AI热点早报-10/02: ChatGPT 上线虚拟试穿，加州向 OpenAI 发出调查传票

今天的 AI 新闻落在三个具体场景：消费、企业和基础设施。ChatGPT 把虚拟试穿推向全球用户，Barclays 准备让半数开发者使用 Claude Code；同一天，加州司法部门向 OpenAI 发出调查传票，要求回答模型相关的网络安全问题。地面之外，Google 和印度创业公司也把 AI 计算硬件送入轨道。

我的观察

• ChatGPT 的购物功能正在靠近消费决策环节。虚拟试穿和收藏能提高停留与回访，但图片效果不能回答尺码、面料和真实合身度，商家仍要承担商品数据和退换货体验。

• Barclays 给出了少见的企业推广目标：2026 年底覆盖 50% 开发者，2027 年覆盖多数软件工程师。衡量 AI 编程工具的指标应从席位数转向交付周期、缺陷率和旧系统改造进度。

• 加州的调查把前沿模型测试中的网络行为放进执法框架。模型公司、评测机构和企业客户都需要保存授权范围、网络访问记录和人工审批证据。

• Transporter-18 同时承载多个轨道计算实验。现阶段更值得观察的是芯片能否扛住辐射、散热和功耗限制，以及在轨预处理能否明显减少下行带宽。

• Hindsight 一周新增约 1.74 万颗 Star，显示 Agent 长期记忆仍是开发者的高频痛点。热度很高，生产采用前仍要核对基准归属、数据隔离和长期维护成本。

下面五条新闻，分别对应消费入口、企业落地、监管、轨道算力和开源 Agent 基础设施。

1. ChatGPT 全球上线虚拟试穿与商品收藏

OpenAI 10 月 1 日向全球推出两项 ChatGPT 购物功能。用户可以上传自拍、全身照或商品截图，在购物结果中生成服装与配饰的试穿效果；Favorites 则把感兴趣的商品和试穿图保存到应用内 Library，方便之后继续比较。

虚拟试穿使用 ChatGPT Images 2.5。它解决的是“看起来是否适合我”，不能验证尺码、版型和面料触感。对于零售商，机会在于把商品发现、搭配灵感和收藏放进同一段对话；风险则是生成图与实物差距过大后，转化率提升可能伴随更高退货率。

准备接入 AI 购物入口的品牌，应优先完善结构化商品数据、清晰的尺码信息和多角度素材，并单独追踪试穿用户的购买率与退货率。漂亮的生成图只是入口，履约体验仍由商家负责。

来源：TechCrunch^[1]

2. Barclays 计划今年让半数开发者采用 Claude Code

Barclays 10 月 1 日宣布扩大与 Anthropic 的合作，把 Claude 用于软件开发、旧系统现代化和运营效率提升。该行预计到 2026 年底，Claude Code 将覆盖 50% 的开发者，2027 年覆盖多数软件工程师。

金融机构的代码库、权限和合规要求都比普通软件团队复杂，这个目标比一次小范围试点更有参考价值。它也给企业采购提供了可量化的时间表：先看多少人真正进入日常工作流，再看旧系统改造速度、变更失败率和人工复核负担有没有改善。

部署规模扩大后，治理要跟着工具走。团队需要明确哪些仓库可被读取、哪些数据不得进入提示词、生成代码由谁审核，以及模型调用记录保留多久。没有这些边界，席位覆盖率越高，审计成本也会越高。

来源：Anthropic^[2]｜报道与配图：Bloomberg Línea^[3]

3. 加州司法部门向 OpenAI 发出网络安全调查传票

加州总检察长 Rob Bonta 10 月 1 日宣布，已向 OpenAI 发出调查传票，要求公司进一步说明其模型涉及的网络安全事件与风险。该行动属于加州司法部门现有调查的一部分，关注点包括模型测试和运行期间是否造成或促成未经授权的网络行为。

这项调查尚未得出违法结论。它释放的实际信号是，Agent 的外部访问、渗透测试和自主工具调用会被放进现有消费者保护与网络安全法律中审视。企业不能把“模型自己做的”当成责任隔离层。

使用可联网 Agent 的团队应保留任务授权、目标范围、凭据来源、工具调用和人工批准日志。红队测试尤其要写清资产所有权与停止条件；一旦 Agent 越界，完整记录比事后口头解释更有价值。

来源：加州司法部^[4]｜报道与配图：Reuters / The Guardian^[5]

4. Google TPU 与印度 MOI-1A 随 Transporter-18 进入轨道

SpaceX 的 Transporter-18 拼车任务于 10 月 1 日成功发射约 130 个载荷。其中包括 Google Project Suncatcher 的原型卫星，搭载四颗 TPU 测试辐射与散热；印度创业公司 TakeMe2Space 的 MOI-1A 也在任务中，用 117 TOPS 的 Nvidia Jetson Orin NX、2TB 存储和九波段成像仪处理地球观测数据。

MOI-1A 的商业思路很直接：先在轨道上运行模型，只把识别结果传回地面，减少原始影像的下行量。公司称已有 23 家客户参与，应用覆盖农业、采矿、供应链和保险。Google 的实验更偏底层，先验证 TPU 在太空环境中能否稳定工作。

轨道数据中心离规模化仍很远。短期可验证的指标包括芯片故障率、持续功耗、热管理、单位任务下行带宽和结果延迟。若这些数字无法优于地面处理，多晒太阳并不能自动变成一门好生意。

来源：Axios^[6]｜TakeMe2Space 技术页^[7]｜NASA 发射记录^[8]

5. Hindsight 一周新增约 1.74 万颗 Star，Agent 记忆项目升温

开源项目 Hindsight 近期登上 GitHub Trending。Star History 在 10 月 2 日记录其约 4.42 万颗 Star、5,900 个 Fork 和 275 名贡献者，过去一周新增约 1.74 万颗 Star；Trendshift 记录它在 9 月 26 日登上 GitHub Trending 日榜第一。

Hindsight 把 Agent 记忆拆成 retain、recall 和 reflect：保存事实，结合语义、关键词、图关系与时间信息检索，再形成持续更新的观察和“心智模型”。它采用 MIT 许可证，可自托管，并支持 OpenAI、Anthropic、Gemini 与本地模型等多种后端。

热度之外还要看证据质量。项目的基准成绩与验证合作值得进一步独立复核，Star 增速也不能代替生产稳定性。试用时可以先选一个低风险场景，检查跨用户数据是否隔离、旧事实如何修正、召回证据能否追溯，以及记忆增长后的延迟和成本。

项目：GitHub^[9]｜趋势数据：Star History^[10]｜外部审计^[11]

当 AI 同时进入购物、银行代码库、监管调查和轨道计算，你所在的团队最该补的是产品体验、权限审计，还是基础设施能力？欢迎在评论区分享。

引用链接