人工智能资讯 第22页
聚合当前分类下的最新内容，按时间顺序查看第 22 页精选文章。
Basata把医疗AI放进转诊后台：先读传真，再替诊所回电话
Basata做的不是AI诊断，而是用文档解析和AI语音代理处理专科转诊、预约和常见行政请求。 它瞄准的是医疗系统里最容易被忽视的一段：传真进来的转诊单、小团队手工分拣、患者迟迟等不到回电。 这类医疗AI短期能否跑通，不看故事多大，要看能否稳定缩短转诊漏斗，并在出错前把问题交给真人。
Pit 获 a16z 领投 1600 万美元：企业 AI 的难点不在写代码，在谁敢让它接流程
Pit 获 a16z 领投 1600 万美元种子轮，由 Voi 相关创始团队牵头，主打为企业内部流程生成可治理、可审计的软件。它不是做前台聊天机器人，而是试图进入后台服务、支持和运营流程。真正的考题是：企业是否愿意让 AI 接入权限、数据和责任链。
Gemini 3.5 Flash 塞进搜索框：Google 押的不是模型价格，是代理权
Google 在 I/O 2026 上把 Gemini 3.5 Flash 设为 AI Mode 全球默认模型，并给 Search 做了 25 年来最大一次搜索框改版：文本、图片、文件、视频、Chrome 标签都能直接丢进去问。真正要看的不是模型又便宜了多少，而是 Google 正在把搜索从“给答案”推向“替你盯、替你筛、替你办”。
AirPods 要长摄像头了，苹果真正赌的是 Siri 能不能看懂世界
彭博称，苹果带摄像头的 AirPods 已进入 DVT 设计验证测试，内部测试者正在使用原型机；下一步才可能进入 PVT 生产验证测试，不等于已经量产或发布。摄像头不是用来拍照录像，而是采集低分辨率视觉信息，供 Siri 理解眼前环境。真正的看点不在耳机多一个传感器，而在 Siri、隐私提示和日常场景价值能不能同时过关。
Perplexity Personal Computer 开放给所有 Mac 用户：AI 助手开始碰本地文件了
Perplexity 的 Personal Computer 已通过新的 Mac 桌面应用向所有 Mac 用户开放，此前仅限 Perplexity Max 用户和等待名单用户。 它的看点不是多一个聊天入口，而是 AI 代理开始接触本地文件、Mac 原生应用、网页和 400 多个连接器。 但它不是完全本地运行。相关安全开发环境仍在 Perplexity 服务器上，安全性目前只能按公司说法审慎看待。
ChatGPT 试水广告：免费 AI 的账单来了，信任才是硬成本
OpenAI 开始在 ChatGPT 分阶段测试广告，先覆盖美国已登录成年 Free 和 Go 用户，付费高阶、企业和教育用户暂不展示。官方承诺广告会标注 sponsored、与回答分离、不影响答案，并提供个性化管理和广告数据删除。真正要看的不是有没有广告，而是对话入口商业化后，答案独立、聊天隐私和用户信任能不能同时守住。
Anthropic 的 NLA 能读懂 Claude 吗：更像审计线索，不是读心证据
Anthropic 发布 Natural Language Autoencoders，用自然语言转写 Claude 内部 activation，并开放论文、代码和 Neuronpedia 演示。NLA 的价值在安全审计：它能提示模型未明说的测试意识和隐藏动机。边界也很硬：会幻觉、成本高，目前只能当线索，不能当“读心记录”。
ChatGPT 可信联系人刚上线，致死诉讼就把问题挑明了：AI 陪伴不能只会哄人
OpenAI 上线 ChatGPT Trusted Contact，本来是在承认一件事：AI 陪伴遇到高危时，最后必须有人类接住。新的涉药物建议致死诉讼把这个判断推得更尖锐——风险不只在模型答错，而在模型明知用户处于危险中，仍继续配合、安抚和服务其目标。
Redis 作者的 ds4.c：本地 AI 开始走窄门
Redis 作者 antirez 开源了 ds4.c：一个只服务 DeepSeek V4 Flash、只跑 Apple Metal 的本地推理引擎。它不是 llama.cpp 替代品，也不是通用 GGUF runner，而是把单一模型做到端到端可用。真正的变化是：本地 AI 可能从“通用框架堆功能”转向“专用引擎吃深度”，但硬件门槛、平台绑定和维护风险会一起抬高。
Agent 的分水岭：少写神咒，多写控制流
一篇开发者博客的核心判断是：可靠的复杂 Agent，不能靠更长的 prompt chain 硬撑，而要把控制流、状态转移和校验逻辑写进软件运行时。 它没有否定 prompt。它否定的是让自然语言提示词承担程序骨架。 对 Agent 开发者和技术管理者来说，下一步要补的不是提示词模板，而是状态机、验证点、日志、人审边界和失败路径。
OpenAI 新实时语音 API：会说话不稀奇，能替人办事才值钱
OpenAI 在 Realtime API 中上线 GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper，分别面向语音代理、流式翻译和低延迟转写。关键信息不在声音更像真人，而在语音 AI 开始接入长上下文、工具调用、打断处理和企业流程。真正受影响的是开发者、企业应用团队和客服自动化负责人；普通用户要等 ChatGPT voice 是否跟进。
AlphaEvolve的分水岭：AI不只写代码，而是开始找算法
Google DeepMind公布AlphaEvolve进展：这是一个由Gemini驱动的代码智能体，核心动作是生成代码、评估结果、继续迭代，用来寻找更优算法和优化方案。 它和普通编程助手的区别，不在“会不会写代码”，而在结果能不能被验证、复现、部署。 真正受影响的不是普通消费者，而是科研人员、算法工程师、算力基础设施团队，以及所有把性能、成本、吞吐当命门的组织。
中国 AI 实验室的强项：不是神话，是把追赶做成工程
一位美国 AI 研究者走访阿里、Z.ai、月之暗面、清华、美团、小米、零一万物等机构后，给出的判断很克制：中国大模型公司更像优秀的 fast-follower。关键不在“中国是否已经超过美国”，而在中国实验室如何靠年轻团队、低明星化组织、开源反馈和工程纪律，把已验证路线快速做厚。边界也清楚：英伟达算力、数据质量和商业闭环，仍是下一阶段的硬关口。
Netflix 测 AI 语音搜索：它想拿回电视上的第一入口
Netflix 正在美国部分会员中测试内置 AI 语音搜索，用户按遥控器上的 Netflix 键，就能用自然语言让平台推荐片单。 这项功能还只是小范围 beta，不等于全面上线，也不能说明传统推荐算法被替代。 真正值得看的是入口：Netflix 正试着绕开 Google TV、Roku、Fire TV 这类电视系统，把“下一部看什么”的决定权留在自己手里。
Moonshot据称估值200亿美元：Kimi的收入兑现，还是低价推理的融资溢价？
Moonshot AI据称完成约20亿美元融资，投后估值约200亿美元，半年累计融资约39亿美元；这些数字主要来自财务顾问披露和媒体报道，仍应按非官方最终口径看待。Kimi的付费订阅和API使用把4月ARR推到2亿美元以上，给估值提供了收入抓手，但ARR不等于实际年收入，更不等于利润。真正要判断的是：Kimi开放权重模型的商业化在兑现，还是中国AI融资热、低成本推理需求和开发者采用率一起抬高了阶段性价格。
Spotify 的 AI 音频野心更清楚了：不急着造播客，先把你的私人音频收进库里
Spotify 的 AI 音频布局不只是 AI DJ 会说多国语言。最新披露的 Save to Spotify 细节显示，它正把 Claude Code、OpenAI Codex、OpenClaw 这类 AI Agent 生成的私人播客接入用户播客库。真正重要的不是“AI 播客”这个标签，而是 Spotify 想把通勤、研究、简报这些碎片收听场景继续锁在自己的入口里。
GovernGPT 在蒙特利尔招后端：金融 AI 开始拼后台硬功夫
GovernGPT 这条招聘的重点，不是 YC 公司又在招人，而是 AI Agent 正从聊天界面往资产管理后台钻。岗位写着 Thinking Systems，实际要做的是数据库、文档预处理、安全后端和生产可靠性。金融 AI 的分水岭也在这里：不是谁会接 LLM，而是谁能让客户放心把高成本、可审计的知识流程交出去。
Parloa 用 OpenAI 模型升级语音客服平台：企业 AI Agent 开始补“上线前测试”
Parloa 基于 OpenAI 模型升级 AI Agent Management Platform，让企业用自然语言设计、仿真、评估并部署语音客服代理。重点不在机器人更会聊天，而在上线前能不能测出越界、误调用、转人工失败和语音延迟。对联络中心负责人来说，验收标准要从“演示效果”转向“生产风险”。
Unsloth 联手 NVIDIA 提速 LLM 微调：约 25% 来自清工程堵点，不是新算法
Unsloth 与 NVIDIA 披露了一组 LLM 微调优化，部分场景合计提速约 25%。这次提速主要来自减少重复元数据构建、隐藏 checkpoint 拷贝等待、降低 MoE 路由开销，不是模型算法突破，也不是 GPU 算力跃迁。最该关心的是使用 Unsloth 在 NVIDIA GPU 上做 packed training、QLoRA SFT、activation checkpointing 和 MoE 微调的开发者；是否迁移工具链，要看自己的模型、batch、后端和显存条件。
AI 热潮开始交账：缺的不是故事，是芯片、电力和控制权
TechCrunch 在 Milken 全球会议采访了 ASML、Google Cloud、Applied Intuition、Perplexity 和 Logical Intelligence 五位 AI 供应链相关人物。AI 需求仍在涨，但交付开始被芯片、电力、真实世界数据、企业权限和主权边界卡住。接下来要看的不是谁模型口号更响，而是谁能把基础设施账本算平。
Uber 接入 OpenAI：大模型正在靠近叫车订单，但还没接管调度
Uber 正在把 OpenAI 模型用于司机端 Uber Assistant 和乘客端语音叫车，重点不是客服问答，而是把 AI 放进司机决策和乘客下单前的链路。 这件事的看点在实时 marketplace：每天约 4000 万次行程、1000 万司机和配送员、70 多国 1.5 万座城市，AI 要面对的是供需、位置、时间和规则的连续变化。 但边界也要说清：Uber 目前披露的是辅助建议和 beta 体验，不是全球自动调度，也没有披露收入提升、转化率提升等量化结果。