阅读

澳大利亚安全公司Apate开发了一套基于人工智能的系统，用于对抗日益增多的电话诈骗。据德国科技媒体t3n报道，该系统部署了约35万个AI机器人，专门接听诈骗者的电话或通过即时通讯软件回复可疑消息。

这些机器人的核心策略是“拖延战术”。它们模仿不同的人格和行为模式，给诈骗者制造即将得手或对方容易受骗的假象，从而诱导诈骗者投入更多时间。Apate首席执行官Dali Kafaar在接受《连线》（Wired）杂志采访时表示：“我们希望为诈骗者构建完美的受害者。诈骗者与机器人交谈的每一分钟，都意味着成百上千甚至数千人可能免受同一人的联系。”

除了消耗诈骗者的时间，这些AI代理还渗透进网络上的诈骗群组，收集关于犯罪分子及其银行账户的信息。Kafaar称，该工具已收集超过25万条关于欺诈活动和相关人员的情报。然而，面对全球每年约680亿次诈骗电话（数据来自Truecaller），35万个机器人的规模仍显得微不足道，且目前主要起到干扰和情报收集作用，无法完全阻止诈骗行为。

智东西报道，中国科技巨头阿里巴巴旗下的AI音乐创作平台“快乐虾米”（HappyShrimp）于2026年11月13日正式上线独立APP版本，同步登陆iOS与Android平台。此前，该平台主要作为网页端服务提供，此次移动端的推出标志着其向大众消费场景的进一步渗透。

据智东西体验，快乐虾米App允许用户通过描述情绪、故事或音乐风格等自然语言指令，由AI自动完成歌词创作、作曲、编曲及演唱。测试显示，一首时长约3分钟的歌曲生成时间仅需1分钟左右。该应用能够较准确理解复杂的自然语言提示，并结合时事热点进行创作，例如根据特定新闻事件生成具有相应情感递进的告别曲目。

除了从零开始创作，App还支持上传自定义歌词并指定参照曲风进行重新生成。此外，新版本引入了“做同款”功能，用户在沉浸式信息流中发现喜欢的作品后，可一键复用其创作思路并替换个人参数（如MBTI人格类型），快速生成个性化版本。目前，平台已基于用户公开分享的内容生成了热门歌曲榜单。

威斯康星大学麦迪逊分校经济学教授Menzie Chinn在Econbrowser发布了一篇简短博文，报告2026年10月法国和意大利的10年期减3个月期国债利差上升，英国利差则在9月期间上升。文章引用OECD数据展示加拿大、法国、德国、意大利和英国五国的期限利差走势，并指出一个方法论问题：经济周期分析通常假设违约风险为零或恒定，但对法国和意大利而言，这一假设不成立——五年期信用违约互换的价格表明市场认为这两个国家存在不可忽视的主权违约风险。

Chinn同时提到，历史上期限利差对加拿大和德国的衰退预测效果更好（参见Chinn and Ferrara, 2026）。这意味着当投资者比较不同主权国家的收益率曲线形态时，法意利差中可能包含信用风险成分，而加德利差更接近纯粹的利率预期信号。对法意利差的收窄或走平，不能简单地等同于加德同类信号所暗示的经济前景。

不过，Chinn并未量化违约风险成分在利差变动中占多大比重，也没有提出一个剔除信用风险后的修正利差指标；他的论述是一个定性的方法论提醒，而非一个可操作的替代模型。

美国人工智能公司OpenAI于11月12日在其举办的“Cyber at the Frontier”活动中，正式推出了两款隶属于其Daybreak网络安全平台的新产品：Daybreak Defense Factory和Daybreak Red Team。这两款工具旨在解决企业在面对AI加速攻击时，如何同步加快防御和修补速度的问题。目前这两项服务均处于早期试用阶段，尚未公布价格或全面开放时间。

Daybreak Defense Factory专注于自动化修补流程。它由基于OpenAI最新网络安全模型GPT-6 Cyber构建的AI代理组成，能够扫描代码、寻找漏洞并自动生成修复方案。关键的是，这些修复不会直接部署到生产环境，而是以附带验证测试的“合并请求”（Merge Request）形式提交给人类工程师审核。这种设计保留了人工监督环节，确保AI生成的补丁经过确认后才上线。

Daybreak Red Team则侧重于自动化红队演练。该工具使用OpenAI的模型对企业的网页应用程序进行持续扫描和攻击路径模拟。它不仅参考源代码和应用上下文来调查潜在的攻击向量，还能验证其他代码扫描工具、漏洞赏金计划及漏洞通报所报告的问题，并测试后续修补的有效性。OpenAI负责网络安全AI应用的Nancy Wang将其描述为一种超越人类能力的、具备自动化持续扫描规模的渗透测试。

OpenAI总裁Greg Brockman在活动中表示，企业的安全程度取决于所使用的顶尖模型能力，因此网络安全策略必须围绕这些模型的能力重新调整。他强调，尽管基本功依然重要，但产品本身同样关键。对于面临AI驱动威胁的企业而言，能否利用同等级的工具缩短从发现漏洞到完成修补的时间，是评估此类产品的核心指标。

英伟达董事会说现在讨论谁接替黄仁勋还太早。GeekWire的两位编辑Todd Bishop和John Cook显然不打算遵守这个建议。他们在11月13日录制的播客和11月14日发表的文章中提出了一个明确的判断：英伟达现在需要的不是又一个技术天才，而是一个能在动荡中驾驭公司的危机管理者。

这个论点的类比对象是Alan Mulally从波音到福特，以及Dara Khosrowshahi在Travis Kalanick被罢免后接管Uber。Cook在播客中说，英伟达需要的是能带领公司穿越混乱的人，而不仅仅是伟大的技术专家。这个判断建立在一个背景事实上：黄仁勋对继任计划持抵触态度。Arm CEO Rene Haas在2024年的一次采访中引述过黄仁勋的话——'他不喜欢这个想法，他认为这会在高管之间制造竞争，造成分裂。'

黄仁勋本人在10月14日接受彭博社采访时说，他希望继任者已经在公司内部。但董事会表示将同时考虑内部和外部候选人，且周五声明仍在选择猎头公司，尚未正式接触任何候选人。文章列出了11位被提及的候选人，横跨芯片设计、云计算、消费电子和存储领域。除了已被《金融时报》报道的Haas之外，还包括AWS CEO Matt Garman、亚马逊芯片和AI负责人Peter DeSantis、AMD CEO Lisa Su、Google Cloud CEO Thomas Kurian、Micron CEO Sanjay Mehrotra、Apple执行主席Tim Cook，以及多位微软高管。

文章中一些新披露的事实值得关注。Nick Parker是一位在微软销售体系工作了26年的老将，今年8月加入英伟达担任全球现场运营执行副总裁，薪酬包价值超过4000万美元。Peter DeSantis目前统管亚马逊的AI模型、定制芯片和量子计算业务，直接向CEO Andy Jassy汇报。Dave Treadwell在微软工作了27年后于2016年加入亚马逊，今年8月接手AWS计算和机器学习服务。

这些人事变动本身构成了AI产业竞争格局的一个切面。文章指出，无论谁最终接任，都将面对一个客户试图减少对英伟达依赖的市场。Jassy在今年4月的年度股东信中写道，亚马逊的芯片业务如果像其他芯片公司那样向AWS和第三方销售，年收入运行率可达约500亿美元。DeSantis也在6月告诉彭博社，亚马逊正在洽谈向其他公司出售Trainium AI芯片。

Haas的案例还涉及一个值得注意的复杂关系。他曾在Tensilica担任销售副总裁，而Tensilica的联合创始人Harvey Jones正是本周被任命为英伟达首任董事会主席的长期董事。同时，软银在今年4月任命Haas为软银国际CEO，负责协调其国际芯片和AI组合，其中包括旨在与英伟达竞争的Project Izanagi项目。文章将此列为Haas候选资格的一个'复杂因素'，而非已确认的利益冲突。

投注市场提供了一个粗略的民意温度计。在Kalshi平台上，到周六中午，Haas以25%的概率超过了此前领跑的英伟达CUDA平台创建者Ian Buck（18%），临时CEO Colette Kress为10%。

Altimeter Capital的Brad Gerstner和Atreides Management的Gavin Baker这两位主要投资者则致信董事会，要求进行一次审慎的搜索，并且保留'黄仁勋回归的可能性'。'Stand with Jensen'请愿活动声称已收集超过10.8万个签名，其中包括超过5600名自称英伟达现职员工的人。马斯克也在X上表示他正在签署这份请愿。

需要强调的是，这篇文章是GeekWire编辑的推测性分析，不是已确认的继任流程。董事会尚未正式接触任何候选人，投注市场赔率反映的是市场情绪而非专业判断。文章的价值在于它提供了一个评估框架——领导力类型而非技术能力——以及它揭示的AI产业人才流动和竞争动态的具体事实。

Anthropic 在 11 月 9 日发布 Claude Fable 5.2 时，将其标准 API 价格定为每百万未缓存输入 token 8 美元、输出 40 美元，低于 OpenAI 的 GPT-6 Astra（10 美元/50 美元）。这一降价被广泛宣传为 Fable 5.2 在成本上的优势。但 The New Stack 技术作者 Jessica Wachtel 用三项编码任务做了独立测试，发现标价更低并不等于花得更少。

Wachtel 通过两家厂商的 API 以默认设置各运行一次，测试了三种模拟真实开发工作的任务：修复 2600 行计费代码库中植入的 10 个 bug、审查欧盟发票包中 45 个人为植入的缺陷、以及从零编写 27 国 VAT ID 验证和 34 国 IBAN 校验代码。每项满分 50 分，由脚本自动评分。

在 bug 修复任务中，两个模型都修复了全部 10 个 bug 并通过所有 50 项隐藏检查，都用了 12 轮对话。但过程差异巨大：Fable 5.2 消耗了超过 17000 个推理 token，Astra 只用了 819 个；Fable 5.2 花费约 2.51 美元、耗时 326 秒，Astra 花费约 0.98 美元、耗时 122 秒。同样的分数，Fable 5.2 花了 Astra 约 2.6 倍的价钱。

代码审查是唯一分数不同的任务。Fable 5.2 得 49 分，Astra 得 45 分。Fable 5.2 证明了 45 个缺陷中的 44 个且无误报，Astra 证明了 41 个并错误地将一个西班牙 ID 判定为有效。但 Fable 5.2 为此花费 6.05 美元、耗时 993 秒，而 Astra 只花了 0.95 美元、227 秒。Fable 5.2 的额外 4 分是以超过 6 倍的成本和 4 倍的时间换来的。

代码编写任务中两个模型都得了满分 50 分，但 Fable 5.2 仍花费 Astra 的 2.3 倍。三项任务合计，Fable 5.2 总花费约 13.39 美元，Astra 约 3.99 美元——尽管 Fable 5.2 的单价更低，总花费却高出约 3.3 倍。Wachtel 指出，Fable 5.2 在这三次运行中消耗了约 Astra 五倍的 token。

这一结果印证了 OpenAI 总裁 Greg Brockman 在 Astra 发布会上说的每任务价格才是关键。Wachtel 的结论是：对于这类任务，她会从 Astra 开始，它在 bug 修复和代码编写上以约 41% 的成本达到了相同分数；只有在需要仔细代码审查时才会考虑 Fable 5.2，因为那次它多找到了三个缺陷。她也坦承两个模型都漏掉了缺陷，且每个模型只运行了一次，四分差距在另一次运行中可能变化。

中国AI公司DeepSeek于2026年11月14日宣布正式开放“全家桶”应用API。此前仅在其官方App中可用的联网搜索、深度思考、文件上传、链接阅读以及首次开放的语音识别（ASR）和语音合成（TTS）功能，现已全部提供独立接口。开发者无需打包使用，可按需组合并分别计费。

此次更新的关键在于多模态能力的全面开放。虽然DeepSeek在10月已开放Search和Fetch接口，但当时开发者仍需自行编写代码串联模型判断、搜索执行和内容总结。现在，开发者只需开启联网搜索功能，模型会自动处理搜索时机、内容读取及结果整合。此外，语音能力终于有了官方独立接口，此前开发者若想构建具备语音交互的助手，通常需额外接入第三方服务。目前，V4.1-Flash模型已在Messages、Responses和Chat Completions三类接口下支持这些扩展功能。

定价方面，DeepSeek采取了极具竞争力的策略以推动采用。语音识别原价0.78元/小时，现打五折至0.39元/小时；语音合成同样五折，从每万字符3元降至1.5元。相比之下，OpenAI的GPT-Transcribe识别一小时音频约需1.81元人民币，Google Cloud标准语音服务则高达6.43元。搜索和网页抓取维持每1000次成功调用5元的价格，文字识别OCR为每1000页1.5元。

DeepSeek还开源了一套轻量级聊天前端Demo，支持导入历史对话，旨在帮助开发者快速搭建功能接近DeepSeek App的产品。官方称开发者甚至可以“1:1复刻出完整的DeepSeek App”。这一举措表明DeepSeek正试图通过降低基础工具调用成本和提供完整技术栈，吸引开发者在其平台上构建下一代AI应用，而非仅仅依赖其自身的C端聊天产品形态。

韩国证券IT系统企业DefiSoft已在越南市场正式推出其市场分析与投资平台“Paave 2.0”。该平台的核心创新在于允许用户自行构建AI代理（Agent），这些代理能够自动分析越南证券交易所（HOSE、HNX和UPCoM）的实时行情、财务报表及公开披露数据，并使用虚拟资金进行模拟股票交易。

在Paave 2.0中，用户可以通过“Agent Studio”设定分析视角和指令，创建负责撰写市场研究报告的研究员代理或执行买卖操作的投资者代理。所有由AI代理生成的模拟交易结果将记录在与人类用户相同的排行榜上，且交易日志对社区公开。这一机制旨在通过游戏化竞争降低个人投资者使用AI工具进行市场分析的门槛。

目前，Paave 2.0仅支持虚拟资金交易，但DefiSoft计划在年内接入真实交易功能，届时用户可通过与越南本地券商合作，使用本人账户下单。此外，平台还集成了对话式分析工具“Paave AI”，并支持通过MCP协议连接Claude或ChatGPT等外部大模型以查询市场数据。

英伟达（NVIDIA）在最新发布的 CUDA Toolkit 13.4.2 中，为 cuBLAS 数学库引入了两项新算法：Ozaki-II 和 2M。这两项技术旨在解决高性能计算中的一个长期矛盾：如何在保持双精度浮点数（FP64）完整准确性的同时，利用专为低精度设计而速度更快的整数张量核心（Tensor Cores）进行计算。这一更新使得分子化学、材料科学等依赖高精度密集通用矩阵乘法（GEMM）的科学模拟无需修改应用代码即可自动获得加速。

传统上，GPU 的 FP64 单元虽然精度高但吞吐量有限，而张量核心在处理低精度数据时速度极快。cuBLAS 的新方法通过“浮点仿真”技术，将每个双精度数分解为多个整数片段，在张量核心上进行精确的整数乘法运算，最后重新组装成完全符合 FP64 标准的结果。其中，Ozaki-II 算法基于中国剩余定理（CRT），相比前代 Ozaki-I 大幅减少了所需的整数乘法次数；而 2M 算法则专门优化复数矩阵乘法，将原本需要四次实数乘法的操作简化为两次，从而显著降低了计算开销。

根据英伟达官方公布的技术博客数据，这些算法在真实世界应用中展现了显著的性能提升。在量子化学领域，使用 Ozaki-II 算法的 DGEMM（实数双精度矩阵乘法）在 NVIDIA VR NVL72 系统上比原生 FP64 快 5.5 倍，在 GB200 上快 3.9 倍。具体到耦合簇单双激发（CCSD）计算——这被视为量子化学的“金标准”，端到端速度提升了 2 倍（VR NVL72）和 1.4 倍（GB200）。若采用混合精度模式，速度提升可达 5 倍和 3.5 倍。

在材料科学方面，BerkeleyGW 软件包中的 ZGEMM（复数双精度矩阵乘法）在使用 2M 算法后，在 GB200 上实现了 5 倍的加速。针对 BerkeleyGW 的 Epsilon 模块测试显示，在 VR NVL72 上端到端速度提升了 6.6 倍，在 GB200 上提升了 3.9 倍。值得注意的是，所有测试均验证了结果的准确性，误差保持在 FP64 标准范围内，且无需用户手动调整 API 或重写内核代码，cuBLAS 会自动选择最优路径。

此外，即将推出的 NVIDIA Rubin GPU 架构引入了新的 TI16 数值格式和 tcgen05.mma 指令，将进一步加速 Ozaki 系列计算。对于现有用户，只需下载并安装最新的 CUDA Toolkit 即可启用这些功能。开发者可以通过 cuBLAS 文档中的浮点仿真部分了解更详细的 API 控制选项，如 cublasSetEmulationStrategy()，以根据特定工作负载微调精度与性能的平衡。

英伟达（Nvidia）的两家主要机构投资者——Altimeter Capital的Brad Gerstner和Atreides Management的Gavin Baker——于周五发布公开信，敦促英伟达董事会在寻找新CEO的过程中采取“缓慢、审慎且深思熟虑”的方式，并明确表示应保留创始人兼前CEO黄仁勋（Jensen Huang）回归的可能性。

这两家机构合计持有约21.3亿美元的英伟达股票。信中强调，虽然临时CEO Colette Kress能够胜任当前领导工作，但黄仁勋作为公司长期领导者，其去留不应在未查明所有事实之前被仓促决定。此举是对此前媒体广泛报道董事会准备罢免黄仁勋的直接回应，旨在通过股东压力延缓或改变治理危机的走向。

黄仁勋于11月12日因个人关系丑闻及涉及疑似中国间谍Alice Huang的调查而辞职。尽管市场普遍预期其将永久离开，但此次股东联名信表明，部分大型投资者认为黄仁勋对维持美国在AI硬件领域的优势至关重要，移除他可能反而有利于竞争对手。这一分歧使得英伟达的领导层过渡变得更加复杂，增加了未来几周内的不确定性。

OpenAI于2026年11月13日面向美国地区的ChatGPT Pro订阅用户推出了“ChatGPT钱包”（ChatGPT Wallet）。这一新功能旨在让OpenAI的Dots智能体能够代表用户完成在线购物任务。目前该功能仅适用于年满18岁、使用美国账单地址且持有符合条件的美国发行信用卡（如American Express、Chase、Mastercard和Visa）的用户。

根据OpenAI的支持页面，用户在将卡片添加至钱包后，Dots智能体可以根据提示进行购买，但在每次结账前必须向用户请求确认。每一笔通过ChatGPT钱包完成的交易都需要经过生物识别安全验证，例如Face ID或指纹扫描。OpenAI表示，这种机制类似于Apple Pay或Google Wallet的令牌化技术：实际信用卡信息不会直接分享给智能体或商家，而是由支付令牌替代，从而保护用户隐私。

尽管当前版本要求用户逐笔批准，OpenAI透露未来计划允许用户设置支出限额、购买类别或时间范围等参数，从而实现完全委托智能体进行预批准的自动购买。然而，该功能的普及仍面临挑战。部分零售商对AI智能体设有访问限制或直接屏蔽。OpenAI指出，网站需要确保智能体不被意外拦截，且支付和风险系统需能识别由智能体发起的合法购买行为。此前，亚马逊曾屏蔽Meta的Muse智能体，显示出电商巨头对AI代理购物的谨慎态度。

据TechRadar报道，俄罗斯通信监管机构Roskomnadzor已正式将机器学习算法集成到其国家网络过滤系统中，以猎杀虚拟私人网络（VPN）。这一举措标志着克里姆林宫数字屏障的急剧升级。根据《福布斯》俄罗斯版审查的政府数字化转型文件，《莫斯科时报》报道称，该机构为此项目投入了22.7亿卢布。

与以往试图破解加密内容的尝试不同，新部署的AI工具是一个预测模型，它不针对单一协议，而是搜索连接元数据中的“行为指纹”，包括数据包大小、传输间隔、会话长度和托管服务器模式。数字权利组织RKS Global的专家Dmitry Kuteynikov指出，这种智能决策支持系统将帮助工作人员决定屏蔽内容，且随着模型投入使用，屏蔽速度将加快，导致VPN连接更不可靠。

Amnezia VPN的一位开发人员证实，这种模型会影响广泛的协议，因为它针对的是VPN流量的一般特征，而非特定签名。即使使用混淆技术隐藏协议签名，隧道的流量模式仍然可见，而这正是行为模型所寻找的目标。

除了对普通用户的影响，自动化过滤还正在破坏俄罗斯的企业网络。虽然俄罗斯法律技术上豁免内部企业VPN，但在自动检查下，企业连接看起来几乎与规避隧道相同。据《Kommersant》报道，电信消息来源指出，流量分析算法在5%至6%的情况下会错误分类流量。当Roskomnadzor将整个托管子网列入黑名单时，无关的网站和企业云应用程序也会随之崩溃。

此前泄露的信息显示，俄罗斯曾起草计划利用AI阻止95%的VPN。虽然官方目标被悄悄修改，但资金仍在激增。克里姆林宫正准备在未来几年将其互联网审查预算翻倍，仅在2026年就分配了另外102亿卢布用于升级深度包检测硬件。