AI前沿速递 06.23|Meta智能眼镜299美元起售,Fika用AI代理进行视频面试

Meta 推出最新款 AI 智能眼镜，继续携手 EssilorLuxottica，起步价定为 299 美元。此次新品降低了 Ray-Ban 品牌的影响，扩充了款式与价格区间，旨在将智能眼镜由小众极客产品转化为更普及的日常佩戴终端。

Fika Jobs 拿下 400 万美元 pre-seed 轮融资，打造以视频为先的招聘平台。求职者关联 LinkedIn 账号后，AI 便会依据其履历定制问题，并通过大约 10 分钟的视频面试产出候选人资料。其期望将招聘初筛由传统的简历过滤转变为“AI 面试 + 视频档案”。

据传 Qualcomm 正与 AI 芯片企业 Modular 展开深度收购洽谈，交易作价大约 40 亿美元。Modular 创立于 2022 年，至今已累积募资 3.8 亿美元。Qualcomm 此举瞄准了数据中心处理器及自动驾驶芯片领域，而非局限于手机 SoC。

OPAQUE 将微软 Agent Governance Toolkit 缔造者 Imran Siddique 招致麾下，并打算在 6 月 23 日举办的 Confidential Computing Summit 期间推出基于 OPAQUE 的 AGT 首个 Evidence Pack。其核心在于为 Agent 处理敏感数据时的运行过程赋予硬件级别的凭证。

IBM 联手 OpenAI，把前沿模型能力融入企业安全工作流之中。此趋势同 SoftBank 早前的安全产品相仿，表明网络安全正变成大模型厂商切入企业预算的高优切入点。

法国国家投资银行 Bpifrance 调研表明，534 名中型企业高管中有 77% 坦承企业已引入生成式 AI，然而仅有 17% 的使用者反馈获得了时间节约或效率跃升。企业 AI 已步入“正在用”同“真正有用”间的落差阶段。

Matterhaul 于 Applied AI for Distributors 2026 大会上揭晓了面向分销业的 AI 工作流：由电话录音生成报价，再流转至订单、采购及调度环节。其产品切入点并非通用对话，而是将分销公司的报价至发货链路串联成整体系统。

NanoClaw 联合 JFrog 推出了针对 AI Agent 的代码供应链安全方案，限定 Agent 仅可从受审软件库下载包、CLI 工具及 MCP server。Agent 自主安装工具恐将衍生出全新的供应链攻击缺口。

Meta 最新一批智能眼镜起步价 299 美元，依然由 EssilorLuxottica 负责设计与制造。The Verge 报道指出，新品涵盖 Meta Fury、Meta Adventurer 与 Meta Glasses by Kylie 等系列，功能方面延续拍照、通话、语音互动、翻译及 AI 助理特性。

此番转变绝非仅是多出几款型号。Meta 正在下调智能眼镜的品牌与价格门槛：以往其重度仰仗 Ray-Ban 作时尚切入口，眼下则着手推出更多自有或联合系列，促使用户将 AI 眼镜视作普通眼镜来挑选，而非单独购置一款电子设备。

智能眼镜的产品价值源自第一视角。手机需拿出、开启 App、对准目标；眼镜天然贴合用户视线，能够拍照、识别周遭、听取语音、执行翻译与导航。AI 助理若要融入现实世界，眼镜较手机更似连续上下文采集终端。

界限依旧在于隐私及社会接纳度。眼镜配有摄像头与麦克风，旁人未必知晓自身是否正被拍摄或识别。Meta 所需做的不单是提升续航与下探价格，还得让录制提醒、数据处理、人脸识别约束及用户管控足够令人信服。

Fika Jobs 打造的是以视频为先的招聘平台。求职者关联 LinkedIn 后，AI 会解析候选人履历，生成定制化面试问题；候选人完成约 10 分钟视频面试后，系统自动将回答剪辑为短视频，并整理成供雇主查阅的档案。

传统招聘首步系审阅简历。症结在于，简历对初级候选人、跨行者及非典型背景求职者并不友善，沟通技巧、动机与表达模式极难在一页纸内展现。Fika 期望将首轮筛选前置成“AI 结构化提问 + 视频展现”。

其商业逻辑也更贴近招聘中介。求职者免费，雇主无需预付，成功入职后 Fika 抽取候选人首年薪水的 10%，低于传统猎头常有的 20%–30% 佣金。

风险亦十分显著。视频档案会暴露年龄、性别、长相、口音及种族等讯息，恐加剧招聘偏见。Fika 的产品若要立住，必须证实 AI 问题策划、评分机制、候选人展示排序及雇主筛选手段不会把“文化契合”演变为更隐晦的歧视。

Reuters 援引 Bloomberg 消息指出，Qualcomm 正处于高级谈判拟收购 Modular，估值约 40 亿美元。Modular 9 个月前募资时估值约 16 亿美元，迄今累计融资约 3.8 亿美元。

Modular 的价值绝非只是“又一家 AI 芯片企业”。AI 芯片若要切实被开发者采纳，离不开编译器、运行时、算子库、模型部署工具及开发语言。硬件性能若无法借由软件栈释放，客户迁移代价便会高昂。

Qualcomm 往昔多被视作手机芯片厂商，但 Reuters 报道提及，Qualcomm 正降低对手机市场的倚重，开拓数据中心处理器与自动驾驶芯片等方向。此类收购若能达成，表明 AI 芯片角逐正由“谁拥有芯片”转为“谁能供应可迁移、可编程、可部署的完备平台”。

OPAQUE 的发力点在于 Confidential AI，即让企业在敏感数据上运转模型、Agent 及工作流，同时凭借硬件隔离与加密凭证来核实治理策略确已被落实。其计划在 6 月 23 日推出基于 OPAQUE 的 AGT 首个 Evidence Pack。

Agent 治理不可仅仰仗提示词与日志。金融、医疗、保险及主权场景下，Agent 或将访问客户信息、病历、合同、风控模型与内部数据库。企业需回应的绝非只是“Agent 有无越权”，还得能向客户、审计方及监管证实“彼时确未越权”。

此处的产品演进是由 guardrail 迈向 proof。guardrail 意在期盼模型别犯错；proof 则是在系统层级证实特定数据路径、权限规则及外部动作被强制落实。Agent 步入生产环境后，审计凭据会化作采购前提，而非锦上添花。

NanoClaw 与 JFrog 的整合直指一项特定风险：AI Agent 执行任务时恐会自主下载软件包、CLI 工具或 MCP server。用户仅说“处理此音频文件”，Agent 或许会判定缺某工具，随之自动去安装依赖。

这会将传统软件供应链风险加剧。以往开发者会手动装依赖，起码存在代码审查、权限管控与仓库策略；Agent 自动装工具时，操作更隐秘，速度更迅捷，也更难被人工及时察觉。

其应对之法是把 Agent 的下载诉求引向 JFrog 的可信软件库。若包存风险，系统拦截安装并报错，同时引导 Agent 选用安全版。此类产品的定位会愈发清晰：它并非模型安全层，而是 Agent 工具调用与软件供应链之间的安全关卡。

Matterhaul 在 Applied AI for Distributors 2026 展示的场景系分销业：将一通电话转为报价，再切入订单、采购与调度流程。其强调的并非模型自身，而是把客户、产品、例外规则与实操经验化作可复用的业务记忆。

分销业务蕴含海量隐性知识：某客户偏好何种交付形式，某类产品的替代品为何，哪些供货商交期稳妥，哪些例外需人工核实。通用模型不明就里，企业内部系统亦常缺失结构化留存。

此类垂直 Agent 的核心不在对话能力，而在能否将电话、报价、订单、采购与调度的数据链打通。它契合中小企业及传统行业，缘于这些场景的痛点通常不是缺个 AI 助手，而是缺个能沉淀经验、削减重复录入、压低新人学习成本的操作系统。

IBM 携手 OpenAI，将前沿 AI 能力融入企业安全工作流，用以协助企业应对更瞬息万变的网络威胁。此趋势同此前 SoftBank 依托 OpenAI 模型推出安全产品相仿，表明安全正变成模型能力企业化的重要着陆点。

安全场景天然契合 AI，但也天然伴随高风险。日志、告警、漏洞、资产、身份与补丁信息量庞大，模型可辅助安全团队归纳、归因、排序及生成响应方案。问题在于，安全操作恐触发封号、隔离设备、改配置、打补丁，这些皆不可全然交予黑箱自动执行。

企业情愿买单的并非“AI 安全助理会答疑”，而是告警压缩、误报降低、响应提速及审计流程可溯源。AI 安全产品若要切实切入预算，需与 SIEM、SOAR、身份系统、工单系统及补丁流程相融合。

Bpifrance 调研表明，法国中型企业生成式 AI 采用率已然颇高：534 名企业高管里，77% 坦承企业正引入生成式 AI；但在已用 AI 的企业内，仅 17% 反馈获得了时间节约或效率跃升。

此结果表明企业 AI 正迈入第二阶段。首阶段为“让员工试用工具”，门槛低，扩散快；第二阶段乃“让 AI 重塑流程”，需数据治理、系统集成、权限规划、绩效指标与组织习惯协同。

对 AI 创业公司而言，此数据较单纯采用率更具参考价值。客户已知晓 AI，也乐意尝试，但真要买单会看可量化成果。能落地之产品需回应：节省了谁的时间，减少了哪步操作，降低了什么错误率，能否于原系统内持续运转。