Google智能眼镜开放预购：AI硬件迈入消费市场

Google智能眼镜开放预购：AI硬件迈入消费市场

Google智能眼镜已开放预购。这回来的不是概念演示，而是消费者真能下单买到的成品。Samsung、Warby Parker和Gentle Monster参与了合作，分别在制造、光学设计和时尚造型上出力。AI可穿戴设备由此不再局限于极客圈层，普通消费者开始接触到这类产品。

此前同类产品常陷入两难：有用却难看，或者好看却没用。Google这次联合时尚品牌，指向的正是愿不愿意戴的问题。开发者多了一个新平台，用户则多了一个无屏交互的入口。但隐私和电池续航仍是隐忧，市场能否接受，要看首批用户的真实反馈。

Runway新增3D生成功能，创作工作流再扩展

Runway对其生成式AI套件做了更新，加入3D模型生成能力。用户借助Tripo H3.1模型，可直接从文本描述或静态图像生成3D资产。该功能支持上传已有模型、调整视角并导出标准格式，能直接嵌入游戏开发、影视制作等创作者的工作流。

3D建模过去门槛高、耗时长。早先的AI工具能出图片甚至视频，可要生成能用的3D网格一直不容易。Runway这次接入Tripo H3.1，想把这个门槛降下来。独立开发者和小团队做快速原型，成本会明显降低。生成的模型精度够不够工业级，还得放到实际项目里检验，但至少创意迭代有了一个快速的起点。

Hugging Face发布3D模型微调指南

3D生成热度上升之际，Hugging Face推出了一份3D生成模型微调的实战指南。教程详细讲解了怎样用LoRA等技术对3D生成模型做定制训练。

不少团队用通用模型时会碰到风格或结构对不上具体项目的情况。官方这份微调指南，实际是教开发者怎么“调教”模型，让它贴合特定的艺术风格或几何约束。想建立私有化3D资产库的企业尤其需要它。模型不再只是黑盒调用，技术人员可以深入到参数层面调整，输出结果也更可控。

企业智能体：从单点工具到系统互联

落到企业应用上，智能体（Agent）正从单一的聊天机器人，走向复杂的协作系统。

Databricks的Genie for Slack已正式全面可用（GA）。用户能在Slack里直接针对受治理的企业数据提问。“受治理”是关键所在。企业最担心的，是AI泄露敏感数据或给出错误信息。Genie把数据权限管理结合进来，员工只能问到自己有权访问的数据。AI助手嵌进日常沟通工具，上下文切换少了，协作效率也上去了。

AWS同期发布技术文章，讲的是如何搭建可互操作的多智能体系统。不同组织、不同功能的智能体借A2A（Agent-to-Agent）协议完成发现、通信和任务交接。销售智能体谈完客户，需求自动传给供应链智能体，后者再协调物流智能体。跨系统的自动化协作，正是企业智能化的深水区。AWS还介绍了Bedrock知识库的细粒度访问控制，智能体访问内部数据时的安全隔离问题又多了一层解法。

百度昆仑芯M100投用，算力布局提速

百度自研芯片昆仑芯M100已投入使用，下一代M300及1024卡天池超节点的计划提前到了2027年。按官方说法，专用硬件能明显压低多模态推理成本。

大模型竞争的背面，是算力的军备竞赛。通用GPU性能强，但价格高、供应也紧。百度自研芯片，一头为降成本，一头为减少对外部供应链的依赖。M100投用，意味着百度在底层硬件上拿到了更多自主权。性能提升的具体数字目前主要来自官方报道，真实效果还要等第三方评测或大规模应用后的反馈。

Anthropic漏洞修复效率引争议

Anthropic的“玻璃翼”（Glasswing）漏洞悬赏项目近日遭到质疑。数据显示，近4万个提交的候补问题中只修复了217条。修复率如此之低，社区开始担心前沿模型的安全反馈机制到底能不能处理问题。

安全研究社区通常靠众包发现模型漏洞。提交的问题若得不到及时响应或修复，研究者的积极性就会受挫。这也摆出一个现实问题：模型越来越复杂，识别和修复潜在安全隐患变得极其困难。是提交的问题质量不高，还是修复成本太高？Anthropic需要给出更透明的解释。对依赖这些模型的企业来说，弄清厂商的安全响应能力很关键。

UCSD推出可验证LLM基础设施

加州大学圣地亚哥分校（UCSD）Hao AI Lab发布了vstack形式化验证工作流和veriserve推理服务引擎。这套基础设施瞄准的，是大语言模型推理过程的可验证性问题。

现在的LLM大多是基于概率的“黑盒”，输出难以保证绝对正确。医疗、金融等高风险领域容不下这种不确定性。vstack用形式化验证方法，试图在数学层面为LLM的推理过程提供保证。veriserve则是支撑这种验证的推理服务引擎。眼下它更多停留在学术研究阶段，但指向的方向很重要：未来的AI系统不光要聪明，还得可信、可验证。

结语

从Google智能眼镜到Runway的3D生成，AI正从屏幕走向物理世界，从二维走向三维。企业侧的应用更看重安全、合规和系统间协作。底层算力的自研和安全验证的基础设施建设也在同步推进。这些看似分散的点，正织成一张更紧密的AI产业网。