搜索“语音”

。 这种局限也让虚实融合在很大程度上依赖开发者对场景的预先设计。虚拟物体可以按照设定的规则与现实空间互动，但要面对千差万别的真实环境，自动理解物体属性并生成合理的物理反馈，仍然有很长的路要走。随着多模态AI向三维空间推理和物理理解延伸，这一问题开始出现新的解决思路。 二、Google让AI重建物理世界，虚实融合迎来新变量 近年来，AI与XR的结合已经从传统的语音问答，逐渐向结合现实环境的智能交互发展。 早在2024年，Google Research提出XR-Objects研究原型，结合物体识别与多模态大模型，让用户能够直接围绕现实物体获取信息或生成虚拟内容。今年1月，Meta进一步推出MR语言学习应用Spatial Lingo，通过Quest识别并定位现实物体，再利用Llama模型生成对应的语言学习内容。 Meta Spatial Lingo技术架构 图源：Meta Developers Google最新发布的Gemini 4 Argon进一步展示了AI的空间理解与物理推理能力。该模型在具身推理（ERQA）基准测试中取得87%的成绩，并通过Real2Sim技术，将第一人称视频等视觉信息

匹配字段正文

还是那套别人抄不走的用户生态。从Facebook、Instagram、WhatsApp，到正在起量的AI智能眼镜，全都是现成的分发渠道。 实际上Meta已经在紧锣密鼓地把Muse往各种硬件终端里塞了。 前阵子的Meta Connect大会上，官方就宣布Muse即将接入智能眼镜，用户动动嘴就能喊AI帮自己监测运动训练、随手记备忘、订餐厅，甚至看到中意的商品直接语音下单。 与此同时，Meta也在拓展Muse的电脑操作能力。按照官方规划，未来Muse能直接跑在用户的Mac电脑上，接管打开软件、整理文件夹这类日常琐事，把零散的操作串成连续的工作流。 正因如此，说不准扎克伯格根本不在乎自家模型在单次聊天窗口里能不能写出最漂亮的回答。要抢先变成用户每天离不开的贴身助理，才是Meta现在的战略主线。 或许正是看懂了这层布局，Muse Wonder发布后，华尔街迅速调高了对Meta AI战略的预期。 但事情真的有那么顺利吗？ 哪怕出一次像“熔岩灯”那样的低级岔子，用户的信任感都会瞬间清零。 更何况在Meta的社交基本盘里，AI助手每天都有可能大量接触用户的个人隐私。要知道，Meta这家公司在对待用户的

匹配字段正文

交易佣金模式，用户端免费，约一半交易来自差旅，高端酒店愿意为有效订单支付20%-30%佣金。 4. 增长瓶颈：日增10%但算力跟不上，约40%精力用于应对 快速增长期日增幅达10%-11%，算力需求几乎每周翻倍，但集群交付周期长达数月。团队自研混合推理系统降低成本，Noah估计未来90%以上Token消耗发生在用户看不见的后台。 5. 交互演进：超九成用户用语音，任务从一次性指令延伸到长期目标 本文来自微信公众号：Datawhale，作者：Datawhale，原文标题：《今年最火00后诞生！Instinct创始人深度专访来了》，头图来自：AI生成 成立一年，14位员工，估值达到100亿美元。 Instinct走红硅谷，身后创始人是一位00后。创始人Noah Shinn今年23岁，2023年从美国东北大学辍学，曾加入AI独角兽Sierra，随后创办了Instinct。 不久前，Instinct宣布完成新一轮10亿美元融资，由红杉资本、Benchmark和Coatue联合领投。一个月前，公司估值还是25亿美元，转眼翻了四倍。 更特别的是，这款产品没有独立App。用户通过短信、电话和邮件联系

匹配字段正文

操作微信，导致用户账号被强制下线，淘宝、闲鱼弹人机验证，农行、建行直接中止服务。 字节后来学聪明了，随第二代豆包手机发布，于9月14日推出SAEP协议、设30天公示期，让应用自己声明愿不愿意被操作——从“破门而入”改成“敲门申请”，但门里的人大多选择不开。 于是Agent困在两难里：只待在一个生态内，外卖只能选一家、购物不能比价，给的永远不是最优解，顶多算个语音助手；可一旦想跨生态，就会撞上亚马逊封杀Muse式的抵制。 更别提隐私那道坎。个人Agent要真正好用，前提是深度接入用户的数字生活：读取邮件、聊天记录、消费账单、日程安排，甚至位置信息和社交关系，相当于把自己的数字生活全盘托付给一个AI程序。用户是否愿意将自己的核心隐私交付给AI？这始终是个待解的难题。 Muse不久前就在这方面翻了车。有用户让Muse帮自己打理二手键盘的交易，它不仅擅自降价，还把住址发给了陌生买家，几小时后买家真找上门，它还替不在家的主人回了句“我在这儿”。正如网友评论：“幸好你不是独居女性，这太危险了。 如果说需求端还只是“没必要”，那商业账就是“怎么活”。连Meta都没跑通的模式，放到国内只会更难。 摩根

匹配字段正文

操作微信，导致用户账号被强制下线，淘宝、闲鱼弹人机验证，农行、建行直接中止服务。 字节后来学聪明了，随第二代豆包手机发布，于9月14日推出SAEP协议、设30天公示期，让应用自己声明愿不愿意被操作——从“破门而入”改成“敲门申请”，但门里的人大多选择不开。 于是Agent困在两难里：只待在一个生态内，外卖只能选一家、购物不能比价，给的永远不是最优解，顶多算个语音助手；可一旦想跨生态，就会撞上亚马逊封杀Muse式的抵制。 更别提隐私那道坎。个人Agent要真正好用，前提是深度接入用户的数字生活：读取邮件、聊天记录、消费账单、日程安排，甚至位置信息和社交关系，相当于把自己的数字生活全盘托付给一个AI程序。用户是否愿意将自己的核心隐私交付给AI？这始终是个待解的难题。 Muse不久前就在这方面翻了车。有用户让Muse帮自己打理二手键盘的交易，它不仅擅自降价，还把住址发给了陌生买家，几小时后买家真找上门，它还替不在家的主人回了句“我在这儿”。正如网友评论：“幸好你不是独居女性，这太危险了。 如果说需求端还只是“没必要”，那商业账就是“怎么活”。连Meta都没跑通的模式，放到国内只会更难。 摩根

匹配字段正文

5 月推出测试版，目前免费提供，但也提供每月 8.33 美元的 Pro 订阅，适合希望无限量在后台运行任务的用户。 Instinct Instinct 最初因以 25 亿美元估值融资 3.5 亿美元而登上头条。2026 年 9 月，它又融资 10 亿美元，估值达到 100 亿美元。 这款随时可用的智能体可以代你采取行动，而不只是回答问题。用户可以通过文字或语音与 Instinct 交流，并将它连接到已经在用的应用和服务，例如电子邮件、日历、Google Workspace 等。该公司表示，早期用户已使用 Instinct 完成从规划旅行、购买食品杂货到订票和取消订阅等各种任务。 该公司仍处于非公开测试阶段。 Iris Iris 由 Hermes 智能体驱动，旨在让用户直接通过 iMessage 将任务委派给 AI 助理。用户可以连接自己使用的应用，并通过一条简单消息交办任务。随后，该智能体会逐步完成所需步骤，同时保留此前交互中的相关上下文。它还设计为主动跟进用户，而不是等待用户再次提出请求。 Martin Martin 是一款通用型个人助理，可通过短信以及电话、WhatsApp、电子

匹配字段正文

的 Agents API，在上面构建各种酷东西。我们很想听听你的反——反馈，如果，你知道，取决于进展如何。 Vibhu [00:17:31]：你有没有看到它影响开发工作流的方式有什么变化？所以 Dots 的一件事就是，你知道，你在 Slack 里看到它。 Ari Weinstein [00:17:38]：是啊。 Vibhu [00:17:38]：你看到人们用语音并构建。Roman 展示的那个例子，改这个应用并沿途给我发截图等等。 Ari Weinstein [00:17:46]：是啊。 Vibhu [00:17:46]：你在采用情况里看到关于人们如何用 Computer Use 做编码工作流的什么吗？人们应该从中得到什么建议吗？ Ari Weinstein [00:17:55]：其实我最喜欢的 Computer Use 用例之一，也是我们在实际中经常看到的，就是 Computer Use 让代理——真正测试代理构建的软件，这比听起来重要得多。因为传统上，你知道，你在 Codex 里构建东西，然后——然后 Codex 帮你构建好，然后你得测试它，而你现在就像是代理的 QA，对吧？所以有了

匹配字段正文

要更实体化的形态。Friend等其他公司也采取了类似的软件先行策略，但Friend主要定位为陪伴型聊天机器人，而非生产力工具。 在DevDay新闻问答环节中，当被问及Dots是否会成为与ChatGPT交互的主要界面时，OpenAI核心产品负责人Thibault Sottiaux表示，公司“很快就会就地演进ChatGPT，使其成为这个了不起的个人助理”，他还认为，随着人们能够通过电子邮件、短信或电话联系自己的AI智能体，交互的切入点“在某个时候都会变得模糊”。Sottiaux说，它将成为“你生活中自然的一部分”。 Altman押注的是，Dots在长期任务上会比市场上此前几代智能体更有用。“这感觉像是一个始终在线的助手、合作者……你可以把非常大量的工作交给它，它会了解你，并随着时间推移主动提供帮助，”他在周二的新闻问答环节中说。 两家公司的主要赌注是，在经历了多年表现平平的AI智能体之后，它们终于能交付一款有用的日常工具，从而打入更广泛的大众市场。但在Muse于Facebook Marketplace上令人担忧的举动，以及Dots在DevDay上出岔子的语音演示之后，显然还有一些工作要做。

匹配字段正文

的时间，即便是这位司机已经拥有40年的驾龄，仍然来不及反应。 去年5月，济青高速交警也披露过一个案例，肇事司机在智驾模式下行驶，随着与前车距离不断缩短，本应起到辅助安全作用的智驾系统不仅未采取减速措施，反而在碰撞发生前一秒突然显示退出，最终酿成追尾事故。 在车质网上，也能看到大量的投诉，比如智驾系统将中央隔离带错误识别为大货车并持续减速，发出“请控制方向”的语音提示后仅4秒，智驾“直接强制退出”，车辆随即剐蹭护栏。车主写道：“高速行驶状态下预留反应时间严重不足，根本无法从容接管车辆。” 还有在正常行驶中，智驾无故退出，导致汽车失控撞护栏，无反应时间接管的投诉。这些虽然没有造成多严重的后果，但几乎都能读到同一句话：“事故前，智驾退出了”。 这些案例拼凑出一幅令人不安的状态，智驾系统在感知到超出自身能力边界的场景时，比如复杂路况、恶劣天气，还是传感器识别错误，都会触发保护机制，将控制权交还给驾驶员。 但问题在于，这个“交还”往往发生在撞击前的最后一两秒，甚至更短。 普通人的紧急反应时间至少需要1到5秒。当智驾在最后一秒突然撂挑子，留给人的反应时间不足1秒。这种极致仓促的瞬间，普通人根本来不

匹配字段正文

止这些。 Vibhu [00:19:57]：有时候甚至不是那样。有时候就是直觉，对吧？比如你甚至没意识到自己想要某个东西，直到模型把它做出来，然后你说“哦，这个感觉立刻就更好了”，对吧？ Thariq Shihipar [00:20:07]：对，没错。 Swyx [00:20:09]：有一件事我一直在反复琢磨，就是我觉得我有一半时间写提示词的方式，比如说我用语音。 Swyx [00:20:16]：我说语音了吗？别人有语音。那正好相反。那就只是我东拉西扯两分钟，按下功能键然后松开，然后希望它能自己搞明白。而且很多时候它确实能。 Thariq Shihipar [00:20:26]：对。 Swyx [00:20:26]：但它不像那种结构化的提示词那样深思熟虑，不像那种像 PRD 或备忘录一样良好组织的沟通。这符合人们实际的做法吗？是不是存在双峰式的提示词，有些提示词你前期花很多时间，另一些你就随手一挥？ Thariq Shihipar [00:20:43]：我不觉得语音就一定是低。我觉得更像是提示词里有多少信息。模型可以。你可以加上几句话 Swyx [00:20:53]：对 Thariq

匹配字段正文

为 7400 万，6 Astra 为 1.37 亿），Diogo 介绍了 Jev，它随即席卷了 AI 时间线——我们将跳过完整的 Jev 讲解，因为你最喜欢的 AI 网红/教育者可能已经做过一期了。我们还收集了： 来自 Allie 的官方模式与 cookbook，你应该先看这些 Jev 用例 基于速度的——游戏与计算机使用 我们在 1 小时 34 分讨论的语音 + 计算机使用示例 短信中的引导式回复 Jev 用于编码代理有官方指南 jev 用于 linting 压缩工具调用 Theo 提出的合理反驳——Diogo 发表了一篇关于《KV Cache 的暴政》的说明，你应在播客后作为 Jev + 编码代理的后续阅读，因为他相信缓存统治一切 构建于 Jev 之上的编程语言（Diogo 的最爱） Jev 用于分析回放与用户旅程回顾 Jev 的一个核心目标是“消失在背景中”——例如像正则表达式一样不起眼 融合 transformer 与分类器 关于 confidence api Jev 与 GLiNER（注意差异/反驳，同意，同意，同意） Jev 论电车难题 Jev Bush 相反，我们将聚焦

匹配字段正文

63 4 分享 升级为付费以播放语音解说 最近一系列由开发中的前沿模型发起的网络攻击让我思考了很多，关于我们当前的激励体系为何不适合如此快速的技术转型。这里的两大主要权力结构是快速成长的技术公司和联邦政府。公司有动力增长，这样它们才能持续增长、持续扩张——在一个竞争极其激烈的市场中。这种扩张正把我们推向新的、不可避免的AI转型（伴随新的风险）。另一边是我们当前的政府，它是过去几个世纪全球历史的产物——它行动迟缓的名声名副其实。我预计这个政府只有在新型AI模型造成真实、可衡量的危害之后才会采取实质性行动，而且会反应过度。 我们如何平衡这些力量？核心在于双方都需要更多的透明度。前沿实验室正在以如此快的速度构建如此复杂的系统，以至于它们自己都跟不上——这正是让更多双眼睛研究这个问题的好时机。另一方面，政府表示不打算公布其前沿模型评估框架的细节。我们正走向如此重大的挑战，以至于这些实体中没有一个有望独自应对。前沿实验室可以通过有意义地放慢速度来更好地控制风险，但我不指望它们会这样做。政府可以通过大幅提升围绕AI的国家能力、帮助更广泛的产业基础为AI原生风险做好准备来更好地处理这件事，我也不指望

匹配字段正文

91 7 17 分享 升级为付费即可播放语音解说 开源AI可行性迄今最严峻的考验正在当下发生。自ChatGPT发布以来，我见过一波又一波反开源AI的论调来来去去，但此前没有任何一波在潜在执法上与当时针对同类闭源模型的实际行动有明显对应。这次之所以更真实，是因为新的监管形式正在被测试和实施，而且几乎没有监督。在这一切过去之前，我会写比平时多得多的面向政策的文章。 截至撰写本文时，许多消息来源都在引用白宫关于如何通过一项新的行政令来管理开放模型的讨论。目前没有官方信息，而且这很可能只影响a）中国来源的模型和b）政府用途，但多米诺骨牌就是这样开始倒下的。 开放模型缺乏核心的经济代言人来代表针对它们的行动可能带来的负面影响。从近期围绕Fable（以及随后的GPT-5.6）模型许可协议相关事件的报道来看，关于6月9日发生了什么，有更多说法： 据一位了解该会议的人士称，会上提到了该项目将如何处理开源AI模型的话题。该人士说，美国开源模型提供商Reflection AI的一位代表主张，开源模型应基于其能力获得该框架的豁免。目前，DeepSeek等中国开源模型相比其他可用的开放模型拥有相当大的领先优势

匹配字段正文