这些里面哪个最让你兴奋?
Claude 新增的能通过浏览器窗口帮你完成任务的能力?
ChatGPT 能够根据需要灵活切换临时模式的能力?
一个新的语音模型,不仅能准确转录你说的内容,还能清理语音并理解你的意图?
Google 推出的新视频模型,可控性大幅提升,能生成真正可用的视频?
或者一个完全不同的视频模型,生成视频的时间比观看它还要短?
这些只是本周发布的新功能、新模型和新工具中的一部分。
《AI Daily Brief》是一个每日播客和视频节目,关注 AI 领域最重要的新闻和讨论。
好了朋友们,在深入之前先快速宣布几件事。
首先,确认 Hugging Face 正在被收购,而且没错,买家就是 NVIDIA。
《The Information》在周三晚间的财报电话会议后爆出消息,据他们透露,Nvidia 已同意以 129 亿美元收购 Hugging Face。
这笔交易的传闻其实上周末才开始出现。
当然,虽然交易可能早在外部知情之前就已经在推进了,但看起来谈判过程相当迅速。
很多报道都聚焦于其高昂的估值倍数。
Hugging Face 的年化营收只有 1.5 亿美元,也就是说 Nvidia 实际上支付了大约 80 倍营收的价格。
作为参考,SpaceX 以 600 亿美元收购 Cursor 的估值大约是 15 倍营收。
不过,正如我前几天谈到这笔交易潜力时所说,Nvidia 收购 Hugging Face 绝不是为了它的营收。
相反,这笔交易似乎证实了 Nvidia 正在通过收购来构建一个全栈开源商业模式。
Hugging Face 是开源模型的首要分发渠道。
Nvidia 上周与 Poolside 达成的 60 亿美元授权协议,使他们能够雇佣大约 100 名资深 AI 研究员来充实团队。
此外,其他投资,比如与 Perplexity 的战略合作,也为他们提供了坚实的工具链以及应用层面的布局。
更重要的是,在大约六个月的时间里,Nvidia 将其开源模型系列 Neutron 从一项技术演示变成了开源模型中的真正竞争者。
Akash Gupta 表示,这可能既是进攻性策略,也是防御性策略。
他写道,Google 已经运行自己的 TPU 长达十年。
那些给 Nvidia 开出最大支票的实验室,正是最努力想摆脱它的。
开源模型就是那个平衡力量。
当 Meta、Mistral 或 DeepSeek 发布权重时,数百万开发者下载、微调并部署这些模型,绝大多数都是通过 CUDA 在 Nvidia 的 GPU 上运行的。
定制芯片对这个生态系统毫无办法。
我认为这种防御性定位不仅关乎 Nvidia 的芯片业务,也关乎他们为那个我们一直在讨论的世界所做的布局——在那个世界里,公司会使用多种模型,许多日常核心流程不再依赖最顶尖的前沿模型,而是运行在更开放、更轻量、更灵活、更可定制的东西上。
不久前,Nvidia 发现了这个机遇,从此便全力朝这个方向冲刺。
现在,从大家的反应来看,没有人不理解Nvidia为什么这么做。
Nvidia显然不只是想卖铲子和镐头,他们想更多地拥有建立在它们之上的AI经济。
Nvidia拥有GPU,CUDA拥有开发者,Hugging Face拥有开源AI生态系统,Jensen正在慢慢地把整个技术栈整合到一起。
Nvidia正在变得远不止是一家芯片公司。
不过也有人担心,在新的所有权下,人们还会不会继续留在Hugging Face。
Todd Saunders写道,Hugging Face之所以有价值,部分原因是它被认为是独立且大致中立的。
他们的用户包括研究人员、初创公司、企业、云服务提供商、硬件公司以及Nvidia的竞争对手。
如今,开发者可以使用这个平台,而不认为它旨在把他们推向某个特定供应商。
这正是他们喜欢它的部分原因。
Nvidia的收购可能会破坏这种信任,但这也有可能是一次大获全胜。
Pratham认为这也是一个更大的趋势。
他们写道,真正的问题不是Nvidia为什么收购Hugging Face。
而是当最大的参与者开始购买开源AI所在的平台时,开源AI会变成什么样。
Eric Hartford认为我们会看到一个机会。
他写道,我为Hugging Face成功退出感到高兴,但这将是开源AI的一大损失。
Hugging Face不再与硬件无关。
这是一个新的标杆崛起的机会。
不过,这种担忧是人们面对收购时总会有的。相比之下,我认为这次收购比通常情况要乐观得多,这说明Nvidia在AI社区建立信任方面做得有多好。
我想不出比Nvidia更适合收购Hugging Face的公司了,这很合理,因为它与Nvidia的整体战略是一致的。
我敢打赌,未来我们会看到更多令人惊叹的功能以及训练和使用模型的方法出现在Hugging Face上。
简直是天作之合,也是推动多元化AI的一大步。
Nvidia卖的是算力。
Hugging Face让人们很容易通过多种方式将算力转化为价值,降低了任何单一实验室、公司或国家垄断前沿AI的可能性。
多元化AI让世界更美好。
Nvidia这周还发布了财报,可以说是大超预期。
过去一年营收增长加速至106%,比第一季度末的增长率高出21个百分点。
本季度销售额达到962亿美元,距离单季度1000亿美元的里程碑仅一步之遥,目前只有其他五家公司达到过这个里程碑。
不过,尽管预期超出了预期,Nvidia仍表示第三季度增速将略微放缓至89.5%。
CFO Colette Kress表示,供应链问题将继续拖累增长,使Nvidia在2027财年的增速限制在70%。
Nvidia还透露,主要客户要求延长付款时间。
自由现金流同比下降了50%,只有210亿美元。
与此同时,应收账款增加了50%,两者形成了鲜明对比。
英伟达表示,原因是“与某些投资级客户签订的大型多季度协议延长了付款期限”。
这显然对投资者来说是个危险信号,因为应收账款周转天数从45天增加到了60天。
除了财务数据,英伟达还宣布正式重返中国市场。
他们报告称,根据新的出口管制规则,H200芯片的销量很小,但远低于特朗普政府允许的总额。
总的来说,虽然这份财报里确实能找到一些负面因素,但很难忽视那惊人的销售数字。
去年夏天英伟达就已经在出货数量惊人的芯片,而自那以后,他们的销售额几乎翻了一番。
为了证明这一点,亚马逊宣布,随着他们加速数据中心建设,将额外购买200万块英伟达芯片。
英伟达没有透露每年总共卖出多少芯片,但据信不到1000万块,这意味着这是一笔巨大的额外订单,将在未来几年内持续支撑强劲的需求。
这份财报足以让投资者重新青睐英伟达,股价在盘后交易中上涨了4.8%。
考虑到英伟达在人工智能生态系统中日益扮演着独特角色,有一个有趣的支线故事:该公司暂停了与NeoClouds的收入分成协议,因为他们正在重新考虑对行业兜底的做法。
不到两个月前,英伟达宣布将开始提供新的融资方案,客户可以以部分利润为交换条件获得信贷支持。
当时,这被视为英伟达之前模式的改进,即他们保证数据中心需求,并希望这能转化为从私人信贷公司或银行获得的更便宜融资。
消息人士告诉《华尔街日报》,在一些员工表达担忧后,该项目已被搁置。
有人认为,这种安排可能会引起反垄断方面的关注,而且对于英伟达在客户业务中施加多少控制权也存在敏感问题。
《华尔街日报》指出,暂停的具体原因尚不清楚,因此理论上,该计划未来经过一些调整后可能会重新启动。
英伟达方面否认了这些报道,并表示:“我们在7月份推出的新商业模式,旨在为快速发展的AI生态系统提供计算访问权限,目前仍在运行,并因需求旺盛而持续发展。”
现在,稍微聊一下华尔街。信不信由你,Salesforce——我们也会在正片里讨论他们——凭借一份强劲的财报引领了SaaS的复苏。
六个月前,市场的一个主流叙事是软件行业已经完蛋了,公司很快就要用“vibe coding”来自己开发替代SaaS的产品了。
这就是当时热议的“SaaS末日”,如果你还记得这个词的话。
显然,那种程度的颠覆并没有发生。我们实际上看到的是,传统软件产品中集成AI工具正在带来收入增长。
周三晚上,Salesforce的财报就印证了这一点。他们报告称,Agentforce产品今年有望带来15亿美元的收入,高于第一季度的预测12亿美元。
当季总销售额为115亿美元,同比增长11%,所以AI收入在整体中的占比仍然相对较小。
不过,这已经足以让市场将Agentforce视为一款成功且正在增长的产品。
周四,该股飙升了22%,如今Salesforce距离完全填平“SaaS末日”期间的跌幅仅差5%。
退一步看,我们一个接一个地看到,一些曾经被严重打压的软件股,凭借稳健的财报重新焕发生机。
ServiceNow、Figma、Atlassian、CrowdStrike、Okta在过去几个月里都实现了大幅反弹。
KeyBanc的分析师Jackson Adder指出,这些公司甚至不需要发布超预期的财报就能带来巨大的回报。
Adder说:“我们都在逐渐接受一个事实,那就是事情会更有持续性,并不会消失。”
所以你会看到Salesforce交出了一份不错但算不上惊艳的成绩单,但是市场反应却格外强烈。
Benioff在财报电话会上当然得意了一番,说我真的想从开头讲起,聊聊这个SaaS末日论。
怀疑论者说座位数会下降,但Agentforce、销售、服务以及Slack——所有这些板块的座位数都同比增长了。
怀疑论者说客户会流失,但客户流失率却降到了历史最低点附近。
怀疑论者说定价能力会被削弱,但预订量环比翻了一倍多,而且所有业务板块——包括新业务和续约——的合同期限都变得更长了。
而且通过模型上下文协议调用和CLA调用,平台上的智能体使用量激增了六倍。
应用程序并没有消亡。
前人工智能主管David Sacks迅速抓住这个新闻,发帖说人工智能资本支出是泡沫以及SaaS已死的说法,今天早上被撕得粉碎。
Box的Aaron Levy写道,本周的科技公司财报电话会是一个关键的提醒,让我们看到软件和人工智能之间的关系有多么宝贵。
软件和智能体会协同工作,并最终随着时间的推移,大幅扩展信息技术总市场规模。
现在,把这个营收增长的故事带到应用层。根据The Information提供的新数据,Cognition已经实现了年化收入九亿美元。
这比年初时,也就是编程智能体Devin的创造者宣布的数字,增长了超过三倍。
而且看来全行业情况都差不多。
Higgsfield,一个视频和图像模型的界面封装器,今年也翻了三倍,年化收入达到了七亿美元。
Perplexity的年化运行率翻了三倍,达到了七亿五千万美元。
Open Evidence,那个面向医生的聊天机器人,收入翻倍到了三亿美元。
甚至连Manus,在Meta收购案被搞砸之后,也声称他们的年化运行率达到了四亿美元,比去年翻了四倍。
而且,尽管总的数字还远远落后于美国,但领先的中国人工智能公司也看到了类似的增长。
The Information还报道说,DeepSeek今年实现了七千万美元的收入,这比2025全年的数字增长了十倍。
现在,在我们快要讲完的时候,快速看一下政策方面的情况。
一项关于人工智能监管的新行政命令,在最近几周草案被悄悄传阅之后,已经停滞不前了。
据报道,特朗普政府最近提出了一项行政命令,要成立一个人工智能行业的自律监管机构。
你可能还记得,这个想法是在DeepMind董事长Demis Hassabis在七月份的一篇博客文章中正式提出后,开始获得支持的。
这个新机构将仿照FINRA,也就是金融服务行业的自律监管组织来建立。
基本上,这种做法要求人工智能实验室在安全问题上互通信息,对新的模型进行安全测试,并制定行业监管规则。
财政部长Scott Bessant,不知为何在人工智能政策中扮演了关键角色,公开支持了这个想法。
据报道,高级官员在过去一个月起草并传阅了一份行政命令草案,打算成立这个新机构。
虽然还不完全清楚这项努力停滞不前的原因,但一些消息来源指出,前白宫人工智能主管David Sacks的反对可能是原因之一。
在上周末的All In播客节目中,Sacks称针对人工智能的FINRA是一个,引用原话,糟糕的主意,是一个企图封杀开源模型的特洛伊木马。
他认为,一旦这个机构成立,前沿实验室就会推动制定对所有模型都适用的标准,也就是说,开放模型的开发者会发现这些标准根本无法满足。
Sacks还指出,FINRA在促进竞争和创新方面名声并不好。
许多想进入金融行业的初创公司认为FINRA主要关心的是用监管来保护现有企业。
不管怎样,目前还没有针对AI的FINRA,但这并不意味着行业自律的努力没有在进行。
值得注意的是,OpenAI、Anthropic和其他100多家公司呼吁采取紧急的新方法来应对网络防御。
这封公开信由科技、金融和工业领域的公司以及Google、Microsoft和AWS共同签署。
名单还包括Visa、通用汽车和普华永道等公司。
信中警告说,我们在未来几个月内加强网络防御的时间窗口有限。
随着全球模型能力越来越强,AI驱动的网络攻击将变得更加广泛和复杂。
我们社区依赖的公司和公共服务,从医院到水处理厂再到支撑互联网的基础设施,都面临风险。
当今AI的进步已经为防御者提供了修复多年积累弱点的新方法。
如果我们果断行动,就可以利用防御者的窗口让我们的数字世界变得更加安全。
这封信提出了一个集体应对方案。
信中声称,现状行不通了,所有计算机系统都存在长期存在的错误、未修补的漏洞和技术债务。
信函呼吁为网络防御者提供更好的AI工具,并加强跨行业的协调。
它认为需要全球响应,建立新的伙伴关系以提高安全标准,并为新兴的网络威胁找到新的解决方案。
Sam Altman在评论这封公开信时,将安全置于竞争之上,他写道:“这是AI网络防御的关键时刻。”
没有太多时间可以行动了。
我们很高兴你们想与我们或我们的任何竞争对手或合作伙伴合作,但请认真对待这个时刻。
只有紧急而强烈的集体响应才能奏效。
作为强调,Ethan Mollick教授写道:“在OpenWeight的Mythos级模型和工具可用之前,你的组织在加强网络安全方面的投入还不够。”
Hugging Face事件表明,即使没有故意的恶意行为者,你也可能暴露在AI黑客攻击之下。
就像我说的,周末有很多重磅消息,但现在,让我们进入正题,谈谈你现在就可以使用和尝试的一大批新功能和工具。
毕马威和德克萨斯大学奥斯汀分校的一项新研究发现,当人们与AI合作时,相似的技能并不能保证相似的结果。
研究人员研究了500多名早期职业专业人士,发现表现最好的人通过指导、评估和优化AI的输出,持续放大了AI的价值。
这些被称为AI放大器的最优秀者,定义他们的不仅仅是他们所知道的东西,而是他们如何与AI合作。
欢迎回到AI每日简报!
就像几乎不可能跟上AI新闻的冲击一样,任何一个人也很难跟踪每周发布的所有新功能、模型和工具。
我们的注意力主要集中在大模型发布上,这些发布可能会更根本地改变我们与AI的互动方式。
尽管在2026年,我们对工具更新的熟练程度也提高了不少。
不过,有时值得梳理一下模型和工具公司发布的所有功能更新、生活质量改进和新能力,看看是否有任何与我们的工作方式相关的东西。
带着这个想法,今天我们要聊的是,大概过去一周多时间里我看到的十几个更新,这些东西你在近期内可能会觉得特别有用、特别实用。
首先,Claude 有个更新。
Claude Cowork 现在内置了一个浏览器,让基于网页的任务更方便了。
如果你的任务涉及网站上的操作,比如填写表单、和网页应用互动,那就会有一个浏览器窗口在你的会话旁边打开,供 Claude 使用。
这个功能也可以用于智能浏览,类似于之前一些 AI 浏览器吸引大家注意的早期功能,比如 Perplexity 的 Comet 或者 The Browser Company 的 Dia。
Claude 指出,不需要额外安装任何东西。
这个功能直接内置在桌面应用里,和你自己的浏览器以及登录信息是分开的。
换句话说,这是它自己的浏览器,不会接管你的浏览器。
不过,对于那些想在自家浏览器里操作的人,也可以通过 Chrome 里的 Claude 来实现。
对很多人来说,这个功能真的是千呼万唤始出来。
终于做到了,各位!
早该有了。
非常好的功能。
之所以说这个功能意义重大,是因为虽然它看起来只是个小更新,但当你把它和 ChatGPT Work 以及 GrokBot 这些新玩意儿结合起来,就会发现这其实是一个相当重要的转折点。
他写道,AI 在同一个月里从写文字进化到了替你浏览网页。
或者像 Enoms 说的那样,感觉 AI 助手和 AI 操作员之间的界限一下子变得模糊多了。
这感觉可比单纯的 Claude 有了浏览器要大得多。
有趣的地方在于,Claude 现在真的能帮你做网页上的工作了,而不只是告诉你该怎么做。
需要查资料、浏览网站、填写表单或者完成某个任务?
浏览器会在 Cowork 里打开,然后 Claude 和你一起处理整个过程。
我们正在慢慢告别那种只会给出答案的 AI。
下一阶段是 AI 直接打开标签页把事情搞定。
不过,也有人指出,Anthropic 这次来得至少有点晚了。
Token Gremlin 说 OpenAI 在 ChatGPT Work 里基本已经实现这个功能好几个星期了。
Julia 的 CEO Rahul 提到了他们七月发布的浏览器代理。
基本上就是说,欢迎来迟。
所以对很多人来说,这个功能的明显灵感来源是 GrokBot。
GrokBot 发布时,它能在自己的浏览器里运行这个能力是大家觉得特别强大的一个点,坦白讲也是最可能被其他实验室模仿的一个点。
我觉得 ChatGPT Work 更像高级的 RPA。
它运行得不错,但更偏向工作流导向,而 GrokBot 则更像一个真正的虚拟同事。
给它一个独立的浏览器,还能通过Slack聊天。
它很能适应你的风格和偏好。
现在,关于ChatGPT Work版本的这项功能,官方ChatGPT账号写道,你可以让它为新公寓设置水电煤气,预约车管所或护照办理,通过保险检查报销费用,根据你的空闲时间找并预约网络内的医生,查看你的汽车注册什么时候到期并准备续期文件,比较你的租房保险政策和你要给房东发邮件反映的问题。
找到并保存符合你条件的房源列表,上传一张照片就能补充库存,等等等等。
还有大概十多个其他点子。
鉴于我们一直在讨论AI用于生活和AI用于工作之间的平衡,也就是消费者AI和企业AI,我觉得有趣的是,他们把所有这些更偏向生活场景的任务作为ChatGPT Work的新功能来推。
OpenAI的开发者体验负责人Romain Huet写道,ChatGPT Work现在有了自己的云端电脑。
当它能用网络并替你行动时,可能性几乎是无限的。
另外,ChatGPT还有一个小提升生活质量的地方:他们最近意识到,需要让人们更方便地在临时对话和永久对话之间切换。
在X上,他们发帖说,我们收到了你的反馈,有时候临时对话变成了值得保存的内容。
现在你可以选择用你已有的记忆、自定义指令和插件来个性化一个临时对话,如果想保留的话就把它保存到历史记录里。
临时对话不会创建新的记忆,也不出现在侧边栏里,除非你选择保存它们。
换句话说,对于那些对隐私更关注、可能希望默认使用临时对话功能而不是默认保存所有操作的人来说,这个功能现在让临时对话也能轻松带入相关的ChatGPT上下文,以及在合适的时候升级为非临时对话。
另一个很大的生活质量提升——坦率地说,这个功能在新闻价值上会远超其体量——我是在开始录音前注意到的。
OpenAI的Jason写道,插件现在支持多个Gmail账户了。
也就是说,你不再只能关联一个Gmail,而是可以关联多个。
这对于很多重度用户来说一直是他们的心愿单上的内容,因为像他们这样的人,日常工作中通常有——我也不知道——五六个不同邮箱需要认真处理。
IAI的Claire Vo最近就一直在夸,这实际上是她最喜欢的新Grokbot的功能,就是不限制只连接一个Gmail或一个Slack。
而关于这一点,我不在乎是谁先做的,只要他们都能做到就行。
说到这个,很多人会很乐意使用大公司给我们的任何工具,不管是OpenAI、Anthropic、SpaceX AI还是谷歌,或者其他公司。
但对于那些想要更多控制权、可能已经喜欢上像OpenCLAW这样灵活性的用户来说,Hermes agent值得关注。
Hermes的团队显然在密切关注所有框架和模型公司的动向,因为只要那些公司宣布什么有用的东西,几乎马上就会出现在Hermes上。
比如,这周四他们宣布,Hermes agent现在可以无缝地替你浏览网页了。
他们写道,打开真实配置文件浏览功能,你的agent就会用你现有的Chrome配置文件的托管副本,配合你的登录信息来操作。
这是在大约十天前,也就是GrokBot发布之后不久,公司为Hermes Desktop推出了Bot Mode之后的事。
在Bot Mode下,他们写道,你的agent配置文件会变成一系列命名的bot。
每个bot都有自己的角色、模型、记忆、技能和头像。
Bot可以使用任何模型,甚至可以互相通信。
创建一次专家bot,就能永久使用。
为了说明为什么有些人可能对此感兴趣,制造Hermes的Nous Research账号写道,Hermes Agent也有自己的远程电脑,只是你不一定非要用它,而且每月只要几美元,而不是200美元。
其他一些比较大的区别:可以连接任何提供商、订阅或模型,完全免费在你自己的机器上使用,或者通过 Nous Portal 上的几个免费模型之一来使用,可以在机器人模式和经典会话模式之间切换,还有能够自我改进的智能体,它们可以学会更便宜、更有效地执行任务,而且是开源的,所以你可以根据自己的需求修改智能体的任何部分。
再说一遍,这对每个人来说都不是必需的,但我认为从消费者选择的角度来看,这相当酷。
随着这些新的功能升级和能力上线,Hermes 基本上跟上了所有主要的框架。
顺便说一下,Hermes 不仅仅是在复制别人的东西,他们自己也在做一些非常酷的实验。
他们有一个 Hermes HUD 模式,基本上是一个无缝叠加层,你可以一边做其他事情(比如玩游戏),一边跟踪工作生活中的事情。
官方新闻账号写道,我现在整天都在玩游戏,工作就在那个小文本框里完成了。
如果说 Hermes 是一端,那 Salesforce 和 Claude 的新合作就一定在另一端了。
Salesforce 和 Anthropic 正在合作,他们称之为——听好了——Claude Force。
它的核心是一套新的插件和技能,允许 Salesforce 用户通过 Claude 智能体来访问他们的客户关系管理系统(CRM)。
他们可以使用 Salesforce 的数据作为上下文,而且依托 Salesforce 的 AI 框架(他们称之为 AI Force),可以在尊重现有治理规则的前提下执行智能体操作。
Salesforce 在他们的新闻稿中写道,几十年来,企业软件要求用户手动浏览静态界面来完成工作。
现在,智能体可以直接访问数据、工作流和规则,软件成为一个驱动所有界面的系统。
这一举措突显出我们与像 CRM 这样的东西交互的方式正在发生不可避免的转变,使得智能体能够更自然地完成交互。
Salesforce 的 CEO Marc Benioff 说,这里的界面就是 AI,可以让你动态地构建自定义应用,并回答任何企业问题。
仅靠概率智能无法运营一家公司,而确定性系统则无法推理。
顺便说一句,这差不多是你能想到的最花哨的说法,来表达 AI 和软件各有各的角色。
Benioff 继续说道,通过将 Claude 非凡的推理能力与每个企业所依赖的可信数据、工作流和治理相结合,我们正在交付一个能够思考、推理和行动的动态界面。
这就是未来每个企业运行的方式。
是的,甚至还为此拍了一个新的 Matthew McConaughey 广告。
对一些人来说,尤其是当 Dario 和 Benioff 一起出现在 CNBC 上时,这是一个可以开玩笑的时刻。
企业家 Varun Ram Ganesh 写道,Anthropic 在融资的时候说:我们的总目标市场是美国经济。
我们是终极智能。
我们要消灭整个应用层。
我们要创造50%的失业率。
并且让整个人类劳动力变得多余。
现实中,Anthropic 兴奋地宣布与 Salesforce 合作推出 Claude Force。
但这种玩笑极大地低估了像 Salesforce 这样的东西在多大程度上支撑着企业世界。
Claude Force 足够引人注目,让我重新思考我之前的看法。
竞争信号正在发生变化。
除了标题之外,我觉得最值得注意的是,Anthropic 的首席商务官说,CRM 集成只是第一步,后面还会有更多。
实际上,软件供应商一直应该是前沿实验室最大的客户。
但到目前为止,似乎 Anthropic 和 OpenAI 都决定直接面向客户,而不是通过他们。
他们的策略正在改变,在一个动态的市场里,当事实发生变化时,你的看法也必须改变。
Anthropic 显然意识到,在企业内部,当代理的护栏、治理和基础设施还不存在,而且未来一到两年内也不会存在时,直接取代软件是很困难的。
现在的问题是,客户是否仍然想把数据从记录系统中移出来,自己构建原生方案,从而避免支付软件平台的 API 费用?
还是他们会接受在现有软件基础设施上启用 AI 所带来的便利?
这种叙事正在转变,直觉上,这些原生集成应该能以更少的投入,给客户带来他们想要的 AI 价值。
鉴于这种叙事发展的规模,现在很难对企业软件持悲观态度。
数据、运营嵌入的工作流、专业知识、在位优势仍然是软件的护城河,而 Anthropic 正在发出一个市场信号,承认这些护城河的持久性。
而且你看,这显然只是一些零星的例子。
但我和一些了解这个 Claude Force 交易的人聊过,他们平时是和 Salesforce 这类系统打交道的,这些人对此非常兴奋。
而且至少有一个原本打算自己构建一些 Salesforce 替代方案的人,或者说至少是在探索这条路的人,基本上叫停了那个计划,想先看看这个方案能不能以合理的成本直接满足他们的需求。
所以,虽然 X 上的那些发帖人可能会觉得好笑,但在真正的企业世界里,我想你们有些人坐在这里会觉得,这是我到目前为止说的所有事情里,最重要的一笔交易。
现在我们已经介绍了大量功能,但还有几个模型值得一提,这周它们主要集中在音频和视频领域。
Gemini 这周又上了新闻,他们发布了新版本的语音转文字模型,Gemini 3.5 Transcribe。
这个模型支持超过 85 种语言,谷歌说他们在可用性方面取得了巨大进步。
如果你需要直接转录,模型可以工作在逐字模式;或者你也可以使用智能翻译模式,它会去掉填充词、压缩啰嗦的表述、处理自我修正,输出一个干净的用户意图版本。
你甚至可以创建自定义词汇,来增强模型处理专业术语和俚语的能力。
谷歌表示,这个模型在嘈杂环境中表现良好,并且能区分多达三个不同的说话人。
这个模型可以在谷歌的 AI 套件中使用,如果你喜欢用语音模式和 AI 交互的话;它也可以作为 API 供第三方应用使用。
这实际上和 Whisper Flow 这类产品处于同一个领域,不过它不只是一个终端应用,更是其他人可以在此基础上构建的关键基础设施。
AI 开发者 Jan Kronberg 写道,这种发布会有很多人错过。
在此之前,语音输入要求你基本上像写作一样说话——要有标点、结构良好的句子、过程中少做修正。
Gemini 3.5 Transcribe 颠覆了这一点。
你按照自己实际思考的方式说话,系统会生成你大概想写的文字,一边说一边帮你清理和整理。
顺便说一句,把这种清理做好真的很难。
比如,我经常在 Whisper Flow 的轻度清理版本和无清理版本之间来回切换。
无清理版本确实看起来像是一段没有良好标点的啰嗦话,有时还会不清楚。
但即使是最轻度的清理设置,Whisper Flow 也会把我用作连接词而非填充词的词去掉,假设它们是填充词。
不管怎样,就因为这个原因,我很期待看到谷歌在这里能提供什么不同的东西。
SpaceX AI 也推出了 Grok Voice Think Fast 2.0,并指出它现在在 Artificial Analysis Speech-to-Speech Index 上排名第一。
他们写道,这个指数衡量的是语音智能体能否对听到的语音进行推理、解决真实客户的问题,以及使用智能体工具正确完成任务。
他们接着说,在 Starlink,我们每天使用 Grok Voice 处理超过一万五千通客户支持和销售来电。
Grok 可以诊断硬件问题、寄出替换品,并且每周通过语音电话和聊天完成超过三千个订单。
很多人展示了 demo,探索速度和延迟的升级究竟在多大程度上改变了你在智能体场景中可以用语音做的事情。
不过,我们也从 Google 那里得到了一个新的视频模型。
这个模型叫做 Gemini Omni 1.1 Flash,他们写道,通过这次更新,你可以扩展场景、指定一个镜头的起始和结束帧、添加视频输入参考、把你喜欢的片段提升到 4K,并且可以快速在 360p 下测试想法。
换句话说,这百分百是一次不仅仅关乎所谓的“更好的视频”的更新。
它关乎的是视频生成整体可用性的大幅提升。
现在,我们又得到了一些新的基准测试结果。
Arena 表示,Omni 1.1 Flash 在文本转视频的竞技场中排名第一,在图像转视频的竞技场中排名第二,不过说到新的视频模型,好与不好还得看实际表现。
看起来人们的第一印象是,这确实是比之前的 Omni 模型有所升级。
Chablan 写道,最大的升级是语音,听起来明显更好、更自然,而且它生成的视频也比 Omni Flash 更逼真。
不过有些人发现,当把它和 Seed Dance 2.5 进行比较时,它并不算是明显的改进,甚至可能根本算不上改进。
在视频方面,Fal 也推出了 H3 Max,他们宣称它有更好的提示理解能力,而且速度要快得多得多。
他们声称平均延迟为 3.49 秒,而 Seed Dance 2.5 是 68 秒,Gemini Omni Flash 是 26.7 秒。
来自 Andreessen Horowitz 的 Justine Moore 写道,这是 Fal 推出的一个疯狂模型。
我无法形容只需 15 秒就能生成一个长片段的感觉有多疯狂。
这对整个领域来说将是变革性的。
细节方面我不太确定,但这个生成得很快,1.3 秒,只要 0.20 美元。
这也太离谱了。
H3 Max 可是件大事。
H3 Max 的第一印象。
15 秒的生成时间。
音频很棒,声音听起来很好,音效也很好。
对提示词的遵循度令人难以置信。
你说什么它就做什么。
还需要更多测试,但很难有别的模型能比得上 H3 Max 的平衡性和价格。
AI 视频跨越了一条界限。
在我仅使用网页界面的实验中,H3 Max 现在生成一段质量尚可的 AI 视频所需的时间,比你观看这段视频还要短。
是的,这些影响非常有趣。
它开创了实时交互的视觉环境,作为一个完全生成的世界。
人们可以拥有大规模多人在线、完全响应且独一无二的用户体验,没有明显的切换或等待。
那么,有了这些,从小的生活品质提升到全新的视频生成模型,有很多新东西可以去探索和尝试。
希望本期节目给你带来了一些想法,让你想马上投入去尝试。
那么今天的人工智能每日简报就到这里。
一如既往地感谢你的收听或收看,下次再见,平安。
已剔除 9 处广告(点击展开查看)
First of all, thank you to today's sponsors, KPMG, Harbor, Blitzy, and HyperAgent.
To get an ad-free version of the show, go to patreon.com/AIDailyBrief, or you can subscribe on Apple Podcasts. To learn more about sponsoring the show, send us a note at [email protected].
And lastly, if you listen to today's episode and think to yourself, man, I want to use all those features, but I feel behind, I need to catch up in my AI skills, the next cohort of super intelligent training programs, which are incubated over here at AIDB, are coming up in September.
You can find a link to them on the AI Daily Brief website, or you can just go to training.besuper.ai.
Learn more about what separates AI Amplifiers from everyone else at kpmg.com/us/aiamplifiers.
If you listen to this show, you likely have a thesis.
Maybe it's enterprise adoption, maybe it's compute, maybe it's a specific lab.
Harbor Capital's AI Lab Ecosystem ETFs let you express it via 5 actively managed ETFs, each seeking exposure to the ecosystem around one major lab.
Anthropic, OpenAI, DeepMind, Meta, or xAI.
Your view of the AI race in ETF form.
Harbor Capital Advisors' AI Lab Ecosystem ETF suite gives investors a way to invest in the AI ecosystem they believe is best positioned for success.
Search Harbor AI Lab Ecosystem ETFs wherever you invest or follow @HarborCapital on X to learn more.
Visit harborcapital.com for a prospectus containing investment objectives, risks, fees, expenses, and other important information.
Read and consider it carefully before investing.
Risks include principal loss and artificial intelligence-related risks.
Harbor ETFs are distributed by Foresight Fund Services, LLC.
Harbor is not affiliated with AI Daily Brief, and the funds are not affiliated with, sponsored by, or endorsed by any AI lab.
This is a paid advertisement and not personalized investment advice.
Investing involves risk, including possible loss of principal.
Blitzy's understanding of massive codebases unlocks autonomous security fixes, modernization, and new features.
So what happens when there's no legacy code at all?
Greenfield is supposed to be the easy part.
Clean slate, no technical debt.
But even greenfield moves at human speed, one sprint at a time.
Blitzy changes the unit of work from the developer to the project, autonomously planning, building, testing, and validating entire applications from scratch.
Hundreds of thousands of lines of production-ready code.
One Blitzy customer stood up a brand new application, 534,000 lines of code, compressing a 65-week roadmap into 2 weeks.
Another shipped an entire application with no frontend engineer.
Legacy or greenfield, the answer is the same.
Software at the speed of compute.
Build what's next at blitzy.com.
That's B-L-I-T-Z-Y dot com.
This episode of the AI Daily Brief is brought to you by HyperAgent, where you run fleets of agents your team can manage together.
New users get $1,000 in inference.
Forget local agents and chat workflows waiting on your laptop to be prompted.
HyperAgent deploys always-on agents in the cloud, doing real work across the tools your team already uses.
Marketing's agent turns competitor moves into landing pages.
Sales' agent enriches leads, drafts emails, and updates the CRM.
Ops' agent chases the paperwork and tracks the budget.
Every agent has access to shared context and follows your rules about scope and approvals.
It's time you add agents that feel like teammates.
Hire yours at HyperAgent, built by the team at Airtable.
Claim your $1,000 in inference at hyperagent.com/AIDailyBrief.
Now, for those of you who want to try H3 Max out, you can do it over on Venice.ai.
Venice is a privacy-focused AI alternative that recently crossed the threshold of $100 million in ARR, suggesting that more privacy-conscious AI has a market.