# 人工智能的所有文章

在 HTX 新聞中心流覽與「人工智能」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策,提供權威的加密行業洞察。

为什么「AI服务订阅制」,注定会走向消亡?

Anthropic发布最强公开模型Claude Fable 5,但宣布14天后将其从所有订阅计划中移除,转为按用量积分付费。这并非孤立事件,过去八周内,OpenAI、GitHub和Anthropic自身都采取了类似行动,将高级功能或agent用法从固定订阅中剥离,转向按实际使用量(token)计费。 其根本原因在于,传统订阅制依赖一个前提:用户的消费存在生理或时间上的自然上限。然而,AI Agent的出现彻底打破了这一限制。Agent能自主执行复杂任务,消耗的token量是普通对话的数十倍,且无需用户实时参与,导致“消费上限”不复存在。重度用户的超额用量使固定价格的订阅模式在精算上难以持续,出现了“逆向选择”——越是高价的订阅档,吸引来的越是意图“跑满”额度、导致更高补贴成本的重度用户。 行业曾尝试提价、限流等修补措施,但均告失败。如今,所谓的“订阅制”正在被掏空内核:形式上仍是每月扣款,但核心的“固定价格、放心使用”承诺已被移除。例如,GitHub Pro的月费实则为预付费积分;Claude的积分按API费率扣费。固定订阅可能仅能保留在纯聊天等消费量受限于人工时间的场景,但这类场景正被行业发展的主流边缘化。 资本市场的压力(如公司筹备上市)也加速了这一进程,公开市场投资者难以接受持续亏损的订阅模式。未来,AI支出将像云服务支出一样需要精细管理。对用户而言,这意味着“薅羊毛”的补贴期即将结束,价格信号将回归,每个人需要为自己的实际使用量付费。 文章建议,在当前订阅制仍提供高额补贴的窗口期,用户应充分利用以完成高消耗任务。订阅制的消亡不会有正式宣告,它将悄然转变为账单上一项基础的“入场费”。在此之前,且用且珍惜。

marsbit06/15 03:22

为什么「AI服务订阅制」,注定会走向消亡?

marsbit06/15 03:22

FinChip与CertiK合作建立AI技能代码资产交易安全审计标准

人工智能基础设施平台FinChip.AI宣布与全球领先的区块链及智能合约安全机构CertiK达成战略合作。此次合作将把CertiK的AI技能安全扫描能力整合进FinChip的技能发布与运营审核流程中,双方将共同为AI技能这一新兴的“代码资产”类别建立安全审计标准,旨在构建一个可信、合规且安全的交易生态系统。 随着AI代理和可复用的AI技能进入规模化分发阶段,技能本身的安全性已成为整个生态系统能否获得信任的关键。FinChip作为一个基于区块链和智能合约的AI基础设施,致力于实现AI技能从发布、发现到应用、流通全生命周期的封装、加密与分发。 根据合作,FinChip将在其技能发布及审计工作流中嵌入CertiK的安全扫描API,扫描结果、风险评分与风险标签将成为平台审核的重要参考。双方还将推出联合安全认证徽章,展示于通过审核的技能页面,帮助用户和开发者更直观地识别经过专业安全评估的AI技能。 FinChip.AI的孵化投资人Gary Yang表示,在AI代理时代,“能力”变得可复用和可交易,这意味着安全性必须是基础设计。CertiK联合创始人兼CEO蒋濛教授指出,AI技能安全类似于智能合约安全,需要在流通初期就建立标准。 双方表示,此次合作将持续整合品牌与技术资源,丰富实际应用场景,并在AI与Web3安全的交叉领域进行更深入的探索。

TheNewsCrypto06/13 08:54

FinChip与CertiK合作建立AI技能代码资产交易安全审计标准

TheNewsCrypto06/13 08:54

机器人开始“吃数据”:从印度数据工厂到百亿美元人形机器人的隐秘生产链

随着具身智能行业的发展,机器人训练对高质量数据的需求急剧增长,催生了一条隐秘的数据生产链。与依赖互联网文本数据的大语言模型不同,具身模型面临物理世界的“数据荒漠”,人类第一视角视频(Ego Data)等真实世界经验成为关键。 在印度等地,出现了专门采集人类工作视频的“数据工厂”。工人们佩戴头戴摄像头和数据手套,按照严格规范完成整理、抓取等任务,产出结构化视频与动作数据,出售给欧美等地的机器人公司。这类Ego Data成本相对较低,可用于模型预训练,让机器人理解人类如何完成任务。 数据价值呈现“金字塔”结构:底层是低成本互联网视频;上层是带精细动作标注的Ego数据;再往上是仿真合成数据,可大规模生成但存在与现实差距;顶层是最稀缺、昂贵的真机遥操数据,直接指导机器人本体动作。 行业上游已分化为多类玩家:低成本数据工厂、专注动作捕捉与重定向的服务商、提供真机遥操数据的第三方、仿真合成数据公司,以及探索数据标准与流通的平台。机器人公司则采取“分层采购”策略:通用Ego数据倾向外包以快速获取规模;而关乎自身硬件适配的核心真机数据与部署中产生的失败数据,则多由自己掌控以构建壁垒。 当前,行业竞争焦点正从硬件与模型架构,转向高质量数据的持续供给与有效利用。能否建立高效的数据采集、标注、仿真扩增与反馈闭环,将成为影响机器人能力突破的关键。这条从全球劳动力密集区延伸到顶尖机器人公司的数据供应链,正在支撑着百亿美元估值的人形机器人迈向现实应用。

marsbit06/13 03:32

机器人开始“吃数据”:从印度数据工厂到百亿美元人形机器人的隐秘生产链

marsbit06/13 03:32

活动图片