CrowdStrike —— 这家德州杀毒巨头因去年导致数百万台 Windows 机器崩溃而闻名 —— 根据 CEO 兼联合创始人 George Kurtz 的说法,为了实现“更高效的运营”,计划裁减约 5% 的员工,即约 500 人。
在本周提交的一份监管文件中附带的致员工信中,这位大佬解释说,此次调整旨在更快速、更高效地运转,同时他引用了 AI 所具有的转型潜力。
Kurtz 写道:“我们正处于市场和技术的拐点,AI 正在重塑每个行业,加速威胁的出现,并推动客户需求的变化。为了实现规模化领导,凭借近 10,000 名 CrowdStriker 员工以及通往 100 亿美元 (annual revenue) 年收入的明确路径,我们正在转变我们的运营方式。”
他进一步解释,这一转型将由 AI 推动。
“AI 一直是我们运营的基石,”Kurtz 表示,“AI 降低了我们的招聘曲线,并帮助我们从构想到产品的创新过程更为迅速。它简化了上市步骤,改善了客户成果,并在前后台全面提升了效率。AI 是贯穿整个业务的倍增器。”
正如 CrowdStrike 在随前述 10-K 向美国证券交易委员会 (SEC) 提交的风险披露模板中所说明的,AI 同样也可能放大风险或带来责任。
风险提示部分开头写道:“我们使用 AI,这可能使我们面临责任风险或对业务造成不利影响。” 随后列举了各种可能出问题的情景。
例如,文中指出生成式 AI 已知会产生虚假或“幻觉性”的干扰或输出,而某些生成式 AI 应用了机器学习和预测分析,这些技术可能存在缺陷、不足、质量低劣、反映出不希望出现的偏见,或包含其他错误或不足,而这些问题均可能不易被及时发现。这类失误可能对业务及其客户造成损害。
这段必备警告最后总结说,AI 技术正迅速发展,因而无法预测使用 AI 可能引发的所有法律、运营或技术风险。
企业人力资源业务公司 Workday 同样热衷于 AI 及裁员——裁员幅度约为 8.5%——并在其最近的 10-K 风险披露中表示了类似的担忧。
这家提供人力资源及财务软件的公司称:“我们的许多产品都由 AI 提供支持,其中一些产品包含大语言模型和生成式 AI,用于可能影响人权、民权、隐私或就业权利与尊严的应用场景。” 同时,该公司对一宗所谓“毫无根据”的诉讼,即指控其产品和服务导致歧视的指控,进行了淡化处理。
尽管 CrowdStrike 对 AI 表现出极大的热情,但进口关税的威胁以及相关经济不确定性也可能是裁员的原因之一。
联合包裹服务公司 (UPS) 在其最近的 2025 财年第一季度财报中预期 Amazon 的需求疲软,并将“全球贸易政策的变化以及新加或提高的关税”列为风险因素,同时宣布计划在 2025 年内裁减约 20,000 个岗位,并在 2025 年 6 月底前关闭 73 座出租及自有建筑。
达美航空针对 CrowdStrike 混乱的集体诉讼已获批准起诉
据 IT 咨询公司 Janco 表示,各公司正倾向于采用自动化技术以替代招聘。
CrowdStrike 对 AI 的押注若想实现 100 亿美元 (annual revenue) 年收入目标,必须取得相当显著的成效。今年 3 月,该公司报告其 2025 财年第四季度收入为 10.6 亿美元,较上一季度增长了 25%,然而这家网络安全企业仍亏损 9230 万美元,而上一季度亏损为 1680 万美元。
此外,该企业还将因裁员而产生一定成本。在一份 8-K 文件中,CrowdStrike 表示,相关费用预计将在 3600 万美元至 5300 万美元之间,其中约 700 万美元将在 2026 财年第一季度确认,其余部分将在 2026 财年第二季度确认。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。