近日有消息人士透露,谷歌计划收购美国移动支付服务Softcard。Softcard此前名为Isis,由AT&T、Verizon和T-Mobile等运营商于2010年成立。消息人士表示,谷歌的收购价格可能不到1亿美元。这一价格非常便宜,而原因很可能是由于Softcard在发展过程中遇到了较大的困难。根据消息人士的说法,几大运营商对这家合资公司的投资已经达到数亿美元。
本月早些时候,Softcard进行了约60人的裁员,而目前正在进行业务整合。该公司表示,不会对并购传闻以及业务投资的情况置评。
不过该公司表示:“Softcard正采取措施削减成本,加强我们的业务。这些举措包括简化公司的组织架构,将所有的业务运营合并至达拉斯和纽约的办公室,这将带来整个公司范围内的裁员。我们认为,效率的提升有助于Softcard的市场地位,使我们可以专注于服务我们的市场。”
谷歌同样拒绝对此消息置评。
美国几大运营商成立Softcard是为了发展非接触式支付技术,开发基于近场通信(NFC)的移动支付解决方案。该公司表示,目前美国有超过20万家商户,包括赛百味和麦当劳,接受通过Softcard应用的支付。Softcard的应用包括Android版和Windows Phone版,但不支持苹果iPhone。
Softcard应用的用户可以使用来自美国运通、Chase和富国银行等发卡机构的支付卡,将支付卡关联至Softcard帐号,随后使用手机来完成支付。
目前尚不清楚,Softcard的服务是否吸引了足够多的用户,或者说该公司目前的财务状况如何。在CEO迈克尔·阿伯特(Michael Abbott)的领导下,Softcard于2014年11月围绕新的吉祥物“Tappy”启动了新的营销活动。
消息人士称,Softcard的烧钱速度曾一度高达每天50万美元,即每月约1500万美元。而除谷歌之外,PayPal和微软也都曾对Softcard表示兴趣。
另一方面,如果未能将Softcard出售给其他公司,那么AT&T或Verizon有可能将该公司变为全资子公司。这些运营商目前也在自行开发移动支付服务。
消息人士表示,谷歌对Softcard感兴趣的一个主要原因是Softcard持有的专利及专利申请。目前,Softcard持有的专利总数约为120个。
而对于Softcard,有消息称,目前该公司内部士气低落。一名消息人士表示:“Softcard的员工不清楚未来会发生什么。在6到8个月的时间里,整个公司士气低落。一些员工不来工作,另一些员工于12月被告知,到年底之前不会有什么发生。总体而言,这不是一种透明的文化,因此许多人都在做最坏的打算。”
Softcard前首席商务官埃德·布思比(Ed Busby)认为,目前并不是出售公司的好时机。他表示:“很不幸,他们选择目前这一时机放弃。在公司外部,整个行业首次出现了对移动支付利好的迹象。”他指出,Apple Pay推动了移动支付服务的发展。不过,他对Softcard可能的出售并不感到惊讶。
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。