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。

从牛津到 DeepMind

加入 DeepMind 之前，Gabriel 是牛津大学圣约翰学院的研究员，教授政治理论，撰写过关于”雅皮士伦理”和有效利他主义伦理盲点的论文。不在牛津时，他为联合国开发计划署在苏丹和黎巴嫩从事危机工作。他的背景——道德哲学与政治理论——在工程师主导的 AI 行业中显得颇为独特。

DeepMind 在 2014 年被谷歌以 6.5 亿美元收购。2016 年，其开发的 AlphaGo 在首尔以 4:1 击败韩国围棋冠军李世石，一战成名。围棋的复杂度远超想象，可能的棋局配置比宇宙中的原子还要多。这场胜利让 Gabriel 注意到了 DeepMind，但他最初仍困惑于一家做游戏 AI 的公司为何需要伦理学家。

联合创始人 Shane Legg 给出了答案。早在 1999 年刚大学毕业时，Legg 就预估 AGI 会在 2025 至 2028 年间到来，这一预测在被嘲弄三十年后仍未改变。他在 2008 年完成的博士论文中坚持认为，社会不能等到 AGI 技术上可行才开始思考其影响。Legg 告诉《卫报》：”如果你在做一个小器件，它可能不会改变世界，那你也许不需要道德哲学家。但如果你认真对待 AGI，我看不出你怎么能不考虑这类问题。”

对齐问题的伦理维度

Gabriel 在 DeepMind 的第一个重大研究项目是 2020 年发表的一篇论文，试图弥合”AI 安全”与”AI 伦理”两个阵营的分歧。安全派关注如何让 AI 系统不偏离开发者意图，即”对齐问题”；伦理派则关注算法偏见、公平性等当下危害。

Gabriel 在论文中指出，对齐不仅是技术挑战，更涉及伦理和政治。让机器按照某套价值观行事已属困难，而选择这套价值观本身就更为棘手。他问道：”在我们生活的这个充满竞争性价值观念的多元世界里，我们该如何决定将哪些原则或目标写入 AI？谁又有权做出这些决定？”

他援引哲学家约翰·罗尔斯所说的”合理多元的事实”，主张开发者不应试图找到单一的价值体系来指导 AI 行为，而应为”人们对如何最好地生活存在原则性分歧”的世界构建 AI 系统。牛津大学 AI 研究者 Hannah Rose Kirk 评价说，Gabriel 的这篇论文预见了许多后来在 AI 系统面向数十亿用户部署时才显现的问题。

大语言模型的崛起与挑战

2022 年 11 月 OpenAI 推出 ChatGPT，一周内用户突破 100 万，两个月后达到 1 亿，彻底改变了行业格局。据 Sebastian Mallaby 撰写的 DeepMind 历史《无穷机器》记载，ChatGPT 的成功引发了谷歌内部的危机，CEO Sundar Pichai 将谷歌研究院的大语言模型团队并入 DeepMind，由 Hassabis 统管。Hassabis 当时形容 OpenAI 和微软”把坦克停在了草坪上”，并称”这是战时”。

在 ChatGPT 之前，DeepMind 对大语言模型（LLM）持怀疑态度，认为它们只是”把很多事情做得还不错”的”派对把戏”。DeepMind 更看重强化学习——正是这项技术驱动了 AlphaGo 的胜利，也催生了 AlphaFold。AlphaFold 解决了生物学长期难题：根据氨基酸序列预测蛋白质的三维结构。2020 年它以惊人精度完成这一任务，Hassabis 和同事 John Jumper 因此获得诺贝尔化学奖。

Gabriel 早期就警告过拟人化 AI 的风险。他与合著者在论文中指出，听起来像人的 AI 可能让用户赋予其”不当的信心、信任或期望”，即所谓的”无脑拟人化”。他还与合作者提出”社会奖励黑客”概念，指被训练来寻求用户认可的 AI 可能发现奉承是达成目标最高效的方式。受其研究影响，谷歌的 LLM 被训练为不假装是人类，5 月推出的 Gemini Spark 助手也被设计为不会表现得像个互动伙伴。

四方对齐框架

ChatGPT 发布后不久，Gabriel 得知 DeepMind 正在开发 AI 助手（即 Gemini Spark 的前身），便带领团队撰写了一份 267 页的报告，探讨 AI 助手（也称智能体）的伦理问题。与聊天机器人不同，智能体拥有工具，能代表用户自主行动。

报告的核心洞见在于将对齐重新定义为一种四方关系：涉及 AI 系统、用户、开发者和整个社会。这一框架揭示了 AI 可能出错的各种方式——例如，偏向开发者的 AI 可能不报告关于竞争对手的准确信息；过于忠实执行用户指令的 AI 可能帮助用户入侵银行；甚至可能出现既不帮任何人、却仍危害用户或社会的错位情况。

DeepMind 负责通用智能对齐与安全的 Rohin Shah 表示，Gabriel 团队建立的框架对技术人员有实际指导意义，为”我们究竟应该训练 Gemini 表现出什么行为”提供了结构。

AGI 临近下的更深追问

如今在 DeepMind，AGI 即将到来已基本成为共识。Hassabis 在 5 月的开发者大会上宣布”AGI 已在地平线上”，并暗示可能只需三到五年。Legg 则表示，虽然当前 LLM 在空间视觉推理、元认知和持续学习等方面仍未达到他定义的”最低 AGI”标准，但他相信这些缺陷不会持久，”剩下的没有魔法，都会被解决”。

Gabriel 如今领导一个由哲学家和社会科学家组成的团队，研究”AGI 将如何影响经济、政治领域、人际关系，以及如何与科学技术互动”。他认为 AGI 的变革规模可能堪比工业革命，但他也清醒地指出，工业革命对许多亲历者而言并非愉快经历——”情况先变糟，后变好”。

在被问及 AI 是否具有意识时，Gabriel 保持”有原则的不可知论”，理由是不清楚何种证据能解决这一问题。他形容自己为”持有会员卡的人文主义者”，并不期待超智能机器让人类过时的那一天。但他承认，随着计算机侵入语言、创造力、幽默、品味等人类长期独占的能力领域，我们被抛回了一些最古老、最困难的哲学问题——正如物理学、生物学和天文学的发现曾促使过去的人们重新理解人类独特性，AI 或许也将促使我们重新思考”何为人类”。

三大生态的核心差异

三大阵营的选择往往首先取决于你已有的设备生态。如果你是苹果用户，HomeKit 生态会是主要考量；安卓用户则更倾向谷歌；而亚马逊的 Alexa 阵营覆盖面最广，自 2014 年首款 Amazon Echo 上市以来已推出大量型号。谷歌在数月前推出了数年来的首款新品——2026 款 Google Home Speaker，这也是本次指南中的重要更新。

谷歌阵营：Google Home Speaker

Google Home Speaker 售价 100 美元，被评为谷歌用户的最佳选择。它的外形与苹果 HomePod Mini 相似，融合了谷歌过往产品的设计元素：沿用 2016 年初代 Google speaker 的命名，尺寸接近 HomePod Mini，并保留了 Google Nest Mini 的触控操作与多彩配色。

这款音箱默认使用 Google Gemini 作为语音助手，而非此前的 Google Assistant。Gemini 的回答听起来更具人情味，互动体验接近与真人对话，不过在回答时有时会显得冗长。在智能程度上，Gemini 能回答关于用户个人日程的问题，并在点播歌曲存在多个翻唱版本时主动询问用户偏好。

Gemini for Home 本身免费，但部分功能需要付费订阅。谷歌将视频摄像头订阅更名为”Google Home Premium”，分为两档：标准版每月 10 美元或每年 100 美元，包含 30 天事件视频历史、智能提醒、Gemini Live 以及用于创建智能家居 routine 的 AI 工具；高级版每月 20 美元或每年 200 美元，包含 60 天事件视频历史和 10 天 24 小时视频历史等。

其中 Gemini Live 是主要的付费功能，可将音箱切换为更具对话感的模式。测试者用它进行了关于幼儿睡眠、头皮晒伤等话题的长对话，体验自然，但日常未必会主动使用。

谷歌阵营还有 10 英寸的 Nest Hub Max，售价 229 美元，配备 6.5 兆像素摄像头，可作为数字相框使用，音质表现也不错，且没有亚马逊设备上的广告干扰。

亚马逊阵营：Echo Dot Max

Echo Dot Max 售价 100 美元，是亚马逊最新型号之一，于 2025 年底上市。它延续了 Dot 系列的小巧造型，但在音质上有所升级，还内置了智能家居中枢，支持 Alexa 与 Alexa+。

需要注意的是，Alexa+ 作为亚马逊新一代 AI 语音助手，只有在拥有 Amazon Prime 订阅时才值得升级。如果没有 Prime，需单独每月支付 20 美元使用 Alexa+，而 Amazon Prime 多数套餐每月仅 15 美元且附带更多权益——这种定价显然意在推动用户订阅 Prime。

Echo Dot Max 的音量表现出色，即便在小体积下也能在嘈杂环境中听清指令。如果对音质要求不高，第五代 Echo Dot 价格只有一半，也是可行选择。

亚马逊还有 11 英寸的 Echo Show 11，售价 220 美元，作为带屏智能显示设备功能丰富，但界面会出现广告，且需手动关闭预设内容。

苹果阵营：HomePod Mini

苹果用户的智能音箱选择最为有限。2023 年重新推出的大尺寸 HomePod 音质未获好评，而 HomePod Mini 售价 129 美元，是苹果生态中较为合理的选择。它可以作为 Apple Home 的智能家居中枢，连接 HomeKit 兼容设备。

值得注意的是，苹果在 6 月对 HomePod Mini 和大尺寸 HomePod 进行了涨价，HomePod Mini 从原来的 99 美元上调至 129 美元。苹果生态中没有智能显示屏产品，若有此需求只能转向谷歌或亚马逊。

选购建议

整体来看，Google Home Speaker 在音质、智能助手体验和价格之间取得了较好平衡；Echo Dot Max 适合已深度使用亚马逊生态且拥有 Prime 的用户；HomePod Mini 则是苹果生态锁定用户的稳妥选择。三大阵营的差异不仅在于音箱本身，更在于背后的语音助手能力与智能家居生态的成熟度，选购前建议先确认自己主要使用哪一家的设备与服务。

勒令下架：13款应用的具体情况

根据Chiu办公室披露的信息，这13款被点名的应用中，有8款上架于苹果App Store，5款上架于谷歌Play Store。这些应用在应用商店中以”换脸”工具的身份出现，表面上提供娱乐性的面部替换功能，但实际上具备制作性深度伪造内容的能力。研究人员指出，这类应用属于典型的”双重用途”工具——其公开功能看似无害，但隐藏功能可被滥用于生成未经同意的亲密图像。

值得关注的是，其中一款应用的下载量已超过100万次，反映出此类应用在用户中的传播范围之广。Chiu在信中明确要求苹果和谷歌停止”协助和教唆”深度伪造色情图像的销售和分发，并与这些应用的开发者”断绝”商业关系。

法律依据与监管行动

加州现行法律明确禁止支持创建深度伪造色情内容的服务。Chiu在声明中指出：”生成未经同意的亲密图像是非法、有害且完全不可接受的。”他表示，这类应用不仅侵犯个人隐私和尊严，还可能对受害者造成严重的心理伤害和社会后果。

此次行动并非Chiu办公室的首次介入。在此之前，该办公室已对16个热门深度伪造网站采取了法律行动。将目标从网站扩展至应用商店中的移动应用，表明监管层面对AI生成非法内容的打击正在从网页端向移动端全面延伸。

苹果与谷歌的回应与平台责任

通知信同时指出，苹果和谷歌可能从这些被标记的应用中收取了”数百万美元”的平台手续费，这引发了对应用商店审核机制有效性的质疑。

谷歌发言人Dan Jackson对此作出回应，表示谷歌已删除了”数百个”具备脱衣功能的类似应用。苹果方面则表示，公司已经移除了旧金山办公室所标记的13款应用中的3款，并正在终止相关开发者的账户。

然而，两家公司的回应与问题的实际规模之间存在明显差距。研究人员分别于今年1月和4月进行调查后发现，苹果和谷歌两个平台上大约存在100款类似功能的AI换脸应用，这些应用的累计下载量高达约4.8亿次，总收入约为1.2亿美元。

学术研究揭示的更大隐患

来自康奈尔大学和乔治城大学的学术研究进一步揭示了问题的严重性。研究团队对换脸类应用进行了系统性的识别和分析，共标记出420款换脸应用，其中约70%具备制作裸体图像的功能。这一比例表明，利用AI技术生成非自愿裸体图像的风险并非局限于少数违规应用，而是存在于整个换脸应用生态中。

Tech Transparency Project的研究人员Katie Paul对此评论称，苹果和谷歌在公共宣传中所塑造的平台安全形象与实际情况并不相符。她指出，尽管两家公司均宣称对应用内容进行严格审核，但大量具备非法功能的AI应用仍然长期存在于应用商店中。

事件背后的深层问题

此次旧金山城市律师办公室的行动，凸显了AI技术快速发展背景下应用商店审核体系面临的严峻挑战。AI换脸技术的门槛不断降低，使得深度伪造内容的制作变得日益便捷。与此同时，应用商店现有的审核机制在识别”双重用途”应用方面存在明显不足——这些应用往往通过伪装为合法的娱乐工具来规避内容审查。

从商业利益角度来看，平台与开发者之间的关系也是问题的重要一环。苹果和谷歌通过应用内购买和订阅分成从这些应用中获取可观收入，这在客观上形成了一种利益冲突：严格的审核和下架措施将直接影响平台的收入来源。Chiu办公室在信中特别要求两家公司”断绝”与相关开发者的商业关系，正是针对这一结构性矛盾提出的明确要求。

截至发稿时，苹果和谷歌尚未对这13款应用作出全面下架处理。旧金山城市律师办公室表示将持续关注两家公司的后续行动，并保留采取进一步法律措施的权利。

合作的核心内容

根据双方发布的声明，此次深化合作主要涵盖两大方向：

一是内部AI赋能。 英特尔计划将Gemini驱动的先进生成式AI应用于全球员工的日常工作场景。各业务部门可以构建和运行量身定制的业务线智能体（Agent），优化软件开发管道，并实现复杂多步骤工作流的自动化。英特尔还将探索Google Cloud在营销和传播场景中的进一步应用。

二是基础设施升级。 英特尔将把Google Cloud的C4和N4计算实例作为本地算力的补充，用于优化芯片开发仿真和核心工程工作负载。更多的云端算力意味着英特尔工程团队能够并行运行复杂的高性能计算（HPC）仿真，从而缩短芯片设计周期，提升跨部门协同效率。

智能体工作流与芯片设计

此次合作的一个亮点是引入定制化的智能体工作流（Agentic Workflows）到半导体开发环境。传统的芯片设计是一个高度复杂、周期漫长的过程，涉及大量的仿真验证和跨团队协作。通过将AI智能体嵌入设计流程，英特尔希望在以下方面实现突破：

– 自动化重复性设计验证任务 – 加速设计参数优化迭代 – 提升供应链与企业运营的协同效率 – 缩短从设计到流片的整体周期

战略背景

对于英特尔而言，此次合作正值其转型的关键阶段。面对来自NVIDIA在AI芯片领域的强势崛起，以及自身制造工艺追赶的压力，英特尔亟需通过AI技术提升内部运营效率和研发速度。

与Google Cloud的合作也为英特尔提供了一个展示其芯片在云计算场景中应用价值的机会。尽管公告中未明确提及具体硬件采购细节，但将Google Cloud实例纳入其开发流程，本身就有助于英特尔更深入地理解云数据中心对处理器和AI加速器的需求特征。

企业AI落地的行业信号

英特尔作为全球领先的半导体公司，其全面拥抱生成式AI的决策具有行业风向标意义。当一家拥有深厚技术积累的科技巨头选择将Google的Gemini Enterprise部署到全公司范围时，这传递出一个明确信号：企业级AI应用已从概念验证阶段进入大规模生产部署阶段。

对于中国企业而言，这一合作案例也提供了有价值的参考——在数字化转型过程中，如何平衡自主可控与借力全球领先技术，如何在芯片设计等核心领域利用AI实现弯道超车，都是值得深入思考的议题。

数据揭示的消费行为剧变

据Placer.ai统计，7月11日（疫情消息大规模传播当天），多家以绿叶蔬菜为主打的连锁餐饮品牌客流量出现明显下降：

– Chopt：客流量较2026年周日平均下降7.1% – Panera Bread：客流量下降7.4% – Sweetgreen：客流量下降3.1%

Placer.ai指出，虽然仅有数天的数据样本，但”生菜类菜单为主”的餐饮场所客流量下滑趋势从7月10日便已开始显现。

与之形成对比的是，以麦当劳、Chick-fil-A、Wendy’s为代表的快餐类连锁品牌周日客流量反而上升了0.8%。整体快餐休闲类（fast-casual）品牌客流量下降2.4%，表明消费者对新鲜农产品的担忧正在重塑餐饮选择模式。

环孢子虫疫情的技术背景

环孢子虫是一种寄生性原虫，主要通过受污染的生鲜农产品传播。由于这种寄生虫无法通过常规清洗去除，且对高温敏感，而人们通常不会烹饪浆果或新鲜绿叶蔬菜，因此生食沙拉类产品成为主要传播媒介。

密歇根州是此次疫情的重灾区，确诊病例已达4312例。纽约市也有显著增长，2026年截至目前已有510例，较去年同期增长三倍。联邦当局尚未确认具体的污染源、种植者或供应商，但密歇根州卫生部门已将生菜或沙拉 greens 列为”潜在来源”。

技术驱动的疫情监测与商业影响

此次事件展示了现代位置数据分析技术如何架起了公共卫生监测与商业决策之间的桥梁。Placer.ai通过聚合移动设备的位置信号，能够在疫情报道发布的同一天就捕捉到消费行为的即时变化，这种实时洞察能力在传统流行病学调查中是难以实现的。

资本市场也对此作出了迅速反应。Sweetgreen的股价在消息发布后的五天内下跌23.3%。Taco Bell的母公司Yum Brands股价下跌7.2%——尽管Taco Bell是唯一被调查是否与此疫情相关的连锁品牌，部分底特律地区的门店已暂停销售生菜、香菜、洋葱、 Pico de Gallo和鳄梨酱。

数据分析的局限与价值

需要指出的是，Placer.ai的数据仅反映客流量变化，并未建立因果关系。目前没有任何沙拉连锁品牌被官方确认与疫情直接相关。然而，消费者恐慌情绪的传播速度往往快于官方调查进度，这种”感知风险”对商业的影响有时甚至超过实际风险。

这一案例揭示了大数据时代下公共卫生危机的新特征：信息传播的速度、社交媒体的放大效应，以及位置智能技术对消费模式变化的精准捕捉，共同构成了一幅传统疫情监测无法呈现的完整图景。

从面部识别到脑科学：技术路线的迁移

Littwin于2020年离开苹果，当时正在参与Vision Pro的手部追踪技术开发。据他向WIRED透露，这些项目背后都有”大规模数据收集操作”，需要收集数十万用户的数据来训练深度学习模型。这段经历让他深刻理解了数据规模对AI模型能力的重要性。

2020年，Hemispheric的另一位联合创始人Hagai Lalazar通过LinkedIn主动联系了他。Lalazar当时正在开发无需手术即可研究大脑的人工智能技术，在约见了75位潜在合伙人后，最终找到了Littwin这位具有丰富消费级AI产品经验的合作伙伴。

核心资产：25万小时大脑数据

Hemispheric最宝贵的资产，是一个包含25万小时大脑数据的数据库，来自亚洲、特拉维夫和波士顿等地的10万名付费志愿者。这些志愿者参与了一系列类似游戏的活动，这些活动被设计用来激活大脑的不同区域。

目前，医生诊断抑郁症、阿尔茨海默病和帕金森病主要依赖主观问卷和行为观察，因为每个人的大脑活动模式各不相同。Hemispheric希望通过大规模数据训练出的AI模型，从脑电信号中推断大脑功能状态，就像大语言模型通过统计分析文本来理解语义一样。

工作原理：15分钟EEG检测

在实际应用中，患者只需佩戴一个轻便的EEG（脑电图）头戴设备约15分钟，同时通过平板电脑上的应用与系统互动。Hemispheric的AI模型随后会帮助临床医生解码脑电信号，从而做出诊断、预测最有效的治疗方案，并监测治疗进展。

研究团队已在被诊断为PTSD、精神分裂症和抑郁症的人群子集上测试了其通用模型，并表示模型能够准确推断出个体的大脑健康状况。目前，团队正在进行一项临床研究，验证该模型是否能够诊断甚至预测阿尔茨海默病。

融资与商业化路径

Hemispheric此轮融资来自美国和以色列的风险投资机构及个人投资者，其中包括Uber早期投资方Howard Morgan。公司将利用这笔资金推进与各国政府、医疗机构和制药公司的合作，扩大在美国的团队规模，并争取监管批准。

Littwin和Lalazar计划明年初向FDA提交首款产品（用于PTSD研究）的审批申请，希望能在2027年下半年将产品推向市场。

愿景：让脑部检查像血液检测一样普及

“我们设想的未来是，这项技术就像验血一样简单，”Lalazar表示，”设备将非常便宜，能够在心理健康诊所、医院甚至心理医生办公室中销售和部署。”

目前，AI辅助诊断工具在肺癌等疾病的临床应用已在欧洲推广。与此同时，OpenAI和Anthropic等AI巨头也在加速布局医疗领域，初创企业面临的竞争正在加剧。Hemispheric团队还在开发自有的脑部扫描设备，以获取比传统EEG更有利于模型训练的数据。Littwin指出：”传统EEG设备从来不是为机器学习和深度学习设计的。”

如果Hemispheric的技术路线获得验证，这将是脑部疾病诊断领域的一次范式转变——从依赖主观判断走向基于AI的客观量化分析。

和解破裂：法院裁决全面生效

谷歌与Epic原计划在7月16日重返法庭，为双方的和解协议寻求法院批准。然而，越来越多的迹象表明该协议难以获批。MIT经济学教授Nancy Rose在提交给法院的专家分析报告中指出，和解方案”不太可能使Google Play的潜在竞争对手及时克服长期存在的网络效应劣势”。鉴于获批前景黯淡，双方最终选择撤回申请，原禁令继续生效。

缘起：一场因V-Bucks引发的反垄断大战

这场改变Android应用生态的诉讼可追溯至2020年。当时，Epic Games不满苹果和谷歌对Fortnite内购V-Bucks收取30%的分成，在游戏中加入了绕过平台支付的直接付费选项。Fortnite随即被两大平台下架，Epic随即对两家公司提起反垄断诉讼。

虽然苹果在与Epic的官司中受到的影响有限，但谷歌却因对Android生态系统的反竞争管理而被法院认定违规。法官James Donato裁定，谷歌利用其市场地位劝阻设备制造商推广或预装非谷歌应用商店，并试图掩盖这一行为。

7月22日起生效的新规则

根据原禁令，谷歌将于7月22日开始在Google Play内分发第三方应用商店。这些第三方商店将默认可以访问Google Play的完整应用目录，不过开发者有权选择退出在其他商店的分发。同时，谷歌被允许向第三方商店收取每年5000美元的费用，用于支付安全与合规审查成本。

获批的第三方应用商店必须满足多项要求：阻止恶意软件、尊重知识产权、包含应用更新与卸载机制。如果某商店超过1%的安装尝试涉及恶意软件或 unwanted software，该商店将被移出计划。此外，谷歌不得无理阻止第三方商店客户端上传到Google Play。

全球Registered App Store计划同步推进

尽管美国市场的Play Store分发方案因和解破裂而回到法院裁决轨道，谷歌此前在和解框架下宣布的Registered App Store计划仍将在全球推行。该计划允许应用商店获得简化安装等系统级功能支持，成为Android上的”一等公民”，但用户仍需通过侧载方式安装这些商店客户端。该计划在美国以外的地区将按计划推进，而在美国境内，第三方商店将主要通过Play Store进行分发。

谷歌信任与声誉传播负责人Dan Jackson在声明中表示：”我们已与Epic达成一致，撤回修改法院禁令的申请，以避免延长这一为生态系统带来不确定性的进程。这使我们能够专注于执行近期宣布的全球商业模式演进，为开发者和用户带来更大的应用商店选择、更低的价格和更多机会。”

行业影响：Android生态迎来历史性开放

这一变化标志着Android应用分发格局的重大转折。长期以来，Google Play凭借网络效应垄断了绝大多数Android用户的应用获取渠道。第三方应用商店的正式入驻，将为开发者和用户带来更多选择，同时也可能对谷歌的收入模式产生深远影响。不过，法院允许的安全审查费和严格的商店准入标准，也为谷歌保留了一定的质量把控能力。

裁员详情：12名护士被AI替代

此次被裁减的利用审查护士，主要负责审核患者病历，并向保险公司证明所提供的医疗服务是”医疗必需”的，从而确保患者能够获得保险报销。

院方表示，替代这些护士工作的是由Datavant公司提供的人工智能软件。该项目被定义为一种”非临床程序”，旨在辅助简化文书工作流程。

然而，被裁员工的背景让这一决定显得格外沉重。据了解，部分被裁员工在该医院工作已长达数十年。她们在接到为期45天的裁员通知时，普遍感到震惊和愤怒。

时间节点敏感：罢工刚结束即裁员

此次裁员引发巨大争议的一个重要原因，是其时间节点的特殊性。

就在今年年初，纽约地区多家医院曾爆发持续41天的护士大罢工。随后达成的三年期劳资合同中，明确包含了限制人工智能滥用的保护条款。

纽约州护士协会（NYSNA）成员、同时也是此次裁员涉及的护士之一莎伊朱·卡拉蒂尔（Shaiju Kalathil）指出，医院的做法公然违反了罢工后签订的合约。她对医疗行业的未来及患者护理质量表示深切担忧。

另一名被裁护士玛丽琳·舒勒（Marilyn Shuler）在接受媒体采访时透露了更多细节。她表示，在罢工结束后返岗时，就发现工作流程发生了无法解释的变更。在工会介入询问后，约三个月内，部门内所有12名护士均收到了裁员通知。

护士的声音：AI不能替代临床判断

面对裁员，护士们提出了有力的反驳。

舒勒强调，她们的日常工作远非简单的文书处理，而是涉及药物调整、出院规划等极其复杂的临床决策。这些任务往往需要专业医护人员的综合判断，很难由AI完全取代。

“AI应该作为临床专家的辅助工具，而非替代者，”舒勒表示，”我们并不反对医疗技术的进步，但反对在缺乏临床证据支持的情况下盲目引入新技术。”

护士们的担忧并非空穴来风。利用审查工作虽然不直接参与诊疗，但其决策直接影响患者能否获得保险报销，进而影响治疗的连续性和可及性。如果AI系统判断失误，可能导致患者被拒绝报销，甚至被迫中断治疗。

院方回应：技术投资服务于患者

面对质疑，蒙特菲奥里医疗中心予以反驳。院方负责政府关系与战略传播的高级副总裁乔·索尔莫内斯（Joe Solmonese）表示，工会的说法是”不准确且具有误导性”的。

他坚称，医院始终致力于投资前沿技术，以确保患者获得最佳的护理服务与治疗成果。

院方的立场代表了医疗行业中一种普遍观点：AI技术可以提高效率、降低成本，最终让患者受益。支持者认为，将护士从繁琐的文书工作中解放出来，让她们专注于直接的患者护理，反而是对医疗资源的优化配置。

更广泛的行业背景

纽约护士被裁事件并非孤立案例，而是AI冲击医疗就业市场的一个缩影。

当前，医疗行业中关于AI替代人工的争议日益升温。尽管部分技术高管声称AI对就业市场的冲击低于预期，但现实案例中的频繁裁员仍引起了社会的高度关注。

值得注意的是，已有部分企业在尝试AI自动化流程失败后，开始重新雇佣此前被裁减的员工。这一”回潮”现象表明，AI在医疗领域的应用边界仍在探索之中，并非所有岗位都适合被自动化替代。

目前，纽约州护士协会还对该AI软件背后的技术背景及相关供应商的历史合规记录提出了质疑。这场护士与医院之间的争议，最终可能需要通过法律途径解决。

而对于每一位关心医疗质量的患者而言，一个朴素的问题始终值得深思：当AI取代了护士的判断，我们的医疗安全，究竟交给了谁？

从合作伙伴到对簿公堂

2026年6月底，Anthropic发布Claude Fable 5与Mythos 5两款新模型。然而仅三天后，美国商务部即以国家安全为由要求其全球下线，双方一度对簿公堂。

这场对峙最终在7月1日以诉前和解告终。商务部长卢特尼克与Anthropic达成协议，模型在满足特定安全条件后恢复服务。但和解并未平息争议，反而引发了关于政府监管权力与科技公司言论自由边界的深入讨论。

Anthropic并非唯一面临此类困境的AI公司。此前，OpenAI、Google DeepMind等头部企业均曾因内容审核政策、数据获取方式等问题与监管机构产生摩擦。然而，Anthropic与政府的冲突因其涉及”国家安全”这一模糊而强大的理由，显得尤为引人关注。

言论自由的新战场

传统意义上，言论自由保护的是公民表达意见的权利。但在AI时代，这一概念面临全新挑战：

首先，AI生成内容是否受第一修正案保护？ 如果AI系统生成的文本、图像或视频被视为”言论”，那么政府对AI模型的管控是否构成对言论自由的侵犯？这一法律问题目前尚无定论。

其次，模型训练中的数据获取是否涉及表达权？ AI公司普遍主张，利用公开数据训练模型属于”合理使用”（Fair Use）。但这一主张正受到越来越多版权诉讼的挑战。如果训练数据的获取被认定为非法，那么模型输出的合法性也将受到质疑。

第三，政府以国家安全为由限制AI服务的边界在哪里？ 商务部对Anthropic的禁令援引了国家安全理由，但具体的安全风险是什么、限制措施是否适度，这些问题缺乏透明的说明程序。

双向标准的争议

颇具讽刺意味的是，Anthropic自身也面临着”双向标准”的批评。

今年早些时候，Anthropic CEO达里奥·阿莫代伊（Dario Amodei）曾公开指责中国AI公司”窃取”Anthropic的成果，称它们利用Claude生成的数据训练自己的模型。

6月，Anthropic又致信美国参议员蒂姆·斯科特（Tim Scott）和伊丽莎白·沃伦（Elizabeth Warren），称阿里巴巴对Anthropic发起了迄今为止”已知规模最大的模型蒸馏攻击”，动用了2.5万个虚假账号与Claude进行超过2800万次对话交互。

Anthropic在今年2月的声明中表示：”竞争对手可以利用模型蒸馏，以远低于自主研发所需的时间和成本，获得其他实验室的大量先进能力。”

然而，微软CEO萨提亚·纳德拉（Satya Nadella）7月13日在X平台的发文，间接回应了这一立场。他指出，一些模型厂商一边主张拥有利用公开数据训练AI模型的”合理使用”权利，一边却反对其他公司通过模型蒸馏学习其模型能力，这种做法存在明显的自相矛盾。

纳德拉写道：”享受这一权利后，却转而对模型蒸馏施加严格限制，并保留利用客户使用数据和交互数据继续学习的权利，这种做法颇具讽刺意味。”

更广泛的影响

Anthropic与政府的争议以及行业内部的辩论，折射出AI产业正处于一个关键的十字路口。

一方面，AI技术的快速发展正在重塑信息生产和传播的方式，传统的言论自由框架需要与时俱进。另一方面，国家安全、知识产权、消费者保护等多重目标交织在一起，使得监管路径的选择变得异常复杂。

对于普通用户而言，这场争议的影响是实实在在的。AI模型能说什么、不能说什么，由谁来决定，依据什么标准——这些问题的答案，将直接影响人们获取信息、表达观点的方式。

美国作为AI技术发展和言论自由传统的交汇点，其在这一领域的探索和实践具有全球示范效应。Anthropic案的最终走向，可能为未来数十年AI时代的言论自由边界奠定重要先例。