Category: 最新消息

5 月 28 日，生产力平台 Asana 以 7500 万美元收购无代码代理构建商 StackAI，后者可直接对接 Salesforce 等企业系统，自动拉取数据并生成工作流代理。这笔交易标志着传统 SaaS 厂商正从“工具提供商”转向“人机协作操作系统”。 背景在于，通用大模型能力已趋同，企业真正卡点已从“模型够不够强”转向“如何嵌入现有 IT 栈”。StackAI 的价值在于其代理能与现有 CRM、ERP 无缝对接，而非另起炉灶。Asana 此举与过去一年 Salesforce、ServiceNow 等厂商的代理布局形成呼应：它们不再只卖聊天机器人，而是把代理变成工作流的默认执行层。 对比之下，纯 AI 初创如 Anthropic 或 OpenAI 的企业 API 仍需客户自行搭建集成层，落地周期更长；而 Asana 这类平台通过收购直接把代理能力“产品化”，把集成成本从客户端转嫁到自己。数据支撑：Gartner 此前估算，2026 年企业 AI 代理部署中，超过 60% 将发生在已有 SaaS 生态内，而非新建孤岛。 这背后驱动力是资本效率。 hyperscaler 级别的训练与推理开支已进入边际递减阶段，中小型生产力厂商反而能用低成本收购快速切入垂直场景。未来 6-12 个月，关键变量在于这些代理是否能真正产生可量化的运营闭环——若 Asana 的“人机团队 OS”叙事站住脚，更多传统软件公司将跟进并购；若集成后 ROI 不达预期，代理热潮或将重新回到模型层面的军备竞赛。 信源：https://techcrunch.com/2026/05/28/asana-acquires-no-code-agent-builder-stack-ai/ ✕ 📱 分享到微信 […]

5 月 28 日，彭博社报道苹果计划在 iOS 27 中全面重构 Siri，引入更深度的 AI 集成，包括相机 App 内直接调用 Siri 搜索或询问，以及全新“Search or Ask”界面。消息称这是苹果试图在数字助理和人工智能领域实现翻身的举措。 这并非孤立产品更新，而是苹果在生成式 AI 浪潮中持续落后的背景下的一次系统性回应。过去两年，OpenAI、Google、Anthropic 等公司在企业级和消费级 AI 应用上快速迭代，而苹果的 Apple Intelligence 虽已推出，但 Siri 的核心体验仍被用户诟病为“笨拙”。iOS 27 的改动直指这一痛点，试图将 AI 能力从后台工具转向前台交互。 与 Google Assistant 或 ChatGPT 类产品相比，苹果的优势在于设备端隐私和生态整合。若新 Siri 能实现相机实时语义理解或跨 App 智能调度，将形成与其他大厂不同的闭环体验。但这也暴露苹果长期依赖硬件迭代的战略局限：在模型能力上，它仍在追赶而非领先。 未来六到十二个月，关键看苹果能否将这些改动转化为实际用户留存和开发者生态，否则其在 AI 消费级赛道的份额将继续被蚕食。[[1]](https://www.bloomberg.com/news/features/2026-05-28/apple-ios-27-photos-screenshots-revamped-siri-pro-camera-app-new-ai-features) 信源：https://www.bloomberg.com/news/features/2026-05-28/apple-ios-27-photos-screenshots-revamped-siri-pro-camera-app-new-ai-features ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos […]

5 月 27 日，前谷歌 DeepMind、苹果、OpenAI 及 Meta 研究者联合创立 Trajectory，目标通过实时捕捉用户交互数据持续优化 AI 产品。团队已完成 1500 万美元种子轮，投后估值 1.15 亿美元，由 Conviction 领投，Bessemer、Radical VC 等跟投。[[1]](https://www.wired.com/story/ex-google-apple-ai-researchers-want-to-make-ai-that-gets-smarter-as-you-use-it/) 这家新公司直指当前大模型“训练后冻结”的核心痛点：缺乏真实世界反馈循环。Trajectory 的产品将帮助企业将用户使用痕迹转化为持续训练信号，实现“越用越聪明”。这一路径与 OpenAI/Anthropic 等闭源实验室强调规模化预训练形成对比，也与 Meta 等开源阵营的社区反馈机制拉开距离。 与过去一年 Cognition、Cursor 等编码代理公司聚焦垂直场景不同，Trajectory 定位通用反馈基础设施，试图在推理成本下降后抢占数据飞轮入口。过去类似尝试多停留在实验室或小规模验证，此次团队背景与融资规模显示资本已开始为“后训练时代”基础设施买单。 未来 6-12 个月，关键悬念在于 Trajectory 能否率先跑通企业级部署，并证明反馈数据带来的性能提升足以覆盖隐私合规与数据所有权争议。若成功，将重塑 AI 产品迭代节奏；若受阻，则可能加速大厂内部自建反馈系统的步伐。 信源：https://www.wired.com/story/ex-google-apple-ai-researchers-want-to-make-ai-that-gets-smarter-as-you-use-it/ ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in […]

Sesame 由 Oculus 创始人联合创立的对话 AI 初创公司，于 2026 年 5 月 28 日正式上线 iOS App，在 39 个国家开放公测。该应用强调自然对话流畅性，允许 AI 在思考时保持对话连贯，区别于传统聊天机器人“即时回复”模式。App 目前免费，未来计划扩展 Android 版本。 这一动作发生在 AI 代理从企业内部试点转向消费场景的背景下。过去一年，大厂如 Meta 通过内部重构采集数据训练代理，Google 则将代理嵌入搜索以争夺分发权。而 Sesame 等初创选择直接面向个人用户，目标是重塑“人与 AI 日常互动”范式。TechCrunch 报道显示，Sesame 已获 2.5 亿美元融资，早期 beta 用户反馈对话等待体验优于竞品。 相比之下，企业端落地仍受 ROI 与稳定性困扰。Databricks 联合创始人近日在 TechCrunch Disrupt 指出，企业拒绝 AI 的主因并非技术，而是“运营不稳定”，而非模型性能本身。这与消费级路径形成对比：前者依赖大规模数据与合规，后者优先用户体验迭代。 根本驱动力是推理成本下降与多步任务能力成熟，但消费级代理面临隐私、采用率与真实价值验证的考验。未来 6-12 个月，关键悬念在于哪种路径先证明商业可持续：Sesame 若用户留存与付费转化达标，或倒逼大厂加速消费产品；反之，企业代理若先规模化提效，则可能主导下一阶段格局。 信源：https://techcrunch.com/2026/05/28/sesame-the-conversational-ai-startup-from-oculus-founders-launches-its-ios-app/ ✕ 📱 分享到微信 📤 […]

巴黎时间 5 月 28 日，欧洲头部 AI 公司 Mistral CEO Arthur Mensch 公开反驳教皇 Leo XIV 对 AI 用于战争的批评，称“欧洲需要自己的工具来应对竞争对手”。同日公司宣布新建法国数据中心，并披露与 Airbus 等新客户合作。 这一表态正值中美 AI 军备竞赛白热化之际。Mensch 强调，AI 军事应用是欧洲战略自主的必要条件，而非单纯商业选择。Mistral 此前已获法国政府支持，其模型在欧洲本土部署比例远高于美国对手。 对比之下，美国公司如 OpenAI 和 Anthropic 更侧重企业与消费市场，对军事用途保持低调。Mistral 的路径则直接绑定国防需求，类似 Meta 早期“move fast”风格，却在监管敏感的欧洲语境下显激进。 未来 6-12 个月，关键变量在于欧洲数据中心落地速度与本土模型性能差距能否缩小。若 Mistral 成功将军事订单转化为稳定现金流，或将重塑欧洲 AI 生态独立性；反之则可能加剧人才与算力向美企流失。 信源：https://www.reuters.com/business/media-telecom/mistral-defends-ai-use-warfare-rebuts-pope-criticism-2026-05-28/ ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 […]

5 月 28 日，路透社披露：TikTok 母公司字节跳动启动自研中央处理器（CPU）项目，目标是减少对外部芯片的依赖，尤其是在美国出口管制背景下。 字节是中国第一家跨入完整算力栈控制的 AI 厂商——之前国内大厂只在 GPU / 加速器层面自研，CPU 这个最底层的通用计算芯片，一直依赖 Intel 和 AMD。 海外参照：谷歌 2015 年起做 TPU，亚马逊 2018 年发布 Graviton，微软 2024 年推出 Maia 加速器，苹果从 M1 开始做端侧 CPU——所有海外云大厂十年前就走完了这条路。字节是中国第一家追上来的。 表面原因是出口管制。深层原因是 AI 训练和推理的成本结构，把算力买家逼成算力制造者。 互联网公司的护城河正在转移。十年前是用户和数据，五年前是云和软件，现在是硅片和电力。一家不能控自己算力的 AI 公司，长期没有定价权，只能向 Nvidia 缴税。 字节 CPU、美光万亿、xAI 自建燃气厂、微软重启核电站——全是同一现象的不同侧面：AI 公司正在垂直整合到 19 世纪的工业基础设施。 未来 12 个月，中国 AI 头部全员会走完”自研芯片 + 长期电力锁定”两步。下一场竞争的边界不再是 OpenAI vs DeepSeek，是各家 BOM 表的物理成本结构。 […]

亚马逊于2026年5月27日宣布，通过AWS推出“Agentic Shopping Assistant”服务，将Alexa for Shopping（前Rufus）的架构、 starter code 和运营经验打包授权给外部零售商。零售商最快60天即可上线专属AI购物工具，匹配自身库存、品牌和客群。首家客户为Tapestry旗下的Kate Spade，已上线礼品助手。[[1]](https://www.cnbc.com/2026/05/27/amazon-ai-shopping-alexa-kate-spade.html) 这一动作延续亚马逊“内部技术变现”路径：当年AWS、Just Walk Out无感结账、物流网络均由此而来。此次将AI购物能力对外输出，正值OpenAI、Google、Perplexity等争相推出购物代理之际。亚马逊强调，零售商掌握垂直品类和客户数据，“通用AI无法匹敌”，建议自建而非依赖中介，暗指其自身Buy for Me功能同时向其他站点渗透。[[1]](https://www.cnbc.com/2026/05/27/amazon-ai-shopping-alexa-kate-spade.html) 对比之下，OpenAI等平台曾因技术bug和零售商接入阻力受挫，而亚马逊凭借自家电商数据闭环和AWS基础设施，试图成为AI购物底层。Kate Spade案例显示，品牌可快速定制而非完全托管，凸显控制权争夺。 未来6-12个月，关键看更多零售商采用率，以及亚马逊是否借此巩固其在代理购物中的分发与数据优势。观察点在于实际转化数据与竞争对手回应。 信源：https://www.cnbc.com/2026/05/27/amazon-ai-shopping-alexa-kate-spade.html ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信

Anthropic 近日与 xAI 达成算力租赁协议，将访问 xAI 在孟菲斯建设的 Colossus 1 集群，该设施已部署超过 22 万颗 Nvidia GPU。这一安排让 Claude 模型直接使用对手的基础设施，凸显当前 AI 训练与推理对大规模 GPU 集群的极度依赖。 xAI 的 Colossus 项目旨在打造全球最大 AI 训练集群之一，而 Anthropic 作为闭源模型头部玩家，自身数据中心扩张面临产能与电力双重瓶颈。此前 Anthropic 已与 Google、Amazon 等云厂商合作，此次转向 xAI，显示算力供给已从“自建”转向“多源租赁”。对比之下，OpenAI 与 Microsoft 的深度绑定、Google 自有 TPU 集群，均在加速垂直整合。 这一合作发生在 AI 资本开支持续高企的背景下。xAI 通过 Grok 系列快速迭代积累算力优势，Anthropic 则借此缓解短期供给压力。根本驱动力是 HBM 内存与先进制程产能的全球短缺，单一公司难以独占。未来 6-12 个月，类似跨竞争对手的算力交易或将增多，关键悬念在于 xAI 是否会借此获得 Anthropic 训练数据的反向反馈，或双方是否会因模型能力差距而终止合作。 信源： https://x.com/TechnologyOrg/status/ […]

YouTube 于 5 月 27 日宣布，其内部系统将自动检测并标注使用显著 photorealistic AI 生成的视频，不再仅依赖创作者自行披露。此举针对近期 Gemini Omni 等多模态模型生成的高质量视频，旨在提升透明度。[[1]](https://techcrunch.com/2026/05/27/youtube-will-now-automatically-label-ai-videos/) 这一政策出现在 Google I/O 2026 后一周，Gemini 系列已能生成符合物理、文化和科学逻辑的视频内容。平台此前依赖自愿标签，但随着 AI 视频质量提升，误导性内容风险上升，自动标注成为必要补救。 与 Meta、OpenAI 等闭源模型推动的视频生成赛道相比，YouTube 选择平台级强制披露，而非等待监管或创作者自觉，体现了分发端对内容可信度的优先级。相比早期 Sora 已停服后的市场，Runway、Pika 等工具仍在迭代，此举或倒逼创作者工具链增加元数据标准。 未来 6-12 个月，关键悬念在于自动检测准确率能否跟上模型迭代，以及是否引发创作者流失或转向其他平台。观察重点为后续用户反馈与误标率数据。 信源：https://techcrunch.com/2026/05/27/youtube-will-now-automatically-label-ai-videos/ ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信

Meta Platforms 于 2026 年 5 月 27 日宣布推出 Meta AI 聊天机器人的付费订阅服务，首推两档方案：基础版 Meta One Plus 每月 7.99 美元，面向高频使用图像视频生成和长推理的用户。这是 Meta 首次直接向消费者销售 AI 功能，目标是构建独立收入流，以对冲数百亿美元的 AI 资本开支。[[1]](https://www.bloomberg.com/news/articles/2026-05-27/meta-to-sell-ai-chatbot-subscriptions-in-bid-to-offset-spending) 这一动作发生在 Meta 过去一年将 AI 深度嵌入 WhatsApp、Instagram 和 Messenger 的背景下。公司此前已通过广告模式获利，但 AI 推理成本高企，订阅模式可直接从用户端变现。相比 OpenAI 的 ChatGPT Plus（每月 20 美元）和 Anthropic 的类似付费产品，Meta 定价更低，依托其 30 亿月活用户池，潜在转化规模更大。 与 Google 仍在搜索广告中嵌入 AI 不同，Meta 选择独立产品线，反映其对“AI 即服务”商业化的判断：广告收入增速放缓时，订阅能提供更稳定现金流。但这也面临用户付费意愿和隐私顾虑的双重考验。 未来 6-12 […]