阅读

Meta计划在这个假日季发售Muse Charm——一个可以随身携带的AI电子宠物硬件。The Verge gadgets编辑Sean Hollister没有买它，因为他花50美元从中国直邮了一块Waveshare ESP32-S3 1.75C触摸屏开发板，用Claude Code把它变成了自己的Muse Charm。

这块开发板是Meta官方推荐的Muse Gadget开发套件之一，使用Meta的开源代码和令牌直接连接Muse AI云端。Hollister把设备插到电脑上，让Claude指向Meta的GitHub仓库，然后配对到Muse手机App。但开箱体验让他觉得这东西几乎没用：Muse把他的语音当成待转录的音频片段而不是指令；回复很慢，不发声；屏幕上只显示几个字，没有地方看完整消息；只有一个叫Jolly的静态头像；不会自动发现智能家居设备。

真正改变一切的是几轮Claude Code对话。Hollister告诉Claude他读不到也听不到Muse的回复，Claude就建了一个对话历史页面，可以右滑查看完整消息；他接入了ElevenLabs的英式AI语音让设备朗读回答。他抱怨远程拍照时手机前置摄像头画面是倒的，Claude修好了，还加了一个蓝牙低画质实时预览，这样不在家里Wi-Fi下也能从创意角度取景。

电子宠物部分是另一个例子。他让Claude做了一批不同头像，加了一个Tamagotchi式小游戏：宠物需要喂食、玩耍、睡觉和洗澡。游戏太简单留不住注意力，他就让Claude加了饥饿、无聊和脏污各四个等级。他决定零食会弄出碎屑让宠物变脏，玩太久会累。整个过程中他只需要描述想要什么，Claude负责写代码。

他还让Claude花15分钟做了一个带三根指针、真正能显示时间的怀表表盘，以及一个视频播放器，把扎克伯格介绍Muse Charm的片段下载、剪辑后装进了这块小屏幕。

Hollister明确表示他没有编程经验，不知道这些代码质量如何，可能致命缺陷。他也不信任Meta和Muse，因为此前有报道说Muse泄露了一位评测者的家庭住址，所以他从一开始就把设备放在访客Wi-Fi上。

他的最终判断是：Muse本身不是买专用计算硬件的理由，因为手机上的Muse功能比这块开发板开箱状态还多。专用硬件值得拥有的原因，是你可以把整个设备重新编程，去做口袋里那台手机做不到的事。这让他对即将上市的Muse Charm产生了一个疑问：它是否也允许这样自由编程，还是说真正想折腾的人应该直接买开发板。

AI基础设施建设的巨额投入，本质上是在押注企业未来愿意为智能付费。但一个更紧迫的问题是：企业内部的什么变化，才能让这些投资真正变成自我造血？前IDC总裁、现PSG Equity高级顾问Crawford Del Prete在SiliconANGLE Breaking Analysis节目中给出了一个具体的机制解释：当前AI正在自动化大量个体任务，但尚未改变组织的工作流设计，因此个人生产力提升与公司利润表之间存在一条J型曲线。

Del Prete的观察来自他每天接触的PE投资组合和大量企业客户。他描述了一个看似矛盾的现象：一方面，量化导向的客户对算力需求是'真正贪婪的'——他们愿意买下所有能获得的GPU容量，因为AI让他们能创造出以前无法实现的分析和交付物；另一方面，更广泛的企业客户正在把AI用于编码、客服等预期领域，并开始渗透到组织内部的各个具体任务。但'工作由数百甚至数千个任务组成，我们开始自动化这些任务，却没有改变工作在一个组织中被编排的方式'。

这就是J型曲线延迟的来源。主持人Vellante引入了Brynjolfsson、Rock和Syverson关于无形投资如何影响生产力的研究框架：采纳阶段先投入工具和技能，然后重新设计流程，这两步都会让累计现金流为负；只有当整合贯穿整个组织后，曲线才开始陡峭上升。Del Prete用PC时代做类比——从PC引入到生产力数据可见增长，实际花了十三四年，中间的关键转折是1996年到2002年的互联网连接期。他同时指出一个与dot-com时代的重要区别：当年铺设的暗光纤长期闲置，而'今天每一块上线的GPU都是100%利用率'。

Del Prete认为跨越这条曲线的具体路径是工作流的重新设计，而非对现有流程的简单自动化。他把这与此前的RPA做对比：RPA之所以困难，是因为你必须把人类步骤写成代码；而AI的不同在于'从底层开始'——员工用自然语言解决自己长期面临的痛点，然后把解决方案编码为可复制的项目或技能，再在整个组织中共享。他把这称为'一种极其灵活、可适应、可用的RPA，以前从未存在过'。

在软件定价层面，Del Prete观察到最显著的变化是从席位制向用量制迁移。对于非SaaS公司引入AI，最大的挑战是'如何单独货币化AI'——答案通常不是单独卖AI，而是把它嵌入核心产品，通过交叉销售、升级和提价来体现价值，最终推出AI专属的增量功能。他对基于结果的定价持保留态度，因为'它变得非常偶发，与项目关联，你就得不到那种粘性'。

Del Prete还提出了一个三层软件模型来解释AI对产业格局的影响：执行层（计算工作本身）、判断层（从数据中自动生成洞察）、问责层（谁为结果负责）。他认为执行层和判断层正在被AI吸收，而'问责层是公司今天真正聚焦的地方'——谁在凌晨两点接电话，谁对合规数据负责。这意味着未来的软件公司需要在执行和判断层尽可能高效，同时让人类能够承担比以前更多的决策责任。

关于判断AI是否接近自我造血的可观察指标，Del Prete列出了他在投资组合中实际跟踪的几组数据：净留存和总留存如何随AI功能推出而变化；赢单/输单分析——客户是否转向更AI-native的竞品，或者转向内部自建；AI功能是否在吸引新客户；以及每个增量客户是否因为生态数据而获得更好的体验。他特别强调'下一个最佳行动'的追踪：工单是否被重新打开、发票是否被争议、推荐是否被接受——这些后续交互构成双向客户价值飞轮。

Vellante和Del Prete共同维护的框架是：他们2026年夏季的AI泡沫预测研究将2029年标记为最高风险年份——如果基础设施供给在生产力货币化之前赶上，泡沫破裂风险将升至危险水平。当时的判断是供给约束和健康的资本融资意愿可以提供软着陆条件。Del Prete承认'这些生产力数字需要很长时间'，但他同时说'我从未见过一种技术被世界如此迅速地拥抱'。两者的张力正是这篇文章的核心：采用速度前所未有，但组织重新设计的速度从未快过技术本身。

需要明确的是，这是Del Prete基于其PE投资组合观察和数十年技术周期经验提出的归因论点，而非独立验证的预测模型。J型曲线是概念性类比，2029年是条件性判断（取决于供给与货币化的相对速度）。Del Prete接触的客户本身已是高采用率企业，对更广泛市场的代表性有限。他的观察提供了判断企业AI是否接近自我造血的具体条件和可追踪指标，但不构成对泡沫是否破裂的确定性预测。

PolyAI联合创始人兼CEO Nikola Mrkšić近期出现在由Barclays Eagle Labs制作的《Disruptive》播客片段中，主持人是Luke Christoforidis。在该片段中，Mrkšić探讨了为什么硅谷流行的“语音已死”观点实际上脱离了人们与企业建立联系的现实方式。

PolyAI是一家构建企业级语音AI代理以接听客户电话的公司。这一资源适合那些希望了解语音AI在商业场景中实际应用现状及其市场定位的专业人士。虽然未提供完整的论证细节，但来自一家领先语音AI公司创始人的直接观点，为评估语音技术在企业通信中的持续重要性提供了参考。

PolyAI（poly.ai）联合创始人Nikola Mrkšić在科技访谈节目《The Unlock with Oliver Bruce》的最新片段中，探讨了人工智能对就业市场的深远影响。Mrkšić来自贝尔格莱德，他在节目中提到了其母亲在塞尔维亚国家银行（National Bank of Serbia）的工作经历，以此作为个人化的例证来说明AI浪潮的规模。

根据发布者提供的视频标题和描述，Mrkšić指出其母亲所在的部门原有40人，最终仅有2人留任。他借此案例论证AI是“同一股浪潮，但规模远更大”。这一观点为理解AI技术如何重塑传统行业劳动力结构提供了一个具体的、可感知的切入点。

对于关注AI产业投资及社会影响的读者而言，此片段的价值在于它并非抽象的技术讨论，而是由一家专注于企业级语音AI代理（voice AI agents）公司的创始人提出的第一手观察。尽管未提供完整转录稿或详细论证过程，但该资源明确标识了嘉宾身份、所属机构及其核心论点方向，适合作为了解AI就业替代效应的快速参考材料。

PolyAI联合创始人Nikola Mrkšić近日出现在科技访谈节目《The Unlock with Oliver Bruce》的片段中，分享了他离开苹果公司并创立PolyAI的经历。Mrkšić曾在苹果内部参与Siri的开发工作，他在描述中提到，由于周围人不断反馈Siri的表现不佳（“People kept telling me Siri's sh*t”），这促使他决定离开苹果，转而构建专注于单一任务但性能卓越的语音AI产品。

这一叙述为观察大型科技公司AI人才流动及竞争格局提供了一个微观视角。Mrkšić所创立的PolyAI目前主要为企业客户提供能够自动接听客服电话的语音AI代理。尽管该片段未展开详细的技术论证或市场分析，但其明确指出了前苹果员工因对通用助手体验失望而投身垂直领域语音交互开发的动机。对于关注AI产业投资、特别是语音技术商业化路径的专业读者而言，这一背景故事揭示了从通用大模型向特定场景专用工具转型的一种潜在驱动力。

据The Decoder报道，OpenAI计划从11月29日起将其Daybreak Blue网络安全产品的会话数据用于模型训练。这一变化通过一封发给Trusted Access计划成员的电子邮件得到确认。此前，这些数据被明确排除在训练之外，即使用户已关闭“为所有人改进模型”的通用设置。

消息传出后引发了迅速的反响。OpenAI随后发送了第二封电子邮件，承诺将提供一个单独的退出选项（opt-out）。不过，报道指出，在安全审查中被标记的交互内容仍可能被用于安全目的。

这一政策变动让研究人员担心重演Buckmaster-Alpöge事件。在该事件中，数学家Tristan Buckmaster和Levent Alpöge曾向OpenAI的Codex上传Navier-Stokes方程草稿，随后OpenAI提出了自己的证明但否认使用了他们的输入进行训练。然而，这种怀疑本身足以向研究人员展示潜在的风险。

美国司法部（DOJ）于2026年10月31日宣布，“捉鬼敢死队行动”（Operation Ghostbusters）的首批调查结果已导致对五名被告的起诉，并查封了与肯尼亚国民网络相关的超过75万美元加密货币。这是该类案件在肯尼亚的首次国际资产查封。

据司法部声明，犯罪分子使用被盗身份注册学生贷款，并利用人工智能完成申请流程，使虚假学生看起来正在参加在线课程。虽然学校获得了大部分欺诈所得，但剩余资金通过“骡子”账户转移至海外同伙手中。无辜受害者——那些高中毕业后直接工作而未上大学的人——因此背负了他们从未申请的债务。

自2021年以来，美国多所社区学院和大学开始怀疑联邦学生援助（FAFSA）项目存在欺诈。估计显示，美国政府因此类活动损失超过2亿美元。目前，涉及26个FBI外勤办公室和20个美国检察官办公室的40多起欺诈案件仍在调查中。

据《华尔街日报》报道，人工智能公司OpenAI在其最新一轮私募融资中仅落实了约110亿美元，不足其300亿美元目标的一半。公司的最终估值定格在1.25万亿美元，低于此前预期的1.4万亿美元。

报道称，这一资金缺口主要源于大型机构投资者兴趣的消退。近期谷歌、亚马逊和英特尔发布的疲软季度财报引发了科技股抛售，进而影响了资本市场的风险偏好。作为应对，OpenAI计划转向家族办公室和高净值个人投资者，寻求筹集最高200亿美元的资金。此外，该公司据报道正计划在明年初进行首次公开募股（IPO）。

这一进展与其竞争对手Anthropic形成对比。Anthropic正推动最早于11月上市，若成功募资可能获得超千亿美元资本储备。而OpenAI则继续通过降价和推出更高效模型来维持市场份额。