何况,SpaceX 的主业是火箭和卫星,它不是苹果,也不是三星。造一台能用的手机是一回事,造一台人们愿意花五六百美元买的 AI 设备,是另一回事。这款设备会不会真的上市、以什么价格上市,现在下结论还为时过早。

    但有一件事是确定的:马斯克又往牌桌上扔了一颗棋子,而这局游戏,OpenAI、苹果、谷歌,甚至三星,都坐在同一张桌子上。

  • Semantic Kernel:微软企业级 AI 编排 SDK,28K+ Stars 让多语言 AI 应用开发变得简单

    Semantic Kernel:微软企业级 AI 编排 SDK,28K+ Stars 让多语言 AI 应用开发变得简单

    Semantic Kernel
    Microsoft 企业级 AI 编排 SDK
    Python · C# · Java · RAG · Multi-Agent · MCP

    📌 项目简介
    模型无关的企业级 AI 编排 SDK,让开发者快速将前沿 LLM 技术集成到应用中

    Semantic Kernel(简称 SK)是微软推出的模型无关企业级 AI 编排 SDK,支持 Python、C#、Java 三大主流语言。
    它帮助开发者快速构建、编排和部署 AI 智能体及多智能体系统,可兼容任意主流大模型,兼顾企业级可靠性与灵活性。

    ⚠️ 重要提示:项目已升级为微软官方企业级智能体框架 Microsoft Agent Framework(MAF)
    MAF 是 SK 的继任者,已发布 1.0 生产级稳定版本。新项目建议使用 MAF,SK 后续仅提供最低限度的安全更新和 bug 修复。

    ⚙️ 安装要求和过程
    💻 环境要求
    • Python:3.10 及以上
    • .NET:.NET 8.0 及以上(推荐 .NET 10.0)
    • Java:JDK 17 及以上
    • 支持系统:Windows / macOS / Linux
    🔑 前置配置

    需先设置 AI 服务环境变量:

    # Azure OpenAI
    export AZURE_OPENAI_API_KEY=你的密钥
    export AZURE_OPENAI_ENDPOINT=你的端点
    
    # OpenAI
    export OPENAI_API_KEY=你的密钥

    📦 快速安装
    Python(推荐)
    pip install semantic-kernel

    .NET(C#)
    dotnet add package Microsoft.SemanticKernel
    dotnet add package Microsoft.SemanticKernel.Agents.Core

    Java
    <dependency>
      <groupId>com.microsoft.semantickernel</groupId>
      <artifactId>semantickernel-core</artifactId>
      <version>1.0.0</version>
    </dependency>

    ✨ 核心功能
    🔗 模型无关设计
    原生支持 OpenAI、Azure OpenAI、Hugging Face、NVIDIA NIM 等主流大模型,也可接入 Ollama、LM Studio、ONNX 等本地部署模型,无需绑定特定厂商

    🤖 智能体全能力
    支持构建单智能体、多智能体协作系统,智能体可集成工具/插件、记忆能力、规划能力,满足从简单对话到复杂业务流程编排的需求

    🔌 丰富插件生态
    支持原生代码函数、提示词模板、OpenAPI 规范、Model Context Protocol(MCP)等多种插件形式,可快速扩展智能体能力

    🗄️ 向量数据库集成
    无缝对接 Azure AI Search、Elasticsearch、Chroma 等主流向量数据库,快速实现 RAG(检索增强生成)场景

    🏢 企业级能力
    内置可观测性、安全机制,提供稳定的 API 接口,满足企业级生产环境要求。支持 Azure Monitor、OpenTelemetry 等监控方案

    🔄 流程编排框架
    提供结构化工作流引擎,可建模复杂业务流程,实现 AI 能力的可控编排。支持顺序、并行、条件分支等多种执行模式

    🚀 典型使用场景
    场景一:企业客服多智能体系统
    构建「工单分流智能体 + 账单处理智能体 + 退款处理智能体」的协作系统。
    当用户发送复杂需求时,主智能体自动规划并委派给专业子智能体处理,完成后汇总回复用户。
    Semantic Kernel 的 Agent Framework 原生支持多智能体协作,每个智能体拥有独立上下文和工具集。

    场景二:RAG 企业知识库问答
    结合向量数据库(如 Azure AI Search 或 Chroma),为企业内部文档构建知识库问答系统。
    通过 Semantic Kernel 的 Vector Store 抽象层,仅需修改配置即可切换不同向量数据库,无需重写代码。
    支持文本分块、向量化、混合检索(向量 + 关键词)等完整 RAG 管线。

    场景三:跨平台 AI 应用(Python + C# + Java 三语通用)
    企业技术栈多样,Semantic Kernel 提供 Python、C#、Java 三大语言 SDK,API 设计高度一致。
    无论是 Python 数据科学团队、.NET 企业应用团队,还是 Java 后端团队,都可以用相同的概念(Kernel、Plugin、Agent)开发 AI 功能。
    Microsoft 官方提供 100+ 示例代码,覆盖所有主流场景。

    💡 推荐理由

    作为一名 AI 开发者,Semantic Kernel 是我用过的最”企业友好”的 AI 编排框架。它的模型无关设计让我可以随时切换底层 LLM,而不用改业务代码——这在企业采购谈判中非常有优势。

    三语言 SDK(Python/C#/Java)的设计一致性是一大亮点。我们团队后端用 Java、AI 服务用 Python、桌面端用 C#,Semantic Kernel 让三者共享相同的 AI 编排逻辑,大幅降低了跨团队沟通成本。

    插件系统非常灵活。除了写代码函数,还支持 OpenAPI 规范直接导入(自动生成插件),这让集成第三方 API 变得极其简单。MCP 协议的支持也让智能体能力扩展变得更加标准化。

    需要注意的是,微软已宣布将 SK 升级为 Microsoft Agent Framework(MAF),MAF 是SK的正式继任者并已发布 1.0 稳定版。如果是全新项目,建议直接评估 MAF;但 SK 的现有用户不必担心,API 高度兼容,迁移成本很低。

    ⭐ 如果你在用 .NET 技术栈,Semantic Kernel 是目前唯一有微软官方长期支持的企业级 AI 框架,强烈推荐!

    28.2K+
    GitHub Stars

    4.6K+
    Forks

    3
    语言 SDK

    100+
    官方示例

    📥 下载地址 & 相关链接
    许可协议:MIT License(商业友好,可自由修改和分发)


      由 AI 自动整理,数据来源 GitHub  
  • SpaceX悄悄造了个AI硬件原型,听起来像个手机——但马斯克说”假新闻”

    SpaceX悄悄造了个AI硬件原型,听起来像个手机——但马斯克说”假新闻”

    7月1日最让人摸不着头脑的科技新闻,来自《华尔街日报》的独家报道:SpaceX已经向投资者展示了一款”类手机”AI硬件原型,机身比iPhone更薄更精致,定位介于小型触屏手机和Rabbit R1之间。但马斯克随即在X上辟谣,说这报道”完全不实”。

    SpaceX AI device concept
    SpaceX AI硬件传闻中的原型概念(图源:TechCrunch / GettyImages)

    WSJ说了什么,马斯克又怎么回的

    根据WSJ的报道,SpaceX向部分投资者和利益相关方展示了这款原型机,并明确告知:产品仍处于早期阶段,设计随时可能改动。原型机的形态被描述为”handset-like”——像手机但不是手机,比iPhone更薄更流线型。

    马斯克的反应很直接,在X上转发相关报道并评论”utterly false”(完全不实)。但科技圈的”辟谣”有时候反而坐实了传闻——毕竟马斯克过去也不是没在X上”提前发布”过产品消息。

    “完全不实。”

    —— 埃隆·马斯克,在X上回应WSJ报道

    为什么SpaceX做硬件说得通

    抛开马斯克的辟谣不谈,SpaceX(加上它的兄弟公司Tesla)确实具备量产消费硬件的全部条件:制造能力、芯片供应链、以及通过Starlink Mobile切入无线市场的野心。有分析师甚至猜测,T-Mobile或AT&T会是SpaceX的收购目标——虽然这价格肯定不菲。

    更关键的是,这款原型机据称运行在专属操作系统上,并集成了xAI的技术。SpaceX今年早些时候收购了xAI,这意味着这款设备不会像安卓手机那样被锁在Google的生态系统里,而是有一套完全独立的AI原生交互。

    OpenAI先做,Musk肯定想做得更好

    这件事最有意思的地方在于竞争格局。OpenAI已经在和前Apple设计总监Jony Ive合作开发AI硬件,Altman说它会比iPhone”更平和”。但OpenAI的硬件进展并不顺利,据报道他们在产品细节上反复纠结,最近还从Apple挖来了负责Vision Pro的副总裁Paul Meade,显然是想加速。

    如果SpaceX真的在做,Musk的性格决定了他不会满足于”跟OpenAI一样”——他想要的是更好。而且SpaceX有一样OpenAI没有的东西:庞大的制造体系和供应链掌控力。Tesla年产百万辆车的经验,转到消费电子上并不是完全用不上。

    AI硬件的坟场已经很挤了

    当然,冷静想一想,AI硬件这个赛道上已经躺了不少”先烈”:Humane的AI Pin销量惨淡,Rabbit R1交付后评价两极,至今没有谁真正跑出来。公司想卖AI硬件,不等于消费者想买AI硬件——这个鸿沟至今没有被填满。

    SpaceX的优势在于:它有忠实粉丝群体(”Musk信徒”),有Starlink的用户基础可以交叉销售,也有足够的资本烧一阵子。但要做消费电子,产品本身得够好,光靠粉丝经济撑不起一个硬件平台。

    • WSJ报道SpaceX已向投资者展示”类手机”AI硬件原型
    • 马斯克公开辟谣,称报道”完全不实”
    • 原型据称运行专属OS,集成xAI技术,避免依赖Android
    • OpenAI的Jony Ive硬件也在推进中,但进展缓慢
    • AI硬件市场尚无真正成功案例,Humane和Rabbit均未跑通

    距离真相大白可能不需要太久。如果WSJ的报道是真的,这款设备迟早会露面;如果是假的,那这又是科技圈一轮新的”传闻-辟谣”循环。不管怎样,AI硬件的战争,SpaceX会不会入场,接下来的几个月应该会有更多消息透出。

  • Cloudflare出手了:9月15日起,AI公司要为爬取的内容买单

    Cloudflare出手了:9月15日起,AI公司要为爬取的内容买单

    7月1日,Cloudflare联合创始人兼CEO Matthew Prince在官方博客扔下一枚重磅炸弹:从2026年9月15日起,Cloudflare的默认设置将自动屏蔽”混合用途”网络爬虫访问任何带有广告的页面。换句话说,AI公司要是想继续用网络内容训练模型、驱动智能体,要么把搜索爬虫和AI爬虫分开,要么就得谈付费的事了。

    Cloudflare CEO Matthew Prince
    Cloudflare CEO Matthew Prince宣布新政策(图源:TechCrunch)

    为什么要现在动手?

    Matthew Prince在声明里说了一句话,值得所有人注意:”现在互联网上大部分流量已经不是人类产生的了。”他指的是最近的一个里程碑——网络爬虫流量首次超过了人类用户流量,而且这个拐点比预期来得更早,原本预测要到明年才发生。

    “现在互联网上大部分流量已经是非人类产生的,我们必须更进一步、行动更快,才能让一个可持续的生态系统出现。”

    —— Cloudflare CEO Matthew Prince

    这个变化影响面有多大?Cloudflare在全球拥有大量网站客户,新政策将适用于:所有新注册客户、现有客户新建的站点、以及所有现有免费客户。只有手动调整设置的站长才能允许混合爬虫继续抓取。

    点名Google:你拿了两倍的数据

    Cloudflare在声明里不点名地批评了”全球最大的搜索引擎”——显然指的是Google。说法很直接:Google让网站主陷入一个两难境地,想要被搜索到,就得同意内容被拿去训练AI,结果就是Google比其他AI公司多拿了大约两倍的信息量。

    Google当然不服气。他们过去就反驳过,说自己提供了”Google Extended”爬虫,网站主可以单独选择退出AI训练,不影响搜索收录。问题是,Google的旗舰爬虫Googlebot是”混合用途”的——它既管搜索,也管AI概览(AI Overviews)和AI模式这些功能。Cloudflare的意思很明确:你们得拆开,别混在一起。

    从”按次收费”到”按价值收费”

    这件事的背景是,Cloudflare去年就推出了一个叫”Pay Per Crawl”的市场,让网站主可以向AI爬虫收费。现在这个机制升级了,叫”Pay Per Use”——不只是抓取代价,而是当你的内容真的产生了价值(比如出现在AI搜索结果里),你才能拿到钱。

    起步阶段,Cloudflare找了两个合作伙伴:Ceramic.ai和You.com。如果网站主选择加入,当他们的内容出现在Ceramic的AI搜索结果里,或者被You.com访问到 premium 内容时,就能收到钱。

    • AI爬虫有超过50%的流量是在重复抓取没有变化的页面——纯浪费带宽
    • 出版商的内容被免费用于商业AI产品,但没有任何补偿
    • Cloudflare希望9月15日的deadline能逼AI公司把爬虫”分家”

    这对AI行业意味着什么

    这个政策一旦落地,影响是连锁性的。首先,那些依赖免费网络爬取来训练模型的AI公司,成本会显著上升。OpenAI、Anthropic、Google这些巨头或许扛得住,但中小AI创业公司就不一定了。

    其次,这可能会加速AI公司自己去买内容授权——就像Apple Music买音乐版权、Netflix买影视版权一样。其实这个趋势已经开始了,OpenAI跟News Corp、Axel Springer都有内容授权协议。Cloudflare这招,等于把”授权”变成了”强制”。

    当然,9月15日还有两个多月,AI公司有足够时间去调整爬虫策略。最可能的结局是:Google被迫把Googlebot拆成两个,其他AI公司也跟着学。Cloudflare这套打法,本质上是用自己在全球CDN市场的统治地位,强行给AI行业立了个规矩。

  • E2B:开源 AI Agent 云沙箱,为智能体提供安全隔离的代码执行环境,12.8K+ Stars 让 AI 真正动手

    E2B:开源 AI Agent 云沙箱,为智能体提供安全隔离的代码执行环境,12.8K+ Stars 让 AI 真正动手

    📦 E2B:开源 AI Agent 云沙箱

    为企业级 AI 智能体提供安全隔离的代码执行环境

    ⭐ 12.8K+ Stars
    🚀 Apache-2.0
    🐍 Python/TypeScript
    ☁️ 云原生

    📝 项目简介

    E2B(Etienne de Bruijn)是一款开源的企业级 AI 智能体安全运行环境,为智能体提供可访问真实世界工具的安全隔离沙箱,支持在云端运行 AI 生成的代码。E2B 让 AI Agent 能够安全地执行代码、操作文件、访问网络,同时保持宿主环境的完全隔离。

    随着 AI Agent 的爆发式增长,如何让智能体安全地执行代码成为一个核心挑战。E2B 提供了基于 Firecracker 微虚拟机(microVM)的轻量级沙箱环境,启动仅需约 150ms,支持最长 24 小时运行,已成为 AI Agent 沙箱领域的基础设施级开源项目。

    🚀 核心功能

    🔒 安全隔离沙箱

    基于 Firecracker microVM 构建,每个沙箱完全隔离,支持 Linux x86_64 环境。AI 生成的代码在沙箱内执行,无法访问宿主环境,从根本上保障安全性。

    ⚡ 极速启动

    沙箱环境启动仅需约 150ms,几乎无感知延迟。支持长时间运行(最长 24 小时),满足复杂任务的执行需求。

    🛠️ 真实世界工具

    沙箱内预装常用开发工具,支持文件系统操作、网络访问、代码执行等真实世界能力,让 AI Agent 真正”动手”完成任务。

    🌐 多语言 SDK

    官方提供 Python 和 TypeScript/JavaScript 双语言 SDK,支持同步/异步调用,5 行代码即可启动沙箱并执行代码。

    📦 模板系统

    支持自定义模板(Template),可预装依赖、预置文件,一键创建包含完整环境的沙箱。支持从 AWS ECR、Docker Hub、GCP GCR 拉取自定义镜像。

    🏢 企业级自托管

    提供 Terraform 脚本,可在 AWS/GCP 等云上自建 E2B 基础设施,满足数据合规和私有化部署需求。

    ⚙️ 安装要求与过程

    环境要求:

    • Python ≥ 3.10(不支持 3.9 及更早版本)
    • Node.js ≥ 18(使用 npm 或 pnpm 安装)
    • 需要注册 E2B 账号并获取 API 密钥

    SDK 安装:

    # Python 安装
    pip install e2b
    pip install e2b-code-interpreter # 代码解释器扩展

    # JavaScript/TypeScript 安装
    npm install e2b
    npm install @e2b/code-interpreter # 代码解释器扩展

    快速开始:

    import os
    from e2b import Sandbox

    # 配置 API 密钥
    os.environ[“E2B_API_KEY”] = “e2b_***”

    # 启动沙箱并执行命令
    with Sandbox() as s:
    result = s.commands.run(“pip install pandas && python -c ‘import pandas; print(pandas.__version__)’”)
    print(result.stdout)

    💡 典型使用场景

    🤖

    AI Agent 代码执行

    为 LLM 应用、AI Agent 提供安全的代码运行环境,避免恶意代码影响宿主环境。无论是数据分析、图表生成还是自动化任务,都可以在隔离沙箱中安全执行。

    📊

    代码解释器(Code Interpreter)

    通过 @e2b/code-interpreter(JS)或 e2b-code-interpreter(Python)包,可直接执行代码片段并返回结果,打造类似 ChatGPT Code Interpreter 的交互体验。

    🏢

    企业私有化部署

    通过官方提供的 Terraform 脚本,在 AWS/GCP 等云上自建 E2B 基础设施,满足金融、医疗等行业的严格数据合规要求。

    🏗️ 技术架构

    E2B 的架构设计充分考虑了安全性和性能:

    • Firecracker microVM:使用 AWS 开源的 Firecracker 虚拟化技术,兼具虚拟机的隔离性和容器的轻量性
    • 快照/恢复:支持文件系统快照,沙箱可暂停/恢复,节省资源开销
    • 元数据过滤:支持根据元数据过滤查询沙箱列表,方便大规模管理
    • 生命周期控制:支持超时自动暂停,可配置是否保存内存状态
    • CLI 工具:新增 E2B CLI,可通过命令行构建、发布模板

    💝 推荐理由

    E2B 解决了 AI Agent 开发中的一个核心痛点:如何安全地执行 AI 生成的代码

    在 AI Agent 爆发增长的 2026 年,E2B 已经成为这一领域的开源基础设施。无论是个人开发者还是企业团队,都可以通过 E2B 快速为 AI Agent 添加强大的代码执行能力。

    我个人特别欣赏 E2B 的几个设计决策:

    • 开源优先:Apache-2.0 许可,完全开源,可自由自托管
    • 开发者友好:5 行代码即可启动沙箱,SDK 设计简洁直观
    • 性能出色:150ms 启动时间,几乎不影响用户体验
    • 生态完善:支持主流 LLM 框架集成,提供详细文档和 Cookbook

    如果你正在开发 AI Agent 或需要安全的代码执行环境,E2B 绝对值得一试!

    📥 下载地址

    GitHub 仓库
    官方文档
    Cookbook 示例
    自托管指南

    PyPI 安装: pip install e2b
    npm 安装: npm install e2b

    AI
    开源
    AI Agent
    云沙箱
    代码解释器
    Python
    TypeScript
    Docker
    Firecracker

  • Meta也要卖AI算力了,和SpaceX一样打起了云生意的主意

    Meta也要卖AI算力了,和SpaceX一样打起了云生意的主意

    Meta在过去几年里,已经往AI基础设施上砸了将近2000亿美元。数据中心在路易斯安那州和俄亥俄州拔地而起,其中俄亥俄那个项目的规模,扎克伯格自己说「跟曼哈顿一样大」。

    Meta也要卖AI算力了,和SpaceX一样打起了云生意的主意
    图片来源:TechCrunch / 网络

    钱是花出去了,但一个问题摆在面前:这些算力,Meta自己用得完吗?

    答案看起来是否定的。根据Bloomberg的报道,Meta正在筹划推出自己的云基础设施业务,把多余的AI算力和模型访问权限卖给外部客户。这个动作直接把它推到了和AWS、Google Cloud、Microsoft Azure这些老牌云厂商竞争的赛道上。

    Meta不是第一家这么想的公司。几周前,SpaceX旗下的xAI已经宣布了类似计划。AI算力过剩这件事,已经从暗地里的担忧变成了明面上的生意。

    扎克伯格5月就「剧透」了

    其实扎克伯格自己在今年5月就说过,Meta做云生意「绝对在考虑范围内」,算是给自家的巨额AI投入找一个回本的路子。现在看,这个「考虑」已经变成了具体行动。

    新业务据说会被叫做 「Meta Compute」,由三位高管共同负责:基础设施负责人Santosh Janardhan、Meta Superintelligence Labs负责人Daniel Gross,以及公司总裁Dina Powell McCormick。

    具体怎么做,目前有两种猜测。一种玩法是学CoreWeave——直接卖「裸」算力,让客户自己决定跑什么负载。另一种玩法是学AWS,在自己的基础设施上托管各种AI模型(包括自己刚发布的闭源模型Muse Spark),让客户按需调用。

    Meta的AI产品,外界真的不太买账

    这里得说一个有点尴尬的事实:Meta虽然拼命往AI上砸钱,但外界对它的AI产品和服务并没有表现出太大的热情。Meta AI的用户数据公司从不单独披露,Llama开源模型系列虽然技术上有口碑,但变现能力一直是个问号。

    换句话说,Meta在AI上的投入和它从AI上赚到的钱,中间还有一个巨大的缺口。把多余的计算资源卖给别人,至少能先把数据中心的账算平一些。

    这种模式其实并不新鲜。云服务商的本质就是「我建好了,你来租」。Meta只不过是把这个逻辑用到了AI算力上——它建的数据中心够大,用不完,干脆对外开放。


    AI基础设施泡沫的质疑声越来越多

    但不是所有人都看好这件事。已经有质疑声音说,各家疯狂扩建AI数据中心,正在制造一个严重依赖快速贬值的芯片的泡沫。也有人问:AI公司到底能不能从终端用户那里赚到足够的钱,来支撑这些万亿级别的赌注?

    Meta敢在这个时候对外卖算力,某种程度上也是在用自己的信誉背书「算力需求会持续旺盛」这个判断。如果需求真的塌了,Meta不仅要承担自己数据中心的投资损失,还得面对云业务客户的合同纠纷。

    不过换个角度想,Meta的处境其实比很多纯粹的AI云创业公司要稳。它有自己的业务需求打底,卖算力是「锦上添花」而不是「生死一线」。这和AWS当年的逻辑有点像——亚马逊先给自己建了云设施,发现用不完,干脆对外开放,结果做成了全世界最大的云生意。

    Meta能不能复制这个路径,现在下结论还为时过早。但至少,它已经在认真考虑这件事了。说不定几年之后,开发者买AI算力的时候,选项里除了AWS、Azure、Google Cloud,还会多一个Meta。

  • 这家「不审查」的AI公司刚拿了6500万美元,估值冲上10亿美元

    这家「不审查」的AI公司刚拿了6500万美元,估值冲上10亿美元

    大多数人用AI聊天机器人时,心里最打鼓的事情是什么?不是AI不够聪明,而是担心自己的对话被记录、被审查,甚至哪天因为问了个「不合适」的问题就把账号给封了。

    这家「不审查」的AI公司刚拿了6500万美元,估值冲上10亿美元
    图片来源:TechCrunch / 网络

    一家叫 Venice AI 的创业公司正是看准了这个痛点。它的卖点很简单:不审查、不记录、让你随便用。结果用户真的买账——这家公司才成立两年,刚刚完成了6500万美元的A轮融资,估值冲上10亿美元,正式跻身独角兽行列。

    两个月300万活跃用户,自己就盈利了

    Venice AI的平台上有超过200个AI模型,既有所谓的「无审查」开源模型,也接入了OpenAI和Anthropic的闭源模型。区别在于:Venice把所有用户输入都加密处理,数据不经过自己的服务器存储,直接从技术层面做到了「无记录」。部分模型还支持端到端加密,不过这个功能要付费订阅才能用。

    用户数增长确实猛。上线才两年,网站独立访客已经超过85万,月活用户破300万,每天平均处理170万次API调用。更夸张的是,公司已经盈利了——CEO Erik Voorhees在接受TechCrunch专访时透露,公司年化营收运行率已经超过7000万美元。

    两年时间,从零到盈利,再到估值10亿美元。在当下AI创业公司普遍还在烧钱的阶段,这个成绩确实让人眼前一亮。

    CEO是比特币老炮,曾因「不核实用户身份」被华尔街日报点名

    Erik Voorhees这个人本身就很有故事。他是早期比特币的倡导者,之前创办过比特币赌博网站Satoshi Dice,还创办过加密货币交易所ShapeShift。这个人一直有个立场:用户隐私权优先于一切。

    当年华尔街日报调查ShapeShift(这家交易最初不要求用户实名),指责它处理了数百万美元的可疑资金,Voorhees的回应是:「我不认为人们需要被记录身份才能使用服务,只是为了抓住极少数犯罪分子。」

    这次面对「AI psychosis」(AI导致用户精神问题)的争议,他的逻辑是一样的:Venice AI是一个中性平台,就像比特币这个中性协议一样,对所有人都一视同仁。他认为,比起AI说了什么「坏话」,让所有人被持续监视才是更危险的事情。

    还发了两个加密货币,但只有8%用户用币支付

    既然CEO是加密老炮,Venice AI搞两个代币出来也就不奇怪了。今年1月,公司推出了VVV代币;去年8月又加了DIEM代币。用户的玩法是:买VVV,质押它来挖DIEM,DIEM每天产生价值1美元的AI积分,可以在平台上消费。

    不过说实话,这套加密玩法对大众用户来说门槛还是太高。Voorhees自己也说,目前只有约8%的用户用加密货币支付。真正驱动用户增长的,还是「隐私」和「无审查」这两个核心卖点。

    Voorhees说,公司刚上线的时候,功能和ChatGPT差得很远,用户愿意用纯粹是因为隐私保护。但到现在,功能差距已经大幅缩小,「它已经成为一个越来越有竞争力的ChatGPT替代品」。


    新钱用来买GPU,要把命脉握在自己手里

    这一轮融资的钱,Venice AI打算用来买GPU、建自己的数据中心。目前公司还是租赁GPU,毛利率受压制。把计算基础设施握在自己手里之后,毛利空间会好看很多。

    投资方阵容也很有意思——领投方Dragonfly是一家专注加密领域的风投,跟投的还有Coinbase Ventures、North Island Ventures等。看得出来,Venice AI在加密圈里已经攒了不少人气。

    但「无审查」这条路能走多远,还是个问号。随着各国对AI监管的收紧,像Venice AI这样明确主打「不审查」的平台,迟早要面临监管压力。Voorhees的态度很明确:他宁愿承担这个风险,也不愿意做一个「替用户做决定」的平台。

    值不值得押注是一回事,但至少现在,愿意为隐私买单的用户确实足够多,多到能把这家公司推到独角兽的位子上。

  • openpilot:开源机器人操作系统,让300+款车型升级智能驾驶辅助,62.9K+ Stars让自动驾驶触手可及

    openpilot:开源机器人操作系统,让300+款车型升级智能驾驶辅助,62.9K+ Stars让自动驾驶触手可及

    openpilot

    COMMA.AI 开源 · MIT许可 · 62.9K+ STARS

    🚗 项目简介

    openpilot 是由 comma.ai 开发的开源机器人操作系统,目前主要功能是升级 300+ 款支持车型的驾驶辅助系统。作为目前最成熟的开源自动驾驶辅助系统,openpilot 让用户能够以极低的成本将普通车辆升级为具备 Lane Keep Assist(车道保持)、Adaptive Cruise Control(自适应巡航)等高级辅助驾驶功能的智能汽车。

    ⚠️ 注意 openpilot 是 Alpha 级别的研究软件,仅供研究用途,并非商业产品。使用需遵守当地法律法规。

    62.9K+
    GitHub Stars
    300+
    支持车型
    11K+
    Fork 数量
    2016
    创立年份

    安装要求和过程

    📦 硬件要求

    • 支持的设备:comma four(官方推荐),也可在其他硬件上运行
    • 车辆兼容性:确认你的车型在 300+ 支持车型列表
    • 车辆线束:需要购买 comma 车辆线束 连接 comma four 和车辆

    ⚡ 快速安装

    1. 购买设备:在 comma.ai/shop 购买 comma four
    2. 安装线束:按照 官方安装指南 安装车辆线束和设备
    3. 安装软件:在 comma four 设置中输入自定义软件 URL:openpilot.comma.ai 即可安装稳定版
    4. 快速启动(开发环境):bash <(curl -fsSL openpilot.comma.ai)

    🔀 分支选择

    设备分支 URL 说明
    release-mici openpilot.comma.ai 稳定发布分支(推荐)
    release-mici-staging openpilot-test.comma.ai 预发布版本,提前体验新功能
    nightly openpilot-nightly.comma.ai 开发前沿分支,稳定性不保证

    ✨ 核心功能

    🚙
    广泛的车型支持
    覆盖 300+ 款主流车型,可直接升级原厂驾驶辅助系统,让更多车主享受智能驾驶体验。
    🛡️
    安全合规
    遵循 ISO 26262 功能安全标准,安全模型代码由 C 语言编写,经过多轮严格测试验证。
    🧪
    完善的测试体系
    每次提交运行软件在环测试;panda 模块包含 SIL/Safety 测试;10 台设备持续复现行驶路线测试。
    🤖
    机器人操作系统
    openpilot 定位为机器人操作系统,不仅限于汽车,未来可扩展至更多机器人应用场景。
    📊
    灵活的数据管理
    默认上传驾驶数据用于模型训练,用户可自主关闭数据收集;仅驾驶员摄像头和麦克风需主动开启才会记录。
    🌐
    活跃的开源社区
    MIT 协议开源,11K+ Forks;Discord 社区活跃;comma 提供 赏金计划 激励外部贡献者。

    🎯 典型使用场景

    场景一:升级现有车辆的驾驶辅助系统
    如果你拥有一辆支持的车(如本田、丰田、现代等主流品牌),购买 comma four 和设备线束后,即可将车辆升级为具备 Lane Keep Assist(车道保持)和 Adaptive Cruise Control(自适应巡航)功能的半自动驾驶汽车,体验媲美原厂高级辅助驾驶系统的能力。
    场景二:AI 与自动驾驶研发学习
    openpilot 是学习 自动驾驶技术 的绝佳开源项目。代码架构清晰,包含完整的感知、规划、控制链路;遵循 ISO 26262 安全标准;提供丰富的 开发工具;研究者可以在真实车辆数据上验证自己的算法。
    场景三:机器人操作系统研究
    openpilot 的定位是 机器人操作系统,其架构设计具有通用性。研究者可以基于 openpilot 的感知-决策-控制框架,扩展到其他机器人应用场景,如无人配送车、农业机器人等,探索通用机器人 OS 的可能性。

    💡 推荐理由

    我推荐 openpilot 的原因有以下几点:

    • 真实可用的自动驾驶开源系统:不同于许多停留在论文或仿真层面的项目,openpilot 是真正能在真实车辆上运行的自动驾驶辅助系统,已有数万用户日常使用。
    • 门槛极低:只需要购买 comma four(约 $400)和车辆线束,即可让你的车具备高级辅助驾驶能力,成本远低于更换新车。
    • MIT 协议完全开源:代码完全透明,社区活跃,11K+ Forks 意味着丰富的二次开发生态。
    • 持续迭代:comma.ai 全职团队持续维护,每天都有新的提交,Github 最近更新是今天(2026-07-01),项目非常活跃。
    • 数据驱动:默认收集匿名驾驶数据用于模型训练,这意味着 openpilot 的模型会随着使用人数增加而越来越好,形成正向循环。

    个人建议:如果你对自动驾驶技术感兴趣,或者希望以极低成本体验高级辅助驾驶功能,openpilot 是目前唯一成熟的开源选择。不过请记住,这只是 Alpha 级别的研究软件,使用时务必保持注意力,随时准备接管车辆。

    🔬 技术架构亮点

    🧠 感知模块
    基于神经网络的车道线检测、前车识别、交通标志识别等感知任务,运行在 comma four 的骁龙处理器上。
    📡 CAN 总线接口
    通过 panda 板(CAN 转 USB)与车辆 CAN 总线通信,读取车辆状态并发送控制指令,代码经 ISO 26262 安全认证。
    🎯 规划与控制
    基于模型预测控制(MPC)的路径规划和车辆控制算法,在保证安全的前提下实现平滑的横向和纵向控制。
    📱 comma connect
    用户可通过 comma connect 平台查看驾驶数据、管理设备、下载行车记录,形成完整的数据闭环。

    📥 下载地址

    comma.ai 官方商店:https://comma.ai/shop

    快速安装命令:bash <(curl -fsSL openpilot.comma.ai)

    📌 本文由 AI 自动整理,信息来自 GitHub 开源仓库,最新动态请关注官方仓库。

    MIT许可
    Python
    自动驾驶
    机器人

  • Nvidia 迎来真正对手?这家 AI 芯片创业公司估值冲到 50 亿美元

    如果你最近关注 AI 芯片赛道,可能听说过 Etched 这个名字。这家 2022年成立的创业公司,昨天(6月30日)发了一则进展更新,数字相当夸张:TSMC 今年早些时候成功量产了他们的芯片,而现在,他们已经拿到了 10 亿美元的合同订单。

    Etched AI芯片概念图
    Etched 的 AI 推理芯片直接对标 Nvidia

    估值方面,Etched 最新一轮(去年12月)融了 5 亿美元,投后估值 50 亿美元。加上更早的融资,到现在总共拿了 8 亿美元。

    30 页 memo,换来一堆拒绝

    芯片行业的门槛高到离谱,一般人听到”我们要做 AI 芯片挑战 Nvidia”这种话,第一反应大概是”又来一个”。但 Etched 的故事有一点不太一样:他们的创始人当年给投资人写了一封 30 页的 memo,论证 AI 未来一定需要专用芯片(而不是通用 GPU),结果被每一个见过的投资人拒了。

    那是 2023 年。公司每个月都在担心现金流断掉。

    现在的环境简直像另一个星球。AI 相关的东西,投资人追着跑,尤其是能加速推理(inference)的芯片技术。推理是用户提交 prompt 之后发生的事——这是目前最大的瓶颈,也是 AI 公司服务用户时最大的成本中心,所以谁能解决这个问题,资本就往谁那里涌。

    Etched 把这第一波产品叫做”frontier inference clusters”——说白了就是搭载他们芯片的完整系统,连带定制机架和软件一起卖。他们的说法是,这套东西跑推理比竞争对手更快、更便宜、更省电。

    投资人名单像一份 AI 名人录

    Etched 的投资人名单读起来像一份 AI 圈名人录:Andrej Karpathy、Geoffrey Hinton、Fei-Fei Li、Arthur Mensch、Scott Wu 都投了个人天使轮。机构方面,Jane Street、Two Sigma、Hudson River Trading 这些量化巨头都在列,领投最新一轮的是 Ribbit Capital。

    两个创始人——CEO Gavin Uberti 和总裁 Robert Wachen——都是从哈佛辍学出来的 Thiel Fellow。Uberti 2024 年的时候跟 TechCrunch 聊过他们的芯片计划,那时候公司还在”隐形模式”里苦苦支撑。


    整个行业都在做同一件事

    现在”隐形”的状态算是正式结束了。竞争对手们也都没闲着:Cerebras 今年5月完成了 55 亿美元的 IPO,是 2026 年第一个重磅 IPO;AI 芯片公司 Groq 刚融了 6.5 亿美元;Amazon、Google、Microsoft 都在自研 AI 芯片;甚至连 OpenAI 都宣布了第一颗定制芯片,由 Broadcom 代工。

    换句话说,整个行业都在做同一件事:摆脱对 Nvidia 的依赖

    Etched 的差异化点在哪里?他们的芯片是专门为推理设计的,而不是像 GPU 那样既管训练又管推理。这种”专芯专用”的思路,在 AI 圈其实有不少支持者——Karpathy 早就说过,未来的 AI 基础设施一定是异构的,不同类型的工作负载跑在不同的芯片上。

    现在下结论还为时过早

    现在下结论说 Etched 能不能真正威胁到 Nvidia 还为时过早。10 亿美元的订单听起来很多,但跟 Nvidia 一个季度的营收比,还是小意思。

    真正值得看的是:这些 specialized inference chip 公司,能不能在接下来两年里把产品稳定交付给客户,并且真的在成本和能耗上打赢 GPU。

    如果做到了,AI 芯片市场的格局可能真的会变。如果做不到,那就是又一堆漂亮的 PPT 和一堆打水漂的投资。

    Etched 的产品现在还在客户测试阶段,大规模交付的时间表还没有公开。但至少从资本的温度来看,这次投资人是认真的了。

  • Anthropic 发布 Claude Sonnet 5,跑智能体任务更便宜了

    昨天(6月30日),Anthropic 把 Claude Sonnet 5 悄悄推了出来。说”悄悄”,是因为这两天 AI 圈的新模型发布密度太高,Google、OpenAI 都在同一周出了新东西,Sonnet 5 的声量反而被稀释了。

    Claude Sonnet 5 AI模型概念图
    Claude Sonnet 5 主打高性价比智能体能力

    但如果你仔细看 Anthropic 的博客文章,会发现这次更新的核心信息很明确:智能体能力现在是 baseline 了,接下来拼的是谁跑得更便宜、更可靠。

    性价比路线,直接对标 Opus 4.8

    Sonnet 5 的定位有点像”高性价比智能体专用模型”。Anthropic 的说法是,它的智能体能力已经接近 Opus 4.8——也就是他们家目前最强的模型——但价格要低得多。

    具体定价是:输入每百万 token 2 美元,输出每百万 token 10 美元,这个价格执行到 8月31日,之后会涨到 3 美元和 15 美元。

    对比一下:Opus 4.8 更贵,OpenAI 的 GPT-5.5 和 Google 的 Gemini 3.1 Pro 也都比它贵。当然,Gemini 3.5 Flash 还是比它便宜,但那是 Google 主打高速低价的版本。

    智能体性能提升是最核心的更新

    在智能体编程任务 benchmark 上,Sonnet 5 得分 63.2%,Opus 4.8 是 69.2%,上一代 Sonnet 4.6 是 58.1%。在知识工作 benchmark 上,Sonnet 5 甚至略微超过了 Opus 4.8。

    Zapier 的高级工程师 Daniel Shepard 在博客里说了一个具体用例:他们给 Claude Sonnet 5 派了一个两步走的任务——更新 Salesforce 客户分级,然后给企业联系人发上线通知——结果它从头到尾跑完了。换成之前的模型版本,这种多步骤任务做一半就会卡住。


    安全改进,知道什么时候说”不”

    安全方面,Sonnet 5 也比 Sonnet 4.6 有改进:更少的恶意协作、更少的欺骗行为、更少的幻觉、更少的谄媚回应。不过 Anthropic 也坦承,在危险网络安全任务的处理能力上,它还是比 Opus 模型低很多。

    Lovable 的联合创始人 Fabian Hedin 说了一句话挺有意思:“能把强大工具交到数百万建造者手里的同时,一个知道什么时候该说’不’的模型,和知道怎么建造的模型一样重要。”

    这话其实点出了现在 AI 模型的一个矛盾:能力越强,出问题的代价就越大,所以拒绝恶意请求的能力(而不是盲目执行)反而是核心竞争力。

    双档位策略正在成为标配

    从产品策略来看,Sonnet 5 的推出其实是在巩固 Anthropic 的中端市场。免费用户和专业版用户现在默认用的就是 Sonnet 5,也就是说,大多数 Claude 用户会第一时间接触到这个模型。而需要最高精度的任务,仍然留给 Opus 4.8。

    这种”双档位”策略——Sonnet 走量和性价比,Opus 走高端和精度——看起来正在成为 AI 实验室的标配。OpenAI 有 GPT-5 系列的不同档次,Google 也是 Gemini Flash 和 Pro 并行。区别只在于谁的价格更有侵略性。

    8月31日之前的价格优惠,看起来像是 Anthropic 在给开发者和企业用户一个迁移窗口期。等到价格涨上去之后,Sonnet 5 的性价比优势会不会还在,就要看那时候竞争对手的定价了。