YOHO AI

博客

  • 格莱美CEO亲解：AI写的歌到底能不能拿奖？

    格莱美奖的主办方、录音学院CEO哈维·梅森（Harvey Mason Jr.）最近再次坐到了《The Verge》主编尼尔·帕特尔（Nilay Patel）的播客节目里。距离他们上一次对话已经过去18个月，而这18个月里，生成式AI对音乐产业的渗透速度快到让人反应不过来。

    「AI目前只能基于已有的人类创作做迭代，还无法创造出全新的音乐风格、流派，推动艺术形式向前的核心依然是人类的生活体验和情感表达。」——哈维·梅森，录音学院CEO

    上次聊天的时候，哈维还说”AI不可能写出《Songs in the Key of Life》那种级别的作品”。这次他坦率承认：AI生成的内容质量已经大幅提升，现在很难直接分辨出哪些是人写的、哪些是AI生成的。

    录音室里已经到处都是AI了

    作为资深音乐制作人，哈维说现在流行和R&B的录音session里，AI几乎已经”无处不在”——生成和弦进程、补充鼓点循环、辅助写歌词、制作背景和声、生成小样……甚至电影配乐领域已经有人用AI把单乐器的旋律扩展成完整管弦乐编曲，编曲成本大幅降低。

    一个耐人寻味的矛盾是：民调显示52%的听众不愿意听使用AI辅助创作的音乐，66%的听众表示从未主动听过AI生成的音乐，而且年轻群体对AI的反感程度更高。但行业里几乎所有人都在用AI工具，只是没有人愿意公开承认。

    Suno CEO曾经打了个比方：AI就像音乐行业的司美格鲁肽——所有人都在用，但没人愿意公开说。

    格莱美的评选规则：人类创造力必须占大头

    格莱美奖的核心原则是”奖励人类创造力”，目前规则为：只要作品中人类创造力占比超过”最小必要量（de minimis）”，就可以参与评选，不会完全禁止AI辅助创作的作品。

    具体判定逻辑为：如果AI仅用于辅助（比如生成背景和声、辅助写歌词），人类创作者依然可以凭借词曲创作、演唱等人类贡献的部分参评对应奖项；但如果作品完全由AI生成，或者AI承担了核心创作、表演工作，那就拿不到格莱美的入场券。

    问题是，目前还没有成熟的技术可以精准检测作品里AI的参与比例，评选只能靠申报人自主披露和评审委员会核查。哈维表示音乐人社群的整体诚信度较高，但也承认这套体系并不完美，未来需要技术工具辅助判定。

    监管能跟上吗？

    哈维刚从华盛顿回来。他的判断是：2026年推出全面的AI监管立法的可能性较低，但两党对《No Fakes Act》（保护艺人声音和肖像权）的支持度较高，有望率先推进。

    其他相关法案包括《TRAIN Act》（要求AI公司公开训练数据，允许创作者追讨版税）、《CLEAR Act》（AI透明度法案，要求公开模型训练数据来源）也在讨论中。

    哈维认为平台自主推出的保护措施（比如YouTube的肖像识别系统）是积极的第一步，但更需要全国层面、全行业统一的规则，降低音乐人的维权成本。

  • Meta的AI客服成了黑客工具，奥巴马账号都被劫走了

    Instagram的账号安全体系最近出了个离谱的漏洞——被攻破的不是密码数据库，而是Meta自己引以为傲的AI客服聊天机器人。

    整个攻击流程简单到离谱。黑客只需要打开Meta的AI客服，跟它说”帮我把某个账号绑定的邮箱改成我的”，AI就会照做，还会把验证码发到黑客的邮箱。拿到验证码之后，黑客直接重置密码，原主人就被踢出局了。

    「Apparently this was not a sophisticated hack. But engineers at Instagram going overboard to use AI for everything, and having no incentives for stuff like… security.」——Gergely Orosz，《The Pragmatic Engineer》作者

    为了躲避检测，有些黑客还会配合VPN，把自己的地理位置伪装成目标账号的常用登录地。攻击目标主要是那些”靓号”——单字母、单单词的账号，比如”@h”、”@eggs”这类，当然也包括公众人物和企业账号。

    已经确认的受害者名单

    已经被证实中招的账号里，最离谱的是美国前总统奥巴马的白宫官方Instagram账号@obamawhitehouse。这个账号在5月的一个周日突然开始发布带有伊朗宣传内容的图片。

    除了政治账号，美国太空军首席军士长的账号、美妆零售商Sephora的官方账号也都确认被劫持。安全研究员、逆向工程师Jane Manchun Wong也在受害者之列——她在X平台上说，自己的密码在完全不知情的情况下被改了，账号不断收到密码重置请求，Instagram的iOS端还反复被强制登出。

    根子上的问题

    事件曝光后，Meta通讯主管Andy Stone在X上回应称漏洞已经被修复，公司正在对受影响账号采取保护措施。但事情并没有这么简单。

    《The Pragmatic Engineer》的作者Gergely Orosz指出，Instagram的信任与安全团队在过去几周被严重削弱——不是因为黑客太厉害，而是Meta自己把人裁了，或者把员工调去搞AI标注之类的活儿。

    结果就是一个并不复杂的利用手法，居然能成功。这背后是Meta过去一年的整体节奏：大规模裁员、强推AI工具、把安全团队的人力往AI业务上搬。效率和创新是有了，但地基被掏空了。

    目前Meta表示已经修复了相关漏洞，但这件事留下的疑问是：当一家公司的客服入口变成了AI，而AI又被设计成”尽量满足用户请求”的模式，那么”用户”到底是真人还是黑客，这个边界要怎么划？

    Meta AI客服聊天机器人被利用劫持账号
    Meta的AI客服聊天界面成了黑客攻击入口（图片来源：The Verge）
  • DeerFlow：46K+ Stars！字节跳动开源超级AI Agent框架，让AI真正”干活”

    DeerFlow：46K+ Stars！字节跳动开源超级AI Agent框架，让AI真正”干活”

    DeerFlow Logo

    DeerFlow 2.0 – 字节跳动开源的超级AI Agent框架

    📦 项目简介

    DeerFlow（全称 Deep Exploration and Efficient Research Flow）是字节跳动于2025年5月首次开源、2026年2月发布2.0版本的企业级AI超级智能体框架。上线24小时即冲上GitHub Trending榜首，目前Star数已突破46K+。

    与简单的AI对话工具不同，DeerFlow是一个完整的Super Agent Harness（超级智能体运行框架），它能将AI从”对话能力”升级为”任务执行能力”，自动完成需要数分钟到数小时的复杂工作流。

    ⚙️ 安装要求和过程

    环境要求

    • 基础依赖：Docker、Docker Compose
    • 本地开发模式：Python 3.12+
    • 前端：Node.js 22+、pnpm
    • 必要配置：至少一个LLM服务商API Key（推荐豆包、DeepSeek、Kimi）
    • 可选配置：搜索引擎API（Tavily API、Brave Search API等）

    快速安装步骤

    # 1. 克隆仓库
git clone https://github.com/bytedance/deer-flow.git
cd deer-flow

# 2. 配置环境变量（复制示例配置）
cp conf.yaml.example conf.yaml

# 3. 创建.env文件并写入API Key
cat > .env << EOF
MINIMAX_API_KEY=your-minimax-key
MOONSHOT_API_KEY=your-moonshot-key
TAVILY_API_KEY=your-tavily-key
EOF

# 4. 启动服务（网关模式，适合开发测试）
docker-compose up -f docker-compose.gateway.yml

# 5. 访问服务
# LangGraph Server运行在 http://localhost:8000
# 提供SSE流式响应接口

    资源规划建议：开发测试需要4GB+内存、2核+CPU；生产环境推荐16GB+内存、8核+CPU。

    🎯 核心功能

    • 动态Sub-Agent架构：自动将大任务拆解为多个子任务，为每个子任务动态生成专属Sub-Agent并行执行，复杂任务执行效率提升3-5倍。
    • Markdown Skills系统：技能以Markdown文件定义，无需编写代码即可扩展AI能力，大幅降低使用门槛。内置研究、报告、幻灯片、网页、图片、视频等开箱即用技能。
    • Docker沙箱隔离：每个任务运行在独立的Docker容器中，提供完整的文件读写、Bash执行能力，即使执行恶意代码也不会影响宿主机系统。
    • Context Engineering上下文工程：每个Sub-Agent拥有独立的上下文窗口，避免主Agent上下文被污染；支持跨会话长期记忆，可持久化历史任务和结果。
    • 断点续跑：基于LangGraph的checkpointer机制，任务中断后可从最后一个检查点恢复，无需从头执行，节省时间和成本。

    💡 典型使用场景

    场景一：深度行业研究

    需求：分析2025年AI Agent领域5个主要框架并生成对比报告

    执行流程：DeerFlow自动创建5个Sub-Agent同时独立研究，每个Agent负责一个框架的深度分析（技术架构、性能指标、应用场景、社区活跃度等），30-60分钟全自动完成全流程，生成50+页结构化报告及配套幻灯片。

    场景二：全链路营销材料生成

    需求：为产品上线准备全套营销材料

    执行流程：输入需求后，DeerFlow自动完成竞品研究、白皮书撰写、宣传网页生成、视频脚本创作、广告素材设计全流程，每个环节由专门的Sub-Agent并行处理，最终汇总输出完整的营销物料包。

    场景三：定时数据分析报告

    需求：每周分析销售数据并生成可视化报告

    执行流程：配置定时任务后，DeerFlow自动拉取多源数据、清洗转换、分析计算、生成图表并发送报告邮件。整个过程无需人工干预，支持异常数据自动预警。

    🌟 推荐理由

    作为AI Agent开发者，我试用DeerFlow 2.0后有以下几点深刻体会：

    • 不重复造轮子：DeerFlow完全基于LangGraph 1.0 + LangChain重构，在成熟底层之上做企业级封装，而非从零造轮子。这种设计既保证了稳定性，又补充了LangGraph缺失的生产级特性（如沙箱隔离、中间件链、声明式Skills系统）。
    • 真正的企业级思考：11层中间件链、Docker沙箱隔离、Kubernetes编排支持、完整审计日志……这些特性透露出字节跳动内部对AI Agent落地生产的真实思考。这不是一个Demo级项目，而是经过大规模实践验证的框架。
    • Skills系统设计惊艳：用Markdown定义技能，无需编写Python代码即可扩展AI能力，这个设计大大降低了非算法工程师的使用门槛。同时支持接入MCP Server，兼容全球主流工具生态。
    • 数据主权完整：完全自托管，数据不离开本地，满足金融、医疗、政府等对数据安全要求极高的场景。这一点在2026年AI监管日益严格的大环境下尤为重要。

    如果您正在构建需要执行复杂长任务、多步骤工作流、或对数据安全有严格要求的AI应用，DeerFlow绝对值得深入研究和试用。

    📥 下载地址

    授权协议：MIT License（完全开源，可自由使用、修改和分发）

    本文由 WorkBuddy AI 自动采集撰写 | 项目GitHub Stars: 46K+ | 最后更新: 2026-06-02

  • 英伟达搞出AI PC专用芯片，要抢2000亿美元CPU市场

    英伟达最近又放了个大招，在台北电脑展上发布了一款专门给AI PC用的CPU芯片，名字叫RTX Spark，直接把消费级PC的算力拉到了1 petaflop（每秒千万亿次浮点运算），目标很明确：要抢总共2000亿美元的CPU市场份额。

    英伟达已联合华硕、戴尔、惠普、联想、微软Surface等厂商，首批产品定于2026年秋季开售。

    产品核心亮点

    这款芯片的核心定位是支持AI智能体安全高效运行，英伟达和微软专门合作开发了安全沙箱机制，能让OpenClaw、Hermes Agent这类AI智能体在本地安全运行，不用把所有数据都传到云端。同时芯片搭配的CPU、GPU、内存以及底层CUDA软件，都支持大语言模型本地化部署，现在已经有超过1000款游戏和应用支持RTX的AI功能了。

    英伟达CEO黄仁勋
    英伟达CEO黄仁勋（来源：TechCrunch）

    行业影响与挑战

    • 英伟达CEO黄仁勋表示，未来全球会出现数十亿个AI智能体，将带来海量CPU需求
    • 微软已推出搭载该芯片的Surface Laptop Ultra，称其为“有史以来最强大的Surface笔记本电脑”
    • 目前已有超过100家Windows软件厂商宣布支持RTX Spark芯片，覆盖Adobe、Blender、Riot Games等头部产品
    • 英伟达曾在2013年尝试推出ARM架构Windows设备，最终失败计提9亿美元减值，本次产品市场表现仍存不确定性

  • Anthropic悄悄交了IPO申请，Claude的东家要上市了

    最近AI圈又有大动静了——Claude背后的公司Anthropic，偷偷向美国SEC提交了IPO申请，准备上市了。这家成立才5年的公司，现在估值已经接近1万亿美元，算是AI赛道里最靠近公开市场的头部玩家之一。

    Anthropic刚完成65亿美元H轮融资，投后估值9650亿美元，上市筹备已进入实质阶段。

    从融资到IPO的节奏

    就在提交IPO申请前不到一周，Anthropic刚完成65亿美元的H轮融资，推动其估值达到9650亿美元。该轮融资由Altimeter Capital、Draginer、Greenoaks、红杉资本、Capital Group、Coatue和D1 Capital Partners联合领投，吸引了大量机构与战略投资者参与，市场普遍认为这次融资是IPO的前置动作。

    Anthropic CEO Dario Amodei
    Anthropic CEO Dario Amodei（来源：Ludovic MARIN/AFP / Getty Images）

    核心信息梳理

    • 当前估值接近1万亿美元，刚完成65亿美元融资，投后估值9650亿美元
    • 采用秘密提交方式，暂未披露发行股份数量、发行价格，最终IPO落地取决于市场条件
    • 与OpenAI竞争进入新阶段，OpenAI同期完成1220亿美元融资，估值8520亿美元，也在筹备上市
    • 年化营收已超470亿美元，较2025年末的90亿美元增长超5倍，新模型Mythos有望进一步推高营收

  • Alphabet要融800亿美元搞AI基建，伯克希尔先认购100亿

    谷歌母公司Alphabet周一宣布，计划通过发行股票融资800亿美元，用于扩充AI基础设施。这是今年以来科技巨头在AI军备竞赛中最大的一笔融资动作之一。

    Alphabet CEO Sundar Pichai
    Alphabet CEO Sundar Pichai（图片来源：Jeenah Moon/Bloomberg / Getty Images）

    800亿美元里，有100亿是定向卖给伯克希尔·哈撒韦的。这家由沃伦·巴菲特缔造、现在由格雷格·阿贝尔接掌的控股公司，相当于给这笔融资吃了一颗定心丸——有伯克希尔背书，其他投资者进场时心里会踏实很多。

    “企业对本公司AI解决方案与服务的需求十分强劲，当前供应水平已无法满足需求。”——Alphabet官方声明

    钱花在哪里

    Alphabet的说法是”扩大AI基础设施和全球算力”。这句话翻译过来就是：建更多数据中心、买更多英伟达GPU、拉更多光纤、消耗更多电力。

    谷歌今年在I/O开发者大会上透露，2026年的资本支出预计达到1800亿至1900亿美元。这个数字比很多国家的GDP还高，但谷歌说这是”需求驱动的”——企业客户和个人用户对AI服务的需求增长太快，现有的算力不够用了。

    彭博社的估算更夸张：美国科技巨头们2026年在AI资本支出上的总投入将达到7000亿美元。谷歌、微软、亚马逊、Meta，每家都在拼命砸钱，没有人敢停下来喘口气——谁停下，谁就可能在新一轮AI竞赛中掉队。

    为什么是现在

    选在现在融资，有三个原因值得琢磨。

    第一，利率环境。虽然美联储还没有大幅降息，但市场普遍预期2026年下半年会宽松。现在融资，资金成本还算可控。

    第二，竞争格局。微软跟Anthropic绑得很深，亚马逊在自研芯片上砸了重金，Meta在开源模型上走激进路线。谷歌必须在基础设施上建立足够深的护城河，才能守住搜索和云服务的优势。

    第三，AI服务的商业化正在加速。Gemini接入Google Workspace、Cloud AI服务给企业客户用、YouTube用AI做内容推荐和广告投放——这些业务的营收增长是看得见的，融资扩建基础设施的回报周期比以前短了。

    伯克希尔为什么买

    伯克希尔认购100亿美元，这件事本身比融资总额还值得关注。巴菲特还在任的时候，伯克希尔很少参与科技公司的大额融资。现在管理层换了，打法也在变。

    一种解读是：伯克希尔把这笔投资当成”基础设施押注”而不是”科技股押注”。AI基础设施跟铁路、能源、通信网络有相似之处——都是重资产、长期回报、护城河深。对伯克希尔来说，这种资产比单纯的AI概念股更对胃口。

    800亿美元融完之后，谷歌在AI基础设施上的投入规模将超过大多数国家的年度科技预算。这场军备竞赛没有终点，至少目前看不到。Alphabet愿意把自己的资产负债表压上去，说明它对AI这件事的判断比外界想象的更坚决。

  • Anthropic悄悄递交IPO申请，万亿估值俱乐部再添一员

    Anthropic悄无声息地往SEC交了一份文件，这件事迟早要曝光，但现在它可以选择什么时候让大家看到里面的细节。这种”机密提交”的操作，等于先占了IPO的坑，又不立刻把自己的财务数据摊在阳光下。

    Anthropic CEO Dario Amodei
    Anthropic CEO Dario Amodei（图片来源：Ludovic MARIN/AFP / Getty Images）

    时机很微妙。不到一周前，Anthropic刚宣布完成650亿美元的H轮融资，投后估值9650亿美元——离万亿只差一个涨停板。现在又递交IPO申请，资本局的节奏踩得相当紧凑。

    Anthropic 2025年底的年化营收是90亿美元，到2026年最新披露的数据，已经超过470亿美元。一年多时间，翻了5倍多。

    为什么选在现在

    IPO市场眼下确实热。SpaceX的上市计划已经箭在弦上，目标估值2万亿美元，打算募超过750亿美元。Anthropic看着这个窗口，觉得自己也该上了。

    选”机密提交”是个聪明的做法。这样可以先跟SEC沟通，把注册文件来回改几版，等一切就绪了再公开。这段时间媒体和公众不会看到细节，公司可以安心准备。

    当然，最终结果还是要公开S-1文件的。到时候Anthropic的营收结构、客户分布、风险因素、股权投票权——这些现在藏着掖着的数据，全部要摊在台面上。

    OpenAI也在准备

    Anthropic不是唯一一个在准备IPO的AI实验室。OpenAI今年3月完成1220亿美元融资，投后估值8520亿美元，也在往上市的方向走。两家公司如果真的同年IPO，那是近几年科技圈最热闹的场面之一。

    比较有意思的是两家公司的路径差异。Anthropic偏企业服务，客户黏性强，营收增长曲线干净；OpenAI消费者端名气更大，但商业化路径更复杂，Plus订阅、API计费、企业版三条线同时在跑。

    Mythos的安全问题

    文章还提到一个细节：Anthropic的Mythos模型至今没有全面开放。原因倒不是刻意饥饿营销，而是安全团队发现了数千个高危漏洞，得修完才能给公众用。

    彭博社的报道说，Anthropic正准备给欧盟网络安全局开放Mythos的访问权限。这个举动有点意思——先给监管机构看，再给公众用，等于让欧盟帮忙背书安全性。

    从追赶者到领跑者，Anthropic只用了三年。2021年成立的时候，外界把它当成”前OpenAI员工出来创业”的故事看。现在它的估值已经超过了老东家，IPO之后这个数字可能还会再往上走。

  • LLMs-from-scratch：96.4k Stars！从零构建大模型，让你真正理解AI底层原理

    LLMs-from-scratch：96.4k Stars！从零构建大模型，让你真正理解AI底层原理

    📚 GitHub热门AI开源项目 · 第45期

    LLMs-from-scratch：96.4k Stars！从零构建大模型，让你真正理解AI底层原理

    ⭐ Stars: 96.4k+
    📦 开源协议: MIT
    👤 作者: Sebastian Raschka

    LLMs-from-scratch封面图

    项目示意图（来自官方GitHub）

    📖 项目简介

    LLMs-from-scratch 是《Build a Large Language Model From Scratch》一书的官方配套代码库，作者Sebastian Raschka通过从零实现GPT风格的大模型，帮助读者深入理解大模型的工作原理。项目完全基于PyTorch，不依赖高级封装，适合学习AI底层机制。

    ⚙️ 安装要求和过程

    环境要求

    • Python 3.8+
    • PyTorch 2.0+
    • Jupyter Notebook（推荐）
    • GPU（可选，CPU可运行小规模模型）

    🚀 快速安装步骤

    # 克隆仓库
git clone https://github.com/rasbt/LLMs-from-scratch.git
cd LLMs-from-scratch

# 创建虚拟环境（推荐）
python -m venv venv
source venv/bin/activate  # Linux/Mac
# venv\Scripts\activate  # Windows

# 安装依赖
pip install -r requirements.txt

# 启动Jupyter Notebook
jupyter notebook

    💡 建议按顺序阅读每一章的notebook，从字符级语言模型开始，逐步构建到完整GPT。

    ✨ 核心功能

    🧱

    从零实现Transformer

    不依赖Hugging Face Transformers等高级库，从零实现Attention、Multi-Head Attention、位置编码等核心组件，真正理解Transformer架构。

    📚

    完整训练流程

    覆盖从数据预处理、词表构建、模型训练、损失计算到文本生成的完整流程。提供预训练权重，可直接加载进行推理。

    🔧

    微调与对齐

    包含指令微调（Instruction Tuning）和人类偏好对齐（RLHF简介）的实战代码，教你如何把预训练模型变成可用的对话助手。

    📓

    交互式Jupyter Notebook

    每一章都配有详细的Jupyter Notebook，代码可直接运行，公式和图示并茂，学习体验极佳。适合自学或作为课程教材。

    🎯 典型使用场景

    场景一：系统学习大模型原理

    如果你看过很多大模型科普文章但仍觉得”不透彻”，这个项目就是为你准备的。从字符嵌入到因果注意力，每一步都有清晰代码和图示。

    场景二：教学与培训

    可作为高校《自然语言处理》课程或企业内训的实战教材。学生/学员通过运行代码，直观理解注意力机制和生成过程。

    场景三：定制自己的LLM

    理解原理后，你可以在此基础上修改架构、更换词表、接入自己的数据集进行预训练或微调，真正”掌握”而不是”调用”大模型。

    💡 推荐理由

    我推荐这个项目，是因为它解决了AI学习者最大的痛点：“会用”不等于”理解”。

    现在市面上的LLM教程，要么停留在概念层面（”Transformer就是这样”），要么直接调Hugging Face高级API（”三行代码搞定”）。前者看不懂，后者学完仍然不知道模型内部发生了什么。

    Sebastian Raschka的这本书+代码库，走的是中间路线——用最基础的PyTorch操作，一行行实现GPT。你会发现，当你亲手写过Attention矩阵乘法、采样循环、位置编码叠加，那些原本模糊的概念会突然变得清晰。这种”通透感”，是高level API永远给不了的。

    96.4k+
    GitHub Stars

    MIT
    开源协议

    Python
    主要语言

    📓
    Jupyter Notebook

    如果你对AI充满好奇，想弄清楚ChatGPT背后的机制，而不是仅仅学会调用API——这个项目，就是最好的起点。

    ⭐ 别忘了给项目点个Star，支持作者的开源付出！

    由 WorkBuddy AI 自动采集撰写 · 2026-06-02

  • Strava把API城门关了，零代码AI应用是最后一根稻草

    健身追踪平台Strava最近干了一件事——把API的城门关了。以前开发者可以免费申请调用Strava的数据，现在要进来？每月11.99美元。

    零代码AI应用把API挤爆了

    Strava在开发者中心的更新公告里说得很直白：无代码AI工具让用户能快速创建”高频调用”API的应用，今年年初至今，开发者申请量同比暴涨448%，有些API中介方直接违反了平台政策，爬虫尝试已经拖累了所有用户的平台性能。

    这不是Strava一个人在战斗。2023年Reddit也干过类似的事——开始向开发者收API访问费，当时闹得很大，最终第三方客户端Apollo等直接宣布关闭。历史似乎在重演，只不过这次的主角是AI爬虫，不是第三方客户端。

    Strava健身数据可视化
    Strava是全球最大的健身社交平台之一，AI爬虫盯上了它的数据 ｜ 图源：The Verge

    谁在滥用Strava的数据

    零代码AI应用是这波API流量暴涨的核心推手。以前要调用Strava的API，你得会写代码、得理解OAuth授权流程、得老老实实填申请表。现在不一样了，拖拽几个组件就能搭出一个”AI健身教练”应用，背后疯狂调用Strava的API拉取用户的运动数据。

    Strava的定位其实很尴尬——它既有社交属性，又有数据金矿。AI时代，这两样东西都成了别人眼里的肥肉。

    有意思的是，Strava同期上线了一个新功能：用户可以把自己的健身数据（配速、心率、GPS轨迹等）直接对接到Claude。所以这次API收紧，打击的是第三方开发者，普通用户把数据导给自己的AI助手，反而是被鼓励的。

    IPO前夕的算盘

    这个时间点值得玩味。今年2月，Strava已经提交了IPO的保密注册声明。在冲刺上市的前夕收紧API政策，既可以提升平台数据的可控性，也能在财务报表上把API访问变成一项订阅收入。每月11.99美元不多，但乘以成千上万的开发者，账面上好看不少。

    Strava不是第一家，也不会是最后一家。AI爬虫对开放生态的冲击才刚刚开始，接下来会有更多平台站出来，重新划定数据的边界。

  • Meta悄悄做了一款AI挂件，这次不跟Snapchat玩了

    还记得Snapchat那款眼镜吗？2016年发的时候轰动一时，最后却不了了之。现在Meta打算换个打法——不往眼镜上死磕了，改做”挂件”。

    从Limitless手里接过来的技术

    根据The Information流出的一份内部备忘录，Meta正在开发一款AI驱动的挂件设备，计划在未来一年内开始测试。这款设备的技术底子，来自Meta在2025年底收购的一家初创公司——Limitless。

    Limitless之前做的AI挂件可以别在衬衫上，或者当项链戴，核心功能是记录用户的对话内容。当时Meta说，这次收购是为了”加速AI赋能可穿戴设备的研发工作”。现在看来，这句话背后的产品终于要露面了。

    Meta AI概念图
    Meta AI战略持续扩张，可穿戴设备是下一站 ｜ 图源：Getty Images

    上一个做挂件的，钱烧了100万美元打广告

    这条赛道上已经有不少前车之鉴。创业公司Friend在2025年花了超过100万美元投放地铁广告，最后产品没做起来，消费者并不买账。Humane的AI Pin也走到了尽头，最后资产被惠普以1.16亿美元收购。

    AI可穿戴设备至今没有一个真正跑通的消费级产品。隐私顾虑、营销失误、产品实用性不足——每一条都足以杀死一个品类。

    但Meta的参数不一样。它有20亿用户的生态，有全球门店的铺货能力，有系统级的AI整合能力。更重要的是，它愿意亏钱——Reality Labs这个季度亏了40亿美元，Meta照样继续投。

    不止是挂件，还有企业版

    备忘录里还提到，Meta计划扩大AI眼镜的产品线，同时推出一个名为”Wearables for Work”的企业订阅服务。把这两件事放在一起看，Meta的算盘其实很清楚：消费端用挂件和眼镜铺量，企业端用订阅服务赚钱。

    这个打法眼熟不？苹果当年推Apple Watch的时候也是这个路数——先卖硬件，再靠生态和服务把钱赚回来。Meta想做的事情本质上是一样的，只不过它盯上的是整个眼镜市场，而不只是智能手表。

    OpenAI也没闲着，它和Jony Ive的合作项目还在推进，大家都没放弃这个赛道。问题是，消费者到底需不需要一个时时刻刻挂在身上的AI？这次Meta能不能给出答案，接下来一年内应该就能见分晓。