



> 导语
> 今日科技圈巨头博弈白热化，Meta成功延揽苹果资深设计副总裁，意在为AR硬件注入顶级设计基因；亚马逊AWS与OpenAI则分别通过发布高性能Nova 2模型家族及收购Neptune平台，在此基础设施与训练效率上筑起高墙。与此同时，国产模型智源Emu3.5与快手可灵2.6在物理世界理解及音画同步生成领域展现出强劲的技术突破力。

---

## 苹果设计副总裁跳槽Meta 掌舵AR眼镜设计新未来

Meta在人才争夺战中取得重大胜利，成功挖来苹果资深设计副总裁Alan Dye。这位曾深度参与苹果UI设计的高管将不仅负责Quest系列，更将主导未来智能眼镜产品线的AR VR设计。Alan Dye将利用其在苹果积累的十年UI秘籍及供应链经验，重点优化AI交互体验。值得注意的是，他将直接向Meta CTO汇报，这一职级安排充分体现了Meta对重塑硬件设计美学及争夺顶尖设计人才的极高重视。

![image.png](https://static.downly.cn/images/1a17bfc2dfdc8c3c9ed2f2a50e6fbc2c.png)
<center>图源备注：图片由AI生成</center>


## 亚马逊AWS大爆发 Nova 2模型与智能体开发工具齐发

在re Invent 2025大会上，亚马逊云科技祭出大招，一口气发布了四款自研Nova 2系列多模态大模型。这些模型集成了网页检索和代码执行功能，据称在性价比上已超越Claude Haiku 4.5及GPT-5 Mini。其中Nova 2 Lite专攻高性价比推理，而Nova 2 Pro则面向复杂的Agent应用。

此外，AWS还推出了智能体“全家桶”，核心亮点在于Strands Agents SDK新增了TypeScript支持，让前端开发者也能轻松构建Agent。同时，新功能扩展了对ARM与x86边缘设备的支持，甚至能在车载芯片上实现低延迟的实时路径规划，极大地加速了AI智能体在端侧的落地进程。

![image.png](https://static.downly.cn/images/82de45942f11a59823dded871754d117.png)
 <center>图源备注：图片由AI生成</center>



## OpenAI收购Neptune 意在倍增GPT迭代训练效率

OpenAI宣布收购实验管理公司Neptune，此举被视为强化模型训练“内功”的关键一步。OpenAI计划整合Neptune的监控调试工具与指标仪表盘技术，以增强模型训练过程的实时可见性。通过共同优化实验追踪与自动化警报功能，OpenAI旨在大幅提升基础模型训练的效率和准确性，这或许意味着GPT系列的迭代速度将迎来翻倍式的增长。

## 智源Emu3.5问世 懂物理规律的世界模型来了

智源研究院正式发布新一代多模态大模型Emu3.5，这不仅是简单的内容生成工具，更是实现了“世界级统一建模”。Emu3.5的显著突破在于提升了AI对物理世界的理解能力和因果推理能力。它能够一键预测真实世界的“下一秒”，标志着人工智能正从单一的生成走向对物理规律的深度认知。

![image.png](https://static.downly.cn/images/73d5e13aae19e46ae8297eebda0868fe.png)
 <center>图源备注：图片由AI生成</center>



## 快手可灵2.6全量上线 实现音画环境完美同步

快手旗下的可灵AI发布首个“音画同出”模型可灵2.6，解决了视频生成中声音匹配的痛点。该模型能够一步生成画面、自然语音、匹配音效以及环境氛围，支持“文生音画”和“图生音画”两种模式。这一更新极大简化了创作者的工作流，用户仅需一段文字或一张图，即可快速获得视听一体的完整内容。

## 谷歌AI三连发 从安卓系统到Gemini用户信任度挑战

谷歌近期动作频频，但在不同领域面临着不同的境遇

*   **Gemini 3 Pro** 在Prolific公司的2.6万名用户盲测中，虽然厂商测试数据亮眼，但在实际应用中的信任度、适应性及沟通风格方面仅获69%好评，显示出用户体验仍有优化空间。
*   **Android 16** 宣布放弃一年一更传统，转为更频繁的发布策略。新系统引入了AI驱动的“通知组织器”，能自动生成通知摘要并屏蔽低优先级打扰，首批功能将在Pixel设备上线。
*   **Google Photos** 上线了2025年度回顾功能，首次集成Gemini大模型进行智能高光提取，能自动识别用户兴趣并呈现个性化的年度主题回忆。

![image.png](https://static.downly.cn/images/91e2e723a6bd12b741e721e0e65de02e.png)
 <center>图源备注：图片由AI生成</center>



## WordPress推出实验性AI工具Telex 氛围编码助力建站

WordPress发布了名为Telex的实验性AI开发工具，引入了独特的“氛围编码”技术。该工具旨在帮助开发者更高效地生成Gutenberg模块。目前，Telex不仅仅停留在概念阶段，已经开始在实际的网站建设中得到应用和展示，为Web开发带来了新的智能化辅助思路。

每日AI资讯1204：Meta重金挖角苹果设计高管 亚马逊OpenAI基建大提速



> 多机器人系统在现代工业、仓储、搜救等领域扮演着越来越重要的角色。然而，如何让多个机器人协同完成复杂的、长时间的任务，特别是高效地进行任务分配和路径规划，一直是机器人学领域面临的巨大挑战。传统的任务规划方法往往效率低下、泛化性差，难以应对现实世界中的动态变化和突发情况。近期，一项来自智源人工智能研究院的开创性研究为这一难题带来了新的解决方案。该研究提出了一种通用的多机器人长时任务规划框架，并成功提升了任务完成的成功率和效率，相关成果已被机器人领域顶级会议 ICRA 2025 接收。

## 多机器人任务规划的挑战

想象一下在一个大型仓库里，几十甚至上百个搬运机器人需要同时完成不同的取货、送货任务。或者在灾难现场，多架无人机需要协同进行侦察和搜救。这些场景都对多机器人系统的任务规划能力提出了 high requirements。

![image.png](https://static.downly.cn/images/20250520070858.555533564.png)

multi-robot task planning challenges mainly include:

*   **任务分配（Task Allocation）** 如何将不同的任务合理地分配给不同的机器人，使得 overall efficiency highest 或 completion time shortest。
*   **路径规划（Path Planning）** 每个机器人如何在 allocated tasks 的基础上规划出 avoid collision 的路径。
*   **长时任务（Long-term Tasks）** 如何处理需要长时间执行的任务，期间可能出现新的任务、机器人故障、环境变化等 unexpected situations。
*   **通用性（Generality）** 如何设计一个框架能够适用于 different types of robots 和 different mission scenarios。

传统的解决方案 often requires manual tuning or is designed for specific scenarios，难以 scale up to large-scale and complex long-term tasks。

## 智源通用多机器人长时任务规划框架的创新

智源研究院提出的通用多机器人长时任务规划框架， aim to tackle these challenges by leveraging advanced AI techniques。该框架的核心创新点在于其 **通用的任务表示** 和 **高效的规划策略**。

### 通用的任务表示

为了实现框架的通用性，研究人员设计了一种能够表示不同类型任务的统一格式。这种格式可以 capturing the essential information of each task，比如任务类型、位置、所需资源、优先级等，使得框架能够处理 divers task types。

### 高效的规划策略

框架采用了一种高效的规划策略， often combines high-level task assignment with low-level path planning。它能够 dynamically adjust 任务分配和路径规划 based on the real-time status of robots and environment changes。

![image.png](https://static.downly.cn/images/20250520070941.465422788.png)

这种策略可能采用了 reinforced learning, heuristic search, or optimization techniques to find the optimal solution in a complex state space。特别是针对长时任务，框架可能 incorporates mechanisms for rescheduling and adapting to unexpected events。

## 实验结果惊人 成功率效率双飞跃

该研究在多个模拟环境和真实机器人平台上对提出的框架进行了 thorough evaluation。实验结果显示，与传统的任务规划方法相比，智源的通用多机器人长时任务规划框架取得了 remarkable improvements。

### 任务成功率提升 +105%

在复杂的长时任务场景下，由于能够更好地处理动态变化和任务分配难题，该框架的任务完成成功率比 baseline 方法提升了 alarming 105%。这意味着在同样的任务集合下，更多的任务能够被 successfully completed。

### 整体任务执行效率提升 +36%

除了成功率，该框架在任务执行效率方面也展现出了 significant superiority。实验数据显示，整体任务执行效率提升了 impressive 36%。这可能体现在 overall task completion time shorter 或 resource utilization higher。

![image.png](https://static.downly.cn/images/20250520071008.961650335.png)

These results highlight the effectiveness and superiority of the proposed framework in handling complex multi-robot long-term task planning problems.

## ICRA 2025 认可 迈向更智能的多机器人系统

该研究成果已被机器人学领域最重要的国际会议之一 ICRA 2025 接收。这标志着该研究在学术界获得了 high recognition，也 validates its technical contribution。

该框架的提出， 为构建 more robust, efficient, and general multi-robot systems 提供了 valuable insights and practical solutions。它有望在物流、制造、农业、应急响应等多个领域发挥 important role，推动多机器人技术的 further development and application。

智源研究院在多机器人协同规划领域的这项前沿研究， 为解决长期困扰业界的任务分配难题带来了新的曙光。该通用框架的成功， 不仅提升了多机器人系统的性能，更 towards the realization of truly intelligent and autonomous multi-robot collaboration迈出了 solid step。

ICRA 2025 前沿 智源最新通用多机器人长时任务规划框架问世 破解分配难题 效率成功率双飞跃



> 在信息爆炸的时代，我们每天都要处理海量的多模态信息，从图片到文字，再到代码。如何快速准确地找到所需信息，成为了人工智能领域亟需解决的问题。近日，智源人工智能研究院带来了令人振奋的消息，他们成功研发并发布了三款达到SOTA（最先进水平）的多模态检索模型：BGE-VL-Screenshot、BGE-Code-v1和BGE-VL-v1.5。这些模型在各自擅长的领域取得了 significant breakthroughs，极大地提升了AI对代码、图文等复杂多模态信息的理解和检索能力。

## BGE-VL-Screenshot 截屏也能轻松搜

你有没有遇到过这样的情况 截了一张图，想根据图片里的文字内容去搜索，却发现很难做到？或者想通过图片来找到相关的网页内容？智源的 **BGE-VL-Screenshot** 模型就是专门为了解决这个问题而生的。

这款模型 unique 的能力在于，它能够 understanding the semantic meaning of screenshot images。也就是说，它不仅仅是识别图片里的文字，更能理解这些文字在图片中的布局和含义，并将其与 natural language query 进行关联。

![image.png](https://static.downly.cn/images/20250520064756.618945248.png)

通过 BGE-VL-Screenshot，你可以用一段文字来描述截图中的内容，模型就能帮你找到相关的截图；反之，你也可以上传一张截图，让模型帮你找到相关的文字信息或者网页链接。这对于我们日常工作和学习中查找和整理信息提供了 extreme convenience。例如，你可以用一段文字描述某个网页的特点，然后通过截图来快速定位到那个网页。

## BGE-Code-v1 代码理解的得力助手

对于程序员和开发者来说，理解和查找代码是 daily routine。传统的代码搜索往往依赖于关键字匹配，效果 sometimes not ideal。智源的 **BGE-Code-v1** 模型在代码理解和检索方面取得了 significant progress。

这款模型专注于理解自然语言描述与代码之间的关系。它能够 effective 地将自然语言问题或需求与相关的代码片段进行匹配。

![image.png](https://static.downly.cn/images/20250520065045.452679833.png)

BGE-Code-v1 可以根据你用中文或英文描述的功能需求，在 vast code repositories 中搜索并找到最相关的代码片段。Similarly，它也可以理解一段代码的功能，并用通俗易懂的自然语言进行解释。这对于代码复用、代码学习、代码错误排查等场景都具有 tremendous value，可以极大地提升开发效率。

## BGE-VL-v1.5 更强的通用图文理解能力

智源的 **BGE-VL-v1.5** 模型则是一款通用性更强的图文理解模型。它在多种图文相关的下游任务上都展现出了 impressive performance，并且取得了 SOTA 成绩。

这款模型的核心能力在于 its sophisticated understanding of the relationship between images and text。它能够 both understand the content of an image and its corresponding text description，并能够 accurately match them。

![image.png](https://static.downly.cn/images/20250520065129.342342376.png)

BGE-VL-v1.5 可以用于各种图文检索任务，例如：

*   **以文搜图** 根据一段文字描述搜索相关的图片。
*   **以图搜文** 根据一张图片搜索相关的文字描述、文章或网页。
*   **跨模态匹配** 理解图片和文字之间的 deeper relationship，进行更 nuanced 的匹配。

这款模型的出色表现， further pushed the boundaries of general visual-language understanding，为构建更强大的多模态AI应用提供了坚实的基础。

## 智源模型的优势与意义

智源此次发布的三大 SOTA 模型， 不仅仅是技术上的突破，更 significant 的意义在于：

### 提升多模态检索效率与准确性

这三款模型在各自的细分领域都达到了当前的最优水平，这意味着它们能够以更高的效率和准确性完成多模态检索任务，帮助用户更快地找到所需信息。

### 为开发者提供强有力的工具

这些模型的发布， 为开发者提供了 powerful tools to build more intelligent and user-friendly multi-modal applications。例如，可以利用 BGE-Code-v1 开发更智能的代码助手，利用 BGE-VL-v1.5 开发更精准的图文搜索引擎。

### 推动多模态AI技术发展

智源在这些领域的持续投入和技术突破， undoubtedly 对整个多模态AI领域的发展起到了推动作用，也为未来的 research and application opened up new possibilities。

智源研究院此次发布的三大 SOTA 多模态检索模型， 在代码和图文理解方面展现出了 leading 的能力， 这无疑是人工智能领域的又一 important milestone。我们期待这些模型能够在实际应用中发挥更大作用，为我们的生活和工作带来更多便利。

智源发布多模态检索新利器 三大SOTA模型 代码图文理解能力全面升级

智源“悟道”大模型，中国首个+世界最大人工智能大模型

悟道

免费的AI插画绘制工具，由昆仑万维与奇点智源合作推出

天工巧绘SkyPaint

智源研究院推出的AI文本图像绘画生成工具

FlagStudio

智源研究院推出的FlagEval（天秤）大模型评测平台

搜索结果: 智源