> 智谱AI最新推出的视觉大模型赋予了机器直接解析设计稿与复杂图表的超常能力，实现从图像到前端代码的秒级生成。感知链路的颠覆性突破正大幅降低软件开发门槛，并为智能体拓展出更深度的商业应用场景。

## 突破纯文本交互的感知天花板

软件工程领域正在经历一场由多模态技术驱动的底层革新。智谱AI正式向业界发布了专为视觉编程场景打造的大语言模型GLM-5V-Turbo。与传统依赖大量晦涩文本提示词的开发模式不同，该模型具备了极具震撼力的视觉感知本能。

凭借高达200k的超大上下文窗口支撑，这款新模型不再局限于简单的文字指令理解。开发者只需向其喂入一张随手绘制的草图或是精密复杂的UI设计稿截图，模型便能敏锐地捕捉到画面中的空间布局逻辑、色彩搭配体系以及潜藏的动态交互规则，进而自动输出高可用性的前端工程代码。这种所见即所得的极速转化，将彻底改写UI设计师与前端工程师之间的协作流转范式。

![42.png](https://static.downly.cn/images/6607a29ead337c11c028aacdfcaa3b65.png)

<center>图源备注 图片由AI生成</center>

## 视觉赋能拓宽智能体任务边界

原生多模态能力的引入正在让自主智能体从半盲状态走向全知全能。接入该视觉模型后，智谱旗下的核心智能体龙虾获得了真正意义上的环境观察力。其应用场景迅速从单一的代码编写跨越至复杂的金融数据分析领域。

在最新上线的股票分析师模块中，具备视觉解析能力的智能体不仅能像人类操盘手一样熟练查阅海量网页，更能精准解读结构复杂的K线图与券商研报图表。通过四路高并发数据源的实时采集与交叉验证，系统可在短短60秒内产出逻辑严密且图文并茂的专业市场剖析报告。交互式开发的时代大幕已然拉开，可视化的迭代效率将成为新一代智能助手的核心竞争力。

智谱发布原生多模态视觉模型 草图直出代码重塑前端开发链路

> 月之暗面（Moonshot AI）旗下产品 Kimi 近期实现里程碑式突破，其海外收入首次超过国内市场。这一增长主要得益于 K2.5 模型的强劲表现，推动全球付费用户数激增 4 倍，并在 Openrouter 等权威榜单中跻身世界前三。

## 墙内开花墙外香

中国 AI 独角兽月之暗面传出重磅利好。在与投资者的最新沟通中，公司透露 Kimi 的海外营收已实现对国内市场的反超。这一数据标志着中国大模型产品在出海商业化上取得了实质性突破。

驱动这一增长的核心引擎是最新发布的 **K2.5 模型**。数据显示，自 K2.5 上线后的短短几天内，Kimi 的全球付费用户数量实现了 **4 倍** 增长。在第三方模型聚合平台 Openrouter 上，K2.5 的排名迅速攀升至第三位，紧随 Claude Sonnet 4.5 和 Gemini 1.5 Flash 之后。这一排名直接证明了其在国际市场上与硅谷顶尖模型同台竞技的实力。

![Google_AI_Studio_2026-02-02T03_05_48.308Z.png](https://static.downly.cn/images/c0a2655f874d184dcba5d28b38890100.png) <center>图源备注：图片由AI生成</center>

## Agent Swarm：以协作破瓶颈

在 1 月 29 日的 Reddit AMA 活动中，月之暗面创始人杨植麟分享了公司在技术路径上的新思考。面对高质量数据增长赶不上算力提升的行业难题，Kimi 正在探索 **“Agent Swarm”（智能体蜂群）** 策略。

这种方法不再依赖单一模型的“单打独斗”，而是通过并行处理子任务的方式，让多个 AI 智能体协作完成复杂任务。杨植麟透露，通过这种协作模式，K2.5 在大规模信息处理场景下的效率提升了 3 到 10 倍。这种架构创新，为 AI 处理更复杂的逻辑推理和生产力任务打开了新的想象空间。

## 对标国际先锋的战略野心

Kimi 目前的战略布局正逐渐向“Anthropic + Manus”的混合模式靠拢：

* **技术开源** 自 K2 起，Kimi 坚持开源模型权重和工具链，支持开发者在本地或云端部署，意在构建类似 Llama 的技术生态。
* **产品定位** 在 C 端市场，Kimi 明确将自己定位为“生产力工具”，而非单纯的聊天机器人。

通过“卷”智能极限与“卷”实际应用并行，Kimi 正在全球激烈的 AI 竞速中，通过快速迭代和精准的市场适应能力，逐步建立起自己的护城河。

Kimi海外营收反超国内 K2.5模型驱动全球用户激增

# 每日AI资讯1010：AI巨头动态频出，人形机器人与微型模型引领技术新浪潮

> 导语 本期AI资讯看点纷呈：台积电在AI需求的推动下业绩斐然；ChatGPT用户规模再创新高；谷歌与Figma的合作将Gemini AI融入设计流程；三星推出的微型模型在推理能力上实现惊人突破；Lyft与Figure AI分别在自动驾驶和人形机器人领域迈出重要步伐；同时，AI领域的投融资与市场竞争也日趋白热化。

## AI需求引爆芯片市场 台积电Q3营收同比猛增30%

受人工智能应用需求的强劲驱动，全球芯片制造巨头台积电在2025年第三季度实现了创纪录的业绩。其营收高达9899.2亿新台币，同比增长30%，显著超出市场预期。这一增长主要归功于来自英伟达、苹果等行业领军客户的大量订单，凸显了AI技术发展对半导体产业的巨大推动作用。

![image.png](https://static.downly.cn/images/fd8ea2943a5ebac47afa68e69326e026.png)
图源备注：图片由AI生成

## 用户增长神话延续 ChatGPT周活跃用户突破8亿

在近期的年度开发者大会上，OpenAI宣布其旗舰产品ChatGPT的周活跃用户数量已突破8亿大关。与去年同期相比，这一数字实现了700%的惊人增长，再次刷新了AI应用的用户增长纪录。这不仅巩固了ChatGPT在大型语言模型领域的领先地位，也预示着AI技术正以前所未有的速度融入大众的日常生活。

![image.png](https://static.downly.cn/images/be85cf2794468e5090d0dce7da78c99b.png)
图源备注：图片由AI生成

## 设计工具迎来AI革命 Figma集成谷歌Gemini模型

知名设计协作平台Figma宣布与谷歌达成合作，将强大的Gemini AI技术，包括Gemini 2.5 Flash、Gemini 2.0和Imagen 4等多个模型，全面集成到其平台中。此次合作旨在赋能设计师，只需通过简单的文本提示，即可调用AI完成复杂的图像编辑与内容生成任务，从而极大提升设计工作的效率与创造力。

![image.png](https://static.downly.cn/images/bc95801a3a88e2d691a53acc52a9e9f3.png)
图源备注：图片由AI生成

## 小模型蕴含大能量 三星700万参数TRM模型推理能力惊艳业界

三星公司发布了一款仅有700万参数的微型递归模型（TRM），颠覆了“模型越大越强”的传统认知。在数独和ARC-AGI等高难度推理任务中，TRM的表现甚至超越了Gemini 2.5 Pro等参数量远大于它的顶尖大型模型。其成功的关键在于采用了独特的递归校正循环机制，实现了高效且精准的结构化推理。

![image.png](https://static.downly.cn/images/c907ff96313fa883b9c0631ede972a21.png)
图源备注：图片由AI生成

## 从实验室到现实 Figure AI发布第三代人形机器人

机器人初创公司Figure AI推出了其第三代人形机器人Figure03，标志着该领域取得了重大进展。得益于其自研的“视觉-语言-动作”模型Helix，Figure03能够完全自主地在家庭和商业环境中执行洗衣、爬楼梯、清洁等多种复杂任务，不再依赖远程人工操控。这预示着通用人形机器人正加速从研发阶段迈向大规模商业化应用。

![image.png](https://static.downly.cn/images/df07bb56f09d7f992cf9ce56983dda99.png)
图源备注：图片由AI生成

## 智能出行新篇章 Lyft计划2027年部署数百辆机器人出租车

尽管近期股价有所下调，但网约车巨头Lyft依然坚定地推进其在自动驾驶领域的战略布局。公司宣布，计划在2027年正式部署数百辆由TensorAI技术驱动的机器人出租车。此举旨在推动智能交通系统的发展，重塑未来城市出行模式，也体现了出行平台在激烈技术竞争中的转型决心。

![image.png](https://static.downly.cn/images/36af1b21d8acdb54f6488bcbb7a737a6.png)
图源备注：图片由AI生成

## AI办公战火升级 谷歌云Gemini Enterprise正面挑战微软与OpenAI

为了在日益激烈的AI办公市场中占据有利地位，谷歌云正式推出了名为Gemini Enterprise的AI办公平台。该平台旨在通过一系列自动化工具，为普通员工赋能，帮助他们简化繁琐的工作流程，从而显著提升工作效率。Gemini Enterprise的发布，被视为谷歌直接挑战微软和OpenAI在该领域霸主地位的重要举措。

![image.png](https://static.downly.cn/images/9990f3ab8cd4c535d3d54b425ef2477b.png)
图源备注：图片由AI生成

## 开源AI新星崛起 Reflection AI获20亿美元融资挑战巨头

成立仅一年的AI初创公司Reflection AI正迅速成为开源AI领域的焦点。该公司由前谷歌DeepMind研究员创立，致力于开发强大的开源AI模型，以挑战OpenAI等封闭模型的垄断地位，并与中国的DeepSeek等公司展开竞争。凭借其宏大的愿景，Reflection AI已成功完成20亿美元的新一轮融资，公司估值在七个月内飙升15倍，达到80亿美元。

![image.png](https://static.downly.cn/images/c635b0f891b7222381755f4b8965be5f.png)
图源备注：图片由AI生成

每日AI资讯1010：AI巨头动态频出，人形机器人与微型模型引领技术新浪潮

> **导语** 本期AI资讯看点纷呈：从Stability AI将音频创作带入移动端，到字节跳动让单目视频秒变4D大片；从DeepSWE刷新AI编程代理新高度，到亚马逊机器人大军突破百万；同时，阿里、NVIDIA等公司在数字人、图像描述及编辑领域也推出了重磅开源模型。此外，我们还将关注谷歌视频模型Veo 3在游戏领域的巨大潜力，以及ChatGPT流量变化对新闻行业带来的深远影响。

---





## 手机秒变作曲家 Stability AI与Arm联手打造掌上音频创作神器

Stability AI 近期与 Arm 合作，开源了一款名为 Stable Audio Open Small 的轻量级文本到音频生成模型。该模型经过专门优化，能够直接在手机等移动设备的 Arm CPU 上本地运行，高效生成长达47秒的高质量立体声音频。这一进展标志着AI音频生成技术正从云端走向边缘计算和移动设备，为用户随时随地进行音乐创作提供了极大的便利。值得一提的是，该模型使用了免版税的数据进行训练，确保了其在商业和个人应用中的合规性。

![image.png](https://static.downly.cn/images/fa4f0ccf02d7644eb3bc9f85f71336bf.png)

---

## 字节跳动开源EX-4D 单视角视频一键生成自由视角4D大片

字节跳动PICO-MR团队近日开源了一项名为EX-4D的创新框架，它能够将单一视角的普通视频，转化为可以自由变换观看角度的高质量4D动态影像。该框架的核心技术是一种创新的动态高斯网格表示法（DW-Mesh），它有效解决了传统方法中因物体遮挡和数据稀疏导致的渲染难题。在多项性能指标测试中，EX-4D全面超越了现有的开源方法，并在用户主观评估中获得了高度评价，为未来沉浸式3D内容创作和复杂世界模型的构建提供了强有力的技术支持。


![image.png](https://static.downly.cn/images/7d80dfd56cf33f1c27c86ce4a739c547.png)


---

## AI程序员新王者诞生 DeepSWE登顶开源榜单

由 Together.ai 和 Agentica 联合发布的 AI Agent 框架 DeepSWE，正迅速成为软件工程领域的焦点。该框架基于阿里巴巴强大的 Qwen3-32B 模型，并通过强化学习进行了深度训练。在衡量AI代码能力的权威测试集 SWE-Bench-Verified 中，DeepSWE 以高达 59% 的准确率，成功登顶开源AI代理排行榜。这一成绩不仅展示了其在处理真实世界软件工程任务时的卓越能力，也预示着AI在自动化编程和软件开发领域巨大的应用潜力。

![image.png](https://static.downly.cn/images/4ffb051e17cf6be10cc0cedd56ea0e83.png)

---

## 亚马逊机器人大军突破百万 Deep Fleet AI模型加持物流新纪元

亚马逊近日宣布，其在全球部署的机器人数量已正式突破一百万大关。为了更高效地管理和调度这支庞大的机器人车队，亚马逊同时发布了一款全新的AI基础大模型 Deep Fleet。该模型旨在通过先进的AI算法，进一步优化包裹的分拣、搬运和配送流程，从而显著提升物流速度并降低整体运营成本。这一里程碑事件标志着亚马逊在其自动化物流网络建设上取得了重大突破。

![image.png](https://static.downly.cn/images/56e071229823efb738d96596c40b4943.png)

---

## 阿里再放大招 OmniAvatar让你的照片开口说话

![image.png](https://static.downly.cn/images/454330caa209ee65cca94f4de764d779.png)
阿里巴巴近日开源了一款名为 [OmniAvatar](https://omni-avatar.github.io/) 的音频驱动数字人模型。该模型基于先进的 Wan 2.1 技术，用户只需上传一张静态照片、一段音频和相应的文字脚本，即可快速生成一个口型精准匹配、动作表情自然的数字人播报视频。官方建议生成30秒以内的视频片段以获得最佳效果。尽管该模型对硬件有一定要求，需要至少36G显存才能流畅运行，但其在现有开源数字人模型中的表现已属顶尖水平，为个人和企业低成本创造虚拟形象提供了新的可能。
<video src="https://static.downly.cn/images/c795cc4b97f7f5b012c0ff72ad4f4bf5.mp4" title="30819483777-1-16.mp4"></video>


---

## 指哪说哪 NVIDIA发布DAM模型精准描述图像局部细节

![image.png](https://static.downly.cn/images/640f40bcf94b7e3371f29944b364eb90.png)
NVIDIA 最近推出了一款名为“描述一切模型”（Describe Anything Model, DAM）的多模态大语言模型，极大地提升了图像理解的精细度。用户可以通过在图片或视频上进行点击、画框、涂鸦甚至使用遮罩等多种直观方式，来指定自己感兴趣的任何区域，DAM模型便能针对该特定区域生成详尽而准确的文字描述。目前，该模型已经提供了在线演示版本，供用户体验其强大的“指哪说哪”功能。[官网地址](https://describe-anything.github.io/)，[体验地址](https://huggingface.co/spaces/nvidia/describe-anything-model-demo)

<video src="https://static.downly.cn/images/c7b71bb21d04a5515f08aed684cbfbc2.mp4" title="30819484438-1-16.mp4"></video>

---

## 开口即P图 开源对话式图像编辑器EasyEdit发布
![image.png](https://static.downly.cn/images/739df71a77f1beaa7f58b741c422a4ed.png)
一款名为 [EasyEdit](https://www.easyedit.io/) 的开源图像编辑器为图片修改带来了全新的交互方式。它采用了先进的 Flux KContext 模型，允许用户通过简单的自然语言对话来智能地编辑图片。无论是想“把天空换成蓝色”还是“让这个人笑起来”，都可以通过聊天的方式实现。目前，用户可以在网页端免登录使用其基础模型，而功能更强大的高级模型则需要提供API Key来调用，这为普通用户和开发者都提供了灵活的选择。
<video src="https://static.downly.cn/images/3c26012f9a587f56fbbc736cbffafb15.mp4" title="30819484073-1-16.mp4"></video>

---

## 游戏世界的下一场革命 谷歌Veo 3或将开启可玩世界模型

谷歌 DeepMind 的首席执行官 Demis Hassabis 近日在一个公开场合暗示，谷歌最新、最强大的视频生成模型 Veo 3，其技术潜力远不止于生成视频片段，未来很有可能被应用于视频游戏领域。这一表态引发了业界的广泛猜测，如果Veo 3的技术能够实时生成和渲染游戏世界，或将催生出真正的“可玩世界模型”，彻底改变现有游戏引擎的开发范式，为玩家带来前所未有的动态和开放世界体验。

![image.png](https://static.downly.cn/images/b6722e0ee4fca884585278d0ecdd1c15.png)

---

## 杯水车薪 ChatGPT推荐流量难解新闻网站搜索量下滑之渴

根据最新数据分析，尽管像ChatGPT这样的人工智能聊天工具为新闻网站带来的推荐流量呈现增长趋势，但这部分增长远不足以弥补因传统搜索引擎流量下滑所造成的巨大缺口。数据显示，自2024年中期达到峰值以来，许多新闻网站的自然搜索流量已大幅下降，总访问量从超过23亿次减少到如今的不足17亿次。这一严峻趋势表明，新闻行业正面临着由AI技术驱动的流量结构性变迁，如何适应新的信息分发渠道已成为一个紧迫的课题。

![image.png](https://static.downly.cn/images/42669ccb9e6199d29f2f3a31592cc967.png)

AI每日资讯0703

> 字节跳动正式推出小云雀 AI，主打一键生成数字人视频功能。



随着数字内容创作需求的爆发，效率和便捷性成为新的追求。 近日，字节跳动正式发布了其在 AI 领域的又一重要产品——小云雀 AI。 这款 AI 应用的核心亮点在于其强大的数字人视频一键生成功能，极大地降低了数字人视频的制作门槛。目前仅支持安卓版本，iOS用户可能要再等等啦～
oppo 商店已经上架
![](https://static.downly.cn/images/20250530082105.161737324.png)

小云雀 AI 的“一键生成”能力，意味着用户只需要输入文本或上传少量素材，AI 即可自动生成带有数字人口播的视频内容。 这种便捷的操作方式，有望彻底改变传统的数字人视频制作流程，使其变得更加高效和亲民。

## 一键生成 轻松打造专属数字人视频

小云雀 AI 的“一键生成”能力，主要体现在以下几个方面

* **文本驱动** 用户输入文字，AI 即可将文字转化为自然流畅的数字人口播。
* **形象定制** 提供多种数字人形象选择，或允许用户定制自己的数字人形象。
* **背景与场景选择** 提供丰富的虚拟背景和场景，或支持用户上传自定义背景。
* **智能剪辑与合成** 自动完成口播与画面的同步，生成完整的视频文件。

<video src="https://static.downly.cn/images/20250530081548.653310493.mp4" title="171_1748592810.mp4"></video>

这些功能使得小云雀 AI 用户即使没有专业的视频制作经验，也能快速、轻松地创建数字人视频，将创意想法转化为生动的视频内容。

## 应用广泛 多领域迎来效率提升

小云雀 AI 的出现，有望在多个领域发挥重要作用，提升内容制作效率。



例如

* **教育培训** 快速生成课程讲解视频，降低教师制作成本。
* **企业宣传** 制作公司介绍、产品演示视频，提升品牌形象。
* **短视频内容创作** 为短视频创作者提供新的内容形式和生产工具。
* **新闻媒体** 快速生成新闻播报或资讯类视频。
* **客服互动** 打造智能数字客服，提供更加生动自然的交互体验。

小云雀 AI 的出现，为这些领域的内容创作者和企业提供了强大的工具，帮助他们以更低的成本和更高的效率生产高质量的视频内容。

## 技术驱动 未来数字人视频新趋势

小云雀 AI 的核心在于其背后强大的 AI 技术支持，包括但不限于

* **先进的语音合成技术** 将文本转化为逼真的人类语音。
* **高质量的数字人建模与驱动技术** 创建栩栩如生的数字人形象并实现自然的表情和动作。
* **智能视频合成与编辑算法** 将不同的元素 seamlessly 地整合到视频中。


字节跳动在 AI 领域的深厚积累，为小云雀 AI 提供了坚实的技术基础。 随着技术的不断发展，数字人视频的质量和逼真度也将持续提升。 小云雀 AI 的推出，无疑是数字人视频制作迈向普惠化、智能化道路上的重要一步，预示着数字人视频在未来将扮演越来越重要的角色。

 告别复杂 字节跳动小云雀 AI 一键生成 视频创作从未如此简单



> 在刚刚结束的 Google I/O 2025 大会上，Google 再次向世界展示了其在人工智能领域的最新进展。大会的主题之一鲜明地指向了 AI 如何从前沿研究迅速转化为现实世界的产品和服务，深入影响着我们的生活和工作。Google 通过一系列令人瞩目的发布，生动诠释了“从研究到现实”的加速旅程。

## AI 驱动的未来正在加速到来

近年来，人工智能领域取得了惊人的进展，尤其是大型语言模型（LLMs）的涌现，极大地拓展了 AI 的能力边界。然而，将这些复杂的 AI 模型和前沿研究成果有效地集成到实际产品中，并让普通用户能够便捷地访问并从中受益，始终是一个重要挑战。

Google 作为 AI 领域的领导力量，持续在基础研究和产品创新上进行大量投入。在本次 I/O 大会上，Google 带来了多个令人印象深刻的例子，展示了他们如何弥合尖端研究与实际应用之间的鸿沟。

![image.png](https://static.downly.cn/images/20250521081455.012688308.png)

## Google Beam 跨越语言障碍的桥梁

本次大会上，备受关注的发布之一是 **Google Beam**。这是一款由先进的 AI 翻译和自然语言处理技术驱动的全新产品。

Google Beam 的亮点在于其强大的实时翻译能力和对复杂语境的理解。它不仅仅是简单的词语替换，而是能够捕捉语言的细微之处和文化背景，提供更加准确自然的翻译。这项技术无疑是多年来在机器翻译和跨语言理解领域深入研究的结晶。

![image.png](https://static.downly.cn/images/20250521081121.324874885.png)

通过 Google Beam，用户可以轻松克服语言障碍，无论是进行跨国商务沟通、旅游交流，还是访问不同语言的信息。它直接解决了现实世界的需求，并将学术研究转化为数百万用户的实用工具。

## Search 的进化 AI让信息获取更智能

Google Search 作为连接用户和信息的不可或缺的工具，在本次 I/O 大会上也迎来了 AI 驱动的显著升级。

新的 Search 功能利用了最新一代的 AI 模型，能够提供更丰富和细致的搜索结果。比如，在复杂查询上，AI 可以综合来自多个来源的信息，并以摘要的形式呈现，为用户节省宝贵时间。此外，AI 还增强了 Search 的理解能力，使用户能够以更自然、对话式的方式进行搜索。

![image.png](https://static.downly.cn/images/20250521081239.469398274.png)

这些 Search 的改进直接源于 Google 在信息检索和自然语言理解领域的持续研究。通过将这些研究成果集成到 Search 这个每天都有数百万用户使用的产品中，Google 真正将 AI 从实验室带到了世界的指尖。

## Gemini 在更多场景下展现实用价值

作为 Google 的旗舰级 AI 模型，Gemini 在本次 I/O 大会上也展示了其在不同领域的广泛应用。

Google 强调了如何将 Gemini 的多模态能力集成到各种产品和服务中。无论是增强的创意工具、个性化学习体验，还是改进的可访问性功能，Gemini 都扮演着关键角色。这些应用展示了 Gemini 的力量，它不仅仅是一个研究突破，更是一个用于现实世界应用的多功能引擎。

![image.png](https://static.downly.cn/images/20250521081331.947105157.png)

从支持开发者构建下一代应用程序，到协助用户完成日常任务，Gemini 的落地应用生动地诠释了 Google 将基础 AI 研究转化为切实的 用户利益 的决心。

## 从代码到生活 AI无处不在

除了上述重点发布，本次 Google I/O 2025 还展示了 AI 在诸多其他领域的应用。从提升开发者生产力的编码助手，到增强设备智能的设备端 AI，再到利用 AI 解决社会问题的倡议，无不体现了 Google 将 AI 研究成果应用于解决现实世界问题的努力。

这些进展共同强调了 Google 致力于让 AI 对每个人都有帮助的承诺。他们不仅推动了 AI 研究的边界，还专注于如何让这项技术 accessible、reliable、and beneficial in daily life。

## 未来展望 AI的落地将加速

Google I/O 2025 大会传递了一个清晰的信息 AI 正在加速从研究阶段走向广泛的实际应用。Google 通过将其前沿的 AI 技术集成到其核心产品和服务中，不仅提高了用户体验，也为未来更多变革性的 AI 应用奠定了基础。

随着 AI 技术的不断成熟和落地加速，我们可以期待在未来看到 AI 在更多领域发挥关键作用，改变我们的工作方式、生活方式以及与技术互动的方式。



搜索结果: 技术驱动