这家曾经主打环保理念的鞋履品牌在近日宣布了一项令业界瞠目结舌的重大战略转型。这家总部位于旧金山、曾经估值高达40亿美元的公司宣布,将彻底放弃鞋履业务,全面转型为一家AI计算基础设施企业,并将公司名称更名为NewBird AI。
根据公司发布的新闻稿,NewBird AI的长期愿景是成为"一家完全整合的GPU即服务(GPU-as-a-Service)及AI原生云解决方案提供商"。此次转型尚需经过董事会的批准,投票日期定于5月18日。一旦获批,公司计划融资5000万美元,但目前尚未披露具体的投资方信息。所募资金将用于"收购和运营GPU及相关高性能计算基础设施,以支撑高负载工作任务及其他相关资产"。
这一出人意料的转变令行业观察人士大感困惑。对此,公司在声明中解释道:"生成式AI的兴起与普及,催生了市场对高性能专用算力的空前结构性需求,而现有供给仍难以满足这一需求。NewBird AI的成立,正是为了填补这一缺口。"
事实上,消费者消费模式的持续变化早已令这家公司步履维艰。就在数周前,Allbirds刚以仅3900万美元的价格,将其鞋履资产出售给时尚企业American Exchange Group。这一价格与公司昔日的辉煌形成了强烈反差——曾几何时,Allbirds是好莱坞、硅谷乃至全球政商界人士争相追捧的潮流符号。
从估值数十亿美元的明星企业,到如今被部分评论人士戏称为"死鹦鹉",Allbirds的陨落令人唏嘘。此次转型消息公布后,公司股价有所回升,但目前市值仍仅约1.5亿美元,距离昔日的巅峰相去甚远。
对于这一转型,AI基础设施专家比尔·克莱曼(Bill Kleyman)在接受美联社采访时表达了审慎的看法:"有些转型是真实的、具有战略意义的,而另一些则更像是一种被动应对。就这个案例而言,我认为外界有理由认为这多少有些病急乱投医的意味。原有业务本就举步维艰,而AI恰好提供了一个极具吸引力的叙事重置机会。"
至于仅凭在公司名称中加入"人工智能"几个字,是否就能让一家企业在当今时代浴火重生,答案仍有待时间给出。
Q&A
Q1:Allbirds为什么要放弃鞋履业务转型做AI?
A:Allbirds原有鞋履业务持续低迷,消费者消费模式的变化令其难以为继。公司几周前已以3900万美元出售鞋履资产,与当年40亿美元的估值相比大幅缩水。而AI算力赛道需求旺盛,公司希望借助转型重塑叙事,以GPU即服务和AI原生云解决方案为新方向重新出发。
Q2:NewBird AI转型计划具体包括哪些内容?
A:NewBird AI计划在董事会5月18日批准后,融资5000万美元,用于收购GPU及高性能计算基础设施,目标是成为一家完全整合的GPU即服务及AI原生云解决方案提供商,以满足市场对高性能算力的结构性需求。
Q3:业界对Allbirds更名转型为NewBird AI的评价是怎样的?
A:业界反应总体偏向质疑。AI基础设施专家比尔·克莱曼认为,这次转型看起来更像是一种被动应对,而非真正具有战略意义的举措。他指出,原有业务本就困难重重,AI不过是提供了一个重新讲故事的机会,外界有理由认为此举有些"病急乱投医"的意味。
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。