AI动态

分类：科技 标签：创业、投资、商业逻辑、大模型 在初创企业寻求新一轮融资的过程中，如何通过对外传播和沟通打动投资人，一直是许多创业者关心的话题。然而，通过观察多代创业者的成长轨迹，我们可以得出一个相对残酷但真实的结论：绝大部分情况下，第一笔投资是你最好拿的那笔钱；而凡是能被公关轻易影响的投资人，大概率都不是对你未来最至关重要的投资人。 真正愿意笃定你、给你出大钱的机构，以及愿意押上青春的顶级人才，从来都不是靠单一的 PR 技巧或包装说辞就能搞定的。优秀投资人被打动的底层逻辑，其实是一套贯穿时间轴的「ABC 连线」方法论。 从美团的发展史看商业信任的建立 回顾当年千团大战最热的时候，所有对手都在疯狂投广告、发补贴、烧钱抢地盘，当时的领头羊拉手网甚至自信到倒排出上市日期。但王兴却反其道而行之：「团购投广告和烧钱这事算不过账，商业模式跑不通，不能这么花。」 当时行业内外一片质疑，甚至有人认为美团悬了。为了证明公司不是没钱，王兴被逼在发布会上直接亮出银行流水单，账上确实趴着 7000 万，证明他真不是没钱，是真的不烧。 结果拉手网倒在上市前三个月，因为商业模式跑不通，而美团最终一统团购江湖。在这之前，王兴说的话外界半信半疑；但在转折点发生之后，全世界都发现王兴是对的。美团自此拿到了高维度的信任资产。 所以，后来美团面临外卖大战、即便阿里进场力挺饿了么时，王兴换了一套截然相反的逻辑：「今天要把钱给到最有效率的人去烧。比如我。」投资人依然认了，并给钱让他直面阿里的炮火，最终拿下市场老大的地位。 这 100% 不是 PR 做得有多好，而是因为此前积累下的「信用」，让大家真正信他。 拆解深层信任：什么是「思想履约」？ 真正决定你能不能拿到深层信任的，不是单点的公关发声，而是你在时间轴上的「A -> B -> C 连线」。 A 点（历史决策）：你在充满不确定性、大家甚至看不懂的时候，下了什么注？为什么这么选？ B 点（客观结果）：经过一段时间的验证，你当初算过的账、做过的判断，有没有拿到扎实的兑现？ C 点（未来判断）：站在今天，基于前面的逻辑，你下一步要带大家去哪儿？ 这三者之间存在着严密的递进关系： 没有 A 点的 B 点，叫侥幸。 如果不提前把逻辑讲清楚，就算拿到了结果，别人也会觉得你只是撞上了大运。 没有 B 点的 A 点，叫画饼。 如果只有口号没有兑现，PR 反而是给未来埋下的一颗雷。 只有当 A 点跨越时间、扎扎实实落到了 B 点，这个闭环才叫**「思想履约」**。 正如我们今天使用 AI 工具写代码，之所以用到最后甚至不去逐行审查，不是因为某一行代码写得特别漂亮，而是因为它在此前的任务中持续做好了「履约」。 总结 由 A 到 B 拉出的这条坚固实线，其延长线才是唯一能击穿 C 点、让投资人和优秀人才愿意为未来下注的依据。 创业不是靠一次次光鲜的亮相来吸引资源，它的本质是 A -> B -> C 不断累进的最小循环。说到底，这甚至不是一种沟通技巧，它就是创业的本质：累积确定性。

分类：AI动态 标签：AI硬件、大模型、智能手机、创业项目 过去一年，AI 硬件创业者们将目光聚焦到了一个意想不到的地方：手机背面。 从出货量破百万台的 Plaud AI 录音卡，到完成近 5000 万元 A 轮融资的磁吸电子纸阅读器阅星曈，再到极稚科技卖出超 14 万只的墨水屏手机壳，原本仅用于防护、充电和装饰的手机配件位，正迅速挤满录音公司、电子纸创业者、互联网大厂和手机厂商。各方争夺的不只是一个新品类，更是移动设备上所剩不多的高频携带入口。 一、手机背面的「隐藏金矿」 较早让市场意识到手机背面潜力的，是深圳团队 Plaud 推出的 Note。厚约 3 毫米、重 30 克的录音卡通过 MagSafe 吸附在手机背后，按下按键即可实现录音与 AI 转写。它精准解决了一大痛点：让独立 AI 硬件实现高频携带，用户无需额外翻找设备。 这种模式验证了其商业价值。Plaud 的软件订阅业务年经常性收入（ARR）实现爆发式增长，设备出货量突破 200 万台。巨大的红利迅速引来模仿和围猎，从钉钉、出门问问到科大讯飞、360，各大厂商纷纷入局，华强北白牌更是将同类产品的价格大幅压缩。 与此同时，显示方向的创业者也通过墨水屏和电子纸产品验证了需求： 静态展示：极稚科技的无源墨水屏手机壳利用手机 NFC 刷新，让手机背面成为情绪表达和社交展示的窗口。 互动阅读：阅星曈推出的 4.3 英寸磁吸电子纸阅读器，上市半年内月销量实现爆发式增长，并获得顺为、经纬、小红书等资本的青睐。 上游产能的瓶颈（如电子墨水薄膜供应紧张）并未阻挡热潮。到了 2026 年，荣耀、影石、OPPO 和海信等手机及影像大厂也纷纷下场，通过磁吸副屏、可拆卸 E Ink 背屏等方式试探这一区域的可能性。手机背面不再只是配件市场的一部分，它开始具备成为独立硬件入口的条件。 二、两条路线的交叉点：当录音与显示走向融合 录音卡和阅读屏原本服务于不同人群，但在有限的手机背部空间里，它们逐渐从互不干扰走向直接竞争。为了建立差异化优势，一些团队开始跨越边界： 功能集成：Flowtica 展出的 Verso 将电子纸屏幕与麦克风阵列合二为一；NOOKLAB 推出的 Moonphase Flip 则是一块支持持续收音并能显示待办的轻量化 AI 随身屏。 Agent 的引入：单纯的录音采集已无法满足需求。麦克风采集现场信息 -> Agent 负责理解组织 -> 屏幕返回核心结果，这三者开始围绕同一项任务协同工作。 背屏的价值在于其独特的“低干扰”属性。它不承担复杂的信息流或视频播放，而是将日程、待办或核心承诺等不需要主屏打断的信息留在用户的余光里，实现「有用」与「无感」的平衡。 三、用户接受度与未来的平衡艺术 尽管技术和概念不断演进，但将录音、屏幕与 Agent 装进手机背面仍需跨越重重现实阻力： ...

分类：AI动态 标签：人工智能、大模型、科技资讯、硬件前沿 过去 24 小时，科技数码圈迎来了多项重磅进展与争议：从谷歌下一代旗舰模型 Gemini 4 Pro 的疑似偷跑，到腾讯全新 AI 原生输入法 Chatterfly 的低调内测；从阿里达摩院医疗影像模型登顶《科学》杂志，再到微软高管对 AI 训练的犀利言论，让我们一起来看今天的详细报道。 1. 谷歌下一代旗舰模型 Gemini 4 Pro 疑似「偷跑」 近日，Google 下一代旗舰模型 Gemini 4 Pro 疑似正以 gemini-3.8-flash 名称在 Arena 等基准平台上进行测试，其内部开发代号为 Argon。 网传测试数据显示，该模型在智能体编程测试 DeepSWE v1.1 中得分超过 88%，在 Terminal-bench 2.1 和 OSWorld 2.0 中分别获得 95.3% 和 86.8% 的成绩，多项指标超越了竞争对手。不过，相关测试条件及完整结果尚未公开，官方尚未进行独立验证。 2. 腾讯 AI 原生输入法 Chatterfly 正式开启内测 腾讯全新 AI 原生输入工具 Chatterfly（市场曾称元宝输入法）近日低调开启内测。该产品底层依托腾讯混元多模态大模型，主打「开口即成稿」能力。 目前内测仅开放 macOS 与 Windows 桌面客户端，需要内测码才能体验。它区别于传统输入法的单纯语音转文字，能够理解上下文语义，自动将口语润色为书面文本，内置会议纪要、工作汇报、Vibe-Coding 提示词优化等六大自然场景 Skill。腾讯表示，语音转写记录默认在本机存储，不上传云端。 3. 阿里通用医疗影像模型 DAMO RADAR 登顶《科学》 阿里巴巴达摩院与浙江大学医学院附属第一医院等机构联合研发的通用医疗影像 AI 模型 DAMO RADAR，成功登上国际顶级学术期刊《科学》（Science）。 ...

分类：AI动态 标签：人工智能、大模型、科技监管、行业竞争 人工智能（AI）发展按下了暂停键，是为了人类安全，还是硅谷巨头的新一轮垄断游戏？ 近期，以 Anthropic 首席执行官达里奥·阿莫代伊（Dario Amodei）为代表的多位美国科技企业家公开呼吁，出于对前沿技术安全风险的考量，AI 企业应当主动放缓开发最先进模型的节奏。然而，这一提议在欧洲科技圈和政坛引发了强烈的质疑与反对。 欧洲之声：安全面具下的“私利”博弈 对于美企提议放缓研发的初衷，欧洲科技企业和政府官员直言不讳地指出其背后夹杂着商业算盘。 巩固市场地位：法国知名 AI 企业 Mistral AI 在官方声明中直指核心：“部分行业头部企业正利用当下形势巩固市场地位，推动制定偏向自身、打压竞争者的监管规则。” 维持服务依赖：瑞士质子公司首席运营官拉斐尔·奥方（Raphael Auphan）在巴黎的一场科技活动上评价道：“这完全是出于私利，他们只想维持市场对自家服务的依赖。” 抑制创新活力：德国 AI 初创企业黑森林实验室（Black Forest Labs）的公共政策负责人本·布鲁克斯（Ben Brooks）警告称，用人为划定的门槛强行拉开大型 AI 企业和新入局者之间的差距，将严重抑制前沿领域的创新活力。 学界与政坛：监管权不能被少数巨头垄断 除了产业界的担忧，学术界和欧洲各国政府也对这种“自律式放缓”提出了严厉批评。 德国达姆施塔特工业大学人工智能教授克里斯蒂安·克斯廷（Christian Kersting）一针见血地指出，由少数几家企业自行界定何为“危险 AI”并自行挑选核查人员，“这绝不是真正意义上的监管”。 法国经济与财政部长罗兰·莱斯屈尔（Roland Lescure）在接受媒体采访时更是毫不掩饰地表达了官方态度：“让身后所有竞争者放慢脚步，好保住自己第一名的位置，这里面的利己意图一目了然。” 科技新观察 这场跨越大西洋的争论，本质上是全球 AI 产业话语权与规则制定权的激烈争夺。当美国头部大厂试图通过“安全合规”建立护城河、将后来者挡在门外时，欧洲科技力量正在奋起反击。AI 技术的安全治理固然重要，但如何在防范风险与保持开放竞争、激发中小创新活力之间找到平衡，将成为接下来全球 AI 监管政策的核心命题。

分类：AI动态 标签：人工智能、网络安全、大模型、Claude 在人工智能大模型飞速发展的今天，AI 的角色早已不仅限于写代码和日常对话。最近，安全界发生了一起极具讽刺意味又震撼人心的事件：安全研究人员竟然利用 OpenAI 最大的竞争对手 Anthropic 的 Claude AI 工具，成功入侵了 OpenAI 员工的账户。 这场“AI 辅助攻击”不仅成本极低，还彻底颠覆了传统的漏洞挖掘模式。 攻击复盘：AI 是如何协助破防的？ 来自 Hacktron 的安全研究团队并没有盲目发起攻击，而是精心策划了一套利用链： 寻找突破口：研究人员组合利用了 OpenAI 的 SSO（单点登录）配置错误，以及其社区论坛所使用的 Discourse 软件中 libheif 软件包的堆缓冲区溢出漏洞。 AI 全程辅助：在这个过程中，他们让 Anthropic 的 Claude AI 担当“首席黑客顾问”。从最初的漏洞发现，到最终实现远程代码执行（RCE），Claude 发挥了至关重要的作用。 模型迭代：研究人员在攻击的不同阶段使用了不同的模型版本，从较旧的 Opus 4.8 一直到新发布的 Opus 5.5。 通过这套组合拳，研究人员成功控制了多名 OpenAI 员工的 ChatGPT 账户，进而得以访问 OpenAI 的内部代码库及其他关联服务。 颠覆认知：极低的攻击成本与时间 这起事件中最令人瞩目的，不是漏洞本身有多高明，而是攻击的经济账： 时间成本：人类研究人员投入的人工时间仅仅只有数小时，而大部分复杂的渗透与代码编写工作，是由 AI 智能体花费数天时间自主完成的。 金钱成本：整个 AI 辅助发现漏洞和攻击的过程，消耗的 token 支出竟然不到 3000 美元。 事后，研究人员将这些漏洞负责任地报告给了 OpenAI 和 Discourse，并因此获得了 OpenAI 颁发的 6500 美元安全赏金。 极客视点与行业思考 这起事件给整个科技与安全行业敲响了警钟： ...

分类：AI动态 标签：人工智能、大模型、科技资讯、软硬件 过去 24 小时，全球科技圈迎来了一波密集的新品发布与前沿动态。从谷歌下一代旗舰模型疑似偷跑，到腾讯全新 AI 输入法低调亮相，再到长鑫存储传出进军闪存市场的消息，让我们一同盘点今日不容错过的科技焦点。 1. 谷歌新一代旗舰模型 Gemini 4 Pro 疑似「偷跑」 谷歌的下一代旗舰模型正悄然拉开帷幕。近日，新一代旗舰模型 Gemini 4 Pro 疑似以 gemini-3.8-flash 的名称在 Arena 等基准平台上进行测试，其内部开发代号为 Argon。 测试数据显示，该模型在智能体编程测试 DeepSWE v1.1 中得分超过 88%，在 Terminal-bench 2.1 和 OSWorld 2.0 中分别获得 95.3% 和 86.8% 的优异成绩。尽管官方尚未全面公开测试条件与完整结果，但其展现出的多项指标已引发行业高度关注。 2. 腾讯 AI 原生输入法 Chatterfly 开启内测 腾讯全新 AI 原生输入工具 Chatterfly 已低调开启内测（此前在市场上也被称为元宝输入法）。 全平台布局：目前内测主要开放 macOS、Windows 桌面客户端，需要内测码方可进入；iOS 与安卓移动端显示即将发布。 核心功能：底层依托腾讯混元多模态大模型，主打「开口即成稿」，能够智能理解上下文语义，将口语自动整理并润色为书面文本。 场景与隐私：内置六大自然场景 Skill 能力，覆盖会议纪要、工作汇报、提示词优化等。同时，语音转写记录默认在本地存储，不上传云端，兼顾了效率与隐私安全。 3. Anthropic 计划加速算力储备，对标 OpenAI 在顶级大模型的军备竞赛中，算力依然是核心驱动力。据《纽约时报》消息，Anthropic 已向投资者透露了激进的算力追赶计划： 当前现状：Anthropic 目前的可用算力储备约为 1.5 吉瓦（GW），而 OpenAI 则达到了约 2 吉瓦。 未来目标：Anthropic 计划在今年年底前将可用算力提升至约 5 吉瓦，并在明年年底实现规模翻倍，这一扩容节奏已与 OpenAI 的发展路径大体持平。 4. 阿里医疗影像模型 DAMO RADAR 登上《科学》 阿里巴巴达摩院与浙江大学医学院附属第一医院等机构联合研发的通用医疗影像 AI 模型 DAMO RADAR 取得重大突破，正式登上国际顶级学术期刊《科学》。 ...

分类：科技 标签：创业投资、商业逻辑、大模型、企业管理 在竞争激烈的创业浪潮中，许多团队在推进新一轮融资时，往往会将宝贵的精力倾注于对外传播和公关包装上。然而，随着市场的成熟与资本理性的回归，一套更深层次的商业沟通法则正在浮出水面——真正决定你能不能拿到深层信任的，从来不是单点的公关发声，而是你在时间轴上的「思想履约」。 为什么 PR 搞不定真正的大钱？ 回顾多年来创投圈的观察，我们可以得出两个相对清醒的认知： 心理预期：在绝大部分情况下，第一笔天使轮或早期投资，往往是你最好拿的那笔钱。 投资人画像：凡是能被公关轻易影响的投资人，大概率都不是对你未来最至关重要的决策者。 真正愿意笃定你、给你注入重资金的机构，以及愿意押上青春与能力的顶级人才，从来不是被几篇精美的 PR 稿所打动的。他们的信任需要更为硬核的支撑。 经典案例：美团与王兴的破局之路 把时间拨回千团大战最白热化的阶段。当时，竞争对手们都在疯狂投放站台广告、发补贴、烧钱抢地盘，甚至当时的领头羊拉手网自信到倒排出了上市日期。 面对同行的狂热，王兴却冷静地表示：「团购投广告和烧钱这事算不过账，商业模式跑不通，不能这么花。」 在当时的一片质疑声中，甚至连公司内部都充斥着不解：不烧钱就会被对手一统江湖，账上留着钱有什么用？美团一度被认为悬了。为了自证清白，王兴在发布会上直接亮出了银行流水单——账上确实趴着 7000 万现金，证明他真不是没钱，而是坚持不走烧钱的弯路。 最终的结局大家都知道了：拉手网倒闭在上市前夕，而美团通过扎实的商业模型跑通了闭环，一统团购江湖。 在这个转折点发生前，外界对王兴的战略打着大大的问号；但在转折点之后，全世界都发现王兴是对的。自此，王兴拿到了高维度的「信任资产」。正因如此，当后来美团切入外卖大战、直面阿里力挺的饿了么时，投资人才会毫无保留地再度给钱，支持他迎战并最终拿下市场老大的地位。 王兴赢得的信任，100% 不是靠公关做有多好，而是因为他此前积累下的信用，经受住了时间的检验。 拆解 A-B-C 连线：什么是「思想履约」？ 真正优秀的投资人被打动，底层其实存在一套「A -> B -> C 连线」的方法论： A 点（历史决策）：你在充满不确定性、大家甚至看不懂的时候，下了什么注？为什么这么选？ B 点（客观结果）：经过一段时间的验证，你当初「吹过的牛」、算过的账，有没有拿到扎实的兑现？ C 点（未来判断）：站在今天，基于前面的逻辑，你下一步要带大家去哪儿？ 这三点之间有着严密的逻辑咬合： 没有 A 点的 B 点，叫侥幸。如果不提前讲清逻辑，就算拿到了结果，外界也只会觉得你只是撞上了大运。 没有 B 点的 A 点，叫画饼。只有口号没有兑现，PR 反而会变成埋在未来的一颗雷。 只有当 A 点跨越时间、扎扎实实落到了 B 点，这个闭环才叫**「思想履约」**。 正如我们今天使用 AI 生成代码，之所以到最后连生成的代码都不去逐行 review，并不是因为某一行代码写得有多惊艳，而是因为它在此前的任务中持续做好了「履约」。 总结 由 A 点到 B 点拉出的这条极其坚固的实线，其延长线才是唯一能击穿 C 点、让投资人和优秀人才愿意为你未来下注的依据。 创业从来不是靠一次次光鲜的亮相或包装的说辞来吸引资源，它的本质是 A -> B -> C 不断累进的最小循环。抛开浮华的技巧，这其实就是商业世界最本质的规律：累积确定性。

分类：AI动态 标签：人工智能、大模型、科技监管、行业竞争 引言 近期，以 Anthropic 为代表的一些美国人工智能企业以“安全风险”为由，公开呼吁放缓前沿 AI 技术的研发节奏。然而，这一提议在欧洲科技界与政坛引发了强烈的质疑与反对。多方声音指出，美企此举并非真正出于对安全的担忧，而是意图通过人为设置门槛来巩固自身市场垄断地位、打压潜在竞争者。 欧洲科技企业的集体质疑：打着安全幌子的垄断游戏 面对美企的倡议，欧洲本土 AI 独角兽及创新企业迅速予以回击。法国 Mistral AI 在官方声明中直言不讳地指出，部分美国行业头部企业正在利用当前的舆论形势，试图推动制定偏向自身、旨在打压竞争对手的监管规则。 瑞士质子公司（Qualitas）首席运营官拉斐尔·奥方（Raphael Auphan）在巴黎的一场科技活动中评价道： “这完全是出于私利，他们只想维持市场对自家服务的依赖。” 德国 AI 初创企业黑森林实验室（Black Forest Labs）的公共政策负责人本·布鲁克斯（Ben Brooks）则从创新活力的角度警告称，用人为划定的门槛强行拉开头部大厂与新入局者之间的差距，最终只会严重抑制整个前沿领域的创新动力。 学术界同样对美企的提议表达了担忧。德国达姆施塔特工业大学人工智能教授克里斯蒂安·克斯廷（Christian Kersting）指出，由少数几家美国企业自行界定何为“危险AI”，并由其自行挑选核查人员的做法，根本称不上是真正意义上的监管。 欧洲官方表态：利己意图一目了然 除了产业界的激烈反应，欧洲国家政府官员也公开站出来表达反对立场。 法国经济与财政部长罗兰·莱斯屈尔（Roland Lescure）在接受媒体采访时一针见血地指出：“让身后所有竞争者放慢脚步，好保住自己第一名的位置，这里面的利己意图一目了然。” 这场争论的焦点，本质上已经从单纯的“技术安全性”演变为全球 AI 市场的主导权之争。 极客视点与总结 从长远来看，AI 技术的安全治理与行业创新之间确实需要寻找平衡点，但由既得利益者来定义“安全门槛”，往往会沦为构筑技术壁垒的工具。 欧洲科技界与政坛的集体发声，不仅揭示了美国科技巨头在全球化竞争中的防御心态，也折射出全球人工智能监管权力的激烈博弈。未来，AI 领域的监管规则将走向何方 -> 巨头垄断还是开放创新，将成为决定全球科技格局走向的关键命题。

分类：游戏 标签：人工智能、游戏开发、生成式AI、行业报告 根据日本计算机娱乐协会（CESA）最新发布的年度行业报告《Video Game Industry Report》显示，生成式 AI 已经深入日本游戏产业的各个角落。高达 85.8% 的日本游戏开发者在日常工作中使用生成式 AI，其中 63% 的开发者表示每天都在使用，这一数字相比去年的 51% 实现了显著增长。 提效降本：AI 带来的核心价值 随着游戏开发成本和周期的不断攀升，开发者们正积极寻求技术突破。报告指出，开发者使用生成式 AI 的三大主要动因依次为： 改进运营效率与生产力 缩短游戏开发周期 降低开发与运营成本 不过，行业对于 AI 的应用保持了理性的边界。多数受访者明确表示，他们并不会直接使用 AI 生成最终的游戏成品内容，而是将其作为强大的辅助工具。 AI 在游戏开发中的四大应用场景 从具体的应用维度来看，生成式 AI 在日本游戏工作室中主要渗透在以下领域： 视觉素材与图像生成：最常见的使用方向，用于概念设计、资产铺垫等。 故事与文本生成：协助编写剧本、对话或世界观背景。 编程辅助：帮助程序员编写样板代码、进行代码审查或调试。 自研引擎开发：有 32% 的游戏公司利用 AI 来协助开发自研游戏引擎。 创作者的声音：AI 无法取代感性 尽管技术普及速度惊人，但业界巨头对 AI 的定位有着清醒的认识。知名游戏厂商 Capcom 的工程师表示，现阶段引入 AI 技术主要是为了减少繁琐的“日常任务”，从而让开发者有更多精力专注于核心创意。 同时工程师强调，从感性层面来看，即使是最聪明的 AI 也无法与人类创作者相媲美。AI 永远是工具，而人类的灵魂才是游戏的内核。 博客编辑点评 从去年的 51% 跃升至如今的 85.8%，日本游戏开发者的 AI 采纳率迎来了爆发式增长。这表明生成式 AI 已经从最初的“尝鲜玩具”正式转变为现代游戏工业的“基础生产力”。如何在降本增效与保持人类创作者的独特感性之间找到平衡点，将是未来几年游戏行业需要持续探索的核心课题。

分类：AI动态 标签：人工智能、网络安全、大模型、Claude 在如今的科技圈，AI 工具不仅是人类提高生产力的得力助手，更在网络安全攻防战中扮演了颠覆性的角色。近日，安全界爆出了一起极具戏剧性的事件：安全研究团队 Hacktron 竟然利用 OpenAI 竞争对手 Anthropic 推出的 Claude AI 工具，成功找到了 OpenAI 系统中的安全漏洞，并借此控制了多名员工的 ChatGPT 账户。 这场“借刀杀人”的攻防战，不仅让我们看到了 AI 在安全漏洞挖掘上的巨大潜力，更揭示了 AI 时代下黑客攻击成本的断崖式下跌。 攻击复盘：漏洞与 AI 的完美结合 根据 Hacktron 安全团队披露的细节，此次成功的渗透并非依靠单一漏洞，而是组合利用了多重安全隐患： SSO 配置错误：OpenAI 的单点登录（SSO）存在配置缺陷。 三方软件漏洞：其社区论坛所使用的 Discourse 软件中，存在一个名为 libheif 的软件包堆缓冲区溢出漏洞。 通过将上述两个漏洞串联，安全研究人员成功突破防线，控制了多名 OpenAI 员工的 ChatGPT 账户。借助这些被攻陷的账户，研究人员不仅得以窥探 OpenAI 的内部代码库，还能访问其他关联服务。事后，该团队向 OpenAI 官方及 Discourse 进行了漏洞披露，并因此获得了来自 OpenAI 的 6500 美元漏洞赏金。 巧用 Claude：当 AI 成为顶级黑客助手 这起事件中最令人瞩目的，莫过于 Claude 在其中发挥的核心作用。 Hacktron 团队全程使用 Anthropic 的 Claude AI 工具来辅助漏洞的发现，以及远程代码执行（RCE）的实现。在整个渗透测试周期中，他们根据不同阶段的需求切换了模型版本： 前期探索：使用较旧的 Opus 4.8 模型。 攻坚阶段：升级使用新发布的 Opus 5.5 模型。 在 AI 智能体的持续运转下，整个漏洞挖掘与攻击辅助过程花费了数天时间，而研究人员实际投入的人工干预时间仅仅短短数小时。 ...