全部资讯

亚马逊因Ring人脸识别功能未获同意存储图像遭集体诉讼

近日，亚马逊旗下Ring公司因AI面部识别功能“熟悉面孔”遭集体诉讼。原告指控该功能在未经授权下，采集并存储路人面部数据，将私人门前变为微型扫描站，严重侵犯隐私。此案凸显了AI技术过度收集数据与法律“知情同意”原则的深层冲突，标志着争议从数据安全转向AI底层设计伦理。该案将成为检验美国隐私法律对生物识别技术约束力的关键试金石，若胜诉将推动智能家居行业向“隐私优先”范式转型。

美政府收窄AI监管：自愿预审先行，产业意见重塑新政

特朗普签署修订版AI行政命令，将先进AI模型的强制性安全审查改为自愿预发布审查。此举是白宫在科技界强烈抵制下作出的政策退让，旨在避免冗长审查拖慢研发、泄露商业机密及削弱美国在全球AI竞赛中的优势，标志着美国AI监管转向“亲商”与“创新优先”。然而，安全倡导者担忧自愿审查缺乏约束力，可能引发失控风险。与欧盟强制合规框架相比，美国更依赖市场自律，凸显国际治理路径分歧，未来监管松紧仍将随技术演进与风险容忍度而摇摆。

OpenAI升级Codex切入白领场景：实战数据揭示企业落地路径

在生成式人工智能从技术炫技走向产业落地的关键节点上，OpenAI 再次调整了进攻方向。这一次，这家人工智能实验室没有选择面向大众消费者发布新模型，而是将目光聚焦于企业级市场，试图把长期被视作“技术试验品”的编码助手转化为可规模复制的生产力工具。周二，OpenAI 面向 Codex 推出了一系列新能力，意在拓展这一具备代理性质的工具在工作场景中的适用范围。与此同时，一份关于 Codex 在知识型工作中实际使用状况的内部报告也随之发布，勾勒出人工智能在企业日常运转中的渗透路径。

所谓 Codex，是 OpenAI 此前基于大型语言模型打造的代码理解与生成系统（Code Inter...

OpenAI与三星加持，Opal从影像转向首款AI音频硬件

在当今瞬息万变的科技赛道上，企业的战略转型往往预示着新一轮的市场风向。近日，曾凭借高端网络摄像头（Webcam）在消费电子市场声名鹊起的Opal公司，正式宣布了其业务方向的重大调整——从单一的视觉影像设备领域，全面转向更广阔的消费电子产品生态。而这一大胆跨界背后的核心驱动力，正是来自OpenAI与Samsung的巨额资金注入。据悉，转型后的Opal将优先发力音频硬件领域，其首款音频设备已在紧锣密鼓的研发之中。

对于长期关注数码硬件圈的消费者而言，Opal的名字并不陌生。这家公司此前凭借一款主打超高画质与专业级影像表现的网络摄像头，成功打破了传统视讯设备的刻板印象，在创作者群体...

Anthropic scales Claude Mythos to critical infras

在全球数字化浪潮加速演进的当下，关键基础设施的网络安全正成为各国政府与科技企业共同面对的核心命题。近期，人工智能领域的头部企业Anthropic宣布，将旗下名为Project Glasswing（玻璃墙项目）的安全漏洞研究计划进一步扩大覆盖范围，同时向150家机构开放其安全评估平台Mythos（神话）。这一举措覆盖15个国家，重点聚焦电力、供水、医疗和通信等四大领域，旨在为那些一旦遭受网络攻击就可能波及一亿人口的设施构筑更稳固的防线。

从技术演进的角度来看，生成式人工智能在过去两年里迅速从实验室走向产业深处，随之而来的安全挑战也愈发复杂。传统网络安全更多关注边界防御与已知漏洞...

ZeroDrift raises $10M to protect AI models from th

在生成式人工智能加速渗透各行各业的当下，合规风险正在从边缘走向核心。过去，人们更多关注模型本身的训练数据与算力投入，而如今，对话内容的可控性正成为企业落地AI时无法回避的一道考题。近期，一种新型AI合规服务（AI compliance service）悄然进入市场，其定位介于AI模型与最终用户之间，通过对消息流的实时干预，识别并替换可能触碰合规红线的表达，为高风险场景下的AI应用加了一道“安全阀”。

从技术实现来看，这项服务并不直接参与模型训练，而是以中间层的方式接入现有系统。它在用户输入与模型输出之间建立审查通道，利用自然语言处理与规则引擎，对语义进行多层扫描。一旦发现潜在...

The Download: AI can run your admin department now

这是《下载报》今日版，我们的工作日通讯，每日速递全球科技动态。小微企业如何用好人工智能？从会计、设计到市场调研与产品开发，所需技能跨度惊人。善用AI工具，企业可在有限资源下提升效率、优化流程并加速创新。关键在于找准痛点、循序渐进引入技术，同时重视数据安全与员工培训。实践表明，小微企业通过AI赋能，不仅能降本增效，还能在竞争中更敏捷地捕捉机会。

Scikit-LLM 与传统文本分类器：何时应使用大语言模型

生成式人工智能正逐步取代传统机器学习模型，成为文本分类等任务的主流方案。相比依赖人工特征工程的经典方法，大型语言模型凭借海量预训练带来的语义理解与推理能力，在复杂、模糊场景下表现更优，并支持零样本或少样本学习，大幅降低应用门槛与开发周期。尽管面临可解释性、幻觉与推理成本等挑战，行业趋势已不可逆：未来企业级文本分类将更多采用生成式AI与传统模型的混合架构，实现能力与成本的平衡。这一转变标志着AI从模式识别走向认知理解，并将随多模态发展拓展至更广泛的智能应用。

Travelers携手OpenAI在全国范围部署AI理赔

Travelers联合OpenAI推出AI驱动的理赔助手，旨在提升理赔效率与服务体验。系统通过引导申报、24/7答疑与弹性扩容，缓解高峰期压力，降低用户操作门槛与沟通摩擦。技术路径强调可控与合规，采用“人在回路”设计，关键判定仍由人工完成，推动保险流程从电子化向智能化演进。面对复杂场景与合规要求，该实践以分层处理平衡成本与质量，并为服务体验驱动的行业竞争提供新范式。落地仍需持续校准数据与反馈，但已为保险数字化注入务实动能。

拒随AI潮！火箭引擎初创Impulse融5亿美元，重金押注人类工程师

美国Impulse Space总裁Eric Romo指出，尽管AI在模拟与数据分析上潜力巨大，但在航天等物理工程实践中存在根本局限。由于极高的失败成本与复杂的物理环境，火箭制造等核心环节仍高度依赖工程师的直觉、手感与隐性知识。AI模拟与实际测试常有偏差，关键工艺与故障排查仍需人类主导。Romo强调，AI是优化设计与计算的“超级辅助”，而非替代者，航天工程正走向“人机协作”模式：AI处理重复计算，人类保留决策与风险判断。他呼吁工程师重视车间实践，在算法效率与人类不可量化的智慧间寻找平衡。