


> 导语：小米最新开源的MiMo-VL-7B-2508多模态大模型在多项能力上刷新纪录。PyTorch 2.8版本发布，显著提升了在Intel硬件上的LLM推理性能。与此同时，埃隆·马斯克将AI视为解决日本人口危机的关键，并调整特斯拉策略，集中资源开发新一代AI芯片，不再同时开发两种架构。

## 小米再放“大招”，开源多模态大模型MiMo-VL刷新四项纪录

小米的大模型团队近日开源了其最新一代的多模态大模型 Xiaomi MiMo-VL-7B-2508，包括经过监督微调（SFT）和强化学习（RL）的版本。该模型在学科推理、文档理解、图形界面定位以及视频理解这四个关键能力上取得了突破性进展，尤其是在MMMU评测中首次突破70分大关。此外，模型还引入了“/no_think”指令，允许用户切换思考模式，从而实现更快的响应速度和更高的任务成功率。

![image.png](https://static.downly.cn/images/6e79fe9019bc57e779a2c5ba1db49c59.png)



## 马斯克大胆预言，AI是解决日本人口危机的唯一希望

面对日本连续16年人口下降、出生率创下新低的严峻形势，埃隆·马斯克提出了他的看法。他认为，尽管当前的人口困境源于半个世纪前的社会因素，但人工智能（AI）将是扭转这一趋势的唯一希望。马斯克的这一观点强调了AI在未来社会结构中可能扮演的关键角色，为应对全球性的人口挑战提供了新的思考方向。

![image.png](https://static.downly.cn/images/d7c7a03b542bbaf906a0acfa71e314a5.png)

## 特斯拉调整AI芯片战略，马斯克确认终止双线开发

针对特斯拉Dojo超级计算机团队解散的传闻，创始人马斯克做出了明确回应。他表示，公司将停止同时开发两种不同架构AI芯片的策略，因为这种资源分散的做法效率低下。未来，特斯拉将集中所有力量，专注于攻克AI5、AI6等具备更强推理和训练性能的新一代通用AI芯片。这一重大调整标志着特斯拉将资源更集中地投向其核心的AI算力布局。

![image.png](https://static.downly.cn/images/69082781327ae621eff6e0c736b0625c.png)

每日AI资讯0810：小米开源新多模态大模型，马斯克聚焦AI芯片与日本人口危机



> 导语 今日AI界风起云涌，从腾讯开源企业级文档框架WeKnora，到面壁智能发布堪比“手机GPT-4V”的MiniCPM-V 4.0模型，端侧AI正迎来革命性突破。硬件巨头AMD与高通宣布支持开放模型gpt-oss，为边缘计算注入强心剂。同时，微软将AI游戏教练引入Windows 11，MiniMax的语音模型实现跨语种音色复刻，谷歌的AI编程助手Jules正式上线，而一场AI国际象棋赛更是上演了Grok-4爆冷击败Gemini 2.5 Pro的精彩对决。

---

## “手机上的GPT-4V”诞生 MiniCPM-V 4.0开源挑战端侧极限

面壁智能（OpenBMB）团队与魔搭ModelScope社区联手，正式开源了新一代多模态大模型MiniCPM-V 4.0。该模型以其仅4.1B的参数量，在图像、多图乃至视频理解等多个权威评测中展现出卓越性能，甚至超越了GPT-4.1-mini等更大规模的模型，被誉为“手机上的GPT-4V”。特别值得一提的是，MiniCPM-V 4.0针对iPhone 16 Pro Max等移动设备进行了深度优化，实现了极快的响应速度和良好的发热控制，让用户在手机上也能流畅体验强大的多模态AI功能。此次开源还配套提供了详尽的部署工具与教程，极大地推动了端侧多模态AI的应用与普及。

![image.png](https://static.downly.cn/images/770f68d16321bfbf73c22bc7bd8a7bef.png)

## 腾讯亮出企业级AI利器 开源文档理解框架WeKnora

腾讯正式开源了其专为复杂异构文档设计的智能问答框架——WeKnora（维娜拉）。该框架提供了一套从文档处理、知识建模、语义检索到推理生成的完整流水线。它基于强大的大语言模型，并融合了多模态预处理、向量索引等先进技术。WeKnora支持模块化的RAG（检索增强生成）设计，允许用户轻松切换主流模型并进行私有化部署，为企业知识管理、科研文献分析等场景提供了高效、易用的解决方案，并配备了便捷的Web界面及微信生态部署能力。

![image.png](https://static.downly.cn/images/093bdc8395d84febf08d0effd70c0e20.png)

## 硬件巨头拥抱开放AI AMD与高通支持gpt-oss模型

AI的运行不再仅限于云端，AMD与高通两大硬件巨头宣布，旗下硬件将全面支持OpenAI的gpt-oss系列开放推理模型，标志着边缘AI计算迈出了关键一步。AMD的锐龙AI Max+ 395处理器成为首款支持gpt-oss-120b模型的消费级AI PC处理器，展示了在终端设备上运行百亿级模型的强大能力。与此同时，高通骁龙平台也能高效运行gpt-oss-20b模型，展现出色的推理性能。这一合作预示着未来的智能设备将拥有更强的本地AI处理能力，AI应用场景将变得更加灵活和普及。

![image.png](https://static.downly.cn/images/04a5ae79547e4b36b5de5d7ab00bea20.png)

## AI声音魔术师 MiniMax Speech 2.5实现跨语言音色复刻

MiniMax公司推出了其新一代语音生成模型Speech 2.5，在多语言处理和音色模拟方面取得了重大突破。该模型支持多达40种语言，最引人注目的是其强大的跨语言音色复刻能力，能够保留说话人的口音细节，即便切换语种也能保持音色的一致性。相较于前代产品，Speech 2.5在发音准确度、自然度和性价比上均有显著提升，为内容创作、在线教育、智能客服等领域带来了前所未有的效率与创新机遇。

![image.png](https://static.downly.cn/images/6a8f1e91250c1cb92077f66829ce98af.png)

## 你的专属游戏教练 微软Xbox Copilot登陆Windows 11

微软正将强大的AI助手Xbox Copilot深度集成至Windows 11的游戏栏中，旨在为PC玩家打造一位全天候的智能游戏伙伴。这位“AI教练”能够理解玩家的游戏进程和Xbox活动，提供高度个性化的帮助。无论是需要游戏攻略、战术策略，还是通过游戏截图提问，Copilot都能给出精准解答。它还支持语音交互，让玩家无需中断游戏即可获得帮助。目前该功能已向Insiders成员开放英文预览版，未来将逐步推广。

![image.png](https://static.downly.cn/images/d5013674c550765f26934c405c0097c3.png)

## AI棋坛大爆冷 Grok-4横扫Gemini 2.5 Pro晋级决赛

在由谷歌DeepMind与Kaggle联合举办的首届AI国际象棋对抗赛半决赛中，上演了惊人的一幕。来自xAI的Grok-4模型出人意料地以4:0的绝对优势横扫了赛前被广泛看好的谷歌Gemini 2.5 Pro。另一场半决赛中，OpenAI的O3则稳定发挥，以4:0击败同门师弟O4-mini。这场爆冷大胜让Grok-4一战成名，它将与O3在决赛中争夺首届AI国际象棋赛的冠军宝座。

![image.png](https://static.downly.cn/images/3c1ff46d27b2980fcf4487c4b66ad27f.png)

## 谷歌AI编程助手Jules正式亮相 可自主修复和更新代码

谷歌宣布其AI编码助手Jules已结束beta测试，正式上线。Jules是一款基于强大的Gemini 2.5 Pro模型的异步编程代理工具，它能够深度集成于GitHub。开发者可以将代码库克隆到Google Cloud虚拟机中，然后授权Jules自主执行任务，例如修复bug或更新代码。这种基于代理的工作模式允许Jules在后台独立完成复杂的编码工作，从而让开发者能够解放出来，专注于更具创造性的任务。

![image.png](https://static.downly.cn/images/62c962ac9501f412465ef9b76e04aff5.png)



每日AI资讯0807：端侧AI革命打响，“手机上的GPT-4V”与硬件巨头入局



> 在AI人才争夺战愈演愈烈之际，OpenAI上演了一场令人震惊的“反向挖角大戏”，成功从特斯拉、xAI和Meta等顶尖科技公司招揽四位AI核心大将。此举不仅巩固了OpenAI在AGI赛道的领导地位，更凸显了奥特曼在人才战略上的极致布局与狠辣手腕。

## OpenAI连挖四名AI悍将 震惊业界

近日，人工智能领域再次爆出重磅新闻：OpenAI成功招募了来自特斯拉、xAI和Meta等公司的四位顶尖AI专家。此举被外界解读为OpenAI在激烈人才竞争中的一次“反向偷家”行动，尤其是在近期其他巨头频频挖角OpenAI人才的背景下，奥特曼的这波操作显得尤为凌厉和出人意料。

这四位AI大将的加盟，不仅增强了OpenAI在核心技术研发上的实力，也反映出OpenAI在AI军备竞赛中持续保持领先的决心和能力。此轮人才流动无疑将对整个AI行业的竞争格局产生深远影响。

![image.png](https://static.downly.cn/images/4ab0043159c8c3e72423da17db74ad7c.png)

## 四位明星科学家背景揭秘

此次加盟OpenAI的四位AI大将分别是：

*   **Ethan Knight**

    *   **原属公司**：特斯拉AI
    *   **背景**：Ethan Knight是特斯拉AI和自动驾驶团队的核心人物，负责了特斯拉早期的人形机器人项目，并深度参与了特斯拉自动驾驶系统的开发。他的加入，将为OpenAI在具身智能、机器人控制以及真实世界AI部署方面带来宝贵经验。
*   **Peter Scharff**

    *   **原属公司**：xAI
    *   **背景**：Peter Scharff是马斯克xAI公司的创始团队成员之一，在大型语言模型训练和推理优化方面有着深厚的积累。他在xAI期间参与了Grok模型的研发，对OpenAI未来语言模型的迭代和性能提升将产生积极作用。
*   **Guillaume Leclerc**

    *   **原属公司**：xAI
    *   **背景**：与Peter Scharff一样，Guillaume Leclerc也是xAI的创始团队成员，在AI底层架构和模型训练效率方面有着独特见解。他的到来将助力OpenAI在基础模型研究和算力优化上取得更大突破。
*   **Kevin Berry**

    *   **原属公司**：Meta
    *   **背景**：Kevin Berry来自Meta的AI团队，曾参与Meta多模态大模型和视觉AI的研究。他在视觉理解、跨模态学习以及AI应用落地方面拥有丰富经验，将有助于OpenAI在多模态AI产品上的拓展。

这四位专家在各自领域都是顶尖人才，他们的加入不仅补充了OpenAI在特定方向上的空白，更是对其整体研发实力的全面提升。

![image.png](https://static.downly.cn/images/26b6f8c0aa7ca284c3dfab15c33c4e29.png)

## 奥特曼人才策略：极致布局与“反向操作”

此次成功的挖角行动，充分展现了OpenAI CEO萨姆·奥特曼在人才战略上的极致布局和“狠辣”手腕。在过去一段时间，OpenAI曾面临多名核心员工出走、被谷歌和Meta等巨头挖角的情况。而现在，OpenAI却能反手从这些竞争对手的核心AI团队中挖来关键人才，这无疑是对外界质疑最有力的回应。

奥特曼的人才策略可能包括：
*   **超高薪资和股权激励**：提供业界顶尖的薪酬和诱人的股权回报，吸引最优秀的人才。
*   **项目和愿景驱动**：强调OpenAI在通用人工智能（AGI）领域的宏大愿景和突破性项目，吸引那些渴望做出改变世界的科学家。
*   **扁平化管理和自由度**：为科学家提供更少束缚、更大自由度的研究环境，激发创新潜力。
*   **核心圈层效应**：利用OpenAI在AI领域的领导地位和影响力，形成强大的“人才磁场”。

![image.png](https://static.downly.cn/images/1222074a7e71cd36cb5f6ea2e0569992.png)

## AI人才战升级：行业格局再添变数

OpenAI的此次挖角事件，无疑将AI人才争夺战推向了新的高潮。在通用人工智能（AGI）这一终极目标面前，拥有最多、最顶尖人才的企业，就意味着拥有更大的胜算。

特斯拉、xAI和Meta等公司作为AI领域的重要玩家，其核心人才的流失，短期内可能会对其相关项目的推进造成一定影响。而OpenAI则进一步巩固了其在大型语言模型、具身智能和多模态AI等前沿领域的优势。

未来，AI人才的频繁流动和激烈竞争将成为常态，各科技巨头将继续通过各种手段争夺有限的顶尖AI大脑。这将迫使所有公司重新审视其人才战略、薪酬体系和研发环境，以应对这场没有硝烟的AI战争。

![image.png](https://static.downly.cn/images/5fa6c1cdd4602a27f34d8b15aa5bb896.png)



 OpenAI再添悍将：成功招募特斯拉、xAI、Meta四位AI核心专家

> 本期AI快讯为您带来最前沿的技术突破与应用创新。 焦点包括中科院推出的Stream-Omni全能交互模型，能同时处理文本、视觉与语音；Anthropic正在测试数学能力超群的Claude Neptune v3新模型；智元机器人发布了可自如切换轮式与足式形态的“哪吒”机器人；一款名为Glass的开源AI桌面助手也因其高效的隐形辅助功能而备受关注。 此外，业界还在探索比Prompt更高效的Context Engineering交互方案，同时飞渡科技、腾讯混元和ChatGPT也分别在数字孪生、3D建模和教育功能上带来最新动态，共同描绘了AI技术加速融入生产与生活的全新图景。



## 飞渡“峥嵘”出鞘，数字孪生迈入AI驱动新纪元

飞渡科技最新发布的“峥嵘大模型”在数字孪生领域取得了显著突破。该模型凭借其卓越的建模精度和语义理解能力，已在国际评测中斩获领先地位。它的出现有望为灾害模拟、文化遗产保护等复杂场景提供强大的技术支持，推动行业的智能化进程。飞渡科技表示，将逐步开放模型的API与Demo，赋能更多开发者，共同探索数字孪生技术的广阔前景。

![image.png](https://static.downly.cn/images/585fff30d43c5d291364945be36464e3.png)

## 打破模态壁垒，中科院Stream-Omni实现全能人机交互

中国科学院计算所自然语言处理团队推出了名为Stream-Omni的多模态大模型，该模型基于GPT-4o架构，实现了文本、视觉、语音三种模态的同步交互。 Stream-Omni的创新之处在于通过更精细的模态关系建模，减少了对大规模三模态训练数据的依赖，实现了高效的模态对齐。 其独特的语音建模方式，可以在语音交互中实时输出中间文本，带来了“边看边听”的自然体验，在多项评测中，其语音交互能力显著优于现有技术。

![插图：一个科技感十足的界面中央，一个AI助手图标同时连接着声波、图像和文本符号，三者和谐地融合成一个整体，代表着无缝的多模态交互。](https://static.downly.cn/images/301c83d0702db98302886daedb029948.png)


## 你的AI桌面搭档，开源助手Glass让工作与学习隐形增效

近期，一款名为Glass的开源AI桌面助手在开发者社区迅速走红。 它以独特的“隐形”设计著称，能在后台静默运行，不干扰用户正常操作，同时捕捉屏幕活动与音频信息，将零散内容转化为结构化知识。 无论是在线会议的实时纪要、学习资料的自动整理，还是编程时的代码建议，Glass都能提供强大的上下文理解与支持，显著提升工作与学习效率。 由于其完全开源和免费，Glass在社区中获得了广泛的支持与关注，展示了AI工具在个性化与透明化方向的巨大潜力。

![插图：一个整洁的电脑桌面上方，悬浮着一个由半透明线条构成的AI大脑，它正在悄无声息地处理着屏幕上的会议视频、代码和文档，并将信息整理成有序的节点。](https://static.downly.cn/images/523f22543dd561d381ad8e23ade5a142.png)


## 数学天才还是安全卫士？Claude Neptune v3引发AI社区热议

Anthropic公司正在内部测试一款代号为“Claude Neptune v3”的全新AI模型。 据悉，该模型目前正处于严格的内部安全测试阶段，以确保其系统的稳健性。 尽管官方尚未公布具体性能，但社交媒体上的早期反馈显示，其在数学推理方面表现极为突出，性能或可媲美业界顶尖模型。 社区猜测，Neptune v3可能是Claude 4.5的预演，也可能是一次重大的技术飞跃，旨在全面增强代码生成、复杂推理及多模态处理能力，以应对日益激烈的市场竞争。

![插图：一个充满神秘感的AI形象，一半是复杂的数学公式和几何图形，另一半是坚固的数字盾牌，背景是代码和数据流，象征着其兼具强大的推理能力和安全性。](https://static.downly.cn/images/06684437de5caf68895578bb5d82480e.png)


## “哪吒”机器人再进化，智元灵犀X2-N实现轮足切换自如

智元公司最新发布的“哪吒机器人灵犀X2-N”展示了其在机器人领域的创新实力。 该机器人最大的亮点是其独特的轮足一体化双形态设计，可以根据地形需求在轮式和足式之间自由切换。 在足式状态下，它能轻松攀爬台阶，即使负重近12斤也能保持稳定；切换为轮式后，则能高效移动，轻松应对斜坡、单边桥等复杂路况，并展现出强大的抗冲击能力。 这种设计极大地增强了机器人在现实世界中的灵活性和适应性。

![插图：一个“哪吒”机器人正从足式形态流畅地变为轮式形态，一半身体是迈步的姿态，另一半身体是滚动的车轮，背景是复杂的工业环境，凸显其适应性。](https://static.downly.cn/images/2655fd8f441dca7c5ed969e81f3f8766.png)


## 告别低效Prompt，Context Engineering定义AI交互新范式

一种名为“Context Engineering”的AI交互新方法正受到关注，它被认为是比传统Prompt工程更高效的解决方案。相比反复调试提示词，[Context Engineering](https://github.com/coleam00/context-engineering-intro)通过构建和管理AI的上下文环境，能有效降低AI任务的失败率、确保输出的高度一致性，并支持更复杂功能的实现。此外，该方法还具备一定的自我纠错能力，进一步提升了AI系统的可靠性。

![插图：一张对比图，左边是一个用户对着AI输入框苦恼地修改着冗长的Prompt，右边是一个清晰的、结构化的上下文模块被轻松地插入AI系统中，系统随即产出精准结果。](https://static.downly.cn/images/92bd2a5a8a3337dc489c6d8d276ba450.png)


## 腾讯混元新突破，Hunyuan3D-PolyGen让高质量3D建模一键生成
<video src="https://static.downly.cn/images/d0a427bfa4c5c43f3de0d89d68ed32f6.mp4"  title="30910646677-1-16.mp4"></video>
腾讯混元团队发布了具备智能重拓扑功能的Hunyuan3D-PolyGen模型，旨在解决3D内容创作中的一大难题。该模型能够生成高质量且几何形状复杂的3D模型，并且支持多种专业的网格格式，使其产出物可直接应用于游戏开发、动画制作等专业场景。这一进展将大幅降低3D建模的技术门槛和时间成本，推动相关产业的创作效率。[官方体验地址](https://3d.hunyuan.tencent.com/login?redirect_url=https://3d.hunyuan.tencent.com/)

![插图：一只手点击屏幕上的“生成”按钮，一个复杂的、低多边形的游戏角色模型瞬间被优化成一个高质量、高细节的平滑模型，周围环绕着3D网格线。](https://static.downly.cn/images/34ba46706ab0ff8b18d6d644b20ebb4b.png)


## ChatGPT变身学习导师，全新“一起学习”功能引导式探索知识

ChatGPT正在测试一项名为“一起学习”（Study Together）的神秘新功能。据部分用户反馈，在该模式下，ChatGPT不再像以往那样直接给出问题答案，而是转变为一名学习导师，通过不断提问来引导用户独立思考、自主探索并最终找到答案。此举旨在强化ChatGPT的教育工具属性，使其成为一个更能激发用户学习潜能的智能助手。

![插图：一个学生坐在书桌前，与屏幕上的ChatGPT对话，对话框中ChatGPT不是给出答案，而是显示着启发性的问题和思维导图，引导学生进行思考。](https://static.downly.cn/images/c95ce2889be8749f9b9b4c9ceac2c975.png)

AI每日资讯0708



# 每日AI资讯

> 导语：今日AI界风起云涌，从ChatGPT在医疗领域的惊人突破，到地球观测迎来革命性工具EarthMind，再到B站、百度等巨头在内容创作工具上的新布局，技术创新与行业应用正加速融合。与此同时，腾讯开源新模型，而华为则陷入研发风波，展示了AI发展的光与影。




## 十年顽疾的“AI医生”：ChatGPT如何揭开罕见基因突变之谜

一名用户借助ChatGPT，成功识别出了医生长期未能诊断出的MTHFR基因突变，从而显著改善了自身的健康状况。这一案例揭示了当前医疗体系在面对罕见病时的挑战，如时间压力、信息孤岛等。AI通过整合海量信息并提供无偏见的分析，为患者开辟了新思路。当然，专家也提醒，任何AI提供的建议都需经专业医生确认，并注意个人健康信息的安全。

![image.png](https://static.downly.cn/images/9bc0398b625559be71987e9c8bd55a59.png)

## 地球的“读心术”：开源AI模型EarthMind洞察地球万象

由意大利和德国研究团队联合推出的开源多模态大模型EarthMind，正在革新地球观测数据分析的方式。该模型通过独特的空间注意力提示（SAP）模块，并融合光学、SAR等多种传感器数据，能够以前所未有的精度和效率理解复杂的地球数据。这为自然灾害监测、城市发展规划等领域提供了强大的决策支持。

![image.png](https://static.downly.cn/images/b3b549b57ebfd070772ebcf422371920.png)

## B站加码视频播客：AI创作工具“代号H”即将登场

据报道，B站正全力推进其视频播客业务，并计划推出一款代号为“H”的AI创作工具。此举旨在降低内容创作门槛，吸引更多播客创作者加入，并帮助他们顺利完成视频化转型。数据显示，视频播客业务已在B站展现出强劲的用户增长势头和消费时长，潜力巨大。

![image.png](https://static.downly.cn/images/410536c2e99142beb20e7278e9e8a66a.png)

## 腾讯亮出王牌：开源混合推理大模型Hunyuan-A13B开放试用

腾讯正式开源了其混合推理大模型Hunyuan-A13B。该模型采用先进的MOE（专家混合）架构，能够根据任务需求动态切换推理模式，在长文本理解、数学计算及作为智能体（Agent）执行任务方面表现卓越。目前，该模型已对外开放试用。

![image.png](https://static.downly.cn/images/f99a4f61b4b2e6797de90f54a1fd480d.png)

## 华为盘古大模型风波：内部员工发文揭露研发内幕

近日，华为诺亚方舟实验室盘古大模型团队的一名员工，在代码托管平台GitHub上发文，揭露了近期盘古模型被指抄袭事件背后的研发内幕。作者公开了相关细节，并表示其人身暂时安全，事件引发了业界的广泛关注。

![image.png](https://static.downly.cn/images/5819bc6871cba326dcfa602ff94bcc35.png)

## 光影魔术手：Kontext Relight LoRA实现一键专业级重照明
<video src="https://static.downly.cn/images/2e14dd4fe6848feb58e34d58bd3ede9c.mp4"  title="30892558778-1-16.mp4"></video>
一款名为[Kontext Relight](https://huggingface.co/spaces/kontext-community/kontext-relight)的LoRA新技术，让复杂的图片重照明变得异常简单。这项技术基于Flux Kontext微调，旨在为用户提供远超以往的重照明效果，只需一键即可为普通图片赋予专业级的光影质感。

![image.png](https://static.downly.cn/images/590348802ac29d8396b9a21e10b3d955.png)

## 告别逐帧上色：开源工具LongAnimation为线稿动画注入灵魂
<video src="https://static.downly.cn/images/b062dba6254e66f1dbd1bd6937a2a463.mp4"  title="30892557870-1-16.mp4"></video>
开源动画上色解决方案[LongAnimation](https://cn-makers.github.io/long_animation_web/)的出现，为动画制作者带来了福音。它能根据用户提供的提示词、参考图和线稿视频，智能生成色彩饱满且风格一致的动画。在色彩一致性的表现上，该模型显著优于其他同类模型。

![image.png](https://static.downly.cn/images/04f8114a209b5101bebedd15c0573d8d.png)

## 百度入局图生视频：MuseSteamer模型公测，生成1080P高清影像
<video src="https://static.downly.cn/images/0a3025a7ad62e0ecae2b21510369851f.mp4"  title="30892559234-1-16.mp4"></video>
百度[绘想平台](https://huixiang.baidu.com/)近日启动了其图生视频模型MuseSteamer的公开测试。该模型能够将静态图片转化为长达10秒的1080P高清视频。据了解，其Turbo版本或可免费使用。从初步效果看，画面尚可，但在动作流畅性上与行业顶尖的可灵等模型尚有差距，且模型暂未开源。

![image.png](https://static.downly.cn/images/bf3de3a7df74c8a3f396908d66b42387.png)

AI每日资讯0707



> 继此前业界盛传的“抢人大战”后，马克·扎克伯格（小扎）终于落下了Meta在通用人工智能（AGI）领域的关键一步棋——正式宣布成立全新的Meta AI超级智能实验室。该实验室由“97年小孩哥”领衔，核心11人团队中更有7位华人面孔，预示着Meta在AI领域将迎来一次由全球顶尖人才驱动的重大突破。

## 全新AI实验室揭秘：抢人后落子的战略深意

在人工智能领域竞争日趋白热化的背景下，马克·扎克伯格（小扎）今日正式宣布Meta AI的重大升级——全新超级智能实验室（Meta AI Super Intelligence Lab）正式成立。此举被视为Meta此前在全球范围内疯狂吸纳AI顶尖人才后，在AGI赛道上的一次强力押注和战略性落子，更展现了其在人才战略上的独特布局。



实验室的成立，旨在汇聚全球顶尖的AI研究者，以更强大的资源和更灵活的机制，加速通用人工智能的研发进程。据悉，该实验室将重点攻克多模态大模型、智能体（Agent）以及前沿AI安全等关键技术，力求在未来五年内实现AGI领域的突破性进展。

![image.png](https://static.downly.cn/images/fda52b42402e6e043c75462b9c3a2b27.png)

## 97年小孩哥领衔，核心力量崭露头角

最引人注目的是，这一超级智能实验室的带头人是一位“97年小孩哥”。这位年轻的领军人物此前已在AI领域展现出非凡的才华和前瞻性的视野。他的加入，无疑为实验室注入了年轻、活力和敢于挑战权威的创新精神，也标志着Meta在人才选用上的大胆和开放。
![image.png](https://static.downly.cn/images/af1e205685fb2e0334ee184de7c09f05.png)
该核心团队的组建模式，打破了传统AI研究机构的层级限制，更加注重扁平化管理和交叉协作，旨在激发团队成员的最大潜力，共同应对AGI研发中的复杂挑战。这支由11位顶尖专家组成的精锐团队名单如下：

**7位华人成员：**
*   **毕树超**（浙大校友）：作为GPT-4o语音模式和o4-mini的共同创造者，他在OpenAI曾领导多模态后训练工作，经验丰富。
*   **Huiwen Chang**（清华校友）：GPT-4o图像生成的共同创造者，此前在谷歌研究院发明了MaskGIT和Muse文本转图像架构，在图像生成领域建树颇丰。
*   **Ji Lin**（清华校友）：深入参与构建了o3/o4-mini、GPT-4o、GPT-4.1、GPT-4.5、4o-imagegen以及Operator推理栈，贡献巨大。
*   **任泓宇**（北大校友）：是GPT-4o、4o-mini、o1-mini、o3-mini、o3和o4-mini的共同创造者，曾在OpenAI领导后训练团队，经验丰富。
*   **Pei Sun**（清华校友）：曾在谷歌DeepMind负责Gemini的后训练、编码和推理工作，此前还创建了Waymo的最后两代感知模型，具备跨领域经验。
*   **于佳慧**（中科大校友）：o3、o4-mini、GPT-4.1和GPT-4o的共同创造者，此前在OpenAI领导感知团队，并在Gemini中共同领导多模态工作，能力全面。
*   **赵盛佳**（清华校友）：ChatGPT、GPT-4、所有mini模型、4.1和o3的共同创造者，此前在OpenAI领导合成数据工作，对大模型研发核心环节贡献突出。

**4位非华人成员：**
*   **Trapit Bansal**：在OpenAI开创了思维链强化学习（RL）并是o系列模型的共同创造者，为AGI突破带来新思路。
*   **Joel Pobar**：曾在Anthropic从事推理工作，此前在Meta工作11年，涉及HHVM、Hack、Flow、Redex、性能工具和机器学习方面的工作，对Meta技术栈了如指掌。
*   **Jack Rae**：Gemini预训练技术负责人，负责Gemini 2.5的推理工作，曾在DeepMind领导Gopher和Chinchilla早期大语言模型研发工作，在大模型领域拥有深厚积累。
*   **Johan Schalkwyk**：前谷歌研究员，是Sesame的早期贡献者，也是Maya的技术负责人，经验老道。

![image.png](https://static.downly.cn/images/a081735bb7d2500bb9770f9571d651da.png)


## 华人力量崛起，人才版图的缩影

该实验室核心11人名单中，有高达7位是华人面孔。这一现象不仅凸显了华人科学家在全球AI领域的卓越贡献，也反映了Meta在全球范围内吸纳顶尖人才的决心。这些被业界传言为“抢来”的顶尖人才，如今终于有了明确的归属和使命，他们在大模型、多模态、推理栈等关键领域的丰富经验，将为Meta AI超级智能实验室带来强大的技术支撑和多元化的思维碰撞，有望加速AGI的研发进程。



## 挑战与机遇并存

Meta成立超级智能实验室的雄心，也伴随着巨大的挑战。AGI的实现并非一蹴而就，它需要海量的计算资源、顶尖的人才储备以及长期且持续的投入。同时，如何确保AGI研发的伦理性和安全性，避免潜在的风险，也是Meta必须面对的重要课题。

然而，机遇同样巨大。如果Meta能够在这场AGI竞赛中脱颖而出，其在社交、元宇宙以及未来智能硬件等领域的布局将获得颠覆性的优势，重塑数字世界的未来格局。

![image.png](https://static.downly.cn/images/6683081868d6f5dcdbf913c0436e30cb.png)

## 展望未来：AGI的Meta时代

Meta超级智能实验室的成立，无疑为全球AI界投下了一颗重磅炸弹。它不仅是Meta对自身未来发展的一次战略性布局，更是对AGI未来发展路径的一次积极探索。随着这支由“小孩哥”带领、华人科学家深度参与的精锐团队投入研发，我们有理由相信，AGI的“Meta时代”或将加速到来。


Meta超级AI实验室成立：97年小孩哥领衔，华人核心力量抢眼



> AI领域可谓是百花齐放。国内大模型持续发力，通义千问推出了颠覆性的图生图模型Qwen VLo，而中国首个海洋大模型“沧渊”则将AI的触角伸向了蔚蓝深海。在消费级产品方面，集成了大语言模型的Hengbot机器狗Sirius展示了AI如何进入日常生活。与此同时，Meta与OpenAI之间的人才争夺战愈演愈烈，凸显了行业竞争的白热化。

## 通义千问再进一步 Qwen VLo让图片“听懂”人话

阿里巴巴通义千问团队近日发布了一款名为Qwen VLo的多模态大模型，它在理解并创造性地编辑图片方面取得了显著突破。  这款模型不仅仅是看懂图片，更能根据用户的自然语言指令，对图像内容进行高质量的再创造。 
![image.png](https://static.downly.cn/images/652e624b99380f49dde107c3b27462f5.png)
Qwen VLo采用了一种渐进式的生成策略，确保了在修改或生成图片时，新的元素能够与原始图像和谐地融为一体，避免了突兀感。  用户可以通过开放式的指令，轻松改变画风、增减元素，甚至进行多语言指令操作。  此外，其动态分辨率生成能力也让应用场景更加广泛。  目前该模型尚处在预览阶段，但已经预示了未来在图像生成与修改领域的巨大潜力。 



## 向深蓝进发 中国首个海洋大模型“沧渊”问世

由浙江大学牵头研发的中国首个海洋领域开源大模型——OceanGPT（“沧渊”）于杭州正式发布，标志着我国在海洋智能化领域迈出了关键一步。  “沧渊”不仅具备专业的海洋知识问答能力，还能解读复杂的多模态海洋数据。 
![image.png](https://static.downly.cn/images/62444eed0b1b9325b27fc495bf9aca63.png)
该模型的一大亮点是采用了领域知识增强的“慢思考”推理机制，这能有效减少大型模型中常见的“幻觉”错误，为海洋科研与作业提供了更可靠的智能支持。  在应用层面，“沧渊”能够将自然语言指令直接转化为机器人控制代码，极大降低了海洋机器人等精密设备的操作门槛。  目前，该模型已在“海鹰”系列水下机器人上得到验证，显著提升了代码编写与执行效率，未来将通过MCP协议推动多机器人协同作业，开启海洋智能时代的新篇章。 



## 不止会卖萌 Hengbot机器狗Sirius能舞会聊

AI的应用正越来越多地融入我们的生活。Hengbot公司近期发布的Sirius机器狗就是一个绝佳例子。  这款机器狗集成了OpenAI的大语言模型，不仅拥有跳舞、踢球和握手等出色的运动能力，还能与用户进行流畅的语音对话。 
![image.png](https://static.downly.cn/images/c70ca0cd26845387f3788ee2eb140443.png)
Sirius的一大特色是其可定制的个性化功能，用户可以根据自己的喜好来塑造它的性格。  不过，它目前主要适用于平坦的室内环境，运动状态下的续航时间约为40至60分钟。  该机器狗的预售价格为1299美元，预计将于今年秋季正式上市，让AI陪聊、陪玩的未来家庭场景离我们更近了一步。 





## AI人才争夺战白热化 Meta再从OpenAI挖角

在技术和产品飞速迭代的背后，是AI领域对顶尖人才的极度渴求。据报道，Meta公司再次成功从其主要竞争对手OpenAI那里挖走了四名研究员。  
![image.png](https://static.downly.cn/images/d263e49f30e91f93fdc68e6553c5c420.png)
这一举动再次凸显了当前人工智能领域的激烈竞争格局。  对于Meta而言，这既是其增强自身AI研发实力的重要策略，也反映了整个行业高端人才的稀缺性。  随着各大科技巨头持续加码投入，这场围绕顶尖大脑的“人才战争”预计将愈演愈烈。 




AI每日资讯0629

> 科技巨头的AI竞赛愈演愈烈，本日焦点无疑是谷歌。从开源手机端多模态模型Gemma3n，到用Gemini全面取代谷歌助手，再到推出Offerwall工具应对AI搜索冲击，谷歌正以前所未有的力度将其AI能力渗透到从底层技术到上层应用的每一个角落。与此同时，AI在内容创作领域的革命也在加速，HeyGen的一键视频生成工具和Suno对音乐编辑软件的收购，预示着一个普通人也能轻松创作专业级内容的时代正在到来。而在这场变革的背后，Meta与OpenAI的人才争夺战，则揭示了驱动这一切的核心——顶尖智慧的激烈角逐。

## 手机也能跑云端AI 谷歌开源多模态模型Gemma3n

谷歌近日投下一枚重磅炸弹，正式开源了其全新的端侧多模态大模型[Gemma3n](https://huggingface.co/collections/google/gemma-3n-685065323f5984ef315c93f4)。该系列模型旨在将以往依赖云端服务器的强大AI能力，直接带入用户的个人设备中。Gemma3n提供了E2B和E4B两个版本，以其惊人的小体积和高内存效率，实现了在手机等移动设备上进行复杂的图像、音频、视频及文本处理。


![image.png](https://static.downly.cn/images/6510a108a2a3ef47c21d515ab39ec1b2.png)


得益于MatFormer、PLE、KV Cache共享等一系列创新技术，Gemma3n不仅在多语言理解、数学、编码方面表现出色，其推理能力也获得了显著提升。此举无疑将极大地推动移动应用和智能硬件的创新，让AI真正无缝融入我们的日常生活。

## 再见Google助手 Gemini全面接管安卓智能体验

谷歌正式宣布，其强大的AI助手Gemini将全面整合进Android手机系统，并于7月7日起逐步上线。这意味着，经典的Google Assistant将逐渐退出历史舞台。更新后，用户无需打开特定应用，即可通过Gemini执行拨打电话、发送消息等日常操作，实现更深层次的系统级智能交互。
![image.png](https://static.downly.cn/images/e5b9fae8f48fca6eeeec8419ca4c560f.png)


针对用户普遍关心的隐私问题，谷歌也给出了解决方案。用户可以随时在设置中禁用“应用活动”选项，从而阻止自己的聊天记录被用于AI模型的训练，确保个人数据的安全。Gemini的全面上位，标志着Android设备将迎来一个更便捷、更智能也更注重隐私的AI新时代。

## 谷歌推新利器Offerwall 力挽AI搜索狂澜助出版商增收

随着AI驱动的搜索（如SGE）逐渐改变用户获取信息的方式，传统网站和内容出版商面临着流量下滑的巨大挑战。为此，谷歌在Ad Manager中免费推出了名为Offerwall的全新工具，旨在帮助出版商开辟新的变现途径。Offerwall允许读者通过多种方式灵活地访问付费内容，例如完成一次小额支付、观看一段广告视频，或是参与一项简短的调查。


![image.png](https://static.downly.cn/images/f7ce2b0b795478a996a134f834ac0bca.png)


在一千家出版商参与的前期测试中，该工具取得了显著成效，平均为他们带来了9%的收入提升。这对于在AI浪潮中寻求生存与发展的数字内容创作者而言，无疑是一个积极的信号。

## 一键生成爆款视频 HeyGen推出AI视频代理颠覆内容创作

视频创作的门槛正在被AI彻底打破。知名AI视频公司HeyGen最近推出了一款革命性的“AI视频Agent”，它能够将视频制作流程完全自动化。用户只需上传图片、视频片段或简单的文本描述，这个AI代理就能自动完成从故事构思、脚本撰写到镜头选择、剪辑合成的全过程。


![image.png](https://static.downly.cn/images/663d105e0649f0eada2cbe256056d471.png)


在短短几分钟内，即便是毫无经验的普通人也能生成一部专业水准的视频。这项技术为广告营销、短视频内容生产等领域提供了前所未有的高效解决方案，让内容创作者能以更低的成本和更高的效率，将创意变为现实。

## AI人才争夺白热化 Meta从OpenAI挖走顶尖研究员

AI领域的竞争，归根结底是顶尖人才的竞争。近日，Meta公司成功从其主要竞争对手OpenAI挖角，引进了强化学习和AI推理领域的顶尖研究员Trapit Bansal。他将加入Meta内部一个星光熠熠的“AI超级智能部门”，该部门由前Scale AI首席执行官领导，并已吸引了多位来自Open-AI和Google DeepMind的核心人才。

![image.png](https://static.downly.cn/images/b324fceda98a6e05ef43faaa071fc2ef.png)

此次挖角被视为Meta在AI模型竞赛中为取得领先优势而采取的关键一步。尽管此前Meta尝试收购AI初创公司的计划未能成功，但通过精准引进顶尖人才，Meta正不断加强其研发实力，以应对日益激烈的行业挑战。

## AI应用与工具速览

### YouTube测试AI摘要与对话式搜索

YouTube正在测试两项新的AI功能以提升用户体验：在搜索结果中直接显示由AI生成的视频内容摘要，以及扩展其对话式AI工具。然而，这一举措引发了内容创作者的担忧，他们害怕AI摘要会减少用户的实际视频观看量，从而影响其广告收入。

### 谷歌发布虚拟试衣应用Doppl

谷歌推出了一款名为Doppl的AI虚拟试衣应用（目前仅限美国）。用户只需上传一张自己的全身照，就能将网上的任意服装图片“穿”在自己身上，甚至可以生成动态的试穿效果视频，为线上购物提供了极具未来感的体验。
<video src="https://static.downly.cn/images/61db2b003feb947f62e7df849ffad7f9.mp4"  title="doppl1 - Compressed with FlexClip.mp4"></video>
### 黑森林团队开源最强图像编辑模型FLUX.1

Black Forest Labs（黑森林团队）开源了其强大的图像编辑模型FLUX.1 Kontext [dev]。开发者现在可以在ComfyUI等工作流平台中结合LoRA使用该模型，实现更高自由度和更精细的图像编辑效果。
![image.png](https://static.downly.cn/images/a944c19d1d7bb088aee047be0e02a56a.png)

### Anthropic推出Claude Artifacts Space

AI公司Anthropic为其大模型产品Claude推出了名为“Artifacts Space”的新功能。它允许用户将自己基于Claude创建的各种AI应用工具发布到一个共享空间，供其他人浏览和使用，极大地促进了AI应用的共享和创新。
<video src="https://static.downly.cn/images/a7669a676e786af417176f1d1751de1c.mp4"  title="30716920954-1-16.mp4"></video>

### Suno收购WavTool强化AI音乐创作

AI音乐生成领域的明星公司Suno，近日收购了基于浏览器的AI音乐制作软件WavTool。此举旨在为其用户提供更强大的后期编辑能力，让音乐人不仅能用AI生成音乐，还能像在专业工作站中一样对AI生成的音轨进行精细的调整和修改。
![image.png](https://static.downly.cn/images/39578c84acf5e8765f93dc85738c4bc9.png)

搜索结果: 多模态大模型