剧集聚焦英国足球经纪人的世界，围绕虚构的顶级经纪人斯坦利·达尔顿展开。达尔顿一角由曾出演《国土安全》和《亿万》的达米安·刘易斯饰演，他凭借该角色获得过英国电影学院奖和艾美奖。剧本创意源自现实中的足球经纪人达伦·戴恩——他正是前阿森纳球星蒂埃里·亨利的经纪人，也将担任本剧执行制片人。

除了C罗和亨利两位足坛传奇，演员阵容还包括英国说唱歌手Dave和新晋演员卡洛塔·巴纳特。据报道，剧组已在伦敦西北部的巴奈特足球俱乐部主场开拍，亨利近日被目击现身片场投入拍摄。

本剧由C罗与沃恩今年4月联合创立的UR·Marv工作室制作。沃恩成立该公司时曾公开表示，希望对”传统”电影行业市场进行根本性变革。他评价道：”克里斯蒂亚诺在球场上创造的故事是我永远写不出来的，我非常期待与他一起打造鼓舞人心的影视作品。”C罗则表示：”这是令我兴奋的新篇章，我期待新的冒险。”

据电视业内人士透露，鉴于项目背后的人物分量和演员阵容，各大流媒体平台很可能为播出权展开激烈竞价。该剧定位为带有喜剧元素的严肃剧情剧，有意区别于此前的足球题材喜剧《足球教练》，呈现更写实、更硬核的英国足球产业生态。

来源：Deadline / 《太阳报》

最隐蔽的智能门锁：Level Lock Pro

市面上大多数智能门锁体积庞大、外观突兀，而Level Lock Pro几乎完全颠覆了这一印象。它是一款完整的锁具替换产品，但外观看起来就像只更换了锁的后盖——内部甚至也保持正常尺寸，不像传统智能锁那样 bulky。

功能方面毫不妥协：支持NFC、Apple Home Key解锁，兼容Matter协议，电池续航表现出色。如果需要远程控制，可以选配Level Connect Wi-Fi Bridge（售价79美元）。售价349美元，对于追求极简外观的用户来说，这是目前最值得考虑的智能门锁之一。

最养眼的可视门铃：Google Nest Doorbell（有线第三代）

当你想象一个装在自家门上的可视门铃时，Google Nest Doorbell可能是唯一不会让人皱眉的选择。相比Ring等品牌笨重的造型，Nest Doorbell的线条更为流畅，提供多种配色以匹配不同房屋风格。虽然它仍然是一个显而易见的摄像头，但已经是同类产品中视觉侵入感最低的一款。

WIRED评测团队推荐选择有线版本，无需像电池版那样每隔几周就要取下来充电。目前亚马逊售价约152美元（原价180美元）。

最有趣的智能鸟屋：Birdfy Nest Duo

今年春天，一位编辑的家里发生了”鸟入侵”事件——一只小鸟在前门花环里筑巢，某天晚上飞进了屋内。如果你也想安全地观察这些”不速之客”，Birdfy Nest Duo是一个既美观又有趣的解决方案。

这款智能鸟屋外观设计简洁，配备两个太阳能摄像头（一个对准入口，一个朝向内部），支持多角度观鸟。产品附带不同尺寸的入口孔以吸引不同物种，配有金属防捕食护板，还支持远程控制重置或充电，无需打扰鸟儿。目前亚马逊售价约257美元（原价320美元）。

最有氛围的智能灯串：Govee Outdoor Clear Bulb String Lights

Govee的户外灯串以其丰富的色彩表现和智能化控制著称。2026年新款Clear Bulb采用三角造型灯丝设计，比传统灯泡更具现代感，同时支持全彩和多种白光色温调节。与永久性户外灯相比，这款灯串更加灵活，且支持Matter协议，可与主流智能家居平台无缝联动。售价约85至90美元。

最实用的户外智能灯泡：Cync Smart LED PAR38

如果你想让门廊或阳台的固定灯具也具备智能控制功能，Cync户外版全彩LED灯泡是不错的选择。需要注意的是，户外级智能灯泡通常采用4.75英寸直径的PAR38规格，适合向下照射的泛光灯具，可能无法适配普通壁灯。Cync支持全彩调节和多种白光色温，万圣节可以调成橙红色，情人节可以变成粉色，球赛日还能换成主队配色。亚马逊两联装售价约35美元（原价45美元）。

最省心的泳池清洁助手：Beatbot AquaSense 2

如果你的泳池可以从室外任何位置看到，保持水面洁净就很重要。Beatbot AquaSense 2是一款自主工作的泳池清洁机器人，类似扫地机器人的工作原理，能够擦洗池底、池壁和水线，续航约4小时，清洁完成后自动返回充电站无线充电。WIRED评测人Christopher Null认为这是千元以下价位最值得推荐的泳池机器人。目前官网和亚马逊促销价约749美元（原价1298美元）。

最便捷的车库智能化方案：Chamberlain MyQ

如果车库是房屋正面的视觉焦点，给它加上智能控制是个实用又低调的选择。Chamberlain提供两种方案：直接更换内置智能功能的车库门开启器（带摄像头版本售价约249美元），或在现有车库门上增加MyQ Smart Garage Controller控制器（售价约50美元）。两种方案都支持远程开关和状态查看，还可选配视频键盘，兼具可视门铃功能。

最贴心的智能遮阳：SmartWings电动卷帘

对于西晒严重的房屋，智能遮阳帘能自动在恰当的时间关闭，既节能又保护隐私。WIRED评测人Simon Hill推荐SmartWings电动卷帘作为首选，如果预算更充裕，Lutron Caseta Smart Shades则提供更高端的质感。SmartWings售价约160至180美元，Lutron Caseta约399美元（需另购智能中枢）。

结语

智能家居不必以牺牲美观为代价。以上八款产品都在功能与颜值之间找到了不错的平衡点，无论是租房还是自住，都能找到适合自己的升级方案。在选购户外智能设备时，务必确认产品具备户外使用认证和防水等级，以确保安全和耐用。

从通用到专用：芯片设计思路的根本转变

谷歌现有的TPU（Tensor Processing Unit）虽然是面向机器学习的专用处理器，但仍需适配不同模型，并承担训练、推理等多种任务。最新一代Ironwood单颗芯片配备192GB高带宽内存，单位功耗性能约为上一代Trillium的两倍，最多可由9216颗芯片组成Superpod。

Frozen v2的定位则更为极致。它不会取代TPU，而是作为一条更具针对性的产品线与其并行使用。根据现有报道，谷歌计划将Gemini的部分架构特征直接固化在芯片中，针对其计算路径和常用操作进行专门优化。

大模型推理不仅需要完成大量矩阵运算，还要频繁从高带宽内存读取参数。数据在内存与计算单元之间移动，会消耗时间和电力。Frozen v2希望减少这部分开销，从而提高响应速度，并在相同功耗下处理更多请求。报道所称的6至10倍效率提升，具体指每单位功耗能够处理的Token数量，并非芯片峰值算力。

1800亿美元资本开支背后的算力焦虑

谷歌为何如此激进？首要原因是应对持续增长的算力需求。据相关数据，谷歌内部的AI计算资源短缺已经引发不同团队之间的资源竞争，Google Cloud甚至因此拒绝过部分外部客户订单。

大模型的计算需求包括训练与推理两个阶段。训练先进模型需要集中投入大量算力，但随着Gemini被加入搜索、办公软件、云服务和智能终端，长期发生的推理可能形成更庞大的成本。单次生成的费用看似有限，乘以数以亿计的用户和持续增长的调用量后，电力、芯片、网络及数据中心投入都会成为重要支出。

Alphabet已将2026年资本开支预期上调至1800亿至1900亿美元，主要用于扩建AI计算能力、数据中心和相关基础设施。在这一背景下，提高每瓦电力能够生成的Token数，不仅意味着更低的能源消耗，还意味着同一座数据中心能够承载更多用户请求。

软硬件协同：一把双刃剑

专用芯片的优势显而易见，但劣势也同样突出。更深的模型与芯片绑定会降低灵活性。芯片从设计到投产通常需要数年，如果此后Gemini的基础架构发生较大变化，已经固化的设计可能难以适配。Frozen v2能否获得长期收益，既取决于实际能效，也取决于谷歌能否在快速迭代模型的同时，维持底层架构的相对稳定。

自研芯片还可以加强谷歌对供应链和产品节奏的控制，减少对英伟达等外部芯片供应商的依赖。但这种”减少依赖”并不等于完全替代。Frozen v2即使顺利投产，预计规模也将低于TPU；谷歌的数据中心仍会同时使用TPU、GPU及其他计算设备。它更像是为高频且相对稳定的Gemini任务增加一类成本更低的专用工具。

不止谷歌：AI芯片自研已成行业共识

谷歌不是唯一走向自研芯片的AI公司。2026年6月，OpenAI与博通公布首款自研推理芯片Jalapeño，围绕大语言模型推理设计，计划于2026年底开始部署。Anthropic也被曝已经开始研究自有AI芯片，并与三星电子等潜在合作方接触。

中国方面，DeepSeek和月之暗面等也有自研芯片方面的传闻。亚马逊、微软、Meta、阿里巴巴、百度和字节跳动等拥有云服务或大规模互联网业务的企业，也在不同程度上推进专用AI芯片。

这些项目共同反映出一个趋势：随着AI服务规模扩大，掌握模型的公司越来越希望同时参与芯片和计算系统设计。Frozen v2所代表的不只是谷歌扩大自研芯片投入，也是一项更激进的软硬件协同试验。答案将取决于芯片能否如期投产，也取决于到2028年时，Gemini是否仍然适合这块为它提前设计的硅片。

最佳iPhone伴侣：Apple Watch Series 11

售价399美元的Apple Watch Series 11是iPhone用户的首选。它最重要的升级是续航——苹果终于将18小时的电池寿命提升至完整的24小时。这意味着用户可以戴着它入睡并追踪睡眠，不必担心半夜电量耗尽。

健康功能方面，Series 11新增了高血压通知功能（FDA认证），用户需连续佩戴14天后才能开始接收提醒。苹果还加入了睡眠评分和血氧检测功能。值得一提的是，上一代Series 10通过软件更新也能获得高血压通知和睡眠评分，如果能在促销时以更低价格入手，性价比同样出色。

核心参数：42mm/46mm表壳，支持蜂窝网络和蓝牙/Wi-Fi，专有表带接口，健康功能包括心率追踪、不规则心律通知、睡眠呼吸暂停检测、血氧感知、皮肤温度传感器、心电图、睡眠追踪、经期追踪、跌倒检测和车祸检测。

最佳安卓选择：Google Pixel Watch 4

售价400美元的Pixel Watch 4是谷歌首款可维修智能手表。用户可以在iFixit购买电池和显示屏等配件自行更换。这款手表搭载了高通骁龙Wear W5 Gen 2芯片，配合Google Material 3 Expressive界面设计，操作流畅且视觉体验出色。

健康与健身功能精度极高，尤其是重新设计的睡眠追踪。45mm版本支持卫星紧急消息功能（需蜂窝版本）。充电速度也非常快，新底座充电器15分钟即可充入50%以上电量——不过这是谷歌四年内第三次更换充电器规格，旧款Pixel Watch充电线无法兼容。

最亮眼的新功能是”抬腕即说”（Raise to Talk with Gemini），只需抬起手腕就能与语音助手对话，无需唤醒词或按键。谷歌还通过软件更新增加了更多手势，如双捏接听电话或关闭闹钟。

核心参数：41mm/45mm表壳，兼容安卓系统，支持蜂窝网络和蓝牙/Wi-Fi，专有表带接口。

最佳三星搭档：Galaxy Watch8系列

售价370美元起的Galaxy Watch8系列是三星手机用户的最佳选择。该系列包含40mm、44mm两款常规型号，以及46mm的Watch8 Classic——后者保留了三星标志性的物理旋转表圈，可通过旋转表圈滚动界面。

Watch8 Classic的续航接近两天，健康追踪功能可靠，心率测量和睡眠追踪表现稳定，双频GPS定位精准，自动运动检测也是同类产品中的佼佼者。不过部分健康功能仅限三星手机用户使用，如心电图和睡眠呼吸暂停追踪。

新增功能方面，Vascular Load（血管负荷）可测量血管系统负荷，但需要在过去14天中佩戴3天以上才能获得结果。Antioxidant Index（抗氧化指数）则通过测量血液中的类胡萝卜素来评估饮食健康状况，但WIRED编辑实测发现该功能准确度存疑。

核心参数：40mm/44mm/Classic 46mm表壳，兼容安卓（部分核心功能限三星手机），支持蜂窝网络。

最佳健身手表：Garmin Vivoactive 6

售价300美元的Garmin Vivoactive 6打破了”健身手表操作笨拙”的刻板印象。它内置Garmin独有的Body Battery（身体电量）和Training Readiness（训练准备度）等指标，配备GPS、心率监测、血氧测量、睡眠追踪、事故检测和80种运动模式，单次充电可使用约一周。

该手表同时兼容iOS和安卓，安卓用户可通过屏幕键盘回复短信。不过它不支持第三方应用，也无法提供像Apple Watch或Pixel Watch那样丰富的智能功能。

高性价比iPhone手表：Apple Watch SE 3

售价279美元的Apple Watch SE 3是预算有限iPhone用户的理想选择。它搭载与Series 11和Ultra 3相同的S10芯片，但功能有所精简：屏幕边框更宽，续航维持18小时。

SE 3支持watchOS 27的多项新功能，包括Workout Buddy（运动伙伴）、Sleep Score（睡眠评分）和手腕翻转手势。对于不需要高级健康功能的用户，或者为孩子、父母选购智能手表的家庭来说，SE 3是一个实用的选择。

户外探险首选：Apple Watch Ultra 3

售价779美元的Watch Ultra 3将续航提升至42小时，并新增了卫星通信功能——在没有信号覆盖的区域，用户可以向亲友发送短信或呼叫紧急救援（需在开阔地带且能直视卫星）。

它拥有Apple Watch系列中最大的显示屏，适合查看离线地图。三麦克风阵列和双扬声器、潜水功能等特性与前代保持一致。对于经常进行户外活动的用户，这是目前苹果生态中续航最长、功能最全的选择。

最佳预算智能手表：Nothing CMF Watch 3 Pro

售价仅79美元的CMF Watch 3 Pro（Nothing旗下子品牌）是本次推荐中价格最低的产品。它每两周左右充电一次，屏幕亮度充足，表盘设计有趣。新增的光学心率传感器精度极高，WIRED编辑将其与Oura Ring 4对比测试，读数完全一致。

功能方面，它支持腕部手势控制、语音通话、语音助手、手电筒，以及双频GPS追踪、运动摘要和呼吸练习动画。缺点是外观偏实用主义，金属表壳质感类似塑料，配套App的体验也有待优化。

选购建议

如果你已经是iPhone用户且预算充足，Apple Watch Series 11或Ultra 3是无需犹豫的选择；安卓用户则应根据手机品牌在Pixel Watch 4和Galaxy Watch8之间取舍；健身爱好者可以考虑Garmin Vivoactive 6的长续航和专业运动指标；预算有限的用户，Nothing CMF Watch 3 Pro以不到80美元的价格提供了出乎意料的完整体验。

苹果”Apple Upgrade”：从”买断”到”租赁”

据CNBC报道，苹果公司计划于2026年7月28日（下周二）在美国正式推出名为”Apple Upgrade”的全新设备租赁服务。这是苹果自推出iPhone年年焕新计划以来，在硬件销售模式上最大的一次调整。

该计划由金融科技公司Klarna提供资金支持，覆盖范围从单一的iPhone扩展至Mac、iPad及Apple Watch等主力产品线。租赁周期方面，iPhone与Apple Watch为24个月，Mac与iPad则为36个月。用户在租赁期间可选择提前付款结清、升级至新设备，或归还设备结束合约。

值得注意的是，这项服务需要通过Klarna的软性信用审查，但审查结果不会计入个人征信记录。与此同时，苹果将停止接收旧版iPhone年年焕新计划及标准分期付款的新用户申请，意味着”Apple Upgrade”将成为苹果官方主推的消费金融方案。

不过，该计划也有一些限制条件：AppleCare+服务不包含在租赁套餐内，部分入门机型以及企业/教育采购渠道不适用此服务。

从行业角度看，这一转变背后有着清晰的商业逻辑。受AI数据中心建设推动，内存和存储芯片成本持续上涨，苹果需要通过更灵活的销售方式降低消费者的购买门槛，从而刺激硬件销量。租赁模式不仅能扩大用户基数，还能提高用户粘性和换机频率。

谷歌Gemini三连发：更快、更便宜、更安全

在同一天，谷歌发布了三款新的人工智能模型，分别是Gemini 3.6 Flash、Gemini 3.5 Flash Cyber和Gemini 3.5 Flash-Lite。

Gemini 3.6 Flash被定位为性能最强的Flash系列模型。根据多项AI基准测试，上一代Gemini Flash已在编程、金融等任务中表现出色，而3.6版本在能力上进一步提升，同时使用成本更低。与上一代相比，新模型完成相同任务所需的Token减少了17%，这意味着开发者可以用更低的成本完成同样的工作。

Gemini 3.5 Flash Cyber则是一条全新的产品线，专门针对网络安全场景优化。谷歌表示，该模型能够以比更大规模模型更低的成本发现并修复软件安全漏洞。在测试过程中，该模型对知名开源项目V8 JavaScript Engine进行了分析，共发现55个问题，其中包括10个此前其他AI模型从未发现过的安全漏洞。

出于安全考虑，Gemini 3.5 Flash Cyber将采取严格的访问控制策略，仅向政府机构和可信合作伙伴开放。谷歌Gemini团队产品管理高级总监Tulsee Doshi表示：”这将帮助网络安全一线防御人员抢先发现并修复关键漏洞，在漏洞被利用之前完成防护，同时尽可能降低模型被滥用的风险。”

Gemini 3.5 Flash-Lite主要面向AI智能体（Agent）等应用场景，这类智能体能够自主执行任务，可充当数字个人助理等角色。该模型现已登陆Gemini应用和搜索功能。

谷歌还透露，已开始对下一代旗舰模型Gemini 4进行预训练。原定于6月发布的Gemini 3.5 Pro目前仍处于测试阶段，一旦准备就绪将尽快向用户开放。

竞争格局：AI模型进入”效率战”阶段

今年以来，AI模型的竞争已从单纯的性能比拼转向效率与成本的综合较量。Anthropic、OpenAI相继推出能够发现软件安全漏洞的先进模型，中国AI初创公司月之暗面（Moonshot AI）也发布了具有竞争力的新产品，Meta本月推出的新模型在多个AI排行榜上的表现也已超过Gemini。

谷歌此次三连发，显然希望在前沿AI模型和网络安全领域同时与竞争对手展开较量。通过降低Token消耗、推出垂直场景专用模型，谷歌正在试图重新定义”性价比”在AI行业的含义。

而对于普通消费者而言，苹果的销售模式变革和谷歌的模型更新，都指向同一个趋势：智能设备与人工智能服务，正在从”一次性购买”走向”持续订阅”的新时代。

研究方法：以误报率为锚点

这项研究由unslop团队完成，核心方法论值得关注。研究人员没有直接使用现成的AI检测工具给出粗略比例，而是先将检测器在2021至2022年（ChatGPT出现前）的论文上进行校准，将误报率严格控制在0.4%。也就是说，检测器被设定为仅对0.4%的真正人工写作论文产生误判。

在这个阈值下，检测器能够识别出85%的AI学术文本。研究团队随后对2023年1月至2026年7月间10个学科领域的约12,750篇论文进行全文检测（使用version-1 PDF，避免修订版本污染数据），并结合2021至2022年的8个对照月份进行横向对比。

核心发现：两个增长波峰

检测结果呈现出清晰的上升趋势：

• 2021至2022年：被标记比例维持在0.4%的基准线
• ChatGPT发布后不久：比例开始攀升
• 2026年初：达到约39%的峰值
• 最近完整季度：稳定在约32%

不同学科的差异极为显著。过去12个月的数据（截至2026年7月）显示：

• 计算机科学：65.0%（95%置信区间：59.3%至70.3%）
• 定量生物学：56.3%
• 电气工程与系统科学：51.3%
• 经济与金融：47.0%
• 应用物理：34.0%
• 统计学：31.3%
• 凝聚态物理：24.0%
• 高能物理：14.0%
• 天体物理：10.7%
• 数学：0.7%

为什么数学领域几乎为零？

数学论文的机器写作检出率仅为0.7%，但这并不意味着数学界完全未使用AI辅助。研究者坦承，这一低值存在特殊的解释困境。

数学论文的文本结构高度特殊——大量篇幅被公式、定理和证明占据，一旦去除这些符号和参考文献，剩余的自然语言段落非常稀少。检测器针对的是科学英语文本进行训练，而数学论文的 prose（散文部分）往往超出了训练分布。因此，一篇大量使用AI辅助撰写的数学论文，可能因为文本分布不符而得到低分。

换句话说，数学领域的低检出率可能是”低使用率”和”检测盲区”两种因素共同作用的结果，现有数据无法将其区分。

局限与启示

研究者在论文中明确列出了几项关键局限：

首先，对照样本量有限。每个学科在2021至2022年的对照样本仅约200篇，在0.4%的误报率下，整个对照集仅有约8篇论文会被误判，导致学科间的对照基准存在较大不确定性。

其次，检测器无法区分”轻度AI辅助编辑”和”完全由AI生成”的文本，因此报告的数字代表的是”具有机器写作特征的文本 prevalence”，而非严格意义上的AI代笔比例。

最后，由于检测器对不同生成模型的敏感度存在差异，实际检出率应被视为真实比例的下限——实际情况可能更高。

这项研究为理解AI对学术出版的影响提供了迄今最为严谨的数据基础，也为学术界如何制定AI使用规范提出了紧迫的议题。

研究发现

根据普渡大学、西点军校美国军事学院和佛罗里达国际大学研究人员的联合调查，一款用于让军人评价基地生活条件的流行应用，包含了华为的HMS Core软件开发工具包。另有两款应用由俄罗斯公司开发，整合了俄罗斯广告服务Yandex。

研究人员从Google Play商店和军事相关论坛中筛选了超过220款应用进行分析，范围涵盖制服指南、晋升考试备考、银行理财和约会社交等多种类别。结果发现：

• 近三分之二（64%）的应用包含第三方SDK（软件开发工具包）
• 40%的应用收集或共享的数据超出了其Google或Apple商店列表中披露的范围
• 共检测到76个不同的SDK来源，包括来自中国、俄罗斯、以色列、印度、德国等国的代码
• 约7%的应用包含来自美国国防部认定为”对手”国家的第三方代码

安全隐患

研究人员指出，广告行业对普通美国公民和军人的数据追踪方式基本相同。此前WIRED的调查曾显示，从普通手机应用收集的位置数据可以追踪到美国军人的家庭住址、子女学校以及军方人员禁止出现的场所。

专家警告，这些数据可能帮助外国情报机构识别有权访问敏感设施的人员，绘制设施守卫最薄弱的时间图，或暴露其他具有情报价值的细节。

在至少一个案例中，华为的SDK是作为通知工具的依赖项被引入的，应用开发者对此并不知情。研究人员表示，虽然目前没有观察到数据实际被传输到华为服务器的证据，但SDK可以随时远程更新——今天处于休眠状态的代码，明天可能变成间谍软件。

用户意识调查

研究人员还对103名现役军人、预备役人员、退伍军人、国防部文职人员及其家属进行了调查。超过83%的受访者使用了至少一款让自己感到不适的数据收集行为的应用。平均而言，每位受访者使用了三款以上这类应用。

76%至83%的受访者表示，对应用中包含来自中国、俄罗斯、伊朗或朝鲜的代码感到极度不安。但目前没有任何简单的方法让用户判断应用内部运行着哪些国家的代码——Google Play的安全区和Apple的隐私标签均不披露应用内部软件的来源国。

建议措施

受访者认为，最有效且最受支持的解决方案是在手机中内置实时警告机制——当已安装的应用中出现外国或未知第三方代码时，向用户发出警报。此外，通过联邦法律限制数据经纪商买卖军事人员的个人信息、对应用隐私披露进行独立审计、以及对面向军方的应用实施更严格的外国代码禁令，也获得了几乎一致的支持。

目前美国国防部拒绝对该研究发表评论。研究团队表示，希望这项研究能够帮助军事人员、应用开发者和平台在隐私决策方面做出更明智的选择。

事件经过

这一功能是Muse Image的一部分——这是Meta旗下超级智能实验室（Superintelligence Labs）于周二（7月7日）发布的第一个原生图像生成模型。Muse Image通过Meta AI聊天机器人开放使用，并嵌入Instagram的创意功能中。

该功能允许Meta AI聊天机器人的用户在提示词中@一个公开的Instagram账号，快速利用该账号的公开内容来生成AI图像或经过AI修改的内容。这意味着任何拥有公开账号的Instagram用户，其形象都可能在不知情或未经允许的情况下被他人使用。

由于默认开启这一功能，Instagram用户被自动纳入。这迅速引发了隐私担忧的强烈反弹。

Meta的回应

Meta随后承认”考虑不周”，并表示该功能”已不再可用”。Meta在一份声明中表示：”我们的初衷是提供一个有用的创意工具，并让用户能够控制其公开内容是否以这种方式被引用。我们听到了反馈。”

当Meta宣布Muse Image时，公司表示该功能目前仅限于Instagram，但计划未来在WhatsApp、Facebook和Messenger上推出更多AI功能和整合。Meta还有一个正在开发中的AI视频工具。

行业反应

好莱坞演员工会Sag-Aftra将Meta的妥协称为一场”胜利”。该工会此前敦促其成员和”所有Instagram用户”采取行动保护自己的形象，称这体现了”对公众情绪——关于此类使用中显而易见的危险和危害——的彻底误判”。

总部位于伦敦的人权慈善组织Privacy International也批评了这一功能，告诉BBC这是”AI公司将用户的图像和数据视为可剥削原材料的又一迹象”。

科技巨头的AI内容治理困境

此次事件并非孤例。随着生成式AI技术的快速普及，科技公司面临着越来越大的压力，需要在创新与用户权益保护之间找到平衡。AI图像生成工具引发的隐私、版权和虚假信息问题已成为行业性挑战。

Muse Image的迅速撤回反映出，即使在Meta这样拥有强大法律和公关团队的科技巨头中，快速推出AI功能也伴随着巨大的风险。默认开启（opt-in by default）的做法尤其引发争议，用户往往在不知情的情况下成为AI训练或生成内容的数据来源。

隐私倡导者认为，涉及用户肖像和数据的AI功能应当采用”选择加入”（opt-in）模式，而非”默认开启”（opt-out）。Meta此次在不到一周时间内从发布到撤回的快速反转，可能促使其他科技公司在推出类似AI功能时采取更加审慎的态度。

Meta拒绝对此事发表进一步评论。Muse Image的其他功能——不涉及引用他人形象的常规AI图像生成——仍然可用。

从营销公司到AI科技公司的转型

森博科技拥有20年战略咨询和数字营销经验，服务过美的、海尔、海信等行业龙头企业。于林义坦言，公司AI化转型的真正转折点并非某一次大模型发布或融资事件，而是旗下高端品牌科驭的实践。

“我们用三四年时间把科驭做到了智能衣物护理机品类第一，”于林义回忆道。正是在这个过程中，团队发现多年沉淀的行业方法论完全可以喂给AI，变成能自主工作的智能体；而AI跑出来的实证业务结果又能反过来迭代方法论。这个”自己先把业务做成”的过程，让森博跑通了”方法论+AI智能体”的双系统飞轮。

三个条件判断场景是否适合AI智能体化

于林义总结了适合AI智能体化的三个核心条件：第一，场景的数字化程度要高，没有数字化AI很难驱动流转；第二，企业在该场景中的人员投资和预算投资要高，有足够的降本增效空间；第三，要有明确判断标准、可证伪、可被结果验证的方法论。

以GEO（AI搜索优化）为例，森博沉淀了”多源映射法”从百度、抖音、小红书等多源搜索数据反推AI平台用户问题，”ACCS模型”构建四层信源体系，以及”P-C-R模型”追踪AI平台信源偏好差异。于林义透露，经过对5大AI平台数万次实测，团队发现百家号60%以上的引用流向文心一言，抖音内容35%以上流向豆包。这些规律并非拍脑袋得出，而是实测数据的提炼。

在达人营销领域，森博采用”双塔匹配模型”做达人筛选，”CVI-5D模型”从传播力、种草力、粉丝匹配度、合作配合度、有效评论成本五个维度进行量化评估。据于林义介绍，这套模型在海尔等客户项目上节省了1958万元营销费用，达人外溢成本降低34%。

实证型研发体系（BER）的四步法

于林义详细介绍了森博的”实证型研发体系”（Business Evidence-Driven R&D），核心原则是每个AI智能体产品都必须先在真实业务中跑通，然后才给客户使用。具体分为四个步骤：

第一步，场景拆解。 不是简单问客户想要什么AI功能，而是深入业务内部，将完整链路拆解——输入、判断标准、输出以及对错验证方式。以GEO场景为例，团队将”让AI推荐你的品牌”拆解为问题定义、内容生产、渠道分发、效果监测和归因迭代五个环节，每个环节都有明确的数据指标。

第二步，方法论结构化。 将判断标准和经验规则编码为智能体可执行的逻辑，不是简单把文档丢给大模型，而是将每个判断节点转化为可量化的决策树。

第三步，实战验证。 智能体直接在真实业务中运行。于林义给出了具体数据：”好现”GEO智能体先在科驭品牌验证，推荐率从0做到90%以上；随后应用于海尔项目，新品首推率达到96%，售后电话首推率达到100%。”好灵”达人营销智能体经内部验证后给海尔使用，AI选出的达人外溢率比人工提升13%。

第四步，结果反哺。 每次业务结果都用来校准模型——正确的强化，错误的修正，形成持续循环。

未来方向：从营销链路到全企业业务链

谈到未来规划，于林义表示，森博正在将这套实证型研发体系从营销链路扩展到研发、生产、供应链、客服等更广泛的企业业务场景。目前森博正在与多家大模型厂商及行业头部企业合作，探索FDE（前端部署工程师）体系在更多业务环节的应用。

于林义对行业趋势的判断是：哈佛商业评论最近的调研显示85%的智能体项目打了水漂，”本质不是技术不行，是这些AI根本没进过真实业务，没有上下文、没有判断标准、没有结果反馈，自然当不了能干活的伙伴。”

在他看来，2026年的AI产业正在经历从”技术找场景”到”场景炼技术”的全面转向——通用模型能力已经足够强，真正决定企业级AI应用效果的，是业务上下文、行业方法论、流程拆解能力和可验证的结果反馈。

双线并进的整体思路

两家机构的工作分为两条主线：一是防止恶意行为者滥用其模型，二是确保政府、科学家、生物安全专家及内部团队能够利用这些技术建设更具韧性的世界。过去 12 个月里，它们已推进了 15 项以上与政府机构、生物安全组织和研究团队的合作，覆盖威胁防范、疫情早期检测和快速响应等领域。

这一方案的底层依托是几项突破性 AI 成果。Google DeepMind 的 AlphaFold 绘制了几乎所有已知蛋白质的三维结构；Isomorphic Labs 的 AI 驱动药物设计引擎（IsoDDE）提供了在新生物系统中导航所需的现实世界精度；AlphaGenome 则揭示了基因组功能。这些工具使研究者能够从被动应对转向主动防御，加速治疗方案的发现，并以更高的速度和精度保护全球健康生态。

三大关键领域：预防、检测、响应

两家机构将 AI 模型和智能体提供给可信合作伙伴，围绕预防、检测和响应三个方向展开工作。

预防方面，为确保 Gemini 等模型对专家而言安全且有用，团队遵循四步安全流程：威胁建模、评估、缓解和监控。内部生物学家、安全专家和外部合作伙伴紧密协作，理解潜在威胁、针对其测试模型并构建稳健的防护措施。此外，团队正在将其 SynthID 水印技术适配到生物学领域，帮助 DNA 合成服务商筛查可能存在风险的 AI 生成生物序列。

检测方面，团队致力于让病原体监测更具成本效益。例如，其智能体 AlphaEvolve 能够优化用于产生和分析宏基因组测序数据的算法，帮助更快检测新疫情。这种优化使 DNA 分析更快捷、更准确，从而降低大规模追踪疾病的成本。团队还在探索如何利用 AlphaGenome 和蛋白质功能注释技术，从序列数据中检测和表征病原体，比传统方法更快地识别新模式和 emerging 威胁。

响应方面，在 AlphaFold 科学影响的基础上，Google DeepMind 向可信研究人员开放最新的 AI 系统，帮助加速针对已知和新型威胁的疫苗及其他对策设计。Isomorphic Labs 则成立了一个专门单元，在新型疫情期间为政府机构和非营利组织快速部署其药物设计引擎，设计可应对自然发生疫情和 AI 滥用潜在风险的医疗对策。与政府和全球卫生机构合作推进多样化的诊断和治疗策略，使药物设计引擎在生物韧性领域产生现实影响。

更广义的风险治理框架

这一复杂的长期工作，是两家机构管理化学、生物、放射性和核（CBRN）风险更广义方法的一部分，与其前沿安全框架的主动缓解措施和严格评估协议保持一致。

DeepMind 与 Isomorphic Labs 表示，将致力于与生物安全实验室、政府和更广泛的科学界开放、协作地工作，确保 AI 以负责任的方式开发和部署，帮助防范社会面临的最大风险之一。它们同时呼吁新的合作伙伴加入这一努力。

技术与责任并行

这项方案的发布，反映出前沿 AI 实验室在推动能力边界的同时，正系统性地构建生物安全防护网。从 AlphaFold 解决蛋白质结构预测，到 IsoDDE 实现药物设计的现实精度，再到 AlphaEvolve 优化测序算法，这些原本服务于基础科学的工具，正在被重新组织成一套面向公共卫生的防御体系。SynthID 水印技术从数字内容向生物序列的延伸，则展示了 AI 安全技术跨界应用的新方向。

随着 AI 能力的持续提升，如何在释放其应对疫情潜力的同时防止被恶意利用，已成为行业无法回避的命题。Google DeepMind 和 Isomorphic Labs 的这次方案发布，为这一问题提供了一个可参考的框架——它既不是单纯的技术承诺，也不是简单的风险声明，而是一套将预防、检测、响应三个环节串联起来的实操路径。