阅读

2026年11月3日，欧盟法院第一总检察长Maciej Szpunar在C-250/25号案件（Like Company诉谷歌）中发表了正式意见。该意见指出，基于大语言模型（LLM）的聊天机器人通过检索增强生成（RAG）技术搜索并总结在线新闻文章的行为，可能构成欧盟版权法意义上的“复制”和“向公众传播”。

此案源于匈牙利互联网门户运营商Like Company的诉讼。该公司指控谷歌Gemini等AI服务未经许可使用其网站上的新闻文章进行训练或生成摘要，从而损害了其作为出版商享有的独家在线利用权。Szpunar的意见旨在回答匈牙利法院提出的初步裁决请求，即确定此类AI内容使用是否违反了欧盟关于出版商邻接权的法律规定。

虽然总检察长的意见不具约束力，但通常会对欧盟法院的最终判决产生重大影响。如果法院采纳这一观点，将迫使AI公司在欧洲市场更严格地遵守版权许可协议，可能改变AI与新闻行业之间的经济关系，增加AI产品的合规成本和法律风险。

由前 LocalGlobe 和 Impact X Capital Partners 投资人 Yvonne Bajela 创立的风险投资公司 Evertrue Capital 宣布，其首只基金（Fund I）已完成募集，规模为 1700 万美元，且获得超额认购。该基金将专注于英国和欧洲的早期阶段投资，重点覆盖人工智能（AI）和金融科技领域。

Bajela 表示，平均单笔投资金额约为 35 万英镑，计划在三年内支持至少 20 家公司。她指出，AI 热潮改变了创业公司的经济模型，使得“构建能力变得民主化”，但打造持久企业的机会依然稀缺。这一判断促使她决定独立设立基金，以践行自己的投资理念。

在资金来源方面，Evertrue Capital 获得了包括英国商业银行（British Business Bank）在内的五家机构投资者的支持。其中，英国商业银行通过其“投资者路径”（Investor Pathways）资本倡议，向包括 Evertrue 在内的 10 家首次募资的管理人注入了总计 9000 万英镑的资金。约 80% 的有限合伙人（LP）位于英国，其余分布在欧洲、亚洲和美国。

尽管美国风险投资市场呈现资本向头部集中的“杠铃”态势，但 PitchBook 数据显示，截至今年 9 月底，英国新兴基金管理人的募资总额已达 74 亿美元，超过了 2025 年全年的 62 亿美元。Bajela 认为，这为捕捉下一代英国顶尖人才提供了机会，尤其是那些具有独特问题洞察力和执行力的创始人。

做企业级AI代理分析时，一个反复出现的问题是：代理能写SQL，但它不知道列名背后的业务含义，也不知道自己有权读什么。常见解法是搭一个独立的语义层——知识图谱、数据虚拟化平台、维度模型——再让代理去查询那个层。AWS机器学习博客2026年11月3日展示了一条不同的路径：把语义层直接放进操作型Postgres数据库本身，用数据库原生的COMMENT、GRANT和行级安全来实现含义定义和访问控制，不需要第二个系统。

具体机制分三层。第一层是含义：AIDB扩展的语义知识库（SemKB）把每张表、每个视图、每列的定义连同COMMENT ON文本一起嵌入向量索引，代理用自然语言搜索就能找到正确的表和列。第二层是关系：Postgres外键被SemKB自动爬取为join路径，代理不需要靠列名猜关联。第三层是治理：AIDB的MCP端点本身没有权限系统，它把每个请求的Postgres用户名和密码作为HTTP Basic认证传入，数据库的GRANT和RLS策略决定这个连接能看到什么。

博客用一个具体例子说明了含义层的作用。C360数据集中，purchases.price列记录的是订单总额，不是单价。如果没有COMMENT ON说明这一点，代理会把它当单价乘以quantity，给排名第一的客户Carolyn Inworth算出约502529美元——这个数字是错的。加上一条注释：'Total amount the customer paid for the entire order, in US dollars. Not the unit price.'，同一模型、同一提示、同一工具目录，答案变成27991.66美元。模型没换，提示没改，工具没变，变的只是SemKB里索引的那条注释。

治理层的验证更直接。博客定义了两个Postgres登录角色：mcp_agent_full能看到所有列，mcp_agent_restricted看不到customers.ssn。对两个角色跑完全相同的提示——列出五名客户的SSN。full角色返回五名客户的SSN值；restricted角色的工具调用在Postgres层被拒绝，返回permission denied for column ssn，代理随即告知用户无法读取SSN。提示、工具目录、SemKB、代理代码全部相同，唯一区别是AgentCore Identity注入的Basic认证凭证不同。

架构上，代理运行在Amazon Bedrock AgentCore runtime上，用Claude做规划，通过AgentCore Gateway调用MCP工具。Gateway把请求转发到EDB Postgres AI VPC内的应用负载均衡器，再到达AIDB的edb-endpoints MCP服务器。不需要Lambda，不需要翻译层——AIDB本身就说streamable HTTP MCP协议。审计也留在同一个数据库里：AIDB把每次SQL执行的OpenTelemetry trace写入aidb_otel schema，可以用普通SQL查询。

这个模式的适用边界值得注意。它依赖EDB Postgres AI的AIDB扩展，数据必须在Postgres里。对于分析型工作负载超出操作库的场景，博客提到PGAA（Postgres Analytics Accelerator）可以读Apache Iceberg、Delta Lake和Parquet表，以及Postgres foreign data wrappers可以联邦外部关系源——两种情况下语义层定义不变，因为业务含义、列注释和语义别名都住在Postgres里。但对于非Postgres环境或需要跨多种数据库统一语义层的情况，这个模式不直接适用。

博客还建议把Postgres GRANT（控制代理能执行什么）与Amazon Bedrock Guardrails（控制代理能生成什么）配合使用。前者在数据层阻止SSN被读出，后者在模型输出层过滤PII模式。两层互补，单独任何一层都不够。

对正在构建代理分析系统的团队，这篇博客提供的可迁移认识是：如果数据已经在Postgres里，语义治理可以不需要独立系统。一条COMMENT ON决定代理算不算得对，一条GRANT决定代理能不能看到。正确性和安全性都是数据库原语层面的确定性行为，不是提示工程层面的概率性行为。

OpenAI于2026年11月3日宣布推出名为“电网保护者”（Grid Protectors）的计划，旨在通过在用电高峰期降低其数据中心的电力消耗，确保当地电网不会过载。据Tom's Hardware报道，这一举措不仅是为了保障居民用电，更是为了让其数据中心能够更早地接入电网并投入运营，而无需等待额外的电源设施上线。

OpenAI正在其位于美国佐治亚州埃芬汉县（Effingham County）的规划园区测试该系统。公司表示，已与佐治亚电力公司（Georgia Power）签署了一项3.2吉瓦的供电协议，其中包含1吉瓦的灵活需求响应容量。这意味着在一年中最炎热的日子里，如果用电需求激增，这1吉瓦的缓冲容量足以满足约80万户家庭的需求，相当于该州近20%的家庭用电量。

这种被称为“需求响应”的技术已存在数十年，通常由电网运营商手动呼叫大型工业客户（如钢铁厂）以降低消耗。如今，借助现代技术和物联网，数据中心可以在不到一分钟内自动减少负载。英伟达此前已在英国试验过类似系统并证明其有效。OpenAI表示，未来将把这种灵活性作为其建设和运营园区的核心部分，并与公用事业公司就减少需求的幅度、速度和持续时间达成协议。

美国科技巨头谷歌（Google）于2026年11月3日宣布，明年起将默认关闭K-12学生的AI工具，除非学校管理员明确开启。这一变化涉及Gemini、NotebookLM、Classroom中的Gemini以及谷歌搜索。

关键约束在于，由于AI功能已深度整合进搜索引擎，如果学校选择完全限制AI，他们将无法再访问谷歌搜索。谷歌教育副总裁Chris Phillips在接受《纽约时报》采访时指出：“搜索和AI是深度融合的”，这意味着若学校禁用AI，学生“将无法访问搜索，并会看到来自学校的不可用提示”。

此举给学校带来了两难困境。教师可能不希望学生使用谷歌搜索中的AI概览（AI Overviews）来完成作业或进行研究，但仍需要他们能够使用搜索引擎查找资料和其他学习材料。然而，目前谷歌搜索与其AI功能已不可分割。鉴于谷歌应用套件在课堂中的主导地位以及Chromebook的广泛使用，这一决定凸显了该公司对教育领域的影响力。希望继续使用谷歌搜索的学校必须接受其AI功能。

Phillips在一篇博客文章中表示：“我们将在变更推出前的未来几个月内与学校分享更多细节，以便他们有时间为平稳过渡做准备。”他称公司的目标是“为学校领导者提供控制和信心，让他们按自己的方式使用课堂AI产品”。

谷歌还同时推出了名为Guided Learning的新工具，该工具今年早些时候已发布，旨在帮助用户建立深层理解而非仅获取答案，以回应外界关于AI聊天机器人因直接给出答案而破坏学习过程的担忧。

韩国未来资产证券（Mirae Asset Securities）于2026年10月1日宣布，将其移动交易系统（MTS）“M-STOCK”正式更名为“MAPS”，并升级为以投资组合为核心的综合投资平台。这一举措旨在通过人工智能技术优化用户的投资决策流程，从传统的行情查看与订单执行转向更智能的资产配置支持。

新平台MAPS在首页设计上突出了“发现”和“我的投资”两个核心板块。其中，“发现”板块引入了名为“Market Now”的AI服务，能够每两小时自动生成一句话的市场趋势摘要，帮助用户快速捕捉关键信息。此外，平台还新增了数字资产菜单，提供相关市场信息及专业研究资料，并扩展了对美国非上市公司股票等全球创新企业信息的覆盖。

未来资产证券表示，MAPS的长期目标是实现“AI Everywhere”环境，并最终演进为“Agentic WM”（代理型财富管理）。在这种模式下，AI不仅提供信息汇总，还将基于用户的目标和约束条件，主动监测市场变化并提出投资建议。目前，公司内部约40人的技术与AI部门正在推进这一战略，据称今年内部效率提升和客户服务的计划目标已完成85%以上。

据WIRED报道，独立研究机构Forum AI发现，包括OpenAI的ChatGPT、Anthropic的Claude和Google的Gemini在内的主流AI聊天机器人，在回答关于美国中期选举的问题时，近40%的答案包含至少一个事实错误。例如，当被问及宾夕法尼亚州邮寄选票截止日期时，Gemini曾给出错误的日期；而在询问北卡罗来纳州议员Don Davis时，Claude将其与同名前学区总监混淆。

另一家机构NewsGuard的研究指出，这些AI模型在回答候选人和政策问题时，频繁引用所谓的“粉色污泥”（pink slime）网站——即伪装成主流新闻但由政治或意识形态团体资助的低质量来源。其中，ChatGPT在超过70%的案例中引用了此类网站，而xAI的Grok表现相对较好，比例为30%。

Pew Research数据显示，约8%的美国成年人表示曾在中期选举前使用AI工具查找候选人和政策信息。尽管OpenAI发布了选举安全指南，但研究结果表明，当前AI技术在处理实时、复杂的政治事实时仍存在显著的可靠性风险，可能误导选民决策。

美国健康福利技术公司 Angle Health 为中小雇主管理健康保险计划，其内部服务团队每天接听数千通来自医疗服务方办公室的电话，约 80% 涉及资格确认、福利查询、事前授权跟进和理赔状态。这些重复性询问此前占据大量人力。2026 年 11 月，ElevenLabs 发布了一篇客户案例，介绍 Angle Health 在其 ElevenAgents 平台上部署语音代理处理这些来电的试点结果：约 80% 的总来电量由代理接管，其中超过 90% 无需转接人工即端到端完成，团队每天因此节省近 9000 分钟用于复杂升级案件。

Angle Health 产品负责人 Abraham Duplaa 对这一结果的解读与通常的自动化叙事不同。他称真正令他印象深刻的不是 90% 的自动解决率，而是剩余 10%——代理能够识别自己无法处理某通电话、理解原因，并将其转给正确的团队。在他看来，一个语音代理在医疗场景中是否可用，关键不在于它处理了多少比例的电话，而在于它能否准确判断自己不该处理哪些电话，并把它们送到对的人手里。这一判断将语音代理的部署标准从单纯的自动化覆盖率转向了对升级质量的关注：系统不仅要能回答，还要能知道自己不能回答什么。

在合规层面，Angle Health 的试点仅在美国 HIPAA 框架下运行，所有语音代理部署均须签署业务伙伴协议（BAA），并启用 ElevenLabs 的零保留模式以确保患者数据不被存储。代理在对话中需要准确捕捉临床术语和诊断编码，这使其与一般客服场景有本质区别。Angle Health 研发与战略负责人 Caleb Engelbourg 称，团队在试点期间对比了多家语音代理供应商，ElevenLabs 在医疗场景中的响应准确性表现最好。

在生产环境中，Angle Health 采用确定性工作流记录必要信息并执行交接规则，同时利用 ElevenAgents 内置的通话审查功能确认这些规则是否被正确遵守。这意味着代理的行为不是完全黑箱的——团队可以回溯每一通电话是否按照预设规则运行。当一笔升级理赔得到解决后，代理还能主动致电医疗服务方办公室告知结果，而非等待对方再次来电询问。

Angle Health 目前计划将这一试点扩展到更多业务环节。Duplaa 表示，团队希望将合作延伸至商业、经纪和客户管理等部门，让所有与 Angle Health 打交道的利益相关方都能更快获得答案。

韩国教育科技公司Weverse Brain于11月3日在首尔举行“2027 Tech Day”，正式发布了AI代理平台“AgentMax”。该平台被定位为培养各领域专业AI代理的“孵化器”，其核心特点是不仅限于对话交互，而是通过“行为AI”技术主动引导用户完成特定动作，如坚持学习或做出购买决定。

AgentMax的技术基础是名为EDRA（Empathy共情、Diagnosis诊断、Reframe重构、Action细分目标）的对话设计引擎。公司代表Jo Se-won表示，基于过去10年的电话学习数据和123万累计会员的对话积累，该引擎能识别用户状态并激发其行动意愿。据公司自报数据，2025年9月至2026年6月期间加入的用户中，3个月后的学习持续率为63%，这一数字在教育行业中较为罕见。

现场演示展示了两个代表性代理：AI英语导师“MaxTutor”和AI销售顾问“MaxSales”。MaxTutor会主动致电忙碌的学生，建议只需练习一句话即可；MaxSales则在模拟销售场景中，针对客户对价格的顾虑，将月付金额换算为每日成本，并实时操作浏览器展示竞品对比和促销信息。

Weverse Brain计划采用B2B2C模式扩展业务，目前正与NE Neungyul合作提供AI导师，并与韩国外国语大学签署MOU开发多语言AI导师。公司强调其研发资金来源于现有业务利润，去年营收415亿韩元，营业利润32亿韩元。

2021年，Google Research团队发表了《Finetuned Language Models Are Zero-Shot Learners》（即FLAN论文），提出了一种通过“指令微调”显著提升语言模型零样本学习能力的简单方法。该研究的核心在于将自然语言处理任务转化为带有明确指令的格式，例如“这句话的情感是正面还是负面？”或“将‘你好’翻译成中文”，并让模型在超过60个此类数据集上进行微调。

传统的大规模预训练模型（如GPT-3）在少样本提示下表现优异，但在零样本场景下往往难以理解与预训练数据格式差异较大的任务。FLAN论文指出，通过监督微调教会模型遵循指令，使其能够泛化到未见过的任务类型。研究人员将NLP数据集按任务类型分组，在训练时排除某一组任务，仅在测试阶段评估模型对该组任务的零样本表现。实验结果显示，经过指令微调的137B参数FLAN模型，在25个未见过任务中的20个上超越了175B参数的GPT-3零样本性能，并在部分推理和阅读理解任务上大幅优于GPT-3的少样本表现。

这一发现揭示了三个关键因素对指令微调成功的重要性：微调数据集的数量、模型规模以及自然语言指令本身。对于当前的AI开发者而言，FLAN证明了无需大量标注数据即可通过结构化指令激发模型潜在能力的路径。建议读者从论文的摘要和引言部分入手，重点关注图1和图2所示的方法论对比，以理解指令微调如何结合预训练-微调范式与提示范式的优势。这篇发表于2021年的《Finetuned Language Models Are Zero-Shot Learners》为后续大模型的指令跟随能力奠定了重要基础。

在2023年的致股东信中，沃伦·巴菲特首先缅怀了刚刚去世的查理·芒格，并回顾了芒格对伯克希尔投资哲学的影响。巴菲特回忆道，1965年芒格曾直言不讳地建议他：“Warren, forget about ever buying another company like Berkshire. But now that you control Berkshire, add to it wonderful businesses purchased at fair prices and give up buying fair businesses at wonderful prices.”（沃伦，别再买像伯克希尔这样的公司了。既然你控制了伯克希尔，就买入价格公道的优秀企业，放弃以极低价格买入平庸企业的做法。）这一建议促使巴菲特调整策略，但原文明确指出这一过程并非一蹴而就，而是伴随着反复与挣扎：“With much back-sliding I subsequently followed his instructions”（我随后遵循了他的指示，尽管多次倒退）。芒格后来成为巴菲特的合作伙伴，并在巴菲特旧习惯浮现时“repeatedly, jerked me back to sanity”（反复将我拉回理智）。这种从格雷厄姆式“捡烟蒂”向持有优质资产的转变，被巴菲特形容为一种渐进且需要持续警惕的过程，而非简单的决裂。芒格因此被巴菲特称为伯克希尔的“建筑师”，而巴菲特自视为执行其愿景的“总承包商”。

除了战略转型的历史回顾，这封信还澄清了投资者常混淆的财务概念，特别是GAAP净利润与经营利润的区别。巴菲特指出，官方年报中的“Net earnings (loss)”包含了未实现的资本利得或损失，这些数字波动巨大且往往误导读者。例如，2021年至2023年的GAAP净利润分别为900亿美元、负230亿美元和960亿美元，这种剧烈波动主要源于股市的日常起伏。相比之下，伯克希尔更看重“operating earnings”（经营利润），即剔除未实现资本损益后的核心业务盈利能力，同期数据分别为276亿、309亿和374亿美元，呈现出稳步增长的态势。巴菲特强调，虽然资本利得是伯克希尔价值增值的重要组成部分，但基于包含市场短期波动的“收益”来评判公司的投资价值是荒谬的。他引用格雷厄姆的名言：“In the short run the market acts as a voting machine; in the long run it becomes a weighing machine.”（短期内市场是投票机，长期看是称重机），提醒投资者应关注企业内在价值的积累，而非股价的瞬时波动。

对于当下的普通投资者而言，这封信提供了一个清晰的阅读框架：如何透过复杂的会计噪音看到商业本质。假设一位投资者面对一家科技巨头，其财报显示净利润因股票期权公允价值变动而大幅波动，此时若仅盯着GAAP净利润可能会做出错误判断。借鉴巴菲特的思路，该投资者应剥离非经营性因素，专注于公司主营业务产生的现金流和经营利润，以此评估其是否具备“wonderful businesses”的特质。这种分析方法不仅适用于伯克希尔，也适用于任何希望长期持有的优质企业。它要求投资者忽略短期的市场情绪（投票机），转而关注长期的基本面表现（称重机）。

《伯克希尔·哈撒韦2023年致股东信》由沃伦·巴菲特撰写，发布于2023年。适合那些希望深入理解价值投资演变、区分会计利润与经济现实，以及学习如何评估企业长期竞争力的投资者。建议从信中关于查理·芒格影响的章节开始阅读，随后仔细研读“Operating Results, Fact and Fiction”部分，以掌握伯克希尔独特的财务视角。