据报道,由杰夫·贝索斯共同领导的新公司"普罗米修斯项目"已收购了一家低调的人工智能初创公司General Agents。
《连线》杂志今日报道了这一收购交易,但未透露具体收购金额。
"普罗米修斯项目"的存在于上周被《纽约时报》曝光。该公司由贝索斯和维克·巴贾伊共同领导,后者是一位连续技术创业者,此前曾联合创立了Alphabet公司的Verily生命科学部门。据报道,"普罗米修斯项目"已从包括贝索斯在内的投资财团筹集了62亿美元资金。
根据《连线》杂志的报道,该公司正在开发能够"支持计算机、汽车甚至航天器制造"的AI系统。但该媒体的消息来源并未明确"普罗米修斯项目"打算自动化哪些生产流程或如何实现自动化。
据信"普罗米修斯项目"于6月收购了General Agents。据报道,这笔交易在General Agents联合创始人之一、前谷歌DeepMind研究员谢里尔·奥泽尔参加了巴贾伊主办的AI活动后不久就完成了。General Agents的另一位联合创始人威廉·古斯此前曾在OpenAI担任研究职位。
这家初创公司开发了一个名为Ace的AI智能体,能够在用户计算机上自主执行任务。General Agents网站上的演示显示,Ace能够编辑视频、在应用程序之间复制数据以及预订住宿。该公司声称,该工具在某些任务上的表现优于OpenAI的Operator智能体。
根据General Agents的网站,Ace由至少两个名为ace-control-small和ace-control-medium的定制基础模型驱动。一则招聘启事表明,该公司的模型基于所谓的VLA(视频-语言-行动)架构。这可能为General Agents吸引"普罗米修斯项目"关注的原因提供了线索。
研究人员主要使用VLA架构来开发机器人AI模型。考虑到"普罗米修斯项目"据报道计划为制造业用例构建AI系统,工业机器人很可能是其工程路线图的重点。该公司通过收购General Agents获得的技术和专业知识可能会推进其在该领域的努力。
据报道,"普罗米修斯项目"雇用了"少数"General Agents员工,包括其两位联合创始人。现在该公司据信拥有超过100名员工。
上周《纽约时报》的报道表明,"普罗米修斯项目"计划使用与一家名为Periodic Labs的初创公司类似的方法来训练AI模型。后者上个月筹集了3亿美元资金,正在建设一个自主实验室,将使用机器人进行科学实验。Periodic Labs打算使用这些实验产生的数据来训练AI模型。
Q&A
Q1:普罗米修斯项目是什么公司?
A:普罗米修斯项目是由亚马逊创始人杰夫·贝索斯和连续技术创业者维克·巴贾伊共同领导的新公司。该公司已从投资财团筹集了62亿美元资金,正在开发能够支持计算机、汽车甚至航天器制造的AI系统。
Q2:General Agents公司有什么技术优势?
A:General Agents开发了名为Ace的AI智能体,能够在用户计算机上自主执行任务,包括编辑视频、在应用程序间复制数据和预订住宿。该公司的模型基于VLA(视频-语言-行动)架构,这种技术主要用于机器人AI模型开发。
Q3:为什么普罗米修斯项目要收购General Agents?
A:由于普罗米修斯项目专注于制造业AI系统,而General Agents的VLA架构技术主要用于机器人AI模型开发,这与工业机器人应用高度匹配。通过收购获得的技术和专业知识能够推进普罗米修斯项目在制造业自动化领域的发展。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。