AI资讯半年刊 – 2024年7月-12月 AI 行业发展动态全记录

12 月 31 日·周二

智谱正式发布深度推理模型：GLM-Zero 初代版本 GLM-Zero-Preview

智谱 AI 在 2024 年末推出 GLM-Zero 推理模型，初代版本 GLM-Zero-Preview 已正式上线。该模型基于扩展强化学习技术打造，在数理逻辑、代码处理与深度推理能力上均有显著提升。在 AIME 2024、MATH500 及 LiveCodeBench 等权威评测中，GLM-Zero-Preview 表现优异，可与 OpenAI-o1-Preview 相媲美。用户可通过智谱清言 App 中的"Zero 推理模型"智能体免费体验，开发者亦可通过 API 接口调用。来源：竹江AI导航

趣丸科技「天谱乐」开创 AI 音乐新篇章：全球首个多模态配乐大模型 趣丸科技正式推出全球首个多模态配乐大模型"天谱乐"，支持文本、图片与视频三种方式生成乐曲，能够产出高度匹配的 BGM 及 MV 效果。该技术在中文人声唱词方面已达到专业水准，有效减少了电音质感，整体效果接近正式音乐发行标准。目前"天谱乐"已接入唱鸭 App，累计创作 AI 歌曲近 1000 万首。来源：竹江AI导航

可灵 AI API 新增【虚拟试穿 V1.5】与【对口型】功能

快手可灵 AI（Kling）宣布 API 能力再次升级，推出虚拟试穿 V1.5 模型，支持单件及组合服装输入，可生成试衣展示视频。同时新增对口型功能，能够实现视频中人物口型与配音的精准同步，大幅提升视频真实感。此次升级将为电商、广告营销及泛娱乐行业带来全新机遇，助力业务增长。来源：可灵 AI

OpenAI 公布 2025 年技术路线图：AGI、智能体、GPT-4o 升级版

OpenAI 首席执行官 Sam Altman 宣布，公司计划在 2025 年陆续发布多项重要技术产品，涵盖 AGI（通用人工智能）、智能体 Agents、GPT-4o 升级版等，同时还将推出记忆存储优化、更长上下文窗口、成人模式、深度研究功能、Sora 及个性化定制等一系列改进。来源：第一财经

大模型的 2024 年：我们为何对 AI 的发展逐渐脱敏

2024 年 AI 领域发展迅猛，大模型在实用性显著增强的同时却不再带来惊艳感。端侧模型与混合专家技术（MoE）有效降低了部署成本，多模态研究成为新的热点方向。AI 搜索、语音交互及视频技术在商业化挑战中稳步前行，AI Agent 开发门槛持续降低。AI 硬件呈现百花齐放的格局，其中 AI 眼镜异军突起。AI 游戏则从辅助工具逐渐演变为游戏体验的重要组成部分。中国 AI 人才梯队的规模与质量仅次于美国，值得期待在 AI 浪潮中继续保持领先。来源：新硅 NewGeek

黑芝麻智能发布华山 A2000 家族芯片平台，打造全场景智驾新标杆

黑芝麻智能正式发布华山 A2000 家族芯片平台，该平台专为下一代 AI 模型设计，具备高算力与高性能特点，可支持全场景通识智能驾驶。A2000 家族涵盖 A2000 Lite、A2000 及 A2000 Pro 三款产品，能够满足不同层次的自动驾驶需求。平台集成了领先的 CPU、DSP、GPU 等核心组件，算力可达主流旗舰芯片的 4 倍，并原生支持 Transformer 模型，将有力推动智能驾驶技术的进一步发展。来源：黑芝麻智能

 

12 月 30 日·周一

讯飞成功上市，成为医疗大模型第一股！ 讯飞医疗科技股份有限公司（股票代码：02506.HK）于 2024 年 12 月 30 日在香港联交所主板挂牌上市，标志着医疗大模型领域迎来"第一股"。作为中国医疗人工智能行业的领军企业，讯飞医疗在基层医疗服务、医院服务、患者服务及智慧影像等领域均取得了显著成绩，始终致力于让医疗服务更加便捷可及，为人类健康事业持续奋斗。来源：科大讯飞

支付宝「探一下」：新一代 AI 视觉搜索产品，满足你的好奇心 支付宝正式推出全新功能"探一下"，该功能基于支付宝自研的多模态大模型技术打造，能够"用 AI 之眼探索万物"，为用户提供快速、实用且富有趣味的生成式搜索服务。"探一下"目前提供三大核心服务：探知识、探灵感、探文本，用户可根据自身需求灵活选择，充分满足好奇心。用户通过支付宝"扫一扫"界面或支小宝 App 即可访问使用。来源：支付宝

智元机器人开源 AgiBot World 百万真机数据集，性能大幅超越谷歌 Open X-Embodiment

智元机器人宣布开源全球首个百万真机数据集 AgiBot World ，其规模与质量均超越谷歌 Open X-Embodiment。该数据集基于全域真实场景采集，依托全能硬件平台支撑，并经过全程严格质量把控，目前已覆盖家居、餐饮、工业等五大核心场景，包含 80 余种技能操作视频。来源：竹江AI导航

PixVerse V3.5 正式上线：模型全面升级，10 秒极速生成视频

爱诗科技宣布 PixVerse V3.5 版本正式上线。新版本在 Turbo 模式下仅需 10 秒即可生成高质量视频，保持了行业领先的语义理解能力与细节表现水准。动漫生成效果得到显著提升，支持通过文生视频方式描述特定风格，亦可上传图片生成动漫效果。此外，新版本还新增了首尾帧功能，为用户创作带来更多灵感。来源：爱诗科技 AIsphere

拓元智慧完成近亿元 Pre-A 轮融资，聚焦多模态大模型与具身智能

拓元智慧（X-Era AI）宣布完成近亿元人民币 Pre-A 轮融资，本轮融资由粤科金融集团、鹏城愿景基金等机构联合投资。所筹资金将主要用于加速多模态大模型与具身智能技术的研发。公司成立三年来累计营收近亿元，核心团队成员来自国内外知名高校与头部企业，目前已在无人零售、文教创作等领域实现了技术的深度落地应用。来源：钛媒体

OpenAI 正式拆分：营利与非营利两部分独立运营

OpenAI 近日宣布进行公司重组，将业务拆分为营利与非营利两大板块，以确保通用人工智能（AGI）能够造福全人类。此次重组旨在选择最有利于长期发展的组织架构，使非营利组织实现可持续运营，同时让各业务板块高效协同运转。OpenAI 计划将营利性公司转型为特拉华州公共利益公司（PBC），并发行普通股。PBC 的公共利益导向将始终与 OpenAI 的使命保持一致。来源：机器之心

 

12 月 27 日·周五

"理想同学"正式上架苹果 App Store：支持知识问答、看世界等功能 理想汽车推出的人工智能应用"理想同学"已正式登陆苹果 App Store，当前版本为 1.0.0。该应用依托理想自研大模型打造，具备知识问答与视觉感知能力，可解答汽车、财经、科技等多个领域的问题，同时支持英文翻译与文本生成功能。应用界面简洁清爽，语音输入识别精准，输出结果自然流畅。来源：竹江AI导航

可图 1.5 图像模型重磅发布！全新「AI 模特」功能同步上线

快手可灵 AI（Kling）团队正式发布可图 1.5 图像模型，新版本在画面质量与美感表现上均实现大幅提升。AI 试衣功能新增"AI 模特"选项，借助可灵 1.6 的图生视频能力，用户仅需输入文本描述即可生成模特动态展示服装效果。可图 1.5 模型同时支持尾帧生成功能。此外，对口型功能新增 10 款高品质音色，并支持选择音色情感倾向，进一步增强了视频内容的情感表现力。来源：可灵 AI

全球首个重症医疗大模型问世：腾讯 X 迈瑞联合发布"启元重症大模型"，已进驻 ICU 病房 腾讯与迈瑞医疗合作开发的全球首个重症医疗大模型"启元重症大模型"已正式在 ICU 病房投入临床使用。该模型能够实时监测患者生命体征，5 秒内即可完成病情总结并给出诊疗建议，准确率高达 95%。此外，模型还可自动生成规范病历，将医生书写病历的时间从原来的半小时大幅缩短至仅需一分钟。来源：腾讯

火山引擎×联想：为 AI 桌面助手"如意"植入豆包大模型，"智"敬 PC 新时代 联想与火山引擎达成合作，联合推出全新升级的 AI 桌面助手"如意"（AI Stick），该产品深度植入豆包大模型，提供 AI 搜索、AI 写作、AI 聊天三大核心功能，全方位提升 PC 用户使用体验。如意能够精准理解用户需求，提供多领域知识解答，实现智能对话式交互，为 PC 带来更强的智能化体验。来源：火山引擎

联想发布新一代智能体系统"天禧 AS"，明年 Q2 落地 AI PC、AI 手机、AI 平板等终端 联想在 2024 天禧生态伙伴大会上正式发布新一代智能体系统——天禧个人智能体系统（天禧 AS），计划于 2025 年第二季度率先应用于 AI PC、AI 手机、AI 平板等智能终端。天禧 AS 运行于传统操作系统之上，具备跨端协同能力，支持端侧与个人云的混合部署模式，可提供高度个性化的 AI 助理服务。来源：IT 之家

 

12 月 26 日·周四

国产大模型 DeepSeek V3 横空出世：多语言编程能力全面超越 Claude

幻方量化旗下人工智能公司深度求索（DeepSeek）正式开源最新版 AI 模型 DeepSeek V3。该模型拥有 685B 参数规模，采用 256 个专家的 MoE 架构，在 aider 多语言编程评测中成功超越 Claude 3.5 Sonnet，位列第二名。模型成功率从 V2.5 版本的 17% 大幅提升至 48%，编辑格式正确率高达 98.7%。目前 DeepSeek V3 已全面开源，可提供代码编写、Bug 修复等多种编程能力支持。来源：竹江AI导航

智谱 AI 开源 GLM-PC 基座模型 CogAgent-9B，推动 GUI 交互自动化技术

智谱 AI 宣布正式开源 GLM-PC 基座模型 CogAgent-9B。该模型基于 GLM-4V-9B 训练而成，是一款面向 Agent 任务的专用模型，仅通过屏幕截图即可预测 GUI 操作。CogAgent-9B 在 GUI 感知能力、推理预测准确性等方面均实现了显著提升，并支持中英文双语交互。来源：GLM 大模型

阶跃星辰图像生成模型全新升级：支持「图生图」，一键风格迁移！阶跃星辰宣布其图像生成模型 Step-1X 系列推出全新升级版本 Step-1X-Medium。新版本性能提升 30%，增强了语义理解能力与图文一致性，并新增"图生图"功能，可实现细节增强、风格迁移及小范围局部修改。此次升级特别强化了"中国风"内容创作能力，能够精准捕捉东方面孔的神韵特点，同时支持英文文案生成。来源：阶跃星辰

腾讯推出 DRT-o1 系列 AI 模型：以长链思考推理实现文学翻译"信达雅"

腾讯研究院正式推出 DRT-o1 系列 AI 模型。该模型通过长链思考推理技术，显著提升了文学作品的翻译质量，尤其在比喻与隐喻的理解方面表现突出。模型采用多智能体协作框架，内置翻译员、顾问与评估员三种角色，通过多轮迭代持续优化翻译结果。实验数据显示，DRT-o1 在 BLEU 和 CometScore 等核心指标上均超越了同类模型。来源：竹江AI导航

通义从阿里云分拆，并入阿里智能信息事业群，与"夸克"平级

阿里巴巴旗下 AI 应用通义正式从阿里云拆分，并入智能信息事业群，标志着通义战略重心全面转向 C 端市场。通义系列由达摩院自主研发，是阿里在 AI 领域的核心拳头产品。此次架构调整意味着通义将直接与 Kimi、豆包等头部 AI 助手展开竞争，面临着进一步缩小与第一梯队差距的重要挑战。来源：光子星球

小米正搭建 GPU 万卡集群，持续加码 AI 大模型投入

小米目前正在积极搭建 GPU 万卡集群，持续加大对 AI 大模型的投入力度。该计划已实施数月之久，小米大模型团队成立之初便已拥有 6500 张 GPU 资源。DeepSeek-V2 的核心开发者之一罗福莉也将正式加入小米团队。小米大模型技术主攻轻量化与本地部署方向，目前已在手机端成功实现 13 亿参数级别大模型的落地运行，效

果可媲美云端 60 亿参数规模的模型。来源：财联社

科大讯飞连续中标 7 大 AI 项目，两个月内斩获 11 亿大单科大讯飞旗下讯飞智元成功中标山东泰安市肥城人工智能行业大模型应用基地项目，投标金额约 1.59 亿元。项目建设内容涵盖智算中心基础设施，涉及基建工程、硬件平台及基础配套软件等多个方面。

截至目前，科大讯飞已连续中标 7 大项目，累计中标金额近 11 亿元。来源：智东西

 

12 月 25 日·周三

Qwen 开源视觉推理模型 QVQ：像物理学家一样睿智地观察世界！

Qwen 团队正式发布开源多模态推理模型 QVQ。该模型基于 Qwen2-VL-72B 构建，旨在提升 AI 的视觉理解能力与复杂问题解决能力。在 MMMU 评测中，QVQ 取得了 70.3 分的成绩，显著优于 Qwen2-VL-72B-Instruct 版本，尤其在数学相关基准测试中表现突出。尽管模型目前仍存在语言混合、递归推理等方面的局限性，但已在视觉推理任务中展现出显著的能力增强。来源：魔搭 ModelScope 社区

IBM 发布新一代语言模型 Granite 3.1，性能与上下文能力全面增强

IBM 正式发布大语言模型新版本 Granite 3.1。相较于 3.0 版本，Granite 3.1 采用了更密集的架构设计，上下文窗口可支持多达 128,000 个令牌，复杂文本处理能力显著提升。新版本包含 8B 和 2B 两种参数规模，均具备工作流程中的幻觉检测能力，可提供与 RAG 方案同等水平的安全性与可信度保障。IBM 计划在未来数月持续推出 Granite 3 系列的更新迭代，预计于 2025 年第一季度正式加入多模态功能支持。来源：竹江AI导航

 

"深思熟虑"的 AI：OpenAI 提出全新安全对齐方法

OpenAI 研究团队提出了"深思熟虑的对齐"这一全新方法，旨在提升 AI 模型的安全水平。该方法通过直接向模型教授安全规范，并训练其在生成响应前对这些准则进行推理分析，将安全原则深度融入模型的推理过程中。整个流程分为监督微调和强化学习两个阶段，充分利用模型生成的数据与思维链推理能力，有效降低了资源消耗。o1 模型部署该技术后，在 StrongREJECT 基准测试中取得了 0.88 的得分，远高于 GPT-4o 的 0.37，同时还大幅减少了误拒情况，准确率高达 93%。来源：IT 之家

2025 AI Agent 发展方向何在？两份前沿报告绘制全景蓝图

2024 年，AI Agent 成为行业热门概念，被普遍视为大模型应用落地的最佳路径。LangChain 与 Langbase 联合发布的报告显示，51% 的受访者已在生产环境中部署 AI Agent，另有 78% 计划在近期引入。其中中型企业积极性最高，非科技公司与科技公司的 AI Agent 部署比例基本持平。在大模型供应商选择上，OpenAI 和谷歌最受青睐。准确性是选择 AI Agent 时的首要考量因素，其次为安全性与可定制性。目前 AI Agent 已在研究总结、个人生产力工具及客户服务等领域得到广泛应用。性能与质量仍是生产环境中采用 AI Agent 的主要顾虑。来源：钛媒体

打造 AI 科学家的 Sakana AI 再推新成果：大模型自动搜索人工生命系统

Sakana AI 公司开发了一套名为 ASAL 的人工生命搜索系统，通过基础模型实现对人工生命模拟的自动化搜索，探索可能存在的"生命"形态。ASAL 展示了在多种人工生命基质中发现全新生命形式的能力，为人工生命研究提供了全新范式，将加速人类对涌现、进化与智能本质的理解，有望为下一代 AI 系统的发展带来重要启发。来源：机器之心

杭州 CPU 新锐企业宣布数亿元融资，专注研发服务器 AI CPU 芯片

国产 CPU 创新企业进迭时空完成数亿元人民币 A+ 轮融资，本轮融资由香港 Brizan III 期基金领投。所筹资金将主要用于高性能 RISC-V AI CPU 及服务器 AI CPU 产品的研发与市场拓展。公司总部位于杭州，专注于打造面向大模型时代的原生计算平台，为 AI 计算机、机器人等新兴应用提供底层算力支撑。目前进迭时空已完成全栈计算技术布局，形成了软硬一体的全栈计算系统解决方案，积极推动 RISC-V 高性能计算芯片规模化进入行业市场，产品已应用于电力、电信、工业等多个领域。来源：芯东西

AI 视频创企智象未来再获数亿元新融资

AI 视频生成公司智象未来（HiDream.ai）完成数亿元人民币 A 轮融资，本轮融资由合肥产投领投，安徽省人工智能母基金、湖北省长江电影集团等机构跟投。智象未来由加拿大工程院外籍院士梅涛博士创立，专注于视觉多模态基础模型及创新应用研发。公司自研的"智象大模型"支持文本、图像、视频、3D 内容的相互生成，可提供分钟级营销视频生成服务，累计 AIGC 内容生成量已突破千万，服务企业客户超 3 万家。来源：智东西

星火浏览器插件全新升级！能读会答、能翻译会总结 讯飞星火浏览器插件迎来全新版本升级，深度集成讯飞星火 V4.0 底层能力，兼容 Chrome、Edge 等主流浏览器。新版本新增"继续提问"功能，支持深入追问以获取更详尽的答案；同时还推出网页全局对照翻译、一键朗读以及句子段落智能总结等实用功能，全面提升阅读效率。插件仅以 6M+ 极小内存占用运行，提供 AI 搜索、网页总结、划词收藏等丰富功能，致力于让网页阅读与信息搜索变得更加轻松高效。来源：讯飞开放平台

Freed AI：AI 病历助手，成立仅一年多，已拥有 1 万付费医生，ARR 达 1000 万美金

Freed AI 是一家成立仅一年多的 AI 病历助手公司，目前已积累 1 万名付费医生用户，实现 1000 万美金年度经常性收入（ARR）。公司的 AI 转录系统通过实时记录患者就诊对话内容，自动识别关键医学术语并生成结构化病历记录，帮助医生减少了 73% 的文档书写时间。Freed AI 的愿景是打造全球顶尖的 AI 医疗助手。来源：Z Potentials

 

12 月 24 日·周二

马斯克 xAI 完成 60 亿美元新一轮融资，与特斯拉、SpaceX 共建 AI 生态

马斯克旗下 xAI 公司宣布完成 60 亿美元 C 轮融资，主要投资方包括 A16Z、Blackrock、富达管理研究公司等知名机构。英伟达与 AMD 作为战略投资者继续为 xAI 的基础设施扩展提供支持。本轮融资所获资金将用于加速基础设施建设、推出面向数十亿用户的突破性产品以及核心技术研发，助力公司实现其发展使命。xAI 新一代旗舰模型 Grok 3 目前正在紧锣密鼓地训练中，未来将推出融合 Grok、Colossus 与 X 平台能力的新产品，全面改变人类的生活、工作与娱乐方式。来源：X.ai

「像素绽放 PixelBloom」完成国家队 B2 轮融资，全力打造全球 AI 办公软件超级工场

AIGC 科技企业"像素绽放 PixelBloom"正式完成 B2 轮融资，本轮融资由北京市人工智能产业投资基金领投。所获资金将主要用于产品研发与市场拓展，公司目标是打造全球 AI 办公软件超级工场。旗下 AiPPT.com 等产品通过 AI 辅助 PPT 制作，目前已在全球积累超过 1000 万用户。公司正从单一产品向平台化战略转型，致力于构建完整的 AI 办公软件生态，推动行业整体发展。来源：36 氪 Pro

Hume AI 推出新一代语音语言模型 OCTAVE，可捕捉微妙的情绪线索

Hume AI 正式推出新一代语音语言模型 OCTAVE。该模型在语言准确性与情感理解能力之间实现了深度融合。OCTAVE 整合了 Hume AI 自研的 EVI 2 语音语言模型、OpenAI 的语音引擎、ElevenLab 的 TTS 语音设计以及 Google DeepMind 的 NotebookLM 等多项技术能力，旨在大幅提升 AI 交互的真实性与丰富度。模型采用多模态神经架构，经过超过一百万份情感语音样本的精心训练，能够精准识别微妙的情绪线索。来源：竹江AI导航

 

12 月 23 日·周一

上海国资联手腾讯投资，"大模型六虎"阶跃星辰获数亿美元 B 轮融资

AI 大模型独角兽企业阶跃星辰正式完成数亿美元 B 轮融资，投资方阵容包括上海国有资本投资有限公司、腾讯投资等知名机构。本轮融资所获资金将主要用于基础模型研发，持续强化多模态与复杂推理能力，并进一步拓展 C 端应用场景。公司由微软前全球副总裁姜大昕博士领衔，致力于实现 AGI 目标，目前已发布多款自主研发的基座模型，并与多家行业头部企业达成深度合作。来源：钛媒体 AGI

OpenAI 最强推理模型 o3 重磅发布！AGI 测试能力大幅跃升，数学难题表现碾压同行

OpenAI 在第 12 天发布会直播中正式推出最强推理模型 o3，并宣称该模型已接近通用人工智能（AGI）水平。o3 在 ARC-AGI 测试中取得了 87.5% 的得分，成绩远超 GPT-3 与 GPT-4o。o3 提供完整版与 mini 版两种规格，其中 mini 版将于 1 月底正式推出。在编程竞赛平台 Codeforces 中，o3 得分 2727；在数学基准测试 AIME 2024 中准确率高达 96.7%。OpenAI 还将与 ARC-AGI 基金会合作，共同构建下一代基准测试体系。来源：竹江AI导航

小红书推出 AI 搜索新产品"点点"，主打生活服务场景

小红书近期推出了一款名为"点点"的 AI 搜索产品，主打生活场景搜索服务，目前已在各大应用商店正式上线。其核心功能包括：基于自动定位推送旅游攻略、美食景点问题智能解答、AI 全网信息总结以及视频形式回复。此外，小红书还在搜索栏中测试"问点点"功能，进一步整合 AI 搜索能力。来源：竹江AI导航

 

12 月 20 日·周五

谷歌通用推理模型全新登场：思考速度比同类模型快 5 倍，能解摩斯密码，数学物理难题秒出结果 谷歌正式发布"Gemini 2.0 Flash Thinking"AI 推理模型。该模型能够以极快速度解决复杂问题，并实时展示完整思考过程。在数学、代码、指令跟随等多个领域表现卓越，综合排名第一。模型目前支持 32k 上下文窗口，暂不联网，未来将提供更长 token 支持与更多工具调用能力。该模型已在谷歌 AI Studio 平台免费开放试用。来源：竹江AI导航

AI 编程助手 Cursor 再获 1 亿美元融资，估值飙升至 26 亿美元

AI 编程助手 Cursor 背后的开发公司 Anysphere 完成 1 亿美元 B 轮融资，公司估值已达 26 亿美元。公司营收从 4 月的年化经常性收入 400 万美元，增长至 10 月的每月 400 万美元。同时，Cursor 0.44 版本正式发布，主要更新包括代理性能优化、Yolo 模式以及光标标签改进，让代码变更审查更加直观便捷，全面提升用户体验。来源：竹江AI导航

ElevenLabs 推出 Flash 语音对话模型：仅 75 毫秒延迟，支持 32 种语言

ElevenLabs 推出最新人声合成模型 Flash，号称是目前市场上速度最快的文本转语音解决方案，端到端延迟仅为 75 毫秒，特别适合对延迟要求严苛的对话式语音助手场景。Flash 模型提供两个版本：Flash v2 仅支持英语，Flash v2.5 则支持 32 种语言。在音质与情感深度方面略逊于 Turbo 模型，但在速度表现上，Flash 在盲测中脱颖而出。来源：竹江AI导航

快手可灵 1.6 模型正式发布：文本响应度、画面美感及运动合理性均有"显著提升"

可灵近日推出 1.6 版本，在图生视频能力上实现了质的飞跃。本次更新重点聚焦于物理规律真实感、人物运动表演以及语义理解能力的大幅提升。新版本在切食物、倒茶、跳舞等动作的物理反馈表现尤为出色，人物表情与动作细节也更加丰富自然。文本响应度、画面美感及运动合理性均实现了显著提升。来源：IT 之家

苹果 Mac 用户迎来福音！ChatGPT 深度集成系统应用，支持 Xcode、Notion 等 30+ 应用

OpenAI 在第 11 天直播中宣布 ChatGPT 与 Mac 应用的深度集成，重点优化了编程与写作场景。现在，用户只需通过简单的复制粘贴操作，即可与 Warp、Xcode 等应用协同工作，无需进行详细指令沟通即可完成任务。此外，ChatGPT 还支持在语音模式下与 Notion、Apple Notes 等应用联动。新功能已在 Mac 最新版 ChatGPT 应用中推送，Windows 用户仍需耐心等待。来源：量子位

国家电网发布国内首个千亿级多模态电力行业大模型 国家电网正式发布国内首个千亿级多模态电力行业大模型——"光明电力大模型"。该模型参数规模达到千亿级别，具备电力知识记忆理解、多模态融合分析等核心能力，被誉为能源电力领域的人工智能"专家"。模型已通过中国信通院、电子标准院的权威检测，专业能力达到"卓越级"水平，目前已在电网规划、运维、运行、客户服务等多个领域落地应用，有效提升了电网安全稳定运行水平与新能源消纳能力。来源：IT 之家

华人团队重磅力作：开源生成式物理引擎 Genesis，可模拟世间万物

CMU 联合全球 20 多所研究实验室，正式开源发布 Genesis 生成式物理引擎，旨在构建能够模拟世间万物的通用物理仿真平台。该引擎能够生成 4D 动态世界，是面向通用机器人与物理 AI 应用的物理模拟平台。Genesis 支持并行模拟，运行速度比现有 GPU 加速机器人模拟器快 10 至 80 倍，具备统一的物理求解器框架，支持照片级真实感渲染与可微分性。此外，引擎还支持生成式模拟，可通过语言提示生成多种模态数据。来源：竹江AI导航

 

12 月 19 日·周四

人人可用的 AI 编程助手：免费版 GitHub Copilot 正式上线，VS Code 每月享 2000 次代码补全 微软旗下 GitHub 正式推出免费版 GitHub Copilot，支持开发者在 Visual Studio Code 中免费使用 AI 辅助编程服务。全球 1.5 亿开发者自此可在 VS Code 中体验 AI 编程。免费订阅权益包括每月 2000 次代码生成与补全，以及 50 次编程问题解答。用户可自由选择 Anthropic 的 Claude 3.5 Sonnet 或 OpenAI 的 GPT-4o 模型，同时支持第三方智能体接入。来源：IT 之家

蚂蚁团队自研「智能开发神器」WeaveFox，助你秒变"代码大师"！ 蚂蚁团队自研的前端智能研发 AI 工具 WeaveFox，能够根据设计稿直接生成前端源代码。WeaveFox 基于蚂蚁百灵多模态大模型打造，支持多端与多技术栈适配，涵盖控制台、移动端 H5、小程序等场景，以及 React、Vue 等主流框架。工具支持二次微调，追求设计稿的一比一精准还原，致力于为前端开发带来高质量、高效率、高产出的全新研发体验。该产品预计将于明年正式对外开放。来源：竹江AI导航 OpenAI 加速普及 ChatGPT：开通免费热线电话，老人机也能轻松使用 ChatGPT

OpenAI 直播第 10 天，正式在美国推出 ChatGPT 热线电话服务，号码为 1-800-ChatGPT（亦可拨打 1-800-242-8478）。每月可免费通话 15 分钟，支持智能手机、老人机及座机等各类电话设备与 ChatGPT 进行语音对话。此外，OpenAI 还将 ChatGPT 集成至 WhatsApp 平台，用户向该号码发送消息即可获得智能回复，负责解答问题的底层模型为 4o mini。来源：量子位

影石发布 AI 双摄视频会议一体机 Connect，让会议协作更轻松

影石 Insta360 正式发布智能双摄视频会议一体机 Insta360 Connect。设备集成 4K 双摄、14 阵列麦克风与扬声器，搭载自研 AI 算法，专为 6 至 14 人的中小型会议及教育场景提供专业解决方案。产品支持发言人自动切换与单人追踪功能，提供多种会议模式选择，兼容主流会议平台，并内置智能白板功能。来源：竹江AI导航

微信公众号新增"作者朗读音色"功能：一键生成作者音色全文音频 微信近日推出"作者朗读音色"全新功能，支持用户在阅读公众号文章时，通过点击"听全文"按钮即可收听以作者本人音色朗读的文章。作者需在"公众号助手"App 中录制例句，系统将据此复刻其语气与情感特征，创建个性化语音模型。该功能目前处于灰度测试阶段，后续将逐步向全体用户开放。来源：微信派

小猿学练机正式发布：墨水屏+AI 教育大模型，手写延迟突破 20 毫秒大关 猿辅导正式发布小猿学练机，深度集成 AI 教育大模型，为学生提供个性化学习支持。设备整合 296 个教材版本、15 亿题库与 3 亿精讲视频，全新升级六维能力图谱，大幅提升 AI 数据处理效率。K12 阶段机型采用 EPD 墨水屏设计，低龄儿童机型则配备 10.3 英寸 Kaleido3 KHS 彩色墨水屏。手写延迟低至 19 毫秒，搭载高通 8 核处理器，支持 27 天超长续航，售价 4899 元。来源：小猿智能设备

 

 

12 月 18 日·周三

豆包大模型家族全面升级，重磅发布视觉理解模型 字节跳动旗下火山引擎正式发布豆包大模型家族全面升级版本，其中 视觉理解模型可同时处理文本与图像问题并给出准确回答，大幅降低了开发流程的复杂度。该模型在教育、旅游、电商等领域具有广泛应用前景，定价为每千 tokens 0.003 元，比行业平均价格低 85%。同时，豆包通用模型 pro 新版本在多项任务处理能力上均实现显著提升。火山引擎还推出了全域 AI 搜索与大模型记忆方案，全面助力企业智能化转型。来源：竹江AI导航

AI 数据分析公司 Databricks 豪融 728 亿！刷新 AI 融资新纪录

AI 数据分析公司 Databricks 宣布 J 轮融资目标规模达 100 亿美元（约合人民币 728 亿元），目前已完成 86 亿美元，超越 OpenAI 此前 65 亿美元的融资记录，创下全球 AI 初创企业融资新纪录。本轮融资完成后，Databricks 估值达到 620 亿美元，预计 2025 年自由现金流将首次实现转正。公司计划将所获资金用于 AI 产品开发、战略性收购及国际市场拓展，以满足持续增长的市场需求。来源：智东西

Meta 推出 Apollo 开源模型，让 AI 真正"看懂"视频

Meta 联合斯坦福大学共同推出 Apollo 系列 AI 模型，旨在提升机器对视频内容的深度理解能力。Apollo 模型包含两个核心组件，分别负责处理视频帧与跟踪对象及场景变化，通过在视频片段间添加时间戳来保持时间感知能力。模型采用分阶段训练方法，充分印证了训练策略对最终效果的重要影响。Meta 通过优化数据组合发现，当文本数据与视频内容的比例保持在 10% 至 14% 之间时，语言理解与视频处理能力可达到最优平衡。来源：竹江AI导航

AI 视频生成工具 PixVerse 上线视频生视频功能，畅享无限延长创作乐趣

爱诗科技推出的 AI 视频生成工具 PixVerse 正式上线 Video to Video（视频生视频）功能，可基于实拍视频或影视片段进行延长生成，进一步拓展了 AI 视频创作的边界。登录 PixVerse 平台，上传视频素材，选择特效或直接输入提示词，即可体验无限延长的创作乐趣！来源：竹江AI导航 OpenAI o1 推理模型 API 全面开放，成本直降 60%，定制能力再升级

OpenAI 在第 9 天直播中宣布 o1 模型 API 全面开放，调用成本降低 60%，同时具备更高的可定制性，新增函数调用、开发者消息及图像分析等多项功能。GPT-4o 音频成本降低 60%，mini 版本价格更是下调 10 倍。OpenAI 还推出了偏好微调方法，通过成对样本比较学习使模型更好地适配特定应用场景。实时 API 支持 WebRTC 协议，大幅简化开发流程，降低接入成本，并提供 Python SDK 支持，全面提升开发效率与模型性能。来源：IT 之家

 

12 月 17 日·周二

智谱完成 30 亿元新一轮融资，2024 年商业化收入实现翻倍增长

AI 独角兽企业"智谱"正式完成 30 亿元新一轮融资，投资方包括战略投资机构与国有资本，老股东君联资本亦参与跟投。所获资金将主要用于大模型核心技术研发，持续提升复杂多模态任务的处理能力。2024 年智谱商业化收入实现翻倍增长，其中 API 年收入增长超过 30 倍，智谱清言预计年收入突破千万，用户规模超过 2500 万。来源：智能涌现

图森未来开源图生视频大模型"Ruyi"，RTX 4090 即可流畅运行 图森未来正式发布"Ruyi"图生视频大模型，并开源 Ruyi-Mini-7B 版本。Ruyi 基于 DiT 架构打造，包含 Casual VAE 模块与 Diffusion Transformer，参数量约 7.1B，支持在 RTX 4090 等消费级显卡上本地运行。模型支持多分辨率、多时长视频生成，以及首帧控制、首尾帧控制与运动幅度调节等功能。Ruyi 旨在大幅降低动漫与游戏内容的开发周期与制作成本。来源：竹江AI导航

Meta Ray-Ban 智能眼镜迎来重大更新："实时 AI"可持续分析用户所见内容

Meta Ray-Ban 智能眼镜推送 v11 版本更新，全新引入"实时 AI"功能。该功能可持续观察用户眼前的世界并进行自然对话，无需唤醒词即可直接互动，AI 还能记住用户此前的提问并主动提供相关建议。此外，更新还包括实时翻译功能，支持英语与西班牙语、法语、意大利语之间的即时互译，以及 Shazam 音乐识别集成。来源：IT 之家

谷歌推出 AI 图像生成新工具 Whisk，支持上传多张图片以图生图

谷歌正式发布 AI 图像生成工具 Whisk。该工具支持通过上传参考图像来生成全新图像，无需编写复杂的文本提示词。用户可以分别为图像的主题、场景与风格提供多张参考图，亦可使用谷歌自动填充的 AI 生成图像作为素材。Whisk 基于谷歌最新的 Imagen 3 图像生成模型构建，旨在提供快速便捷的视觉探索体验，支持用户对生成结果进行编辑与优化。来源：竹江AI导航

全球最大仓储机器人公司赴港上市，蚂蚁集团与英特尔均为股东

作为全球最大的仓储履约 AMR 解决方案提供商，极智嘉已正式向港交所提交招股书，计划在主板挂牌上市。极智嘉已连续五年保持行业领先地位，服务全球约 770 家终端客户，其中包括 60 家财富 500 强企业。公司三年半累计营收达 59 亿元人民币，其中超过 70% 的收入来自中国大陆以外的海外市场。极智嘉专注于 AMR 解决方案研发，致力于提升供应链效率、减少人工依赖，计划将 IPO 募集资金投入研发、市场扩张及供应链建设。来源：机器人前瞻

谷歌版 Sora 升级至 Veo 2，支持 4K 高清输出！一句话精准控制镜头运动，Imagen 3 同步进化

谷歌版 Sora 正式升级至 Veo 2.0，可根据文本或图像提示生成 4K 高清视频，并精准理解镜头控制指令。新版本在物理世界模拟与人类表情还原方面均有显著提升，能够精确遵循复杂的 Prompt 指令。在 Meta 基准测试数据集 MovieGenBench 上，Veo 2.0 在整体偏好度与指令遵循方面均优于其他视频生成模型。与此同时，图像生成模型 Imagen 3 也同步获得增强，可生成风格更加多元的艺术图像。来源：竹江AI导航 OpenAI 直播第 8 天：ChatGPT Search 全面升级，免费开放，与 Her 深度打通！

OpenAI 直播第 8 天，ChatGPT 推出 Search 搜索功能重大更新，包括移动端体验优化与多模态信息搜索能力，并结合 Her 功能实现实时通话中的语音搜索。该功能基于微调后的 GPT-4o 模型构建，采用合成数据生成技术训练，将逐步向所有用户免费开放。来源：竹江AI导航

 

12 月 16 日·周一

Kimi 发布 k1 视觉思考模型，多项理科测试成绩行业领先 月之暗面

Kimi 今日正式发布 k1 视觉思考模型。该模型基于强化学习技术训练，支持端到端图像理解与思维链推理能力，覆盖数学、物理、化学等基础科学领域。在多项基准能力测试中，k1 模型表现超越全球标杆模型，目前已上线 Kimi 智能助手 App 及网页版，用户可通过拍照或上传图片体验模型的完整推理思维链。来源：竹江AI导航

腾讯微信正式发布多模态大模型 POINTS 1.5，10B 参数级别开源模型排名第一 腾讯正式发布多模态大模型 POINTS 1.5。新版本继承了 POINTS 1.0 的 LLaVA 架构，由视觉编码器、

投影器与大语言模型三部分组成。模型在效率与性能上均实现显著提升，尤其在复杂场景 OCR、推理能力及关键信息提取等方面表现突出。POINTS 1.5-7B 在全球 10B 以下开源模型评测中排名第一，成功超越 Qwen2-VL、InternVL2 等领先模型。来源：竹江AI导航

PixVerse 最新 AI 特效上线：心情不好，就来"爆炸"一下！

爱诗科技旗下 PixVerse AI 视频生成工具近期在社交平台掀起特效热潮，目前已上线 12 种变身特效，包括火爆出圈的"毒液变身""压扁""爆炸"等玩法。短短几天时间便迅速火遍抖音，收获大量用户好评。这些特效让用户能够创作既解压又充满魔幻感的视频内容，成为短视频创作者的"流量密码"。心情不好？那就来"爆炸"一下吧！进入 PixVerse，选择特效【万物皆可羊毛卷】，上传照片，即刻卷起！来源：竹江AI导航

OpenAI 推出 Projects 功能：全家桶级能力打造 ChatGPT 全新交互体验，迈向"万能应用"

OpenAI 在"OpenAI 12 天"活动第 7 天正式推出 ChatGPT 全新功能 Projects。该功能支持用户上传文件、自定义指令、分组管理聊天与数据，深度整合 Canvas 与 ChatGPT Search，全面提升使用体验。通过 Projects，用户可以更高效地完成写作、研究、编程及网络搜索等复杂任务，为多步骤任务执行奠定了基础。目前该功能已向 ChatGPT Plus、Pro 及 Teams 用户开放，企业版与教育版用户将在新年初获得访问权限。来源：竹江AI导航

久候佳音！DeepSeek 开源 DeepSeek-VL2 MoE 视觉模型：支持动态分辨率、梗图智能解析 DeepSeek 正式推出 DeepSeek-VL2 AI 视觉模型。该模型采用 DeepSeek-MoE 架构结合动态切图技术，大幅提升视觉理解能力。模型在视觉定位、梗图解析、OCR 识别及故事生成等方面均展现出全新能力。DeepSeek-VL2 在多项权威评测中取得优异成绩，支持动态分辨率图像与灵活宽高比，能够更好地理解和生成视觉内容。来源：竹江AI导航

重磅上新！阶跃星辰 Step-1o 千亿参数端到端语音大模型正式发布 阶跃星辰发布国内首个千亿参数端到端语音大模型 Step-1o。模型支持语音与文本的混合输入输出，兼具高智商与高情商，能够精准理解语音背后的情绪信息，提供专业建议与情感陪伴。Step-1o 可创作生动鲜活的故事内容，适用于新闻播报、聊天陪伴等多种场景。近期将接入跃问 App，为用户提供实时语音通话服务。来源：竹江AI导航

360 自研 AI 大模型 360gpt2-o1 正式上线，树立数学与逻辑推理新标杆

360 正式推出新一代 AI 大模型 360gpt2-o1。该模型融合多模态能力与全新推理范式，具备自我反思与纠错能力。在数学与逻辑推理任务中，360gpt2-o1 的表现超越了前代模型及 GPT-4o 等竞品。模型通过合成数据优化、后训练及"慢思考"技术，实现了推理能力的显著提升。目前已在 360 智脑 API 平台正式上线，供广大用户与开发者使用。来源：竹江AI导航

Meta 发布 Motivo AI 模型，打造更加逼真的元宇宙体验

Meta 正式发布 Meta Motivo AI 模型，通过精准控制类人数字智能体的动作表现来提升元宇宙沉浸体验。模型基于行为模仿训练，在 Mujoco 模拟器中使用 AMASS 动作捕捉数据集与 3000 万在线交互样本，通过无监督强化学习算法进行预训练，展现出更加贴近真实人类的行为模式。来源：竹江AI导航

 

12 月 13 日·周五

快手开源全球首个"多视角视频生成"工具，解锁无限视角创作可能！ 快手正式开源全球首个"多视角视频生成"工具 SynCamMaster。该工具能够从任意视点生成开放世界视频，有效解决了多视点之间的动态一致性难题。SynCamMaster 通过即插即用模块增强预训练的文生视频模型，实现多摄像机协同视频生成，确保不同视点之间的内容高度一致。工具实现了出色的视点间同步效果，可灵活扩展至新视图合成任务中。来源：竹江AI导航

巨人网络发布"千影"有声游戏大模型，全面加码"游戏+AI"赛道

巨人网络在 2024 年度中国游戏产业年会上正式发布"千影 QianYing"有声游戏生成大模型，旗下包含游戏视频生成大模型 YingGame 与视频配音大模型 YingSound 两大组件。YingGame 支持开放世界游戏角色动作交互控制与物理仿真特性，YingSound 则可为视频自动添加逼真的环境音效。巨人网络 AI 实验室将持续推进模型迭代升级，致力于推动游戏创作平权时代的到来。来源：竹江AI导航

微软推出 14B 参数小语言模型 Phi-4：专攻数学等领域复杂推理

微软近日推出 14B 参数规模的小型语言模型 Phi-4。该模型在传统语言处理能力之外，尤其擅长数学等领域的复杂推理任务。在数学竞赛题测试中，Phi-4 的表现成功超越了多个更大规模的模型（如 70B 的 Llama 3.3 和 72B 的 Qwen 2.5）。目前微软已将 Phi-4 在 Azure AI Foundry 平台上正式开放使用。来源：竹江AI导航

OpenAI 数据中心服务商 Crusoe 完成 6 亿美元融资，估值达 28 亿美元

OpenAI 的数据中心服务商 Crusoe 在最新一轮融资中成功筹集 6 亿美元，本轮融资由 Founders Fund 领投，Nvidia、Fidelity 等机构跟投，公司估值达到 28 亿美元。Crusoe 专注于开发 AI 数据中心，出租 Nvidia GPU 云服务。公司目前正在德克萨斯州阿比林建设大型数据中心园区，将为 Oracle 和 OpenAI 提供算力服务，此前已筹集 34 亿美元债务融资，用于支持配备 Nvidia 下一代旗舰芯片 Blackwell 的项目建设。来源：Z Potentials

Google 发布「虚拟现实」版 Android XR：让你把熟悉的应用"戴在头上"

Google 正式发布全新 Android XR 操作系统。该系统专为下一代计算设备打造，兼容从 VR 头显到 AI 眼镜等各类 XR 终端设备。系统以 Android 为底层基础，深度集成 AI 能力，提供沉浸式交互体验，如实时信息查询与多窗口并行操作等。Google 同步提供开发工具包，帮助开发者快速将现有 2D Android 应用适配到 XR 平台。首批搭载 Android XR 系统的设备包括三星的 Project Moohan VR 头显，以及与高通合作开发的 AR 眼镜。来源：极客公园

千寻智能一年完成三轮数亿元融资，全力构建下一代智慧劳动力 千寻智能是一家由产业老兵与清华教授联合创立的具身智能初创企业，一年内已完成三轮累计数亿元融资。公司采用"数据金字塔"模式，整合互联网视频数据、仿真数据、遥操作数据与强化学习技术，构建能够控制各类机器人执行任务的具身模型，目标是打造下一代智慧劳动力。来源：Z Potentials OpenAI 版《Her》全量来袭：实时视频对话，你的每个动作 AI 都能看见

OpenAI 直播第六天，正式推出"Santa Mode"（圣诞模式），实现了电影《Her》般的视频通话功能。用户可通过点击"雪花"图标与 AI 进行圣诞老人风格对话，开启摄像头后 AI 即可"看见"你。新功能包括实时视频通话、屏幕共享及图片上传，即日起将在 ChatGPT 移动应用中陆续推送。一周内将向所有团队用户以及大多数 Plus 和 Pro 用户全面开放。来源：量子位

 

12 月 12 日·周四

谷歌深夜重磅发布：Gemini 2.0 正式亮相，主打 Agent 与多模态能力

谷歌正式发布新一代 AI 模型 Gemini 2.0，性能达到前代 1.5 Pro 的两倍，支持多模态输入输出，涵盖图像、视频、音频等多种形式，可原生调用 Google Search、代码执行以及第三方自定义函数等工具。新模型集成了深度研究功能，能够生成复杂主题的研究报告，目前仅面向 Gemini Advanced 用户开放使用。Gemini 2.0 Flash 实验版已开放网页端试用，移动版即将推出，并将逐步扩展到谷歌旗下更多产品中。来源：竹江AI导航

造梦次元完成近亿元人民币融资，多家顶级风投与大厂联合投资

 

造梦次元完 成近亿元人民币 A 轮融资，本轮融资由锦秋基金领投，高榕创投、明势创投、商汤科技等机构跟投。公司专注于多模态 AI 驱动的内容平台建设，提供虚拟角色互动体验，用户日均活跃互动时长超过 100 分钟。本轮融资将加速技术研发与市场拓展，持续优化创作者工具，积极拓展海外市场，同时高度重视内容安全与合规建设。来源：Z Potentials

百度文库 AI 能力再升级，「专业 PPT 生成」功能正式上线！打工人的救星来了

百度文库推 出「专业 PPT 生成」全新功能，借助 AI 技术帮助用户一键生成高质量演示文稿。用户只需输入关键词或主题，即可快速获得内容明确、主题突出的专业 PPT。新功能采用商务化 PPT 版式设计，提供清晰的结构层次与视觉冲击力，支持个性化编辑，包括字体、颜色及动画效果自定义，助力职场高效汇报与晋升之路。来源：百度文库服务号

OpenAI 直播第五天，正式成为苹果 AI 的"最佳搭档"

OpenAI 与苹果达成深度合作，将 ChatGPT 全面集成进 iOS、iPadOS 和 macOS 系统。此次整合涵盖 Siri 协同、写作工具增强以及 iPhone 相机智能控制等多项功能。用户可通过 Siri 调用 ChatGPT 处理复杂任务、撰写和总结文档，还可基于视觉智能分析拍摄对象。此次合作使 OpenAI 成为苹果 AI 生态的核心合作伙伴，产品将直接触达数十亿苹果设备用户，有望深刻改变科技行业竞争格局。来源：腾讯科技

谷歌发布智能体原型 Mariner：可帮用户操作表格、在线购物

谷歌正式发布名为 Mariner 的智能体原型产品。该产品基于 Gemini 2.0 AI 模型构建，能够自主浏览网站，完成电子表格处理、在线购物等操作。Mariner 设计理念是与用户协作完成任务，例如在购物场景中可自动将商品加入购物车，但最终购买决策仍由用户确认。目前仅向少数测试者开放，处于实验探索阶段。来源：竹江AI导航

全球首个"AI 程序员"Devin 全面开放：可独立开发与修复 Bug，月费 500 美元

全球首个 AI 程序员 Devin 已全面开放使用，个人开发者与团队均可通过每月 500 美元的订阅方式获取服务，权益包括 Slack 集成、IDE 扩展插件及专属技术支持。Devin 能够熟练运用多种编程语言，独立完成网站与应用的构建、部署全流程，还能自动发现并修复代码缺陷。Devin 采用沙盒计算环境运行，内置代码编辑器与浏览器，可快速学习和适应新技术栈，精准理解复杂的编程上下文。来源：IT 之家

MidJourney 上线 Patchwork 功能：用户化身"造物主"，用 AI 构建故事宇宙

Midjourney 推出 Patchwork 叙事创作工具，打造由 AI 驱动的沉浸式故事世界。该工具面向小说作者、游戏开发者及艺术家等创作者群体，支持用户在无限画布上自由构建角色设定、视觉风格与背景故事。用户可通过 Midjourney 账户登录，创建并保存包含所有图像链接的 JSON 文件，最多支持 100 名用户实时协作共同构建故事宇宙。来源：竹江AI导航

 

12 月 11 日·周三

字节内部判断：AI 对话类产品天花板或有限，提升剪映与即梦优先级

字节跳动重新审视 AI 对话类产品如豆包的发展局限性，认为这类产品可能仅为 AI 产品发展的"中间态"。目前豆包用户活跃度不高，日均使用时长与频次增长有限，商业化前景尚不明朗。字节计划将资源向多模态产品倾斜，提升即梦产品战略优先级，探索更视觉化、更低门槛的 AI 产品形态，致力于打造 AI 时代的"抖音"。目前剪映月活高达 1.7 亿，位居全球第二。来源：智能涌现

面壁智能完成新一轮数亿元融资，CEO 称大模型行业正进入"真刀真枪"阶段 面壁智能正式完成数亿元新一轮融资，本轮融资由龙芯创投等机构联合领投，北京市人工智能产业投资基金跟投。面壁智能将加速推进端侧 AI 大模型的商业化落地，以高性能、低能耗技术服务各行各业。CEO 李大海表示，大模型技术已正式进入实战阶段，面壁智能将持续保持在端侧智能领域的竞争优势，致力于将高效 AI 技术带入千行百业。来源：钛媒体 AGI

OpenAI 直播第四弹：Canvas 全量开放，人机协作新时代正式开启

OpenAI 宣布 ChatGPT 的 Canvas 功能向所有用户全量开放，标志着 ChatGPT 从聊天工具正式升级为生产力工具。Canvas 深度整合进 ChatGPT 界面，支持用户与 AI 协同完成写作和编码项目。在 Canvas 中可直接运行 Python 代码并调用 Customgpt 能力。OpenAI 现场展示了 Canvas 的文字编辑、内容审稿、编程辅助及图片识别等丰富功能，这一变革使 ChatGPT 更像一个拥有超强智能的在线文档编辑器。来源：机器之心

文小言电脑版正式发布：支持 Windows 与 Mac 免费下载，实现双端协同

文小言电脑版正式发布，支持 Windows 与 macOS 系统免费下载，实现与手机 App 的双端协同

及消息互通。用户可一键拖拽解析多种格式文件，针对原文内容精准提问，获得有据可依的专业回答。功能全面提升文本创作效率，支持边搜索边编辑的无缝工作流。来源：竹江AI导航

DeepSeek V2 系列 AI 模型圆满收官，推出 DeepSeek-V2.5-1210，联网搜索功能同步上线

DeepSeek 官方正式推出 V2 系列收官之作 DeepSeek-V2.5-1210 ，支持联网搜索功能。模型在数学、代码、写作等多项能力上均取得显著进步，同时优化了文件上传体验。用户可在网页端体验搜索功能，API 暂

 

不支持该能力。模型能够实时分析网页信息，提供全面、准确的答案。DeepSeek 宣布 V2 系列模型正式收官，将告一段落，目前团队正在全力打造更强大的下一代基座模型 DeepSeek V3，敬请期待。来源：竹江AI导航 ChatGPT 语音负责人离职创业，深耕 AI 语音赛道，a16z 首轮豪掷 4000 万美金

前 ChatGPT 语音负责人 Conneau 正式创立 WaveForms AI，专注于打造音频大模型，计划在 2025 年之前推出可与 OpenAI 和 Google 正面竞争的 AI 音频产品。公司已获得 a16z 领投的 4000 万美元种子轮融资，致力于开发"用耳朵感受 AGI"的前沿技术，强调人机互动应与人际互动形成互补，而非相互替代。来源：Z Potentials

 

12 月 10 日·周二

字节视频生成模型 PixelDance 上线豆包，每日可免费生成 10 个视频

字节跳动自研的 PixelDance 视频生成模型已在豆包电脑版开启内测，用户每日可免费生成 10 个视频。该模型于今年 9 月底首次对外发布。根据内测反馈，10 秒视频切换 3 至 5 次镜头时效果最佳，场景与角色可保持高度一致性。豆包团队将持续优化产品体验，助力用户创作。来源：IT 之家

智源研究院开源 3D 生成模型 See3D：学习 3.2 亿帧视频后掌握 3D 生成能力 智源研究院正式推出基于无标注视频学习的 3D 生成模型 See3D。该模型采用新型视觉条件技术，能够从大规模互联网视频中生成几何一致的多视角图像。See3D 支持零样本与开放世界的 3D 生成，无需昂贵的相机标注数据，具备高效的 3D 编辑与表面重建能力。目前模型权重、训练代码及在线 Demo 均已全面开源。来源：竹江AI导航

OpenAI 正式推出视频生成王者 Sora，上线首日服务器被挤爆！

OpenAI 正式发布视频生成大模型 Sora 及新版本 Sora Turbo，支持 1080p 分辨率、最长 20 秒的视频生成，提供宽屏、竖屏及方形多种画幅比例可选。Sora Turbo 版本大幅提升了生成速度。所有生成视频均自带 C2PA 元数据用于验证内容来源。ChatGPT Plus 用户每月可免费生成 50 个 480P 视频，Pro 用户（月费 200 美元）则享有更高分辨率与更长时长的生成权益。来源：机器之心

北京国资独家投资，小米系首家工业大模型公司小雨智造获亿元 A 轮融资 北京小雨智造科技有限公司宣布完成亿元 A 轮融资，本轮融资由北京信息产业发展投资基金独家投资。公司专注于工业领域大模型与机器人技术研发，致力于为工业机器人打造"通用大脑"。小雨智造已与松下等知名企业达成合作，积极推进智能焊接机器人市场布局，同时在航空航天、船舶制造等高端制造领域持续拓展。来源：钛媒体 AGI

谷歌发布最强量子芯片 Willow：5 分钟完成超级计算机 138 亿年的计算量

谷歌宣布最新量子芯片 Willow 取得重大技术突破。在基准测试中，Willow 仅用 5 分钟便完成了一项标准计算任务，而目前最快的传统超级计算机则需要超过 10^25 年才能完成。Willow 芯片成功攻克了困扰业界近 30 年的量子纠错难题，能够在更多量子比特的情况下成倍降低错误率。来源：竹江AI导航

 

12 月 09 日·周一

商汤办公小浣熊 2.0 全新上线！AI 原生一站式创作空间正式到来

商汤科技正式推出升级版的办公小浣熊 2.0。新版本集成多项 AI 核心功能，涵盖信息检索、方案输出、文档创建与智能规划，用户通过"规划、分析、写作"三步法即可高效完成各项工作任务。升级版大幅增强了数据分析与文档解析能力，支持通过对话式交互直接生成文档，并可实时进行数据可视化与深度分析。来源：竹江AI导航

马斯克新文生图模型 Aurora 惊艳亮相！网友抢鲜实测：人物生成效果超逼真

马斯克旗下 xAI 公司短暂上线了全新文生图模型 Aurora，生成的人物图像逼真度极高且画质清晰。Aurora 能够理解简单提示词并生成高质量图像，甚至可生成受版权保护的角色及公众人物肖像。模型上线短短数小时内，已有大量网友抢先进行实测，在人物写实生成方面表现尤为出色。马斯克本人表示这只是测试版本，后续将持续改进。来源：竹江AI导航

 

英伟达发布大模型 NVILA，专注于优化推理准确性与运行效率

英伟达正式发布新型开放式视觉语言模型 NVILA。该模型专注于提升推理准确性与运行效率。与 LLaVa OneVision 模型相比，NVILA 的训练成本降低了 4.5 倍，微调所需内存减少 3.4 倍，预填充与解码延迟均降低近 2 倍。在视频基准测试中，NVILA 的表现优于 GPT-4o Mini。来源：竹江AI导航

智谱 AI 再放重磅更新！全新多模态模型 GLM-4V-Flash 免费开放！

智谱 AI 正式推出首个免费多模态模型 GLM-4V-Flash 。该模型基于 4V 系列架构打造，大幅提升图像处理精确度，同时降低了开发者使用门槛。模型支持 26 种语言，具备图像描述生成、图像分类等高级功能，可广泛应用于信息提取、内容创作等多种场景。来源：竹江AI导航

Meta 年末压轴开源大模型 Llama 3.3：700 亿参数，性能比肩 4050 亿旗舰模型

Meta 正式发布 AI 大模型 Llama 3.3。该模型拥有 700 亿参数规模，性能可媲美 4050 亿参数的 Llama 3.1。模型运行效率更高、使用成本更低，支持 8 种语言，可在标准工作站上本地部署运行。新版本采用优化的 Transformer 架构，经过 SFT 与 RLHF 双阶段微调，确保输出与人类偏好高度一致。上下文窗口长度为 128K，支持与外部工具集成调用。来源：竹江AI导航

OpenAI 强化微调技术登场：仅需几十条数据，o1-mini 性能暴涨 80% 反超 o1，奥特曼称今年最大惊喜 OpenAI 第 2 天直播正式推出全新功能"强化微调"，仅需几十个示例样本即可训练出特定领域的专家模型。CEO 奥特曼将其称为 2024 年最大惊喜。微调后的 o1-mini 模型得分提升高达 80%，性能成功超越 o1 正式版。OpenAI 已同步开启研究计划，支持开发者申请强化微调 API 的 alpha 版本内测资格。来源：量子位

马斯克 xAI 旗下 Grok AI 聊天机器人向免费用户开放，不再仅限会员专属

马斯克旗下 AI 聊天机器人 Grok 已正式向 X 平台的免费用户开放使用，每两小时最多可发送 10 条消息。

Grok 定位为幽默风格的 AI 助手，今年新增了文生图功能，底层采用 Flux 模型。来源：钛媒体 AGI

 

12 月 06 日·周五

LiblibAI × 星流：正式推出新一代自研图像大模型 Star-3 Alpha

LiblibAI 今日正式宣布推出新一代自研图像大模型 Star-3 Alpha。该模型基于 F.1 基础算法架构构建，全面提升图像精准度、色彩表现力与美学捕捉能力，生成效果兼具高级感与真实感。用户可通过星流官网、Lib 官网在线生图功能及 API 开放平台体验使用。来源：竹江AI导航

通义实验室开源 ClearerVoice-Studio：高效智能去除背景噪声

阿里通义实验室语音团队正式开源 ClearerVoice-Studio 技术框架。该框架集成语音增强、声源分离与音视频说话人提取三大核心功能。通过复数域深度学习算法，可有效消除背景噪声干扰，同时最大程度保留语音清晰度，将语音失真控制在最小范围。用户可在 GitHub 和 HuggingFace Space 上查看与在线试用。来源：竹江AI导航

谷歌 DeepMind 推出 AI 气象预测模型 GenCast：8 分钟完成 15 天天气预报

DeepMind 气象预测大模型 GenCast 相关研究成果发表于《Nature》杂志。该模型可在 8 分钟内完成未来 15 天的天气预报，准确度超越全球顶尖中期天气预报系统 ENS。GenCast 基于扩散模型与 Transformer 技术构建，空间分辨率达 0.25 度经度/纬度。在 1320 种实验条件下，GenCast 在 97.2% 的预测任务中表现优于 ENS，尤其在 36 小时以上的中长期预测中优势更为突出。来源：竹江AI导航

豆包大模型团队开源 FullStack Bench 全新代码基准，覆盖超 11 类真实编程场景 字节跳动豆包大模型团队正式开源全栈编程代码评估数据集 FullStack Bench。FullStack Bench 覆盖超过 11 类真实编程场景与 16 种编程语言，包含 3374 个评测题目，可有效评估大模型的实际代码开发能力。该基准为 AI 在真实编程场景中的表现提供了快速、可靠的评估参考。来源：竹江AI导航

OpenAI 首场直播即炸场！o1 满血版正式上线，ChatGPT Pro 订阅费：200 美元/月

OpenAI 正式发布最强推理模型 o1 满血版及配套 Pro 版本。ChatGPT Pro 订阅计划定价为每月 200 美元，

成为全球最贵的大模型订阅服务。满血版 o1 在数学推理与代码能力上均有显著提升，推理速度比预览版快 60%，支持多模态输入。Pro 版本为订阅用户提供 o1 满血版的不限量访问权限，充分展示了其在高难度科学问答领域的卓越表现。来源：量子位

 

12 月 05 日·周四

海螺 AI 推出图生视频模型 I2V-01-Live：让静态二维图像"动"起来

海螺 AI 正式推出图生视频模型 I2V-01-Live，能够将静态图像转换为动态视频。该模型基于深度学习技术打造，显著提升动作流畅度与真实感，支持多种视觉风格适配。用户只需上传 2D 插图，选择 I2V-01-Live 模型即可一键生成动态视频。来源：竹江AI导航

DeepMind 最强「基础世界模型」诞生！单张图片生成 1 分钟游戏世界，解锁下一代智能体训练

谷歌 DeepMind 正式发布第二代基础世界模型 Genie 2。该模型可从单张图片生成长达 1 分钟的可交互 3D 游戏世界，支持键盘鼠标实时操作，能够模拟复杂的物理交互与环境效果，为具身智能体提供近乎无限的训练数据。Genie 2 展现出丰富的涌现能力，包括物体交互、角色动画、物理效果模拟等，为 AI 研究与游戏开发开辟了全新可能。来源：新智元

谷歌领跑 AI 视频生成赛道：抢先 OpenAI Sora 推出 Veo 模型，支持生成 1080P 高清视频 谷歌宣布在 Vertex AI 平台上正式推出 Veo 模型的私人测试预览版，面向企业客户开放。Veo 模型可根据文本或图像提示生成 1080p 高清视频，提供多种视觉风格选择。Veo 生成的视频逼真度极高，例如狗狗的毛皮与项圈在运动中保持高度一致，几乎难以区分是否由 AI 生成。来源：IT 之家

OpenAI 官宣 12 天 12 场新品发布会

OpenAI 宣布将举行为期 12 天的系列发布活动，活动期间每天都会推出一款新产品或新功能。本次发布阵容备受期待，将包括万众瞩目的文字转视频工具 Sora 以及全新推理模型。OpenAI CEO 透露，平台周活跃用户数已超过 3 亿，目标是到 2025 年增长至 10 亿。来源：财联社

红杉美国最新洞察：2025 年将是 Agent 元年！AI 智能体正式进入"群体协作"时代

 

红杉美国合伙人 Konstantine Buhler 预测，2025 年 AI 智能体将 全面进入"群体协作"时代，由多个智能体组成的协作网络将共同完成复杂任务。他特别强调，AI 技术将在医疗与教育领域发挥关键作用，通过降低成本、提升效率，持续推动社会进步。来源：有新 Newin

 

12 月 04 日·周三

文心一言上线"深度写作"专业版功能：会自动搜索素材的 AI 写作助手

百度 AI 正式推出文心一言"深度写作"专业版。该功能可自动联网搜索素材，并智能创作个性化文章。用户还可通过上传本地资料或导入网盘文档，使生成内容更加详实具体。适用于多种文档创作场景，模板库将持续更新扩充。来源：百度 AI

刚刚！字节跳动豆包正式上线图片理解功能，大模型加速迈向多模态

字节跳动豆包 App 与 PC 端正式新增图片理解功能。该功能能够智能识别图片内容并回答相关问题，例如景点位置查询、动漫人物身份识别等。这标志着 AI 大模型正加速向多模态方向演进，实用性大幅提升。目前豆包已成为中国日活用户规模最高的 AI 大模型产品，AI 应用行业月活跃用户规模同比增长达 373%。来源：钛媒体

亚马逊年末重磅发布：6 款大模型、3nm AI 芯片、全球最大 AI 计算集群，苹果罕见站台支持 亚马逊在 AWS re:Invent 大会上宣布将推出 6 款全新大模型及 3nm 工艺第三代 AI 训练芯片 Trainium3，同时发布最强 AI 服务器 Trn2 UltraServer。Amazon Nova 系列模型涵 盖文本、图像与视频三大模态，其中 Reel 模型支持生成 6 秒短视频。AWS 还与 Anthropic 合作共建全球最大 AI 计算集群，Bedrock 服务本次更新包括自动推理检查、多 Agent 协作及模型蒸馏等多项新功能。来源：智东西

即梦 2.1 模型上线，一键生成图文融合设计图

字节即梦 AI 正式发布全新绘图模型 v2.1，10 秒内即可一键生成中文海报。新版本攻克了中文文字嵌入难题，支持直接在图片上绘制中英文字体，兼具高审美水准与强大泛化能力。用户只需通过简单描述即可生成个性化海报，但需注意避免抄袭侵权。来源：竹江AI导航

The Browser Company 计划推出全新 AI 浏览器 Dia

The Browser Company 计划于 2025 年正式推出新款 AI 网络浏览器 Dia。Dia 内置丰富的人工智能功能，例如从互联网实时获取事实信息、提供写作灵感参考、智能总结网页内容，还能从已打开的标签页中自动提取关键信息，如亚马

 

逊商品链接，并一键插入电子邮件。来源：竹江AI导航

WPS Office 推出 WPS AI 语音速记功能

WPS Office 正式推出 WPS AI 语音速记功能。该功能由 WPS AI 技术驱动，与 WPS 云文档深度整合。支持实时录音转写与音频文件导入转文字，可实现中英等多种语言的即时互译，确保录音文件完整无损。声纹识别与 AI 自动摘要功能显著提升了转写准确率与处理速度，提供无缝流畅的使用体验，同时保障高安全性。来源：竹江AI导航

 

12 月 03 日·周二

腾讯正式发布 AI 视频产品：腾讯混元文生视频，下月将推出图生视频模型 腾讯今日正式推出"腾讯混元文生视频"AI 视频生成工具。该模型在指令遵循、动态表现及画面稳定性等方面均表现出色，尤其在科幻、魔幻风格创作上令人眼前一亮。用户可在腾讯元宝 App 中免费体验，每日提供 3 次免费生成额度。同时，腾讯混元文生视频已在 Hugging Face 和 GitHub 上正式开源，开放 130 亿参数的模型权重与推理代码，供开发者免费使用。来源：竹江AI导航

全面对决 Suno：国产 AI 音乐三巨头的突围之战

国内 AI 音乐领域三大头部产品——字节跳动的海绵音乐、昆仑万维的天工 SkyMusic 以及趣丸科技的天谱乐，正与全球顶级产品 Suno 展开激烈竞争。各家纷纷推出个性化音乐生成、多模态智能配乐等创新功能，持续降低音乐创作的专业门槛。来源：钛媒体

快手预告"可灵 AI"导演共创计划作品 12 月 6 日上线：联合李少红、贾樟柯、叶锦添、薛

晓路等知名导演

快手宣布"可灵 AI"导演共创计划作品将于 12 月 6 日正式上线。该计划自 9 月 9 日启动，由 9 位知名导演联合发起，涵盖多种题材类型。9 部短片全部由可灵 AI 完成视频生成。目前可灵 AI 服务用户已超过 500 万，累计生成视频 5100 万个、图片 1.5 亿张，商业化单月流水突破千万元人民币。来源：IT 之家

全网热议的李飞飞世界生成模型，真的能够构建物理世界吗？

李飞飞创立的空间智能公司 World Labs 正式发布世界生成模型，这是一套能够从单张图片生成 3D 物理世界的 AI 系统，一经发布便引发 AI 学术界与产业界的广泛热议。该技术的突破性在于能够直接生成三维场景，严格遵循物理规则，具备真实的深度感与空间感，可实现场景级别的精细控制与动态效果模拟。来源：腾讯科技

OpenAI 考虑在 AI 产品中引入广告业务

OpenAI 首席财务官 Sarah Friar 透露，公司正在评估在 AI 产品中引入广告的可能性，积极寻求新的收入增长点。她同时表示，目前并无立即推进广告业务的具体计划，公司对探索其他收入渠道持开放态度。广告经验团队已吸纳多位曾在 Instagram 及谷歌搜索广告团队任职的核心成员。目前，OpenAI 的主要收入来源包括 AI 模型 API 调用费用、ChatGPT 会员订阅收入以及与微软的合作收益。来源：第一财经

360 推出自研 360 智脑 7B 参数大模型升级版

360 公司正式推出自研 AI 大模型 360 智脑 7B 参数升级版——360Zhinao2-7B。新版本在中英文通用能力、数学逻辑推理能力等方面均实现显著提升，在国内外同尺寸开源模型评测中多项能力排名第一。模型基于 Transformer 架构，采用自注意力机制与多项优化策略，目前已在 GitHub 和 HuggingFace 模型库正式上线。来源：竹江AI导航

 

12 月 02 日·周一

微信公众号后台新增"AI 配图"功能：支持文章内配图与封面配图 微信公众号后台近期推出"AI 配图"全新功能。创作者只需通过简单的文字描述，即可在十几秒内生成四张风格与比例均可调节的候选图片，用于文章配图。该功能大幅提升了内容创作效率，同时有效规避了图片版权风险，增强了内容生产的安全性。此外，文章封面图也已支持 AI 配图生成。来源：IT 之家

 

ChatGPT 迎来两周岁，OpenAI 十亿用户计划正式曝光！

ChatGPT 已经满两周岁了！OpenAI 下一个战略目标直指十亿用户量级，预计明年将正式推出 AI 智能体产品。就在生日当天，马斯克还送上了一份"大礼"：一份阻止 OpenAI 全面盈利的诉状。来源：新智元

实测腾讯元宝 2.0：图文视频全能搜索，论文绘画一站式搞定

腾讯元宝 2.0 迎来全新升级，深度集成 AI 搜索、智能阅读、AI 生图等核心功能，全面打通公众号、视频号等内容资源，提供深度研究与脑图整理等专业服务。新增创意绘画、灵感图库、AI 美照等图像功能，以及应用广场。同时整合腾讯文档、电脑管家、搜狗输入法等腾讯系产品，全面提升工作效率与用户体验。来源：量子位

可灵 AI 新增「AI 换衣」功能！1.5 模型同步支持「首尾帧」控制

可灵 AI 推出全新"AI 试衣"功能，用户仅需上传 2 张图片即可解锁全新穿搭造型。1.5 模型支持高品质视频制作，新增"首尾帧"控制功能，5 秒与 10 秒时长均支持首尾帧自定义设置。同时，可灵 AI 正式上线「灵感学院」板块，新手入门免费课程帮助用户快速上手可灵 AI。来源：可灵 AI

对话智谱 CEO 张鹏：业界对大模型期待过高，Scaling Law 仍有巨大增长空间

智谱 AI CEO 张鹏认为，当前业界对大模型的期待确实偏高，但 Scaling Law 仍有很大的增长潜力。智谱 AI 定位为"开放平台"，聚焦基座模型核心技术研发，目前已完成九轮融资累计近 60 亿元，未来将重点发力 AI 智能体应用，持续推动人机交互方式的深刻变革。来源：钛媒体

 

11 月 29 日·周五

智谱 OpenDay：全新发布 AutoGLM Agent 家族，用 AI 操控一切

智谱 AI 在 OpenDay 大会上正式发布 Agent 家族产品矩阵，包括升级版 AutoGLM、AutoGLM-Web 以及 GLM-PC，分别对应手机端、浏览器端与 PC 电脑端三种形态。AutoGLM 强大的"Phone Use / Computer Use"能力支持跨 App 协同操作，标志着 LLM OS 全新时代正式开启。目前 AutoGLM 已支持更多主流应用（微信、美团、滴滴、小红书、知乎、GitHub 等），能够执行复杂的跨应用任务；GLM-PC 则支持用户通过手机远程控制电脑。来源：竹江AI导航

张军：腾讯混元大模型 12 月 3 日将正式上线视频生成能力 腾讯公司公关总监张军宣布，腾讯混元大模型将于 12 月 3 日正式上线视频生成能力，用户可在 腾 讯元宝 App 中提交申请试用。企业客户可通过腾讯云服务接入，目前 API 同步开放内测申请。同时，腾讯还将开源该视频生成大模型，参数量为 130 亿。来源：IT 之家 ComfyUI 桌面客户端正式发布！支持 Mac/Windows 一键安装（附下载链接）

Comfy 团队正式推出官方 ComfyUI 客户端，支持 Windows 与 Mac 双平台，并已在 GitHub 开源。ComfyUI 客户端支持直接导入工作流与模型路径，大幅简化了环境配置流程。对于新手用户，ComfyUI 提供了丰富的上手模板，并能自动下载所需模型文件，极大提升了使用体验。来源：竹江AI导航

中国石油发布 700 亿参数昆仑大模型，联合中国移动、华为、科大讯飞共同打造

中国石油联合中国移动、华为、科大讯飞正式发布 700 亿参数昆仑大模型。模型现场展示了 43

个专业与通用应用创新场景，语言大模型参数规模从 330 亿升级至 700 亿，自然语言处理等核心能力显著提升。

同时，昆仑大模型构建了我国首个油气勘探全领域专业大模型，并按需搭建了 21

个行业场景模型。来源：中国石油报

我去华强北走了一圈，发现这里正被另一种 AI 包围

作为中国电子制造中心，华强北正悄然被 AI 技术全面渗透。市场上陆续出现了 AI 翻译机、AI 吉他、AI 手机壳等各类创新 AI 硬件产品。尽管华强北传统上以电子元器件和手机配件批发为主，但其强大的供应链组装能力，为 AI 硬件创新提供了巨大的落地潜力。来源：硅星人

小马智行纳斯达克挂牌上市，成功摘得"Robotaxi 第一股"

小马智行（Pony.ai）于 11 月 27 日正式在纳斯达克挂牌上市，股票代码"PONY"，成为全球 Robotaxi

领域第一股。公司计划以每股 13 美元的价格发行 2300 万股 ADS，融资总额可达 2.99 亿美元；若超额配售权全额行使，IPO 总募资额约为 4.52 亿美元。小马智行自 2018 年推出 Robotaxi 服务，核心技术

 

为"虚拟司机"自动驾驶系统，目前已与多家车企及出行平台达成合作，致力于推动自动驾驶技术的商业化落地。来源：

Pony.ai 小马智行

 

11 月 28 日·周四

Kimi 内测 AI 视频生成功能"Kimi 创作空间"，每天可免费生成 100 秒视频

Kimi 正式内测 AI 视频生成功能"Kimi 创作空间"。通过 12 种预设风格模板与自定义创作模式，用户可轻松制作个性化音乐视频。用户每天可免费生成 100 秒视频，支持添加个性化背景音乐与详细场景描述。Kimi 创作空间大幅简化了视频制作流程，无需任何专业技能即可创作高质量、高逼真效果的音乐视频作品。来源：竹江AI导航

阿里发布推理模型 QwQ-32B-Preview，性能超越 OpenAI o1-preview

阿里巴巴正式开源名为 QwQ-32B-Preview 的 AI 推理模型。该模型拥有 325 亿参数，可处理长达 32000 个 tokens 的超长提示词，尤其擅长数学与编程领域的复杂推理任务。在多个权威基准测试中，QwQ-32B-Preview 的表现均超越了 OpenAI 的 o1 模型。来源：竹江AI导航

月之暗面 Kimi 联合清华大学等机构，开源共建大模型推理架构 Mooncake

月之暗面 Kimi 联合清华大学等多家科研机构，共同推出大模型推理架构 Mooncake。该项目以 KVCache 为核心设计理念，通过"以存换算"的思路大幅减少算力开销，显著提升推理吞吐量。Mooncake 能够有效提升大模型处理任务的效率与性能，实现推理加速、成本降低，并更好地满足长文本处理与高并发场景需求。它就像为 AI 模型配备了一台高效节能的"加速器"，使其能够更好地服务于智能助手、数据分析等各类应用场景。来源：月之暗面

《ChatExcel Pro 使用教程》正式上线，3 分钟学会用 AI Excel 搞定所有表格问题

元空 AI 推出的 ChatExcel Pro 使用教程正式上线。教程涵盖 Excel 处理、数据运算、数据分析及图表生成四大核心板块，帮助用户通过 AI Excel 实现工作任务的自动化完成。教程配套提供练习表格与提示词模板，用户只需用自然语言描述需求，即可快速上手掌握。ChatExcel 支持多表合并、数据查找、逻辑运算等丰富功能，大幅提升数据处理速度与准确性。来源：元空 AI

Luma AI 推出全新 Dream Machine：开启自然语言交互与 AI 创作新时代

Luma AI 旗下 Dream Machine 正式推出全新 AI 交互方式，用户现在可以通过自然语言进行流畅的创作交互。新功能涵盖图像生成、视频创作及灵感激发等多个方面，其中 DM 1.6 模型支持首尾帧视频生成，Luma Photo 模型则提供内容混合与风格保持能力。Dream Machine 还特别设计了 Brainstorm 按钮助力用户激发创意思考，目前所有功能均面向公众免费开放。来源：竹江AI导航

 

11 月 27 日·周三

360 上线"纳米搜索"App，周鸿祎将与百度正面上演"AI 搜索大战"

360 集团正式发布名为"纳米搜索"的 AI 搜索应用，直接对标百度等头部搜索引擎。纳米搜索支持文字、语音、拍照、视频等多种搜索方式，底层集成了 16 款大模型，提供全方位智能解答方案。周鸿祎表示，纳米搜索将重新定义 AI 搜索，以更智能、更便捷的方式满足用户信息获取需求。来源：竹江AI导航

Hugging Face 发布 SmolVLM 开源端侧 AI 模型：仅 20 亿参数，体积小巧、运行极速

Hugging Face 于 11 月 26 日正式发布 SmolVLM AI 视觉语言模型。该模型仅 20 亿参数规模，专为设备端推理场景设计，具备体积小、速度快、内存占用低等突出优势。SmolVLM 提供三个版本：SmolVLM-Base、SmolVLM-Synthetic 和 SmolVLM-Instruct，目前已全部开源。来源：IT 之家

国产大模型首发中文逻辑推理能力，「天工大模型 4.0」o1 版正式发布 昆仑万维推出国内首款具备中文逻辑推理能力的大模型"天工大模型 4.0"o1 版（Skywork o1）。本次发布共包含三款模型，其中开源版本 Skywork o1 Open 参数为 8B，数学与代码指标显著提升，正式解锁数学推理任务能力。Skywork o1 Lite 与 Preview 版本则展现出更快的推理速度与更深层次的

 

思考能力。来源：机器之心

阿里通义万相推出图像编辑模型 ACE，一键实现专业级 P 图效果 阿里通义万相团队正式推出图像编辑模型 ACE 。该模型支持通过口语化指令一键生成与编辑图片，适用于风格化写真、分镜制作及室内设计等多种场景。ACE 模型已正式开源，兼具文生图与图像编辑能力，可达到 PS 级别的编辑效率。其局部风格化功能目前已上线通义 App。来源：竹江AI导航

创意无限：谷歌推出 GenChess，用 AI 定制专属国际象棋棋子

谷歌 DeepMind 团队推出 GenChess AI 工具，以庆祝 2024 年国际象棋世界冠军赛。用户可通过"classic"或"creative"两种模式定制专属国际象棋棋子，例如输入"cat"即可生成猫科动物主题棋子。GenChess 还支持为对手生成配套棋子，如猫对狗的趣味对局，大大增加了游戏的趣味性与个性化程度，同时支持在线对战及难度调节。来源：竹江AI导航

华为、阿里、美团等大厂纷纷入局，"具身智能"会是一场泡沫吗？ 华为、阿里、美团等中国科技巨头纷纷加速布局具身智能领域，大力推动人形机器人技术发展。尽管市场热度居高不下，但具身智能的商业化落地进程相对缓慢，多数产品仍处于试验探索阶段。专家预测，到 2030 年全球 AI 机器人市场规模将超过 2500 亿人民币，在全球劳动力日益紧张的背景下，具身智能机器人有望迎来重要发展机遇。来源：钛媒体

 

11 月 26 日·周二

通义 App 上线"局部风格化"新功能，地标建筑一夜之间换上冬装

通义 App 正式推出"局部风格化"全新功能。用户只需上传照片，即可一键对图中特定对象进行风格化处理，让北京天坛、上海武康大楼、杭州六和塔等地标建筑仿佛一夜之间"穿上"了彩色毛衣。用户可在通义 App 的频道页点击万相 AI 生图中的"局部风格化"入口体验该功能，首批上线了针织、毛绒、冰雕、陶瓷等七种风格模板。来源：通义

月之暗面 Kimi 全量上线 k0-math 数学模型，正式推出"Kimi 数学版"

据科技自媒体沃垠 AI 报道，Kimi 已全量上线 k0-math 数学模型，正式推出"Kimi 数学版"。该版本采用 Self-play RL 强化学习与 CoT 思维链技术，擅长解决数学与逻辑推理问题，智力水平堪比博士。Kimi 数学版能够理解模糊表达并进行推理或运算，实测 9 个问题表现出色，涵盖自媒体粉丝增长计算、双色球中奖概率等生活化场景。Kimi 数学版在 MATH 测试中得分 93.8，成绩超越 o1-mini 与 o1-preview。来源：沃垠 AI

强推理模型书生 InternThinker 开放体验：可自主生成高智力密度数据，具备元动作思考能力 上海人工智能实验室正式开放强推理模型 书生 InternThinker 的试用体验。该模型具备自主生成高智力密度数据与元动作思考能力。InternThinker 在数学、代码、推理谜题等复杂任务上展现出卓越的推理能力，同时具备自我反思与纠错机制。实验室通过通专融合路径，持续提升模型的深度推理能力与专业领域泛化水平。来源：书生 Intern

Claude 化身服务器打通一切！AI 自动写好代码直接发 GitHub，程序员只需动动嘴

Anthropic 公司旗下 AI 模型 Claude 现在能够作为服务器端节点，直接连接 GitHub，实现代码编写、仓库创建、代码推送等全流程操作。Claude 背后采用的 MCP（Model Context Protocol）通信协议，旨在标准化 AI 与外部数据源及工具的集成方式，提升回答质量与相关性。Anthropic 计划将 MCP 发展为行业开放标准，推动 AI Agent 与互联网生态之间的通用语言建设。来源：量子位

吴恩达出手开源最新 Python 包，一个接口即可调用 OpenAI 等多家模型

AI 领域知名学者吴恩达正式开源名为 aisuite 的 Python 包。该工具支持开发者通过统一接口调用 OpenAI、Anthropic、Google 等多个 AI 提供商的大语言模型。用户只需修改一个字符串参数，即可轻松切换和测试不同模型。目前已支持聊天补全功能，未来将扩展至更多应用场景。来源：机器之心

AI 音频领域的"瑞士军刀"：英伟达推出 Fugatto，音乐创作新神器

英伟达正式推出 AI 音频生成模型 Fugatto ，被誉为 AI 音频领域的"瑞士军刀"。该工具能够根据

 

文字描述或音频输入生成音乐片段、环境音效，并可调整人声口音与情感色彩，甚至创造全新的声音效果。Fugatto 为音乐创作者提供歌曲主唱分离、乐器添加、旋律改编等丰富功能，极大拓展了音乐创作的想象空间。来源：IT 之家

中国工程院院士邬贺铨：AI 正从模型层走向"智能体"，具身智能不等于 AGI 邬贺铨院士认为，上云仅是大模型落地的重要环节，但并非唯一环节。仅依靠上云（计算平台）无法完全解决大模型落地问题，还需要向智能终端下沉。如果终端设备能够自主实现文生图、文生视频等能力，将有力带动新一轮手机设备的更新迭代。来源：钛媒体

 

11 月 25 日·周一

Cursor 0.43 版本引入 Agent 功能：全面理解并编辑整个项目，自动完成开发任务

AI 编程工具 Cursor 正式发布 0.43 版本，全新引入 Composer Agent 功能。该功能具备项目级理解与编辑能力，可自动执行代码开发任务。同时推出 Bug Finder 功能，帮助开发者提前发现并修复代码隐患。新版本还包含语义搜索、文件推荐等多项体验优化，全面提升开发效率与使用体验。来源：机器之心

新晋 AI 编程神器 Windsurf 挑战 Cursor！首创 Copilots 与 Agents 结合全新范式 美国初创公司 Codeium 推出新晋 AI 编程工具 Windsurf 。该工具创新性地将 Copilots 与 Agents 相结合，打造协作型智能体 Flow，能够深度理解代码库结构，实时感知开发者操作。新推出的 Cascade 功能支持通过语音指令完成代码编写，无需候补名单或邀请码，所有用户均可直接使用。来源：竹江AI导航

Lightricks 开源实时视频生成模型 LTX Video：4 秒生成 5 秒高质量视频

Lightricks 公司正式开源其视频生成模型 LTX Video。该模型可在 4 秒内生成 5 秒高质量视频，具备实时处理能力，可扩展至长视频生成，并能在消费级硬件上高效运行。公司联合创始人 Zeev Farbman 强调，开放技术是初创企业保持竞争力的关键，他们希望全球顶尖大学能够使用并扩展该模型的功能边界。来源：竹江AI导航

阿里发布开源 AI 数字人项目 EchoMimicV2：一张图片生成半身数字人动画 阿里巴巴近期正式发布 EchoMimicV2 。该技术只需输入一张图片、一段手势视频与一段音频，即可基于音频剪辑、参考图片和手部姿势生成高质量数字人动画视频，实现语音与肢体动作的精准同步。EchoMimicV2 不仅将功能从数字人头部动画扩展到完整的半身数字人动画，还支持中英文双语驱动，大幅提升了画面的稳定性与流畅度。来源：竹江AI导航

Runway 获得全新技能：自由更改视频比例，静态图片也能拥有"电影级"运镜

视频生成 AI 公司 Runway 推出"Expand Video"功能，支持用户通过文本提示生成额外画面内容并调整视频比例，同时保持整体视觉风格统一。该功能支持动态运镜效果，如快速变焦与镜头拉远，让静态画面也能呈现电影般的质感。"Expand Video"功能将逐步向 Gen-3 Alpha Turbo 用户开放。来源：IT 之家

Anthropic 再获 40 亿美元新融资，生成式 AI 投资热潮持续升温

Anthropic 获得亚马逊 40 亿美元新一轮战略投资，累计融资总额增至 80 亿美元，创下全球 AI 企业融资规模新纪录。公司与 AWS 旗下 Annapurna Labs 深度合作，共同开发 Trainium 机器学习加速器，致力于提升 AI 训练硬件性能。其旗舰产品 Claude 已助力辉瑞等医药企业加速药物研发，帮助 Intuit 简化税务计算流程，同时为 Perplexity 提升搜索引擎效率。来源：腾讯新闻

喊着要干掉网站和 App 的 AI 公司们，却在豪掷数亿疯抢域名

一边宣称 AI 将取代传统网站和应用，一边却在域名市场豪掷数亿人民币——这就是当下 AI 公司的真实写照。OpenAI 以 1550 万美元重金购得 chat.com，立志将"chat"打造为新时代的"google"。安圭拉岛因拥有 .ai 域名后缀，从 AI 创业浪潮中斩获丰厚收益，域名收入占其 GDP 的 10% 以上。国内 AI 公司则通过注册多个备选域名的方式，积极应对这场激烈的域名争夺战。来源：硅星人

 

11 月 22 日·周五

 

阶跃星辰推出 AI 视频生成工具"跃问视频"，免费开放内测

阶跃星辰正式推出 AI 视频生成工具 跃问视频。该工具支持文生视频功能，用户一键即可生成最长 10 秒的视频内容。创作主题涵盖城市风光、科幻未来、自然景观等多个领域，跃问视频还提供创意灵感推荐与视频描述智能优化服务，持续提升生成内容的质量。目前已开放内测申请，用户可免费体验。来源：竹江AI导航

重磅消息！OpenAI 考虑开发 AI 浏览器，已成功聘请两位 Chrome 浏览器创始人

OpenAI 正积极考虑开发一款深度融合聊天机器人能力的 AI 浏览器，目前已与多家网站及应用开发商就搜索功能合作展开洽谈。公司还成功聘请了两位 Chrome 浏览器核心创始人，若浏览器产品正式推出，将直接成为 Google 的强劲竞争对手。来源：Z Finance

谷歌 Gemini 突发试验版模型：重回竞技场第一，新版 GPT-4o 只领先了短短 1 天

谷歌与 OpenAI 的模型竞争再度升级。谷歌发布 Gemini-Exp-1121 试验版模型，一举超越 OpenAI 的 GPT-4o ，重回竞技场排行榜榜首。Gemini-Exp-1121 在代码能力、推理能力及视觉理解能力上均实现显著提升，性能全面领先。与此同时，有用户在 ChatGPT 测试版中发现了"实时摄像"视频功能代码，预示着未来的人机交互方式可能将全面转向语音与视觉识别。来源：量子位

李彦宏：百度文库 AI 功能月活用户超 5000 万，同比增长超 300% 百度创始人李彦宏在财报电话会上宣布，百度文库 AI 功能月活跃用户已超过 5000 万，同比增长超过 300%。第三季度订阅收入同比增长 23%。百度文库与百度网盘联合推出"自由画布"协作工具，上线首日即吸引超过 20 万人预约。百度还发布了 AI 原生应用"橙篇"与"AI 文档助手"，提供文件理解、内容总结、智能问答及文档辅助写作等丰富功能。来源：百度

大模型人人皆可"炼"，讯飞星辰 MaaS 平台再降精调门槛

科大讯飞正式推出 AI 大模型定制训练平台 讯飞星辰。平台汇聚 20 多个优质模型，支持零代码微调，大幅降低精调技术门槛。平台提供模型全生命周期管理，覆盖内容创作、代码开发、逻辑推理等多种应用场景。近期，平台在模型与数据集丰富度及功能特性方面完成全新升级，数据工程能力进一步增强，支持多种数据集格式，并提供高级参数配置选项，充分满足专业开发者的深度定制需求。来源：竹江AI导航

 

11 月 21 日·周四

智谱 CodeGeeX 好友助力活动正式开启，赢积分即可兑换 iPhone 16

CodeGeeX 于 11 月 21 日正式启动好友助力活动，奖品阵容包括 iPhone 16、大疆 Pocket、Switch 等惊喜好礼。用户通过分享专属邀请码邀请好友参与，累计积分即可解锁对应奖品。活动为期一周，老用户邀请新用户可获得额外积分奖励，积分排名靠前的用户更有机会赢取丰厚大奖。了解活动详情。来源：竹江AI导航

推理模型 DeepSeek-R1-Lite 预览版上线，号称媲美 OpenAI o1-preview

DeepSeek-R1-Lite 推理模型预览版正式上线，官方宣称推理效果可媲美 OpenAI o1-preview。该模型在数学、代码及逻辑推理任务上表现优异，尤其在 AMC、AIME 及 Codeforces 等编程竞赛中成绩超越 GPT-4o 等主流模型。目前仅网页端可体验，官方计划未来将正式版完全开源，并提供 API 服务。来源：竹江AI导航

扣子 Coze OpenAPI 进军智能语音领域，提供音色克隆等丰富功能

扣子 Coze OpenAPI 正式进军智能语音赛道，提供低延时、定制化、随时打断及音色克隆等核心能力。该技术深度整合扣子强大的智能体生态，支持无限对话游戏、天气新闻查询、口语练习等多种场景。通过智能语音对话 OpenAPI，开发者可将实时智能对话能力轻松集成到自有应用中，如微信小程序、互动游戏等。目前处于内测阶段，可免费申请接入。来源：机器之心

微软发布 AI Shell 工具，为命令行插上 AI 的翅膀

微软正式发布 AI Shell 命令行工具，借助 AI 能力简化编码流程、排查错误并自动化工作流，为开发者与 IT 专业人员提供智能化的命令行操作体验。该工具核心由 Azure OpenAI Agent 与 Copilot in Azure Agent 两大 AI 智能体组成，支持自然语言查询、代码自动生成及 Azure CLI 命令智能推荐。来源：

 

IT 之家

OpenAI 重夺竞技场第一：新版 ChatGPT-4o 登顶，击败谷歌 Gemini

OpenAI 在新加坡开发者日上正式发布新版 ChatGPT-4o，重点提升创意写作能力，在竞技场排行榜中重夺第一。新版 4o 在创意写作、代码能力及高难度任务处理等方面均有显著提升，胜率大幅上涨。同时新增敏感话题内容政策护栏功能，确保对话内容安全合规。来源：量子位

估值超 3500 亿！马斯克 xAI 再融 355 亿，全部用于采购英伟达 GPU

特斯拉 CEO 埃隆·马斯克旗下 xAI 公司在最新一轮融资中筹集 50 亿美元，公司估值达到 500 亿美元。新获资金将全部用于采购 10 万块英伟达芯片，持续扩建 AI 数据中心。xAI 核心产品 Grok 聊天机器人年化收入已达 1 亿美元，计划于 12 月推出性能更强大的 Grok-3 版本。来源：智东西

快手可灵 AI 月营收破千万，累计服务用户超 500 万

快手 AI 产品 可灵 自今年 6 月推出以来，累计服务用户已超过 500 万，累计生成视频 5100 万条、图片 1.5 亿张，月营收正式突破千万大关。快手在 AI 领域成果显著，其自研快意大模型 MoE 版本以更少的参数量实现了超越原 1750 亿参数模型的性能，在大幅降低成本的同时完美适配业务需求。来源：快手科技

 

11 月 20 日·周三

360 AI 搜索全新升级：即将推出新 AI 搜索产品，面向全网征集产品名称

360 公司创始人周鸿祎宣布，本月将推出一款全新的 AI 搜索产品，进一步拓展公司在人工智能领域的应用布局。这款新产品将在现有 360 AI 搜索基础上进行全面创新，打造更加易用的 AI 搜索工具。周鸿祎特别强调，新产品名称需以字母"N"开头，以匹配他此前购入的 n.cn 域名。来源：竹江AI导航

抖音推出 AI 分身工具，创作者的虚拟互动新搭档

抖音正式推出"抖音 AI 分身"工具，助力创作者打造专属虚拟形象与粉丝互动。该工具基于豆包大模型算法打造，AI 分身可全天候自动回复粉丝消息，功能覆盖互动空间、群聊、私信、评论回复及直播互动等全场景。目前处于内测阶段，需满足特定开通条件。应用场景十分广泛，包括虚拟直播、互动娱乐、内容创作、品牌营销等。来源：竹江AI导航

OpenAI 宣布 ChatGPT 高级语音模式正式上线网页端

OpenAI 宣布为网页端 ChatGPT 推出高级语音模式。该模式基于 GPT-4o 的音频能力构建，可与用户进行自然流畅的实时对话，并能理解非语言提示及情感信号并做出相应回应。此前该功能已在 iOS 与 Android 移动端上线，现在正式向网页端付费用户开放。来源：TechCrunch

谷歌面向 Gemini Advanced 用户推出记忆功能，智能记住用户使用习惯

谷歌正式为 Gemini Advanced 用户推出记忆功能。该功能能够智能记住用户的生活习惯、工作偏好与个人喜好等信息。与 ChatGPT 的记忆功能类似，Gemini 的记忆功能可为对话提供个性化上下文。目前仅向少数付费用户开放，且仅限网页端使用。来源：品玩

腾讯 Angel 机器学习平台荣获世界互联网大会领先科技奖

2024 年世界互联网大会领先科技奖在乌镇隆重揭晓，腾讯 Angel 机器学习平台成功斩获本年度领先科技奖。腾讯 Angel 机器学习平台攻克了万亿级模型分布式训练与推理、大规模应用部署等一系列行业难题，率先实现了大模型技术从底层硬件到关键软件的全链路自主研发。该平台已在多个业务场景广泛落地，显著推动了实体产业与数字经济发展，全面提升社会运行效率。来源：智东西

实测昆仑万维对话 AI「Skyo」：会读诗、懂梗，连雷军摆拍都知道

昆仑万维正式推出 Skyo 实时语音对话助手。该产品基于天工大模型 4.0 版本打造，具备快速响应、实时打断、情感化回应等核心能力。Skyo 在健康常识问答、情感化交流、实时资讯获取等方面表现出色，支持男女声自由切换、即兴念诗，展现出鲜明的拟人化特征。该产品将于 12 月正式上线天工 App，并接入天工搜索能力。来源：机器之心

闪极科技获数千万元 A 轮融资，新品 AI 拍摄眼镜将于 12 月 19 日发布

 

「闪极科技」正式完成数千万元人民币 A 轮融资。本轮融资由光远投资领投，未来光锥前沿科技基金与云天励飞跟投。所获资金将主要用于新品"闪极 AI 拍摄眼镜"的市场拓展、技术研发及人才团队建设。该新品将于 12 月 19 日正式发布，主打持久续航、高清拍摄、影音级质感及强大 AI 能力。来源：智能涌现

大模型六小龙首起分拆：零一万物计划独立 AI 游戏公司 零一万物正式计划分拆成立名为"绿洲"的 AI 游戏公司，由联合创始人马杰领衔负责，分拆后公司估值达数千万美元。分拆交易预计年底前完成，零一万物将继续保持最大股东地位。此次分拆旨在让绿洲公司独立融资发展，同时零一万物自身将聚焦 AI 搜索与 to B 服务方向，重点布局电商直播、智能营销等场景。来源：晚点 LatePost

微软推出 Copilot Actions：用 AI 自动执行重复性日常任务

微软在 Ignite 大会上发布了一系列全新功能，旨在进一步提升 Microsoft 365 Copilot 的智能化水平。其中最受瞩目的是 Copilot Actions，该功能目前已进入私人预览阶段。此项功能支持用户通过简单的自然语言提示，自动完成各类重复性日常工作，如总结 Teams 会议纪要、生成每周工作周报、甚至自动准备会议材料等。来源：IT 之家

 

11 月 19 日·周二

阿里发布 Qwen2.5-Turbo：支持百万超长上下文，性能提升显著

阿里通义 Qwen2.5 系列迎来重要更新，新增 Qwen2.5-Turbo 模型，支持百万级超长上下文，性能提升显著。上下文窗口长度扩展至 1M tokens，推理速度提升 4.3 倍，调用成本仅为 0.3 元/1M tokens。在长文本任务处理中，Qwen2.5-Turbo 性能超越 GPT-4o-mini，同时短文本能力保持不减。模型已在 HuggingFace 和魔搭社区上线 Demo，API 服务同步登陆阿里云平台。来源：量子位

Mistral AI 发布 1240 亿参数 Pixtral Large：目前最强开源多模态 AI 模型

法国 Mistral AI 正式开源 1240 亿参数超大多模态模型 Pixtral Large。该模型具备图像理解、视觉问答、文档解析等多项能力，支持多语言处理与 128K 超长上下文。在多个权威基准测试中，Pixtral Large 超越了包括 GPT-4o 在内的其他模型，成为目前性能最强的开源多模态模型。来源：竹江AI导航

Perplexity 推出 AI 购物助手 Shop Like a Pro：打造一键式智能购物体验

Perplexity 正式推出 AI 购物助手 Shop Like a Pro 。该工具面向美国 Pro 用户开放，支持一键搜索与购买商品，提供全面的产品调研与多平台评论分析，帮助用户做出明智的购买决策。用户可直接在 Perplexity 平台完成购买流程，并享受免费送货服务。该助手具备一键结账、视觉搜索、个性化推荐等丰富功能，所有推荐结果均由 AI 算法独立生成，不受广告商影响。来源：竹江AI导航

AI 成华为 Mate70 最大卖点？官方预告片剧透三大核心功能

华为连续发布三条预热视频为 Mate70 系列造势，每条宣传文案中均带有"Mate 有真 AI"的标签，引发外界对 Mate70 系列 AI 新功能的广泛猜测。三条视频分别对应三大 AI 功能：AI 手势、AI 分身、AI 防窥。这也是华为官宣 Mate70 发布日期后，首次集中公开的一系列功能前瞻。来源：财联社

快手可灵 AI API 能力升级：V1.5 支持输出 1080P 高清视频，V1.0 视频延长功能正式开放 快手旗下 可灵 AI 宣布 API 能力免费升级，推出支持 1080P 高清视频输出的 V1.5 高品质模型。相较于 V1.0 模型，V1.5 在画面质量、动态效果及文本响应度上均有显著提升。同时，V1.0 模型的视频延长功能正式开放，支持用户续写视频 4 至 5 秒，支持多次续写，最长可达 3 分钟，实现更加流畅自然的场景转换。来源：可灵 AI

闲鱼推出 AI 智能体，已全面应用于闲置交易全链路

闲鱼近日正式宣布推出闲鱼 AI 智能体，首次将 AI 技术深度应用于闲置交易领域。据悉，闲鱼 AI 智能体已覆盖交易全链路，包括信用体系、智能发布、托管服务、AI 模特试衣及循环商店等核心场景。AI 技术同时用于提升线下循环商店的运营效率与售后服务质量，如智能托管与 AI 小法庭等功能，有效降低了纠纷返单率。来源：腾讯新闻

银河通用再获 5 亿元融资，累计融资超 12 亿，加速具身智能机器人技术研发

 

银河通用正式完成 5 亿元人民币战略轮融资，累计融资总额超过 12 亿元。公司专注于轮式双臂通用具身机器人 Galbot G1 的研发与产业化，目前已在工业、物流、教育等领域完成落地验证，并与美团等知名企业达成战略合作。Galbot G1 能够抓取随机堆放、从未见过的透明、高光等复杂材质物体，甚至已进一步掌握了开柜子、开抽屉、晾衣服等泛化操作技能。来源：机器人前瞻

 

11 月 18 日·周一

爱诗科技 PixVerse 视频生成技术全球开放，携手伙伴共同探索 AI 视频无限可能 爱诗科技宣布旗下视频生成平台 PixVerse 文生视频、图生视频技术服务面向全球开放，致力于推动 AI 视频大模型的多元化应用发展。感兴趣的合作伙伴可通过填写申请表与官方沟通合作细节，PixVerse 期待与全球伙伴共同探索 AI 视频创作的无限可能。来源：爱诗科技

消息称抖音正推进"V"项目，涵盖直播游戏互动、AI 分身等功能

抖音目前正在推进名为"V 项目"的全新计划，旨在通过虚拟互动与游戏化玩法拓展直播与互动的边界，让平台内容更加生动有趣。项目核心包括 AI 分身功能，该功能基于豆包大模型算法打造，支持创作者培养专属 AI 分身与粉丝互动，提供 24 小时全天候在线服务。AI 分身功能还涵盖 AI 互动空间、群聊、私信、评论回复及直播互动等丰富场景。来源：Tech 星球

夸克推出"学术搜索"：每次 AI 回答可引用超过 10 篇文献内容

 

夸克今

天正式宣布上线"学术搜索"AI 产品。该产品依托前沿 AI 技术与亿级学术文献资源，将大幅提升学术工作

 

中信息获取、内容创作与文献处理的整体效率。据官方介绍，夸克与维普、知网等权威平台共同搭建了总量过亿的专业学术文献题录与全文资料库。夸克学术搜索凭借强大的大模型能力，可在每次 AI 回答中引用 10 篇以上的文献内容，实现多维度的信息归纳与知识整理，确保搜索结果的准确性与权威性。来源：IT 之家

天工大模型 4.0 O1 版（Skywork O1）将于 11 月 27 日正式启动邀测 昆仑万维集团宣布，将于 11 月 27 日正式启动天工大模型 4.0 O1 版（Skywork O1）的邀请测试。该模型是国内首款具备中文逻辑推理能力的 o1 模型，采用 4 千亿级参数 MoE 混合专家架构，后续将正式开源。天工大模型 4.0 O1 版将有力推动 AI 行业发展，全面提升模型复杂推理能力。来源：昆仑万维

月之暗面 Kimi 推出新一代数学推理模型 k0-math，对标 OpenAI o1 系列

Kimi 智能助手正式推出新一代数学推理模型 k0-math，直接对标 OpenAI o1 系列，重点强化数学难题求解能力。同时，Kimi 探索版同步升级，引入搜索意图增强、信源分析与链式思考三大推理能力，全面提升搜索效率与准确性。目前 Kimi 月活跃用户已超过 3600 万。来源：竹江AI导航

文心快码 3.0 重磅发布：集成五大智能体，三句话即可生成小游戏

百度正式发布文心快码 3.0 版本，全新集成五大智能体，涵盖代码问答、智能编码、单元测试、Debug 调试与安全检测，覆盖软件设计、编码、构建、测试全流程，显著提升开发效率与代码质量。文心快码 3.0 可通过自然

语言对话快速完成编码任务，例如 60 秒生成网页、三句话生成小游戏，大幅降低开发门槛，助力

AI 技术在各行各业的深度应用。来源：竹江AI导航

对话王诗沐：走出大厂创业做 3D AI 游戏，瞄准内容平台新机遇 网易云音乐创始人王诗沐的创业公司全灵 SEELE 正式完成千万美元 Pre-A 轮融资，本轮融资由百度战投领投。SEELE 主攻 AI 生成 3D 游戏方向，目前已推出海外产品，半年内积累近百万用户。核心团队成员来自腾讯、字节、阿里等头部互联网公司，产品规划与技术路线清晰明确。王诗沐认为技术创新比产品创新更重要，SEELE 将分阶段通过产品验证用户需求，逐步拓展为 3D 互动娱乐内容平台。来源：Founder Park

 

11 月 15 日·周五

即梦 AI 视频生成模型重磅更新：推出 S2.0 Pro 与 P2.0 Pro 两大新模型

即梦 AI 视频生成模型今日迎来重磅更新，全新推出 S2.0 Pro 与 P2.0 Pro 两大模型。S2.0 Pro 以首帧一致

 

性与细节还原能力著称，能够精准还原原作画面并融入创意元素。P2.0 Pro 则具备极强的提示词遵循能力，可将复杂创意精准转化为视频内容。用户可通过即梦 App 或官网自由选择模型，实现灵感即刻成片，畅享 AI 视频创作全新体验。来源：竹江AI导航

通义代码模式正式上线，一句话即可帮你生成应用

 

通义千问的

代码模式正式上线。新功能支持零编程基础的用户也能快速生成各类应用，涵盖前端页面、

 

设计素材、生日贺卡、数据图表、小游戏及精美简历等多种类型。代码模式背后的核心技术基于 Qwen2.5-Coder（在多项基准评测中表现优异的开源代码模型）。用户现在即可通过通义官网体验这一创新功能。来源：通义

ima.copilot Windows 版正式上线，智能工作台体验全面升级 ima.copilot，基于腾讯混元大模型开发的智能工作台产品，继 Mac 版之后，Windows 版于 11 月 15 日提前上线。该产品自 Mac 版发布以来备受用户期待，腾讯因此加快了 Windows 版的开发进程。用户可通过 ima.copilot 官网下载体验，享受更高效的智能搜读写作体验。来源：竹江AI导航

OpenAI 桌面版 ChatGPT 应用正式登陆 Windows，支持拍照识别与语音对话

OpenAI 正式发布面向 Windows 10/11 用户的桌面版 ChatGPT 应用，支持拍照识别与语音交流功能。用户可通过快捷键快速唤起，上传文件与图片进行智能问答。桌面版涵盖网页版绝大部分功能，但高级搜索与高级模式需订阅每月 20 美元的 ChatGPT Plus 才能使用。Windows 版还支持截图识别与自定义快捷键，内置 GPT-4o、DALL-E 3 等多款模型。来源：IT 之家

讯飞星火多模态交互大模型上线：数字人、语音、视觉能力一键全调用

 

讯飞星火多

模态交互大模型正式上线，实现语音、视觉、数字人交互三合一，支持一键统一调用。

 

模型首发超拟人数字人技术，能够精准匹配语音内容自动生成对应表情与肢体动作，实现跨模态语义高度一致，AI 情感表达真实自然、连贯流畅。同时支持多模态视觉交互，可全面感知背景场景、物流状态等环境信息。来源：讯飞开放平台

谷歌 Gemini 发布 iOS 版 App：深度集成灵动岛，支持 AI 语音聊天

谷歌正式推出专为 iPhone 设计的 Gemini AI 应用。该应用深度集成 iOS 灵动岛功能，支持用户通过文本或语音与 AI 进行自然互动。新版本还带来了 Gemini Live 功能，用户可直接在灵动岛与锁屏界面管理 AI 对话，无需切换应用。目前已在澳大利亚、印度、美国及英国等地区上线，国区暂未支持。来源：IT 之家

 

11 月 14 日·周四

腾讯大模型 App 元宝发布 2.0 版本：基于新一代混元 Turbo 大模型，内置 AI 搜索 腾讯正式发布元宝 App 2.0 版本。新版本基于新一代"混元 Turbo"大模型全面升级，界面焕然一新并新增 AI 应用板块。AI 搜索功能深度整合微信视频号、QQ 音乐等腾讯生态资源，搜索体验大幅提升。混元模型支持 7K 分辨率图片分析，文生图质量显著优化。元宝 2.0 还深度融入腾讯文档等生态产品，实现功能间无缝衔接。来源：IT 之家

DeepL 推出首个语音翻译解决方案 DeepL Voice，号称彻底消除虚拟会议语言障碍

DeepL 正式推出首个语音翻译解决方案 DeepL Voice。该产品支持跨语言虚拟会议与面对面对话的实时翻译。产品分为 DeepL 会议语音与 DeepL 对话语音两大模块，前者专为消除虚拟会议语言障碍设计，后者则适配移动设备随身使用。目前支持英语、德语等 13 种口语互译，以及 DeepL 翻译支持的 33 种语言字幕输出，其中包括中文。来源：竹江AI导航

灵宝 CASBOT 发布首款全尺寸双足人形机器人"CASBOT 01"，昵称"星期三"

灵宝 CASBOT 正式发布首款全尺寸双足人形机器人"CASBOT 01"，昵称"星期三"。这款通用类脑智能机器人身高 179cm，体重 60kg，拥有 52 个自由度，算力达 550T，续航超过 4 小时，可执行多种精细操作任务。这标志着人形机器人赛道迎来全新入局者，预计到 2030 年全球市场规模将达千

 

亿元级别。来源：机器之心

零提示词即可续写小说！彩云科技首创 DCFormer 架构大模型，AI 秒变网文创作神器

今日，在"From Paper to App"媒体沟通会上，AI 技术公司彩云科技正式推出首款基于 DCFormer 架构开发的通用大模型"云锦天章"，旗下 AI RPG 平台"彩云小梦"也成为首款基于 DCFormer 架构开发的 AI 产品。来源：智东西

OpenAI 或于明年春季推出"Computer Use"AI Agent，代号为 Operator

OpenAI 正计划于明年发布能够自主控制计算机并执行任务的 AI Agent，内部代号为 Operator。据报道，OpenAI 计划在明年 1 月份发布 Operator 的开发者工具与研究预览版本。几周前，OpenAI CEO Sam Altman 曾表示："我们会持续推出越来越好的模型，但我认为下一个巨大的突破将是 AI Agent。"来源：The Verge

苹果推出 Final Cut Pro 11，新增多项 AI 智能功能

苹果公司正式宣布推出 Final Cut Pro 11，为 Mac、iPad 和 iPhone 带来一系列智能新功能与创意选项，其中包括空间视频剪辑能力。Final Cut Pro 11 深度利用 Apple 芯片与 AI 能力，提供磁性蒙版、语音转字幕等专业工具，大幅提升剪辑工作效率。新版本已在 App Store 正式开放下载。来源：Apple

 

11 月 13 日·周三

智谱发布「智谱清流」企业级 AI 智能体开发平台

智谱正式推出企业级 AI 智能体开发平台"智谱清流"，助力企业快速实现 AI 应用落地。智谱清流提供 Agents 构建、Workflow 编排、知识管理等全套工具，支持 API、SDK、URL 等多种集成方式，无需编程基础即可搭建专业级 AI 应用。平台还提供全程陪跑式服务，包括专业咨询与定制化 AI 培训，帮助企业实现业务流程的全面 AI 化升级。来源：智谱 AI

Vidu 1.5 重磅发布：全球首个支持多主体一致性的多模态大模型

Vidu 1.5，全球首个支持多主体一致性的多模态大模型，颠覆传统单点微调方法，全面提升镜头理解、特效画面、动漫风格等核心模型能力。Vidu 1.5 可在 30 秒内生成高清视频，支持参考视频生视频、图生视频及文生视频三种模式，确保角色、物体、场景在视频全程保持高度一致性。清晰度新增支持 720p 与 1080p 两种规格。来源：Vidu AI

阿里在海外推出对话式 AI 搜索引擎 Accio，面向全球商家开放 阿里巴巴正式在海外市场推出对话式 AI 搜索引擎 Accio，定位为全球商家的智能采购代理。Accio 通过分析供货商资质、定制范围、价格区间等多维信息，帮助用户精准筛选合适的商家与商品。试运行期间，平台转化率提升了 20% 至 30%，商品库总量已达亿级规模。Accio 目前支持英语、德语、法语、西班牙语及葡萄牙语五种语言。来源：IT 之家

Grok 网页版正式开放，无需 xAI 会员即可免费访问

马斯克旗下 xAI 公司推出的人工智能助手 Grok 现已正式开通网页版，用户无需 xAI 会员即可免费使用。xAI Grok 聊天机器人支持 X 平台账号登录，提供 Regular 与 Fun 两种对话模式。Grok 2 模型在基础测试、数学计算与创意写作方面表现出色，同时具备实时搜索 X 平台内容的独特功能。来源：竹江AI导航

AI 代码编辑器 Cursor 母公司收购 Supermaven

据 TechCrunch 报道，AI 代码编辑器 Cursor 的母公司 Anysphere 正式收购 AI 编程助手 Supermaven，具体收购金额未对外披露。收购完成后，Anysphere 将能够推出全新的 Tab AI 模型，该模型"速度快、上下文感知强且高度智能"，尤其在长代码序列处理方面表现突出。Supermaven 现有插件将继续保留维护，但 Cursor 将成为团队未来发展的核心重点。来源：TechCrunch

秘塔 AI 推出"知识库"功能：首个将 AI 搜索与个人知识库深度结合的产品

秘塔 AI 正式推出"知识库"全新功能，支持用户将 AI 搜索结果分类收藏至不同专题，逐步构建个人专属知识库。用户不仅可以收藏秘塔生成的回答内容，还能收藏搜索到的信息源原文。秘塔同时开放了 API 接口，

 

支持用户共享与协同编辑知识库，甚至可以一键创建前端页面应用。秘塔由此成为首个将 AI 搜索与个人知识库深度融合的创新产品。来源：竹江AI导航

百度文库联合百度网盘发布 AI 创作产品"自由画布"，超 20 万人排队预约 百度文库与百度网盘联合打造的 AI 创作产品"自由画布"日前正式面向公众开启邀请测试。发布首日，即吸引超过 20 万人排队预约。在发布会上，李彦宏表示，自由画布就是一块由文心多模态大模型加持的万能白板，能够充分激发人们无限的灵感与创造力。来源：竹江AI导航

 

11 月 12 日·周二

端侧非自回归图像生成基础模型 Meissonic 正式登场，性能超越 SDXL Meissonic，一款全新端侧非自回归图像生成模型，其高效、高分辨率的图像生成能力已超越 SDXL。该模型通过增强型 Transformer 架构、先进的位置编码方案及特征压缩层等多项技术创新，在图像质量与细节表现上可与领先扩散模型相媲美。Meissonic 仅需 8GB 显存即可流畅运行，为中低端显卡用户带来了福音，同时还展现出强大的零样本图像编辑能力。来源：新智元

百度发布小度 AI 眼镜：全球首款搭载中文大模型，支持边走边问、第一视角拍摄

在今日举办的 2024 百度世界大会上，百度正式发布小度 AI 眼镜，官方称其为"全球首款搭载中文大模型的原生 AI 眼镜"。据百度官方介绍，小度 AI 眼镜具备第一视角拍摄、边走边问、卡路里识别、识物百科、视听翻译、智能备忘等丰富功能。预计小度 AI 眼镜将于明年上半年正式上市发售。来源：IT 之家

百度推出零代码 AI 开发平台"秒哒"：一句话即可生成应用

百度正式推出"秒哒"零代码 AI 开发平台，用户无需任何编程基础即可快速生成各类应用。平台支持多智能体协作及多工具、多 API 调用。李彦宏在百度世界大会上特别强调，"秒哒"与市面上现有的代码辅助工具完全不同，用户全程不需要具备编程知识。预计 2025 年 1 月初，多智能体协作版"秒哒"将正式上线。来源：竹江AI导航

Qwen2.5-Coder 深夜开源震撼全场，Prompt 编程时代正式到来！

通义千问团队正式开源 Qwen2.5-Coder 系列模型，这是一套功能强大且丰富多样的开源代码模型，涵盖代码生成、修复与推理等能力，在多个基准测试中均达到行业领先水平。该系列提供从 0.5B 到 32B 多种参数规格，其中 Qwen2.5-Coder-32B-Instruct 在多项基准测试中表现出色，可与 GPT-4o 相媲美，支持 40 多种编程语言，并在多语言代码修复能力上排名第一。来源：魔搭社区

谷歌宣布开源诺贝尔奖级化学模型 AlphaFold-3

谷歌 DeepMind 正式开源 AlphaFold-3，这是一款革命性的蛋白质结构预测模型，将极大推动生物、化学、医药领域的前沿研究。该模型能够精准预测多种生物分子结构，包括蛋白质、核酸等，预测准确率极高。AlphaFold-3 的开源将显著加速新药研发与疫苗开发进程，对整个生命科学领域产生深远影响。来源：竹江AI导航

OpenAI 大改下一代大模型方向，Scaling Law 遭遇瓶颈？AI 社区热议纷纷

OpenAI 可能正在调整其大模型发展战略方向，原因是最新旗舰模型 Orion 的性能提升不及预期，同时面临高质量训练数据储量耗尽的压力。整个 AI 行业正将重心转向训练后的模型优化，积极探索新的 Scaling Laws。OpenAI 内部对此存在争议，部分研究者认为 AI 发展速度不会放缓，而另一些人则观察到了性能提升的边际递减趋势。来源：机器之心

 

11 月 11 日·周一

一句话改图！字节豆包通用图像编辑模型 SeedEdit 正式上线公测 字节跳动在豆包大模型团队官网正式公布最新通用图像编辑模型 SeedEdit。据悉，SeedEdit 支持一句话轻松完成图像编辑，涵盖修图、换装、美化、风格转换、指定区域添加或删除元素等各类操作，只需简单的自然语言描述即可驱动模型完成任意图像编辑。目前该模型已在 豆包 PC 端 及即梦 AI 网页端同步开启测试。来源：竹江AI导航

 

Suno 发布 V4 版本音乐生成模型音频演示，音质与风格全面跃升

Suno 公司发布了其 AI 音乐生成模型 V4 版本的首批音频样本，并宣布将很快正式发布 V4 版本模型。新版本在自然音效、风格多样性及音乐一致性方面均有大幅改进。官方尚未披露具体技术规格与全新功能细节。Suno 近期新增了"角色"功能，可在生成的多首歌曲之间保持统一的音乐风格。来源：品玩

黄仁勋两万字深度访谈：希望未来英伟达拥有 5 万名员工和 1 亿个 AI 助手

英伟达 CEO 黄仁勋在深度对话中预测，个人 AI 助手将很快普及并持续进化，未来英伟达将拥有 5 万名人类员工与 1 亿个 AI 助手。英伟达的使命是构建一个无处不在的计算平台，推动人工智能向通用人工智能（AGI）方向发展。黄仁勋认为，AI 将深刻改变工作方式，对人们的职业观念产生深远影响，而 AI 安全与开源模型对整个行业的创新激活至关重要。来源：APPSO

OpenAI 押注的 1X 解锁新场景：人形机器人化身大厨煎牛排

OpenAI 投资的机器人公司 1X Technologies（简称 1X）正式推出专为家庭场景设计的人形机器人原型 NEO Beta（下称 NEO）。日前该机器人解锁了全新场景——厨房烹饪。NEO 与网红厨师 Nick DiGiovanni 进行了一场家庭烹饪对决，比赛目标是做出完美的五分熟牛排。来源：财联社

昆仑万维 SkyReels AI 短剧平台将于 12 月 10 日在美国正式上线

昆仑万维宣布其 AI 短剧平台 SkyReels 将于 12 月 10 日在美国正式上线，为北美观众带来智能短剧全新体验。SkyReels 深度集成了自研剧本生成、分镜设计、3D 生成大模型及 AI 3D 引擎，在剧本生成与角色生成方面做了大量优化，显著提升了视频生成效率与 BGM 匹配精准度，大幅降低创作门槛，积极推动 AI 娱乐市场发展。来源：昆仑万维

谷歌 AI 视频编辑应用 Google Vids 正式上线：帮你写脚本、剪片、找素材 谷歌宣布正式面向 Google Workspace 用户推出 Google Vids 应用。Google Vids 深度集成 Gemini 大模型能力，可帮助用户快速创建幻灯片、撰写视频脚本，并从 Shutterstock 素材库寻找合适的视频素材，还能为整部视频自动生成分镜头脚本。来源：IT 之家

李飞飞团队新动作：推出全新视频基准数据集 HourVideo

斯坦福大学李飞飞与吴佳俊团队正式发布 HourVideo，这是一个面向一小时超长视频语言理解的全新基准数据集。该数据集包含 500 个第一视角拍摄视频，涵盖视频总结、场景感知、视觉推理与导航定位四大类任务，共设计了 12,976 道选择题。尽管 GPT-4、LLaVA-NeXT 等多模态模型已有显著进步，但人类专家的表现仍远超这些 AI 模型，充分显示出当前人工智能在长视频多模态理解能力上的巨大差距。来源：竹江AI导航

 

11 月 08 日·周五

智谱 AI 正式推出全新 AI 视频模型"新清影"，支持 10 秒、4K、60 帧视频生成

智谱 AI 正式推出全新 AI 视频模型"新清影"，支持生成 10 秒、4K 分辨率、60 帧的高清视频，并可自动生成匹配的 AI 音效。同时，智谱将"新清影"背后的 CogVideoX v1.5 模型正式开源，积极推动 AI 视频开源社区与生态发展。智谱还将同步上线 AI 音效模型 CogSound，该模型可为视频自动匹配音效，大幅提升音效与画面的契合度。来源：竹江AI导航

即梦 AI 全新视频模型 S2.0 正式上线，全面激发创意潜能

字节跳动旗下 AI 内容平台即梦 AI 宣布，即日起字节跳动自研的视频生成模型 Seaweed 面向平台用户全面开放。用户登录后，在"视频生成"功能下，将视频模型选择为"视频 S2.0"即可体验。备受期待的 PixelDance 视频生成模型也即将上线，敬请期待。来源：竹江AI导航 OpenAI：即日起，chat.com 就是 ChatGPT 的官方入口

OpenAI 近日收购了互联网早期域名 chat.com，该域名现已重定向至其 AI 聊天机器人 ChatGPT。chat.com 最早注册于 1996 年，去年 HubSpot 联合创始人兼 CTO Dharmesh Shah 以 1550 万美元的价格购入该域名。来源：IT 之家

11 月 07 日·周四

 

阿里测试 AI 创作工具"Animode"，试水动漫智能创作 阿里巴巴正在内测一款名为"Animode"的 AI 视频创作工具，能够将现实世界视频一键转换为二次元动漫风格，人物动作与招式流畅自然。Animode 提供多种风格模板与场景选择，支持动作捕捉与实时渲染，大幅提升视频色彩表现力与动作流畅度。腾讯等公司也在推出类似工具，共同推动动漫内容的高效批量产出。来源：竹江AI导航

火山写作即将合并至豆包，原有站点将全面关停

 

火山写作官

方宣布将启动品牌升级计划，产品将逐步整合并入"豆包"。根据官方公告，本次升级

 

计划将分为三个阶段实施。自 2024 年 9 月 13 日起，AI 写作、全文润色、主题深挖等依赖大模型能力的功能将停止服务。如果用户在创作过程中需要使用这些功能，可在豆包中通过发送指令的方式完成。自 2024 年 12 月 31 日起，火山写作页面将全面关停，届时该页面将自动跳转至豆包。来源：竹江AI导航

Perplexity 即将完成新一轮融资，估值或将达到 90 亿美元

据 The Information 报道，Perplexity 新一轮融资即将完成，公司估值将达到 90 亿美元。据悉本轮融资由 Institutional Venture Partners 领投，投资金额为 5 亿美元。这是 Perplexity 今年完成的第四轮融资，而 Institutional Venture Partners 此前已多次对该公司进行投资。来源：品玩

小鹏 AI 机器人正式亮相！身高 1 米 8，搭载大模型，已进厂"拧螺丝"

小鹏汽车在 AI 科技日上正式发布 AI 机器人 Iron。这款身高 1.8 米的人形机器人拥有 62 个自由度，手部动作灵活且具备触觉反馈能力。机器人采用小鹏自研的图灵 AI 芯片与天玑 AIOS 操作系统，目前已在小鹏广州工厂投入生产线上参与小鹏 P7+ 的制造。Iron 的外观设计充分考虑了人类生理特征，旨在提升用户与社会的接受度。来源：机器人前瞻

 

11 月 06 日·周三

消息称王慧文回归美团，带队独立探索 AI 应用方向

《智能涌现》今日援引多个独立信源报道，原美团联合创始人、光年之外创始人王慧文现已正式回归美团，带队探索 AI 应用方向。王慧文所在的美团 AI 团队内部代号为 GN06。该团队目前的主要业务方向包括情感陪伴、聊天机器人等。GN06 的核心产品之一，是 2023 年 11 月上线的 AI 情感陪伴产品 Wow。来源：智能涌现

达摩院发布八观气象大模型：精度达 1 小时 1 公里，率先落地新能源场景 阿里巴巴达摩院正式发布八观气象大模型，时空精度达到 1 小时 1 公里级别，显著提升新能源电力系统的预测性能。模型融合多源气象数据，有效提高辐照度、风速等关键气象指标的预测精度，助力国网山东电力调控中心更好地应对极端天气，将新能源发电功率与电力负荷预测准确率分别提升至 96% 和 98% 以上。来源：机器之心

 

11 月 05 日·周二

智谱清言联合 AiPPT 推出 AI 生成 PPT 工具：清言 PPT 智能体

智谱清言联合 AiPPT 正式推出 清言 PPT 智能体，支持通过文本描述、上传文件或输入网址快速生成专业 PPT。清言 PPT 提供云知识库、大纲在线编辑、AI 追问优化等丰富功能，并内置多种精美模板。适用于职场人士、学生、自由职业者等各类用户，大幅提升 PPT 制作效率。来源：竹江AI导航

腾讯发布业界最大规模开源 MoE 模型及 3D 生成模型

腾讯正式发布业界最大规模的开源 MoE 大语言模型 Hunyuan-Large 及 3D 生成模型 Hunyuan3D-1.0 。Hunyuan-Large 拥有 3890 亿参数，支持长上下文处理，推理框架经过深度优化，性能处于行业领先水平。Hunyuan3D-1.0 支持通过文字描述和图像生成 3D 模型，具备良好的泛化能力，目前已在腾讯内部多个业务场景落地应用。来源：竹江AI导航

 

昆仑万维重磅发布天工 AI 高级搜索功能，打造最懂金融投资与科研学术的 AI 搜索 昆仑万维集团正式发布天工 AI 高级搜索功能，为用户提供金融投资与科研学术领域的专业级搜索体验。通过升级推理能力、优化金融投资与科研学术专业搜索效果，以及改进文档 AI 阅读分析能力，实现精准、高效的智能问答。来源：昆仑万维

Perplexity CEO 最新洞察：AI 产品除订阅外还有多元变现路径，API 成本每半年下降 50%，未

来将专注用户增长

Perplexity CEO 在 TechCrunch Disrupt 大会上深入探讨了 AI 搜索的未来趋势与产品战略。他强调 Perplexity 将根据用户真实需求持续开发新功能，逐步替代传统搜索引擎。商业化方面，他提到 AI 行业运营成本虽高，但 API 成本正快速下降，Perplexity 将探索灵活的广告变现模式，并推出 Perplexity Publisher Program，通过广告收入分成与定制 AI 助手，帮助媒体与内容创作者参与到 AI 搜索生态中来。来源：有新 Newin

马斯克旗下 xAI 放大招！Grok API 开启公测，每月 25 美金免费额度，人人可参与

马斯克旗下 xAI 公司正式推出 Grok API 公测，新用户可享受每月 25 美元的免费调用额度。新模型 grok-beta 性能大幅提升，即将推出多模态版本。预付费用户将获得额外免费额度。xAI API 兼容 OpenAI 与 Anthropic SDK，迁移成本极低。开发者可访问 console.x.ai 注册参与公测。来源：腾讯新闻

估值超 140 亿！OpenAI、贝佐斯纷纷下场，这家为机器人打造 AI"大脑"的公司获 28 亿新融资

利用 AI 技术为机器人打造"大脑"的美国独角兽公司物理智能（Physical Intelligence）宣布完成 4 亿美元（约合人民币 28.39 亿元）新一轮融资。本轮融资由亚马逊创始人 Jeff Bezos、风险投资公司 Thrive Capital 和 Lux Capital 联合领投，其他投资方包括 OpenAI、Redpoint Ventures 和 Bond，投前估值达 20 亿美元（约合人民币 141.94 亿元）。来源：钛媒体

创新能力超越 AI Scientist，上海 AI Lab「AI 科研团队」VirSci 正式发布 上海人工智能实验室正式推出 VirSci 系统，这是一个基于大语言模型的多智能体协作平台，通过模拟科学家团队协作模式来加速科研创新。与单智能体系统相比，VirSci 通过团队协作方式能够生成更具创新性与影响力的科研思路，展现出在"科学研究"辅助工具领域的巨大潜力。来源：竹江AI导航

 

11 月 04 日·周一

15 岁山东初中生出任 CTO，其开源项目刚被数百万元收购

15 岁山东初中生 zmh 正式出任 CTO，他开发的开源项目 ChatNio 刚以数百万元价格被收购。该项目集成了多个主流 AI 模型，提供全面的 AI 服务，涵盖聊天机器人、图像生成等功能，凭借高性价比积累了超过 10 万月活用户，实现每月约 5 万元净利润。zmh 虽然年纪轻轻，但已拥有 7 年项目开发经验，技能覆盖全栈开发、网络安全等多个领域。来源：机器之心

Meta 公布机器人触觉感知研究成果：手指传感器结合"AI 大脑"，让机器人学会理解与操作物体

Meta 发布官方新闻稿，介绍旗下 FAIR（基础人工智能研究）团队在机器人触觉感知能力方面的最新研究进展。这项研究旨在让机器人通过触觉感知方式进一步理解和操作周围环境中的物体。团队目前开发的机器人触觉感知能力，主要是为了让机器人能够检测交互物体的材质与触感，从而由 AI 判断机器人应当如何操作这些物体（例如轻拿鸡蛋等精细操作场景）。来源：IT 之家

Runway 推出高级运镜功能，破解 AI 视频场景一致性难题

Runway 新功能支持用户在生成新视频时，对 AI 生成的画面效果与场景进行更加精细的控制。创作者现在可以自由放大或缩小场景与主体，甚至可以保留 AI 生成的角色造型与背景环境，将观众真实地置身于一个完整呈现、仿佛 3D 立体的虚拟世界中。来源：竹江AI导航

每一帧都由 AI 实时生成：全球首款 AI 原生游戏正式问世

全球首款 AI 实时生成游戏 Oasis 正式发布，由 Etched 与 Decart AI 联合开发。游戏中的每一帧画面都由扩散模型实时预测生成，以每秒 20 帧的速度流畅渲染，实现零延迟体验。目前所有代码与模型权重已全部开源，标志着 AI 技术在游戏领域取得了重大突破。来源：机器之心

 

中国电信 TeleAI 星辰语音大模型升级，支持中英双语及 40 种方言自由混说 时隔不到半年，TeleAI 星辰语音大模型的多方言识别能力再次迎来升级，新攻克了湛江话、宜宾话、洛阳话、烟台话等方言种类，方言覆盖数量从 30 种提升至 40 种，同时新增英文识别能力。与传统的有标注训练方法不同，TeleAI 通过预训练语音识别模型，利用海量无标注数据进行预训练，再辅以少量有标注数据进行微调的方式实现了能力跃升。来源：IT 之家

 

11 月 01 日·周五

魔音工坊推出"3 秒声音克隆"服务，首次克隆免费

 

魔音工坊推

出"3 秒声音克隆"服务，首次克隆完全免费。用户只需对着手机录制一句话，3 秒声音克隆技

 

术即可快速捕捉并分析声音特征。通过 AI 深度学习训练，你的说话方式可被 1:1 完美复刻，高度还原真实音色，为你打造专属的 AI 声音分身。实现"一端克隆、三端使用"：用户通过小程序完成声音克隆后，即可在小程序、App 和网页端直接编辑使用克隆音色。来源：竹江AI导航

首期关账 15 亿元，中国大模型独角兽智谱 AI 效仿美国 OpenAI 做起基金 LP 智谱一边积极融资，一边对外投资，当起了行业"攒局者"。截至目前，智谱 Z 计划已累计链接 1200 多个大模型初创项目，其中投资超过 20 家、孵化超过 30 家企业。11 月 1 日消息，国内大模型独角兽企业智谱 AI 宣布，由其领衔并联合石景山现代创新产业发展基金、奥飞数据、燕北资本、复琢投资等共同设立的风险投资基金"Z 基金"（智谱生态基金）于近期完成首期关账，管理规模达 15 亿元人民币，投资方向主要覆盖大模型赛道，重点聚焦早期项目。来源：钛媒体

夸克发布"灵知"学习大模型，宣称考研数学正确率与得分率比肩 OpenAI o1 夸克今日宣布全面升级"AI 搜题"产品，用户可通过手机、平板、电脑等设备搜索各类新题与难题，AI 还会分步骤进行题目讲解，并支持用户随时追问。同时，夸克正式发布"灵知"学习大模

 

型。

官方表示，在最新评测中，夸克"灵知"学习大模型在考研数学题上的正确率与得分

 

率，已可与 OpenAI 最新发布的 o1 模型相媲美。来源：竹江AI导航

知乎直答新功能上线，「专业搜索」带来更高效的知识获取体验

知乎 AI 搜索产品知乎直答正式上线"专业搜索"功能，引入维普、知乎精选等专业内容源，涵盖超过 5000 万篇中英文文献数据，充分满足广大用户对高质量信息的需求。同时，知乎直答"专业搜索"支持文件上传与超长文档解析，并提供单篇精读、指定来源问答等特色功能，更加契合专业人士的生产力场景。来源：知乎日报

正式挑战谷歌！OpenAI 上线 ChatGPT 搜索功能

搜索功能率先面向付费版 ChatGPT Plus 与 Team 用户开放，未来数月内将逐步面向所有免费用户；搜索模型为 GPT-4o 微调版本，后训练得到 o1-preview 输出能力；ChatGPT 可根据用户提问自动联网搜索，用户也可点击搜索图标手动触发搜索；支持天气查询、体育赛事、股票行情、地图导航等多种搜索场景，对话中获得的搜索结果均提供来源侧边栏供用户查证。来源：华尔街见闻

继 ChatGPT 之后，Anthropic 旗下 Claude AI 也推出桌面客户端

继 ChatGPT 之后，又一款海外热门人工智能 Claude AI 正式发布桌面版客户端，目前处于测试阶段，支持 Windows、macOS 及 iOS 平台。Anthropic 在 X 平台官宣了这一消息，同时透露用户可通过热键快速唤起客户端界面。不过 Claude AI 客户端定位为 AI 搜索引擎，与 OpenAI ChatGPT 客户端的聊天定位有所不同。来源：IT 之家

 

10 月 31 日·周四

字节跳动推出 AI 模型社区平台：炉米 Lumi，目前内测中暂未对外开放

炉米 Lumi 是字节跳动推出的 AI 模型社区平台，致力于打造一个集成化平台，让 AI 爱好者、研究人员与开发者能够分享、协作并共同优化 AI 模型。炉米 Lumi 支持模型上传、作品展示、Workflow 搭建以及 LoRA 训练等功能，全面提升 AI 应用开发效率与性能。目前炉米 Lumi 处于内部测试阶段，仅向白

 

名单邀请用户开放。来源：竹江AI导航

苹果最强 AI 笔记本登场！首发搭载 M4 Max 芯片，续航飙至 24 小时

苹果 M4 系列 MacBook Pro 正式发布！与上一代相比，新款 MacBook Pro 外观设计几乎没有变化，起售价仍为 12999 元。本次重点更新是全系搭载 M4 系列芯片、原生支持 Apple Intelligence，并首发雷雳 5 接口、纳米纹理显示屏以及支持视频人物居中的 1200 万像素前置摄像头，续航最长可达 24 小时，30 分钟即可充至一半电量。来源：智东西

神秘大模型"小熊猫"身份揭晓：英国 AI 公司最新图像生成模型 Recraft V3

Recraft AI 推出的 Red_Panda 模型在图像生成领域树立了全新标杆，以 1172 的 ELO 评分领跑 Hugging Face Text-to-Image Benchmark。Red_Panda 模型擅长长文本图像生成，提供精准的风格控制与图形设计定位功能，支持矢量图像生成，并配备 AI 图像编辑工具，可充分满足专业设计师的工作需求。来源：竹江AI导航

百川智能推出一站式大模型商业化解决方案 百川智能正式推出一站式大模型商业化解决方案，即"1+3 产品矩阵"（全链路优质通用训练数据、Baichuan4-Turbo 与 Baichuan4-Air 两款模型，以及全链路领域增强工具链）。该方案支持企业将自有专有数据与百川智能自用的全链路训练数据混合，对 Baichuan4-Turbo、Baichuan4-Air 两款模型进行调优增强，实现了 96% 的多场景可用率。来源：智东西

OpenAI 开源 SimpleQA 全新基准，专治大模型"胡言乱语"

OpenAI 宣布，为科学衡量语言模型的事实准确性，将开源一个名为 SimpleQA 的全新基准测试，用于评估语言模型回答简短事实型问题的能力。SimpleQA 是一个设计简洁但颇具挑战性的基准，专门用于评测前沿大模型的事实准确性。SimpleQA 的主要局限性在于其评测范围——虽然准确度高，但它仅在短查询的受限场景中测量事实准确性，这些查询均为事实导向型，且拥有唯一可验证的标准答案。来源：竹江AI导航

OpenAI ChatGPT 高级语音模式正式登陆 Windows 和 Mac，对话体验更加自然

OpenAI 今日宣布，ChatGPT 的高级语音模式（Advanced Voice Mode，简称 AVM）现已正式登陆 Windows 与 Mac 平台。AVM 基于 OpenAI 最先进的 GPT-4o 模型运行，支持用户像与真人对话一样与 ChatGPT 自然交流，包括随时打断、自然停顿等真实对话行为。OpenAI 表示，AVM 提供了更加自然、实时的对话体验，能够实时感知并回应用户的情绪状态。来源：IT 之家

美团推出 AI 创作小程序"妙刷"，支持生成趣味图像与视频

美团推出的 AI 创作小程序"妙刷"支持生成趣味图像与视频。妙刷具备多样化的 AI 图像玩法，如智能修图、文本生图等，可将日常素材一键转化为艺术作品，提供丰富主题模板并能智能解读图像内容。妙刷还支持多种艺术风格转换，适用于个性化趣味照片制作、节日主题创作等多种场景。来源：竹江AI导航 GitHub Spark：AI 驱动的零代码开发工具，快速构建微应用 报道称微软旗下代码托管平台 GitHub 正式推出 Spark，让用户仅通过日常语言描述，就能构建功能完善的应用。借助 Spark 工具，用户无需编写代码或具备深厚的编程专业知识，只需详细描述希望开发的应用功能，从服务托管到数据存储，Spark 工具会自动处理所有复杂的技术细节。来源：竹江AI导航

 

10 月 30 日·周三

豆包正式开放视频生成内测申请入口，使用豆包电脑版可加速审核 豆包正式开放视频生成功能内测申请，支持图片文字一键生成视频。豆包视频生成具备出色的语义理解能力，能将文字信息转化为生动逼真的视频内容。支持酷炫动态效果与专业运镜，多镜头间人物与场景保持一致，风格与画幅比例可自由选择。官方提示使用豆包电脑版可加快审核速度。来源：竹江AI导航

中国 AI 应用 10 月广告投放超 3 亿元，中美 AI 大模型发展路线开始"分道扬镳"

2024 年，中美之间的 AI 大模型竞赛已不再是简单的"追赶"关系，而是走向了截然不同的发展路径：中国 AI 大

 

模型"卷"算力、"卷"价格，更"卷"获客能力与商业化变现；美国 AI 企业则专注于前沿大模型技术

研究突破，同时加速 AI 应用落地与商业化。钛媒体独家获悉，截至 10 月 29 日，Kimi 智能助手、字节

跳动豆包、腾讯元宝等所有主流 AI 应用 10 月全网广告投放（投流）支出已超过 3 亿元人民币。来源：钛媒体

o1 之后，GitHub 又接入 Claude、Gemini，网友：也还是杀不死 Cursor

GitHub Copilot 引入多款新模型，包括 Anthropic 的 Claude 3.5 Sonnet、Google 的 Gemini 1.5 Pro 以及 OpenAI 的 o1-preview 与 o1-mini，全面增强编码辅助能力。新模型将在 Copilot Chat 中提供使用，显著提升代码理解与生成效率。同时，Perplexity 也已深度集成到 GitHub Copilot 中，还推出了 GitHub Spark 支持用自然语言构建应用程序。网友普遍认为这些更新是 GitHub Copilot 追赶 Cursor 的重要举措。来源：机器之心

Pika AI 推出万圣节专属特效生成，包含悬浮、弹眼睛与头部分离等趣味特效

Pika 近期更新了 Pikaffects 特效库，本次专门为万圣节打造了特别版本。用户可生成包含悬浮、弹眼睛、头部分离等搞怪特效的趣味视频。Pika 在视频生成领域走出了一条差异化路线，专注于各类创意特效的垂直深耕。来源：竹江AI导航

阿里巴巴国际站推出升级版 AI 外贸产品：AI 生意助手 2.0

阿里巴巴国际站正式推出升级版 AI 外贸产品：AI 生意助手 2.0。新版本包含四大 AI Agent，覆盖产品发布、客户接待、营销推广与合规审核等外贸经营全链路痛点，旨在提升转化率并创造增量生意。AI 助手能够实时洞察买家需求，提供个性化服务，目前全球已有超过 6 万家中小企业使用。国际站总裁张阔预测，未来外贸行业将全面 AI 化，80% 的新增商业价值将在 AI 驱动下被重新分配。来源：竹江AI导航

围攻谷歌！Meta 秘密研发 AI 搜索引擎长达 8 个月，苹果与 OpenAI 也在发力

据 The Information 报道，Meta 正在秘密研发自研 AI 搜索引擎，旨在提升旗下 Meta AI 聊天机器人的搜索能力，同时减少对谷歌与微软两大科技巨头的依赖。据悉，该项目已秘密进行了 8 个月，目标是为 Meta AI 聊天机器人提供独立的实时信息检索服务，降低因与苹果、微软等公司外部协议变动可能带来的潜在风险。来源：智东西

 

10 月 29 日·周二

爱诗科技正式发布 PixVerse V3，新增创意模板、对口型、视频延长等功能 爱诗科技正式发布 PixVerse V3。新版本具备多模态生成能力，涵盖创意模板、对口型、故事续写与风格转换等丰富功能。能够精准理解提示词语义，生成富有情感与质感的视频内容，实现现实与虚拟的完美融合。PixVerse V3 支持多种视频画幅比例与风格化效果，新增的对口型功能可自动匹配视频中人物的唇形。Effect 功能提供 8 个创意特效，支持类似 Pika 的"捏爆"等热门玩法。来源：竹江AI导航

苹果智能正式上线，同步发布新款 iMac

10 月 28 日，苹果公司宣布，苹果智能（Apple Intelligence）正式在 iPhone、iPad 和 Mac 全平台上线。同时，苹果公司发布配置 M4 芯片与苹果智能的新款 iMac，起售价为 1299 美元，标配 16GB 内存，将于 11 月 8 日正式发售。来源：爱范儿 MiniMax：7000 万美金营收背后的甜蜜与隐忧

MiniMax 旗下 AI 应用 Talkie 在海外市场表现亮眼，预计年收入超过 7000 万美元，已成为公司最主要的收入来源。Talkie 自 2023 年 6 月上线以来，迅速跻身全球陪伴类 AI 应用下载量前三甲，吸引了大量用户并实现了较高的付费转化率。尽管国内版本"星野"未能复刻 Talkie 的成功，MiniMax 仍计划积极拓展东南亚市场，以应对营收来源过于单一的潜在风险。来源：36 氪

神秘模型"小熊猫"一夜刷屏：性能排名超越 Flux、Midjourney 神秘文生图模型"red_panda"（小熊猫）近日突然走红，其 ELO 得分超过 Flux 1.1 Pro，胜率高达 79%，每 7 秒即可生成一张图像。该模型至今无人认领，引发业界广泛猜测，可能来自中国厂商或为 Midjourney V7。量子位进行了实际测试，发现 red_panda 在竞技场中表现强劲，但并非压倒性优势。来源：量

 

子位

微软开源 OmniParser 纯视觉 GUI 智能体：让 GPT-4V 秒懂屏幕截图，可操控手机/电

脑

微软公司正式宣布开源 OmniParser，这是一款专门解析与识别屏幕上可交互图标的 AI 工具。该工具无需依赖额外上下文数据，即可理解更加复杂的图形用户界面（GUI），是智能 GUI 自动化领域的一项令人振奋的进展。OmniParser 集成了可交互区域检测模型、图标描述模型与 OCR 模块等核心组件，无需 HTML 标签或视图层次结构等显式底层数据，即可跨桌面、移动设备与网页等多平台工作，大幅提升用户界面的解析准确性。来源：IT 之家

 

10 月 28 日·周一

科大讯飞推出讯飞星火 PC 电脑版，新增快捷键调起与深度搜索功能 科大讯飞正式推出讯飞星火 PC 电脑版，支持 Windows 与 Mac 系统下载安装。产品具备 AI 搜索、PPT 生成、图像生成、多模态交互等核心功能，新增快捷键一键调起与深度搜索能力。用户可通过自然对话完成写作、搜索、问答、翻译等日常任务，全面提升办公自动化、教育学习与内容创作等场景的效率。来源：竹江AI导航

智谱 AI 推出 AutoGLM 智能体，可模拟用户点外卖、发微信、抢红包

智谱 AI 正式发布 AI 智能体助理 AutoGLM。用户通过语音或文字指令，即可让 AutoGLM 自动操作手机 App 完成网购、点外卖、抢红包等日常任务。智谱同步发布了 GLM-4-Voice 语音模型，支持多语言、多方言实时交互。目前 AutoGLM 已与荣耀等手机厂商达成合作，积极推动 AI 助理在手机终端的规模化应用。来源：竹江AI导航

谷歌 AI 播客刚火，Meta 就开源了 NotebookLlama 平替版，效果却一言难尽

谷歌 AI 播客产品刚火出圈，Meta 便紧随其后，开源了 NotebookLM 的替代方案 NotebookLlama，底层采用 Llama 模型处理任务。尽管 NotebookLlama 的效果不如 NotebookLM 自然流畅，但开源代码允许用户自定义优化，具备较大的提升潜力。项目提供了基于 PDF 文档构建播客的完整教程，涵盖预处理、文本撰写、内容优化及文本转语音转换等全流程步骤。来源：竹江AI导航

谷歌发布 Unbounded：首款 AI 生成式无限游戏，带你体验角色人生的无限可能 谷歌联合北卡罗来纳大学教堂山分校的研究团队，共同开发了一款名为 Unbounded 的 RPG 游戏。游戏利用大模型实时生成角色与环境，支持玩家自定义角色人生轨迹并进行开放式自由互动。游戏每秒刷新一次，基于 LLM 的游戏引擎可实时生成连贯叙事与角色响应，创作灵感源自经典游戏《模拟人生》。来源：竹江AI导航

谷歌 DeepMind 开源 SynthID Text 工具，可精准辨别 AI 生成的文字内容

谷歌 DeepMind 正式开源 SynthID Text 工具，这是一款用于识别 AI 生成文本的水印工具。SynthID Text 通过分析文本中特定 Token 的概率分布来识别 AI 生成内容，整个过程不影响输出质量与准确性。谷歌 DeepMind 的 SynthID-Text 文本水印技术登上了《Nature》杂志封面，目前已正式开源。来源：IT 之家

通义新增"代码模式"：代码刚写完，预览效果就同步出来了 阿里旗下通义正式宣布推出「代码模式」，并开放试用预约，首批邀请 1024 名用户参与体验。通义代码模式旨在大幅降低应用开发门槛，针对简单的代码与应用生成需求，主打所见即所得。具体来说，人与 AI 大模型的交互对话将在专门的窗口中展示，AI 生成的代码会实时在网页端运行并提供预览效果。来源：机器之心

腾讯推出 AI 智能工作台产品 ima.copilot，基于混元大模型打造

腾讯 PCG 团队近日正式推出 ima.copilot AI 智能工作台，目前仅支持 Mac 端使用。产品定位为个人知识助理与效率工具，以"智慧因你而生"为品牌口号，通过大模型通用知识与用户个性化知识深度结合，全面提升搜索、阅读与写作效率。核心功能包括智能搜索、知识库管理与笔记模块，支持截图识别、

 

文件上传、AI 搜索、内容深度解读等丰富能力。来源：竹江AI导航

 

10 月 25 日·周五

Google DeepMind 推出 AI 音乐生成工具 MusicFX DJ

Google DeepMind 正式推出 AI 音乐生成工具 MusicFX DJ，可根据用户输入的文本提示实时生成音乐。支持多提示词混合功能，可调整各提示词的权重占比，实现对音乐风格的精准控制。MusicFX DJ 还提供直观易用的音乐控制界面，涵盖乐器编排、音乐纹理调整与节奏控制等功能，支持实时 48kHz 立体声音频流输出，用户可自由分享与下载生成的音乐作品。来源：竹江AI导航

Perplexity 发布 macOS 客户端，上线即登顶 Mac App Store 免费榜榜首

 

Perplexity 正式推出 macOS 客户端，Perplexity macOS 客户端支

持语音输入、文本输入、线

 

索跟踪、来源溯源、历史搜索记录等丰富功能，数据与其他平台版本实时同步。用户通过快捷键 ⌘ + ⇧ + P 即可

快速唤起搜索功能，使用体验十分便捷。来源：竹江AI导航

Claude AI 上线全新工具：分析与可视化 CSV 文件中的数据

报道称 Anthropic 公司在更新 Claude 3.5 Sonnet 并推出全新 Claude 3.5 Haiku 模型之后，还同步推出了全新的数据科学分析工具，可编写并运行 JavaScript 代码，实现数据处理、深度分析与实时洞察生成。该分析工具将作为 Claude.ai 的全新内置功能提供，功能定位类似于 ChatGPT 的代码解释器，能够编写并运行 JavaScript 代码，处理数据、进行分析并生成可视化洞察。来源：IT 之家 MiniMax 将于 11 月发布首款对标 GPT-4o 的端到端实时语音对话 API 产品

AI 大模型领域独角兽企业 MiniMax 将于今年 11 月正式发布对标 GPT-4o 的 Realtime API 服务。该服务将大幅提升端到端实时多模态处理能力，带来更低延时、更自然、更沉浸的实时语音对话体验，可为企业协作、社交、直播、游戏等多种场景提供技术支持。目前团队正在紧锣密鼓打磨这款产品，非常希望 11 月发布时产品效果能够直接对标 OpenAI GPT-4o。来源：钛媒体

全球最强模型！OpenAI 被曝 12 月推出 Orion，AI 性能将实现百倍级跃升

科技媒体 The Verge 今日（10 月 25 日）发布深度报道，称 OpenAI 计划于今年 12 月推出代号为"Orion"的全新前沿模型。尽管在 OpenAI 内部，Orion 被视为 GPT-4 的继任者，但目前尚不清楚公司是否会对外将其命名为 GPT-5。OpenAI 高管曾透露，"Orion" 的性能将比 GPT-4 强大 100 多倍。来源：IT 之家

ElevenLabs 推出 AI 语音生成工具 Voice Design，彻底颠覆传统 AI 配音

ElevenLabs 近期推出一款名为 Voice Design 的 AI 语音生成工具，用户只需通过简单的文本描述即可创建个性化专属语音。Voice Design 支持用户通过文本提示生成自定义语音，可调节年龄、性别、口音、语调、音高等多种特征，生成逼真且富有情感的 AI 语音效果。Voice Design 还支持创作角色化语音，例如精灵、食人魔或机器人等特殊声线。来源：竹江AI导航

 

10 月 24 日·周四

智谱 AI 推出 AutoGLM-Web，可模拟用户进行网页浏览与交互操作

AutoGLM-Web 是一款 AI 浏览器助手，能够模拟用户行为进行网页浏览与交互，可执行高级检索、内容总结、邮件回复等复杂任务。AutoGLM-Web 采用自进化在线课程强化学习框架，性能持续迭代提升，不依赖特定 API，适用于多种自动化办公与在线研究场景。目前可通过"智谱清言"插件直接使用。来源：竹江AI导航

快手：可灵 AI 用户已超 360 万，独立 App 即将正式上架

在 2024 中国计算机大会上，快手副总裁、大模型团队负责人张迪介绍，自今年 6 月发布以来，

可灵 AI 已累计服务超过 360 万用户，生成视频 3700 万个、图片超过一亿张。近期可灵 AI

还将推出独立 App，进一步方便用户使用。来源：36 氪

讯飞星火 4.0 Turbo 大模型发布：七大能力全面超越 GPT-4 Turbo

 

在今日上午举办的 2024 科大讯飞全球 1024 开发者节上，科大讯飞正式发布"讯飞星火 4.0 Turbo"。讯飞星火 4.0 Turbo 号称迎来全新升级，七大核心能力全面超越 GPT-4 Turbo，其中数学能力与代码能力已超过 GPT-4o。讯飞星火 4.0 Turbo 目前已完成超长思维链、树搜索及自我反思评价等算法验证，预计今年底即可实现对标 o1 的高难度数学推理能力。来源：IT 之家

智谱与中国三星官宣战略合作：AI 手机与 GLM 大模型深度结合 中国三星与智谱华章（简称"智谱"）昨日正式宣布达成战略合作，双方将在 AI 手机领域展开深度共创，共同打造卓越体验的 AI 产品。近期高通也宣布与智谱达成合作，为骁龙 8 至尊版适配优化 GLM-4V 端侧视觉大模型，支持丰富的多模态交互方式。来源：智谱 AI

AI 手机看荣耀：荣耀 MagicOS 9.0 正式发布，开启手机自动驾驶新时代

荣耀在 MagicOS 9.0 发布会暨开发者大会上，正式发布行业首个搭载智能体的个人化全场景 AI 操作系统——MagicOS 9.0。全新推出自研魔法大模型家族，并宣布 YOYO 助理正式升级为 YOYO 智能体。发布会上，荣耀全新智能体商店正式上线，YOYO 智能体将携手百模生态伙伴，共同共创智能新世界。来源：荣耀 HONOR

用光通信技术让 AI 算力集群提速数十倍，Lightmatter 完成 4 亿美元融资

专注于光子计算的创新公司 Lightmatter 目前已将芯片互连速度提升至 30Tbps，100Tbps 版本也在研发路上。公司拥有自研光子计算单元、光学芯片封装与传输技术，能够系统化提升整个 AI 计算集群的算力水平与计算效率，同时大幅降低功耗。近日，Lightmatter 宣布完成 4 亿美元 D 轮融资，累计融资总额达到 8.5 亿美元。来源：钛媒体

 

10 月 23 日·周三

Ideogram 推出创意画布工具 Ideogram Canvas，支持在无限虚拟画布上自由操作与组合图像 Ideogram 正式推出创意画布工具 Ideogram Canvas。用户可在无限大的虚拟画布上自由操作与组合图像素材，支持上传自定义视觉元素，利用 AI 技术生成全新图像，并可进行编辑、调整大小、重新排版等操作。Ideogram Canvas 还提供 Magic Fill 与 Extend 功能，帮助用户精细编辑图像的特定区域或扩展画面边界，同时保持整体风格高度统一。来源：竹江AI导航

Runway 推出 AI 生成式角色表演工具 Act-One，一键生成虚拟角色动画

Runway 公司正式推出一款名为 Act-One 的 AI 生成式角色表演工具。该工具能够将视频与语音输入转换为任意风格的虚拟角色动画，同时精准保持表情、语音与口型的同步。Act-One 大幅简化了动画制作流程，仅需一台普通摄像头即可制作逼真的角色动画，支持多种角色风格，并能处理复杂的多轮对话场景。来源：竹江AI导航

Genmo 公司宣布开源顶级视频生成模型 Mochi 1，支持每秒 30 帧、5.4 秒时长视频生成 Genmo 公司正式宣布开源其顶级视频生成模型 Mochi 1。该模型展现了卓越的运动质量与提示词遵循能力。Mochi 1 基于 100 亿参数的 Asymmetric Diffusion Transformer 架构打造，可生成每秒 30 帧、时长 5.4 秒的视频。模型初始分辨率为 480P，通过超分辨率技术可提升至 960P。来源：竹江AI导航 Stability AI 发布旗下最强模型 Stable Diffusion 3.5，共包含三个版本

Stability AI 正式发布 Stable Diffusion 3.5 模型全家桶，共包含三个版本：Large、Large Turbo 和 Medium，可满足从专业创作到消费级硬件"即插即用"的不同用户需求。其中 Large 版拥有 80 亿参数，适合高分辨率专业应用场景；Large Turbo 版可快速生成高质量图像；Medium 版则在生成质量与使用便捷性之间取得了良好平衡。来源：竹江AI导航

Anthropic 推出升级版 Claude 3.5 Sonnet 模型，可直接操控用户电脑

Claude 发布全新版本的 3.5 Sonnet 模型及新推出的 3.5 Haiku，两款模型能力均有大幅提升。本次 Claude 发布了一项重磅新功能——全新「计算机使用」API，该模型能够模拟按键、按钮点击与鼠标移动等操作，本质上模拟了一个人坐在电脑前的完整操作流程。开发者现在可通过 API 指导 Claude 像人类一样操作计算机，包括观察屏幕内容、移动鼠标、点击按钮及输入文字。来源： 极客公园

 

讯飞星火推出"星火插件"，支持划词搜索、翻译、解释，一键生成网页摘要 讯飞星火正式推出"星火插件"，支持划词搜索、翻译、词语解释、网页摘要生成以及一键收藏信息等实用功能，全面提升用户的信息检索、阅读与知识管理效率。插件兼容主流浏览器，支持个性化设置与跨平台数据同步。适用于学术研究、技术文档阅读、多语言内容理解、信息筛选总结及个人知识管理等多种场景。来源：竹江AI导航

 

10 月 22 日·周二

科大讯飞推出 AI 虚拟角色互动聊天应用"麦芽岛"

科大讯飞正式推出 AI 虚拟角色互动聊天应用 麦芽岛。用户可在应用中创建自定义虚拟角色，进行沉浸式对话与情感陪伴。应用提供丰富的角色选择与社交探索功能，适用于社交互动、情感支持、创意玩法、文化娱乐及教育学习等多种场景。用户可通过官方网站或苹果 App Store 下载体验。来源：竹江AI导航

Midjourney 下周上线全新图像编辑器：让 AI 图片二次创作变得更简单

首席执行官 David Holz 昨日在 Discord 平台宣布，将于下周为 Midjourney 推出全新 AI 图像编辑器工具。用户上传图片后即可进行放大、缩小、调整角度等多种编辑操作，这些操作不再需要跳转 Discord，只需简单指令即可完成；用户还可使用数字画笔进行精细修补，实现更细致的局部修改。来源：IT 之家

高通发布骁龙 8 至尊版，联手腾讯、智谱做大模型，小米 15 抢首发，荣耀剧透新机 高通正式发布新一代旗舰手机 SoC 骁龙 8 至尊版及第二代高通 Oryon CPU，AI 性能实现大幅跃升。骁龙 8 至尊版采用台积电第二代 3nm 工艺，CPU 性能提升 45%，功耗降低 40%，AI 能力显著增强。高通同时宣布与腾讯混元及智谱 AI 达成合作，将大模型部署在骁龙 8 至尊版手机平台上。小米 15 系列将首发搭载该芯片，荣耀 Magic7 系列也将同步采用。来源：智东西

商汤 CEO 徐立发布十周年内部信，提出"三位一体"新战略，致力于成为 AGI 算力+模型服务商 商汤科技董事长兼首席执行官徐立今日发布题为《商汤十周年再出发：专注聚焦、知行合一》的内部信。徐立首次正式提出公司最新确立的"大装置-大模型-应用"三位一体战略，同时宣布将围绕战略方向与核心资源，构建更加集中高效的组织架构，加快组织与管理的轻量化进程。来源：钛媒体

马斯克旗下 xAI 正式发布 API，开发者可将 Grok 集成到第三方应用

 

埃隆·马斯克的人工智能公司 xAI 正式发布应用程序编程接口（API），允许开发者

将 Grok 集成到各类第三方应用中。目前 API 仅提供一个模型，名为"grok-beta"，定价为每百万输入 token 5 美元（约 35.6 元人民币），每百万输出 token 15 美元（约 107 元人民币）。来源：IT 之家

微软一口气发布 10 个商业智能体！内测显示销售收入提升 9.4%，六成 500 强企业已在用 Copilot 微软宣布推出 10 个全新商业智能体，覆盖销售、客服、财务、供应链等多个领域，全面助力企业提升业务效率。这些智能体可自动执行各类任务，如筛选潜在客户、监控供应商表现等。目前，已有 60% 的财富 500 强企业在使用 Microsoft 365 Copilot。微软还计划于下月开启 Copilot Studio 公测，允许用户自主创建专属智能体，进一步实现降本增效。来源：量子位

 

10 月 21 日·周一

新壹科技旗下"秒创"产品更新：新增 PPT 转视频与 AI 视频功能

新壹科技旗下 秒创 正式更新核心产品功能，包括 PPT 转视频与 AI 视频两大模块。PPT 转视频功能支持将 PPT 文件快速转换为视频，并结合数字人播报技术，大幅提升内容吸引力。AI 视频功能新增文生图与图生视频能力，支持多种视频时长与画幅比例选择。来源：竹江AI导航

 

智源发布原生多模态世界模型 Emu3，验证多模态模型全新范式 据智源研究院官方消息，智源研究院今日正式发布原生多模态世界模型 Emu3。智源研究院表示，Emu3 模型仅基于下一个 Token 预测目标，无需扩散模型或多模块组合方法，即可完成文本、图像、视频三种模态数据的统一理解与生成。来源：竹江AI导航

一年估值暴涨 14 倍！AI 搜索独角兽 Perplexity 拟再融 5 亿美元

据知情人士透露，借助 OpenAI 最新巨额融资的市场热度，以及投资者对人工智能初创企业高涨的热情，AI 搜索初创公司 Perplexity 已启动新一轮融资谈判，目标将公司估值提升一倍以上，达到 80 亿美元甚至更高。来源：腾讯新闻

北京新增 12 款完成备案的生成式人工智能服务

根据《生成式人工智能服务管理暂行办法》相关规定，截至 10 月 21 日，北京市新增 12 款已完成备

案的生成式人工智能服务，累计已有 94 款生成式人工智能服务完成备案。已上线的生成式人工智能应用或功能，须在显著位置或产品详情页面公示所使用的已备案生成式人工智能服务情况，明确标注模型名称与备案编号。来源：界面新闻

复旦与百度联合推出全新 AI 模型 Hallo2，可生成 4K 超高清、1 小时超长人物动画 复旦大学与百度联合开发了一款名为 Hallo2 的全新 AI 模型，可生成长达数小时的 4K 分辨率人物动画视频，目前已在 GitHub 正式开源。Hallo2 模型基于潜空间扩散模型架构打造，相比上一代 Hallo 模型效果显著提升，并支持长视频生成。来源：竹江AI导航

Meta 发布全新 AI 工具 Self-Taught Evaluators，可自动检测其他模型的回答准确性

Meta 上周五发布了一系列 AI 新产品，其中包括一款名为"Self-Taught Evaluator"的评测工具，可用于自动检测大语言模型的回答准确性。Self-Taught Evaluator 能够检查并提升模型在棘手问题（如科学、数学、编程等学科）上的回答准确率，因为它会将复杂问题分解为更小的逻辑步骤逐一验证。来源：竹江AI导航

 

10 月 18 日·周五

Windows 版 ChatGPT 正式发布！直接用上最强 o1，快捷键一键唤起

OpenAI 正式推出 Windows 桌面应用，率先向 ChatGPT Plus、Enterprise、Team 和 Edu 用户开放。不过官方表示，目前开放的只是早期版本，将于今年晚些时候向所有 ChatGPT 用户推出"完整体验"。用户可在微软应用商店搜索 ChatGPT，下载安装即可使用，安装包大小约 110MB。来源：爱范儿

Suno 推出新功能 Suno Scenes：照片和视频秒变专属定制歌曲

Suno 正式上线新功能 Suno Scense，以视频和图片为提示词，生成 30 秒专属音乐。一个短视频、一张表情包，就能唱出一首定制歌曲。该功能目前仅在美国区 App Store 提供使用。来源：竹江AI导航

 

10 月 17 日·周四

Pika 发布 4 款全新视频特效：碎块、漏气、湮灭与瞬间消失

继此前 Pika 上线压扁、融化、膨胀等火爆特效之后，全新 Pika 1.5 版本又新增了 4 款视频特效，分别是粉碎（crumble）、溶解（dissolve）、瘪掉（deflate）以及"ta-da"特效——该特效可让视频中的人物像被布遮住一样瞬间消失。来源：竹江AI导航

.ai 域名卖爆了！加勒比小岛安圭拉 2023 年意外躺赚 3200 万美元

随着人工智能产业持续火热，AI 相关域名也成为新的抢手资产，其中 .ai 后缀域名自然是交易热点。据美联社 10 月 16 日报道，.ai 域名交易火爆也为加勒比海上的小岛国安圭拉带来了一笔意外横财。凭借 .ai 域名的注册与交易收入，安圭拉 2023 年从网络域名注册费中获得的收入翻了两番，达到 3200 万美元（约合 2.28 亿元人民币）。来源：IT 之家

 

李彦宏内部发言：「文小言」没必要像豆包、Kimi 那样激进推广

李彦宏提到，百度不会涉足 Sora 类视频生成赛道，认为该方向"10 年、20 年都可能难以实现商业化"。他同时指出，ToB 业务应尽量避开吃力不讨好的项目制定制模式，优先推出标准化产品。而文心一言更名后的 ToC 新搜索应用"文小言"，在推广策略上不会像字节跳动的豆包、月之暗面的 Kimi 那样激进。来源：36 氪

Mistral 发布 Ministral 3B/8B，号称"全球最好的边缘模型"

Mistral 公司最新推出 Ministral 3B 与 Ministral 8B 两款 AI 模型，均无需连接云服务器即可运行，重点提升笔记本电脑与智能手机等设备的本地化 AI 体验，官方自称是"全球最好的边缘模型"。Ministral 8B 定价为每百万 tokens 0.1 美元，3B 版本则为 0.04 美元，非常适合小规模应用场景或初创开发者使用。来源：竹江AI导航

阿里国际 Marco 翻译大模型发布：支持中英日韩西法等 15 种语言互译

据阿里国际 AI 团队 AIDC-AI 消息，阿里国际最新研发的翻译大模型 Marco 于今日正式上线，支持中、英、日、韩、西、法等 15 种全球主流语种。官方表示，基于目前业界广泛使用的开源评测数据集 Flores，Marco 翻译大模型在 BLEU 自动评测指标上，领先于市面上的标杆翻译产品，包括 Google 翻译、DeepL、GPT-4 等。来源：竹江AI导航

OPPO 发布 ColorOS 15 系统，推出一键问屏等多项 AI 新功能

在今日举办的 2024 OPPO 开发者大会上，OPPO 正式发布 ColorOS 15 系统，并推出一系列全新功能。ColorOS 15 将上线超级小布助手功能，支持一键问屏、一拍即问、一圈即搜、图片问答、文档问答等多种交互方式。ColorOS 15 还能深度理解并分析屏幕内容，基于上下文理解能力，像真人一样进行多轮连续的自然对话。来源：品玩

 

10 月 16 日·周三

联想推出 PC 个人智能体 AI Now，基于 Meta Llama 模型打造 联想在创新科技大会上发布了多款 AI 新品，包括个人 AI 智能体 AI Now、液冷服务器等。黄仁勋、苏姿丰等科技巨头 CEO 均出席大会，英特尔与 AMD 更是宣布首次达成合作。联想 AI Now 智能体具备内容无缝流转、个性化内容生成、教育辅助、智能模式调节、设备间智能分享以及跨设备 AI 功能协同等多项智能化服务。来源：智东西

零一万物新旗舰模型 Yi-Lightning，性能超越 GPT-4o

零一万物正式发布新旗舰模型 Yi-Lightning。该模型在国际权威盲测榜单 LMSYS 上成功超越硅谷知名大模型，位列世界第六、中国第一。Yi-Lightning 现已上线开放平台，API 调用价格每百万 token 仅 0.99 元。李开复强调，零一万物将持续投入大模型预训练，并在 To B 与 To C 端均有产品布局规划。来源：竹江AI导航

 

10 月 15 日·周二

Kimi 智能助手新增语音通话功能，支持英语陪练与模拟面试模式

Kimi 智能助手正式新增语音通话功能，用户可通过手机 App 问答框旁的电话按钮一键启动。通话过程支持实时字幕显示、随时打断、声线切换及语速调节，还支持用户声音克隆。Kimi 同时推出两大语音通话情景模式，包括英语口语陪练与模拟面试。来源：竹江AI导航

MIT 推出可与 60 岁虚拟形象对话的 AI 产品：Future You

麻省理工学院的 AI 项目 Future You 支持用户与 60 岁时的自己进行对话，通过模拟未来自我来帮助用户消解疑虑与精神内耗。用户通过回答关于个人生活与未来期望的一系列问题，AI 会生成一个具有用户性格特征的老年版本形象，并提供人生经验建议。来源：竹江AI导航

火山引擎发布大模型训练视频预处理方案，已应用于豆包视频生成模型 火山引擎在视频云技术大会上正式发布大模型训练视频预处理方案，助力解决视频大模型训练

 

在成本、质量与性能等方面的技术挑战。目前该技术方案已成功落地应用于豆包视频生成模型。来源：机器之心

Adobe 推出 AI 头脑风暴工具：激发无限灵感，让创意自由飞翔

科技媒体 Maginative 昨日（10 月 14 日）发布报道称，在年度 MAX 大会上，Adobe 预览推出了 Project Concept 项目，这是一款基于 AI 的创意头脑风暴工具。该工具的目标是生成更快速、更富想象力、更具协作性的创意灵感，让设计师能够专注于探索更广阔的创意可能性。来源：IT 之家

Adobe 推出文生视频 AI 模型，正面挑战 OpenAI 与 Meta

在 Adobe MAX 年度大会上，这家美国软件巨头宣布已开始对一款文生视频人工智能（AI）模型进行公开测试。该技术被称为 Firefly 视频模型，Adobe 表示其技术实现了全新突破，将与 OpenAI 今年早些时候推出的文生视频大模型 Sora 展开直接竞争。来源：财联社 Anthropic CEO 万字长文预言：AGI 有望治愈癌症、倍增人类寿命

Anthropic CEO Dario Amodei 预测，到 2026 年，AGI 的智力水平将超越人类诺贝尔奖得主。尽管 AGI

不会立即转化为生产力跃升，但它将加速生命科学领域的发展，有望在未来 7 至 12 年内治愈大多数癌症，

将人类平均寿命从 75 岁延长至 150 岁。这标志着"压缩的 21 世纪"正式到来，预示着人类社会将迎来翻天覆地的变革。来源：钛媒体

 

10 月 14 日·周一

智谱 AI 宣布开源文生图模型 CogView3-Plus-3B，采用 Apache 2.0 协议

智谱 AI 正式宣布开源其先进的文本到图像生成模型 CogView3-Plus-3B。该模型基于最新的 DiT 框架构建，通过 Zero-SNR 扩散噪声调度与文本-图像联合注意力机制，大幅提升了图像生成的质量与灵活性。CogView3-Plus-3B 支持从 512 到 2048 像素的多种分辨率生成，整体性能可与业界领先模型相媲美。来源：智谱 AI

优必选发布全新一代工业人形机器人 Walker S1 据优必选官方消息，优必选正式发布全新一代工业人形机器人 Walker S1，目前已进入汽车工厂实训阶段。Walker S1 与 L4 级无人物流车、无人叉车、工业移动机器人及智能制造管理系统协同作业，这也是全球范围内首个人形机器人与无人物流车等设备协同作业的工业场景解决方案。来源：优必选

苹果推出 300 亿参数多模态 AI 大模型 MM1.5，可识别 UI 界面并推理自然语言 苹果近日发布多模态大模型 MM1.5，旨在增强对文本密集型图像的理解、视觉指代与接地、以及多图像推理等核心能力。MM1.5 的模型参数规模从 1B 到 30B 不等，包括密集型与专家混合

（MoE）两种变体，并证明了精心设计的数据整理与训练策略即使在较小参数规模下（1B 和 3B）也能产生强大的性能表现。来源：竹江AI导航

Krea AI 推出 AI 视频创作聚合平台，集成 Runway、Luma、可灵、海螺等多款 AI 视频模型

Krea AI 正式推出 AI 视频创作聚合平台，集成 Runway、Luma、可灵、海螺等顶尖 AI 视频生成模型，提供一站式创作服务。用户可通过 Krea.ai 网页端轻松接入这些模型，无需单独订阅各家服务，大幅节省使用成本。目前平台仅支持文生视频功能，未来有望扩展更多能力，被业界看好成为 AI 创作者的"POE"。来源：竹江AI导航

马斯克刚进军 Robotaxi，小马智行就获广汽 2700 万美元战略投资

就在马斯克发布特斯拉 Robotaxi 的同一天，中国知名 Robotaxi 独角兽企业也获得了新的资本认可。广汽宣布将向小马智行投资 2700 万美元，约合人民币 1.9 亿元。自 2016 年成立至今，小马智行已完成十多轮融资，累计融资额超过 11 亿美元（约 78 亿元），完成 D 轮融资后公司估值达到 85 亿美元（约 600 亿元）。来源：量子位

深势科技完成数亿元新一轮融资，AI for Science 方向获国资认可

 

近日，深势科技再获数亿元人民币新一轮融资，投资方为北京市人工智能产业投资基金与中关村科学城公司。此次获得国资加持，标志着深势科技在 AI for Science 领域的深耕布局、阶段性成果及未来发展潜力，得到了更有力、更充分的认可。深势科技是"AI for Science"科学研究范式的坚定引领者与践行者。来源：亿欧

 

10 月 11 日·周五

智谱 AI 搜索智能体发布：深度阅读与多级推理，开启搜索新时代

智谱 AI 搜索智能体正式发布，支持深度阅读与多级推理，能够快速检索并总结网页内容，高效解决复杂问题。该智能体还能联动其他 AI 工具，如调用 Python 代码执行等，进一步提升搜索与推理能力。AI 搜索智能体现已正式上线，用户可通过智谱清言体验。来源：竹江AI导航

月之暗面正式推出具备 AI 自主搜索能力的"Kimi 探索版"，搜索量是普通版的 10 倍 月之暗面正式上线具备 AI 自主搜索能力的 Kimi 探索版 ，搜索量可达普通版的 10 倍，单次搜索即可精读 500 个网页。新功能模拟人类推理思考过程，将复杂问题多级分解，执行深度搜索，帮助用户更高效地完成分析与调研工作。通过自主策略规划、自动化大规模信息检索、对搜索结果的反思补充等多个步骤，最终获得更准确、更全面的答案。目前该功能正在逐步开放，预计下周一前向全量用户推送完毕。来源：竹江AI导航

 

10 月 10 日·周四

字节跳动豆包首款 AI 智能体耳机 Ola Friend 正式发布，售价 1199 元 字节跳动豆包今日正式发布首款 AI 智能体耳机 Ola Friend。产品采用开放式设计，单耳仅 6.6 克，为同类产品中最轻。耳机深度接入豆包大模型，并与豆包 App 深度融合。用户戴上耳机后，无需掏出手机，即可通过语音唤起豆包进行对话。Ola Friend 已在各大电商平台开启预售，将于 10 月 17 日正式发货，售价 1199 元。来源：钛媒体

vivo 全新蓝心大模型矩阵发布：推出 30 亿参数蓝心端侧大模型 3B 及全新语音大模型

在 2024 vivo 开发者大会开幕演讲中，vivo 正式发布自研全新蓝心大模型矩阵，全面升级语言大模型与端侧大模型能力，并带来 vivo 自研的语音大模型、图像大模型以及多模态大模型。全新蓝心大模型矩阵涵盖语言大模型、端侧大模型、语音大模型、图像大模型、多模态大模型五大产品线。来源：竹江AI导航

海螺 AI 推出"图生视频"功能，可生成高度一致性的图像动态视频

MiniMax 视频模型在海螺 AI 平台上线五周以来，访问量增速超过 800%，全球 180 个地区的用户参与创作。该模型在 VBench 权威评测中排名第一，本次新增"图生视频"功能，可实现高度一致的图像转视频效果，支持连贯深度创作。海螺 AI 提供无需特效模板即可创作电影级视频的能力，充分激发了全球创作者的热情。来源：海螺 AI

2024 科大讯飞全球 1024 开发者节官宣：首发多模态视觉交互、超拟人虚拟人交互能力 第七届世界声博会暨 2024 科大讯飞全球 1024 开发者节，将于今年 10 月 24 日在合肥奥体中心正式启幕。届时将发布讯飞星火大模型升级版，底座能力将再次跃升，涵盖数学、代码和长文本能力显著提升、中英文综合能力持续领先、训练推理效率大幅提升等多项特性。科大讯飞还将首次对外发布多模态视觉交互与超拟人虚拟人交互能力。来源：科大讯飞

字节跳动发布 GR-2 机器人 AI 大模型，可模拟人类学习过程处理复杂任务 字节跳动研究团队最新推出第二代机器人大模型 GR-2（Generative Robot2.0），其最大亮点在于创新性构建了"机器人婴儿期"学习阶段，模仿人类成长过程中的方式学习复杂任务，具备卓越的泛化能力与多任务通用性。来源：IT 之家

AI 再夺诺贝尔奖！2024 诺贝尔化学奖授予哈萨比斯等人

北京时间 10 月 9 日下午，瑞典皇家科学院宣布将 2024 年诺贝尔化学奖授予华盛顿大学

 

的 David Baker 以及谷歌 DeepMind 的 Demis Hassabis 与 John M. Jumper，以表彰他们在

「计算蛋白质设计」与「蛋白质结构预测」领域做出的开创性贡献。来源：机器之心

 

10 月 09 日·周三

智谱清言鸿蒙版 App 上线：支持多轮对话、写作辅助、代码生成等功能

智谱清言 今日官宣，第一时间完成全部基础功能与纯血鸿蒙系统的适配工作，目前所有升级至 HarmonyOS NEXT 的用户均可体验智谱清言大模型。据介绍，智谱清言鸿蒙版 App 已支持多轮对话、写作辅助、代码生成、AI 搜索、AI 画图等核心功能，同时还支持创建 50 万个智能体等丰富能力。来源：智谱清言

字节跳动豆包智能硬件 Ola Friend 预热，预计为 AI 智能耳机 字节跳动豆包小红书官方号发布预热海报，配文为"字节跳动豆包的智能硬件？"，宣布 10 月 10 日上午 11 点将公布更多信息。消息称字节 AI 硬件团队的首款产品为智能耳机，该耳机将植入豆包大模型，并与字节 2023 年 8 月上线的对话类 AI 应用豆包 App 深度结合：戴上智能耳机后，用户可通过语音对话随时使用豆包，在豆包 App 上也可反向操控这款耳机。来源：IT 之家

2024 诺贝尔物理学奖揭晓，授予 AI 先驱 Geoffrey Hinton 与 John Hopfield

2024 年诺贝尔物理学奖正式授予 John J. Hopfield 与 Geoffrey E. Hinton，以表彰他们在利用人工神经网络实现机器学习方面做出的奠基性发现与发明。两位科学家将平分 1100 万瑞典克朗（约

合 745 万元人民币）的奖金。他们的研究不仅推动了计算神经科学的发展，更为深度学习技术的广泛应用奠定了坚实基础，包括在语音识别与图像识别等领域的重大突破。来源：机器之心

猫眼"神笔马良"上手体验：分镜生成效率高，角色识别仍有短板 猫眼娱乐发布了首个面向长剧本解析的动态故事板 AI 生成工具"神笔马良"。据了解，"神笔马良"可对用户上传的剧本进行一键智能分析、智能角色创作、智能分镜设计、智能台词朗读，全方位视听化呈现剧本内容。来源：智东西

StackBlitz 推出全栈 AI 代码工具 Bolt.new，堪称 Artifacts、V0 与 Replit 的结合体 Bolt.new 是一款全栈 AI 代码工具，可看作 Artifacts、V0 与 Replit 三者能力的集大成者。支持 Nuxt、Next 等主流框架，提供代码编辑、执行与部署全流程功能。它能够直接访问文件系统与服务器，目前处于测试阶段，已在 GitHub 开源。来源：竹江AI导航

潞晨科技推出 Video Ocean 视频生成平台，支持文生视频、图生视频、角色生视频 潞晨科技推出的 Video Ocean 视频生成平台，支持任意角色与风格的视频创作。Video Ocean 具备文生视频、图生视频、角色生视频三大核心功能，能够生成逼真的短视频内容，如黑白电影片段、海边 Vlog、超现实艺术画面等。用户只需通过简单指令，如上传图片或输入文字描述，即可快速生成个性化视频作品。来源：竹江AI导航

 

10 月 08 日·周二

超写实 AI 图像生成模型 FLUX1.1 正式发布，代号"蓝莓"，速度更快、价格更低

最新 AI 文生图模型 FLUX1.1 正式发布，代号"蓝莓"。该模型支持通过模仿单反相机文件名格式的方式生成超写实风格图像，效果逼真到网友直呼难辨真假。模型由 Stable Diffusion 原核心团队打造，生成速度是前代的 6 倍，使用成本更低。FLUX1.1 目前仅包含 FLUX1.1 Pro 版本，预计后续将开放更多系列模型。FLUX1.1 Pro 通过 API 对外开放，主要面向开发者与企业用户。来源：竹江AI导航 Meta 发布 AI 视频生成器 Movie Gen：可自动生成含声音的高清视频

Meta 公司推出了全新 AI 视频生成器 Movie Gen，该工具能够生成自带声音的高清视频。用户输入文本描述后，Movie Gen 即可自动生成视频，还可对现有视频或静态图像进行编辑处理。据《纽约时报》报道，添加到视频中的音频同样由 AI 生成，通过环境音效、特效音与背景音乐和画面

 

精准匹配，视频支持多种不同的纵横比。来源：竹江AI导航

OpenAI 推出全新写作与编码工具 ChatGPT Canvas，将免费开放

OpenAI 正式推出全新写作与编码工具 Canvas。这是一个与 ChatGPT 协同完成写作和编码项目的全新界面，体验远超简单的对话框模式。ChatGPT Canvas 能够更好地理解任务上下文，用户可以高亮选中特定部分，精准告知 ChatGPT 需要重点关注的内容。用户也可直接编辑文本或代码，随时要求 ChatGPT 调整写作篇幅、调试代码并快速执行其他操作。来源：竹江AI导航

Pika 1.5 发布！压扁、膨胀、融化、爆炸，成为超强视频特效神器

Pika 1.5 新版本新增"Pikaffects"特效库、大屏镜头与全新动作，能够生成各种脑洞大开的创意视频内容。用户只需通过简单提示词，即可实现爆炸、融化、充气膨胀等趣味特效。Pika 1.5 的推出，预示着它将彻底改写 meme 视频创作规则，成为视频特效制作的强大利器。来源：竹江AI导航

快手可灵 AI 新增"对口型"功能：生成人物口型与上传音频精准同步

快手旗下 可灵 AI 官方宣布新增对口型功能，并面向所有用户开放 API 服务。在可灵 AI 生成人物视频后，只需上传对应音频，即可实现视频人物口型与音频的精准同步。可灵 1.0 及 1.5 模型生成的视频，只要画面中符合人脸检测条件，均支持对口型功能（目前仅支持人物类角色（真人/3D

/2D）进行对口型，动物类角色对口型暂不支持）。来源：竹江AI导航

OpenAI 发布 Realtime API，助力第三方应用快速集成语音合成技术

OpenAI 在旧金山开发者大会（DevDay）上正式发布 Realtime API，开发者可通过调用该 API 在第三方应用中集成语音合成技术。OpenAI 表示，开发者通过调用全新的 Realtime API，即可在自有应用中接入 6 种不同风格的 AI 语音。来源：IT 之家

智谱 AI 宣布 10 月最低 1 折开放全部官方模型 API，每位用户免费领 1 亿 tokens

智谱 AI 推出 10 月最新促销活动，开放平台 bigmodel.cn 所有官方模型 API 最低 1 折优惠，活动期间每位用户均可获赠 1 亿 tokens 免费额度。此外，在整个 10 月期间，系统将根据用户前一天的 token 实际用量，次日自动享受阶梯折扣优惠。来源：智谱 AI

 

09 月 27 日·周五

AI 产业繁荣缩影：Hugging Face 平台托管模型数量突破 100 万

AI 模型托管平台 Hugging Face 于本周四宣布，平台收录的 AI 模型数量正式突破 100 万个，成为 AI 行业高速发展的一个重要缩影。Hugging Face 成立于 2016 年，是一个致力于推动自然语言处理（NLP）技术与工具发展的开源社区与商业公司。团队致力于提供各类 NLP 任务中的最新技术、模型与工具，并为开发者提供便捷的方式来使用、微调和部署这些技术。来源：IT 之家

美图公司旗下 MOKI 全面开放，重塑 AI 短片创作工作流

美图公司旗下 AI 短片创作工具 MOKI 于 9 月 26 日全面开放，用户可通过官网直接体验。MOKI 专注于 AI 短片创作，支持动画短片、网文短剧等多种视频内容形态生产。用户只需输入故事梗概或导入剧本文案，MOKI 便能自动生成分镜脚本与画面，并一键生成带配乐的完整视频。来源： 美图公司

1.9 亿月活、260 亿估值的 Canva，欲借助 AI 挑战市值 2300 亿的 Adobe

Canva，一个拥有 1.9 亿月活用户与 260 亿美元估值的在线设计平台，正借助人工智能技术，向市值 2300 亿美元的设计巨头 Adobe 发起正面挑战。Canva 通过收购 AI 初创公司 Leonardo.Ai 及 Photoshop 竞品 Affinity，积极进军企业办公领域，与 Adobe 争夺企业级市场份额。Canva CEO Melanie Perkins 认为 AI 工具的核心价值是提升效率，这与 Canva 的企业使命高度一致，公司目标是在未来几年内实现月活跃用户突破 10 亿。来源：极客公园

 

09 月 26 日·周四

 

国产具身智能新突破：蔚蓝科技发布多模态 AI 机器狗 BabyAlpha A2 国产具身智能创新企业蔚蓝科技正式发布新品矩阵：四足机器狗 BabyAlpha A2、开发者版本机器人及人形机器人。BabyAlpha A2 具备定制化领养、多模态 AI 交互、AI 绘本与共享相册等功能，预计 10 中旬正式上市。公司采用线上线下全渠道销售模式，产品已覆盖全国并积极拓展海外市场。来源：量子位

空间智能公司「极佳视界」连获三轮融资，目标将视频生成升级为 4D 世界模型 空间智能公司「极佳视界」近日宣布完成近 5000 万元天使及天使+连续两轮融资。此两轮融资由北汽产投、奇绩创坛、华民投、龙鼎投资、清智资本、PKSHA Algorithm Fund 等知名财务与产业投资机构联合投资。此前极佳视界已完成数千万元种子轮融资，由辰韬资本独家投资。来源：智东西

重庆特斯联冲刺 AIoT 第一股！三年营收 29 亿，超六成来自 AI 产业数智化 据报道，重庆特斯联科技集团正式提交招股书，拟在港交所挂牌上市。三年累计营收 29 亿元，2023 年单年营收超 10 亿元，其中六成收入来自 AI 数智化业务。产品已遍及全球 150 个城市，服务 800 余家客户。研发投入占比高，技术团队规模庞大，专注智慧城市与 AI 大数据方向。主营业务基于自研操作系统 TacOS，覆盖 AIoT 多个细分领域。来源： 量子位

OpenAI CTO 与两位技术高管接连离职！据悉董事会将给 CEO 奥特曼 7% 股权激励

就在 OpenAI 首席技术官（CTO）米拉·穆拉蒂（Mira Murati）官宣辞职后不久，公司 CEO 奥特曼（Sam Altman）再投下一枚重磅炸弹：奥特曼以公开信形式在推文中宣布，OpenAI 后训练研究副总裁 Barret Zoph、首席研究官 Bob McGrew 也将相继离开公司。来源：钛媒体 Meta 发布 AR 眼镜 Orion，该品类有望成为下一个 10 亿级消费电子产品

在 9 月 25 日于加州 Menlo Park 举办的年度开发者大会上，Meta CEO 扎克伯格亲自展示了名为 Orion 的 AR 眼镜原型产品。Orion 是 Meta 首款"全功能"原型 AR 眼镜，通过一个腕带组件接收用户的神经信号，实现用脑电波控制 Orion，该技术源自公司 2019 年收购的 CTRL-Labs。来源：财联社

Hugging Face 推出 HuggingChat 原生 macOS 客户端

据 HuggingFace 官方消息，HuggingFace 正式推出专为 macOS 用户设计的 HuggingChat 原生客户端。HuggingChat 支持本地运行开源语言模型，同时集成了 Markdown 渲染、网页浏览、代码语法高亮等实用功能。HuggingChatOS 客户端为 macOS 用户提供了无缝流畅、直观易用的高级 AI 对话体验。来源：Hugging Face

Meta 发布端侧最强开源 AI 模型 Llama 3.2，可直接在手机上流畅运行

Meta 公司昨日（9 月 25 日）发布博文，正式推出 Llama 3.2 AI 模型。该系列模型以开放与可定制为核心特点，开发者可根据自身需求定制实现边缘 AI 与视觉革命。Llama 3.2 提供多模态视觉模型与轻量级模型两大产品线，其中 Llama 3.2 1B 与 3B 模型支持 128K Token 上下文长度，在边缘本地运行的设备场景（如摘要生成、指令遵循与文本重写任务）中处于行业领先地位，兼容高通与联发科硬件，并针对 Arm 处理器做了深度优化。Llama 3.2 11B 与 90B 视觉模型可直接替代对应的纯文本模型，在图像理解任务方面优于 Claude 3 Haiku 等闭源模型。来源： 竹江AI导航

 

09 月 25 日·周三

ChatGPT 高级语音助手正式上线！OpenAI：支持 50 多种语言、9 种声线可选

OpenAI 周二（24 日）宣布，所有付费订阅 ChatGPT Plus 与 Team 计划的用户，都将可以使用全新的 AVM 功能（高级语音模式），不过该功能将在未来几天内逐步推送。它将率先在美国市场上线。下周，该功能将向 OpenAI Edu 与 Enterprise 计划的订阅者开放。据悉，AVM 提升了部分外语的对话速度、流畅度并优化了口音表现。来源：财联社

谷歌 Gemini 1.5 AI 模型再进化：成本更低、性能更强、响应更快

 

据谷歌官方消息，谷歌今日正式发布旗下两款大模型产品 Gemini-1.5-Pro-002 与 Gemini-1.5-Flash-002 的最新版本。据悉，新模型速度更快、性能更强，同时更具成本效益。更新后的两款模型在数学推理、代码生成、长文本上下文理解与视觉任务等方面的性能均有显著提升。来源：腾讯新闻 OpenAI 发布 MMMLU 数据集：更广、更深评估 AI 模型能力，支持简体中文

OpenAI 在 Hugging Face 上正式发布了多语言大规模多任务语言理解（MMMLU）数据集，支持 14 种语言，专为评估和提升人工智能模型在不同语言、认知与文化背景下的性能而设计。

MMMLU 建立在广受欢迎的大规模多任务语言理解（MMLU）基准之上，数据集涵盖 57 个不同学科领域的任务，从基础数学到复杂的法律与物理问题，覆盖广泛的主题范围与难度层级。来源：竹江AI导航

腾讯发布轮足式机器人！能照顾老人，还会自我收纳回充

腾讯正式公布 Robotics X 实验室最新研发进展，推出轮足式机器人"小五"。小五集成了此前多代机器人研发的核心技术能力，能够在真实人居环境中完成行走、搬运物体等复杂动作，处理各类任务并与人自然交互。在腾讯 Robotics X 实验室展示的小五进入养老院服务老人场景中，它可以轻轻将老人从床上抱到轮椅上，还能推着轮椅送老人参加活动，途中还会主动避让障碍物。来源：智东西

美团再度加码人形机器人公司宇树科技，80 亿估值能否撑起"中国版 Figure AI"？ 宇树科技近期完成数亿元人民币 C 轮融资，由北京机器人产业投资基金等机构领投，美团龙珠、中关村科学城、琥珀资本、上海科创基金、红杉资本中国、中信证券、祥峰投资中国基金等跟投。这是美团第二次参与宇树科技的投资。此前，王兴领导的美团战投已参与了宇树科技今年 2 月的 B2 轮总计 10 亿元融资。来源：钛媒体

17 岁高中生做 AI App，不到 4 个月入账百万美元，独立开发者的春天真的来了？

3 个人团队，300 万美元 ARR。Cal AI，简单来说就是一款扫描食物热量的 App。用户拿起手机给食物拍张照，App 自动分析食物中的蛋白质、碳水化合物与脂肪含量，最终帮助用户实现体重管理目标。如上所述，这个产品的开发和运营团队只有 3 个人：Zach 担任 CEO，Henry 担任 CTO，两人都是青少年，另外还有一人负责增长运营。来源：竹江AI导航

 

09 月 24 日·周二

字节跳动豆包视频生成大模型正式发布：支持多风格多比例的一致性多镜头生成

9 月 24 日消息，火山引擎正式发布 豆包视频生成-PixelDance 与 豆包视频生成-Seaweed 两款大模型，面向企业市场开启邀请测试，这也标志着字节跳动正式进军 AI 视频生成赛道。官方介绍称，无论是语义理解能力、多主体运动的复杂交互画面，还是多镜头切换的内容一致性，豆包视频生成大模型均达到业界先进水平。来源：竹江AI导航

OpenAI 奥特曼罕见发长文：超级 AI 有望在几千天内实现

9 月 24 日凌晨，OpenAI CEO 奥特曼（Sam Altman）罕见发表了一篇长篇博客，标题为

《智能时代》（The Intelligence Age），推文浏览量已突破 100 万人次。奥特曼认为，技术进步将使未来几代人能够完成前人认为不可能实现的事情。AI 将成为解决难题的强大工具，帮助我们构建全新的社会支撑结构。人人拥有一支专属 AI 团队将成为现实，可为每个人提供个性化指导与创意支持。他还做出预测，超级 AI 有望在未来几千天内成为现实。来源：钛媒体

 

09 月 23 日·周一

字节即梦上线数字人"对口型"功能，基于 Loopy 项目打造

字节全新项目 Loopy 在即梦平台正式上线，实现数字人声音与画面、表情、情绪的完美匹配，目前中文效果最佳。Loopy 彻底解决了对口型视频的割裂感问题，角色说话时会自动带上语气、情绪与表情，精准驱动虚拟形象的细微动作。来源：竹江AI导航

 

PixVerse 全新 UI 正式发布：新增万能创作浮板、灵感库、创意工作台等功能

PixVerse 正式发布全新用户界面，带来万能创作浮板、灵感库、创意工作台以及更出色的设备兼容性。全新界面让视频创作更加便捷高效，支持一键套用模板，可高效管理视频作品，并在多平台上提供流畅一致的使用体验。来源：爱诗科技

JetBrains AI Assistant 编程助手正式国内发布，基于阿里通义大模型打造

JetBrains 正式发布基于阿里云通义大模型的 JetBrains AI Assistant。JetBrains 官方介绍称，JetBrains AI Assistant 与多款 JetBrains 产品深度集成，是专为中国开发者量身打造的"提效神器"。JetBrains AI Assistant 支持全链路开发优化，既可在特定 IDE 工具窗口中作为内联操作使用，也可通过内置聊天窗口交互，完全不打断开发者的正常工作流。来源：竹江AI导航

华知大模型 5.0 发布：同方知网与华为云联合打造，覆盖 7B~135B 全尺寸 以"数智共生、行业共赢"为主题的华知大模型行业应用研讨会于 9 月 21 日在上海举行，会议由同方知网与华为云联合主办。会上，华知大模型 5.0 正式发布，并全新上线智能 PPT、AI 科技查新、华知 App、3D 全息交互数字人等多项应用。来源：竹江AI导航

腾讯元器 AI 智能体支持发布到公众号：可制作数字分身、7×24 小时智能客服 据腾讯混元官方消息，其 AI 智能体产品腾讯元器现已支持发布至微信公众号，为公众号运营者带来多项全新功能。据腾讯介绍，借助腾讯元器，公众号运营者可创建专属数字分身与粉丝实时互动，还可为用户提供 7×24 小时全天候智能客服服务。腾讯元器还支持文章内容插入功能，智能体可自动将相关内容插入公众号文章，显著增强内容的互动性与信息量。来源：竹江AI导航

最"癫"AI 社交 App"SocialAI"上线 3 天爆火！国区可下载

SocialAI 是一款由 Friendly Apps 公司开发的 AI 社交网络应用。它模拟了一个完整的社交媒体平台，所有互动对象均来自 AI 机器人。用户可以发布状态动态，从 AI 粉丝那里获得定制化的回复与互动。根据网友分享的试玩体验，它能让你瞬间成为世界的主角——注册就送百万粉丝，但全都是机器人，随便发什么帖子都有大批机器人排队回复点赞。来源：量子位

Motiff 妙多公布 AI 生成 UI 设计技术，专业版售价每月 6 元起

看云控股集团旗下的"AI 时代设计工具"Motiff 妙多 正式公布全新 AI 生成 UI 设计技术。用户只需用文字描述即可生成"初版"设计稿，再在 Motiff 妙多中进行一站式协作，根据实际需求让 AI 生成页面的整体结构与具体内容，并通过一套表现力丰富的 UI 组件库，直接交付完整可用的页面设计方案。来源：竹江AI导航

 

09 月 19 日·周四

阿里全面免费开放通义万相 AI 视频，支持文生视频、图生视频

阿里全面免费开放通义万相 AI 视频，支持文生视频与图生视频两种创作方式，可自动创作出具有影视级画面质感的高清视频（最长 6 秒）。通义万相 AI 视频支持多种艺术风格，包括但不限于古风、科幻、动画等，并特别优化了对中式元素的理解与表现能力。通义万相 AI 视频可处理多语言输入，支持"灵感扩写"功能，一键帮助用户完善提示词，还自带"音频生成"功能，视频生成时自动匹配音画同步的音效与配乐，大幅降低 AI 视频创作门槛。来源：竹江AI导航

阿里通义千问开源 Qwen2.5 大模型，号称性能全面超越 Llama

在今日举办的 2024 云栖大会上，阿里云 CTO 周靖人正式发布通义千问新一代开源模型 Qwen2.5。其中旗舰模型 Qwen2.5-72B 号称性能超越 Llama 405B。Qwen2.5 涵盖多个尺寸的大语言模型、多模态模型、数学模型与代码模型，每个尺寸均提供基础版本、指令跟随版本与量化版本，总计上架 100 多个模型。包括 Qwen2.5 语言模型：0.5B、1.5B、3B、7B、14B、32B 以及 72B；Qwen2.5-Coder 编程模型：1.5B、7B 以及即将推出的 32B；Qwen2.5-Math 数学模型：1.5B、7B 以及 72B。来源：IT 之家

快手可灵 AI 发布 1.5 模型：新增"运动笔刷"，支持生成 1080p 高清视频

 

快手可灵 AI 今日面向全球正式发布可灵 1.5 模型，在画面质量、动态效果、文本响应度等方面均有大幅提升。可灵 AI 全新引入"运动笔刷"功能，进一步增强视频生成的精准可控能力。同时，可灵 AI 的视频画质全面升级，支持生成 1080p 分辨率视频，构图更加美观、动作更加合理、文本相关性显著提升。来源：极客公园

字节跳动豆包大模型将于 9 月 24 日发布视频生成模型 字节跳动昨日宣布，豆包大模型将于 9 月 24 日正式发布视频生成模型，并同步带来更多模型家族

 

的能力升级。9 月 24 日 14:30，2024 火山引擎 AI 创新巡展·深圳站将于深圳正式举行，字

节跳动将在大会上公布火山引擎整体介绍及豆包大模型最新进展，同时带来火山引擎 AI 产品最新动态与多个行业企业 AI 落地实践分享。来源：火山引擎

智谱开源图生视频模型 CogVideoX-5B-I2V，与"清影"同源

智谱 AI 正式开源了"清影"背后的图生视频模型 CogVideoX-5B-I2V（在线可体验），支持「一张图片」

+「提示词」生成视频。相关技术细节与模型代码已全面公开。此次 CogVideoX-5B-I2V 的开源，也标志着 CogVideoX 系列开源模型已全面支持文生视频、视频延长、图生视频三大核心任务。来源：竹江AI导航

文生视频模型 Runway、Luma 同日开放 API 接口

著名文生视频模型 Runway 宣布开放最新文生视频模型 Gen-3 Alpha Turbo 的 API，帮助开发者将该能力集成到自有应用中。几乎在同一时间，Runway 的主要竞争对手 Luma 也宣布开放生成视频 API，同样可将文生视频能力集成到第三方应用中。Luma 的 API 提供的是最新模型 Dream Machine v1.6，在生成效率与画质方面同样表现出色。来源：腾讯新闻

 

09 月 18 日·周三

阿里通义将发布 AI 视频生成大模型，支持文生视频与图生视频

阿里通义将在 2024 云栖大会（9 月 19 日至 9 月 21 日）期间正式发布视频生成大模型。目前通义 App 频道与 通义万相 PC 端已上线"视频生成"入口，仅开放用户预约，暂未正式使用。全新发布的视频生成大模型由通义实验室自主研发，包含"文生视频"与"图生视频"两种创作模式。来源：IT 之家

Suno 发布重磅功能"Covers"，可帮用户一键翻唱歌曲

全球知名文生音乐模型 Suno 正式发布重磅功能"Covers"，可帮助用户一键翻唱任意风格的歌曲，支持简单录音或完整歌曲两种输入形式。例如，上传一首流行歌曲《Original》，Covers 即可自动识别歌曲中的乐谱、乐器、节奏与旋律，然后按照用户选择的全新风格重新演绎。虽然整体节奏与旋律可能会有一些变化，但会完整保留原歌曲的核心灵魂，同时呈现出截然不同的全新风格。来源：腾讯新闻

元象发布中国最大开源 MoE 模型，255B 参数无条件免费商用

元象 XVERSE 正式发布中国最大 MoE 开源模型：XVERSE-MoE-A36B。该模型总参数 255B，激活参数仅 36B，性能却实现了达到 100B 量级模型水平的「跨级」跃升。同时训练时间减少 30%，推理性能提升 100%，使每 Token 推理成本大幅下降。在多个权威评测中，元象 MoE 效果大幅超越多个同类开源模型。来源：量子位

上海人工智能实验室推出书生·筑梦 2.0，支持长达 20 秒视频生成 上海人工智能实验室近日推出升级版视频生成模型——书生·筑梦 2.0（Vchitect 2.0）。该模型专为生成符合中国文化与东方审美的视频内容而设计，支持长达 20 秒的视频生成，并兼

容多种分辨率，包括 4:3 与 16:9。Vchitect 2.0 具备文本到视频生成、图像到视频转换、灵活宽高比设置、高清视频生成以及超分辨率与帧插值等多项功能。来源：竹江AI导航

AI 一键生成"类黑神话"！腾讯推出游戏视频生成模型 GameGen-O

 

腾讯近日推出的 GameGen-O，是一个专门面向开放世界游戏视频生成的 Transformer 模型。简单来说，该模型能够模拟各类游戏引擎功能，自动生成游戏角色、动态环境、复杂动作等等。同时支持交互控制，用户可通过文本、操作信号与视频提示来实时控制游戏内容。该项目由腾讯联合香港科技大学、中国科学技术大学共同推出，期望用 AI 模型替代游戏开发中的部分环节，例如目前已公开的游戏角色创建、游戏环境生成、动作生成、事件生成以及各类交互控制能力。来源：竹江AI导航

「AI 教母」李飞飞创业公司 World Labs 正式官宣！再获 2.3 亿美元融资

"AI 教母"李飞飞的创业公司 World Labs 正式官宣启动！3 个月前，这家新晋 AI 独角兽刚完成约 1 亿美元融资，估值已达 10 亿美金。近日，World Labs 再获 2.3 亿美元新一轮融资。本轮融资由 a16z、NEA 与 Radical Ventures 联合领投，英伟达的风投部门也参与了投资。来源：腾讯新闻

 

09 月 13 日·周五

原生 PyTorch 支持，大模型一键迁移！寒武纪正式开源 Torch-MLU

寒武纪正式开源 PyTorch 设备后端扩展插件 Torch-MLU，实现了寒武纪硬件对 PyTorch 的原生支持。开发者可无缝将基于 GPU 的深度学习模型迁移到寒武纪 MLU 硬件上，大幅提升使用体验与集成效率。Torch-MLU 的开源进一步推动了 AI 生态的共建共享，为全球开发者提供更加灵活、高效的开发环境。来源：竹江AI导航

昆仑万维发布奖励模型 Skywork-Reward，登顶 RewardBench 排行榜

昆仑万维正式发布两款全新奖励模型 Skywork-Reward-Gemma-2-27B 与 Skywork-Reward-Llama-3.1-8B。在奖励模型权威评估基准 RewardBench 上，这两款模型分别位列排行榜第一与第三位。奖励模型（Reward Model）是强化学习（Reinforcement Learning）中的核心概念与关键组成部分，用于评估智能体在不同状态下的表现，并为智能体提供奖励信号以指导其学习过程，让智能体学会在特定环境下做出最优决策。来源：竹江AI导航

安卓版谷歌 Gemini Live 免费上线，开启在线 AI 语音畅聊时代

科技媒体 9to5Google 昨日（9 月 12 日）发布博文，报道谷歌在一个月前面向 Advanced 订阅用户推出后，正在逐步面向所有安卓用户免费开放 Gemini Live。谷歌本周四宣布，所有使用英语的 Android 版 Gemini 移动应用用户，现在均可访问 Gemini Live，随时与助手进行流畅自然的对话。iOS 平台尚未推出 Gemini 应用，因此 iOS 用户暂无法体验该功能。来源： IT 之家

OpenAI o1 模型登场：开启 AI 通用复杂推理新篇章，模拟人类思考与问题解决

OpenAI 传闻已久的"草莓"（Strawberry）AI 模型现已正式面世，官方命名为"o1"，是该公司首款具备深度"推理"能力的模型。o1 模型能够快速解答复杂问题，在编写代码与处理多步骤推理任务方面表现尤为出色。OpenAI 还同步发布了一个成本更低、体积更小的版本——o1-mini。目前 o1 模型处于预览阶段，相较于 GPT-4o，它的使用成本更高、响应速度较慢，但推理性能更优。OpenAI 计划将 o1-mini 的访问权限开放给所有 ChatGPT 免费用户，具体发布日期尚未公布。来源：竹江AI导航

 

09 月 12 日·周四

夸克发布全新 CueMe 智能对话助手，支持上千种体裁、最长 2 万字长文生成 夸克正式发布全新智能对话助手 CueMe，用户现可通过 cueme.cn 或夸克 App 使用。CueMe 基于夸克大模型自主研发，AI 写作能力突出，支持不同体裁、不同篇幅的内容生成，单次最长可生成 2 万字内容。夸克表示，CueMe 针对不同细分体裁进行了充分的语料预训练，可支持上千种不同体裁的写作需求，包括研究报告、日常写作、课程论文、新媒体文案等等，

 

并且还在持续扩展中。来源：竹江AI导航

Pixtral 12B 发布：Mistral 首款多模态 AI 模型，120 亿参数、24GB 大小

法国 AI 初创公司 Mistral 正式发布 Pixtral 12B，这是该公司首款能够同时处理图像与文本的多模态 AI 大语言模型。Pixtral 12B 模型拥有 120 亿参数，文件大小约为 24GB。参数量大致对应模型的综合解题能力，通常参数量越大的模型表现越优异。来源：竹江AI导航

AI 芯片独角兽壁仞科技启动 IPO 上市辅导，估值达 155 亿元 据中国证券监督管理委员会官网显示，上海壁仞科技股份有限公司（壁仞科技）正式提交"首次公开发行股票并上市辅导备案报告"，标志着壁仞科技科创板 IPO 上市辅导工作正式启动，辅导机构为国泰君安证券股份有限公司。这意味着，继"AI 芯片第一股"寒武纪之后，燧原科技与壁仞科技有望开启国内新一轮 AI 芯片上市热潮。来源：钛媒体

估值 1500 亿美元！OpenAI 据称正洽谈新一轮大额融资 据知情人士透露，全球人工智能领军企业 OpenAI 正在商谈以 1500 亿美元的公司估值向投资者募集 65 亿美元新一轮融资。据悉，新的估值（不包括本轮募集资金）明显高于该公司今年早

些时候要约收购中的 860 亿美元估值，进一步巩固了其作为全球最有价值初创公司之一的地位。

OpenAI 还在商谈以循环贷款形式从银行募集 50 亿美元资金。来源：财联社

李彦宏最新内部讲话：不同模型之间的差距只会越来越大 近日，李彦宏在百度内部面向全体员工做了一次专题讲话，内容涉及大模型的能力壁垒、开源模型的局限性，以及百度为何要重点布局智能体等核心议题。在他看来，外界对大模型存在诸多误解，榜单得分超过 OpenAI 的产品，并不代表自家模型与 OpenAI 模型之间的差距已经很小。来源：界面新闻

Adobe Premiere Pro 将集成 AI 视频生成功能，年底前正式推出

Adobe 宣布，将于今年年底前推出由 Adobe Firefly Video 模型驱动的视频生成功能，届时用户可在 Premiere Pro 测试版应用及独立网站上体验该功能。Adobe 表示目前正在内部测试三项核心功能：生成续帧（Generative Extend）、文本转视频（Text to Video）与图像转视频（Image to Video），并将于近期开放公开测试。来源：IT 之家

 

09 月 11 日·周三

Vidu 全球首发 AI 视频生成"主体参照"新功能，一键同步角色特征

Vidu 主体参照功能是 Vidu AI 全球首发的参考一致性新功能。用户上传单一主体的图片（如真人、2D 或 3D 角色），即可在生成的视频中保持这些主体角色的形象一致性。Vidu 主体参照功能不仅支持对角色的面容、半身、全身特征进行精准控制，还涵盖多种角色类型与艺术画风，包括写实风格与各类艺术风格。来源：竹江AI导航

字节再试硬件赛道：探索 AI 耳机、眼镜等产品，与豆包大模型深度联动

据晚点 LatePost 报道，字节正在探索将大模型与消费硬件深度结合，既自主研发 AI 硬件，也会与外部硬件厂商合作。据称字节 AI 硬件团队的首款产品为智能耳机，该耳机将植入豆包大模型，并与字节对话类 AI 应用 豆包 App 深度结合：戴上智能耳机后，用户可通过语音对话随时使用豆包，在豆包 App 上也可反向操控这款耳机。来源：晚点 LatePost

让不足百元的 AI 数字人替人打工，风平智能获近亿元 A 轮系列融资

AI 数字人公司风平智能（Fullpeace）已完成累计近亿元 A 轮系列融资，由璀璨者资本及华为系企业家华鲲资本基金共同投资，包括汇财资本、北京大学人工智能创新中心主任雷鸣、清华大学杰出校友系基金在内的老股东全部跟投。其中，"1 号 AI"平台是本轮融资的核心亮点，投产比表现极为亮眼。1 号 AI 深度融合数字人、AI 与 RPA 技术，帮助用户打造具备媲美真人形象、声音、甚至拥有 AI 大脑的专属数字人员工。来源：腾讯新闻

AI 翻译公司 Smartcat 获 4300 万美元 C 轮融资

 

据 TechCrunch 报道，波士顿 AI 初创公司 Smartcat 近日完成 C 轮融资，共计募集 4300 万美元。据悉，本轮融资由 Left Lane Capital 领投。Smartcat 是一个先进的 AI 翻译平台，提供自动化翻译服务与本地化解决方案。平台融合 AI 翻译、计算机辅助翻译（CAT）工具与翻译管理系统（TMS），支持多达 280 种语言与 50 多种文件格式。来源：竹江AI导航

曝 OpenAI 神秘大模型"草莓"两周内正式发布！

据外媒 The Information 昨晚报道，OpenAI 的新模型"草莓"（Strawberry），将在未来两周内作为 ChatGPT 服务的一部分正式发布。"草莓"项目就是 OpenAI 盛传已久的神秘 Q*模型，据传是此前 OpenAI 内部"政变大戏"的关键原因之一。它展现出极强的数学解题与复杂编程能力，连 AI 安全研究人员都为之震惊。来源：智东西

面壁智能联合梧桐科技，端侧大模型赋能智能座舱

面壁智能正式宣布，成为梧桐科技芯算一体 AI 座舱方案中端侧大模型的重要战略合作伙伴，基于 MiniCPM 车载多模态大模型实现舱驾协控相关的功能控制。这也是面壁 MiniCPM 端侧多模态模型首次支撑汽车智能座舱的系统底座。梧桐科技已与 10 余家主机厂建立合作，合作车型

超过 100 余款，覆盖自主品牌、合资品牌与豪华品牌，产品累计装机量已突破三百万辆。来源：面壁智能

 

09 月 10 日·周二

Hugging Face 推出全新工具 LightEval，更科学地评估大模型真实能力

据悉，LightEval 是一款轻量级 AI 评估套件，与 Hugging Face 现有的一系列工具无缝集成，包括数据处理库 Datatrove 与模型训练库 Nanotron，提供了完整的 AI 开发流程闭环。LightEval 支持在多种硬件设备上进行评估，包括 CPU、GPU 与 TPU，可适应不同的硬件环境，满足各类企业的实际需求。来源：竹江AI导航

317 笔融资数据告诉你，谁才是中国 AI 投资之王？

尽管 AI 领域存在诸多非共识判断，但作为近两年确定性最高的赛道之一，仍有不少投资机构逆势加码布局 AI 产业。根据 IT 桔子数据，今年以来（1 月 1 日至 8 月 27 日），国内 AI 领域共发生 317 笔融资事件，其中出手 3 次及以上的投资机构共有 38 家。在这 38 家机构中，具备产业背景的投资机构多达 14 家，占比超过 35%。此外，VC、地方产业基金与 PE 的数量分别为 13 家、7 家与 4 家。来源：腾讯新闻

美国商务部公布新规：要求 AI 公司定期报告模型训练进展，声称将阻止外国获取美国技术 美国商务部 BIS 表示，开发者须每三个月报备一次训练进展，以便政府随时准备采取行动，确保美国企业研发的军民两用基础模型可供国防工业使用。美国商务部长吉娜·雷蒙多（Gina M. Raimondo）表示，AI 技术飞速发展，既蕴含巨大希望，也伴随巨大风险。她强调，草拟中的新规将帮助美国商务部跟上 AI 技术的最新发展步伐，进一步加强美国国防能力与维护国家安全。来源： 钛媒体 AI 超级周期才刚刚开启！AMD 苏姿丰：将加速推出 AI 芯片挑战英伟达

AMD 首席执行官苏姿丰（Lisa Su）发表演讲时表示，人工智能的超级周期才刚刚拉开帷幕，AMD 将正面瞄准英伟达的市场主导地位，加速推出高性能 AI 芯片。在高盛举办的一场通信与技术会议上，苏姿丰表示："人工智能是一个比我五年前预期更宏大的周期，我们现在正为未来五年下重注。"来源：财联社

苹果刚刚发布史上首台 AI iPhone，最大亮点竟然是侧边按键

Good Morning！库克又一次在 Apple Park 讲出这句经典开场白。与往年不同的是，库克首次在发布会开场同时提及 Apple Intelligence 与 Machine Learning 这些关键词，由此可见今年苹果对 AI 的重视程度。全新 iPhone 16 系列，也是苹果首款真正意义上的 AI iPhone。来源：爱范儿

新 AI 编程工具 Replit Agent 爆火：手机上 2 分钟即可创建一个 App

 

继 Cursor 之后，编程圈又杀出一匹黑马。它就是由 AI 初创公司 Replit 推出的智能体——Replit Agent。用户只需提供简单的指令或问题（Prompt），Replit Agent 就能自动完成编写代码、安装软件包、配置数据库、部署上线等一整套开发任务。Replit Agent 让在手机或电脑上快速创建 App 成为现实，官方宣称仅需 2 分钟就能在手机上从零创建一个完整 App。来源：竹江AI导航

 

09 月 09 日·周一

快手可灵 AI 启动中国首个 AIGC 导演共创计划

快手宣布正式启动"可灵 AI"电影共创计划，联合李少红、贾樟柯、叶锦添、薛晓路、俞白眉、董润年、张吃鱼、王子川、王卯卯等 9 位知名导演，共同推出 9 部 AIGC 电影短片。据介绍，9 部短片将全部由可灵 AI 进行视频生成，电影导演完全依托视频生成大模型，群体深度参与电影级内容创作，这在中国尚属首次。来源：36 氪

全球最大商业图库 Getty Images 推出免费高画质照片 AI 训练集：3750 张照片、15 大类别 9 月 9 日消息，以提供新闻、体育与娱乐照片授权闻名的全球最大商业图库 Getty Images，上周宣布推出高画质照片样本训练数据集，供开发者开发与训练 AI 模型使用。该样本数据集包含 3750 张照片，分为商业、教育、医疗健康、运动与健身、物品与物体、插图、图标等 15 个类别。数据集提供多种主题的高质量视觉内容，可用于训练机器学习与 AI 模型，开发各类应用场景。来源：IT 之家

国内 RISC-V AI 芯片设计公司知合计算完成 A1 轮融资，源码资本领投

9 月 9 日上午，国内基于 RISC-V 架构的 AI 芯片设计公司——知合计算技术（深圳）有限公司

（以下简称"知合计算"）宣布已完成数亿元人民币规模的 A1 轮融资。本轮融资由源码资本领投，领航新界、云九资本、乐朴投资、厚雪资本、临港新片区科创基金（由临港科创投担任管理人）等机构跟投。来源：钛媒体

荣耀赵明谈苹果 AI：让行业变得清醒，快餐式创新适得其反

荣耀 CEO 赵明表示，苹果对 AI 给出的方向将有助于整个行业更加清醒，构筑真正的 AI 能力需要脚踏实地的长期努力。他强调，手机厂商不能仅仅依赖集成第三方 AI 服务，就标榜自己的产品为 AI 手机。真正的 AI 手机，应具备如 AI Agent 这样的意图识别人机交互能力，这才是端侧 AI 的核心价值所在。来源：第一财经

加入 AI 混战，蚂蚁全面加速「卷应用」 今年外滩大会期间，蚂蚁带来的一系列能搞定生活大小事的「AI 管家」，是这场行业变革的重要参与者。在用户端，AI 生活管家「支小宝」、AI 金融管家「蚂小财」、AI 健康管家集中亮相，这三大「AI 管家」分别帮用户管事、管钱、管健康；在产业端，支付宝「百宝箱」作为智能体开发平台，让千行百业都能"捏"出生活中所需的更多 AI 助理；在更纵深的研、产、供、销、服全链路场景，蚂蚁专门成立了数字蚂力公司，打造 AI 人机融合解决方案。来源：极客公园

特斯拉将获得 xAI 模型授权，为其开发车载语音助理 据华尔街日报报道，马斯克旗下 xAI 公司已就分享未来特斯拉收入的协议展开讨论。根据拟议中的协议，特斯拉将获得 xAI 模型授权。据知情人士透露，xAI 将协助特斯拉开发其他功能，包括在其电动汽车内安装类似 Siri 的语音助理，以及为人形机器人 Optimus 提供动力的核心软件。来源：IT 之家

 

09 月 06 日·周五

智谱 AI 今日正式宣布：智谱清言"视频通话"功能全面免费开放

智谱 AI 今日正式宣布：旗下全能 AI 助手智谱清言的"视频通话"功能现已全面开放，并对所有用户限时免费。新功能标志着"清言"不再局限于文字与语音交互，而是能够通过视频"看见"世界，理解用户的表情与情绪，提供更自然、更人性化的交互体验。用户可通过智谱清言

 

App 尝鲜体验"视频通话"全新功能。来源：智谱 AI

开源大模型新王诞生——Reflection 70B，性能全面超越 GPT-4o 快速迭代的开源大模型领域，又诞生了新王：Reflection 70B。它横扫 MMLU、MATH、IFEval、GSM8K 等权威榜单，在每一项基准测试上都超过了 GPT-4o，甚至击败了 405B 参数的 Llama 3.1。这个新模型 Reflection 70B，来自 AI 写作初创公司 HyperWrite。HyperWrite CEO Matt Shumer 表示，Reflection-70B 目前是「世界上最顶级的开源 AI 模型」。来源：机器之心

蚂蚁集团 AI 金融管家"蚂小财"全新亮相，月活用户数达 7000 万

在 9 月 6 日的外滩大会财富论坛上，蚂蚁集团 AI 金融管家"蚂小财"新版升级正式亮相，并在支付宝 App 内全量开放。升级后的"蚂小财"能更实时地解读财经热点，提供"有问必答、千人千面"的个性化服务。同时，蚂蚁财富全新 App 搭载"蚂小财"Pro 版开启灰度测试，带来"语控一切、定制简报"等全新服务体验。来源：竹江AI导航

面壁智能开源端侧 AI 模型 MiniCPM 3.0，4B 参数性能超越 GPT-3.5

MiniCPM 3.0 是面壁智能推出的一款高性能端侧 AI 模型，仅具备 4B 参数，却以较小的模型规模实现了超越 GPT-3.5 的性能表现。MiniCPM 3.0 采用 LLMxMapReduce 技术，支持无限长文本处理。在 Function Calling 能力方面，MiniCPM 3.0 性能接近 GPT-4o，展现了出色的端侧任务执行能力。MiniCPM 3.0 已全面开源，量化后模型仅占用 2GB 内存，非常适合端侧部署场景。来源：竹江AI导航

"算力版滴滴"发布 AI 云新品，PPIO CEO 预测三年模型推理成本将下降 1000 倍

PPIO CEO 姚欣坦言，算力供需与使用不平衡是长期存在的行业痛点。从未来算力构成来看，95% 将是推理算力，5% 是训练算力，但这 95% 也不会出现一家独大的局面。姚欣预测，未来三年内，AI 大模型推理成本或将下降 1000 倍以上。PPIO 派欧云被誉为"算力界的滴滴"，主要整合企业侧闲置碎片化算力资源，承载多种服务，包括音视频处理与 AI 推理等。来源：钛媒体

 

09 月 05 日·周四

支付宝推出 AI 生活管家"支小宝"，国内首个服务型 AI 原生应用

 

2024 Inclusion·外滩大会今日正式开幕，蚂蚁集团总裁韩歆毅在开幕大会上透露，蚂蚁将

发布三款 AI 新产品，其中包括由支付宝全新推出的 AI 独立 App 支小宝。"支小宝"是蚂蚁集团基于蚂蚁百灵大模型打造的支付宝 AI 生活管家，号称是国内首个服务型 AI 原生应用，可通过自然对话快速完成订票、点餐、唤起公交码、查询附近吃喝玩乐等日常事务。来源：竹江AI导航

腾讯发布新一代大模型"混元 Turbo"：推理效率提升 100%，成本降低 50%

9 月 5 日消息，在今日举办的 2024 腾讯全球数字生态大会上，腾讯正式发布新一代大模型——

腾讯混元 Turbo。据腾讯官方介绍，该模型采用 MoE 架构，相比上一代产品推理效率提升 100%，推理成本降低 50%。对外定价方面，腾讯混元 Turbo 也比混元 Pro 降价 50%，输出价格为 0.05 元/千 tokens，输入价格为 0.015 元/千 tokens。来源：IT 之家

零一万物开源 Yi-Coder 系列编程助手模型，支持 52 种编程语言

零一万物今日正式开源 Yi-Coder 系列模型，这是 Yi 模型家族中专门面向编程场景的助手模型。Yi-Coder 系列模型专为编码任务量身打造，提供 1.5B 与 9B 两种参数规格。据介绍，Yi-Coder 能够处理最长 128K tokens 的上下文内容，适用于复杂项目级代码的理解与生成。Yi-Coder 还支持 52 种主流编程语言。来源：竹江AI导航

智谱完成新一轮数十亿元融资，投前估值达 200 亿元，国资再度入局 近日，中国人工智能领域领军企业智谱宣布成功完成新一轮融资，融资金额达数十亿元人民币，公司投前估值已高达 200 亿元。本轮融资由中关村科学城公司领投。据悉，

这是智谱在 2024 年完成的第三次融资。目前，智谱的股东名单中汇集了高瓴资本、启明创

 

投、君联资本等知名投资机构，以及美团、阿里巴巴、腾讯、小米等互联网巨头。来源： AI

工具集

"ChatGPT 之父"新公司成立仅 3 个月融资 10 亿美金，估值已超 350 亿

OpenAI 联合创始人、前首席科学家、"ChatGPT 之父"伊利亚·苏茨克韦尔（Ilya Sutskever）联合创立的新公司 Safe Superintelligence（SSI）宣布，近期已完成 10 亿美元融资。据悉，SSI 本轮投资方包括 a16z（Andreessen Horowitz）、红杉资本、DST Global 与 SV Angel，由 Nat Friedman 与 SSI 首席执行官 Daniel Gross 共同运营的投资合伙企业 NFDG 也参与其中。来源：钛媒体

智源研究院推出全球首个包含文生视频的模型对战评测服务 智源研究院正式推出全球首个包含文生视频能力的模型对战评测服务——FlagEval 大模型角斗场。该服务支持国内外约 40 款主流大模型，覆盖语言问答、多模态图文理解、文生图、文生视频等核心任务，并提供在线与离线盲测两种模式。FlagEval 大模型角斗场引入了主观倾向阶梯评分体系，包含五个梯度，以更精细、更科学的方式评测模型真实性能。来源：腾讯新闻

 

09 月 04 日·周三

笔灵 AI 推出 AI 写小说功能，支持小说改写、扩写、续写、润色

据笔灵官方消息，笔灵 AI 正式推出 AI 写小说功能，支持小说改写、扩写、续写、润色等全流程创作。用户只需输入小说分类、风格、关键词等信息，即可快速生成小说名称、大纲、剧情反转与扩写内容。此外，平台还提供丰富的场景模板，帮助用户高效构建小说世界。笔灵 AI 的小说写作服务目前提供 3 天会员体验，价格为 29 元。来源：竹江AI导航

百度官宣文心一言 App 正式升级为"文小言"，定位"新搜索"智能助手

百度官宣文心一言 App 正式升级为文小言，定位百度旗下"新搜索"智能助手。与其他搜索产品不同，文小言推出了富媒体搜索、多模态输入、文本与图片创作、高拟真数字人等一系列"新搜索"能力，同时发布记忆系统与自由订阅等新功能。文小言即日起还将免费开放文心 4.0 大模型能力，所有用户本月均可免费体验，此前该版本以付费形式向用户开放。来源：竹江AI导航

OpenAI 被曝将筹资数百亿美元打造全球 AI 基础设施

有媒体援引知情人士消息，OpenAI 首席执行官 Sam Altman 计划吸引全球投资者参与人工智能基础设施建设，这一战略计划正变得日益清晰，项目将首先在美国各州启动，预计总耗资达数百亿美元。正在讨论中的项目类型包括：建设大型数据中心，通过涡轮机与发电机提升能源容量与传输能力，以及扩大半导体制造产能。来源：第一财经

英特尔推出新一代 AI PC 芯片，官方宣称全面压过高通旗舰一头 近期深陷"缩缸"争议的英特尔，偏偏选在美股芯片板块大跳水之日，正式端出了自家最新一代酷睿 Ultra 笔记本电脑芯片。英特尔周三凌晨发布的 Ultra 200V 系列芯片，共包含 9 款型号。不过与早年熟悉的 i5、i7 命名方式不同，这一批芯片统一都是 8 核设计

（4 个性能核 + 4 个效率核）。各产品线的主要参数差异，仅体现在 CPU 最高睿频、GPU 核心数量与 NPU 引擎数量上。来源：财联社

智谱与荣耀正式签署 AI 大模型技术联合实验室战略合作协议 据智谱官方消息，智谱与荣耀于 9 月 2 日在北京正式签署 AI 大模型技术联合实验室战略合作协议。智谱表示，双方深化战略合作后，将进一步探索基于用户真实场景的端侧 AI 智能体验，共同推动智能终端领域大模型技术与应用创新，并通过荣耀折叠屏手机等全场景产品矩阵，为用户带来更加智慧、便捷的 AI 服务。来源：腾讯新闻

OpenAI 首款自研芯片曝光，首发台积电 A16 工艺，与苹果正面较量 据中国台湾《经济日报》报道，苹果已预定台积电 A16 埃米（1.6nm）制程的首批产能，OpenAI 也加入了预定行列。另据科技媒体 Wccftech 报道，OpenAI 开发基于 A16 埃米制程的定制

 

芯片，核心目标是提升 Sora 的视频生成能力。据业界人士透露，OpenAI 此前曾积极与台积电洽谈合作建设专用晶圆厂，但在综合评估效益后已搁置了专用厂计划。来源：智东西

商汤「办公小浣熊」正式入驻联想应用商店

商汤办公小浣熊正式在联想应用商店上线，用 AI 为 PC 用户全面提升办公效率。借助联想应用商店平台，办公小浣熊用户可在 PC 端高效体验 AI 大模型能力在财务分析、商业分析、销售预测、市场分析等各类办公场景中的实际应用。来源：竹江AI导航

 

09 月 03 日·周二

阶跃星辰上线 Step-1X 图像生成大模型，注册即可免费体验 大模型创业公司阶跃星辰在其开放平台体验中心，正式上线图像生成大模型 Step-1X，注册即可体验。在 7 月份举办的 2024 世界人工智能大会上，阶跃星辰一口气发布了万亿参数语言大模型 Step-2、多模态大模型 Step-1.5V 与图像生成大模型 Step-1X 三款重磅模型，并且与上海电影梦幻联动，基于经典 IP《大闹天宫》开发了 H5 互动体验"测测你是哪路神仙"。来源：竹江AI导航

8 岁小孩哥上手用 AI 制作游戏，全程仅 2 小时，引来 50 多万人围观 一个八岁的孩子，在没有任何编程经验的情况下，竟然独立搭建起了一个完整网站。是不是炒作暂且不论，但真实地让人感受到 AI 正在让编程变得越来越简单。他在零编码经验的情况下搭建了一个 Three.js 网站，全程借助 Claude AI 工具，并让 Cursor 为他完成了所有代码工作。来源：机器之心

烧钱换增长，AI 产品的流量打法还能走多远？

2024 年，国内 AI 产业的竞争逻辑，被一家大模型企业彻底改写。Kimi 的爆火，为全行业的"爆款焦虑"找到了标准答案——通过大规模投流驱动用户增长。当所有玩家都涌入这场营销军备竞赛，给国内大模型市场带来了短暂的虚假"繁荣"。从 3 月开始，国内头部 AI 产品的流量均出现大幅攀升。3 月，国内 AI 应用访问量 Top 10 的产品中，有 9 家访问量增速超过 40%。来源：钛媒体

AI 视频工具 OpusClip 获北美风投 3000 万美元投资，用 AI 革新短视频编辑 OpusClip，一家由人工智能驱动的视频二次创作初创公司，在由 Millennium New Horizons 领投的 A 轮融资中募集了 3000 万美元，Samsung Next、GTMfund 与 DCM Ventures 等机构跟投，同时公司正在通过全新的 ClipAnything 功能增强平台能力。这家初创公司专注于将长视频自动剪辑为可在社交媒体平台上病毒式传播的精彩短片。来源：腾讯新闻

MiniMax 大模型日均与用户交互 30 亿次，即将发布多模态模型 abab7

MiniMax 自 2021 年底成立以来，已构建了万亿参数的 MoE 文本大模型、语音大模型及图像大模型，推出了星野、海螺 AI 等原生应用，同时为企业与开发者提供开放平台 API 服务。MiniMax 的大模型目前与终端用户日均交互达 30 亿次，处理超过 3 万亿文本 tokens，生成 2000 万张图像与 7 万小时语音内容。来源：新浪财经

OpenAI ChatGPT 被曝将新增 8 种新语音：可更自然地模仿狗叫等动物声音

科技媒体 testingcatalog 报道称，通过逆向工程 ChatGPT 应用，发现 OpenAI 即将扩充语音库，让朗读声线更加自然、更富有表现力。有迹象表明 OpenAI 未来可能会额外推出 8 种全新语音，每种语音都有一个独特的内部代号，后续可能会分批上线。这些新声音的另一个有趣特点是，它们能够更自然地表达各类音效，比如动物叫声或其他非语言声音。来源：IT 之家

 

09 月 02 日·周一

Runway 发布 Gen-3 Alpha Extensions 功能，视频时长可延长至 40 秒

据 Runway 官方消息，Runway 宣布正式发布 Gen-3 Alpha Extensions 功能，可将生成视频时长延长至 40 秒。该功能支持用户仅凭简单的图片或文字输入，即可制作完整的故事情节或广告片

 

内容。时长的突破对广告制作、短视频创作等领域将产生深远影响，大幅提升创意生产效率。来源：品玩

「无问芯穹」完成近 5 亿元 A 轮融资，成立仅 16 个月已累计融资近 10 亿

「无问芯穹」宣布完成近 5 亿元 A 轮融资。这也是迄今为止，国内 AI Infra（大模型基础设施）层创业公司规模最大的单笔融资纪录。「无问芯穹」联合创始人、CEO 夏立雪表示，本轮融资将用于加强技术人才引进与研发投入，深入推动产品商业化落地并强化生态合作。值得注意的是，成立仅仅 16 个月，「无问芯穹」的累计融资额已接近 10 亿元。该公司过往投资方

还包括红杉中国、百度、智谱、同歌创投等知名机构。来源：36 氪

昆仑万维推出 AI 音乐创作平台"音疯"，支持创作者将作品上架售卖

音疯 是昆仑万维推出的 AI 音乐创作平台，基于人工智能技术大幅简化音乐创作流程。用户只需输入歌词，即可一键生成原创歌曲，或通过提供参考音乐来创作风格相近的作品。平台支持多种音乐风格，持续为创作者提供灵感，并且支持创作者将作品上架销售，直接获得版权收益。来源：竹江AI导航

MiniMax 宣布推出视频生成与音乐生成模型，旗下海螺 AI 已开放体验

8 月 31 日，一向低调的"AI 六小龙"之一——MiniMax 首次正式对外亮相，在上海举办了一场"MiniMax Link 伙伴日"活动。会上，MiniMax 创始人闫俊杰正式宣布推出视频生成模型与音乐生成模型。此外，他还预告，新一版在速度与效果上均对标 GPT-4o 的大模型 abab7，将在未来几周内正式发布。目前所有用户均可登录海螺 AI 官网体验视频生成与音乐生成功能。来源： 腾讯新闻

讯飞星火版「Her」横空出世全民开放！百变人设逼真丝滑

 

OpenAI 的「Her」还停留在概念阶段，讯飞星火版

「Her」就已经抢先上线了！不仅响应极速、支持自由打断，

 

还把情绪价值直接拉满，各种情感、风格、方言随心切换。熊二声线被召唤出来的时候，家里的熊孩子直接被"硬控"了整整 30 秒。现在只要下载讯飞星火 App，即可体验对标 GPT-4o 的超自然 AI 语音助手。来源：腾讯新闻

千亿市值上半年营收仅 6476 万，寒武纪半年亏损 5 个亿

AI 芯片领域呈现"冰火两重天"格局：全球最大 AI 芯片厂商英伟达近日公布 2025 财年第二季度财报，季度营收同比增长 112%；而寒武纪于 8 月 30 日晚间发布半年报，显示今年上半年营收不增反降。据财报数据，寒武纪今年上半年营收 6476.53 万元，同比下降 43.42%，净亏损 5.3 亿元，去年同期亏损 5.44 亿元。来源：第一财经

360AI 助手推出「模型竞技场」功能，多款大模型横向对比测评

 

据 360 官方消息，360AI 助手推

出模型竞技场功能。360AI 助手大模型竞技场支持展示各款大

 

模型性能的详细对比数据：包括"模型响应速度"、"模型生成内容字数"、"模型完成生成内容任务耗时"、"模型生成内容效率"（每秒生成字数）。通过对比这些核心性能指标，用户可以直观看到不同大模型之间的性能差异，作为选型参考依据。来源：360 社区

 

08 月 30 日·周五

专访宇树科技王兴兴：人形机器人巨变前夜，做一个敏锐的谨慎派 在当下大热的人形机器人与具身智能赛道，宇树科技是最受资本与行业关注的公司之一。这家公司最大的标签就是硬件实力过硬——一方面是性能，去年其首款通用人形机器人 H1 就能奔跑、原地空翻、抗冲击，拥有全球几乎顶配的动力性能；另一方面是成本控制，今年推出的第二款人形机器人 G1 售价仅 9.9 万元，而同行产品普遍在数十万乃至上百万元区间。来源：极客公园 Runway 从 HuggingFace 上"删库跑路"，Stable Diffusion v1.5 也神秘消失

Runway 突然从 Hugging Face 平台删除所有数据并退出，事前未通知任何人。此前，Runway 因版权争议被迫下架了开源的 Stable Diffusion 1.5 版本。CEO 曾公开表示发布该版本不存在问题，但后来

 

可能因版权纠纷与市场竞争压力最终选择彻底退出。来源：智东西

通义网页版重磅升级！推出"通义效率"版块，正式上线 PPT 创作功能

通义网页版正式上线"PPT 创作"功能，具备言之有物、设计精美、智能编排三大核心特点。PPT 创作功能完全免费，基于通义大模型深度打造。在通义网页版中，音视频转文字产品"通义听悟"升级为"实时记录"，长文档阅读助手"通义智文"升级为"阅读助手"，与"PPT 创作"功能共同整合为"通义效率"版块，实现从信息搜集整理、内容理解到内容创作的完整工作学习闭环。来源：品玩 OpenAI 宣布 ChatGPT 全球周活跃用户突破 2 亿大关

科技媒体 Axios 今日（8 月 30 日）发布博文报道，OpenAI 的 AI 聊天机器人 ChatGPT 目前周活跃用户数量已经突破 2 亿，短短一年时间内实现用户规模翻倍。OpenAI 还表示，在全球财富 500 强企业中，已有 92% 正在使用其产品；自 7 月份发布 GPT-4o mini 以来，其自动 API 的调用量也翻了一番。来源：IT 之家

阿里重磅开源 Qwen2-VL：能理解超 20 分钟长视频，多模态能力媲美 GPT-4o 阿里巴巴正式开源最新视觉多模态模型 Qwen2-VL 。根据公开测试数据显示，其 72B 参数版本在大部分评测指标上超越了 OpenAI 的 GPT-4o、Anthropic 的 Claude 3.5 Sonnet 等知名闭源模型，成为目前全球最强多模态模型之一。Qwen2-VL 支持中文、英文、日文、韩文等多种语言，可在 Apache 2.0 协议下免费商用。同时阿里同步发布了 Qwen2-VL-72B 的 API，帮助开发者快速增强或开发具备多模态能力的生成式 AI 应用。来源：竹江AI导航

智谱 AI 发布新一代基座模型矩阵，性能指标均跻身国际第一梯队

在 KDD 2024 大会上，智谱 AI 正式发布新一代基座模型家族，包括语言模型 GLM-4-Plus 、文生图

模型 CogView-3-Plus 、图像/视频理解模型 GLM-4V-Plus 、视频生成模型 CogVideoX 等，这些模型在各自领域均达到国际第一梯队水平。智谱 AI 还在「清言 App」上线了视频通话功能，并在 MaaS 平台上开放了 GLM-4-Flash API 的免费调用额度。来源：竹江AI导航

 

08 月 29 日·周四

谷歌推出全球首个 AI 游戏引擎 GameNGen，可生成实时可玩的 DOOM 游戏

世界上首个完全由 AI 驱动的游戏引擎正式诞生。谷歌研究团队训练的 GameNGen ，能以每秒 20 帧的速度实时生成 DOOM 游戏画面，效果逼真到 60% 的片段都让资深玩家难以辨认真假！全球规模 2000 亿美元的游戏产业，即将被彻底改写。来源：竹江AI导航

书生·天际 3.0 实景三维大模型发布：城市级 100 平方公里全范围实时渲染，VR 设备可直接使用

 

用

 

据"书生·智能"官方公众号 28 日推文，书生·天际 3.0 实景三维大模型现已正式开源发布，渲

染效率提升近 6 倍，同时将应用场景拓展至 VR 头显设备。早在去年 7 月，上海人工智能实验室联合多家机构发布了书生·天际（LandMark）实景三维大模型，号称首次实现城市级 100 平方公里全范围实时渲染。来源：书生·天际

AI 图像生成公司 Midjourney 宣布进军硬件领域，苹果前硬件经理加盟

知名 AI 图像生成公司 Midjourney 正式宣布进军硬件领域。该公司今日在社交媒体 X 上发布招聘信息，广邀人才加入其全新成立的硬件部门。目前 Midjourney 尚未透露将开发何种类型的硬件产品，仅表示已有多个项目正在推进中，并强调"未来肯定有更多形态的可能性"。来源： IT 之家

安卓/macOS 版 ChatGPT 现已支持"@"提及功能，可无缝切换不同 GPT 模型

科技媒体 testingcatalog 昨日（8 月 28 日）发布博文，报道称安卓版与 macOS 版

ChatGPT 现已支持 Mentions（@提及）功能，用户可在对话中输入"@"符号来调用不同的定制 GPT

 

模型。在安卓版 ChatGPT 应用中，用户输入"@"符号后会弹出选择窗口，方便用户在保持聊天上下文的前提下无缝切换不同 GPT 模型。来源：IT 之家

英伟达财报公布：三个月净赚 1100 亿，但市值一夜蒸发 6.89%

财报显示，第二财季英伟达营收与净利润双双超出市场预期：营业收入达 300 亿美元（约合人民币

2137.08 亿元），同比增长 122%，环比增长 15%；净利润 166 亿美元（约合人民币 1182.52 亿元），同比增长 168%，环比增长 12%。财报公布后，英伟达股价盘后交易中先涨超 2%，随后急转直下跌至 6.89%，市值一夜蒸发约 600 亿美元（约合人民币 4274 亿元），大约相当于跌掉了一个中芯国际 A 股（688981.SH）的全部市值。来源：钛媒体

消息称 OpenAI 正进行新一轮融资谈判，估值突破千亿美元大关

综合 CNBC、《华尔街日报》等多家媒体消息，OpenAI 正在进行新一轮融资谈判，此轮融资完成后这家 AI 初创公司的估值将超过 1000 亿美元（IT 之家备注：当前约合 7124.5 亿元人民币）。据不具名知情人士透露，Thrive Capital 正在主导本轮融资，并计划投资 10 亿美元（当前约 71.24 亿元人民币）。今年早些时候，OpenAI 的估值就已超过 800 亿美元（当前约 5699.6 亿元人民币），远高于上一年的 290 亿美元。来源：IT 之家

美图发布 2024 中期业绩：经调整归母净利润 2.78 亿元，净利润大涨 80%

8 月 28 日，美图正式发布 2024 年中期业绩：2024 年 1 至 6 月美图总收入 16.2 亿元人民币，同比增长 28.6%；而最亮眼的数据则是经调整归母净利润达 2.78 亿元，同比大涨 80.3%。美图给出的两大业绩增长原因，均与主营业务深度相关。一是 AI 技术全面赋能：2023 年 6 月，美图一口气推出/更新了 6 款产品，包含 美图设计室 V2、开拍、AI 数字人 DreamAvatar 等面向 B 端用户的生产力产品，有力驱动了国内用户付费增长。二是全球化战略成效显著：美图旗下 App 在多国应用商店名列前茅，海外用户规模与付费收入均实现双增长。来源：腾讯新闻

 

08 月 28 日·周三

Kimi 推出 moonshot-v1-auto 模型 API，后续将上线联网搜索功能

Kimi 开放平台正式推出名为 moonshot-v1-auto 的新模型 API。该功能能够根据上下文所需的 Token 数量自动选择最合适的模型版本，从而帮助用户大幅节省调用成本。同时，官方预告了 Kimi API 的全新功能：即将上线联网搜索能力。来源：Kimi 开放平台

商汤科技半年报：生成式 AI 业务收入占比首次超越传统 AI

根据最新发布的财报，商汤科技 2024 年上半年总营收达 17.4 亿元，同比增长 21%。其中生成式 AI 业务收入同比激增 256%，达到近 11 亿元，首次超越传统 AI 业务，占总收入比重达 60%。来源：第一财经

Freepik Mystic 正式发布，号称当前最先进的 AI 图像生成器

Magnific AI 与 Freepik 今日联合推出 Freepik Mystic，宣称是目前全球最先进的 AI 图像生成器，也是唯一可直接生成全高清图像的 AI 图像生成器。与 Midjourney 和 OpenAI 的 DALL·E 不同，Mystic 并非单一基础模型，而是一套融合 Flux 基础模型、微调和高分辨率图像生成技术以及参数优化的完整工作流。Freepik Mystic 可通过 Freepik Premium 订阅使用，同时也将登陆 Magnific AI 平台。来源：竹江AI导航

谷歌发布 3 款 Gemini 实验 AI 模型：1.5 Pro 冲榜第二、1.5 Flash 从第 23 名飙升至第 6

 

谷歌 AI Studio 产品总监 Logan Kilpatrick 今日（8 月 28 日）在 X

平台发布推文，宣布推出 3 款 Gemini 实验性模型。Kilpatrick 表示，全新 Gemini 1.5 Pro Exp 0827 版本在各方面均优于 8 月初发布的实验版本，目前在 LMSYS 排行榜上位列第 2，仅次于 OpenAI 的 GPT-4o-latest 模型。来源：IT 之家

 

智谱 AI 开源 CogVideoX-5B 视频生成模型，RTX 3060 显卡即可本地运行

智谱 AI 正式开源 CogVideoX-5B 视频生成模型。相比此前开源的 CogVideoX-2B，官方称其视频生成质量更高、视觉效果更出色。官方表示本次大幅优化了模型的推理性能，推理门槛显著降低：GTX 1080 Ti 等早期显卡即可运行 CogVideoX-2B，RTX 3060 等桌面端"甜品级"显卡即可流畅运行 CogVideoX-5B 模型。来源：竹江AI导航

Anthropic 向所有 Claude 用户全面开放 Artifacts AI 功能

AI 科技公司 Anthropic 今日（8 月 28 日）发布博文，宣布面向所有 Claude 用户开放 Artifacts 功能，用户现在即可在 iOS 与安卓版 Claude 应用中创建和浏览 Artifacts。Artifacts 相当于一个动态工作区：当用户与 Claude 对话、让其生成文档、代码、矢量图甚至简单游戏时，Artifacts 会自动出现在聊天界面侧边，方便用户实时查看、迭代和创作作品。来源：IT 之家

OpenAI"草莓项目"最快今年秋季发布，紧随其后的是"猎户座"（Orion）

AI 工程师 Tom Keldenich 透露，OpenAI 正在并行开发"草莓"与"猎户座"（Orion）两款模型。草莓模型主要用于解决复杂推理任务，尤其是在数学与编程领域表现突出，同时也将极大增强大模型的语言理解能力——例如在《纽约时报》组织的测试中表现就非常出色。猎户座则是超越 GPT-4 的下一代继任模型，但其预训练数据由草莓模型生成。也就是说，这两个模型组合起来，其推理与生成能力将远超目前所有已知模型。来源：财联社

中国 AI 芯片龙头燧原科技启动 IPO 上市辅导，腾讯持股超 20% 据中国证监会官网披露，上海燧原科技股份有限公司（以下简称"燧原科技"）正式提交首次公开发行股票并上市辅导备案报告，完成上市辅导备案登记，辅导机构为中金公司。这意味着，这家成立 6 年、累计融资额近 70 亿元人民币、估值已超 160 亿元（胡润研究院数据）的燧原科技，正式启动科创板 IPO 进程，有望成为继寒武纪之后国内科创板第二家 AI 算力芯片设计上市公司。来源：钛媒体

 

08 月 27 日·周二

智谱 AI 宣布 GLM-4-Flash 大模型免费开放，支持最大 128K 上下文

智谱 AI 今日正式宣布，GLM-4-Flash 大模型面向开发者免费开放，通过智谱 AI 开放平台即可调用。GLM-4-Flash 适用于简单垂直场景、低成本、需要快速响应的任务，生成速度可达 72.14 tokens/s，约合 115 字符/秒。GLM-4-Flash 具备多轮对话、网页浏览、Function Call（函数调用）与长文本推理（支持最大 128K 上下文）等核心能力，同时支持中文、英语、日语、韩语、德语等在内的 26 种语言。来源：竹江AI导航

字节成立大模型研究院，重金招募顶尖 AI 人才

据 AI 科技评论报道，字节跳动正在秘密筹备成立大模型研究院，并积极在全球范围内招揽人才。知情人士称，已有外部 AI 大牛加入大模型研究院，直接向张一鸣汇报。2023 年 8 月，字节自研的底层大模型"云雀"正式上线，随即推出 AI 对话产品"豆包"。今年 5 月，字节正式发布"豆包大模型"家族，掀起行业价格战，号称"比行业均价便宜 99.3%"。来源：腾讯新闻

Viggle 宣布获 a16z 领投的 1900 万美元 A 轮融资，加速产品研发与团队扩张

据 TechCrunch 报道，Viggle 宣布已完成由 Andreessen Horowitz 领投的 1900 万美元 A 轮融资，Two Small Fish 也参与跟投。这家初创公司表示，本轮融资将帮助 Viggle 扩大业务规模、加速产品迭代开发并扩充核心团队。Viggle 向 TechCrunch 透露，公司目前与 Google Cloud 等云服务商深度合作，用于训练与运行其 AI 模型。来源：腾讯新闻

夸克 PC 端正式全面发布：有夸克，就是一台 AI 电脑

夸克（Quark）正式发布 夸克 PC 端 ，AI 搜索、AI 创作功能全新上线。夸克将桌面 AI 助手与网盘服务深度结合，搭配全新升级的 AI 搜索与创作能力，打造了一个集工作、学习于一体的综合平台，官方口号：有夸克，就是 AI 电脑！

 

来源：竹江AI导航

虹软科技披露半年报：营业收入 3.81 亿元，PSAI 产品积极拓展国际市场

报告期内，PSAI 产品陆续入驻阿里巴巴集团旗下的淘宝千牛商家工作台与 1688 平台、抖店微应用、抖店服务市场等核心渠道。今年上半年，虹软科技实现营业收入 3.81 亿元，同比增长 11.97%；归母净利润 6145.89 万元，同比增长 22.82%；扣非净利润 5379.43 万元，同比增长 21.7%。来源：财联社

苹果官宣进军机器人行业，9 月 10 日推出首款 AI iPhone 据彭博社消息，苹果被曝正在探索机器人相关的全新业务方向。从爆料信息来看，这款机器人并非当下行业热议的人形机器人，而是一款桌面级机器人，内部代号 J595。今天凌晨，苹果正式宣布将于北京时间 9 月 10 日凌晨 1 点，在加州库比蒂诺总部举办主题为"高光时刻（It's Glowtime）"的特别活动。在这场苹果年度最重要的发布会上，预计将推出最新款 iPhone、Apple Watch 与 AirPods。来源：36 氪

小鹏自研芯片成功流片，算力达同行三倍，专为 AI 场景定制设计 小鹏汽车自研的智能驾驶芯片已成功流片。知情人士透露，小鹏智驾芯片专门针对 AI 推理需求与端到端大模型场景设计，是支持舱驾一体的中央计算架构芯片，"AI 算力接近 3 颗主流智驾芯片的总和"。8 月 27 日，在小鹏汽车 10 周年暨 M03 上市活动上，小鹏将正式对外公布自研芯片的详细信息。来源：36 氪

xAI Grok-2 强势挤进聊天机器人排行榜第二，紧追 GPT-4o

据大模型权威排行榜 LMSYS 官方消息，xAI 旗下聊天机器人 Grok-2 现已跻身聊天机器人排行榜第二位，仅次于 ChatGPT 4o。据悉，基于 6000 份社区盲测投票，Grok-2 成功夺得第二名，超越了 GPT-4o（5 月版），与最新版 Gemini 并列！同时 Grok-2-mini 也以令人瞩目的成绩位列第五名。来源：品玩

 

 

08 月 26 日·周一

云知声推出山海多模态大模型：可实时生成文本、音频与图像 云知声正式推出山海多模态大模型。通过深度整合跨模态信息，山海多模态大模型能够

 

 

接收文本、音

 

频、图像等多种形式作为输入，并实时生成文本、音频与图像的任意组合输出。来源： 竹江AI导航

亚马逊 CEO 安迪·贾西：AI 助手 Amazon Q 已节省约 4500 个开发人员年的工作量

 

亚马逊 CEO 安迪·贾西在其领英主页发文称，将亚马逊的生成式 AI 开发助手"Amazon Q"

 

集成到内部系统后，借助全新的代码转换功能，Amazon Q 将应用程序升级到 Java 17 的平均时间，从开发人员手工操作的约 50 天缩短到了短短几个小时，预计累计节省了约 4500 个开发人员一整年的工作量。来源：IT 之家

Meta 发布 Sapiens 视觉模型，让 AI 精准分析与理解图像/视频中的人类动作

Meta Reality 实验室最新推出名为 Sapiens 的 AI 视觉模型，适用于 2D 姿态估计、身体部位分割、深度估计与表面法线预测这 4 种以人为中心的基础视觉任务。模型参数量从 3 亿到 20 亿不等，原生支持 1K 高分辨率推理，可灵活针对不同任务进行微调。即使在标注数据稀缺的场景下，Sapiens 也展现出卓越的泛化能力。来源：竹江AI导航

西湖心辰推出端到端语音大模型 Lingo，中文语音效果媲美 GPT-4o

Lingo 是西湖心辰推出的国内首个端到端语音大模型，技术上具备实时打断、实时指令控制、超级拟人、能说会唱等核心能力，中文语音表现优于 GPT-4o。心辰 Lingo 语音模型已于 2024 年 8 月 24 日开启内测预约，预计将在 9 月 5 日的外滩大会上正式发布并

 

开放内测。来源：竹江AI导航

摩尔线程开源音频理解大模型 MooER：基于国产全功能 GPU 完成训练与推理 摩尔线程正式开源音频理解大模型——MooER（摩耳），这是业界首个基于国产全功能 GPU 完成训练与推理的大型开源语音模型。基于摩尔线程夸娥（KUAE）智算平台，MooER 大模型仅用 38 小时就完成了 5000 小时音频数据与伪标签的训练。MooER 不仅支持中英文语音识别，还具备中译英语音翻译能力。在 Covost2 中译英测试集中，MooER-5K 取得了 25.2 的 BLEU 分数，接近工业级应用效果。来源：竹江AI导航

Meta 发布 Imagine Yourself：无需为特定对象微调的个性化图像生成 AI 模型 从社交媒体到虚拟现实，个性化图像生成技术因其在各类应用场景中的巨大潜力而备受关注。传统方法通常需要针对每位用户进行大量定制化微调，严重限制了效率与可扩展性。为此 Meta 公司创新性提出了"Imagine Yourself" AI 模型方案。来源：IT 之家

一句话生成《黑神话：悟空》风格 3D 资产，胡渊鸣创业项目 Meshy 全新上线，可免费试用 截至目前，Meshy 已迭代到第 4 代。自 2023 年 11 月登场以来，Meshy 就凭借生成速度快、保真度高、操作简易三大优势走在行业前列。在最新的 Meshy-4 中，胡渊鸣团队攻克了 3D AI 生成领域的多项技术难题，无论使用文本生成 3D 还是图像生成 3D，都能明显感受到生成模型的几何质量获得了大幅提升。来源：机器之心

 

08 月 23 日·周五

快手可灵 AI 推出会员订阅计划：支持 AI 图片/视频生成，首月 19 元起

快手可灵 AI 正式推出会员订阅计划：连续包月首月最低价 19 元、次月起 58 元，每月可生成约 66 个视频或 3300 张图片，还可享受高画质视频生成、视频时长延长、大师运镜等多项会员专属权益。快手刚发布的 2024 年二季度财报显示，可灵 AI 目前已有超百万用户，累计生成视频数量突破千万条。来源：IT 之家

AI 辅助搜索应用持续走红，Perplexity 计划四季度开始投放广告

人工智能（AI）搜索初创公司 Perplexity AI 周四宣布，计划于今年第四季度在其搜索应用内正式投放广告。据知情人士透露，广告方面，Perplexity 将采用 CPM（每千次展示成本）计费模式，报价将超过 50 美元。这里指的是广告主为每千次广告展示支付给媒体的费用，而非按点击次数计费。来源：财联社

微软 Azure AI 语音服务推出虚拟人形象功能，支持文本直接转视频

微软 Azure AI 语音服务允许开发者构建多语言生成式 AI 语音应用。Azure AI 语音服务最新推出了文本到语音虚拟人功能，可将简单的文本内容直接转换为自然人说话视频。今日，微软宣布全面推出 Text to Speech Avatar 功能。这项全新功能让开发者能够为其用户创建高度个性化的虚拟数字人形象。该服务输出的视频分辨率为 1920×1080，每秒 25 帧。来源：IT 之家

李彦宏：文心大模型日调用量超 6 亿，日均 Tokens 处理量约 1 万亿

在百度 2024 年第二季度财报电话会上，百度创始人、董事长兼首席执行官李彦宏披露，文

 

心大模型日

均调用量已突破 6 亿次，日均处理 Tokens 文本约 1 万亿，两项指标均为国内最高水平。对比 2023 年

 

第四季度公布的 5000 万次日均调用量，半年时间内增长超过 10 倍。本季度内，百度还推出了性能更优的文心大模型 4.0 Turbo，并发布了多项优惠策略。来源：第一财经

抖音搜索推出独立 App：内容以短视频、图文为主

据 Tech 星球报道，抖音近期正式推出抖音搜索独立 App。据悉，"抖音搜索"的展示内容主要以博主创作的短视频、图文等原生内容为主。用户在搜索栏内输入相关关键词或语句，即可在综合频道下找到对应的短视频与图文内容。此外，平台还细分了视频、图文经验、商品等多个垂直搜索频道，可进一步精准筛选搜索结果。来源：36 氪

腾讯会议上线 17 种语言实时翻译能力，基于腾讯混元与腾讯翻译双引擎驱动

 

腾讯会议正式升级多语言实时翻译能力，支持将声源语言翻译为中文、英语、日语、韩语、俄语、泰语、印尼语、越南语、马来语、菲律宾语、葡萄牙语、土耳其语、阿拉伯语、西班牙语、印地语、法语、德语等共 17 种语言。功能升级后，腾讯会议企业版与商业版用户，在会议中的实时字幕、实时转写以及会后录制页面中均可使用该功能。据介绍，该能力由腾讯混元大模型与腾讯翻译联合提供技术支持。来源：量子位

 

08 月 22 日·周四

Ideogram 发布 2.0 全新版本，写实风格大幅提升，效果接近真实照片

Ideogram 2.0 是由 Ideogram 团队最新推出的文生图模型，最擅长将文字精准嵌入图像中，输入文字即可快速设计海报与网页。Ideogram 2.0 版本在写实风格上提升显著，效果已接近真实照片水准。Ideogram 2.0 提供常规、写实、设计、3D 与动漫等多种风格，充分满足不同场景的创意需求。来源： 竹江AI导航

a16z 发布全球 Top 100 AI 应用榜单，字节系产品大放异彩

a16z 正式发布全球 Top 100 AI 应用榜单，字节跳动旗下多款应用新上榜，包括教育科技平台 Gauth、机器人构建平台 Coze 以及通用智能助手豆包。图像与视频内容编辑类应用在移动端持续走热，美学与约会类应用快速崛起。Anthropic 的 Claude 在网页端排名持续上升，AI 助手 Luzia 在移动端表现尤为突出。来源：a16z

PixVerse V2.5 全球正式上线，视频生成速度提升 200%，运动笔刷功能升级回归

PixVerse V2.5 是爱诗科技最新推出的 AI 视频生成工具，通过深度模型优化大幅提升了视频生成速度与画质，最高支持 4K 分辨率输出。新版本新增 Performance 性能模式、运动笔刷、运镜控制等专业功能，显著增强视频创作的动态效果与专业度。目前提供 7 种语言界面，全球用户均可使用。来源：竹江AI导航

Midjourney 网页版全面开放注册，每位新用户可享 25 次免费试用机会

Midjourney 网页版现已对所有用户全面开放，每位新用户可体验 Midjourney 最先进模型 V 6.1 共 25 次免费生成机会。用户可使用 Discord 或 Google 账号直接登录，并在账户设置中绑定合并两个平台的登录信息，确保历史创作记录完整同步。来源：竹江AI导航

字节豆包语音模型与视觉模型再度升级，综合能力提升 20.3%

2024 火山引擎 AI 创新巡展上海站正式举办，带来豆包大模型的一系列重磅产品升级。豆包语音模型与视觉模型再度迭代升级，对话式 AI 实时交互解决方案进一步强化自然交互体验。最新版豆包 大语言模型的综合能力，相比三个月前首次发布时提升了 20.3%；豆包·文生图模型、豆包·语音识别模型等垂直模型也同步迎来大幅升级。来源：火山引擎

百度、商汤、智谱位列前三，IDC 首次发布中国大模型平台市场份额报告 国际数据公司（IDC）今日首次发布《中国大模型平台市场份额，2023：大模型元年——

初局》报告。数据显示，2023 年中国大模型平台及相关应用市场规模达 17.65 亿元人民币。得益于多年来在 AI 领域的持续深耕与大模型方向的前瞻性布局，百度智能云在 2023 年大模型市场规模达 3.5 亿元人民币，以 19.9% 的市场份额位居行业第一；商汤科技位居第二，市场份额达 16.0%；智谱 AI 则是 2023 年初创企业阵营中的领跑者，位列市场第三。来源：IT 之家

 

08 月 21 日·周三

会泡茶、弹琴、练咏春，星尘智能正式发布 AI 机器人助理 Astribot S1

Astribot 星尘智能 8 月 19 日正式发布 AI 机器人助理 Astribot S1，支持泡茶、做饭、弹琴、练咏春拳等丰富动作，还可通过 VR 进行远程遥控。据星尘智能介绍，Astribot S1 采用刚柔耦合传动机构，核心零部件全部自主研发，搭载软硬件一体化系统架构。来源：IT 之家

 

微软发布 Phi-3.5 系列模型，性能全面超越 Gemini 1.5 Flash 与 GPT-4o

Phi-3.5 是微软推出的新一代 AI 模型家族，包含 Phi-3.5-mini-instruct、Phi-3.5-MoE-instruct 与 Phi-3.5-vision-instruct 三个版本，分别面向轻量级推理、混合专家系统与多模态任务场景设计。Phi-3.5 采用 MIT 开源许可证，提供多种参数规格，支持 128K 上下文长度，优化了多语言处理与多轮对话能力，在各项基准测试中性能表现超越 GPT-4o、Llama 3.1、Gemini Flash 等同类模型。来源：竹江AI导航

谷歌开放 HeAR AI 模型 API：基于 1 亿条咳嗽声训练，辅助肺结核筛查、诊断与监测 谷歌公司于 8 月 19 日发布博文，宣布通过 Google Cloud API，目前已向全球研究人员开放健康声学表征（Health Acoustic Representations，简称 HeAR）AI 模型。谷歌 HeAR AI 模型可辅助人类医生诊断疾病，通过分析患者的咳嗽声与呼吸声，即可识别出多种呼吸系统疾病。来源：IT 之家 Salesforce 推出 xGen-MM 开源多模态 AI 模型

xGen-MM 是 Salesforce 推出的一款开源多模态 AI 模型，具备处理图文交错数据的能力，能够同时理解与生成文本、图像等多种数据类型。xGen-MM 通过学习海量图文数据，不仅在视觉语言任务上展现出强大性能，还通过开源模型权重、数据集与微调代码库，持续推动领域模型能力的共同进步。来源：竹江AI导航

OpenAI 开放 GPT-4o 微调功能，企业可轻松打造专属定制 AI 助手

OpenAI 推出全新功能，允许企业客户使用自有业务数据来定制其最强大的 AI 模型 GPT-4o。此举旨在应对日益激烈的企业级 AI 应用竞争，并满足企业对 AI 投资回报率不断提高的要求。通过模型微调，现有 AI 大模型可以针对特定任务或垂直领域进行深度优化。来源：IT 之家

PICO 发布"中国版 Vision Pro"，搭载的 AI 芯片性能暴增 8 倍

8 月 20 日下午，字节跳动旗下 XR 平台 PICO 正式推出首款 MR 混合现实一体机 PICO 4 Ultra。硬件方面搭载全新高通骁龙 XR2 Gen2 计算平台，配备 12GB 超大内存，GPU 性能相比前代 XR1 提升 2.5 倍，AI 性能相比 XR1 提升 8 倍。价格方面，PICO 4 Ultra 消费者版售价 4299 元，PICO 4 Ultra Enterprise（企业版）售价 7499 元，PICO 体感追踪器 399 元一对，现已全面开启预售。来源：钛媒体

iPad 上最强绘画应用 Procreate 宣布：永不引入生成式 AI 技术

Procreate CEO James Cuda 正式宣布，该应用将永远不会引入生成式 AI 技术，以保护艺术家群体免受其冲击；Procreate 是一款广受欢迎的 iPad 专业绘图应用，自 2011 年上线以来斩获多项国际大奖，并被广泛应用于艺术创作与设计教育领域；尽管 Procreate 坚决不采用生成式 AI，公司仍将继续使用传统机器学习技术来优化产品功能。来源：爱范儿

EliseAI 跻身纽约独角兽行列：完成 D 轮 7500 万美元融资、估值超 10 亿美元

据 VentureBeat 官网报道，近日房产科技公司 EliseAI 宣布成功完成 7500 万美元 D 轮融资。本轮融资由知名风投机构 Sapphire Ventures 领投，新募集资金将主要用于扩充团队规模、加速产品研发进程。至此，EliseAI 公司估值正式突破 10 亿美元，成为纽约市最新晋升的独角兽企业。来源：智东西

 

08 月 20 日·周二

全球最强数学大模型 Qwen2-Math 发布，人人可在线免费体验 Demo

阿里千问大模型团队正式发布 Qwen2-Math 在线体验 Demo，已上线 HuggingFace 可直接体验。更惊喜的是，如果觉得手动输入数学公式太麻烦，还可以把题目截图或拍照上传，即可自动识别并解题。试玩界面的 OCR 识别能力，由阿里千问团队的 Qwen2-VL 提供技术支持；核心数学推理能力，则由 Qwen2-Math 提供。来源：竹江AI导航

Luma Dream Machine v1.5 正式发布：更快、更真实、更清晰

据 Luma AI 官方消息，Luma Dream Machine v1.5 版本已于近日正式发布，在视频生成质量

 

方面获得了巨大提升。据 Luma 官方表示，Luma Dream Machine v1.5 在视频生成能力上取得了显著进步，不仅全面提升了视频画质，还大幅缩短了生成等待时间。现在用户可以在更短的时间内，获得更高质量的视频作品。来源：品玩

AMD 宣布 49 亿美元收购服务器制造商 ZT Systems，正面挑战英伟达

AMD 宣布同意以 75% 现金加 25% 股票的交易方式收购服务器制造商 ZT Systems，交易总价值达 49 亿美元，旨在强化数据中心技术布局。收购完成后，ZT Systems 将成为 AMD 数据中心解决方案业务集团的一部分。ZT Systems 在过去 12 个月的收入已超过 100 亿美元。来源：有新 Newin

通义千问宣布启用全新域名"tongyi.ai"，网页版聊天新增深度搜索功能 阿里大语言模型"通义千问"今日宣布正式启用新域名"tongyi.ai"，并同步带来多项功能更新。网页版聊天新增深度搜索功能；App 端图片微动效支持多尺寸图片生成；App 端自定义唱演功能升级支持 3:4 画幅（原先仅支持 1:1）。来源：通义千问

 

08 月 19 日·周一

昆仑万维推出 AI 短剧平台 SkyReels：自动生成剧情与对白，号称让创作者"一键成剧"

8 月 19 日，昆仑万维正式发布全球首个集成视频大模型与 3D 大模型的 AI 短剧创作平台 SkyReels。SkyReels 平台集剧本生成、角色定制、分镜设计、剧情编排、对白/BGM 生成及影片合成于一体，真正实现让创作者"一键成剧"，轻松制作高质量 AI 短剧。来源：竹江AI导航

科大讯飞推出"星火极速超拟人交互"：可模仿孙悟空、蜡笔小新等经典角色音色、语气与人设 科大讯飞今日宣布对星火语音大模型进行重磅更新，推出"星火极速超拟人交互"能力，计划于 8 月

30 日正式上线讯飞星火 App。"星火极速超拟人交互"采用统一神经网络实现语音到语音的端到端建模。官方宣称即便被用户频繁打断，也能"迅速反应"，更加贴合真实日常对话场景。来源： 科大讯飞

OpenAI 关闭 SearchGPT 候补名单，面向 10000 名受邀用户启动内测

据 The Verge 报道，OpenAI 宣布其全新产品 SearchGPT 的候补申请通道已正式关闭，即将启动定向用户测试。在初期阶段，仅 10000 名受邀用户将获得访问权限，这一措施有助于避免搜索机器人给出错误建议的情况。SearchGPT 支持用户用自然语言自由提问，并获得详细、易懂的答案，就像在与一位领域专家面对面交流。系统能够维持完整的对话上下文，理解复杂查询，甚至主动向用户澄清细节。来源：品玩

斯坦福都在用的 AI 学术搜索引擎 Consensus 获 USV 1100 万美元 A 轮领投

近日，AI 学术搜索引擎 Consensus 宣布完成 1100 万美元 A 轮融资，由 Union Square Ventures 领投，其他投资方还包括 Nat Friedman、Daniel Gross 与 Draper Associates 等知名机构。据悉，Consensus 目前已拥有 40 万月活跃用户，涵盖在校学生、执业医生与注重健康的普通消费者，这些用户通过搜索引擎查询各类学术问题，例如肌酸补充剂的效果、正念冥想的健康益处以及现金转移政策是否能有效减少贫困等。来源：有新 Newin

免费 AI 学术搜索引擎 Lumina：号称搜索结果相关性比谷歌学术高出 5 倍 一个仅三人团队打造的学术搜索引擎，直接拿下了 SOTA！号称搜索结果相关性平均比谷歌学术高出 5 倍，可检索超过 1 亿个研究文献对象，且完全不依赖大语言模型。更重要的是：永久免费！这个全新搜索引擎名为 Lumina，据官方透露目前已处理超过 30 万次搜索查询，支持 24 种语言。为了与谷歌学术等传统学术搜索引擎做横向对比，开发团队还专门搭建了一套基准测试体系，相关代码库也已全面开源。测试结果显示，Lumina 在搜索结果相关性指标上拿下了 SOTA 成绩。来源：竹江AI导航

谷歌前 CEO 施密特最新演讲全文实录：坦言"卷"才是企业唯一的生存出路

Google 前 CEO、如今"已经不是 Google 员工"的施密特（Eric Schmidt），不久前在斯坦福大学做了一场公开分享。分享视频被完整上传至斯坦福在线课程 YouTube 官方频道，其中包含 40 多分钟施密特与现场学生的 Q&A 互动环节。由于观点太过直接、讲话太过实在，施密特的这场分享很快就登上了新闻头条。来源：

 

极客公园

稚晖君一口气发布 5 款人形机器人，远征 A2 系列主打"面向量产的全面改进" 在这场发布会上，稚晖君一口气推出了三款远征系列机器人新品：交互服务机器人「远征 A2」、柔性智造机器人「远征 A2-W」、重载特种机器人「远征 A2-Max」。最后的 One more thing 环节，智元 X-Lab 孵化的模块化机器人系列产品「灵犀 X1」与「灵犀 X1-W」也作为"彩蛋"惊喜亮相。来源：量子位

中国首个接入大模型的 Linux 开源操作系统正式发布——deepin V23

知名开源社区——deepin（深度）社区正式对外发布全新开源操作系统——Linux 发行版 deepin V23。作为中国首个开源操作系统根社区推出的发行版本，deepin V23 真正实现了从软件仓库、应用层到操作系统核心组件全链路的自研模块，向全球开源爱好者输出了源自中国的优异开发套件！来源：腾讯新闻

 

08 月 16 日·周五

Runway 发布 Gen-3 Alpha Turbo：AI 视频生成速度提升 7 倍

据 Runway 官方消息，Runway 正式推出 Gen-3 Alpha Turbo，这是该公司最新一代 AI 视频生成模型。与此前发布的 Gen-3 Alpha 相比，Turbo 版本生成速度提升高达 7 倍，而价格仅为原版 Gen-3 Alpha 的一半，同时在绝大多数用例中保持同等性能表现。Turbo 版本面向所有用户开放，包括免费用户的试用额度。来源：品玩

CodeRabbit 获 1600 万美元 A 轮融资，用 AI 自动化代码审查流程

据 TechCrunch 报道，CodeRabbit 宣布获得 1600 万美元 A 轮融资，由 CRV 领投，Flex Capital 与 Engineering Capital 跟投。CodeRabbit 是一家 AI 初创公司，核心目标是通过人工智能技术实现代码审查全流程自动化。CodeRabbit 平台利用先进的 AI 推理能力深度理解代码背后的业务意图，为开发者提供可执行的、类人水平的代码审查反馈。来源：腾讯新闻

李沐：创业一年，人间三年

作者李沐：给小伙伴们汇报一下 LLM 创业第一年的进展、纠结与反思。其实在 Amazon 待到第五年的时候就萌生了创业念头，但被疫情耽搁了。熬到第七年半的时候，实在心痒难耐，就正式提交了离职。现在回头看，如果有什么事是这辈子早晚要试一次的，那就趁早上车。因为真正开始后才会发现有太多新东西要学，总忍不住感叹：为啥没能更早一点出发。来源：机器之心

收到中国知网 28 页侵权告知函，秘塔 AI 宣布不再收录知网文献题录与摘要数据 秘塔公司今日上午通过官方公众号发文称，昨日（15 日）收到《中国学术期刊（光盘版）》电子杂志社有限公司（即"知网"）发出的、长达 28 页的侵权告知函。秘塔方面针对此事回应称，依照学术规范，文献的摘要与题录应当具有独立性和自明性，确保读者不阅读全文也能获得必要信息。秘塔 AI 搜索的"学术"版块仅收录了论文的文献摘要与题录信息，并未收录文章正文内容本身，阅读正文需通过来源链接跳转至原网站获取。来源：秘塔 AI

微信与蚂蚁双双押注 AI 应用商店，巨头争抢 AI 时代的"苹果税"抽成权

据 Tech 星球报道，微信的云开发团队正在打造一款名为"云开发 AI 智能体"的应用平台，这是一个多平台 AI 智能体开发框架，旨在为企业与小程序开发者提供专属智能体运行环境。蚂蚁集团也

 

在开发一款 AI 应用搭建工具"芝士饼"。

开发者主体为蚂蚁云通（上海）信息技术有限公司，天眼

 

查显示，该公司由蚂蚁集团 100% 全资控股。用户通过该平台同样可以在零代码条件下快速搭建 AI 应用，并支持一键发布为支付宝小程序等多种产品形态。来源：品玩

力压 DALL·E 3 等顶级模型，谷歌正式开放 Imagen 3 文生图 AI 访问权限

科技媒体 VentureBeat 报道，谷歌已向美国用户正式开放最新文生图 AI 模型 Imagen 3，用户可直接打开 AI Test Kitchen 体验该功能。官方称最新版本"细节更清晰、光影更丰富、干扰性人工痕迹更少"。谷歌在今年 5 月召开的 I/O 开发者大会上首次公布 Imagen 3 模型，

 

6 月邀请部分 Vertex AI 用户参与封闭测试，如今正式面向美国全体用户开放。来源：IT 之家

百度文库"橙篇"App 正式上线，支持长文写作、多图一键成片等功能

百度文库于 5 月 30 日发布 AI 原生应用"橙篇"，橙篇 App 现已在各大安卓应用商店上架，版本号为 1.0.02，安装包体积 40.72 MB。这款产品不仅支持智能全网搜索、AI 今日热点等类似资讯类 App 的功能，还支持多图一键成片、超长文章写作、文件理解总结等生成式大模型能力。此外，产品本身具备多轮对话能力，支持发送文字、语音输入等方式进行自由交流。来源：IT 之家

 

08 月 15 日·周四

NEA 领投李飞飞 World Labs 新一轮 1 亿美元融资，估值已超 10 亿美元

上个月，李飞飞创立的 World Labs 公司被曝在短短两个月内连续完成两轮融资，投资方包括 a16z 以及 AI 基金 Radical Ventures 等顶级科技投资机构，公司估值一举突破 10 亿美元。据 TechCrunch 获悉，World Labs 最新一轮融资由 NEA 领投，估值超过 10 亿美元。最早

《金融时报》于 7 月份率先报道了这笔超过 1 亿美元的投资。来源：有新 Newin

苹果或将在 2026 年推出搭载 Apple Intelligence 的桌面机器人产品

据 Macrumors 报道，苹果计划在 2026 年推出一款桌面机器人产品，设备售价约 1000 美元，将深度集成 Apple Intelligence 技术。据悉，该设备将配备一块类似 iPad 的大型显示屏，安装在一个可活动的机械臂上，支持显示屏上下左右倾斜与 360 度自由旋转。该设备可充当"智能家居控制中枢"、FaceTime 视频会议终端以及家庭安防监控工具。来源：品玩

号称最强智能体 Agent Q 正式发布，具备自我学习进化能力

初创公司 MultiOn 近日发布了号称"目前最强"的 Agent Q，在真实预订任务测试中成功率高达 95.4%。网友纷纷猜测其背后有 OpenAI 神秘的 Q* 项目技术加持。Agent Q 融合了引导式蒙特卡洛树搜索（MCTS）、AI 自我批评与直接偏好优化（DPO）等前沿技术，使 AI 模型能够通过迭代微调与基于人类反馈的强化学习实现持续自我进化。来源：竹江AI导航

蚂蚁进军 AI 企业服务赛道！成立"数字蚂力"新公司，全面发力 AI to B 蚂蚁集团在北京正式注册成立新公司"数字蚂力"，全面发力 AI to B 市场，将以人工智能技术深度服务企业经营发展。数字蚂力总部位于海淀区的蚂蚁 T 空间，这里也是蚂蚁北京创新科技总部。蚂蚁集团将依托首都深厚的科技与人才优势，持续加大科技创新投入，围绕人工智能与数据要素根技术开展前沿探索。来源：量子位

OpenAI 发布 ChatGPT-4o-Latest 力压谷歌 Gemini 1.5 Pro，多项跑分重夺全球第一 谷歌上周刚发布最强 Gemini 1.5 Pro 模型，在 LMSYS 聊天机器人竞技场（Chatbot Arena）中登顶第一，OpenAI 迅速"找回场子"：最新 chatgpt-4o-latest 模型强势重夺榜首。OpenAI 再次发布了名为 chatgpt-4o-latest 的全新前沿模型，这是 GPT-4o 的最新版本，上下文窗口输入上限达 128000 个 tokens，输出上限为 16384 个 tokens。来源：IT 之家 ChatGPT 低调更新，现已默认启用最新版 GPT-4o 模型

据 ChatGPT 官方消息，ChatGPT 已于上周完成后台更新，默认使用最新版本的 GPT-4o 模型。据悉，该版本是 OpenAI 根据用户反馈持续优化迭代的版本。新模型似乎能够进行更细致的分步推理，并给出更加详尽的解释说明。来源：品玩

 

08 月 14 日·周三

马斯克 xAI 发布 Grok-2 / mini 模型，𝕏 平台同步新增文生图能力

xAI 公司昨日（8 月 13 日）以 Beta 测试版形式，正式发布 Grok-2 与 Grok-2 mini 两款 AI

模型，重点全面升级了推理能力。Grok-2 在视觉任务基准 MathVista 与 DocVQA 上展现出行业领先水平，并与 Black Forest Labs 的 FLUX.1 模型达成合作，扩展了 Grok-2 的 AI 创作能力。两种模型计划于本月晚些时候通过企业 API 面向开发者开放。来源：竹江AI导航

 

昆仑万维发布全球首个 AI 流媒体音乐平台 Melodio 昆仑万维今日正式宣布，全球首个 AI 流媒体音乐平台 Melodio 同步上线，并推出 AI 音乐商用创作平台 Mureka。据介绍，用户只需根据当下的场景或心情在 Melodio 中输入 Prompt（提示词），Melodio 便会持续生成对应风格的定制化背景音乐。来源：竹江AI导航

快手发布新款 AI 对话应用"飞船 Kraft"，提供全方位 AI 陪伴体验 据快手官方消息，快手今日正式推出 AI 对话应用"飞船 Kraft"，为用户提供高度个性化的对话陪伴体验。官方介绍称，飞船（Kraft）智能助手 App 是一款基于先进 AI 技术的互动软件，旨在全面提升用户的生活品质与工作效率。用户可以通过文字或语音与 AI 助手自由交流，解答疑问、娱乐消遣、进行内容创作与角色定制等。来源：竹江AI导航

谷歌发布 Pixel Studio 本地 AI 文生图应用：基于 Imagen 3 模型，2 秒内快速生成 谷歌公司在今日召开的 Pixel 9 系列手机发布会上，正式推出名为 Pixel Studio 的全新 AI 图像生成应用，并宣布将预装在每台 Pixel 9 系列手机中。用户可在 Pixel Studio 应用中输入文字提示词，AI 即可自动生成对应图片。谷歌 Pixel Studio 采用本地端侧运行模式，底层基于谷歌自研的 Imagen 3 模型。来源：竹江AI导航

谷歌发布 Gemini Live：支持 AI 语音畅聊，可模拟面试场景、提供演讲技巧指导

Gemini Live 是谷歌推出的智能语音助手，具备自然语言理解与多模态识别能力，支持图像、视频与语音等多种交互方式。用户可通过语音指令操控，实现日常事务的自动化处理。Gemini Live 提供 10 种不同音色可选，深度集成谷歌原生应用生态，未来计划扩展至 iOS 系统并增加更多语言支持。来源：竹江AI导航

谷歌向苹果三星正式亮剑！深夜连发四款 AI 手机，一键召唤 Gemini，安卓全面进入 AI 化时代

智东西 8 月 14 日报道，今日凌晨，在第九届 Made by Google 发布会上，AI 成为谷歌全系列硬件新品的核心关键词，全场 AI 被提及近百次。谷歌已将 Gemini 大模型无缝集成到折叠屏手机、智能手表、TWS 耳机等各类消费硬件中。此次，作为全球大模型与 AI 领域的领军企业，谷歌一口气甩出了与大模型深度融合的 AI 硬件全家桶，抢在苹果正式发布搭载 Apple Intelligence 的 iPhone 16 系列之前，使安卓成为全球首个内置端侧多模态大模型的移动操作系统。来源：智东西

 

08 月 13 日·周二

Cosine AI 推出"地表最强" AI 程序员：Genie

Genie 是 Cosine AI 推出的 AI 软件工程师智能体，能够像人类工程师一样快速解决实际软件工程问题，仅需 84 秒即可完成从代码编写到运行的全流程。Genie 通过模仿人类程序员的思考方式，自动解析问题、迭代分析并编写代码。Genie 在 SWE-Bench 权威基准测试中以 30.07% 的问题解决率遥遥领先同类产品。来源：竹江AI导航

首个全自动科学发现 AI 系统，Transformer 作者创办的 Sakana AI 推出 AI Scientist Sakana AI 正式推出 AI Scientist，这是全球首个用于自动化科学研究与开放式发现的 AI 系统！从选题构思、编写代码、运行实验、总结结果，到撰写整篇学术论文并完成同行评审，AI Scientist 开启了 AI 驱动科学研究与加速发现的全新时代。理论上，它可以像人类科学家一样，不断重复科学研究流程，以开放式的方式迭代开发新想法。来源：机器之心

AMD 完成收购欧洲最大私人 AI 实验室 Silo AI，斥资 6.65 亿美元

AMD 今日正式宣布，已完成对欧洲最大私人 AI 实验室 Silo AI 的收购，交易金额约为 6.65 亿美元（IT 之家备注：当前约合 47.73 亿元人民币），全部采用现金支付。至此，Silo AI 的科学家与工程师团队正式加入 AMD 大家庭。来源：IT 之家

最新 Falcon Mamba 7B 模型性能全方位提升，打败 Llama-3.1(8B)、Mistral(7B)

最新 Falcon Mamba 7B 模型采用 Mamba 状态空间语言模型架构，可处理各类文本生成任务。通过取消传统注意力机制，有效解决了模型在处理长序列时计算效率低下的痛点。它可以

 

处理无限长序列，而内存占用不随之线性增长。无论上下文长度如何，生成每个 Token 的耗时基本保持一致。Falcon Mamba 模型性能实现全方位提升，击败一众 Transformer 架构模型，如 Llama-3.1（8B）、Mistral（7B）以及 Falcon-2（11B）。来源：量子位

阿里通义开源音频语言模型 Qwen2-Audio，相关论文入选顶会 ACL 2024 阿里通义大模型持续开源，Qwen2 开源家族新增音频语言模型 Qwen2-Audio。Qwen2-Audio 无需文本输入即可直接进行语音问答，能够理解并分析用户输入的各类音频信号，包括人声、自然环境音、音乐等。该模型在多个权威评测中均显著超越此前的最优模型。来源：竹江AI导航

苹果被曝正开发 AI 智能眼镜，平价版 Vision Pro 或将明年推出

根据彭博社 Mark Gurman 的最新爆料，苹果 Vision 团队正在并行测试多款不同形态的穿戴式 VR/AR 眼镜产品，其中包括价格更亲民的 Apple Vision 头显、第二代 Apple Vision Pro，以及一款类似 Ray-Ban Meta 形态的智能眼镜。来源：爱范儿

IBM 正式推出生成式 AI 网络安全助手

据 IBM 官方消息，IBM 将在其托管威胁检测与响应服务中引入生成式 AI 功能，供 IBM Consulting（IBM 咨询）的安全分析师使用，协助客户推进并简化日常安全运营工作。全新的 IBM Consulting Cybersecurity Assistant 基于 IBM 自研数据与 AI 平台 watsonx 构建，旨在加快并优化对关键安全威胁的识别、调查与响应速度。来源：IT 之家

Meta 深化与环球音乐合作，双方承诺共同保护人类创作者与艺术创作

据 Meta 官方消息，Meta 宣布与环球音乐集团（Universal Music Group）深化战略合作，达成全新的多年期合作协议。Meta 在公告中表示，新协议体现了双方共同致力于保护人类创作者与艺术创作的决心，包括确保艺术家与词曲作者获得公平报酬，帮助创作者在 Meta 平台上获得更广阔的发展空间与商业机遇。来源：品玩

我国完成备案并上线、面向公众提供服务的生成式 AI 大模型已达 180 多个 据"工信微报"消息，在日前召开的第十二届互联网安全大会上，中央网络安全和信息化委员会办公室副主任、国家互联网信息办公室副主任王京涛介绍：截至目前，我国已完成备案并正式上线、面向公众提供服务的生成式人工智能服务大模型数量达 180 多个，注册用户总数已突破 5.64 亿。来源：IT 之家

 

08 月 12 日·周一

百度网盘超能画布推出 Pro 专业版，AI 修图效率提升 60 倍

百度网盘 AI 创意生成工具"超能画布"近日正式推出专业版。用户只需上传一张照片，即可从 70 余种艺术风格中自由挑选，轻松生成拥有不同妆造服饰与场景的个人写真。其"背景重绘"功能能够智能识别并自动抠出人物主体，一键更换任意背景场景，大幅降低实景拍摄成本，同时完美保留拍摄时的服饰造型。来源：品玩

LG 推出韩国首个开源 AI 模型 EXAONE 3.0，韩语能力测试排名第一

LG AI Research 于 8 月 7 日正式宣布推出韩国首个开源 AI 模型 EXAONE 3.0，标志着韩国正式跻身由美国科技巨头以及中国与中东新兴企业共同主导的全球 AI 竞争格局。EXAONE 3.0 开源模型基于 Decoder-only Transformer 架构，参数量为 7.8B，训练数据量（tokens）达 8T，是一款针对英语与韩语优化的双语模型。来源：IT 之家

讯飞智文 2.0 版本发布：内置 AI PPT 编排创作引擎，全面基于星火大模型 从讯飞开放平台获悉，讯飞智文 2.0 版本今日正式发布，带来 PPT 文本生成大模型、AI PPT 编排创作引擎、AI PPT 在线编辑模组三大核心技术升级。据介绍，讯飞智文 2.0 依托讯飞星火 V4.0 的底座能力，在文本生成方向进行了独立专项训练，对用户输入的主题具备更强的语义理解能力。用户在"主题创建"中输入一句话主题，再勾选"联网搜索"，大模型即可自动抓取实时资讯，确保内容事实的时效性与准确性。来源：讯飞开放平台

 

"毒舌 AI"Twitter 智能体每小时狂赚 4000 美元，每分钟新增 36 个用户

病毒式传播的"毒舌 AI"Twitter 智能体每小时进账 4000 美元（约合 2.8 万元人民币）！用户只需输入任意一个推特用户名，就能获得 AI 基于其历史发言生成的犀利吐槽点评。而且只要是公开账号就行，不需要获取任何额外权限。除了看看 AI 怎么评价自己，还能用来恶搞朋友，甚至恶搞各路名人。"毒舌 AI"Twitter 智能体构建在低代码开发平台 Wordware 之上。来源：量子位

马斯克宣布 Grok 2 测试版即将发布，年底将推出 Grok 3

特斯拉 CEO 马斯克于当地时间 8 月 11 日晚在 X 平台上表示，AI 模型 Grok 2 测试版即将正式发布。Grok 2 发布后将紧接推出 Grok 3，马斯克此前透露 Grok 3 计划在年底左右正式亮相。他表示，xAI 一直在紧锣密鼓地训练 Grok 3，该模型的水平将"达到甚至超越"尚未发布的 OpenAI GPT-5。来源： IT 之家

AI 换脸项目 Deep-Live-Cam 一夜爆火：只需一张照片，即可变身马斯克开直播

8 月 9 日晚到 8 月 10 日清晨，一个开源项目突然在 GitHub 上爆火：Deep-Live-Cam，仅需一张他人照片，就能在直播流中实现实时换脸，而且效果相当逼真。Deep-Live-Cam 现已在 GitHub 上完全开源，支持纯 CPU 运行，也可使用 NVIDIA CUDA、Apple Silicon

（CoreML）、DirectML（Windows）、OpenVINO（Intel）进行 GPU 硬件加速。来源： 竹江AI导航

 

08 月 10 日·周六

智谱 AI 推出 200 万字超长文本模型 GLM-4-long，现已开放 API 调用

GLM-4-long 是智谱 AI 推出的 200 万字超长上下文文本模型，现已在智谱 AI 开放平台 BigModel 上正式开放 API 调用。该模型专为处理超长文本与长记忆型任务而设计，上下文窗口最高支持 1M tokens，约合 150-200 万字，相当于 2 本《红楼梦》或 125 篇学术论文的体量。来源：竹江AI导航

即刻魔法镜：即刻账户 AI 趣味分析应用，一键窥探你的内心世界

即刻魔法镜是一款基于即刻账户的 AI 趣味分析应用，用户只需输入自己的即刻主页链接，即可立即开始"照照魔法镜"。即刻魔法镜会通读用户全部即刻帖子与互动内容，并自动生成分析报告，综合输出用户的性格优点、缺点、爱情运势、财运、健康预测以及生活与职业发展建议。即刻魔法镜幽默犀利的吐槽风格与深刻洞察力，与基于 Wordware 搭建的"Twitter 毒舌智能体"如出一辙。来源：竹江AI导航 AI 编程初创公司 Anysphere 获 a16z、Thrive 等 6000 万美元 A 轮融资

AI 编程初创公司 Anysphere 完成 6000 万美元 A 轮融资，投后估值达 4 亿美元。据悉，本轮融资由 a16z 与 Thrive Capital 联合领投，Stripe 联合创始人兼 CEO Patrick Collison 也个人参与了本轮投资。Anysphere 公司旗下的明星 AI 编程产品正是 Cursor。来源：有新 Newin

 

08 月 09 日·周五

秘塔科技完成超 1 亿元融资，蚂蚁集团领投

据晚点 LatePost 报道，秘塔科技近期完成了超 1 亿元人民币的新一轮融资，由蚂蚁集团领投、光速光合跟投，本轮投后估值达 1.5 亿美元。据了解，百度、腾讯等大型科技公司也曾在本轮融资期间与秘塔接触洽谈，最终蚂蚁与秘塔率先达成交易。自去年以来，蚂蚁集团在 AI 领域已至少投资了 6 家公司，包括大模型公司智谱 AI、月之暗面，视频生成公司爱诗科技、生数科技，AI 芯片公司墨芯科技，以及最新投资的秘塔科技。来源：晚点 LatePost

字节豆包大模型已支持实时语音通话功能

字节跳动旗下火山引擎今日正式推出对话式 AI 实时交互解决方案，搭载于火山方舟大模型服务平台之上。该方案通过火山引擎 RTC 实现语音数据的采集、处理与传输，并深度整合豆包·

 

语音识别模型与豆包·语音合成模型，大幅简化语音转文本与文本转语音的转换流程，提供智能

 

对话与自然语言处理能力，帮助各类应用快速实现用户与云端大模型的实时语音通话。来源：IT 之家

小米旗舰设备国际版将接入谷歌 Gemini 大模型，OPPO 此前已率先接入

小米创办人雷军 8 月 7 日宣布，小米旗舰机型国际版将接入谷歌 AI 大模型 Google Gemini。小米目前已在国行机型中推出了自研 AI 功能，7 月 30 日，小米小爱同学「大模型小爱」宣布全量升级，支持自然问答、图片编辑、车外唤醒防御等能力，覆盖核心品类设备。来源：IT 之家

毒舌 AI 上线 X 平台：马斯克、霉霉乃至全球 400 万网友被 Wordware 骂到"破防"

这个名叫 Wordware 的产品，本质是一个 AI Agent IDE 平台，用户可直接用自然语言在上面构建专属 AI 智能体。而

近期爆火的这个推特机器人，就是一个调用 Claude 大模型的 AI Agent，主打功能是「一键分析你的推特人格」。只要把你的推特账号输入进去，它就会通读你的全部推文，然后用大模型深度剖析你的性格特点。来源： IT 之家

阿里开源 Qwen2-Math：数学推理能力全球第一，全面超越 GPT-4o 与 Claude-3.5

阿里正式开源 Qwen2-Math（1.5B/7B/72B）系列模型。Qwen2-Math 是基于 Qwen2 基础大模型构建的、专门面向数学解题场景优化的语言模型，数学推理能力位居全球第一。在 Math 基准评测上的结果表明，最大的数学专用模型 Qwen2-Math-72B-Instruct 全面超越了当前最先进的模型，包括 GPT-4o、Claude-3.5-Sonnet、Gemini-1.5-Pro 与 Llama-3.1-405B。来源：Qwen

OpenAI 宣布 DALL·E 3 模型向所有 ChatGPT 免费用户开放

北京时间今日凌晨，OpenAI 宣布 ChatGPT 免费用户每天均可使用 DALL·E 3 模型生成图片。DALL·E 3 于去年 9 月正式推出，起初仅面向 ChatGPT Plus 付费订阅用户开放使用。来源：IT 之家

Mistral AI 推出全新开发工具 La Plateforme，用户可自主优化与构建智能 Agent

Mistral AI 近日宣布，正式推出全新 AI 开发平台 La Plateforme 以及 Agents 智能体平台，为用户与开发者提供更强大、更灵活的 AI 模型微调与应用开发能力。Mistral 表示，旗下模型现已支持通过 La Plateforme 进行微调，方便用户基于自有业务数据进行深度定制优化。同时，全新推出的 Agents 平台则支持用户对模型进行精细化参数调整，构建出更智能、更垂直的专属智能体。来源：品玩

阿里巴巴推出科研自动化 AI 助手 DS Assistant 据阿里巴巴官方消息，阿里巴巴近日正式推出一款名为 DS Assistant 的 AI 数据科学助手，能够自动化完成从数据探索到模型评估的全流程工作，让数据科学工作变得更加简单高效。DS Assistant 基于 ModelScope-Agent 框架开发，该框架由阿里巴巴开源，拥有丰富的工具生态与灵活的模块化设计。来源：品玩

 

08 月 08 日·周四

字节跳动旗下豆包正式上线音乐生成功能，用户可一键"创作"词曲

字节跳动旗下智能 AI 助手豆包今日正式上线音乐生成功能。用户在豆包的"音乐生成"入口输入歌曲主题或自己创作的歌词，设定好音乐风格、情绪氛围与演唱音色，即可快速生成一首约 1 分钟的完整词曲作品。目前，豆包音乐生成功能提供民谣、嘻哈、R&B 等共 11 种音乐风格，其中还涵盖爵士、雷鬼、电音等相对小众的曲风，并可自由选择男声或女声演唱版本。来源：IT 之家

阿里云推出首个域名 AI 大模型应用，正式上线".ai"域名后缀 阿里云在万网焕新发布会上宣布，域名产品服务已完成 AI 化系列升级改造，推出行业首个域名 AI 大模型应用，并正式上线".ai"等 40 余个全新域名后缀、整合 2000 万个全球域名资源。据阿里云官方介绍，升级后的阿里云万网实现了智能起名功能：用户只需输入品牌信息与所属行业，一键点击后，基于通义大模型即可批量生成创意域名候选。来源：IT 之家

百度网盘正式推出 AI 修图摄影行业专属解决方案

 

据百度官方消息，百度网盘于 2024 年 8 月正式推出面向摄影行业的专属解决方案。该方案集存储备份、AI 智能修图与高效交付于一体，旨在帮助影楼机构大幅提升运营效率、降低人力成本并驱动业务增长。百度网盘 AI 修图 功能可满足多种专业修图需求，包括高低频磨皮、面部重塑、单人调整与批量处理、牙齿美白等。来源：竹江AI导航

OpenAI 基金领投 6000 万美元，加注 AI 硬件初创公司 Opal

 

据 The Information 报道，OpenAI 基金正在牵头为 Opal（

前称 Opal Camera）进行 6000 万美元

 

B 轮融资。其他投资方包括知名 YouTuber Casey Neistat、TikTok 网红兄弟 Charli 与 Dixie

D'Amelio，以及 Founders Fund、Kindred Ventures 等现有老股东全部跟投。来源： 钛媒体

月之暗面 Kimi 上下文缓存 Cache 存储费用降价 50%

月之暗面官方宣布，Kimi 开放平台的上下文缓存 Cache 存储费用正式降价 50%，Cache 存储费用由原来的 10 元/1M tokens/分钟 下调至 5 元/1M tokens/分钟，即日起正式生效。7 月 1 日，Kimi 开放平台上下文缓存（Context Caching）功能开启公开测试。官方表示，该技术在 API 单价不变的前提下，可为开发者最高节省 90% 的长文本旗舰大模型调用成本，同时显著提升模型响应速度。来源：月之暗面

GPT-4o 新版本重磅上线：丝滑解决"9.11 和 9.9 谁大"，更强也更便宜了

GPT-4o 新版本正式上线，性能全面提升、价格更亲民。能力全方位进化，ZeroEval 基准测试直接跃居全球第一。输入与输出价格分别下调 50%、33%。单次输出 Token 上限扩展到 16K，此前仅支持 4K。连"9.11 和 9.9 哪个更大"这种经典数学问题，现在也能丝滑答对。这得益于 OpenAI 在 API 中引入了结构化输出功能，通过 JSON 模式强制约束模型输出格式符合开发者定义的结构，让大模型输出变得更可靠、更安全。最新版模型"GPT-4o-2024-08-06"在 JSON 模式专项评估中，得分高达 100%。来源：量子位

商汤科技 AIGC 产品"秒画趣拍"，上线仅 9 天日活突破 52 万人

商汤科技基于"日日新·秒画"文生图大模型打造的、帮助用户生成创意写真与 AI 合照的

 

AIGC 产品"秒画趣拍"小

程序版正式上线，试运营第 9 天日活跃用户即突破 52 万，累计用户总量突破

 

146 万，单日页面浏览量突破 4117 万，日均网络请求量破亿次。"秒画趣拍"小程序内覆盖海量精美模板，包括定格奥运、校园毕业照、创意合照、名画风写真、旅拍大片、新国风、二次元等多种风格。来源： 竹江AI导航

 

08 月 07 日·周三

Canva 可画发布一站式 AI 创作套件"魔力工作室"：支持生成艺术花字、转场动画

在 8 月 6 日举办的"Canva Connect 连接你我，可画未来"主题活动上，在线视觉传播与协作平台 Canva 可画正式宣布，一站式 AI 创作套件"魔力工作室"在中国市场全面上线。该套件号称"人人可用的一站式 AI 创作神器"，功能涵盖基于 AIGC 的智能文案生成、AI 图片生成、艺术花字特效生成、AI 图片编辑、转场动画设计生成等。来源：IT 之家

腾讯元宝上线深度阅读模式：支持最长近 50 万字超长输入，可提炼论文、自动生成杜邦分析图

 

腾讯元宝宣

布，在最新版本的腾讯元宝中，当用户上传论文、财报、研报等专业内容的 URL

 

链接或本地文件后，除了获得文字概括总结之外，还可进入深度阅读模式，对长文进行精细化精读。深度阅读模式原生支持最长近 50 万字的超长输入，能够在深度理解专业内容的基础上，生成图文并茂的分析报告——不仅可以引用原文中的图片，还能通过代码自动绘制高阶专业分析图表。来源：IT 之家

「零一万物」完成数亿美元新一轮融资，某国际战投、东南亚财团重磅加盟

由李开复创办的 AI 大模型独角兽企业零一万物，已完成新一轮数亿美元规模融资。知情人士透露，本轮融资参与方包括某国际产业战投、东南亚财团等多家知名机构。如今的"大模型六小虎"（智谱 AI、零一万物、百川智能、MiniMax、月之暗面、阶跃星辰），正以惊人的速度集体跨过 200 亿元估值大关。来源：36 氪

OpenAI API 正式引入结构化输出功能，助力开发者智能连接外部工具

 

OpenAI 在 API 中全新推出结构化输出功能，为开发者提供了一种更可靠的方式，将 GPT 的强大能力与外部工具和 API 无缝对接。该功能允许开发者向 gpt-4-0613 与 gpt-3.5-turbo-0613 模型描述自定义函数，并让模型智能选择输出一个包含这些函数调用参数的标准 JSON 对象。来源：第一财经

"地表最强"人形机器人 Figure 02 正式发布！OpenAI 技术加持，已在宝马工厂上岗打工

美东时间 8 月 6 日，全球最受瞩目的人形机器人公司「Figure AI」震撼发布第二代人形机器人 Figure 02。它已经在宝马工厂正式上岗，无论是搬运钢材还是组装机械零件，样样精通！据介绍，这次它的双手拥有惊人的 16 个自由度，负重能力与人类手掌相当。各种脏活累活统统拿捏，再加上 CEO 望子成龙，放话说希望它最长能连续工作 20 个小时。来源：量子位

国产端侧模型再出力作，面壁"小钢炮"MiniCPM-V 2.6 模型重磅上新

面壁"小钢炮"MiniCPM-V 2.6 模型重磅上新，仅以 8B 参数规模，就拿下了 20B 以下参数区间单图理解、多图理解、视频理解三项 SOTA 成绩，首次在端侧实现单图、多图、视频理解等多模态核心能力全面超越 GPT-4V，单图理解能力更是越级比肩 Gemini 1.5 Pro 与 GPT-4o mini。来源：智东西

零一万物宣布 Yi API Function Call 功能正式上线

据零一万物官方消息，Yi API 正式新增 Function Call 函数调用功能。零一万物表示，最新推出的 Yi-Large-FC 模型经过专项针对性训练，具备出色的深度语义理解能力与强大的指令遵循能力，既能根据用户输入智能判断何时应当调用外部函数，又能输出高度贴合工具函数定义规范的 JSON 响应；同时完美兼容 OpenAI 的接口设计，可实现对 GPT 的丝滑"平替"。来源：零一万物

阿里国际推出首个专业版 AI Search，剑指全球贸易领域的"下一个 Google" 阿里国际正式宣布入局，带来了一款全新 AI 搜索产品。与市面上所有通用型 AI 搜索不同，阿里国际的 AI 搜索切入了一个空白赛道：需要深度行业 Know-How 的专业信息搜索领域。阿里国际选择了自己最擅长的「全球电商」垂直行业，旨在彻底改变传统全球采购流程，使其变得更加直观、更加高效。来源：机器之心

 

08 月 06 日·周二

通义 App 全新推出角色扮演功能，一键替换视频人物形象

8 月 6 日，通义 App 正式上线角色扮演功能，支持一键替换视频中的人物形象。用户上传一段视频后，选择想要替换的 3D 角色模型，即可在完全保留原有场景和其他人物的前提下，将视频中原有的角色一键变身成有趣的 3D 卡通角色，轻松实现让孙悟空跳水、机器人打网球、二次元女孩揉面等趣味创意视频效果。来源：量子位

谷歌将为 Chromebook 推出专属 AI 助手 Bluebuddy

据 WindowsReport 报道，谷歌正在为 Chromebook 系列笔记本电脑打造一款名为 Bluebuddy 的 AI 助手，专门帮助用户排查和解决蓝牙相关设备问题。这款全新助手将深度集成在 ChromeOS 系统中，用户只需输入遇到的具体问题，系统就会自动推荐对应的解决方案。来源：品玩

OpenAI 宣布今年 DevDay 定档十月，确认不会发布 GPT-5，重点聚焦 API 与开发者工具

据 TechCrunch 报道，OpenAI 表示今年将改变 DevDay 大会的举办形式，从单一大型主会场活动转型为一系列分布式开发者专题会议。OpenAI 同时确认，不会在 DevDay 期间发布下一代旗舰大模型，而是将重点放在 API 能力升级与开发者服务体验优化上。来源：IT 之家

智谱 AI 正式开源 CogVideoX，「清影」同款 AI 视频生成模型，单卡可跑可微调

CogVideoX 是智谱 AI 最新推出的开源 AI 视频生成模型，与智谱 AI 旗下商业产品"清影"同源。CogVideoX 支持英文提示词输入，可生成时长 6 秒、每秒 8 帧、分辨率 720×480 的视频。模型推理需 16-36GB 显存，目前暂不支持量化推理与多卡并行推理。来源：竹江AI导航

AI 芯片初创公司 Groq 获 BlackRock 6.4 亿美元超额融资，估值达 28 亿美元

AI 芯片初创公司 Groq 宣布获得由 BlackRock 领投的 6.4 亿美元新一轮融资，其他投资方包括

Neuberger Berman、Type One Ventures、思科、KDDI 以及三星。据悉，Groq 最初计划以

 

略低于 25 亿美元的估值融资 3 亿美元，但最终获得了超额认购，估值一举达到 28 亿美元，是上一轮估值的 2 倍多。上一轮融资中，Tiger Global 与 D1 Capital 曾投资 3 亿美元。来源：有新 Newin

月之暗面完成 3 亿美元新一轮融资，投后估值达 33 亿美元

据彭博社报道，月之暗面（Kimi 母公司）刚刚完成了新一轮 3 亿多美元融资。此轮融资将月之暗面的投后估值推高至 33 亿美元，投资方阵容包括腾讯、高榕资本以及老股东阿里巴巴等。来源：新浪财经

Adobe 推出免费 AI 教育工具，全面面向 K12 教育市场

据 ZDNet 报道，Adobe 公布了 Adobe Express for Education 的全新功能。该平台定位为负责任、课堂安全的人工智能创作工具，鼓励学生自主掌控个性化学习体验。新功能包括智能生成模板，学生可以为艺术项目或校园活动快速创建专属设计模板。此外还内置 AI 图像生成与生成式填充功能，帮助学生把脑海中的创意想法快速转化为可视化作品。来源：品玩

 

08 月 05 日·周一

中兴星云研发大模型正式通过国家备案，号称代码生成能力达 GPT-4 水平 中兴通讯官微今日宣布，在近日发布的广东省生成式人工智能服务备案公告中，中兴星云研发大模型已顺利通过各项评估，正式获得备案。据介绍，中兴星云研发大模型覆盖需求分析、系统设计、编程开发、测试验证等研发全流程的 30 多种应用场景，支持多种主流编程语言，为开发者提供一站式、智能化的研发辅助体验。来源：品玩

Neuralink 已成功为第二位人类患者植入脑机接口

马斯克透露，旗下脑机接口公司 Neuralink 已将第二枚脑机接口芯片成功植入第二位人类患者体内。在访谈中，马斯克表示，第二位植入手术的恢复进展看起来非常顺利。7 月 11 日，马斯克曾与 Neuralink 团队在 X 平台上进行了直播。在那次直播中马斯克表示，Neuralink 计划在一周左右的时间内为第二位人类患者植入设备。来源：财联社

Figure 预告第二代人形机器人新品：拟人化更强、硬件全面升级

Figure 正式公布 Figure 02 官方预告片，并宣布将于北京时间 8 月 7 日正式发布该产品。对比 Figure 01 搭载 OpenAI GPT-4 的视频演示，此次发布的展示重点全面转向硬件本体，预计硬件性能将迎来大幅跃升。该公司创始人兼 CEO Brett Adcock 自信放话：Figure 02 是地球上最先进的人形机器人。来源：财联社

OpenAI 承认正在研发 ChatGPT 文本水印技术，但坦言仍面临诸多技术挑战

据《华尔街日报》报道，OpenAI 已经开发出一款能够高精度识别 ChatGPT 生成文本的检测工具，但迟迟未对外发布。对此 OpenAI 做出正式回应，承认正在积极研究文本水印技术，但表示该技术目前仍面临诸多技术瓶颈。来源：IT 之家

阿里推出 Tora："轨迹可控版 Sora"，让视频生成严格符合物理运动规律

阿里正式推出 Tora，这是全球首个面向运动轨迹控制的 DiT 架构视频生成模型，创新性地将文本、视觉与轨迹条件统一集成到一个生成框架中。Tora 的设计与 DiT 的可扩展特性无缝契合，支持精确控制不同时长、不同宽高比与不同分辨率的视频内容。大量实验结果证明，Tora 在实现高运动保真度方面表现出色，同时还能细腻地模拟真实物理世界的运动规律。来源：竹江AI导航

中文多模态理解权威榜单发布，腾讯混元荣登国内第一

中文多模态大模型 SuperCLUE-V 基准 8 月榜单正式发布，本次测评涵盖了国内外最具代表性的 12 个多模态理解大模型，包括 4 个海外模型与 8 个国内代表性多模态模型，评估内容覆盖基础能力与应用能力两大维度，以开放式问答形式对多模态大模型进行综合评测。腾讯混元大模型在多模态基础能力与应用能力方面合计获得 71.95 的高分，斩获国内大模型排名第一，稳居卓越领导者象限。来源：智东西

 

英伟达新款 AI 芯片或因设计缺陷推迟发布

据 The Information 报道，两位帮助生产英伟达新一代 AI 芯片与服务器硬件的知情人士透露，由于存在"设计缺陷"，英伟达新型 AI 芯片的正式发布将被推迟三个月甚至更长时间。来源： IT 之家

 

08 月 03 日·周六

"AI 教母"李飞飞：Sora 仍是二维图像，只有三维空间智能才能真正通向 AGI 美国国家工程院院士李飞飞认为，实现 AGI 的关键一环是"空间智能"，而非单纯的二维视觉智能。只有通过空间智能，AI 才能真正"看见"世界、感知世界、理解世界并驱动物理世界中的机器人执行任务，从而形成完整的感知-行动闭环。来源：钛媒体

原网易云音乐副总裁王诗沐创办的 Seele 公司，推出「AI+3D」情感陪伴产品 Koko AI Koko AI 是 Seele 公司推出的「AI+3D」情感陪伴产品，基于自研 3D 多模态大模型 EVA-01，自动生成 3D 角色模型、动画表演与实时语音对话，为用户提供与动漫角色面对面互动的沉浸式体验。用户不仅能与各类虚拟角色进行文本或语音交流，还能根据个人喜好自由定制 AI 朋友的外貌与性格。Koko AI 由原网易云音乐副总裁王诗沐领衔开发，目前对用户完全免费开放，具有极高的自由度与产品创新性。来源：竹江AI导航

Google 官宣"收购"Character.AI 并整体收编核心团队

据媒体报道，Character.AI 管理层周五向员工宣布，投资人持有的股票将以每股约 88 美元的估值被收购退出。这一估值约为 Character.AI 2023 年 A 轮融资时股价的 2.5 倍，当时该公司估值为 10 亿美元。来源：腾讯新闻

单张图片即可 0.5 秒生成三维模型，Stability AI 推出"Stable Fast 3D"模型

Stability AI 今日推出一款名为 Stable Fast 3D 的 AI 模型，主打"图生 3D 模型"能力，号称仅需 0.5 秒就能快速生成完整、拓扑自然的 3D 模型，目前该模型已在 Hugging Face 平台正式上架。在线体验地址：点此访问。来源：竹江AI导航

微软 GitHub 正式推出 Models 服务：面向新一代 AI 工程师，支持开发者在线试用与一键部署模型 微软旗下全球最大代码托管平台 GitHub 最新推出 GitHub Models 服务，面向新一代 AI 工程师，帮助开发者快速筛选并试用适合自身应用场景的 AI 模型。GitHub Models 服务目前处于限量公测阶段，已可对接 OpenAI 的 GPT-4o 与 GPT-4o mini、微软 Phi 3 系列、Meta Llama 3.1 以及 Mistral Large 2 等主流 AI 模型，并承诺未来将持续扩充更多语言与视觉模型品类。来源： IT 之家

 

08 月 02 日·周五

谷歌推出 Gemini 1.5 Pro（0801 实验版），首次登顶 LMSYS 竞技场总榜第一

历时一周，超过 12000 人参与匿名盲测投票，Gemini 1.5 Pro（0801）代表谷歌首次夺得 LMSYS 竞技场总榜第一名（中文任务同样登顶第一）。而且这次还是名副其实的双冠王——除了总榜（唯一评分突破 1300 分的模型），在视觉理解单项排行榜上同样位列第一。来源：量子位

大模型化身私人导游：一键定制 Citywalk 路线，港大与 MIT 联合科研出品

香港大学、MIT 等科研机构联合推出 ITINERA 系统，将大语言模型与空间路径优化算法深度结合，实现个性化开放域城市行程规划。举个例子，用户输入"帮我规划一条包含'巨富长'街区、终点设在静安寺的 Citywalk 路线"。ITINERA 系统即刻生成一条途经多个点位的完整路线，并同步输出每个点位对应的文字介绍。来源：量子位

Stable Diffusion 原班团队推出 FLUX.1 开源文生图模型，性能碾压 SD3 与 DALL·E 3

FLUX.1 是由 Stable Diffusion 创始团队打造的开源 AI 图像生成模型，拥有 120 亿参数，是迄今为止参数量最大的文生图模型之一。包含三个版本变体：顶级性能的 FLUX.1 [pro]、开源非商

 

业用途的 FLUX.1 [dev]，以及轻量快速的 FLUX.1 [schnell]。来源：竹江AI导航

全球首部！欧盟《人工智能法案》正式生效实施

当地时间周四（8 月 1 日），欧盟《人工智能法案（AI Act）》正式生效。欧盟《人工智能法案》的相关规则将分阶段逐步落地，主要目的是给企业留出合理的过渡期，以便对现有相关系统进行合规改造。《人工智能法案》的影响范围远超欧盟边界，适用于所有在欧盟境内开展业务或产生业务影响的任何组织。来源：财联社

360 联合国内 15 家头部大模型打造「AI 助手」，能力全面对标 GPT-4o

在 ISC.AI 2024 第十二届互联网安全大会人工智能峰会上，360 集团创始人、ISC 大会主席周鸿祎发表题为《大模型强强联合，让 AI 普惠 10 亿+用户》的主题演讲。他指出，大模型本身不是产品，大模型能力必须与真实场景深度结合才能释放价值，关键是要找到高频、刚需、有痛点的 AI 明星场景。为此，周鸿祎正式宣布，360 开放安全卫士、安全浏览器、搜索、智能硬件四大国民级流量入口，打造新一代 AI 产品"AI 助手"，用户可一站式体验国内最强的 15 家大模型能力。来源：TechWeb

 

08 月 01 日·周四

iPhone 也能跑的 2B 小钢炮：谷歌 Gemma 2 小模型正式发布，跑分超越 GPT-3.5

谷歌 DeepMind 的小模型家族又添新成员！就在刚刚，谷歌 DeepMind 正式发布 Gemma 2 2B。它是从 Gemma 2 27B 大模型中蒸馏而来的轻量版本。虽然参数量仅 2.6B，但在 LMSYS 竞技场的盲测得分，已经成功超越 GPT-3.5 与 Mixtral 8x7B！来源：IT 之家

AI 销售助手 Sybill 完成 1100 万美元 A 轮融资，帮助销售每周节省 5 小时

Sybill 是一家专为销售人员打造 AI 助理的初创公司。该公司周三宣布，已在由 Greycroft 领投的 A 轮融资中募集到 1100 万美元。当前销售 AI 助理赛道的竞争已相当激烈，众多创业公司纷纷借助生成式 AI 与大语言模型技术，帮助销售人员自动完成繁琐的日常工作，如填写提案申请、更新内部 CRM 数据库等。来源：腾讯新闻

大模型赛道热钱汹涌：半年诞生百起亿元级融资，最高单笔超 500 亿元

2024 年上半年，加上刚刚过去的 7 月份，全球围绕大模型产业链关键环节展开的超亿元

融资已超过 120 起，融资总额粗略估算突破 2300 亿元。其中美国与中国"遥遥领先"，分别以

59 起和 35 起亿元级融资领跑全球。美国大模型产业相关企业累计融资总额超过 1800 亿元，中国大模型产业相关企业总融资额在数量上差距较大，超 300 亿元，但仍稳居全球第二。来源：智东西 Midjourney V6.1 新版本上线即爆火：远景人脸优化，画面细节更丰富

时隔半年，Midjourney 迎来重磅版本更新，现已开放全体用户体验。v6.1 在 8 个维度进行了全面升级。一句话总结：就是让生成的图像看起来更加好看自然。而且官方表示下一个版本很快就会发布，v6.2 可能在下个月与大家见面，将在文字渲染等方面做更多升级优化。来源：量子位

 

07 月 31 日·周三

360 集团创始人、董事长兼 CEO 周鸿祎正式宣布 360 安全大模型永久免费

在今日举办的第 12 届互联网安全大会上，360 集团创始人、董事长兼 CEO 周鸿祎正式宣布 360 安全大模型面向全社会免费开放。周鸿祎更放言 360"就是要把大模型拉下神坛"，不希望大模型成为少数厂商奇货可居的赚钱工具，要让每一家企业都真正"用得起、用得好"。来源：IT 之家

OpenAI 推出 GPT-4o Long Output 模型，支持最高 64K tokens 超长文本输出

GPT-4o Long Output 模型是 OpenAI 最新推出的超长输出版本 AI 模型，最高支持 64K tokens 的长文本输出，篇幅约相当于 200 页长篇小说。相较于原版 GPT-4o，单次输出能力提升 16 倍，但输入上限相应调整为 64K tokens，专门满足用户对超长文本生成场景的需求。该模型定价为每百万输入 tokens 6 美元，输出 tokens 18 美元。GPT-4o Long Output 目前为测试模型，测试周期预计持续数周，模型命名为 GPT-4o-64k-Output-Alpha。来源：竹江AI导航

 

人形机器人公司「星尘智能」获数千万美元 Pre-A 轮融资，专注 AI 机器人商业化落地

AI 机器人公司星尘智能（Astribot）宣布完成数千万美元 Pre-A 轮融资，由经纬创投领投，道彤投资、清辉投资等产业资本跟投，老股东云启资本持续追加投资。华兴资本担任本轮独家财务顾问。本轮融资募集资金将主要用于顶尖技术人才招募、核心技术研发投入与商业化场景部署等工作。来源：腾讯新闻

被指控过度抓取内容后，AI 搜索公司 Perplexity 与多家知名出版社达成内容合作协议

AI 搜索公司 Perplexity 在被新闻出版界指控过度抓取内容数周之后，正式推出全新内容合作计划，向出版合作伙伴开放广告收入分成。Perplexity 的"出版商计划"首批合作伙伴阵容豪华，其中包括

《时代》周刊、《明镜周刊》、《财富》杂志、《企业家》杂志、《得克萨斯论坛报》以及 Automattic（WordPress.com

母公司，Tumblr 暂未参与）等知名出版机构。来源：IT 之家

OpenAI 向部分用户开放 GPT-4o 语音模式，今秋将扩大至所有付费订阅用户

OpenAI 周二宣布，即日起开始向部分 ChatGPT Plus 用户推送 GPT-4o 语音模式体验资格；目前 GPT-4o 语音模式共提供四种预设音色：Juniper、Breeze、Cove 与 Ember，这些声音均由 OpenAI 与专业付费配音演员合作录制完成。来源：财联社

京东云八大 AI 新品重磅发布：智能编程助手 JoyCoder、言犀数字人 3.0 等

2024 京东云峰会昨日在上海隆重举行。会上，京东云集中展示了言犀大模型在各行业的落地技术能力与最新实践成果，并正式发布京东云企业大模型服务、言犀智能体平台、智能编程助手 JoyCoder、言犀数字人 3.0 等八大重磅新品。来源：IT 之家

Kimi 联合 AiPPT 推出一键生成 PPT 服务

Kimi 联合 AiPPT 正式推出一键智能生成 PPT 服务。用户只需通过语音或文字描述需求，Kimi 就能准确理解意图，自动生成完整幻灯片，同时提供专业的版式布局与色彩搭配建议，帮助用户快速完成 PPT 创作与设计。来源：竹江AI导航

 

07 月 30 日·周二

Meta 开源「分割一切」2.0 模型，连视频也能实时分割了

Meta 在 SIGGRAPH 大会上重磅宣布 Segment Anything Model 2（SAM 2）正式到来。在初代 SAM 的基础上，SAM 2 代表了该领域的一次重大技术飞跃——为静态图像与动态视频内容提供实时、可交互提示的对象分割能力，首次将图像与视频分割功能统一到同一个强大系统中。来源：机器之心

Runway Gen 3 Alpha 模型的图生视频功能正式上线

今日凌晨，Runway Gen 3 Alpha 模型的图生视频功能正式上线！用户可使用任意图片作为视频生成的首帧画面。上传的参考图片既可单独使用，也可配合文本提示词进行额外的创意引导。目前，Gen 3 Alpha 支持生成的视频最长为 11 秒。作为一次重大版本更新，Runway 官方表示，图生视频功能将大幅提升 AI 视频创作的艺术可控性与画面一致性。来源：机器之心

Vidu 视频大模型全球正式上线！注册即用无需排队，重点优化动漫风格生成 Vidu，来自清华系多模态大模型公司生数科技。今日起，Vidu 全面开放文生视频与图生视频两大核心功能，生成时长可自由选择 4 秒或 8 秒，分辨率最高可达 1080P。官方号称"实现业界最快实测推理速度"，生成一段 4 秒视频片段仅需 30 秒。来源：竹江AI导航

Meta 推出 AI Studio 工具：人人都能打造专属个性化 AI 聊天机器人

7 月 30 日，Meta Platforms 正式推出一款名为 AI Studio 的全新创作工具。该工具基于 Llama 3.1 模型构建，为用户提供创建、分享与设计个性化 AI 聊天机器人的完整能力。用户还可以在各大社交媒体平台上分享自己设计的 AI 角色。来源：Meta

数据安全透明可查：苹果 Apple Intelligence 提供详细隐私报告

苹果公司在 iOS 18.1 与 macOS Sequoia 15.1 的首个测试版中，正式推出了名为"Apple Intelligence"的全新 AI 功能预览。苹果不仅详细介绍了这些功能的工作原理与背后的隐私保护

 

机制，还允许用户随时查看一份详尽的隐私报告，清晰了解 Apple Intelligence 如何处理他们的每一项请求。来源：IT 之家

逛遍 ChinaJoy 全场，发现 AI 正在深刻改变游戏产业的四个方向

7 月 26 日至 29 日，一年一度的 ChinaJoy 盛大举办。从最初单纯的游戏行业展会，发展到如今集游戏、消费电子、娱乐应用于一体的综合性数字娱乐狂欢节。每年的 ChinaJoy，都是海内外游戏行业从业者集中交流的重要平台，也是游戏产业向外展示的一扇窗口。遍布试玩区、游戏周边的展台，日均能吸引到 5 万年轻人到场逛展。来源：极客公园

成立仅 3 个月估值超 70 亿元，李飞飞 AI 新公司成全球最快晋升独角兽 近日据报道，著名计算机科学家、美国国家工程院院士、美国国家医学院院士李飞飞创办的 AI 公司 World Labs，已在短短数月内连续完成两轮融资，最新一轮融资额约 1 亿美元，公司最新估值已达 10 亿美元（约合 72.6 亿元人民币）。来源：钛媒体

巴黎奥运会背后也用上了中国大模型技术

2024 年巴黎奥运会，目前已预定的远程转播服务中有三分之二通过云计算完成，奥运转播云将基于阿里云部署在全球的公共云基础设施搭建。AI 相关技术已深度服务于跳水、游泳、田径、体操、蹦床、攀岩等多支国家队的日常训练与奥运备战工作；无人机灯光表演、比赛用球、各国运动员装备等环节，同样处处可见中国厂商的身影。来源：财联社

亚马逊云科技发布 Amazon Q Apps：零基础用户也能搭建专属生成式 AI 应用 亚马逊云科技近日宣布推出多项全新技术与服务，旨在大幅降低 AI 应用的构建门槛。Amazon Q Apps：这项服务允许用户仅凭自然语言描述就能创建 AI 应用程序，即使没有任何技术背景也能轻松上手。Amazon Q Apps 是 Amazon Q Business 的重要组成部分，能够支持软件开发、数据分析洞察与内容创作等多种任务场景。来源：品玩

豆包大模型日均 Tokens 调用量超 5000 亿，AI 生图玩法密集上新 近日，国产大模型"顶流"——字节跳动豆包大模型，迎来一波集中更新放送。在 2024 火山引擎 AI 创新巡展成都站活动上，豆包大模型团队正式公布了豆包大模型的最新进展，以及文生图模型、语音模型等垂直模型的全新升级。与此同时，豆包大模型家族的最新成员——「豆

包·图生图模型」正式亮相，一口气上新了 50 余种创意玩法。来源：机器之心

 

07 月 29 日·周一

一年连拿三轮融资，AI 图像生成平台 LiblibAI 完成数亿元新一轮融资

AI 图像生成平台"LiblibAI 哩布哩布 AI"在短短一年内已完成三轮融资，总金额达数亿元人民币：天使轮投资方为源码资本、高榕创投与金沙江创投；第二轮由战略投资方领投；第三轮由明势资本领投；老股东持续多轮加码。其中，远识资本担任多轮融资的独家财务顾问。来源：36 氪

苹果即将推出的 AI 功能据悉将晚于 iOS 18 首发版本

苹果公司计划在今年十月将 Apple Intelligence 作为系统软件更新的一部分向全体用户推送。知情人士透露，这意味着全套 AI 功能将在原定 9 月发布的 iOS 18 与 iPadOS 18 首发之后数周，才会正式上线。来源：新浪财经

Meta AI 科学家分享 Llama 3.1 研发心得与 Llama 4 未来演进方向

1. Llama 3.1 的研发综合考虑了多种因素，包括 Scaling Law、训练时长与硬件资源约束，通过 FP8 量化技术实现单节点高效部署，充分强调开源社区的力量。2. 在 Scaling Law 实践方面，Meta 通过增加训练 Token 总量与训练时长，在有限算力下达到过度训练状态，以此持续提升模型推理表现。3. Llama 4 将重点围绕 Agent 智能体技术展开，Scialom 希望以强大的 Llama 3 系列为基座构建复杂的 Agent 系统，扩展多种功能能力，实现多模型互联互通。来源：凤凰网

 

AI 公司 Anthropic 违规爬虫事件发酵，引发多家网站集体不满

据 The Verge 当地时间 26 日报道，Anthropic 旗下的 ClaudeBot 爬虫在短短 24 小时内，就对 iFixit 网站发起了近百万次访问，此举严重违反了该网站的公开使用条款。来源：IT 之家

 

07 月 27 日·周六

蔚来发布智能驾驶世界模型 NWM：0.1 秒内推演 216 种可能发生的未来场景

7 月 27 日，蔚来正式发布智能驾驶世界模型 NWM（NIO World Model）。据蔚来官方介绍，这是一个多元自回归生成式的具身驾驶模型，能够全量理解驾驶数据，具备长时序推演与实时决策能力，可在 100 毫秒内并行推演 216 种可能发生的场景。作为生成式模型，NWM 还能基于仅 3 秒的真实驾驶视频，生成长达 120 秒的仿真推演视频。来源：界面新闻

天猫精灵核心成员再创业，跃然创新推出 AI 毛绒玩具 BubblePal BubblePal，一款能让毛绒玩具"活过来"的 AI 硬件产品。BubblePal 是基于 AIGC 技术打造的交互式对话玩具，小朋友可以与它进行自由对话，而且对话角色是孩子耳熟能详的经典动画形象。来源： 智东西

谷歌宣布重磅更新：Gemini 聊天机器人底层模型正式切换为 Gemini 1.5 Flash 在 Meta、OpenAI 等大模型厂商密集发力的竞争节点，谷歌也宣布了一项重磅更新：即日起，Gemini 聊天机器人将全面改由 Gemini 1.5 Flash 模型驱动。与之前的版本相比，上下文窗口长度直接扩大到 4 倍，响应速度也明显提升。新版聊天机器人背后的 1.5 Flash 模型，主打轻量化与极速响应。当然模型回复的生成质量也同步提升，上下文窗口从原先（基于 1.0 Pro）的 8K 直接跃升到了 32K。来源：IT 之家

微软 Azure 现已支持开发者对 Phi-3-mini 与 Phi-3-medium 模型进行微调整

微软公司昨日（7 月 25 日）宣布在 Azure 云平台上正式支持开发者对 Phi-3-mini 与 Phi-3-medium AI 模型进行微调（fine-tune），帮助企业针对不同业务用例优化模型性能。Phi-3-mini 模型于今年 4 月发布，共 38 亿参数，提供 4K 与 128K 两种上下文长度版本；Phi-3-medium 模型共 140 亿参数，上下文长度同样提供 4K 与 128K 两种规格可选。来源：IT 之家

 

07 月 26 日·周五

OpenAI 下周开始向 ChatGPT Plus 用户推送 Alpha 版 GPT-4o 语音模式

 

OpenAI 首席执行官山姆·奥特曼（Sam Altman）今日回复网友提问时表示，将于下周面向

ChatGPT Plus 订阅用户，开放 Alpha 版本 GPT-4o 的语音模式（Voice Mode），实现真正自然的无缝对话体验。来源：IT 之家

智谱 AI 推出清影 AI 视频生成服务 Beta 版，现已免费开放体验 智谱清言放出大招，现在输入一段文字描述或上传一张参考图片，就能立刻生成一段专属于你的视频。智谱清影是智谱 AI 最新推出的 AI 视频生成服务，同时支持文生视频与图生视频两种创作方式，目前在智谱清言 App 内以清影智能体的形式开放入口，申请内测几乎秒批通过，可快速上手体验。来源： 竹江AI导航

OpenAI 正式发布 AI 搜索产品 SearchGPT，同步开放内测候补申请

OpenAI 正式发布名为 SearchGPT 的 AI 搜索产品，并开放候补申请通道，启动小范围封闭测试。OpenAI 创始人兼 CEO Sam Altman，已经为这款全新 AI 搜索产品亲自站台宣传："比起传统搜索产品，我对 SearchGPT 的喜爱程度和适应速度，连我自己都感到惊喜。"来源：36 氪

消息称 OpenAI 公司 2024 年资金缺口高达 50 亿美元

报道称截至今年 3 月，OpenAI 公司已花费近 40 亿美元租用微软服务器运行 ChatGPT 推理工作负载；此外 OpenAI 今年训练 ChatGPT 及新一代 AI 模型的成本预估高达 30 亿美

 

元，因此全年训练与推理的总支出可能达到 70 亿美元。OpenAI 目前每月总收入约为 2.83 亿美元，据此推算全年营收规模在 35 亿至 45 亿美元之间。这意味着 OpenAI 公司今年面临约 50 亿美元的资金缺口，极有可能需要在未来 12 个月内启动新一轮大额融资。来源：IT 之家

 

07 月 25 日·周四

估值超 200 亿元，百川智能完成 50 亿元 A 轮融资，北上深国资集体入局 大模型初创公司「百川智能」已于近期完成 A 轮融资，总融资金额达 50 亿元人民币。此前，百川智能已于 2023 年 10 月官宣完成 A1 轮融资，披露了包括阿里巴巴、腾讯、小米等科技巨头及多家顶级投资机构在内的豪华股东名单。在本轮 A 轮融资中，除了上述老股东持续加码，百川智能还获得了包括北京市人工智能产业投资基金、上海人工智能产业投资基金、深创投等多家国资背景产业投资基金的战略入局。来源：36 氪

AI 带动软件收入大涨，IBM 最新财报全面超预期

IBM 公布了强于分析师一致预期的第二季度业绩报告。财报发布后，公司股价在周三盘后交易中一度上涨 5%。截至发稿，盘后涨幅收窄至 3%。得益于与人工智能相关的软件业务收入大幅增长，这家科技界"蓝色巨人"顺势上调了软件业务的全年增长预期。软件业务已成为公司当前最核心的增长引擎。来源：财联社

1230 亿参数，Mistral 发布新一代旗舰模型 Large 2

全球 AI 竞赛愈演愈烈。在 Meta 公司昨日推出开源 Llama 3.1 模型之后，法国人工智能初创公司 Mistral 也迅速加入战局，正式推出新一代旗舰模型 Mistral Large 2。与 Llama 3.1 的 4050 亿参数规模（即决定模型性能的内部模型配置）相比，它的参数量明显更小，但实际性能已非常接近前者。官方将其定位为 GPT-4 级模型，在多项权威基准测试中，表现与 GPT-4o、Llama 3.1-405B 以及 Anthropic 的 Claude 3.5 Sonnet 处于同一水准。来源：IT 之家

扎克伯格深度专访：中美 AI 竞争叙事完全错误，美国别指望长期压制中国 扎克伯格在本次专访中首次披露了自己决定押注开源平台的心路历程。他表示公司过去在开发产品时长期受制于苹果这样的平台巨头，在这一轮 AI 技术浪潮中，他希望通过 Meta 在 AI 与 VR/AR 领域的持续重金投入，建立并完全掌控属于自己的计算平台，同时力争让 Meta AI 在今年年底前成为全球使用量最大的 AI 助手。谈及 Llama 3.1，扎克伯格认为该模型将成为无数企业定制化垂类模型的"教师模型"。未来，他还计划打造全新的 AI 社交媒体产品，帮助人们完成那些现实中比较困难的社交互动。他还透露，Meta 内部已经在紧锣密鼓地研发 Llama 4 了。来源：智东西

消息称 Alexa 业务四年累计巨亏 250 亿美元，亚马逊转而豪赌生成式 AI 据《华尔街日报》报道，专注于语音助手 Alexa 的亚马逊业务部门，在 2017 年至 2021 年期间累计亏损高达 250 亿美元（IT 之家备注：当前约合 1821 亿元人民币）。尽管亚马逊官方宣称已售出超过 50 万台 Alexa 生态设备，涵盖 Echo 智能音箱、Kindle 电子书阅读器等品类，但 Alexa 业务始终难以实现盈利转正。来源：IT 之家

 

07 月 24 日·周三

快手 AI 视频产品"可灵"国际版 1.0 正式上线，无需中国手机号即可注册使用

据 Kling AI 在社交媒体 X 上官宣，快手可灵国际版 1.0 正式上线。注册只需邮箱地址，无需绑定中国手机号码。

立即体验：可灵国际版来源：华尔街见闻

英伟达推出 AI 模型代工业务：携手 Meta Llama 3.1 开源模型，为企业客户定制部署"超级模型" NVIDIA 正式推出全新 NVIDIA AI Foundry 服务与 NVIDIA NIM 推理微服务，与刚发布的 Meta Llama 3.1 系列开源模型深度协同，为全球企业的生成式 AI 应用提供全方位算力支持。Llama 3.1 大语言模型

 

提供 8B、70B 与 405B 三种参数规格。模型在超过 16000 块 NVIDIA Tensor Core GPU 上完成训练，并针对 NVIDIA 全栈加速计算软硬件（无论是在数据中心、公有云，还是配备 NVIDIA RTX GPU 的本地工作站或配备 GeForce RTX GPU 的个人 PC 上）做了深度优化。来源：智东西

爱诗科技正式发布 PixVerse V2，全方位升级视频大模型能力

7 月 24 日，爱诗科技正式发布视频生成产品 PixVerse V2，全球同步开放注册，致力于用 AI 视频大模型为每一位用户释放创意潜能。PixVerse V2 采用 Diffusion + Transformer（DiT）基础架构，并在多个维度进行了技术创新，提供更长、画面更一致、创意更有趣的视频生成体验。在核心模型能力跃升的同时，PixVerse V2 还带来了 AI 视频生成的全新玩法：在保证画面一致性的前提下，一次性生成多个视频片段，支持单段最长 8 秒、多段拼接最长 40 秒的视频创作。来源：爱诗科技

最强开源模型 Llama 3.1 405B 正式发布，扎克伯格宣布：开源引领全新时代

Meta 在官方博客中表示：直到今天，开源大语言模型在功能与性能方面大多仍落后于闭源模型。而现在，我们正在迎来一个由开源引领的崭新时代。我们今天正式公开发布 Meta Llama 3.1 405B，我们坚信这是目前全球最大、功能最强的开源基础模型。迄今为止，历代 Llama 模型的累计下载量已突破 3 亿次，而我们才刚刚起步。来源：机器之心

Alphabet 二季度营收利润双双超预期，皮查伊坚信 AI 将很快贡献真金白银 受数字广告销售增长与云计算服务需求旺盛双重驱动，谷歌母公司 Alphabet 周二盘后公布的第二季度（截至 6 月 30 日）营收与利润双双超出华尔街一致预期。但该公司同时表示，今年全年的资本支出仍将维持高位。第二季度 Alphabet 营收同比增长 14%，达 847.4 亿美元，而分析师普遍预期为 841.9 亿美元；净利润同比增长 28.6%，达 236 亿美元，超出 229 亿美元的市场平均预期；每股收益 1.89 美元，高于市场预期的 1.84 美元。来源：财联社

快速生成矢量图形，Adobe Illustrator 与 Photoshop 双双迎来重磅 AI 新功能

Adobe 公司今日宣布，旗下两款旗舰设计软件 Illustrator 与 Photoshop 将迎来一系列基于人工智能的全新功能。这些新功能旨在大幅加速设计师的日常创作流程，同时赋予设计师更多精准的创作控制权。Illustrator 本次更新的最大亮点是"生成式形状填充"功能：用户只需输入简单的文字提示，就能为任意形状填充精美的矢量图形。系统甚至可以根据文档中其他已有元素的风格，自动生成匹配的填充内容，而且所有生成的图形都是完全可编辑的原生矢量图。来源：IT 之家

 

07 月 23 日·周二

加码 AI 产业布局！沙特阿美向韩国芯片制造商投资 1500 万美元

沙特阿美旗下风险投资部门 Wa'ed Ventures 已向韩国 AI 芯片初创公司 Rebellions 投资 1500 万美元。沙特目前正全力加速发展本国人工智能产业，这笔投资将助力沙特在全球技术与创新竞赛中抢占先机。据悉，Rebellions 将利用这笔资金在沙特本地设立一家子公司。来源：财联社

谷歌发布 NeuralGCM 天气预报 AI 模型：运行成本更低、预报精度更高 谷歌公司最新发布名为 NeuralGCM 的全新 AI 气象模型，融合机器学习与传统数值天气预报技术，构建了全新一代 AI 天气预测系统，相关研究成果昨日正式发表于《Nature》期刊。谷歌表示，与其他纯机器学习驱动的天气预报模型相比，NeuralGCM 的核心优势在于运行成本显著降低，在未来 1 至 10 天的天气预报精度上反而更高。来源：IT 之家

开源模型正面挑战闭源标杆？Meta Llama 3.1-405B 多项跑分超越 OpenAI GPT-4o 有网友在 LocalLLaMA 子版块发帖，分享了 4050 亿参数规模的 Meta Llama 3.1 模型的最新实测成绩。从该模型在几项关键 AI 基准测试的表现来看，其综合性能已成功超越当前的行业标杆 OpenAI GPT-4o。这是开源人工智能社区的一个重要里程碑，标志着开源模型有望首次击败目前最先进的闭源大语言模型。来源：IT 之家

加拿大 AI 独角兽 Cohere 完成 5 亿美元 D 轮融资，估值达 55 亿美元

加拿大 AI 独角兽企业 Cohere 昨日宣布完成 5 亿美元 D 轮融资，公司估值升至 55 亿美元。本轮融资由

 

加拿大养老金投资管理公司 PSP Investments 领投，新加入的投资方包括思科、日本富士通、AMD 旗下 AMD Ventures、加拿大出口信贷机构 EDC 等。来源：智东西

马斯克官宣全球最大 AI 训练集群：年底前打造出全球最强 AI

马斯克昨日在社交平台 X 上发文宣布，xAI 团队、X 团队、英伟达及合作方于当地时间凌晨 4 点 20 分，正式在"全球最强 AI 训练集群"——孟菲斯超级集群上启动训练任务。该集群在单个 RDMA 网络架构上部署了 10 万张液冷版 H100 GPU。马斯克在评论区进一步透露目标："力争今年 12 月前训练出世界上最强大的人工智能。"来源：智东西

 

07 月 22 日·周一

英伟达或将推出全新"中国特供版"B20 AI 芯片 据报道，英伟达（NVIDIA）正在为中国市场联合开发一款基于 Blackwell 架构的全新旗舰 AI 芯片，该产品将完全符合美国最新出口管制规定，内部代号为"B20"。不过报道并未披露该 AI 芯片的具体性能表现或技术参数信息。来源：钛媒体

AI 炒菜机器人公司橡鹿科技再获京东近 2 亿元战略投资 据橡鹿科技官方披露，公司近期再获京东近 2 亿元战略投资，并与京东达成全面战略合作。基于双方各自的 AI 技术积累与产业资源优势，未来将共同推动"机器人+"产业的高质量发展。公司将持续加大研发投入，重点布局视觉识别、多传感器融合检测等技术在智能炒菜机器人上的深度应用。基于视觉技术打造的全球领先新一代 AI 炒菜机器人，计划于 2025 年正式推向市场。来源：IT 之家

 

07 月 21 日·周日

权重、代码、数据集全部开源，苹果正式发布 DCLM-7B 小模型

自 OpenAI 推出 GPT-4o-mini 小模型后，轻量级模型赛道正式开卷。近期加入这一赛道的科技巨头还有苹果。最近，苹果公司作为 DataComp-LM（DCLM）项目的核心研究机构之一，在 Hugging Face 上正式发布了 DCLM-7B 开源模型。该模型性能已全面超越 Mistral-7B，并且正在快速逼近 Llama 3 与 Gemma 等行业领先的开源模型。来源：机器之心

欧洲最强 AI 独角兽 Mistral 发布最新旗舰小模型——Mistral NeMo

GPT-4o mini 的头把交椅还没坐热，Mistral AI 就联手英伟达发布了 12B 参数小模型 Mistral NeMo，性能全面超越 Gemma 2 9B 与 Llama 3 8B。小模型，成了本周 AI 圈最大的爆点。先是 Hugging Face 推出了轻量模型 SmolLM；OpenAI 更是亲自下场杀入小模型赛道，发布了 GPT-4o mini。GPT-4o mini 发布的同一天，欧洲最强 AI 初创公司 Mistral 立刻跟进，发布旗下最新最强小模型——

Mistral NeMo。来源：IT 之家

6GB 内存的 iPhone 15 也能跑！Hugging Face 正式推出"SmolLM"小模型家族 随着小语言模型赛道持续升温，越来越多厂商开始推出面向手机等轻量化端侧设备的"小模型"。本周 Hugging Face 正式公布了"SmolLM"轻量语言模型家族，共包含 1.35 亿、3.6 亿与 17 亿参数三个版本。据介绍，这些模型全部基于精心策划的高质量训练数据集训练而成，在 Python 代码编写能力上表现尤为出色。开发团队表示，他们重点优化了模型运行所需的内存占用，"即使是在仅 6GB RAM 的 iPhone 15 上也能流畅运行"。来源：IT 之家

 

07 月 19 日·周五

谷歌、微软、英伟达等 14 家科技巨头联合组建安全 AI 联盟

在昨日举办的阿斯彭安全论坛（Aspen Security Forum）会议上，谷歌、微软、OpenAI、亚马逊、英伟达、英特尔等 14 家 AI 领域头部企业宣布联合发起成立安全人工智能联盟（Coalition for Secure AI，简称 CoSAI）。CoSAI 由 OASIS 全球标准机构牵头主办，是一项全行业开源协作计划，旨在为所有 AI 从业者与开发人员提供设计安全 AI 系统所需的权威指南与工具集。CoSAI 将构建

 

一个开放协作的产业生态，共享开源方法论、标准化框架与最佳实践工具。来源：IT 之家

高盛顶级股票分析师泼冷水：AI 不会掀起真正的经济革命，泡沫终会破裂

高盛全球股票研究主管 Jim Covello 最新发布报告，给今年美股上涨的核心推手人工智能（AI）概念狠狠泼了一盆冷水。Jim Covello 认为，AI 所能带来的实际经济效益，甚至比不上智能手机与互联网；AI 本质上是用成本高昂的新技术去替代低薪岗位，这与过去三十年科技行业经历的历次革命性技术转型方向完全相反。来源：华尔街见闻

OpenAI 据称正与博通等芯片厂商接洽，联合研发自研 AI 芯片 据媒体周四援引知情人士消息报道称，ChatGPT 开发商 OpenAI 正在与包括博通（Broadcom）在内的多家芯片设计公司深入接洽，共同探讨研发全新的自研人工智能（AI）芯片方案。此外，OpenAI 还在积极招募前谷歌 TPU 芯片团队的工程师，希望借助他们开发 Tensor 处理器的成熟经验与技术积累，打造属于 OpenAI 自己的 AI 服务器芯片。来源：财联社

英伟达联合发布 Mistral-NeMo AI 模型：120 亿参数、上下文窗口 12.8 万 tokens 英伟达联合法国 AI 初创公司 Mistral AI，今日正式发布全新 Mistral-NeMo 大语言模型，拥有 120 亿参数，上下文窗口（即模型单次可处理的最大 Token 数量）达 12.8 万 tokens。Mistral-NeMo 大模型主要面向企业级应用场景，让企业无需投入大量云端算力资源，即可快速部署本地化人工智能解决方案。来源：IT 之家

OpenAI 推出性能强劲、价格更亲民的 AI 模型 GPT-4o mini

美国人工智能初创公司 OpenAI 正式宣布，全新入门级 AI"小模型" GPT-4o mini 已全面上架。最新发布的 GPT-4o mini 是一个规格更小、价格更亲民的版本，凭借"能力与性价比"的双重优势，进一步下沉低端价格带市场竞争。根据 OpenAI 官方披露，GPT-4o mini 的 API 定价为：输入 15 美分/百万 Tokens，输出 60 美分/百万 Tokens。上下文窗口保持 12.8 万 Tokens，知识截止日期为 2023 年 10 月。来源：财联社

因监管政策存在高度不确定性，Meta 暂不在欧盟地区提供最新多模态 AI 模型

Facebook 母公司 Meta Platforms 表示，鉴于欧洲监管环境的不可预测性与政策不确定性，公司将不会面向欧盟客户提供最新的多模态人工智能模型 Llama。Meta 原本计划将这款全新多模态模型深度融入旗下多款产品，包括智能手机与 Meta Ray-Ban 智能眼镜。该模型具备对视频、音频、图像与文本的跨模态推理能力。Meta 直言，如果欧洲企业和机构无法获得最新、最先进的开放模型，在 AI 竞争中几乎注定会落后。公司补充称，与全球其他地区相比，欧洲监管机构花了更长时间才明确 AI 相关的法律合规要求。来源：智通财经

 

07 月 18 日·周四

OpenAI 发布大小模型博弈研究成果，可让 AI 输出内容更易理解

OpenAI 的"超级对齐"团队在正式解散前发表了最后一篇研究论文，提出了一种通过大模型与小模型相互博弈训练的新方法，可显著提升 AI 输出内容的可读性与准确性。这种方法借鉴了多伦多大学学者 2021 年提出的"证明者-验证者"（Prover-Verifier）博弈框架：训练大模型专门生成易于人类理解的内容，同时用小模型持续提升其判断与校验能力。实验结果表明，这种方法不仅让模型输出更加通俗易懂，而且准确率几乎没有明显损失。论文作者之一甚至认为，这种训练范式未来可能让 AI 模型最终变得比人类更聪明。来源：量子位

三星电子收购英国知识图谱 AI 公司 Oxford Semantic Technologies

三星电子周四（7 月 18 日）正式宣布收购英国 AI 初创公司 Oxford Semantic Technologies。后者专注研发知识图谱技术，能够将信息以相互关联的语义网络形式存储，便于后续的智能检索与个性化推荐。该技术将与三星的端侧 AI 技术深度融合，为用户提供超个性化的智能体验。来源： 财联社

通义千问、GPT-4o 等七款 AI 大模型"高考成绩"放榜：前三名文科过一本线，理科过二本线 上海人工智能实验室 17 日正式公布了针对 7 款主流 AI 大模型的高考全科目模拟测试结果。测试结果

 

显示，书生·浦语 2.0 系列文曲星大模型（浦语文曲星）、阿里通义千问 Qwen2-72B

以及 GPT-4o 再次包揽文、理科前三名。前三名字 AI"考生"的文、理科总成绩分别超过了"一本""二本"录取线（以今年高考人数最多的河南省分数线为参考基准）。来源：IT 之家

具身智能公司「小雨智造」获小米、智源研究院等知名机构投资

据 36 氪报道，小米集团与机器人领域泰斗王田苗，联合投资了一家具身智能科技公司「小雨智造」。该

公司成立于 2023 年 2 月，成立后已陆续完成亿元级种子轮融资，投资方包括小米集团、机器人泰斗王田苗、北京智源人工智能研究院。据了解，「小雨智造」的核心创始团队同样出身小米：创始人乔忠良是小米初创团队成员之一，曾任 MIUI 研发负责人，主导过 MIUI 9 到 MIUI 12 等多个版本的产品研发，2023 年 1 月从小米离职；联合创始人王文林，曾任小米软件系统平台部总经理，主导了"小米大脑"与 IoT 系统的核心开发。团队其他骨干成员来自小米、华为、字节跳动、微软等知名科技公司。来源：36 氪

苹果回应使用 YouTube 资源训练 AI：相关数据未用于 Apple Intelligence

据 9to5Mac 报道，针对苹果、英伟达等科技公司被曝使用未经授权的 YouTube 视频数据训练 AI 大模型一事，苹果今日正式作出回应。苹果表示，该数据集仅用于训练其开源的 OpenELM 研究模型，而该模型纯粹用于学术研究目的，OpenELM 并不支撑苹果任何商业化的 AI 或机器学习功能，包括 Apple Intelligence。该模型完全以开源方式发布，公开可获取，包括在苹果官方机器学习研究网站上。来源：品玩

微软正式发布 iOS / 安卓版 Designer 应用：支持 AI 智能修图、AI 生成贺卡等

经过近一年的预览测试后，微软公司正式在苹果 iOS 与谷歌 Android 平台同步推出 Microsoft Designer 移动应用，让 iPhone 与安卓手机用户也能随时体验 AI 智能修图等创意功能。来源： IT 之家

Anthropic 联手风投巨头 Menlo Ventures 推出 1 亿美元 AI 早期基金

Anthropic 与 Menlo Ventures 联合发起一支规模 1 亿美元的早期 AI 专项基金，专门向早期阶段的 AI 初创公司提供资金支持与 Anthropic 技术资源赋能。该基金的运作模式借鉴了 2008 年苹果公司与 Kleiner Perkins 合作推出的著名 iFund 投资基金。iFund 当年取得了巨大成功，不仅帮助苹果深入了解早期开发者的真实需求，也让苹果明确了平台生态建设需要重点投入的方向。来源：华尔街见闻

DeepL 发布新一代翻译专用大模型：译文专业受青睐度达 ChatGPT-4 的 1.7 倍 以同名机器翻译工具闻名全球的语言 AI 公司 DeepL，德国当地时间昨日宣布推出新一代面向专业翻译与编辑场景的大语言模型。DeepL 官方宣称，基于新模型生成的译文，在语言专家盲测中的偏好度是谷歌翻译的 1.3 倍、ChatGPT-4 的 1.7 倍、微软翻译的 2.3 倍。来源：IT 之家

谷歌正式开源 AI 智能体平台 Oscar，专为维护开源项目设计

在印度班加罗尔举办的谷歌 I/O Connect 开发者活动上，谷歌 Go 语言团队正式发布了 Oscar——一个用于构建 AI 智能体的开源平台，可帮助软件团队自动监控与处理问题和 Bug。通过 Oscar 项目，开发者可以创建覆盖整个软件开发生命周期的各类 AI 智能体。这些智能体可以是代码开发智能体、项目规划智能体、运行时监控智能体或技术支持智能体。来源：OSChina

 

07 月 17 日·周三

MIT 最新研究：生成式 AI 更像"记忆大师"，而非真正的"推理高手"

麻省理工学院计算机科学与人工智能实验室（CSAIL）的一项最新研究指出，大语言模型（LLM）

在解决问题时，似乎更多依赖训练数据中的记忆检索，而非真正的逻辑推理能力。研究结果表明，AI 在训练样本充分的领域内确实可以达到甚至超越人类水平，但这更多是一种"博学强记"的体现。一旦面对从未见过的全新挑战、需要真正的泛化推理能力时，AI 的优势便荡然无存。来源：IT 之家

李飞飞创办的 AI 公司 World Labs 估值已突破 10 亿美元

 

据英国《金融时报》援引知情人士消息，著名华裔计算机科学家李飞飞创办的"空间智能"创业公司 World Labs，估值已正式突破 10 亿美元。这家初创公司核心方向是模拟人类视觉信息处理机制，让 AI 具备高级世界模型推理能力。据两位知情人士透露，从今年 4 月成立至今，World Labs 已连续完成两轮融资，投资方包括顶级科技风投 Andreessen Horowitz 与 AI 专项基金 Radical Ventures。据悉，其最新一轮融资金额约为 1 亿美元。来源：智东西

TrendForce 集邦咨询：预计 2024 年全球 AI 服务器产值达 1870 亿美元

根据研究机构 TrendForce 集邦咨询最新报告，今年全球大型云服务商（CSPs）预算持续向 AI 服务器采购倾斜，相应挤压了通用型服务器的增长空间。与 AI 服务器的高速增长形成鲜明对比，通用型服务器出货量年增长率仅为 1.9%。预计 AI 服务器占整体服务器出货量的比重将达 12.2%，较 2023 年提升约 3.4 个百分点。从产值角度看，AI 服务器对行业营收增长的贡献远超通用型服务器，预计 2024 年 AI 服务器产值将达 1870 亿美元，同比增长 69%，占整体服务器市场产值比重高达 65%。来源：TrendForce

美国 FTC 对亚马逊与 AI 初创公司 Adept 的合作交易展开非正式调查 美国联邦贸易委员会（FTC）已对亚马逊近期宣布的与人工智能初创公司 Adept 的合作交易，正式展开非正式调查。据一位知情人士透露，FTC 目前正在收集有关这份合作协议的更多细节，该协议核心内容包括亚马逊高薪聘请 Adept 核心高管团队，并从 Adept 获得相关技术授权。亚马逊上月宣布与 Adept 达成战略合作协议，将整体吸纳其顶尖人才团队，并获取公司的核心技术资产。来源：财联社

特朗普盟友起草 AI 行政命令，计划启动 AI 领域"曼哈顿计划" 据外媒报道，美国前总统唐纳德·特朗普的核心盟友正在起草一项全面的人工智能行政命令，该命令将启动一系列对标"曼哈顿计划"的国家级 AI 重大专项，重点开发军事应用技术，并立即审查所谓"不必要和繁琐的监管法规"。这预示着特朗普若成功连任，第二届政府大概率将推行全面利好硅谷投资者与科技企业的人工智能（AI）政策。来源：智东西

消息称字节将于 7 月 19 日集中分享文生图、视频生成等 AI 模型最新进展 据钛媒体报道，字节跳动技术团队将于 7 月 19 日（本周五）集中对外分享文生图、类 Sora 视频生成等全新人工智能模型的技术突破，尤其在长视频生成、高动态运动方向上具备多项创新性技术。一位消息人士透露，字节跳动内部已将 AI 大模型列为集团 P0 最高优先级战略方向。另一位消息人士则指出，除了上述基础研究团队之外，抖音、剪映等多个内部业务团队也在并行研发 AI 视频模型的落地应用，预计近期将集中对外公布。来源：钛媒体

Anthropic 推出 Claude 安卓版 App，支持实时翻译与图像分析

OpenAI 核心竞争对手 Anthropic 于周二正式推出了 AI 聊天机器人 Claude App 的安卓版应用，希望通过在更多主流平台上布局 Claude，来争取更多用户从 ChatGPT 迁移过来。Claude 安卓版应用的功能与 5 月发布的 iOS 版保持一致：用户可免费使用 Anthropic 当前最强的 AI 模型 Claude 3.5 Sonnet，如需更高额度可订阅 Pro 与 Team 付费方案。用户还可以在不同设备间无缝同步与 Claude 的历史对话记录，并支持上传照片或文件进行实时图像分析。来源： 华尔街见闻

Mistral AI 连发两款新模型：专用数学模型与基于 Mamba 架构的代码生成模型 法国人工智能初创公司 Mistral AI 今日发布两款全新模型：一款是专注数学推理的 MathΣtral 模型，另一款是基于 Mamba 架构、面向程序员的代码生成模型 Codestral Mamba。在权威基准测试中，Mistral 官方称 Codestral Mamba 在 HumanEval 测试中的表现，全面优于同量级开源模型 CodeLlama 7B、CodeGemma-1.1 与 DeepSeek-Coder。来源：VentureBeat

OpenAI 联合创始人 Karpathy 宣布创办 AI 教育初创公司

OpenAI 联合创始人、前特斯拉 AI 总监 Andrej Karpathy 正式宣布创立 AI 原生教育项目 Eureka Labs，旨在通过"名师 + AI"共生的创新教学模式，提供真正个性化的人工智能教育。首个公开课项目名为"LLM101n"，将系统讲解如何从零构建类似 ChatGPT 的大语言模型。课程内容完全免费开放，全部配套代码已在 GitHub 上公开。来源：量子位

 

科技巨头被曝未经授权抓取 YouTube 内容训练 AI，苹果、英伟达均在列

据 Wired 报道，包括苹果在内的多家科技巨头，在未获得 YouTube 创作者授权同意的情况下，就擅自使用其视频字幕数据训练人工智能模型。据悉，来自 4.8 万个 YouTube 频道的超过 17.3 万条视频字幕文件，被用于训练各类 AI 大模型，其中就包括苹果、英伟达、Salesforce 等硅谷头部科技公司。来源：IT 之家

Adaptive 获 1900 万美元 A 轮融资，打造建筑行业 AI 财务自动化平台 面向建筑行业的 AI 财务自动化平台 Adaptive 宣布完成 1900 万美元 A 轮融资。本轮融资由 Emergence Capital 领投，Andreessen Horowitz、Definition、Exponent、3kvc、Box Group、Gokul Rajaram 等知名机构与天使投资人跟投。来源：PR Newswire

企业级生成式 AI 平台 Vectara 获 2500 万美元 A 轮融资，专注 RAG 检索增强生成方案

企业级生成式 AI 平台 Vectara 宣布完成 2500 万美元 A 轮融资。本轮融资由 FPV Ventures 与 Race Capital 联合领投，其他投资方包括 Alumni Ventures、WVV Capital、Samsung Next、Fusion Fund、Green Sands Equity 与 Mack Ventures 等。该公司主打端到端生成式 AI（Generative AI）平台，核心专注于检索增强生成（RAG）技术方向。来源：BusinessWire

AI 医疗云平台 Huma 完成 8000 万美元 D 轮融资，估值达 10 亿美元

全球医疗保健 AI 公司 Huma Therapeutics（下称"Huma"）宣布完成新一轮 8000 万美元 D 轮融资，公司估值接近 10 亿美元。同时公司推出集成生成式 AI 能力的 Huma 云平台，为每位用户提供数字化急救响应与临床研究服务。本轮融资的投资方阵容豪华，包括阿斯利康、拜耳等国际顶级药企，以及日本日立风投（Hitachi Ventures）与意大利 Hat Technology Fund。至此 Huma 累计融资总额已达 3 亿美元。来源：有新 Newin

AI 原生搜索平台 Exa 获英伟达、YC 及 Lightspeed 1700 万美元 A 轮融资

致力于打造 AI 原生搜索引擎的初创公司 Exa 宣布，完成由 Lightspeed 领投的 1700 万美元 A 轮融资，其他投资方还包括英伟达风投部门 NVentures 与 Y Combinator。据悉，Exa 的核心目标是为各类 AI 平台提供高效、精准的底层信息检索服务。此前 Exa 已完成 500 万美元种子轮融资，本次 A 轮后公司累计融资总额达 2200 万美元。来源：有新 Newin

去中心化 AI 基础设施平台 Mira 获 900 万美元种子轮融资 总部位于新加坡的去中心化人工智能基础设施平台 Mira 宣布完成 900 万美元种子轮融资。本轮融资由 BITKRAFT Ventures 与 Framework Ventures 联合领投，其他投资方包括 Accel、Crucible、Folius Ventures、Mechanism Capital、SALT Fund 以及多位行业知名天使投资人。来源：PR Newswire

 

07 月 16 日·周二

英国监管机构出手，正式调查微软收购 Inflection AI 人才与技术的相关交易 英国竞争与市场管理局（CMA）7 月 16 日发布官方声明，正在调查微软批量聘用 Inflection AI 核心前员工以及双方达成相关技术授权安排的交易细节。监管机构担心此举可能"实质性削弱市场竞争"。CMA 在声明中表示，第一阶段审查决定的截止日期为 9 月 11 日，届时将正式宣布是否需要将此案转入第二阶段的深入调查程序。来源：IT 之家

腾讯元宝首发 3D 生成应用，上传一张照片即可生成专属 3D 角色 腾讯旗下大模型应用"腾讯元宝"正式上线"3D 角色梦工厂"创意玩法，腾讯元宝也由此成为国内首个具备打印级 3D 生成能力的通用大模型 App。通过"3D 角色梦工厂"功能，用户只需上传一张五官清晰的正面头像照片，再挑选心仪的角色模板，就能快速生成专属个人 3D 数字角色。来源：量子位

AI 编程工具初创公司 Anysphere 获 a16z 新一轮投资，估值升至 4 亿美元

据 BusinessInsider 报道，AI 编程工具初创公司 Anysphere 宣布从顶级风投 A16z 获得新一轮融资，公司估值达 4 亿美元。Anysphere 主打 AI 原生代码编辑器，核心产品 Cursor 已受到

 

OpenAI、Perplexity 等多家头部科技公司的高度关注与广泛使用。Anysphere 的目标是通过这款革命性的 AI 编辑器，帮助全球开发者大幅提升编码效率，简化软件开发全流程。来源：品玩

微软专为 Excel 等表格应用研发新 AI 模型：性能较传统方案提升 25.6%，Token 成本降低 96% 根据微软最新公开的研究论文，微软计划为 Excel、Google Sheets 等电子表格应用，专门研发全新大语言模型——SpreadsheetLLM。研究人员指出，现有电子表格软件功能极其丰富，在布局与格式上为用户提供了海量自定义选项，因此传统通用大语言模型很难胜任复杂的电子表格处理场景。而 SpreadsheetLLM 正是专门为电子表格场景量身定制的 AI 模型。微软还同步研发了 SheetCompressor 表格压缩工具，让 SpreadsheetLLM 能够更高效地理解与处理复杂表格数据。来源：IT 之家

机构揭秘 OpenAI 营收翻倍背后真相：付费用户数已逼近千万级规模

上周，调研机构 FutureSearch 发布最新研究报告，对 OpenAI 公司的收入构成进行了深度拆解，给出了更加清晰的收入结构画像。一个月前，OpenAI 首席执行官奥特曼曾对内部员工表示，从过去半年的发展态势来看，公司今年全年营收有望达到 34 亿美元，较媒体报道的 2023 年营收

（16 亿美元）实现整整翻倍。来源：财联社

 

07 月 15 日·周一

谷歌 Gemini AI 再陷隐私争议：被曝未经用户授权就读取 Google Drive 私人文档

据 X 平台用户 @Kevin Bankston 公开披露，谷歌的人工智能服务 Gemini AI，似乎在未获得用户明确授权的情况下，就擅自读取了用户 Google Drive 云盘中的私人文档。Bankston 最初发现 Gemini 似乎在调取他的 Google Drive 文件，但在系统设置里根本找不到关闭该功能的开关。经过进一步排查，他确认这是 Google Drive 本身集成的问题，而非 Google Docs，但两款服务很可能都存在类似的数据权限漏洞。来源：IT 之家

谷歌 DeepMind 被曝抄袭开源社区成果，被挂的论文还中了顶会 大模型圈再爆抄袭大瓜，这次的"被告"还是大名鼎鼎的谷歌 DeepMind。"原告"直接开怒喷：他们就是把我们的技术报告换了个皮！谷歌 DeepMind 一篇中了新生代顶会 CoLM 2024 的论文被公开挂出，指控方直指其抄袭了一年前就发布在 arXiv 上的一项开源研究。来源：量子位

日本总务省最新报告：中国用户对 ChatGPT 等生成式 AI 的使用率全球第一 日本总务省（相当于我国国务院）在官网正式发布了 2024 年（令和 6 年）生成式 AI 应用白皮书。报告重点调研了日本民众对 ChatGPT、Copilot、Midjourney、Stable Diffusion、Gen-2、MusicGen 等十多种主流生成式 AI 产品的实际使用情况，同时对美国、中国、英国、德国这几个全球主要 AI 应用大国做了横向对比调查。结果显示，中国以 56.3% 的使用率高居全球第一；美国 46.3% 排名第二；英国 39.8% 排第三；德国 34.6% 排第四；日本仅 9.1% 位列第五。在企业端生成式 AI 应用渗透率方面，中国更是以 71.2% 的比例大幅领跑全球。来源：AIGC 开放社区

人形机器人公司「逐际动力」完成数亿元 A 轮融资，阿里、招商局等巨头联合领投 通用人形机器人公司「逐际动力」正式完成数亿元 A 轮战略融资，本轮由阿里巴巴、招商局创投、上汽集团旗下尚颀资本联合领投，老股东峰瑞资本、绿洲资本与明势资本跟投。「逐际动力」成立于 2022 年，核心产品涵盖全尺寸人形机器人、四轮足机器人、双足机器人等，已落地应用于智能

制造、工业巡检、物流配送、家庭服务等多个领域。来源：36 氪

AI 数字化医疗健康服务平台「华美浩联」完成近亿元 C 轮融资

华美浩联正式宣布完成 C 轮融资。本轮投资方包括阿米巴资本、Ventech China 银钛资本以及蜂巧资本等知名机构，融资金额近亿元人民币。本轮融资所得资金将主要用于产品与服务研发、市场推广拓展，以及持续推进人工智能数字化医疗健康服务平台的技术升级与生态建设。华美浩联成立于 2017 年，是国内领先的一站式 AI 数字化医疗健康服务平台。来源：投资界

 

中国农业大学正式发布"神农大模型 2.0"：全面覆盖育种、种植、养殖、农业遥感与气象 第八届智慧农业创新发展国际会议于 7 月 13 日在北京举办，中国农业大学在会上正式发布"神农大模型 2.0"。相比 1.0 版本，"神农大模型 2.0"在图像、音频、视频、文档等多模态交互与智能化推理能力上实现了全面跃升，可广泛覆盖育种、种植、养殖、农业遥感与气象预报等多个关键农业应用场景。来源：IT 之家

 

07 月 13 日·周六

OpenAI 绝密内部项目「草莓」曝光，前身正是 Q*，主打高级推理能力

路透社独家报道披露，OpenAI 内部正在秘密推进一个代号为「草莓（Strawberry）」的全新 AI 模型研发项目。该项目的所有细节此前从未被外界报道过，而 OpenAI 目前正全力证明自家各代模型都具备真正的高级推理能力。消息人士透露，内部文档详细描述了一个基于草莓模型的项目规划，其目标是让 OpenAI 的 AI 不仅能直接回答用户提问，还能主动提前规划任务路径，自主、可靠地浏览互联网，完成 OpenAI 内部所称的「深度研究」任务。来源：机器之心

消息称 4050 亿参数版 Meta Llama 3 将于 7 月 23 日正式发布

科技媒体 The Information 本周五发布独家报道，援引内部员工消息称 Meta 公司计划于 7 月

23 日发布开源 AI 模型 Llama 3 405B 版本，在现有 80 亿与 700 亿参数两个版本之外，全新推出

4050 亿参数旗舰版，号称是全球当前最强大的开源大语言模型。Meta 公司今年 4 月正式发布 Llama 3 AI

模型时，扎克伯格就在采访中透露公司正在训练一款 4050 亿参数的稠密大模型，但当时并未披露更多细节。来源：IT 之家

美国参议院推出《COPIED 法案》，强制要求标记、验证与检测所有生成式 AI 内容

7 月 12 日晚，美国参议院官网公布了一项由 Cantwell、Blackburn 和 Heinrich 三位跨党派议员联合提出的新法案——COPIED Act。该法案的核心立法目标是：建立完善的监管规则，对 ChatGPT、Udio、Suno、Midjourney 等生成式 AI 产品生成的内容进行统一标记、溯源验证与内容检测，大幅提升生成内容透明度，防止生成式 AI 被非法滥用，同时切实保护公众个人数据与隐私安全。法案同时明确要保护记者、歌手、演员及其他艺术创作与商业群体的合法权益，保留对违规企业未经授权使用其数据训练 AI 大模型的法律追责权利。来源：AIGC 开放社区

AI 机械臂初创公司 Standard Bots 获 6300 万美元 B 轮融资，亚马逊、三星等巨头参投

专注于为制造业与物流业开发低成本协作机械臂的初创公司 Standard Bots Inc.，宣布完成 6300 万美元 B 轮融资，用于进一步升级核心技术。本轮融资由 General Catalyst 领投，亚马逊工业创新基金、Samsung Next 以及多家老股东跟投。来源：SiliconANGLE

亚马逊正式推出 AI 购物助手 Rufus，可回答用户各类商品咨询问题

亚马逊宣布，其生成式 AI 购物助手 Rufus 经过五个月的小范围邀请测试后，现已面向全体美国用户全面开放。亚马逊表示，Rufus 的核心定位是帮用户节省购物时间、做出更明智的购买决策。它可以回答用户各种与购物相关的问题和商品咨询，"就像随身带了一位专属购物顾问一样"。来源：IT 之家

 

07 月 12 日·周五

智谱 AI 开源推出视频理解大模型 CogVLM2-Video

智谱 AI 团队提出了一种基于视觉大模型的自动时序定位数据构建新方法，批量生成了 3 万条带精确时间戳的视频问答训练数据。然后，基于这个全新数据集与现有开放领域问答数据，引入多帧视频图像与时间戳作为编码器输入，训练出了全新的视频理解大模型——CogVLM2-Video。来源：GLM 大模型

百度推出仿真人 AI 社交 App"文小言"

据 Tech 星球报道，百度近日正式上线了一款名为"文小言"的 AI 数字人社交 App。据悉，该产品基于百度文心大模型技术深度打造，主打与 AI 虚拟角色实时互动、陪伴聊天并建立深度情感连接

 

的全新人工智能社交体验。来源：Tech 星球

OpenAI 首次提出通用人工智能五级发展标准，自评已接近但尚未达到第二级

报道称，OpenAI 正式提出了一套通用人工智能五级发展评估标准，用于清晰衡量行业 AI 技术的实际进展。OpenAI 高管向内部员工表示，公司自评目前仍处于第一级，但很快就能达到第二级。五个等级具体定义为：第一级：对话者——具备自然会话语言能力的 AI；第二级：推理者——能解决人类水平复杂问题的 AI；第三级：智能体——能够代替用户自主执行任务的 AI；第四级：创新者——能够辅助人类进行发明创造的 AI；第五级：组织者——能够独立完成组织级复杂工作的 AI。来源：IT 之家

软银集团正式确认收购英国 AI 芯片独角兽 Graphcore 据路透社最新报道，历经市场数月的长期猜测，日本软银集团最终以未公开的交易金额，正式确认收购英国人工智能芯片初创公司 Graphcore。对于这笔交易，Graphcore 此前的态度一直非常保守——早在 2023 年 9 月面对收购传闻时，公司当时还直接公开否认"收到软银的收购要约"。公开资料显示，Graphcore 巅峰估值曾达 28 亿美元，背后投资方包括微软、红杉等全球知名企业与顶级投资机构。该公司研发了全新架构的智能处理单元（IPU）芯片，曾一度被业界视为有望与英伟达正面竞争的黑马。来源：财联社

吴恩达公开抵制美国加州 SB 1047 法案，称其将对开源大模型造成毁灭性打击

7 月 12 日凌晨，全球著名 AI 科学家吴恩达（Andrew Ng）在社交平台发表深度长文，再次公开抵制并强烈批评美国加州正在拟定的 SB-1047 法案。

他表示，自己仍然对美国加州 SB 1047 法案将给全球开源大模型生态带来的巨大伤害感到震惊。这部法案犯了一个根本性的方向性错误：真正应该被监管的是那些基于大模型开发出来的生成式 AI 终端产品，而不是开源大模型本身。来源：AIGC 开放社区

Fireworks AI 完成 5200 万美元 B 轮融资，红杉领投，英伟达与 AMD 参投

近日，成立不到两年的 AI 初创公司 Fireworks AI 宣布完成由红杉美国领投的 5200 万美元 B 轮融资，公司估值升至 5.52 亿美元，其他投资方包括英伟达、AMD 与 MongoDB。Fireworks AI 是一个面向开发者提供生成式 AI 服务的创新平台，平台上集成了 Meta Llama 3、FireLLaVA 等高性能开源模型，同时提供文本生成与图像生成等开发工具。来源：有新 Newin

 

07 月 11 日·周四

三星官宣：今年内将在全球 2 亿台设备上落地 Galaxy AI 功能

今年早些时候，三星在 Galaxy S24 系列手机上首发了全套 AI 驱动功能 Galaxy AI。在昨晚举办的 Galaxy Unpacked 新品发布活动上，三星正式宣布：到 2024 年底，Galaxy AI 功能将覆盖全球范围内 2 亿台三星设备。由于 Galaxy AI 已在现有兼容机型上陆续推送，可以推测三星这个"2 亿台"的数字，是综合了 Z Flip 6、Z Fold 6、Buds 3、Buds 3 Pro、Watch 7 与 Watch Ultra 等全系新品的预期销量后测算得出的。来源：CNMO

美国 FTC 正就微软与 OpenAI 的投资合作交易展开反垄断审查 据路透社报道，微软与苹果已计划放弃其在 OpenAI 董事会的观察员席位。报道称，此举旨在缓解美国和英国反垄断监管机构对微软借生成式 AI 浪潮加深对 OpenAI 控制的垄断担忧。不过，美国联邦贸易委员会（FTC）一位消息人士周三表示，这一人事调整不太可能打消美国政府的监管顾虑——FTC 目前正在对微软与 OpenAI 的投资交易进行正式反垄断审查，因为微软这一举动本身就表明其内部也意识到存在巨大的反垄断风险，正在提前做风险对冲。来源：钛媒体

三星确认：今年内将推出搭载自研大模型的升级版语音助手 Bixby 三星移动业务负责人在最新采访中表示，公司将于今年内推出基于自研人工智能（AI）大模型的升级版语音助手 Bixby。此前就有传闻称三星正在研发新版 Bixby，而这是三星官方首次正式确认其发布时间表。Bixby 的此次升级，也反映出三星正全产品线大力推广人工智能功能。此外，除了自研 Bixby 之外，三星也将继续开放生态，允许其他第三方语音助手在自家设备上运行——例如谷歌的 AI 助手目前就已支持在三星最新旗舰设备上使用。来源：财联社

 

AMD 斥资 6.65 亿美元收购芬兰 AI 初创公司 Silo AI，正面叫板英伟达

芯片巨头 AMD 周三宣布，将斥资约 6.65 亿美元现金收购芬兰人工智能初创公司 Silo AI。此举旨在全面增强自身 AI 芯片软件生态能力，直接向行业龙头英伟达发起挑战。AMD 表示，收购 Silo AI 将帮助公司更好地优化基于 AMD 芯片的 AI 模型开发与部署流程，帮助潜在客户在 AMD 硬件上高效构建复杂 AI 应用。同时，Silo AI 的加入也将大幅补强 AMD 整体的 AI 软件开发能力。来源：IT 之家

消息称 AI 芯片独角兽 Groq 获贝莱德 3 亿美元投资，最新估值达 22 亿美元

根据 The Information 最新报道，英伟达的强劲竞争对手 Groq 预计将在未来两周内完成由贝莱德领投的 3 亿美元新一轮融资，公司估值升至 22 亿美元。

相比 2021 年由 Tiger Global Management 与 D1 Capital 联合领投时 11 亿美元的估值，短短两年估值直接翻倍。Groq 创始人是谷歌专用 NPU 芯片的核心发明者之一 Jonathan Ross。今年 2 月，Groq 曾发布演示视频，直观展示了其自研 AI 芯片如何在极短时间内高速运行大语言模型推理任务。来源：有新 Newin

AI 互动游戏公司 Volley 完成 5500 万美元 C 轮融资，Lightspeed 与微软联合领投

Volley 是一家专注于 AI 互动游戏开发的公司，用户可以通过 Amazon Alexa、Fire TV 或 Roku TV 发出语音指令来实时游玩。目前，Volley 已在 C 轮融资中筹集 5500 万美元，本轮由微软旗下 M12 Ventures 与 Lightspeed Venture Partners 联合领投，公司累计融资总额已超过 7500 万美元。来源：有新 Newin

夸克升级"超级搜索框"，推出以 AI 搜索为核心的一站式 AI 服务平台

7 月 10 日，夸克正式升级"超级搜索框"，推出以 AI 搜索为核心的一站式 AI 服务体系，为用户提供从信息检索、内容创作、智能总结，到文档编辑、云存储、内容分享的全链路一体化信息服务。一个"超级搜索框"除了集成智能问答、AI 创作、内容总结能力之外，夸克还一站式整合了网盘、扫描、文档处理、CueMe、学习助手、健康助手等多款内容产品与智能工具。来源：新华网

 

07 月 10 日·周三

阿里旗下 AI 搜索助手"心流"正式上线，小程序与独立 App 版本也将陆续推出 专为科研人员、高校师生与职场人士打造的大模型应用产品心流正式上线。据了解，该产品定位为用户的专属 AI 搜索助手，提供智能搜索、知识问答、深度阅读、辅助创作等核心能力，致力于帮助用户全面提升工作与学习效率。（竹江AI导航注：心流的网站 ICP 备案信息显示，备案主体为杭州万相创意科技有限公司，即阿里妈妈的运营主体）来源：环球网

微软官宣放弃 OpenAI 董事会观察员席位，苹果也将不再担任类似角色 微软当地时间周一宣布正式放弃在 OpenAI 董事会的观察员席位，称 OpenAI 在过去八个月中取得了"重大进展"，公司对其未来发展方向充满信心，因此不再需要该观察员席位。在一封致 OpenAI 的正式信函中，微软确认即日起放弃该席位，并表示"感谢 OpenAI 管理层与董事会在这一决策过程中给予的支持"。除微软外，英国《金融时报》也报道称苹果同样不会在 OpenAI 董事会担任观察员角色。OpenAI 官网最新信息显示，公司"仍然是一家完全独立的企业，由 OpenAI 非营利机构统一管理"。来源：IT 之家

马斯克旗下 xAI 与甲骨文百亿美元合作谈判破裂，改为自购芯片自建数据中心 近期，马斯克麾下人工智能公司 xAI 与甲骨文之间的深度合作扩展谈判正式宣告破裂。原合作框架中，xAI 计划长期向甲骨文租赁专用英伟达 AI 算力芯片。但据知情人士透露，xAI 现已决定改为自主采购芯片，自建专属的数据中心算力基础设施。据悉，xAI 原本正与甲骨文就一份多年期巨额合作协议进行深入谈判，协议核心内容是 xAI 向甲骨文大规模租用英伟达芯片算力，用于支撑其即将启动的超算项目，预计交易总规模高达 100 亿美元。来源：腾讯科技

谷歌 DeepMind CEO 哈萨比斯：当前 AI 的综合智力还不如一只普通家猫

谷歌 DeepMind CEO 哈萨比斯出席全球变革研究所主办的"2024 年英国未来会议"，在与英国前首相托尼·布莱尔（Tony Blair）的公开对谈中表示：如果把 AI 作为通用智能系统来衡量，

 

其当前综合 IQ 水平甚至还没有超过一只家猫。不过，在巨额资金与算力投入的强力推动下，相关技术迭代速度非常快。不少业内专家预计，未来 5 年内，AI 智能水平就有望全面超越人类。来源：IT 之家

最新全球调查：中国在生成式 AI 应用普及度上位居全球第一 周二公布的一项最新全球调研显示，中国在生成式人工智能（GenAI）的实际应用与市场普及度方面领跑全球。根据美国人工智能与分析软件公司 SAS 联合 Coleman Parkes Research，对全球各行业 1600 名企业决策者的联合调研结果，高达 83% 的中国受访者表示所在企业已经落地应用了生成式人工智能技术。来源： 财联社

AI 视频初创公司 Captions 完成 6000 万美元 C 轮融资，估值升至 5 亿美元

生成式 AI 视频制作与编辑初创公司 Captions，宣布从多位明星投资人手中完成新一轮融资，公司估值跃升至 5 亿美元。周二，Captions 正式宣布完成由 Index Ventures 领投的 6000 万美元 C 轮融资，累计融资总额达 1 亿美元。本轮其他投资方包括 Kleiner Perkins、a16z、Sequoia Capital，以及 Jared Leto 等明星个人投资者——值得一提的是，Leto 同时也是另一家 AI 视频明星公司 Pika 的投资方之一。来源：有新 Newin

 

07 月 09 日·周二

Gartner 最新民调：64% 的消费者明确不希望自家客服系统使用 AI

市场调研机构 Gartner 今日发布最新消费者调查报告，显示 64% 的受访客户不希望品牌客服接入 AI 机器人。该调查还指出，53% 的消费者如果发现某家公司客服使用 AI 自动回复，会考虑转投竞争对手的产品。来源：IT 之家

OpenAI CEO 奥特曼联手赫芬顿，共同创办全新 AI 健康管理公司

OpenAI CEO Sam Altman 与 AI 健康巨头 Thrive Global 的 CEO 阿里安娜·赫芬顿（Arianna Huffington）共同在《时代》杂志发表署名文章，正式宣布联合创办 Thrive AI Health 公司。Thrive AI Health 的核心目标是打造一款个性化的"AI 健康教练"，以手机 App 形态面向 C 端用户。公司现任 CEO 是谷歌前健康与可穿戴设备业务负责人德卡洛斯·洛夫（DeCarlos Love），OpenAI 创业基金与 Thrive Global 为主要投资方。来源：智东西

腾讯智影小程序上线 AI 视频功能，限时免费一键生成风格化短视频 腾讯智影小程序正式上线智影 AI 视频生成功能，支持一键生成风格化短视频，目前首批开放日漫风格模板，该功能限时免费使用（官方尚未公布后续收费标准）。视频风格化是指在原始视频素材基础上做艺术风格迁移处理，官方称风格化视频可有效提升画面美感、增强趣味性、提升社交传播力。用户只需导入视频素材并一键"变身"，就能快速生成风格化视频（支持最长 10 秒素材），智影 AI 提供了多种创意模板，让普通用户也能轻松做出多样化的创意视频。来源：IT 之家

AI 企业级文档搜索公司 Hebbia 宣布完成 1.3 亿美元新一轮融资

周一，总部位于纽约的 AI 初创公司 Hebbia 宣布完成新一轮 1.3 亿美元融资，由 a16z 领投，Index Ventures、Google Ventures 以及 Peter Thiel 等知名机构与个人参投。据悉，Hebbia 当前估值约为 7 亿美元。公司成立于 2020 年，核心产品可深度分析各类数字化文档与数据源——包括监管文件、PDF 文档以及音视频剪辑，帮助企业客户处理远比 C 端聊天机器人复杂的专业级信息查询任务，产品定位与 Glean 类似。来源：有新 Newin

中国工程院院士郑纬民：国产 AI 芯片最大短板是生态不好，生态够好的话 60% 性能也够

人用

7 月 7 日，在中国信息化百人会（ChinaInfo100，简称信百会）2024 年度研讨会上，中国工程院院士、清华大学计算机系教授郑纬民发表主题演讲。郑纬民表示，AI 大模型正从单模态快速向多模态方向演进，同时落地应用场景越来越丰富，这直接导致算力需求呈爆发式增长，算力供应长期处于供不应求状态。但与此同时，与英伟达相比，国产 AI 芯片最大的短板就是系统软件生态不够成熟。来源：钛媒体

古尔曼爆料：苹果首款支持 Apple Intelligence 的智能家居设备将是一款桌面机器人

 

据彭博社知名记者马克·古尔曼（Mark Gurman）透露，苹果首款搭载 Apple Intelligence 功能

的智能家居硬件产品，将是一款全新形态的桌面机器人。古尔曼表示，那些期待在现有苹果智能家居设备上用上 Apple Intelligence 的用户可能要失望了——他们需要等到苹果推出这款 AI 驱动的桌面机器人新品。来源：IT 之家

 

07 月 08 日·周一

Anthropic 首席执行官预言：未来三年内，大模型训练成本将飙升至百亿甚至千亿美元级

据 Tom's Hardware 今日报道，AI 初创公司 Anthropic 首席执行官 Dario Amodei 近期在接受播客节目采访时表示，当前像 GPT-4o 这样规模的模型训练成本约为 1 亿美元，而正在研发中的下一代旗舰大模型，训练成本可能高达 10 亿美元。当然，10 亿美元还远不是终点。Dario Amodei 大胆预测：未来三年内，全球前沿大模型的单次训练成本将攀升至 100 亿美元，甚至 1000 亿美元级别。来源：IT 之家

MOSS 大模型负责人邱锡鹏：大模型的下一个发展阶段是"世界模型"

复旦大学教授、MOSS 大模型项目负责人邱锡鹏认为，当前大语言模型仍存在诸多明显短板。比如在产业落地阶段，大语言模型始终难以根治"幻觉问题"——即会凭空生成不真实、不可靠、根本不存在的虚假信息。邱锡鹏将大模型的未来发展趋势与方向，总结为"观察物理世界、产生自主动作"，最终走向真正的"世界模型"。来源：财联社

爆料称苹果 Apple Intelligence 版全新 Siri 今年内不会正式上线 根据彭博社记者马克·古尔曼的最新消息，苹果公司今年内不会正式推出由 Apple Intelligence 驱动的全新 Siri。取而代之的是，苹果计划明年 1 月才启动内部测试，并在 iOS 18.4 版本中正式向用户推送。此前官方信息显示，苹果在 6 月 11 日的 2024 年 WWDC 全球开发者大会上，曾正式官宣过这款全新 Siri 产品。来源：中关村在线

X 平台被曝将新增多项 Grok AI 功能，含独立聊天机器人侧边栏

独立 App 功能研究者 Nima Owji 爆料称，X 社交平台正在开发多项基于 xAI Grok 大模型的全新功能，面向 X Premium 付费订阅用户提供更丰富的 AI 体验。其中一项重点功能就是类似主流生成式 AI 聊天机器人的 Grok 侧边栏面板，用户在使用 X 平台任意功能时，都可以随时唤起 Grok 机器人对话交流。来源：IT 之家

月之暗面官方推出 Kimi 智能助手浏览器插件 据月之暗面官方微信公众号消息，月之暗面正式推出 Kimi 浏览器插件，为网页端用户带来多项全新实用功能。Kimi 插件目前只保留两个核心按钮：一个是点问笔——用户在网页上划选任意文字后就会自动弹出；另一个是总结器——常驻网页右下角，帮用户快速总结全文内容、随时答疑解惑。来源：月之暗面

 

07 月 05 日·周五

阿里云 CTO 周靖人：通义大模型已实现全尺寸、全模态开源，累计下载量突破 2000 万

7 月 5 日，在上海世界人工智能大会现场，阿里云 CTO 周靖人正式公布近期通义大模型与阿里

云百炼平台的最新业务进展。近 2 个月来，通义千问开源模型下载量增长 2 倍，累计突破 2000 万次；

阿里云百炼平台服务客户数从 9 万跃升至 23 万，涨幅超过 150%。周靖人在演讲中再次重申了阿里云全面拥抱开源开放的坚定立场："到今天，通义千问已经真正实现了全尺寸、全模态开源，彻底拉平了开源模型与闭源模型之间的能力差距。"来源：极客公园

阿里通义 App 上线"追星星的 AI"：国内首个专门关爱孤独症儿童的 AI 绘本工具

阿里巴巴官方公众号今日下午发文宣布，通义 App 现已上线一款特殊的公益 AI 工具"追星星的 AI"。阿里巴巴表示，这是国内首个专门关爱孤独症儿童的 AI 绘本工具，免费为孤独症儿童家庭提供定制化 AI 绘本创作服务。该工具基于阿里自研的 ModelScope-Agent 框架，深度调用通义大模型的

 

多项核心能力，可实现从一句话故事梗概，一键生成完整有声绘本的全流程自动化。来源：IT 之家

消息称黑客去年曾攻破 OpenAI 内部系统，部分核心 AI 技术设计细节被盗 据媒体援引知情人士爆料，一名黑客去年曾成功入侵 OpenAI 的内部消息系统，窃取了该公司人工智能核心技术的设计细节。OpenAI 高管在去年 4 月的全体员工大会上，已向内部员工与公司董事会通报了这一安全漏洞事件，但高管团队最终决定不对外公开这一消息。来源：财联社

蚂蚁百灵大模型最新进展公布：已具备原生多模态理解能力

7 月 5 日，在 2024 世界人工智能大会"可信大模型助力产业创新发展"论坛上，蚂蚁集团正式公布了自研百灵大模型的最新研发进展：百灵大模型现已具备能"看"会"听"、能"说"会"画"的原生多模态能力，可直接理解并训练音频、视频、图像、文本等多模态数据。来源：机器之心

支付宝正式发布多模态医疗大模型，支持千亿级参数视觉识别

在 2024 世界人工智能大会"可信大模型论坛"上，支付宝多模态医疗大模型正式对外亮相，成为国内首批落地的多模态医疗大模型之一。该模型基于蚂蚁百灵大模型的多模态能力打造，可直接理解与训练音频、视频、图像、文本等多模态数据，像人一样多维度感知与互动，做到能"看"会"听"、能"说"会"画"，支持千亿级参数规模的医疗视觉识别任务。来源：钛媒体

百度文心智能体平台重磅升级，向全体开发者免费开放文心大模型 4.0 据百度官方消息，百度文心智能体平台（AgentBuilder）现已免费开放文心大模型 4.0 能力。开发者在文心智能体平台上搭建 AI 智能体时，可自由灵活选择文心大模型 3.5 或 4.0 版本。文心大模

型 4.0 于 2023 年 10 月正式发布，实现了基础模型的全面迭代升级，在语义理解、内容生成、逻辑推理与长文本记忆能力上均有显著提升。来源：IT 之家

B 站亮相 2024 世界人工智能大会，首次公开展出自研大语言模型矩阵

在 2024 世界人工智能大会（WAIC 2024）上，哔哩哔哩（以下简称"B 站"）集中公布了多项自主研发的 AI 技术成果与 AIGC 多元创意应用，包括最新定制的 AI 语音声库、自研音视频大模型必剪 Studio 以及自研 AI 动态漫制作技术等。此外，B 站自研的大语言模型系列也在本次 WAIC 2024 上首次公开亮相，包括开源的 Index-1.9B chat 与 Index-1.9B character 两款模型。来源：财经网

商汤科技正式发布日日新 5.5 大模型体系

商汤科技正式发布日日新 5.5 大模型体系，包含三大核心模型：6000 亿参数基础大模型日日新 5.5，综合性能较上一代提升 30%；流式多模态交互模型日日新 5o，是国内首个所见即所得的实时多模态交互模型，支持实时多模态对话问答；日日新 5.5Lite 端侧模型也同步升级，模型精度提升 10%、首包响应延迟降低 40%，整体推理效率提升 15%。来源：财联社

软银集团官宣以 4 亿英镑收购英国 AI 芯片独角兽 Graphcore

近日，日本软银集团正式宣布将以 4 亿英镑收购陷入经营困境的英国 AI 芯片初创公司 Graphcore，该交易仍需获得英国政府相关审查批准后方可正式生效。公开资料显示，Graphcore 成立于 2016 年，主打名为智能处理器单元（IPU）的专用 AI 加速芯片，定位就是挑战英伟达的市场垄断地位。由于英伟达 AI 芯片长期供不应求，全球投资者纷纷押注这家初创公司，寻找英伟达的可替代方案。2020 年，Graphcore 以 28 亿美元估值完成 2.22 亿美元融资，一度成为英国最具全球竞争力的硬科技初创公司之一。来源：芯智讯

王坚院士：美国 AI 发展面临的电力瓶颈，在中国根本不存在，我们最不缺的就是电 近日，中国工程院院士、阿里云创始人王坚公开表示，当前制约美国 AI 产业发展的最大瓶颈是电力供应，而这对中国来说完全不是问题。在 2024 世界人工智能大会上，当被问及算力与电力是否会成为 AI 发展的瓶颈时，王坚院士明确表示：电力方面，中国是全球最不需要担心的国家。"中国一年的发电总量，比美国、日本、俄罗斯三国加起来还要多。"王坚说道。他还现场提出了一个"应用、模型、电力、算力"的资源不等式，认为在当前阶段，所有投身人工智能行业的从业者完全不用担心资源瓶颈问题。来源： 快科技

 

MiniMax 创始人闫俊杰：真正的"杀手级"AI 应用至少还得等三年

4 日下午举行的世界人工智能大会产业发展主论坛上，国内大模型"独角兽"公司 MiniMax 创始人兼 CEO 闫俊杰参与圆桌对话时表示，虽然国内很多公司都在努力追赶 ChatGPT 的水平，但目前国产大模型的事实性错误率仍在 60%-70% 区间，远高于 GPT-4 的 30%-40% 水平。会后，闫俊杰在与钛媒体 AGI 等媒体对话时进一步表示，类似微信、抖音、今日头条这种国民级规模的"杀手级"AI 超级应用（Killer App），至少要到三年之后才有可能真正出现。来源：钛媒体

英伟达今年在华销售额预计达 120 亿美元，定制 H20 芯片发货量超 100 万颗

芯片行业咨询公司 SemiAnalysis 最新报告预估，今年英伟达在中国市场销售的 AI 芯片总价值约达 120 亿美元。黄仁勋此前曾公开表示，希望通过这款专门为中国市场定制的新芯片，让英伟达在华业务利益最大化。英伟达有望在未来几个月内向中国客户交付超过 100 万颗定制版 H20 AI 芯片，这款芯片的硬件设计完全规避了美国对华 AI 芯片出口管制的限制条款。据悉，单颗 H20 芯片的售价在 12000 至 13000 美元之间。来源：第一财经

ElevenLabs 推出免费 AI 语音分离工具，一键清除背景环境噪音

以语音克隆、文本转语音、语音转语音模型闻名全球的 AI 语音技术公司 ElevenLabs，最新在产品矩阵中新增了一款全新工具：AI 语音分离工具（AI Voice Isolator）。这款工具可以帮助内容创作者从任意音视频素材（无论是电影、播客还是 YouTube 视频）中，一键去除不需要的环境噪音与杂音。来源：VentureBeat

无问芯穹发布全球首个单任务千卡异构芯片混合训练平台，算力利用率高达 97.6% 无问芯穹联合创始人兼 CEO 夏立雪，昨日在世界人工智能大会 AI 基础设施论坛上，正式发布了无问芯穹大规模模型异构分布式混合训练系统，宣布千卡异构混合训练集群的算力利用率最高可达 97.6%。夏立雪同时宣布，无问芯穹 Infini-AI 云平台已正式集成大模型异构千卡混训能力，是全球首个支持单任务千卡规模异构芯片混合训练的算力平台，并且具备万卡级平滑扩展能力。来源：IT 之家

 

07 月 04 日·周四

摩尔线程宣布夸娥（KUAE）智算集群升级：建成首个国产全功能 GPU 万卡集群

日前，国产 GPU 公司摩尔线程宣布其人工智能（AI）旗舰产品夸娥（KUAE）智算集群解决方案完成重大升级——从千卡规模直接扩展至万卡级别。集群总算力超过 10EFLOPS，项目目标实现有效计算效率超过 60%、系统稳定性达 99%，可完整支撑万亿参数级超大模型的训练任务。来源：智东西

腾讯混元 DiT 重磅升级：推出 6G 显存可跑的轻量版，全面支持 Kohya 训练

腾讯混元文生图大模型（混元 DiT）正式开源轻量版，仅需 6GB 显存即可本地运行，对普通个人电脑本地部署的开发者极为友好。该版本已与 LoRA、ControlNet 等主流插件生态完成适配，全部接入 Diffusers 官方库；同时新增对 Kohya 图形化训练界面的完整支持，大幅降低开发者训练个性化 LoRA 模型的门槛；混元 DiT 模型本身也同步升级到 1.2 版本，在画面质感与构图合理性上均有明显优化。来源： 腾讯混元

特斯拉二代人形机器人 Optimus 亮相 WAIC 展会，行走速度提升 30%

7 月 4 日，在 2024 世界人工智能大会（WAIC 2024）现场，特斯拉第二代人形机器人 Optimus 正式公开亮相。特斯拉相关负责人向上证报记者介绍，二代 Optimus 在直立行走能力的基础上，行走速度整体提升了 30%；它的灵巧手也实现了全面"进化"，除了力觉与触觉感知之外，无论轻握生鸡蛋还是搬运重型货物，都能做到"游刃有余"。来源：上证报

北京发布 AI 算力规划：2025 年智算供给规模达 45EFLOPS，两年建成 AI 原生城市

在 7 月 3 日召开的 2024 全球数字经济大会智能计算与决策技术论坛上，北京市经济和

信息化局总经济师、数字经济专班执行长唐建国表示："北京市明确提出，到 2025 年本地智算供给规模达到 45EFLOPS（每秒百亿亿次浮点运算次数），在市域范围内建成东西南北四个

 

亿级以上算力中心，构建'京津冀蒙'一体化算力供给走廊，为人工智能大模型的训练与推理应用提供高效、稳定的算力支撑。"来源：上观新闻

丘成桐：发展人工智能，必须高度重视上游基础学科研究 "人工智能的上游、中游、下游要协同推进，上游（基础学科）要发挥引领作用，中、下游要做好配套支撑，中国尤其要花大力气投入上游基础研究。"在 7 月 4 日上午举行的 2024 世界人工智能大会暨人工智能全球治理高级别会议全体会议上，菲尔兹奖首位华人得主丘成桐在接受第一财经独家专访时如此表示。来源：第一财经

阶跃星辰正式发布三款 Step 系列通用大模型新品

在 2024 年世界人工智能大会上，阶跃星辰集中发布了三款 Step 系列通用大模型新品：Step-2 万亿参数语言大模型正式版、Step-1.5V 多模态大模型、Step-1X 图像生成大模型。其中，Step-2 大幅优化了训练效率，在数学推理、逻辑推演、代码生成、知识问答、创意写作、多轮对话等核心能力上，用户体感已逼近 GPT-4。Step-1.5V 在图像感知与深度理解能力上实现全面跃升，同时具备较强的视频内容理解能力。来源：钛媒体

李彦宏：没有杀手级应用，再强的基础模型也一文不值，商业化闭源模型最能打

7 月 4 日，在 2024 世界人工智能大会暨人工智能全球治理高级别会议产业发展主论坛上，百度创始人、董事长兼首席执行官李彦宏在演讲中谈到：2023 年国内掀起的百模大战，虽然造成了社会资源的巨大浪费，但客观上也帮助国内建立起了追赶全球最先进基础模型能力的技术底座。李彦宏再次强调闭源模型的竞争优势，称在激烈的市场竞争环境下，走商业化路线的闭源模型才最能打。他同时直言：脱离了应用场景，基础模型本身一文不值。来源：澎湃新闻

联发科联手快手推出端侧视频生成技术，首批支持天玑 9300/8300 移动平台

2024 年 7 月 4 日，联发科（MediaTek）与快手共同宣布，联合推出高效端侧视频生成技术，共同探索并推动生成式 AI 技术的端侧落地革新。该技术是双方在 2024 世界移动通信大会（MWC 2024）上首次展示的视频生成技术的延续与全面升级，结合快手自研的 AI 模型 I2V（image to video）Adapter 与联发科天玑 9300、天玑 8300 移动平台强大的端侧 AI 算力，在手机本地实现了从静态照片一键生成动态视频的全新创新体验。来源：PChome

商汤发布可控人物视频生成大模型 Vimi，分钟级即可生成完整数字人视频

2024 世界人工智能大会（WAIC 2024）在上海盛大举办，由商汤科技打造的首个面向 C 端普通用户的可控人物视频生成大模型 Vimi 正式亮相。Vimi 基于商汤日日新大模型的强大底座能力，用户仅需上传一张任意风格的人物照片，就能生成动作与目标完全一致的人物视频，同时支持多种灵活驱动方式——可通过已有人物视频、动画片段、语音、文字描述等多种素材进行动作驱动。来源：猎云网

法国开源 AI 实验室 Kyutai 发布对标 GPT-4o 的实时语音多模态大模型 Moshi

7 月 4 日凌晨，法国知名开源 AI 研究实验室 Kyutai 在官网正式发布了集看、听、说能力于一身的多模态大模型——Moshi。Moshi 的核心功能与 OpenAI 在 5 月 14 日开发者大会上展示的旗舰模型 GPT-4o 基本对齐：可以实时听取用户语音提问，边听边思考并即时语音回答。不过 GPT-4o 的全双工语音模式要等到今年秋天才会全面开放，而 Moshi 现在就已经可以免费体验使用了。来源：华尔街见闻

三星芯片部门战略调整：放缓汽车半导体研发，全力聚焦 AI 芯片赛道

三星负责芯片设计的系统 LSI 部门正在进行业务线与组织架构重组，未来将优先集中资源发展 AI 芯片。原从事汽车处理器"Exynos Auto"（内部代号 KITT3）研发的工程师团队，现已在部门内部整体转岗到 AI 系统级芯片（SoC）团队，该团队也正式成为三星未来芯片设计的核心重心。目前，该 AI 芯片团队已集中了 100-150 名专职设计工程师，全力投入下一代 AI 芯片研发。来源：科创板日报

袁进辉创办的 AI 基础设施公司「硅基流动」获近亿元天使+轮融资

AI 初创公司「硅基流动」（SiliconFlow）近日完成近亿元天使+轮融资。本轮融资由某知名产业方领投，跟投方包括智谱 AI、360 集团、水木清华校友基金等知名企业与投资机构，老股东耀途资本继续超额跟投，华兴资本担任本轮独家财务顾问。硅基流动是一家专注于 AI Infra（AI 基础设

 

施）方向的创业公司，成立于 2023 年 8 月。创始人袁进辉是前 OneFlow（一流科技）创始人兼 CEO，曾任微软亚洲研究院主管研究员，曾获微软亚洲研究院院长特别奖。来源：36 氪

macOS 版 ChatGPT 被曝本地对话记录明文存储，OpenAI 紧急推送修复更新

开发者 Pedro Vieito 两天前在 Thread 平台发帖爆料，称 macOS 版 ChatGPT 桌面应用会以未加密的纯文本形式本地存储用户所有聊天记录。OpenAI 公司今日回应称，已紧急推送应用更新，对存储在 Mac 本地设备上的聊天记录全部启用了加密保护。来源：IT 之家

 

07 月 03 日·周三

巴西监管机构正式下令：禁止 Meta 使用本国用户数据训练生成式 AI 模型 据美联社报道，巴西国家数据保护局当地时间周二（2 日）正式裁定：旗下拥有 Facebook、Instagram、WhatsApp 等社交平台的科技巨头 Meta，不得再使用巴西境内用户的数据来训练其生成式 AI 模型。Meta 近期更新了用户隐私政策，允许公司将用户在平台上的公开帖子内容用于 AI 模型训练。根据巴西国家数据保护局发布的官方公报，Meta 此举将对受影响用户的基本权利造成严重、不可挽回且难以修复的损害，本次下达的禁令属于"预防性紧急措施"。来源：IT 之家

世界知识产权组织权威报告：过去十年中国生成式 AI 专利申请量稳居全球第一 世界知识产权组织（WIPO）正式发布《生成式人工智能专利态势报告》。报告数据显示，2014 年至 2023 年的十年间，中国发明人提交的生成式人工智能相关专利申请数量全球最多，远超美国、韩国、日本与印度等其他国家。2014 年至 2023 年，全球生成式人工智能相关的发明专利申请总量达 54000 件，其中超过 25% 是在 2023 年单一年内集中爆发的。来源：央视新闻

Meta 发布 3D Gen AI 大模型：1 分钟内即可生成高质量 3D 资产

Meta 公司昨日（7 月 2 日）发表最新研究论文，正式介绍了名为 Meta 3D Gen（简称 3DGen）的全新 AI 模型，可在 1 分钟内根据用户输入的文字提示，快速生成高质量的 3D 数字内容。Meta 官方表示，Meta 3D Gen 生成的 3D 资产自带高分辨率纹理与 PBR 材质贴图，完全支持基于物理的渲染流程，还可以对已有生成的 3D 模型自动重新生成全新纹理材质。来源：IT 之家

苹果公司将获得 OpenAI 董事会观察员席位 据报道，作为上个月双方公布的里程碑式合作协议的一部分，苹果公司将正式获得 OpenAI 董事会观察员席位，进一步加深两家公司的战略绑定。据知情人士透露，苹果 App Store 负责人、前全球营销高级副总裁 Phil Schiller 将出任这一代表席位。该知情人士同时表示，作为董事会观察员，他并不会以正式董事身份参与投票表决。来源：财联社

AI 音乐生成平台 Suno 正式推出 iOS 移动端官方 App

Suno 是一款全球广受欢迎的 AI 音乐与歌曲生成服务，目前全网累计用户已超过 1200 万人。公司今日正式推出首款 iOS 原生移动应用。Suno iOS 版允许用户只需输入一段文字描述，或用手机直接录制一段参考音频，就能轻松创作出属于自己的原创音乐。用户可生成最长 4 分钟的完整歌曲，也支持将已有歌曲扩展到 2 分钟加长版。来源：cnBeta

Runway 洽谈新一轮 4.5 亿美元融资，公司估值飙升至 40 亿美元

根据 The Information 最新报道，AI 视频明星公司 Runway 正在与 General Atlantic 洽谈新一轮 4.5 亿美元融资，本轮投后估值将达 40 亿美元。2023 年 6 月，Runway 曾从 Google、Nvidia、Salesforce Ventures 等顶级投资方手中募集 1.41 亿美元，当时估值为 15 亿美元。据悉，Runway 去年年底的年度经常性收入（ARR）约为 2500 万美元，相比六个月前的几百万美元已有大幅增长，但与 OpenAI 等头部玩家动辄三四十亿美元的年收入相比，仍有量级上的明显差距。来源：有新 Newin

AI 编程独角兽 Magic 洽谈 2 亿美元新融资，估值飙升至 15 亿美元

据路透社独家报道，美国 AI 编程初创公司 Magic 正在谈判筹集超过 2 亿美元的新一轮融资，投后估值达 15 亿美元，距离上一轮融资仅过去短短几个月。包括 Jane Street 在内的知名投资机构预计将参与本轮

 

融资，这将使 Magic 的估值较上一轮直接高出 3 倍——尽管该公司目前既没有公开销售收入，也还没有正式商业化的对外产品。来源：智东西

Sentient 获 8500 万美元巨额种子轮融资，打造开放的 AGI 研发平台 总部位于美国旧金山的人工智能研究与开发初创公司 Sentient 宣布完成 8500 万美元种子轮融资。本轮融资由彼得·蒂尔旗下 Founders Fund、Pantera Capital 与 Framework Ventures 联合领投。Sentient 的长期愿景是通过构建开放的技术研发平台，确保 AI 技术的发展方向符合全人类共同利益，让 AI 带来的技术红利能够公平地普惠每一个人。来源：Decrypt

Phaidra 获 1200 万美元新融资，用 AI 技术优化数据中心能源消耗效率

专注于用 AI 智能调度数据中心能耗的初创公司 Phaidra 宣布完成 1200 万美元新一轮融资，本轮由 Index Ventures 领投。公司表示，本轮募集的资金将主要用于核心产品的持续研发升级，以及全球市场推广团队的扩张。来源：GeekWire

 

07 月 02 日·周二

马斯克自曝：xAI 训练 Grok-3 大模型整整用了 10 万块英伟达 H100 芯片 马斯克此前已官宣旗下 AI 公司 xAI 的大语言模型 Grok-2 将于今年 8 月正式推出，将带来全面升级的先进 AI 能力。虽然 Grok-2 还没正式亮相，马斯克已经开始为下一代的 Grok-3 提前造势。他透露 xAI 训练 Grok-3 一共动用了 10 万块英伟达 H100 GPU 芯片，预计将于今年年底正式发布，他自信这款模型会"非常特别"。来源：IT 之家

工信部等四部门联合印发《国家人工智能产业综合标准化体系建设指南（2024 版）》 工业和信息化部等四部门正式联合印发《国家人工智能产业综合标准化体系建设指南（2024 版）》。发展目标明确：到 2026 年，标准与产业科技创新的联动协同水平持续提升，新制定国家标准与行业标准 50 项以上，支撑人工智能产业高质量发展的标准体系框架基本建成；开展标准宣贯与落地推广的企业超过 1000 家，标准服务企业创新发展的成效更加显著；参与制定国际标准 20 项以上，有力推动我国人工智能产业的全球化发展。来源：财联社

英伟达被曝在法国面临反垄断指控：最高罚金可达 60.9 亿美元 据外媒报道，法国反垄断监管机构计划正式指控英伟达涉嫌实施反竞争垄断行为。有知情人士透露，本次指控源自法国监管机构去年 9 月对 GPU（图形处理器）行业发起的一次突击检查，而当时突击检查的核心目标就是英伟达。根据法国反垄断法相关规定，违规企业最高可被处以上一年度全球总营业额 10% 的巨额罚款，不过企业也可以通过主动业务整改协商来避免处罚。以英伟达 2024 财年 609

亿美元的总营收计算，理论上最高罚款金额可达 60.9 亿美元（约合人民币 442.63 亿元）。来源：澎湃新闻

Character AI 融资遇冷，正洽谈出售给谷歌或 Meta

由谷歌前核心员工创立的 AI 独角兽公司 Character AI，曾凭借其爆款角色扮演聊天产品一度风光无限。尽管 A16Z 曾以 10 亿美元估值领投 1.5 亿美元，但随着市场新鲜感褪去与行业竞争急剧加剧，公司当前正面临严重的融资困难，正在认真考虑将公司整体出售给谷歌或 Meta。目前 Character AI 已与这两家科技巨头展开初步接洽，探讨潜在的深度合作，包括算力资源共享与知识产权交叉授权等方向。同时，公司也在积极探索广告变现、付费 API 接口等新的营收增长点，以维持业务持续增长。来源：Z Finance

Runway 王牌文生视频模型 Gen-3 Alpha 正式面向所有用户开放

Runway 官方宣布，旗下明星文生视频模型 Gen-3 Alpha 现已向所有付费用户全面开放使用，每月订阅费最低 12 美元起。Gen-3 单次生成最长为 11 秒的 720P 分辨率视频，且不自动添加任何背景音乐。已有不少实测用户反馈 Gen-3 的实际生成效果比 OpenAI 的 Sora 还要出色，认为它将再次重塑整个文生视频赛道的竞争格局。来源：华尔街见闻

OpenAI CEO 奥特曼：GPT-5 一经推出就会带来"巨大飞跃"

在 Aspen Ideas Festival 的一场公开对谈中，OpenAI CEO 奥特曼提到，开发代号为"GPT-5"的下一代模型仍需一段时间打磨。"我们目前整体持乐观态度，但还有大量研发工作要做。"奥特曼表示。目前 GPT-

 

5 的具体发布日期仍未公布，但奥特曼明确表示它将是一次"巨大飞跃（significant leap forward）"——这个飞跃是相较于它的上一代产品 GPT-4 而言的。此前，奥特曼曾公开吐槽 GPT-4"其实做得不怎么样"，委婉地称它"充其量只是有点拿不出手"。来源：IT 之家

LeyLine 完成首轮数百万美元融资，打造面向创意行业的一站式 AI 工作流平台 总部位于西雅图的初创企业「LeyLine」，近日完成首轮数百万美元融资。公司致力于打造全球首个面向游戏、短剧、动画、CG 等数字内容制作行业的 AI 赋能人机协同智能生态系统。本轮融资由春华创投（春华资本旗下 VC 平台）领投，跟投方包括总部位于波士顿的深科技基金 Taihill Venture 以及多位行业知名天使投资人。来源：36 氪

对冲巨头桥水推出 20 亿美元新基金，全部投资决策由机器学习算法做出 全球最大对冲基金桥水公司最新推出了一只全新基金——这只基金完全由机器学习模型运行并自动做出投资决策。据了解，该基金仅从不到 10 位机构客户那里就募集到了约 20 亿美元的初始资金。这支全新投资产品由桥水联席首席投资官 Greg Jensen 亲自牵头，已于本周一（7 月 1 日）正式开始实盘交易。目前新基金主要依靠桥水内部自研了十多年的专有量化技术，据知情人士透露，未来还将进一步引入 OpenAI、Anthropic、Perplexity 等外部公司开发的大模型能力。来源：财联社

联合国大会协商一致通过中国提出的加强 AI 能力建设国际合作决议

第 78 届联合国大会 1 日以协商一致方式，通过了由中国主提的《加强人工智能能力建设国际合作》决议，共有 140 多个国家参与决议共同联署。该决议强调人工智能发展必须坚持以人为本、智能向善、造福全人类的核心原则，呼吁通过国际合作与务实行动，帮助各国特别是广大发展中国家提升人工智能自主发展能力，切实增强发展中国家在人工智能全球治理中的代表性与话语权；倡导构建开放、公平、非歧视的全球数字商业环境，支持联合国在全球 AI 治理国际合作中发挥中心协调作用，最终实现人工智能包容、普惠、可持续发展，助力联合国 2030 年可持续发展议程目标的如期实现。来源：新华网

微软 AI 设计工具 Designer 内测个性化定制贺卡新功能

微软昨日发布官方新闻稿，邀请 Microsoft 365 Insider 项目成员优先测试 Microsoft Designer 的全新个性化贺卡"Greeting Cards"功能。微软官方介绍称，Greeting Cards 是一款轻量、直观的创意工具，可将用户输入的简单文字描述，一键转化为完全契合个人风格与祝福心意的定制电子贺卡。来源：IT 之家

AI 安全初创公司 Abnormal Security 最新估值将达 50 亿美元

最新消息，人工智能邮件安全初创公司 Abnormal Security 新一轮融资完成后，公司估值将正式达到 50 亿美元。公开资料显示，

Abnormal Security 成立于 2018 年，核心业务是利用人工智能技术检测异常邮件行为，精准防范商务邮件入侵

（BEC）等高级网络安全威胁。此前，Abnormal Security 已完成 2.1 亿美元 C 轮融资，由 Insight Partners 领投，Greylock Partners 与 Menlo Ventures 跟投，当时投后估值为 40 亿美元。来源： 第一财经

 

07 月 01 日·周一

比尔·盖茨最新访谈：Scaling Law 红利即将见顶，超人级 AI 还需要底层新突破

比尔·盖茨在最新一期 Next Big Idea 播客节目中，系统探讨了人工智能的未来发展方向，重点强调了 AI 在医疗、教育与社会生产力提升领域的革命性价值。他认为 AI 将深度重塑合成生物学与机器人技术两大前沿领域，并预测未来个人专属智能体将通过耳机、智能眼镜等可穿戴设备与人类进行自然交互。盖茨明确指出，AI 真正的下一次大跨越，不在于盲目扩大模型参数规模，而在于实现更接近人类的元认知能力。他相信 AI 将大幅提升社会整体生产率并显著改善人类生活质量，但同时也提醒整个社会必须高度警惕技术快速发展可能带来的负面外部性影响。来源：36 氪

马克·古尔曼爆料：谷歌 Gemini 模型今秋将正式接入苹果 Apple Intelligence 生态

苹果知名爆料人马克·古尔曼（Mark Gurman）最新透露，苹果公司将于今年秋季正式宣布与 Alphabet 旗下谷歌的大语言模型 Gemini 达成战略合作，届时 Gemini 模型将深度接入苹果全新的 Apple Intelligence 智能系统。此外，古尔曼还补充道，苹果与 Anthropic 的潜在合作也在评估考虑范围之内，不过苹果明确表示不会考虑整合 Meta 公司的任何人工智能服务。来源：财联社

 

腾讯元宝上线 AI 深度搜索新功能，可一键生成知识脑图与结构化表格 腾讯正式宣布旗下大模型应用"腾讯元宝"上线 AI 深度搜索能力。将 App 更新到最新版本后，腾讯元宝在 AI 搜索深度模式下会自动对用户问题做延展式检索，可同步生成结构化内容大纲、可视化思维导图以及相关人物与事件的系统梳理。来源：钛媒体

腾讯搜狗输入法上线 AI 对话、AI 宠物、快捷问答等多款全新 AI 功能 近日，腾讯搜狗输入法正式发布全新版本，不仅升级了原有的 AI 帮写、AI 对话功能，还全新推出快捷问答、AI 宠物陪伴、AI 自拍表情生成等多种趣味新玩法。本次更新对 AI 帮写模块做了全方位升级，围绕社交聊天、内容创作、评论种草、职场办公四大场景，上线了 21 个一键帮写指令，覆盖日常闲聊、种草笔

记撰写、商品评价等 130 多种高频使用场景，可根据用户输入的关键词自动优化、润色并补充信息，全面提升文本表达效果。来源：央广网

马斯克官宣：xAI 将于今年 8 月正式推出 Grok-2 大语言模型

北京时间今日午间，马斯克在自己的 X（原推特）平台发文宣布，旗下人工智能初创公司 xAI 的下一代大语言模型 Grok-2 将于今年 8 月正式发布。xAI 曾在今年 3 月、4 月陆续推出了 Grok-1.5 大语言模型以及首个多模态模型 Grok-1.5 Vision。xAI 官方曾表示，Grok-1.5V 在多学科推理、长文档理解、科学图表解读、复杂表格处理、屏幕截图理解与照片分析等多个专业领域，"能力完全可以媲美当前最前沿的多模态大模型"。来源：IT 之家

微软 AI 负责人：今年年底我们就能用上全实时语音 AI 界面，支持完全自然的动态对话 在近日举办的阿斯彭思想节上，微软 AI 业务负责人 Mustafa Suleyman 与著名财经记者 Andrew Ross Sorkin 进行了一场深度对谈。Suleyman 在对话中强调，人工智能的发展绝不会像加密货币那样只是一阵短期炒作热潮，而将持续、深远地重塑整个人类社会。他指出，当前的 AI 技术已经在众多垂直领域实实在在地创造了价值，这与加密货币短暂的投机泡沫表现形成了鲜明对比。在谈到中美科技竞争话题时，Suleyman 呼吁双方在保持良性竞争的同时，积极寻求互利共赢的合作机会。他指出，尽管当前中美在部分前沿技术领域出现了阵营分化，但全球化大背景下的深度协作仍然是不可逆转的大趋势。双方完全可以通过共同努力，在各自的技术生态体系中找到长期共存、互相促进的发展路径。来源：有新 Newin

谷歌 AI 原生视频编辑应用 Google Vids 正式开启灰度测试

谷歌在今年 4 月发布了这款全新 AI 原生视频编辑应用 Google Vids，当时官方宣布预计 6 月正式登陆 Google Workspace Labs 测试计划。据 Android Authority 最新报道，目前这款应用已于上周五前后悄悄上线并开启小范围灰度测试，各项核心功能已经完整可用。来源：IT 之家