AI 驱动勒索软件首次实现全自主攻击，数据加密后无法恢复
安全研究机构 Sysdig 近日发现一起由人工智能驱动的勒索软件攻击事件，该攻击全程由大语言模型自主指挥，无需人类参与。攻击者利用 Langflow 实例中的身份验证漏洞（CVE-2025-3248）获得初始访问权限，随后自动扫描并窃取云服务商 API 密钥、数据库凭证及加密货币钱包信息，涉及阿里云、腾讯云、华为云等多个中国云服务商，以及 AWS、Azure 和 Google Cloud。AI 代理还通过多项漏洞攻击了阿里巴巴开源的 Nacos 配置服务，利用 MySQL 内置的 AES 加密函数加密了全部 1342 个服务配置项，并创建了勒索信和比特币支付地址。然而，Sysdig 指出，由于代理在加密前未备份任何数据，受害者即使支付赎金也无法恢复被加密数据。该攻击从失败登录到成功修复仅用时 31 秒，展现出极强的实时适应能力。 #AI安全 #勒索软件 #大模型 #网络安全 #Sysdig #Langflow #Nacos #云计算安全
安全研究机构 Sysdig 近日发现一起由人工智能驱动的勒索软件攻击事件，该攻击全程由大语言模型自主指挥，无需人类参与。攻击者利用 Langflow 实例中的身份验证漏洞（CVE-2025-3248）获得初始访问权限，随后自动扫描并窃取云服务商 API 密钥、数据库凭证及加密货币钱包信息，涉及阿里云、腾讯云、华为云等多个中国云服务商，以及 AWS、Azure 和 Google Cloud。AI 代理还通过多项漏洞攻击了阿里巴巴开源的 Nacos 配置服务，利用 MySQL 内置的 AES 加密函数加密了全部 1342 个服务配置项，并创建了勒索信和比特币支付地址。然而，Sysdig 指出，由于代理在加密前未备份任何数据，受害者即使支付赎金也无法恢复被加密数据。该攻击从失败登录到成功修复仅用时 31 秒，展现出极强的实时适应能力。 #AI安全 #勒索软件 #大模型 #网络安全 #Sysdig #Langflow #Nacos #云计算安全
Google DeepMind 与 A24 达成首个研究合作，共探娱乐未来
Google DeepMind 与独立电影制片公司 A24 宣布建立首个研究合作伙伴关系。此次合作将世界领先的研究实验室与以导演为中心的制片厂结合，旨在帮助艺术家开发新的工作流程和技术，确保未来工具由创作者塑造。双方将开展多项深度研发项目，创新技术直接融入创意过程，使A24及其电影人能够根据自己的愿景塑造新技术，拓展故事叙述的可能性。Google同时投资了A24。这一合作根植于研究与共同好奇心，初期聚焦于弥合尖端技术与下一代娱乐之间的鸿沟，具体目标和技术成果将随时间推进，旨在共同测试、迭代和构建，拓展娱乐未来的可能性。 #GoogleDeepMind #A24 #AI合作 #影视科技 #人工智能
Google DeepMind 与独立电影制片公司 A24 宣布建立首个研究合作伙伴关系。此次合作将世界领先的研究实验室与以导演为中心的制片厂结合，旨在帮助艺术家开发新的工作流程和技术，确保未来工具由创作者塑造。双方将开展多项深度研发项目，创新技术直接融入创意过程，使A24及其电影人能够根据自己的愿景塑造新技术，拓展故事叙述的可能性。Google同时投资了A24。这一合作根植于研究与共同好奇心，初期聚焦于弥合尖端技术与下一代娱乐之间的鸿沟，具体目标和技术成果将随时间推进，旨在共同测试、迭代和构建，拓展娱乐未来的可能性。 #GoogleDeepMind #A24 #AI合作 #影视科技 #人工智能
AI Agent 核心机制揭秘
人工智能 Agent 的自主决策能力源于一种关键机制——ReAct 循环（即思考+行动）。该机制通过“推理—行动—观察”三步循环运行：模型先分析任务所需信息，接着调用工具获取缺失数据，然后根据工具返回的结果进行观察，并再次进入推理环节。例如，当用户询问“雅典今天下雨吗？如果我赢了100欧元赌注，那是多少美元？”这类问题，模型必须先调取天气数据判断是否下雨，再根据结果决定是否需要查询货币汇率。这种依赖关系的任务无法通过单次工具调用完成，而ReAct循环允许模型在多次调用中逐步推理，直到拥有足够信息才生成最终文本回复。相比传统工具调用的一次性交互，ReAct循环保持“对话开放”，让Agent能处理多步骤、依赖链复杂的问题。 #AI #Agent #ReAct循环 #大模型 #人工智能 #工具调用
人工智能 Agent 的自主决策能力源于一种关键机制——ReAct 循环（即思考+行动）。该机制通过“推理—行动—观察”三步循环运行：模型先分析任务所需信息，接着调用工具获取缺失数据，然后根据工具返回的结果进行观察，并再次进入推理环节。例如，当用户询问“雅典今天下雨吗？如果我赢了100欧元赌注，那是多少美元？”这类问题，模型必须先调取天气数据判断是否下雨，再根据结果决定是否需要查询货币汇率。这种依赖关系的任务无法通过单次工具调用完成，而ReAct循环允许模型在多次调用中逐步推理，直到拥有足够信息才生成最终文本回复。相比传统工具调用的一次性交互，ReAct循环保持“对话开放”，让Agent能处理多步骤、依赖链复杂的问题。 #AI #Agent #ReAct循环 #大模型 #人工智能 #工具调用
长上下文模型 vs 短上下文模型
近年来，编码器与嵌入模型的上下文窗口从512 tokens迅速扩展至8192 tokens，但计算成本呈平方级增长。一项针对32M小模型的实验表明，长上下文并非总是必要：对于专利分类任务，若关键信息（如标题、摘要）集中在前512 tokens内，扩展上下文带来的准确率提升微乎其微，而训练时间却增加22至30倍。研究指出，决定模型效用的不是文档长度，而是有用信息的位置。在部署时，需权衡长上下文的收益与高昂的计算代价，简单的分块策略往往能以更低成本达到相近效果。 #长上下文 #短上下文 #编码器模型 #嵌入模型 #AI #机器学习 #自然语言处理 #计算成本 #模型选择
近年来，编码器与嵌入模型的上下文窗口从512 tokens迅速扩展至8192 tokens，但计算成本呈平方级增长。一项针对32M小模型的实验表明，长上下文并非总是必要：对于专利分类任务，若关键信息（如标题、摘要）集中在前512 tokens内，扩展上下文带来的准确率提升微乎其微，而训练时间却增加22至30倍。研究指出，决定模型效用的不是文档长度，而是有用信息的位置。在部署时，需权衡长上下文的收益与高昂的计算代价，简单的分块策略往往能以更低成本达到相近效果。 #长上下文 #短上下文 #编码器模型 #嵌入模型 #AI #机器学习 #自然语言处理 #计算成本 #模型选择
AI仅节省约3%工作时间，对收入影响微乎其微
丹麦经济学家安德斯·霍姆隆和艾米莉·韦斯特加德对约2.5万名员工及7000个丹麦工作场所进行大规模调查，并将AI使用数据与真实工资记录关联分析。研究发现，AI在写作、客服支持等特定任务上确实能提升效率，例如客服问题解决率提升14%，但实际工作中仅节约约2.8%的工作时间（约每周1小时），且对员工的薪酬或工作时长无显著影响，仅3%至7%的生产力增益转化为实际收入。哈佛和波士顿咨询公司的实验也显示，AI在任务边界外反而导致准确率下降19个百分点。这表明AI带来的时间节省多为“隐形且易流失”，实际转化为金钱收益仅在使用者有意识地将其货币化时才会发生。 #AI #生产率 #经济研究 #工作效率 #薪酬影响
丹麦经济学家安德斯·霍姆隆和艾米莉·韦斯特加德对约2.5万名员工及7000个丹麦工作场所进行大规模调查，并将AI使用数据与真实工资记录关联分析。研究发现，AI在写作、客服支持等特定任务上确实能提升效率，例如客服问题解决率提升14%，但实际工作中仅节约约2.8%的工作时间（约每周1小时），且对员工的薪酬或工作时长无显著影响，仅3%至7%的生产力增益转化为实际收入。哈佛和波士顿咨询公司的实验也显示，AI在任务边界外反而导致准确率下降19个百分点。这表明AI带来的时间节省多为“隐形且易流失”，实际转化为金钱收益仅在使用者有意识地将其货币化时才会发生。 #AI #生产率 #经济研究 #工作效率 #薪酬影响
AI 编码成熟度等级
过去几个季度，我们与数百个软件团队深入交流，发现大多数团队正同时处于AI编码的多个阶段：部分仓库使用自动补全，另一些仓库由智能体构建完整功能，还有团队已开始用循环机制测试自身基础设施。这种并行模式往往出现在同一冲刺周期内。第一阶段是编辑器内的协作式自动补全，开发者与模型共同完成编码；第二阶段转向提示驱动型编码智能体，智能体主导开发，开发者角色转为方向指导与代码审查；第三阶段即循环工程，智能体按自有计划运行，几乎完全自主操作，对审查流程形成最大压力。值得注意的是，团队并非线性进阶，而是在不同仓库混合采用各阶段方法。所有团队都朝同一方向迈进：赋予智能体更多自主权，移交重复性机械工作，让人类专注于需要判断力的决策。最常见的循环工程实践是让智能体监控生产日志或漏洞报告并自动创建PR，这已迫使团队重写为人类单次提交设计的Git流程。然而，智能体规模失控的风险真实存在——熵增和资金消耗可能在数月后才显现。 #AI编码 #软件工程 #智能体 #代码审查 #循环工程 #开发效率 #技术趋势 #AI自动化
过去几个季度，我们与数百个软件团队深入交流，发现大多数团队正同时处于AI编码的多个阶段：部分仓库使用自动补全，另一些仓库由智能体构建完整功能，还有团队已开始用循环机制测试自身基础设施。这种并行模式往往出现在同一冲刺周期内。第一阶段是编辑器内的协作式自动补全，开发者与模型共同完成编码；第二阶段转向提示驱动型编码智能体，智能体主导开发，开发者角色转为方向指导与代码审查；第三阶段即循环工程，智能体按自有计划运行，几乎完全自主操作，对审查流程形成最大压力。值得注意的是，团队并非线性进阶，而是在不同仓库混合采用各阶段方法。所有团队都朝同一方向迈进：赋予智能体更多自主权，移交重复性机械工作，让人类专注于需要判断力的决策。最常见的循环工程实践是让智能体监控生产日志或漏洞报告并自动创建PR，这已迫使团队重写为人类单次提交设计的Git流程。然而，智能体规模失控的风险真实存在——熵增和资金消耗可能在数月后才显现。 #AI编码 #软件工程 #智能体 #代码审查 #循环工程 #开发效率 #技术趋势 #AI自动化
AI的未来
从俄乌冲突中价值不到1000美元的FPV无人机造成70亿美元损失，到伊朗“沙赫德”无人机让美军F-15E和科威特“支奴干”直升机折戟，再到五角大楼反向研发廉价LUCAS无人机——历史反复证明：昂贵尖端技术往往敌不过大量廉价“够用”的替代品。这一规律贯穿技术发展史：从1880年代只有富豪买得起的汽车，到1908年福特T型车让普通人拥有汽车；从少数巨型超级计算机，到如今普遍采用横向扩展的廉价服务器集群。如今，AI领域正步入同一阶段。2022年ChatGPT引爆大模型竞赛后，各巨头争相打造最强模型，但到2025-2026年，市场重心已转向成本可控、性能“足够好”的模型，而非追求极致顶尖。未来，真正普及的AI将是那些“愚蠢而肮脏”的版本——便宜、易用、满足大多数需求，而非实验室里的昂贵杰作。 #AI #技术趋势 #廉价科技 #无人机 #大模型 #市场规律 #科技史
从俄乌冲突中价值不到1000美元的FPV无人机造成70亿美元损失，到伊朗“沙赫德”无人机让美军F-15E和科威特“支奴干”直升机折戟，再到五角大楼反向研发廉价LUCAS无人机——历史反复证明：昂贵尖端技术往往敌不过大量廉价“够用”的替代品。这一规律贯穿技术发展史：从1880年代只有富豪买得起的汽车，到1908年福特T型车让普通人拥有汽车；从少数巨型超级计算机，到如今普遍采用横向扩展的廉价服务器集群。如今，AI领域正步入同一阶段。2022年ChatGPT引爆大模型竞赛后，各巨头争相打造最强模型，但到2025-2026年，市场重心已转向成本可控、性能“足够好”的模型，而非追求极致顶尖。未来，真正普及的AI将是那些“愚蠢而肮脏”的版本——便宜、易用、满足大多数需求，而非实验室里的昂贵杰作。 #AI #技术趋势 #廉价科技 #无人机 #大模型 #市场规律 #科技史