Google智能眼镜开启预购，Runway上线3D生成功能

Google智能眼镜开启预购，AI硬件走向大众

Google的智能眼镜终于开放预购了。这次不是概念演示，而是实实在在能买到的产品。合作方包括Samsung、Warby Parker和Gentle Monster，这几家分别在制造、光学设计和时尚造型上出了力。这意味着AI可穿戴设备不再只是极客的玩具，开始真正进入普通消费者的视野。

此前这类产品往往卡在“有用但难看”或者“好看但没用”的尴尬境地。Google这次拉上时尚品牌，显然是想解决佩戴意愿的问题。对于开发者而言，这是一个新的平台机会；对于用户来说，则是体验无屏交互的一个入口。不过，隐私问题和电池续航依然是悬在头顶的剑，市场接受度如何，还得看第一批用户的真实反馈。

Runway新增3D生成功能，创作工作流再扩展

Runway更新了其生成式AI套件，新增了3D模型生成功能。现在，用户可以通过Tripo H3.1模型，直接从文本描述或静态图像生成3D资产。这一功能支持上传现有模型、调整视角以及导出标准格式，直接嵌入到游戏开发、影视制作等创作者的工作流中。

过去，3D建模是一个高门槛、耗时的过程。虽然之前的AI工具能生成图片甚至视频，但生成可用的3D网格一直是个难点。Runway此次整合Tripo H3.1，试图降低这个门槛。对于独立开发者或小团队来说，快速原型制作的成本大幅降低。当然，生成的模型精度能否满足工业级需求，还需要在实际项目中检验，但至少为创意迭代提供了一个快速起点。

Hugging Face发布3D模型微调指南

配合3D生成热潮，Hugging Face发布了一份关于3D生成模型微调的实战指南。这份教程详细介绍了如何使用LoRA等技术对3D生成模型进行定制训练。

很多团队在使用通用模型时，会发现生成的风格或结构不符合特定项目需求。官方提供的微调指南，实际上是在教开发者如何“调教”模型，使其适应特定的艺术风格或几何约束。这对于希望建立私有化3D资产库的企业尤其重要。它不再是黑盒调用，而是允许技术人员深入到底层参数调整，从而获得更可控的输出结果。

企业智能体：从单点工具到系统互联

在企业应用层面，智能体（Agent）正在从单一的聊天机器人向复杂的协作系统演进。

Databricks的Genie for Slack正式全面可用（GA）。用户可以直接在Slack中基于受治理的企业数据提问。关键在于“受治理”三个字。企业最怕的是AI泄露敏感数据或给出错误信息。Genie结合了数据权限管理，确保员工只能问到他们有权访问的数据。这种将AI助手嵌入日常沟通工具的做法，减少了上下文切换，提高了协作效率。

与此同时，AWS发布了关于构建可互操作多智能体系统的技术文章。通过A2A（Agent-to-Agent）协议，不同组织、不同功能的智能体可以实现发现、通信和任务交接。想象一下，销售智能体谈完客户后，自动将需求传递给供应链智能体，后者再协调物流智能体。这种跨系统的自动化协作，才是企业智能化的深水区。AWS还介绍了Bedrock知识库的细粒度访问控制，进一步解决了智能体访问内部数据时的安全隔离问题。

百度昆仑芯M100投用，算力布局提速

百度宣布其自研芯片昆仑芯M100已投入使用，并将下一代M300及1024卡天池超节点的计划提前至2027年。据称，专用硬件能显著降低多模态推理成本。

在AI大模型竞争的背后，是算力的军备竞赛。通用GPU虽然强大，但成本高且供应紧张。百度选择自研芯片，一方面是为了降低成本，另一方面也是为了摆脱对外部供应链的依赖。M100的投用意味着百度在底层硬件上有了更多自主权。至于性能提升的具体数据，目前主要来自官方报道，实际效果还需等待第三方评测或大规模应用后的反馈。

Anthropic漏洞修复效率引争议

Anthropic的“玻璃翼”（Glasswing）漏洞悬赏项目最近受到质疑。数据显示，在近4万个提交的候补问题中，仅修复了217条。这一极低的修复率引发了社区对前沿模型安全反馈机制处理能力的担忧。

安全研究社区通常希望通过众包方式发现模型漏洞，但如果提交的问题得不到及时响应或修复，研究者的积极性会受挫。这也反映出一个现实问题：随着模型越来越复杂，识别和修复潜在的安全隐患变得极其困难。是提交的问题质量不高，还是修复成本太高？这需要Anthropic给出更透明的解释。对于依赖这些模型的企业来说，理解厂商的安全响应能力至关重要。

UCSD推出可验证LLM基础设施

加州大学圣地亚哥分校（UCSD）Hao AI Lab发布了vstack形式化验证工作流和veriserve推理服务引擎。这套基础设施旨在解决大语言模型推理过程中的可验证性问题。

目前的LLM大多是基于概率的“黑盒”，输出结果难以保证绝对正确。在医疗、金融等高风险领域，这种不确定性是致命的。vstack通过形式化验证方法，试图为LLM的推理过程提供数学层面的保证。veriserve则提供了支持这种验证的推理服务引擎。虽然这目前更多是学术研究，但它指向了一个重要方向：未来的AI系统不仅需要聪明，还需要可信、可验证。

结语

从Google的智能眼镜到Runway的3D生成，AI正在从屏幕走向物理世界，从二维走向三维。企业侧的应用则更加注重安全、合规和系统间的协作。与此同时，底层算力的自研和安全验证的基础设施建设也在同步推进。这些看似分散的点，正在编织成一张更紧密的AI产业网。