出海闲聊

AI洗白性骚扰指控引争议

今天刷到一条挺魔幻的新闻：新泽西州前副州长 Dale Caldwell 因为性骚扰调查辞职，现在他跳出来说，AI 分析证明他是清白的。

说实话，第一反应是这操作也太会蹭热点了。AI 现在被拿来当「权威背书」，连个人清白都能靠大模型来判定？这逻辑本身就站不住脚。AI 能做的只是基于输入信息做概率推断，它既没有调查权，也没有事实核查能力，更不可能替代司法或纪律审查程序。更深一层看，这件事其实暴露了一个很现实的问题：当 AI 越来越像「万能工具」，很多人会把它当成公关武器。你说自己无辜，拿一份 AI 生成的报告出来，听起来很唬人，但本质上和「我朋友说我没做」没太大区别。关键在于输入了什么、模型怎么训练、输出有没有被筛选，这些全都不透明。从跨境和科技圈的角度，我觉得这类案例会越来越多。政客、高管、网红，遇到丑闻先甩一份 AI 分析，试图把水搅浑。平台和媒体如果直接引用，等于帮他们做二次传播。真正该追问的是：调查结论是什么、证据链在哪，而不是 AI 说了什么。所以我的判断是，AI 可以辅助整理信息，但绝不能成为「洗白工具」。公众也得提高警惕，别看到「AI 认证」就下意识觉得可信。技术中立，但用技术的人未必。

十月Prime Day提前放价观察

距离十月Prime Day正式开跑还有几天，但各大品牌已经按捺不住，提前把折扣放了出来。我翻了一圈目前的早期促销，发现今年的节奏和往年不太一样：平台还没正式开场，第三方品牌就先自己卷起来了。

从品类上看，这波提前放价集中在智能家居、音频设备和厨房小电这几块。不少品牌给出的折扣力度已经接近大促当天的水平，甚至个别单品比去年同期的历史低价还低一点。这说明品牌方对今年四季度的库存压力是有预期的，宁愿提前锁单，也不想把宝全押在正日子那几天。对做跨境的朋友来说，这里有个值得留意的信号：提前促销正在从平台行为变成品牌行为。以前是平台发券、卖家跟价，现在是品牌自己先降价抢曝光，平台反而成了承接流量的场子。这种变化会直接影响广告投放的节奏，如果还按老思路把预算全压在活动当天，很可能前期就被竞品截走了转化。我的判断是，今年十月这波大促的竞争重心会前移。真正跑得好的卖家，大概率是在预热期就把站内广告和站外引流同步铺开的那批人。折扣本身已经不是差异化手段了，什么时候放、放给谁看，才是拉开差距的地方。当然，提前降价也有代价。价格一旦下去，活动当天再想拉回来就很难，利润空间会被压得很薄。所以我的建议是，别盲目跟价，先算清楚自己的毛利底线，再决定要不要参与这轮抢跑。

AI工厂每兆瓦六千万美元 回报看三点

最近看到英伟达谈AI工厂的经济账，有个数字挺扎眼：每兆瓦的AI工厂造价大概6000万美元。这个量级的资本开支，运营方不可能拍脑袋就投，必须把回报算清楚才敢下手。

英伟达把AI工厂的回报拆成三个变量：赚钱能力、使用寿命和需求。赚钱能力指的是如果满负荷卖token，一年能挣多少；使用寿命是硬件能持续产生收益多久；需求则是市场到底能吃下多少token。这三者不是简单相加，任何一项拉胯都会拖垮整体回报。这个框架其实挺实在的。产能再高，卖不出去也是白搭；需求再旺，一年就报废也回不了本。更关键的是三者相互影响：能跑更多类型工作负载的工厂，自然能匹配更多需求，从而延长自己的赚钱周期。英伟达给出的解法是三个词：高产、耐用、通用。高产指每兆瓦吞吐最高、每token成本最低，把赚钱能力拉满；耐用指GPU和系统出货多年后仍在创造收益；通用指能跑各种AI负载，覆盖不同阶段和场景。不过站在从业者角度，我觉得这套叙事有个隐含前提：客户得相信token需求会持续增长。如果模型效率提升让单位任务所需算力下降，或者开源方案把推理成本打下来，那6000万美元一兆瓦的账就得重算。对中小玩家来说，与其追最贵的硬件，不如先想清楚自己的需求曲线到底长什么样。

十月云游戏上新二十五款

刚看到 GeForce NOW 十月的更新清单，一口气塞了 25 款新游戏，其中 6 款本周就能直接开玩。对云游戏玩家来说，这种月度更新节奏已经算是相当密集了，尤其是万圣节档期还专门配了应景的恐怖向内容。

最值得说的还是《控制》衍生新作 CONTROL Resonant 上了云。Performance 和 Ultimate 会员可以直接串流游玩，故事线切到弟弟 Dylan Faden 视角，在扭曲的曼哈顿里对抗 Hiss 和 Mold 这些老对手，同时还要找姐姐 Jesse。这个叙事角度挺聪明，等于用另一个角色的眼睛重新看一遍那个诡异世界，老玩家会有新鲜感，新玩家也不至于完全跟不上。会员福利这次给的是 CONTROL Resonant 的 Third Ice Baseball Cap 奖励。领取兑换码后，在 Steam 或 Epic 版本里进主菜单，选 Options 再到 Gameplay，找到 Enter Redeem Code 输入就行，通关第一幕后可以装备。领取窗口从 10 月 1 日周四开到 11 月 1 日周日，时间还算宽裕，但别忘了领。另一条比较实在的消息是《巫师 3：狂猎》重制版加入云库。这游戏体量摆在那，本地装起来动辄几十上百 G，对硬盘紧张或者机器配置一般的人来说，云端串流确实是更省事的选择。不过云游戏体验终究吃网络，画质和延迟能不能顶住，还得看各自的实际线路。整体看下来，GeForce NOW 这波更新思路很清楚：用新作拉新，用大作留人，再用会员奖励提高订阅黏性。对国内玩家来说，值不值得上车还是得先算清楚网络成本和订阅开销，别光看游戏数量就冲动。

OpenAI新模型跑上英伟达新卡

OpenAI 放出了 GPT-6 Astra 的 Ultrafast 模式，直接跑在英伟达 Blackwell 上，API 和 ChatGPT Work、Codex 的合格用户已经能用。官方说法是 token 生成速度最高能到标准模式的 8 倍，这个数字放在 agent 场景里就不是跑分好看那么简单了。

我自己做跨境工具链，最直接的感受是 agent 的 edit-test-debug 循环被压缩了。以前一轮工具调用之间等模型吐字，体感就像网速卡在 3G，现在响应快了，交互式应用的「跟手感」明显不一样。- Ultrafast 模式：token 生成最高快 8 倍，面向 API 和 ChatGPT Work、Codex 合格用户开放
- 底层硬件：英伟达 Blackwell GPU，配合 OpenAI 侧的推理优化
- 受益场景：编码 agent 的编辑-测试-调试循环、工具调用之间的等待、交互式应用响应OpenAI 推理负责人 Philippe Tillet 有句话挺有意思，说英伟达在工具链和文档上的投入，让他们的模型特别擅长给 Blackwell 和 Rubin 写高性能 kernel。这话反过来听，就是模型能力已经开始反哺硬件适配，软硬绑定的护城河又厚了一层。对做出海产品的团队来说，这意味着两件事。一是实时类 AI 功能的成本结构会变，延迟降下来之后，以前不敢做的流式交互可以重新算账；二是选型上更要想清楚，绑 OpenAI 加英伟达这条线，速度红利是真的，但议价空间和迁移成本也得提前留一手。

英伟达DGX Spark加推64GB版

本地跑AI这件事，今年明显在加速。以前大家默认大模型只能放云端，现在开源模型越做越小、越做越强，很多活儿直接在设备上就能干完。英伟达这个月要推的DGX Spark新配置，把统一内存拉到了64GB，宏碁、华硕、戴尔、技嘉、惠普、微星这些大厂都会出货，预装DGX OS和整套AI软件栈，开箱即用。

我比较在意的是它主打「本地智能体」这个定位。以前本地推理更多是玩票，现在强调跑得动真正的agent，数据不出设备、不依赖云，对做隐私敏感业务的团队来说吸引力不小。而且两台机器可以通过Sync Cluster Assistant直接组集群，不用额外折腾配置，这个对想扩算力又不想碰运维的人挺友好。硬件底子是Grace Blackwell加统一内存，再配上ConnectX-7网络和CUDA加速的软件栈，等于把一整套本地AI平台塞进一个小机器里。推理、微调、数据科学、边缘开发这些场景都能覆盖，不用每件事都去开云实例。对开发者来说，最大的价值其实是「随手就能试」——拿自己的数据反复折腾模型，成本可控，迭代也快。不过我得泼点冷水。64GB统一内存听着大，但真跑大参数模型、长上下文或者多agent并发，还是会紧。它更像是个人和小团队的起步平台，不是替代数据中心的方案。另外价格和实际功耗还没看到明确数字，这两点会直接决定它到底是「真香」还是「尝鲜」。我的判断是，这类设备的意义不在于性能多炸裂，而在于把本地AI从极客玩具推向日常工具。当模型、内存、软件栈都到位，开发者会越来越习惯先在本地验证，再决定要不要上云。英伟达这一步，抢的其实是「个人AI超算」这个心智。

PS5 模拟器这速度有点吓人

说实话，我关注主机模拟器这么多年，PS5 这一代的速度是真的有点反常。以前 PS3 模拟器熬了多少年才勉强能玩，PS4 到现在也还有一堆坑，结果 PS5 才发售几年，模拟器就已经能跑真实游戏了。

SharpEmu 这个项目我五月份看的时候还只是个极早期的 Alpha，基本啥都跑不起来。结果短短几个月，现在它已经能加载真实游戏的 eboot.bin 文件、执行原生 CPU 指令，GPU 部分也开始处理了。目前有 10 款游戏被标记为可玩，从 Tetris Forever 这种简单 2D 到 Astro Bot、Demon's Souls 重制版这种复杂 3D 大作都有，这个跨度说实话挺让人意外的。另一条线是 KytyPS5，上周刚发了首个公开版本，它是 PS4 模拟器 Kyty 的扩展。能启动 2D 游戏和部分 3D 游戏，覆盖虚幻引擎 4/5、Unity 以及一些自研引擎的作品。它那边标记可玩的游戏有 134 款，但数量归数量，很多都存在严重 bug，实际体验估计还差得远。我的判断是，现在这个阶段更像「能跑起来」而不是「能玩爽」。10 款可玩和 134 款可玩这两个数字看着热闹，但真正稳定、帧数正常、没有图形错误的可能屈指可数。模拟器早期最怕的就是被数字冲昏头，兼容性列表和实际体验之间往往隔着一条鸿沟。不过方向是明确的：PS5 用的是 x86 架构，CPU 指令翻译的难度比当年 PS3 的 Cell 低太多，这大概是速度快的根本原因。如果这个势头保持下去，两三年内 PS5 模拟器进入实用阶段并非不可能。对 PC 玩家来说这是好事，但也要有点耐心，别指望现在就能替代真机。

Substack Notes 排期功能实测

最近发现 Substack 终于支持原生排期发 Notes 了，时间是 2026 年 3 月 23 日，网页、iOS 和安卓都能用。在这之前，想定时发 Notes 要么手动蹲点，要么装第三方插件，体验很割裂。我自己这个月坚持每天发一条 Note，正好赶上这个功能，就顺手试了一下内置排期和第三方工具两条路。

内置排期操作很简单：点加号新建 Note，正常写完内容，可以加图片、链接、视频和投票，然后点编辑器底部的日历图标，选好日期和时间，到点自动发。不过它也有明显短板，比如没法把同一条内容一键分发到 LinkedIn、Threads、X 和 Bluesky，也看不到哪条 Note 真正带来了订阅转化。第三方工具正好补上这两块。它把 Substack Notes 和其他社交渠道放在同一个日历里统一规划，一条内容可以同步发到多个平台，还能追踪每条 Note 带来的订阅数据。而且这两个方案都是免费的，对个人创作者来说门槛很低。我自己的感受是，排期功能最大的价值不是省那几分钟，而是把「发什么」和「什么时候发」拆开。以前边写边发，很容易被即时反馈带偏，现在可以集中写一批，再按节奏铺出去。但工具再好也替代不了内容本身，如果 Note 没有观点或信息增量，排期只会让你更稳定地发废话。另外提醒一句，内置排期目前只解决单平台定时，跨平台分发和转化归因还是得靠外部工具。如果你只是偶尔发发，内置够用；如果 Notes 是你获取订阅的重要渠道，建议把排期和数据分析放在一起考虑。

11款社媒管理工具实测推荐

做跨境内容这几年，我几乎把市面上叫得出名字的社媒管理工具都试了一遍。从最早给杂志和科技品牌做运营，到现在自己带着三十多万粉丝跨平台更新，每天要处理发帖、改稿、追热点、看数据这一堆事，没有工具真的会疯。

先说结论：没有一款工具能通吃所有场景，选工具的关键是看你最痛的是哪一环。如果你是一个人管三五个账号，重点看排期和内容复用顺不顺手；如果是小团队或代运营机构，协作权限、审批流和客户报告才是核心。我见过太多人冲着功能列表买年费，结果常用的就那两三个按钮。我挑工具主要看四点。一是支持的平台够不够全，尤其是 TikTok、Instagram、LinkedIn、Threads、YouTube、X 这几个跨境主力渠道；二是发布稳定性，定时发出去别掉链子；三是数据分析能不能直接导出给客户看；四是价格，按账号数还是按席位收费，差别很大。- Buffer：老牌排期工具，界面干净，适合个人创作者起步，免费档够用但平台覆盖偏基础。
- Hootsuite：功能全、报表强，适合中型团队，但价格偏高，小团队容易浪费额度。
- Later：视觉排期和素材库做得好，Instagram 和 TikTok 用户友好，分析维度相对浅。
- Sprout Social：协作和审批流最成熟，适合代运营机构，就是贵，预算不够别硬上。
- Metricool：性价比突出，数据看板清晰，适合预算有限但要跨平台看数的团队。我的建议是先用免费档跑两周真实工作流，再决定要不要付费。工具只是放大器，内容策略和账号定位没想清楚，再贵的软件也救不了。跨境团队还要额外注意时区排期和本地化文案，这两点很多工具默认设置并不友好，得手动调。

领英协作帖来了，创作者和品牌怎么玩

早上刷领英时看到一条帖子，顶部居然挂了两个名字，我第一反应是眼花了。评论问了一句，对方确认这就是领英正在测试的协作帖功能。更有意思的是，上周我刚帮一个品牌做了类似联名形式的合作帖，结果转头就被朋友在领英官方公告里艾特了。

简单说，接下来两个人甚至多个账号，再加上领英主页，可以共同发布同一条帖子，所有协作者的名字都会显示在顶部。目前这个功能正在和部分创作者、品牌进行小范围测试，未来几个月会逐步放开。我平时在 Instagram 上用协作帖已经很顺手，所以对领英这个功能期待值很高。如果你用过 Instagram 的协作帖，大致形态不会陌生。但领英不一样的地方在于，你的名字和品牌放在一起，自带职业背书的分量，所以这件事对创作者和品牌关系的影响会更大。以前品牌合作帖往往只能发在品牌主页或者创作者个人号上，流量和信任是割裂的。协作帖把两边绑在同一条内容里，相当于一次发布同时吃到双方受众。对创作者来说，这意味着谈合作时可以多一个筹码：不是单纯帮品牌发一条广告，而是共同署名、共同承担内容质量。对品牌来说，找对创作者比以往更重要，因为名字挂在一起，翻车也是双倍的。我判断这个功能会先被招聘、B2B 服务和知识付费类品牌用起来，毕竟领英的信任链路更短。当然，协作帖也不是万能药。如果内容本身没有信息增量，只是把广告换个形式再发一遍，用户照样会划走。真正值得关注的是，领英把「人」和「主页」放在同一个发布单元里，这可能会改变以后品牌合作的分发逻辑。等正式开放后，我打算先拿自己的账号和几个合作品牌试一轮，看看互动数据到底有没有明显变化。

Sprout Social 太贵 我换了这些工具

Sprout Social 是个好工具，但价格确实劝退。个人版月付 99 美元，年付也要 79 美元；团队版每人每月 249 美元，年付 199 美元。对大企业社媒团队来说这钱花得值，但对小公司或独立创作者，这笔预算很难justify。

我离开它的原因不止价格。按人头收费的模式，团队一扩张成本就失控；很多人其实只需要更简单的数据看板，不需要那么重的分析套件。界面也是个问题，从找选题到出报告，每一步都希望更顺手，而不是被复杂功能拖着走。平台支持同样关键。比如 Substack 这类渠道，Sprout Social 并不覆盖，但做 newsletter 的人越来越需要把它纳入社媒工作流。另外 API 和 MCP 的开放程度，决定了你能不能快速搭自定义流程和内部工具，这一点对技术型团队越来越重要。所以我整理了一批替代方案，按预算、分析需求、界面易用性、平台覆盖和 API 能力几个维度来筛。核心思路是：先明确自己最痛的那一个点，再去找对应工具，而不是为了「全能」继续为用不上的功能买单。如果你也在纠结续费，建议先算一笔账：把团队人数乘以月费，再对比你实际高频使用的功能。很多时候，两三个轻量工具组合起来，成本只有零头，体验反而更聚焦。

艾伯森用ChatGPT改造杂货零售

美国杂货巨头艾伯森最近公开了他们的AI落地路径，核心就是ChatGPT企业版加API双管齐下。他们没把AI当噱头，而是直接塞进两个最要命的环节：内部团队协作提速，以及让几百万顾客的买菜体验变简单。这个思路其实挺务实，零售业毛利薄，任何效率提升都是真金白银。

先说内部。艾伯森让采购、供应链、门店运营的团队用ChatGPT企业版处理日常琐事，比如快速生成供应商沟通邮件、整理促销活动方案、从一堆销售数据里提炼行动点。以前这些活要跨部门来回确认，现在一个人加一个对话框就能跑通。我觉得这才是企业级AI该有的样子，不追求酷炫，只解决具体工种的具体卡点。再说顾客端。他们通过API把模型能力嵌进购物流程，比如根据历史订单生成个性化食谱、自动补全常买清单、用对话方式帮顾客找替代商品。杂货电商的痛点从来不是没商品，而是选择太多导致决策瘫痪。AI如果能帮顾客省下那几分钟纠结时间，复购率就有机会往上走。不过我也有些保留。杂货消费频次极高，任何推荐失误都会被放大，比如给乳糖不耐的人推了芝士，或者把促销价算错。艾伯森敢这么早押注，说明他们内部测试数据应该不错，但大规模铺开后的容错机制才是真正的考验。零售AI的竞争，最后拼的不是模型多强，而是出错时兜底有多快。整体看，艾伯森这个案例给传统零售指了条路：别自己造模型，直接买企业版加API，把精力花在业务场景拆解上。对出海做SaaS或AI工具的团队来说，杂货零售这种高频、低毛利、强运营的行业，反而可能是最容易验证ROI的试验田。

AI补的是执行短板

最近看到一种说法，说AI真正的价值可能不在那些灵光一现的突破，而是补上从想法到落地之间那段最磨人的执行工作。这个角度挺戳我的。

我们做跨境的都懂，一个好点子从选品到上架，中间全是琐碎的活儿：改图、写文案、对表格、盯物流、回邮件。以前这些事靠人堆，现在AI能吃掉一大半。但我不觉得这是「AI取代人」，更像是把执行的门槛拉平了。小团队也能有接近大团队的落地效率，这对我们这种没太多预算的卖家来说，是实打实的红利。不过也得清醒：执行快了，不代表方向就对。AI能把事做完，但判断做什么、不做什么，还是得靠人。所以我现在的用法很明确——AI负责把重复劳动干掉，我负责把精力放在选品和渠道判断上。说到底，下一个阶段的竞争可能不是谁有更好的点子，而是谁能把点子更快、更稳地变成生意。执行这件事，正在从苦力活变成一种可以放大的能力。

AI把交易验证从半小时压到4分钟

最近看到 Chatham Financial 的一个案例，他们用 Codex 和 GPT-5.6 重构了资本市场业务的技术栈和工作流，最直观的一个数字是：交易验证时间从 30 分钟压到了 4 分钟以内。这个降幅放在金融后台运营里相当夸张，因为交易验证本身涉及大量条款比对、合规检查和跨系统核对，过去基本靠人肉加脚本硬扛。

我自己的判断是，这类场景比「AI 写代码」本身更有价值。Chatham 做的不是让模型替人写几行脚本，而是把模型嵌进业务流程里，让它在结构化数据和非结构化合同之间做翻译和校验。资本市场业务的特点是规则密集、容错率极低，一旦验证环节提速，整个交易台的吞吐量都会被重新定义。不过也要泼一点冷水。30 分钟到 4 分钟这种数字，通常是在特定流程、特定资产类别上跑出来的，未必能直接复制到所有交易类型。金融行业对可解释性和审计留痕的要求极高，模型给出的判断如果没法回溯到具体条款和规则，合规部门那一关就过不去。所以真正难的从来不是模型能力，而是怎么把模型的输出变成可审计的证据链。对做出海金融科技或者 B 端工具的团队来说，这个案例的启示是：别只盯着「省了多少人力」，要盯着「流程周期缩短后，客户能多做多少笔交易」。前者是成本叙事，后者是收入叙事，在资本市场这种按交易量吃饭的行业里，后者才更容易打动决策者。我会继续关注这类把大模型塞进强合规流程的落地案例，尤其是它们怎么处理幻觉和审计问题。如果 Chatham 后续公开更多技术细节，值得再拆一次。

GPT-6选型与调优实战指南

最近看到一份关于 GPT-6 系列模型的选型指南，虽然官方还没正式发布，但里面提到的思路很值得提前琢磨。指南把重点放在创业公司如何根据自身场景挑选合适的模型变体，而不是盲目追新。我的判断是，等到 GPT-6 真正开放，模型能力差距会进一步拉大，选错版本可能直接拖垮产品体验。

指南里反复强调「推理投入」这个概念，也就是根据任务复杂度动态调整模型思考的深度。简单问答用低推理档位省成本，复杂规划或代码生成再拉高。我认同这个方向，因为很多团队现在还在用固定参数跑所有请求，浪费了大量 token。提前把推理预算做成可配置项，上线时就能灵活切换。另一个让我有共鸣的点是提示词和技能库的协同。指南建议把常用能力封装成可复用的技能模块，而不是每次从零写 prompt。这其实是在逼团队建立自己的「能力中间层」。我见过不少出海产品，提示词散落在各个代码库里，改一个逻辑要翻半天。如果 GPT-6 支持更结构化的技能调用，那现在就该开始整理内部资产。工具编排部分也讲得很实在。指南提到要提前设计好模型与外部 API、数据库、检索系统之间的调用链路，并做好失败重试和降级。我的看法是，模型再强也绕不开工程化，尤其是面向生产环境时，延迟和稳定性比跑分更重要。创业公司资源有限，更应该把编排层做薄做稳，而不是堆一堆花哨的 agent。整体看下来，这份指南更像是一份「提前量」清单。GPT-6 还没来，但选型逻辑、推理预算、技能复用和工具编排这些事，现在就可以动手准备。等模型真落地时，谁的基础设施更顺手，谁就能更快把能力变成收入。

科技大会的场外局才是真战场

看到 Disrupt 2026 的 Side Events 名单放出来了，第一反应是：现在去旧金山参加科技周，主会场反而成了打卡点，真正有价值的对话基本都发生在场外。官方这次把周边活动单独做成一个项目，覆盖圆桌、创始人聚会、酒会、晚宴和工作坊，地点散在旧金山全城，明显是想把「会议」变成「一周的社交季」。

我比较关注的是这类场外局的筛选逻辑。主会场是花钱买票就能进，但好的 side event 往往要靠邀请、推荐或者抢名额，这就天然形成了更小圈层的匹配。对创业者来说，与其在展台前换一堆用不上的名片，不如在一场二十人的晚宴上把一个人聊透。名单里有个细节挺有意思：韩国项目 Born2Global 直接带了 18 家早期初创来旧金山做创始人 networking night，每家创始人先做简短介绍，然后开放自由交流。这种「批量出海+本地对接」的打法，这两年在亚洲团队里越来越常见，本质上是把国内的政府或机构资源，转化成海外的投资人触达。另一个是 SafetyWing 在 Harrington's 办的 happy hour。保险类产品选酒吧场景做活动，听起来随意，其实很符合它面向数字游民和远程工作者的定位——目标用户本来就散落在各种非正式场合，硬邦邦的展台反而抓不住他们。我的判断是，未来科技大会的竞争会从「谁的主讲嘉宾更大牌」转向「谁的场外生态更密」。对出海团队来说，与其纠结主会场要不要买票，不如提前两周研究 side events 名单，把行程按「能见到谁」而不是「能听到什么」来排。

WhatsApp上线家长管控，AI聊天也能管

WhatsApp最近上线了一套家长管控功能，允许监护人查看青少年和谁互动，还能给Meta AI聊天设置内容限制。这个动作挺有意思，因为Meta这两年一直在青少年保护上被各国监管追着跑，现在终于把管控延伸到了AI对话层面，算是补上了一块明显的短板。

具体来说，家长可以限制青少年使用频道的方式、能看到谁的状态、以及谁能看到他们的状态更新。监护人还能控制谁可以把青少年拉进群组、谁能看到他们的头像。更细的是，当青少年加入或退出某个群组，或者群成员涨到30人、100人、250人时，家长会收到通知。这些设置全部由家长设置的PIN码保护，青少年想改任何一项都得经过家长同意，当然家长也可以选择完全关闭这些管控。AI这块是我觉得最值得关注的。家长现在可以在Meta AI里选择默认的13+设置，或者更严格的“受限内容”模式，后者会关掉隐身聊天和消息摘要这类依赖私密处理的功能。这说明Meta在AI产品上开始做年龄分层，而不是像以前那样一刀切。WhatsApp强调，即便加了这些管控，消息和通话依然是端到端加密的，任何人都看不到内容。这个表态很关键，因为家长管控和隐私保护天然存在张力，WhatsApp必须在两者之间找平衡，否则很容易引发用户反弹。从行业角度看，这套功能更像是对监管压力的回应，而不是产品创新。真正的问题是，青少年会不会用别的账号绕过去，以及家长到底有多少精力去盯着这些通知。管控工具做得再细，执行层面跟不上也是白搭。

Reddit 关停 RSS 开放网络再退一步

今天刷到一条消息，Reddit 宣布将在 11 月 13 日正式停止支持 RSS 订阅，同时把公共 API 的关停时间定在了 2027 年 3 月。官方给出的理由很直接，说 RSS 已经成了大规模抓取和自动化滥用的常见入口。作为一个常年靠 RSS 读信息的人，我看到这条新闻的第一反应是可惜，第二反应是这剧本太熟悉了。

RSS 这个东西在博客时代是很多人的信息入口，订阅一个站点的更新，在阅读器里统一看，干净、可控、没有算法插队。Google Reader 在 2013 年关掉之后，市场交给了 Feedly 这类独立工具，但整个生态其实一直在萎缩。现在 Reddit 再砍一刀，等于又少了一个高质量内容源的标准出口。从平台的角度看，这个决定不难理解。Reddit 上的内容本身就是它最值钱的资产，训练数据、搜索索引、AI 摘要，谁都想来分一杯羹，而 RSS 恰好是最容易被批量搬走的口子。与其说 RSS 是滥用源头，不如说它是平台收紧内容控制权过程中最先被牺牲的那部分。真正搞大规模抓取的人，封了 RSS 也照样有别的路子。对普通用户和开发者来说，影响是实打实的。靠 RSS 做聚合阅读的人得换方案，做第三方客户端或者内容监控的团队要重新评估数据来源，那些依赖 Reddit 讨论做舆情和选题的工具也得找替代。短期看是麻烦，长期看是又一次提醒：把信息流建立在别人的开放接口上，随时可能被收回。我的判断是，这件事不会立刻改变什么，但方向很清楚。开放网络的那套玩法正在被一个个平台关掉，能做的无非是尽早把关键数据握在自己手里，或者转向更去中心化的协议。RSS 会不会彻底消失不好说，但靠它吃饭的人，是时候准备 Plan B 了。

印度下架Bitchat的冷思考

Jack Dorsey搞的那个Bitchat，最近在印度被苹果和谷歌的应用商店下架了。这个应用主打去中心化、不依赖互联网也能发消息，用的是蓝牙mesh那套思路，听起来很极客，但这次印度政府直接援引《信息技术法》第69A条要求苹果下架，连TestFlight测试通道都一并封了。

第69A条是印度政府用来封禁网络内容的主要法律工具，之前对TikTok、部分加密应用也用过。这次Bitchat被盯上，表面理由是安全审查，但更值得琢磨的是：一个离线通信工具到底触动了什么神经？我的判断是，这类应用绕开了运营商和平台的内容监管链路，对任何强调网络主权的政府来说都是天然的敏感点。从产品角度看，Bitchat的定位其实很窄。它解决的是断网场景下的短距通信，比如灾害、抗议或网络管制时期。但这也意味着它的用户增长天然依赖「特殊时刻」，平时很难形成规模化的日常使用。Dorsey在X上公开苹果的通知，更像是一种舆论施压，而不是产品层面的反击。对做出海产品的团队来说，这件事有几个现实提醒。
- 印度市场：监管不确定性高，涉及通信、加密、去中心化的产品要提前评估69A这类条款的适用风险。
- 平台依赖：苹果和谷歌在印度执行下架的速度很快，TestFlight这类测试渠道也会被同步封堵，别把它当避风港。
- 品牌策略：创始人公开对抗当地监管，短期能博关注，但长期可能加速产品被彻底边缘化。Bitchat官网在印度多家ISP下已经打不开，谷歌是否也收到了正式指令还不明确。但趋势很清楚：去中心化通信工具在全球范围内都会持续撞上监管墙。做这类产品的团队，最好从一开始就把合规路径和分发渠道的备选方案想清楚，而不是等被封了再发推。

谷歌Gemini免费层缩水

刚看到谷歌对Gemini个人账户的订阅层级做了调整，简单说就是免费用户以后只能用到最小的Flash-Lite模型，Flash和Pro都要付费了。之前免费层还能摸到3.6 Flash和部分3.1 Pro，现在直接一刀切，连每月4.99美元的AI Plus订阅都只能用Flash-Lite和Flash，想用Pro得掏19.99美元的AI Pro或者更贵的Ultra。

这个分层逻辑基本就是照搬OpenAI那套免费增值打法，用低价档卡住轻度用户，把真正有生产力的模型锁在高价档。从商业角度看无可厚非，毕竟大模型推理成本摆在那，谷歌也要给财报一个交代。但对习惯了白嫖Pro的开发者和小团队来说，迁移成本是实打实的。- 免费层：仅Flash-Lite，Flash和Pro均不可用
- AI Plus（4.99美元/月）：可用Flash-Lite和Flash，Pro被移除
- AI Pro（19.99美元/月）与AI Ultra（99.99美元起/月）：三档模型全解锁实际影响可能没想象中大。大多数普通用户根本分不清自己用的是哪个模型，能问答就行；而真正的重度用户，那百分之几的人，大概率早就订阅了。真正会骂的是那些卡在中间、靠免费Pro跑副业项目的人，他们要么转投别家，要么被迫升级。我比较在意的是时机。谷歌选在10月动手，很可能是在给更大的Gemini 4 Argon铺路，新模型推理更贵，得先把付费墙砌高一点。如果Argon真像传闻那样强，那这波缩水就是提前筛选付费意愿。对出海做AI工具的朋友来说，依赖单一模型免费额度的日子越来越不好过了，多模型路由和成本兜底得早点安排上。