眼看TikTok半只脚踏入鬼门关,首席执行官周受资在国会大厦的采访中无奈地说:“我到现在都不清楚我们究竟犯了什么错。”
几天前,美国众议院以压倒性多数投票通过迫使TikTok“卖身”的法案。美国议员们明确指出了他们的担忧——一个中国企业,字节跳动,拥有了美国青少年和年轻人最钟爱的社交平台。
FBI和美国情报机构担忧得更多,比如获取美国人的个人数据、利用应用算法传播虚假信息,以及干预美国选举等。
最终众议院在今年3月13日采取了行动,以362对65的投票通过了法案,禁止应用商店分发TikTok,除非字节跳动在165天内剥离其控制权。
面对这一局势,TikTok的未来悬而未决。接下来的关键在于参议院将如何行动,美国总统拜登已明确表示,若法案送至他面前,他将签字通过,这意味着参议院一旦通过法案,TikTok将面临卖给美国企业或退出美国市场的抉择。不过拜登的这一立场让人有些惊讶,因为他的总统竞选团队正在利用TikTok吸引年轻选民。
TikTok坚称众议院法案违宪,并声称自己不受政府控制,且已经在美国建立了一个“德克萨斯项目”,该项目将美国用户的个人数据与中国隔离开来。但公司此前不得不承认,字节跳动的中国员工过去能够访问一些美国数据。另外FBI局长克里斯托弗·雷近日表示,由于中国的国家安全法,字节跳动将被要求向北京提供数据。
此外,这场争议不仅仅关乎国家安全。随着越来越多的美国人通过TikTok获取新闻,平台的影响力越来越大。从数据上看,TikTok已成为很多年轻人的全天候新闻频道,明显压缩了其他社交媒体网站的空间。从营收上看,2023年TikTok在美国的收入为160亿美元,全球总收入为1200亿美元。
每个网站用户获取新闻的占比
尽管在美国形势严峻,但TikTok仍在做最后的努力,不仅利用平台动员用户向国会代表提出投诉,周受资也在亲自拜访参议员进行游说。
一位熟悉公司策略的人说,“如果法案在参议院没有被阻止并最终签署成功,字节跳动肯定会走法律途径反抗。”
此前字节跳动就这样做过。2020年,特朗普签署的一项行政令曾试图禁止TikTok在美国运营,并给予字节跳动90天时间剥离。但该公司向联邦法院提起诉讼称其违宪,最终在生效前几小时成功阻止了命令的实施。
不过这次特朗普的态度是反对该立法,一部分原因是他认为封禁TikTok将有利于Facebook,而后者封了他两年。TikTok的支持者希望他能为他们扭转局面,据说一些字节跳动的投资者已经试图向特朗普的竞选团队展示数据,强调特朗普在TikTok上相较竞选对手拜登的优势。
不过,TikTok当下面临最紧要的问题是,它是否会被出售,以及可能的买家是谁。上周四,美国前财政部长史蒂文·姆努钦表示,他正在组建一个投资者团体来试图收购TikTok。而在更早前的2020年,微软曾与TikTok讨论过收购事项,但谈判最终破裂。随后,甲骨文和沃尔玛达成了收购其美国业务的协议,但在拜登政府决定审查交易后,该协议被搁置。
此外除了美国,“五眼联盟”的其他成员国加拿大、澳大利亚、新西兰和英国已经禁止在政府设备上使用TikTok。在英国,TikTok还可能因即将在议会讨论的数据保护法面临问题,印度也因地缘政治紧张而禁止TikTok运营。在其他国家,如意大利,平台因被认为对年轻人有害的内容而受到批评。
字节跳动的投资者对公司目前的处境感到不安和挫败,他们批评公司在处理情况时沟通不足。一位与周受资熟识、在公司持有重要股份的早期投资者表示,关于目前的进展,字节跳动没有提供任何信息。
“他们是一家沟通极其闭塞的公司。我们正试图弄清楚发生了什么,”这位投资者说,“我最后一次和周受资交谈时,他说情况永远不会变得那么糟糕。”
但对于在TikTok工作的员工来说,他们感到失望,认为公司的策略错误,未能制定出更积极的应对策略。国会的形势只是增加了他们的压力,士气已因正在进行的内部重组而低落,而且管理层很少就潜在禁令与他们沟通。
“船正在下沉,我所有的同事都在讨论我们的遣散费会有多少,”一位员工说。“如果它被买下来,我会很高兴,也许那样会有一个更好的工作文化。”
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。