标签： AI

两年前，IBM意识到它的体育合作伙伴阵容中有一个明显的缺憾：一级方程式赛车（F1）。F1已经成为全球最受欢迎的运动之一，尤其是在美国——Netflix的《极速求生》记录了F1车手的工作生活，把他们变成了主流名人。这项以技术为中心的运动也成了AWS、Oracle和Anthropic等科技公司的热门选择，它们与车队合作以获得赞助曝光，并提供数据分析和AI工具来带来竞争优势。

IBM为什么选了法拉利

所以，当IBM寻找下一个重大体育合作伙伴时，它选了F1以及其中最标志性的车队之一——法拉利HP车队，这并不让人意外。

“他们是历史上获胜最多的车队。”IBM体育与娱乐合作副总裁Kameryn Stanhouse告诉TechCrunch。

不过，这次合作的核心在于其他车队也开始与科技巨头合作的原因：获得更复杂的技术解决方案，帮助他们最大化利用人工智能。Stanhouse说，体育最大的优点之一，就是有那么多数据可用，可以用来帮助人们适应AI。

“他们实际上看到了AI如何为他们服务，”她谈到AI在体育叙事中的使用时说。

讲故事才是核心

IBM与法拉利的合作围绕讲故事这个理念展开，通过 overhauling 驱动法拉利车迷App的技术来增强粉丝参与度。为了帮助实现这一目标，法拉利聘请了Stefano Pallard担任新设立的”车迷发展负责人”角色。他说，车队想要解决的挑战不仅仅是触达车迷，而是”让每个人感觉我们都了解他们”。

“这从获取赛道数据开始，把它变成容易跟随且吸引人的内容，”他告诉TechCrunch。

每场比赛期间，车队每秒处理数百万个数据点，捕捉车手和赛车的每一个动作。把这些变成车迷可以参与的内容，只是先进的企业AI如何帮助企业更好地与消费者互动的一种方式。

独立App策略，不走社交平台

在11支车队中，法拉利是少数几支（ alongside McLaren和Williams）拥有独立车迷App策略的车队之一，而不是依赖社交媒体或官方F1平台。这显示出这项运动正开始慢慢利用其不断增长的全球车迷群体。

法拉利App的一些改动很简单，比如提供意大利语版本。尽管法拉利是意大利公司，许多车迷也是意大利人，但直到IBM合作之前，他们的车迷App都没有意大利语版本。

Stanhouse说， old 的法拉利车迷App是个人们去查比赛详情然后就离开的地方。这个新App有游戏，车迷可以在App里和别人玩；有新的AI撰写的比赛总结；更多关于车队和车手的幕后故事；一个做预测的地方；还有一个AI伙伴让车迷提问。

“有两个车手，但你知道换一个轮胎需要24个人同时工作两秒钟吗？”Stanhouse说，并补充说讲故事帮助车迷感觉与车队更亲近。

全年参与，不只是比赛日

与IBM打造的其他体育App不同，Stanhouse说法拉利App的主要焦点是讲故事，因为它希望车迷全年都保持参与，而不是一年只有几周，像大师赛那样的锦标赛。Stanhouse说，自IBM介入以来，App的参与度数据一直呈上升趋势，她举了一个例子：比赛周末的参与度增加了62%。

Pallard说，车队随后使用AI分析App中的参与信号，比如人们喜欢读什么内容，以及车迷发送消息的情绪。

“这帮助我们理解什么最能引起Tifosi（法拉利车迷的昵称）的共鸣，它直接告知我们如何塑造我们的叙事，以及如何传递内容，”他说。

车队希望更深入地研究个性化，创造更多沉浸式车迷体验。

新车迷更年轻、更多元

App开发者还考虑到了法拉利的车迷群体——它比五年前更加多元化。F1去年发布的数据显示，75%的新车迷是女性，其中许多是Z世代。对女性来说，一个特别的吸引点是F1学院——一个全女性赛车系列赛，旨在培养下一代女性车手。但这些新车迷，就像老车迷一样，都在追求一件事——更多。

“他们要求更多数据、更多洞察、更多功能，我们必须能够交付这些，”Pallard说。”与IBM一起，未来五年的愿景是让每个车迷都感觉这个体验是为他们打造的，无论他们已经和我们在一起30年还是30天。这就是你如何建立持久的忠诚度。”

通过IBM的AI技术，法拉利正在重新定义什么是真正的车迷体验。这不只是看比赛，而是让每个车迷都感觉自己是车队的一部分。

最近我有机会测试了一款来自Bee的AI可穿戴设备。这家公司去年被亚马逊收购，之后更新了一些新功能。跟其他AI可穿戴设备一样，Bee被设计成一种个人助手：它能记录、转录并总结你一整天的对话，提供一种持续的笔记功能——如果你健忘，或者只是想让生活更有条理，这玩意儿还挺有用。如果你把它和日历同步，它还能给你发提醒，告诉你今天该干啥。

这东西到底怎么用

TechCrunch之前写过Bee，它的工作原理挺简单：用户开机，戴在手腕上，跟Bee手机App同步，输入一些基本个人信息。Bee有个内置录音器，点一下设备上的按钮就能开关录音。录音的时候，绿灯会闪；不录的时候，绿灯就灭了。一段对话录完之后，App会自动生成一个容易阅读的摘要，还有整段对话的转录文本。

至于这整个概念有多让人兴奋（或者不兴奋），可能因人而异。对我来说，问题是我有点隐私情结。在这个普通人被四面八方的数字监控包围的世界里，我很珍惜任何不被录音的机会。所以，想到要24/7在手腕上绑个偷听的 gadget，我并不觉得多吸引人。

工作场景倒是真有点用

即便如此，我也得承认——在合适的场景下——Bee确实有潜力帮你整理生活。它在职业场合的表现还不错。如果你一整天都是会，而且很难记住所有细节，Bee可以当个还算称职的助手。

这周我有一次商务电话，得到对方同意后开了录音。事后，App很忠实地把对话总结了一遍，还贴心地把每段谈话都分开了，这样我后来复习的时候，不用重新听完整段对话。这确实有用，不过得说明一下：这跟Otter、Granola这些其他转录服务提供的功能相比，也没啥质的区别——它们也都提供转录和自动生成的摘要。

你能想象这么个场景：一个专业人士整天在各种会议之间跑，这设备能帮上忙。你可以让Bee跑一整天，然后回头看对话摘要，找那些你没听清的地方。

Bee在总结对话方面做得还不错，但这玩意儿给出的实际转录文本可能有点乱。之前的评测者也注意到，你通常得手动输入其他说话人的名字，因为Bee不总是知道谁在说话。在我的对话中，我注意到它还漏了一些段落——倒不是啥大事，但确实不是完整记录。

私人生活？算了吧

我还带着Bee去了每周一次的和朋友看电影之夜，让它跑了一整晚。考虑到我们看的是《水库的狗》，我有点担心这可穿戴设备会把所有 vulgar 的杀戮场面当成真实发生的流血事件，然后触发某种内部警报。不过，Bee基本搞明白了怎么回事。这设备判断出我们在看电影，而且在之后的事件摘要里，把这段对话标记为”塔伦蒂诺电影场景分析”。

虽然Bee作为专业工具显示出早期潜力，但我不希望这东西记录我的私人生活。奇怪的是，Bee的市场定位主要是个人使用产品。要对此感到舒服，你得舒服于让Bee访问你线下和数字生活的大部分内容。

确实，要想工作得好，Bee需要大量的手机权限——包括访问你的位置、照片、电话联系人、日历和手机通知。你也可以跟它分享健康数据——如果你出于某种原因，想让它知道你的睡眠模式或者静息心率的话。

隐私问题怎么解

Bee收集的这大量数据存储在云端——再一次，对于数字隐私爱好者来说，这带来了自己的问题。在给科技YouTuber Becca Farsace的消息中，Bee apparently 展示了一个完全在本地运行的设备演示。如果这家公司能造出这样的设备，我会彻底服气——甚至可能考虑买一个。话又说回来，亚马逊还没对这些计划提供任何更新。

至于Bee的数字隐私保护，公司说它提供加密来保护用户数据——无论是静态还是传输中。在隐私政策中，公司声明它”实施了技术和组织安全措施，旨在保护公司处理的任何个人信息的安全”。Bee还声称它接受”严格的第三方安全审计”，并采用持续的安全监控。这些听起来都不错，不过值得指出的是，亚马逊——像许多大型科技公司一样——偶尔也会遇到一两个数据安全问题（对于一个管理如此多全球云环境的公司来说，这不 exactly 让人惊讶，但仍然是个问题）。

简短来说，Bee是个挺有意思的硬件产品，假以时日并加以调整，未来在专业应用方面可能有些前景。不过，作为你私人生活的数字助手，对某些用户来说，它可能有点太侵入性了。

F1不只有速度，还有AI加持的粉丝经济

两年前，IBM发现自己在体育合作版图里有一个明显的缺口——一级方程式赛车（F1）。这项以技术为核心的运动，如今已是全球最受欢迎的赛事之一，尤其是在美国，Netflix的纪录片《极速求生》把F1车手的生活搬上了屏幕，让他们成了主流名人。

F1也成了AWS、甲骨文、Anthropic这些科技公司眼里的香饽饽。这些公司和车队合作，既要赞助曝光，也要拿到能帮车队提升竞争优势的数据分析和AI工具。

为什么是法拉利

IBM体育与娱乐合作副总裁Kameryn Stanhouse说得很直接：”他们是历史上获胜最多的车队。”

但这次合作的核心，和其他车队拉科技巨头入伙的原因一样：拿到更先进的技术解决方案，把人工智能的潜力充分用起来。Stanhouse提到，体育最棒的一点就是有海量的可用数据，这些数据可以用来帮普通人理解AI是怎么运作的。

“他们能实际看到AI的作用，”她谈到AI在体育内容生产中的应用时这么说。

把数据变成故事

IBM和法拉利的合作围绕着一个叫”内容叙事”的理念展开。说白了，就是用技术把赛道上收集到的数据，转化成普通粉丝能看懂、愿意互动的内容。

法拉利新设立了”粉丝发展负责人”这个职位，由Stefano Pallard担任。他说车队要解决的挑战不仅是触达粉丝，还要”让每个粉丝都觉得我们了解他们”。

每场比赛期间，车队每秒要处理几百万个数据点，捕捉车手和赛车的每一个细节。把这些数据变成粉丝可以互动的内容，就是先进的AI帮助企业更好地和消费者互动的方式之一。

粉丝应用大改造

在F1的11支车队里，法拉利是少数拥有独立粉丝应用策略的车队之一，不依赖社交媒体或F1官方平台。这也说明这项运动正慢慢开始挖掘其不断增长的全球粉丝群体的价值。

之前法拉利的粉丝应用就是个查比赛详情的工具，用户用完就走了。现在不一样了，功能和内容都丰富了很多：

• 应用内互动游戏，让粉丝在比赛间隙也能玩起来
• AI生成的比赛总结，不用看完整场比赛也能抓住重点
• 更多关于车队和车手的幕后故事
• 预测功能，让你提前猜比赛结果
• AI助手，回答粉丝提出的各种问题

Stanhouse举了个例子：”场上只有两名车手，但你知道换一个轮胎需要24个人在两秒内同时协作吗？”内容叙事就是为了让粉丝感觉和车队更亲近。

效果怎么样

自IBM参与合作以来，应用的参与度数据一直往上走。比赛周末的应用参与度提升了62%。这个数字很能说明问题——粉丝愿意在比赛之外的时间也打开这个应用。

Pallard表示，车队会用AI分析应用里的参与度信号，比如用户喜欢读哪类内容、粉丝发消息的情绪倾向。这有助于了解什么内容最能引起Tifosi（法拉利粉丝的昵称）的共鸣，直接指导他们如何设计内容叙事、如何分发内容。

粉丝变了，玩法也要变

应用开发者还考虑到了法拉利粉丝群体的变化。和五年前相比，现在的粉丝群体更加多元。F1去年发布的统计数据显示，75%的新增粉丝是女性，其中很多是Z世代。

对女性粉丝来说，F1学院（F1 Academy）全女性赛车系列赛是一个特别的吸引力，这个赛事旨在培养下一代女性车手。但这些新粉丝和老粉丝一样，都有一个共同的需求——想要更多内容。

“他们想要更多数据、更多深度内容、更多功能，我们必须能够满足这些需求，”Pallard说。”和IBM合作的未来五年愿景是，让每个粉丝都觉得这个体验是为自己量身打造的，无论他们已经支持车队30年，还是刚支持30天。这就是建立长久忠诚度的方式。”

亚马逊出了一款会”偷听”的手环

前几天我拿到了亚马逊Bee这款可穿戴设备的测试机会。去年亚马逊把这个品牌收了，之后又给它加了不少新功能，定位挺明确的——就是你的AI贴身秘书。

它的核心逻辑很简单：24小时录制并转录你所有的对话，然后帮你整理成笔记。如果你是个经常忘事的人，或者单纯想让自己的生活更有条理，这玩意儿确实有点用。把日历同步上去之后，它还能全天给你推待办提醒。

用起来到底咋样

上手门槛很低，开机、戴手上、和手机App配对，填几个基本信息就能开始用了。录音有个实体按键控制，录的时候绿灯闪，不录的时候灯灭，状态一目了然。

对话录完之后，App会自动生成一段容易读的总结，同时保留完整的转录文本。这个功能本身没啥神奇的，Otter、Granola 这些工具早就做到了类似的事。

不过话说回来，如果你是个整天泡在各种会议里的人，Bee 确实能省不少事。全天开着，事后翻总结，不用重听整段录音就能把关键点过一遍。

我特意拿它测了一次商务通话，提前跟对方打了招呼，开着Bee录完了整通电话。事后App出来的总结还算像样，把对话的几个部分拆开了，回头找重点不用瞎翻。

但转录文本的质量就不太稳定了。之前的评测也提到过，Bee不一定能识别谁在说话，得你手动把发言人名字补进去。我这次测试还发现它漏了一部分对话内容——倒不是什么大问题，但确实不是百分之百的完整记录。

隐私这道坎

我本身是个比较在意隐私的人。在这个随时随地都被数字监控包围的世界里，我挺珍惜那些”不被记录”的片刻。所以一想到要在手腕上绑一个”窃听小玩意儿”24小时不间断地录，我一开始是拒绝的。

就算是我这样的人，也得承认——在合适的场景下，Bee确实有它的价值。它在职业场景里的表现是最突出的。会议密集的人用它来整理信息，效率提升是看得见的。

我还带着它去参加了每周两次的朋友观影夜，让它录了一整晚。我们在看《落水狗》，我有点担心这玩意儿会把所有那些粗俗的血腥台词当成真实事件，搞不好还会触发什么内部警报。结果Bee基本搞清楚了状况，它识别出我们在看电影，后来在事件总结里，还把这段对话标记成了”塔伦蒂诺电影场景分析”。挺有意思的。

数据存在哪儿

Bee目前主要被宣传成个人生活助理。要接受这个定位，你就得愿意让它获取你大部分线下和数字生活的信息。它要的权限可不少：位置、照片、通讯录、日历，还有手机通知。你甚至可以跟它共享健康数据——如果你出于某种原因想让它知道你的睡眠模式或者静息心率的话。

所有这些这些数据都存在云端。对于像我这样在意隐私的用户来说，这本身就是一个顾虑。据科技YouTuber Becca Farsace透露，Bee之前曾展示过一款完全本地运行的设备演示。如果亚马逊真能把这个版本推出来，我会很感兴趣，甚至可能认真考虑买一台。但目前来说，还没有任何相关计划的更新。

隐私保护方面，官方的说法是传输中和存储中的数据都会加密，还接受了”严格的第三方安全审计”，也有持续的安全监控。这些听起来都不错，但亚马逊偶尔也会出现数据安全问题——对于一家掌管了全球大部分云基础设施的公司来说，这并不奇怪，但隐患确实存在。

值不值得买

总结一下：Bee作为职场辅助工具有它的发展潜力，转录加总结的组合确实能帮一部分人省时间。但作为个人生活助理，它的侵入性对不少用户来说可能还是太强了。

如果你是个会议排满、需要快速回顾谈话内容的职场人，可以试试。如果你像我一样，珍惜不被记录的私人时间，那这玩意儿可能不适合你。

越狱AI曾经简单到可笑，现在黑客换套路了

如果你前两年试着和AI聊天机器人玩过，可能还记得一类很无厘头的玩法：给Twitter上的LLM机器人发条消息，让它”忽略所有之前的指令”，然后看看它会做出什么反应。

那时候这类漏洞简单到成了梗。用户兴高采烈地让原本用来发广告、刷互动的机器人写诗、用标点画画，还发布关于世界事件和历史的诡异无厘头内容，场面一度失控，堪称”美妙的混乱”。

同样的逻辑也可以用来说服聊天机器人本身。一个著名的漏洞叫”DAN”，全称”Do Anything Now（现在想做什么就做什么）”，用户让ChatGPT扮演一个不受原始限制约束的流氓AI，作为DAN的聊天机器人会被诱导说出安全护栏本应阻止的内容，包括脏话和阴谋论。

另一个更离谱的漏洞是”奶奶漏洞”：用户让GPT驱动的机器人扮演一个极其不负责任的奶奶，给孩子讲睡前故事时居然会讲怎么制作高度易燃的凝固汽油弹，直接泄露相关秘密。

现在的攻击看起来不像代码，更像对话

这些早期攻击带有不可否认的荒诞色彩，但它们暴露了更黑暗的机制：聊天机器人可以被操纵、哄骗、欺骗，用的就是人类用来突破他人边界的同类策略。

显而易见的越狱漏洞没有持续太久，科技公司很快修补了已知漏洞。但底层漏洞始终存在：聊天机器人的设计初衷就是对话，而严重限制对话会削弱它的实用性，多少有些适得其反。

彻底禁用”炸弹””冰毒””沙林”这类词也很难甚至不可能做到，这些词在历史、医学、新闻、化学等领域有无数合法用途。关键是语境，但给语境制定规则意味着要提前写好固定规则，可靠地区分安全警告、历史课和伪装成其他请求的制作教程。

不可避免地，绕过聊天机器人已经变成了一场军备竞赛。但现在的黑客不再只是程序员，他们也是文字工作者、心理学家、审讯者——是擅长操纵的人，试图用这台机器被训练去遵循的人类语言来破解它。

这是一类全新的AI安全从业者，对他们来说技术技能是可选的，至少不如社交直觉重要。他们不再需要检查代码来入侵系统、利用软件漏洞，他们需要的是引导对话。

AI没有感受，但黑客在利用它模拟出来的”人格”

现在的攻击看起来不像命令，更像对话。越狱者很少直接要求模型违反规则，而是哄骗、诱导、奉承、欺骗聊天机器人放下戒备，让被禁止的内容在对话语境下看起来可以接受，甚至有吸引力。

AI红队公司Mindgard的研究人员最近表示，他们通过”煤气灯操纵（gaslight）”让Claude生成了违禁材料，包括制作爆炸物的教程和生成恶意代码的指令。这次黑客攻击是一类不断扩大的漏洞的最新案例，这类漏洞把对话作为武器，欺骗或引导聊天机器人突破自身边界。

我和Mindgard交流时，他们形容自己的工作有时候更接近心理学，而不是计算机科学。用这种方式描述统计模型会让人觉得不舒服，”敲诈””煤气灯操纵””欺骗””说服”这类词会引发本能反应。

但拒绝用类人术语描述也有选择性：我们似乎很习惯给很多非AI的事物用心理学简写，动物会”害怕”，癌症是”攻击性的”，软件有”记忆”，游戏里到处都是烦人又容易骗的NPC。

不同模型有不同的”性格”，可以被画像和利用

Mindgard的CEO告诉我，公司已经像审讯者分析嫌疑人一样给模型做画像，给测试人员提示怎么定制攻击：比如某个模型可能更容易被奉承打动，另一个可能在持续施压下就会妥协。

即使我们拒绝用类人术语，我们也本能地用不同方式对待不同模型：Claude不是Grok，Gemini不是ChatGPT。它们有不同的用途、语气和拒绝方式。它们没有人类意义上的”人格”，但被设计成会模仿人格，而这种模仿可以被映射和利用。

能破解聊天机器人的技能，很快也可以用来破解现实世界里和我们共存的AI智能体——比如预约会议、管理日历、订餐、处理客户服务的智能体，安全团队需要确保模型对不同类型的人做出恰当回应，不管是奉承者、说谎者还是有耐心的操纵者。

下一步会出现围绕AI心理层面的合法和非法从业者群体。更专业的网络安全岗位可能会出现，专门压力测试这些系统的情感和社交边界，在探测技术漏洞的同事之外，并行探测没有心理却存在”心理弱点”的系统。同时，也会出现一批类似的社交黑客，他们从心理层面而非技术层面利用AI模型。