最佳 AI 语音转文字应用实测排行
AI 语音输入应用已从“识别准确”转向多维度竞争。主流产品各具特色：本地隐私型（ Monologue 、 VoiceTypr ）、工作流整合型（ Wispr Flow ）、低价买断型（ VoiceInk 、 Dicatto ）等。竞争焦点已不限于识别率，而是隐私保护、场景适配和“写作起点”的争夺。谁更懂用户在不同场景的表达意图，谁就能占据内容生产流程的先机。
ChatGPT Images 2.0 在印度受热捧，但目前在其他地方尚未大获成功
虽然 OpenAI 声称印度成为 ChatGPT Images 2.0 最大用户市场，但第三方数据显示全球增长实则温和，下载量仅增 11%，日活和流量涨幅约 1%。巴基斯坦、越南、印尼等新兴市场反而出现高达 79%的下载增长。印度用户主要将该功能用于个人表达场景，如风格化肖像、社交头像等，反映出 AI 图像工具在不同市场的落地方式存在差异。
马斯克作证： xAI 用 OpenAI 模型训练 Grok
Musk 在法庭作证时承认 xAI 确实使用 OpenAI 模型进行蒸馏训练 Grok ，并坦言这在 AI 行业是普遍做法。这桩诉讼撕开了大模型竞争中被默认存在却少有人承认的另一面。头部公司间也在相互“借力”。蒸馏通过系统性查询现成模型，可低成本训练出性能接近的替代模型，直接削弱领先者的投入回报。前沿实验室正通过“前沿模型论坛”联合应对，但服务条款和访问权限正在成为新的竞争边界。
认识 Noscroll ：替你刷负面新闻的 AI 智能体
新创公司 Noscroll 推出 AI 智能体服务，通过短信替你追踪 X 、 Reddit 等平台信息流，过滤噪声后仅推送重要内容。由 OpenSea 前 CTO 创办，灵感源于对信息平台上瘾又不想错过的矛盾体验。用户可定制信源、定时收摘要、突发新闻即时通知。订阅每月 9.99 美元。它将大模型从被动问答变为主动代理，用短信这一低门槛渠道，帮用户把无尽下滑的 feed 压缩成几行文字。
Google Cloud 推出两款 AI 芯片，剑指英伟达
Google Cloud 发布第八代 TPU 芯片，首次拆分为训练专用 TPU 8t 和推理专用 TPU 8i ，性能较上代提升 3 倍，成本效率提高 80%。此举旨在精细化分工以提升竞争力，但 Google 明确表示不会“去 Nvidia 化”，而是采取自研芯片与 Nvidia 并行的务实策略。 AI 云竞争已从单芯片比拼转向芯片、网络、软件栈和集群调度的整体系统能力。对客户而言，关键不在于芯片归属，而是什么组合能在具体任务中跑得更快、更省、更稳。
AI Overviews 即将登陆你的工作 Gmail
Google 在 Cloud Next 大会上将 AI Overviews 引入 Gmail ，用户可用自然语言提问获取邮件摘要。系统从多封邮件中提取内容，生成即时答案，适用于绩效、项目进度、发票等业务信息场景。此功能此前仅面向消费者，现扩展至商业、企业和教育版 Workspace 。分析认为， Google 正将 Workspace 从办公软件转向“答案分发系统”，搜索不再只是检索，开始承担理解、归纳和裁决的角色。
AI 候选药物井喷，这家初创公司要筛选“潜力股”
10x Science 成立于 2025 年 12 月，宣布完成 480 万美元种子轮融资，切入 AI 制药后端瓶颈：蛋白质表征环节。团队来自斯坦福 Bertozzi 实验室，针对 AI 预测大量候选分子后验证成本高、耗时长的问题，开发了结合确定性算法与 AI 智能体的质谱分析平台，强调可追踪性与可解释性，满足监管合规要求。公司定位为生物医药研发基础设施，通过 SaaS 模式按月收费，不押注具体药物，而是服务整个行业的表征需求。核心价值在于将高门槛技术下沉，让研究团队快速获得可审计的分析结论。
Google Maps 即将迎来 AI 功能大升级
谷歌在 Cloud Next 大会上发布企业级生成式 AI 地图功能，包括 Maps Imagery Grounding （用 AI 生成 Street View 场景）、 Aerial and Satellite Insights （ BigQuery 影像分析）和 Earth AI Imagery 模型（自动识别道路、桥梁等对象）。这些更新将地理空间数据、生成式 AI 与企业分析工具深度整合，旨在把 Google Maps 从展示工具升级为具备空间语义的企业智能平台，大幅降低企业开发门槛。
提示词工程已死，上下文工程崛起：Karpathy 最新演讲透露的信号
4 月 30 日，Karpathy 在 Sequoia Ascent 2026 提出 Software 3.0 概念，指出 2025 年 12 月已成为 Agentic 拐点。核心变化在于工作流从编写代码转向编排 Agent，上下文窗口成为新程序杠杆。他强调 AI 落地速度取决于场景是否具备自动化验证信号，而非单纯模型能力。开发者应关注任务的可验证性与训练数据分布，普通用户则需尝试将完整宏观任务交付给 Agent。