YOHO AI

标签： OpenAI

  • OpenAI把手机APP全废了，所有界面AI实时生成，2027年量产

    在6月初的Voice Hack Night活动上，OpenAI团队现场演示了一款”Agentic操作系统”手机原型。核心设计只有一句话：手机上不再有传统APP，所有界面都由AI根据你的指令实时生成。演示者全程没碰屏幕，只靠说话就完成了订机票、删日程、查新闻、发邮件、列待办这五件事。

    “UI即系统”——这不是换个launcher，而是把整个移动交互的底层逻辑推倒重来。界面不是被”打开”的，而是被”生成”的。

    端云分工：轻任务本地跑，重推理甩给云端

    这套系统采用端云协同架构。手机本地模型负责即时生成界面、处理轻量交互，反应速度压到毫秒级。遇到需要复杂推理的任务，比如帮你规划跨城行程或者写一封正式邮件，系统会自动把请求转给云端GPT处理，结果回来再渲染成界面。

    这种分工方式其实解决了AI手机一直没绕过去的坎——纯本地模型能力不够，纯云端又太慢还费流量。OpenAI这次把两条路并在一起，逻辑上说得通，工程上能不能跑顺是另一回事。

    时间线比预期更早：2027年上半年量产

    Sam Altman之前在多个场合暗示过OpenAI在做手机，但一直没给时间表。这次原型亮相之后，内部文件显示的量产节点是2027年上半年，比大多数分析师的预期早了至少半年。

    值得注意的是，这次演示是在Voice Hack Night上由一支团队完成的，不一定是OpenAI内部产品团队的正式原型。但Altman此前明确说过”现在是重新思考操作系统和用户界面设计的合适时机”，方向已经定了，剩下的就是工程落地。

    这事如果成了，谁最慌

    如果”无APP手机”真的在2027年落地，受到冲击的不只是苹果和谷歌。APP开发者、应用商店、整个移动广告链条都会被重构。用户以后不需要去应用商店搜软件，直接对手机说需求，界面就出来了。

    • 苹果：iOS的护城河就是APP生态，这套玩法直接绕开
    • 谷歌：Android的商业模式很大程度依赖应用商店分成和搜索广告，都会被波及
    • APP开发者：以后可能不需要开发”应用”了，而是训练”技能”

    当然，现在说这些还早。原型演示和量产上市之间隔着芯片、系统稳定性、隐私合规、生态迁移一大堆坑。但方向已经摆在这了，接下来的看点就是苹果和谷歌怎么接招。

  • OpenAI现场演示无APP手机：所有界面实时生成，推理甩给云端GPT

    把App图标全删了，手机只装一个GPT

    OpenAI 在 Voice Hack Night 活动上搞了个相当激进的演示。一支团队现场展示了一款为手机打造的”智能体操作系统”原型，整场演示看下来，最让人坐不住的点在于：这部手机上没有一个传统 App。

    所有操作界面都是”即时生成”的。你需要订机票，界面就现场画出一个订票界面；你要查日程，它就给你生成一个日程管理视图。不是从手机存储里调出一个安装好的应用，而是需要什么界面，系统就即时画出来什么界面。

    “UI 即系统”——这套原型的核心设计理念，说白了就是把”打开某个 App 才能完成某件事”这个逻辑整个推翻掉。

    技术实现上，这套原型把任务分成了两层。手机本地跑一个小模型，负责实时生成界面——你说出需求，它立刻把对应的操作界面渲染出来。需要重推理的任务（比如理解复杂语义、联网搜索、生成长回复）则交给云端 GPT 处理。

    现场演示里，开发者全程用语音下指令，完成了好几个任务：订机票、删日历日程、查 AI 新闻、发邮件、列待办清单。整个过程没有点开任何一个 App 图标。

    Sam Altman 的”手机梦”动了真格

    这件事的背景是，OpenAI 一直在悄悄推进它的硬件战略。早有消息说它在做手机项目，最近团队已经扩张到了 200 人，核心成员几乎清一色来自苹果。苹果的设计和工程人才被挖走不少，这本身就很说明问题——OpenAI 要做的不只是一款手机，而是重新定义”什么是手机操作系统”。

    Sam Altman 之前好几次暗示过这个方向。他说过”现在是认真重新思考操作系统和用户界面设计的合适时机”，当时很多人以为他只是在说软件层面的改进。现在看来，他脑子里想的是从硬件到操作系统到交互逻辑的全栈重构。

    时间点方面，最新的消息是 OpenAI 把量产目标定在了 2027 年上半年，比外界之前预期的要早。如果这件事真的发生，它可能会改变过去十五年基本没变过的智能手机交互范式。

    当然，现在还只是原型

    现场的演示是在受控环境下做的，真实场景的复杂度远不止此。语音识别在嘈杂环境下的表现、即时生成界面的响应速度、云端推理的延迟和成本——这些都是要解决的问题。

    但方向本身已经很清楚了：OpenAI 不只想做手机上的一个新 App（比如 ChatGPT），它想做的是让”打开 App”这件事本身变得多余。你在手机上要做任何事，直接说、或者直接想，界面随之生成，任务由 AI 智能体完成。

    这对现有的手机操作系统格局（iOS 和 Android 的双寡头）意味着什么，现在下结论还为时过早。但 OpenAI 把200 个硬件人才的团队攒起来这件事本身，已经值得整个行业认真想一想了。

  • 佛罗里达州把OpenAI和Sam Altman告了，这是全美第一起州政府起诉AI公司的案子

    佛罗里达州总检察长詹姆斯·乌特迈尔：「今天，我们宣布发起全美首个由州政府牵头针对OpenAI及其CEO萨姆·奥尔特曼的诉讼。OpenAI和奥尔特曼无视内部和外部的安全警告，将儿童置于重大风险之中，让一款危险的产品触达数百万佛罗里达人。」

    83页诉状，把ChatGPT的「风险」摆上了台面

    这起诉讼把OpenAI追求「赢得AI军备竞赛、积累巨额财富」的目标，和它的安全记录直接对立起来。诉状里写得很重：由于被告对ChatGPT的虚假陈述，以及他们草率地将ChatGPT推向佛罗里达州和全球，大规模枪击者的致命暴行得到了「协助和教唆」，脆弱人群被鼓励自杀，专业人士遭受公开羞辱，用户失去了批判性思维能力，未成年人还对这款伪装出同情心、在无家长监督的情况下收集他们数据的工具产生了成瘾。

    佛罗里达州对OpenAI的刑事调查其实从今年4月就启动了，当时要查的是：去年佛罗里达州立大学发生的大规模枪击事件里，ChatGPT到底扮演了什么角色。据称那位枪手在袭击前曾向这个聊天机器人咨询过相关问题。

    OpenAI总部大楼
    OpenAI位于旧金山的办公室（图源：Getty Images）

    不是第一起，也不会是最后一起

    OpenAI对这类指控的回应已经很有套路了：悲剧是真实的，但ChatGPT不应对此负责。公司发言人对NBC新闻说过：「去年佛罗里达州立大学的大规模枪击案是一场悲剧，但ChatGPT不应对这起可怕的罪行负责。」到本文发稿时，OpenAI还没有对这起新的州政府诉讼作出公开回应。

    但这绝对不是第一个试图把ChatGPT与暴力死亡事件关联起来的法律案件。就在去年，加州一位名叫亚当·雷恩（Adam Raine）的青少年在与聊天机器人讨论自杀之后自杀身亡，他的父母已经起诉了OpenAI。那起案子里有一个特别令人不安的细节：据称ChatGPT虽然确实向这位青少年推荐了心理健康资源，但同时也在对话中提供了多种自杀方法的「技术细节」。

    目前还有多起类似的诉讼正在审理中，包括指控聊天机器人对自杀、跟踪和谋杀负有责任的案件。换句话说，佛罗里达州这起诉讼，只是越来越大的一堆法律麻烦中的最新一起。

    就在前不久，OpenAI刚了结了另一起法律案件：联合创始人埃隆·马斯克2024年起诉该公司，指控其将组织转为营利性企业，背叛了最初造福人类的使命。陪审团迅速裁定马斯克提起诉讼的时间太晚，诉讼时效已过，这案子也就此结束。

  • 微软正在开发自己的 AI 超级应用，要把所有 Copilot 装进一个入口

    微软正在悄悄打造一款 AI 超级应用，目标是把散落在各个产品里的 Copilot 工具全部塞进一个入口。这件事背后的动机其实很直接——用户被一堆 Copilot 搞烦了，不知道该用哪个，微软自己也清楚这个问题拖不下去了。

    一个入口管所有 Copilot

    据《财富》杂志的独家报道，这款超级应用要把 GitHub Copilot（写代码的）、Copilot 聊天机器人（聊天的）、Copilot Cowork（协同工作的），还有一个内部叫 Autopilot 的新Agent工作流功能，全部整合到同一个界面里。

    微软内部给这个项目喊的口号是”交付一个 Copilot”——不管你用的是哪个场景，进同一个应用就够了。

    这个项目由今年3月刚被提拔的 Copilot 负责人 Jacob Andreou 牵头。消息人士透露，应用的部分元素可能会在下周的微软 Build 开发者大会上被提到，但完整展示还要等一段时间。微软的计划是夏末把这款超级应用推出来。

    微软的 Copilot 困局

    说起来有些尴尬，微软是最早重金押注 AI 的科技公司之一，和 OpenAI 绑定的130亿美元合作曾经让它在赛道上遥遥领先。但这几年竞争对手涌进来太快，微软反而把早期的领先优势给弄丢了。

    Copilot 品牌本身的问题也不少——历史上它一直依赖 OpenAI 的模型，而这些模型在基准测试里一度被竞争对手甩在后面；微软自己研发的模型又进展缓慢；更让用户困惑的是，微软推出了好几个不同版本的 Copilot，消费端和企业端是分开的，内部团队也是各搞各的，始终没有一个统一的 AI 愿景。

    现在 Microsoft 365 有4.5亿用户，但付费使用 Copilot 的比例不到4.5%。GitHub Copilot 虽然有超过470万付费订阅用户，但也正面临 Cursor 和 Anthropic Claude Code 的猛烈追击。

    不是唯一在搞超级应用的公司

    微软当然不是唯一想做超级应用的公司。它的合作伙伴兼竞争对手 OpenAI 早就有类似打算，想把 ChatGPT、Codex 和浏览器整合进同一个入口。埃隆·马斯克的 X（原 Twitter）也一直在往”通信+媒体+商务”的超级应用方向靠。Uber 和 Meta 也在把越来越多的服务塞进单个应用里。

    对微软来说，这款超级应用能不能成，很大程度上取决于它能不能真正把割裂的 AI 产品线整合起来。CEO 纳德拉过去一年一直在调整高管团队，试图让公司在 AI 赛道上把丢掉的优势追回来。这款超级应用就是他们给出的最新答案。

  • OpenAI Codex 现已能控制你的 Windows 电脑

    OpenAI 的 Codex 在 Mac 端上线之后，现在终于轮到 Windows 用户了。这次更新把 computer use 功能带到了 Windows 平台，意思是这个应用现在能”看见”你的屏幕，还能在你的设备上直接执行各种任务。

    不用坐在电脑前也能管任务

    OpenAI 同时表示，你现在可以通过 ChatGPT 应用在离开电脑的时候管理和查看 Codex 的任务执行情况。这对需要跑长任务的开发者来说挺实用的——不用一直守在屏幕前，手机上就能看进度。

    Codex 的 computer use 功能正式登陆 Windows，AI 编程助手从”帮你写代码”进化到”直接帮你操作电脑”。

    Mac 端先跑，Windows 跟上

    事实上 Codex 的 computer use 功能在 Mac 上已经跑了一阵子了，这次 Windows 版本的到来算是补齐了主流桌面平台的覆盖。OpenAI 在 X（原 Twitter）上还专门发了条推文：”Windows users, this one’s for you.”，语气倒是挺轻松的。

    这个功能本质上是让 AI 能够理解屏幕内容并模拟人类操作——点按钮、填表单、切换窗口，都在这个能力范围内。对于需要做 UI 自动化测试或者批量操作的场景，这比传统的脚本方式要灵活得多。

    和 Claude 的 computer use 打对台

    Anthropic 的 Claude 早就有了类似的 computer use 能力，现在 OpenAI 把这块能力也补上了，两个头部玩家在”让 AI 直接操作电脑”这个方向上的竞争又多了一个维度。区别可能在于 OpenAI 把这套能力和 Codex 的编程场景绑得更紧——你写的代码，Codex 可以直接帮你跑起来、点按钮、看结果。

  • OpenAI基金会砸2.5亿美元，帮劳动者应对AI冲击

    前几天OpenAI基金会扔出一个重磅消息：拿出2.5亿美元，专门帮那些被AI波及的劳动者和社区做转型。这笔钱是去年OpenAI重组后，那个控制OpenAI的非营利组织拿到1300亿美元股权之后的第一次大动作。

    1300亿美元的非营利巨头

    去年OpenAI重组的时候，很多人没注意到一个细节——非营利组织保留了OpenAI营利性业务26%的股权，按当时估值大约是1300亿美元。一夜之间，这个原本只是小打小闹的赠款机构，直接变成了科技圈最富有的慈善组织之一。

    今年3月，OpenAI公开承诺未来12个月通过基金会至少投入10亿美元，重点盯住生命科学研究、AI素养、公民建设和经济机会这几个方向。而这次的2.5亿美元，就是这10亿美元承诺里第一批真正拨出去的钱。

    OpenAI基金会在声明里说得很直白：”当前的变化速度意味着我们正确应对的窗口比习惯的要短，而错误应对的代价是巨大的。”这句话背后，是对AI冲击劳动力市场紧迫性的真实认知。

    钱到底花在哪

    基金会把这2.5亿美元拆成了三块，跟传统慈善机构很不一样——他们不仅要给钱，还要自己下场做项目。

    第一块是研究基础设施。他们觉得目前缺的是独立、严谨的劳动力市场影响分析，太多炒作和恐慌，太少实打实的数据。基金会要自己建团队，做中立的预测和研究。

    第二块是直接劳动者支持。目标群体很明确：客服、金融后台运营、入门级软件岗位——这些已经被AI工具大量替代的领域。基金会会资助那些给失业劳动者提供转型培训的组织。

    第三块是AI驱动的经济模拟。说白了就是用计算建模，画出区域经济在国家层面随着AI能力扩展可能发生的变化图谱。产出这些数据，是给政策制定者、教育者和雇主用来规划培训和转型路径的。

    Sam Altman的态度转变

    有个细节挺有意思。Sam Altman今年早些时候还跟伴侣Oliver Mulherin一起签了”捐赠誓言”，但他最近几个月公开表态软化了不少。他承认：”我很高兴我错了——我曾以为到这个时候，入门级白领工作的消失会比实际发生的影响更大。”

    这种软化，跟基金会一边说”失业担忧真实存在”、一边又强调”主动干预窗口正在缩小”的谨慎态度形成了微妙的对照。Altman的个人态度在变，但基金会的行动逻辑没变：先把钱和资源到位，不管AI到底会不会真的消灭大量工作岗位，提前布局总没错。

    现实已经发生了

    基金会这个动作不是凭空来的。最近几个月，已经有一堆公司把裁员和效率措施直接跟AI采用挂钩了。Block和Standard Chartered在近期的裁员公告里明确提到了AI带来的效率提升，说明”AI导致失业”已经不是什么遥远的理论风险，而是正在发生的事。

    这场辩论的核心其实是：AI带来的经济收益，到底会广泛惠及普通劳动者和社区，还是主要归股东和高技能技术人员所有？OpenAI基金会砸这2.5亿美元，等于是在用真金白银表态：他们想成为塑造这个答案的积极参与者，而不只是旁观者。

    接下来的看点就是：这个拥有1300亿美元股权的基金会，能不能真的把规模转化成那些正在经历技术转型的劳动者手上可感知的帮助。首批具体项目公告和合作组织，预计在今年下半年公布。

  • ChatGPT语音模式被曝用旧模型，付费用户骂了半年才知道





    ChatGPT语音模式被曝用旧模型，付费用户骂了半年才知道

    ChatGPT语音模式被曝用旧模型，付费用户骂了半年才知道

    Andrej Karpathy前几天在推特上扔了个炸弹：ChatGPT的语音模式，跑的是GPT-4o时代的模型，知识截止日期停在2024年4月。也就是说，过去一年AI领域发生的大部分事情，你的语音助手是一概不知的。

    Simon Willison把这个发现整理成了博客文章，然后整个开发者社区就炸了。你每月付200美元买ChatGPT Pro，期待的是最前沿的模型能力——结果你的语音助手连2024年4月之后的世界都不知道。这不是”略有差距”，是13个月的技术代差。

    Karpathy的观察很直接：”ChatGPT语音使用的模型知识截止日期为2024年4月，这基本上是在过去一年AI领域发生的一切之前。”如果你付钱买的是”最新AI能力”，语音模式却给你一个2024年的模型，这个gap很难用”技术限制”完全解释。

    为什么OpenAI不直接用最新模型跑语音

    OpenAI还没有正式回应这个争议，但技术上的约束是真实的。实时语音需要很低的延迟——你说话，AI要几乎同时回应，不能有长时间的”思考”过程。当前的前沿模型（GPT-5.5级别）在做低延迟实时推理的时候，成本和技术难度都比上一代模型高得多。

    这个解释有一定道理，但问题是：OpenAI有没有把这件事清楚地告诉付费用户？如果你每月付200美元买Pro订阅，你大概会默认所有模态（文字、图片、语音、代码）都使用同等水平的模型。如果语音模式用的是上一代模型，这个信息不对称持续了半年多，那就是产品透明度的问题，而不只是技术限制了。

    竞争对手没睡觉

    这个争议最大的影响可能不是OpenAI的技术路线，而是竞争对手的行动。谷歌的Gemini Live语音模式，用的是Gemini 3.5 Flash——这是谷歌当前最新一代的模型。也就是说，如果你用Gemini Advanced的语音模式，你拿到的是和文字界面同等水平的模型能力。

    这个对比对用户来说是很直观的：同样说一句话，Gemini Live能理解2025年的事件，ChatGPT Voice不知道。OpenAI在模型能力上领先了三年，但在产品透明度上给了竞争对手一个可乘之机。

    这不是第一次了

    回顾一下OpenAI过去一年的产品发布节奏，类似的情况其实出现过好几次。2025年底推出的”高级语音模式”（Advanced Voice Mode）本来被期待能缩小这个差距，但开发者的反馈是：并没有。模型能力确实比GPT-4o时代强了一些，但和文字界面的GPT-5.5比，差距仍然是显著的。

    更深层的问题是：当AI公司的产品有文字、语音、图片、代码等多个模态的时候，用户有没有权利期待”同等水平的模型能力”？还是说，每个模态都是独立的产品，用户需要分别判断值不值得付钱？这个问题没有标准答案，但OpenAI作为行业领头羊，在透明度上确实可以做得更好。

    普通用户该怎么看这件事

    如果你在用ChatGPT的语音模式，而且发现它经常”不知道最近发生的事情”——现在你知道原因了。不是你用得不对，是它确实不知道。如果你在乎这个，可以试试Gemini Live，或者干脆回到文字界面。

    对行业来说，这个事件提醒了一件被忽略的事：AI竞赛不只是”谁的模型分数更高”，也是”谁把产品透明度做得更好”。用户愿意为AI付钱，但他们需要知道自己在为什么付钱。


  • OpenAI挖来前F1职业车手当CMO，光找人就花了半年

    OpenAI最近任命Colin Fleming为首席营销官（CMO），这事儿本身不稀奇，稀奇的是：光是找一个合适的CMO，他们就花了整整半年时间。

    Colin Fleming LinkedIn
    Colin Fleming 的 LinkedIn 页面，他自称早期曾效力红牛车队

    一个CMO岗位，为什么找了半年？

    纽约时报挖出来的八卦显示，OpenAI之前盯上的CMO候选人，名头一个比一个响：优步总裁Jill Hazelbaker、苹果前设计总监Jony Ive的公关负责人Sarah O’Brien、Square前公关高管Aaron Zamost……每一个拎出来，都够独当一面。

    结果最后被选中的，是Colin Fleming——一个早期效力过红牛F1车队、后来在Salesforce干了13年、最近在ServiceNow当CMO的人。

    “在我职业生涯早期，我曾效力于红牛车队，参加过F1级别的职业比赛。那种速度、精准度和压力，塑造了我今天的领导方式：果断、负责，并且在高风险的情况下也能游刃有余地大规模运作。”

    他的核心竞争力：把复杂技术翻译成人话

    Colin最早在eSoles（一家为专业运动提供鞋垫定制服务的公司）做了4年营销主管，那算是他从赛车手转型到营销的第一站。

    真正让他出圈的，是在Salesforce的那13年。当时大多数企业还在用本地服务器和买断式软件，”CRM”这种词对很多人来说就像天书。Colin和团队做的事情，恰恰是把这些复杂技术翻译成市场能听懂的语言——不再只讲产品功能，而是讲”未来工作方式””企业数字化””云时代”这些更大众化的叙事。

    Salesforce后来能从一家卖CRM的软件公司，变成云计算时代的行业代表，这一步很关键。而Colin也在这个过程中，从产品营销总监一路升到全球营销执行副总裁。

    为什么是现在？OpenAI的营销到底缺什么？

    严格来说，OpenAI的CMO岗位历史短得有点离谱。因为在2024年之前，OpenAI更像一家研究实验室，品牌、传播、市场这些职能长期是弱化的。

    最早负责这块的，是2021年从苹果跳到OpenAI的Hannah Wong，但她当时的头衔是首任CCO（首席传播官），管的也是媒体、公关、政策沟通，严格说那是”传播”，而非传统意义上的”市场营销”。

    OpenAI历史上正式挂过CMO头衔的，实际上只有一个人：2024年才上任的Kate Rouch（她之前在Meta干了十余年，也是Coinbase的首任CMO）。今年4月，Kate Rouch发声明称因需要治疗癌症而卸任。过渡期内，大股东Thrive Capital的营销合伙人Kelly Sims临时顶班。

    OpenAI对营销的组织建设，慢了半拍。当一家公司估值逼近万亿美元、IPO进入倒计时，营销和公关两条线却同时无主，这事怎么看都有点奇怪。

    Colin接的是一个”高风险挑战”

    为什么其他候选人都不接，偏偏Colin接了？他在LinkedIn上形容离开ServiceNow的决定时用了一个词：”gut-wrenching”（令人心碎）。但紧接着他又补了一句：”如果不去，我会后悔一辈子。”

    这话听起来很像车手的思维方式：明知道风险巨大，但只要那是时代拐点、是足够刺激的挑战，他还是会踩下油门。

    他接手之后的核心任务也很明确：ChatGPT已经家喻户晓，下一步是怎么从Anthropic手里抢企业端市场。Colin最擅长的，恰恰是把新技术翻译成市场愿意理解的语言——这个能力，放在当下的OpenAI，就是最缺的那块拼图。

    📎 原文来源：OpenAI Recruits F1-Level Racing Driver for Public Relations（36氪） | 参考：量子位、Brand Innovators、MediaBrief

  • Anthropic和OpenAI悄悄赚钱了，企业API计费正在取代固定订阅

    最近有件事挺值得玩味的。Anthropic据说马上要迎来第一个盈利季度了——不是”接近盈利”，是真的赚钱。Simon Willison分析了一组数据之后发现，这事背后藏着整个AI行业商业模式的拐点。

    先说一个让人有点意外的事实。你现在每个月花200美元订阅Claude Max或者OpenAI Pro，如果你是个重度编码代理用户，你实际用掉的token按API市价来算，价值超过2100美元。也就是说，你花200块享受了2100块的服务，差价整整10倍多。

    Anthropic的Claude Code重度用户30天内产生的token用量约值1199.79美元，OpenAI Codex约值980.37美元。但他们每月只付200美元订阅费。

    为什么实验室愿意让你”薅羊毛”？

    答案其实很聪明。补贴个人重度用户是为了培养使用习惯，让这些开发者把Claude Code和Codex深度嵌入日常工作流。等你离不开了，真正的利润来自企业端。

    2026年4月，Anthropic做了一个关键的决定：把企业计划从”固定费率包月”改成”每席位20美元基础费 + 实际API用量另计”。这个变化意义非常大——它意味着企业客户已经在用足够多的token，以至于固定费率反而对Anthropic不划算了。

    有意思的是，企业并没有因为要按量付费而退缩。相反，越来越多的公司在扩大使用规模。这其实是最扎实的”产品市场匹配”信号——不是投资人说的那种PMF，而是客户愿意为真金白银的实际用量买单。

    从补贴个人到收割企业

    回顾过去两年，Anthropic和OpenAI的商业化路径其实挺清晰的。最开始是个人订阅为主，每月20美元、100美元那种，目的是快速拉用户、收集反馈、训练模型对齐能力。

    现在这个阶段基本完成了。编码代理（Coding Agent）的出现是个分水岭——它让AI从”聊天工具”变成了”每天跑几小时的后台工人”。token消耗量因此飙升了两个数量级，而企业愿意为这个付费，因为代理跑一小时省下的人工成本远超API费用。

    所以你看，Anthropic即将盈利这件事，不是因为个人订阅收入爆发，而是因为企业API收入终于跑通了。按量计费的企业模式一旦跑顺，营收增长就是线性的——用得越多，收得越多，不需要再去拉新用户。

    这件事对整个行业的示范效应会很显著。其他大模型厂商恐怕也会跟进，把企业客户从固定费率计划往API按量计费上迁移。对个人用户来说，这意味着200美元”无限畅吃”的好日子可能不长了——等实验室觉得用户习惯已经培养好了，订阅计划和实际API成本之间的差价大概率会收窄。

    至于现在，如果你是个开发者，每个月在Claude Code或Codex上烧200美元，那你其实正在享受AI商业化过渡期最后的红利。好好用，别浪费。

  • 加拿大裁定OpenAI违反隐私法，训练数据收集首遭国家级认定违规

    五月底，加拿大隐私专员办公室联合魁北克、不列颠哥伦比亚和艾伯塔三省的对应机构，正式发布调查结果：OpenAI在开发ChatGPT的过程中，违反了加拿大隐私法。这是全球范围内第一个国家级别的隐私监管机构，正式认定AI模型训练数据收集构成隐私违规。

    调查持续了三年。起因是加拿大公民社会组织CAIDP在2023年向监管机构投诉，认为OpenAI从公开互联网大规模抓取个人信息用于训练，缺乏合法依据。调查最终认定了三项违规：第一，从公共网络过度收集个人信息，且没有做比例评估；第二，对被抓取数据的个人缺乏有效同意机制和透明度；第三，对敏感数据的保护不足，包括健康状况信息，以及从社交媒体、博客、新闻网站收集的儿童数据。

    加拿大成为第一个正式裁定AI训练数据收集违反隐私法的国家，而且几乎可以确定不会是最后一个。

    OpenAI承诺补救，但省级监管机构不买账

    联邦专员认为这起投诉已经”有条件地”解决，OpenAI方面承诺采取额外补救措施。但魁北克、不列颠哥伦比亚和艾伯塔三省的隐私专员并不认同这个解决方案，正在继续推进各自的执法程序。这种联邦与省级监管态度分裂的局面，让OpenAI在加拿大的合规前景变得复杂。

    OpenAI的标准回应一直是：公共网络数据用于模型训练是合理的，这是业界通行做法。但这个论点在拥有 comprehensive 隐私框架的司法管辖区，越来越站不住脚。英国的ICO、德国的数据保护机构（DPA）、法国CNIL都在进行类似调查。

    对企业用户意味着什么

    如果你在加拿大的组织里部署ChatGPT，这条裁定创造了实质性的合规风险。根据OpenAI的训练数据收集机制，通过ChatGPT处理的数据有可能被用于模型改进（除非企业用户明确退出），而加拿大隐私监管机构现在已经正式认定这种模式本身存在问题。

    • 受加拿大隐私法（PIPEDA）约束的组织，需要在部署前进行法律审查
    • 省级监管机构（特别是魁北克）的执法态度比联邦层面更严格
    • 训练数据同意框架是这根刺的核心，OpenAI需要提出比”公共数据例外”更有说服力的论辩