AI基础设施全面升温：定制芯片、代理工具与企业回报压力同日发酵

6月25日 00:30 UTC·#ai-agents

Gemini 3.5 Flash 内置计算机使用

Google 表示，computer use 现在已经成为 Gemini 3.5 Flash 的内置工具，取代了此前独立的 Gemini 2.5 computer use 模型。开发者现在可以直接用主力 Flash 模型构建能够在浏览器、移动设备和桌面环境中看、推理并执行操作的代理。

这把 Gemini 的代理能力从 API 式工具调用扩展到直接操作计算机界面，对于跨真实应用和界面的自动化工作流很重要。它可能会提升企业场景中的持续软件测试、知识工作以及其他需要长链路、多步骤执行的任务。

Google 推出了 Gemini 3.5 Flash 的内置 computer use 功能，并称其为目前在代理式计算机使用任务上的最佳表现。此前，这项能力只作为独立的 Gemini 2.5 computer use 模型提供。现在，它已经被直接集成到 Gemini Flash 的主模型中。Google 表示，这使开发者能够构建自定义代理，让它们在浏览器、移动设备和桌面环境中观察屏幕、进行推理并采取行动。公司将其定位为长链路自动化的重要进展，包括持续软件测试以及面向专业应用的企业知识工作。

Google 还指出，Gemini 本身已经擅长 function calling，以及 Search 和 Maps grounding 等内置工具，而 computer use 则把代理能力扩展到了真实界面交互。为了展示这一能力，文章提到 3.5 Flash 可以分析 Gemini 应用并返回按类别整理的功能列表，也可以审计自己的文档以发现可访问性问题。在安全方面，Google 说它使用了定向对抗训练来缓解真实环境中的提示注入风险，并加入了两个可选的企业级保护措施：对敏感或不可逆操作要求用户确认，以及在检测到间接提示注入时自动停止任务。Google 建议开发者采用“纵深防御”策略，把这些机制与沙箱隔离、人工审核和严格访问控制结合起来。公司最后表示，已经有客户开始从 computer use 中获得价值，并引导开发者通过 Browserbase 的演示环境、Gemini API 以及 Gemini Enterprise Agent Platform 的参考实现和文档开始构建。

Google 表示，他们通过定向对抗训练来降低真实环境中的提示注入风险，同时还发布了两个可选的企业级防护措施：对敏感或不可逆操作要求用户明确确认，以及在检测到间接提示注入时自动停止任务。公司还建议将这些机制与沙箱隔离、人工复核和严格访问控制结合使用。

6月25日 05:42 UTC·#ai-research

谷歌AI人才持续流向竞争对手

据彭博社报道，谷歌顶级AI研究员Jonas Adler和Alexander Pritzel将离开谷歌，转投Anthropic。此前，Noam Shazeer已宣布加入OpenAI，John Jumper也将前往Anthropic。

这些离职表明，谷歌、OpenAI和Anthropic之间对前沿AI人才的争夺正在加剧。失去与Gemini和AlphaFold相关的研究人员，可能会影响谷歌在最重要AI项目上的持续推进能力。

TechCrunch报道称，又有两位重要的谷歌AI研究员Jonas Adler和Alexander Pritzel将离开谷歌，转投Anthropic。彭博社表示，这两人都在谷歌Gemini模型的开发中发挥了关键作用。文章将这次离职描述为谷歌AI团队面临的一种更广泛、也更令人担忧的趋势。上周，著名AI研究员Noam Shazeer宣布离开谷歌加盟OpenAI。Shazeer自2000年起一直在谷歌工作，只是在创办争议较大的聊天机器人初创公司Character.AI期间离开过三年；谷歌后来实际上以27亿美元收购了Character.AI，部分目的就是把他带回团队继续推进Gemini。

就在Shazeer宣布离职几天后，Google DeepMind主管John Jumper也表示将离开谷歌前往Anthropic。Jumper与Demis Hassabis一起因AlphaFold相关工作获得了2024年诺贝尔化学奖，AlphaFold可以根据氨基酸序列预测蛋白质的三维结构。文章指出，这反映出前沿AI实验室正在持续从谷歌挖走资深研究人员，尤其是那些与谷歌最重要模型和科学突破相关的人才。TechCrunch表示已向谷歌寻求评论。文章最后提到，随着OpenAI和Anthropic准备上市，它们可以通过股权激励更容易吸引顶尖人才。

据报道，Adler和Pritzel曾参与谷歌旗舰AI模型Gemini的开发，而John Jumper则参与了AlphaFold的研发，后者可根据氨基酸序列预测蛋白质的三维结构。文章还指出，OpenAI和Anthropic在上市前可能通过股权激励更容易吸引人才。

6月25日 00:48 UTC·#humanoid-robotics

Agility Robotics 计划通过 25 亿美元 SPAC 上市

Agility Robotics 表示，将通过与 Churchill Capital Corp XI 合并的方式上市，这笔交易对公司的估值约为 25 亿美元。该交易预计将带来超过 6.2 亿美元的收益，其中包括来自新老机构投资者约 2 亿美元的投资。

这对最知名的人形机器人初创公司之一来说，是一个重要的融资里程碑，也为 Agility 扩大 Digit 的生产和部署提供了资金。它还表明，投资者仍然看好正从演示阶段走向真实客户环境的 AI 自动化和机器人公司。

Agility Robotics 成立于 2015 年，源自 Oregon State University 的分拆项目，现在计划通过与 Churchill Capital Corp XI 合并成为上市公司。该交易对 Agility 的估值约为 25 亿美元。公司表示，这笔交易预计将带来超过 6.2 亿美元的收益，其中约 2 亿美元来自新老机构投资者的组合。Agility 最知名的产品是 Digit，这是一款双足人形机器人。Digit 目前已经在九个客户场地投入使用，客户包括 Schaeffler、GXO、Toyota Motor Manufacturing Canada 和 Mercado Libre。

公司此前还获得了 Amazon、Nvidia、SoftBank Vision Fund 2 和 DCVC 等机构的支持。Agility 表示，将把这笔 SPAC 融资用于扩大 Digit v5 的产能、交付现有订单，并拓展新的和现有的客户。公司还称，Digit v5 已经拿到超过 3 亿美元的多年期订单，同时还有超过 30 家潜在客户正在评估大规模部署。CEO Peggy Johnson 表示，人形机器人将成为生产力、供应链韧性和美国技术领导力的重要驱动力。合并后的公司预计将在北美某家尚未公布名称的交易所上市，股票代码为 AGLT。

Agility 表示，Digit 已经在九个客户场地投入使用，包括 Schaeffler、GXO、Toyota Motor Manufacturing Canada 和 Mercado Libre。公司还称，Digit v5 已获得超过 3 亿美元的多年期订单，并且有超过 30 家潜在客户正在评估大规模部署。

6月24日 17:32 UTC·#ai-agents

Anthropic 在 Slack 推出 Claude Tag

Anthropic 推出了 Claude Tag，这是一项 Slack 集成功能，允许用户在频道中直接 @Claude 来分配任务。公司表示，其内部版本已经为产品团队生成了 65% 的代码，而这项新功能目前已向 Claude Enterprise 和 Team 客户开放测试版。

这意味着 Anthropic 的 AI 正从私聊助手走向基于频道的共享工作流工具，能够在团队间协调任务。如果公司所称的内部效率提升属实，就说明 AI 智能体可能会越来越多地承担企业内部真实的软件开发和运营工作。

Anthropic 推出了 Claude Tag，这是一项把其 AI 直接嵌入团队 Slack 频道的新集成功能。获得权限的用户可以在频道里直接 @Claude，用自然语言描述任务，模型会把请求拆解为多个步骤，调用已连接的工具和数据，并在同一个线程里汇报进展。Anthropic 将这项产品定位为 Claude Code 的延伸，并表示它已经成为公司内部工作流的重要组成部分。公司称，其内部版本的 Claude Tag 已经生成了产品团队 65% 的代码。除了工程团队外，Anthropic 还表示，产品指标跟踪、支持工单处理和 bug 排查等场景也在使用它。与传统的一对一聊天不同，Claude Tag 的设计是每个频道共享一个 Claude，因此频道里的所有成员都能看到模型正在做什么，并继续接上前人的讨论。

在获得相应权限时，它还可以使用其他频道和数据源的上下文，但不会共享私人频道中的任何内容。启用“ambient”模式后，Claude 可以主动提示相关信息，并跟进停滞的线程或任务。Anthropic 还表示，该系统支持异步工作，可以在数小时甚至数天内自行安排任务并持续跟踪项目，而通过直接消息时，它会使用每位用户自己配置的工具和连接器。对于企业客户，管理员可以按频道控制工具和数据访问权限、设置 token 限制，并查看完整的操作日志。Claude Tag 目前已向 Claude Enterprise 和 Team 客户开放测试版，并将取代旧版 “Claude in Slack” 应用，管理员有 30 天时间迁移。

Claude Tag 的设计是每个 Slack 频道对应一个共享的 Claude，管理员可以控制它可访问的工具、数据和代码库。Anthropic 表示，它可以异步工作，在“ambient”模式下跟进停滞任务，并将不同频道和团队之间的记忆隔离开来。

6月24日 22:36 UTC·#openai

OpenAI推出Jalapeño AI推理芯片

OpenAI公布了Jalapeño，这是其首款与 Broadcom 合作打造的 AI 处理器，目标是为 AI 服务器推理提供算力。公司表示，这只是一个多代计算平台的第一步，并计划在 2026 年底前部署。

这款芯片表明 OpenAI 正在进一步转向定制芯片，以减少对仍然昂贵且供给紧张的 Nvidia GPU 的依赖。如果进展顺利，它可能改变 ChatGPT、Codex 以及未来智能体产品的大规模运行成本。

OpenAI 公布了一款名为 Jalapeño 的新“智能处理器”，这是它与 Broadcom 合作开发的 AI 服务器芯片。根据周三的公告，这颗芯片旨在支持当前和未来的大语言模型。OpenAI 将 Jalapeño 定义为一款 ASIC，也就是面向特定工作负载而不是通用计算的芯片。这里的工作负载是 AI 推理，也就是模型在接收用户请求后给出回复，或运行 Codex 这类智能体。它与 AI 训练不同，后者是模型通过海量数据学习的过程。

这项发布距离 OpenAI 宣布与 Broadcom 合作造芯片大约过去了九个月。OpenAI 希望借此降低对 Nvidia GPU 的依赖，因为后者供应有限，而且在整个 AI 行业中被广泛争夺。Broadcom 首席执行官 Hock Tan 在接受 Reuters 采访时表示，这款芯片的性能可以与 Nvidia 的 Blackwell 芯片以及 Google 的 TPU 相媲美。报道还提到，Microsoft、Meta 和 Amazon 近来也都推出了自己的定制 AI 芯片，用于训练或推理，尽管从总体性能上看，它们仍然落后于 Nvidia。

OpenAI 表示，Jalapeño 只是一个多代计算平台的第一步。公司预计会在 2026 年底前开始部署该系统。OpenAI 还说，目前最终性能仍在测量中，但早期测试显示，Jalapeño 的每瓦性能会明显优于当前最先进水平。该芯片不仅面向 ChatGPT 和 Codex，也面向 API 以及未来的智能体产品。

Jalapeño 是一款 ASIC，意味着它面向的是单一用途而非通用计算，OpenAI 说明它主要针对 AI 推理而不是训练进行优化。OpenAI 表示早期测试显示其每瓦性能明显优于当前最先进方案，而 Broadcom 首席执行官 Hock Tan 称其性能可与 Nvidia Blackwell 和 Google TPU 相匹敌。

6月25日 01:07 UTC·#ai-models

Snowflake 编码基准中 GLM-5.2 对比 Opus 4.7

Snowflake 将智谱的 GLM-5.2 与 Anthropic 的 Claude Opus 4.7 进行了 103 个真实编程任务的测试。每个任务允许三次尝试时，两者的解题率几乎相同，GLM-5.2 为 66%，Opus 4.7 为 67%。

这一结果表明，一款更便宜的中国模型可以在实际企业工作负载上与领先的西方编程模型竞争。这会给依赖高价定价的 AI 厂商带来压力，尤其是在大语言模型的重要场景——编程领域。

Snowflake 首席执行官 Sridhar Ramaswamy 公布了一项手工编程基准测试结果，对比了智谱的中国模型 GLM-5.2 与 Anthropic 的 Opus 4.7。该测试包含 103 个编程任务，要求代码同时适用于 DuckDB 和 Snowflake，每个模型在每个任务上都有三次尝试机会。在这个设定下，两者的总体表现几乎持平：GLM-5.2 解出了 66% 的任务，Opus 4.7 解出了 67%。但如果只看第一次尝试，差距就更明显了：Opus 的首次成功率是 53.7%，而 GLM-5.2 只有 47.6%。GLM 的效率也更低，平均每个任务需要 99 次迭代，并消耗 8.6 亿个 token，而 Opus 只有 80 次迭代和 4.39 亿个 token。

Ramaswamy 认为，GLM 的优势在于能可靠地同时验证 DuckDB 和 Snowflake 上的代码，在某些任务上甚至只有它能完成。他也指出，GLM 有时会过度检查错误的方向并过早放弃，例如有一个任务它在 24 分钟内进行了 411 次工具调用，检查了行数、分布、空值和列类型，却三次都失败了。尽管如此，价格差距非常大：智谱给出的 GLM-5.2 价格是每百万输入 token 1.40 美元、每百万输出 token 4.40 美元，而 Opus 4.7 分别是 5 美元和 25 美元。文章认为，这种差价可能会对西方 AI 公司形成真正的价格压力，尤其是在编程这个它们重点押注的核心场景中。

Opus 4.7 的首次尝试准确率更高，达到 53.7%，而 GLM-5.2 为 47.6%；它也更高效，平均每个任务 80 次迭代，而 GLM 为 99 次。尽管如此，GLM-5.2 的价格要低得多，输出 token 每百万仅 4.40 美元，而 Opus 4.7 为 25 美元。

6月25日 00:49 UTC·#figma

Figma 在 AI 成本上升中押注人类判断

在 Config 2026 上，Figma 发布了更大的画布能力，开始覆盖代码、动效、3D 深度和着色器效果，同时还加入了用于共享提示词、工作流和自定义工具的协作功能。公司表示它仍将依赖外部 AI 模型，而不是自己训练模型，尽管这些模型正在驱动更多产品能力。

这次更新说明设计工具正在演变为端到端的产品工作空间，而 AI 厂商也在竞争直接生成界面。它还凸显了一个不断加剧的软件经济问题：即便 AI 功能带来用户增长，推理成本也可能压缩利润率。

Figma 在旧金山举行的 Config 2026 上展示了其设计平台的一次重要扩展。公司表示，95% 的《财富》500 强企业都在 Figma 中构建产品，它希望在 Anthropic 和 OpenAI 等 AI 竞争对手开始直接生成界面的情况下，继续把这些团队留在自己的平台上。Figma 没有押注自研模型，而是强调人类判断、协作能力，以及设计与代码之间更紧密的整合。公司认为，这种做法还能减少 token 消耗，并缓解外部模型成本带来的压力。Figma 也承认，AI 已经成为重要增长驱动力，但由于底层推理需要付给外部提供方，利润率正在被侵蚀。

新的画布不再只承载静态布局，而是加入了代码、动效、深度和着色器工具。Figma Make 现在可以接入团队的生产代码，并支持分支、提交和拉取请求，而且无需终端即可完成操作；Code Layers 则允许用户从设计生成代码，或者把可编辑的设计层从代码中拖出来，再转换回代码。动效功能把动画、过渡和时间线带到画布中，并且可以通过 Dev Mode 和 MCP 进入生产流程。公司还引入了 3D 变换和基于 WebGPU 的着色器，用于模糊、像素化、抖动、磨砂玻璃和抛光金属等效果。最后，Figma 正在把去年收购的 Weave 整合为一种“AI 材料”，帮助团队把多个模型和图像来源组合成统一的设计方向，目前画布上已经有 20 多个 Weave 工具，后续还会有更深度的集成。

Figma 表示，新的 Code Layers 让用户可以在设计和代码之间切换，导入 GitHub 仓库，并在不离开工作区的情况下编辑由代码支撑的设计。它还加入了可协作的动效时间线、3D 变换和基于 WebGPU 的着色器效果，目前画布上已提供 20 多个 Weave 工具，完整集成计划在今年晚些时候推出。

6月24日 17:28 UTC·#ocr

Mistral发布OCR 4用于多语言文档理解

Mistral AI 发布了 OCR 4，这是一款用于读取 PDF、Word 文件和 PowerPoint 演示文稿中文本的 OCR 模型。公司表示，它不仅能提取文本，还能识别版面元素及其语义角色，例如标题、表格、公式和签名。

这让 OCR 更接近完整的文档理解，这对搜索、信息提取以及需要结构化输入而不是原始文本的 AI 代理都很重要。它支持 170 种语言，因此对多语言工作流和全球企业文档处理尤其有价值。

Mistral AI 发布了 OCR 4，这是一款新的文档 OCR 模型，面向 PDF、Word 文件和 PowerPoint 演示文稿中的内容识别。与只返回原始文本的基础 OCR 不同，OCR 4 还能识别元素在页面上的位置，并对其角色进行分类。根据公司说法，它可以区分标题、表格、公式和签名等内容。这样的版面与区块分类，旨在把文档自动拆分成有意义的部分，从而更适合搜索系统和 AI 代理使用。

Mistral 还表示，该模型会提供置信度分数，帮助用户判断它对单词或页面识别结果的把握程度。该模型支持 170 种语言，并且据称对较少见的语言也表现良好。在一项包含 600 多份文档的盲测中，独立评审者有 72% 的时间更偏好 OCR 4 的结果。Mistral 表示，OCR 4 可通过 API、Mistral Studio 和 Microsoft Foundry 使用，价格为每 1,000 页 4 美元，批处理模式下为 2 美元。

Mistral 表示，OCR 4 还会输出置信度分数，用来估计它对每个单词或页面的识别确定性。在一项包含 600 多份文档的盲测中，公司称独立评审者有 72% 的时间更偏好 OCR 4 的结果。

6月25日 01:25 UTC·#ai-policy

围绕亚历克斯·博雷斯的AI金钱战以微弱失利告终

亚历克斯·博雷斯在纽约第12国会选区的民主党初选中失利，以35%对39.1%的结果输给了米卡·拉舍尔。此次选举已演变成一场价值2741万美元的AI监管代理战，双方分别得到与AI相关的超级政治行动委员会和行业高管支持。

这场竞选成为一个备受关注的检验场，用来观察与AI产业立场一致的金主是否能通过巨额投入影响地方政治和AI监管走向。它也表明，前沿AI治理正越来越多地与竞选资金、超级PAC影响力以及中期选举策略发生碰撞。

这场吸引了AI行业高度关注的纽约国会初选，最终以亚历克斯·博雷斯小幅落败收场，米卡·拉舍尔赢得了民主党提名。博雷斯是纽约州议员，也曾在科技行业工作；他因共同起草RAISE法案而走红。该法案为前沿AI公司设立了护栏和安全要求，后来其一个版本已在纽约州正式成为法律。正因为这一立场，博雷斯成为主张放松监管的一方的目标。支持放松监管的“Leading the Future”超级PAC部分由OpenAI、Palantir和Andreessen Horowitz高管资助。

与此同时，多个与Anthropic及其盟友相关的AI超级PAC又投入巨资支持博雷斯，使这场初选变成了一场围绕AI监管的昂贵代理战。根据联邦选举委员会文件，与这场对决相关的总支出达到2741万美元，其中支持博雷斯的Jobs and Democracy PAC、Dream NYC、You Can Push Back和Guardrails Alliance共花费1926万美元，而“Leading the Future”花费了815万美元。博雷斯最终以35%的得票率位居第二，拉舍尔以39.1%领先。虽然Jack Schlossberg、George Conway和Nina Schwalbe等候选人也分流了选票，但报道认为，曼哈顿本地政治和拉舍尔所获得的建制派支持可能才是决定胜负的关键。博雷斯在落败后表示，这场竞选证明人们并没有被AI巨头吓住，反而更愿意站出来反对他们。

博雷斯曾共同起草纽约州的RAISE法案，该法案为前沿AI公司增加了护栏和安全要求，且该法案的一个版本已于去年签署成为州法律。联邦选举委员会文件显示，支持博雷斯的PAC共花费了1926万美元，而“Leading the Future”花费了815万美元，但曼哈顿本地政治和拉舍尔获得的建制派支持，最终可能比AI议题更关键。

6月25日 04:34 UTC·#windows-security

Microsoft Secure Boot 证书即将到期

ZDNET 报道称，4 个与 Microsoft Secure Boot 相关的证书将在 2026 年到期，最早的截止日期是 2026 年 6 月 24 日。微软还在 Windows Security 中加入了内置检查功能，用户可以查看自己的电脑是否需要更新这些证书。

Secure Boot 是现代 Windows 和许多 Linux 电脑的核心启动防护机制，因此证书到期会影响启动时使用的信任链。大多数用户只要保持 Windows 更新通常就没问题，但 IT 团队和管理旧系统的人需要在截止日期前确认兼容性。

ZDNET 表示，多个 Microsoft Secure Boot 证书将在 2026 年到期，其中第一个截止日期是 2026 年 6 月 24 日。文章把这件事描述为一个实际的安全维护问题，而不是灾难性故障，但它很重要，因为 Secure Boot 已深度集成到 Windows 中，而且越来越多的 Linux 发行版也在使用它。Secure Boot 通过在启动时检查加密签名，确保只有受信任的启动组件可以运行。文章指出，正在到期的是微软 2011 年发布的旧证书，包括 KEK 和 UEFI CA 凭证，需要用更新的 2023 证书替换。

报道还提到，凡是大约过去 15 年内生产的电脑，大概率仍在固件中使用这些旧的 Microsoft 证书。微软已经为普通用户和企业环境提供了更新指南，并在 Windows Security 应用中加入了查看证书状态的方法。ZDNET 还建议用户提前保存一份 BitLocker 恢复密钥，因为与安全相关的固件或启动更新有时会和加密磁盘产生关联。文章强调，大多数电脑用户只要安装最新更新通常就不会有问题，但管理员应当尽早检查设备，避免 2026 年晚些时候出现麻烦。

受影响的证书包括 Microsoft Corporation KEK CA 2011、Microsoft Windows Production PCA 2011 和 Microsoft UEFI CA 2011，它们将被 2023 版证书替换。ZDNET 指出，即使证书过期，电脑通常仍可正常启动，但如果没有更新证书，未来可能无法接收与 Secure Boot 相关的更新。

6月25日 05:56 UTC·#ai

工程类岗位比预期更具韧性

TechCrunch 报道称，SignalFire 的招聘数据分析显示，软件工程在 2025 年是最具韧性的岗位职能，尽管外界普遍担心 AI 正在取代工程师。报告指出，大型科技公司的工程岗位招聘降幅远小于整体招聘，而且早期初创公司的工程招聘甚至有所增长。

这一结论挑战了 AI 劳动力争论中最强烈的叙事之一：编码自动化已经在消灭工程需求。若这些数据成立，AI 可能更多是在改变工程师的工作方式，而不是直接取代他们，这对雇主、求职者以及关注白领岗位变化的政策制定者都很重要。

文章首先提到，关于 AI 是否已经在取代工作岗位的争论仍在持续，而且技术行业的裁员在 5 月达到多年新高；根据 Challenger, Gray & Christmas 的说法，AI 还是当月最常被提到的裁员原因。随后文章指出，软件工程通常被认为最容易受到自动化冲击，因为 AI 编程工具的采用速度很快，但招聘数据却没有显示出人们预期中的崩塌。SignalFire 研究负责人 Asher Bantock 表示，很多裁员的解释都是“一个工程师现在能做过去很多工程师的工作”，但他们看到的现实与这种说法并不一致。SignalFire 的分析覆盖了数百万名员工的职业记录，以及超过 8000 万家公司，并认为招聘数据比裁员数据更能反映实时趋势，因为员工在被裁后往往不会立刻更新自己的就业状态。最新的《State of Talent Report》显示，大型科技公司的整体招聘量比 2019 年下降了 25%，但工程岗位只下降了 11%。

在 SignalFire 所称的 12 家“Tech Majors”——Alphabet、Meta、Apple、Amazon、Microsoft、Netflix、NVIDIA、Tesla、Uber、Airbnb、Block 和 Stripe——中，工程师在 2025 年占新员工的 55%，高于 2019 年的 46%。SignalFire 还表示，早期初创公司在 2025 年招聘的工程师数量比 2019 年多了 7%。文章将这一结果与 Anthropic CEO Dario Amodei 关于 AI 可能大幅消灭初级白领岗位的警告进行对照，也引用了 Anthropic 经济负责人 Peter McCrory 的话，称公司尚未看到 AI 对就业带来明显的实质性变化。Nvidia CEO Jensen Huang 也被引用为反对“AI 会取代工程师”的观点，他认为 AI 反而让工程师更忙。文章最后将这一现象解释为一种“杰文斯悖论”：工具越高效，需求反而可能越大，因为工作会扩张到填满新增能力。

SignalFire 表示，其追踪了数百万员工的职业轨迹，覆盖超过 8000 万家公司，并且使用招聘数据而不是裁员数据，因为裁员后的状态更新往往滞后。根据最新的《State of Talent Report》，大型科技公司的总招聘量比 2019 年下降了 25%，但工程岗位只下降了 11%，而工程师在 SignalFire 所定义的 12 家“Tech Majors”中新招员工中占比达到 55%。

6月25日 05:30 UTC·#ai-infrastructure

美光搭上AI存储芯片热潮

TechCrunch 报道称，受 AI 推动的存储芯片短缺影响，美光最新季度业绩大幅增长，盘后股价上涨超过 13%。公司表示，营收同比增长四倍至 414.5 亿美元，利润升至 282 亿美元，并预计第四季度营收将在 490 亿至 510 亿美元之间。

这则新闻说明 AI 基础设施建设正在重塑半导体市场，存储芯片既成了关键瓶颈，也成了利润引擎。它会影响 AI 采购方、PC 和消费电子厂商以及普通消费者，因为供应紧张已经开始沿产业链推高价格。

TechCrunch 表示，AI 热潮正在推动一场严重的存储芯片短缺，而这类芯片对训练和运行计算需求极高的 AI 模型至关重要。文章提到，一些业内人士认为，这种短缺可能会持续到 2027 年。随着供需失衡加剧，芯片价格正在上涨，并逐步传导到智能手机、电视等消费电子产品上。苹果 CEO Tim Cook 也在一周前警告称，苹果产品涨价几乎不可避免。在这样的背景下，美光并没有受到冲击，反而成为受益者之一。

作为美国最大的计算机存储芯片制造商，这家总部位于爱达荷州的公司在周三收盘后公布了第三季度财报，结果明显超出市场预期，并推动股价盘后上涨超过 13%。公司营收达到 414.5 亿美元，约为去年同期的四倍。净利润则从 18.8 亿美元飙升至 282 亿美元，增幅更为惊人。美光还给出了乐观的下一季度指引，预计营收将在 490 亿至 510 亿美元之间。与此同时，公司宣布与 Anthropic 签订存储芯片和存储产品供货协议，并披露其参与了 Anthropic 的 H 轮融资。

美光是美国最大的计算机存储芯片制造商，报道强调其股价已从 2024 年初约 83 美元大幅升至收盘 1048.51 美元。公司还宣布与 Anthropic 达成供货协议，并表示参与了 Anthropic 的 H 轮融资，但未披露具体投资金额。

6月25日 04:09 UTC·#ai-budgets

企业开始收紧AI令牌支出

TechCrunch 报道称，包括 Accenture 在内的一些公司正在收紧 AI 使用政策，因为员工据称把高昂的 AI 预算花在了转换 PDF 为幻灯片等琐碎任务上。报道指出，行业正在从鼓励“尽量多用 AI”转向对 token 消耗进行限制。

这反映出企业正在面对一个越来越现实的问题：AI 使用会迅速产生真实成本，但业务价值并不总是清晰可见。它对 CFO、COO 和 CIO 影响尤其大，因为他们现在必须在生产力收益和不可预测的 AI 支出之间做平衡。

TechCrunch 表示，AI 行业正在从鼓励最大化使用，转向更严格的成本控制。就在今年早些时候，一些公司还在推动员工大量使用内部 AI 工具，甚至设置排行榜来提高采用率。可现在，企业开始意识到 AI 预算会被非常快地消耗掉，而回报却未必明显。404 Media 报道称，Accenture 一直在尝试阻止员工把 token 额度花在一些基础工作上，比如把 PDF 转成演示文稿。

这样的收紧措施，发生在 Accenture 此前警告员工如果不使用 AI 可能会影响晋升之后不久。根据一段泄露的内部会议音频，Accenture 的 agentic AI 战略负责人 Justice Kwak 说，AI 已经开始实质性影响公司的成本结构。他还表示，支出变得不可预测，而高层，尤其是 CFO、COO 和 CIO，正在追问公司是否从 AI 投入中获得了足够价值。文章把这件事放在更大的“AI 抛售”背景下，认为市场正在更严格地审视 AI 的经济性。

这篇报道基于一段泄露的 Accenture 内部会议音频，会议参与者包括 agentic AI 战略负责人 Justice Kwak。Kwak 说，AI 已经到了一个拐点，正在实质性影响成本结构，而管理层也在质疑这些支出是否真的带来了价值。

6月25日 00:15 UTC·#figma

Figma新增代码层和AI插件工具

Figma在其协作画布中加入了代码层，并支持动效、着色器、动画、过渡和3D变换。它还新增了利用AI创建自定义插件、可重复使用的AI技能，以及在今年稍晚直接在Figma中生成Weavy工作流的能力。

这次更新进一步把Figma推向设计到代码的一体化流程，让设计师、产品经理和工程师更容易一起原型化和快速迭代。它也说明AI正从附加功能变成协作式产品设计工具的核心组成部分。

Figma在周三发布了一次重要产品更新，重点是进一步打通设计、代码和AI。最引人注意的新功能是代码层，它把代码直接带到协作画布中，让团队可以在Figma里处理软件行为本身。公司表示，这将帮助团队克隆仓库，并把代码中的流程提取到设计层里进行测试和探索。首席产品官Yuhki Yamashita说，这个方向的目标，是让设计师、产品经理和程序员更容易快速迭代，而不用纠结于把代码打磨到生产环境可直接使用的程度。

Figma此前已经在朝这个方向推进，例如去年推出了基于AI提示词的原型工具Figma Make，并接入了Claude Code和Codex来改善设计与编码之间的交接。此次更新还加入了对动效、过渡、3D变换和着色器的支持，而这些内容过去往往需要先在其他工具中制作，再转换成应用能理解的代码。除此之外，Figma还在扩展它的AI助手，新增了可通过提示词定义的可重复技能，以及连接Notion、Granola、Excel和GitHub等外部工具的能力。公司还表示，用户可以通过提示词创建自定义插件，例如布局生成器或矢量路径追踪器，并计划在今年稍晚让用户直接在Figma中生成Weavy工作流。

代码层旨在帮助团队克隆仓库，并把代码中的流程提取到设计层中进行测试，而不必担心生产级代码质量。Figma还允许用户连接Notion、Granola、Excel和GitHub等上下文来源，或附加文件，让AI助手能基于更具体的信息执行任务。

6月24日 07:30 UTC·#ai-agents

MoEngage收购Aampe，押注AI代理营销

MoEngage 已以全现金方式收购旧金山初创公司 Aampe，目标是围绕为单个客户决策的 AI 代理来构建营销体系。双方没有披露交易金额，但 TechCrunch 报道称，这笔交易价值数千万美元。

这笔交易反映出营销软件正从内容生成和流程辅助，转向更自主的 AI 决策。若 MoEngage 能把“按客户分配代理”的模式做成竞争优势，它可能更容易从 Salesforce 和 Adobe 等老牌厂商那里争取企业客户。

MoEngage 是一家印度客户互动软件公司，它宣布以全现金交易收购旧金山初创公司 Aampe。此次收购的核心，是 MoEngage 认为营销的未来将由“数百万个 AI 代理”来为单个客户做决策。虽然双方没有公开交易条款，但一位知情人士告诉 TechCrunch，这笔交易价值数千万美元。Aampe 成立于 2020 年，其产品为每位客户分配一个专属 AI 代理，让品牌能够根据行为而不是传统的受众分群和活动规则来个性化触达。MoEngage 表示，Aampe 已经拥有 30 多家客户，分布在美国、欧洲和亚太地区，而且过去一年的年经常性收入增长了 150%。

MoEngage 联合创始人兼首席执行官 Raviteja Dodda 表示，这笔收购将帮助公司更好地争夺正在使用 Salesforce 和 Adobe 营销平台的客户。他还说，MoEngage 的增长很大一部分来自企业客户从 Salesforce Marketing Cloud 和 Adobe Experience Cloud 的迁移，并且公司最近已经签下了三到四笔年合同价值数百万美元的交易，这些客户都是从 Salesforce 转来的。收购完成后，大约 20 名 Aampe 员工将加入 MoEngage，使其员工总数达到约 820 人。MoEngage 还表示，公司目前服务于 75 个国家的 1,350 多个消费品牌，行业覆盖零售、金融服务、媒体和外卖配送等领域。

Aampe 成立于 2020 年，其软件为每位客户分配专属 AI 代理，使品牌可以基于行为而不是宽泛人群分组来个性化消息。MoEngage 表示，Aampe 在美国、欧洲和亚太地区拥有 30 多家客户，过去一年年经常性收入增长了 150%。

6月25日 03:54 UTC·#openai

ChatGPT Instant 更懂用户意图

OpenAI 表示，ChatGPT 中使用最广的 GPT-5.5 Instant 现在能更好地推断问题背后的真实意图，并在多轮对话中保持上下文。它还可以更完整地处理包含多个条件的复杂提示，并在用户补充说明或提出异议时更灵活地调整回答。

这些改进旨在让 ChatGPT 在提供建议、帮助决策和比较选项时更有用，而这些正是现实中最常见的助手使用场景。更强的意图理解和多轮连贯性有助于减少重复和模板化回答，从而提升大量用户的日常使用体验。

OpenAI 正在更新 GPT-5.5 Instant，这是其在 ChatGPT 中使用最广泛的模型，重点是提升对话质量。公司表示，这个模型现在更擅长识别用户问题背后的真实目标，而不仅仅是按字面意思作答。它在多轮对话中保持上下文的能力也更强，这有助于处理更长的来回交流。对于包含多个条件的复杂提示，OpenAI 说模型现在能给出更完整的回答。

当用户对回答提出异议或进一步澄清需求时，模型也应该能更灵活地调整，而不是重复原来的思路。OpenAI 还强调了对本地商家和购物查询的改进，称模型会更有效地利用位置信息，并更连贯地整合推荐、商家信息和图片。总体来说，这次更新希望让回复看起来不那么模板化，而是更像经过有意设计的答案。这个方向表明，OpenAI 想让 ChatGPT 在日常助手任务中更有用，比如帮助用户做选择、获取建议以及查找附近商家。

OpenAI 表示，该模型在本地商家和购物查询中会更有效地利用位置信息，并且能更连贯地整合推荐、商家信息和图片。公司还称，回复整体会“更少模板化、更有针对性”，这说明改进不仅针对相关性，也针对呈现方式。

6月24日 21:00 UTC·#openai

OpenAI的DeployCo、Codex增长与AI回报压力

OpenAI部署负责人Arnaud Fournier表示，公司旗下的DeployCo正在把工程师直接派进企业客户内部，将AI嵌入真实业务系统，并把经验反馈给研究团队。他还表示，Codex目前在全球拥有超过400万周活跃用户，其中德国自2026年1月以来增长了720%。

这次采访显示，OpenAI正从单纯卖模型转向深度企业部署，这可能会影响大型公司在受监管环境中的AI采用方式。它也凸显了行业核心问题：即使AI越来越便宜、能力越来越强，企业仍然很难证明清晰的投资回报。

OpenAI部署负责人Arnaud Fournier在采访中介绍了公司如何通过子公司DeployCo更深入地进入企业软件领域。他表示，这个部门会组建工程师团队，直接进入企业的IT系统和业务流程中，目标是让AI真正融入日常运营并发挥作用。Fournier说，这种一线部署工作还能形成反馈回路：工程师会发现模型的不足和需要改进的地方，再把这些经验带回OpenAI的研究团队。他强调，单靠模型或API并不会创造价值，只有把技术嵌入工作流、做好合规管理并持续监控，价值才会显现。Fournier还提到，OpenAI在巴黎、伦敦和慕尼黑都有站点，并与德国企业开展联合项目。

DeployCo的首个收购对象来自英国咨询公司Tomoro，后者将带来大约150名前线部署工程师和部署专家。谈到合作伙伴时，他提到了OpenAI的Frontier Alliance，包括Accenture、Capgemini、BCG和McKinsey，并认为这些伙伴需要OpenAI的帮助，才能跟上快速变化的模型能力。采访还谈到数据使用问题：Fournier表示，除非客户明确要求参与研究合作，否则OpenAI不会用客户数据训练模型。他还认为，AI智能的价格已经大幅下降，但像GPT-5.5这样的新模型因为需要更复杂的算力，成本可能更高。最后，他表示OpenAI仍然无法给出计算AI投资回报率的统一公式，这也说明企业证明AI项目商业价值依然非常困难。

Fournier表示，DeployCo的前线部署工程师处在产品、研究和客户团队之间，帮助企业落地合规、可监控的AI系统，而不只是提供API。他还提到，除非客户明确要求，OpenAI不会用客户数据训练模型；而像GPT-5.5这样的新模型，因为计算更复杂，成本也可能更高。

6月25日 00:15 UTC·#figma

Figma新增AI动效、着色器和代码图层

在年度 Config 大会上，Figma 发布了由 AI 驱动的动效图形、着色器工具和代码图层，让用户可以更直接地在画布内处理设计与代码。Figma 还介绍了一个重新设计的画布，目标是更适合全栈开发，并让团队与 AI 代理更紧密协作。

这些更新让 Figma 不再只是静态界面设计工具，而是更接近设计到开发一体化的工作流。若被广泛采用，它们可能减少设计师和开发者在不同工具之间切换的成本，并让 AI 辅助原型制作和视觉效果创作更容易在同一平台内完成。

Figma 在年度 Config 大会上发布了一系列产品更新，目标是帮助创作者“把想法推进得更远”，并借助 AI 自动化繁琐工作。公司表示，画布已经重新设计，以支持全栈开发，把团队、AI 代理、工具和素材“放在同一个地方”。其中一个重点是代码图层，用户无需离开 Figma Design 画布就可以直接处理代码。Figma 说，用户可以克隆仓库、让代理生成新的方向、把流程提取成可编辑的设计图层，并将修改同步回代码。另一个重点功能是 Motion，它允许团队协作设计动画、转场和 3D 变换。

用户可以通过 Figma 的聊天机器人提示 AI 生成动画，也可以应用预设风格，或者在时间轴上手动微调，最终结果与设计系统和可交付代码相连。Figma 还推出了 Shaders，允许用户通过提示词使用 WebGPU 构建着色器效果和填充，包括此前在 Figma 中无法直接创建的抖动、像素化和多种模糊效果。公司还宣布了 Figma Weave 工作流，它把 20 多个集成的 Weave 工具整合起来，帮助用户在画布上简化复杂的 AI 工作流，而更完整的整合预计将在今年晚些时候推出。最后，Figma 介绍了代理技能、更深的上下文支持、第三方连接器、网页搜索和文件附件，以及生成式插件功能，后者可以把提示词变成可复用工具，而且不需要开发环境搭建或技术背景。

代码图层允许用户不离开 Figma Design 画布就调整项目代码，包括克隆仓库、借助 Figma 代理生成新方向、将流程提取为可编辑的设计图层，并把修改同步回代码。动效和着色器功能也很重要，因为动效支持通过提示词创建动画并在时间轴上手动调整，而着色器则利用 WebGPU 在画布内直接生成抖动、像素化和新的模糊效果。

6月25日 02:52 UTC·#ai-agents

客服 AI 代理快速实现回报

Salesforce 的一项调查显示，70% 使用 AI 代理的服务组织在部署后 60 天内就看到了正向结果。调查还发现，客户服务中的 agentic AI 采用率在过去一年里从 39% 上升到 66%，预计到 2026 年底将达到 88%。

这些结果表明，企业 AI 代理正从试点阶段走向能够快速体现业务价值的工具，尤其是在客户支持场景中。这可能会加速厂商投入、预算审批，以及在服务运营中的更广泛采用。

ZDNET 报道了一项来自 Salesforce 的新调查，显示客服领域的 agentic AI 正在快速升温。在使用 AI 代理的服务组织中，70% 表示在部署后的 60 天内就取得了正向结果。调查还称，客户服务中的 agentic AI 采用率从 2025 年的 39% 上升到 2026 年的 66%，Salesforce 预计到 2026 年底这一比例将达到 88%。这项研究基于来自 13 个国家、五大洲的 3,075 名服务专业人士。结果显示，85% 的服务组织已经使用 AI，其中生成式 AI 为 78%，预测式 AI 为 71%，agentic AI 为 66%。

在面向客户的部署方面，89% 的组织会在整个服务生命周期中、并通过网页、语音、应用、文本和社交网络等渠道使用 AI 代理。最常见的应用场景包括主动触达、个性化产品推荐、工单解决、工单路由以及通话后处理。报告同时强调，企业并没有把人工完全移出客服流程，因为 77% 的公司允许客户在任何时候联系人工客服。文章还提到，企业正在围绕“数字劳动力”扩展新岗位，包括数据管理、AI 架构、提示词专家等。最后，Salesforce 认为 outcome-based pricing 可能会进一步推动企业采用 agentic AI。

这项调查覆盖了来自 13 个国家、五大洲的 3,075 名服务专业人士，发现 85% 的服务组织已经在某种形式上使用 AI。多数公司仍保留人工介入：77% 允许客户在任何时候转接人工客服，最常见的应用场景包括工单分流、主动触达、推荐和通话后处理。