> **导语**
> 阿里巴巴旗下高德地图在 AI 基础模型领域取得重大突破，正式推出自研世界模型“FantasyWorld”。该模型凭借独特的几何与视频联合建模技术，在国际权威基准 WorldScore 上夺得榜首，并已率先应用于“飞行街景”等具身智能场景。

## 几何与视频的联合建模

FantasyWorld 的核心创新在于解决了传统视频生成模型缺乏物理一致性的痛点。高德团队提出了一种新颖的架构：在冻结的视频基础模型骨干上，增设一个可训练的几何分支。这种设计实现了“视频潜变量”和“隐式 3D 场”的联合建模，且仅需一次前向计算即可完成，极大地提升了推理效率。

这一技术突破使得 FantasyWorld 在生成视频时，不仅能保持极高的视觉真实感，还能确保多视角下的一致性和几何保真度。即使在面对 180° 旋转等极端视角的物体形状与纹理保持上，其表现也远超近期的其他几何一致性方法。模型生成的 3D 潜变量可直接解码为深度图或点云，为下游任务提供了即插即用的 3D 数据支持。

![Google_AI_Studio_2026-01-10T03_50_17.220Z.png](https://static.downly.cn/images/d9ca3c0857bc62f9a33c794f04b46faf.png)
 <center>图源备注：图片由AI生成</center>

## 权威评测与开源计划

作为由斯坦福大学李飞飞团队主导的统一世界生成基准，WorldScore 涵盖了静态场景、动态场景、可控性及一致性等多维度的严苛评估。FantasyWorld 在该榜单上以综合得分第一的成绩强势登顶，特别是在静态世界得分（78.55）和动态世界得分（66.89）等关键指标上，超越了多家国内外知名模型。

学术界的认可紧随其后，相关论文已被 ICLR2025、NeurIPS2025 等顶级 AI 会议收录。高德方面已明确表示，将于近期开源该模型，此举预计将大幅推动学术界与产业界在 3D 世界构建领域的合作与创新。

## 从飞行街景到具身智能

FantasyWorld 的商业价值已在高德地图的“飞行街景”功能中初现端倪。商家只需上传几段简单的手机视频，模型即可低成本、快速地生成高保真的 3D 虚拟漫游街景。这种“技术平权”不仅让普通商家拥有了展示空间细节的能力，也为用户提供了身临其境的预览体验。

更长远的布局在于具身智能。随着自动驾驶向端到端视觉语言行动（VLA）方案演进，追求物理真实性的世界模型变得至关重要。高德内部已成立具身业务部，探索机器人、机器狗等方向，利用 FantasyWorld 在空间智能上的优势，加速从数字地图服务商向物理 AI 领军者的转型。

高德发布世界模型FantasyWorld 登顶WorldScore并将开源

> 游戏人工智能领域迎来突破性进展，NVIDIA与斯坦福大学联合发布通用智能体NitroGen。该模型通过在超1000款游戏中累计4万小时的训练，打破了传统AI“专游专练”的局限，展现出惊人的跨场景泛化能力。研究团队同步宣布完全开源相关数据集与模型权重，意在加速全球通用智能研究进程。

## 通用智能体 终结“一游一练”时代

长期以来，游戏AI研发面临的主要瓶颈是通用性缺失，强化学习模型通常需要针对特定游戏环境从头训练。NitroGen的问世改变了这一格局，其核心竞争力在于极强的环境适应性。

通过在涵盖平台跳跃、即时战略、射击竞技、解谜及模拟经营等全品类游戏环境中的高强度学习，NitroGen掌握了底层的感知、决策与操作逻辑。实验数据表明，即便面对从未见过的全新游戏，该模型也能迅速调用已有经验，快速达到人类玩家的可玩水平，实现了从“专用专家”到“全能玩家”的跨越。

![Google_AI_Studio_2025-12-27T02_58_10.468Z.png](https://static.downly.cn/images/836fbf98aa6cc29781b85b900ee56ea8.png)

<center>图源备注：图片由AI生成</center>

## 数据开源 构筑科研基础设施

NitroGen的成功离不开高质量数据的支撑。为了推动行业共同进步，研究团队发布了名为GameVerse-1K的庞大通过数据集。该数据集包含了超过1000款商业及开源游戏的完整交互记录，汇总了人类玩家与AI长达4万小时的对战影像。

更为关键的是，每一帧画面都与其对应的操作指令、奖励反馈及状态元数据进行了毫秒级的精准对齐。目前，所有代码、模型权重及数据资源均已上传至GitHub与Hugging Face，向全球开发者和研究机构免费开放，支持非商业性质的学术探索。

## 技术突破 纯视觉方案迈向AGI

在技术架构上，NitroGen采用了极具前瞻性的纯视觉输入方案（Pixel-only）。它不依赖游戏内部API或底层状态代码，而是像人类一样通过“看”屏幕来玩游戏。同时，团队设计了统一的动作抽象层，将键盘、手柄、触屏等复杂的输入方式映射为标准化的动作空间。

AIbase观点指出，游戏作为高维、动态的复杂模拟环境，是训练通用人工智能（AGI）的最佳试验场。NitroGen所验证的“大规模预训练+快速迁移”范式，其应用前景远超娱乐领域，未来有望直接迁移至机器人控制、自动驾驶及工业仿真等物理世界场景。

英伟达联手斯坦福开源通用游戏AI NitroGen打破单一模型桎梏

> 导语：今日的AI领域展现出技术应用的两面性，既有深入日常生活的智能助手升级和内容创作平台的革新，也有对前沿科技滥用于生物武器等风险的深刻反思与积极防御。从家用到医疗，从编程到安全，AI正以前所未有的深度和广度重塑我们的世界。

## 小度设备迎来春天 免费升级多模态AI助手

百度世界大会上，小度科技发布了其全新的多模态AI助手“超能小度”。通过整合语音、视觉及空间信息，新版本极大增强了对用户与环境的感知能力。令人振奋的是，数千万现有的小度设备用户均可免费升级，直接体验到更智能、更自然的交互，这标志着人机交互正迈向一个全新的阶段。

![image.png](https://static.downly.cn/images/1dedd4be50e9947f318402cad9012c04.png)
<center>图源备注：图片由AI生成</center>

## 音画同步的革命 开源视频生成技术Ovi面世

Character AI与耶鲁大学联手发布了一项名为Ovi的开源视频生成技术，它采用了创新的双骨干交叉模态融合架构。这一技术能够并行处理音频和视频数据，实现二者之间前所未有的深度交互与完美同步，彻底颠覆了传统的音画生成模式，为视频内容创作带来了新的可能性。

![image.png](https://static.downly.cn/images/ed4b42eb97919522a74322e2bdbc816a.png)
<center>图源备注：图片由AI生成</center>

## AI为生命续航 器官移植浪费有望减少六成

斯坦福大学的研究团队开发出一种新型AI工具，专注于评估心脏骤停后捐献器官（尤其是肝脏）的移植可行性。该工具通过精准分析捐献时机等复杂因素，能显著减少因评估不准而导致的器官浪费。这项突破有望将器官浪费率降低60%，极大缓解全球器官短缺的严峻问题。

![image.png](https://static.downly.cn/images/a15e74843c16a2d24b4e31f2b6a761d9.png)
<center>图源备注：图片由AI生成</center>

## AI编程工具大爆发 Cursor一年三轮融资

AI编程工具Cursor的母公司Anysphere近期完成了高达23亿美元的D轮融资，公司投后估值达到惊人的293亿美元。本轮融资由Coatue和Accel领投，英伟达和谷歌等科技巨头也作为新投资者加入。这笔资金将用于强化其技术生态系统，进一步巩固其在AI编程领域的领导地位。

![image.png](https://static.downly.cn/images/0c101ad6ee742a4e3bc202da810fccbc.png)
<center>图源备注：图片由AI生成</center>

## beehiiv平台全面进化 一站式满足创作者所有需求

内容创作平台beehiiv宣布进行大规模功能扩展，新增了实时分析、AI网站生成、播客托管和数字产品销售等强大功能。这一系列更新旨在帮助创作者打通从内容生产到商业变现的全链路，实现对受众、品牌及收入的全面掌控，构建完整的商业闭环。

![image.png](https://static.downly.cn/images/585c8ac7be4edda8c8001413d2c20b60.png)
<center>图源备注：图片由AI生成</center>

## 马斯克重塑知识库 Grokipedia更名“卡拉狄加百科全书”

埃隆·马斯克宣布，他旗下的知识平台Grokipedia将更名为“卡拉狄加百科全书”。该项目雄心勃勃，旨在整合所有开源的音频、图片、视频等知识资源，构建一个包罗万象的人类知识宝库。尽管马斯克承认项目尚需完善，但他对其未来的发展潜力充满信心。

![image.png](https://static.downly.cn/images/b911c5670c4321b2f46c26690a91cb4e.png)
<center>图源备注：图片由AI生成</center>

## 防范未然 OpenAI投资初创公司抵御AI生物武器威胁

为了应对AI技术被滥用于生物武器制造的潜在风险，OpenAI领投了对初创公司Red Queen Bio的1500万美元融资。这家公司专注于利用AI技术构建防御系统，增强生物安全能力。这是继投资生物安全软件公司Val之后，OpenAI在AI风险管控领域采取的又一重要战略举措。

![image.png](https://static.downly.cn/images/b33422fcfd77fc8cd508af38edf7b830.png)
<center>图源备注：图片由AI生成</center>

## 火狐浏览器革新 推出全新AI窗口提升浏览体验

为了给用户带来更智能、灵活的网页浏览体验，Mozilla为其火狐浏览器新增了AI窗口功能。该功能集成了AI助手和聊天机器人，可以直接在浏览器侧边栏为用户提供帮助，标志着Mozilla正式在人工智能领域进行战略布局，力求提升核心产品的竞争力。

![image.png](https://static.downly.cn/images/0159a5728d400d94d89ef6c717f43e94.png)
<center>图源备注：图片由AI生成</center>

## 打破数据孤岛 Verinext与DevRev联手推出智能AI助手

Verinext与DevRev宣布合作，共同推出一款名为“Computer”的智能AI助手。该助手旨在帮助企业打破内部数据孤岛，实现数据的高效整合与自动化，从而推动AI创新和业务增长。Verinext将提供从用例分析到基础设施现代化的全流程专业指导，确保AI解决方案的安全与高效。

![image.png](https://static.downly.cn/images/d16171de26eb575983e69604274930f9.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯1114：AI赋能生活与安全，从多模态交互到生物威胁防御

> 斯坦福大学的研究揭示了AI在企业新闻稿中的广泛应用，同时AMD与OpenAI签署了价值数百亿美元的芯片协议。AI新创公司Supermemory获得了260万美元的融资，致力于构建通用的AI记忆API。OpenAI宣布了其开发者日的重磅消息，ChatGPT将平台化。马斯克的xAI启动了1400亿的融资，谷歌发布了新的Gemini模型，Sora 2也已发布，杰夫·贝佐斯展望了太空数据中心的未来。

## AI写作无处不在？斯坦福报告称四分之一企业新闻稿为AI生成

根据斯坦福大学的一项最新研究，大型语言模型在企业新闻稿等正式书面沟通中的应用比我们想象的要广泛。研究人员通过先进的统计模型分析了大量英文新闻稿，发现其中许多文本都带有明显的人工智能生成痕迹。这一发现引发了关于信息真实性和内容原创性的广泛讨论。

![image.png](https://static.downly.cn/images/a645eadecc2489177a28fae6872b7c3c.png)
图源备注：图片由AI生成
 

## 强强联合 AMD与OpenAI签署数百亿美元芯片供应协议

AMD公司近日宣布，已与OpenAI签订了一项长达数年的芯片供应协议。根据协议，OpenAI将获得AMD多代Instinct GPU提供的6千兆瓦计算能力，首批交付的将是MI450 GPU。此举不仅将为AMD带来数百亿美元的收入，还将极大地提升其在人工智能领域的市场地位，为未来的AI发展提供强大的硬件支持。


![image.png](https://static.downly.cn/images/b36f8b6dc0127b9a2135aea1c26b95fa.png)
图源备注：图片由AI生成
 

## 记忆赋能AI Supermemory获260万美元融资打造通用记忆API

人工智能初创公司Supermemory近日宣布获得260万美元的种子轮融资。该公司致力于解决AI应用中的记忆难题，计划通过构建一个通用的记忆API来处理非结构化数据，并以此构建知识图谱，从而为用户提供更加个性化和上下文感知的服务。这一创新有望让人工智能变得更加“聪明”和“体贴”。

![image.png](https://static.downly.cn/images/07144c0026b32b3d472f8c280cf1911d.png)
图源备注：图片由AI生成
 

## 生态革命 OpenAI宣布ChatGPT平台化 推出自主AI代理

在备受瞩目的开发者日上，OpenAI公布了其雄心勃勃的计划：将ChatGPT转型为一个第三方应用平台。通过全新的Apps SDK，开发者将能够构建交互式的应用程序和自主的AI代理，这些应用将无缝集成到ChatGPT的聊天界面中，并支持全屏等功能。此举旨在彻底革新AI生态系统，大幅提升用户的任务执行效率。

![image.png](https://static.downly.cn/images/ff2a5e3f6efab36672b526d98450629d.png)
图源备注：图片由AI生成
 

## 马斯克xAI启动1400亿巨额融资 与英伟达GPU供应深度绑定

伊隆·马斯克旗下的人工智能公司xAI已启动一轮高达1400亿美元的融资活动。值得注意的是，此次融资与英伟达的GPU供应紧密挂钩，其中英伟达更是豪掷140亿美元参与投资。这一战略性的举动不仅显示了xAI对高性能计算领域的扩张野心，也凸显了其对关键硬件资源的迫切需求，预示着未来AI领域的激烈竞争。

![image.png](https://static.downly.cn/images/7ffc04ba72b6747b11abb88c0646e42c.png)
图源备注：图片由AI生成
 

## 版权风暴来袭 MiniMax在好莱坞的重压下如何求生

中国AI公司MiniMax正面临来自好莱坞的版权“风暴”。面对严峻的挑战，该公司需要运用智慧和策略来应对，并在逆境中寻找生存和发展的可能性。这起事件也引发了业界对于AI内容生成与知识产权保护的深刻思考。

![image.png](https://static.downly.cn/images/9f3acc2da26250130db45416945dbb75.png)
图源备注：图片由AI生成
 

## 谷歌发布Gemini 2.5新模型 专攻浏览器交互效率提升三倍

谷歌近日推出了其最新的Gemini 2.5 Computer Use模型。该模型专注于浏览器内的交互任务，能够执行包括表单填写在内的13种不同操作，据称其效率相较于前代模型提升了三倍。目前，开发者已经可以申请试用该模型，但暂不支持全系统级别的操作。

![image.png](https://static.downly.cn/images/03964521e4c350f607dfb0f9fe108fd3.png)
图源备注：图片由AI生成
 

## 「Sora 2」震撼发布 是创作工具还是行业颠覆者

备受期待的Sora 2终于发布，其惊人的视频生成能力再次引发了业界的广泛讨论。Sora 2的成功不仅归功于其领先的技术，还得益于其周密的市场推广和产品规划。人们不禁要问，这究竟是一个强大的创作工具，一个有趣的玩具，还是一个将彻底颠覆相关行业的“杀手”？

![image.png](https://static.downly.cn/images/14a521d2832b6256cf8b0fb597d6cce4.png)
图源备注：图片由AI生成
 

## 贝佐斯新愿景 未来一二十年内在太空建造千兆瓦级数据中心

亚马逊创始人杰夫·贝佐斯近日提出了一个大胆的预测：在未来的10到20年内，人类将有能力在太空中建造千兆瓦级别的数据中心。这些数据中心将利用全天候的太阳能运行，不受地球天气的影响，并且随着技术的进步，其建设成本将持续降低。这一设想为未来数据存储和处理描绘了一幅全新的蓝图。

![image.png](https://static.downly.cn/images/1d517141b87ef7c1de4ae0e37ab35ef1.png)
图源备注：图片由AI生成

每日AI资讯1008：AI写作检测、芯片巨头合作与通用记忆API




> 导语：今日AI界热点纷呈，从谷歌为Gemini助手增加“记忆”功能以提供更个性化的服务，到Mistral AI发布性能更强的Medium 3.1多模态模型；从香港大学等机构开源OpenCUA框架让人人都能构建专属电脑管家，到字节跳动开源VeOmni框架提升多模态训练效率。同时，AI的应用场景也在不断拓宽，谷歌上线AI搜特价机票功能，Midjourney降低高清视频创作门槛，更有西班牙初创公司推出可在手表上运行的超微型模型。此外，谷歌也在Photos中引入新功能，帮助用户辨别AI生成内容，致力于提升数字世界的透明度。

## AI助手更懂你 谷歌Gemini迎来“记忆”与“隐私聊天”模式

谷歌为其AI助手Gemini带来了两项重大功能更新 “记忆”与“临时聊天”。“记忆”功能允许Gemini持续学习用户的偏好和信息，从而在未来的对话中提供更加个性化和贴切的建议与提醒，让AI助手成为真正的“私人助理”。而“临时聊天”模式则充分考虑了用户隐私，在该模式下的所有对话内容都不会被保存或用于模型训练，确保了用户在处理敏感信息时的安全性。这一更新旨在全面提升AI助手的智能化服务水平与用户的使用安全。

![image.png](https://static.downly.cn/images/c305d12fa40e1d5c128425d9ff6feb69.png)

## 创作门槛再降低 Midjourney向标准用户开放高清视频生成

知名AI创作平台Midjourney宣布重大更新，将其高清视频生成功能开放给所有标准订阅用户。此次升级不仅让更多创作者能够轻松制作出高质量的视频内容，还同步推出了批量创作和独立的Moodboards灵感管理页面等功能，极大地提升了创作效率和用户体验。同时，平台也优化了视频审核机制以确保内容合规。这一系列举措旨在让AI创作变得更加简单、高效，并激发更广泛的创意灵感。

![image.png](https://static.downly.cn/images/00976d34d91cde397529c6a241b1b89f.png)

## 说走就走 AI帮你找特价机票 谷歌上线Flight Deals新功能

谷歌在其机票搜索服务Google Flights中集成了一项名为Flight Deals的全新AI工具。用户现在可以使用自然语言，如“下个月去东京的五日游最便宜的机票”，来直接搜索优惠航班。该工具会智能分析并根据节省百分比和价格进行排序，帮助用户快速锁定最具性价比的选择。此举不仅提升了用户预订体验，也被视为谷歌在日益激烈的旅游搜索市场中，利用AI技术巩固其领先地位的重要一步。

![image.png](https://static.downly.cn/images/8bc9074a2b1b4bde9679919f444c0d9d.png)

## 人人都能拥有专属电脑管家 香港大学等机构开源OpenCUA框架

香港大学联合月之暗面、斯坦福大学等顶尖机构，共同开源了OpenCUA框架。该框架提供了一套完整的开发工具、数据和模型，旨在让开发者能够轻松构建和扩展个性化的计算机使用智能体（CUA）。这些智能体可以像真人助手一样操作电脑完成复杂任务，其性能在测试中已超越GPT-4o。OpenCUA的开源为人人都能打造专属的电脑智能助手提供了强大的技术支持，将极大推动计算机智能体应用的普及。

![image.png](https://static.downly.cn/images/d28e8fc1a5fa5ecf01d41a74e2c1dcff.png)

## 火眼金睛辨真伪 谷歌Photos新增AI图像识别功能

为了应对日益泛滥的深度伪造和AI生成内容，谷歌Photos即将推出一项名为“How Was This Made”的新功能。该功能通过分析嵌入在图片和视频文件中的内容凭证，可以清晰地向用户展示该媒体是自然拍摄、经过AI编辑还是完全由AI生成。此举旨在提升数字媒体的透明度和真实性，帮助用户在信息爆炸的时代更好地辨别内容的来源与真伪，重建对数字内容的信任。

![image.png](https://static.downly.cn/images/638053c5ed83009d48dac9cfc0b85700.png)

## AI也能“塞进”手表里 西班牙独角兽发布两款超微型AI模型

欧洲AI独角兽公司Multiverse Computing发布了两款基于其CompactifAI压缩技术的极微型AI模型 “ChickBrain”（鸡脑）和“SuperFly”（苍蝇大脑）。这两款模型体积小到可以在智能手表、家用电器甚至PC等设备上离线流畅运行，目标是在极小的硬件资源下保留高效的实用性功能。该公司透露，已在与苹果、三星等主流设备制造商进行合作洽谈，未来我们身边的日常设备或将变得更加智能。

![image.png](https://static.downly.cn/images/f5f1711e8bbf99659315c62983c82742.png)

## 性能全面升级 Mistral AI发布Medium 3.1多模态大模型

法国AI巨头Mistral AI重磅发布了其最新的Mistral Medium 3.1模型。新模型在性能上实现了全面升级，尤其在推理、编码及STEM（科学、技术、工程和数学）等专业任务上表现卓越，优于同级别的竞争对手。作为一个多模态模型，它不仅能处理文本，还能理解视觉输入。此外，模型内置的语调适配层使其能更好地满足企业客户的定制化需求，目前已通过Le Chat平台和API接口向开发者开放。

![image.png](https://static.downly.cn/images/cfd4b4f32d651c1e59186d2a2dc645bc.png)

## 加速多模态训练 字节跳动开源VeOmni框架

为了解决AI领域中多模态模型训练碎片化、效率低下的问题，字节跳动宣布开源其内部长期使用的VeOmni框架。该框架通过提供统一的API，巧妙地整合了多种并行策略，并优化了显存和计算效率，同时还支持前沿的蒸馏技术。这使得开发者在训练包含语言、视觉、视频等多种模态的AI模型时，能够显著提升训练效率和数据吞吐量，从而加速从研发到部署的整个流程。

![image.png](https://static.downly.cn/images/a7b7e5647cd8ea557d9ebcfe5a53ce9c.png)


每日AI资讯0815：谷歌Gemini迎来重大更新，Midjourney向标准用户开放高清视频生成



> 导语：今日头条聚焦三大热点：一名黑客利用汽车制造商门户网站的安全漏洞，竟能从任何地方远程解锁并访问客户车辆；曾经的“金饭碗”计算机科学专业如今面临前所未有的就业危机，毕业生失业率飙升；与此同时，斯坦福大学在教育公平的呼声中，依然坚持其备受争议的“遗赠生”招生政策。

## 远程“掌控”你的车，汽车制造商曝出严重安全漏洞

安全研究员Eaton Zveare最近发现了一个惊人的安全漏洞，该漏洞存在于一家知名汽车制造商的经销商门户网站中。通过这个漏洞，黑客可以远程访问大量敏感的客户及车辆数据。情况远比想象的更严重，攻击者甚至能够完全接管客户的账户，执行包括解锁车门在内的危险操作。这一发现为整个汽车行业的网络安全敲响了警钟，用户的车辆和个人信息安全正面临前所未有的威胁。

![image.png](https://static.downly.cn/images/ce161b23b1fadfa19eae07c6d54e47b7.png)

## 计算机科学的“黄金时代”落幕

曾几何时，计算机科学学位被视为通往高薪和稳定工作的康庄大道。然而，最新的数据显示，科技行业的就业保障正在迅速瓦解。计算机科学专业的毕业生失业率已攀升至令人不安的6.1%至7.5%之间，这一数字甚至超过了生物学和艺术史等传统意义上的“冷门”专业。这标志着“编程即繁荣”的时代承诺已经破灭，未来的程序员们正面临一个更加严峻和不确定的就业市场。

![image.png](https://static.downly.cn/images/d797af5c692d45c9796b505a4224414b.png)


## 精英门槛引争议，斯坦福大学坚持“遗赠生”招生

在全球对教育公平的呼声日益高涨的背景下，顶尖学府斯坦福大学近日确认，其2026年秋季的入学政策将继续考虑申请者的“遗赠生”身份，即父母或亲属是否为校友。这一决定引发了广泛的社会争议。此外，斯坦福还结束了此前施行的“标化考试可选”政策，重新要求所有申请者必须提交SAT或ACT成绩。这一系列举措被一些人解读为对精英阶层的倾斜，进一步加剧了关于教育机会平等的讨论。

![image.png](https://static.downly.cn/images/e7c1e62a0e2e9451f22d5a5c67f2eba4.png)


每日AI资讯0811：汽车安全漏洞惊现，计算机饭碗不保，斯坦福招生政策引争议

斯坦福大学推出的大模型评测体系

搜索结果: 斯坦福大学