> 顶尖学术团队背景的AI初创企业再获核心电信运营商注资 本次战略加持将加速高效大模型在政企终端与千行百业的规模化落地

## 学术底蕴与商业视角的融合

作为国内极具代表性的大模型初创力量 面壁智能近期正式宣布完成数亿元人民币的新一轮融资 本轮融资由中国电信领投 多家头部私募机构跟投 这不仅为企业注入了雄厚的资金 更标志着其在算力资源与产业生态层面获得了战略级的加持 核心团队源自顶级高校自然语言处理实验室 拥有深厚的学术积淀 创始团队的双栖身份让企业在技术研发与大规模应用场景之间搭建了天然的沟通桥梁

![42.png](https://static.downly.cn/images/58be73c543b5fb79d7bbb8b881b8a85f.png) <center>图源备注：图片由AI生成</center>

## 端侧技术与交互模式突破

研发团队始终坚持高效轻量化大模型路线 其核心产品系列已成为行业标杆 最新一代全双工全模态模型打破了交互边界 实现了极其流畅的人机实时对话体验 同时通过创新的底层计算架构 该技术在文本处理效能上表现出色 实现了更低成本与更高速度的逻辑推理

## 数字化底座的规模化验证

今年被业界广泛视为大模型的商业化元年 凭借出色的端侧性能 相关模型已在智能终端 政务办公及金融等多个核心领域实现规模化应用 核心电信运营商的领投意味着前沿技术正在深度嵌入基础网络设施 未来大模型结合云计算与高带宽通讯的闭环应用将极具商业想象力

面壁智能获数亿元战略加持 大模型国家队与清华系强强联合

> 导语：今日AI领域风起云涌，从腾讯发布新技术解决AI生图“过油”问题，到谷歌Gemini 2.5 Deep Think在编程竞赛中超越人类，再到Figma、YouTube等平台纷纷上线AI新功能，以及谷歌推出AI代购协议，无不展示着AI技术的飞速发展和其在各个领域的深度融合。然而，迪士尼等巨头对AI公司的起诉，也揭示了技术发展背后的版权争议。

## 腾讯发布SRPO新技术，让AI生成图像告别“油腻感”

腾讯混元联合香港中文大学（深圳）及清华大学共同研发出SRPO（语义相对偏好优化）新技术，有效解决了开源文生图模型Flux在生成人物皮肤时出现的“过油”现象。这一技术的突破，能够显著提升AI生成图像的真实感，为数字艺术创作领域带来了全新的可能性，让AI绘画更加贴近真实世界。

![image.png](https://static.downly.cn/images/c746c5af9a791231381cd41821967682.png)

图源备注：图片由AI生成

## AI首次夺得ICPC金牌，谷歌Gemini 2.5 Deep Think碾压人类程序员

在2025年ICPC世界总决赛中，谷歌Gemini 2.5 Deep Think创造了历史，以金牌成绩成功解决了所有人类队伍均未能攻克的难题，打破了该项赛事创立以来的纪录。这一成就彰显了人工智能在复杂算法问题解决能力上的飞跃式进步，标志着AI技术在顶级编程竞赛领域迈入了新的纪元，也引发了关于AI在未来软件开发中角色的深刻思考。

![image.png](https://static.downly.cn/images/dc61e32fd09fdaee21acfd448bd82a16.png)

图源备注：图片由AI生成

## Figma推出AI设计新功能，文本指令即可修改设计稿

Figma近日推出了革命性的AI设计和编辑新功能，允许用户通过简单的文本提示，直接对设计稿进行修改，例如调整布局、更改颜色等。这一功能的推出，极大地简化了创作流程，让设计师能够更高效地将想法变为现实。目前，该功能已进入付费用户的有限alpha发布阶段，预示着设计行业即将迎来新的变革。

![image.png](https://static.downly.cn/images/b568a38eb2f38427ba6d05b2da32c451.png)

图源备注：图片由AI生成

## YouTube Studio上线AI助手，一键检测盗用面孔保护创作者权益

YouTube向全球三千万创作者推出了AI聊天机器人和面部相似性检测等新功能，旨在帮助创作者保护自己的形象和声誉。通过这些新功能，创作者可以轻松检测、管理和授权移除未经授权使用其面部肖像的视频，有效防止观众被误导，为内容创作生态提供了更有力的保障。

![image.png](https://static.downly.cn/images/43fe28249fe27f03afd59c2f4c3ad97a.png)

图源备注：图片由AI生成

## 谷歌推出AP2协议，让AI智能体为你轻松代购

谷歌最新推出的Agent Payments Protocol（AP2）协议，允许AI智能体在用户指示下自动完成购物支付，用户无需每次手动审批。这一创新兼顾了购物的便利性与多重安全保障，能够实现如在用户设定的时间、价格自动购票等智能化购物体验，让生活变得更加轻松便捷。

![image.png](https://static.downly.cn/images/a9da262f0b1de410a3ac9865f1880ee0.png)

图源备注：图片由AI生成

## 迪士尼等三大影业巨头联手起诉MiniMax，AI版权之争愈演愈烈

迪士尼、华纳兄弟、环球影业三大好莱坞公司近日联手控告中国AI公司MiniMax，指责其海螺AI服务未经授权使用知名电影角色进行AI训练和商业化，构成大规模著作权侵权。这起诉讼索赔金额或将达到天文数字，也再次将AI技术发展中的版权问题推向了风口浪尖，引发了全球范围内的广泛关注和讨论。

![image.png](https://static.downly.cn/images/d2543292a1b33db456f0f21eedd6cc0c.png)

图源备注：图片由AI生成

## 谷歌发布TimesFM-2.5模型，更小巧更强大的时间序列预测工具

谷歌研究团队最新发布了时间序列基础模型TimesFM-2.5，该模型参数量减半至2亿，但上下文长度却大幅提升至16,384。TimesFM-2.5采用单一解码器结构，支持本地概率预测，并在GIFT-Eval准确性评估中表现优异，为金融、气象等领域的时间序列预测提供了更强大、更高效的工具。

![image.png](https://static.downly.cn/images/899b58187b140c43bfba0e69ca86c652.png)

图源备注：图片由AI生成

每日AI资讯0918：Gemini编程夺冠与好莱坞AI版权战打响，技术浪潮下的机遇与挑战

> 今日AI界风起云涌：清华大学0.1秒生成3D数字人技术惊艳亮相；微软携手Anthropic，打破OpenAI单一依赖格局；字节跳动与腾讯在AI生图领域展开新角逐，将创意推向新高度；同时，AI正加速融入天气预报、软件测试、教育硬件等多个行业，展现出巨大的应用潜力。

## 0.1秒“复活”照片 清华团队开源GUAVA技术让3D数字人制作进入闪电时代
清华大学深研院与国际数字经济研究院的团队成功研发出GUAVA新技术，该技术仅需一张普通照片，便能在0.1秒内生成高质量的3D高斯化身，并能以超过50帧/秒的流畅度进行实时驱动。这一突破颠覆了以往需要多角度拍摄或漫长视频训练的传统数字人制作模式，极大地提升了制作效率和速度，为实时交互、虚拟现实等应用场景打开了新的想象空间。

![image.png](https://static.downly.cn/images/4d6ad844fb331ad9f3a90c5666bc9e38.png)
图源备注：图片由AI生成

## 字节跳动发布Seedream 4.0图像模型 Freepik平台率先集成
字节跳动正式推出其最新的Seedream 4.0图像创作模型，该模型在图像编辑的精准度、参考图的灵活性、4K超高清图像生成及自适应比例方面均实现了重大突破，甚至可以将人像照片一键转换为精致的手办风格图。用户现在可以通过豆包App和即梦网页端体验。与此同时，全球知名设计素材平台Freepik也已上线该模型，其premium+会员可无限次使用这一强大工具，为全球设计师的创作注入新的活力。

![image.png](https://static.downly.cn/images/5d639205aaa233d4f8d11ed1bb6c92b1.png)
图源备注：图片由AI生成

## 腾讯混元生图模型再进化 Image 2.1支持2K分辨率与精准“写字”
腾讯混元团队发布了其开源文生图模型的最新升级版“混元图像2.1”。新版本原生支持2K分辨率图像生成，并在中英文原生输入、复杂语义理解方面表现出色，能够更准确地在图片中渲染文字。该模型在性能与生成效果之间取得了良好平衡，旨在为视觉创作者提供一个更高效、便捷的创作工具，轻松生成精美插画、创意海报及漫画等多样化作品。

![image.png](https://static.downly.cn/images/e498b4e59aafb4e9f5d85063f0bb8884.png)
图源备注：图片由AI生成

## 微软不再“独宠”OpenAI Office 365将集成Anthropic模型
微软正在调整其AI战略，开始推行供应商多元化。最新举措是，微软将付费使用Anthropic公司的AI技术来增强其Office 365办公应用套件。这一举动标志着微软不再仅仅依赖其长期合作伙伴OpenAI，背后原因可能与OpenAI日益增强的自主性及其产品与微软产生的直接竞争有关。此举显示了微软在构建其AI生态时，正寻求更广泛和稳健的合作布局。

![image.png](https://static.downly.cn/images/456bbda78162116970d774c1fc0c72cc.png)
图源备注：图片由AI生成

## 不止于效率工具 首款AI Agent浏览器Fellou CE发布
硅谷公司Fellou推出了一款具有革新意义的AI概念浏览器Fellou CE。与市面上其他旨在节省时间的AI工具不同，Fellou CE将自己定位为用户的“认知杠杆”。它致力于通过AI Agent的能力，赋能用户进行更深层次的思考、激发创造力，并高效解决复杂问题，目标是实现数字工作方式的根本性转型，而不仅仅是提升操作效率。

![image.png](https://static.downly.cn/images/45e8de5f800f2c7a10a402d56ace5537.png)
图源备注：图片由AI生成

## 剑指英伟达霸主地位 谷歌TPU业务估值或达9000亿美元
谷歌正积极推广其自研的TPU（张量处理单元），并与众多小型云服务商展开合作，意图在价值巨大的AI硬件市场中挑战英伟达的绝对领先地位。据分析，谷歌的TPU业务若与旗下的顶尖AI研究机构DeepMind深度结合，其整体估值潜力可能高达9000亿美元，这预示着AI芯片领域的竞争将愈发激烈。

![image.png](https://static.downly.cn/images/285243c9fe4c3c460c5b2859db4ff031.png)
图源备注：图片由AI生成

## 打印机也懂批改作业 爱普生发布全球首款AI学习打印机
爱普生联合京东发布了全球首款AI学习打印机，将人工智能与传统打印设备创造性地结合。这款打印机内置了AI作文批改、口算检查、错别字识别三大核心功能，旨在通过“AI+打印”的新模式，让学习过程回归纸张，同时又赋予纸张前所未有的智慧，为家庭教育场景提供了全新的解决方案。

![image.png](https://static.downly.cn/images/8f0e07fdc4f0c3ad4cf4360fd6af03e0.png)
图源备注：图片由AI生成

## AI预报官“上岗” 中国气象局遴选14个AI模型迎接汛期考验
中国气象局正积极推动AI技术在天气预报领域的创新应用。在一项有35家高校、企业和科研单位参与的示范计划中，经过严格的测试与遴选，14个表现优异的AI天气预报模型脱颖而出。这些模型，包括伏羲、璞云、风乌、风清和盘古等，均已完成迭代更新，正式“上岗”，准备迎接汛期的严峻考验。

![image.png](https://static.downly.cn/images/c29e51f347d2737af876a96dd5b0a6f8.png)
图源备注：图片由AI生成

## 告别脆弱自动化 TestGrid发布CoTester™ 2.0引领AI测试新革命
TestGrid公司正式发布了其首个企业级AI测试代理CoTester™ 2.0。该产品旨在解决传统AI测试工具普遍存在的自动化流程脆弱、测试覆盖率低、维护成本高昂等痛点。CoTester™ 2.0创新地融合了视觉-语言智能、人类监督和机器人自动化精度，通过多模态视觉-语言代理实现近乎人类的测试解读能力，从而显著提升软件测试的效率与质量。

![image.png](https://static.downly.cn/images/34655de79458d9d43104de59209f6a66.png)
图源备注：图片由AI生成

## Devin集成引争议 Windsurf被指bug不断或临生存危机
近期，关于AI程序员Devin与现有平台Windsurf的整合过程引发了业界的担忧。一位知情人士透露，自从整合开始以来，Windsurf平台bug不断，而官方似乎并未积极响应，这种“装死”的态度可能导致其百万用户流失。外界担忧，这次整合如果处理不当，最终可能对Windsurf造成毁灭性的打击，使其陷入生存危机。

![image.png](https://static.downly.cn/images/0b8d4170f7eed481a3dcfe6fac77e32d.png)
图源备注：图片由AI生成

每日AI资讯0910：清华0.1秒“复活”照片，微软“牵手”新欢，AI军备竞赛开启新篇章

> 今日AI界风起云涌：清华与东北大学联手推出UltraRAG 2.0，以50行代码简化RAG系统构建；Perplexity对Chrome的收购意向撼动浏览器市场格局。腾讯连发两款开源神器，单图生成3D世界的HunyuanWorld-Voyager与开箱即用的Youtu-Agent框架。谷歌、即梦AI、通义实验室、微软等巨头也纷纷亮剑，从网页内容理解、多模型服务到智能体开发框架，技术革新正以前所未有的速度，重塑我们的数字生活与开发范式。

## 清华联手东北大学发布UltraRAG 2.0：50行代码定义RAG新范式

清华大学与东北大学等机构联合发布了UltraRAG 2.0框架，它基于创新的模型上下文协议（MCP）架构，允许开发者通过简单的YAML文件来配置和构建复杂的检索增强生成（RAG）系统。该框架支持串行、循环、条件分支等多种逻辑，极大地降低了高性能RAG应用的开发门槛，让复杂的AI系统搭建变得前所未有的简单。

![插图：代码流与神经网络的抽象结合](https://static.downly.cn/images/71866b30d3bd8cb39ead10556f95a395.png)
图源备注：图片由AI生成

## AI浏览器战争升级 Perplexity欲收购Chrome

AI搜索公司Perplexity对谷歌Chrome浏览器提出高达345亿美元的收购报价，此举震惊业界，标志着AI对传统浏览器市场的颠覆性冲击正式拉开序幕。与此同时，Anthropic公司也推出了针对Chrome的Claude扩展，AI与浏览器的深度融合已成大势所趋，一场围绕下一代智能浏览体验的战争已然爆发。

![插图：两个科技巨头的Logo在浏览器窗口中对峙](https://static.downly.cn/images/a185998c7389e0d433c242b8a11a9cfb.png)
图源备注：图片由AI生成

## 腾讯再亮王牌 HunyuanWorld-Voyager实现单图生成3D世界

腾讯AI研究团队开源了其最新的研究成果HunyuanWorld-Voyager。这一模型堪称“神器”，仅需一张普通的2D图像，就能即时生成与之完全一致的3D点云世界。凭借其卓越的原生3D重建能力，在相机控制、内容对齐和3D一致性上表现出色，成功登顶WorldScore全球排行榜，为3D重建和图生3D领域带来了革命性突破。

![插图：一张风景照片悬浮在空中，下方延展出一个完整的、可供探索的3D立体世界]![image.png](https://static.downly.cn/images/8e0e6ffc6db2b93dfa1938d503f47f9d.png)
图源备注：图片由AI生成

## 人人都是开发者 腾讯优图开源Youtu-Agent智能体框架

腾讯优图实验室正式开源Youtu-Agent智能体框架，主打“开箱即用”的便捷理念。开发者无需进行复杂的模型训练，只需从GitHub上获取代码，通过编写简单的YAML配置文件来定义智能体的具体行为，便能迅速搭建并运行个性化的智能体应用，极大地降低了技术门槛。

![插图：一个即插即用的模块化机器人，用户可以轻松更换代表不同功能的模块](https://static.downly.cn/images/e6fa2a42972d2771714972f5728f325c.png)
图源备注：图片由AI生成

## 谷歌Gemini API添新翼 AI可“阅读”并理解整个网页

谷歌为其Gemini API增加了一项名为URL Context的全新功能。这项技术使得AI不再局限于抓取网页摘要或部分信息，而是能够像人类一样深入、完整地理解和解析整个网页的内容。这一重大进展意味着开发者可以构建出更精准、更智能的应用，实现对网络信息的深度利用。

![插图：一个AI大脑正在扫描一个网页，网页中的文字和图片转化为结构化的数据流](https://static.downly.cn/images/dca8e3de45333203759164411c551201.png)
图源备注：图片由AI生成

## 即梦AI模型全面开放API 提供一站式图像视频生成服务

即梦AI与火山引擎达成合作，将其旗下包括文生图、图生图、视频生成、数字人等在内的一系列先进AI模型，通过API的形式向企业级用户和开发者全面开放。此举旨在提供一个一站式的图像与视频生成解决方案，开发者可以轻松接入并利用这些经过市场验证的强大功能，创造高质量的视觉内容。

![插图：一条API数据流从一个服务器流向多个不同的终端设备，每个设备上都显示着由AI生成的不同风格的图像和视频](https://static.downly.cn/images/8f7698019e45a7460e2534eb9e4357f2.png)
图源备注：图片由AI生成

## Cherry Studio携手硅基流动 免费开放Qwen38B模型

为了提升用户体验，AI桌面客户端Cherry Studio宣布与硅基流动达成深度合作，向所有用户免费提供通义千问Qwen38B模型。该模型以其出色的推理能力、指令遵循和多语言支持而广受好评。此次合作将进一步丰富Cherry Studio的多模型生态，让跨平台用户能更便捷地享受到顶级AI模型的强大功能。

![插图：一个樱桃形状的工作室Logo与一个芯片Logo握手，背景是流畅运行在不同操作系统上的AI界面](https://static.downly.cn/images/3131fa6c37fb1c342cc9be32e62576d8.png)
图源备注：图片由AI生成

## 通义实验室发布AgentScope 1.0 打造一站式智能体开发平台

通义实验室正式推出新一代开源智能体开发框架AgentScope 1.0。该框架以开发者为核心，致力于解决多智能体从开发、构建到运行和管理的全生命周期难题。通过其三层技术架构（核心框架、Runtime和Studio），AgentScope 1.0为开发者提供了灵活且强大的解决方案，让构建安全、高效的智能体应用变得更加简单。

![插图：一个开发者在一个可视化的工作台上拖拽不同的智能体模块，构建出一个复杂的多智能体协作系统](https://static.downly.cn/images/c1287b323739b9d5ca266dcec2ca7d27.png)
图源备注：图片由AI生成

## 微软Copilot能力升级 免费用户也可多文件推理

微软宣布对其AI助手Copilot进行重要更新，免费向所有网页版和Windows 11版用户开放多文件分析功能。现在，用户可以一次性上传最多三个文件，让Copilot进行跨文档的理解和推理。这一此前仅限付费用户的功能将极大提升Copilot的实用性，例如可以同时分析简历和招聘启事，为求职者提供精准建议。

![插图：三份不同的文档被一只机械手同时送入一个Copilot大脑中进行分析和比较](https://static.downly.cn/images/baaf1ea28902e437966fb6921c6d1b56.png)
图源备注：图片由AI生成

## Google发布Nano Banana AI图像编辑进入“一句话”时代

Google旗下Gemini 2.5 Flash Image团队推出了革命性的AI图像引擎Nano Banana。这项新技术颠覆了传统的图像编辑流程，用户只需用一句话描述想要进行的修改，AI即可精准完成操作。这项功能的推出，极大地降低了图像处理的门槛，让专业级的图像编辑变得像日常对话一样简单便捷。

![插图：一个人对着麦克风说话，旁边屏幕上一张复杂的图片根据语音指令实时发生改变](https://static.downly.cn/images/2c672eaf942f6300b1fe1c0499d7f87d.png)
图源备注：图片由AI生成

每日AI资讯0903：未来科技浪潮，人工智能重塑数字世界





> 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





> 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)

每日AI资讯0802：Agent协同作战、AI编程革新与多模态模型全面升级

> 在即将到来的计算机视觉顶会 CVPR 2025 上，一项名为 SketchVideo 的创新技术引起了广泛关注。这项技术由清华大学和北京信息科学与技术国家研究中心等机构合作研发，能够将简单的手绘线稿转化为生动的视频，标志着视频生成领域进入了一个全新的“线稿时代”。

## 告别复杂 拥抱手绘

传统的视频生成方法往往需要复杂的文本描述、详细的图像输入甚至专业的建模技能。这对于非专业用户来说门槛较高，限制了创意表达。SketchVideo 的出现，有望彻底改变这一现状。它让任何人只需用简单的线条勾勒出想法，就能轻松生成个性化的视频。

![image.png](https://static.downly.cn/images/20250519033422.119944628.png)

## SketchVideo 的核心技术

SketchVideo 之所以能够实现从手绘到视频的跨越，得益于其背后融合的多项先进技术

### 线稿理解与解释

SketchVideo 能够理解用户手绘线稿中的关键信息，包括物体的形状、位置、运动轨迹等。这需要强大的计算机视觉模型来分析和解释线稿的语义。

### 视频生成模型

在理解线稿的基础上，SketchVideo 利用先进的视频生成模型，根据线稿提供的结构和动态信息，生成具有纹理、颜色和细节的视频帧序列。

### 时序一致性控制

为了确保生成的视频流畅自然，SketchVideo 引入了时序一致性控制机制，使得视频帧之间能够平滑过渡，避免闪烁或不连贯的情况。

### 用户交互与编辑

SketchVideo 还提供了用户友好的交互界面，允许用户对手绘线稿进行修改和细化，或调整生成视频的风格和参数，以实现更精准的控制。

## 突破性进展

SketchVideo 在多个方面取得了突破性进展

### 极低的输入门槛

用户只需手绘线稿即可生成视频，极大地降低了视频创作的门槛，让创意不再受限于专业技能。

### 灵活的创意表达

手绘的自由度使得用户可以轻松表达各种天马行空的创意，而无需拘泥于预设的模板或参数。

### 高效的视频制作

相比传统的视频制作流程，SketchVideo 能够快速将想法转化为视频，大幅提高了制作效率。

### 个性化的视觉风格

用户可以通过调整手绘线稿的风格或参数，影响生成视频的最终视觉效果，实现高度个性化的表达。

## 潜在应用场景

SketchVideo 的出现，有望在多个领域产生重要影响

### 动画制作

SketchVideo 可以极大地简化动画制作流程，让动画师能够快速将草图转化为动态场景。

![image.png](https://static.downly.cn/images/20250519033551.260717497.png)

### 故事板与预演

电影、广告等行业的创意人员可以利用 SketchVideo 快速生成故事板或进行视觉预演，更好地呈现创意。

### 教育与演示

教师和讲师可以利用 SketchVideo 轻松创建动态演示文稿或教学视频，提高教学效果。

### 个性化内容创作

普通用户可以利用 SketchVideo 创作独具风格的个性化短视频，用于社交媒体分享或创意表达。

## 结论与展望

SketchVideo 的发布标志着视频生成技术向着更自由、更便捷的方向迈出了重要一步。它将手绘的直观性和创造性与先进的 AI 技术相结合，为用户提供了一种全新的视频创作方式。随着技术的不断发展和完善，SketchVideo 有望在未来的创意产业、教育领域和个人内容创作中发挥越来越重要的作用。我们期待在 CVPR 2025 上看到更多关于 SketchVideo 的精彩展示和深入探讨。

CVPR 2025 亮点 SketchVideo 掀起手绘视频生成新浪潮



> 随着大型语言模型（LLM）能力的不断增强，如何让它们更好地理解人类偏好、生成符合人类价值观和意图的文本，成为了一个关键问题。奖励模型（Reward Model, RM）是实现这一目标的重要技术之一，它通过学习人类的反馈来评估LLM生成的文本质量。然而，现有的奖励模型评估基准往往不够全面和细致。近日，清华大学等机构联合推出了一个全新的奖励模型评估基准——RM-BENCH，旨在从微妙之处和风格化层面更细粒度地评估大模型的奖励模型能力，助力打造真正“善解人意”的AI。



## 奖励模型：让AI更懂你

大型语言模型在生成文本方面表现出色，但它们并非总是能生成用户期望的、符合道德伦理或特定风格的内容。奖励模型应运而生，其核心思想是训练一个模型来模拟人类的偏好判断。通过收集大量人类对LLM生成文本的评价数据（例如，哪个回复更好），奖励模型学习如何为不同的文本打分。这个分数（即奖励）随后被用来指导LLM的训练，促使LLM生成更高质量、更符合人类偏好的文本。这种技术是强化学习与人类反馈（RLHF）等对齐方法的重要组成部分。



![image.png](https://static.downly.cn/images/20250514024933.031765635.png)



## 现有评估基准的不足

尽管奖励模型的研究取得了进展，但对其进行全面和细致的评估仍然面临挑战。现有的奖励模型评估基准往往侧重于评估模型对内容事实性、逻辑性等方面的判断能力，而对于文本中更微妙、更具主观性的方面，例如语言的风格、情感色彩、细微的语义差异以及在特定情境下的恰当性等，评估能力相对不足。这使得我们难以判断奖励模型在多大程度上真正理解了人类复杂的语言偏好和表达方式。



![image.png](https://static.downly.cn/images/20250514025007.266704907.png)





为了弥补现有评估基准的不足，清华大学等机构的研究人员构建了 RM-BENCH。这个新的评估基准具有以下关键特点：

*   **细粒度评估：** RM-BENCH 关注文本中更微妙的差异。它包含大量经过精心设计的测试用例，用于评估奖励模型在识别细微语义错误、不恰当表达、不流畅语句以及对情感、语气等方面的判断能力。
*   **风格化评估：** RM-BENCH 引入了对文本风格的评估。它包含不同风格（例如，正式、非正式、幽默、严肃等）的文本对，要求奖励模型能够区分和偏好特定风格的文本，或者判断文本是否符合某种预设的风格要求。
*   **场景多样性：** RM-BENCH 涵盖了多种不同的应用场景和任务，例如对话生成、文本摘要、内容创作等，以全面评估奖励模型在不同语境下的表现。
*   **专家标注数据：** RM-BENCH 的数据集经过了高质量的人类专家标注，确保评估结果的可靠性和准确性。



![image.png](https://static.downly.cn/images/20250514025120.267189065.png)



## 助力打造更“善解人意”的AI

RM-BENCH 的发布为奖励模型的研究和开发提供了重要的工具。通过在这个基准上进行评估，研究人员和开发者能够更清晰地了解不同奖励模型在哪些方面表现出色，哪些方面还需要改进。这有助于指导模型的优化方向，促进更高质量奖励模型的诞生。

更强大的奖励模型意味着我们能够更好地将人类的偏好和价值观注入到大型语言模型中，使得AI生成的内容不仅在事实和逻辑上准确，而且在情感、风格和语境上更贴近人类的需求。最终，这将帮助我们构建更“善解人意”、更值得信赖的AI系统。



![image.png](https://static.downly.cn/images/20250514025239.254619083.png)



## 开源与未来

RM-BENCH 的代码和数据集已经开源，供全球的研究人员和开发者使用。这有助于推动奖励模型评估领域的标准化和协作。未来，研究人员计划进一步扩展 RM-BENCH 的规模和评估维度，纳入更多复杂的语言现象和人类偏好，以应对不断发展的大型语言模型技术。


搜索结果: 清华大学