> 边缘侧极简模型与云端闪速多模态模型的同步发布，标志着谷歌正试图用机海战术重新夺回安卓生态的话语权，将算力战争从云端烧向每一部智能手机。

## 算力下沉与谷歌的安卓保卫战

当行业的目光依然死死盯着云端那些吞噬万张 H100 显卡的庞然大物时，Google DeepMind 却出人意料地打出了一套组合拳：Nano Banana 2 Lite（一个名字极具实验性甚至带有极客戏谑色彩的端侧微模型）与 Gemini Omni Flash（主打极致速度的多模态云端模型）。这两款体量悬殊的模型的同步问世，绝非偶然的技术发布，而是谷歌深思熟虑后的生态防御反击战。

面对 OpenAI 与微软在云端大模型市场的步步紧逼，谷歌的最大底牌依然是其垄断全球的 Android 系统与数以十亿计的智能设备。
核心战略　Nano Banana 2 Lite 的定位极其明确：它不需要连网，不依赖昂贵的云端 API，凭借极低的内存占用和优秀的电池能效比，直接嵌入手机的系统底层。这意味着谷歌正在试图跳过 App 层的应用竞争，直接在操作系统级别切断竞争对手的流量入口，让手机自身长出原生的 AI 神经。

![52.jpg](https://static.downly.cn/images/e71e267d590a61b70c400014fe4a28ab.jpg)<center>图源备注 图片由AI生成</center>

## 闪速多模态带来的流量漏斗重构

如果说端侧的 Nano 模型负责拦截基础的文字与本地控制请求，那么 Gemini Omni Flash 则是谷歌在云端布置的一把快刀。在当前的 AI 商业变现中，“高频且轻量”的多模态交互需求（如语音实时翻译、图片快速检索、视频流摘要）占据了绝大比例。

Omni Flash 的使命，就是以极低的延迟接管那些端侧算力无法处理，但又对实时性要求极高的任务。通过在端侧与云端之间建立无缝协同的路由分发机制，谷歌构建了一个极其高效的流量漏斗。
商业护城河　本地的小模型处理 80% 的隐私与轻量化请求，零成本；剩下 20% 的复杂多模态请求上传给 Omni Flash，实现毫秒级响应。这种端云协同矩阵，不仅极大地摊薄了谷歌自身的算力运营成本，还为开发者提供了一套无法拒绝的基础设施套餐，试图将他们牢牢锁定在 Google 的技术栈内。

## 硬件厂商与大厂的微妙博弈

然而，这套宏大的端侧卡位战并非没有隐患。谷歌试图通过底层模型统一安卓阵营的 AI 标准，势必会触碰三星、小米、OPPO 等头部手机厂商的逆鳞。

近年来，硬件巨头们纷纷重金投入自研端侧模型，试图将 AI 作为新的产品溢价点与品牌护城河。Nano Banana 2 Lite 的强行推广，实质上是在剥夺硬件厂商的系统定义权。未来一年，谷歌如何通过利润分成、系统底层授权与算力补贴，来安抚这些既依赖安卓又心怀鬼胎的硬件盟友，将是这场商业博弈中最精彩的棋局。不管怎样，DeepMind 这一手落子，已经正式宣告了大模型主战场向边缘侧硬件设备全面转移的开始。

DeepMind 双子星模型背后的端侧算力卡位与生态防御战

> 从软件算法向底层硬件渗透，OpenAI首款自研推理芯片的问世不仅是降本增效的必然选择，更是大模型生态向纵深部署演进的明确信号，英伟达的护城河迎来实质性挑战。

## 挣脱算力枷锁的必然之举

在人工智能的狂飙突进中，英伟达几乎垄断了行业的“水和电”。每一笔巨额的融资，最终都化作了交向黄仁勋的“算力税”。当OpenAI与博通联手推出名为Jalapeño的推理芯片，这场芯片领域的商业博弈正式从暗流涌动走向了公开宣战。

Jalapeño的推出，精准切中了当前大模型商业化落地的最大痛点　推理成本。在模型的生命周期中，预训练虽然耗资巨大，但却是一次性投入；而模型上线后，每天响应全球数以亿计的API调用和终端请求，这部分推理算力成本犹如一个无底洞，正在持续侵蚀着AI巨头们的毛利润。OpenAI作为当前最大的AI应用服务商，其对推理成本的敏感度远超任何同行。

![22.png](https://static.downly.cn/images/6d89e04f240e9731350bedf9dc653c61.png) <center>图源备注 图片由AI生成</center>

选择博通作为盟友，是OpenAI在权衡风险与效率后走的一步妙棋。博通在ASIC定制芯片领域拥有深厚的技术积淀和流片经验，能够极大缩短Jalapeño从图纸到量产的周期。通过这种软硬协同的定制化开发，OpenAI可以将自身模型独有的Transformer注意力机制与底层硬件指令集进行深度绑定与联合优化。这不仅意味着指令执行效率的成倍跃升，更意味着OpenAI能够摆脱英伟达通用GPU架构中为兼容性而牺牲的冗余功耗。

## 深刻重塑大模型部署生态

Jalapeño芯片的落地，其野心远不止于替OpenAI省下几亿美元的电费与硬件折旧费，它将直接重塑整个LLM的部署生态与商业版图。

从行业格局来看　这标志着“软件定义硬件”时代的真正到来。过去，算法研究员只能在现有的GPU架构下戴着镣铐跳舞；现在，顶尖AI企业开始根据其算法的演进路线，向上游倒逼硬件形态的重构。Jalapeño一旦在OpenAI庞大的云端机房中规模化部署，将直接剥夺英伟达在推理市场的一大块蛋糕，并引发谷歌、Meta等巨头加速自研芯片的羊群效应。

![23.png](https://static.downly.cn/images/406431c5c8997d48029aebfd352b89c6.png) <center>图源备注 图片由AI生成</center>

对于下游千行百业的开发者而言，这一动作意味着更加廉价、稳定的API调用即将成为现实。算力成本的断崖式下降，将直接催生出一批以往因成本受限而无法落地的商业模式。更为深远的影响在于，OpenAI通过这颗自研芯片，完成了从“顶级算法提供商”向“算法加算力垂直整合寡头”的蜕变。未来，当OpenAI不仅掌握着最聪明的大脑，还掌握着最经济的算力基础设施时，其在与微软等云厂商的博弈中，将握有更具压倒性优势的商业底牌。

OpenAI联合博通推Jalapeño推理芯片 剑指英伟达算力霸权

> 阿里巴巴内部完成关键组织换阵，顶尖科学家李飞飞挂帅阿里云，通义实验室升格为大模型事业部。此举标志着其从基础设施到底层模型的全链路AI战略正式迈入全面冲刺阶段。

## 顶尖人才入局 核心阵型完成重组

在生成式人工智能的下半场竞逐中，底层算力与基础设施的强弱直接决定了科技巨头的市场身位。阿里巴巴集团CEO吴泳铭亲自推动的此次架构升级，不仅设立了极具战略意义的集团技术委员会，更将全球顶尖AI学者李飞飞招致麾下。李飞飞正式出任阿里云CTO，其核心使命直指阿里云技术底座及AI云基础设施的全面强化。

这一人事布局传递出明确的信号，阿里正试图通过引入学界与业界的复合型领军人物，拉高其云计算业务在算力调度与模型部署上的技术壁垒。同时，由吴泳铭亲自挂帅，李飞飞、周靖人、吴泽明共同组成的集团技术委员会，将成为阿里未来技术走向的最高决策大脑。

![12.png](https://static.downly.cn/images/aa28f30cce902e28c411f82d9a99bcd0.png)

<center>图源备注 图片由AI生成</center>

## 通义自立门户 决战AGI下半场

为彻底解放大模型的研发潜力，原本隶属于研发体系的通义实验室在此次调整中正式升格为通义大模型事业部。这一变化不仅是部门级别的跃迁，更是资源倾斜与战略聚焦的直观体现。

周靖人作为该事业部的核心掌舵者，同时兼任技术委员会首席AI架构师，将专注于大模型能力的向上突破；而吴泽明则将精力收敛于集团CTO的本职工作，主攻至关重要的AI推理平台建设。两者在模型研发与工程落地上的分工，构筑了阿里更加扁平、高效的技术攻坚体系。

## Token经济与市场验证

步入2026年，阿里在AI领域的落子更加注重商业化与实际效能。此前成立的ATH事业群已将创造与应用Token确立为核心商业模式，标志着其对AI价值变现的深层思考。

市场数据印证了这一战略的有效性。最新迭代的Qwen 3.6 Plus模型近期成功问鼎OpenRouter全球大模型周调用量榜首。强大的开源渗透力与高频调用的市场反馈，成为阿里此次组织架构大调的底气所在。配合淘宝闪购等业务线的管理层微调，阿里巴巴已然完成了从底层架构到前端应用的人才梯队对齐，全面投入AGI时代定义权的争夺。

阿里AI权力重构 李飞飞掌舵阿里云与通义事业部独立

> 为应对大模型激增的调用负荷，Anthropic斥巨资投建数据中心并引入资深架构专家，意在当前的底层硬件竞逐中抢占先机。

## 核心高管入局重塑服务稳定性

随着人工智能底层应用需求的爆发式增长，算力基础设施的承载能力正成为头部企业的核心制约因素。近日，知名人工智能企业Anthropic宣布从微软招募资深高管埃里克博伊德，全面接管公司的基础设施建设业务。博伊德在企业级架构与大型语言模型部署领域拥有十六年的深厚积累，曾协助大量内外部团队完成复杂的模型落地工作。近两个月以来，以Claude Code为代表的系列产品在行业内引发了前所未有的使用热潮，普通用户与企业端的高频调用直接导致服务频繁遭遇不稳定状况。公司首席技术官对外表示，新任负责人的丰富经验将成为化解系统过载风险、应对全球激增使用量的关键支撑。

![22.png](https://static.downly.cn/images/f835f2563a49b09af7e97e3608e1e579.png) <center>图源备注：图片由AI生成</center>

## 巨额注资直面算力军备竞赛

为从根本上打破物理算力对业务增长的束缚，企业正在全方位拓展云计算边界。据最新披露的战略规划，Anthropic承诺将在美国本土注资五百亿美元，用于构建新一代超大规模人工智能数据中心。这一惊人的投资体量凸显了当前科技赛道对基础设施建设的极度渴求。相较于竞争对手计划在未来数年内投入六千亿美元打造底层设施的宏大蓝图，算力层面的资金与资源角逐已进入白热化阶段。在技术迭代日新月异的市场环境中，如何通过稳固的底层设施确保顶层应用的可用性与连续性，已成为决定企业能否在激烈市场厮杀中突围的胜负手。

Anthropic重金注资算力基建 微软前高管加盟破局算力瓶颈

> 开源大模型赛道再迎效率革命，最新发布的128专家混合架构模型首次将逻辑推理、原生多模态与智能体编码融合于单一底座。通过极致的参数激活优化，开源社区在性能与算力成本之间找到了极佳的平衡点。

## 三位一体 聚合旗舰核心能力

追求高效始终是开源阵营的核心竞争力。Mistral AI在最新开源的Small4模型中，通过底层架构的重构，打破了过去开发者必须在不同专业模型间反复横跳的困境。

该模型被定义为首款真正的多功能聚合体，全面继承了家族此前的三大标杆能力 包括被命名为Magistral的卓越逻辑与数学推理机制，支持原生图像输入解析的Pixtral多模态处理引擎，以及专为复杂软件工程打造的Devstral智能体编码能力。这种三合一的集成设计，大幅降低了企业级开发中的模型部署与调度复杂度。

![52.png](https://static.downly.cn/images/f583f214b19a9fd37f1b122b330fa143.png)

<center>图源备注：图片由AI生成</center>

## 架构优化 性能与算力的极致平衡

在狂飙突进的参数军备竞赛中，该模型提供了一个极具示范意义的效率样本。其采用了极为精密的128专家混合架构（MoE），虽然总参数量堆叠至1190亿，但通过精准的路由算法，每次处理单一词元（Token）时仅需激活4个专家模块。

这意味着系统的实际活动参数被严格控制在约60亿的超低水平，在维持千亿级模型知识广度的同时，将推理阶段的算力开销压缩到了极致。此外，长达256k的上下文窗口配置，使其在处理超长法律文档比对或复杂代码库分析时依然游刃有余。

## 动态推理 赋予开发者算力调度自由

值得一提的是，研发团队首次引入了可配置推理强度功能，将算力的分配权彻底下放给开发者。在追求极速反馈的延迟优化模式下，端到端的任务完成时间可大幅缩减40%，完美契合实时客服与语音交互场景。

而在应对离线数据批处理或高并发请求时，切换至吞吐量优化模式后，系统的每秒请求处理量实现了高达三倍的飞跃。随着该全能底座以Apache 2.0协议完全开源并加入新的产业联盟，全球AI开发者将获得一个在部署成本与泛化能力上极具统治力的开源新基建。

Mistral发布三位一体旗舰开源模型 携手联盟重塑算力效率

> 曾被视为牢不可破的算力同盟出现裂痕，英伟达释放停止追加巨额资金的信号。在AI企业内部动荡与估值泡沫的双重隐忧下，资本对烧钱换算力的模式开始回归理性。

## 投资愿景搁浅

在人工智能的淘金热潮中，英伟达与OpenAI曾是市场公认的最强利益共同体。然而这对盟友的蜜月期似乎已经结束。英伟达首席执行官黄仁勋近日在公开场合明确表示，公司对OpenAI高达300亿美元的投资极有可能是最后一笔。

这一表态在硅谷引发了巨大震动。去年秋季双方曾高调抛出高达1000亿美元的投资愿景，当时的商业逻辑十分清晰即英伟达注入资金购买股权，而OpenAI利用这笔资金采购更多的英伟达芯片。这种资金与算力的左手倒右手循环本应构建出坚不可摧的护城河，但黄仁勋如今直言该计划不太可能实现，显示出芯片巨头正在果断抽身。

![22.png](https://static.downly.cn/images/a666a0812b1d36be5e6afbe80af269f7.png) <center>图源备注 图片由AI生成</center>

## 内部动荡加剧资本避险

英伟达的战略收缩具有深刻的行业背景。目前的OpenAI正处在多事之秋，其机器人与消费硬件业务负责人的离职风波暴露出公司在高风险项目决策上的短板。内部员工公开指责公司高层在未经过充分讨论的情况下，同意将AI模型部署到机密网络中。这种在安全性与商业扩张之间的粗暴权衡，加剧了外界对其技术边界的质疑。

市场分析认为，英伟达大幅缩减投资额不仅是为了防范AI产业潜在的估值过热风险，更是出于对OpenAI内部管理和战略走向稳定性的担忧。当资本的热情开始退潮，纯粹依赖烧钱买算力的粗放模式正面临严峻考验，整个AI生态或将借此契机回归商业本质。

千亿算力同盟降温 英伟达缩减对OpenAI投资规模

> 今天的AI领域充满了变革性的突破。从Adobe Firefly Image 5将创意工作流推向“全栈式”时代，到Cartesia Sonic-3实现几乎无延迟的语音对话，再到IBM Granite 4.0 Nano让AI模型能够在笔记本电脑上本地运行，我们见证了AI在专业创作、人机交互和边缘计算等多个维度的飞速发展。同时，OpenAI与PayPal的合作预示着AI电商的兴起，而Mistral AI和英伟达则分别在企业级应用和全模态理解上取得了关键进展。

## Adobe Firefly Image 5发布 创作者的全能AI工具箱来了

Adobe公司近日发布了其专业级AI图像生成模型Firefly Image 5的重大更新，标志着AI创作工具从“够用”向“专业”的决定性转变。新版本支持高达400万像素的原生图像输出，并引入了分层提示编辑功能，让创作者可以像使用图层一样精细控制生成内容。更值得一提的是，它新增了自定义艺术风格模型和AI语音配乐功能，彻底打通了图像、视频及音频之间的创作壁垒，为用户提供了一个闭环式的全栈AI创作解决方案，重新定义了现代创意工作流程。

![image.png](https://static.downly.cn/images/85f275f72f1c0d26a72e51cbab2130d5.png)
图源备注：图片由AI生成
 

## 延迟低于100毫秒 Cartesia Sonic-3重新定义语音AI交互

Cartesia公司推出了一款名为Sonic-3的实时对话AI引擎，它凭借低于100毫秒的超低延迟，成为全球响应速度最快、交互最自然的语音AI之一。该模型采用了创新的状态空间模型架构，实现了近乎零延迟的流畅对话。Sonic-3不仅“说得快”，更能“说得好”，它能够精准模拟人类丰富的情感、多变的语气甚至是笑声，极大地增强了人机交流的真实感和沉浸感，为智能客服、虚拟助手等应用场景带来了革命性的体验。

![image.png](https://static.downly.cn/images/34aa26f0ae87cbcf453a80fc7e5fae1c.png)
图源备注：图片由AI生成
 

## ChatGPT集成PayPal支付功能 AI对话即购物成为现实

OpenAI宣布与全球支付巨头PayPal达成合作，通过先进的ACP协议，将支付功能直接集成到ChatGPT中。这意味着用户未来可以在与ChatGPT的对话过程中，直接使用其PayPal账户完成商品购买或服务支付，无需跳转到其他应用或网站。这一举措标志着OpenAI正式跨入电子商务领域，并计划从2026年起，支持用户在对话中搜索并购买来自数千万商家的商品，开启“对话即商业”的全新模式。

![image.png](https://static.downly.cn/images/ed1f483e1a19b26961eddfd812f3ddba.png)
图源备注：图片由AI生成
 

## 无需云端支持 IBM Granite 4.0 Nano让AI在你的电脑上运行

IBM最新发布的Granite 4.0 Nano系列AI模型，旨在突破小型AI模型的性能极限。该系列模型的参数量从350万到15亿不等，其核心优势在于极致的效率和易用性。由于模型轻量化，Granite 4.0 Nano可以直接在用户的笔记本电脑甚至浏览器中本地运行，完全无需依赖强大的云计算资源。这一突破极大地降低了AI应用的开发和部署门槛，使开发者能够在普通硬件和边缘设备上轻松构建功能强大的AI应用，打破了行业长期以来对云服务的依赖。

![image.png](https://static.downly.cn/images/37ba386b29f5ddc0de54e6a566ae9ed0.png)
图源备注：图片由AI生成
 

## Mistral AI Studio问世 打造企业级AI的“工业化”引擎

欧洲AI领域的领军企业Mistral AI正式推出了其全栈式生产平台 Mistral AI Studio。该平台完全基于欧盟本土的基础设施构建，专为需要严格遵守数据主权和法规的跨国企业设计。它集成了模型部署、实时监控和持续优化等一整套功能，为企业提供了一个安全、透明且可规模化的AI解决方案。通过实现AI决策过程的完全可观测性，Mistral AI Studio为企业级AI应用的“工业化”生产提供了强大的新引擎。

![image.png](https://static.downly.cn/images/721270bef55345422f4edf11e05632d7.png)
图源备注：图片由AI生成
 

## 更少数据更强性能 英伟达开源OmniVinci全模态理解模型

英伟达在全模态AI领域取得重大突破，发布并开源了其OmniVinci模型。该模型最引人注目的特点是其卓越的训练效率，仅用业界同类模型六分之一的训练数据，便在视觉、音频和文本的统一理解能力上实现了性能的大幅超越。OmniVinci的发布旨在提升机器的多模态认知能力，使其能够更像人类一样，综合处理和理解来自不同感官维度的信息，为更智能、更通用的AI系统奠定了坚实基础。

![image.png](https://static.downly.cn/images/38d992dace8d72f6edca49d71a2d559b.png)
图源备注：图片由AI生成

每日AI资讯1029：全栈创作、实时对话与端侧智能，AI技术迎来全面爆发





> 导语：今日AI界风起云涌，从Manus AI推出百个Agent协同工作的“Wide Research”功能，到字节跳动Trae代码编辑器集成OpenAI o3模型，AI的应用边界正被以前所未有的速度拓宽。Poe平台全面开放API，Claude支持多格式文件上传，Creao AI获千万美元融资打造“Agent协同操作系统”，AI开发与协作的门槛持续降低。底层技术同样迎来突破，DeepSeek公布大模型部署新专利，清华大学开源MOSS-TTSD语音合成模型。此外，AI在机器人领域的应用也结出硕果，字节跳动助力清华大学夺得机器人足球世界杯冠军。与此同时，马斯克Grok推出的6秒AI视频生成功能也引发了新的社会讨论。



## Manus AI开启百“人”斩：一键启动百个Agent协同，复杂任务轻松搞定
Manus AI 近日推出了其上线以来最大的一次功能更新——“Wide Research”。该功能允许用户一键启动大规模并行的Agent协作，轻松处理过去难以想象的复杂调研任务，例如在短时间内对比分析上百款运动鞋或为一张海报寻找海量设计灵感。这一强大的功能将逐步向平台各层级用户开放，其核心是一种源于MapReduce范式的系统级并行计算机制，标志着AI协同工作进入了新纪元。

![image.png](https://static.downly.cn/images/9d26a1dcc9f126d00d1393849f8eb86b.png)

## 字节跳动Trae代码编辑器再进化，集成OpenAI o3模型解锁编程新范式
字节跳动旗下的AI代码编辑器Trae现已正式支持OpenAI最新发布的o3模型。得益于o3模型强大的推理能力和独特的“思考式”问题解决机制，Trae在代码生成、上下文感知调试以及多工具协同等方面的能力得到了巨大提升。这不仅显著提高了开发者的工作效率，更引领了AI辅助编程的新标杆。同时，Trae承诺将严格保障用户的隐私与数据安全，让开发者可以安心使用。

![image.png](https://static.downly.cn/images/2f3849c4ce35c4638567c8e80689a398.png)

## Poe平台开放API，订阅即享全能模型，开发者迎来新福音
AI聊天平台Poe近日宣布推出API功能，为其发展历程增添了重要里程碑。此举意味着所有订阅用户无需支付额外费用，即可通过API调用平台上的全部文本、图像、视频模型及机器人。更具吸引力的是，该API兼容OpenAI接口，极大地降低了开发者的使用和迁移门槛，为加速AI技术的集成与应用铺平了道路，标志着Poe正式向开发者工具平台转型。

![image.png](https://static.downly.cn/images/b036b68ea7f04574c88f1ff44c996fbf.png)

## DeepSeek公布大模型部署新专利，预填充与解码分离优化效率
DeepSeek的关联公司最近公开了一项关于大语言模型部署的创新专利。该技术的核心思想是将模型的预填充（pre-filling）和解码（decoding）两个阶段分别部署在不同的高性能计算设备上。这种创新的部署方式旨在优化计算资源利用率，有效降低延迟，同时提高系统的吞吐量、扩展性和容错性，有望推动AI技术的进一步发展，并加速各行各业的数字化转型进程。

![image.png](https://static.downly.cn/images/1b890839b38281832d3cf32cdc5bb251.png)

## Creao AI获千万美元融资，旨在打造下一代“Agent协同操作系统”
人工智能初创公司 Creao AI 近日宣布，已连续完成数百万美元的天使轮和数千万美元的Pre-A轮融资。公司的核心目标是开发一个以AI Agent为核心的下一代操作系统——Agentic OS（AOS）。该系统旨在通过一次简单的对话，就能自动生成并部署一个功能完整的全栈Agentic App，实现从应用生成到自我进化的一站式智能协作，有望重塑用户与智能系统的交互方式，甚至深刻改变整个软件产业。

![image.png](https://static.downly.cn/images/6d12b1677d721d33ead0531c539e9219.png)

## Claude“神器”再升级，支持多格式文件上传，实现数据与AI无缝协作
Claude的artifacts功能迎来重磅升级，现已支持用户上传PDF、图像、代码等多种格式的数据文件。用户可以将这些文件无缝集成到AI驱动的应用中，极大地提升了数据处理和AI应用开发的灵活性与效率。无论是分析复杂的文档，还是从图像中提取信息，这项升级都为用户解决实际问题提供了前所未有的强大工具。该功能背后由Claude4、Claude 3.7 Sonnet和Claude 3.5 Sonnet等先进AI模型提供技术支持。

![image.png](https://static.downly.cn/images/f7ff74154f943a65c7373803864c9d0b.png)

## 清华大学开源MOSS-TTSD，百万小时训练打造双语AI播客新标杆
由清华大学等机构联合研发的MOSS-TTSD模型现已震撼开源。这是一款在对话场景下实现中英双语高表现力语音合成的AI模型，通过创新的XY-Tokenizer技术，支持超长语音生成、零样本音色克隆以及声音事件控制。该模型特别适用于AI播客、有声小说和影视配音等长篇内容的创作。尽管在语气和节奏感上略逊于商业产品，但其开源免费的特性和在中文客观指标上的优异表现，使其拥有巨大的应用潜力。

![image.png](https://static.downly.cn/images/23768e07b7e717e427d6d4555a8e476f.png)

## 字节跳动与清华大学联手，AI算法助力中国队首夺机器人足球世界杯冠军
在刚刚结束的2025 RoboCup机器人世界杯人形组比赛中，清华大学火神队历史性夺冠，这是中国队首次在该项目上获得胜利。此次胜利的背后，离不开字节跳动Seed团队与清华大学联合研发的“HumanoidKick”算法。该算法通过先进的视觉深度强化学习技术，成功解决了机器人足球在感知与执行层面的核心难题，展现出卓越的实时响应和自主决策能力，成为推动机器人技术发展与应用的一次成功范例。

![image.png](https://static.downly.cn/images/d3d4f0e01d9eacbed79752fe46ba9d2b.png)

## 马斯克的Grok进军视频生成，新功能可创作6秒AI短片
马斯克旗下的xAI公司为其AI聊天机器人Grok推出了一项名为“Imagine”的新功能，允许用户根据文本提示生成带有声音的6秒钟视频片段。该功能计划于今年十月正式上线。然而，这一功能也引发了公众对于深度伪造、内容剥削以及潜在偏见（如反犹太主义）等问题的广泛担忧，尤其是在其先前已推出性别化AI伴侣的背景下，相关的争议和社会讨论正在升温。

![image.png](https://static.downly.cn/images/ea761655b9761807e236d17cc131e6f7.png)

搜索结果: 模型部署