每日AI新鲜事·10月08日午间版：手机跑本地AI与AI助手自动化

今天AI圈的消息挺杂的,从企业数据治理到手机跑本地大模型,还有浏览器入口争夺战,咱们一起过一遍. 今天咱们主要聊这么几件,一是Databricks和Workday的数据联邦,二是iPhone跑本地AI项目Tanjiro,三是微软100天了还在强推Edge,四是美国地理极点那个反直觉冷知识,五是Matthew Berman那个AI助手自动化的视频. 嗯,挺全的. 好,咱们先快速过新闻,第一条是Databricks那边放出来的,Workday Data Connect联邦连接器开始公开Beta了. 简单说就是,以后企业可以直接在Databricks里查Workday里的HR和财务数据,不用先把数据复制一份过来. 这个方向我觉得是对的,你知道传统做法有多烦吗? ETL管道一套下来,数据延迟不说,维护成本巨高. 现在这种查询联邦的思路,就是数据不动,只动查询,还顺带把权限和血缘审计都纳进来了.对敏感的HR数据来说这个治理价值特别大. 不过它现在还是Beta嘛,大批量查的时候性能有局限,这个我有点担心.很多企业的人力数据量级可不小. 你的担心没错,联邦查询本质上还是跨系统调用,大批量的时候网络和接口延迟都会暴露出来.所以现在建议先在测试环境跑,别直接上生产. 好,下一条挺有意思的,来自Reddit的ollama社区,有个开发者在搞一个叫Tanjiro的项目,把大模型推理完整跑在iPhone 18 Pro Max上,不用连云端. 这个我看到了!说实话,名字起得挺中二的,但技术上这件事是真的越来越可行了. 手机端跑大模型最大的门槛一直是内存和散热.现在开发者的主要路子就是量化压缩,把模型体积打下来,在精度和速度之间找平衡点.llama.cpp和MLC LLM这些框架也越来越成熟了. 但我有个疑问,手机上跑出来的体验能用吗? 量化压缩之后模型能力损失多少? 取决于你压到什么程度.四位量化的话日常问答基本够用,但你要指望它做复杂推理或者长上下文,还是差点意思.不过对隐私场景来说,本地跑就是杀手锏,数据根本不出手机. 对,这是核心价值.隐私加离线可用,对某些用户来说云端再强也不如这个实在. 好,第三条,这个有点让人无语.Mozilla发了份报告,说微软100天前那个强推Edge的问题被曝光之后,现在还在继续.Windows系统组件和Copilot依然会把用户导向Edge,绕过你设的默认浏览器. 这件事背后的逻辑很简单,控制浏览器入口就是控制搜索流量,控制广告收益,现在还加上了AI流量入口.微软有很强的动机一直这么干. 但用户明明设了默认浏览器啊,这不就是无视用户选择吗? 对,而且欧盟的DMA确实让微软在欧洲做了一些妥协,但地理限制导致全球范围这个问题还在.对Firefox这些第三方浏览器来说,系统级的摩擦是结构性障碍,很难绕过去. 100天了还没改,我觉得短期内也不会改.AI助手成为下一个大流量入口之后,这个入口争夺战只会更激烈. 然后还有一条跑题一点点,YouTube上那个美国地理极点的视频,反直觉到有点好玩.最东点和最西点居然取决于你用哪套参照系. 这个我很喜欢,跨越180度经线的阿拉斯加岛屿,在经度定义下既是最西也是最东.一个州包三个方向极点,这事儿真的很魔幻. 而且两个极点都叫乌德尔角,分别纪念两兄弟,这个巧合太妙了. 这件事背后其实挺有哲学意味的.很多我们以为是客观事实的地理知识,其实背后都是人为定义的框架.换一套参照系,答案就完全不同了. 好了新闻先聊到这儿,接下来我们深入聊一个今天最值得展开的话题,就是Matthew Berman那个AI助手自动化的视频,12个用例,他形容说感觉像是非法的. 这个标题起得太会了,我一看就点进去了.但看完你会发现,这12个场景的底层逻辑其实是同一件事,就是把个人AI助手通过MCP或者API打通各种服务,然后分层决策. 分层决策是什么意思? 就是低风险的操作让AI自动执行,高风险的操作让人来确认.比如帮你归纳邮件摘要,直接发给你就行.但如果是要给某个服务发邮件说我要降价,那就先给你看一眼让你批准. 这个设计思路挺聪明的,其实就是按照操作的不可逆程度来划线,可逆的就放行,不可逆的就停下来问. 完全正确.你再想想那个订阅砍价的场景,AI帮你去跟客服谈降价,这件事的风险其实不高,最坏结果就是对方拒绝,所以可以自动执行.但特斯拉远程控制就不一样了,车是物理世界的,得谨慎. 等一下,特斯拉远程控制这个场景他真的跑起来了? 跑起来了,用的是特斯拉Fleet API.就是AI能帮你查车辆状态,控制一些基础功能.但这里我有个保留意见,他用的是Grokbot,整套方案对普通用户的技术门槛其实不低. 你要自己配API,获取各种密钥,还要调试提示词.视频本身也带商业赞助,所以它更像一份能力地图,告诉你AI助手能做到这些,而不是一个拿来就能用的工具. 这个点很重要.我觉得现阶段这类自动化方案的受众,主要还是有技术背景的人.普通用户想用上这个,中间还差了很多层封装. 对,但我觉得这个差距会快速缩短.你看MCP这个协议出来之后,越来越多的服务开始提供标准化的接入方式.以后可能不需要手动配API,直接授权就接上了. 那你觉得这个方向走到尽头会是什么样?就是AI助手全面接管日常事务的那个状态? 我觉得不是全面接管,而是一个持续的权限谈判过程.你会逐渐发现哪些事情愿意让AI自动做,哪些还是要留给自己决定.最终形成一套个性化的授权边界. 这个说法我喜欢,不是替代而是授权边界的重新划定.而且每个人的边界都不一样,有人愿意让AI管邮件但不愿意让它碰钱,有人反过来. 还有一个维度是信任建立的过程.你第一次用的时候肯定什么都要确认,用了三个月它没出过岔子,你才慢慢放手.这个信任积累需要时间. 不对吧,万一中间出一次大问题,比如AI替你发了一封不该发的邮件,前面三个月建立的信任可能一下全没了. 所以那个分层自动化的设计才那么关键嘛.高风险操作必须人工确认这道门不能省,省了之后一出事就是灾难级的体验崩塌. 好,总结一下这个话题.AI助手自动化现在能做的事情已经相当广了,但技术门槛还在,MCP这类标准化接入在加速降低这个门槛.核心设计原则是按操作风险分层,低风险自动执行高风险人工确认.长期来看,这是一个用户跟AI之间持续建立授权边界和信任的过程. 总结得很准,我补一句,谁能率先把这套方案做成普通人能用的产品,谁就拿下下一个时代的流量入口.这件事比浏览器默认设置的争夺还要重要. 这句话说得太好了.今天就聊到这儿,大家晚上见.