實體: Google
所有提到 Google 的 AI 新聞與動態。
-
AI瀏覽器代理的顯著安全風險
OpenAI 推出的 ChatGPT Atlas 與 Perplexity 的 Comet 等新型 AI 驅動的網頁瀏覽器，正試圖取代 Google Chrome 成為數十億使用者進入網際網路的主要入口。這些產品的核心賣點在於其網頁瀏覽 AI 代理，承諾替使用者點選網站並填寫表單以完成任務。然而，消費者可能未意識到代理式瀏覽帶來的重大隱私風險。 cybersecurity 專家指出，與傳統瀏覽器相比，AI 瀏覽器代理對使用者隱私構成更大威脅。為了發揮最大效用，這些 AI 瀏覽器要求獲取高度許可權，包括檢視和操作使用者的電子郵件、日曆及聯絡人列表。測試顯示，雖然 Comet 和 ChatGPT Atlas 的代理在簡單任務上表現尚可，但面對複雜任務時往往效率低下，感覺更像花哨的把戲而非真正的生產力提升。 主要擔憂在於「提示注入攻擊」，這是一種惡意行為者將惡意指令隱藏在網頁中，誘導 AI 代理執行命令的漏洞。若缺乏足夠防護，攻擊者可能導致代理洩露使用者資料或代為進行惡意操作，如非預期購買或發布社交媒體貼文。Brave 公司研究人員指出，間接提示注入攻擊是整個 AI 瀏覽器類別面臨的系統性挑戰。儘管 OpenAI 推出了「登出模式」限制代理登入狀態，Perplexity 也建立了即時檢測系統，但專家認為大型語言模型難以區分指令來源，此問題尚未完全解決。安全專家建議使用者使用獨特密碼與多因素認證，並限制 AI 瀏覽器對銀行、健康等敏感帳戶的訪問許可權。隨著 OpenAI 和 Perplexity 等公司推出新工具，相關安全風險可能隨之擴大，使用者應謹慎評估許可權授予範圍。
-
邊緣上的AI： startups如何驅動2025年太空科技的未來
TechCrunch Disrupt 2025 將於十月二十七日開幕，距離發射僅剩三天，其太空舞臺即將揭曉太空科技的未來。該活動邀請了來自不同領域的太空領袖，包括 Ursa 公司的 Adam Maher、Violet Labs 的 Dr. Lucy Hoag 以及 The Aerospace Corporation 的 Dr. Debra L. Emmons，共同探討人工智慧如何改變軌道上的生活。Adam Maher 於二零一四年創立 Ursa Space Systems，專注於利用合成孔徑雷達資料連線人們與資訊；Dr. Lucy Hoag 是 Violet Labs 的創辦人兼執行長，該公司位於舊金山，致力於透過資料編排平臺革命性地重新設計複雜硬體，她曾於 DARPA、Google、Waymo 等機構工作；Dr. Debra Emmons 則是 The Aerospace Corporation 的副總裁兼技術長，負責制定並執行公司的技術策略與投資，領導 eLab、xLab、商業太空未來辦公室及新的解決方案加速器。 本次活動的核心主題是將人工智慧應用於太空邊緣，不再僅限於火箭與衛星，而是聚焦於部署的智慧。太空已成為最終極的資料前線，需要更多大腦而非僅是管道。軌道上的運算與自主決策系統能將原始衛星資料即時轉化為可執行的洞察，使任務管理與擴充套件的速度、效率與韌性達到前所未有的水平。參與者可在門票開放前節省高達四四四美元，並可獲得六折的加一門票優惠，團隊則享有十五至三十不等的團體折扣。這場獨一無二的體驗將展示那些將智慧推向極限的創新者，重新定義太空運作的標準。
-
20歲退學青年創辦AI筆記工具Turbo AI並成長至500萬用戶
由兩位二十歲的大學肄業生 Rud Arora 和 Sarthak Dhawan 於 2024 年初創立的 Turbo AI，在過去六個月內從一百萬使用者激增至五千萬使用者，並維持百萬級年度經常性收入，同時保持盈利。該產品最初源於創始人解決課堂筆記與聽講衝突的痛點，後演變為支援上傳 PDF、講義、YouTube 影片或閱讀材料，自動生成筆記、閃卡、測驗及播客的功能。雖然名稱從 Turbolearn 改為 Turbo AI，顯示其應用已擴充套件至專業人士，包括高盛和麥肯錫的員工，使用者可將報告轉為摘要或播客。公司目前擁有十五人團隊，位於洛杉磯，定價約為每月二十美元，並透過 A/B 測試探索其他定價策略。與許多快速成長的 AI 公司不同，Turbo AI 去年僅籌資七十五萬美元，因公司現金流為正且長期盈利，故採取謹慎態度。該產品定位於 Google Docs 等手動工具與 Otter 等全自動工具之間，允許使用者與 AI 協同工作，目前團隊專注於 UCLA 等大學的學生與創作者社群。
-
TensorMesh 經過籌集 450 萬美元資金，以提升 AI 伺服器載入的推理效能
隨著 AI 基礎設施建設規模擴大，對 GPU 推理效能的壓力日益增加，這也促使擁有特定技術專長的團隊更容易獲得資金支援。Tensormesh 公司於本週正式脫離隱形開發階段，獲得 450 萬美元種子資金。該投資由 Laude Ventures 主導，並有資料庫先驅 Michael Franklin 提供額外天使投資。Tensormesh 將資金用於開發商業版 LMCache 工具，該工具由共同創辦人 Yihua Cheng 開發並維護。LMCache 若運用得當，可將推理成本降低高達 10 倍，因此已成為開源部署中的標準工具，並吸引了 Google 和 Nvidia 等巨頭進行整合。 Tensormesh 的核心產品聚焦於關鍵值快取（Key-Value Cache 或 KV cache），這是一種用於高效處理複雜輸入的記憶體系統。傳統架構中，KV cache 會在每次查詢結束後被丟棄，但 Tensormesh 共同創辦人兼執行長 Junchen Jiang 認為這是巨大的效率浪費。他比喻這就像一位聰明的分析師讀完資料後卻忘記了所學內容。Tensormesh 的系統則會保留這些快取，讓模型在執行類似查詢時能重新使用。由於 GPU 記憶體珍貴，這可能意味著資料需分佈在多個儲存層級，但換來的卻是相同伺服器負載下顯著的推理能力提升。 此改變對聊天介面尤為重要，因為模型需不斷回溯對話記錄。代理系統（Agentic systems）也面臨類似挑戰，需處理不斷增長的行動與目標記錄。雖然這些是 AI 公司可自行執行的技術變更，但複雜度極高。Tensormesh 團隊基於其對該過程的研究與細節掌握，預期市場需求將大。Jiang 指出，將 KV cache 保留在次級儲存系統中並高效重用以不影響整體系統速度，是一個極具挑戰性的問題。他提到，有人會僱用 20 名工程師花費三到四個月來建立類似系統，而使用 Tensormesh 的產品則能高效完成此任務。