搜索“搜索”

6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资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投毒字节AI被开除后，他的公司估值2亿美元硬核看板·2026年10月16日 10:32他称自己当年是「不成熟」的「朴素的正义」。 10月12日，因「投毒」风波被字节开除两年后，田柯宇公开讲述了自己眼中的事件经过。 他承认干扰过同事的训练任务，却把动机解释为帮助别人，为这段经历起了一个颇为高尚的名字：「不成熟」的「朴素的正义」。 田柯宇公开访谈画面。 回应发布时，他已经是NeurIPS最佳论文第一作者，也获得投资，开始创业。 随后，一份以受影响人员名义发布的长文，反驳了他的讲述，并向他现在的合作方和投资机构提出核查请求。 一个实习生，如何在字节掀起这么大的风浪，让公司将其辞退，又起诉索赔800多万元？而故意

匹配字段正文

6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资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市场终于发现，AI最大的瓶颈不是电，不是芯片，而是钱36氪的朋友们·2026年10月16日 10:33资金供给承压，AI产业扩张遇阻，半导体或迎订单断崖 过去两年，全球资本市场深信算力即真理，但电力短缺可以扩容，芯片供给能够追平。近日，CoreWeave暴跌、科技巨头CDS飙升，整个产业链似乎正在看清一个残酷的事实：AI狂飙突进的最终物理极限，其实是资金的供给能力与融资成本。 当资本不再无限且不再便宜，AI从技术神话退回到了最朴素的投资回报率（ROI）算术题。 高盛最新测算显示，超大规模云巨头明年资本开支将达1.2万亿美元，同期经营现金流仅1.1万亿美元，至少35%的建设开支被迫依赖发债筹集，规模超400

匹配字段正文

决策哪些权限交给AI、哪些任务必须请示用户之后再执行——在“AI越狱”频发的当下，这一产品设计显得尤为重要。 在“三件套”的基础之上，再看个人Agent的真实能力时，便会觉得它瞬间眉清目秀了起来。例如Meta在9月正式发布的Muse，能够帮助用户管理日历、设置日程提醒并跟进待办事项，还能够协助撰写和发送邮件、预订餐厅、安排旅游行程。在网购场景下，Muse还能搜索商品进行比价，同时监控降价信息、主动寻找平台优惠，在获得用户授权后协助完成下单购买。 图源：Meta官网 说句“恰逢其时”的话，在双11这种大型促销节点，Muse无疑是一个能让人省心又省钱的得力帮手。这种产品功能与个人用户生活场景的高度适配，也是Muse在9月8日上线后，只用了不到两周就登顶美区APP Store免费榜的主要原因。 另一个更像“个人助理”的例子是Instinct。区别于Muse等以应用内交互为主的产品，Instinct采用短信和电话等方式交互。这意味着，用户不需要主动打开某个APP，再在对话框里输入任务指令，而是一个电话直接吩咐Instinct就行。截至目前，Instinct仍然只支持邀请制体验产品。这种“传统”

匹配字段正文

间有限。 应用生态的封锁，让发布的豆包手机二代更像个“半成品”。 豆包手机被App集体拉黑，并不是第一次。 2025年12月，“一代豆包手机”正式亮相，发布即巅峰，随后引发二手加价转卖潮，部分转让加价达到5000元。 豆包手机被追捧，是因为它真把“替用户决策”这事做明白了。 当别的App只能按照你的要求定点买好对应机票，它能直接帮人拉开多个App平台自动完成搜索、比价，最终给到用户的是结果，只需要你确认支付就行。 但狂欢持续不到一周。微信账号因为“登录环境异常”被强制下线，淘宝、支付宝、拼多多、美团以及多家银行App相继触发风控验证。几天之内，国民级应用集体把豆包手机助手“拉黑”，最初主打的微信操作功能被迫全面下线。 “豆包手机二代”的此次时刻，恰如“一代”的彼时彼刻。区别只是这一次要稍微体面一点。 相比豆包手机和App们势如水火，最近刚发布智能体手机的阶跃星辰，显得规矩了很多。 10月13日，大模型原生AI终端品牌STEPX（阶跃终端）举办主题发布会，旗下首款大模型原生智能体手机STEPX Neo正式发布，先行版售价3999元。这款手机搭载的个人智能体Amoo，已与支付宝、腾讯、携程

匹配字段正文

新能源车里装进电池包，中间隔着中试、专利、良率、供应链、环评，还有厂长的一句这玩意儿太贵了。 换句话说，AI 把瓶颈从想不出来，搬到了验不过来。原来人卡在前面，现在人卡在后面。以前缺想法，现在缺验证资源。谁有同步辐射机时、有电镜、有 GMP 车间、有临床床位，谁才接得住 AI 抛出来的球。 这也是为啥我不太爱用颠覆这个词。颠覆是记者写的，科学家只说收敛更快、搜索更宽、试错更便宜。Hassabis 在诺奖后访谈里讲得很克制：这些工具是扩展人类直觉，不是取消人类判断。Baker那也一样，蛋白设计再花哨，最后还得实验拍板。 名人都没说自己取代了谁，咱们别急着替他们宣布胜利。我甚至觉得，以后最值钱的不是会训模型的人，是会瞪着模型结果说你这玩意儿我信不过的那批人。 模型越来越能编，人类越来越得会验。科学史从来如此，望远镜出来了，天文学家没失业，只是看远了；显微镜出来了，生物学家没失业，只是看细了；现在模型出来了，科学家不会失业，只是得习惯和一个不睡觉、不抱怨、还总提怪点子的同事共用一张桌子。 资本该看什么，别看热闹 聊到这，得说点读大家可能更关心的：钱往哪去。 AI for Science 不是

匹配字段正文

i 能力以每月约 0.1 个指数稳定增长，无统计学显著加速迹象；团队将 Argon 略高于趋势线的表现归因于算力与组织投入增加，而非 AI 自主驱动研发，报告称 AI 驱动研究自动化的风险“目前相对有限”。 六、谷歌电商屡战屡败，这次它不卖货了 1.产品发布：2026年10月15日谷歌Universal Cart正式向美国用户开放，将购物车做成跨Google搜索、Gemini、YouTube、Gmail的“购物中枢”，具备降价补货提醒、结合Google Wallet卡权益与优惠码的省钱、跨商家配件兼容性推理三大能力。数据支撑：每天超10亿次购物、Shopping Graph覆盖超600亿条商品列表；首批结账商家含Nike、Sephora、Target、Ulta Beauty、Walmart、Wayfair及Shopify商家Fenty、Steve Madden，商家始终为交易记录方。 2.战略转向：谷歌电商历史屡战屡败（2006年Google Checkout、2011年Google Wallet、2013年Shopping Express、2020年Google Shopping零佣

匹配字段正文

IT之家 - 小泵 IT之家 10 月 16 日消息，当前抗生素耐药性问题不断加剧，全球迫切需要新型抗生素，但新药研发往往缓慢且过程繁琐。谷歌推出的 Google Antigravity 智能开发平台，能够有效简化这一流程。 Google Antigravity 提供了智能科学工作台，支持生物学家快速发现、结构评估和筛选潜在靶点，将原本需要跨多个数据库的分散搜索整合到单次会话中。该平台还借助 ProtNLM 模型，帮助研究人员扫描 UniProt 数据库中数百万未表征的蛋白质，该模型可直接从氨基酸序列预测生物功能。 研究人员已经通过 Google Antigravity 发现了一种新型抗菌肽候选分子，预测其对呼吸道感染病原体具有活性，目前该候选分子正在进行湿实验室验证。 IT之家援引博文介绍，抗菌肽，尤其是细菌素，是传统抗生素很有前景的替代品。这类物质天然进化出靶向细菌基础弱点的能力，病原体很难产生耐药性。目前全球数据库中已经积累了数十亿天然氨基酸序列，但大量序列功能未被标注，仍处于“暗物质”状态。 谷歌开发的 ProtNLM 深度学习模型，可以直接读取氨基酸序列的进化“语法”，直接从

匹配字段正文

编码智能体不再只是回答单个提示，而是被嵌入到编码执行框架（Coding Harness）中，以便更自主地处理任务。它们能快速找到项目中的文件：智能体会选择搜索词、读取命中结果，并例如追踪由控制器调用的某个服务及其相关测试。对它们来说更难回答的问题是：系统为何会以它们所见的方式构建、其各部分如何协同工作，以及在进行更改时哪些条件绝不能被违反。LangChain 的 CLI 工具 OpenWiki 会从代码仓库生成一个带链接的 Markdown 知识库，依据 Git 历史对其进行更新，并通过智能体提示和 MCP 工具使其可被检索。 LangChain 的 CLI 工具 OpenWiki 会分析代码库并创建本地 Wiki 文档。 AGENTS.md 或 CLAUDE.md 这类文件虽然提供了规则，但很难充当大型且快速变化的代码仓库的完整知识模型。 对代码仓库的更改可以依据新的 Git diff 和提交来记录。 在搜索相关代码位置时，编码智能体例如可以打开某个控制器的源代码、追踪被调用的服务并执行相关测试。然而，由此并不会自动形成可靠的系统模型，而只是整体系统的零散拼图。也许只有某个特定服务才

匹配字段正文

话说，微软造Maia 300，是因为Azure正在承载越来越大的AI计算压力。 2023年生成式AI爆发后，英伟达H100等高端AI GPU成为全球科技公司的争夺对象。H100单卡价格一度达到2.5万至3万美元，需求高峰期甚至出现交付周期延长的情况。 对于普通企业来说，一块GPU价格昂贵。对于微软、谷歌这样的云计算巨头，真正的压力来自规模。 谷歌用TPU支撑搜索、广告和AI服务，亚马逊用Trainium和Inferentia支撑AWS。 微软的Maia系列从2023年11月发布Maia 100算起，已经走到第三代：今年1月发布的Maia 200投入生产后，正在替Copilot等微软服务承担实际负载，Maia 300则瞄准2027年的大规模部署。从Maia 100到Maia 300不到三年，迭代节奏在明显加快。 三家的路径看似平行，投入的性质已经不同，自研芯片正在从可选项变成云厂商的标配。 引用萨提亚·纳德拉发帖评论区下面的一句话：“现在人人都在自己造芯片。淘金热的法则是：先卖铁锹，再卖造铁锹的工厂。”比喻有一定道理，更准确的说法是，云厂商卖的是铁匠铺的产能。现在他们做的事，是亲自拿起锤

匹配字段正文

。就CPU和内存需求而言，Scion基础设施占用空间为Git镜像基础设施的1/200。 CI和研究作业检出代码的速度提高了两个数量级，从几分钟缩短到几秒钟；仅CI一项就实现了25%的CPU容量提升。同时，客户端和缓存都不需要执行代码库维护，可以简化作业的生命周期管理。 原生Scion仓库实测性能提升 这一七人团队还构建并发布了代码审查平台Antique、代码搜索、源代码控制身份和访问管理系统、管理和提交大量已审查代码的新方法等。 Anthropic也特别提到，Scion绝非Git的通用替代品。Scion只适用于真正庞大的单体仓库，这类仓库要么有数万名工程师，要么有大量智能体在高效地编写代码。 不过，因为很多组件需要根据公司情况高度定制，因此Anthropic不会推出通用的Scion版本，只是向业界提供一种思路。 01.日均千万级检出、数百PB流量，Git难以应对AI智能体负载 Anthropic使用Claude编写软件的频率远超其他公司，这也使得其更快发现那些为人类设计的工具早已不堪重负。 随着单体仓库不断增长，Git已不再适用。仅主分支的历史记录就接近100GB，压缩后的工作副本也超

匹配字段正文

是孤例。 Inflection AI、Adept AI……全部都是核心团队出走，资产打包出售给巨头。 曾经大家以为，底层模型是水和电，真正赚大钱的是贴近用户的应用层。 但现在的现实是什么？ 办公Agent、代码Agent（比如Claude Code）、企业级工作流大行其道，资金和注意力再次大范围回流到底层模型厂商和实用型生产力工具上。 纯粹主打C端情感聊天、搜索问答的产品，在巨头自带流量的系统级碾压下，生存空间被挤压得越来越窄。 资金和注意力正在疯狂向生产力工具、向基础模型层收缩。 想靠聊天机器人讲出一个估值百亿美元的新商业帝国？ 这套叙事，似乎已经破灭。 技术是在螺旋向上的，产品形态跟不上技术阶段的需求，起步早只会成为先发劣势。 而最先吃螃蟹的Character.AI，也已经用生命的代价，为行业敲响了警钟。 唉。 五年前，当Transformer的元老们怀着改变世界的狂想走出谷歌大厦时，他们一定没想过，自己创办的公司会是这个结局吧—— 一纸破产声明，和迪士尼兜里的2000万美元。 参考链接： 本文来自微信公众号“量子位”，作者：Jay，36氪经授权发布。 该文观点仅代表作者本人，36

匹配字段正文

体称，创始人和主要投资方红杉更偏好Anthropic，认为它能带领公司进入下一个发展阶段。但9月Anthropic完成尽调后，却选择退出。 创始团队独立做产品的野心，和商业化的现实压力没能兼顾，或许就是这次谈崩的原因。 先看Decart原本想成为一家什么公司。 创始人Dean Leitersdorf早期接受采访时，翻着桌上一本谷歌25周年纪念册：前三分之一是搜索，后面是不断增加的产品。他举着前一部分说：“我们现在在这里。” 他希望Decart也能从底层技术出发，做出面向十亿用户的应用。 同一次采访里，他还说，他们本可以做一家卖给英伟达的公司，但自己的目标是拥有十亿消费者。在另一次采访里，他甚至直接说：让Decart成为“AI时代的谷歌或苹果”。 但做产品需要持续烧算力，创业公司烧不起，所以他们先替别人优化模型，赚到钱，再养自己的产品。 2024年10月31日推出的Oasis模型，看上去像《我的世界》，画面却由模型根据用户操作实时生成。据创始人回忆，Oasis上线三天用户就突破百万。Dean说自己在爱达荷州租车时，柜台工作人员认出他的Decart邮箱，说前一晚一直在玩。那是他第一次在街头

匹配字段正文

为约束集与约束值两个层面。机器人无需从零学习物理法则（交由已知物理模型与优化求解器处理），神经网络只需聚焦与任务相关的关键约束。 这种解耦大幅减轻数据负担，使模型能以极低数据量捕捉关键约束，实现跨物体与跨场景的精准求解。 以团队 MAGIC 项目中的“物品悬挂”任务为例，这类操作需要同时兼顾抓取、悬挂姿态与运动轨迹三重联合约束。 面对这一挑战，传统模型规划因搜索空间过大，单次求解动辄超过 5 分钟；而基于无监督特征学习与策略学习的代表性方法，哪怕在 10 万个合成水杯数据上训练，单次演示泛化成功率也仅有 42%。” 相比之下，该框架通过视觉对应关系引导约束优化，仅凭单次演示就将成功率大幅提升到了 93%。 图：悬挂任务中，传统模型规划单次求解超 5 分钟；纯数据驱动方法在 10 万合成 mug 上单例成功率 42%。本方法通过视觉对应将成功率提升至 93%。 04 RAPID 架构： 1 次人类演示+代码智能体， 搞定复杂非抓取交互 如果将上述“约束+接触序列”的思路进一步推演，就能构建出面向更复杂物理交互的通用架构： RAPID 。 注：RAPID源于此篇论文。点击查看：https:

匹配字段正文

sor Tower数据显示，Muse上线13天下载量突破250万，连续登顶美国iOS和Android免费榜，初期日活达到同期ChatGPT的近3倍；上线22天累计下载量突破500万，而ChatGPT达到同样规模用了56天。 资本市场更是直接用脚投票。9月21日Meta股价单日大涨11.43%，市值单日暴涨超1900亿美元。 在厂商的叙事里，个人Agent是继搜索引擎、应用商店之后的下一代流量入口——用户不再需要打开几十个App，只需要跟Agent说一句话，剩下的全由它搞定。 这个故事足够性感，于是所有人开始冲线。海外，OpenAI在9月底的DevDay上发布dots，由GPT-6 Astra驱动，每个dot配独立云电脑和浏览器，能调用ChatGPT生态里4000多款应用，还会在Slack、Teams里替你回消息、必要时回到你这里等你拍板；成立仅一年、只有14名员工的Instinct，9月28日完成10亿美元融资，估值一个月翻四倍冲到100亿美元，而它的产品至今还没对大众开放。 国内跟得更紧。 动作最快的是阿里。9月云栖大会上千问明确加速打造Personal Agent战略，10月13日

匹配字段正文

狗食自己吃”。纳米Work在内部测了用了大半年，把很多安全问题都解决了。包括我们本来引入了OpenClaw的架构，后来返工，换成借鉴Codex和Claude Code的架构。 第二，我们有安全团队配套，不是做一个外挂式的安全。智能体最大的一个问题，是它加载skill、加载工具、下载软件都可能中毒。大模型很傻很天真，你做个假网站说“我这有免费、不用Token的搜索skill”，它就用了。包括它误删文件怎么保护，这些是原来360安全卫士在PC、服务器上干熟门熟道的工作，我们把进程监控、扫描、文件恢复这些能力移植了过来。 第三，从架构上，我下决心做了一个成本比较高的架构。智能体默认装在你电脑上，一定有两个问题：一是它必然接触到电脑上的各种文件，一出错，很多Key、Token就都会泄露；二是电脑要带进办公内网，它到了内网就可能做发展、做探测。所以我们干脆在云端给每个用户建了一个“云端办公室”，放一台虚拟电脑、虚拟桌面和浏览器。你装的软件只是一个遥控器，并不是Agent；Agent养在云端办公室里，需要的工具都在那里。它接触不到你电脑上的数据，除非你授权，也进不到企业内网。齐天大圣想大闹天宫都可

匹配字段正文

做多深，以及什么时候做”。 AI正在进入每一个App AI进入App的方式，比很多人想象得更直接。 2026年6月，微信开始灰度测试AI智能体“小微”，原本的稍后阅读浮窗入口被替换为“小微”，朋友圈也开始内测“AI帮写”。 中国移动APP底部导航栏上，AI助手被安排在居中、最显眼的位置，能够查询话费、套餐、办理业务，还能预订机票、酒店、推荐本地美食等。 AI搜索是平台App们首先尝试的方向。小红书的“点点”、微信的AI搜索、微博的“智搜”，都是各App内AI最早落地的场景之一；“算法猜你喜欢”变成了“AI猜你想听”，QQ音乐、网易云音乐、汽水音乐等音乐软件，都推出了AI助手帮用户找歌；淘宝、京东，还有事关买车、买房的贝壳、懂车帝App也都加入了AI导购。 ● 图源：App截图 在海外，各个软件大规模接入AI的行为，被一些人称为“AI washing”（洗AI）——为了跟上趋势，给产品贴上AI标签。当AI无处不在，用户开始产生抵触情绪，这种现象被称为“AI fatigue”（人工智能疲劳）。 过去，拒绝AI是一件很容易的事情，可以不下载、不注册、不使用；如今，当我们谈论AI，谈论的不仅是

匹配字段正文

ing（ERQA）测试中取得 87% 的成绩，在实际工程与科研应用中，将 Google 内部 Agent 代码提交量提升超过 35% 并减少近三分之一的代码回滚，在 A100 上运行 Gemma 4 E2B 实现 2.85 倍端到端推理加速，吞吐量由每秒约 37900 提升至超过 108000 token，使 xTB 预测分子结构速度提升至 2.3 倍、构象搜索速度提升至 1.8 倍，在罕见疾病诊断辅助测试 RareBench 上得分 57%、湿实验推理测试 LabBench 上得分 52.2%。 安全性方面，Gemini 4 Argon 模型将对抗测试中的违规率降低近一半，编程基准中的投机取巧尝试率降至 2%，并在 Gray Swan 间接提示词注入（IPI）基准中将 15 次自适应攻击的成功率压制在 0.7%。Gemini 4 Argon 自即日起面向开发者、企业、研究人员及订阅用户开放，Gemini API 首发尝鲜定价为每百万输入 2 美元、每百万输出 10 美元，缓存输入享受 95% 折扣。 Gemini 4 Argon 目前已在 Gemini 应用中上线，面向 Google

匹配字段正文

gineering 有重叠，但关注点不同。Prompt Engineering 更关注如何表达任务、约束行为和定义输出；Context Engineering 更关注运行时应该选择、压缩、排序并注入哪些信息，包括历史消息、Memory、RAG 证据、工具结果和环境状态。复杂 LLM 应用往往两者都需要。 模型缺少私有知识或最新事实时，应使用 RAG、数据库或搜索，而不是把整份知识库硬塞进 Prompt。模型需要精确计算、实时查询或执行动作时，应调用工具。输出必须满足机器约束时，应使用 schema 和程序校验。行为需要长期稳定地内化、请求量很大或 Prompt 已经非常冗长时，才进一步评估微调。 权限、安全、金额、库存和数据隔离等硬约束必须放在代码和基础设施中。Prompt 可以提醒模型遵守规则，却不能成为可信安全边界。判断方法很简单：如果模型偶尔不遵守会造成真实损失，就不能只依赖 Prompt。 图解 2：下面的诊断矩阵展示不同问题应该优先调 Prompt，还是交给上下文、工具、代码或训练解决。 6. 怎样把 Prompt 做成工程 Prompt 要进入版本管理，记录适用模型、参数、

匹配字段正文

swap，与 changeset 创建完全解耦。脚注里说明“只记第一父节点”是有意取舍；trunk-based 开发下人们主要关心主线历史。 2. 递归式的派生数据（derived data）。 blame、路径历史、提交图上的跳表，全部用同一个通用递归机制计算：每个 changeset 的值由其父节点的值派生。这带来三个好处：新增派生类型（如复制检测、路径搜索）成本极低；每种类型可独立选择立即算还是惰性算；内部结构对客户端完全透明，可以随时重写优化。 分层缓存架构 客户端 scn 的协商协议与 Git 完全不同：不声明“我有什么”，而从根开始递归请求缺失的 tree，再请求 blob。每个请求都是不可变的内容寻址对象，任何一层缓存都能服务，天然可续传、无 packfile。三层结构：每节点的 scion-daemon → 区域级 scion-cache（直接以客户端磁盘格式从内存流式发送）→ 权威的 scion-servers（读 Spanner/云存储），响应同一套 RPC，但层级间严格隔离故障域。效果：每层缓存命中率超 99%，基础设施 CPU/内存占用缩小 200 倍，chec

匹配字段正文

磋商的场所。 该小型设备在被发现前，已放置了约两天时间。OpenAI调阅监控录像后发现，在窃听设备被查出前，Alfozan曾多次出现在该会议室附近，但他当时并无任何正当理由需要进入该房间。 检方还指控，在案发前数周，Alfozan曾利用一款AI工具查询会议室信息以及“领导层和高管”会议的具体地点。此外，联邦起诉书披露，一个与其配偶关联的聊天机器人账户，曾多次搜索有关音频录制、远程访问设备及数据卡加密的问题。 检方称，Alfozan上周还将一个背包遗留在OpenAI办公区的另一处无人看管地带。安保人员在包内发现了他的钱包，以及另一个与高管会议室所获装置相似的录音设备。 上周五，Alfozan正式被捕。周二，他在联邦法院出庭，并被控使用或试图使用电子、机械或其他设备截取口头通信内容。如果罪名成立，最高可能面临五年监禁。 美国联邦调查局局长帕特尔(Kash Patel)表示，“保护美国的‘超级智能’（SI）创新，对于捍卫我国的经济实力与国家安全至关重要，FBI将这一使命视为我们最高级别的反情报优先要务之一。” 沙特阿美总部遭袭！特朗普指责胡塞武装：中期选举前蓄意推高油价 收起; 40年未见之

匹配字段正文