

> 本期AI资讯聚焦于智能体（Agent）技术的最新突破与应用。PPIO发布了国内首个Agentic AI基础设施平台，旨在加速企业级智能体开发。与此同时，阿里巴巴开源了WebSailor AI Agent框架，打破了传统信息检索的壁垒。此外，谷歌AI的处理能力在6月实现了惊人增长，其处理的标记量翻倍，凸显了底层模型效率的巨大提升。

## PPIO发布国内首创Agentic AI平台，加速智能体应用落地

PPIO在2025世界人工智能大会上正式推出了国内首个Agentic AI基础设施服务平台。该平台提供通用版和企业版，以其强大的分布式GPU云底座为基础，配备了兼容E2B接口的Agent沙箱，为开发者提供了安全、低成本且高效的开发环境。平台支持长下文输出和复杂的企业级功能，旨在解决日益增长的智能体应用开发挑战，强力推动企业实现智能化转型。

![image.png](https://static.downly.cn/images/15aa81cf954146d81c21a4c8a4b8544a.png)

## 谷歌AI处理能力惊人增长，单月标记量突破980万亿

谷歌的人工智能系统在今年六月份展现了惊人的处理能力，处理的标记总数超过了980万亿个，相较于五月份增加了一倍以上。这一显著增长主要得益于其推理模型（如Gemini Flash 2.5）效率的大幅提升。据悉，Gemini Flash 2.5相比前代版本，处理的标记数量增加了约17倍。尽管运营成本也随之大幅增加，但其强大的大规模信息处理能力是实现此次数据激增的核心驱动力。

![image.png](https://static.downly.cn/images/ff56d6934d79f40f09e3aae170cdb5c2.png)

## 阿里巴巴开源WebSailor，革新AI信息检索技术

阿里巴巴通义实验室近日发布并开源了一款创新的AI智能体框架——WebSailor。该框架巧妙地融合了复杂任务生成与强化学习技术，旨在有效应对当前信息爆炸环境下的检索难题。WebSailor在GitHub上发布后迅速获得广泛关注，并在BrowseComp-en/zh和SimpleQA等多个基准测试中取得了优异表现，性能甚至可以媲美一些先进的闭源模型。它通过知识图谱生成高不确定性任务，并利用DUPO算法进行训练优化，同时采用信息模糊化技术来提升任务的复杂性，展现了其在信息检索等领域的巨大应用潜力。

![image.png](https://static.downly.cn/images/7dc85689e25e62662741a4a72407f4f4.png)



 每日AI资讯0728：PPIO引领Agent-AI平台，谷歌处理能力翻倍，阿里开源WebSailor革新搜索



> **导语**
> 今日AI界动态纷呈：阿里巴巴推出ComfyUI-Copilot插件，通过自然语言大幅降低AI艺术创作门槛；自动驾驶机器人公司Cartken成功转型，从食品配送迈向更广阔的工业应用领域；开源AI协作框架CrewAI在GitHub上迅速走红，为开发者提供了构建多智能体系统的高效新范式。

## 阿里开源新星：ComfyUI-Copilot让AI艺术创作“说到做到”

由阿里巴巴国际数字商业集团开发的开源AI助手插件ComfyUI-Copilot，正在彻底改变AI艺术的创作方式。它通过引入自然语言交互，让用户无需再面对复杂的节点和工作流搭建，只需通过简单的语言描述，即可自动生成所需的工作流程。该插件内置了庞大的模型和工作流知识库，支持多模态生成任务，极大地提升了AI艺术创作的效率与便捷性，并已在全球范围内获得社区的高度认可和积极响应。

![image.png](https://static.downly.cn/images/0ade3ea13bca7bdbcd7bbffd14f95e57.png)

## 机器人“转行”：Cartken从送外卖到进工厂

自动驾驶机器人初创公司Cartken正在进行战略重心转移，将其业务从最初的“最后一公里”食品配送，扩展至潜力巨大的工业应用市场。得益于与ZF Lifetec的成功合作，Cartken的机器人在工厂内部运输生产样品方面展现了卓越的效率和可靠性。这一成功的跨界应用吸引了三菱等行业巨头的关注，预示着其在汽车、制药、化工等领域的广阔前景。公司将继续优化现有的配送业务，但未来的增长点将主要聚焦于工业领域。

![image.png](https://static.downly.cn/images/bffcf31cc9175e7221f12399dc0382f3.png)

## GitHub新宠：CrewAI如何让AI智能体“组团”高效工作

开源AI智能体框架CrewAI在GitHub上掀起了一股热潮，迅速获得了超过三万四千颗星标和十万名开发者的关注。这个基于Python的框架，其设计灵感源自人类组织的协作模式，通过其核心组件Crews和Flows，让开发者能够轻松创建分工明确、可协同工作的自主AI智能体团队。它支持角色定义、工具自定义等功能，为构建高效、自主的AI协作系统提供了一个强大的平台，引领着AI开发的新潮流。

![image.png](https://static.downly.cn/images/8c4cc74482d6edee9f221eb6703769ff.png)



每日AI资讯0721：AI助手简化艺术创作，机器人“转行”工业界，智能体协作框架火爆GitHub






> 导语：今日AI界风起云涌，xAI携“最强”Grok-4高调入场，挑战行业现有格局；阿里巴巴则在多模态领域再下一城，开源ThinkSound模型，让AI为视频自动配音成为现实。与此同时，vivo与微软分别在端侧和轻量化模型上取得新突破，预示着AI将更深入地融入个人设备。而英伟达针对中国市场的新芯片计划，则为这场全球技术竞赛增添了更多看点。

## 马斯克“最贵最强”Grok-4登场 AI智能迈入新纪元

马斯克旗下xAI公司正式发布其最新旗舰AI模型Grok-4，号称在各项基准测试中，尤其是在数学、逻辑推理及代码生成能力上，全面超越了现有顶尖模型，展现出惊人的“博士级”水平。此次更新不仅推出了通用版Grok-4，还有一个为开发者量身打造的Grok-4 Code版本。Grok-4继承了X平台的实时信息整合优势，但其高昂的订阅费用也引发了市场的广泛讨论。目前，这款备受瞩目的AI已通过API向部分开发者开放，并在X平台的Premium+订阅中提供体验。

![image.png](https://static.downly.cn/images/d5cca5f213f591805080b8225592357f.png)


## vivo亮剑端侧AI 新模型让手机更懂屏幕

vivo AI实验室发布了其最新的端侧多模态模型BlueLM-2.5-3B。该模型以其仅2.9B的参数量，在保持轻量化的同时，极大地提升了AI对图形用户界面（GUI）的理解能力。通过独特的长短思考模式切换与思考预算控制机制，BlueLM-2.5-3B在多项评测中展现了超越同类产品的性能，尤其在中文GUI理解方面优势明显，为未来AI在手机等智能设备上的普及应用铺平了道路。

![image.png](https://static.downly.cn/images/83bea35c059b150b5b9dc3bb7865b2f1.png)

## 阿里开源ThinkSound 一键为视频配上“灵魂之声”

阿里巴巴通义实验室为影视和游戏创作领域带来一项革命性工具——开源音频生成模型ThinkSound。该模型能够根据视频画面、文字描述甚至其他音频，智能生成与之匹配的高保真、同步音效。ThinkSound的发布极大地降低了专业音效的创作门槛，让AI为视频内容注入“声音的灵魂”，进一步推动了多模态AI技术的发展与应用。

![image.png](https://static.downly.cn/images/fceabd3be7b1ca45263fce575096327e.png)

## 微软“迷你战神”Phi-4-mini登场 笔记本也能跑顶尖AI

微软开源了一款名为Phi-4-mini-flash-reasoning的轻量化新模型。该模型基于自研的SambaY架构，实现了惊人的效率提升，推理速度提高了10倍，延迟降低2-3倍。它尤其擅长高级数学推理和长文本生成，并且能够在单个GPU上高效运行，非常适合在笔记本电脑等边缘设备上部署。在长上下文检索任务中，其准确率高达78.13%，展示了“小模型”的巨大潜力。

![image.png](https://static.downly.cn/images/71d5f47c2fe5cb2a2b74030be580b14e.png)

## 英伟达“特供”中国市场 新款AI芯片呼之欲出

据报道，英伟达正计划推出一款专为中国市场设计的新型AI芯片。这款芯片将基于其最新的Blackwell处理器架构进行修改，旨在确保其产品在遵守相关出口规定的前提下，能够继续服务中国客户。这一举动被视为英伟达在当前全球贸易环境下，为维系其在中国市场的重要地位而采取的关键策略。

![image.png](https://static.downly.cn/images/8624e92dd8e61f0b117707b9af15f337.png)

每日AI资讯0711：Grok-4震撼发布，AI音视频与端侧模型迎变革



> **导语**
> 今天的AI世界充满了创新与挑战。从阿里开源的“会思考”的音频模型ThinkSound，到英特尔等机构揭示的AI信息过载安全漏洞；从Hugging Face推出的小而强大的SmolLM3模型，到钉钉重新定义数据处理的“AI表格”；再到编程平台Replit与微软的强强联手，科技的浪潮正以前所未有的速度塑造着我们的未来。



## 阿里开源ThinkSound 音频生成领域的“思考者”

阿里巴巴语音AI团队近日开源了其创新的音频生成模型ThinkSound。 该模型最大的亮点是支持链式推理，它巧妙地融合了多模态大语言模型与统一的音频生成架构。 通过独特的三阶段推理机制，ThinkSound能够生成与视频内容高度同步、具有空间感的高保真音频，突破了传统技术的瓶颈。 更值得一提的是，用户可以通过自然语言与其交互，对音频进行编辑，极大地提升了音频生成的智能化水平和质量。 目前，该模型已在GitHub等平台开放源代码。

![image.png](https://static.downly.cn/images/6c22dc9f3982dbbc3fa582abdc5fc425.png)

## AI聊天机器人也怕“信息轰炸” 安全新漏洞引人担忧

你的人工智能助手或许并不像想象中那么安全。来自英特尔等公司的研究团队最新发现，大型语言模型在面对“信息过载”时，其安全性会变得异常脆弱。 他们开发出一套名为“InfoFlood”的攻击系统，通过向AI模型大量灌输信息和特定规则，可以成功诱导模型回答那些在正常情况下它会拒绝的有害问题。 [2. 2] 这一发现揭示了当前AI安全防护体系中存在的严重漏洞，引发了业界对于AI安全隐患的广泛担忧。

![image.png](https://static.downly.cn/images/affc051a5cef9a6759730f60338cdec0.png)

## 小参数大能力 Hugging Face发布开源新星SmolLM3

Hugging Face公司再次为开源社区带来惊喜，正式发布了新一代小参数模型SmolLM3。 该模型虽然只有30亿参数，但在性能上却超越了同级别的其他模型。 SmolLM3具备强大的128k上下文窗口，支持多种语言，并创新性地提供了“深度思考”与“非思考”两种推理模式，以适应不同的应用场景。 Hugging Face同时还开源了其模型架构、训练数据和流程，旨在推动AI研究的进一步发展与优化。

![image.png](https://static.downly.cn/images/590e8d513a453c9b20c686d4cf59eb0f.png)

## 办公新革命 钉钉发布“AI表格”让人人都是数据分析师

钉钉近期推出的“AI 表格”功能，正为智能办公开启一个全新的纪元。 它将传统文档编辑的自由度与电子表格强大的数据处理能力完美结合。 用户现在可以将表格中的每一行都作为一个独立的文档来处理，轻松存入文字、图片甚至视频等多种内容。 最具变革性的是，用户只需通过自然语言描述需求，AI便能自动生成复杂的公式和图表，甚至可以创建自动化流程来响应数据的变化，极大地简化了操作，提升了办公效率。

![image.png](https://static.downly.cn/images/ce75def87cd91d48fb493532c25af93e.png)

## 强强联手 Replit与微软达成合作

在线编程平台Replit近日宣布与科技巨头微软达成合作伙伴关系，此举被视为对双方都极为有利的战略选择。 Replit作为编程学习和云端开发领域的一颗新星，此次与微软的合作，预示着云端集成开发环境（IDE）领域的格局或将迎来新的变化，为开发者带来更强大的工具和更无缝的体验。

![image.png](https://static.downly.cn/images/3753f66aa288be48564e4fca8aaaed62.png)



AI每日资讯0709

> 近日，阿里巴巴（Alibaba）旗下人工智能团队宣布**开源其多模态大模型 Ming-Omni**。 这一创新模型旨在实现对**图像、文本、音频和视频**等多种模态数据的统一处理和理解，代表着大模型在通向通用人工智能的道路上迈出了重要一步。 



随着人工智能技术的飞速发展，大模型（Large Models）正逐渐从单一模态（如文本或图像）走向多模态，以期更好地理解和应对现实世界的复杂信息。 在这一趋势下，阿里巴巴（Alibaba）旗下的 InclusionAI 团队，近日带来了其重磅研究成果——**开源多模态大模型 Ming-Omni**。
![image.png](https://static.downly.cn/images/8b72ee56a614208e00060303a8a4397f.png)
Ming-Omni 的发布，旨在打破不同数据模态之间的壁垒，实现对**图像、文本、音频和视频**等多种信息形式的统一处理、理解和生成。 这意味着，未来的 AI 系统将能够像人类一样，更全面、更立体地感知和交互世界。



### 核心突破 全模态统一处理

Ming-Omni 的核心亮点在于其卓越的**全模态统一处理能力**。 不同于以往需要为每种模态单独设计模型的做法，Ming-Omni 采用了一种更为通用的架构，能够同时理解和处理来自不同感官的信息。

#### 1. 统一的表示与融合

Ming-Omni 创新性地将文本、图像、音频和视频数据编码为**统一的特征表示**，并通过先进的融合机制，将这些异构信息整合到一起。 这种统一的表示层使得模型能够捕捉不同模态之间复杂的关联和语义信息。

#### 2. 跨模态理解与生成

得益于统一的架构，Ming-Omni 能够实现**深度的跨模态理解**。 例如，它可以根据一段视频和音频，生成相应的文字描述；或者根据一段文字，生成图像和语音。 这种能力为多种创新应用奠定了基础。

#### 3. 大规模数据训练

为了达到如此强大的多模态处理能力，Ming-Omni 在**海量的多模态数据集**上进行了训练。 这些数据涵盖了文本、图像、音频和视频的广泛组合，使得模型能够学习到丰富的世界知识和跨模态的关联规律。

![image.png](https://static.downly.cn/images/956263f5169f3da1b2d0b32ad2edc7eb.png)

### 应用场景 无限可能

Ming-Omni 的多模态能力，使其在多个领域都展现出巨大的应用潜力

*   **智能助理与对话系统** AI 助手将能更好地理解用户的语音指令、识别图片内容，并生成更丰富、更自然的回复，实现更接近人类的交互。
*   **内容创作与编辑** 辅助创作者生成多媒体内容，例如根据文本脚本生成视频草稿，或根据图像生成背景音乐。
*   **多媒体搜索与推荐** 用户可以通过图片、语音或视频片段进行搜索，并获得更精准的多模态搜索结果和推荐。
*   **智能监控与分析** 在安防、医疗等领域，模型可以同时分析视频画面、环境声音和文本信息，进行更全面的事件检测和预警。
*   **教育与娱乐** 提供更沉浸式、交互式的学习体验，或创造更丰富的游戏和虚拟世界内容。

### 开源赋能 推动生态发展

阿里巴巴此次开源 Ming-Omni，无疑将对整个 AI 社区产生深远影响。

*   **加速研究与创新** 为全球的学者和研究人员提供了强大的基座模型，降低了多模态 AI 研究的门槛，促进了更多创新性应用的涌现。
*   **促进产业落地** 开发者可以基于 Ming-Omni 构建定制化的多模态解决方案，加速 AI 技术在各行各业的落地应用。
*   **构建开放生态** 阿里巴巴通过开源，积极构建开放、协作的 AI 生态，与全球开发者共同推动人工智能的进步。

Ming-Omni 的发布，不仅仅是一个模型的开源，更是阿里巴巴在通向通用人工智能道路上迈出的坚实一步。 它为我们描绘了一个未来，AI 将能够以更全面的方式感知、理解和交互世界。



搜索结果: 阿里开源