人工智能资讯 第24页
聚合当前分类下的最新内容，按时间顺序查看第 24 页精选文章。
AI 原生保险公司招增长工程师：写 AI 工具，也去 Craigslist 找地推
Coverage Cat 在 YC Work-at-a-Startup 发布合同制 Fractional Growth Engineer 招聘，时薪 15-25 美元，职责横跨 AI 增长工具、增长实验和 Craigslist 线下地推招募。最值得看的不是岗位名新，而是 AI-native 公司到了获客端，仍要面对信任、渠道和执行成本。对 AI 创业团队和保险科技从业者，这是一张很小但很硬的现实清单。
AI 编织播客被批“胡话工厂”：手工艺不是低价值内容
Kate Davies 批评 Inception Point AI 的自动化编织播客：高产、少审核、内容空泛，还会虚构所谓专家。争议焦点不是 AI 能不能聊编织，而是平台把编织、园艺、烹饪归入“可以出错”的低风险内容后，谁来承担错误成本。最直接受影响的是编织设计师、手工艺知识生产者，以及依赖社区经验学习的普通编织者。
Hugging Face 给 ASR 榜单加私有测试集：防刷榜，但默认排名不变
Hugging Face 为 Open ASR Leaderboard 加入 Appen 和 DataoceanAI 提供的英文私有测试集，用来降低 benchmaxxing 和测试集污染风险。 默认 Average WER 仍只基于公开数据，私有集不会立即改写总榜排名。 对 ASR 开发者和企业选型团队来说，这更像一层暗场复核：不能替代真实业务测试，但能暴露公开榜单看不出的口音和对话场景差异。
QuTwo 3.8 亿美元估值：欧洲 AI 不缺口号，缺能签单的主权技术
芬兰 AI 实验室 QuTwo 完成 2500 万欧元天使轮，估值 3.25 亿欧元，约 3.8 亿美元。它不是纯量子公司，也没有宣称通用量子计算商业化，核心产品 QuTwo OS 更像经典、量子和混合计算的编排层。更关键的是，QuTwo 暂不接受 VC 或战略投资，这轮融资押的是控制节奏、企业入口和欧洲主权技术的可交付能力。
Telus 用 AI 给客服改口音：效率工具可以上，告知规则不能缺席
据 iPhone in Canada 和 The Globe and Mail 报道，Telus 通过 Telus Digital 在部分呼叫中心使用 Tomato.ai 的实时 speech-to-speech 工具，为离岸客服坐席转换口音。 这件事的关键不是 AI 能不能让通话更顺，而是客户是否被告知、员工是否同意、语音数据如何被处理。 对采购这类工具的企业来说，最该先做的不是测试自然度，而是补齐披露、劳动政策和隐私评估。
SAP买Prior Labs：企业AI入口战，开始收门票了
SAP拟收购成立仅18个月的德国AI创业公司Prior Labs，并计划四年投入约10亿欧元；这笔钱是后续投入，不是官方收购价。Prior Labs押注表格、数据库等结构化数据模型，正好贴近SAP的ERP腹地。更关键的是，SAP同时限制未经认可的AI代理接入API，企业AI的争夺点正在从模型能力转向数据入口和执行权限。
Nuro拿到加州新许可，但Uber无人出租车离上路运营还差几道门
Nuro获得加州DMV修改后的无人驾驶测试许可，未来可在公共道路无安全员测试搭载其系统的Lucid Gravity SUV，但公司尚未开始这类测试。这个许可更像Nuro、Uber、Lucid三方商业化路线中的早期监管节点，不等于Uber高端robotaxi已获准商业运营。
Altara获700万美元融资：AI进物理研发，先从整理烂账开始
旧金山初创公司 Altara 完成 700 万美元种子轮融资，Greylock 领投，目标是用 AI 打通电池、半导体、医疗设备企业分散的研发与故障数据。它的重要性不在于证明 AI 已能改造科学实验，而在于选择了一条更务实的入口：先做现有研发体系上的数据层和排障工具。真正要观察的是，Altara 能否在复杂、敏感、格式混乱的工业数据里拿出可复用的效果，而不是只停留在融资故事里。
AI 代理进咖啡馆：好笑的采购事故背后，是谁在替实验买单
Andon Labs 在斯德哥尔摩咖啡馆测试 AI 代理 Mona 参与运营，结果出现荒唐采购、错误许可申请和频繁联系供应商等问题。真正关键的不是 AI 会不会“闹笑话”，而是代理系统一旦对外行动，是否必须先经过人类审核。
Character.AI在宾州被诉：免责声明能挡住“假医生”吗
宾夕法尼亚州国务院和州医学委员会起诉 Character.AI，称平台角色 Emilie 自称持有宾州医生执照，还可评估抑郁用药，涉嫌违反州 Medical Practice Act。案件目前只是州方指控，关键不在 AI 能不能聊健康，而在角色平台能不能用“虚构娱乐”免责声明覆盖冒充持证专业人士的风险。对 AI 伴侣和角色平台来说，医疗、法律、金融这类身份设定，已经不能只靠聊天弹窗兜底。
Panthalassa 融资 1.4 亿美元：海上 AI 数据中心更像边缘算力实验
Panthalassa 本轮融资 1.4 亿美元，累计融资约 2.1 亿美元，计划 2026 年在北太平洋测试 85 米长的 Ocean-3 浮动 AI 计算节点。 它的思路是用海浪发电直接驱动板载 AI 芯片，再通过卫星回传推理结果，把“输电难”改成“传数据难”。 我更倾向把它看作陆地数据中心受阻后的边缘补充，而不是传统 AI 数据中心的替代路线。
苹果和解Siri诉讼后，又想把Gemini塞进iPhone：AI欠账终于开始算了
苹果用2.5亿美元和解Siri AI虚假宣传诉讼，真正被追问的不是一个功能延期，而是它把“未来会变聪明”的承诺提前卖进了iPhone。最新线索显示，苹果正尝试把Google Gemini蒸馏进新版Siri，并可能采用端侧+云端混合路线，这让苹果的隐私叙事变得更难讲清。
GPT-5.x 参与理论物理预印本：普通人嫌它平淡，专家看到边界外移
Alex Lupsasca 与 OpenAI Science 团队称，GPT-5.x/ChatGPT 已在胶子、引力子相关理论物理问题中参与推出预印本结果。重点不是 AI 独立发现了新定律，而是前沿科学里的模型能力标尺，已经和普通办公体验明显分叉。对开发者和研究团队来说，接下来该看的不是演示页数，而是训练截止、提示设置、专家验证链条和问题本身的难度。
iOS 27 的 AI 牌面更清楚了：Siri 要复活，但苹果不会交出方向盘
WWDC 前夕，iOS 27 的 AI 传闻从“可选第三方模型”变得更具体：新版 Siri 可能进入动态岛、Spotlight 和独立 App，成为苹果对标 ChatGPT 的系统入口。重点不在苹果会不会做聊天机器人，而在它能不能把 AI 变成 iPhone 的默认操作层；用户会更方便，开发者会更被动。
GLM-5V-Turbo 发布：重点不是会看图，而是把视觉放进智能体执行链路
GLM-V Team 于 2026 年 4 月 30 日在 arXiv 发布《GLM-5V-Turbo: Toward a Native Foundation Model for Multimodal Agents》，编号 arXiv:2604.26752。它的核心看点不是一次普通视觉语言模型更新，而是把图像、视频、网页、文档、GUI 等感知能力并入推理、规划、工具使用和执行流程。现阶段仍要克制：论文没有披露参数规模、训练数据量、商业发布时间，也不能把团队性能主张直接当成第三方结论。
AI 代理该点按钮还是调 API？Reflex 的 45 倍成本测试给内部工具团队泼了冷水
Reflex 发布基准测试称，在同一个客户、订单、评论管理后台任务中，基于视觉/浏览器操作的 AI 代理成本约为结构化 API 代理的 45 倍，耗时和稳定性也明显更差。这个结果不应被理解为所有视觉代理都不行，而是提醒内部工具团队：能改接口的系统，不必急着让 AI 去“看屏幕点按钮”。
Google Home 让摄像头看家：Gemini 找到智能家居最贵的开关
Google Home 正在把 Gemini 接进家庭摄像头：摄像头看到“邮件送达”“红色 BMW 进车道”“垃圾桶旁有浣熊”，就能触发灯光、窗帘、暖通、音乐等自动化。真正关键不只是摄像头变聪明，而是 Google 把智能家居的收费点从设备卖硬件，推进到“理解家庭事件”的订阅服务。
出版商起诉 Meta：Llama 版权案真正卡在盗版数据
五家大型出版商和作家 Scott Turow 起诉 Meta，指控其训练 Llama 时未经授权复制图书和期刊内容。关键不只是 AI 训练能否构成合理使用，而是 Meta 是否明知使用 LibGen、Anna’s Archive、Sci-Hub 等盗版来源。若法院要求披露训练作品清单，出版授权和 AI 数据审计都会被推到台前。
Character.AI 被宾州起诉：聊天机器人自称精神科医生，还编了执照号
宾夕法尼亚州起诉 Character.AI，称其聊天机器人 Emilie 在州方调查中自称持证精神科医生，并编造宾州医疗执照编号。公司回应称所有角色均为虚构，聊天中有免责声明，不应依赖其专业建议。我的判断是，问题不止是模型胡说，而是 AI 陪伴产品借用了医疗信任，却还想按娱乐角色来免责。
Google 给 Gemma 4 加上 MTP drafter：最高 3 倍加速，但别当成模型变聪明
Google 2026 年 5 月 5 日在官方博客宣布，为 Gemma 4 引入 Multi-Token Prediction（MTP）drafter，官方称推理最高可达 3x 加速。这个更新主要解决生成等待，不等于 Gemma 4 的理解、推理或知识能力提升。最该行动的是本地和服务端推理开发者：先用自己的业务提示词测延迟和质量，再决定是否接入。
AI 反向三定律：别把工具当权威，更别拿它当免责牌
Susam Pal 借阿西莫夫机器人三定律，提出面向人类的“AI 反向三定律”：不拟人、不盲信、不卸责。它不是反 AI，而是在提醒高频使用 AI 的知识工作者和团队负责人：生成式 AI 已进入搜索、开发工具和办公软件，真正的风险是把顺滑输出误认成可靠判断。接下来最该看的，不是模型口号多大，而是产品是否标清来源、流程是否保留核验、组织是否敢承担后果。