←搜索结果

按匹配度 · 共 2326 条结果 清除搜索

星期四

  1. 9to5Google

    INMO GO3 智能眼镜发布:带 MicroLED 显示并接入 Gemini

    INMO GO3 智能眼镜开售,售价 509 美元,每只眼睛各有一块 MicroLED 显示屏,亮度最高 1500 尼特、视场角 30 度,并接入 Google Gemini。它支持 98 种语言实时翻译,其中 13 种可完全离线运行,还能在会议中记录笔记,后续将通过眼镜直接呈现摘要。整机重 58 克,电池可更换,摄像头配有物理遮挡盖,另可选配扬声器、控制指环和太阳镜外罩。

    核心功能之一是翻译,GO3 支持 98 种语言的实时翻译,甚至支持 13 种语言完全离线运行。眼镜会检测你面前那个人的语音,并将翻译直接呈现在你的视线中,让你无需把手机夹在中间就能跨越语言障碍。同样,GO3 可以在会议期间记录笔记,而且很快它还将能够直接通过眼镜呈现摘要。 尽管这里有这么多附加功能,INMO GO3 依然保持轻巧。这副眼镜重 58 克,只比 Meta 的 Ray-Ban 眼镜——那些没有显示屏的款式——重一点点。8 毫米的镜腿也确保它们不会以糟糕的方式引人注目——它们看起来就像普通眼镜! 这里最酷的功能之一是电池。智能眼镜就其本质而言,在电池续航时间方面存在局限,因此 INMO 将电池设计为可更换。当第一块电池耗尽时,只需将电源包换成充电器上的新电池,然后继续佩戴眼镜即可。随附的充电盒仍然可以为电池充电,但可更换的电池能让你更快地重新投入使用。 如前所述,这里配备了摄像头,但 INMO 提供的一项非常贴心的附加设计是隐私盖。这个物理遮罩覆盖摄像头镜头,提供了一些可见的确认,表明摄像头未被使用。 INMO GO3 还通过一些配件获得增强,例如一个可与 AI 翻译配合使用的

    匹配字段正文

  2. AWS Machine Learning

    AWS 团队开源多智能体系统 Deep Insight,拆解生产环境五大挑战

    AWS 解决方案架构团队构建并开源了多智能体系统 Deep Insight,可将 CSV 数据与自然语言提示转化为带引用的 .docx 分析报告。系统由 Coordinator、Planner、Supervisor、Coder、Validator、Reporter、Tracker 等八个智能体分层协作,基于 Strands Agents SDK 的 Graph 与 Agents-as-Tools 模式控制执行流,并按角色分别选用 Claude Haiku、Opus 和 Sonnet。生产部署依托 Amazon Bedrock AgentCore 运行时,LLM 生成的代码在 AWS Fargate 的按会话临时容器中隔离执行,配套 Web UI 与 Ops 仪表盘。

    Deep Insight architecture: the Strands Agents multi-agent layer on Amazon Bedrock AgentCore, with an Application Load Balancer routing code execution to AWS Fargate containers in a private VPC

    metrics (conversion rate, CPA, ROAS, etc.) - [ ] Generate visualizations (5+ charts, consumer segment charts) - [ ] Derive strategic marketing insights - [ ] Generate calculation metadata (for validation) 2. Validator: Calculation Verification and Citation Metadata Generation - [ ] Identify verification targets and extract filter calculations - [ ] Load data files directly and perform recalculations - [ ] Verify accuracy of per-channel performance metrics - [ ] Validate data consistency of visu

    匹配字段正文

  3. AWS Machine Learning

    AWS PrivateLink 如何让 Amazon Quick 从企业内网安全访问数据

    AWS 发布方案,通过 AWS PrivateLink 的 VPC 端点与 VPC 连接,让 Amazon Quick 在不经过公共互联网的情况下访问企业防火墙后的本地数据源。用户与 API 流量走 VPC 端点,数据获取流量走 VPC 连接,并叠加安全组与端点策略做纵深防御。VPC 连接需 Amazon Quick Enterprise 订阅,Quick 网站 VPC 端点不支持 AWS 中国区域和 AWS GovCloud (US) 区域。

    Architecture diagram of private access to Amazon Quick from a corporate data center through a VPC endpoint over AWS Direct Connect

    tionConnector, DescribeActionConnectorPermissions, ListActionConnectors, SearchActionConnectors, UpdateActionConnector, UpdateActionConnectorPermissions) and the flow APIs (GetFlowMetadata, GetFlowPermissions, ListFlows, SearchFlows, UpdateFlowPermissions). Automation that manages action connectors or flows programmatically needs a path to the public API endpoint. See Quick and interface VPC endpoints. If administrators sign in to Amazon Quick as IAM users through the VPC, also create the AWS Ma

    匹配字段正文

  4. AWS Machine Learning

    用 torchtitan 在 AWS Trainium 上训练 Qwen3

    AWS 发布教程,演示在单台 trn2.48xlarge(16 颗 Trainium2、128 个物理 NeuronCores)上用 torchtitan 以三种方式训练 Qwen3-4B-Instruct-2507:Transformers v5 作为建模后端、torchtitan 原生 Qwen3,以及接入 NKI MoE kernel。三种配置共用同一 torchrun 启动方式,以 64 个逻辑 NeuronCore 运行;从已发布权重加载时首步 loss 为 6.54,随机初始化则为 12.43。

    Training output showing a step 1 loss of 6.54 and the exported checkpoint loading with no missing or unexpected keys

    ileConfig.components 以编译梯度范数裁剪。 NKI 内核作为 PyTorch 算子进入训练。 wrap nki 使 NKI 内核可从 PyTorch 调用,而 nki op registers the operator. register autograd attaches its backward pass using routing metadata saved during the forward pass. The example reduces Qwen3-30B-A3B to 4 layers and 64 experts so it fits on one trn2.48xlarge. It routes each token to 4 experts with top k=4. Attach your own NKI kernel In some cases, you might want to optimize an operation for the tensor shapes in your model. A specialized kerne

    匹配字段正文

  5. PyTorch Blog

    TorchTitan 更新:新增多款 SOTA 模型支持、TitanRL 与大规模性能提升

    PyTorch 原生训练平台 TorchTitan 发布更新,新增 Muse Spark Open、Muse Glimmer、Qwen3-VL、Qwen3.5、Kimi K2.7、Kimi K3 和 DeepSeek-V4 的完整训练栈支持,并引入强化学习组件 TitanRL。TitanRL 让预训练、后训练到 vLLM 推理共用同一份模型代码,支持异步 rollout 和长上下文、代码执行等智能体任务训练。性能方面,FlexShard 在 256 张 H100 上把 DeepSeekV3 的优化器耗时最多降低 79%,在 Llama3 405B 上把端到端训练步时最多降低 20%。

    y removes per-save synchronization in the default torch.distributed.checkpointing (DCPv1) saves. We do one collective (on the default process group) before the first save to share metadata; after the first save, we do no collectives. As pretraining grows past 16k ranks, the previous approach of using GLOO collectives to achieve synchronizations scales poorly with the number of nodes. torch checkpointing’s approach of only running a lightweight barrier per save wins out at these scales. We also i

    匹配字段正文

  6. TechCrunch AI

    Recursive 发布笔记本端编码模型 Flint,称主要由 AI 参与构建

    AI 初创公司 Recursive 发布首个模型 Flint,这是一个可在笔记本上离线运行、以 Apache 2.0 许可在 Hugging Face 免费下载的编码模型,公司称其研发过程主要由自研的 Eureka Machine 参与完成。Flint 是 MoE 模型,40B 参数中每次仅激活 2.5B,在搭载 M4 Pro 的 MacBook Pro 上生成速度约 131 tokens/秒,在 SWE-Bench Verified 上表现优于其他 50B 参数以下的模型。Recursive 表示 Flint 比大型付费编码助手需要更多引导,建议把大任务拆成小步骤。

    理的文本量收取的使用费。该模型以 Apache 2.0 许可证在流行的 AI 模型分享网站 Hugging Face 上免费提供下载,该开源许可证允许免费使用和修改。 Flint 是一个混合专家模型,这意味着它在执行任何给定任务时只使用自身的一小部分:每次仅激活其 400 亿个设置(称为参数)中的 25 亿个。这使它轻到足以在普通笔记本电脑上运行,也远小于 Meta 的 Muse Spark Open——后者是上周发布的、专为 Mac 构建的开放模型。Muse Spark Open 使用 8160 亿个参数,且至少需要 1 TB 内存。 Flint 的速度也很快。在 Recursive 的测试中,它在搭载苹果 M4 Pro 芯片的 MacBook Pro 上每秒生成约 131 个 token(文本块)——大约是同类模型在同一台机器上每秒 58 到 69 个 token 的两倍,这些模型包括谷歌的 Gemma 4 和英伟达的 Nemotron 3.5 Lightning。在英伟达的 RTX Spark 上,Flint 的生成速度超过每秒 150 个 token。 在衡量 AI 修复真实软

    匹配字段正文

  7. TechSpot

    Nvidia GeForce 显卡驱动 621.01 发布

    Nvidia 发布 GeForce Game Ready 驱动 621.01,为《Phantom Blade Zero》和《Call of Duty: Modern Warfare 4》提供首发支持。该版本修复了《鸣潮》开启 DLSS Frame Generation 与 Freestyle 滤镜时的崩溃、《星际公民》Vulkan API 崩溃,以及 360Hz QHD 显示器游戏时偶发黑闪等问题。

    neral Bugs QHD monitor running at 360 Hz may have occasional black flash during gameplay. [4846825] When gaming on a 360Hz G-SYNC Pulsar monitor, FPS may drop to 320FPS. [6408986] Meta Horizon Link stream may freeze when connected over USB. [6292679] Intermittent dimming may be observed on certain ASUS notebooks after updating to R615 drivers. [6807011] Read the complete release notes here. Nvidia GeForce Graphics Driver 617.42 Release Notes: Game Ready Call of Duty: Modern Warfare 4 STAR WARS:

    匹配字段正文

  8. Wired AI

    Recursive 发布开源编码模型 Flint,称开发流程大部分由 AI 完成

    Recursive 发布首个开源权重编码模型 Flint,参数规模 40B,CEO Richard Socher 称模型管线几乎所有环节都由其 Eureka Machine 系统完成,包括新的基座训练方式、模型架构和针对特定芯片优化的代码。WIRED 作者在 48GB 内存的 Mac 上实测,用它搭建命令行待办、网页研究抓取程序和 RSI 科普网站,认为其速度和准确度优于同尺寸模型。Recursive 已从 Google Ventures、Greycroft、Nvidia 和 AMD Ventures 融资 6.5 亿美元,估值 46.5 亿美元。

    列表,然后试着让它构建一个程序,在网上搜寻与递归自我改进相关的有趣研究。我还让Flint快速做了一个解释RSI工作原理的简单网站。你可以在这里看到。 目前尚不清楚其他美国实验室在追求递归自我改进方面取得了多少进展,但一些已发表的研究表明,完全递归的系统已经可行。例如,来自微软、卡内基梅隆大学和弗吉尼亚大学的一个团队最近发表的研究显示,一个AI编码智能体可以通过修改将推理转化为有用行动的软件框架以及自身模型的权重,来实现递归自我改进。 如果你接近构建出神一般的智能,完全RSI或许存在风险,但就目前而言,它似乎是改进自家AI模型的一种非常有前景的方式。这是我在之前几期AI Lab中有所尝试的内容。 确实,Socher说用于构建Flint的方法可以让前沿AI更易获得。“这是这个非常小的团队能够生产出实际上优于同类任何其他模型的唯一途径,”他告诉我。“这有望向人们表明,[递归自我改进]实际上相当不错,将使很多人受益。” 推出这款应用:充分利用《连线》的更多方式 Meta未能拦截数百条AI儿童虐待广告 重磅报道:寻找硅谷最有权势的女性 黑客进入了Flock摄像头——其数据揭示了该系统实际如何运作

    匹配字段正文

星期三

  1. Mastra Blog

    Mastra 推出 MCP 2.0 支持

    Mastra 通过 @mastra/mcp ^2.0.0 支持 MCP 2026-07-28 规范,新规范移除了 initialize 握手和 Mcp-Session-Id 会话,每个请求独立,可像普通 HTTP 服务一样在负载均衡或 serverless 平台横向扩展。新增 Mcp-Method、Mcp-Name 请求头,以及 ttlMs、cacheScope 缓存提示和 server/discover 能力发现方法;Tasks 转为正式扩展,Mastra 仍在研究 @mastra/mcp 中的支持方案。

    Paul Scanlon

    ilities, and a name and description: response { "jsonrpc": "2.0", "id": 1, "result": { "supportedVersions": ["2026-07-28"], "capabilities": { "tools": { "listChanged": true } }, " meta": { "io.modelcontextprotocol/serverInfo": { "name": "Mastra Blog", "version": "1.0.0", "description": "Search and read posts from the Mastra blog." } } } } requestState The requestState lets a server ask the user a question mid-call without holding the connection open. In Mastra, use suspend() from a tool's execut

    匹配字段正文

  2. ChinaTalk精选

    中国商务部拟将AI模型纳入出口管制目录

    中国商务部和科技部于10月16日发布2026年第48号公告,拟在《中国禁止出口限制出口技术目录》中新增40项条目,其中14项为禁止出口、26项为限制出口,并即日起对全部新增技术实行出口前登记。草案对前沿模型设定≥10^26 FLOP、≥2T参数或达到全球领先水平三条门槛,同时覆盖AI芯片设计、存储芯片、万卡级集群、智能体、AIGC检测工具、训练数据和网络攻防能力;开源、自建海外数据中心、海外流片等场景可走即报即出通道。意见征集期至11月15日。

    el is not a physical item like a gallium ingot, so the question of what constitutes export is less clear. This third trigger effectively codifies the Manus case. In December 2025, Meta signed a deal to purchase Manus, a Chinese agent startup that had moved to Singapore, but following MOFCOM review, a security review led by the NDRC led to the deal being reversed. Now, rather than relying on investment review authority, similar deals would require a license on export control grounds, and redomici

    匹配字段正文

  3. 36氪 · AI

    从来就没有什么 Personal Agent:Context 才是 Agent 的分水岭

    文章认为不存在独立的 Personal Agent,只有 Context + Agent:同一个 Agent 接上工作上下文就是 Work Agent,接上生活上下文就是 Personal Agent。国内 Work Agent 已有千万级用户,而生活上下文分散在超级 App 中,支付宝开放 300 多项服务、美团只开放跑腿,导致国内厂商转向 Agent 手机,美国则多走云端路线。Agent 的长期壁垒在于 Context 飞轮,但授权边界、纠错记录等目前难以随用户迁移。

    机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作从来就没有什么Personal Agent36氪的朋友们·2026年10月21日 18:55Personal Agent核心是上下文,取决于上下文积累与归属Persona天使轮北京市2016-09用户价值管理系统36氪报道企业服务我要联系 Personal Agent最近可太火了,从Meta Muse、千问Go、OpenAI dots到Manus Cue,大家讲的都是一个能替你打理生活的AI。 关于这个产品形态,可以回过头看看8月份千问办公的一个开源项目——MyContext。 它可以把你在钉钉、飞书里的聊天和协作记录整理成一份不断更新的工作档案,每条都记着从哪来、什么时候的。前后信息对不上,系统先自己判断,拿不准就来问你,你确认过的结论,模型不能自己改掉。 举这个例子是想说明,Work和Personal这条线在它这里已经分不太清了。 或者可以这样说,这个世界上从来就没有什么Personal Agent,有的只有Context(上下文) + Agent。这个Context如果是工作,它就是Work Agent;

    匹配字段正文

  4. 半导体产业纵横

    AMD与Intel将x86 CPU的PyTorch优化统一进oneDNN

    AMD与Intel宣布将各自针对PyTorch的x86 CPU优化工作统一整合进开源深度学习加速库oneDNN,AMD把自研ZenDNN并入其中,并以指导成员身份加入Linux基金会旗下的UXL基金会。整合后开发者只需对接一套接口,即可同时获得AMD EPYC与Intel Xeon的底层优化。双方还在共同开发面向矩阵乘法的下一代x86指令集扩展ACE,计划通过后续oneDNN版本逐步集成到PyTorch。

    ,通过oneDNN这条统一管道,未来包括ACE在内的新能力都能被PyTorch社区一致地获取。这实际上是x86阵营在指令集架构(ISA)层面的一次自我革新,用统一的底层指令定义,去匹配AI工作负载的新需求。 x86必须在ARM攻势前守住软件生态 从宏观的角度看,这次合作更多是补全自身的防御短板。Arm在今年10月刚发布了AGI CPU,并联合Fujitsu、Meta、OpenAI推出了新的CPU评测方法论,声称其方案在每机架性能上可达主流x86服务器处理器的2倍。而NVIDIA也在5月发布了定位为“Agent CPU”的Vera处理器,宣称比x86方案任务完成速度快1.8倍。市场研究机构的预测更不乐观:到2030年ARM定制/ASIC在服务器CPU价值份额中的占比预计将达到约37%,而Intel和AMD各约28%。 ARM阵营的差异化竞争,不再只拼硬件性能,而是围绕“为AI从头打造”的新故事展开,从最底层的指令集到上层软件栈实现系统性重塑。面对这种攻势,x86阵营最不能输的就是开发者生态。如果开发者需要为AMD和Intel分别维护两套AI优化代码,迁移到ARM平台的成本优势就会变得更加

    匹配字段正文

  5. Unite.AI

    NVIDIA 发布 OpenShell 参考架构,面向智能体治理

    NVIDIA 在 GTC Berlin 发布 OpenShell 参考架构,用于在企业基础设施和边缘系统上构建、隔离、观测并约束 AI 智能体,架构现已可用。该设计以 Vera Rubin NVL72 运行模型、Vera CPU 运行 OpenShell 安全运行时、BlueField-4 DPU 运行 Sentry 安全框架,对智能体行为做带外持续监控与芯片内策略执行。OpenShell 运行时包含 Gateway、Supervisor、Sandbox 和 Policy Prover 四个组件,Sentry 计划于明年年初开放,DOCA Argus、DOCA Flow 等库现已可供实验。

    on Containers, and on cloud operating systems from Amazon Web Services, Google Cloud and Microsoft Azure. Enterprises can run agents from model builders Anthropic, Cohere, Google, Meta, OpenAI, Perplexity, Reflection and SpaceX Super Intelligence on OpenShell infrastructure. Cybersecurity vendors 1Password, Check Point, CrowdStrike, Cisco, F5, Fortinet, Microsoft, Okta, Palo Alto Networks, TrendAI and Zscaler are integrating support for the architecture into their agent security products. Banks

    匹配字段正文

  6. Unite.AI

    Google Cloud 首批 NVIDIA Vera Rubin A5X 实例上线

    NVIDIA 与 Google Cloud 在 GTC Berlin 宣布,首批搭载 NVIDIA Vera Rubin NVL72 的 A5X 实例已在一个客户处运行,计划 2026 年 11 月正式可用并扩展至欧洲。A5X 结合 ConnectX-9 SuperNICs、Google Cloud Virgo 网络与第四代液冷,面向大规模智能体推理和强化学习负载,Google Cloud 称计划将这套基础设施扩展到多达 960,000 块 Rubin GPU。首个客户为 David Silver 创办的伦敦公司 Ineffable Intelligence,用于大规模强化学习;WPP 也在 A5X 上演示了基于 NVIDIA Nemotron 模型和 OpenShell 的创意智能体架构。

    le A5X instance. Confidential Computing and Power Efficiency Google Cloud is set to be among the first cloud providers offering NVIDIA Confidential Computing at rack scale on bare-metal instances, including A4X Max instances powered by NVIDIA GB300 NVL72, according to the announcement. A same-day NVIDIA post said Google Cloud is extending Confidential Bare Metal support to A4X Max instances, where it will pair non-virtualized accelerated computing with cryptographic protection for training data

    匹配字段正文

  7. MediaNama

    Spotify 将 5000 万首 AI 垃圾与 spam 曲目移出推荐

    Spotify 在 2026 年将超过 5000 万首被判定为 slop 和 spam 的曲目移出推荐,并从平台移除超过 7500 万首 spam 曲目。公司称识别依赖听众互动反馈、上传模式、元数据和多个第三方 AI 检测工具,而非单一 AI 检测器,并承认 AI 检测技术存在局限。Spotify 过去一年推出 AI Credits、Verified by Spotify、AI Persona 徽章和艺人主页保护等工具,但 AI 使用披露仍非强制。

    combines several signals to identify potentially problematic uploads, rather than relying on a single AI detector. These include listener engagement and feedback, upload patterns, metadata information from multiple third-party AI detection tools. The company acknowledged that AI detection technology has limitations and that identifying AI-generated music will become harder as generative AI develops. Its systems also look for tactics such as mass uploads, duplicate tracks, search engine optimisat

    匹配字段正文

  8. Analytics India Magazine

    Vultr 将在金奈部署 20MW AMD MI355X GPU 集群

    云基础设施公司 Vultr 宣布将在印度金奈部署 20MW 的 AMD MI355X GPU 集群,这将是印度最大的 AMD Instinct GPU 部署,也是全球最大规模之一。MI355X 于去年 6 月发布,配备 288 GB HBM3E 内存,高于 Nvidia B200 的 180 GB。Vultr 在全球 17 个国家运营 34 个云数据中心区域,并计划明年进一步扩容,引入下一代 MI455X GPU 和 Helios 机架级 AI 架构。

    nline from the fourth quarter of 2026, with deployments accelerating through 2027. Anthropic, meanwhile, has announced a multiyear partnership to deploy up to 2 GW of MI455X GPUs. Meta has also committed to a multi-gigawatt AMD GPU deployment, working to scale capacity and validate AMD’s next-generation infrastructure. Chennai is one of the country’s major data centre hubs. Vultr's announcement follows CapitaLand’s investment. The Singapore-based firm announced a ₹1,940 crore investment in its C

    匹配字段正文

  9. 36氪 · AI

    Anthropic冲刺IPO:营收163亿美元、净亏损807亿美元,现金约202.8亿美元

    36氪Tech商业栏目分析Anthropic的IPO压力:2026年上半年营收约163亿美元、净亏损约807亿美元,其中约720亿美元来自可转换票据等融资工具的公允价值变动,属非现金计提;截至2025年底现金及短期投资约202.8亿美元。文章指出其已披露算力相关承诺合计超6000亿美元,2026年上半年算力及基础设施支出接近90亿美元,并称公司已在2026年6月保密提交S-1、目标11月挂牌。作者认为拥有自有现金牛的谷歌与走极致工程降本路线的DeepSeek更具持久力,而Anthropic与OpenAI处于中间态。

    中,CoreWeave等算力租赁公司暴露出的高杠杆债务问题是一个重要触发因素:其债务约520亿美元,五年期CDS利差一度突破1000个基点,隐含违约概率超过60%,2026—2028年累计负自由现金流预计达710亿美元。投资者开始重新审视AI基础设施的回报周期。 微软将2026自然年资本开支预期从约1900亿美元下调至约1750亿美元,部分源于会计口径调整;Meta上半年裁员约8000人,但资本开支绝对值仍在上升,官方和高盛均将其定性为“腾笼换鸟”而非撤退;苹果AI相关资本开支占营收约2.5%,远低于云厂商,2026年7月市值一度触及5万亿美元,市场确实将其轻资产AI策略重新定价为“避险”属性。 在这种投资者情绪下,Anthropic带着“上半年净亏损807亿”的财报去公开市场,面临严苛的估值下修压力,发行失败的风险不能排除。当散户和机构投资者不再愿意为“黑盒API”支付高昂溢价,IPO本质上就是一场考验市场底线的大型压力测试。 终局推演:为什么Gemini和DeepSeek被看好? 外界推演的终局是:Anthropic和OpenAI可能陷入苦战甚至掉队,最后是Gemini(谷歌)和D

    匹配字段正文

  10. 钛媒体 · AGI

    20人AI反诈公司Apate融资近千万美元,让AI冒充受害者拖住骗子

    澳大利亚初创公司Apate累计融资接近1000万美元,其AI可冒充受害者接听诈骗电话、回复钓鱼短信,迄今与骗子进行了250万次对话,累计浪费骗子17年时间。公司通过运营商转接诈骗来电和主动接触骗子获取对话数据,并将套出的诈骗情报同时提供给运营商、银行和被冒充机构。Apate已与电信分析服务商Mobileum合作,以Scam Intelligent Defense名义向后者客户输出该能力。

    必须花的钱”。 英国从2024年10月起强制要求支付机构赔付转账诈骗的受害者;欧盟去年11月就新的支付规则达成政治协议,冒充支付机构身份的诈骗原则上由服务商全额赔付;澳洲也把银行、运营商和数字平台一并纳入了新的《诈骗防范框架》。 诈骗损失的账单被一步步转到机构身上,机构的反诈预算也跟着水涨船高。CBA在2024/25财年花了近10亿澳元用于防范诈骗。 钱是现成的,Apate要争的只是其中一小块。 不过,这门生意也没那么容易。Apate前面也站着更强的对手。英国的Netcraft在2024年就推出了同类的AI对话情报产品,这家公司拿过1亿美元成长投资,客户名单里有汇丰、微软、Meta这样的大机构。对Netcraft来说,“AI陪骗子”只是反诈平台上的一个模块;而银行从现有供应商那里多买一个模块,往往比引入一家20人的新公司省事得多。 不过Netcraft的AI对话情报产品以文字和邮件为主,Apate的差异在于电话语音场景和运营商网络集成。它能成为一家独立的平台公司,还是最终变成别人平台里的一个功能,是它接下来要回答的问题。(本文首发钛媒体APP,作者|硅谷Technews,编辑|郝敬钰)

    匹配字段正文

  11. Robotics & Automation News

    Voxel51 发布 3.0 数据平台,面向机器人与物理 AI

    Voxel51 发布 3.0 版数据平台,把机器人多摄像头、视频与传感器数据的搜索、整理、标注和评估整合到同一平台,并新增可跨开发流程执行任务的 AI 助手 Voxel51 Agent。平台支持语义搜索、文本查询与元数据过滤,以及多模态时间序列同步查看,并提供 2D、3D 和视频标注与 Agentic Labeling 自动标注。Voxel51 同时与 Nebius 合作,在 Nebius AI Cloud 上运行其工作流,并提供免费自助版本。

    ctions across the full data flywheel.” Finding the important moments Voxel51 3.0 also introduces an expanded search system combining semantic search, conventional text queries and metadata filters. Its multimodal time-series capabilities allow developers to view synchronized streams from different sensors and search for particular moments within long recordings. This is particularly relevant to robotics because a single machine can simultaneously generate information from cameras, lidar and othe

    匹配字段正文

  12. 虎嗅

    开发者借 AI 逆向工程在红米等安卓手机运行 iOS 16

    开发者 dipa-studio 在红米 Note 10 Pro 上成功引导运行 iOS 16.7.16,可进入桌面、操作设置和控制中心,随后红米 Note 12、Nothing Phone、一加12 等设备也出现同类演示。移植过程大量借助 Claude、Codex 编写驱动适配代码,还出现了自动分析硬件接口的逆向工具 REA。当前版本蜂窝网络、蓝牙、相机、扬声器均不可用,GPU 硬件加速未打通导致卡顿,开机需等待 4 分钟,代码签名校验和沙盒限制也被放宽,仅适合尝鲜演示。

    机日常使用,还有十万八千里的距离。 视频里看着能滑动、能进设置,那是因为开发者只给你展示了“能跑通”的部分。如果你现在真把它刷进手机,迎面而来的会是一场灾难级的体验: 首先它根本没法被当做一台“电话”。在首发项目的机器上,蜂窝移动网络、蓝牙全都是瘫痪状态,相机打不开,喇叭是个哑巴。也就是说,你既不能拿它打电话、发微信,也不能拍照、听歌。 另外,因为苹果系统的Metal图形接口还没跟高通的Adreno GPU彻底打通,现在的画面全靠CPU硬算。但CPU都干了GPU的活了,你能指望它能有多好的表现? 最终就是好好的高刷手机,日常用起来卡顿感非常明显。项目作者还说,开机之后等苹果logo消失,他就等了4分钟。 更别说其他小毛病了。电池服务目前是写死的,右上角显示固定的100%满电;虽然项目补充页面提到能点开App Store,但大概率是没法安装新的软件,而这个结果连开发者自己都不清楚。 而最关键的问题,就在于安全上。虽然有不少人为了安全才会选iOS,但为了让系统在非苹果硬件上启动,这个移植版本放宽了代码签名校验和沙盒限制,密钥存储相关的底层服务也用了简化替代,根本没法和原版iOS一样提供同规

    匹配字段正文