本字幕由TME AI技术生成
大家好
欢迎收听今天的ai 日报
播客
我是neo
我是尼o
今天是四月二号
星期四
Neo
今天的料是不是特别猛
我看到好几条爆炸性新闻
猛的不行
Open ai 刚刚关闭了一轮融资
估值八千五百二十亿美金
单轮融了一千二百二十亿
另外cloud code 的源码泄露事件还在持续发酵
Gpt 五点四的mini 和nano 版本也正式发布了
今天绝对是信息量爆表的一期
好
我们第一个话题直接上硬菜
Open ai 关闭了史上最大的一笔融资
总额一千二百二十亿美元
公司估值直接飙到八千五百二十亿
Hacker news 上三百零四分八百七十二条评论炸了
八千五百二十亿美金
我没听错吧
这个数字都快赶上苹果了吧
去年他们估值好像才一千五百亿左右
没听错
从一千五百亿到八千五百二十亿
不到一年翻了五倍多
而且这单轮一千二百二十亿的融资额打破了所有私募融资记录
不光是科技行业的
是人类商业史上的
那投资人为什么愿意出这么多钱
现在ai 公司这么多
Open ai 有什么不可替代的
我觉得核心逻辑有三个
第一
Open ai 目前的年化收入据说已经超过一百二十亿美金
增速还在加快
Check
Gpt 的付费用户已经破亿了
第二
Gpt 五系列刚发布
技术壁垒在短期内还是很高的
第三
也是最关键的
Ai 基础设施的军备竞赛已经开始了
算力
数据中心
芯片都需要天量资金
投资人赌的不是今天的回报
是未来三到五年ai 改造所有行业的垄断入场券
但是八千五百二十亿的估值
意味着他们需要创造多少收入才能让投资人回本
这个数学算得过来吗
如果按传统sas 公司二十倍pa 算
他们需要做到四百多亿美金的年收入
但投资人显然不是按sas 逻辑算的
他们在赌open ai 成为下一个平台级公司
类似移动互联网时代的苹果或谷歌
如果aai 真的能重构所有行业的工作流
那这个估值甚至可能是低估的
所以对普通开发者或者创业者来说
这意味着什么
两个判断
第一
基础模型的竞争门槛会越来越高
没有百亿级资金根本玩不起
小团队应该彻底放弃做基础模型的幻想
专注应用层
第二
Open ai 的生态会越来越强
如果你是开发者
选择在他们的api 生态上构建产品
短期内是最安全的选择
但长期要注意平台风险
他们随时可能把你做的功能收编成官方功能
经典的平台风险
不过我还想补充一点
我觉得对于普通用户来说
这也不全是好消息
当一家公司拿了这么多钱
估值这么高的时候
它的商业化压力会极大
接下来open ai 的定价策略可能会越来越激进
免费版本的功能会被不断缩减
Api 价格也未必会像大家期待的那样持续下降
说得好
这个角度很多人忽略了
资本是要回报的
八千五百二十亿的估值
意味着open ai 必须快速兑现商业价值
好
那这条先到这
接下来聊一个非常火的话题
Cloud coat 源码泄露事件还在持续发酵
H 圈上有三条相关帖子
最高的那条
The cloud code source sicak fake truth frustration rejexes under cover mode
拿了七百一十三分
三百条评论
另外两条也分别有二百七十二分和二百二十一分
这个我昨天就看到了
但今天怎么又炸了
有什么新发现吗
新发现太多了
社区把泄露的猿码翻了个底朝天
发现了几个很有意思的东西
第一个叫fake tools
就是cloud coat 里面有一些假的工具接口
会在你试图越权操作的时候返回假数据
让你以为操作成功了
但实际上什么都没做
第二个叫frustration red access
就是用正则表达式检测用户是否在表达沮丧或者愤怒
然后切换到更安抚的语调等等
Frustration rejecces
也就是说他在偷偷检测我的情绪
这感觉有点creeper
而且你想想
如果他检测到你在生气
然后变得更温和
这不就是在操纵你的情绪吗
你会对他产生更正面的评价
但这种好感是被设计出来的
对
这也是社区讨论最激烈的点
还有一个叫undercover mode
意思是在某些场景下
Cloud code 会隐藏自己是ai 的身份
这些东西放在一起看
给人的感觉就是ai 产品的用户体验设计比我们想象的要复杂的多
有大量你看不到的心理操控层
那anthroropic 官方怎么说
他们回应了吗
量子卫那边的报道标题很有意思
叫anropic 被逼急了
轻生龙虾意外曝光and thropick 反应基本是承认了source map 泄露的技术失误
但对具体功能的设计意图没有详细解释
社区里有人调侃说
Karpethy 说了一句
这就是cloud
意思是你终于看到了cloucloud 的爪子
哈哈
Cloud 的爪子
那对于用这些ai 编程工具的开发者来说
应该怎么看待这件事
我觉得有两个层面
第一
不要神话任何ai 工具
他们都是精心设计的产品
背后有大量的prompt engineering 和行为控制逻辑
这不是坏事
但你要意识到
他们的行为不是完全自然的
第二
这次泄露其实推动了整个行业的透明度
现在有人做了可视化指南
把cloud code 的整个价够拆解开了
二百二十一分四十三评论那条就是
这对理解ai 编程助手的工作原理非常有价值
另外那条users hitting usage limits way faster than expected 二百七十二分一百六十四评论是不是也跟这个有关
有关
用户在深度使用cloud code 之后
发现用量限制比预期严格的多
这可能跟n thropicc 的成本控制策略有关
结合源码泄露里发现的各种限流和行为控制机制
社区里有声音说
N fr o pick 在表面上给你强大的工具
但暗地里控制你的使用深度
不过我觉得这个判断有点偏激了
任何商业api 都有成本约束
关键是透明度
我倒觉得不完全是偏激
透明度确实是核心问题
如果这些限制机制是公开的
用户可以自己判断要不要用
但如果是藏在代码里的
那用户的选择权就被剥夺了
这次泄露最大的价值可能就是逼着整个行业提高透明度标准
以后用户选择ai 工具的时候
这个工具有多少隐藏的行为控制会成为一个重要的考量因素
好
下一个重磅gpt
五点四的mini 和nano 版本正式发布了
Open ai 官方博客的标题就是introducing gpt 五点四mini and nano
Gpt 五点四都有mini 和nano 了
等一下
我记得五点四本身才发布没多久吧
这速度也太快了
这就是open ai 一千二百二十亿融资的底气所在
他们的模型蒸馏和优化能力确实是业界最强的
根据官方介绍
五点四mini 和nano 是针对编程工具调用
多模态推理和高并发api 场景优化的小模型
所以mini 和nano 的区别是什么
跟原版五点四比差多少
Nano 是最小的
主打超低延迟和极低成本
适合嵌入到各种agent 的子任务中
Mini 介于nano 和完整版之间
在大部分编程和推理任务上跟完整版差距很小
但成本只有几分之一
Open ai 的策略很明确
用旗舰模型树立技术标杆
用小模型占领实际部署场景
这对开发者来说是好消息吧
选择更多了
但我有个疑问
这么多模型尺寸
开发者怎么知道该选哪个
以前就一个gpt 四
没有选择困难
现在光open ai 自家就有五点四
五点四mini
五点四nano 加上四点一四点一mini
再加上竞品的各种模型
选型都需要专门的工程师了
绝对是
而且你看今天的另一条新闻
Gradients labs 用gpt 四点一和gpt 五点四mini 加nano 给银行客户做ai 客户经理
这说明五点四系列的小模型已经在实际商业场景落地了
对于开发者来说
选模型不再是越大越好
而是根据场景选最合适的尺寸
高延迟容忍的复杂推理用旗舰版
实时交互的agent 责任误用nano
中间场景用mini
那竞争对手呢
Cloud germany 他们会不会很紧张
肯定紧张
Open ai 的模型矩阵策略比其他家完善的多
Google 有germany flash 和pro and thropic 有high cool 和onit
但论系统性和覆盖面
Open ai 目前是最全的
我的预判是
接下来半年
所有主要模型厂商都会加速推出自己的mini nano 系列
好
接下来我们换个画风
聊聊ai 安全方面的话题
有两条相关新闻
微软说co pilot 只是娱乐用途
还有open ai 推出了安全bug 赏金计划
微软那条太有意思了
Hn 上四百五十四分一百六十七评论
标题就是microsoft co pilot is for entertainment purposes only
翻译过来就是微软官方说co pilot 只供娱乐
什么
我工作里天天用co pilot
他们告诉我这是娱乐
那我的代码质量是不是也是娱乐级别的
哈哈
你说到了关键点
这其实是一个法律免责声明
微软在co pilot 的服务条款里加了这么一句
目的是规避法律责任
如果copilot 给了你错误的建议
导致损失
微软不负责
因为人家说了这是娱乐用途
这也太鸡贼了吧
一方面卖给企业收高价订阅
另一方面说我只是娱乐工具
不负责任
你看企业的it 采购经理在选型的时候看到的是微软的营销材料
上面写的是提升开发效率百分之五十五
但出了问题的时候
服务条款说的是仅供娱乐
这中间的认知差距太大了
对hn 上的讨论也基本是这个方向
但这背后反映的是整个ai 行业的一个根本性矛盾
Ai 产品的能力已经强到足以影响重大决策了
但法律框架还停留在工具不需要为输出负责的阶段
微软这种做法虽然看起来滑稽
但确实是目前法律环境下最理性的自保策略
那open ai 的安全bug 赏金计划呢
这是在走另一条路
是的
Open ai 推出的这个计划不是传统的代码安全漏洞赏金
而是专门针对ai 安全的
包括agent 场景下的漏洞prompt injection
数据泄露这些
这说明open ai 意识到随着agent 越来越复杂
安全问题不能光靠内部团队
需要借助社区的力量
所以一个在逃避责任
一个在积极面对
不过我觉得open ai 的bug 赏金计划也有商业考量
当你的产品越来越多地被用在金融
医疗
法律这些高风险场景时
主动做安全投入是在为自己未来的合规铺路
但微软的做法短期内可能更聪明
因为一旦你承认自己的aai 需要为输出负责
打开的潘多拉魔盒就关不上了
可以这么理解
但公允的说
两种策略都有道理
对于开发者和企业来说
关键启示是不要盲目信任任何ai 工具的输出
在关键业务场景中必须有人工审核环节
Ai 是超级好用的助手
但不是可以甩锅的同事
好
接下来聊个前沿技术的话题
高德开源了一个叫about time 零的巨身操作基座模型
说是全球首个统一架构的机器人通用大脑
对
这个挺有意思的
高德就是做地图导航的那个高德
他们发布了about tm 零
号称一个模型就能适配多种形态的机器人
无论是机械臂
人形机器人还是四足机器人
不需要针对每种硬件单独训练
等等
高德做机器人
他们不是做地图的吗
这就是为什么这条新闻有意思
高德属于阿里系阿里在巨身智能方面布局很早
而且你想
高德有大量的空间理解数据
三维地图
室内导航
路径规划
这些跟机器人的空间操作能力是高度相关的
那at time 零的技术水平怎么样
根据官方数据
在liberal plus 基准上
任务成功率达到百分之八十点五
比之前的标杆方案派零高了将近三个百分点
不过这些基准测试的通用性一直有争议
实际落地效果还需要观察
关键是他们全量开源了
这对整个巨身智能社区来说是大利好
全量开源
意思是代码和模型权重都开了
这对国内巨身智能领域的影响应该很大
之前这个赛道的门槛很高
因为数据收集和模型训练都需要大量的物理实验
有了开源基座模型
小团队可以直接在上面做微调和应用层开发了
对
这也是当前国内ai 公司的一个策略趋势
在基础模型上用开源抢生态位
你看queen
Deep sick
现在高德都在走这条路
对于想做机器人的创业团队来说
有了这样的开源基座模型
入门门槛会大幅降低
感觉巨身智能今年要成为一个大热点了
而且你发现没有
今天聊的这些话题有一个隐藏的主线
不管是open ai 的融资
Gpt 五点四的小模型
还是高德的机器人模型
所有人都在做同一件事
把ai 能力从云端推向终端
推向物理世界
总结的漂亮
这确实是今年最大的趋势之一
Ai 从纯数字世界走向物理世界
接下来我想把几条meta 相关的新闻放在一起聊
今天meta 出了好几条jam lock 内存分配器投资广告排序的ai agent
广告用llm 级别模型做推荐
还有facebook reals 的社交发现功能
Meta 今天刷屏了
他们是不是集中发布日
应该是他们攻程博客的集中更新
不过如果你把这几条串在一起看
能看出一个很清晰的战略方向
Meta 在全面用ai 重构自己的核心业务
广告系统是他们的命根子
现在直接上llm 级别的模型来做广告排序
Llm 做广告排序
这不会很贵吗
每次广告展示都调一次大模型
这就是为什么jam lock 那条新闻很重要
Meta 在底层基础设施上做了大量投入
Jama lock 优化内存分配
让大模型推理在海量并发下也能扛得住
他们的策略是用旗舰级aai 能力做广告推荐
但通过极致的基础设施优化把成本压下来
那篇meta adaptive ranking model 文章的副标题就是banding the influence aling curve
弯曲推理扩展曲线
这对整个广告行业意味着什么
意味着ai 驱动的精准广告会比以前强一个数量级
对广告主来说是好消息
投放效率更高了
但对隐私倡导者来说是个噩耗
因为模型越强
用户画像就越精准
另外
中小广告平台的竞争压力会更大
因为他们很难达到matt 这种基础设施投入的规模
还有那个ra ranking engineer agent 自主执行广告排序模型的ml 生命周期
Ai 在给自己的ai 做优化
说实话
这让我有点细思极恐
当ai 系统开始自主优化自己的模型
人类工程师能理解他为什么做出某个优化决策吗
如果有一天广告排序出了偏差或者歧视问题
谁来负责是写初始代码的工程师
还是做出优化决策的ai
对
这是一个很有意思的递归ai agent 自动完成ml 实验的关键步骤
包括数据准备
模型训练
评估和部署
Matter 的规模大到人工已经跟不上了
只能用ai 来管理ai
这可能是大厂的未来常态
好 换个话题
聊个跟每个人的手机都有关系的
苹果apple intelligence 意外在国航上线又紧急撤回了
对
这个昨天其实已经有消息了
It 之家的报道说
三月三十一号凌晨
国行iphone 用户更新系统后意外可以启用apple intelligence beta 版
但部分功能激活失败
然后苹果紧急修复了
意外上线这种事苹果也能犯
他们不是以品控严格著称吗
苹果回应说是软件问题导致短暂上线
但你仔细想想
这也可能说明apple intelligence 的国行版本技术上已经就绪了
只是在等监管审批
这次泄露可能是版本控制的失误
国行版本的代码已经合并到主分支了
只是开关没关好
那国行正式上线还要等多久
苹果的说法是一监管部门审批情况定
这是标准的外交辞令
我的猜测是
如果审批顺利
可能wwdc 二零二六前后就能上线
但这取决于苹果和百度或其他国内合作方的ai 模型是否通过了合规审查
对于国内iphone 用户来说
这意味着什么
还要继续等
暂时还是得等
但好消息是技术上已经差不多了
坏消息是等apple intelligence 真正在国航上线的时候
其他家的ai 功能可能已经迭代好几轮了
苹果在中国市场的ai 竞赛中已经明显落后了
接下来我想聊两个跟ai 安全和产品可信度有关的话题
第一个是sora 的安全框架
第二个是google 用ai 做android 应用安全加固
Sorry
终于聊安全了
他们之前不是因为安全问题被骂了很久吗
对
Open ai 发了一篇creating with sora safely
详细介绍了sora 二和sora 应用的安全基础架构
核心思路是安全不是事后补丁
而是从底层架构就内置的
包括内容审核
生成控制
水印系统等
那另一条google 的呢
Google 的那篇叫patch me
If you can ai code mouth for secure by default android apps
他们用ai 自动修改android 应用代码
让应用默认就是安全的
这在百万型代码和上千工程师的规模下特别有价值
手动改api 几乎不可能
但aai 可以自动扫描和修补
用ai 来保证ai 的安全
又是一个递归
是的
而且这个趋势很明显
安全正在从人工审计转向aai 自动化
对开发者来说
未来的最佳实践可能不是记住所有安全规则
而是让aai 帮你检查安全规则
当然
Ai 本身的安全检查是否可靠又是另一个需要验证的问题
感觉这个领域的创业机会很大
专门做ai 安全审计的公司应该会很吃香
绝对的
Ai 安全可能是接下来两三年最大的b to b 赛道之一
好
最后几条我觉得也很有意思
有一个trend reader 项目在github 上做ai 驱动的舆情监控
还有check gpt 开始做商品发现和购物功能了
先聊check gpt 的购物功能
Open ai 发了一篇powering product discovery in checch gt 引引了一个个agenentic commerce protocol 的协议
可以在对话中直接搜商品
对比产品
甚至接入商家系统agentic commerce
听起来好高大上
简单说就是在聊天里直接购物差不多
但关键词是protocoagentic
不是简单的搜索展示
而是ai 理解你的需求
自主帮你筛选对比推荐
想象一下
你跟chch gpt 说我想要一台一万以内的轻薄笔记本
主要写代码用
它不是给你一个搜索结果列表
而是像一个懂行的朋友一样帮你分析各个选项的优劣
这对电商平台的冲击会很大吧
仔细想想
这其实是在改变整个购物流程
以前是你去电商平台搜索
比价 看评论
整个过程可能要花一两个小时
现在一句话就搞定了
但我也有顾虑
Ai 推荐的商品是不是真的最适合你的
还是给了推广费的巨大
如果ai 成为主要的购物入口
传统电商平台的搜索流量和广告收入都会被分走
这也是为什么open ai 要做这个商业化路径太清晰了
每一笔ai 推荐的交易都可以收佣金
那trage dder 呢
Trend dar 是dick hob 上的一个开源项目
做ai 驱动的舆情监控和热点筛选
支持多平台聚合rss 订阅
关键词筛选
还能接入mcp 架构
对于做产品做投研做自媒体的人来说
这种工具太有用了
而且它是开源的
可以自己部署自己改
Mcp 架构
这个我们之前聊过的
看来mcp 的生态正在快速扩展
对
Mcp 正在变成ai 工具互联的标准协议
如果你在做任何跟ai agent 相关的项目
Mcp 兼容性已经是必须考虑的了
最后还有几条学术前沿的快速过一下
有个三模态
脑肿瘤生存预测
还有叙事
类比推理
长视频理解什么的
对
快速说几个亮点
第一个
三模态脑胶质瘤生存预测
把病理切片
基因表达数据和mry 三种模态整合在一个深度学习框架里
这是ai 医疗的前沿
多模态融合能显著提高预测精度
三种不同类型的数据放在一起分析
技术挑战应该很大吧
非常大
每种模态的数据结构完全不同
图像 序列
三维体积
能把它们统一建模本身就是突破
另一个有意思的是adapt token 做长视频理解的核心思路是根据信息熵自适应选择关键帧的token
而不是均匀采样
这解决了长视频理解的内存和上下文限制问题
根据信息商选择
通俗的讲呢
简单说就是视频里有些帧信息量大
比如画面切换
关键动作
有些帧信息量小
比如静止画面
Adapt token 会自动把计算资源集中在信息量大的帧上
忽略那些无聊的帧
这跟人类看视频的方式其实很像
你也不会每一帧都认真看
你的注意力是跟着重要内容走的
这个类比好让ai 像人一样有选择的看视频
还有一个我觉得值得关注的是
The trietic cognitive architecture 提出了用时空和认知摩擦来约束自主ai agent 的行为
作者认为现在的ai agent 处于一种认知失重状态
处理信息没有内在的阻力和约束
这很危险
通过引入类似物理世界的摩擦机制
可以让agent 的行为更可控
认知摩擦这个概念好有哲学味
对
它的核心洞察是
约束不一定是坏事
人类之所以不会做出疯狂的决策
很大程度上是因为物理世界的各种摩擦在限制我们
Ai agent 如果没有这种摩擦
理论上可以在一秒内做出改变世界的决策
而这恰恰是最危险的
好
到了今天的总结时间
米艳
你先说今天印象最深的是哪条
我最有感触的是cloud code 那个fake tools frustration radioes under cover mode
这些让我意识到我们日常用的ai 工具背后有多少看不见的设计
以后用ai 的时候
我会多想一步
它这个反应是真实的还是被设计出来的
另外微软那个娱乐用途的声明也让我很感慨
技术跑的太快
法律和伦理完全没跟上
我印象最深的还是open ai 那八千五百二十亿估值
这个数字背后不只是一家公司的融资故事
它标志着aai 从技术探索期正式进入了资本军备赛
接下来的竞争会更加激烈
但也意味着普通开发者和用户能用到的工具会越来越强大
越来越便宜
所以是好事也是坏事
好在工具越来越强
坏在如果你是ai 创业者
跟巨头竞争的窗口越来越窄了
说的好
好了
今天的ai 日报就到这里
如果你觉得有收获
记得分享给朋友
我们明天见
拜拜 明天见
