紧追 OpenClaw！Anthropic 收购远程控制电脑初创；YouTube 将 AI 语音助手引入电视与游戏主机丨日报

开发者朋友们大家好：

这里是「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement）领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@瓒an、@鲍勃

01 有话题的技术

1、Anthropic 收购 AI 智能体初创企业 Vercept

2 月 25 日，人工智能初创公司 Anthropic 宣布收购 Computer Use 初创企业 Vercept。这是继去年 12 月收购代码智能体引擎 Bun 后，Anthropic 的又一动作。作为交易的一部分，Anthropic 将于 3 月 25 日正式关闭 Vercept 的云端产品 Vy（一款可远程操作苹果 MacBook 的智能体）。

Vercept 孵化于西雅图的 AI 孵化器 A12，其联合创始人多具备艾伦人工智能研究所的研究背景。据 Vercept 首席执行官 Kiana Ehsani 透露，公司总计融资金额达 5000 万美元，由 A12 的 Seth Bannon 领投。其天使投资人阵容包含前谷歌 CEO Eric Schmidt 与 DeepMind 首席科学家 Jeff Dean 等知名人士。

此次收购后，Vercept 的核心团队去向出现了明显的分化：

加入 Anthropic 的成员：包括 CEO Ehsani、Luca Weihs 和 Ross Girshick 三位联合创始人。Ehsani 认为，与其两家公司各自独立探索，不如合并团队以加速实现共同愿景。
未加入的联合创始人：此前被 Meta 以高达 2.5 亿美元薪酬挖角的 Matt Deitke，以及艾伦人工智能研究所创始领导者 Oren Etzioni 均未加入 Anthropic。

值得注意的是，这场收购在投资人之间引发了公开争论。Etzioni 在社交平台上对公司成立仅一年多便放弃独立发展、并要求客户在 30 天内撤离平台表示极度失望。他与领投人 Bannon 随后发生了激烈的言辞交锋，相互指责对方的决策失误甚至发出法律威胁。尽管交易细节未予公开，且 Etzioni 确认已获得资金回报，但他仍对团队未能继续独立运营感到遗憾。

( @TechCrunch)

2、开发者展示眼动追踪+语音+AI 融合交互，视线成为全新输入信号

近日，开发者 Yaku Zeg 展示了一项将眼动追踪、语音与人工智能相结合的交互演示。他提出一种前沿的交互理念：不论用户是进行触摸、指向、说话、注视，甚至是单纯地思考，未来的界面都应当能够妥善处理这些行为。

在具体的应用场景中，该技术将用户的视线不仅作为一种直接的输入方式，更主要的是将其定义为一种「微观意图（micro-intent）」信号，从而为系统提供额外的上下文背景信息。在技术栈方面，该演示内容是基于 SwiftUI 和 ARKit 框架开发完成的。

( @yakuzeg@X)

02 有亮点的产品

1、MiniMax 上线 MaxClaw 功能

MiniMax Agent 的 Expert 2.0、MaxClaw 正式宣布上线。

据介绍，在 Expert 2.0 中，MiniMax 进一步优化了专家 Agent 的创建体验。用户不需要考虑 Skill、SubAgent、MCP 的配置，以及提示词的结构编排——只需用自然语言描述任务目标或能力需求，Agent 会根据目标完成 SOP 梳理、工具编排与能力配置。

官方还预告，下一代迭代中，Expert 2.0 将引入「创作者定价与分成机制」以及「团队内 Expert 共享」两项能力。

MaxClaw 方面，官方介绍其基于 OpenClaw 构建，直接集成在 MiniMax Agent 网页端，无需自备服务器或 API Key。

并且相较于直接使用 OpenClaw，MaxClaw 拥有「预置精选专家级 Skill」「自带 50G 专属云储存空间」等优势。未来 MaxClaw 还将支持「用户自定义专家」「多端协同」的功能。

目前两项新功能均已开放使用。

相关链接：https://agent.minimaxi.com/

( @APPSO)

2、谷歌官方「豆包手机」来了：Pixel 10 和三星 Galaxy S26 系列迎来 AI 操控手机功能

谷歌在三星 Galaxy S26 系列发布会上推出了一批新的 Android 功能更新，包括更多基于 Gemini 的工具，以及诈骗检测功能改进。

Gemini 应用中的新功能将允许用户将多步骤任务（如预订网约车或添加购物车）移交给系统。该功能将首先以测试版形式推出，在用户执行其他任务时在后台运行。用户可以通过通知实时监控 Gemini 的进度，以便随时了解其正在做什么并随时介入。

谷歌表示，该功能最初将仅限于某些食品、杂货或网约车应用。它将首先在美国和韩国的某些设备上推出，包括 Galaxy S26 系列和 Pixel 10 系列。

Android 的 Circle to Search 功能也获得了升级，使其能够同时搜索屏幕上看到的多个对象。其中一种实现方式是使用「find the look」进行全套服装搜索。一旦应用找到了被圈出的服装的所有单品，用户就可以进行虚拟试穿。这项功能将在 Galaxy S26 系列和 Pixel 10 系列设备上提供。增强后的功能还可以用于分析图像中的多个对象。

谷歌还利用 Gemini 为三星电话应用中的通话引入设备端诈骗检测。该工具在检测到通话中有人使用诈骗者常用的语音模式时提醒用户。谷歌表示，该功能在与联系人通话时从未被使用，默认关闭。

相同的技术和方法也将用于在 Google 消息中检测诈骗。目前，美国 Galaxy S26 上的电话诈骗检测仅支持英语。

所有这些新功能现已可在 Pixel 10 系列和 Galaxy S26 系列上使用，具体功能的市场可用性有所不同。

（ @IT 之家）

3、YouTube 将 AI 语音助手引入智能电视与游戏主机

2 月 19 日消息，客厅场景下的对话式人工智能竞争正日益升温。YouTube 成为这一领域的最新发力者，正式将其对话式 AI 工具扩展至智能电视、游戏主机和流媒体设备。这项此前仅限于移动端和网页端的实验性功能，如今直接登陆了家庭中最大的屏幕。

根据 YouTube 官方支持页面的说明，符合条件的用户可直接点击电视屏幕上的「提问（Ask）」按钮唤出 AI 助手。用户不仅可以选择系统基于当前视频推荐的问题，还能使用遥控器上的麦克风询问任何相关的细节（例如食谱中的配料或某首歌词的创作背景），并在不暂停视频或退出应用的情况下获得即时解答。目前，该功能仅面向 18 岁以上的特定用户群体开放，支持英语、印地语、西班牙语、葡萄牙语和韩语。

此举正值越来越多美国观众将电视作为访问 YouTube 的主要渠道。尼尔森在 2025 年 4 月发布的一份报告显示，YouTube 占据了电视观众总时长的 12.4%，超越了迪士尼和 Netflix 等大型平台。与此同时，其他流媒体巨头也在积极推进客厅场景的 AI 交互：

亚马逊：在 Fire TV 设备上推出 Alexa+，支持用户进行自然对话、获取定制化内容推荐，甚至搜索电影中的特定场景和演员信息。
Roku 与 Netflix：Roku 的 AI 语音助手已能处理诸如「这部电影有多恐怖」等开放式提问；Netflix 也正在测试其专属的 AI 搜索体验。

除了对话式 AI，YouTube 近期还推出了多项利用 AI 优化电视观看体验的举措，包括将低分辨率上传的视频自动增强至全高清画质。平台还在持续推出评论摘要、AI 驱动的搜索结果轮播等功能，并于今年 1 月宣布创作者即将能使用 AI 生成的个人分身来制作 Shorts 短视频。上周，YouTube 还为 Apple Vision Pro 推出了专属应用，提供剧院级巨幕的沉浸式观影环境。

( @TechCrunch)

03 有态度的观点

1、来自 2028 的文章：AI 让裁员陷入死循环

近期，投资研究机构 Citrini Research 发布题为《2028 年全球智能危机》的推演报告，预测 AI Agent（智能体）的大规模普及将引发白领失业潮并导致全球经济结构性崩盘。

有趣的是，报告通过构建「2028 年宏观假想模型」，详细拆解了这一死循环的传导路径。

模型显示，在第一阶段，企业引入 AI Agent 大量裁撤知识型与中介型白领员工，大幅削减人力成本，短期内实现利润率激增与财报繁荣。然而，被裁撤的中产阶级群体恰恰是支撑现代消费经济体系的核心基石。

而伴随美国失业率在模型中被推高至 10.2% 的警戒线，宏观总需求出现结构性坍塌。

由于终端消费断崖式下跌，企业营收随之暴跌；为了在收入萎缩的困境中维持此前的高利润率及向股东交差，企业被迫开启新一轮更激进的 AI 自动化裁员，从而正式确立了「裁员-需求萎缩-营收下降-再裁员」的恶性闭环。

报告指出，在整个现代经济史中，人类智慧一直是稀缺的投入要素。一切都能复制或替代，但唯有能够分析、决策、创造、说服、协调的「智慧」，是没法大规模复制的。

人类智慧的稀缺性自带内在溢价，但机器智能正在广泛、甚至是合格且快速改进地替代着前者。好在的是，我们是在 2026 年看到这篇报告。