> 导语：今日AI领域风起云涌，从腾讯发布新技术解决AI生图“过油”问题，到谷歌Gemini 2.5 Deep Think在编程竞赛中超越人类，再到Figma、YouTube等平台纷纷上线AI新功能，以及谷歌推出AI代购协议，无不展示着AI技术的飞速发展和其在各个领域的深度融合。然而，迪士尼等巨头对AI公司的起诉，也揭示了技术发展背后的版权争议。

## 腾讯发布SRPO新技术，让AI生成图像告别“油腻感”

腾讯混元联合香港中文大学（深圳）及清华大学共同研发出SRPO（语义相对偏好优化）新技术，有效解决了开源文生图模型Flux在生成人物皮肤时出现的“过油”现象。这一技术的突破，能够显著提升AI生成图像的真实感，为数字艺术创作领域带来了全新的可能性，让AI绘画更加贴近真实世界。

![image.png](https://static.downly.cn/images/c746c5af9a791231381cd41821967682.png)

图源备注：图片由AI生成

## AI首次夺得ICPC金牌，谷歌Gemini 2.5 Deep Think碾压人类程序员

在2025年ICPC世界总决赛中，谷歌Gemini 2.5 Deep Think创造了历史，以金牌成绩成功解决了所有人类队伍均未能攻克的难题，打破了该项赛事创立以来的纪录。这一成就彰显了人工智能在复杂算法问题解决能力上的飞跃式进步，标志着AI技术在顶级编程竞赛领域迈入了新的纪元，也引发了关于AI在未来软件开发中角色的深刻思考。

![image.png](https://static.downly.cn/images/dc61e32fd09fdaee21acfd448bd82a16.png)

图源备注：图片由AI生成

## Figma推出AI设计新功能，文本指令即可修改设计稿

Figma近日推出了革命性的AI设计和编辑新功能，允许用户通过简单的文本提示，直接对设计稿进行修改，例如调整布局、更改颜色等。这一功能的推出，极大地简化了创作流程，让设计师能够更高效地将想法变为现实。目前，该功能已进入付费用户的有限alpha发布阶段，预示着设计行业即将迎来新的变革。

![image.png](https://static.downly.cn/images/b568a38eb2f38427ba6d05b2da32c451.png)

图源备注：图片由AI生成

## YouTube Studio上线AI助手，一键检测盗用面孔保护创作者权益

YouTube向全球三千万创作者推出了AI聊天机器人和面部相似性检测等新功能，旨在帮助创作者保护自己的形象和声誉。通过这些新功能，创作者可以轻松检测、管理和授权移除未经授权使用其面部肖像的视频，有效防止观众被误导，为内容创作生态提供了更有力的保障。

![image.png](https://static.downly.cn/images/43fe28249fe27f03afd59c2f4c3ad97a.png)

图源备注：图片由AI生成

## 谷歌推出AP2协议，让AI智能体为你轻松代购

谷歌最新推出的Agent Payments Protocol（AP2）协议，允许AI智能体在用户指示下自动完成购物支付，用户无需每次手动审批。这一创新兼顾了购物的便利性与多重安全保障，能够实现如在用户设定的时间、价格自动购票等智能化购物体验，让生活变得更加轻松便捷。

![image.png](https://static.downly.cn/images/a9da262f0b1de410a3ac9865f1880ee0.png)

图源备注：图片由AI生成

## 迪士尼等三大影业巨头联手起诉MiniMax，AI版权之争愈演愈烈

迪士尼、华纳兄弟、环球影业三大好莱坞公司近日联手控告中国AI公司MiniMax，指责其海螺AI服务未经授权使用知名电影角色进行AI训练和商业化，构成大规模著作权侵权。这起诉讼索赔金额或将达到天文数字，也再次将AI技术发展中的版权问题推向了风口浪尖，引发了全球范围内的广泛关注和讨论。

![image.png](https://static.downly.cn/images/d2543292a1b33db456f0f21eedd6cc0c.png)

图源备注：图片由AI生成

## 谷歌发布TimesFM-2.5模型，更小巧更强大的时间序列预测工具

谷歌研究团队最新发布了时间序列基础模型TimesFM-2.5，该模型参数量减半至2亿，但上下文长度却大幅提升至16,384。TimesFM-2.5采用单一解码器结构，支持本地概率预测，并在GIFT-Eval准确性评估中表现优异，为金融、气象等领域的时间序列预测提供了更强大、更高效的工具。

![image.png](https://static.downly.cn/images/899b58187b140c43bfba0e69ca86c652.png)

图源备注：图片由AI生成

每日AI资讯0918：Gemini编程夺冠与好莱坞AI版权战打响，技术浪潮下的机遇与挑战





> **导语**：今日AI领域热点纷呈，从宏观的行业变革到微观的个人体验，技术浪潮正以前所未有的速度席卷而来。华为与云南交投联手推出的交通大模型，预示着传统行业的数字化转型进入新阶段；OpenAI即将发布的Agent Mode，将AI助手的实用性推向新高度；AI数字伴侣“贝拉”的诞生，则让我们窥见了未来人机情感交互的无限可能。与此同时，开源工具FireGEO和AI操作系统NeuralOS的出现，也为开发者和普通用户带来了前所未有的便利与惊喜。谷歌更是将AI的应用场景延伸至商务电话，让智能服务无处不在。

## 华为联手云南交投，发布“绿美通道·交通大模型”引领交通新革命

华为与云南交投及长安大学共同发布了“绿美通道·交通大模型”。这个强大的模型整合了智能计算中心、高质量数据集和先进的AI平台工具链，旨在全面推动交通行业的数字化转型。通过深度融合AI技术，该模型将显著提升交通系统的生产管理效率与安全水平。根据规划，未来将基于此模型开发超过30种AI应用服务，为智慧交通注入强劲动力。

![image.png](https://static.downly.cn/images/4bc6a51ddd79129b212a2087cbb7b6ed.png)

## OpenAI“特工模式”来袭，一键操作浏览器与云端文件

OpenAI即将推出一项名为“Agent Mode”（特工模式）的重磅功能。该模式将赋予AI强大的自主操作能力，不仅可以根据用户指令自动化操作浏览器执行任务，还能深入分析存储在Google Drive等云端的文件。更令人期待的是，它能将网页信息与云端数据融合，快速生成包含精确引用和数据可视化的综合报告。这一突破性进展标志着AI正从单一功能的助手向多才多艺的智能代理演进，有望极大地提升个人与企业的生产力。

![image.png](https://static.downly.cn/images/2a958641b597d9369a899db662f56248.png)

## “贝拉” 您的专属AI数字伴侣，共同成长，懂你所需

Jackywine团队最新推出了名为“贝拉”（Bella）的AI数字伴侣应用。与众不同的是，“贝拉”采用“AI原生”架构，拥有高度个性化和情感感知能力。它能够通过处理文本、语音、图像等多模态数据，深度理解用户的情绪与偏好。随着与用户的互动增多，“贝拉”会不断学习和进化，成为一个真正“懂你”的数字朋友，致力于重塑温暖、和谐的人机关系。

![image.png](https://static.downly.cn/images/5730733fd04d48638680cd2c794e8da7.png)

## 5分钟从零到上线，开源SaaS模板FireGEO助力开发者起飞

一款名为FireGEO的开源SaaS启动模板正在开发者社区中迅速流行。它为开发者提供了一个集成了品牌监控、AI聊天、用户认证和计费系统等核心功能的强大框架。使用FireGEO，开发者可以跳过繁琐的基础架构搭建，直接专注于核心业务逻辑的开发，从而将应用的上线时间从数周缩短至短短五分钟。其开源、透明和社区驱动的特性，正有力地推动着SaaS行业的创新，尤其受到Python开发者、初创团队和独立开发者的青睐。

![image.png](https://static.downly.cn/images/daaa8eb1ddefdd822bdc5b5e8922f8dc.png)

## 华人团队开源NeuralOS，完美模拟Windows，开启人机交互新篇章

受到AI领域专家安德烈·卡帕西预言的启发，一支华人团队开源了一款名为NeuralOS的AI操作系统。这个项目实现了令人惊叹的功能：它能够实时预测并完美模拟出Windows的界面和操作反馈。当用户移动鼠标、点击图标或输入文字时，NeuralOS会通过其内置的循环神经网络和神经渲染器，动态生成几乎与真实系统一模一样的视觉效果。尽管在处理快速键盘输入等方面仍有优化空间，但这个已经提供在线试用的项目，预示着“AI时代GUI”的到来，人机交互的未来正被重新定义。

![image.png](https://static.downly.cn/images/05b6902b94e2fdb7fd8e3089c72e4fe5.png)

## 谷歌Gemini 2.5 Pro加持，AI智能助手代您致电商家

谷歌为其AI模式（AI Mode）带来了强大的新功能，引入了Gemini 2.5 Pro模型，推出了AI驱动的商务电话服务。现在，用户可以让AI助手代替自己致电本地的商家，例如餐厅、理发店等，来查询营业时间、服务可用性或商品价格等信息。这项功能将AI的便利性从线上带到线下，进一步解放了用户的时间，让日常生活中的信息获取变得更加高效和智能。

![image.png](https://static.downly.cn/images/a3f8a1290c786ea3c9ed38540e31d502.png)

每日AI资讯0717：交通大模型问世，AI智能体“贝拉”与您情感互动

> 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

> 随着人工智能技术的飞速发展，特别是生成式 AI 的崛起，软件开发的传统模式正面临前所未有的冲击。曾被认为是人类专属领域的代码编写工作，正逐渐被 AI 所渗透和取代。行业内普遍预测，在不远的将来，绝大多数代码将由 AI 生成，而人类开发者将从繁琐的“码农”转变为更高层次的设计者、协调者和 AI 协作者。这场变革不仅提高了开发效率，更深刻地重塑了开发者的职业生涯。
## 一. AI 代码生成能力的爆发式增长
近年来，AI 在代码生成领域的进步令人瞩目，其能力已远超简单的语法检查和代码补全。
1.  从自然语言到可执行代码.
    最新的生成式 AI 模型能够理解复杂的自然语言描述，并将其转化为功能完善的代码片段甚至整个程序模块。开发者只需提供清晰的“Prompt”（提示词），AI 便能快速生成符合要求的代码。
2.  自动化代码重构与优化.
    AI 工具可以智能地分析现有代码库，识别冗余、低效或存在问题的部分，并自动进行重构和优化，显著提升代码质量和性能。
3.  智能调试与错误修复.
    AI 能够协助开发者进行代码调试， pinpoint 潜在的错误，甚至自动提出修复方案，极大地简化了问题排查过程。
   ![image.png](https://static.downly.cn/images/20250513071201.324435296.png)
## 二. 推动 AI 代码主导的关键驱动力
AI 代码生成趋势的加速并非偶然，背后有多重因素的驱动。
1.  大型语言模型的能力边界拓展.
    不断进步的大型语言模型拥有更强大的理解能力和生成能力，能够处理更复杂、更细粒度的编程任务。
2.  开发效率与成本的极致追求.
    在竞争激烈的市场环境下，企业对软件开发的效率和成本控制提出了更高要求。AI 代码生成能够显著缩短开发周期，降低人力成本。
3.  Agentic AI 的兴起.
    Agentic AI（智能体 AI）的理念使得 AI 不再仅仅是工具，而是能够自主规划、执行任务的“智能体”。将 Agentic AI 应用于软件开发，意味着 AI 能够独立完成从需求分析到代码编写、测试、部署的全流程任务。
   
## 三. 开发者角色的根本性转变
随着 AI 承担大部分代码编写工作，人类开发者的角色将发生深刻演变，从执行者转变为指导者和管理者。
1.  成为“AI 提示词工程师”与“架构师”.
    开发者需要精通如何与 AI 有效沟通，设计高质量的 Prompt，引导 AI 生成符合预期的代码。同时，他们将把更多精力放在软件系统的整体架构设计、模块划分和技术选型上。
2.  专注于复杂问题解决与创新.
    AI 擅长处理重复性和标准化的任务，而人类开发者将更侧重于解决那些需要创新性思维、领域专业知识和复杂逻辑的挑战。
3.  代码质量与安全性的守护者.
    虽然 AI 能够生成代码，但确保代码的质量、安全性和可维护性仍然是开发者的核心职责。他们需要审查 AI 生成的代码，进行严格的测试和验证。
4.  跨职能协作与沟通的桥梁.
    开发者将更多地与产品经理、设计师、运维工程师等其他团队成员协作，确保软件项目顺利推进。
    ![image.png](https://static.downly.cn/images/20250513071117.327723878.png)
## 四. 迎接挑战与把握机遇
尽管 AI 代码生成带来了巨大的机遇，但同时也伴随着挑战，开发者需要积极应对。
1.  技能的持续更新与学习.
    开发者需要不断学习新的 AI 工具、技术和工作流程，提升与 AI 协作的能力。
2.  适应新的工作模式.
    从传统的独立编码转变为与 AI 协同工作，开发者需要调整心态和工作习惯。
3.  代码的伦理与责任.
    AI 生成的代码可能存在偏见或安全隐患，开发者需要承担起审查和规避这些风险的责任。
4.  对就业市场的影响.
    部分重复性强的初级编程工作可能会受到 AI 的冲击，开发者需要提升自己的核心竞争力。
## 五. 人机协作共创软件未来
未来已来，AI 主导代码编写的时代正在加速到来。这并非意味着人类开发者的终结，而是一个全新的起点。开发者将从繁重的底层代码工作中解放出来，将更多精力投入到更高价值的创造性工作中。人与 AI 的深度协作将成为软件开发的新常态，共同构建更加智能、高效和创新的未来。开发者需要积极拥抱这场变革，将 AI 视为强大的助手，不断学习和适应，才能在这场技术浪潮中乘风破浪。

搜索结果: 技术浪潮