> 导语 AI行业风起云涌，价格战的硝烟已弥漫至视频生成领域，可灵AI率先降价近三成。与此同时，微软携Copilot强势入局，AI浏览器赛道再添巨头。从OpenAI超4000亿美元的“星际之门”数据中心，到小红书、美图秀秀等应用纷纷内置AI助手，再到智元机器人开源具身智能模型，AI正以前所未有的速度渗透至各行各业，重塑未来格局。

**封面图提示词**
一张充满未来科技感的数字画卷，画面中数据流像星河一样璀璨，连接着巨大的服务器集群、创新的浏览器界面和动态的视频编辑窗口，中心有一个发光的AI大脑核心，象征着人工智能行业的激烈竞争、飞速创新与无限可能。

图源备注：图片由AI生成

---

## 可灵AI掀起价格风暴 视频生成模型降价近30%
视频大模型领域的“价格战”正式打响。可灵AI近日推出了其最新的可灵2.5Turbo视频生成模型，并宣布大幅降价近30%。此举使其成为市场焦点，其订阅费用根据会员等级从66元到266元不等，展现了厂商在激烈竞争中差异化的定价策略。
![image.png](https://static.downly.cn/images/eba431270554afc200d2004860fde5fe.png)

图源备注：图片由AI生成

## 微软Copilot入局 Edge浏览器迎来AI变革
继谷歌和Perplexity之后，微软也正式押注“代理浏览器”概念，通过Copilot模式加入了AI浏览器的激烈竞争。这与谷歌Gemini集成Chrome、Perplexity推出Comet AI浏览器等行业动态相呼应，共同证实了浏览器领域正在经历一场由AI驱动的革命。微软希望借此创新，在市场份额争夺战中占据有利位置。

![image.png](https://static.downly.cn/images/33e100395e97bc3cf486c4840ae43e03.png)
图源备注：图片由AI生成

## 史上最大投资 OpenAI联手甲骨文软银打造“星际之门”
OpenAI、甲骨文和软银三方强强联手，在美国启动了一个名为“星际之门”的宏大AI数据中心项目。该项目总投资超过4000亿美元，初期目标算力为7吉瓦，并计划最终增至10吉瓦，有望成为有史以来规模最大的AI数据中心。

![image.png](https://static.downly.cn/images/8165f6e8cbdd9dc64ced93e0c8a905ff.png)

图源备注：图片由AI生成

## 动作捕捉巨头诺亦腾入局 机器人数据迎来新玩家
面对机器人技术发展中的数据瓶颈，动作捕捉领域的巨头诺亦腾决定顺势而为，将其数据业务独立运营。在腾讯、字节等大厂的推动下，动作捕捉行业热度空前，诺亦腾联合创始人戴若犁精准抓住了国际市场对高质量机器人数据的迫切需求，开启了全新的商业模式，目标直指十亿级市场。

![image.png](https://static.downly.cn/images/9208d288de53ad6e2486f64fc08ba470.png)

图源备注：图片由AI生成

## 小红书办公软件大升级 全新AI助手“hibo”亮相
小红书对其内部办公应用“REDcity”进行了全面升级，并更名为“hi”，同时发布了全新的Logo。此次升级旨在优化工作流程，加强组织管理。最引人注目的是新推出的AI助手“hibo”，它能够自动生成摘要、进行联网搜索和深度思考，从而快速响应各种工作信息需求，助力高效协作。

![image.png](https://static.downly.cn/images/7942ca51dac0c3c2ba0898f928df72ff.png)

图源备注：图片由AI生成

## 智元机器人开源GO-1模型 推动具身智能普及
智元机器人宣布开源全球首个基于ViLLA架构的具身智能模型GO-1。该模型结合了视觉、语言与潜在动作三重能力，旨在大幅降低技术门槛。配合此前发布的AgiBot World百万级真机数据集，智元机器人希望吸引更多开发者共同参与，推动机器人环境理解和具身智能技术的快速发展。

**插图提示词**
一个智元机器人站在一个开放的平台上，向周围的开发者社区伸出机械手臂，手臂中释放出无数开源代码符号，这些符号汇聚成“GO-1”的字样，象征着技术的开放与共享。
![image.png](https://static.downly.cn/images/0a57b677f41a6ae516cffc385071e5d4.png)
图源备注：图片由AI生成

## 美图秀秀即将上线AI智能助手 影像交互迎新体验
美图秀秀计划于九月下旬正式上线其全新的AI智能助手。据悉，该助手将利用RoboNeo技术，实现应用交互的智能化全面升级。这标志着美图公司在AI深度融合战略上又迈出了重要一步，旨在彻底革新传统的影像交互体验。

![image.png](https://static.downly.cn/images/10db3b0ad93e8ba37a4e881bc07e393c.png)

图源备注：图片由AI生成

## “像素蛋糕”宣布核心功能永久免费 AI修图迎普惠时代
为了降低专业修图工具的使用门槛，AI修图软件“像素蛋糕”宣布了一项重大决定。自9月22日起，其基础调色和手动工具等核心功能将永久免费开放。用户只需更新至最新版本，即可无限使用这些功能，不再消耗付费张数。

![image.png](https://static.downly.cn/images/2844947138f197d525143819b53f7526.png)

图源备注：图片由AI生成

## 设计到代码全自动 TRAE Rules实现工作流革命
TRAE项目展示了如何利用Figma的最新功能，通过建立两套固定规则，实现从设计图到代码的端到端全自动化流程。该流程不仅能自动复原设计，还能分析并解决问题，甚至进行自我测试和部署，最终完美复刻项目并生成预览，极大地提升了开发效率。

![image.png](https://static.downly.cn/images/90c962836a41efd5be63214edadb7360.png)

图源备注：图片由AI生成

每日AI资讯0924：视频模型价格战打响，巨头押注AI浏览器与千亿级数据中心

> 科技巨头在AI领域持续发力，从英伟达千亿投资OpenAI建设超级数据中心，到谷歌Gemini登陆智能电视，AI正加速融入硬件与生活。同时，百度、DeepSeek、阿里巴巴等公司纷纷推出或开源新模型，不断刷新AI的理解、生成与推理能力，而微软和Cursor等工具的更新，则让AI的应用门槛进一步降低。

---

## 英伟达豪掷千亿，联手OpenAI打造超级AI数据中心

英伟达与OpenAI达成重磅战略合作，计划投资高达1000亿美元，为OpenAI建设一个算力高达10吉瓦的大型AI数据中心。该项目预计需要约400至500万个GPU，将分阶段实施。首个1吉瓦的系统预计于2026年下半年上线，显示了双方在AI基础设施领域的巨大决心。

![image.png](https://static.downly.cn/images/cdb020b299e6ca1059ea559985734fcc.png)

 图源备注：图片由AI生成

 

## Gemini登陆Google TV，你的电视不仅能看片还能辅导功课

谷歌宣布，其AI助手Gemini将集成至Google TV平台，覆盖全球超过3亿台设备。未来，用户可以通过自然语言与电视互动，不仅能获得个性化的影视内容推荐，解决“看什么”的难题，还能在家庭生活方面获得辅助，例如辅导孩子功课，让电视成为更智能的家庭中心。

![image.png](https://static.downly.cn/images/109fa91cad01005d96d1fae56d7e88b6.png)

 图源备注：图片由AI生成

 

## 百度千帆视觉理解模型发布，多尺寸满足多样化需求

百度智能云千帆团队最新推出了开源视觉理解模型Qianfan-VL。为了满足不同企业在多模态应用中的场景需求，该模型提供了3B、8B、70B三种不同的规模。经过深度优化后，Qianfan-VL在光学字符识别（OCR）和教育等特定场景中表现出色，具备了超强的视觉理解能力。

![image.png](https://static.downly.cn/images/2eb95601e84313444a19690cbdedf3ce.png)

 图源备注：图片由AI生成

 

## DeepSeek-V3.1发布，深度推理与编程能力再获突破

DeepSeek公司发布了其最新的开源模型DeepSeek-V3.1-Terminus。新版本在语言一致性方面得到显著提升，有效消除了异常字符的产生。同时，其编程和搜索智能体的能力也得到了增强，在多个非智能体类的任务基准测试中展现了卓越的性能。

![image.png](https://static.downly.cn/images/d87f1035e7216bb7303c64f28f4f5e81.png)

 图源备注：图片由AI生成

 

## 一图生成动画，阿里开源Wan-Animate引爆AI视频创作

阿里巴巴Wan团队开源了其最新的Wan-Animate模型，为AI视频创作领域带来了革命性突破。该模型支持单图或视频输入，能够精准地迁移角色的表情和动作，并与环境无缝融合，从而实现高质量的动画生成与角色替换。此举极大地降低了视频创作的技术门槛，模型权重和代码已向公众免费开放。

![image.png](https://static.downly.cn/images/29641a271dab337c9b4082616516a76f.png)

 图源备注：图片由AI生成

 

## AI登陆任务栏，Windows 11迎来“Taskbar Companion”新助手

微软正在Windows 11的任务栏中测试名为“Taskbar Companion”和“Composer”的AI助手新功能。这一举措旨在优化用户与智能体的互动体验，让AI更加便捷地融入日常操作系统中。相关实验性功能信息的曝光，已经引发了用户的广泛关注和期待。

![image.png](https://static.downly.cn/images/afc531fddcb33e9e9cc98846a212f10d.png)

 图源备注：图片由AI生成

 

## AI编程助手Cursor推出官方文档，上手更轻松

广受欢迎的AI编程工具Cursor正式推出了全新的官方文档中心。新文档中心旨在为所有用户提供一个更系统、更便捷的学习资源平台，无论是新手入门还是资深开发者，都能通过它快速查找信息、掌握工具的使用方法，从而更高效地利用Cursor进行开发工作。

![image.png](https://static.downly.cn/images/c8e029d0b2164317968787ed732727bc.png)

 图源备注：图片由AI生成

 

## 美团发布实用主义AI，LongCat模型让AI更懂生活

美团发布了其全新的推理模型LongCat-Flash-Thinking，重新定义了“实用主义AI”。该模型的核心目标是将技术性能有效转化为解决实际生活场景问题的能力，例如更智能的外卖推荐、更高效的路线规划等。目前，该模型已进入实测体验阶段，力求让AI技术更贴近大众的日常生活。

![image.png](https://static.downly.cn/images/fe5ba4709eb2d13e00b05ab02e1d2d8a.png)

 图源备注：图片由AI生成

每日AI资讯0923：巨头千亿布局数据中心，AI模型加速融入生活

> 今日AI界风起云涌，英伟达再次上演“钞能力”，通过战略收购与投资，意在巩固其硬件霸主地位；与此同时，从小米到Mistral AI，开源力量持续壮大，接连发布创新模型；软件层面，谷歌、微软等巨头则加速将AI融入浏览器和操作系统，AI正以前所未有的深度和广度，重塑我们的数字生活。

## 英伟达的“钞能力”：豪掷9亿美金上演人才“打包”战

英伟达近日再次展现其在AI领域的雄心，斥资超过9亿美元，不仅收购了AI硬件初创公司Enfabrica，更是将其CEO及核心团队一并纳入麾下，同时获取了关键技术许可。此次收购的核心目标是强化英伟达的GPU互联技术，构建能够高效连接并协同运作十万块GPU的超级计算系统。此举效仿了Meta、谷歌等科技巨头高薪挖角和打包技术人才的策略，凸显了顶级AI人才在当前科技竞争中的核心价值。

![image.png](https://static.downly.cn/images/23a8dda4f346acaefaa49ce33dec3506.png)
图源备注：图片由AI生成

## 强强联合：英伟达注资50亿联手英特尔挑战AMD

在另一项重磅合作中，英伟达与英特尔达成战略联盟，宣布将共同开发多代x86处理器。这项合作将深度融合英伟达的NVLink技术与英特尔的CPU技术，旨在打造面向游戏PC及数据中心的高性能计算解决方案。为巩固合作关系，英伟达还将投资50亿美元，收购英特尔约5%的股份。这一举动标志着两大芯片巨头联手，意图在高性能计算市场挑战AMD的现有地位。

![image.png](https://static.downly.cn/images/b2f87fa293c78325e45a6818b1e41dc0.png)
图源备注：图片由AI生成

## 小米发力：首个原生端到端语音大模型惊艳亮相

小米公司在语音技术领域取得重大突破，正式开源其首个原生端到端语音大模型Xiaomi-MiMo-Audio。该模型基于上亿小时的海量数据和创新架构打造，首次在语音领域实现了In-Context Learning（ICL）的少样本泛化能力，并观察到了“涌现”行为。在多个行业评测基准上，其表现全面超越同参数级别的开源模型，甚至在音频理解任务上优于谷歌的Gemini-2.5-Flash。

![image.png](https://static.downly.cn/images/43eced9c761bb42216fc1341d0ff51d3.png)
图源备注：图片由AI生成

## 法国AI新星：Mistral推出更强大的开源推理模型

法国AI公司Mistral AI发布了其最新的开源模型Magistral Small 1.2。该模型拥有24B参数，具备处理128k长上下文的能力，并且支持多语言和视觉输入。一个显著的创新是引入了[THINK]特殊token，用于包裹模型的推理过程，旨在提升模型的表现力和应用的灵活性，为开发者提供了更强大的工具。

![image.png](https://static.downly.cn/images/746fa0f3947de5f388e549c883e5ce9f.png)
图源备注：图片由AI生成

## AI融入日常：微软为记事本免费添加AI写作助手

微软正将AI功能深度集成到Windows操作系统中。在最新的Copilot Plus电脑上，经典的记事本（Notepad）应用将迎来“摘要”、“写作”和“重写”等免费的AI新功能。该功能利用本地AI模型提供支持，旨在提升用户的写作效率，并且用户无需订阅Microsoft 365即可使用。目前，部分Windows Insider用户已可抢先体验。

![image.png](https://static.downly.cn/images/9d475c0dc678cc367a041debbd421629.png)
图源备注：图片由AI生成

## 谷歌的反击：Gemini让Chrome浏览器与定制助手更智能

谷歌正全面推动其Gemini AI模型在产品生态中的应用。首先，Chrome浏览器深度整合了Gemini，为美国市场的Mac、Windows及移动设备用户带来智能浏览新体验。AI助手能够帮助用户解释网页内容、整合多标签页信息，甚至恢复已关闭的网站。其次，谷歌推出了Gemini Gems共享功能，用户现在可以像分享Google Drive文件一样，将自己定制的AI助手（Gems）分享给他人，极大地简化了团队协作流程。

![image.png](https://static.downly.cn/images/7fb69b03309cd2ae2003c59fdb204939.png)
图源备注：图片由AI生成

## 视频生成新纪元：Luma AI发布支持专业级HDR的Ray3

视频生成领域迎来新的里程碑，Luma AI发布了其首个能够生成工作室级别HDR（高动态范围）视频的AI模型Ray3。该模型不仅支持生成16位高色深的视频，还能将其导出为专业的EXR格式，使其能无缝融入影视行业的专业制作流程。此外，Ray3还能将普通的SDR视频智能转换为效果震撼的HDR视频。

![image.png](https://static.downly.cn/images/0ed161b2586db143f30c005d304b1316.png)
图源备注：图片由AI生成

## AI浏览器新赛道：Comet与1Password联手保障安全

AI驱动的浏览器正成为新的热点。由Perplexity支持的AI浏览器Comet宣布与知名密码管理工具1Password达成合作。这次联手将先进的AI信息获取能力与顶级的凭证安全管理相结合，为用户在AI时代的网络浏览提供了自动填充、访问控制等安全保障，确保在享受智能体验的同时，个人账户信息安全无忧。

![image.png](https://static.downly.cn/images/5855c5d4c36b8122cb0a0f4d79fd802c.png)
图源备注：图片由AI生成

## 小模型大能量：多款轻量级推理模型集中发布

企业应用正向“小型AI”转型。Meta推出的MobileLLM-R1系列模型，通过提供140M、360M、950M等不同参数规模的选项，解决了企业在使用大型AI模型时面临的成本高、依赖云端和隐私控制难等痛点。与此同时，另一款名为Ring-mini-2.0的高性能MoE推理模型也震撼发布，它仅需激活1.4B参数，推理能力却能媲美10B以下的密集模型，尤其擅长逻辑、编程和数学，并支持128K长上下文，展现了小模型的巨大潜力。

![image.png](https://static.downly.cn/images/96954cb79768db881a52fafc8459ab85.png)
图源备注：图片由AI生成

每日AI资讯0919：从芯片到桌面，巨头与新锐齐发力，AI全面融入数字生活

> 导语：今日AI领域风起云涌，从谷歌重金押注欧洲AI基础设施，到中国移动、阿里巴巴等国内巨头纷纷推出创新应用，展现了科技向善的力量。同时，AI在创作、开发、安全等领域的工具化趋势愈发明显，AI工程师、AI演示文稿等新概念层出不穷，预示着新一轮的生产力革命正在到来。

## 谷歌豪掷50亿英镑，引领科技巨头深耕欧洲AI市场

谷歌宣布未来两年内对英国投资50亿英镑，重点布局人工智能基础设施、能源及研发，并将在伦敦新建数据中心。此举不仅体现了谷歌对英国科技生态的坚定信心，也反映了美国科技巨头正全面加速在欧洲的投资步伐，抢占未来AI发展的战略高地。

![image.png](https://static.downly.cn/images/2e24233101113e767fda39f0f1d75a35.png)
<center>图源备注：图片由AI生成</center>

## 科技之眼照亮前路，中国移动发布“灵犀”电子导盲犬

中国移动正式推出“灵犀”电子导盲犬，这款创新产品集成激光雷达与视觉单目三维重建技术，能够构建厘米级精度的室内外地图并实现实时导航。它为视障人士提供了全新的出行解决方案，让科技之光照亮他们的生活，迈向更安全、更便捷的智能未来。

![image.png](https://static.downly.cn/images/c40e488b1e8338648abb4218fd0eb935.png)
<center>图源备注：图片由AI生成</center>

## 一句话颠覆PPT制作，Gamma 3.0发布革命性AI Agent

演示文稿创作工具Gamma 3.0迎来重大更新，推出颠覆性的AI Agent功能。用户现在只需通过简单的文字指令，就能让AI自动完成演示文稿的编辑、内容优化、数据可视化甚至信息补充。这极大地简化了创作流程，让复杂的演示文稿制作变得前所未有的简单高效。
![image.png](https://static.downly.cn/images/4cdc17001005224e2d9fd2493e50d7bb.png)
<center>图源备注：图片由AI生成</center>

## AI打造个性化教科书，谷歌推出全新学习工具Learn Your Way

谷歌正通过一项名为“Learn Your Way”的研究实验，探索生成式AI在教育领域的应用。该工具能将传统的教科书内容，根据学习者的需求，智能转化为思维导图、时间线、音频课程等多种形式，旨在打破传统教材的局限，提供更具互动性和个性化的学习体验。

![image.png](https://static.downly.cn/images/7e1e0c87790e3cb8fb47b18b0d23ca60.png)
<center>图源备注：图片由AI生成</center>

## 微软Copilot再进化，即将上线“记忆”功能并整合Google Drive

微软Copilot将迎来重磅更新，引入类似ChatGPT的全面记忆管理功能。更新后，Copilot将能根据用户指令记住关键信息，并在后续的交互中运用这些记忆。同时，它还将支持连接Google Drive，进一步提升其作为智能助手的实用性和个性化水平。用户可以在隐私设置中轻松管理和删除这些记忆。

![image.png](https://static.downly.cn/images/c6a84d1a3dd4040008a03d3966f80aa4.png)
<center>图源备注：图片由AI生成</center>

## 安全警钟敲响，国内首个AI大模型众测发现281个漏洞

国内首次针对AI大模型的众测活动结果揭晓。在这次活动中，559名白帽子安全专家对15款主流AI大模型及其应用进行了集中测试，共发现了281个安全漏洞，其中177个为大模型特有漏洞。这次众测从攻击者的视角揭示了潜在的安全隐患，为未来AI治理提供了重要参考。

![image.png](https://static.downly.cn/images/83a8d84709ae89d0ce5744bef3a4064b.png)
<center>图源备注：图片由AI生成</center>

## 全球首位AI全栈工程师“Orchids”亮相，开发能力超越Devin

一款名为“Orchids”的新型人工智能产品横空出世，号称全球首位AI全栈工程师。据称，它在UI设计和全栈开发能力上表现卓越，超越了包括Devin在内的多个竞争对手。Orchids具备独立完成身份验证、数据库管理和支付等全栈功能，极大地简化了开发者的工作流程。

![image.png](https://static.downly.cn/images/8cbd81d1f9d44577ec087652e035343b.png)
<center>图源备注：图片由AI生成</center>

## 阿里云开源通义DeepResearch，轻量级AI代理性能比肩OpenAI

阿里云通义实验室正式开源了其轻量级Web代理工具——通义DeepResearch。这款拥有30亿参数的AI代理，在多项基准测试中表现优异，性能可对标OpenAI的深度研究工具。它能处理长周期的深度搜集任务，并支持128K超长上下文，标志着开源AI智能体在复杂信息检索和推理领域取得了重大突破。

![image.png](https://static.downly.cn/images/767b94e0db7c24bc1ed05cba6bcb7213.png)
<center>图源备注：图片由AI生成</center>

## 嘈杂环境不再怕，阿里巴巴发布革命性语音识别模型FunAudio-ASR

阿里巴巴通义实验室推出端到端语音识别大模型FunAudio-ASR。该模型的创新之处在于其独特的“Context模块”，能显著提升在高噪声环境下的语音识别准确率，将幻觉率从78.5%骤降至10.7%。这使其在会议、公共场所等多说话人的复杂场景下表现出色。

![image.png](https://static.downly.cn/images/3a05aacc63f1a66c8c4726fc7d2b7112.png)
<center>图源备注：图片由AI生成</center>

## 编码效率再升级，Anthropic的Claude AI正式入驻Xcode 26

Anthropic公司的AI助手Claude现已正式集成到苹果的开发工具Xcode 26中。开发者现在可以通过自然语言与Claude交互，获取项目上下文信息，进行代码调试、重构和快速开发新功能。此举将极大地提升在苹果平台上开发应用的效率。

![image.png](https://static.downly.cn/images/27f351258e819552cf8bd7fb27abd57d.png)
<center>图源备注：图片由AI生成</center>

## 真人手办自由来了，腾讯混元3D 3.0攻克人脸雕刻难题

在2025全球数字生态大会上，腾讯发布了全新的混元3D 3.0生成模型。该模型在建模精度上提升了3倍，几何分辨率高达1536³，能支持36亿体素的超高清建模，尤其在人脸雕刻等复杂任务上取得突破。该技术已集成于混元3D AI创作引擎并免费开放，旨在加速3D AIGC技术在各行业的应用。

![image.png](https://static.downly.cn/images/6cf442a2e038daf022732c5acfa182c9.png)
<center>图源备注：图片由AI生成</center>

## Kiro推出全新定价与Auto智能代理，推动AI开发灵活性

AI服务商Kiro宣布了新的定价策略，并推出了Auto智能代理。值得注意的是，该服务将从即日起至9月30日期间免费提供，10月1日开始正式收费。此举旨在为开发者提供更灵活、高效的AI使用方案，降低早期开发门槛。

![image.png](https://static.downly.cn/images/cff015e576c12f30d8ddce26bbf1c34c.png)
<center>图源备注：图片由AI生成</center>

## AI Rollup模式引爆硅谷，传统公司转型“AI工厂”利润暴涨

一种被称为“AI Rollup”的商业模式正在硅谷迅速兴起，它致力于将传统公司改造为高效的“AI工厂”，并已显示出惊人的效果，部分公司利润率暴涨3倍。目前已有超过105家公司投身于这一转型浪潮，预示着市场竞争的加剧和AI驱动的产业变革正全面展开。

![image.png](https://static.downly.cn/images/49c4ab91845b9919edc9adf767b8f0f4.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯0917：巨头竞速布局，AI工具化革命浪潮已至

# AI资讯周报：国产模型突破极限，AI浏览器开启新一轮入口争夺战

> AI界风起云涌，从国产多智能体系统在“人类最后考试”中取得历史性突破，到开源模型在跨模态推理上比肩人类专家，技术竞赛持续升温。与此同时，AI应用正加速渗透，OpenAI与Perplexity纷纷布局AI浏览器，意图抢占下一代互联网入口；行业巨头则通过巨额融资和开源新工具，积极构筑未来生态壁垒。

## 国产AI再创佳绩 X-Masters攻克“人类最后考试”

上海交通大学与深势科技团队合作开发的X-Masters多智能体工作流系统，在极具挑战性的“人类最后的考试”（AIBench-Eval）中取得了32.1分的成绩，首次突破30分大关。该系统通过模拟人类研究者的动态解题过程，并利用创新的“分散-堆叠式”智能体工作流，显著提升了AI在生物、医学等复杂领域的推理与解决问题的能力，标志着通用人工智能发展的重要一步。

![image.png](https://static.downly.cn/images/d803d07940df547259207170e2ce319e.png)

## 昆仑万维Skywork-R1V 3.0发布 跨模态能力媲美人类专家

昆仑万维最新推出的开源模型Skywork-R1V 3.0，在多模态推理能力上实现了巨大飞跃，其表现可与初级人类专家相媲美。该模型通过高质量的蒸馏数据与强化学习进行训练，在MMMU、物理、逻辑和数学等多个权威评测中，其性能超越了包括Claude-3.7-Sonnet和GPT-4.5在内的顶尖闭源模型，展示了强大的跨模态理解与推理实力。

![image.png](https://static.downly.cn/images/4ca7ea45f38d5b159a181ea2bdb97ad1.png)

## 法国AI新星Mistral寻求10亿美元融资 剑指欧洲AI霸主

法国AI初创公司Mistral正在寻求高达10亿美元的股权融资及数亿欧元的债务融资，以巩固其在欧洲市场的领导地位。此轮融资将用于加速其前沿模型的研发与市场拓展。同时，Mistral计划与MGX及英伟达合作，共同建设欧洲最大的AI数据中心园区，旨在提升欧洲AI产业的基础设施水平，确保其在全球AI竞赛中的战略主权。

![image.png](https://static.downly.cn/images/806e680175b9bed4f1fcf8948789a80b.png)

## Hugging Face推出3B参数小模型SmolLM3 高效AI新选择

Hugging Face最新发布了仅有3B参数的开源语言模型SmolLM3。尽管模型小巧，但其性能卓越，在多项基准测试中超越了同级别甚至4B参数的模型。SmolLM3支持双模式推理、长达128K的上下文窗口，并覆盖六种语言，专为边缘计算设备优化，为开发者和企业提供了一个高性价比的AI解决方案。

![image.png](https://static.downly.cn/images/ed639120f5ffdef16b1bfe4253ffd84b.png)

## Vidu Q1功能震撼升级 AI视频生成迈入多参考图时代
<video src="https://static.downly.cn/images/779d5a1303e08f57f65df80145429cda.mp4" title="30948198649-1-16.mp4"></video>
生数科技旗下的视频生成模型Vidu Q1迎来重大更新，推出“参考转视频”功能。新功能允许用户上传最多七张参考图像，并结合文本提示，生成视觉风格高度一致的1080p高清视频。这一突破有效解决了多场景和多主体连贯性的行业难题，极大地提升了内容创作者在复杂叙事和细节呈现上的创作自由度。

![image.png](https://static.downly.cn/images/565461c3ed685e8d8e89fd04aa40dfaa.png)

## NovelAI开放经典动漫模型权重 仅限非商业研究

知名AI内容创作平台NovelAI宣布，即将开放其已停用的Stable Diffusion 1.5动漫模型权重。该模型被命名为NovelAI Diffusion V2，虽然是旧版本，但其在动漫风格生成上仍有很高的参考价值。此次开放主要面向研究人员和爱好者，并规定仅可用于非商业目的。

![image.png](https://static.downly.cn/images/a83a9d01bdf573f1648822e039478611.png)

## AI开发者新宠 Hugging Face开源桌面机器人Reachy Mini

Hugging Face与Pollen Robotics合作，推出了一款面向AI开发者的开源桌面人形机器人Reachy Mini。这款机器人是进行人机交互、编程学习和AI实验的理想工具。它提供了299美元的Lite版和449美元的Wireless版，尽管功能仅限于旋转和头部移动，其在预售阶段仍获得了超过13万欧元的资金支持，显示出开发者社区的巨大热情。

![image.png](https://static.downly.cn/images/5cfa29b44dfc14f44bbc061c50db8c1c.png)

## 谷歌开源MCP数据库工具箱 赋能AI Agent数据操作能力

为了增强AI Agent的数据处理能力，谷歌最新开源了名为MCP Toolbox for Databases的工具集。该工具箱旨在帮助AI Agent轻松连接并操作各类数据库，它支持广泛的数据库类型和客户端接入方式，极大地扩展了AI在数据管理和分析领域的应用潜力，让AI能更深入地参与到企业的数据工作流中。

![image.png](https://static.downly.cn/images/a02429e55ac6b33d5ec1801feaf99832.png)

## AI浏览器争霸战打响 OpenAI与Perplexity入局

AI搜索领域的竞争正从聊天框延伸至浏览器本身。据报道，OpenAI计划在未来几周内发布一款AI浏览器，旨在通过深度集成AI功能重塑用户的网页浏览体验，将部分交互保留在ChatGPT生态内。与此同时，其竞争对手Perplexity也已正式推出AI驱动的网页浏览器Comet，初期面向月费200美元的Max计划订阅用户开放，意图通过提供更智能、更高效的信息获取方式，抢占下一代流量入口。

![image.png](https://static.downly.cn/images/9389050cfda508026cbea75d1f5cbde9.png)

## YouTube加强内容审核 打击AI生成的低质视频

随着AI生成内容的普及，对“AI垃圾内容”的担忧日益加剧。为此，YouTube正准备更新其平台政策，以打击那些“批量生产”和“重复性高”的视频。YouTube的创作者联络人表示，这次调整是现有政策的延续和强化，旨在维护平台内容的质量和原创性，确保观众获得有价值的观看体验。

![image.png](https://static.downly.cn/images/367f9f2f36a0fbf8bd2713f737883aac.png)

AI每日资讯0710

> 欢迎来到今天的每日AI资讯。本文将带您快速了解AI领域的最新动态，包括淘宝推出的全新生成式推荐大模型RecGPT、X平台试行AI生成社区笔记、谷歌数据中心面临的能源挑战，以及亚马逊机器人数量突破百万并发布新款生成式AI模型。



## 淘宝放出大招 RecGPT让“猜你喜欢”比你更懂你

淘宝近期上线了其自主研发的百亿参数推荐大模型 RecGPT，为淘宝首页的核心功能“猜你喜欢”带来了一次重大升级。该模型通过先进的生成式推荐技术，能够更精准地洞察用户需求。RecGPT基于淘宝自家的星辰大语言模型，并深度分析了用户长达十年的消费行为数据，同时结合多模态信息与外部知识库，使其不仅能预测用户当前的需求，更能超前预判用户的潜在兴趣，并自动生成极具吸引力的个性化推荐理由。数据显示，这一升级已显著提升了用户的点击量、加购行为以及页面停留时长，标志着电商个性化体验进入了新时代。

![image.png](https://static.downly.cn/images/0ccf3126c475fbc0bda566521b881164.png)

## 马斯克新玩法 X平台试用AI生成社区笔记

X平台（原推特）正在启动一项引人注目的试点计划，探索使用AI聊天机器人来生成“社区笔记”。社区笔记是X平台用于众包事实核查和信息澄清的一项功能，而此次新举措旨在利用人工智能来辅助和扩展该功能。这是自埃隆·马斯克接手推特以来，对这项源自推特时代的功能进行的一次重要技术升级尝试，旨在提高信息核查的效率和覆盖面。

![image.png](https://static.downly.cn/images/e74ff04661899cf89653b2fe01d37b0a.png)
## AI的代价 谷歌数据中心能耗四年翻倍

随着AI技术的飞速发展，其背后的能源消耗问题也日益凸显。最新数据显示，谷歌数据中心的能源使用量在过去四年中翻了一番。这一惊人的增长速度，为谷歌此前作出的“完全使用无碳电力为运营供电”的承诺带来了巨大挑战。尽管公司在可再生能源方面持续投入，但数据中心作为AI算力基础设施的快速扩张，使得实现全面绿色的目标变得愈发艰巨。

![image.png](https://static.downly.cn/images/b385fc1d0c0791ec154fbd01c534e411.png)

## 机器人大军突破百万 亚马逊AI双喜临门

亚马逊在其自动化和物流领域取得了新的里程碑，宣布已成功部署了第100万台机器人。这支庞大的机器人队伍是其高效运营网络的核心。与此同时，亚马逊还发布了一款全新的生成式AI模型，该模型旨在进一步优化机器人的工作效率和仓储管理能力。通过将先进的AI模型与百万级别的机器人硬件相结合，亚马逊正在重新定义物流自动化的未来，持续提升其全球供应链的效率。

![image.png](https://static.downly.cn/images/c67fec961b815bdd3a097ee509101167.png)

AI每日资讯0702

> 今天的AI前沿资讯。从Adobe的实时视频生成，到NVIDIA的光影魔法，再到Hugging Face的亲民微调教程，今天的科技界可谓是精彩纷呈。无论是专业开发者还是普通爱好者，都能在今天的快讯中找到属于自己的惊喜。让我们一起来看看都有哪些不容错过的亮点吧！

---

## Adobe亮剑视频生成！Self Forcing模型实现4090显卡实时出片，人人都是特效师

> Adobe最新发布的Self Forcing模型，标志着实时视频生成技术的新突破。该模型基于Wang 2.1架构，实现了在单张RTX 4090消费级显卡上的流畅运行，并已开放线上试用，让更多创作者能够亲身体验其强大的功能。

### Self Forcing 核心技术解析

Adobe推出的Self Forcing模型，其技术核心是建立在先进的Wang 2.1架构之上。这一架构专为流式视频生成进行了优化，意味着模型能够一边接收输入指令，一边连续不断地生成视频帧，从而达到“实时”的效果。这与传统模型需要等待完整指令后才能开始渲染的方式截然不同，为即时互动和直播等场景提供了可能。

![image.png](https://static.downly.cn/images/047efc3d48e72798bdc15fd5ff06e0ff.png)

### 硬件亲民化的重要一步

以往，高质量的AI视频生成往往需要庞大的计算资源，通常是数据中心级别的服务器集群。而Self Forcing模型最大的亮点之一，就是它对硬件的优化。官方宣称，该模型可以在单张NVIDIA RTX 4090显卡上高效运行。这使得拥有高端PC的个人开发者、设计师和内容创作者，也能够接触并使用前沿的AI视频生成技术，极大地降低了技术门槛。

### 在线试用与未来展望

为了让更多用户感受Self Forcing的魅力，Adobe已经提供了在线试用入口。用户可以通过官方渠道访问并体验这一模型的实时生成能力。这一举措不仅展示了Adobe对自身技术的信心，也预示着AI视频生成工具将加速融入普通人的创作流程中，未来我们可能会看到更多由AI实时生成的短视频、直播背景甚至互动电影。
[试用地址](https://huggingface.co/spaces/multimodalart/self-forcing)

---

## 挑战Whisper霸主地位！Kyutai发布开源极速STT模型，实时语音转写新选择

> 法国AI初创公司Kyutai推出了一款名为Kyutai Speech-To-Text（STT）的开源模型，以其惊人的速度和超越Whisper Large v3的性能，为语音转文本领域带来了新的标杆。该模型特别优化了实时流式处理，并提供了针对不同需求的版本。

### 性能卓越 超越Whisper

Kyutai Speech-To-Text模型在发布之初就将目标对准了行业标杆OpenAI的Whisper。根据官方公布的数据，其纯英语的2.6B参数版本，在多项评测基准上表现优于Whisper Large v3。这不仅体现在转写的准确率上，更体现在其“极速”的特性上，无论是处理已有的音频文件（批量推理），还是进行实时的语音流转写（流式推理），都展现出了顶级的性能。

![image.png](https://static.downly.cn/images/99f96be5cb2ecec3b5f806a8ddda16bc.png)


### 两种模型版本 各有侧重

为了满足不同场景的需求，Kyutai贴心地推出了两个版本：
* **2.6B参数模型** 这是一个纯英语模型，性能强劲，是追求最高转写质量和速度的用户的首选。
* **1B参数模型** 这是一个更轻量级的双语模型，专为英语和法语的实时语音聊天场景优化。它在保持较低延迟的同时，实现了高效的双语识别，非常适合跨语言交流工具的开发。

### 开源精神与应用前景

Kyutai STT模型选择完全开源，开发者可以在其官方渠道（如Hugging Face）轻松获取模型和相关代码。这意味着任何开发者都可以自由地使用、修改和集成这个强大的工具。尽管目前模型暂不支持中文，但其出色的架构和性能为多语言语音识别领域注入了新的活力，未来有望通过社区的力量扩展到更多语种。

[官方链接](https://kyutai.org/next/stt)

---

## 后期制作的魔法！NVIDIA UniRelight一键重塑视频光影，废片变大片

> NVIDIA AI团队再次展示其技术实力，推出名为UniRelight的通用视频重照明技术。这项基于扩散模型的技术，能够仅凭单张参考图或一段视频，就对目标视频实现逼真、高质量的动态光影重塑，为影视后期和内容创作带来了革命性的工具。

### UniRelight 是什么

UniRelight是一项创新的“通用重照明”技术。简单来说，它允许创作者在视频拍摄完成之后，像编辑照片一样，任意改变视频中的光照效果。无论是想把白天变成黑夜，还是为场景添加一盏虚拟的、动态移动的灯光，UniRelight都能通过AI计算，生成符合物理规律的、自然的光影变化，极大地丰富了后期创作的可能性。



### 扩散模型的魔力

这项技术的核心驱动力是扩散模型（Diffusion Model）。模型通过学习海量数据，理解了光线与物体表面材质、场景深度之间的复杂关系。当用户提供一张参考图片（例如一张日落的照片）时，UniRelight就能“理解”其中的光照风格，并将其应用到目标视频的每一帧中，同时确保光影的连续性和真实感。

### 应用场景与开源计划

UniRelight的应用前景极为广阔。对于电影制作，它可以大幅降低现场布光的成本和难度；对于短视频创作者，它可以轻松为普通视频增添“电影感”；对于游戏开发，它可以用于生成更真实的环境光照。NVIDIA已经表示，该技术的代码即将开源，这意味着它将很快成为广大开发者和创作者可以使用的强大工具。目前，官方网站已展示了大量惊艳的效果案例供业界参考。

[官方链接](https://research.nvidia.com/labs/toronto-ai/UniRelight/)

---

## 一张图、一段话，AI帮你拍广告！HeyGen新功能让产品视频制作进入“傻瓜”模式

> AI视频生成平台HeyGen再次降低内容创作门槛，推出了全新的AI广告生成工具。现在，用户仅需三步——上传产品图、选择虚拟形象、输入文案，即可快速生成一段专业的带货或产品介绍视频，彻底改变了传统营销视频的制作模式。

### 三步搞定产品视频

HeyGen新推出的产品植入功能，主打的就是极致的简洁与高效。整个创作流程被简化为三个核心步骤：
1. **提供产品照片** 用户上传自己需要推广的产品的清晰图片。
2. **选择人物形象** 在HeyGen提供的多种虚拟形象中，选择一个符合品牌调性的“代言人”。
3. **输入文字脚本** 将产品介绍、广告语等文案输入系统。

完成这三步后，AI会自动将产品照片与虚拟形象融合，并根据脚本生成一段口型精准、动作自然的介绍视频。



### AI如何简化营销流程

这项功能背后，是成熟的AI虚拟人技术和图像处理技术的结合。AI不仅能让虚拟人自然地“说话”，还能智能地将静态的产品图片融入到动态的视频场景中，仿佛虚拟人真的手持产品在进行介绍。对于中小型企业、电商卖家或个人品牌来说，这意味着无需昂贵的拍摄团队、演员和场地，就能快速、低成本地批量生产高质量的营销视频。

### 为谁而生

这个工具的主要受益者是那些需要大量视频内容但预算有限的营销人员和商家。它极大地缩短了从创意到成品的周期，使得测试不同的广告文案、产品卖点和视觉风格变得轻而易举。可以说，HeyGen正在让专业的视频广告制作，变得像制作PPT一样简单。

<video src="https://static.downly.cn/images/d7f27be5bce5805ea5d8006fbee8299a.mp4" title="30591878914-1-16.mp4"></video>

---

## 10GB显存就能“炼丹”！Hugging Face发布FLUX.1-dev平民级微调教程

> 人人都能微调大模型不再是梦想。Hugging Face近日发布官方教程，手把手教你如何利用QLoRA技术，在仅有10GB显存的消费级显卡上，对强大的文生图模型FLUX.1-dev进行高效微调，极大地降低了AI模型定制化的门槛。

### 主角 FLUX.1-dev模型

FLUX.1-dev 是一个新兴的、强大的文本到图像生成模型。与之前的扩散模型不同，它采用了新的架构，旨在更深刻地理解文本提示的复杂性和细微差别，从而生成更贴合描述的图像。能够对这样的前沿模型进行微调，意味着用户可以训练出具有自己独特风格的“专属AI画家”。

### 核心技术 QLoRA

实现低门槛微调的关键在于QLoRA（Quantized Low-Rank Adaptation）技术。简单来说，它是一种“四两拨千斤”的训练方法。它通过量化和低秩适配技术，在不牺牲太多性能的前提下，大幅减少了模型微调过程中所需要的显存。Hugging Face的教程正是利用了QLoRA，将原本需要专业级硬件才能进行的任务，成功地运行在了仅有10GB显存的消费级显卡上，如RTX 3060 (12GB) 或 RTX 4060 Ti等。
![image.png](https://static.downly.cn/images/94de23f39bcfcf327cc018f38cf20cad.png)


### 教程详解与实践意义

Hugging Face发布的这篇[官方教程](https://huggingface.co/blog/flux-qlora)，详细介绍了整个微调过程的每一步，包括环境配置、加载模型、准备数据集，以及如何使用`diffusers`库来应用QLoRA进行训练。这篇教程的意义非凡，它为广大的AI爱好者、艺术家和独立开发者打开了一扇大门，让他们能够用得起的硬件，去定制和探索最先进的AI模型，从而催生出更多个性化、多样化的AI艺术作品和应用。

AI每日资讯0620



> 曾几何时，训练一个大型语言模型是只有顶级机构或大型公司才能进行的昂贵且耗时的任务。这需要巨大的计算资源和专业知识，使得个人开发者或小型团队几乎无法企及。然而，最近的一项突破性进展表明，借助创新的分布式计算技术和优化的模型架构，个人开发者也能触及大模型的训练前沿，甚至将400亿参数级别的模型部署在单块消费级显卡上，这预示着AI算力正走向普惠。

## 大型模型训练 曾是巨头的专属游戏

训练像GPT系列、Meta Llama或Claude这样参数规模庞大的大型语言模型（LLMs），通常需要由数千甚至数万块高性能GPU组成的计算集群，耗费数百万甚至上千万美元的电力和硬件成本。这种对集中式、昂贵算力的严重依赖，构成了AI领域一道高耸的门槛，使得大模型的研究、开发和应用似乎天然地被少数拥有雄厚资本和资源的科技巨头所垄断。这无疑限制了AI创新的参与者范围和整体的进步速度。

## 突破性进展 个人开发者迈入400亿参数时代

然而，近期来自AI社区的消息令人振奋，一位个人开发者成功地训练了一个参数规模高达400亿（40B）的大型语言模型。这项成就本身就极具意义，因为它有力地证明了，在合适的技术和平台支持下，个人开发者也能挑战并完成曾经被认为只有大型机构才能胜任的任务。这不仅是个人能力的体现，更预示着AI大模型训练的格局可能正在发生改变。

## 幕后功臣 分布式算力网络Psyche Network

这项令人瞩目的成就得以实现，其核心在于对计算资源的创新性利用。传统上，你需要集中大量的硬件进行训练，但这位开发者借助的正是Nous Research宣布推出的Psyche Network。

Psyche Network 的核心理念是构建一个去中心化的分布式计算网络。它旨在聚合全球范围内分散的、闲置的计算资源——例如个人电脑、小型服务器、数据中心零散的算力等。通过加入Psyche Network，拥有计算资源的贡献者可以将其算力共享出来，而AI开发者则可以利用这个汇聚起来的强大算力池来训练模型，尤其是那些对计算需求极高的大型模型。这种模式有效打破了对单一、大型、集中式计算集群的依赖，为个人和小型团队提供了参与大模型训练的可能性。

![image.png](https://static.downly.cn/images/20250519024326.537834676.png)

## 技术细节 DeepSeek架构与惊人的3090部署

据了解，这位个人开发者训练的400亿参数模型是基于DeepSeek架构。DeepSeek模型以其在性能和效率方面的良好平衡而受到关注，这可能也是模型能够达到如此规模并最终在有限硬件上部署的一个重要因素。

更令人难以置信的是训练完成后，这个400亿参数的模型竟然成功地在单块NVIDIA RTX 3090显卡上实现了有效部署和推理。RTX 3090虽然是一款性能强劲的消费级显卡，拥有24GB的显存，但对于通常需要数百GB甚至数TB显存的40B参数模型来说，其硬件资源是极为有限的。这几乎可以肯定地涉及到了先进的模型量化（如低比特量化）、高效的模型结构优化以及推理框架的加速技术。能够在如此有限的单卡硬件上运行一个40B参数模型，本身就是一项了不起的技术突破，极大地降低了大型模型在边缘设备或个人电脑上进行部署和应用的门槛。

![image.png](https://static.downly.cn/images/20250519024455.452675586.png)

## AI平权的新纪元 打破算力壁垒

这位个人开发者利用分布式算力成功训练400亿参数模型并在3090单卡上部署的案例，不仅仅是一项孤立的技术成就，它更是一个强烈的信号 AI的算力正在走向“平权”。Psyche Network这样的分布式计算平台，为全球范围内的AI研究者、开发者、学生以及任何有志于参与AI创新的人提供了一个新的可能性——无需拥有昂贵的超级计算机集群，也能参与到大型模型的训练和探索中来。

这有望极大地降低AI大模型研究和开发的门槛，激发全球范围内更多个人和小型团队的创造力，加速AI技术的普及和应用。当更多的人能够触及和塑造大型AI模型时，AI的创新路径将变得更加多元化，应用场景也将更加丰富，推动整个AI生态向更加开放、普惠和繁荣的方向发展。

## 结语

个人开发者借助Nous Research的Psyche Network分布式算力平台，成功训练400亿参数大型模型，并将其不可思议地部署在单块RTX 3090显卡上，这一系列成就共同标志着AI大模型训练和部署的门槛正在被显著打破。这不仅仅是技术的胜利，更是AI算力平权理念的有力践行。随着更多类似平台的涌现和技术的不断进步，未来AI的创新将不再是少数巨头的专属，而是全球开发者共同参与和贡献的舞台，一个更加开放和民主化的AI时代或许正加速到来。

搜索结果: 数据中心