亚马逊员工正在使用内部AI工具自动化非必要任务,以向管理者展示他们更频繁地使用了相关技术。
据三位知情人士透露,这家总部位于西雅图的公司近几周开始大范围部署其内部工具"MeshClaw",允许员工创建能够连接工作软件、并代表用户执行任务的AI智能体。
部分员工表示,同事们正在利用该软件自动化一些额外的、非必要的AI操作,以增加他们的Token消耗量——Token是模型处理数据的基本单位。
他们认为,这一现象折射出公司内部推动技术普及所带来的压力。此前,亚马逊要求超过80%的开发人员每周使用AI工具,并在今年早些时候开始在内部排行榜上追踪AI Token消耗量。
"使用这些工具的压力实在太大了,"一位亚马逊员工告诉英国《金融时报》,"有些人干脆用MeshClaw来最大化自己的Token使用量。"
亚马逊已告知员工,AI Token数据不会用于绩效评估。但多名员工表示,他们认为管理者仍在关注这些数据。
"管理者都在盯着这个,"另一位在职员工说,"一旦开始追踪使用量,就会产生扭曲的激励机制,有些人在这方面竞争意识很强。"
与此同时,硅谷各大公司正积极推动生成式AI工具的普及,以期在巨额AI基础设施投入上获得回报,并将这项技术更深度地融入日常工作。亚马逊今年预计资本支出将达2000亿美元,其中绝大部分将用于AI和数据中心基础设施建设。
亚马逊此前曾公开展示全员AI使用统计数据,但近期已将访问权限收窄,仅允许员工本人及其直属管理者查看。据知情人士透露,管理者被明确要求不得将Token使用量作为绩效考核依据。
Meta员工同样存在类似的"刷Token"行为,以期在内部排行榜上获得更好的排名。
MeshClaw的设计灵感来自于今年2月走红的OpenClaw——后者支持用户在本地硬件(包括个人电脑和笔记本)上运行AI智能体。据知情人士透露,亚马逊的MeshClaw可以发起代码部署、处理邮件分类,并与Slack等应用进行交互。
亚马逊在一份声明中表示,该工具使"数千名亚马逊员工每天能够自动化重复性任务",是公司"赋能团队"探索和使用AI工具的举措之一。声明还补充称:"我们致力于为客户负责任地、安全地开发和部署生成式AI。"
据内部文件显示,逾三十余名亚马逊员工参与了该内部工具的研发。一份近期备忘录这样描述这款工具:"它会在夜间自主学习、整合所获取的知识,在你开会时监控你的部署状态,并在你醒来之前帮你处理好邮件。"
然而,多名亚马逊员工对这款可代表用户自主行动的AI工具所带来的安全风险表示担忧。在智能体模式下,系统存在出错或执行意外操作的风险。
"默认的安全设置让我感到不安,"一名员工说,"我可不打算让它自顾自地去做事情。"
Q&A
Q1:亚马逊内部AI工具MeshClaw是什么,有哪些功能?
A:MeshClaw是亚马逊自主研发的内部AI工具,允许员工创建AI智能体,连接工作软件并代替用户执行任务。具体功能包括发起代码部署、对邮件进行分类处理,以及与Slack等办公应用交互。此外,该工具还可在用户开会或休息时在后台自动运行,完成监控部署、整理邮件等重复性工作,目前已有数千名亚马逊员工在日常工作中使用。
Q2:亚马逊员工为什么要"刷Token"?
A:亚马逊要求超过80%的开发人员每周使用AI工具,并通过内部排行榜追踪员工的AI Token消耗量。尽管公司表示Token数据不会用于绩效评估,但员工普遍感受到管理者在关注这一指标。为了在排行榜上保持较好表现、应对来自管理层的压力,部分员工选择用MeshClaw自动化一些非必要任务,以人为提升Token使用量。
Q3:MeshClaw存在哪些安全隐患?
A:由于MeshClaw被授权代表用户自主执行操作,多名亚马逊员工对此表示担忧。主要风险在于AI智能体可能出现操作错误或执行用户未曾预期的行为。部分员工反映,默认的安全配置令他们感到不安,不愿让工具在无监督的情况下自行运作。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。