AI 日报 · AI 日报

AI 日报|2026 年 9 月 15 日

苹果让 Siri AI 随 iOS 27 进入公开测试,Meta 把生成式 AI 用量纳入跨应用订阅;Cloudflare 同日上线“保留搜索、拒绝训练”的抓取控制。AI 的竞争重点正从单纯增加模型能力,延伸到谁能使用、怎样收费、内容能否退出训练,以及公众如何核验答案。

本文目录

导读

一项 AI 能力离开实验室之后,用户最先遇到的往往不是基准分数,而是更实际的问题:自己的设备能不能用、每天能用多少、是否需要付费,网站内容会不会被拿去训练,以及模型给出的公共信息该怎样核验。

9 月 15 日,多项发布同时把这些问题推到前台。苹果随 iOS 27 开始向公众提供测试版 Siri AI,把自然对话、屏幕理解、个人信息检索和跨应用操作放进操作系统;Meta 则推出 Meta One,把更多图像、视频生成和商业智能体用量装进横跨 Instagram、Facebook、WhatsApp 与 Meta AI 的订阅方案。两家公司都保留免费入口,但也都明确了设备、地区、用量或付费层级的边界。

内容提供者获得了另一种选择。Cloudflare 上线“禁止 AI 训练”(Disallow AI Training)设置,让网站可以继续出现在传统搜索结果中,同时表达不允许内容用于模型训练的意愿。这个变化没有解决所有抓取争议,但它第一次把“搜索收录”和“训练使用”拆成普通站长可以分别控制的选项。

公共领域也在回答“谁能从 AI 中受益”。盖茨基金会发布年度 Goalkeepers 报告,并宣布未来两年投入 10 亿美元,把本地语言、健康、教育和农业列为重点;微软则针对美国中期选举更新选民教育项目,要求用户检查 AI 答案的来源,再回到州和地方选举网站确认关键事实。

开源研究方面,北京中关村学院与中关村人工智能研究院公开 ZGCM‑1 的模型权重、训练代码、数据与阶段性材料。它的价值不只是一组 7B 模型分数,而是让外部研究者能够检查从数据处理到长上下文训练的完整路径;不过,其效率和评测数字目前主要来自团队报告,仍需独立复现。

本期报道范围为北京时间 2026 年 9 月 15 日 00:00—24:00。Meta、Cloudflare、盖茨基金会、微软与 ZGCM‑1 的公开页面均明确落在 9 月 15 日;苹果公告按美国当地时间标注 9 月 14 日,TechCrunch 的 10:10 PDT 发布时间换算为北京时间 9 月 15 日 01:10,因此归入本期。正文中的“发生了什么”整理来源披露的事实,“为什么重要”和“值得关注”是编辑分析。

今日要点

  • 苹果开始随 iOS 27 推出英语测试版 Siri AI,可理解屏幕与个人上下文、连续对话,并调用更多系统和应用能力;欧盟移动设备与中国市场暂不提供。
  • Meta 推出 Meta One 跨应用订阅,把更多 Muse 图像和视频生成、Instagram Restyle 及商业智能体用量纳入付费层级,同时保留 Meta AI 的日常免费使用。
  • Cloudflare 上线“禁止 AI 训练”设置,允许网站保留搜索收录并拒绝训练;传统的“屏蔽 AI 机器人”选项将迁移为搜索、训练和智能体三类控制。
  • 盖茨基金会发布以 AI 与公平为主题的 2026 年 Goalkeepers 报告,并据美联社报道承诺未来两年投入 10 亿美元,支持本地语言、健康、教育和小农服务。
  • ZGCM‑1 公开 7.39B 模型权重、训练代码、数据配方和阶段材料;团队报告其支持 256K 上下文,并在数学与工具搜索评测中取得较强结果。
  • 微软更新美国中期选举 AI 素养项目,把“检查来源、再次核验、以官方选举网站为准”设为面向选民的三步流程。

上述要点对应的公司公告、开源仓库、模型页面、基金会报告和媒体时间记录见各节链接。

重点进展

Siri AI 真正进入公众设备后,有哪些能力与限制?

发生了什么

苹果随 iOS 27、iPadOS 27、macOS 27、watchOS 27 和 visionOS 27 开始推出 Siri AI。新版助手可以进行多轮对话,根据屏幕内容回答问题,从邮件、信息、照片和文件中寻找个人上下文,并通过系统编排器调用 Spotlight 索引和应用工具。苹果还提供独立的 Siri 应用,用于保存和跨设备继续对话。来源:Apple 发布说明

这些能力由新一代 Apple Foundation Models 提供,相关模型由苹果与 Google 围绕 Gemini 共同开发。苹果表示,能在设备上完成的工作会使用本地组件,部分更复杂请求则依赖服务器端模型;Siri AI、智能照片编辑和快捷指令中的云端模型存在每日用量限制,未来会提供付费的扩展额度。

发布范围并不等于所有 iOS 27 用户都能立即使用完整功能。Siri AI 首先以英语测试版推出,需要支持 Apple Intelligence 的设备;iPhone 15 Pro、15 Pro Max 和 iPhone 16 系列及更新设备属于支持范围。它在欧盟的 iPhone、iPad 和 Apple Watch 上暂不提供,在中国也暂不上线。普通 iOS 27 可以覆盖更早的 iPhone,但这不代表这些设备拥有 Siri AI。

苹果页面按美国当地日期标注 9 月 14 日。TechCrunch 的体验文章发布于 9 月 14 日 10:10 PDT,即北京时间 9 月 15 日 01:10,并确认公开版本已开始推送;文章也记录了屏幕理解、多步骤指令和相机视觉问答中的实际体验与不稳定之处。来源:TechCrunch 体验与发布时间

为什么重要

过去的通用聊天机器人需要用户主动打开一个独立入口,再手工提供上下文。操作系统级助手可以直接连接屏幕、文件、通讯与应用动作,减少信息搬运,但也把错误的后果从“答错一句话”扩大为“找错个人信息、执行错动作或把数据交给错误的处理路径”。

因此,这次发布更值得观察的不是演示里能回答多少问题,而是权限提示、动作确认、跨应用审计、云端数据边界和失败后的恢复方式。测试版、地区限制和每日额度也说明,这仍是分阶段部署,不应被理解为苹果已经为所有用户完整交付同一种助手。

Meta One 怎样把 AI 用量变成社交应用订阅?

发生了什么

Meta 发布 Meta One,把 Instagram Plus、Facebook Plus、WhatsApp Plus 与更多 AI 用量组合成面向个人、创作者和企业的订阅体系。公司称首批方案横跨 Instagram、Facebook、WhatsApp 和 Meta AI,共包含 50 多项功能,相关订阅与试用累计达到 1500 万;这些数字均为 Meta 自行披露。来源:Meta One 公告

个人方案中,Core 每月 7.99 美元,Premium 每月 19.99 美元,提供不同额度的 Muse 图像与视频生成、Instagram Restyle 和语音效果等功能。单应用方案最低每月 2.99 美元。面向创作者和企业的套餐从每月 14.99 美元起,更高层级增加发布、分析、团队协作和 Meta Business Agent 用量,最高档起价为每月 499 美元。

Meta 表示,Meta AI 的日常使用仍然免费,订阅主要提供更高的计算密集型功能额度和专业工具。公司没有在公告中公布各档具体可生成多少张图片、多少段视频或多少次商业智能体回复;价格和可用功能也可能随地区、应用和账号变化。

为什么重要

Meta 没有把 AI 单独包装成一个聊天机器人会员,而是把它放进已有的社交、创作、消息和商业工具中。这样做可以利用现有用户关系和分发渠道,也让“为 AI 付费”变成“为更高用量和整套应用功能付费”。

真正影响用户判断的是额度是否透明。只有价格、没有明确生成次数、速度和降级规则时,不同层级很难比较;“1500 万订阅与试用”也不能直接等同于 1500 万稳定付费用户。后续需要看付费留存、免费层限制,以及 AI 功能在总订阅价值中究竟占多大比例。

网站能否保留搜索收录,同时拒绝 AI 训练?

发生了什么

Cloudflare 上线“禁止 AI 训练”设置,试图解决混合用途爬虫带来的两难:同一个爬虫既建立搜索索引,也收集模型训练数据,站长如果整体屏蔽它,可能同时失去搜索流量。新设置会通过 Bot Preference Sync 在 robots.txt 中发布不允许训练的偏好,同时继续允许符合条件的混合爬虫执行传统搜索。来源:Cloudflare 公告

Cloudflare 把爬虫行为分为搜索、训练和用户指派的智能体访问三类。选择“禁止 AI 训练”后,Apple、Google 和 Microsoft 被列为“可问责”的混合爬虫运营方,它们已经提供或承诺提供训练退出机制;Amazon、Anthropic、Meta 和 OpenAI 等训练专用爬虫则会被阻止。Cloudflare 表示,其站点中不到 1% 主动阻止搜索,而约 17% 使用某种训练屏蔽机制。

原来的“屏蔽 AI 机器人”会逐步弃用,既有偏好迁移到更细的三类控制。对于新加入 Cloudflare、依靠广告收入的网站,推荐配置会更严格地限制训练与智能体抓取。站长仍可选择完全屏蔽混合爬虫,但那会同时影响 Applebot、Bingbot 和 Googlebot 的搜索收录。

这不是一个对所有访问都具有法律强制力的许可系统。robots.txt 主要表达偏好,恶意或不透明的爬虫仍可能忽略;Cloudflare 的网络层识别和阻断可以增加执行能力,但也依赖其行为分类准确。针对用户指派智能体,目前还没有同等成熟的“不允许”标准,Cloudflare 也明确表示新设置只适用于训练。

为什么重要

“被搜索发现”和“被拿去训练”过去常被捆绑成一次抓取。把两种用途拆开,使内容作者可以继续获得传统搜索流量,同时拒绝另一种价值交换方式;这也迫使爬虫运营方说明数据用途,并对不同用途使用可区分的身份和规则。

但设置本身不能解决授权、补偿和摘要替代访问的问题。判断它是否有效,需要观察主要搜索公司是否按承诺执行、站长能否看到网址级使用记录、违规爬虫是否被稳定识别,以及未来对 AI 摘要和浏览器智能体能否形成更细的控制。

10 亿美元承诺想解决哪一种 AI 不平等?

发生了什么

盖茨基金会发布 2026 年 Goalkeepers 报告,把主题定为“AI、公平与不能再拖延的选择”。报告认为,市场会优先为最有支付能力的人开发工具,因此 AI 若要服务资源不足地区,需要同时解决本地语言、当地数据、普通设备可用性、隐私与人才培养问题。来源:2026 年 Goalkeepers 报告

报告把行动重点概括为三类:让工具支持更多真实语言和方言;使用当地健康、农业、教育与环境数据建立符合实际条件的系统;投资本地技术人才、基础设施和模型访问。报告中的健康、教育与农业案例是早期项目与试点,不代表这些效果已经在所有地区规模化复制。

美联社报道,基金会同时承诺在未来两年投入 10 亿美元,用于本地语言模型、健康结果、教育工具和小农服务。该金额及两年期限来自美联社对基金会的采访与发布活动记录,基金会报告正文目前没有给出逐项目预算、拨款名单和评估时间表。来源:美联社对承诺的报道

为什么重要

训练一个英语能力更强的通用模型,不会自动解决约鲁巴语识别、当地药品库存、地区病种差异或小农作物建议。报告把“公平”从提供一个聊天入口,推进到数据、语言、设备、成本和当地决策权,这些才是工具能否真正工作的条件。

资金承诺仍需要可检查的执行细节。后续应关注哪些项目获得资助、数据由谁管理、工具是否经过当地机构验证、错误会怎样上报,以及试点结束后谁承担长期运行费用。没有这些信息,10 亿美元首先是一项投入承诺,还不是已经证明有效的社会结果。

ZGCM‑1 为什么值得看完整训练材料,而不只看分数?

发生了什么

北京中关村学院与中关村人工智能研究院公开 ZGCM‑1。技术预印本在 9 月 11 日已出现,但模型、数据、训练仓库与 Hugging Face 项目页在 9 月 15 日集中进入公开发布和传播阶段,因此本期报道的是资源正式可用,而不是把论文日期改写为 9 月 15 日。来源:Hugging Face 论文与发布日期记录

ZGCM‑1 是一个从头训练的 7.39B 稠密语言模型,支持最高 256K 上下文,并把数学推理与工具辅助搜索作为重点。公开仓库包含数据处理、预训练、中期训练、监督微调和强化学习目录;模型权重、数据集和阶段性材料分别在 Hugging Face 提供,代码使用 MIT 许可证。来源:GitHub 训练仓库、来源:模型权重、来源:训练数据

团队报告称,预训练使用约 4.19 万亿个词元,中期训练再使用约 6000 亿个词元,把上下文从 16K 逐步扩展到 64K 和 256K。其混合局部与全局注意力方案在报告实验中,把 256K 训练吞吐提高到全注意力基线的 3.94 倍;综合架构、低精度训练、优化器和归一化改动后,16K 预训练达到相同损失所需时间约改善 4.2 倍。

评测方面,团队报告 MATH‑500 为 97.13%、AIME 2026 为 75.00%、WebWalkerQA 为 63.09%、BrowseComp 为 19.43%。这些数字来自项目自己的技术报告和运行协议,不是独立第三方评测;搜索任务允许最多 64 次搜索与页面读取,不能直接与工具预算不同的系统横向比较。

为什么重要

许多“开放模型”只提供最终权重,外部研究者很难知道数据怎样筛选、长上下文怎样扩展、一次训练失败怎样诊断。ZGCM‑1 同时开放阶段目录、配置、模型、数据和评测说明,为复现训练决策和检查结果边界提供了更完整的材料。

开放材料不自动等于可复现结论。研究者仍需核对数据许可、训练成本、硬件环境、污染检查和评测脚本,并在相同工具预算下重复结果。其真正价值要由后续复现质量决定,而不是由发布当天的自报排名决定。

选举信息进入 AI 答案后,微软让用户怎样核验?

发生了什么

微软针对 2026 年美国中期选举更新“Check. Recheck. Vote.”选民教育项目。新版本不只提醒用户识别深度伪造,也关注搜索页与聊天工具直接生成的选举答案,因为投票地点、登记期限和投票方式高度本地化且变化很快。来源:Microsoft On the Issues 公告

项目给出三个步骤:先检查 AI 答案引用了谁、发布时间是什么;再访问原始来源并与其他可靠来源比较;最后用州或地方选举机构网站确认登记、投票方式、截止日期和投票地点。微软与美国州务卿协会、州选举主任协会合作推广,并提供面向教师的课堂材料。

公告还提到,微软与合作方建立了开源的“AI + Elections Skills Hub”,其中包括提示词、示例智能体和政策草案,已覆盖 45 个州的 1000 多名官员。这是微软与合作方披露的触达数字,不代表所有参与机构已经部署这些工具,也不等于项目降低了错误信息发生率。

为什么重要

选举信息最危险的错误往往不是一眼可见的伪造视频,而是一段语气自然、日期已经过期或忽略地方差异的答案。让用户查看引用并回到官方来源,比单纯要求“不要相信 AI”更可执行,也承认很多人已经把 AI 当作信息入口。

但核验责任不能全部交给普通用户。产品仍应显示明确来源、更新时间与地区范围,避免在缺少可靠数据时生成确定语气的答案。选举机构也需要提供机器可读、及时更新的公开信息,才能让搜索和 AI 系统有更可靠的基础材料。

值得关注

AI 订阅正在从“能不能用”转向“能用多少”

苹果保留测试版和每日额度,Meta 用不同订阅层级分配图像、视频与商业智能体用量。接下来,额度、排队优先级、降级模型和数据使用条款会像价格一样重要;如果这些信息不透明,用户很难判断订阅的真实价值。

内容控制需要从爬虫身份走向用途证明

Cloudflare 已把搜索、训练与智能体访问分开,但判断一个请求最终用于什么仍然困难。长期更可信的方案需要可验证的爬虫身份、网址级使用记录、标准化偏好和违规后的执行机制,而不是只依赖一个机器人名称。

公共领域的 AI 成效必须按当地结果衡量

盖茨基金会强调本地语言与数据,微软强调官方选举来源。两者都指向同一个问题:通用能力分数不能替代当地准确率、可访问性、隐私和真实决策结果。公共项目应提前公开评估指标,而不是只在发布时描述愿景。

开放模型的下一步是开放失败过程

ZGCM‑1 提供了比最终权重更完整的训练材料。若后续项目进一步公开失败实验、数据变更、污染检查和复现日志,外部研究者才能判断哪些改动真正有效,也能避免把团队自报成绩误当作已经独立确认的结论。

来源

以下为本期使用的 11 个主要来源,核验时间为北京时间 2026 年 9 月 16 日。Meta、Cloudflare、盖茨基金会、微软与 ZGCM‑1 的公开记录均标注 9 月 15 日;苹果公告标注美国当地 9 月 14 日,TechCrunch 的 10:10 PDT 时间换算后属于北京时间 9 月 15 日。厂商用量、订阅、效率与评测数字均按来源披露处理,未写成独立验证结果。

  1. Apple:Siri AI 随新一代系统进入公开测试
  2. TechCrunch:iOS 27 与 Siri AI 公开版本体验及发布时间
  3. Meta:推出 Meta One 跨应用订阅
  4. Cloudflare:保留搜索收录并拒绝 AI 训练的新控制
  5. Gates Foundation:2026 年 Goalkeepers 报告
  6. 美联社:盖茨基金会未来两年投入 10 亿美元扩展 AI 获取
  7. Hugging Face:ZGCM‑1 论文页与 9 月 15 日公开记录
  8. GitHub:ZGCM‑1 训练代码、流程与评测说明
  9. Hugging Face:ZGCM‑1‑7B 模型权重与模型卡
  10. Hugging Face:ZGCM‑1 训练数据
  11. Microsoft:面向 2026 年美国中期选举的 AI 素养项目