8月13日 AI 五条：Google 把手语翻译接入手机，Twitch 开放生成式 AI 训练退出

本期覆盖 2026 年 8 月 12 日 08:30 至 8 月 13 日 08:30（UTC+8）公开的新进展，按对可用能力、数据边界、产业投入、监管安排和就业信号的影响排序。

Google DeepMind 于 8 月 12 日发布多语言手语转文字模型 SL2T，首批把美国手语（ASL）翻译成英语，接入 Gboard 的听写和 Live Transcribe。Pixel 11 首先提供这项功能，Google 称不额外收费，更多设备和语言将后续加入。用户可以用手语输入文字、搜索网页、起草消息，或把内容交给 Gemini 处理。1

当前版本仍会在生僻手势、快速拼指、被动句、分类器手势和缺少上下文的时态上出错；Google 也把降低延迟、避免把非手语输入误识别为手语列为工程问题。它目前是 ASL 到英语的首发功能，不是已经覆盖所有手语的通用翻译器。1

这条消息的变化在于入口：手语模型从演示或独立应用进入手机键盘和实时转写。对使用 ASL 的用户，设备交互少了一道输入转换；对开发者和无障碍团队，真正需要观察的是后续设备覆盖、语言扩展和错误率，而不是把首发功能直接当成通用无障碍能力。

Twitch 在 8 月 12 日新增设置，允许用户选择不让自己的直播、VOD、剪辑、直播聊天，以及频道里的图片和文字，被用于 Amazon 未来训练生成或合成文字、音频、图片、视频的 AI 模型。2

退出只针对未来的生成式 AI 训练。字幕、安全工具等 AI 功能仍可使用；如果你在别人的直播间发言，聊天是否可用于训练取决于对方主播的设置。该选项也不覆盖 Twitch 隐私政策中的推荐、主播增长与变现、社区安全等其他用途。2

平台第一次把「内容是否进入生成式模型训练」做成了用户可操作的开关，但数据用途仍被拆成多个层次。主播如果关心的是训练数据，需要确认开关是否生效；如果关心的是推荐、审核或商业化，退出训练并不会自动改变这些处理。

CodeRabbit 于 8 月 12 日宣布完成 1.43 亿美元 C 轮融资，估值达到 15 亿美元，Atomico 和 Smash Capital 领投，BMW i Ventures、Datadog、Hirtle Callaghan 等参与。公司同时推出「Agentic Change Management」，包含代码审查、变更分流、变更堆栈和安全能力。34

CodeRabbit 表示，资金将用于国际扩张、研究、基础设施和产品能力；未来 12 个月将投入超过 1000 万美元，让开源项目和维护者继续免费使用其 AI 代码审查与智能体能力。融资额、估值和产品规划来自公司公告与路透社报道，不能等同于产品已在所有团队中验证了开发效率。34

企业软件里的竞争点正在从「模型能不能写代码」移向「人和智能体改了什么、谁批准、如何回溯」。对研发团队，值得先问的是变更记录、权限和安全审查能否接入现有流程；融资本身只能证明资本押注了这个方向，不能替代部署数据。

8 月 12 日发布的 Reuters/White & Case 法律分析梳理了美国联邦政府挑战州级 AI 监管的现状：白宫 2025 年 12 月签署行政命令 14365，要求建立联邦政策并挑战被认为冲突或违法的州 AI 法；司法部曾介入挑战科罗拉多州 AI 法案，之后该法案被 SB189 取代。56

截至这篇分析发布时，美国仍没有一部明确全面抢先适用州 AI 法的联邦 AI 法。加州、科罗拉多、纽约、得州等州的相关法律并不会因为联邦政策主张就自动失效，诉讼结果、联邦规则和执法标准仍在变化。5

对在美国部署 AI 的公司，合规边界暂时不能按「联邦统一标准」处理。产品团队需要继续按业务所在州检查透明度、消费者保护和高风险场景义务，并把联邦诉讼或新立法当作待跟踪变化；这是一条监管状态更新，不是已经生效的全国统一规则。

Stanford Digital Economy Lab 8 月 12 日发布基于 ADP 工资数据的分析，数据覆盖数百万名劳动者并追踪到 2026 年 6 月。研究发现，22—25 岁人群在高度暴露于 AI 的职业中，就业人数比「按低暴露职业同样增长」的情形低 19%；这一差距从 2025 年 7 月的 15%扩大。变化主要来自年轻人的招聘放缓，而不是离职增加；使用 AI 自动化工作较多的职业下降更明显，偏辅助型使用的职业没有同样模式。78

研究同时没有发现「全经济范围的大规模失业」证据，也明确说这些是描述性事实，不是因果估计。结果在控制教育程度后会减弱，部分职业在生成式 AI 普及前就已出现分化，而且 ADP 样本中的差距大于全国调查基准。78

这项研究把「AI 会不会影响工作」拆成了年龄、职业暴露和任务类型三个变量。对刚入行的人，招聘数量可能比裁员新闻更早反映压力；但在没有因果识别和更广泛样本前，19%应被读作需要持续跟踪的差距，不是 AI 已造成就业下降的最终证明。