IT之家 5 月 4 日消息，普通搜索引擎会让用户自行甄别信息来源的可信度，而依托搜索能力的人工智能聊天机器人，却能把漏洞百出的网络素材包装成笃定确凿的答案。据 The Register 报道，就有这样一个典型案例：一名安全工程师哄骗多款 AI 机器人，声称自己是德国一款热门纸牌游戏的现任世界冠军，可事实上这项赛事根本不存在。 直到近期，维基百科的《谁是牛头王》（6 Nimmt!，英语地区玩家也称“拿五分”）词条里，还赫然标注着罗恩・斯托纳是 2025 年该项赛事的世界冠军。该维基百科条目引用了看起来十分官方的 6nimmt.com 网站作为依据，点开这个网址，确实能看到一篇简短的新闻通稿，宣称斯托纳斩获冠军。 整件事的破绽显而易见：斯托纳本人承认，维基百科的夺冠词条、以及留存这份唯一“夺冠证据”的 6nimmt.com 域名，都是他一手伪造的。可即便如此，当他向多款 AI 聊天机器人询问此事时，机器人依旧笃定地称他为世界冠军。 斯托纳在博客文章中表示：“我的网站没有任何独立第三方佐证，完全是凭空捏造。整个虚假骗局，仅仅建立在我喝咖啡时花 12 美元（IT之家注：现汇率约合 82 元人民币）注册的一个域名之上。” 换言之，这是检索增强生成（RAG）层面的信息投毒。它不属于提示词注入攻击，却直击人工智能联网搜索这一核心功能漏洞。 正如斯托纳所解释的：AI 并不会真正在意其引用的权威信息来源出处，而这正是斯托纳设计本次实验想要利用的关键点。 斯托纳写道：“所有具备联网搜索能力的前沿大语言模型，都会依据检索排名最高的内容生成答案。”在这场本就不存在的《谁是牛头王》赛事骗局中，他刻意植入的虚假来源是全网唯一相关信息，再加上维基百科自带的权威背书，轻易就能误导 AI 把谎言当成事实。这种造假手法门槛极低，即便不懂技术的普通人也能轻松复刻。 斯托纳称：“我这次的操作并无新意，不过是把传统搜索引擎优化和虚假信息传播手段，套上了大语言模型的新技术外壳与交互界面。真正的变化在于，如今 AI 会把这类虚假结果包装成权威信息呈现给用户，而绝大多数用户根本不了解背后的数据流转逻辑。” 斯托纳在分析文章中指出：“大语言模型最不擅长识别的，恰恰是它的核心设计逻辑 —— 无条件信任文本和网络资源。别指望模型能自行分辨真伪，它根本分不清某个信息来源是真实权威网站，还是我上周二刚注册的空壳域名；就连‘strawberry（草莓）’这个单词里到底有几个字母 R，它都没法精准判断。” 他解释道，本次实验暴露的漏洞包含三类失效模式，若被别有用心之人利用，造成的危害远比捏造一场纸牌游戏赛事严重得多。 第一，检索层漏洞。只要大语言模型依托网络搜索作答，就会直接沿用检索结果排名内容的可信度，极易输出错误信息。 第二，模型训练语料漏洞。斯托纳表示，若维基百科的虚假词条留存时间足够长、被网络爬虫抓取收录，就会混入 AI 训练语料库。他于 2025 年 2 月添加了虚假词条，直到上周五发布实验文章后才被删除。这意味着在此期间抓取维基百科数据的所有 AI 企业，都有可能把他虚构的夺冠经历纳入训练数据。 斯托纳称：“即便维基百科后续撤销了虚假编辑，那些用撤销前数据训练的模型，依然会保留这份虚假信息。截至 2026 年，语料投毒的后续清理问题至今没有可行的解决方案。” 他计划半年左右待新一代 AI 模型发布后再次测试：若模型无需联网，就能默认他是赛事冠军，就足以证明这份谎言已经固化进了模型训练数据。 第三，智能体漏洞。在斯托纳看来，这一漏洞才是恶意攻击者最有利可图的突破口。 他指出：“聊天模型输出虚假信息，只是品牌声誉问题；而拥有工具调用权限的 AI 智能体，若被误导做出错误操作，将会引发严重的安全隐患。”攻击者只需对智能体检索的信息来源进行投毒，就能操控智能体执行指定恶意行为。 斯托纳在博客中总结：“这次攻击测试，我只花了 12 美元注册域名、编辑了一条维基百科词条，耗时不过二十分钟。试想，若有蓄意攻击者批量注册虚假域名、在数十个低流量维基百科词条中同步植入虚假内容，攻击面会瞬间急剧扩大。” 斯托纳认为，大语言模型服务商必须正视检索投毒问题，并向用户作出风险提示。他预计，未来 AI 聊天机器人很快会新增风险警示功能，尤其针对检索增强生成的内容。 他还呼吁 AI 企业将数据溯源纳入核心研发环节，同时对近期新增的网络内容进行启发式筛查，识别可疑特征。以本次纸牌游戏造假事件为例：单一引文指向维基百科更新前后短期内刚注册的域名，本应触发风险预警，却被 AI 完全忽略。 如今这场虚假赛事已被从维基百科删除，AI 检索增强生成结果中也不再出现相关内容。但斯托纳强调，此次骗局利用的信任逻辑漏洞真实存在，已然成为人工智能行业亟待解决的潜在隐患。 斯托纳表示：“很高兴我的文章能引发业界对大语言模型、信息来源、信息可信度以及底层运行逻辑的讨论。这正是我做这次实验的初衷，而目前看来，我的目标已经达成。”
IT之家 5 月 1 日消息，科技媒体 The Information 今天（5 月 1 日）发布博文，报道称在本周四举办的全员会议上，Meta 公司执行官马克 · 扎克伯格（Mark Zuckerberg）表示，利用员工的计算机操作活动，来训练其 AI 模型，可以让公司在激烈的 AI 竞争中占据优势。 扎克伯格在全员会议上指出：“总的来说，我们公司员工的平均智力水平， 要比通过这些承包商找到的普通员工的智力水平高得多”。 IT之家本月报道，Meta 公司为加速 AI 融入工作流，推出名为“模型能力倡议”（MCI）的内部追踪系统，全面记录员工的鼠标移动、击键、快捷键及屏幕操作，内部已将该项目更名为“智能体转型加速器”。 在备忘录中，Meta 首席技术官 Andrew Bosworth 描绘了未来图景：AI 智能体将承担大部分工作，人类仅负责指导与审核。然而，这种模式意味着人类工作正转化为可能取代自身岗位的训练数据。 该计划最引人争议的细节在于，员工完全无法选择退出追踪。这让原本可能被定位为自愿贡献的行为，变成了在 Meta 工作的强制要求。正如媒体所指，员工实质上被告知正在训练将取代自身的系统，他们沦为 Meta 的无偿数据劳动力，引发了关于员工同意权和职场信任的严重担忧。 Meta 一名发言人给出了如下声明： 如果我们要打造能帮助人们用电脑完成日常事务的智能助手，我们的模型就需要人们实际使用电脑的真实案例 —— 比如鼠标移动、点击按钮、操作下拉菜单等行为。 为此，我们将推出一款内部工具，在特定应用中采集这类操作输入，以助力模型训练。我们已设置相应保护措施以保障敏感内容安全，且这些数据不会被用于其他任何用途。 相关阅读： 《 为训练 AI，Meta 将采集员工的鼠标与键盘操作数据 》
IT之家 5 月 1 日消息，华硕 (ASUS) 官方人士 @普普通通Tony大叔 昨日宣布，其“5 月的抽奖福利”一等奖是“ROG 新 NUC 一台”，并在配图中 展示了一款外观不同于 ROG NUC (2025) 的电竞迷你主机 ： 通过与 2025 款 ROG NUC（下图左侧）的对比可以发现，此次展示的 新品并未对模具外观进行重大调整 ，仅是改动了外部装饰和底座结构。 从硬件配置上来看，如果华硕想要推出新款 ROG NUC， 很有可能会对 CPU 和 GPU 进行升级 ，提供 Intel（英特尔）酷睿 Ultra 200HX Plus 处理器以及 NVIDIA（英伟达）GeForce RTX 5070 笔记本电脑 GPU 12GB GDDR7 版本的选择。 此外，基于 AMD 锐龙处理器的姊妹机型 ROG 魔霸 Mini 也可能得到更新，新增 RTX 5070 12GB 配置。 而从时间角度，华硕有可能会在 5 月 15 日的 ROG DAY 2026 广州站 上发布电竞迷你主机新品。
IT之家 4 月 16 日消息，今天蚂蚁灵波正式开源流式三维重建模型 LingBot-Map，官方称无需复杂硬件，仅靠一颗普通 RGB 摄像头，就能让机器在视频采集过程中，实时完成相机位姿估计与场景三维结构重建，填补实时空间感知领域的关键技术空白，为机器人、自动驾驶等场景提供更可靠的空间理解能力。 IT之家附官方详细介绍如下： 在流式三维重建领域，几何精度、时序一致性与运行效率的平衡，一直是行业公认的核心难点。 不同于传统三维重建“先采集、后处理”的模式，流式重建要求系统“边看边理解”，一边接收新画面，一边持续完成定位与建图，同时还要严格控制计算与存储开销，这对模型的设计提出了极高要求。 针对这一痛点，我们打造了 LingBot-Map，以纯自回归式建模为核心，基于几何上下文 Transformer，在不依赖未来帧信息的前提下，逐帧处理当前及历史画面，持续输出精准的相机位姿和深度信息，实时还原场景三维结构，真正实现“所见即所建”。 我们引入了几何上下文注意力机制（GCA），能够高效组织与利用跨帧几何信息，在保留关键历史数据的同时，大幅减少冗余计算，兼顾重建质量与运行效率。 这一设计借鉴了经典 SLAM 系统对空间信息分层管理的思路，但突破了传统方法依赖手工设计和复杂优化的局限，将核心逻辑交由模型统一学习完成，在长序列场景下也能保持稳定表现。 性能全面领跑：20FPS 实时推理稳定支撑机器人作业 多个权威基准完成严苛测试： 在 Oxford Spires 数据集（大尺度、复杂光照、高标准）上： 绝对轨迹误差（ATE）仅为 6.42 米 轨迹精度较此前最优流式方法提升约 2.8 倍 显著优于离线方法 DA3（12.87 米）和 VIPE（10.52 米） 在大场景重建中展现出更强的稳定性。 在 ETH3D、7-Scenes、Tanks and Temples 等多个主流基准上，LingBot-Map 在位姿估计和三维重建质量两个维度全面领先现有流式方法。 其中 ETH3D 基准：重建 F1 分数达到 85.70，较第二名提升超过 8%，场景还原精度大幅提升。 除精度外，LingBot-Map 还兼顾实时性与长时稳定运行能力： 推理速度可实现约 20 FPS 支持 10,000+ 帧长视频连续推理 长序列运行精度几乎无衰减 这意味着，在机器人导航、避障、操作、交互等需要连续在线处理的真实场景中，它能稳定输出可靠的空间感知结果，为上层应用提供坚实支撑。 持续开源多款模型：补齐实时三维建图关键拼图 自今年 1 月以来，我们相继开源： 高精度空间感知模型 LingBot-Depth 具身大模型 LingBot-VLA 世界模型 LingBot-World 具身世界模型 LingBot-VA 围绕空间感知、具身决策、世界模拟等关键环节，持续夯实具身智能“智能基座”的技术布局。此次 LingBot-Map 的开源，进一步补齐了实时空间理解与在线三维建图的关键能力拼图。 目前，LingBot-Map 的模型和代码已正式在 Hugging Face 和 Model Scope 开源。我们期待更多开发者、研究团队加入进来，一起探索流式三维重建的更多可能，推动技术落地，让机器人更稳定、更高效地理解和适应真实物理世界，赋能更多行业创新。 开源地址： 魔搭社区 ModelScope： https://www.modelscope.cn/models/Robbyant/lingbot-map HuggingFace： https://huggingface.co/robbyant/lingbot-map GitHub： https://github.com/Robbyant/lingbot-map Paper： https://arxiv.org/abs/2604.14141 Homepage： https://technology.robbyant.com/lingbot-map
IT之家 4 月 12 日消息，在智能电动汽车发展高层论坛上，蔚来乐道汽车总裁沈斐谈起了换电站和普通充电站的成本差异。 沈斐认为，换电站的投资貌似比普通充电站投资要贵 2-3 倍， 但实际折算到每千瓦时的成本，其实应该要比充电站要更便宜 。他表示，其实换电站是一个充分值得投资的行业。 据IT之家此前报道，今年 2 月 6 日 22 时 33 分 18 秒，蔚来 1 亿次换电正式达成。在 2 月 9 日，蔚来创始人、董事长、CEO 李斌发布长文， 称 2026 年计划新建 1000 座换电站 ，加电风景线增至 100 条，继去年 G318 川藏换电路线、滇藏换电路线贯通之后，今年将打通丝绸之路换电路线。 另外，蔚来五代换电站最新时间表也已公布： 3 月底内部测试站启用； 5-6 月份上线 5-10 座先锋站（开放给用户，偏试运营性）； 下半年（大概 7-8 月份）开始进行五代站大面积铺设； 今年千站目标进度为 8.5％。 目前，蔚来能源充换电站总数已达到 8760 座：蔚来能源换电站 3791 座，其中高速公路换电站 1027 座；蔚来能源充电站 4969 座，接入第三方充电桩 1578730 根。
美国普通无铅汽油全国平均零售价于周二升至每加仑4.54美元，突破4.50美元关口，为2022年7月以来首次，油价涨势延续，民众出行成本压力进一步加大。当前价格较2022年6月创下的5.01美元历史峰值仅差约50美分；从季节性来看，已创历年同期最高纪录。（新浪财经）
特斯拉4月30日在监管备案文件中披露了马斯克2025年的薪酬总额为1583.6亿美元，为公司普通员工中位数的250万倍。尽管这一数字十分惊人，但公司同时也披露了多项重要附加说明。特斯拉在文件中表示，公司每年公示的马斯克薪酬总额，与其实际到手价值之间可能存在“巨大偏差”。 由于特斯拉去年未达成任何市值及经营考核目标，因此去年马斯克实际到手薪酬为零。 （央视财经）
特斯拉4月23日公告显示，2026年4月，公司达成协议，将以至多20亿美元的特斯拉普通股和股权奖励收购一家人工智能硬件公司，其中约18亿美元取决于该公司技术的成功部署，并需满足某些服务条件和/或业绩里程碑。（界面）