YOHO AI

标签： AI

  • KPMG的AI报告因为幻觉被撤，这家刚拿900万美元的公司说他们有解法

    KPMG的AI报告因为幻觉被撤，这家刚拿900万美元的公司说他们有解法

    AI可靠性与幻觉检测
    AI幻觉问题正催生新的技术解决方案

    前几天KPMG撤掉了一份关于AI使用的报告，原因是报告里引用了多家机构的数据，但那些机构纷纷表示”我们没说过这个”。调查发现，这些错误来自AI幻觉——也就是说，这家全球顶级专业服务公司在制作一份关于AI的报告时，自己先被AI骗了。

    这件事在AI圈子里传开之后，很多人把它当成一个笑话。但笑完之后，一个更严肃的问题摆在所有AI用户面前：如果连KPMG都用不好AI，普通人该怎么办？

    “机甲套装”思路

    Peter Elias创办的Probably公司刚拿了900万美元种子轮，领投方是Andreessen Horowitz。他们的思路说起来不复杂：既然大模型天生就会犯事实性错误，那就不要让用户直接碰到原始模型的输出，在模型和用户之间加一层”套装”——Elias自己用的词是”mech suit”（机甲套装）。

    具体做法是：大模型的初版回答先经过一个确定性验证系统（deterministic validator）检查，验证系统会根据已知的数据集来核对结果，任何对不上的回答都会被打回去重算。关键是，大模型本身也针对这个验证系统做了训练，整个链条是一起优化的，而不是各干各的。

    Elias总结了一句话：”你的套装工程设计得越好，你需要的模型就越弱。”意思是，如果你能把上下文整理得足够精确，模型其实不需要很聪明也能给出正确答案。本质上，这是在减少歧义。

    用小模型干大事

    这套架构带来一个有趣的副作用：因为验证层承担了大部分”把关”工作，Probably的数据科学工具实际上跑的是一个比前沿模型”弱四个级别”的模型。换句话说，他们不需要GPT-4o或者Claude Sonnet这种级别的模型，也能给出准确率极高的回答。

    这意味着什么？意味着整套系统可以跑在本地硬件上，不需要把每一次查询都发到OpenAI或者Anthropic的服务器。对于企业用户来说，这省掉了一大笔token费用，也不用担心敏感数据离开自己的网络。

    Elias说他们当前版本的模型跑在桌面级硬件上就没问题。这个定位很聪明——在大家都拼命往云端跑的时候，他选择了往本地走。

    大AI实验室为什么不做这个

    Elias在接受TechCrunch采访时说了一段挺直接的话：”有趣的是，大型AI实验室甚至没有尝试过这样做。他们的激励机制不支持他们这样做，因为用户越是需要反复纠正模型，他们就越赚钱。”

    这个观察很犀利。OpenAI、Anthropic、Google这些公司的商业模式本质上建立在”模型还不够好”这个前提上——如果一次就能给出正确答案，用户就不需要多次调用API，收入就会下降。所以让他们主动把准确率做到99.99%，相当于让他们自己砍自己的收入。

    Probably目前的第一款产品是一个数据科学工具，但Elias说这套引擎可以扩展到任何对精度敏感的场景——会计、医疗、法律分析，这些都是容错率极低的领域，也是目前AI最难真正落地的领域。

    KPMG的尴尬撤稿事件其实正好给市场做了一次普及教育：AI幻觉不是小问题，它会导致真实的、可量化的损失。能解决这个问题的人，值得那900万美元。

  • OpenAI遭多州总检察长联合调查，AI监管的铁拳终于落下来了

    OpenAI遭多州总检察长联合调查，AI监管的铁拳终于落下来了

    OpenAI遭多州总检察长调查
    OpenAI正面临来自多州总检察长的联合调查

    6月13日，OpenAI收到一份来自纽约州总检察长办公室的传票。跟在这份传票后头的，是一个由多个州总检察长组成的联盟，对OpenAI展开正式调查。这件事目前公开的细节还不算多，但已经足够让人意识到——AI监管不再是喊口号了，有人开始动真格的了。

    传票里写了什么

    根据《华尔街日报》的报道，这份传票要求OpenAI提供涉及范围相当广泛的文件，包括公司的广告业务、用户参与度和留存策略、模型的”谄媚性”（sycophancy，指模型过度迎合用户偏好的倾向）、消费者数据处理和健康数据处理方式，以及针对未成年人和老年人的保护措施。

    这个调查清单其实透露了很多信息。总检察长们关注的不仅仅是隐私或数据安全这类传统议题，他们还在追问：AI公司到底有没有在故意让用户上瘾？模型会不会为了讨好用户而放弃给出负责任的回答？未成年人用ChatGPT的时候，到底有没有足够的保护机制？

    这几个问题每一个都戳在AI行业的痛处。尤其是”模型谄媚性”这一点，学术界讨论了很久，但监管机构正式把它写进调查要求里，这还是头一回。

    OpenAI的回应

    OpenAI的发言人发了一份声明，措辞很标准：”AI是一项全新且强大的技术，我们每天都在努力以负责任的方式将它的好处安全地带给人们。我们严肃对待各州总检察长提出的关切，并打算以建设性的方式与他们的办公室合作。”

    声明里还特意提了几句他们已经做了什么：ChatGPT对未成年人提供了”更具保护性的体验”，有引导困难用户联系现实资源和可信人类联系人的安全机制；他们”相信孩子就应该被当作孩子对待”，所以做了年龄预测、推出了家长控制工具，并且不允许针对儿童的广告。

    这些话说得没毛病，但时间点很微妙。就在同一周，OpenAI刚刚秘密提交了IPO申请。一家公司一边准备上市、一边面临多州联合调查，这种组合对任何CEO来说都是巨大的压力测试。

    不是第一次，也不会是最后一次

    OpenAI眼下还背着一堆官司。版权侵权诉讼就不用说了，来自《韦氏词典》和《大英百科全书》的索赔还在进行中。更棘手的是，至少有七起诉讼指控ChatGPT在用户自杀事件中扮演了角色——这些家庭的律师认为，OpenAI没有尽到保护义务。

    上个月的佛罗里达州是一个更鲜明的信号。佛州总检察长James Uthmeier直接起诉了OpenAI和Sam Altman本人，声称OpenAI”无视内部和外部的安全警告，把儿童置于巨大风险之中，让一个危险的产品触达了数百万佛罗里达人”。这是美国历史上第一起由州总检察长亲自下场、起诉AI公司及其CEO的诉讼。

    再把时间往前推一点，加拿大Tumbler Ridge社区发生大规模枪击案之后，Altman不得不公开道歉——因为OpenAI在事发前就已经标记并封禁了嫌疑人的ChatGPT账户，但没有通知执法部门。Altman说这是公司的失误。

    这一连串事件拼在一起，画面就清楚了：监管机构对AI公司的”信任红利”正在快速消耗。过去两年里，AI公司很大程度上是在自我监管，靠的是”我们会在出事之前自己搞定”的承诺。但现在，越来越多的政客和监管者开始问一个更难听的问题：你们真的能把自己管好吗？

    多州联合调查的意义在于，它表明各州的监管者不再等联邦政府出手，他们准备自己干。这种模式在美国并不少见——当年针对大型科技公司的反垄断调查，也是由多个州的总检察长联合发起的。AI行业可能正在进入同样的周期。

  • n8n – 192K+ Stars，安全工作流自动化平台，原生AI能力加持

    n8n – 192K+ Stars，安全工作流自动化平台，原生AI能力加持

    📦 项目简介

    n8n 是一个面向技术团队的安全工作流自动化平台，兼具代码的灵活性与无代码的速度优势。它采用fair-code许可证，支持自托管和云服务两种部署方式。

    截至2026年，n8n在GitHub上已获得 192,000+ Stars，拥有400+第三方集成、900+现成工作流模板，是当前最热门的开源自动化工具之一。

    🚀 核心功能

    1. 灵活编码支持：支持编写JavaScript/Python代码、添加npm包，也可使用可视化界面搭建流程
    2. 原生AI能力：可基于LangChain构建AI智能体工作流，支持使用自定义数据和模型
    3. 400+集成：与主流应用和服务无缝集成（Slack、GitHub、Google Workspace等）
    4. 900+模板：社区贡献的现成工作流模板，一键导入使用
    5. 企业级能力：支持高级权限管理、单点登录（SSO）、离线部署

    💻 安装要求与步骤

    环境要求

    • Node.js：版本 18.10 或更高
    • npm：随Node.js安装
    • Docker：（可选）用于容器化部署

    快速安装 – 方式1：npx一键启动（推荐）

    # 需要预先安装 Node.js
npx n8n

    启动后访问 http://localhost:5678 即可进入编辑器。

    快速安装 – 方式2：Docker部署

    docker volume create n8n_data
docker run -it --rm --name n8n -p 5678:5678   -v n8n_data:/home/node/.n8n   docker.n8n.io/n8nio/n8n

    启动后访问 http://localhost:5678 使用。

    快速安装 – 方式3：npm全局安装

    npm install -g n8n
n8n

    🌟 典型使用场景

    场景1：AI智能体工作流

    结合LangChain和自定义数据，构建智能化的AI Agent工作流。例如：自动从邮件中提取任务、调用AI分析优先级、自动创建Trello卡片并通知团队。

    场景2：多系统数据同步

    连接CRM、营销工具、数据库等多个系统，实现数据自动同步。例如：当Salesforce新增客户时，自动在Mailchimp中创建订阅者、在Slack中通知销售团队。

    场景3：定期报告自动生成

    定时从多个数据源拉取数据、生成可视化报告并自动发送。例如：每周一早上9点，自动汇总上周的网站分析数据、生成PDF报告并邮件发送给团队。

    💡 推荐理由

    • 开源可控：fair-code许可证，自托管完全掌控数据，无供应商锁定风险
    • 技术友好：支持写代码也支持可视化，开发者和非开发者都能高效使用
    • AI原生：深度集成LangChain，轻松构建AI驱动的工作流
    • 生态丰富：400+集成、900+模板，几乎覆盖所有主流工具
    • 社区活跃：GitHub 192K+ Stars，社区论坛活跃，问题响应快

    🔗 下载地址

    标签：#n8n #工作流自动化 #AI Agent #开源 #Python #自动化 #低代码

  • 前a16z合伙人倒戈：硅谷用1.25亿美元试图堵住AI监管的嘴

    前a16z合伙人倒戈：硅谷用1.25亿美元试图堵住AI监管的嘴

    AI监管与政治
    前a16z合伙人John O’Farrell在《纽约时报》发表署名文章，批评前东家（配图由AI生成）

    John O’Farrell在Andreessen Horowitz干了将近15年。2025年，他辞职了。2026年6月11日，他在《纽约时报》发表了一篇署名评论文章，把前东家——以及整个硅谷AI投资圈——推到了一个相当尴尬的位置上。

    他的核心指控是：以a16z为首的一批AI行业大佬，正在用巨额政治献金”渗透”美国民主制度，目的是阻止任何严肃的AI监管讨论。

    “Leading the Future”：1.25亿美元用来吓唬谁？

    这场争议的中心是一个叫”Leading the Future”（简称LTF）的政治行动委员会（PAC），去年8月成立，宣称要支持”对AI持前瞻态度”的候选人。背后果然不出所料——a16z、OpenAI联合创始人Greg Brockman、Palantir联合创始人Joe Lonsdale、SV Angel创始人Ron Conway，还有AI搜索公司Perplexity。

    这个PAC已经筹了超过1.25亿美元。O’Farrell在文章里说，这笔钱的目的不是”阐述AI政策的愿景”，而是——用他的原话——”恐吓那些在AI监管问题上表现得太积极的政客”。

    “AI不是又一个普通技术。它可能把生产力推到新高度，同时把数百万人的工作自动化掉。它可能找到癌症的治疗方法，同时也可能加速我们还没准备好的生物风险。它可能改变我们的孩子如何学习，同时也可能让他们分不清真假。它可能把经济权力集中到让’镀金时代’看起来像过家子的程度。”
    ——John O’Farrell，前a16z普通合伙人

    加密货币的剧本，现在搬到AI上了

    O’Farrell在文章里点名了一个参照对象：加密货币行业。加密行业之前的策略就是——用政治献金把”对行业友好”的政客选上去，把监管掐死在萌芽状态。a16z在O’Farrell在职期间，也向支持加密的PAC”Fairshake”捐了数百万美元。

    现在，同样的玩法被搬到了AI身上。LTF就是那个工具。

    这个策略有多大的影响力？看看2024年大选就知道了。a16z的两位创始人Marc Andreessen和Ben Horowitz公开表态，通过PAC向特朗普的竞选活动捐款，理由是特朗普的”小科技议程”更符合他们的利益。特朗普今年签署的AI行政令——自愿性质、细节稀薄——基本上就是科技行业想要的那一种。

    OpenAI想撇清关系，但已经晚了

    LTF背后有OpenAI联合创始人Greg Brockman的名字，这件事让OpenAI很不舒服。本月早些时候，OpenAI发了声明，说公司”不指导LTF的活动，也不了解他们的运作情况”——措辞很谨慎，意思也很明确：别把OpenAI跟这个PAC绑在一起。

    但这个”撇清”能有多大用，不好说。Brockman是OpenAI的联合创始人兼总裁，他的个人政治行为很难跟公司完全切割。更何况，LTF的成立本身就打着”AI行业”的旗号，OpenAI是最大的AI公司之一。

    O’Farrell的警告：这招不会成功

    O’Farrell在文章结尾写了一段话，值得全文引述：”我相信AI行业这种试图’政治渗透’的行为终将失败。美国人普遍认为这个制度被有钱有势的人操纵了。他们对AI也深感担忧——一种反弹正在聚集，当选民们了解到少数几个亿万富翁总共花了九位数、 apparently就是为了阻止监管讨论进一步展开的时候，这种反弹会变得更猛烈。”

    他的建议是：科技行业不应该试图”堵住讨论的嘴”，而应该认真参与讨论、赢得信任。

    这话从一个在a16z干了15年的人嘴里说出来，分量不轻。至于a16z和其他LTF的支持者们会不会听，那是另一回事。

    但可以肯定的是，AI监管这个议题，已经从”技术圈的内部讨论”变成了”真金白银的政治战场”。而这场战斗，才刚刚开始。

    📎 原文来源：CNBC报道 | The Verge报道
  • 西雅图紧急叫停新建数据中心：AI热潮下，这座城市选择先停下来想想

    西雅图紧急叫停新建数据中心：AI热潮下，这座城市选择先停下来想想

    西雅图数据中心
    西雅图市议会通过紧急禁令，暂停新建大型数据中心（配图由AI生成）

    6月9日，西雅图市议会做了一件在全美范围内都相当罕见的事——针对大型数据中心的建设，全票通过了一项紧急禁建令，立刻生效，先停一年再说。

    这个禁令针对的是功率容量超过20兆伏安的大型设施。说白了，就是那些为训练大模型而建的AI数据中心，普通的服务器机房不在此列。

    369兆瓦，相当于30万户家庭的用电量

    禁令背后有一组很具体的数字。今年4月，有四家公司接洽西雅图城市照明局（Seattle City Light），提出建设五座大型数据中心的计划。这五座设施的最大电力需求加起来是369兆瓦——够30万户普通家庭用。

    西雅图全市才多少人口？大约75万人。也就是说，这几座数据中心如果全建起来，消耗的电力相当于全市相当一部分居民用电的总和。电价会怎么变？市政电网扛不扛得住？没人知道，因为还没有人认真算过。

    “大型AI数据中心正在全美各地冒出来，推高了居民和小企业的公用事业成本，同时还制造了空气、水和噪音污染。西雅图人不应该用自己的钱包去补贴AI热潮中大型企业的创纪录利润。”
    ——市议员Eddie Lin（第2选区，土地使用委员会主席）

    连亚马逊的员工都站出来支持禁令

    这件事最耐人寻味的地方在于，支持禁令的最积极的一群人里，居然包括亚马逊的员工。

    亚马逊在西雅图是最大雇主之一，而亚马逊本身就是数据中心的最大使用者之一。按理说，员工应该站在公司一边，帮公司争取更多的数据中心建设空间。但这一次，亚马逊员工选择站在了居民这一边，多次出席市议会听证会，表态支持禁令。

    他们的逻辑并不复杂：数据中心的电力和冷却成本，最终会摊到所有用电户头上，包括他们自己。AI热潮带来的收益归科技公司，账单却寄到了每个居民的邮箱里。这笔账，算不过来。

    禁令不是永久的，但信号很明确

    这次通过的禁令时限是一年，必要时可以再延长六个月。在此期间，西雅图市政府会做一件事：把大型数据中心对电网、水资源、电价、土地使用、就业和公共健康的影响，系统地研究一遍。

    陪同禁令一起通过的还有一项政策框架决议（Resolution 32204），由第5选区市议员Debora Juarez牵头，明确要求以”西雅图价值观”来审视任何未来的数据中心提案。

    市议长Joy Hollingsworth说得很直白：”技术跑得很快，但我们的责任是确保增长不会以居民和电力用户的利益为代价。这一年给我们机会在做出永久性决定之前，先把影响搞清楚。”

    这件事为什么值得关注

    西雅图不是第一个面对数据中心扩张压力的城市，但它是第一个以全市议会全票通过的方式，正式按下暂停键的主要科技城市。

    这个先例一旦立起来，其他城市——尤其是那些同样在被数据中心”找上门”的地方——很可能会跟进。俄勒冈、弗吉尼亚、得克萨斯，各地都在面对同样的问题：科技公司要建数据中心，电从哪来？水从哪来？账单谁付？

    西雅图给出的答案是：先别急，让我们先弄明白再说。

  • Salesforce 36亿美元收购Fin，AI客服赛道打响了整合第一枪

    Salesforce 36亿美元收购Fin，AI客服赛道打响了整合第一枪

    AI客服这个赛道，之前还在讲”颠覆传统客服”的故事，现在突然就变成了”大鱼吃小鱼”的并购戏。Salesforce这周宣布，要以36亿美元收购AI客服平台Fin。价格不便宜，但放在今年AI企业服务的估值环境里看，这个数还算克制。

    Salesforce收购Fin
    Salesforce以36亿美元收购AI客服平台Fin（图源：AI生成）

    Fin是什么来头

    Fin这个名字，业内人可能更熟悉它的前身——Intercom。这家公司最早做的是在线客服聊天工具，后来转向做AI客服代理（AI agent），能跨渠道处理客户咨询：实时聊天、WhatsApp、短信、电话、Slack，全都接得住。

    Fin的联合创始人兼CEO是Eoghan McCabe，这人在SaaS圈是个有点争议的人物。他最早是Intercom的联合创始人，2020年从CEO位置上退下来，后来又重新回来掌舵。这次Fin其实就是他带着原班人马重新做了一次、但这次All-in AI的产物。

    Fin最近放出来的几个产品——比如Apex模型、内部智能体Operator——在AI客服这个细分里算是跑得靠前的。

    Salesforce要拿Fin来干什么

    Salesforce自己有一套企业AI平台叫Agentforce，让企业可以搭建自己的AI智能体来自动化任务。买Fin进来，明显是想把Fin的AI客服能力直接嵌进Agentforce里。

    Salesforce的CEO Marc Benioff在声明里说了一套场面话，大意是”Fin带来了成熟的智能体技术和对客户成功的深度承诺，会跟Agentforce形成互补”。翻译成人话就是：我们想让Agentforce更能打，Fin的团队和技术正好能用上。

    交易细节：不影响运营

    这笔交易预计在Salesforce2027财年的第四季度完成——按Salesforce的财年算法，其实就是2027年初。

    Fin这边，McCabe在X上发了一条帖子安抚用户和客户：事情基本不会变，他继续当CEO，联合创始人Des继续管研发，团队还会继续在这个品类里领跑。这话半是真、半是稳定军心——被大公司收购之后的独立运营承诺，历史上兑现的概率参差不齐。

    AI企业服务正在进入整合期

    36亿美元这个价位，放在2026年的AI并购市场里值得品一品。上半年我们看到的是Anthropic估值冲到9650亿美元、SpaceX IPO估值2.1万亿美元这种”天上的故事”，但企业服务这边的AI公司，估值逻辑完全是另一套——看的是ARR（年度经常性收入）、客户留存、赛道位置。

    Fin之前没有公开披露过ARR数字，但能从Salesforce手里拿36亿，说明收入规模已经到了一定量级。对比一下：今年AI客服这个垂直里，竞争对手包括Ada、Intercom（是的，Fin的前身现在还是竞争对手）、Zendesk的AI功能，格局还没定型。

    Salesforce买Fin，不一定意味着AI客服战争结束了，但至少说明了一件事：巨头们不再自己从头搭AI客服能力了，他们开始花钱买现成的。这对创业公司来说是个信号——做出来、跑通、卖个好价钱，这条路径正在变清晰。

  • ChatGPT市场份额首次跌破50%，AI助手竞争格局生变

    ChatGPT市场份额首次跌破50%，AI助手竞争格局生变

    三年半前ChatGPT横空出世时，很多人以为OpenAI会一家独大。但最新数据显示，这个故事正在改写。根据分析公司Sensor Tower发布的《2026年AI状态报告》，ChatGPT的全球市场份额这个月首次跌破了50%这道心理关口。

    ChatGPT市场份额变化图
    ChatGPT市场份额从1月的50%+跌至5月的46.4%（图源：Sensor Tower）

    用户正在用脚投票

    具体到数字，今年1月的时候ChatGPT还握着超过一半的市场，到5月底就已经掉到了46.4%。抢走份额的主要是两个追赶者：Google的Gemini涨到了27.7%，Anthropic的Claude到了10.3%。剩下的玩家——Grok、Perplexity、DeepSeek、Meta AI——每个都还不到5%。

    这个变化背后有个有趣的发现：用户现在越来越愿意在不同AI助手之间跳来跳去。Sensor Tower的报告中举了一个例子，今年2月OpenAI跟美国国防部签了合作协议之后，ChatGPT的卸载量当场飙升了29.5%。换句话说，用户并不是因为功能不好用才走，而是因为价值观合不来。

    用户的忠诚度并没有科技公司想象中那么牢固。品牌信任和价值观匹配，正在成为影响AI助手选择的重要因素——而不只是谁的功能更强。

    Gemini吃到了生态红利

    Gemini能涨这么快，很大程度上是因为它嵌进了Google的那套工具生态里。Gmail、Google Docs、Google Search，用户本来就天天在用，顺手就能切到Gemini。这种打法跟当年Microsoft把Edge硬塞进Windows不一样，它是真的在场景里接住了用户需求。

    Claude这边走的则是另一条路。它的口碑主要在生产力场景里打出来的——写代码、改文档、做分析，这几个场景下Claude的用户留存率正在逼近ChatGPT。而且Anthropic有个数据很能说明问题：13%的Claude用户愿意掏钱订阅，这个转化率目前是行业里最高的。

    钱的事：从增长到变现

    Sensor Tower估算，2026年上半年全球用户下载AI应用的次数会接近23亿次，花在AI应用上的钱会超过42亿美元。对比2025年上半年的18.3亿美元，这个跳跃幅度不小。说明行业正在从”先跑马圈地”转向”想办法赚钱”。

    但另一个数字也值得注意：下载和支出的增速都在放缓。这意味着AI助手市场可能正在进入一个成熟化的阶段——盘子还在变大，但没之前那么快了。

    广告来了，购物整合也来了

    ChatGPT今年2月开始在对话里插广告，到5月已经有17%的日活用户会看到广告。目前投广告最多的是软件和购物类品牌，媒体娱乐和餐饮紧随其后。

    购物这块更有意思。ChatGPT正在把流量导向Target、Walmart、Costco这些零售商。但Amazon吃了个闭门羹——它把ChatGPT的网络爬虫挡在了门外，结果从ChatGPT拿到的引流就停滞了。反倒是Walmart自己做了个AI助手叫Spark，还在悄悄抢市场。

    Sensor Tower还发现了一个有用的事实：用了Amazon的Rufus AI助手的购物者，在App里待的时间更长，下单转化率也更高。这说明平台内置的AI助手确实能影响购买行为——但前提是用户愿意用它。

    ChatGPT跌破50%这个节点，本身并不意味OpenAI遇到了大麻烦——它依然是全球用得最多的AI助手，月活超过11亿。但这个趋势提醒了一件事：AI助手这个赛道，再也没有”稳了”这回事。

  • 迪士尼用AI画梦境：Adobe Firefly进驻幻想工程工作室

    迪士尼用AI画梦境：Adobe Firefly进驻幻想工程工作室

    迪士尼乐园里那些让人叹为观止的城堡、过山车、沉浸式体验，在真正动工之前，都要经过一个叫”幻想工程”（Imagineering）的环节。这个单词是迪士尼自造的，把”想象”和”工程”拼在一起，用来描述他们把创意变成实体体验的过程。而现在，这个过程多了一个新工具：Adobe的AI。

    6月16日，Adobe和迪士尼联合宣布， Walt Disney Imagineering的研发团队已经开始使用Adobe的Firefly Foundry平台，来加速迪士尼主题公园和体验项目的设计与预制作可视化流程。

    迪士尼用AI辅助主题公园设计
    AI正在改变主题公园的设计方式

    用迪士尼的资产训练AI

    这次合作的关键点在于，Adobe不是拿一个通用AI模型直接给迪士尼用，而是用迪士尼自己的资产来训练专属的AI模型。这样做的好处是，AI生成的内容从一开始就带有迪士尼的风格和质感，而不是那种一眼就能看出来的”AI味”。

    具体能做什么呢？根据发布的消息，这个平台可以把草图直接转换成完整的渲染概念图，也可以把2D图像变成3D原型。对于幻想工程师来说，这意味着他们可以更快地把脑子里的想法具象化，拿给决策层看，或者用来跟团队合作迭代。

    把草图变成完整渲染图，把2D变成3D——这个过程以前可能要花几天甚至几周，现在用AI辅助，可能几个小时就能出结果。

    创意行业的AI落地样本

    迪士尼和Adobe的这次合作，其实提供了一个值得参考的AI落地样本。它没有试图用AI替代创意人员，而是把AI当作一个加速工具，帮人把想法更快地变成可以看到、可以讨论的东西。

    这跟最近游戏公司Epic介绍《堡垒之夜》里怎么用生成式AI的思路有点像。Epic说，他们用的工具（包括Google的Nano Banana和自研的GenMedia Bridge）让”创作控制权始终掌握在创作者手中”。当然，Epic也承认，艺术家还是需要修正AI在未被要求的情况下生成的内容。

    迪士尼这个案例的特别之处在于，它涉及的是物理世界的建造——过山车、城堡、整个主题园区。AI在这里的作用是在设计阶段加速迭代，最终落地的还是钢筋水泥和真正的工程。这或许也是为什么迪士尼选择跟Adobe合作，而不是自己去训一个大模型——他们需要的是可控的、符合自己品牌调性的工具，而不是一个什么都能做但什么都不精的通用AI。

    AI进主题公园，观众买账吗

    有一个问题值得想想：游客在乎不在乎一个游乐设施的设计过程里有没有用AI？可能大部分人根本不会注意到，也不会在意。但站在创意产业的角度，这种”用专属资产训练专属模型”的思路，或许是AI时代保护创意价值的一种方式。

    如果AI用的就是迪士尼自己的历史资产（几十年积累的角色、场景、设计语言），那么生成出来的东西天然就带有迪士尼的DNA，而不是凭空捏造。这对其他有厚重IP积累的公司来说，可能也是一个值得借鉴的方向。

    目前这个合作刚刚公布，具体会在哪些项目上先用起来，效果怎么样，还需要等迪士尼下一步的消息。但至少从方向上看，这是一次比”我们用AI做了个什么东西”更有想法的一次尝试。

  • 消费者开始对营销里的AI两个字过敏了

    消费者开始对营销里的AI两个字过敏了

    你有没有过这种体验：看到某个品牌在广告里大写加粗”由AI驱动”、”AI赋能”、”AI加持”，第一反应不是觉得高级，而是想划走。根据WordPress VIP前几天发布的一份报告，有这种反应的美国消费者占了60%。

    这份报告调查了2000人，其中包括800位企业决策者和1200位美国成年消费者。结果挺有意思的——品牌方一边拼命往自己的营销文案里塞”AI”这两个字，消费者那边却在同步产生反感。

    消费者对AI品牌营销的反感
    消费者对营销话术里的”AI”越来越敏感

    被AI搜索牵引的品牌，正在失去人的信任

    报告里有个数据很刺眼：86%的消费者说他们并不完全信任AI，还是想去看看原始来源。更有42%的人表示，看到AI生成的回答但没有明确出处标注，他们的不信任程度甚至超过了航空公司隐藏费用、隐私政策条款绕口、还有医疗账单。

    这其实反映了一个正在发生的变化：品牌发现自己处在一个两难里。一方面，AI搜索和答案引擎正在替代传统谷歌搜索，品牌必须让自己的内容被AI”读懂”，否则在AI搜索结果里就相当于不存在。WordPress VIP的CTO Brian Alvey说得很直白：”如果你的网站内容对AI来说不可读，你对越来越多人的搜索方式来说就是隐形的。你不存在。”

    以前大家做网站是给人看的。现在你得给代表那些人的AI代理做网站。如果点击跳过AI答案引擎后看到的内容不像人写的、不可信，他们不会再来第二次。

    消费者对”人间感”的渴望

    报告里还有个数字：近四分之三的受访者认为，互联网比10年前”更不像人做的了”。

    这跟品牌方的动作形成了有趣的反差。74%的企业决策者表示，AI可发现性和出处标注是主要或重要优先事项。他们花了很多力气让自己的内容在AI搜索里排前面，但消费者想要的东西恰恰相反——33%的消费者说，能点击看到原始来源仍然是最能建立信任的信号。80%的人认为网络信息应该保持开放获取，而不是被少数大组织控制。

    品牌该怎么办

    这份报告给品牌出了道难题。你要让AI读懂你，否则在新搜索时代你等于消失。但你又不能让自己看起来像AI写的，否则消费者不买账。

    有意思的是，报告本身也带有立场——WordPress VIP背后是Automattic，这家公司一直在推开放网络协议（比如ActivityPub，让WordPress博客内容可以同步到Mastodon等去中心化平台）。所以报告强调”信息应开放获取、不能被少数大组织控制”，某种程度上也是在为自己的生态站台。

    但抛开立场不谈，消费者的情绪是真实的。当”AI”这两个字在营销话术里被过度使用，它正在失去魔力，甚至变成负担。品牌如果真的想在AI时代建立信任，或许该少说”AI赋能”，多做让人感受到价值的事。

  • LangChain — 135K+ Stars 的 AI 智能体工程平台，构建 LLM 应用的首选框架

    LangChain Logo

    🔗 LangChain

    The Agent Engineering Platform — 135K+ Stars

    📦 langchain-ai/langchain · MIT License · Python

    📝 项目简介

    LangChain 是一个智能体工程平台，为构建 LLM 驱动的应用提供标准化接口与丰富的第三方集成，帮助开发者快速构建、调试和部署生产级 AI 智能体应用。

    135K+
    GitHub Stars

    279K+
    依赖项目

    600+
    集成组件

    v1.x
    最新稳定版

    ⚙️ 安装要求与过程

    环境要求
    • Python ≥ 3.9
    • 推荐使用 uv 作为包管理工具
    • 需要有效的 LLM API Key（OpenAI / Anthropic / 国内模型等）
    # 快速安装
    # 使用 uv 安装（推荐）
uv add langchain

# 使用 pip 安装
pip install langchain

# 安装特定模型集成
pip install langchain-openai
pip install langchain-anthropic

    # 快速开始 — Hello World
    from langchain.chat_models import init_chat_model

# 初始化模型（支持任意提供商）
model = init_chat_model("openai:gpt-4o")
# model = init_chat_model("anthropic:claude-sonnet-4-20250514")

result = model.invoke("用一句话解释什么是 LangChain")
print(result.content)

    ⭐ 核心功能

    1
    标准化模型接口
    为模型、嵌入、向量存储等核心组件提供统一接口，切换底层模型无需重构业务代码，彻底告别厂商锁定。

    2
    丰富的第三方集成
    内置 600+ 集成组件，覆盖主流 LLM 提供商、向量数据库、检索工具、API 工具等，即插即用。

    3
    灵活的抽象层次
    从高层级链式调用（快速原型）到底层组件细粒度控制（复杂生产场景），支持不同复杂度的应用需求。

    4
    LangGraph 智能体编排
    配套 LangGraph 提供低层级智能体编排框架，支持复杂可控的多智能体工作流，适合生产级应用场景。

    5
    LangSmith 可观测性
    无缝对接 LangSmith 进行智能体评估、调试与监控，支持生产环境部署与长时状态工作流扩缩容。

    🚀 典型使用场景

    场景一：RAG（检索增强生成）问答系统
    将企业知识库文档向量化存储，结合 LangChain 的 Retriever 组件与 LLM，实现基于私有数据的精准问答。支持对接 Chroma、Pinecone、FAISS 等主流向量数据库，是构建企业 AI 知识助手的首选方案。

    场景二：智能客服 / AI Agent 工作流
    利用 LangChain 的 Agent 与 Tools 机制，让 LLM 自主调用搜索引擎、数据库查询、API 接口等工具，构建能完成多步骤复杂任务的智能助手。结合 LangGraph 可实现包含人工审批节点的复杂业务流程自动化。

    场景三：结构化数据抽取与处理
    利用 LangChain 的 OutputParser 与 Structured Output 功能，从非结构化文本中抽取结构化信息（如提取简历关键信息、解析合同要素），并输出为 JSON / Pydantic 模型，方便后续业务系统处理。

    💡 推荐理由

    LangChain 是 AI 应用开发领域当之无愧的”基础设施”。如果你正在构建任何与 LLM 相关的应用，LangChain 几乎是你绕不开的选择。

    它的核心价值在于标准化：无论你用 OpenAI、Anthropic 还是国产模型，接口一致；无论你用 PostgreSQL、Pinecone 还是 FAISS 存向量，接口一致。这种抽象让你可以随时切换底层技术，而不用重写应用逻辑。

    2026 年 LangChain 已迭代至 v1.x 稳定版，配套生态（LangGraph 智能体编排、LangSmith 可观测性、Deep Agents 低代码智能体）日趋完善，从快速原型到生产部署的全流程都有成熟方案支撑。

    当然，LangChain 的抽象层较厚，对于追求极致性能的场景可能需要权衡。但对于绝大多数 AI 应用开发者而言，它依然是目前最成熟、社区最活跃、学习资源最丰富的不二之选。

    ⋯⋯

    AI
    开源
    LangChain
    LLM
    AI Agent