> 导语：今日AI领域动态纷呈，从严肃的医疗应用到大众的文娱创作，技术正以前所未有的深度和广度融入社会。微软将OpenAI的视频生成模型Sora 2推向商业化，预示着AI视频制作进入新纪元；国内首个药学大模型的发布，则将AI的精准分析能力应用于特殊人群的用药安全。与此同时，AI音乐创作已成为新的数字风口，而传统行业如旅游业也正通过AI提升服务体验。在技术高歌猛进的背后，行业监管同步加强，确保人工智能的健康发展。

## 国内首个药学大模型发布，精准守护特殊人群用药安全

北京清华长庚医院与北电数智携手，成功研发出国内首个专为药学领域设计的大模型。该模型聚焦于老年人、儿童及孕产妇等特殊群体的用药安全评估，旨在应对药品信息迭代迅速与个体化差异带来的挑战。通过运用先进的人工智能技术，此项合作有望极大优化药学服务流程，提升用药指导的效率与精准度，为特殊人群的健康保驾护航。

![image.png](https://static.downly.cn/images/da0f805e5b59910c080eb61186f69044.png)
图源备注：图片由AI生成

## AI音乐创作风靡，程序员开辟数字淘金新赛道

随着Suno等AI音乐创作工具在2025年的普及，音乐行业的创作生态正被重塑。此前，《原神》玩家利用AI创作的同人歌曲获得了超200万的惊人播放量，而现在，越来越多的程序员正利用各类AI工具高效地产出音乐作品，不仅收获了可观的版权收入，也向世界展示了AI在艺术创作领域的巨大潜力。这股浪潮标志着AI正成为普通人表达创意、实现商业价值的新兴工具。

![image.png](https://static.downly.cn/images/4a8b7fbba102e3c7a8b70a97363962ce.png)
图源备注：图片由AI生成

## 重庆出手整治AI滥用，十余款违规产品被下架

面对人工智能技术的迅猛发展及其带来的潜在风险，重庆市近期展开了专项整治行动。行动旨在遏制AI技术的滥用，打击利用AI生成虚假信息、侵犯数据安全等行为。目前，已有包括“AI开处方”在内的十余款违规AI产品被勒令下架。此举表明了监管部门对确保AI技术安全、合规发展的坚定立场，为行业的健康成长设立了明确的“红线”。

![image.png](https://static.downly.cn/images/9e4b31c86508652f1d8057193593b1ca.png)
图源备注：图片由AI生成

## 百度PaddleOCR-VL登顶全球，文档解析技术迎新突破

百度近日开源了其最新的多模态文档解析模型PaddleOCR-VL，该模型在权威评测OmniBenchDoc V1.5中以92.6的高分摘得全球桂冠，为OCR（光学字符识别）技术领域树立了新的标杆。尽管模型参数量仅为0.9B，却能高效、精准地识别和解析文档中的文本、手写汉字、复杂表格乃至数学公式等多种元素，其卓越的核心能力将重塑文档处理与信息提取的技术格局。

![image.png](https://static.downly.cn/images/9e54abbd6c035335d701138601a3b8f5.png)
图源备注：图片由AI生成

## Claude“技能”加身，Anthropic让AI变身自动化工作流大师

Anthropic公司为其AI模型Claude推出了创新的“Skills”（技能）功能，极大地提升了其工作流自动化能力。用户现在可以将一系列自定义指令、脚本代码和外部资源打包成一个“技能包”，授权Claude自主调用。这项功能的核心优势在于，Claude能够组合运用多个技能，以应对复杂的多步骤任务，并实现了技能的跨平台移植，使其成为更强大、更灵活的生产力工具。

![image.png](https://static.downly.cn/images/6311f20f62126197d32cac37591ce893.png)
图源备注：图片由AI生成

## OpenAI Sora 2登陆微软云平台，开启AI视频商业化新篇章

备受瞩目的OpenAI视频生成模型Sora 2现已通过微软Azure AI平台正式进入公共预览阶段，并公布了其商业化定价——每生成一秒视频收费0.1美元。这是Sora 2首次向企业和开发者开放API访问权限，标志着顶尖的生成式AI视频工具开始大规模商业化应用。该模型能融合文本、图像和视频创造出全新的高质量内容，尤其在广告、营销等领域展现出巨大的应用前景。

![image.png](https://static.downly.cn/images/2b56a1738f3dde82186cffac3fa74f94.png)
图源备注：图片由AI生成

## 旅行规划迎来AI助手，Kayak推出全新聊天机器人模式

知名旅行搜索引擎Kayak上线了全新的“AI模式”，通过集成ChatGPT技术，为用户提供颠覆性的旅行规划体验。用户不再需要繁琐地筛选页面，而是可以直接通过与聊天机器人对话，完成旅行信息的查询、行程规划乃至机票、酒店和租车的比较与预订。这一功能已覆盖网页和移动端，旨在为用户提供更精准、更便捷的一站式旅行解决方案。

![image.png](https://static.downly.cn/images/b2f6a769e75be0dd57be642ae892db47.png)
图源备注：图片由AI生成

每日AI资讯1018：Sora 2开启商业化、首个药学大模型问世、AI应用场景持续拓宽

> **导语** 随着苹果M5芯片的发布，端侧AI处理能力实现了前所未有的四倍性能飞跃，为个人设备带来了更强的本地智能体验。与此同时，谷歌DeepMind与耶鲁大学的合作揭示了AI在癌症治疗中的新潜力，而AMD与甲骨文的合作则预示着AI算力基础设施的又一次大规模扩展。从AI驱动的“数字孪生”提升工作效率，到Anthropic高性价比模型的推出，再到VSCO为专业影像编辑注入智能，AI技术正以前所未有的深度和广度，重塑着从个人应用到企业服务的方方面面。



<center>图源备注：图片由AI生成</center>

## 苹果M5芯片引领终端侧AI性能革命
苹果公司正式发布了采用先进3纳米工艺的M5系列芯片，其AI性能实现了惊人的“四倍飞跃”。这款芯片的图形处理器在处理AI相关任务时速度提升超过400%，同时其16核神经网络引擎达到了每秒38万亿次的运算速度。这一突破性进展将极大地增强MacBook Pro和iPad Pro等设备的本地AI处理能力，加速终端侧的智能化体验，让用户在设备上就能享受到更强大、更高效的AI功能。

![image.png](https://static.downly.cn/images/ced31d5816d251e57e1d8a9d2f9dc99e.png)
<center>图源备注：图片由AI生成</center>

## DeepMind联手耶鲁大学，AI模型发现癌症治疗新思路
谷歌DeepMind与耶鲁大学的最新合作研究取得了重大突破。他们共同开发的C2S-Scale27B模型，基于强大的Gemma架构，在单细胞分析领域展现出卓越的能力。该模型成功发现，药物Silmitasertib在特定条件下能够充当“条件增强剂”，有效激活人体免疫系统，使其能够精准识别并清除癌细胞。这一发现为癌症治疗提供了一个全新的、充满希望的方向。

![image.png](https://static.downly.cn/images/efc842eb558c36bca4e4998307818a6e.png)
<center>图源备注：图片由AI生成</center>

## AMD与甲骨文强强联合，五万AI芯片部署计划启动
AMD在AI市场的布局再下一城，宣布与甲骨文达成重大合作协议。根据协议，甲骨文将从2026年第三季度开始，在其数据中心大规模部署5万块AMD Instinct MI450 AI芯片。此次部署将采用新一代的“Helios”机架系统。这一战略举措不仅将显著推动AMD在人工智能市场的增长，也使其与行业领导者英伟达的竞争进入了新的阶段。

![image.png](https://static.downly.cn/images/0db112ed180577562dd0ae6eb270eef1.png)
<center>图源备注：图片由AI生成</center>

## AI数字孪生解决职场协作痛点，Viven获3500万美元融资
初创公司Viven凭借其创新的AI驱动“数字孪生”技术，成功获得3500万美元种子轮融资。该公司利用大语言模型和先进的隐私保护技术，为员工创建数字替身。这个“数字分身”能够在员工休假或因时区不同而无法及时响应时，填补关键信息的空缺，确保项目沟通顺畅、工作持续推进，从而有效解决员工“不在场”的痛点，为企业节省了宝贵的时间与成本。

![image.png](https://static.downly.cn/images/47c3596f0edda01f97c0b61212ec7cda.png)
<center>图源备注：图片由AI生成</center>

## Anthropic推出Haiku 4.5模型，性价比优势凸显
Anthropic公司发布了其最新的轻量化AI模型Claude Haiku 4.5。该模型以其卓越的性价比脱颖而出，仅需同系列Sonnet 4模型三分之一的价格，就能提供与之相媲美的强大编程能力。Haiku 4.5专为需要低延迟和快速响应的实时应用场景设计，如在线聊天助手和客户服务系统，成为了Claude系列中平衡性能与成本效益的理想解决方案。

![image.png](https://static.downly.cn/images/c550d6407449964b0f21bcd565e14af9.png)
<center>图源备注：图片由AI生成</center>

## Anthropic商业前景广阔，年收入或将迎爆发式增长
据预测，由前OpenAI员工创立并专注于安全AI技术研发的Anthropic公司，正迎来其商业化的快车道。公司预计到2025年底，其年化收入有望达到90亿美元，而到2026年，这一数字更可能飙升至惊人的260亿美元。这一强劲的增长预期，充分彰显了Anthropic在人工智能领域的巨大发展潜力和广阔的市场前景。

![image.png](https://static.downly.cn/images/b06230fbec93cc6827cc38f130a8186e.png)
<center>图源备注：图片由AI生成</center>

## VSCO发布AI Lab，开启智能图像编辑新时代
知名摄影应用VSCO正式推出了名为“AI Lab”的全新工具集，标志着专业级图像编辑进入了智能化时代。该工具集利用了先进的人工智能技术，如智能对象移除，允许专业摄影师在高分辨率的RAW文件上进行精细且非破坏性的编辑。这一创新极大地提升了专业创作者的工作流程和效率，让复杂的图像处理变得更加简单和智能。

![image.png](https://static.downly.cn/images/f4a0790c61ae6de8bab15f3bf29a6c34.png)
<center>图源备注：图片由AI生成</center>

## 谷歌Flow视频工具升级，光影音频编辑更强大
谷歌对其AI视频生成工具Flow进行了重要升级。新版本增加了灵活的光影编辑功能，让用户能够更精细地调整视频中的光照效果，显著提升了生成视频的真实感和艺术感。同时，音频处理功能也得到了大幅增强，使得视频创作的灵活性和最终效果都迈上了一个新台阶，内容生成更加自然生动。

![image.png](https://static.downly.cn/images/a0fa0e3b9a202c434c6c94245c04f16b.png)
<center>图源备注：图片由AI生成</center>

## 谷歌加速AI产品部署，VEO 3.1版本即将上线
有消息称，谷歌正准备在Gemini和相关API上发布其最新的VEO 3.1 AI模型。用户已在Gemini应用中发现了与新功能相关的免责声明，预示着此次更新将很快整合到用户熟悉的界面中。此外，在谷歌的Vertex AI平台上也出现了对VEO 3.0预览模型的引用，种种迹象表明，谷歌正在全力加速其先进AI产品的开发与部署。

![image.png](https://static.downly.cn/images/91e604931778512e499c34a253236d76.png)
<center>图源备注：图片由AI生成</center>

## Airtel与IBM携手，共促云计算与AI创新
印度电信巨头Airtel与科技巨头IBM达成战略合作，旨在共同推动云计算和人工智能技术的创新。此次合作将充分利用IBM强大的云基础设施与AI技术，并结合Airtel在电信领域的网络可靠性及数据本地化优势。双方将共同提升Airtel Cloud服务能力，帮助金融、医疗等受严格监管的行业企业高效、安全地扩展其AI工作负载。

![image.png](https://static.downly.cn/images/721b0f9623c05e9f61ba52dbb043b105.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯1016：端侧AI芯片性能飞跃，AI赋能医疗影像与企业服务迈向新纪元

> AI领域风起云涌，本期我们将聚焦谷歌Gemini的全面开放与内测进展、OpenAI Sora的火爆表现、Supabase的融资神话、Perplexity Comet浏览器的免费开放，以及快手可灵2.5Turbo模型和CoreWeave的崛起。

## Supabase一年三轮融资，估值飙升至50亿美元

开源数据库公司Supabase在过去一年中完成了三轮融资，总金额达到3.8亿美元，公司估值飙升超过五倍，达到了惊人的50亿美元。Supabase的成功在于其对传统数据库服务模式的革新，为开发者提供了更高效、更便捷的开发体验，在“氛围编程”圈中迅速崭露头角，成为备受瞩目的明星企业。

![image.png](https://static.downly.cn/images/3e2244a3bf822abcb6e2075bce32baa2.png)

 图源备注：图片由AI生成

 

## 谷歌Gemini 3.0 Pro内测流出，编程能力大跃进

谷歌即将推出的Gemini 3.0 Pro及其Flash型号在编程能力上取得了巨大突破。根据内测开发者的反馈，新模型在代码生成、理解和调试方面表现出色，有望成为开发者手中的又一利器。此次更新无疑将加剧AI领域的竞争态势，紧随OpenAI Sora 2的热度，引发了业界的广泛关注。

## Gemini in Chrome全面开放，革新浏览体验

谷歌正式向所有Workspace用户开放了集成在Chrome浏览器中的AI助手Gemini。用户现在可以直接在浏览器中获得即时答案、进行深度信息分析和互动对话。结合Chrome的重大更新，Gemini的加入将为用户带来前所未有的浏览体验，让信息获取和处理变得更加智能和高效。

![image.png](https://static.downly.cn/images/72add454a5712cc60f43c8e410bdc5fa.png)

 图源备注：图片由AI生成

 

## OpenAI Sora上线四天登顶App Store

OpenAI推出的视频生成应用Sora在上线短短四天内，便迅速登顶苹果App Store免费榜榜首，超越了谷歌Gemini和自家的ChatGPT。这一成绩充分证明了市场对AI视频工具的强劲需求。目前，Sora在美国和加拿大地区以邀请制向iOS用户开放测试，允许他们轻松生成、编辑和分享短视频。

## Perplexity Comet浏览器免费开放，AI小秘书上线

Perplexity公司发布了集成了智能助手的Comet浏览器。这款浏览器在侧边栏内置了一个AI小秘书，可以跨页面并行处理机票比价、邮件回复等任务，大大减少了用户在不同标签页之间切换的繁琐操作。该功能原本仅向付费用户开放，现已面向全球免费，引发了用户的下载热潮，甚至一度导致服务器短暂瘫痪。

![image.png](https://static.downly.cn/images/712ef01a2a721f156ca8fabf3ceea7a5.png)

 图源备注：图片由AI生成

 

## OpenAI Sora下载量惊人，上线首日即达5.6万次

OpenAI的Sora应用在北美地区上线后迅速走红，首日下载量就达到了5.6万次，成功跻身应用总榜前三。其“打字生成视频”的强大功能吸引了大量用户，火爆程度甚至一度导致服务器需要排队等候。Sora的成功再次证明了OpenAI在AI领域的技术实力和市场影响力，超越了Claude等竞争对手。

## 快手可灵2.5Turbo模型登顶全球视频生成榜单

快手旗下的可灵2.5Turbo模型在AI视频生成领域取得了令人瞩目的成绩。在Artificial Analysis的基准测试中，该模型的图生视频和文生视频能力分别获得了1329和1252的高分，成功超越了谷歌的Veo3等竞争对手，登顶全球视频生成榜单。

## CoreWeave获Meta与OpenAI巨额订单，总额达207亿美元

AI云服务商CoreWeave近日宣布，已与Meta和OpenAI达成总额高达207亿美元的长期订单。凭借与英伟达的紧密合作关系，CoreWeave锁定了到2031年的GPU供应，从而确保了未来六年的稳定收入，一跃成为AI云服务行业的黑马。

![image.png](https://static.downly.cn/images/b213c156244826c39b60502e76bc1e05.png)

 图源备注：图片由AI生成

每日AI资讯1004：谷歌Gemini重大更新，Sora火爆依旧





> 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：本期AI快讯看点：华人团队研究发现扩散语言模型潜力远超自回归模型；Jan-v1模型以小博大，挑战Perplexity Pro；微软推出全新AI标记语言POML，革新提示工程；谷歌要求学生验证身份以保留AI Pro套餐；B站内测“花生AI”，三分钟即可生成视频；AI搜索新贵Perplexity欲收购谷歌Chrome。

---

## 潜力三倍于自回归模型，华人团队揭示扩散模型新方向
华人团队的一项研究发现，在处理受限的Token数量时，扩散语言模型的数据学习潜力是自回归模型的三倍。这一优势主要得益于其独特的双向建模能力、扩散目标以及更高的计算密度。研究表明，即使在数据重复训练和出现过拟合的情况下，扩散模型的性能依然能够得到有效提升。这一发现为未来AI模型的训练和优化开辟了新的道路，预示着AI技术发展的新方向。

![image.png](https://static.downly.cn/images/b91c18a6519400c87fdd35120fb91e1e.png)

## 4亿参数挑战Perplexity Pro，开源模型Jan-v1惊艳社区
新发布的深度研究模型Jan-v1，基于阿里云Qwen3-4B-Thinking进行微调，参数量仅为4亿，却在SimpleQA准确率测试中达到了91%，成功超越了商业产品Perplexity Pro。该模型具备完全本地运行、支持长上下文、保护用户隐私以及专项优化推理和工具使用等多种能力。Jan-v1的开源引发了开发者社区的热烈反响和高度关注。

![image.png](https://static.downly.cn/images/fbbb63140b9f0c88cefb2996e1283158.png)

## 提示工程迎来革命？微软推出全新标记语言POML
微软重磅推出了POML（Prompt-Oriented Markup Language），这是一种专为大型语言模型提示工程设计的全新标记语言。它旨在通过结构化、模块化的方式，并提供VS Code插件和SDK等工具支持，解决传统提示开发中存在的痛点，从而显著提升开发效率和可维护性。然而，由于其与XML的相似性和本身的复杂性，社区对其创新性和实用性展开了讨论。未来，POML有望在多种应用场景中发挥其重要作用。

![image.png](https://static.downly.cn/images/5546453880a9a5e33de6fda301c6554e.png)

## 免费午餐需验证，Google要求学生证明身份以保留AI Pro资格
谷歌已向部分国家享受免费Google AI Pro订阅套餐的学生用户发送通知，要求他们在2025年9月23日之前，通过第三方验证服务SheerID提交有效的身份证明。如果未能按时完成验证，其免费服务资格将被取消。该套餐包含了Gemini 2.5 Pro、2TB云存储空间等多项福利，此举旨在确保优惠政策仅限于符合条件的在校学生。

![image.png](https://static.downly.cn/images/386b3a967730ea8c9767de471a6148b4.png)

## 三分钟成片，B站内测AI视频创作工具“花生AI”
B站目前正在内部测试一款名为“花生AI”的全新AI视频创作工具。该工具允许用户通过输入文案或上传音频，即可利用AI智能匹配素材或套用模板，在短短三分钟内快速生成视频。据了解，成片质量可媲美许多UP主制作的常见内容，并支持一键发布到B站。此举也与B站此前推出的AI字幕和多语种实时翻译功能相呼应，进一步丰富了其AI创作生态。

![image.png](https://static.downly.cn/images/c08abb05ed415f95329a70c3d50892f0.png)

## AI搜索战火升级，Perplexity拟345亿美元收购谷歌Chrome
AI搜索领域的初创公司Perplexity计划以高达345亿美元的现金收购谷歌Chrome浏览器。在谷歌因垄断问题面临监管压力、AI技术正颠覆传统搜索模式的背景下，Perplexity希望借此举动利用Chrome巨大的流量入口，争夺未来市场份额。尽管此项收购面临着用户粘性、技术差距以及谷歌可能采取的强硬回击等巨大挑战，但Perplexity的大胆计划预示着AI搜索领域的竞争将愈发激烈。

![image.png](https://static.downly.cn/images/1b7709ca2a6576ae1eb882583ec61c01.png)

每日AI资讯0814：华人团队破解Token限制，B站测试AI视频工具，微软推出POML

> AI界风起云涌，技术应用与产业格局均迎来重磅更新。从谷歌Gemini实时生成交互界面的惊艳技术，到字节跳动、海螺AI等公司在视频生成领域的持续加码，AI正以前所未有的速度渗透到创意与交互的方方面面。与此同时，月之暗面开源其强大的多模态模型Kimi-2506，进一步推动社区发展。产业层面，苹果意图收购Perplexity的传闻引发市场巨震。然而，在一片高歌猛进中，MIT的研究也为我们敲响警钟，提醒我们需警惕对AI的过度依赖可能带来的认知影响。

## 警惕AI陷阱 MIT研究揭示过度依赖AI或导致大脑“变懒”

麻省理工学院（MIT）的一项最新研究为我们揭示了过度依赖AI工具可能带来的潜在风险。实验表明，与独立写作或使用搜索引擎辅助相比，长期完全依赖AI（如ChatGPT）进行写作的用户，其大脑在处理任务时的活跃度显著降低。这可能意味着认知能力的“走捷径”会削弱我们深度思考和解决问题的能力。研究还发现，亲身参与创作过程能显著增强人们对作品的归属感和满意度，这是纯粹由AI生成的作品无法替代的。

![iShot_2025-06-23_11.34.16.png](https://static.downly.cn/images/fd04b6a34281a853aae107ce409605b3.png)

## 字节跳动亮出新王牌 DreamActor-H1让商品图秒变带货视频

<video src="https://static.downly.cn/images/6ba10cca10c17c49251a28ddcf57071b.mp4" title="30647320772-1-16.mp4"></video>
字节跳动近日发布了名为 [DreamActor-H1](https://submit2025-dream.github.io/DreamActor-H1/) 的视频生成系统，展示了其在AIGC视频领域的最新成果。该系统能够仅通过一张商品图片和一张人物照片，自动生成一段高质量、专业风格的带货短视频。从技术演示来看，其效果与广受欢迎的AI视频工具HeyGen相似，能够极大降低电商视频的制作门槛。目前，DreamActor-H1仍处于技术展示阶段，官方仅发布了演示视频和技术报告，尚未公布论文或开源计划。


![image.png](https://static.downly.cn/images/ff55f3865fb3c3d5438b81a67ab2f6c2.png)




## 谷歌开源Magenta RT 音乐创作进入实时生成新纪元

谷歌DeepMind团队为音乐创作者和开发者带来了一份大礼——开源了实时音乐生成模型Magenta RealTime (Magenta RT)。作为其先进模型Lyria的开放权重研究预览版，Magenta RT专注于实时交互式音乐创作与表演，能够根据用户的输入即时生成连贯的音乐片段。这一举措预示着AI在音乐领域的应用正从离线生成迈向实时协作，为现场表演、即兴创作和音乐教育开辟了全新的可能性。



![image.png](https://static.downly.cn/images/cc77d28a44031136de7ef51d6a435223.png)



## 视频剪辑迎来“自动驾驶” 海螺AI发布视频创作智能体

<video src="https://static.downly.cn/images/d1e844c63c547a134a3cddc0442a4596.mp4" title="30647322073-1-16.mp4"></video>
国内AI初创公司海螺AI正式推出了其视频创作工具——Hailuo Video Agent。该工具定位为视频领域的“智能体”，旨在将创作者从繁琐的剪辑工作中解放出来。初期版本通过提供创意模板来简化创作流程，但其最终目标是实现用户自主编辑乃至完全自动化的“一键出片”。该智能体集成了音乐、TTS（文本转语音）、音效和字幕等全套功能，代表了AI赋能视频编辑的未来发展方向。



![image.png](https://static.downly.cn/images/883dd177d41f430aed6d85896ae5b853.png)



## 为机器人打造逼真世界 开源框架EmbodiedGen破解3D环境生成难题

具身智能（Embodied AI）的发展一直受限于高质量、物理真实的3D训练环境。为了突破这一瓶颈，一个名为EmbodiedGen的开源框架应运而生。它能够根据文本或图像输入，生成具有正确物理属性、密闭几何结构且可扩展的3D对象和场景。该框架生成的资产兼容多种主流物理模拟器，极大地降低了为机器人训练和数字孪生创建虚拟世界的成本和难度，为智能机器人研究铺平了道路。


![image.png](https://static.downly.cn/images/9b78864d652be698562cd2ddfafd4b23.png)



## 声音的“私人订制” MiniMax推出Voice Design音色设计功能

稀宇科技（MiniMax）在其开放平台上发布了创新的Voice Design音色设计功能。用户现在可以通过简单的文本描述，自由组合“任意语言、任意口音、任意音色”，创造出独一无二的个性化语音。该功能不仅能精准控制情感、音质等细节，还成功规避了传统音色复刻可能带来的版权风险，为内容创作、虚拟助手等应用场景提供了前所未有的便捷与高效。
用户可通过[稀宇科技国内版平台](minimaxi.com/audio)或[海外版平台](minimax.io/audio)体验Voice Design功能，探索语音合成的无限可能。
![image.png](https://static.downly.cn/images/2ce996768ec2bf3468a3b177bbae2128.png)

## 未来交互已至 谷歌Gemini 2.5 Flash-Lite实现“心念所想，界面即现”

谷歌DeepMind再次展示了其强大的技术实力，发布了Gemini 2.5 Flash-Lite模型。该模型最令人震撼的特性是其超低延迟的实时交互界面生成能力。用户可以通过语音或文本描述，瞬间生成并修改UI界面。这项技术结合了多模态输入和长上下文窗口，预示着一种全新的“生成式操作系统”的到来，用户与设备的交互方式或将被彻底颠覆。
![image.png](https://static.downly.cn/images/85e05624284ab97b3dc8479268d39ee4.png)

## 300亿美元豪赌 苹果或将收购Perplexity以重塑搜索格局

市场传出重磅消息，苹果公司正考虑以高达300亿美元的价格收购AI搜索初创公司Perplexity。若交易达成，这将成为苹果历史上最大规模的并购。此举被视为苹果应对AI时代搜索市场变革的关键一步，意图通过Perplexity先进的对话式、答案驱动的搜索技术，全面升级Siri和Safari的用户体验，以在与谷歌等对手的竞争中抢占先机。

![image.png](https://static.downly.cn/images/9d947b288c191a494212917b1cc2cf34.png)
## Kimi-2506开源 月之暗面升级多模态与智能体能力

国内大模型独角兽月之暗面宣布开源其最新的多模态模型Kimi-2506。新模型在智能体（Agent）和视觉理解能力上取得了重大突破。官方数据显示，其推理效率大幅提升，能够更节省token，同时在多项基准测试中得分显著提高。尤其在视觉方面，它支持高达320万像素的高分辨率图像处理，并在图表分析、长文档问答及视频理解等复杂任务上表现出色。

![image.png](https://static.downly.cn/images/b874ae38fdde0c49932a6e19ff4a81de.png)

AI每日资讯0623

> 字节跳动正式推出小云雀 AI，主打一键生成数字人视频功能。



随着数字内容创作需求的爆发，效率和便捷性成为新的追求。 近日，字节跳动正式发布了其在 AI 领域的又一重要产品——小云雀 AI。 这款 AI 应用的核心亮点在于其强大的数字人视频一键生成功能，极大地降低了数字人视频的制作门槛。目前仅支持安卓版本，iOS用户可能要再等等啦～
oppo 商店已经上架
![](https://static.downly.cn/images/20250530082105.161737324.png)

小云雀 AI 的“一键生成”能力，意味着用户只需要输入文本或上传少量素材，AI 即可自动生成带有数字人口播的视频内容。 这种便捷的操作方式，有望彻底改变传统的数字人视频制作流程，使其变得更加高效和亲民。

## 一键生成 轻松打造专属数字人视频

小云雀 AI 的“一键生成”能力，主要体现在以下几个方面

* **文本驱动** 用户输入文字，AI 即可将文字转化为自然流畅的数字人口播。
* **形象定制** 提供多种数字人形象选择，或允许用户定制自己的数字人形象。
* **背景与场景选择** 提供丰富的虚拟背景和场景，或支持用户上传自定义背景。
* **智能剪辑与合成** 自动完成口播与画面的同步，生成完整的视频文件。

<video src="https://static.downly.cn/images/20250530081548.653310493.mp4" title="171_1748592810.mp4"></video>

这些功能使得小云雀 AI 用户即使没有专业的视频制作经验，也能快速、轻松地创建数字人视频，将创意想法转化为生动的视频内容。

## 应用广泛 多领域迎来效率提升

小云雀 AI 的出现，有望在多个领域发挥重要作用，提升内容制作效率。



例如

* **教育培训** 快速生成课程讲解视频，降低教师制作成本。
* **企业宣传** 制作公司介绍、产品演示视频，提升品牌形象。
* **短视频内容创作** 为短视频创作者提供新的内容形式和生产工具。
* **新闻媒体** 快速生成新闻播报或资讯类视频。
* **客服互动** 打造智能数字客服，提供更加生动自然的交互体验。

小云雀 AI 的出现，为这些领域的内容创作者和企业提供了强大的工具，帮助他们以更低的成本和更高的效率生产高质量的视频内容。

## 技术驱动 未来数字人视频新趋势

小云雀 AI 的核心在于其背后强大的 AI 技术支持，包括但不限于

* **先进的语音合成技术** 将文本转化为逼真的人类语音。
* **高质量的数字人建模与驱动技术** 创建栩栩如生的数字人形象并实现自然的表情和动作。
* **智能视频合成与编辑算法** 将不同的元素 seamlessly 地整合到视频中。


字节跳动在 AI 领域的深厚积累，为小云雀 AI 提供了坚实的技术基础。 随着技术的不断发展，数字人视频的质量和逼真度也将持续提升。 小云雀 AI 的推出，无疑是数字人视频制作迈向普惠化、智能化道路上的重要一步，预示着数字人视频在未来将扮演越来越重要的角色。

搜索结果: 视频工具