HydraDB融资650万美元种子轮，用本体论上下文图谱挑战向量数据库：「相似度0.94不代表相关」
AI 数据库初创公司 HydraDB 宣布完成 650 万美元种子轮融资。创始人 Nishkarsh 在 X 上表示，当前所有系统检索上下文的方式都是同一套路：向量搜索将一切存为扁平的 embedding，然后返回「感觉上最接近」的结果。「相似？当然。相关？几乎从来不是。」
Nishkarsh 用一个案例说明问题：有人让 AI 查一份合同，得到了一份详尽、精心组织的答案——但内容来自一个完全不同的客户文件。原因是 embedding 在语言足够接近时，无法区分 Q3 续约条款和 Q1 终止通知。他指出，一旦文档量超过 1,000 万份，这种混淆会频繁发生，「向量数据库的准确率就崩了」。
HydraDB 的方案是构建一个以本体论（ontology）为核心的上下文图谱：不只是计算向量相似度，而是映射实体之间的关系、理解文档背后的「为什么」、追踪信息随时间的演变。Nishkarsh 举例，当用户查询「Apple」时，系统知道你指的是你正在服务的那家客户公司，而不是水果。
信源：https://x.com/contextkingceo/status/2032098309029220456
AI 数据库初创公司 HydraDB 宣布完成 650 万美元种子轮融资。创始人 Nishkarsh 在 X 上表示，当前所有系统检索上下文的方式都是同一套路：向量搜索将一切存为扁平的 embedding，然后返回「感觉上最接近」的结果。「相似？当然。相关？几乎从来不是。」
Nishkarsh 用一个案例说明问题：有人让 AI 查一份合同，得到了一份详尽、精心组织的答案——但内容来自一个完全不同的客户文件。原因是 embedding 在语言足够接近时，无法区分 Q3 续约条款和 Q1 终止通知。他指出，一旦文档量超过 1,000 万份，这种混淆会频繁发生，「向量数据库的准确率就崩了」。
HydraDB 的方案是构建一个以本体论（ontology）为核心的上下文图谱：不只是计算向量相似度，而是映射实体之间的关系、理解文档背后的「为什么」、追踪信息随时间的演变。Nishkarsh 举例，当用户查询「Apple」时，系统知道你指的是你正在服务的那家客户公司，而不是水果。
信源：https://x.com/contextkingceo/status/2032098309029220456
Cursor公开内部基准CursorBench：公开基准已失效，前沿模型间差距远比SWE-bench显示的大
AI 编程工具 Cursor 公开了其内部基准测试 CursorBench 的方法论和数据。Cursor 认为 SWE-bench 等公开基准存在三个根本问题：任务以修 bug 为主，与开发者实际使用 agent 的方式不对齐；评分机制假设只有少数正确解法，无法处理开放式需求；训练数据污染严重，OpenAI 已因此停止报告 SWE-bench Verified 成绩，其调查发现近 60% 的未解决问题存在测试缺陷。
CursorBench 的任务来源于 Cursor Blame 功能：追溯已提交代码到产生它的 agent 请求，形成天然的「需求 — 正确答案」配对。大量任务取自内部代码库，降低数据污染风险，测试集每隔数月更新。当前版本 CursorBench-3 的任务复杂度较初版翻倍（代码行数和涉及文件数均翻倍），远超 SWE-bench 各变体。任务描述故意保持简短模糊，模拟开发者与 agent 的真实交流方式，由 agent 评分器打分。
Cursor 称 CursorBench 在前沿模型间产生了比公开基准更大的区分度。在公开基准上分数接近甚至被 Haiku 追平的模型，在 CursorBench 上呈现出与开发者实际体验一致的明显差距。Cursor 表示未来将适配长时运行的自主 agent 场景，并计划公开更多数据。
信源：https://cursor.com/blog/cursorbench
AI 编程工具 Cursor 公开了其内部基准测试 CursorBench 的方法论和数据。Cursor 认为 SWE-bench 等公开基准存在三个根本问题：任务以修 bug 为主，与开发者实际使用 agent 的方式不对齐；评分机制假设只有少数正确解法，无法处理开放式需求；训练数据污染严重，OpenAI 已因此停止报告 SWE-bench Verified 成绩，其调查发现近 60% 的未解决问题存在测试缺陷。
CursorBench 的任务来源于 Cursor Blame 功能：追溯已提交代码到产生它的 agent 请求，形成天然的「需求 — 正确答案」配对。大量任务取自内部代码库，降低数据污染风险，测试集每隔数月更新。当前版本 CursorBench-3 的任务复杂度较初版翻倍（代码行数和涉及文件数均翻倍），远超 SWE-bench 各变体。任务描述故意保持简短模糊，模拟开发者与 agent 的真实交流方式，由 agent 评分器打分。
Cursor 称 CursorBench 在前沿模型间产生了比公开基准更大的区分度。在公开基准上分数接近甚至被 Haiku 追平的模型，在 CursorBench 上呈现出与开发者实际体验一致的明显差距。Cursor 表示未来将适配长时运行的自主 agent 场景，并计划公开更多数据。
信源：https://cursor.com/blog/cursorbench
继搬运争议后，腾讯SkillHub插件被发现在OpenClaw中每条消息前强插提示词，源码分析：「本质上就是一个提示词注入器」
继此前腾讯 SkillHub 搬运 ClawHub 技能一事后，有用户进一步发现，安装腾讯 SkillHub 时自动附带的 skillhub 插件会在用户发给 AI 的每一条消息前，强行插入一段名为「Skills store policy (operator configured)」的策略提示词。该提示词包含 6 条规则，核心指令是：技能发现、安装和搜索时优先使用 skillhub（标注为 cn-optimized），不可用或未匹配时才回退到官方的 clawhub（public-registry）。
即刻用户「张佳的流量常识」在「大公司负面监督小组」圈子发帖，贴出截图和源码分析。截图显示，该策略文本出现在每条对话中，持续消耗用户 token。对插件路径
信源：https://m.okjike.com/originalPosts/69b2d7e4c5a1d4e6492b0c8b
继此前腾讯 SkillHub 搬运 ClawHub 技能一事后，有用户进一步发现，安装腾讯 SkillHub 时自动附带的 skillhub 插件会在用户发给 AI 的每一条消息前，强行插入一段名为「Skills store policy (operator configured)」的策略提示词。该提示词包含 6 条规则，核心指令是：技能发现、安装和搜索时优先使用 skillhub（标注为 cn-optimized），不可用或未匹配时才回退到官方的 clawhub（public-registry）。
即刻用户「张佳的流量常识」在「大公司负面监督小组」圈子发帖，贴出截图和源码分析。截图显示，该策略文本出现在每条对话中，持续消耗用户 token。对插件路径
~/.openclaw/extensions/skillhub/index.ts 的源码分析表明，该插件的核心逻辑仅有一项：通过 before_prompt_build 事件钩子，以 prependContext 方式将策略文本插入系统提示词最前端。分析结论是：「本质上就是一个提示词注入器，没有实际业务逻辑，只做策略声明。」帖主评价：「这是我使用 Agent 以来，遇到的第一个流氓软件。」信源：https://m.okjike.com/originalPosts/69b2d7e4c5a1d4e6492b0c8b
金融数据平台Unusual Whales发布MCP Server：AI助手可直接查询实时期权流、暗池交易和国会议员持仓
美股零售交易数据平台 Unusual Whales 发布了 MCP Server，通过 Anthropic 主导的 Model Context Protocol 协议，将实时金融市场数据接入 AI 助手。该 MCP Server 提供 18 个工具和 123 个以上的操作接口，覆盖实时期权资金流（含 sweeps 和大宗交易）、暗池交易及 NBBO 报价上下文、美国国会议员交易披露、公司财务报表（利润表、资产负债表、现金流量表）、技术指标（含 RSI）以及预测市场等数据类别。
该 MCP Server 支持 Claude Desktop、Cursor、VS Code、Windsurf 等客户端，官方称 30 秒即可完成配置。Unusual Whales 在推文中表示，用户可以用自然语言直接构建交易机器人或金融仪表板，「想建什么就建什么」。文档页面注明该服务面向 vibecoders（即用自然语言驱动 AI 编程的开发者）和专业交易者，Unusual Whales 同时也提供 REST API、WebSocket 和 Kafka 等传统接入方式。
信源：https://unusualwhales.com/public-api/mcp
美股零售交易数据平台 Unusual Whales 发布了 MCP Server，通过 Anthropic 主导的 Model Context Protocol 协议，将实时金融市场数据接入 AI 助手。该 MCP Server 提供 18 个工具和 123 个以上的操作接口，覆盖实时期权资金流（含 sweeps 和大宗交易）、暗池交易及 NBBO 报价上下文、美国国会议员交易披露、公司财务报表（利润表、资产负债表、现金流量表）、技术指标（含 RSI）以及预测市场等数据类别。
该 MCP Server 支持 Claude Desktop、Cursor、VS Code、Windsurf 等客户端，官方称 30 秒即可完成配置。Unusual Whales 在推文中表示，用户可以用自然语言直接构建交易机器人或金融仪表板，「想建什么就建什么」。文档页面注明该服务面向 vibecoders（即用自然语言驱动 AI 编程的开发者）和专业交易者，Unusual Whales 同时也提供 REST API、WebSocket 和 Kafka 等传统接入方式。
信源：https://unusualwhales.com/public-api/mcp
IPO以来跌逾90%的Bumble单日暴涨40%：用AI重构约会体验，可能取消「左滑右滑」
约会应用 Bumble 股价周四盘中一度跳涨超 40%，创上市以来最大单日涨幅。驱动因素有两个：Q4 营收 2.242 亿美元超出预期（预期 2.213 亿），以及 CEO Whitney Wolfe Herd 公布了名为 Bumble 2.0 的产品重构计划。
Bumble 2.0 用 AI 取代传统的快速照片滑动模式：用户资料将以可滚动的短篇章形式呈现，涵盖兴趣、生活方式和个性。Wolfe Herd 还透露可能在部分市场试验「无滑动」（no-swipe）体验。Q4 付费用户人均收入同比增长 7.9% 至 22.20 美元，效果营销支出同比大降超 80%。
分析师态度谨慎。Jefferies 称约会应用品类已经历「多次起步未果」，「早期企稳迹象令人鼓舞，但需要看到更持续的改善」。Raymond James 认为短期动能取决于付费用户是否能稳住，以及新生态能否脱离重度付费获客实现增长。Bumble 自 2021 年 IPO 以来股价下跌超 90%，去年又腰斩，当前市盈率仅 3.55 倍，而竞争对手 Match Group 为 11.05 倍。
信源：https://www.reuters.com/business/bumble-shares-rally-earnings-beat-optimism-around-ailed-app-revamp-2026-03-12/
约会应用 Bumble 股价周四盘中一度跳涨超 40%，创上市以来最大单日涨幅。驱动因素有两个：Q4 营收 2.242 亿美元超出预期（预期 2.213 亿），以及 CEO Whitney Wolfe Herd 公布了名为 Bumble 2.0 的产品重构计划。
Bumble 2.0 用 AI 取代传统的快速照片滑动模式：用户资料将以可滚动的短篇章形式呈现，涵盖兴趣、生活方式和个性。Wolfe Herd 还透露可能在部分市场试验「无滑动」（no-swipe）体验。Q4 付费用户人均收入同比增长 7.9% 至 22.20 美元，效果营销支出同比大降超 80%。
分析师态度谨慎。Jefferies 称约会应用品类已经历「多次起步未果」，「早期企稳迹象令人鼓舞，但需要看到更持续的改善」。Raymond James 认为短期动能取决于付费用户是否能稳住，以及新生态能否脱离重度付费获客实现增长。Bumble 自 2021 年 IPO 以来股价下跌超 90%，去年又腰斩，当前市盈率仅 3.55 倍，而竞争对手 Match Group 为 11.05 倍。
信源：https://www.reuters.com/business/bumble-shares-rally-earnings-beat-optimism-around-ailed-app-revamp-2026-03-12/
数据公司Markov开源迄今最大的computer use屏幕录制数据集：48000个视频、12300小时，覆盖6类专业软件
AI 数据公司 Markov 在 Hugging Face 上开源了 computer-use-large 数据集，包含 48,478 个屏幕录制视频，总时长约 12,300 小时，CC-BY-4.0 许可。该数据集覆盖 6 类专业软件：Blender（3,624h）、Salesforce（2,336h）、AutoCAD（2,149h）、Photoshop（2,060h）、Excel（2,002h）和 VS Code（127h）。所有视频均经过裁剪，去除了片头片尾、人脸画面和转场，音频已剥离，只保留纯粹的屏幕操作录制。
该数据集面向 computer use agent 的训练和评估，即那些能像人类一样通过点击、输入、滚动等 GUI 操作来控制桌面软件的 AI 模型。Markov 创始人 Dev Mandal 称数据来源于互联网上的专业软件教程和操作录屏。Markov 定位为 computer use AI 领域的数据基础设施公司，此前曾开源过一个规模较小的版本。
信源：https://huggingface.co/datasets/markov-ai/computer-use-large
AI 数据公司 Markov 在 Hugging Face 上开源了 computer-use-large 数据集，包含 48,478 个屏幕录制视频，总时长约 12,300 小时，CC-BY-4.0 许可。该数据集覆盖 6 类专业软件：Blender（3,624h）、Salesforce（2,336h）、AutoCAD（2,149h）、Photoshop（2,060h）、Excel（2,002h）和 VS Code（127h）。所有视频均经过裁剪，去除了片头片尾、人脸画面和转场，音频已剥离，只保留纯粹的屏幕操作录制。
该数据集面向 computer use agent 的训练和评估，即那些能像人类一样通过点击、输入、滚动等 GUI 操作来控制桌面软件的 AI 模型。Markov 创始人 Dev Mandal 称数据来源于互联网上的专业软件教程和操作录屏。Markov 定位为 computer use AI 领域的数据基础设施公司，此前曾开源过一个规模较小的版本。
信源：https://huggingface.co/datasets/markov-ai/computer-use-large
开源向量搜索引擎Qdrant完成5000万美元B轮融资：「大多数向量数据库只是存embedding然后找最近邻，这已是基本功能」
开源向量搜索引擎 Qdrant 完成 5000 万美元 B 轮融资，由 AVP 领投，博世创投（Bosch Ventures）、Unusual Ventures、Spark Capital 和 42CAP 参投。
Qdrant 用 Rust 编写，将检索拆解为可组合的模块（索引、评分、过滤、排序），工程师可自行配置和组合这些组件。该系统支持稠密向量、稀疏向量、元数据过滤、多向量表示和自定义评分函数，允许在准确率、延迟和成本之间灵活调节，而无需在工作负载变化时进行大规模架构改造。CEO André Zayarni 表示，许多向量数据库最初只是为了存储稠密 embedding 并检索最近邻而设计的，「这现在已是基本功能」，而生产级 AI 系统需要一个检索的每个环节——索引方式、评分方式、过滤方式、延迟与精度的平衡——都是可组合决策的搜索引擎。新资金将用于推动 Qdrant 的可组合向量搜索平台作为生产 AI 系统基础设施的进一步发展和应用。
信源：https://tech.eu/2026/03/12/qdrant-closes-50m-series-b-to-expand-vector-search-infrastructure/
开源向量搜索引擎 Qdrant 完成 5000 万美元 B 轮融资，由 AVP 领投，博世创投（Bosch Ventures）、Unusual Ventures、Spark Capital 和 42CAP 参投。
Qdrant 用 Rust 编写，将检索拆解为可组合的模块（索引、评分、过滤、排序），工程师可自行配置和组合这些组件。该系统支持稠密向量、稀疏向量、元数据过滤、多向量表示和自定义评分函数，允许在准确率、延迟和成本之间灵活调节，而无需在工作负载变化时进行大规模架构改造。CEO André Zayarni 表示，许多向量数据库最初只是为了存储稠密 embedding 并检索最近邻而设计的，「这现在已是基本功能」，而生产级 AI 系统需要一个检索的每个环节——索引方式、评分方式、过滤方式、延迟与精度的平衡——都是可组合决策的搜索引擎。新资金将用于推动 Qdrant 的可组合向量搜索平台作为生产 AI 系统基础设施的进一步发展和应用。
信源：https://tech.eu/2026/03/12/qdrant-closes-50m-series-b-to-expand-vector-search-infrastructure/
Mixedbread发布Wholembed v3：首个在LIMIT基准上超越BM25词法检索的语义模型，用多向量架构打破「够像但不对」的检索瓶颈
德国搜索基础设施公司 Mixedbread 发布全模态多语言检索模型 Wholembed v3，支持文本、图片、音频和视频检索，覆盖 100 余种语言。该模型采用 late-interaction 多向量架构（源自 ColBERT），为每个 token 生成独立的低维向量，而非传统方式将整篇文档压缩为单一向量。Mixedbread 认为，单向量检索的结构性缺陷是「看起来合理、读起来流畅、但实际上是错的」，在信息密集的技术文档、法律文件和学术论文上尤其严重。
在 LIMIT 基准测试中，Wholembed v3 的 Recall@5 达到 92.45，首次超越经典词法检索方法 BM25（85.7），而 OpenAI text-embedding-3-large、Cohere Embed 4、Voyage 4 Large 和 Gemini Embedding 2 的 Recall@5 仅在 1.75 到 1.85 之间。LIMIT 专门测试文档包含大量细粒度结构化信息的场景，Mixedbread 认为这类文档在企业真实环境中极为常见但被主流基准忽略。在面向 agent 深度研究的 BrowseComp-Plus 基准上，搭配 Wholembed v3 的检索系统也让 agent 在 830 个复杂查询中正确回答了显著更多的问题。
Wholembed v3 参数量为初代的 20 倍，已部署在 Mixedbread Search 基础设施上，支持 10 亿级文档索引、500+ QPS 和约 50ms 端到端搜索延迟。该模型已成为 Mixedbread 平台的默认且唯一模型。
信源：https://mixedbread.com/blog/wholembed-v3
德国搜索基础设施公司 Mixedbread 发布全模态多语言检索模型 Wholembed v3，支持文本、图片、音频和视频检索，覆盖 100 余种语言。该模型采用 late-interaction 多向量架构（源自 ColBERT），为每个 token 生成独立的低维向量，而非传统方式将整篇文档压缩为单一向量。Mixedbread 认为，单向量检索的结构性缺陷是「看起来合理、读起来流畅、但实际上是错的」，在信息密集的技术文档、法律文件和学术论文上尤其严重。
在 LIMIT 基准测试中，Wholembed v3 的 Recall@5 达到 92.45，首次超越经典词法检索方法 BM25（85.7），而 OpenAI text-embedding-3-large、Cohere Embed 4、Voyage 4 Large 和 Gemini Embedding 2 的 Recall@5 仅在 1.75 到 1.85 之间。LIMIT 专门测试文档包含大量细粒度结构化信息的场景，Mixedbread 认为这类文档在企业真实环境中极为常见但被主流基准忽略。在面向 agent 深度研究的 BrowseComp-Plus 基准上，搭配 Wholembed v3 的检索系统也让 agent 在 830 个复杂查询中正确回答了显著更多的问题。
Wholembed v3 参数量为初代的 20 倍，已部署在 Mixedbread Search 基础设施上，支持 10 亿级文档索引、500+ QPS 和约 50ms 端到端搜索延迟。该模型已成为 Mixedbread 平台的默认且唯一模型。
信源：https://mixedbread.com/blog/wholembed-v3
超声脑机接口初创Gestala成立两个月融资2160万美元，估值1至2亿美元，为国内BCI行业最大早期轮
中国脑机接口（BCI）初创公司 Gestala 在成立仅两个月后完成 1.5 亿元人民币（约 2160 万美元）融资，估值在 1 亿至 2 亿美元之间。该轮由国盛资本和 Dalton Venture 联合领投，清松资本、戈壁创投、傅利叶智能、猎聘、Seas Capital 参投。创始人彭雷告诉 TechCrunch，投资人意向认购总额超过 5800 万美元，严重超额。这是中国脑机接口行业迄今最大的早期融资。
Gestala（格式塔科技）开发非侵入式超声波脑机接口。创始人彭雷是连续创业者，此前创办了植入式 BCI 公司 NeuroXess；另一位联合创始人是盛大集团创始人、天桥脑科学研究院（TCCI）创办者陈天桥。彭雷认为超声波可能是下一代脑机接口技术：相比植入电极系统，超声波无需开颅手术，可监测更大范围的大脑区域（包括深层神经回路），并利用相控阵超声精确刺激或抑制神经活动。据动脉网报道，Gestala 已完成 30 余例慢性疼痛临床试验，单次超声刺激后疼痛评分降低 50%，疗效持续 1 至 2 周。公司同时在抑郁、阿尔茨海默症、帕金森、中风康复、癫痫等方向开展早期研究。产品路线图方面，Gestala 计划 2026 年二季度在成都天府国际生物城设立总部和首条产线，三季度投产，年底启动 NMPA 注册申报，1 至 2 年内完成注册上市。华兴资本担任本轮财务顾问。
信源：https://techcrunch.com/2026/03/11/bci-startup-gestala-raises-21-million-for-non-invasive-ultrasound-brain-tech/
中国脑机接口（BCI）初创公司 Gestala 在成立仅两个月后完成 1.5 亿元人民币（约 2160 万美元）融资，估值在 1 亿至 2 亿美元之间。该轮由国盛资本和 Dalton Venture 联合领投，清松资本、戈壁创投、傅利叶智能、猎聘、Seas Capital 参投。创始人彭雷告诉 TechCrunch，投资人意向认购总额超过 5800 万美元，严重超额。这是中国脑机接口行业迄今最大的早期融资。
Gestala（格式塔科技）开发非侵入式超声波脑机接口。创始人彭雷是连续创业者，此前创办了植入式 BCI 公司 NeuroXess；另一位联合创始人是盛大集团创始人、天桥脑科学研究院（TCCI）创办者陈天桥。彭雷认为超声波可能是下一代脑机接口技术：相比植入电极系统，超声波无需开颅手术，可监测更大范围的大脑区域（包括深层神经回路），并利用相控阵超声精确刺激或抑制神经活动。据动脉网报道，Gestala 已完成 30 余例慢性疼痛临床试验，单次超声刺激后疼痛评分降低 50%，疗效持续 1 至 2 周。公司同时在抑郁、阿尔茨海默症、帕金森、中风康复、癫痫等方向开展早期研究。产品路线图方面，Gestala 计划 2026 年二季度在成都天府国际生物城设立总部和首条产线，三季度投产，年底启动 NMPA 注册申报，1 至 2 年内完成注册上市。华兴资本担任本轮财务顾问。
信源：https://techcrunch.com/2026/03/11/bci-startup-gestala-raises-21-million-for-non-invasive-ultrasound-brain-tech/
无人机集群公司Swarm Aero完成3500万美元A轮融资，在阿肯色州建成8万平方英尺量产工厂，目标产能「二战以来未见」
无人机集群开发商 Swarm Aero 完成 3500 万美元 A 轮融资，累计融资达 5900 万美元。公司已在阿肯色州费耶特维尔 Drake Field 建成一座 8 万平方英尺的先进制造中心，用于大型多任务无人机的高速率量产，设计产能为数千架。
Swarm Aero 的核心产品是大型无人机（UAV）及配套的集群指挥控制软件 Legion，允许单个操作员同时控制大量无人机系统。公司在设计阶段即将「可制造性」作为核心特性，同步设计飞机与工厂以实现快速扩产。其制造策略以高速率碳纤维复合材料生产为核心，目标是大幅提高机身产量并降低单位成本。公司计划 2026 年将飞机团队规模扩大一倍，推动量产和部署。
信源：https://www.axios.com/2026/03/11/swarm-aero-seriesa-drone-factory
无人机集群开发商 Swarm Aero 完成 3500 万美元 A 轮融资，累计融资达 5900 万美元。公司已在阿肯色州费耶特维尔 Drake Field 建成一座 8 万平方英尺的先进制造中心，用于大型多任务无人机的高速率量产，设计产能为数千架。
Swarm Aero 的核心产品是大型无人机（UAV）及配套的集群指挥控制软件 Legion，允许单个操作员同时控制大量无人机系统。公司在设计阶段即将「可制造性」作为核心特性，同步设计飞机与工厂以实现快速扩产。其制造策略以高速率碳纤维复合材料生产为核心，目标是大幅提高机身产量并降低单位成本。公司计划 2026 年将飞机团队规模扩大一倍，推动量产和部署。
信源：https://www.axios.com/2026/03/11/swarm-aero-seriesa-drone-factory
Palantir CEO首次回应Anthropic禁令：未来将接入Claude之外的其他大模型
Palantir CEO Alex Karp 周四在公司 AIPcon 9 大会期间接受采访，首次公开回应五角大楼将 Anthropic 列为供应链风险一事。Karp 表示：「我们的产品已经集成了 Anthropic，未来可能会集成其他大语言模型。」他同时表示 Palantir 致力于为军人提供「最好最致命的技术」，但也认为在国内执法等场景有「很多理由」限制这些技术的使用，「因为它们太强大了」。
尽管上周五角大楼已正式将 Anthropic 列为供应链风险、禁止其参与政府合同，国防部目前仍在使用 Claude 模型支持伊朗战事。国防部首席技术官 Emil Michael 周四表示：「不可能一夜之间拆除一个深度嵌入的系统」，6 个月是过渡计划，但如果届时仍处于冲突状态且涉及敏感行动，「显然会做出例外，以免危及当前军事行动」。一份内部备忘录允许「任务关键活动」在 6 个月期限后继续使用 Anthropic 产品。Anthropic 已于本周一起诉美国政府，要求撤销供应链风险认定，并指出数十亿美元利益受损。
Palantir 于 2024 年与 Anthropic 和 AWS 合作为美国国防和情报部门提供 Claude 模型接入。洛克希德·马丁等其他国防承包商已要求员工停止使用 Claude。
信源：https://www.bloomberg.com/news/articles/2026-03-12/palantir-looks-to-expand-beyond-anthropic-after-pentagon-spat
Palantir CEO Alex Karp 周四在公司 AIPcon 9 大会期间接受采访，首次公开回应五角大楼将 Anthropic 列为供应链风险一事。Karp 表示：「我们的产品已经集成了 Anthropic，未来可能会集成其他大语言模型。」他同时表示 Palantir 致力于为军人提供「最好最致命的技术」，但也认为在国内执法等场景有「很多理由」限制这些技术的使用，「因为它们太强大了」。
尽管上周五角大楼已正式将 Anthropic 列为供应链风险、禁止其参与政府合同，国防部目前仍在使用 Claude 模型支持伊朗战事。国防部首席技术官 Emil Michael 周四表示：「不可能一夜之间拆除一个深度嵌入的系统」，6 个月是过渡计划，但如果届时仍处于冲突状态且涉及敏感行动，「显然会做出例外，以免危及当前军事行动」。一份内部备忘录允许「任务关键活动」在 6 个月期限后继续使用 Anthropic 产品。Anthropic 已于本周一起诉美国政府，要求撤销供应链风险认定，并指出数十亿美元利益受损。
Palantir 于 2024 年与 Anthropic 和 AWS 合作为美国国防和情报部门提供 Claude 模型接入。洛克希德·马丁等其他国防承包商已要求员工停止使用 Claude。
信源：https://www.bloomberg.com/news/articles/2026-03-12/palantir-looks-to-expand-beyond-anthropic-after-pentagon-spat
Augment Code公开其「AI原生工程师」招聘标准：编码能力不再是独立考核维度，取而代之的是六项能力
AI 编码平台 Augment Code（累计融资 2.52 亿美元，估值 9.77 亿美元）发文公开了其重新设计的工程师招聘框架。文章开篇提出一个问题：「当 Agent 写了 99% 的代码，你怎么招工程师？」Augment 的结论是，编码能力（raw coding ability）不再作为独立维度考核——它仍然重要，但不再是区分工程人才的首要标准。
取而代之的是六项能力维度：
1. 产品与结果品味（Product & outcome taste）——代码生产成本趋近于零时，最昂贵的错误是做了错误的东西
2. 系统与架构判断（System & architectural judgment）——Agent 能生成可运行的代码，但无法判断周围的系统是否健全
3. Agent 调度能力（Agent leverage）——将问题结构化以便 Agent 执行、在 Agent 偏离时纠正、验证产出
4. 沟通与协作——实现速度加快后，更多工作转向厘清问题、暴露权衡和整合不同视角
5. 端到端 ownership——驱动结果而非只完成任务，遇到阻碍主动介入，即使超出自己的直接职责范围
6. 学习速度与实验心态——「我们今天用的工具三个月后就不会是同一批了」
基于这六项维度，Augment 定义了四类招聘画像，每类对六项维度的权重不同，面试流程也围绕各自最重要的信号设计：
- AI 原生系统工程师：侧重架构判断和基础设施直觉
- AI 原生产品工程师：侧重产品品味和用户同理心
- AI 原生应用 AI 工程师：侧重模型理解和 Agent 工作流
- AI 原生早期职业工程师：侧重学习速度，「在 Agent 优先环境中成长起来的工程师」
信源：https://www.augmentcode.com/blog/how-we-hire-ai-native-engineers-now
AI 编码平台 Augment Code（累计融资 2.52 亿美元，估值 9.77 亿美元）发文公开了其重新设计的工程师招聘框架。文章开篇提出一个问题：「当 Agent 写了 99% 的代码，你怎么招工程师？」Augment 的结论是，编码能力（raw coding ability）不再作为独立维度考核——它仍然重要，但不再是区分工程人才的首要标准。
取而代之的是六项能力维度：
1. 产品与结果品味（Product & outcome taste）——代码生产成本趋近于零时，最昂贵的错误是做了错误的东西
2. 系统与架构判断（System & architectural judgment）——Agent 能生成可运行的代码，但无法判断周围的系统是否健全
3. Agent 调度能力（Agent leverage）——将问题结构化以便 Agent 执行、在 Agent 偏离时纠正、验证产出
4. 沟通与协作——实现速度加快后，更多工作转向厘清问题、暴露权衡和整合不同视角
5. 端到端 ownership——驱动结果而非只完成任务，遇到阻碍主动介入，即使超出自己的直接职责范围
6. 学习速度与实验心态——「我们今天用的工具三个月后就不会是同一批了」
基于这六项维度，Augment 定义了四类招聘画像，每类对六项维度的权重不同，面试流程也围绕各自最重要的信号设计：
- AI 原生系统工程师：侧重架构判断和基础设施直觉
- AI 原生产品工程师：侧重产品品味和用户同理心
- AI 原生应用 AI 工程师：侧重模型理解和 Agent 工作流
- AI 原生早期职业工程师：侧重学习速度，「在 Agent 优先环境中成长起来的工程师」
信源：https://www.augmentcode.com/blog/how-we-hire-ai-native-engineers-now
Augmentcode
How we hire AI-native engineers now: our criteria
The most powerful AI software development platform with the industry-leading context engine.
Shopify CEO亲手提交93个commit优化Liquid模板引擎：用AI跑了120轮自动化实验，解析+渲染快53%，对象分配减少61%
Shopify CEO Tobi Lütke 以个人 GitHub 账号向 Liquid 提交了一个包含 93 个 commit 的 PR，在真实 Shopify 主题模板基准测试上实现了解析+渲染速度提升 53%、对象分配减少 61%，全部 974 个单元测试零回归。Liquid 是 Lütke 于 2006 年为 Shopify 投入生产使用的开源模板引擎，目前为约 560 万家活跃商店提供渲染支持。
该 PR 的开发方法基于 pi-autoresearch（一款受 Andrej Karpathy 的 autoresearch 项目启发、为 Pi 编程 Agent 开发的自动化实验插件）：编辑 → 提交 → 跑测试 → 跑基准 → 保留或丢弃，共迭代约 120 轮自动化实验，仅保留通过测试且提升性能的变更。其核心策略是「分配驱动」，由于 GC（垃圾回收）消耗了 74% 的总 CPU 时间，每减少一次对象分配都会对实际运行时间产生放大效果。PR 中还详细记录了 6 项「没有生效」的优化尝试，包括基于 String#split 的分词器（快 2.5 倍但无法处理 Liquid 的标签嵌套边界情况）和 TruthyCondition 子类（YJIT 在调用点的多态性损耗超过了节省的 115 次分配）。
具体优化分三层：解析阶段（快 61%，少 3.8 万次分配），引入了新的 Cursor 类替代散布在各处的手工字节扫描、用 String#byteindex 替代 StringScanner 做分词（快 40%）、为 100% 的变量构建了零 Lexer 的快速解析路径；渲染阶段（快 20%，少 3000 次分配），为基本类型跳过 to_liquid 调用、预计算 0-999 的冻结字符串避免 Integer#to_s 分配、消除 90% 过滤器调用中的 *args 数组分配。分支名
信源：https://github.com/Shopify/liquid/pull/2056
Shopify CEO Tobi Lütke 以个人 GitHub 账号向 Liquid 提交了一个包含 93 个 commit 的 PR，在真实 Shopify 主题模板基准测试上实现了解析+渲染速度提升 53%、对象分配减少 61%，全部 974 个单元测试零回归。Liquid 是 Lütke 于 2006 年为 Shopify 投入生产使用的开源模板引擎，目前为约 560 万家活跃商店提供渲染支持。
该 PR 的开发方法基于 pi-autoresearch（一款受 Andrej Karpathy 的 autoresearch 项目启发、为 Pi 编程 Agent 开发的自动化实验插件）：编辑 → 提交 → 跑测试 → 跑基准 → 保留或丢弃，共迭代约 120 轮自动化实验，仅保留通过测试且提升性能的变更。其核心策略是「分配驱动」，由于 GC（垃圾回收）消耗了 74% 的总 CPU 时间，每减少一次对象分配都会对实际运行时间产生放大效果。PR 中还详细记录了 6 项「没有生效」的优化尝试，包括基于 String#split 的分词器（快 2.5 倍但无法处理 Liquid 的标签嵌套边界情况）和 TruthyCondition 子类（YJIT 在调用点的多态性损耗超过了节省的 115 次分配）。
具体优化分三层：解析阶段（快 61%，少 3.8 万次分配），引入了新的 Cursor 类替代散布在各处的手工字节扫描、用 String#byteindex 替代 StringScanner 做分词（快 40%）、为 100% 的变量构建了零 Lexer 的快速解析路径；渲染阶段（快 20%，少 3000 次分配），为基本类型跳过 to_liquid 调用、预计算 0-999 的冻结字符串避免 Integer#to_s 分配、消除 90% 过滤器调用中的 *args 数组分配。分支名
autoresearch/liquid-perf-2026-03-11 表明这项工作完成于 3 月 11 日。信源：https://github.com/Shopify/liquid/pull/2056
MiniMax预告OpenClaw硬件产品：「One more thing…」，具体形态未披露
MiniMax 今晚在小红书官方账号发布了一张硬件产品预告图，采用苹果式「One more thing…」文案，配以 #openclaw #小龙虾 标签。图中显示一个黑色盒状设备，上方有红色龙虾钳造型元素，标注「Coming Soon」。评论区有人猜测是新模型，MiniMax 回复「再猜猜！」，或是一款与 OpenClaw 生态相关的实体硬件产品，但具体产品形态、规格和发布时间均未披露。
同日，绿联科技宣布与 MiniMax 达成深度战略合作，OpenClaw 应用正式上线绿联 NAS 私有云 UGOS Pro 应用中心，主打「开箱即用」。MiniMax 为绿联 NAS 用户提供 30 天大模型全量免费使用权限（3 月 13 日至 4 月 12 日），用户可在本地私有云环境中直接运行 OpenClaw agent。
MiniMax 此前已在 AWE 2026 上展出数十款 AI 智能硬件生态产品，覆盖具身智能、可穿戴、教育和智能家居等场景。
信源：https://www.xiaohongshu.com/explore/69b405380000000023023db9
MiniMax 今晚在小红书官方账号发布了一张硬件产品预告图，采用苹果式「One more thing…」文案，配以 #openclaw #小龙虾 标签。图中显示一个黑色盒状设备，上方有红色龙虾钳造型元素，标注「Coming Soon」。评论区有人猜测是新模型，MiniMax 回复「再猜猜！」，或是一款与 OpenClaw 生态相关的实体硬件产品，但具体产品形态、规格和发布时间均未披露。
同日，绿联科技宣布与 MiniMax 达成深度战略合作，OpenClaw 应用正式上线绿联 NAS 私有云 UGOS Pro 应用中心，主打「开箱即用」。MiniMax 为绿联 NAS 用户提供 30 天大模型全量免费使用权限（3 月 13 日至 4 月 12 日），用户可在本地私有云环境中直接运行 OpenClaw agent。
MiniMax 此前已在 AWE 2026 上展出数十款 AI 智能硬件生态产品，覆盖具身智能、可穿戴、教育和智能家居等场景。
信源：https://www.xiaohongshu.com/explore/69b405380000000023023db9
❤4🥱1
智谱发布GLM-5-Turbo：专为OpenClaw场景优化的高速模型，速度提升2至3倍，API价格同步上调20%
智谱 AI 发布 GLM-5-Turbo，定位为 GLM-5 旗舰模型的高速优化变体，专门面向 OpenClaw agent 场景做了深度定制。该模型保持 744B MoE 架构，速度较 GLM-5 提升 2 至 3 倍，支持 200K 上下文和 128K 最大输出。
智谱称 GLM-5-Turbo 是「OpenClaw 原生模型」，在工具调用稳定性、复杂指令拆解、定时与持续任务的时间维度理解、高吞吐长链路执行效率四个方向做了专项优化。在 ZClawBench 评测中，GLM-5-Turbo 在 OpenClaw 场景的表现较 GLM-5 有显著提升，在多项关键任务上领先多家主流模型。
商业化方面，智谱同步上调 GLM-5-Turbo 的 API 价格，幅度为 20%。同时推出面向个人用户的「龙虾套餐」，体验月卡 39 元可获 3500 万 Tokens，进阶月卡 99 元可获 1 亿 Tokens。GLM Coding Plan 中 GLM-5-Turbo 的用量上限提升至 3 倍，非高峰时段可获得与 GLM-4.7 相同的高容量配额，该促销截止 4 月 30 日。
信源：https://x.com/Zai_org/status/2033233961669783600
智谱 AI 发布 GLM-5-Turbo，定位为 GLM-5 旗舰模型的高速优化变体，专门面向 OpenClaw agent 场景做了深度定制。该模型保持 744B MoE 架构，速度较 GLM-5 提升 2 至 3 倍，支持 200K 上下文和 128K 最大输出。
智谱称 GLM-5-Turbo 是「OpenClaw 原生模型」，在工具调用稳定性、复杂指令拆解、定时与持续任务的时间维度理解、高吞吐长链路执行效率四个方向做了专项优化。在 ZClawBench 评测中，GLM-5-Turbo 在 OpenClaw 场景的表现较 GLM-5 有显著提升，在多项关键任务上领先多家主流模型。
商业化方面，智谱同步上调 GLM-5-Turbo 的 API 价格，幅度为 20%。同时推出面向个人用户的「龙虾套餐」，体验月卡 39 元可获 3500 万 Tokens，进阶月卡 99 元可获 1 亿 Tokens。GLM Coding Plan 中 GLM-5-Turbo 的用量上限提升至 3 倍，非高峰时段可获得与 GLM-4.7 相同的高容量配额，该促销截止 4 月 30 日。
信源：https://x.com/Zai_org/status/2033233961669783600
英伟达GTC大会今日开幕，设OpenClaw专属体验区：现场买DGX Spark，专家手把手帮装「龙虾」
英伟达 GTC 2026 大会今日将在加利福尼亚州圣何塞开幕，会期 3 月 16 日至 19 日，来自 190 个国家的约 3 万名参会者出席。今年大会在 GTC Park 设立了名为「Build-a-Claw」的 OpenClaw 专属体验区，参会者可在英伟达工程师的指导下现场定制和部署持续运行的 AI agent。
参与者可以为 agent 命名、定义个性、授予工具访问权限，用途涵盖日历管理、行程规划、健身推荐到编程等场景。运行环境有三种选择：使用现场提供的云算力，自带 DGX Spark 或 GeForce RTX 笔记本（需确保设备上无个人数据）。DGX Spark 也可在现场的 NVIDIA Gear Store 和 Micro Center 购买。活动时间为当地时间周一下午 1 点至 5 点，周二至周四上午 8 点至下午 5 点。
英伟达同步发布了 OpenClaw Playbook，提供在 DGX Spark 上运行 OpenClaw 构建本地 AI agent 的分步指南。黄仁勋将于今日上午 11 点（太平洋时间）在 SAP Center 发表主题演讲，keynote 免费在线直播。
信源：https://blogs.nvidia.com/blog/gtc-2026/
英伟达 GTC 2026 大会今日将在加利福尼亚州圣何塞开幕，会期 3 月 16 日至 19 日，来自 190 个国家的约 3 万名参会者出席。今年大会在 GTC Park 设立了名为「Build-a-Claw」的 OpenClaw 专属体验区，参会者可在英伟达工程师的指导下现场定制和部署持续运行的 AI agent。
参与者可以为 agent 命名、定义个性、授予工具访问权限，用途涵盖日历管理、行程规划、健身推荐到编程等场景。运行环境有三种选择：使用现场提供的云算力，自带 DGX Spark 或 GeForce RTX 笔记本（需确保设备上无个人数据）。DGX Spark 也可在现场的 NVIDIA Gear Store 和 Micro Center 购买。活动时间为当地时间周一下午 1 点至 5 点，周二至周四上午 8 点至下午 5 点。
英伟达同步发布了 OpenClaw Playbook，提供在 DGX Spark 上运行 OpenClaw 构建本地 AI agent 的分步指南。黄仁勋将于今日上午 11 点（太平洋时间）在 SAP Center 发表主题演讲，keynote 免费在线直播。
信源：https://blogs.nvidia.com/blog/gtc-2026/
OpenAI、百度、腾讯云齐入OpenClaw赞助名单，Path创始人Dave Morin任基金会首位董事
开源 AI agent 框架 OpenClaw 的 GitHub Sponsors 页面显示，OpenAI 和百度已位列 Featured Sponsors（置顶赞助者），腾讯轻量云也出现在 144 名活跃赞助者名单中。项目另有 65 名历史赞助者。
百度开源办公室于 3 月 13 日在 GitHub 正式宣布赞助 OpenClaw，是首家通过 GitHub Sponsors 渠道支持该项目的中国大型科技公司。百度同时计划将其 PaddleOCR 文档解析能力以 skill 形式接入 OpenClaw 生态。腾讯轻量云紧随其后于 3 月 15 日加入赞助者行列。此前腾讯 SkillHub 搬运争议曾令双方关系紧张，创始人 Peter Steinberger 在 Discord 转发赞助消息时评价「love a good redemption arc」（喜欢好的救赎剧情）。OpenAI 的赞助则与 Steinberger 2 月加入 OpenAI 同期发生，OpenClaw 项目正在向独立基金会过渡，OpenAI 将继续提供资金支持。
个人赞助者中也不乏知名面孔。社交应用 Path 创始人、Facebook 早期高管、风投机构 Slow Ventures 创始人 Dave Morin 已成为 OpenClaw Foundation 的首位董事会成员，此前他还参与共同举办了 2 月的 ClawCon 活动。OpenAI 开发者体验负责人 Romain Huet 也以个人名义出现在赞助者列表中，他曾在 Builders Unscripted 播客中专访 Steinberger。
赞助页面明确写道：创始人 Peter Steinberger 不保留任何赞助资金，100% 回流社区，用于奖励提交代码和修复 bug 的贡献者，以及支持项目依赖的上游开源项目。赞助等级从每月 5 美元（Krill）到 500 美元（Poseidon）共 8 档。
信源：https://github.com/sponsors/openclaw
开源 AI agent 框架 OpenClaw 的 GitHub Sponsors 页面显示，OpenAI 和百度已位列 Featured Sponsors（置顶赞助者），腾讯轻量云也出现在 144 名活跃赞助者名单中。项目另有 65 名历史赞助者。
百度开源办公室于 3 月 13 日在 GitHub 正式宣布赞助 OpenClaw，是首家通过 GitHub Sponsors 渠道支持该项目的中国大型科技公司。百度同时计划将其 PaddleOCR 文档解析能力以 skill 形式接入 OpenClaw 生态。腾讯轻量云紧随其后于 3 月 15 日加入赞助者行列。此前腾讯 SkillHub 搬运争议曾令双方关系紧张，创始人 Peter Steinberger 在 Discord 转发赞助消息时评价「love a good redemption arc」（喜欢好的救赎剧情）。OpenAI 的赞助则与 Steinberger 2 月加入 OpenAI 同期发生，OpenClaw 项目正在向独立基金会过渡，OpenAI 将继续提供资金支持。
个人赞助者中也不乏知名面孔。社交应用 Path 创始人、Facebook 早期高管、风投机构 Slow Ventures 创始人 Dave Morin 已成为 OpenClaw Foundation 的首位董事会成员，此前他还参与共同举办了 2 月的 ClawCon 活动。OpenAI 开发者体验负责人 Romain Huet 也以个人名义出现在赞助者列表中，他曾在 Builders Unscripted 播客中专访 Steinberger。
赞助页面明确写道：创始人 Peter Steinberger 不保留任何赞助资金，100% 回流社区，用于奖励提交代码和修复 bug 的贡献者，以及支持项目依赖的上游开源项目。赞助等级从每月 5 美元（Krill）到 500 美元（Poseidon）共 8 档。
信源：https://github.com/sponsors/openclaw
OpenClaw创始人用AI定时任务每5分钟清理推特垃圾回复，一天屏蔽56个账号
OpenClaw 创始人 Peter Steinberger 发推称，他用 OpenClaw 搭建了一套推特提及自动屏蔽系统，每 5 分钟运行一次，效果「好得超出预期」。他每日会收到一封屏蔽摘要邮件（Daily X Block Digest），其中列出被屏蔽账号及 AI 给出的判定理由。最近一个 24 小时窗口内，该系统屏蔽了 56 个账号。
摘要邮件中公开的被屏蔽特征包括：
1. 小号在无关帖子下发 AI 生成的泛泛夸赞
2. 加密货币项目账号发低质量跟帖，历史行为显示 token 推广倾向
3. 仅发图片的刷屏回复，近期活跃在 staking/shill 内容中
4. 阴谋论式长篇指控跨帖刷屏，低信噪比
5. 直接在回复中蹭名人流量推广自己产品
6. degen/crypto 类账号的空洞跟帖
有用户直接问「这是不是在屏蔽 reply guys（习惯性在名人推文下抢楼蹭曝光的用户）」，Steinberger 回答「yes」。
对于误伤问题，Steinberger 表示有人邮件申诉时他会逐一评估，但「通常确实是糟糕的行为，AI 判断是对的」。他还补充说，单纯用 AI 辅助写作不会触发屏蔽，「只要内容本身有意义就不会」，但这么做「会让你不那么受欢迎」。
信源：https://x.com/steipete/status/2033220404555526154
OpenClaw 创始人 Peter Steinberger 发推称，他用 OpenClaw 搭建了一套推特提及自动屏蔽系统，每 5 分钟运行一次，效果「好得超出预期」。他每日会收到一封屏蔽摘要邮件（Daily X Block Digest），其中列出被屏蔽账号及 AI 给出的判定理由。最近一个 24 小时窗口内，该系统屏蔽了 56 个账号。
摘要邮件中公开的被屏蔽特征包括：
1. 小号在无关帖子下发 AI 生成的泛泛夸赞
2. 加密货币项目账号发低质量跟帖，历史行为显示 token 推广倾向
3. 仅发图片的刷屏回复，近期活跃在 staking/shill 内容中
4. 阴谋论式长篇指控跨帖刷屏，低信噪比
5. 直接在回复中蹭名人流量推广自己产品
6. degen/crypto 类账号的空洞跟帖
有用户直接问「这是不是在屏蔽 reply guys（习惯性在名人推文下抢楼蹭曝光的用户）」，Steinberger 回答「yes」。
对于误伤问题，Steinberger 表示有人邮件申诉时他会逐一评估，但「通常确实是糟糕的行为，AI 判断是对的」。他还补充说，单纯用 AI 辅助写作不会触发屏蔽，「只要内容本身有意义就不会」，但这么做「会让你不那么受欢迎」。
信源：https://x.com/steipete/status/2033220404555526154
美国陆军与Anduril签200亿美元10年期合同，整合120项采购为单一企业合同
美国陆军宣布与国防科技公司 Anduril 签署一份 10 年期合同（5 年基础期 + 5 年续约选项），金额高达 200 亿美元，涵盖 Anduril 的硬件、软件、基础设施和服务。该合同将此前分散的 120 多项独立采购行为整合为一份企业级合同。
美国国防部首席信息官办公室 CTO Gabe Chiulli 表示：「现代战场越来越由软件定义。要保持优势，我们必须能够以速度和效率获取和部署软件能力。」Anduril 由 Oculus VR 创始人 Palmer Luckey 联合创立，2017 年被 Facebook 解雇后转向国防领域创业。公司去年收入约 20 亿美元，目前正在以 600 亿美元估值进行新一轮融资。
信源：https://techcrunch.com/2026/03/14/us-army-announces-contract-with-anduril-worth-up-to-20b/
美国陆军宣布与国防科技公司 Anduril 签署一份 10 年期合同（5 年基础期 + 5 年续约选项），金额高达 200 亿美元，涵盖 Anduril 的硬件、软件、基础设施和服务。该合同将此前分散的 120 多项独立采购行为整合为一份企业级合同。
美国国防部首席信息官办公室 CTO Gabe Chiulli 表示：「现代战场越来越由软件定义。要保持优势，我们必须能够以速度和效率获取和部署软件能力。」Anduril 由 Oculus VR 创始人 Palmer Luckey 联合创立，2017 年被 Facebook 解雇后转向国防领域创业。公司去年收入约 20 亿美元，目前正在以 600 亿美元估值进行新一轮融资。
信源：https://techcrunch.com/2026/03/14/us-army-announces-contract-with-anduril-worth-up-to-20b/
xAI一周三将入伙：Mistral联合创始人Chaplot加盟，横跨xAI和SpaceX，专攻Grok模型训练
Mistral AI 联合创始人 Devendra Singh Chaplot 宣布加入 xAI 和 SpaceX，将直接参与 Grok 大模型的训练和数字智能与物理硬件的融合。Chaplot 本人 3 月 14 日在 X 上发布消息，Musk 转发并回复「欢迎加入 xAI」。
Chaplot 是具身智能（Embodied AI）领域的领军人物。在 Mistral AI 期间，他直接主导了 Mistral 7B、Mixtral 8x7B 及 Mistral Large 等核心模型的训练，并领导开发了多模态模型 Pixtral 12B。此后他成为 OpenAI 前 CTO Mira Murati 创立的 Thinking Machines Lab 的创始团队成员。
加上从 AI 编程工具 Cursor 加盟的 Andrew Milich 和 Jason Ginsberg，xAI 在一周内连续引进三名重量级人才，形成「模型层重建 + 产品层发力」的组合布局。这与曝出联合创始人持续出走形成鲜明反差：xAI 一边在失血，一边在大规模换血。
信源：https://x.com/dchaplot/status/2032596951435456797
Mistral AI 联合创始人 Devendra Singh Chaplot 宣布加入 xAI 和 SpaceX，将直接参与 Grok 大模型的训练和数字智能与物理硬件的融合。Chaplot 本人 3 月 14 日在 X 上发布消息，Musk 转发并回复「欢迎加入 xAI」。
Chaplot 是具身智能（Embodied AI）领域的领军人物。在 Mistral AI 期间，他直接主导了 Mistral 7B、Mixtral 8x7B 及 Mistral Large 等核心模型的训练，并领导开发了多模态模型 Pixtral 12B。此后他成为 OpenAI 前 CTO Mira Murati 创立的 Thinking Machines Lab 的创始团队成员。
加上从 AI 编程工具 Cursor 加盟的 Andrew Milich 和 Jason Ginsberg，xAI 在一周内连续引进三名重量级人才，形成「模型层重建 + 产品层发力」的组合布局。这与曝出联合创始人持续出走形成鲜明反差：xAI 一边在失血，一边在大规模换血。
信源：https://x.com/dchaplot/status/2032596951435456797
Uber创始人Kalanick隐身八年后亮相，推出机器人公司Atoms并收购自动驾驶初创Pronto
Uber 联合创始人 Travis Kalanick 结束八年隐身期，公开亮相并揭幕其机器人公司 Atoms。该公司脱胎于 Kalanick 的房地产公司 City Storage Systems（旗下拥有云端厨房运营商 CloudKitchens），瞄准食品、采矿和运输三大行业。
Kalanick 的核心构想是：让送餐效率高到成本接近自己去超市买菜，「像 Uber 颠覆出租车一样颠覆厨房」。他同时透露正在收购 Pronto，一家由前 Uber 同事 Anthony Levandowski 创立的自动驾驶初创公司，专注于工业和矿场场景。
Kalanick 2017 年因公司文化丑闻在股东施压下辞去 Uber CEO 一职后选择全面隐身，甚至要求数千名员工不得在 LinkedIn 上标注公司名称。他在采访中解释这八年隐身的好处：「你会建立一种想造东西、且不需要出名的文化，这本质上就是心智成熟。」
信源：https://fortune.com/2026/03/14/travis-kalanick-startup-atoms-stealth-mode-pronto-robotics-self-driving-uber/
Uber 联合创始人 Travis Kalanick 结束八年隐身期，公开亮相并揭幕其机器人公司 Atoms。该公司脱胎于 Kalanick 的房地产公司 City Storage Systems（旗下拥有云端厨房运营商 CloudKitchens），瞄准食品、采矿和运输三大行业。
Kalanick 的核心构想是：让送餐效率高到成本接近自己去超市买菜，「像 Uber 颠覆出租车一样颠覆厨房」。他同时透露正在收购 Pronto，一家由前 Uber 同事 Anthony Levandowski 创立的自动驾驶初创公司，专注于工业和矿场场景。
Kalanick 2017 年因公司文化丑闻在股东施压下辞去 Uber CEO 一职后选择全面隐身，甚至要求数千名员工不得在 LinkedIn 上标注公司名称。他在采访中解释这八年隐身的好处：「你会建立一种想造东西、且不需要出名的文化，这本质上就是心智成熟。」
信源：https://fortune.com/2026/03/14/travis-kalanick-startup-atoms-stealth-mode-pronto-robotics-self-driving-uber/