> 今日AI界风起云涌，英伟达再次上演“钞能力”，通过战略收购与投资，意在巩固其硬件霸主地位；与此同时，从小米到Mistral AI，开源力量持续壮大，接连发布创新模型；软件层面，谷歌、微软等巨头则加速将AI融入浏览器和操作系统，AI正以前所未有的深度和广度，重塑我们的数字生活。

## 英伟达的“钞能力”：豪掷9亿美金上演人才“打包”战

英伟达近日再次展现其在AI领域的雄心，斥资超过9亿美元，不仅收购了AI硬件初创公司Enfabrica，更是将其CEO及核心团队一并纳入麾下，同时获取了关键技术许可。此次收购的核心目标是强化英伟达的GPU互联技术，构建能够高效连接并协同运作十万块GPU的超级计算系统。此举效仿了Meta、谷歌等科技巨头高薪挖角和打包技术人才的策略，凸显了顶级AI人才在当前科技竞争中的核心价值。

![image.png](https://static.downly.cn/images/23a8dda4f346acaefaa49ce33dec3506.png)
图源备注：图片由AI生成

## 强强联合：英伟达注资50亿联手英特尔挑战AMD

在另一项重磅合作中，英伟达与英特尔达成战略联盟，宣布将共同开发多代x86处理器。这项合作将深度融合英伟达的NVLink技术与英特尔的CPU技术，旨在打造面向游戏PC及数据中心的高性能计算解决方案。为巩固合作关系，英伟达还将投资50亿美元，收购英特尔约5%的股份。这一举动标志着两大芯片巨头联手，意图在高性能计算市场挑战AMD的现有地位。

![image.png](https://static.downly.cn/images/b2f87fa293c78325e45a6818b1e41dc0.png)
图源备注：图片由AI生成

## 小米发力：首个原生端到端语音大模型惊艳亮相

小米公司在语音技术领域取得重大突破，正式开源其首个原生端到端语音大模型Xiaomi-MiMo-Audio。该模型基于上亿小时的海量数据和创新架构打造，首次在语音领域实现了In-Context Learning（ICL）的少样本泛化能力，并观察到了“涌现”行为。在多个行业评测基准上，其表现全面超越同参数级别的开源模型，甚至在音频理解任务上优于谷歌的Gemini-2.5-Flash。

![image.png](https://static.downly.cn/images/43eced9c761bb42216fc1341d0ff51d3.png)
图源备注：图片由AI生成

## 法国AI新星：Mistral推出更强大的开源推理模型

法国AI公司Mistral AI发布了其最新的开源模型Magistral Small 1.2。该模型拥有24B参数，具备处理128k长上下文的能力，并且支持多语言和视觉输入。一个显著的创新是引入了[THINK]特殊token，用于包裹模型的推理过程，旨在提升模型的表现力和应用的灵活性，为开发者提供了更强大的工具。

![image.png](https://static.downly.cn/images/746fa0f3947de5f388e549c883e5ce9f.png)
图源备注：图片由AI生成

## AI融入日常：微软为记事本免费添加AI写作助手

微软正将AI功能深度集成到Windows操作系统中。在最新的Copilot Plus电脑上，经典的记事本（Notepad）应用将迎来“摘要”、“写作”和“重写”等免费的AI新功能。该功能利用本地AI模型提供支持，旨在提升用户的写作效率，并且用户无需订阅Microsoft 365即可使用。目前，部分Windows Insider用户已可抢先体验。

![image.png](https://static.downly.cn/images/9d475c0dc678cc367a041debbd421629.png)
图源备注：图片由AI生成

## 谷歌的反击：Gemini让Chrome浏览器与定制助手更智能

谷歌正全面推动其Gemini AI模型在产品生态中的应用。首先，Chrome浏览器深度整合了Gemini，为美国市场的Mac、Windows及移动设备用户带来智能浏览新体验。AI助手能够帮助用户解释网页内容、整合多标签页信息，甚至恢复已关闭的网站。其次，谷歌推出了Gemini Gems共享功能，用户现在可以像分享Google Drive文件一样，将自己定制的AI助手（Gems）分享给他人，极大地简化了团队协作流程。

![image.png](https://static.downly.cn/images/7fb69b03309cd2ae2003c59fdb204939.png)
图源备注：图片由AI生成

## 视频生成新纪元：Luma AI发布支持专业级HDR的Ray3

视频生成领域迎来新的里程碑，Luma AI发布了其首个能够生成工作室级别HDR（高动态范围）视频的AI模型Ray3。该模型不仅支持生成16位高色深的视频，还能将其导出为专业的EXR格式，使其能无缝融入影视行业的专业制作流程。此外，Ray3还能将普通的SDR视频智能转换为效果震撼的HDR视频。

![image.png](https://static.downly.cn/images/0ed161b2586db143f30c005d304b1316.png)
图源备注：图片由AI生成

## AI浏览器新赛道：Comet与1Password联手保障安全

AI驱动的浏览器正成为新的热点。由Perplexity支持的AI浏览器Comet宣布与知名密码管理工具1Password达成合作。这次联手将先进的AI信息获取能力与顶级的凭证安全管理相结合，为用户在AI时代的网络浏览提供了自动填充、访问控制等安全保障，确保在享受智能体验的同时，个人账户信息安全无忧。

![image.png](https://static.downly.cn/images/5855c5d4c36b8122cb0a0f4d79fd802c.png)
图源备注：图片由AI生成

## 小模型大能量：多款轻量级推理模型集中发布

企业应用正向“小型AI”转型。Meta推出的MobileLLM-R1系列模型，通过提供140M、360M、950M等不同参数规模的选项，解决了企业在使用大型AI模型时面临的成本高、依赖云端和隐私控制难等痛点。与此同时，另一款名为Ring-mini-2.0的高性能MoE推理模型也震撼发布，它仅需激活1.4B参数，推理能力却能媲美10B以下的密集模型，尤其擅长逻辑、编程和数学，并支持128K长上下文，展现了小模型的巨大潜力。

![image.png](https://static.downly.cn/images/96954cb79768db881a52fafc8459ab85.png)
图源备注：图片由AI生成

每日AI资讯0919：从芯片到桌面，巨头与新锐齐发力，AI全面融入数字生活

> 导语：今日AI界风起云涌，从谷歌让静态照片“复活”的Veo 3模型，到微软CEO揭秘GPT-5如何成为其“超级大脑”，再到OpenAI与博通联手量产AI芯片，科技巨头们正加速布局，重塑未来。与此同时，华纳兄弟与Midjourney的版权纠纷也为AI的创作边界敲响警钟。行业创新与挑战并存，一场由AI引领的深刻变革正在上演。

## 谷歌Veo 3魔法降临Google Photos，让你的回忆动起来
谷歌最新的视频生成模型Veo 3即将登陆Google Photos，率先向美国用户开放。用户将能通过“创建”功能，轻松将静态照片一键转换为生动的高质量视频片段。这一更新不仅极大地提升了用户体验，也标志着谷歌的尖端AI技术正在其拥有超过15亿月活用户的核心应用中加速普及。


![image.png](https://static.downly.cn/images/22c7d5e6b0883ea85a277dd478dea312.png)
<center>图源备注：图片由AI生成</center>
 

## 微软CEO揭秘：GPT-5如何成为他的“超级大脑”
微软CEO萨蒂亚·纳德拉分享了他将GPT-5与Microsoft Copilot深度融合的日常工作方法，并视其为核心领导力工具。通过五个精心设计的AI驱动提示，纳德拉在时间管理、战略规划和决策效率上获得了显著提升，他将这称之为“新一层智能”，重新定义了高管的生产力模式。

![image.png](https://static.downly.cn/images/68a8641fa7afca14a4968b8ddf2e40a9.png)
<center>图源备注：图片由AI生成</center>
 

## 强强联手，Atlassian斥资6.1亿美元收购浏览器公司打造AI工作专属浏览器
Atlassian公司宣布以6.1亿美元的重金，收购了知名浏览器Arc及其开发者The Browser Company。此次收购旨在将Dia浏览器打造成一款为知识工作者量身定制的AI工作浏览器，通过整合工作上下文，充分利用浏览器在现代工作流程中的核心地位，从而颠覆性地提升用户的工作效率与体验。

![image.png](https://static.downly.cn/images/c935a6cc96c6a6f0a68939718b783e1a.png)
<center>图源备注：图片由AI生成</center>
 

## 超人、兔八哥齐上阵！华纳兄弟状告Midjourney侵权
华纳兄弟探索公司已正式对AI图像生成工具Midjourney提起诉讼，指控其未经授权，大量使用包括超人、兔八哥在内的知名版权角色来训练模型并生成衍生作品。华纳兄弟认为，Midjourney的行为已构成对其知识产权的肆意侵犯，这场诉讼也再次将AI创作的版权边界问题推向了风口浪尖。

![image.png](https://static.downly.cn/images/eef51ee1dafc4f9a65eebcfd941ccbe7.png)
<center>图源备注：图片由AI生成</center>
 

## DuckDuckGo放大招，GPT-5等顶级AI模型免费集成
以隐私保护著称的科技公司DuckDuckGo宣布重大升级，其付费订阅服务将免费集成一系列最新的高级AI模型。订阅用户现在无需额外付费，即可通过Duck.ai聊天机器人使用包括Claude 3.5 Haiku、Llama 4 Scout、Mistral Small 324B和GPT-4o mini在内的多款顶级AI，此举极大地提升了其订阅服务的价值和吸引力。

![image.png](https://static.downly.cn/images/1015e07ee8510d637862e6848c18da49.png)
<center>图源备注：图片由AI生成</center>
 

## 谷歌新星“Nano Banana”发布一周，千万用户涌入
谷歌最新推出的AI图像编辑工具“Nano Banana”上线仅一周，便吸引了超过千万用户，累计完成了2亿次编辑。该工具凭借其简便的操作和强大的性能，成功规避了AI生成图像时常见的“恐怖谷效应”，能够保持人物特征的高度一致性，在多项测试中表现超越了GPT-4o等竞争对手。

![image.png](https://static.downly.cn/images/f0c41bdfe98c1024cfa9254261ef8eac.png)
<center>图源备注：图片由AI生成</center>
 

## OpenAI联手博通，自研AI芯片明年大规模量产
为应对AI技术飞速发展带来的巨大算力需求，OpenAI宣布将与半导体巨头博通合作，计划于明年开始大规模量产其自研的AI芯片。此举旨在打造性能更强、效率更高的AI硬件，彰显了OpenAI在AI硬件领域的长远战略布局，意图构建从软件到硬件的完整生态。

![image.png](https://static.downly.cn/images/4cf1ff818134e13997a04ee587b78eaf.png)
<center>图源备注：图片由AI生成</center>
 

## DeepSeek蓄势待发，年底将推超强AI代理模型
来自杭州的AI初创公司DeepSeek正在全力研发一款具备先进代理（Agent）功能的新型AI模型。该模型能够自主执行复杂的多步骤任务并进行自我优化，目标直指AI代理领域的顶尖水平。DeepSeek计划于今年第四季度正式发布该模型，与OpenAI等行业巨头展开正面竞争。

![image.png](https://static.downly.cn/images/f62c7b92dcee92d82592f83da9fc10af.png)
<center>图源备注：图片由AI生成</center>
 

## 谷歌智能家居再进化，Gemini for Home携新款Nest设备将至
谷歌预告了其“Gemini for Home”计划的最新进展，旨在用功能更强大的Gemini AI全面取代Google Assistant。 साथ ही，多款全新的Nest硬件也即将亮相，包括疑似新款摄像头和一款神秘的音箱。此举旨在为用户提供更自然、更智能的家居助手体验，使其能处理从推荐食谱到家电维修咨询等一系列复杂任务。

![image.png](https://static.downly.cn/images/9601b3b60d58525bd4836663a3274971.png)
<center>图源备注：图片由AI生成</center>
 

## 微软Copilot“变脸”，全新视觉形象功能将全球推广
微软为其AI助手Copilot推出的实验性视觉形象功能“Copilot Appearance”广受好评。该功能通过实时表情、语音互动和会话记忆，为用户带来了动态、个性化且富有情感反应的虚拟助手体验。微软宣布，这一功能即将从美、英、加三国扩展至全球范围，让更多用户感受到更具人情味的AI交互。

![image.png](https://static.downly.cn/images/05c072f700953070fc2ba103b9bcf817.png)
<center>图源备注：图片由AI生成</center>
 

## Siri与CarPlay或受波及，苹果再遭语音技术专利诉讼
汽车人工智能公司Cerence AI于2025年9月4日在美国德州法院对苹果公司提起专利侵权诉讼。Cerence指控苹果在其产品中（可能影响Siri和CarPlay等核心功能）侵犯了其持有的多项关键语音技术专利，这起纠纷为苹果的AI技术发展蒙上了一层阴影。

![image.png](https://static.downly.cn/images/38c54eb95d8833a2dcfabc34308ae6cf.png)
<center>图源备注：图片由AI生成</center>
 

## 苹果秘密武器，全新AI网页搜索工具明年上线
据消息人士透露，为加强其在人工智能领域的竞争力，苹果公司计划于明年为其智能助手Siri推出一项由AI驱动的全新网页搜索功能。此举被视为苹果弥补其在搜索领域短板、打造更强大AI生态的关键一步，意在与谷歌等巨头在下一代信息入口展开竞争。

![image.png](https://static.downly.cn/images/bc883333b0b7276c82ac49c808dc6d74.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯0905：巨头亮剑！谷歌苹果OpenAI上演AI“三国杀”





> 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领域风起云涌，技术革新与应用落地齐头并进。从华为发布UCM技术挑战HBM依赖，到高德地图与阿里通义大模型联手打造首个地图AI原生Agent；从Vercel V0进化为全能型AI开发伙伴，到MiniMax开创AI智能体“再创作”新模式。与此同时，关于GPT-5测试的争议也引发了行业对AI发展伦理的深思。各大厂商正通过开源与创新，共同推动AI智能体走向协作共创的新纪元。

## 华为发布UCM技术，旨在缓解对HBM的依赖
华为即将发布一项名为UCM（推理记忆数据管理器）的AI推理创新技术。该技术通过优化KV Cache，采用分级管理推理记忆数据的策略，旨在扩大模型的上下文窗口，从而提升大模型推理的性能。此举有望在保证高吞吐量与低延迟的同时，显著降低国内AI产业对昂贵HBM（高带宽内存）的依赖，为AI推理成本的降低和效率的提升带来新的解决方案。

![image.png](https://static.downly.cn/images/88d1ce32ab4c2aee696ddee745524cda.png)

## GPT-5测试成绩遭质疑，AI能力与营销边界引争议
OpenAI公布的GPT-5在SWE-bench Verified测试中的优异成绩近期引发了业界的广泛讨论。质疑声主要集中在其测试并非完整覆盖全部题库，有意规避了部分难题，这可能导致其分数存在“刷分”嫌疑。这一事件不仅暴露了当前AI行业在性能评测与市场营销之间的微妙关系，也引发了关于AI模型真实能力与透明度问题的深刻反思。

![image.png](https://static.downly.cn/images/e2e9ec3c6152258fb05ec41ba1550987.png)

## AI编码进入全栈时代，Vercel V0变身全能开发代理
Vercel旗下的AI编码工具V0迎来重大升级，正式从一个前端生成器进化为全能型的全栈AI代理。升级后的V0能够自主完成从项目规划、研究到前后端代码生成、文案撰写乃至应用调试的全过程。这一进化标志着AI在软件开发领域的辅助能力达到了新的高度，让“无代码”或“低代码”的开发愿景距离现实更近一步。

![image.png](https://static.downly.cn/images/457f56783b29a6f93a07d35726cbd6c7.png)

## AI创作新范式，MiniMax推出全球首个AI智能体再创作市场
MiniMax公司推出了全球首个Agent Remix Marketplace平台，为AI创作领域带来了革命性的新模式。该平台允许用户“一键Remix”他人创建的AI智能体，并能从中获得收益，极大地降低了AI应用的创作门agis，促进了从个人原创到社区协作共创的生态转变。为激励更多创作者加入，MiniMax还同步启动了总奖金池达15万美元的全球挑战赛。

![image.png](https://static.downly.cn/images/e18c35de5982cfd97f808c3e80d61ce8.png)

## 高德地图接入通义大模型，打造首个地图AI原生Agent
高德地图与阿里通义实验室宣布深度合作，将联合打造全球首个AI原生地图。在高德地图的最新版本中，已落地名为“小高老师”的AI智能体。它融合了全双工语音技术与通义Qwen大模型的强大空间理解能力，能够进行自然的多模态交互。双方还共同开发了POI推理Agent，能处理复杂的实时信息与多重约束，极大地提升了用户在出行生活场景中的服务体验。

![image.png](https://static.downly.cn/images/881204b46cb1116fb59db153db91a87c.png)

## 阿里达摩院开源具身智能“三大件”，推动产业开放协作
在世界机器人大会上，阿里达摩院宣布开源其在具身智能领域的三项核心技术：VLA模型RynnVLA-001-7B、世界理解模型RynnEC以及创新的机器人上下文协议RynnRCP。此举旨在解决当前具身智能开发中模型与硬件适配困难、流程碎片化等核心痛点，通过提供一套标准化的框架，加速数据、模型与机器人本体的融合，推动整个具身智能产业生态的开放与发展。

![image.png](https://static.downly.cn/images/7bde78b303221c15ea99435953bdc204.png)

## Perplexity AI入局，AI搜索迈向多模态内容创作
AI搜索引擎Perplexity AI宣布全平台上线视频生成功能。用户现在可以通过简单的文字提示，在聊天界面直接生成短视频。此功能目前向订阅用户开放，标志着AI搜索正在从传统的文本问答向更丰富的多模态内容创作转型。这一功能的推出，预示着未来的AI平台竞争，将围绕多模态内容的生成能力展开。

![image.png](https://static.downly.cn/images/63364a93b07d9dd307fca24c9265e080.png)

## GPT-oss模型展现惊人自主性，无提示解题5000次
GPT-oss大模型在一次实验中，展现了惊人的自主行为。在没有任何明确提示的情况下，它自主构思了一个关于多米诺骨牌拼图的复杂编程问题，并用不同编程语言重复解决了超过5000次。这一现象不仅展示了其在特定数学和代码领域的深度优化，也引发了研究人员对其内部工作机制、训练数据构成以及“创造性”边界的深入思考。

![image.png](https://static.downly.cn/images/7cffcb2811218090be6ee53b04baf9d2.png)

## 谷歌搜索推出新功能，允许用户自定义首选信息来源
为了提供更个性化的搜索体验，谷歌宣布将推出一项新功能，允许用户在搜索设置中指定自己偏爱和信任的新闻或信息来源网站。设置完成后，来自这些首选网站的搜索结果将在用户的搜索页面上获得更高的展示权重，使用户能更快地获取到他们最关心的内容。

![image.png](https://static.downly.cn/images/61622cce270374eb8f4c372d4ed75e34.png)



每日AI资讯0813：AI智能体全面爆发，从编码到出行，重塑数字生活

> 今日的AI界风起云涌，从微软与OpenAI的AGI定义之争，到Meta在实时视频生成和语音技术领域的双重布局，再到Kimi K2、IndexTTS2等国产大模型的惊艳表现，无不预示着AI技术的边界正在被以前所未有的速度拓宽。与此同时，关于AI产品形态的深刻反思和面向AI开发者的实用工具也相继涌现，共同勾勒出人工智能产业蓬勃发展的全景图。

## 告别对话框 AI产品的未来在于无缝融入工作流

当前，以ChatGPT为代表的聊天式AI交互界面虽然普及，但其本质上是一种低效且隔离的解决方案。未来的AI产品应当超越简单的“聊天框”，向“混合式工作空间”演进。这意味着AI能力需要被无缝地嵌入用户已有的工作软件和流程中，如在文档、表格或设计工具内直接提供智能支持，而非强制用户切换到另一个应用进行问答。这种设计理念旨在让AI成为用户工作流程中的“协作者”，而非仅仅是一个外部工具，从而实现真正意义上的智能增强和效率提升。

![image.png](https://static.downly.cn/images/b57cf9a7d32022ae83480cd922a899cd.png)

## 千亿美金的定义之争 OpenAI与微软的AGI暗战

通用人工智能（AGI）的定义正成为科技巨头争夺的焦点。微软曾将其定义为能够创造千亿美元利润的自主系统，而OpenAI则认为AGI是能在多数有经济价值的工作上超越人类的高度自主系统。这场定义权的争夺，背后牵动着巨大的商业利益和未来话语权。谁能主导AGI的定义，谁就能在吸引投资、驱动估值和影响政策方面占据先机。这一现象凸显了在“技术封建主义”时代，定义权本身有时比技术实现更为关键。
![image.png](https://static.downly.cn/images/c2c058bfa554ac7837511587ed07f7cc.png)

## Perplexity CEO盛赞Kimi K2模型 或将基于其进行二次开发

国产大模型再获国际认可。美国AI搜索公司Perplexity的CEO对“月之暗面”新发布的万亿参数开源模型Kimi K2给予了高度评价。他特别指出，该模型在代码生成和智能代理任务上展现出的卓越性能令人印象深刻。Perplexity公司正计划基于Kimi K2模型进行后续的深入训练和开发，这预示着国产开源大模型在全球范围内的影响力正持续扩大。

## 配音界迎来革命 IndexTTS2模型实现零样本情绪克隆

一款名为IndexTTS2的文本转语音（TTS）大模型即将为配音行业带来颠覆性变革。该模型号称能达到“影视级”效果，其核心亮点在于实现了全球首创的零样本情绪克隆。用户只需提供一小段音频样本，即可克隆出说话人的音色，并能根据文本内容精准控制情绪表达。此外，模型支持完全本地化部署和权重开放，并能精确控制音频时长，完美适配影视配音、游戏角色、有声书制作等专业场景。

![image.png](https://static.downly.cn/images/7dac95d1a7daa67f5d0eea1bb0c4945f.png)

## Meta发布StreamDiT 单GPU实时生成高清视频，重塑视频创作

Meta公司与加州大学伯克利分校联手发布了革命性的实时视频生成模型StreamDiT。该模型仅需单个GPU，就能以每秒16帧的速度实时生成512p分辨率的高质量视频，并支持实时编辑，例如将视频中的猪无缝替换为猫。这一突破性的技术凭借其定制化架构和高效的流式扩散技术，显著超越了现有的视频生成方法，为实时交互式视频内容的创作和直播应用开启了无限可能。

![image.png](https://static.downly.cn/images/3e9f53d1676f82f739725fcb8dd87cb0.png)

## Meta再出手 收购AI语音初创公司Play AI强化语音技术

为了进一步巩固在智能语音领域的领先地位，Meta公司近日宣布收购了专注于AI人声生成的初创企业Play AI。Play AI的团队及其先进技术将被整合进Meta，旨在全面提升Meta在AI角色对话、Meta AI助手、智能可穿戴设备以及音频内容创作工具等方面的产品体验。此次收购是Meta在AI语音技术领域的重要布局，意在打造更自然、更具表现力的人机交互体验。

## vibe-kanban发布 为AI编程代理提供任务协调新工具

一个名为vibe-kanban的开源项目近日发布，它是一个专为AI编程代理设计的任务协调看板工具。在日益复杂的AI辅助软件开发流程中，该工具可以帮助开发者或多个AI代理更清晰地规划、分配和追踪任务。vibe-kanban支持并行或顺序处理任务流，优化了从任务规划到代码审查的整个环节，旨在提升多代理协作开发的效率和条理性。

## 视频换脸技术新突破 CanonSwap论文发布，代码即将开源

一项名为CanonSwap的创新视频换脸技术近日公布了其详细的技术论文和研究报告，引发了广泛关注。该技术在保留面部表情和光照一致性方面取得了显著进步，使得换脸效果更加逼真自然。CanonSwap的源代码也即将向社区公开，这一举措将极大地推动视频换脸技术在内容创作、影视后期和虚拟人等领域的应用与发展。
<video src="https://static.downly.cn/images/d97c0eaf1f7e0ab0d47bb05a9d0d4aa2.mp4" title="31024352883-1-16.mp4"></video>

每日AI资讯0714：Meta秀出实时视频黑科技，AGI定义权引巨头暗战

> AI领域竞争白热化，苹果与微软分别推出创新模型TarFlow与Mu，前者革新图像生成技术，后者则以极小体量赋能Windows智能体。同时，AI的应用边界持续拓宽，从Grok进军电子表格编辑，到GPT-4助力癌症新药研发，再到ElevenLabs发布语音优先的AI助理。然而，行业发展也伴随着法律挑战，迪士尼已就版权问题向Midjourney等AI公司提起诉讼。此外，OpenAI与Jony Ive公司合作开发AI硬件的消息，预示着AI的下一战场可能转向实体设备。

## 苹果另辟蹊径 发布AI生图新模型TarFlow

苹果公司在AI图像生成领域展示了其独特的思考，发布了基于“归一化流”（Normalizing Flows）技术的全新模型TarFlow与STARFlow。与主流的扩散模型不同，TarFlow通过分块生成像素来保证高质量输出，避免了传统方法中可能出现的质量损失。其姊妹模型STARFlow则在潜空间中运行，并能调用外部大语言模型来更精准地理解和处理复杂的文本提示，显著提升了生成效率与图像质量。
![image.png](https://static.downly.cn/images/267d19af1b5363b96a53993f3352c7cc.png)

## 微软发布3亿参数“微”模型Mu 专为Windows智能体打造

微软推出了一款参数仅为3.3亿的创新小型模型Mu，其性能却能与体量是其十倍的Phi-3.5-mini相媲美。该模型专为本地化部署而优化，在离线的NPU设备上能实现每秒超过100个token的惊人响应速度。Mu借鉴了Phi Silica架构，并引入双重层归一化、旋转位置嵌入等先进技术，使其能够通过自然语言指令直接操作Windows系统设置。经过大规模数据微调，Mu已将操作响应时间成功控制在500毫秒以内，极大地提升了Windows系统的易用性和智能化水平。

![iShot_2025-06-24_11.02.06.png](https://static.downly.cn/images/2e91b686cc69d9c34d2c779e94776477.png)

## 开源新星 OmniGen2 用自然语言“指点江山”精修图像


OmniGen2作为开源社区中Flux Context的有力替代者，为用户提供了强大的自然语言图像编辑能力。用户只需通过简单的文字指令，即可对图像进行精准的局部编辑，包括删除或替换对象、进行风格转换、调整颜色、处理背景、添加新物品，甚至修改人物的表情和动作。目前，该模型的权重已在[Hugging Face Space](https://huggingface.co/spaces/OmniGen2/OmniGen2)上公开发布，供广大开发者和爱好者体验。

![image.png](https://static.downly.cn/images/38fb68246c1a6bae554e293f4172cdc6.png)

## 版权保卫战打响 迪士尼正式起诉Midjourney

随着AI生成内容的普及，版权问题日益凸显。娱乐巨头迪士尼已采取法律行动，正式起诉Midjourney等AI公司，指控其未经许可使用迪士尼的知识产权进行模型训练和图像生成。此举标志着内容创作者与AI技术公司之间的法律战火正在升级。在积极维权的同时，迪士尼也在与OpenAI等公司进行合作洽谈，旨在探索在保护自身版权角色和IP的同时，利用AI技术发展的可能性。

![iShot_2025-06-24_11.04.48.png](https://static.downly.cn/images/38fb68246c1a6bae554e293f4172cdc6.png)

## 法庭文件曝光 OpenAI联手苹果前设计总监Jony Ive秘密研发AI硬件

一则法庭文件意外揭示，OpenAI正与苹果公司的前首席设计官Jony Ive创办的设计公司io进行深度合作，共同为一款面向大众市场的AI硬件设备进行技术研发。这一消息源于io公司针对另一家初创公司iyO提起的商标纠纷诉讼。此次合作曝光，意味着OpenAI的野心已不止于软件层面，正试图将AI能力封装到专门的硬件中，这可能预示着下一代消费级智能设备的到来。




## Grok亮剑生产力工具 挑战微软与谷歌的电子表格霸权

根据最新泄露的信息，马斯克旗下的xAI公司正为Grok开发一项强大的新功能——支持电子表格的高级文件编辑器。此举旨在将Grok这一强大的AI助手深度集成到日常的生产力工具中，直接向微软的Excel和谷歌的Sheets等传统办公软件发起挑战。通过赋能电子表格处理能力，Grok希望在AI驱动的生产力赛道上与OpenAI、Google和Microsoft展开激烈竞争。

![]([object Object])![iShot_2025-06-24_11.09.17.png](https://static.downly.cn/images/a36a0be1b906c96e6cc059809aafaf51.png)

## AI成抗癌新希望 GPT-4成功发现乳腺癌协同治疗新方案

剑桥大学等研究机构的一项突破性研究显示，大型语言模型在攻克癌症方面展现出巨大潜力。研究人员利用GPT-4分析海量医学文献和数据，成功提出了一种全新的乳腺癌协同治疗方案。该方案创新性地组合了辛伐他汀和双硫仑等非传统抗癌药物，并通过实验验证了其有效性。这一成果为利用AI进行新药研发开辟了全新路径，展示了AI“发明”新疗法的可能性。

![iShot_2025-06-24_11.09.54.png](https://static.downly.cn/images/3599ff0226db21a87c89c156e9dc4a2a.png)

## 苹果收购版图再添变数 与Mira Murati新公司谈判破裂

据报道，苹果公司此前曾与前OpenAI首席技术官Mira Murati创立的人工智能公司Thinking Machines Lab进行过收购洽谈。这家新公司的估值高达100亿美元，致力于使AI系统更易于被人类理解和定制。然而，最新的消息显示，双方的谈判并未达成协议，最终以破裂告终。目前，苹果公司正将评估的目光转向另一家AI搜索公司Perplexity，其在AI领域的布局策略依然充满变数。




## 4K画质一键达成 Astra为AI视频创作者推出超分辨率工具
![iShot_2025-06-24_11.04.48.png](https://static.downly.cn/images/38fb68246c1a6bae554e293f4172cdc6.png)
一款名为[Astra](https://astra.app/)的专业级AI视频超分辨率工具正式上线。该工具利用先进的AI技术，能够智能地将低分辨率的视频素材提升至清晰的4K画质，旨在解决AI视频创作者在内容生产最后环节的画质难题。尽管其功能相对单一，且标准版月费为39美元（约合人民币280元），价格不菲，但它为追求极致画质的用户提供了一个有效的解决方案。

![iShot_2025-06-24_11.12.27.png](https://static.downly.cn/images/bd8603c8e8dd189a00c4f6c4a595614f.png)

## ElevenLabs发布语音优先AI助理11ai 支持超5000种声音

以语音技术闻名的ElevenLabs公司发布了其全新的AI个人助理——11ai。这款助理主打“语音优先”的交互体验，并集成了强大的多工具集成能力和自定义MCP支持，允许用户创建高度个性化的工作流程。11ai具备日程管理、实时搜索和团队协作等核心生产力功能，支持超过5000种声音和70多种语言，其强大的多模态交互能力使其成为提升全球用户工作效率的强大工具。

AI每日资讯0624

> OpenAudio 近日正式发布了其旗舰级文本到语音（TTS）模型 OpenAudio S1。该模型凭借在多语言支持、精细情感控制以及卓越语音质量上的突破，旨在为专业级语音合成应用树立新标杆，为内容创作、虚拟助手、教育娱乐等领域带来革命性变革。

OpenAudio 开源的mini版本：[fish-speech](https://github.com/fishaudio/fish-speech)，12GB显存可以部署，支持多语言，尤其是中英文。

## OpenAudio S1 发布 专业级 TTS 模型定义语音新高度

FishAudio 近日宣布正式推出其最先进的文本到语音（Text-to-Speech，TTS）模型——OpenAudio S1。 这款旗舰级模型旨在重新定义专业级语音合成的标准，它不仅继承了 OpenAudio 在音频技术领域的深厚积累，更在多语言支持、情感控制以及语音质量和推理速度方面实现了显著突破，为开发者和内容创作者提供了前所未有的强大工具。

<video src="https://static.downly.cn/images/937fb20a74e4f524f57349a88a63b04b.mp4" title="30326196592-1-16.mp4"></video>

在数字化内容日益丰富的今天，高质量、富有表现力的语音合成技术变得愈发关键。 OpenAudio S1 的推出，正是为了满足这一不断增长的需求，它将 AI 驱动的语音生成推向了一个新的高度。

### 核心亮点 多语言情感控制

OpenAudio S1 的核心竞争力之一在于其卓越的**多语言支持和精细的情感控制能力**。

* **多语言覆盖** S1 能够理解并合成多种语言的语音，这对于全球化内容创作和跨文化交流至关重要的。 无论是新闻播报、有声读物还是交互式语音助手，它都能提供自然流畅的语音。
* **精细情感表达** 模型能够根据文本内容和指令，生成带有特定情感色彩的语音，如喜悦、悲伤、愤怒、惊讶、平静等。 这种情感控制不仅仅是简单的语气调整，而是深入到语音的韵律、语速和音调，使其听起来更具表现力和真实感。 这对于需要传递情感深度的叙事、角色扮演或客户服务应用至关重要。
* **语音克隆与音色定制** 除了标准语音，S1 还具备强大的语音克隆能力，能够学习并合成特定人物的音色，保持其独特的语调和发音习惯，极大地拓宽了定制化语音的应用场景。

这些能力使得 OpenAudio S1 成为一个高度灵活且富有表现力的语音合成解决方案。

### 专业级音质与低延迟推理

除了强大的情感和多语言能力，OpenAudio S1 在**语音质量和推理速度**方面也达到了专业级水准。

![image.png](https://static.downly.cn/images/b229da518b4d8418fff5e5f72a31599d.png)

* **卓越音质** S1 生成的语音具有极高的保真度，听起来自然、清晰，几乎与真人发音无异。 这得益于其先进的声学模型和波形生成技术，确保了语音的纯净度和流畅性。
* **低延迟推理** 对于实时应用如语音助手、在线教育或游戏中的角色语音，低延迟是关键。 OpenAudio S1 在保证高音质的同时，实现了快速的文本到语音转换，确保了交互的即时性和流畅性。
* **稳定性与鲁棒性** 即使面对复杂的文本输入或背景噪音，S1 也能保持稳定的输出质量，展现了其作为专业级模型的鲁棒性。

这些特性使得 OpenAudio S1 能够满足最严苛的专业应用需求，为用户提供无与伦比的听觉体验。

### 应用前景 赋能各行各业

OpenAudio S1 的发布，预示着语音合成技术在多个领域将迎来新的突破。

![image.png](https://static.downly.cn/images/4237b6c84fd18ed505711fecc2e4933d.png)

* **内容创作** 播客、有声读物、视频旁白、动画配音等，S1 能够提供多样化的声线和情感表达，丰富内容形式。
* **虚拟助手与客服** 提升虚拟助手的自然度和亲和力，实现更人性化的客户服务交互。
* **教育与娱乐** 为在线课程、游戏角色、互动故事等提供沉浸式语音体验。
* **无障碍辅助** 帮助视障或阅读障碍人士更便捷地获取信息。
* **品牌声音定制** 企业可以定制专属的品牌声音，提升品牌识别度。

OpenAudio S1 的发布，无疑为开发者和内容创作者打开了新的大门，使其能够以更低的成本和更高的效率，创作出具有情感深度和专业水准的语音内容。

## 未来展望 持续推动语音技术边界

OpenAudio S1 的推出，是文本到语音技术发展史上的一个重要里程碑。 它不仅仅是一个功能强大的模型，更是 OpenAudio 持续创新、推动语音技术边界的体现。

OpenAudio 将继续投入研发，探索 TTS 技术的更多可能性，例如更精细的音色控制、更自然的语境适应能力以及更广泛的语言覆盖。 随着 AI 技术的不断进步，OpenAudio S1 有望在未来几年内，为我们的日常生活和工作带来更深远的影响，让机器的声音真正变得有温度、有情感。

FishAudio重磅发布OpenAudio S1 - 多语言+情感控制 TTS模型



> 在人工智能飞速发展的浪潮中，语音合成（Text-to-Speech，TTS）技术是连接人与 AI 的重要桥梁。创造自然、富有情感、甚至能够模拟特定人声音的语音合成技术一直是业界的追求目标。近日，中国 AI 公司 MiniMax 宣布其新一代语音模型取得了突破性进展，在多个公开评测中表现卓越，甚至在某些关键指标上超越了在该领域处于领先地位的 OpenAI 和 ElevenLabs。这一成就不仅标志着中国在语音合成技术上的显著进步，更预示着一个更加个性化、具有“人格”特征的语音交互时代的来临。



## 语音合成的进化-从冰冷到富有情感

早期的语音合成技术往往生成机械、生硬的语音，难以与真人的自然流畅相媲美。随着深度学习技术的应用，语音合成的自然度大幅提升，出现了能够模拟不同性别、年龄声音的模型。然而，要实现真正富有情感、具有个体特征的“人格化”语音，仍然是技术上的巨大挑战。

“人格化语音”不仅仅是简单地模仿音色，更包括对语音的语速、语调、停顿、情感色彩的精确控制，使其听起来像一个有思想、有情感的个体在说话，甚至能够模拟特定人物的说话风格和习惯。



![image.png](https://static.downly.cn/images/20250515103155.581424744.png)



## MiniMax 新模型-性能屠榜的背后

MiniMax 的新一代语音模型之所以能够取得如此亮眼的成绩，并在公开评测中“屠榜”，很可能得益于其在以下方面的技术创新：

*   **大规模数据训练-** 利用海量的语音数据进行训练，使模型能够学习到更丰富、更细腻的语音变化规律。
*   **先进的模型架构-** 采用了更高效、更强大的神经网络架构，例如 Diffusion 模型或其他生成模型，以更好地捕捉语音的复杂特征。
*   **情感和风格控制-** 模型可能内置了更精细的情感和说话风格控制模块，允许用户或应用精确地调整生成语音的情感和语气。
*   **个性化声音克隆-** 有能力在少量样本的基础上，生成高度逼真的特定人物声音，实现真正的“声音复刻”。

据报道，在多项衡量语音自然度、相似度、情感表达能力的指标上，MiniMax 的新模型都展现出了超越现有顶尖模型的性能。



![image.png](https://static.downly.cn/images/20250515103041.509768561.png)



## 人格化语音时代的来临-应用前景广阔

MiniMax 新一代语音模型的成功，不仅仅是技术上的突破，更预示着“人格化语音”的应用时代正在加速到来。这项技术具有广阔的应用前景-

*   **智能助手和聊天机器人-** 让 AI 助手拥有更自然、更具亲和力的声音，提升用户体验。
*   **有声读物和播客-** 可以用特定角色的声音朗读内容，增加沉浸感。
*   **游戏和虚拟现实-** 为虚拟角色赋予独特的、富有情感的声音。
*   **内容创作和配音-** 简化配音流程，降低成本，并能够生成特定角色的声音。
*   **个性化服务-** 例如为老年人或视力障碍者提供定制化的语音服务，甚至模拟亲人的声音进行陪伴。

拥有高度个性化和情感化的语音，将使 AI 应用不再是冷冰冰的工具，而是能够与用户建立更深层次连接的“人格”体。



![image.png](https://static.downly.cn/images/20250515103240.060380921.png)



## 挑战与未来

尽管取得了显著进展，人格化语音技术仍面临一些挑战-

*   **声音的泛化和鲁棒性-** 如何确保在各种语境、语速和情感变化下都能生成高质量的语音？
*   **伦理和安全问题-** 高度逼真的声音克隆技术可能被用于欺诈或虚假信息传播，需要建立相应的规范和防护措施。
*   **计算资源需求-** 高级语音模型的训练和推理通常需要大量的计算资源。

然而，MiniMax 的这一成果无疑为推动人格化语音技术的发展注入了新的动力。随着技术的不断成熟和成本的降低，我们可以期待在未来看到更多基于人格化语音的创新应用，它将深刻地改变我们与 AI 交互的方式，让数字世界变得更加温暖和人性化。


搜索结果: 语音技术