欧盟威胁对社交媒体公司Meta采取行动,指控其阻止竞争对手的聊天机器人使用WhatsApp消息平台。
欧盟委员会周一表示,WhatsApp Business(专为企业与客户互动设计)似乎违反了欧盟反垄断法规。
去年10月该消息平台的升级意味着WhatsApp上唯一可用的AI助手是Meta AI,这是由同时拥有Facebook和Instagram的美国科技集团Meta开发的智能体。
欧盟委员会表示,Meta是欧盟市场消息服务的主导者,通过"拒绝其他企业访问WhatsApp"来"滥用"这一地位。
委员会补充说,这种做法可能对市场造成"严重且不可逆转的损害"。委员会表示,它"认为WhatsApp是一个重要的入口点",让OpenAI的ChatGPT等AI聊天机器人能够"接触消费者"。
这一警告正值欧洲当局与特朗普政府就美国科技公司监管问题关系日趋紧张之际。据报道,布鲁塞尔正准备加强执行其关键的反竞争法规,而特朗普政府表示这对美国公司具有"歧视性"。
欧盟竞争专员特雷莎·里贝拉对彭博社表示:"很明显,我们需要捍卫、实施和执行我们的规则,以保护我们的市场,一个运行良好的市场。"
12月,美国对前欧盟委员蒂埃里·布雷东以及其他四名欧洲"活动人士"实施制裁,指控他们进行审查并"压制美国观点"。此举被广泛视为对欧洲监管美国科技平台的回应升级。
布雷东正在挑战这些制裁,委员会已宣布将支持他。
当被问及美国可能对欧盟针对WhatsApp措施的回应时,里贝拉说:"我不知道任何政府会如何解读这一点,但我的感觉是这与政治无关,而是与运行良好的市场有关。"
Meta发言人表示:"事实是,欧盟没有理由干预WhatsApp Business API。有很多AI选择,人们可以通过应用商店、操作系统、设备、网站和行业合作伙伴关系来使用它们。委员会的逻辑错误地假设WhatsApp Business API是这些聊天机器人的关键分发渠道。"
上个月,据路透社报道,巴西当局对WhatsApp Business提起了类似的案件,称新条款存在"潜在的反竞争做法"。
该案件已被暂停,Meta表示其说法"根本错误",并称"AI聊天机器人在WhatsApp Business平台上的出现使我们的系统过载,这些系统并非为此类支持而设计"。
Q&A
Q1:Meta在WhatsApp上做了什么让欧盟不满?
A:Meta在去年10月升级WhatsApp Business后,只允许自家的Meta AI智能体在该平台上使用,阻止了其他竞争对手的AI聊天机器人接入,欧盟认为这违反了反垄断法规。
Q2:欧盟为什么认为Meta的做法有问题?
A:欧盟委员会认为Meta是欧盟市场消息服务的主导者,滥用市场支配地位拒绝其他企业访问WhatsApp,这可能对市场造成严重且不可逆转的损害,并阻碍了ChatGPT等AI聊天机器人接触消费者。
Q3:Meta如何回应欧盟的指控?
A:Meta发言人表示欧盟没有理由干预WhatsApp Business API,认为有很多AI选择可通过其他渠道使用,并称委员会错误假设WhatsApp Business API是聊天机器人的关键分发渠道。
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。