

> 当AI从被动响应转向全天候主动规划，Gemini Spark标志着个人数字助理的真正觉醒。它不再只是工具，而是能够自主调度会议、过滤信息的职场分身。

## 从被动问答到主动规划的跃迁

一直以来，我们与AI的交互都处于一种“一问一答”的抽搐式工作流中。你需要精准地构思提示词，AI给出反馈，你再进行微调。然而，这种模式并没有从根本上减少人类的心智负担。Gemini Spark的出现，打破了这一僵局。它跨越了“副驾驶”（Copilot）的辅助阶段，正式步入了“自动驾驶”（Autopilot）的全新纪元。

全天候自主，意味着它不再依赖你每一次的点击唤醒。Gemini Spark作为一个后台常驻的数字幽灵，能够深度接管你的各种数字资产。它可以在凌晨三点自动阅读海外团队刚刚发送的冗长邮件，提取核心痛点，并在你早晨睁眼之前，为你起草好三套回击方案；它能根据你日历里的空隙与对方的日程，自动进行十几个回合的邮件往来，最终将会议链接悄无声息地植入你的安排表。

![62.png](https://static.downly.cn/images/fb7e558caf79874948f74b98ff7a82f5.png) <center>图源备注 图片由AI生成</center>

## 切片特写 吞噬低效的行政泥沼

让我们将镜头拉近到一名普通项目经理的工作日常。过去，安排一次跨部门的三方会议，需要耗费大量时间在聊天软件和日历应用之间来回切换比对。而现在，他只需对Spark留下一句随意的语音嘱咐。

场景重构　在接下来的十分钟里，Spark会在后台调取各个相关人员的日程API，自动识别出大家共有的核心工作时间，绕开对方标记的私人事项，并自动生成符合公司语气的会议邀请发送。当它遇到日程冲突时，甚至会根据项目的优先级进行自动判定与重新协商。对于现代打工人而言，这意味着每天那些最消磨精力、最不产生核心价值的沟通泥沼，被一台无疲倦的机器彻底填平。

![63.png](https://static.downly.cn/images/25888826560a7c26d751552463207535.png)<center>图源备注 图片由AI生成</center>

## 职场分身与行政饭碗的消亡倒计时

Gemini Spark的普及将彻底改写知识工作者的能量分配法则。当我们把海量的信息过滤、进度追踪与基础协调工作外包给AI分身，人类的精力将被强行推向需要高度创造力、情感共鸣与复杂决策的领域。

职场洗牌　这场工作流的革命同时也是残酷的。随着全天候自主AI的成熟，那些以信息传递、初级协调和日常行政为主的工作岗位将面临断崖式的生存危机。中低层行政助理、日程调度员甚至部分初级项目管理者的职能，将被几十美元订阅费的AI全面接管。未来的职场，将演变为“超级个体+一群AI数字分身”的高效作战单元，任何无法跨越这一数字鸿沟的人，都将被时代的履带无情碾过。


全天候自主助手Gemini Spark如何接管打工人的数字孪生流



> 谷歌正式切断传统Fitbit接口并推出融合实时流数据的新一代Health接口，意在为医疗AI智能体提供合规且庞大的底层多维生理数据基座。

## 核心事件　底层健康数据接口的跨代际重构

科技巨头Google正式向全球开发者开放了全新的Google Health API，并宣布逐步关停历史悠久的Fitbit Web API。这标志着Google在可穿戴设备数据生态上完成了一次彻底的基础设施重构。新一代接口全面建立在Google OAuth 2.0安全框架之上，摒弃了过去繁杂的旧版端点，统一将Fitbit、Pixel Watch以及各类第三方健康设备的数据源进行结构化整合。该接口现已支持多达三十余种细分健康数据类型的读取与写入，并引入了基于HTTP与gRPC协议的自动订阅机制。官方更是通过详尽的迁移指南与代码示例，鼓励开发者基于这一全新基建，构建大模型驱动的健康AI智能体与实时监控分析系统。

![22.png](https://static.downly.cn/images/c51413f9074e146e72146fb8fc1c77c3.png) <center>图源备注 图片由AI生成</center>

## 技术与商业解析　为AI应用量身定制的基建升级

此次API更迭的底层逻辑，在于旧时代基于简单应用层交互的数据接口，已经完全无法满足大语言模型时代对海量连续多模态数据的渴求。新版Health API在技术架构上实现了质的飞跃。通过原生的Webhook实时数据流推送，开发者能够以极低的延迟捕获用户的心率波动、血氧变化以及睡眠深度等指标，这对于打造能够主动介入的AI健康智能体至关重要。从商业变现的视角观察，Google正在构建一条从硬件采集到云端计算的完美流水线。通过将标准化的健康数据无缝导入Google Cloud平台，并结合BigQuery与Vertex AI等原生机器学习工具，Google极大降低了医疗企业与独立开发者开发严肃医疗级AI模型的门槛，进而牢牢绑定了B端云计算客户群体。

## 行业生态影响　穿戴设备巨头间的健康大模型暗战

在数字健康赛道的角逐中，苹果凭借HealthKit生态长期占据着行业高地。此次Google Health API的全面开放，正是谷歌为了打破苹果数据孤岛优势而打出的关键底牌。相比于苹果较为封闭的软硬件内循环模式，谷歌试图通过提供更具扩展性的开发者工具与跨硬件兼容能力，抢夺广大的第三方应用开发者。尤其是在生成式AI爆发的当下，谁能掌握最高质量、最连续的真实人体生理指标库，谁就能训练出最精准的医疗大模型。谷歌通过统一标准接口，不仅盘活了当年重金收购Fitbit所沉淀的庞大资产，更在未来的个人数字孪生军备竞赛中，确立了不亚于苹果的话语权。

![23.png](https://static.downly.cn/images/c81eba7788048ffed30401196f3d0586.png) <center>图源备注 图片由AI生成</center>

## 未来展望　全天候私人健康AI的落地与合规博弈

展望未来两年，基于Google Health API构建的超级健康应用将迎来爆发式增长。我们将看到更多具备长文本记忆与深度逻辑推理能力的私人健康AI，它们不仅能根据每日体征动态调整用户的饮食与用药建议，还能在严重疾病潜伏期提前发出预警。然而，商业边界的拓展始终伴随着法律与伦理的紧逼。用户的敏感生理数据流向第三方大模型进行推理时，如何确保数据不被用于精准的商业杀熟或被保险公司恶意拒保，将成为全行业面临的共同难题。面对日益严苛的全球数据合规法案，Google及其开发者生态必须在数据挖掘深度与隐私保护红线之间，寻找极其脆弱的平衡点。

Google全面开放新一代Health接口赋能AI健康智能体生态



> 当数字孪生遇见生成式AI，制造业的操作系统正被重写。西门子与英伟达的跨界结盟，旨在打造具备“感知、思考、执行”能力的智能工厂，预示着物理AI时代的全面降临。

## 工业元宇宙与物理AI的深度融合

全球工业自动化龙头西门子与AI算力霸主英伟达正式达成战略合作，双方将共同开发面向未来的“物理AI”（Physical AI）工业解决方案。这一合作的核心愿景，是构建一个端到端的AI原生工业体系，让工厂不再仅仅是执行指令的机器，而是能够自主优化的智能体。

根据规划，双方将打通西门子的Xcelerator平台与英伟达的Omniverse，实现产品设计、产线规划与生产调度的全流程虚拟化。在这一体系下，AI视觉将负责毫秒级的质量检测，大模型将实时优化生产排期，而数字孪生闭环则允许企业“在虚拟世界试错，在物理世界执行”。

![Google_AI_Studio_2026-01-07T03_59_55.054Z.png](https://static.downly.cn/images/a8d517463f0fcd87560a90510b340bfc.png)
 <center>图源备注：图片由AI生成</center>

## 软硬一体的技术底座

为了支撑这一宏大构想，双方进行了深度的技术栈整合。英伟达的Grace Hopper超级芯片将与西门子SIMATIC控制器协同工作，把AI推理能力直接下沉至边缘控制层。这意味着，未来的工厂将部署数千个AI代理（Agent），它们能独立处理设备监控、能源管理等任务，形成“工厂即智能体”的新范式。

## 2026年启动全球部署

首批全AI驱动的智能制造基地计划于2026年在德国、美国和中国同步启动。初期落地场景将聚焦于汽车制造、半导体装备及新能源设备等高复杂度领域。

对于制造业而言，这不仅是技术的升级，更是一场关于“工业操作系统”话语权的争夺。西门子的行业Know-how与英伟达的算力引擎相结合，正在为全球制造业定义下一代标准。

![Google_AI_Studio_2026-01-07T03_59_57.467Z.png](https://static.downly.cn/images/698d4c3cfd4bc77395f67f85d2b2428e.png)
 <center>图源备注：图片由AI生成</center>

西门子联手英伟达 定义工业5.0时代的物理AI新范式



> **导语**
> 中国数字孪生独角兽“五一视界”成功在港上市，成为“物理 AI”第一股。公司致力于通过高精度复刻现实世界，将数字孪生从技术展示推向城市治理与工业运营的深水区，开启了产业元宇宙的价值兑现周期。

## 重新定义地球 数字镜像的诞生

北京五一视界（51World）在香港联合交易所的敲钟，标志着“克隆地球”这一宏大构想正式接受资本市场的检验。与传统的静态 3D 建模不同，五一视界构建的是一个动态、可计算的地球数字镜像。

依托自研的 51Aes 平台，公司已将业务触角延伸至城市、能源、工业等十大关键领域。在虚拟世界中，交通流的模拟可以优化现实路口的红绿灯配时；电网负荷的推演可以指导新能源的高效接入。根据弗若斯特沙利文数据，五一视界已稳居中国数字孪生解决方案市场份额首位，是极少数具备全栈服务能力的行业龙头。

![Google_AI_Studio_2026-01-05T02_57_52.574Z.png](https://static.downly.cn/images/05b7bd8ac51e864a0aa9ab9d06eb7b62.png)
 <center>图源备注：图片由AI生成</center>

## 物理 AI 破局 让数据干预现实

在五一视界的技术图谱中，“物理 AI”是核心关键词。区别于生成文本或图像的大模型，物理 AI 强调算法与物理法则、工程系统的深度耦合。

这种技术不仅要求 AI “看见”世界，更要求其“理解”并“干预”世界。通过融合三维建模、IoT 感知与仿真引擎，数字孪生技术成为了连接比特（Bit）与原子（Atom）的桥梁，使 AI 具备了在工业场景中解决实际物理问题的能力。

## 从演示到实战 产业价值兑现

此次上市是数字孪生行业发展的分水岭。过去，这一技术常被质疑为“昂贵的动画演示”，而五一视界通过规模化的商业落地证明了其核心价值。

在“人工智能+”的国家战略背景下，数字孪生正从可选项变为必选项。随着资本注入，五一视界有望加速平台生态建设，推动中国在这一前沿领域建立全球标准。这场由虚拟数据驱动的实体产业变革，正在从概念走向深耕。

五一视界登陆港股，物理 AI 开启克隆地球商业化元年



> **导语** 随着苹果M5芯片的发布，端侧AI处理能力实现了前所未有的四倍性能飞跃，为个人设备带来了更强的本地智能体验。与此同时，谷歌DeepMind与耶鲁大学的合作揭示了AI在癌症治疗中的新潜力，而AMD与甲骨文的合作则预示着AI算力基础设施的又一次大规模扩展。从AI驱动的“数字孪生”提升工作效率，到Anthropic高性价比模型的推出，再到VSCO为专业影像编辑注入智能，AI技术正以前所未有的深度和广度，重塑着从个人应用到企业服务的方方面面。



<center>图源备注：图片由AI生成</center>

## 苹果M5芯片引领终端侧AI性能革命
苹果公司正式发布了采用先进3纳米工艺的M5系列芯片，其AI性能实现了惊人的“四倍飞跃”。这款芯片的图形处理器在处理AI相关任务时速度提升超过400%，同时其16核神经网络引擎达到了每秒38万亿次的运算速度。这一突破性进展将极大地增强MacBook Pro和iPad Pro等设备的本地AI处理能力，加速终端侧的智能化体验，让用户在设备上就能享受到更强大、更高效的AI功能。

![image.png](https://static.downly.cn/images/ced31d5816d251e57e1d8a9d2f9dc99e.png)
<center>图源备注：图片由AI生成</center>

## DeepMind联手耶鲁大学，AI模型发现癌症治疗新思路
谷歌DeepMind与耶鲁大学的最新合作研究取得了重大突破。他们共同开发的C2S-Scale27B模型，基于强大的Gemma架构，在单细胞分析领域展现出卓越的能力。该模型成功发现，药物Silmitasertib在特定条件下能够充当“条件增强剂”，有效激活人体免疫系统，使其能够精准识别并清除癌细胞。这一发现为癌症治疗提供了一个全新的、充满希望的方向。

![image.png](https://static.downly.cn/images/efc842eb558c36bca4e4998307818a6e.png)
<center>图源备注：图片由AI生成</center>

## AMD与甲骨文强强联合，五万AI芯片部署计划启动
AMD在AI市场的布局再下一城，宣布与甲骨文达成重大合作协议。根据协议，甲骨文将从2026年第三季度开始，在其数据中心大规模部署5万块AMD Instinct MI450 AI芯片。此次部署将采用新一代的“Helios”机架系统。这一战略举措不仅将显著推动AMD在人工智能市场的增长，也使其与行业领导者英伟达的竞争进入了新的阶段。

![image.png](https://static.downly.cn/images/0db112ed180577562dd0ae6eb270eef1.png)
<center>图源备注：图片由AI生成</center>

## AI数字孪生解决职场协作痛点，Viven获3500万美元融资
初创公司Viven凭借其创新的AI驱动“数字孪生”技术，成功获得3500万美元种子轮融资。该公司利用大语言模型和先进的隐私保护技术，为员工创建数字替身。这个“数字分身”能够在员工休假或因时区不同而无法及时响应时，填补关键信息的空缺，确保项目沟通顺畅、工作持续推进，从而有效解决员工“不在场”的痛点，为企业节省了宝贵的时间与成本。

![image.png](https://static.downly.cn/images/47c3596f0edda01f97c0b61212ec7cda.png)
<center>图源备注：图片由AI生成</center>

## Anthropic推出Haiku 4.5模型，性价比优势凸显
Anthropic公司发布了其最新的轻量化AI模型Claude Haiku 4.5。该模型以其卓越的性价比脱颖而出，仅需同系列Sonnet 4模型三分之一的价格，就能提供与之相媲美的强大编程能力。Haiku 4.5专为需要低延迟和快速响应的实时应用场景设计，如在线聊天助手和客户服务系统，成为了Claude系列中平衡性能与成本效益的理想解决方案。

![image.png](https://static.downly.cn/images/c550d6407449964b0f21bcd565e14af9.png)
<center>图源备注：图片由AI生成</center>

## Anthropic商业前景广阔，年收入或将迎爆发式增长
据预测，由前OpenAI员工创立并专注于安全AI技术研发的Anthropic公司，正迎来其商业化的快车道。公司预计到2025年底，其年化收入有望达到90亿美元，而到2026年，这一数字更可能飙升至惊人的260亿美元。这一强劲的增长预期，充分彰显了Anthropic在人工智能领域的巨大发展潜力和广阔的市场前景。

![image.png](https://static.downly.cn/images/b06230fbec93cc6827cc38f130a8186e.png)
<center>图源备注：图片由AI生成</center>

## VSCO发布AI Lab，开启智能图像编辑新时代
知名摄影应用VSCO正式推出了名为“AI Lab”的全新工具集，标志着专业级图像编辑进入了智能化时代。该工具集利用了先进的人工智能技术，如智能对象移除，允许专业摄影师在高分辨率的RAW文件上进行精细且非破坏性的编辑。这一创新极大地提升了专业创作者的工作流程和效率，让复杂的图像处理变得更加简单和智能。

![image.png](https://static.downly.cn/images/f4a0790c61ae6de8bab15f3bf29a6c34.png)
<center>图源备注：图片由AI生成</center>

## 谷歌Flow视频工具升级，光影音频编辑更强大
谷歌对其AI视频生成工具Flow进行了重要升级。新版本增加了灵活的光影编辑功能，让用户能够更精细地调整视频中的光照效果，显著提升了生成视频的真实感和艺术感。同时，音频处理功能也得到了大幅增强，使得视频创作的灵活性和最终效果都迈上了一个新台阶，内容生成更加自然生动。

![image.png](https://static.downly.cn/images/a0fa0e3b9a202c434c6c94245c04f16b.png)
<center>图源备注：图片由AI生成</center>

## 谷歌加速AI产品部署，VEO 3.1版本即将上线
有消息称，谷歌正准备在Gemini和相关API上发布其最新的VEO 3.1 AI模型。用户已在Gemini应用中发现了与新功能相关的免责声明，预示着此次更新将很快整合到用户熟悉的界面中。此外，在谷歌的Vertex AI平台上也出现了对VEO 3.0预览模型的引用，种种迹象表明，谷歌正在全力加速其先进AI产品的开发与部署。

![image.png](https://static.downly.cn/images/91e604931778512e499c34a253236d76.png)
<center>图源备注：图片由AI生成</center>

## Airtel与IBM携手，共促云计算与AI创新
印度电信巨头Airtel与科技巨头IBM达成战略合作，旨在共同推动云计算和人工智能技术的创新。此次合作将充分利用IBM强大的云基础设施与AI技术，并结合Airtel在电信领域的网络可靠性及数据本地化优势。双方将共同提升Airtel Cloud服务能力，帮助金融、医疗等受严格监管的行业企业高效、安全地扩展其AI工作负载。

![image.png](https://static.downly.cn/images/721b0f9623c05e9f61ba52dbb043b105.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯1016：端侧AI芯片性能飞跃，AI赋能医疗影像与企业服务迈向新纪元





> 本期AI快讯为您带来全球顶尖科技公司的最新动态，涵盖了从虚拟世界交互、AI模型竞赛到多模态应用的全面突破。Meta为虚拟世界注入了更真实的灵魂，微软则携自研模型正式入局大模型竞赛，而谷歌与OpenAI在视频和语音技术上持续创新。同时，AI在教育、数据分析、家庭娱乐乃至地球科学等领域的应用也正以前所未有的速度改变着我们的生活。

## 虚拟世界新纪元 Meta为《地平线世界》引入AI NPC

Meta公司正在为其虚拟社交平台《地平线世界》（Horizon Worlds）带来一场革命性更新。平台将引入由人工智能驱动的非玩家角色（NPC），这意味着开发者现在可以利用先进的生成式AI工具，创造出能够与用户进行逼真、流畅语音对话的虚拟化身。这些AI NPC不仅是简单的机器人，它们可以被完全定制，为虚拟世界带来前所未有的生机与互动深度，标志着我们在构建沉浸式虚拟体验的道路上迈出了关键一步。

![image.png](https://static.downly.cn/images/2278a1630b82e606af1d6e38edbe4975.png)

## 微软自研AI模型MAI-1亮相 正面挑战OpenAI

微软正式发布了其首个自研的人工智能模型系列 MAI-Voice-1 和 MAI-1-preview，彰显了其在AI领域的雄心。其中，MAI-Voice-1 是一款顶尖的语音模型，能够在一秒内生成长达一分钟的音频，技术实力惊人。该技术已成功应用于Copilot Daily等功能中，为用户提供由AI主持的新闻播报和深度讨论。用户现在可以通过Copilot Labs亲身体验这一前沿技术。

![image.png](https://static.downly.cn/images/ce0f8feaf8e82c197c07bd898fde3722.png)

## 反作弊AI导师进入美国高校 MathGPT.ai重塑数学教育

为了解决学生利用AI工具完成作业而教师难以监督的难题，一个名为MathGPT.ai的“反作弊”AI导师应运而生。该平台通过提供教学助手和引导式学习功能，已在美国30所高校成功试点，并计划于今年秋季将服务范围扩大近一倍。宾夕法尼亚州立大学等知名学府已决定将其引入课堂，利用苏格拉底式的教学方法，重新定义AI在数学教育中的角色，引导学生真正掌握知识。

![image.png](https://static.downly.cn/images/b576be75eb06f0252a10892c1a1bd2a2.png)

## 数学AI推理迎来飞跃 We-Math 2.0构建全链条知识体系

由北京邮电大学、腾讯微信与清华大学的联合团队发布的We-Math 2.0，是多模态数学推理领域的一项重大突破。该项目构建了一个从小学到大学的完整数学知识体系和推理数据集，旨在解决当前多模态大模型在复杂数学推理能力上的短板。它的出现，为AI模型提供了坚实的知识基础，使其在理解和解决数学问题上实现了质的飞跃。

![image.png](https://static.downly.cn/images/eef7e2d4bb62826798fc7caf43753373.png)

## OpenAI推出“实时API” 让AI语音助手如真人般对话

OpenAI发布了面向生产环境的“实时API”，其核心是GPT-Realtime模型。这一创新技术使AI能够直接生成和处理语音，极大地缩短了响应时间，实现了如真人般自然流畅的对话体验。该模型不仅能理解对话中的非语言线索（如停顿、语气），还能在多种语言间自如切换，并根据指令调整说话风格，为客户支持、在线教育等场景带来了革命性的变革。

![image.png](https://static.downly.cn/images/c96de47e9d3e2f93b2b6192f4728e072.png)

## 谷歌视频工具Veo更新 推行积分制普惠用户

谷歌对其AI视频生成工具Veo（前身为Flow）进行了重大更新，引入了全新的积分系统。现在，每位用户每月将获得100个免费积分，可以根据需求灵活使用，例如选择制作五段快速生成的AI短视频，或是一段质量更高的标准视频。这一举措体现了谷歌在平衡视频生成效率与最终质量上的策略，同时也降低了用户体验AI视频创作的门槛。

![image.png](https://static.downly.cn/images/d646f499537f652016d0d15f1a994e01.png)

## 告别繁琐 谷歌Gemini AI让表格处理化繁为简

谷歌为其在线表格工具Sheets增加了一项强大的新功能，集成了Gemini AI助手。现在，当用户使用“转换为表格”功能时，Gemini能够自动分析数据内容，并智能地为表格生成一个贴切的名称。这一更新虽然微小，却极大地提升了数据处理的便捷性和智能化水平，帮助用户从繁琐的操作中解放出来，更专注于数据本身。

![image.png](https://static.downly.cn/images/9aa873b4e62ffd69d39a0ad3dca8a953.png)

## 微软Copilot入驻三星电视 你的专属找片助手

微软的人工智能助手Copilot现已成功集成到三星2025年推出的部分电视和显示器中。用户现在可以通过遥控器轻松语音唤醒Copilot，无论是寻找特定类型的电影，还是咨询影片评分，Copilot都能通过语音和视觉卡片（如显示电影海报和评分）给出直观的回答，为家庭娱乐带来了更加智能和互动的全新体验。

![image.png](https://static.downly.cn/images/fcdf140ac15ba7dc6ed6c7b26c9a6839.png)

## 阿里巴巴发布数据分析Agent 人人都是AI分析师

阿里巴巴旗下的瓴羊Quick BI平台将其内置的“智能小Q”升级为“超级数据分析师”。这一全新的数据分析Agent具备了问数、解读和生成报告三大核心能力。它旨在让没有任何数据分析背景的用户也能轻松上手，通过简单的提问，快速获取、理解数据，并自动生成富有洞察力的分析报告，真正实现了“让人人都可拥有AI分析师”的愿景。

![image.png](https://static.downly.cn/images/8f0a6ea62666de71e0c3218c5f33ccbd.png)

## DeepMind发布AlphaEarth 构建全球数字孪生

谷歌DeepMind团队公布了其最新的全球制图模型 AlphaEarth Foundations。这个强大的AI模型能够整合海量的地球观测数据，包括卫星图像、地形数据等，构建一个统一的数字地球。它就像一颗“虚拟卫星”，能够处理多模态信息，以前所未有的方式将我们的星球以数字形式进行重现和分析。

![image.png](https://static.downly.cn/images/33259494f553424124e7f3cf952f8039.png)

## 海螺AI首尾帧功能上线 提升视频创作想象力

海螺AI于近日宣布，其新一代的首尾帧技术已在网页版和移动APP双端正式上线。该功能旨在解决AI视频生成中的行业痛点，通过提升对用户指令的理解、优化动态效果和激发模型的想象力，全面增强视频的首尾帧生成能力。新功能支持多种分辨率，让用户能够创作出开头和结尾更具创意和连贯性的视频作品。

![image.png](https://static.downly.cn/images/ae248744f440236af5b52406d8610d6e.png)

每日AI资讯0829：AI全面渗透，从虚拟世界交互到前沿科学突破

> 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



> AI界风起云涌，技术应用与产业格局均迎来重磅更新。从谷歌Gemini实时生成交互界面的惊艳技术，到字节跳动、海螺AI等公司在视频生成领域的持续加码，AI正以前所未有的速度渗透到创意与交互的方方面面。与此同时，月之暗面开源其强大的多模态模型Kimi-2506，进一步推动社区发展。产业层面，苹果意图收购Perplexity的传闻引发市场巨震。然而，在一片高歌猛进中，MIT的研究也为我们敲响警钟，提醒我们需警惕对AI的过度依赖可能带来的认知影响。

## 警惕AI陷阱 MIT研究揭示过度依赖AI或导致大脑“变懒”

麻省理工学院（MIT）的一项最新研究为我们揭示了过度依赖AI工具可能带来的潜在风险。实验表明，与独立写作或使用搜索引擎辅助相比，长期完全依赖AI（如ChatGPT）进行写作的用户，其大脑在处理任务时的活跃度显著降低。这可能意味着认知能力的“走捷径”会削弱我们深度思考和解决问题的能力。研究还发现，亲身参与创作过程能显著增强人们对作品的归属感和满意度，这是纯粹由AI生成的作品无法替代的。

![iShot_2025-06-23_11.34.16.png](https://static.downly.cn/images/fd04b6a34281a853aae107ce409605b3.png)

## 字节跳动亮出新王牌 DreamActor-H1让商品图秒变带货视频

<video src="https://static.downly.cn/images/6ba10cca10c17c49251a28ddcf57071b.mp4"  title="30647320772-1-16.mp4"></video>
字节跳动近日发布了名为 [DreamActor-H1](https://submit2025-dream.github.io/DreamActor-H1/) 的视频生成系统，展示了其在AIGC视频领域的最新成果。该系统能够仅通过一张商品图片和一张人物照片，自动生成一段高质量、专业风格的带货短视频。从技术演示来看，其效果与广受欢迎的AI视频工具HeyGen相似，能够极大降低电商视频的制作门槛。目前，DreamActor-H1仍处于技术展示阶段，官方仅发布了演示视频和技术报告，尚未公布论文或开源计划。


![image.png](https://static.downly.cn/images/ff55f3865fb3c3d5438b81a67ab2f6c2.png)




## 谷歌开源Magenta RT 音乐创作进入实时生成新纪元

谷歌DeepMind团队为音乐创作者和开发者带来了一份大礼——开源了实时音乐生成模型Magenta RealTime (Magenta RT)。作为其先进模型Lyria的开放权重研究预览版，Magenta RT专注于实时交互式音乐创作与表演，能够根据用户的输入即时生成连贯的音乐片段。这一举措预示着AI在音乐领域的应用正从离线生成迈向实时协作，为现场表演、即兴创作和音乐教育开辟了全新的可能性。



![image.png](https://static.downly.cn/images/cc77d28a44031136de7ef51d6a435223.png)



## 视频剪辑迎来“自动驾驶” 海螺AI发布视频创作智能体

<video src="https://static.downly.cn/images/d1e844c63c547a134a3cddc0442a4596.mp4"  title="30647322073-1-16.mp4"></video>
国内AI初创公司海螺AI正式推出了其视频创作工具——Hailuo Video Agent。该工具定位为视频领域的“智能体”，旨在将创作者从繁琐的剪辑工作中解放出来。初期版本通过提供创意模板来简化创作流程，但其最终目标是实现用户自主编辑乃至完全自动化的“一键出片”。该智能体集成了音乐、TTS（文本转语音）、音效和字幕等全套功能，代表了AI赋能视频编辑的未来发展方向。



![image.png](https://static.downly.cn/images/883dd177d41f430aed6d85896ae5b853.png)



## 为机器人打造逼真世界 开源框架EmbodiedGen破解3D环境生成难题

具身智能（Embodied AI）的发展一直受限于高质量、物理真实的3D训练环境。为了突破这一瓶颈，一个名为EmbodiedGen的开源框架应运而生。它能够根据文本或图像输入，生成具有正确物理属性、密闭几何结构且可扩展的3D对象和场景。该框架生成的资产兼容多种主流物理模拟器，极大地降低了为机器人训练和数字孪生创建虚拟世界的成本和难度，为智能机器人研究铺平了道路。


![image.png](https://static.downly.cn/images/9b78864d652be698562cd2ddfafd4b23.png)



## 声音的“私人订制” MiniMax推出Voice Design音色设计功能

稀宇科技（MiniMax）在其开放平台上发布了创新的Voice Design音色设计功能。用户现在可以通过简单的文本描述，自由组合“任意语言、任意口音、任意音色”，创造出独一无二的个性化语音。该功能不仅能精准控制情感、音质等细节，还成功规避了传统音色复刻可能带来的版权风险，为内容创作、虚拟助手等应用场景提供了前所未有的便捷与高效。
用户可通过[稀宇科技国内版平台](minimaxi.com/audio)或[海外版平台](minimax.io/audio)体验Voice Design功能，探索语音合成的无限可能。
![image.png](https://static.downly.cn/images/2ce996768ec2bf3468a3b177bbae2128.png)

## 未来交互已至 谷歌Gemini 2.5 Flash-Lite实现“心念所想，界面即现”

谷歌DeepMind再次展示了其强大的技术实力，发布了Gemini 2.5 Flash-Lite模型。该模型最令人震撼的特性是其超低延迟的实时交互界面生成能力。用户可以通过语音或文本描述，瞬间生成并修改UI界面。这项技术结合了多模态输入和长上下文窗口，预示着一种全新的“生成式操作系统”的到来，用户与设备的交互方式或将被彻底颠覆。
![image.png](https://static.downly.cn/images/85e05624284ab97b3dc8479268d39ee4.png)

## 300亿美元豪赌 苹果或将收购Perplexity以重塑搜索格局

市场传出重磅消息，苹果公司正考虑以高达300亿美元的价格收购AI搜索初创公司Perplexity。若交易达成，这将成为苹果历史上最大规模的并购。此举被视为苹果应对AI时代搜索市场变革的关键一步，意图通过Perplexity先进的对话式、答案驱动的搜索技术，全面升级Siri和Safari的用户体验，以在与谷歌等对手的竞争中抢占先机。

![image.png](https://static.downly.cn/images/9d947b288c191a494212917b1cc2cf34.png)
## Kimi-2506开源 月之暗面升级多模态与智能体能力

国内大模型独角兽月之暗面宣布开源其最新的多模态模型Kimi-2506。新模型在智能体（Agent）和视觉理解能力上取得了重大突破。官方数据显示，其推理效率大幅提升，能够更节省token，同时在多项基准测试中得分显著提高。尤其在视觉方面，它支持高达320万像素的高分辨率图像处理，并在图表分析、长文档问答及视频理解等复杂任务上表现出色。

![image.png](https://static.downly.cn/images/b874ae38fdde0c49932a6e19ff4a81de.png)




搜索结果: 数字孪生