


> 导语 本期AI资讯聚焦于行业的两大核心趋势 安全与创新。一方面，从华为与浙大联手打造安全可控的大模型，到Notion AI暴露出的潜在数据风险，凸显了AI发展中安全与防护的重要性。另一方面，通义千问在端侧多模态领域的再次突破，蚂蚁数科面向新能源的垂直模型升级，以及谷歌核心人才流向xAI，预示着AI技术的边界仍在不断拓宽，应用场景持续深化。

## 国产AI安全新高度 华为与浙大联手打造DeepSeek-R1-Safe模型

华为与浙江大学近日联合发布了国内首个基于昇腾千卡算力平台的基础大模型 DeepSeek-R1-Safe。该模型通过一个全流程的安全后训练框架，并利用高质量的安全语料库进行优化，旨在从根本上解决当前AI领域普遍存在的安全与性能难以兼顾的问题，为构建更加可靠和负责任的人工智能系统提供了新的解决方案。

![image.png](https://static.downly.cn/images/c13adb9b649fc13263fa0a9e9525a35e.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## 通义千问再进化 Qwen3-Omni即将开源 端侧多模态能力新突破

阿里巴巴云Qwen团队即将开源其最新的跨模态模型Qwen3-Omni。该模型作为一个端到端解决方案，能够流畅处理文本、图像、音频、视频等多种类型的输入信息，并生成文本和语音输出。值得关注的是，Qwen3-Omni特别针对手机等资源受限的设备进行了深度优化，其相关代码已提交至Hugging Face Transformers库，预示着强大的多模态AI能力将很快在更多终端设备上普及。

![image.png](https://static.downly.cn/images/5e1d9a557706144ada92d7a7776adea1.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## Grok 5 迎来核心主脑 前谷歌Gemini开发者加盟马斯克xAI

原Google DeepMind团队的核心开发者Dustin Tran已正式加盟马斯克的xAI公司。Dustin Tran此前深度参与了谷歌Gemini项目，是深度学习领域的知名专家。马斯克本人也确认了此消息，并透露他将主导下一代Grok模型的研发工作，这一重磅人事变动无疑将为xAI的未来发展注入强大动力。

![image.png](https://static.downly.cn/images/cfc9cce7baf6a5f95c06509a25f76eb8.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## AI代理的“后门” Notion 3.0新功能曝出严重安全漏洞

近期发布的Notion 3.0 AI代理功能被发现存在严重的安全漏洞。攻击者可以通过上传一个特制的恶意PDF文件，诱导AI代理绕过其自身的安全防护机制。由于该AI代理拥有访问工具和长期记忆的能力，这种攻击方式可能导致用户的敏感数据被轻易窃取，而传统的访问控制措施对此类新型威胁束手无策。

![image.png](https://static.downly.cn/images/267a281363294c3f303f1c7692e5beee.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## 赋能新能源 蚂蚁数科发布能源时序大模型EnergyTS 2.0

蚂蚁数科近日对其能源时序大模型进行了升级，正式推出EnergyTS 2.0。这是一款专为新能源行业，如风电、光伏等领域量身打造的垂直大模型。它专注于处理和预测能源电力领域的时间序列数据，旨在从数据层面提升新能源行业的预测精度与运营增效。

![image.png](https://static.downly.cn/images/61051a355a7f40e14907d32bf2614380.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## 开发者福音 在VS Code中直接调用Hugging Face模型成为现实

Hugging Face宣布，其平台上的众多大型开源模型现已成功整合进GitHub Copilot Chat中。这意味着开发者们现在可以直接在他们熟悉的VS Code编程环境中，无缝调用和测试各种强大的AI模型来辅助编码，无需再频繁地切换平台或工具，极大地提升了开发工作的效率和流畅性。

![image.png](https://static.downly.cn/images/cd16e5a67af18c7641f6023d32969a33.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## 云端AI再添强援 亚马逊云科技全面托管Qwen3与DeepSeek-V3.1模型

亚马逊云科技（AWS）宣布，正式在其平台上推出针对Qwen3和DeepSeek-V3.1两款热门模型的完全托管服务。这一举措紧随Meta、Mistral AI等巨头开放其模型权重的行业趋势，通过提供稳定、可扩展的云服务，让更多企业和开发者能够便捷地部署和应用这些前沿的AI大模型。

![image.png](https://static.downly.cn/images/a837863ceae9d2b56887fc69b55add43.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

每日AI资讯0922：安全与创新并进，多模态与端侧成本轮焦点

> 导语 今日的AI界风起云涌，从OpenAI计划为GPT-6赋予长期记忆，到智谱AI推出突破硬件限制的云端AI助手，AI的个性化与普及化进程正以前所未有的速度推进。与此同时，谷歌、Anthropic等巨头不断升级企业级服务与交互体验，而底层技术也在持续革新，无论是能“深思熟虑”的文本模型，还是颠覆制药规则的AI造药，都预示着一个更智能、更高效也更具挑战的未来。

## Gemini 2.5 Deep Think发布 AI学会“深度思考”创造力大爆发

谷歌AI在其Ultra订阅服务中推出了Gemini 2.5 Deep Think功能，它通过独特的并行思维技术和更长的推理时间，让AI不再局限于单一的快速回答，而是能够更深入、更全面地探索和解决复杂的创造性问题，为用户提供质量更高、更具创意的解决方案。

![image.png](https://static.downly.cn/images/d5b0bce8891bd926adb6026cb557447c.png)

## Altman的野心 GPT-6将拥有记忆，打造你的专属AI伙伴

OpenAI的CEO Sam Altman已将战略重心全面转向GPT-6的加速开发。其核心突破将是“记忆功能”，未来的AI将能够记住用户的个人偏好、沟通习惯甚至情绪语气，从而提供真正个性化、连贯的长期交互体验，让AI从一个通用工具转变为懂你的专属伙伴。

![image.png](https://static.downly.cn/images/8ccb3318a9fa93f1ac040c294bb27132.png)

## 编程助手再进化 Claude Code正式入驻企业版，团队协作更高效

Anthropic宣布将其强大的编程工具Claude Code正式整合进Claude企业版服务中。此次升级旨在为商业团队提供更强的集成开发与项目管理能力，满足企业级用户的复杂需求，也标志着Anthropic在企业级AI服务领域与各大科技巨头的竞争进一步升级。

![image.png](https://static.downly.cn/images/e520503b17801a02cd82d7e1df7c1efc.png)

## 谷歌Gemini Live让现实“活”起来 屏幕高亮功能，交互体验大升级

谷歌为其Gemini Live AI助手带来了全新的交互功能。用户只需通过手机摄像头扫描现实世界，AI便能在屏幕上实时高亮显示你正在寻找的物体。这项功能极大地提升了日常生活的便利性，例如在杂乱的工具箱中快速找到一把特定的扳手。该功能预计将随Pixel10设备于8月28日一同发布。

![image.png](https://static.downly.cn/images/31ee292aa88c8678d924375169f0d3b3.png)

## Liquid AI发布LFM2-VL模型 让AI在你的手机和穿戴设备上“快如闪电”

Liquid AI推出专为低延迟和高效率设计的视觉语言模型系列LFM2-VL。该系列模型在保持出色性能的同时，将GPU推理速度提升了两倍，极大地推动了多模态AI在智能手机、可穿戴设备等资源受限的嵌入式系统上的应用，让端侧AI体验更加流畅。

![image.png](https://static.downly.cn/images/a6aa094111bb8268e57fd5bb7b8a82a2.png)

## 告别视频“七秒记忆” LongVie框架突破超长视频生成瓶颈

由上海人工智能实验室等机构联合推出的LongVie框架，系统性地解决了AI在生成长视频时常见的时序不一致和画质退化等核心难题。这一突破使得AI能够创作出情节连贯、风格统一的超长视频，为视频内容创作带来了无限可能。

![image.png](https://static.downly.cn/images/d9f436001bd27041c2ea0b64fd577cbd.png)

## 浙大新模型让AI告别“急于求成” 学会“深思熟虑”再下笔

浙江大学团队研发的新型扩散大语言模型（dLLM）颠覆了传统的逐字生成模式。它采用类似人类“反复思考”的迭代去噪机制，通过在多个时间维度上并行生成和反复琢磨，显著提升了文本生成的效率与最终结果的精准度，引领了一场静悄悄的AI生成革命。

![image.png](https://static.downly.cn/images/22bc028e297581646417145cabce1f5f.png)

## 人人都是AI指挥官 智谱AutoGLM 2.0打破硬件限制，云端代你办妥一切

智谱AI发布的AutoGLM 2.0版本实现了AI代理操作的重大突破。它不再受限于特定硬件，可在任何设备上通过云端运行，将AI代理的强大能力普及给每一位用户。现在，你只需一句指令，AI就能在云端帮你操作美团、京东等应用，轻松完成订餐、购票等复杂任务。

![image.png](https://static.downly.cn/images/a1e8a9ef63f443de9b4afd55b6853a75.png)

## AI颠覆百年制药 PepMLM模型仅凭序列造药，精准度惊人

由宾夕法尼亚大学和杜克大学联手打造的AI模型PepMLM，正给制药行业带来革命性转变。该模型能够仅凭蛋白质序列就设计出有效的靶向肽分子，完全绕过了传统研发中耗时费力的蛋白质结构解析环节，以高达63%的命中率震撼了医学界。

![image.png](https://static.downly.cn/images/c294f224614bb7e20da46f6f8ccb9d46.png)

## AI“换脸”术攻破安全防线 你的银行账户还好吗

AI换脸技术的滥用正带来严峻的安全挑战。最新的技术已经能够轻易骗过现有的人脸识别系统，这意味着从手机解锁到银行账户验证等依赖于此技术的安全措施都面临着新的、巨大的风险。

![image.png](https://static.downly.cn/images/8494ccf4e3d1c51b3ff0ea046063efe3.png)

## DeepSeek V3.1悄然上线 上下文长度翻倍，模型能力再升级

DeepSeek小助手线上模型已低调升级至V3.1版本。新版本的上下文长度扩展至128k，能处理更长的对话和文档。用户现在即可通过网页、APP等多种方式体验其增强后的性能，API接口调用方式保持不变。

![image.png](https://static.downly.cn/images/e9e8b53f066be80dcefc19a1c7e7d30c.png)

每日AI资讯0821：GPT-6记忆革命来临，AI云端助手让人人可用






> 导语 本期AI资讯聚焦模型能力的巨大飞跃与商业化落地的加速。Anthropic的Claude Sonnet 4将上下文窗口提升至百万级，打破了行业纪录。备受瞩目的智元机器人也正式开售其全系产品，将通用具身智能推向市场。同时，苹果秘密开发机器人操作系统的消息预示着科技巨头的新布局。此外，本期还将关注ChatGPT惊人的商业化变现能力、AI对就业市场的冲击、亚马逊平台泛滥的AI假书问题，以及xAI、谷歌和阿里巴巴在各自领域的最新动态。

## Claude Sonnet 4支持百万Tokens上下文 容量提升五倍
Anthropic公司宣布其Claude Sonnet模型迎来重大升级，上下文窗口容量从原有的20万token一举提升至100万tokens，容量提升了整整五倍。这意味着模型可以一次性处理约7.5万行代码或数十万字的文档，此前被认为是其“致命弱点”的短板现已得到彻底弥补。这一突破性的进展极大地增强了Claude处理长文本和复杂任务的能力，为代码分析、法律文书审阅和学术研究等领域带来了新的可能性。

![image.png](https://static.downly.cn/images/82e20325fd55c1c9b777c67043ed40f5.png)

## 智元机器人全系产品开售 精灵G1售价45万元
国内具身智能领域的明星公司智元机器人宣布，其全系产品已正式面向市场开售。产品线覆盖了文娱、科研、清洁等多个领域，其中，定位为“硅基员工”的远征A2和用于科研教育的精灵G1通用具身智能机器人备受关注，后者售价定为45万元。这标志着通用具身智能机器人正从实验室走向商业化应用，开启了AI与物理世界深度融合的新篇章。

![image.png](https://static.downly.cn/images/054f5f4524a1f0795df6b61c2dc87551.png)

## 苹果秘密开发全新操作系统“Charismatic” 剑指智能家居与机器人
据消息人士透露，苹果公司正在秘密开发一款代号为“Charismatic”的全新操作系统。该系统预计将首先应用于2026年推出的智能家居中枢设备，并计划在2027年用于其传闻中的桌面机器人。此外，该系统还可能集成到苹果的人脸识别智能门锁等安防硬件中。这一举动表明，苹果正加速布局智能机器人和下一代智能家居领域，试图打造一个更加无缝和智能的生态系统。

![image.png](https://static.downly.cn/images/b32c8ccf27bcad390556976d116ea50d.png)

## ChatGPT移动端收入突破20亿美元 商业化能力碾压竞争对手
自2023年5月推出以来，OpenAI的ChatGPT移动应用在全球范围内的消费者支出已累计突破20亿美元，创造了惊人的商业成就。据统计，仅2025年至今的收入就高达13.5亿美元，同比增长率达到惊人的673%。这一数据远超Claude、Copilot和Grok等主要竞争对手，其收入总和甚至不到ChatGPT的30分之一，充分彰显了其在AI应用市场的绝对领先地位和强大的吸金能力。

![image.png](https://static.downly.cn/images/a05f2bda7c996ed907f722820fc7aa63.png)

## Anthropic为AI引入“自保”功能 Claude可主动结束有害对话
为了保护AI模型自身的“心理健康”，Anthropic公司为其最新的Claude模型引入了一项创新功能。在面对极端罕见且持续的有害或辱骂性用户互动时，AI模型可以主动选择结束对话。Anthropic表示，此举并非为了保护人类用户，而是出于对AI潜在道德地位的不确定性而采取的保护措施。该公司还为此专门成立了“模型福利”研究项目，探索AI伦理的新边界。

![image.png](https://static.downly.cn/images/9e331bddb11b26999ddfe70388b95a24.png)

## AI假书泛滥 亚马逊被指成盗版温床
亚马逊平台正面临严重的AI生成假书问题。大量冒用名人，尤其是著名医生埃里克·托波尔名义出版的虚假食谱和健康指南充斥其网站。尽管托波尔本人多次举报，但收效甚微，凸显了亚马逊在内容审查方面的无力。这一现象已非个例，AI生成的大量低劣内容正在侵蚀知识产权和消费者信任，成为生成式AI发展过程中的一个重要警示。

![image.png](https://static.downly.cn/images/5c150cf303d3cba73cb3c3f60eace9ac.png)

## AI吞噬入门级岗位 就业市场面临严峻挑战
人工智能的崛起正对就业市场产生深远影响，尤其对入门级岗位构成了巨大冲击。一则引人注目的案例显示，一位GPA高达3.98的计算机科学专业学霸，在投递了2500份简历后，仅仅获得了10次面试机会。这一现象引发了广泛讨论，凸显了AI技术在替代重复性、初级性工作方面的趋势，也为应届毕业生的职业规划带来了前所未有的挑战。

![image.png](https://static.downly.cn/images/8ac77267c7f46dbdfbcb574761e180b8.png)

## xAI开启实时通话新纪元 AI伴侣Ani与Valentine上线电话功能
马斯克旗下的xAI公司宣布，其最新发布的AI伴侶Ani和Valentine现已支持实时的电话通话功能。用户可以直接拨打专属电话号码，与这两位AI进行自然流畅的语音互动。这项功能的推出，标志着AI交互从文本和简单的语音指令，迈向了更具沉浸感和人性化的实时通话阶段，为AI伴侣和智能助理的应用场景打开了新的想象空间。

![image.png](https://static.downly.cn/images/f1a176da6ac2244824639258d837d86b.png)

## 谷歌DeepMind开源Aeneas 用AI修复古代文本
谷歌的AI研究部门DeepMind开源了一款名为Aeneas的先进AI模型，专门用于分析和修复古代文本。该模型能够同时处理文本和图像信息，在修复古代铭文等受损文本的缺失字符方面表现尤为出色，其性能已经超越了现有的同类模型。Aeneas的开源将为历史学家、考古学家和语言学家提供强大的工具，帮助人类更好地解读和保护珍贵的文化遗产。

![image.png](https://static.downly.cn/images/cd949aa13ba64580d0a01049c375e8a5.png)

## 阿里发布经济型视觉推理模型Ovis2.5
阿里国际数字贸易集团（AIDC）的AI团队发布了经济型视觉推理模型Ovis2.5。该模型提供了9B和2B两种参数版本，其核心创新在于采用了NaViT视觉编码器，能够原生处理任意分辨率的图像，无需裁剪或缩放，从而完整保留图像的精细细节和全局结构。这一特性使其在处理图表、表格等结构化视觉内容时表现出色，旨在为多模态AI应用树立新的性能标杆。

![image.png](https://static.downly.cn/images/03c2c56e43d9069b5f2145351f8d3952.png)

每日AI资讯0818：Claude上下文窗口突破百万，智元机器人开售引领商业化浪潮



> 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




> **导语**
> 今日AI领域精彩纷呈：智联招聘借助AI技术将人岗匹配率提升至新高度；腾讯发布全新多模态模型，显著改善AI在图像中生成文字的准确性；商汤科技与“玩具之都”澄海携手，共建首个“AI+玩具”产业基地；字节跳动旗下编程工具因数据隐私问题引发争议；同时，生成式AI应用市场迎来爆发式增长，而GitHub Copilot的用户数也突破了2000万大关，凸显了AI在各行各业的渗透与影响力。

## 智联招聘拥抱AI 人岗匹配率激增70%

智联招聘近期集成了阿里通义千问3技术，推出了全新的AI智能体。该智能体能够深度洞察和分析求职者的简历与企业的岗位需求，实现了高达70%以上的人岗匹配率。这一创新有效缓解了招聘市场长期存在的信息不对称问题，为求职者和企业双方都带来了更精准、更高效的匹配服务，标志着招聘行业正加速迈向智能化时代。

![image.png](https://static.downly.cn/images/a4f6c7919d8f8515e2c81319a35f54f7.png)

## 告别“写字困难症” 腾讯X-Omni模型实现图文生成新突破

腾讯研究团队最新发布的X-Omni多模态AI模型，在图文理解与生成领域取得了重大进展。通过创新的强化学习框架和统一的视觉语言建模技术，该模型特别擅长在生成的图像中渲染出清晰、准确的长文本，其文字准确性已超越了市面上多数主流模型。这一突破解决了AI在图片中“写字”时常出现的扭曲、错乱问题，展现了离散自回归模型在多模态应用中的巨大潜力。

![image.png](https://static.downly.cn/images/aa423800a4b7e61277b615317c112663.png)

## AI赋能传统制造 商汤科技联手澄海打造首个“AI+玩具”产业基地

商汤科技已与著名的“中国玩具之都”汕头市澄海区政府达成战略合作，计划共同建设全国首个“AI+玩具”产业基地。此次合作旨在利用商汤领先的AI技术，推动澄海玩具产业的智能化升级，帮助其从“制造强区”转型为“智造强区”。双方将共同打造集解决方案、产业发展和创新聚合于一体的中心，为传统玩具行业的数字化与智能化转型树立“中国样板”。

![image.png](https://static.downly.cn/images/b9bf8723261109f16c7b1bf1f026e678.png)

## 隐私警报 字节旗下AI编程工具Trae IDE被指关闭遥测后仍上传数据

字节跳动公司旗下的AI编程环境Trae IDE近期陷入了数据隐私风波。有用户指出，即使用户在设置中关闭了“遥测”功能，该工具依然会持续向服务器上传数据。据称，上传的信息包括设备硬件、操作系统、使用习惯、唯一设备标识符以及项目路径等敏感信息。尽管官方回应称这些数据仅用于产品统计和性能监测，不涉及个人身份信息，并承诺将优化产品以避免误解，但该事件依然引发了开发者社区对数据隐私的广泛担忧。

![image.png](https://static.downly.cn/images/93555d2606e7b4c735b4bceb57c67fe3.png)

## 市场井喷 GenAI应用收入翻番，下载量达17亿次

2025年上半年，全球生成式AI应用市场经历了爆炸性增长。数据显示，应用下载量和应用内购买收入均实现翻倍，用户的平均使用时长和会话次数也显著增加。其中，亚洲市场增速最为迅猛。ChatGPT继续在全球内购收入榜上保持领先地位，显示出用户对AI工具的依赖度日益提升，并开始将其作为获取信息的主要渠道。同时，在应用名称中加入“AI”字样已成为吸引用户的新趋势。

![image.png](https://static.downly.cn/images/dfcf2e9cd1e3c0ac7c2760c54dd52f94.png)

## 开发者新宠 GitHub Copilot累计用户突破2000万

流行的AI编程助手GitHub Copilot的用户规模再创新高，累计用户总数已正式突破2000万。尤其值得注意的是，在过去的短短三个月内，其用户数就净增了五百万。这一惊人的增长速度充分展示了AI编程工具在全球开发者社区中的广泛接受度和强大的市场吸引力。

![image.png](https://static.downly.cn/images/ae7b519d731bc4049e2cf93874e0038f.png)



每日AI资讯0731：AI招聘精准度飙升，腾讯模型攻克“写字”难题






> 导语：今日AI界风起云涌，xAI携“最强”Grok-4高调入场，挑战行业现有格局；阿里巴巴则在多模态领域再下一城，开源ThinkSound模型，让AI为视频自动配音成为现实。与此同时，vivo与微软分别在端侧和轻量化模型上取得新突破，预示着AI将更深入地融入个人设备。而英伟达针对中国市场的新芯片计划，则为这场全球技术竞赛增添了更多看点。

## 马斯克“最贵最强”Grok-4登场 AI智能迈入新纪元

马斯克旗下xAI公司正式发布其最新旗舰AI模型Grok-4，号称在各项基准测试中，尤其是在数学、逻辑推理及代码生成能力上，全面超越了现有顶尖模型，展现出惊人的“博士级”水平。此次更新不仅推出了通用版Grok-4，还有一个为开发者量身打造的Grok-4 Code版本。Grok-4继承了X平台的实时信息整合优势，但其高昂的订阅费用也引发了市场的广泛讨论。目前，这款备受瞩目的AI已通过API向部分开发者开放，并在X平台的Premium+订阅中提供体验。

![image.png](https://static.downly.cn/images/d5cca5f213f591805080b8225592357f.png)


## vivo亮剑端侧AI 新模型让手机更懂屏幕

vivo AI实验室发布了其最新的端侧多模态模型BlueLM-2.5-3B。该模型以其仅2.9B的参数量，在保持轻量化的同时，极大地提升了AI对图形用户界面（GUI）的理解能力。通过独特的长短思考模式切换与思考预算控制机制，BlueLM-2.5-3B在多项评测中展现了超越同类产品的性能，尤其在中文GUI理解方面优势明显，为未来AI在手机等智能设备上的普及应用铺平了道路。

![image.png](https://static.downly.cn/images/83bea35c059b150b5b9dc3bb7865b2f1.png)

## 阿里开源ThinkSound 一键为视频配上“灵魂之声”

阿里巴巴通义实验室为影视和游戏创作领域带来一项革命性工具——开源音频生成模型ThinkSound。该模型能够根据视频画面、文字描述甚至其他音频，智能生成与之匹配的高保真、同步音效。ThinkSound的发布极大地降低了专业音效的创作门槛，让AI为视频内容注入“声音的灵魂”，进一步推动了多模态AI技术的发展与应用。

![image.png](https://static.downly.cn/images/fceabd3be7b1ca45263fce575096327e.png)

## 微软“迷你战神”Phi-4-mini登场 笔记本也能跑顶尖AI

微软开源了一款名为Phi-4-mini-flash-reasoning的轻量化新模型。该模型基于自研的SambaY架构，实现了惊人的效率提升，推理速度提高了10倍，延迟降低2-3倍。它尤其擅长高级数学推理和长文本生成，并且能够在单个GPU上高效运行，非常适合在笔记本电脑等边缘设备上部署。在长上下文检索任务中，其准确率高达78.13%，展示了“小模型”的巨大潜力。

![image.png](https://static.downly.cn/images/71d5f47c2fe5cb2a2b74030be580b14e.png)

## 英伟达“特供”中国市场 新款AI芯片呼之欲出

据报道，英伟达正计划推出一款专为中国市场设计的新型AI芯片。这款芯片将基于其最新的Blackwell处理器架构进行修改，旨在确保其产品在遵守相关出口规定的前提下，能够继续服务中国客户。这一举动被视为英伟达在当前全球贸易环境下，为维系其在中国市场的重要地位而采取的关键策略。

![image.png](https://static.downly.cn/images/8624e92dd8e61f0b117707b9af15f337.png)

每日AI资讯0711：Grok-4震撼发布，AI音视频与端侧模型迎变革



> 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

> 近日，谷歌（Google）重磅宣布，其最新一代文生图模型 **Imagen 4** 正式集成到 Gemini，并向部分 Gemini Advanced 用户开放体验。 作为谷歌迄今为止最强大的图像生成模型，Imagen 4 在图像质量、细节丰富度、提示词理解和一致性方面都取得了显著飞跃，标志着 Gemini 在多模态能力上迈出了关键一步，为用户带来了前所未有的创意生成体验。



人工智能领域的技术浪潮汹涌澎湃，其中文生图模型更是焦点所在。 谷歌在这一领域一直走在前沿，其 Imagen 系列模型以其卓越的图像生成能力而闻名。 如今，这一系列迎来了里程碑式的升级。

近日，谷歌正式宣布，其最新、最强大的文生图模型——**Imagen 4**，已全面集成至其旗舰级多模态AI模型 **Gemini**。 这一激动人心的消息意味着，部分 Gemini Advanced 用户将能够率先体验到 Imagen 4 带来的革命性图像生成能力，为创意表达和内容创作开启了新的篇章。

![image.png](https://static.downly.cn/images/e94af3be26d860a9d8fb576ad758609d.png)

### 性能飞跃 Imagen 4的强大实力

Imagen 4 的推出，并非简单的版本迭代，而是谷歌在图像生成技术上的一次重大突破。 它在多个关键指标上实现了显著提升
![image.png](https://static.downly.cn/images/6766e3650d37f7c8ea5c58448fe55d3b.png)

#### 1. 图像质量登峰造极

Imagen 4 生成的图像在**逼真度、细节丰富度、色彩表现力以及光影效果**上达到了前所未有的水平。 无论是复杂的场景、精细的纹理还是微妙的情绪表达，Imagen 4 都能精准呈现，使得生成图片几乎 indistinguishable from real photos（难以与真实照片区分）。

#### 2. 精准理解复杂提示词

以往的文生图模型在处理长句、复杂概念或多重指令的提示词时，常出现理解偏差。 Imagen 4 则在这方面取得了显著进步，它能够**更准确地解析用户的意图，将复杂的文字描述转化为精准的视觉元素**，大大提高了生成图像与用户预期的匹配度。

#### 3. 增强图像一致性

在生成一系列相关图像或处理同一主题但不同视角的图片时，Imagen 4 展现出卓越的**一致性**。 这对于需要批量生成、保持风格统一的内容创作场景至关重要。 无论是人物特征、物体形态还是场景氛围，都能在不同生成结果中保持高度协调。

#### 4. 安全与伦理考量

谷歌在开发 Imagen 4 的过程中，始终将**安全和负责任的 AI 原则**放在首位。 模型在训练数据和生成内容方面都经过严格的过滤和审查，旨在避免生成有害、偏见或不当内容，确保技术的正面应用。



### Imagen 4如何赋能Gemini

Imagen 4 的集成，无疑是 Gemini 在多模态能力发展上的一个重要里程碑。 这意味着 Gemini 不再仅仅是一个强大的语言模型，它将真正成为一个能够“看图说话”也能“画图说话”的全能型 AI 助手。

*   **更丰富的创意表达** 用户可以直接在 Gemini 中，通过文字描述即可生成高质量的图像，无论是设计草图、艺术创作还是生活场景的想象，都变得触手可及。
*   **提升内容创作效率** 对于营销、设计、媒体等行业从业者，Imagen 4 将大幅提升图像素材的生成效率，降低创作门槛。
*   **多模态交互新体验** 用户可以通过图像向 Gemini 提问，再结合文字生成新的图像，形成更自然、直观的交互体验。

未来，随着 Imagen 4 在 Gemini 中更广泛的应用，我们有望看到更多基于视觉和语言的创新应用涌现。

### 展望 文生图大模型的未来

Imagen 4 登陆 Gemini，不仅是谷歌自身技术进步的体现，更是文生图大模型发展趋势的一个缩影。 随着模型能力的不断增强，对**细节的把握、复杂指令的理解、风格的控制以及伦理安全的考量**将成为竞争的关键。

谷歌正通过持续的技术创新，推动 AI 艺术创作和多模态交互进入一个全新的高度。 Imagen 4 在 Gemini 中的表现，无疑将为我们勾勒出未来 AI 助手的无限可能。


Imagen 4登陆Gemini

阿里旗下推出的多模态AI创意生成平台

万相营造

MiniMax

OpenAI最新发布的多模态AI大模型，可自然流畅地进行语音对话

搜索结果: 多模态AI