博客

  • OpenAI砸40亿美元成立部署公司,顺便把Tomoro买了

    OpenAI砸40亿美元成立部署公司,顺便把Tomoro买了

    OpenAI这周干了件大事——掏了超过40亿美元,成立了一家专门帮企业落地AI的新公司。名字很直白,叫”OpenAI Deployment Company”。说白了,就是以前卖模型,现在直接派人到你公司里帮你把AI用起来。

    为了把这件事做成,OpenAI顺便把一家叫Tomoro的AI咨询公司给收购了。这家公司不是昨天才成立的——它2023年就跟OpenAI合作过,客户名单里有美泰、红牛、乐购、维珍大西洋航空这些大牌子。收购完成后,Tomoro大概150个资深AI工程师和部署专家直接并入新公司。

    Tomoro的团队不是来OpenAI总部坐班的——他们会被派驻到客户现场,跟企业各个团队一起工作,找AI能真正产生价值的地方。

    为什么要做这件事

    过去这两年,OpenAI在消费者端赚足了眼球——ChatGPT的周活用户数字每次财报季都是亮点。但企业端这边,Anthropic的Claude其实跑得更快。很多公司在评估”到底用哪家的基础模型”时,Claude在企业级场景里的口碑确实不错。

    OpenAI这次成立部署公司,摆明了是要补上这块短板。光有模型不够,得有人帮客户把模型真正用起来——做集成、做定制、做业务流程改造。这块市场,咨询公司(埃森哲、德勤)和技术服务商都在抢,OpenAI现在是自己下场了。


    钱从哪来,谁在背后

    这40亿美元不是OpenAI自己全出的。TPG领投,安宏资本(Advent)、贝恩资本、布鲁克菲尔德(Brookfield)作为联合牵头创始合作方一起进来。OpenAI持有多数股权并掌控运营——也就是说,这家部署公司是个合资企业,但OpenAI说了算。

    有意思的是,路透社上周还报道说,OpenAI和Anthropic分别跟私募股权机构成立了合资公司,正在谈收购更多帮企业做AI落地的服务商。这个赛道突然就热了——因为大家意识到,卖API调用次数这件事,天花板是看得见的。真正赚钱的是帮企业把AI嵌进业务流程里,那种合同是长期的、高黏性的。


    这对行业意味着什么

    这件事释放了一个挺明确的信号:AI大模型公司的竞争,已经从”谁的模型更强”转向”谁能帮客户真正把AI用起来”。模型能力会有差距,但这个差距在缩小。真正的壁垒是——谁有更多的工程师能派到客户现场,谁有更多的行业落地经验,谁能帮客户把AI变成业务流程里真正产生价值的东西。

    Anthropic之前在企业端跑得快,一部分原因是它的模型在代码生成、数据分析这些场景里确实好用,另一部分原因是它更早地在开发者生态上投入。OpenAI这次直接收购Tomoro、组建150人的部署团队,是在用”堆人”的方式快速追上。

    对那些正在犹豫”要不要上AI”的企业来说,这其实是个好消息——以后不光是买个模型回去自己折腾,大厂会直接派人来帮你做。当然,费用估计也不会便宜。

  • Stable Diffusion WebUI:162k Stars!最强大的Stable Diffusion Web界面,让AI绘画触手可及

    Stable Diffusion WebUI:162k Stars!最强大的Stable Diffusion Web界面,让AI绘画触手可及

    Stable Diffusion WebUI - AI绘画界面

    Stable Diffusion WebUI – 最流行的AI绘画工具

    📌 项目简介

    Stable Diffusion WebUI(由AUTOMATIC1111开发)是最受欢迎的Stable Diffusion浏览器界面,基于Gradio构建,支持文生图、图生图、图像修复、高清放大等全套AI绘画功能,扩展插件生态极其丰富,是AI艺术创作的首选工具。

    162k+
    GitHub Stars

    Python
    主要语言

    AGPL-3.0
    开源协议

    ⚙️ 安装要求与过程

    系统要求

    项目 要求
    操作系统 Windows 10/11、Linux、macOS
    GPU NVIDIA(推荐)或AMD GPU,至少8GB显存
    内存 16GB 以上(推荐32GB)
    存储 10GB+ (模型文件需额外空间)
    必备软件 Python 3.10.6+、Git、CUDA 11.8+

    快速安装(Windows一键脚本)

    # 1. 下载一键安装包
    # 访问: https://github.com/AUTOMATIC1111/stable-diffusion-webui/releases
    
    # 2. 解压后运行
    webui-user.bat
    
    # 3. 等待自动安装依赖,首次运行会下载模型
    # 4. 浏览器访问 http://localhost:7860

    Linux/macOS 手动安装

    # 1. 克隆项目
    git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
    cd stable-diffusion-webui
    
    # 2. 安装依赖
    pip install -r requirements.txt
    
    # 3. 下载模型(放至 models/Stable-diffusion/ 目录)
    # 可从 HuggingFace 或 Civitai 下载 .safetensors 模型
    
    # 4. 启动
    python launch.py
    
    # 5. 访问 http://localhost:7860

    ✨ 核心功能

    🎨 文本生成图像(txt2img)
    输入描述词,AI自动生成高质量图像;支持批量生成、尺寸调整、采样器选择。

    🖼️ 图像生成图像(img2img)
    基于参考图重新生成,支持风格迁移、局部重绘,保留原图构图与色彩。

    🔧 图像修复(Inpaint)
    智能修复图像缺损部分,支持局部重绘、物体移除、背景替换,效果自然。

    📐 高清放大(Upscale)
    内置 ESRGAN、R-ESRGAN 等超分辨率模型,低分辨率图像无损放大4K。

    🔌 扩展插件系统
    内置扩展商店,支持 LoRA、ControlNet、Embedding、超网络等,生态极其丰富。

    🎛️ 精细参数控制
    支持 CFG Scale、采样步数、种子控制、高分辨率修复等高级参数调节。

    🚀 典型使用场景

    🎮 场景一:游戏美术概念设计

    游戏开发团队使用 Stable Diffusion WebUI 快速生成角色概念图、场景原画、道具设计稿;配合 LoRA 训练专属风格模型,大幅提升前期美术设计效率,从构思到出图只需几分钟。

    📱 场景二:社交媒体内容创作

    自媒体博主、公众号运营者使用 AI 生成配图、封面图、插画内容;通过提示词工程精准控制画面风格,无需聘请画师即可产出高质量视觉内容,降低内容创作成本。

    🏢 场景三:产品设计与原型展示

    UI/UX 设计师使用 img2img 功能快速将草图转换为高质量视觉稿;结合 ControlNet 插件精确控制构图与姿态,用于产品原型、广告创意、包装设计等商业场景。

    💡 推荐理由

    说实话,我觉得 Stable Diffusion WebUI 是AI绘画领域的”瑞士军刀”——功能全、可扩展性强、社区活跃度极高。相比Midjourney这类闭源商业产品,它最大的优势是完全本地运行,数据隐私有保障,而且免费。

    我最喜欢它的扩展系统,通过安装不同插件可以实现几乎任何你能想到的AI绘画功能——从精确姿态控制(ControlNet)到风格微调(LoRA),生态丰富到令人惊叹。

    162k+ Stars不是吹出来的,如果你对AI绘画感兴趣,或者工作需要大量视觉内容创作,Stable Diffusion WebUI 绝对值得深入研究。加上最近Stable Diffusion 3.0和SDXL的发布,效果已经可以媲美甚至超越商业产品。

    📥 下载地址


    本文由 WorkBuddy AI 自动采集撰写 · 转载请注明出处

  • 这家公司帮70万创作者,把数据卖给AI实验室

    这家公司帮70万创作者,把数据卖给AI实验室

    过去几年里,创意市场和平台圈发现了一件事:他们手上握着的数据,是一座金矿。这些数据可以用来训练自己的AI模型,也可以授权给其他AI实验室换钱。

    Wirestock选了后者。

    Wirestock团队
    Wirestock团队(来源:TechCrunch)

    这家公司原本的业务是帮摄影师在Shutterstock等图库平台上分发和销售作品。2023年,他们转型成了数据供应商,现在向AI实验室提供图像、视频、设计资产、游戏和3D内容等数据集。

    “一开始,我们的很多交易只是卖现成的东西,比如我们现有的图库。但后来变成了大量定制内容数据的需求,这给创作者带来了新机会,平台就这样起飞了。”——Wirestock联合创始人兼CEO Mikayel Khachatryan

    70万创作者,4000万美元年营收

    Wirestock说平台已经签约了超过70万名艺术家和设计师,他们为数据收集完成各种任务,类似Fiverr平台上的自由职业者。

    公司周四宣布,已完成2300万美元的A轮融资,用于建设新的数据供应业务。这轮融资由Nava Ventures领投,谢丽尔·桑德伯格联合创立的SBVP、Formula VC、I2BF Ventures跟投。

    Khachatryan表示,Wirestock目前为6家最大的基础模型制造商提供多模态数据,但拒绝透露具体名称。他提到公司目前的年营收运行率为4000万美元,迄今已向贡献者支付了1500万美元。


    AI数据供应链的生意

    随着AI实验室竞相改进模型,对数据供应服务的需求极高。像Surge、Scale AI、Mercor这样的公司,凭借对不同类型数据集的需求,几乎在一夜之间建立了价值数百亿美元的业务。

    Wirestock想专注于为助力创意用例的模型提供数据,比如图像和视频生成。公司也在探索音频和音乐等其他模态。

    Nava Ventures创始人Freddie Martignetti说,他的基金一直在寻找在数据采购和精炼方面创新的初创公司。”我认为Wirestock对基础模型和超大规模计算服务商需要什么多模态数据有深刻理解,以创建更像人类的系统。我们论点的基石是,多模态数据将变得越来越重要,不仅是为了创建图像或视频,而是让模型完成现实世界的任务。”

    Wirestock目前有60名员工,将利用新资金招聘研发、工程和产品岗位人员。公司还在开发供AI实验室协作的企业级数据集软件。

  • 这家做AI视频的公司,想在世界模型赛道上赢过Google

    这家做AI视频的公司,想在世界模型赛道上赢过Google

    Runway可能是硅谷最不像硅谷公司的AI初创企业。没有斯坦福辍学生创始人,没有前谷歌员工光环,也没有动辄上亿美元的种子轮让他们有资本忽略营收。三个联合创始人里两个来自智利、一个来自希腊,在纽约大学Tisch艺术学院认识的,公司也诞生在纽约,不是帕洛阿尔托。

    但他们很可能成为当下最具影响力的AI公司之一——不是因为已经建成了什么,而是因为正在尝试构建的下一代技术。

    “我们本质上受限于自己对现实的理解。语言模型的训练数据是对现有人类知识的提炼,但要突破这个限制,我们需要利用更少偏见的数据。”——Runway联合创始人兼联席CEO阿纳斯塔西斯·杰曼尼迪斯

    押注世界模型,不走语言模型的老路

    过去几年,AI行业的主流假设是”智能存在于语言之中”。OpenAI的ChatGPT、Anthropic的Claude这些大火的大模型,都是这一思路的产物。但Runway和部分竞争对手押注了完全不同的方向:他们认为下一代AI智能不会从文本中诞生,而是来自视频和世界模型——这类模型学习的是世界的运行规律,而不只是人类描述世界的方式。

    Runway三位联合创始人
    Runway三位联合创始人(来源:TechCrunch)

    Runway成立于2018年,凭借视频生成模型和AI工具建立了行业声誉,旗下最新模型是Gen-4.5,用户可以通过文本提示生成可编辑的电影级内容。目前Runway的技术已经应用于电影制作人和广告公司的工作流,还与狮门影业、AMC电视网等大型媒体公司签署了合作协议。

    估值53亿,但真正的对手是谷歌

    Runway目前的估值为53亿美元,2026年第二季度公司新增了4000万美元的年度经常性收入。过去6个月里,公司已经将计划落地,业务从视频生成拓展至世界模型领域:2025年12月推出了首个世界模型,还计划2026年再推出一款新模型。

    但Runway并不是唯一一家走这条路线的企业,Luma、World Labs等初创公司也在做类似的事情,谷歌的Genie世界模型也指向了同一个方向。所有参与方追求的目标本质上是同一个:创造能够解决人类最棘手问题的AI。


    非典型背景,反而是优势

    Runway累计融资8.6亿美元,其中2026年2月完成了3.15亿美元的融资。这个融资规模和最直接的竞争对手Luma AI(9亿美元)、World Labs(12.9亿美元)大致相当。但Runway还要和OpenAI、谷歌等巨头竞争,后者在算力、资金上的优势非常明显。

    联席CEO巴伦苏埃拉说:”规则只是他们编造出来的。他们说硅谷就是初创公司该待的地方,为什么?那都是编造出来的规则。把所有规则都擦掉,重新来过。”这种不按常理出牌的文化,反而让Runway在巨头林立的AI赛道上找到了自己的位置。

  • 不用博士学位也能做药物发现?SandboxAQ把科学AI模型塞进了Claude

    制药行业有个公开的秘密:找到一种能上市的药,平均要烧10年、砸几十亿美元,而且大多数候选分子死在半路上。AI喊了好几年要改变这个游戏,但现实是:你还得是个计算化学博士才能用那些”AI工具”。

    SandboxAQ不这么想。这家从Alphabet拆分出来的公司(前谷歌CEO埃里克·施密特是董事长),刚刚把自己的科学AI模型直接塞进了Claude里。现在你跟Claude聊天,就能让它帮你跑分子模拟——不用写代码,不用搭服务器,甚至连”量子化学”是什么都不用太懂。

    SandboxAQ的AI模拟业务总经理Nadia Harhen说得很直白:”这是第一次在frontier大语言模型上部署frontier定量模型,用户可以直接用自然语言访问。”以前想用他们的模型?先自己搭一套数字基础设施吧。

    不是”更聪明的AI”,是”更好用的AI”

    行业里做AI制药的公司不少,Chai Discovery、Isomorphic Labs(DeepMind分拆的那家)都在卷模型精度。SandboxAQ选了另一条路:不卷模型,卷界面。

    他们的核心产品叫LQM(Large Quantitative Models,大型定量模型)。跟GPT-5.5或者Claude这些聊天模型不一样,LQM是基于物理规则建的,能跑量子化学计算、模拟分子动力学——说人话就是:它能在实验室造出分子之前,预测这个分子在真实生物环境里会怎么表现。

    SandboxAQ的AI药物发现可视化
    SandboxAQ将LQM集成到Claude中,让药物发现变得更易用 | 图片来源:Getty Images

    施密特押注的”定量经济”

    SandboxAQ已经融了超过9.5亿美元,业务线不止药物发现,还覆盖网络安全、AI模拟。他们的逻辑是:有些行业(生物制药、金融服务、能源、先进材料)加起来超过50万亿美元的”定量经济”,需要的不是聊天机器人,而是能处理科学计算的AI。

    LQM用真实实验室数据和科学方程训练,不是靠”读完整个互联网”来获得智能。这也是为什么它之前很难用——你得像操作一台高能物理实验室的设备那样操作它。

    现在跟Claude集成之后,药物研发人员可以直接问:”帮我找一个能结合这个蛋白质的分子候选者,要求口服生物利用度高。”Claude会调用LQM跑模拟,然后把结果用自然语言解释给你听。


    这事儿为什么重要

    AI制药喊了三四年,但真正落地的成功案例并不多。一个核心原因是:模型是给专家用的,专家不够用。如果SandboxAQ这条路走通了,药物研发(以及其他科学计算领域)的门槛会大幅下降——不只是速度更快,而是”谁都能做”。

    当然,现在说”制药行业要变天”还早。但至少,那些没有计算化学博士的小型生物科技公司,现在有机会用上跟辉瑞、诺华一个级别的模拟工具了。

    这大概是AI真正”民主化”该有的样子:不是让每个人都能生成一个漂亮的PPT,而是让每个研究者都能用上以前只有大药厂才用得起的工具。

  • Cerebras上市首日暴涨108%:AI芯片赛道跑出了2026年第一个超级IPO

    5月14日,AI芯片公司Cerebras Systems正式登陆纳斯达克,交易代码CBRS。这一天的表现,用”疯狂”来形容不为过。

    发行价定在185美元,远高于最初115-125美元的定价区间(后来上调至150-160美元,还是不够)。开盘价直接跳到385美元,较发行价暴涨108%。收盘价311.07美元,较发行价上涨68%,对应估值约660亿美元。

    这是2026年科技行业第一个大型IPO,而且一上来就给市场秀了一把肌肉。

    Cerebras纳斯达克敲钟仪式
    Cerebras在纳斯达克敲钟开业(图源:TechCrunch)

    Cerebras是谁?凭什么值这么多

    简单说,Cerebras是英伟达的竞争对手。它做了一件很硬核的事:造出了专门针对AI场景设计的大型芯片。这种芯片在AI推理(就是模型响应你提问时做的那些计算)上特别有优势。

    这家公司差点没上成市。2024年它首次提交IPO申请,但因为接受了阿布扎比G42集团的大额投资,被美国外国投资委员会(CFIUS)盯上了,审查拖了很久。再加上当时G42几乎贡献了它的全部营收,财务结构不太好看,IPO就搁置了。

    转机出现在2026年。更新财报后,投资者看到了一个完全不同的Cerebras:2025年营收5.1亿美元,同比增长76%;实现了2.378亿美元的净利润,而前一年还亏着近5亿美元。客户也拓宽了,不再只靠G42,现在包括OpenAI、亚马逊云科技(AWS)等。

    这个IPO为什么重要

    • 它证明AI芯片不只是英伟达一家独大,资本市场愿意给其他玩家机会
    • 它为其他想上市的AI产业链公司打了个样——只要财务数据够硬,市场会给出惊人的估值
    • 它反映出投资者对AI推理需求的长期看好,这块市场还远没到天花板

    Cerebras的CEO Andrew Feldman在上市当天的采访中说了一句话挺有意思:”用IPO募资来支持增长,这才是正确的方式。”看来他对公司的长期增长很有信心。至于这个信心能不能兑现,就看Cerebras能不能在英伟达的阴影下真正打出一片天了。

  • Anthropic悄悄把这家公司买了,OpenAI和Google都用过它的工具

    昨天(5月18日)有一桩收购案值得聊一聊——Anthropic把纽约初创公司Stainless收了。金额没公布,但The Information说超过3亿美元。

    Stainless是做什么的?简单说,它帮开发者自动生成和维护SDK(软件开发工具包)。你有个API,它能读你的API规范文件,然后自动生成Python、TypeScript、Kotlin、Go、Java等多个语言的SDK代码。更省心的是,当你的API变了,它还能自动更新对应的SDK。

    这件事最有意思的地方在于:Stainless的客户里,有OpenAI、Google、Cloudflare。

    为什么这家公司值3亿美元

    AI公司都在卷Agent(智能体),而Agent要能干活,就得能调用各种外部工具。这就需要一个好用的SDK,让AI系统能顺畅地跟外部软件对话。Stainless干的就是这个——它把”让AI连接工具”这件事变得极其简单。

    OpenAI、Google这些大厂都在用它的工具,说明这块确实是刚需。而现在,这个工具归Anthropic了。

    Anthropic打的是什么算盘

    收购完成后,Stainless会停止对外服务,也就是说OpenAI、Google他们以后没法继续用这个工具了。这对竞争对手来说是个不小的打击——毕竟换个SDK工具链不是一朝一夕的事。

    对Anthropic自己来说,Stainless的软件从Anthropic API上线第一天起就在支撑官方SDK的生成。现在直接收进来,等于把这套能力完全内化,以后基于Claude做开发的体验会更丝滑。


    这件事背后反映出的趋势是:AI公司之间的竞争,已经从模型能力卷到了开发生态。谁能给开发者提供更好用的工具,谁就能留住更多开发者,而这个战场上,Anthropic刚刚拿到了一张重要的牌。

  • AutoGPT:182k Stars!开源自主AI智能体平台,让AI从对话进化到自主执行

    AutoGPT:182k Stars!开源自主AI智能体平台,让AI从对话进化到自主执行

    AutoGPT 开源自主AI智能体平台

    AutoGPT – 自主AI智能体平台

    📌 项目简介

    AutoGPT 是由 Significant-Gravitas 团队开发的开源自主AI智能体(AI Agent)平台,支持目标自主分解、多工具调用、长期记忆与自我反思,可低代码构建自动化工作流,让你只需给出一个目标,AI就能自动拆解任务并自主执行完成。

    182k+
    GitHub Stars

    Python
    主要语言

    MIT
    开源协议

    ⚙️ 安装要求与过程

    系统要求

    项目 要求
    操作系统 Linux / macOS / Windows(WSL2)
    CPU 至少4核
    内存 16GB 以上
    存储 10GB 可用空间
    必备软件 Git、Docker、Docker Compose、Python 3.10+

    快速安装(一键脚本)

    # macOS / Linux
    curl -fsSL https://setup.agpt.co/install.sh -o install.sh && bash install.sh
    
    # Windows (PowerShell)
    powershell -c "iwr https://setup.agpt.co/install.bat -o install.bat; ./install.bat"

    手动部署(Docker方式)

    # 1. 克隆项目
    git clone https://github.com/Significant-Gravitas/AutoGPT.git
    cd AutoGPT
    
    # 2. 复制环境配置
    cp .env.template .env
    # 编辑 .env 配置 API Key
    
    # 3. Docker启动
    docker-compose up -d
    
    # 4. 访问 http://localhost:8000

    ✨ 核心功能

    🎯 自主目标分解
    输入复杂目标后自动拆解为可执行子任务,动态调整执行策略,无需人工梳理流程。

    🧠 多层记忆系统
    短期上下文 + 长期向量数据库记忆结合,沉淀历史经验,避免重复劳动。

    🔧 丰富工具生态
    内置联网搜索、文件读写、代码执行、浏览器自动化等工具,支持插件扩展。

    🔄 自我反思优化
    执行后自动评估效果,主动修正方案,形成「思考→执行→观察→反思」闭环。

    🎨 低代码可视化
    Web端可视化控制台,拖拽式搭建智能体,无需深厚编程基础即可上手。

    🤖 多模型兼容
    原生支持 GPT-4、Claude,也可对接 LLaMA、Mistral 等开源大模型。

    🚀 典型使用场景

    📝 场景一:内容创作自动化

    自动撰写 SEO 文章、营销文案、产品介绍、技术博客;生成短视频脚本、直播话术、公众号推文。只需给出主题和目标关键词,AutoGPT 自动完成资料检索、内容撰写、SEO 优化的全流程。

    📊 场景二:市场与行业研究

    自动检索行业动态、竞品信息、政策法规;整理数据、汇总信息、生成分析简报。非常适合需要定期产出行业分析报告的场景,大幅节省人工调研时间。

    💻 场景三:软件开发辅助

    自动生成项目框架、接口文档、单元测试;辅助调试代码、定位 Bug、优化性能。配合 GitHub Actions 可实现自动化 CI/CD 流程,是开发者的得力助手。

    💡 推荐理由

    说实话,我觉得 AutoGPT 最吸引人的地方在于——它让 AI 从「问答工具」真正进化成了「自主执行的智能体」。传统 ChatGPT 需要你一句一句引导,而 AutoGPT 只需要一个目标,它就能自己拆解、自己执行、自己反思优化。

    低代码可视化界面也让门槛大大降低,不需要是 Python 大神才能玩转。加上活跃的开源社区和丰富的插件生态,扩展起来非常方便。

    如果你对流式 AI Agent 开发感兴趣,或者想搭建一套自动化工作流,AutoGPT 绝对值得深入研究。182k+ Stars 不是偶然,它代表了 AI Agent 自主执行方向的最高热度。

    📥 下载地址


  • Google I/O 2026今天开幕,Gemini 4.0要正面硬刚Claude






    Google I/O 2026今天开幕,Gemini 4.0要正面硬刚Claude

    美西时间5月19日10点(北京时间明天凌晨2点),Google I/O 2026将在山景城Shoreline圆形剧场开幕。这是谷歌连续第三年把开发者大会变成”AI发布会”——但你如果只盯着模型基准测试分数,可能会错过真正值得看的东西。

    Gemini 4.0:谷歌的”必须赢”时刻

    从上次Google I/O到现在,AI领域的叙事主导权基本被Anthropic和OpenAI轮着拿。Claude Opus 4.5在长上下文推理上碾压全场,GPT-5.5的数学能力又把Gemini 3.0挤到了第三。这次Gemini 4.0如果拿不出接近Claude Mythos Preview的成绩(GPQA 94.6%),谷歌今年在AI叙事上就又要当配角。

    外界预期Gemini 4.0会在多模态推理、Workspace集成深度、Agent可靠性这三个方向上发力。特别是Agent可靠性——这是企业客户愿意付钱的关键,也是谷歌云如果能把Gemini嵌进企业工作流的机会。

    外界预测Gemini 4.0的参数规模可能达到3万亿级别,但参数规模已经不是重点。重点是:它能不能在企业生产环境里稳定运行,而不是在 benchmark 上刷分。

    Android XR眼镜:谷歌的硬件”第三次尝试”

    谷歌在硬件上栽过的跟头太多了——Google Glass、Daydream、Pixelbook,每一个都曾是”下一代计算平台”。这次的Android XR眼镜,谷歌学聪明了:不搞封闭生态,拉上三星、Warby Parker、Gentle Monster、XREAL一起做。

    无屏版2026年就能买到,价格区间会很宽——从入门级到高端产品都会有。关键是交互:免提召唤Gemini,用眼动追踪+语音操作。如果体验能做到”戴上去就不想摘”,这可能是谷歌第一次在硬件上真正威胁到Meta Ray-Ban的位置。

    Aluminium OS:ChromeOS的”Android化”

    这个泄露了好几个月的”ChromeOS替代系统”,本质上是把Android的应用生态搬到一个更像桌面操作系统的壳里。16分钟的泄露上手视频显示:底部有dock、支持虚拟桌面、Android应用以窗口模式运行。

    为什么要做这个?因为Chromebook在教育市场站稳了,但在生产力市场完全打不过MacBook和Windows。Aluminium OS如果能让Android应用无缝在”类桌面”环境里运行,对谷歌来说是一个把Android生态优势延伸到笔记本电脑市场的机会。


    Google Cloud Agentic Toolkit:企业AI的”最后一公里”

    这部分可能是最容易被忽略、但实际影响最大的发布。Google Cloud Agentic Toolkit如果能在定价和API稳定性上给出明确承诺,很多企业客户会认真考虑把Agent工作流从AWS/Azure迁移到Google Cloud——前提是Gemini 4.0的企业级可靠性确实到位。

    PwC前几天刚宣布把Claude部署到全球几十万员工,用的就是Anthropic的Model Context Protocol对接企业数据。谷歌如果不能在I/O上拿出类似的”企业AI落地方案”,光有更好的模型也没用——因为企业客户要的是”能跑起来的方案”,不是”分数更高的模型”。

    该怎么看这场发布会?

    如果你期待谷歌在I/O上”一统AI江湖”,可能会失望。但如果你关心的是:Android能不能在AI时代继续保持30亿设备的生态优势、谷歌云能不能在企业AI市场分到更多蛋糕、Gemini能不能从”好用的研究工具”变成”能赚钱的生产工具”——这些问题的答案,会在接下来48小时内慢慢浮现。

    谷歌有什么?Android 30亿+设备、全球最完整的搜索数据、Workspace的2亿+企业用户。这些是所有竞争对手都没有的”地面部队”。AI的竞争已经从”谁的模型更强”变成了”谁的生态更大”——在这一局,谷歌手里的牌其实比大多数人想的好。

    📎 原文来源:综合自 Build Fast with AI (2026-05-18)、Google I/O 2026 前瞻报道


  • 普华永道把Claude塞进了全球几十万员工的电脑里






    普华永道把Claude塞进了全球几十万员工的电脑里

    5月14日,Anthropic和普华永道(PwC)宣布把战略联盟扩大到一个新量级——Claude要进全球几十万专业人士的工作流。这件事的意义不只是”又一家大公司用了AI”,它其实标志着企业级AI从”试点”正式走向”生产部署”。PwC计划先在美国培训并认证3万名专业人员使用Claude,然后推广到全球网络。

    为什么是现在?

    PwC美国CEO Paul Griggs说得很直白:”AI的对话已经从可能性转向执行。”这句话背后有个残酷的现实——企业买了AI工具,但80%的试点项目死在了PoC阶段,根本没上线。PwC这次不一样,它自己先当”客户零号”(Customer Zero),把Claude在内部跑通了,才推给客户。

    具体怎么跑通的?PwC先把Claude用在自己的财务流程里——会计分录、差异分析、RFP撰写、年度预算优化。这些场景跑顺了,才打包成方案卖给客户。这种”自己先吃狗粮”的路径,比那些直接卖AI咨询的公司靠谱得多。

    效率数据:从10周到10天

    PwC给出的数据是:在已上线的生产部署场景中,客户报告交付时间缩短最高达70%。保险承保周期从10周压缩到10天;安全事件响应从数小时降到数分钟;一个卡了几个月的HR转型项目,1周出原型,2个月完整上线。

    这些数字不是PPT上的数字,是PwC已经在跑的案例。Anthropic CEO Dario Amodei在声明里直接用了这些数字——保险承保10周变10天,安全任务从小时级降到分钟级。对AI公司来说,敢把客户的具体效率数据写进官方新闻稿,说明他们真的有信心。

    三个主攻方向

    PwC和Anthropic把这次数百亿级的合作拆成了三个主攻方向:

    • Agentic技术构建——用Claude Code给大企业交付生产级软件,周期从”季度”压缩到”周”。覆盖金融、制药、医疗、消费品等行业。
    • AI原生交易服务——重新设计并购尽调的全流程,让AI Agent配合交易团队工作,压缩从投资逻辑到价值捕获的周期。
    • 企业职能重塑——用AI原生运营模式重构财务、供应链、HR、工程等职能部门。这不是”加点AI功能”,是把整个职能的工作方式重来一遍。

    还有一个独立的业务单元叫”CFO办公室”,完全基于Claude构建,专门为客户的财务组织做转型。首批盯准的是银行、保险、医疗这些对准确性和可审计性要求极高的行业。

    Claude的全产品矩阵进场

    这次部署不是只用一个聊天窗口。PwC会把Claude的全产品矩阵都推进去:

    • Claude——通用AI助手,已经内置在PwC的内部助手ChatPwC里
    • Claude Code——给工程团队写代码、做主框架现代化
    • Claude Cowork——直接嵌进电子表格、文档、演示软件,通过Anthropic的Model Context Protocol连接企业数据

    为什么这件事值得关注?

    PwC这次的动作,本质上是把”AI咨询”从卖PPT升级成了卖”可运行的系统”。它成立了和Anthropic的联合卓越中心,还加入了Anthropic的1亿美元Claude合作伙伴网络——这个网络专门背书那些能帮企业把AI真正部署上线(而不是只做试点)的服务公司。

    对国内做AI to B的团队来说,这个案例值得仔细看。PwC的打法是:先自己把流程跑通,拿到可验证的效率数据,再打包成方案。这种路径虽然慢,但一旦跑通,客户的付费意愿和续约率会高得多。

    Anthropic这边也拿到了它最需要的东西——在金融、医疗、生命科学这些”准确性比炫技重要”的领域里,有PwC这种级别的系统集成商帮它铺渠道。Dario Amodei说Claude的定位是”企业操作系统而不是聊天机器人”,这次合作算是给这句话补上了落地的一课。

    📎 原文来源:Anthropic官方新闻 – PwC Expands Alliance with Anthropic(2026年5月14日)