今日观点

AI 行业进入「去泡沫」与「产品化」并行的阶段——一边是独角兽暴雷挤水分，一边是真正的产品开始落地。

① Builder.ai 暴雷倒闭：微软背书的 15 亿美元 AI 独角兽轰然倒塌

发生了什么

6 月 2 日，英国 AI 独角兽 Builder.ai 正式宣布倒闭——这家曾获 微软 和 沙特阿拉伯公共投资基金（PIF） 支持、估值高达 15 亿美元 的「AI 低代码应用开发平台」，在经历了数月的财务危机后，最终进入破产清算程序。

Builder.ai 的故事非常典型：它声称可以用 AI 帮助用户「无需编码即可构建应用」，吸引了包括微软在内的顶级投资者。2023 年，微软在宣布 Builder.ai 入驻其云市场时还一度将其作为「AI+低代码」的成功案例推广。然而，据 Financial Times 报道，该公司实际上严重依赖印度低成本的离岸人工开发团队来完成看似「AI 自动生成」的应用——AI 并未真正取代人工作业，而是一个营销外壳。

Hacker News 上该消息获得 368 票，评论区充满了「早就预料到了」的评论，有人将其与曾经轰动一时、最终被认定为骗局的 Theranos 相提并论。还有一个帖子标题直白地写着：「Builder.ai Collapses: $1.5B ‘AI’ Startup Exposed as ‘Indians’?」（价值 15 亿美元的 AI 初创公司暴雷——实际用印度人工代替 AI？）

为什么重要

Builder.ai 的倒闭传递了多个警示信号：

第一，AI 赛道的「fake it till you make it」时代正式结束了。Builder.ai 是 2022-2024 年 AI 投资狂热期的典型产物——它用「AI 自动生成应用」的故事讲到了 15 亿美元的估值，但核心业务模式实际上是人海战术。当大模型能力在 2024-2025 年爆发（Claude 3.5、GPT-4o 可直接生成复杂代码）后，低代码平台的泡沫被戳破只是时间问题。

第二，这将是第一波 AI startup 倒闭潮的序幕。根据 Crunchbase 的统计，2021-2024 年间全球有超过 300 家 AI 公司获得了超 1 亿美元的融资。其中相当一部分公司的产品和 Builder.ai 类似——AI 只占其价值的极小部分，大部分是传统的人工作业或简单的规则引擎。当真正的 AI 能力（大模型 + Agent）开始普及，这些「伪 AI」公司会一个接一个地暴雷。

第三，对微软来说也是一个尴尬的时刻。微软不但在 2023 年高调宣布与 Builder.ai 合作，还将其深度集成到 Microsoft Teams、Azure Marketplace 等产品线中。这次暴雷提醒我们：即使是顶级科技巨头，其 AI 尽职调查也未必可靠。

对你有啥用

• AI 创业者：如果你的核心价值主张不是真正的 AI 能力而是「AI 包装下的人工服务」，现在是时候考虑转型或退出——投资者的耐心和市场容忍度都归零了
• 企业采购：在采购 AI 产品时，务必要求供应商提供独立的第三方技术审计——询问「这个功能真的由 AI 完成吗，还是背后有团队人工处理」
• 开发者：Builder.ai 的倒闭从侧面印证了「真正的 AI 代码生成工具（Cursor、Claude Code、Copilot）」的价值——它们不靠包装，靠真实能力
• 投资者：AI 投资的尽职调查方法论需要升级——不要再被 Demo 欺骗，重点关注「AI 在每个核心流程中的实际替代率」

② Google AI Edge 发布——端侧跨平台 AI 部署，开发者真正的福音来了

发生了什么

6 月 2 日，Google 正式发布 AI Edge（ai.google.dev/edge）——一套面向开发者的全新 端侧跨平台 AI 部署框架，支持在 Android、iOS、Web、桌面端本地运行 AI 模型。

该消息在 Hacker News 上获得 233 票，开发者社区反应积极。Google AI Edge 的核心能力包括：

1. 端侧小模型支持：不仅支持传统的 TFLite 模型，还支持小语言模型（SLM）的本地推理，配备多模态、RAG（检索增强生成）和 Function Calling（函数调用）能力
2. 跨平台一致性：同一模型可以在 iOS、Android、Web、桌面端获得一致的推理结果和行为
3. 与 Google 生态深度集成：内置 MediaPipe、TensorFlow Lite 和新推出的 Gemini Nano 的端侧推理支持

Google 开发者博客还专门发文介绍了端侧小语言模型（SLM）的多模态能力、RAG 和 Function Calling 的实现方案，展示了 AI Edge 如何让开发者构建「真正在设备上运行、不需联网」的 AI 应用。

为什么重要

Google AI Edge 的发布标志着 AI 部署的一个重要拐点：

第一，AI 正在从「云端依赖」转向「端侧优先」。长期以来，AI 应用的默认架构是「设备端采集数据 → 发送到云端推理 → 返回结果」。AI Edge 为开发者提供了一个成熟的框架，让他们可以彻底摆脱这种架构——数据不出设备、推理在本地完成。这对于隐私敏感场景（医疗、金融、个人助理）具有里程碑意义。

第二，这是 Google 在「端侧 AI 平台战」中的关键布局。Apple 有 Core ML / 苹果芯片的统一内存，Qualcomm 有 AI Engine，Samsung 有 Gauss 端侧模型。Google 的 AI Edge 更像是一个「框架层」的竞争——它不绑定特定芯片，而是提供一个跨平台开发框架。如果成功，Google 将成为「端侧 AI 的 React」——开发者通过它构建一次，跨设备运行。

第三，SLM + RAG + Function Calling 的端侧组合意味着 Agent 可以在设备上运行。你不需要把数据发送到云端就能让 AI 读取你的日历、调用本地 API、查询本地知识库。这对于构建真正智能的个人 AI 助手来说是基础设施级别的进步。

对你有啥用

• 移动端开发者：如果你正在开发 AI 功能的 App，立即评估 AI Edge 能否替代现用的端侧推理方案。Google 生态的兼容性和文档质量远胜大多数第三方方案
• 跨平台开发者：AI Edge 的「一次开发跨平台运行」能力可以显著降低维护多个平台推理代码的成本
• 产品经理：重新思考你的产品架构——如果 AI 推理可以在本地完成，哪些功能可以「离线化」？哪些数据不再需要上传云端？
• 隐私敏感应用：健康记录、财务数据、个人对话的 AI 分析——AI Edge 让你可以在不牺牲功能的前提下承诺「数据不出设备」

③ ElevenLabs 对话 AI 2.0 发布——语音代理走向企业级

发生了什么

6 月 2 日，ElevenLabs 正式发布 Conversational AI 2.0——其语音代理系统的企业级版本，支持低延迟、高自然度的语音对话体验。

从官方博文（elevenlabs.io/blog/conversational-ai-2-0）来看，2.0 版本的核心升级包括：更低的语音延迟（接近人类对话的自然节奏）、更丰富的语音情感控制、企业级的安全和合规特性，以及对 LangChain 等主流 Agent 框架的集成。

Hacker News 上获得 32 票，早期用户的反馈倾向于正面——不少评论认为 ElevenLabs 在语音合成的「逼真度」上已经领先几乎所有竞争对手，这次升级进一步拉开了距离。

为什么重要

ElevenLabs 对话 AI 2.0 的意义远超一个普通的产品更新：

第一，语音交互正在从「问答式」进化为「对话式」。2024 年之前，AI 语音产品大多是 TTS + LLM 的简单拼凑——用户说话 → 转文字 → LLM 回答 → 语音合成，中间有明显的延迟和机械感。ElevenLabs 2.0 的「低延迟 + 情感控制」意味着语音交互体验正在接近人类通话的水平。这在客服、医疗咨询、教育辅导等场景中极具商业价值。

第二，ElevenLabs 正在从「语音合成工具」转型为「语音 Agent 平台」。对 LangChain 等 Agent 框架的集成支持意味着：开发者可以用 ElevenLabs 构建完整的语音驱动 AI Agent——它能理解上下文、主动提问、调用工具、做出决策。这已经不是单纯的「文字转语音」，而是「让 AI 拥有自然的声音」。

第三，竞争格局正在变化。OpenAI 的 Advanced Voice Mode、Google 的 Gemini 语音交互、微软的 Azure Speech 都在争夺「AI 语音」这个赛道。ElevenLabs 作为独立玩家的优势在于专注度——它不做模型训练，不做聊天机器人平台，只做「最好的语音层」。这种策略能否在巨头夹击下持续，值得观察。

对你有啥用

• 客服/销售团队：如果你的业务需要语音交互（电话客服、销售外呼、售后咨询），立刻申请 ElevenLabs 2.0 的内测或企业版——语音交互体验的提升可能直接转化客户满意度
• 语音 App 开发者：ElevenLabs 2.0 的 API 是构建语音 Agent 的最短路径之一。如果你正在构建语音助手、有声读物、AI 播客等产品，花一天时间集成测试可能就值得升版
• 产品体验团队：语音交互的「等待感」一直是用户放弃的核心原因——2.0 版本的低延迟如果能减少用户的等待焦虑，可能在留存率上产生可量化的提升
• 注意成本：ElevenLabs 的企业版定价不菲，先从小规模POC（概念验证）开始

④ Uber 限制员工使用 AI 编程工具——年烧数千万美元后的清醒

发生了什么

据《洛杉矶时报》6 月 2 日报道，Uber 对员工使用 AI 编程工具（包括 GitHub Copilot、Cursor、Claude Code 等）实施了严格的使用额度限制，原因是公司的 AI 编程工具费用在 2025 年下半年严重超出预算。

报道称，Uber 的 AI 编码工具总开销在 2025 年超过了 数千万美元 级别——远超预算。导致超支的原因主要有二：一是员工人均使用量极高（AI 编码工具按席位或按 Token 计费，Uber 有上万名工程师）；二是部分团队购买了多个平台的企业版许可以规避单个平台的限制。Uber 管理层不得不紧急叫停并设置统一的使用额度。

Hacker News 上该消息获得 45 票，评论区的讨论集中在 AI 编程工具的定价模型和 ROI 计算上。

为什么重要

Uber 的「AI 编码工具预算危机」是一个被大多数人忽视但极具意义的行业信号：

第一，AI 编程工具的「隐性成本」正在浮出水面。大多数公司在评估 Copilot 或 Claude Code 时，只会计算「每席位每月多少钱」，但忽略了实际使用量可能远超预期。Uber 有上万名工程师，如果每个工程师每天生成大量代码，Token 消耗量会以指数级增长。如果其他公司也出现类似情况，AI 编程工具供应商可能会被迫调整定价模型。

第二，这暴露了 AI 工具 ROI 评估的一个盲点：AI 确实提高了编码效率（GitHub 的调研显示 Copilot 可提速 55%），但如果效率提升的部分被「更冗余的代码生成」或「更低质量的审批流程」消耗掉，ROI 可能根本不成立。Uber 的数据表明，AI 编码工具的产出和成本之间的关系是非线性的。

第三，这不是「AI 不行」的信号，而是「AI 部署需要治理」的信号。Uber 没有完全禁止 AI 工具，而是设置了使用额度——这说明问题不在于工具本身，而在于缺乏使用规范和预算管理。这对于正在推广 AI 工具的企业来说是一个重要的参考案例。

对你有啥用

• 企业 CTO / CIO：立即检查你公司的 AI 编程工具支出——如果只有简单的「按席位采购」，而没有使用量监控和预算上限，你跟 Uber 之间的差距只差「审计周期」的长度
• 团队负责人：与其限制工具的使用，不如建立「AI 辅助编码的使用规范」——例如规定 AI 生成的代码在合并前必须有人类审查，避免「AI 生成 → 快速合并 → 技术债务积累」的恶性循环
• 创业公司：如果你在做 AI 编码工具的定价或企业版销售，Uber 的案例说明「企业客户对你定价的敏感度比你想象的高得多」——按量计费的透明度和预警机制可能是你与 Copilot 竞争的关键差异点
• 个人开发者：不用担心，Uber 的案例主要影响「大规模企业部署」场景，个人开发者的使用量远未达到让厂商亏钱的程度

⑤ Google Gemini Spark AI Agent 实测——「惊艳又可怕」的自主 AI

发生了什么

6 月 2 日，《The Verge》发表了一篇关于 Google Gemini Spark（一款全新自主 AI Agent 平台）的详细评测文章，标题直言：「Testing Google’s Gemini Spark AI agent: it’s incredible, and creepy」。

文中详细记录了 Gemini Spark 的能力：它可以自主浏览网页、操作桌面应用、填写表单、管理日历、预订旅行，甚至在测试中完成了此前只有人类助理才能完成的复杂多步骤任务。The Verge 的评论员描述使用体验为「work astonishingly well — maybe too well」（好得离谱——也许好过头了）。

Hacker News 上的讨论获得了 233 票，评论两极分化：有人把它称为「真正的 AI Agent 时刻」，也有人担心这种「替你做所有事」的 AI 会剥夺用户的控制权和隐私。

为什么重要

Gemini Spark 的评测之所以重要，不仅仅因为它是又一个 AI 产品：

第一，这是 AI Agent 从「演示」到「真实可用」的转折点。2024-2025 年间，几乎每家 AI 公司都展示了 AI Agent 的概念视频（自动订餐、自动购物……），但实际使用时的成功率往往不尽如人意。The Verge 的评测表明，Gemini Spark 在真实场景中的「多步自主操作」的成功率和稳定性达到了可用的水平——这意味着 AI Agent 终于跨越了从「酷炫 demo」到「日常工具」的门槛。

第二，隐私和控制的矛盾被摆到了台面上。「它做得太好了」反而引发了新的担忧：当 AI 可以阅读你的邮件、访问你的日历、替你做出决策时，你在哪个环节保留控制权？评测中提到「你只是告诉它去做什么，剩下的事情它自己就完成了」——这既是最让人兴奋的部分，也是最让人不安的部分。

第三，Google 在 Agent 赛道上展现出了独特的优势：相比 OpenAI 的 ChatGPT 和 Anthropic 的 Claude，Gemini Spark 与 Google 生态（Gmail、Google Calendar、Chrome、Maps、Drive）的深度集成是它最大的武器。如果你的所有数据都在 Google 生态内，Gemini Spark 确实能做到其他 AI 做不到的事情。

对你有啥用

• 知识工作者：如果你深度使用 Google 生态（Gmail + Calendar + Drive），Gemini Spark 可能是你遇到过的最有效的生产力工具——但前提是你愿意信任它访问你的数据
• 隐私敏感用户：在使用前，检查 Gemini Spark 的权限设置——你可以在多大程度上限制它的行为范围？它做决策前是否会征求你的同意？这些细节决定了它是「你的得力助手」还是「一个不受控的代理人」
• 竞品观察：如果你是 Cursor、Claude Code 或其他 AI 工具的用户，Gemini Spark 的「全自主 Agent」模式可能代表了 AI 工具的下一个演化方向——从「补全你的代码」到「替你完成整个任务」
• 安全团队：如果 Google 在更多产品中集成 Gemini Spark，「Agent 权限模型」将成为企业 IT 安全的新课题——如何控制一个「替你做事」的 AI 既不越权也不泄密

今日数据速览

小编视角

今天的新闻可以归纳为一个清晰的主题：AI 行业正在经历「挤泡沫」和「真落地」的双重进程。

Builder.ai 的倒闭是「挤泡沫」的最佳注脚。它提醒我们：不是所有贴着 AI 标签的公司都值得信任——当一家公司在被收购审查时突然暴雷，说明其财务状况之前就有问题。Builder.ai 的结局不是个案，而是 2022-2024 年 AI 投资狂热期的必然结果。如果你是一个 AI 投资人、采购决策者或者创业者，Builder.ai 案例的教训是：区分「真正的 AI 能力」和「AI 包装下的人肉运营」，是你 2026 年最重要的能力。

而 Google AI Edge 和 ElevenLabs 对话 AI 2.0 则代表了「真落地」的方向。这两件事的共同点在于：它们不画饼，不讲故事，而是实实在在地提供了一套基础设施，让开发者能够构建更好用的 AI 产品。AI Edge 让端侧推理从「手工活」变成「框架活」，ElevenLabs 2.0 让语音 Agent 从「玩具」变成「工具」——这才是推动行业前进的力量。

Uber 的 AI 编码工具预算危机是一面镜子。它照出了企业 AI 化过程中的一个盲点：效率提升 ≠ 成本节约。当每个人都在兴奋地使用 AI 生成更多代码时，「更多代码」本身是否带来了更多价值？还是说，我们只是在用 AI 制造更多的技术债务？Uber 踩下的这脚刹车，值得每个正在推广 AI 工具的企业借鉴——工具是好工具，但治理和预算管理从来不能跳过。

最后说说 Gemini Spark。如果要用一句话总结它的意义，那就是：AI Agent 从「演示」到「可用」的跨越，比从「可用」到「无处不在」的跨越要难得多——而 Google 刚刚完成了第一步。 对于深度使用 Google 生态的用户来说，Gemini Spark 可能是今年最重要的产品之一。但同样，它也是今年最重要的隐私议题之一。

给读者今天的实操建议：

1. 如果你在采购 AI 产品或评估投资——看完 Builder.ai 的报道后，对你关心的每一家 AI 公司做一次「人工审计」：它的核心价值中有多少是真正的 AI 能力？有多少是人工运营？
2. 如果你是移动/桌面端开发者——花一个下午研究 Google AI Edge 的文档和示例代码。端侧 AI 部署正在从「选做题」变成「必选项」
3. 如果你是 CTO / 技术管理者——明天就检查公司 AI 编程工具的支出情况，在没有出现「Uber 时刻」之前建立预算监控
4. 如果你是 Google 用户——关注 Gemini Spark 的可用区域和功能上线。等它进入你所在的市场时，你至少已经知道它「惊艳在何处，可怕在何处」

📌 更多 AI 工具对比与在线工具，微信搜 AI Toolkit 或访问 navbox.com.cn 获取

📌 每日 AI 资讯更新，关注 navbox.com.cn/news/