> 导语：今日AI界风起云涌，从环球音乐与AI公司Udio、Stability AI的破冰合作，到SciencePedia以“知识图谱”重塑科学学习范式，再到IBM推出专为边缘计算设计的Granite 4.0 Nano微小模型，技术革新正加速渗透各行各业。与此同时，维基百科与马斯克旗下Grokipedia的“人机知识”之争，也引发了我们对AI未来的深刻思考。

## 音乐巨头拥抱AI：环球音乐联手Udio与Stability AI探索音乐创作新纪元

环球音乐集团（UMG）正式宣布，已与两家知名生成式AI音乐公司Udio和Stability AI达成重要合作。此举标志着全球最大的唱片公司之一，正积极拥抱人工智能技术，旨在通过合作，共同探索AI在音乐创作、制作和发行等领域的创新应用，为艺术家和词曲作者开辟全新的创作可能性。

![image.png](https://static.downly.cn/images/c59ef8184990af1d73c30068d01c71a0.png)
<center>图源备注：图片由AI生成</center>
 

## 挑战传统百科！SciencePedia利用“知识图谱+长思维链”掀起科学学习革命

在Grokipedia遭遇争议之际，一款名为SciencePedia的新型AI百科全书正式亮相。它以“深度理解”为核心理念，联合多家顶尖科研机构共同打造。SciencePedia摒弃了传统百科全书孤立的词条罗列方式，创新性地采用“知识图谱”与“长思维链”技术，旨在揭示科学知识背后复杂的逻辑脉络和演化历程，帮助学习者建立系统性的科学思维，实现从零散知识点到连贯认知体系的范式变革。

![image.png](https://static.downly.cn/images/103fe398683a760440401077f5a83ebd.png)
<center>图源备注：图片由AI生成</center>
 

## IBM剑指边缘计算：发布Granite 4.0 Nano系列微小模型，赋能本地AI

科技巨头IBM近日发布了其最新的Granite 4.0 Nano系列AI模型。该系列包含8个不同规模（350M和1B参数）的微小模型，专为在智能手机、汽车、无人机等本地设备和边缘计算场景中高效运行AI推理任务而设计。这些模型采用了结合SSM和Transformer的混合架构，以Apache 2.0协议完全开源，旨在为企业提供更强的数据隐私保护和对AI部署的完全控制能力。

![image.png](https://static.downly.cn/images/3d2208b9908289d89a48fc90c8d27b97.png)
<center>图源备注：图片由AI生成</center>
 

## 人类与AI的知识对决：维基百科回应马斯克Grokipedia挑战，坚守人类编辑核心

面对埃隆·马斯克旗下AI驱动的Grokipedia上线，维基百科（Wikipedia）发表了一份强有力的宣言，重申其“人类创造知识，而非机器”的核心价值观。维基百科强调，其过去近25年的成功，完全建立在全球志愿者社区的无私贡献和非营利模式之上，以此含蓄批评科技巨头可能存在的商业化倾向，并捍卫了由人类编辑和审核知识的传统与权威性。

![image.png](https://static.downly.cn/images/e748af7ff9144b6e7269619f0880d471.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯1031：音乐巨头拥抱AI，知识领域人机之争愈演愈烈

> 今天的AI世界精彩纷呈：谷歌通过开源新架构，将强大的AI能力直接带入我们日常的穿戴设备中；曾经惊艳世人的Sora模型，如今却面临着现实的挑战与争议；而OpenAI则将目光投向了新的创作领域——音乐，预示着人人都能成为作曲家的时代即将到来。

## AI无处不在 谷歌新架构让智能设备摆脱云端

谷歌研究院（Google Research）最近开源了其创新的Coral NPU平台，这一举措旨在让AI技术不再局限于强大的云端服务器，而是能够直接在手表、耳机等资源有限的个人设备上高效运行。通过提供高性能、低功耗的AI加速器，谷歌极大地降低了AI模型在边缘设备上部署的门槛。这意味着，未来的可穿戴设备、智能家居产品乃至工业自动化设备，都将能够更轻松地集成先进的AI功能，从而推动人工智能在这些领域的普及与应用，开启一个万物智能的新纪元。

![image.png](https://static.downly.cn/images/d1e8546ce3a6684cdbb996ca731a70f9.png)

 图源备注：图片由AI生成


## 热度降温 Sora面临版权与创作双重挑战

OpenAI发布的视频生成模型Sora，在问世之初凭借其惊人的效果引发了全球范围内的关注和热议。然而，时至今日，Sora的热度似乎有所减退，其发展也面临着诸多现实的挑战和麻烦。其中，版权问题成为了最大的“绊脚石”，尤其是在处理像路飞、鸣人、皮卡丘这类深入人心的动漫角色时，AI的创作边界引发了广泛争议。相较于发布初期的风光无限，Sora如今必须在技术创新与现实规则之间寻找平衡点。

![image.png](https://static.downly.cn/images/e9c3046a0645f7c708c01b63a024735d.png)

 图源备注：图片由AI生成


## 人人都是作曲家 OpenAI秘密研发AI音乐生成工具

继在文本和图像领域取得巨大成功后，OpenAI再次将创新的触角伸向了音乐领域。据最新消息，该公司正在积极开发一款全新的AI音乐生成工具。这款工具能够根据用户输入的文本或音频提示，智能创作出独特的音乐作品，不仅可以为视频添加配乐，甚至还能生成人声伴奏。为了保证生成音乐的质量和专业性，OpenAI正与世界顶尖的茱莉亚音乐学院合作，利用其丰富的资源来训练模型。未来，这项功能可能会被无缝集成到ChatGPT和Sora中，极大地改变音乐创作和视频配乐的行业生态。

![image.png](https://static.downly.cn/images/8ba1377a0d518a287b5a45f1d3a5636c.png)

 图源备注：图片由AI生成

每日AI资讯1026：端侧AI迎新突破，Sora热度渐冷，OpenAI布局音乐创作

> 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：今日AI领域精彩纷呈，技术革新正深刻改变着数字内容的创作与消费方式。从Luma AI的推理视频模型，到腾讯混元的分钟级3D创作工具，再到阿里云开源的动作生成模型，AI正在将专业级的影视与3D制作能力普及化。同时，AI也在重塑我们的怀旧体验与工作效率，无论是腾讯视频通过AI修复经典老片，还是Notion、微软Teams推出的AI智能体，都在深刻地改变着我们的娱乐和工作模式。

## AI修复经典，腾讯视频让老剧焕发4K新生

腾讯视频近期上线了“AI修复”片单，利用先进的AI技术，将《家有儿女》、《食神》等一批承载着观众集体回忆的经典影视作品，成功修复至4K超高清画质。这项技术不仅提升了分辨率，还显著增强了画面的纯净度与播放流畅度，为SVIP用户带来了“臻彩MAX”的一键升级观影体验，让模糊的记忆瞬间变得清晰，引发了一波怀旧热潮。

![image.png](https://static.downly.cn/images/5330f3e9a8a4ce0c837ed52f545211d4.png)
<center>图源备注：图片由AI生成</center>
 

## AI“听诊”超声波，香港“聆音”大模型让诊断更轻松

为了应对超声科医生严重短缺的现状，香港中科院团队研发了名为“聆音”（EchoCare）的超声大模型。该模型基于全球首个超400万张超声影像的数据集进行训练，旨在提升诊断的效率与准确性。面对中国每年高达20亿次的检查需求和15万名医生的缺口，“聆音”的出现有望大大缩短医生的培养周期，让AI成为医生的得力助手。

![image.png](https://static.downly.cn/images/fce9ed72cfdff05ef190de7d33980c83.png)
<center>图源备注：图片由AI生成</center>
 

## 阿里云Wan2.2-Animate模型开源，人人都是动作导演

阿里云最近全面开源了其新一代动作生成模型Wan2.2-Animate。该模型在生成视频的人物一致性和动作质量上实现了巨大飞跃，无论是短视频创作、舞蹈模仿还是动漫制作，用户都能轻松上手。模型支持动作模仿和角色扮演两种模式，创作者可以通过GitHub等平台免费获取，极大地降低了高质量动画制作的技术门槛。

![image.png](https://static.downly.cn/images/ac11a65ff2e32754d632d00e93a92ec7.png)
<center>图源备注：图片由AI生成</center>
 

## AI音乐创作迎革命，Suno v5模型即将震撼发布

AI音乐生成领域的领跑者Suno公司，即将在全球范围内推出其第五代音乐模型“v5”。从发布的预告视频来看，新模型在音乐质量、可控性和创造性上都将有“变革性”的提升。v5的发布预示着AI音乐创作将进入一个新纪元，进一步模糊人机创作的界限，让无论是音乐爱好者还是专业制作人，都能以前所未有的便捷方式，将脑海中的旋律变为现实。

![image.png](https://static.downly.cn/images/14f8d1aaa759386f68ba4c5f0bac46b9.png)
<center>图源备注：图片由AI生成</center>
 

## 3D创作进入“分钟”时代，腾讯混元3D Studio惊艳亮相

腾讯混元3D Studio的推出，彻底颠覆了传统3D资产的生产流程。这款专为3D设计师和游戏开发者打造的AI工作台，将原本以“天”为单位的3D建模和创作周期，极速缩短至“分钟”级别。它支持从文本到图像生成，再到任意姿势的角色转换，实现了从概念设计到动画制作的全流程一站式AI创作体验。

![image.png](https://static.downly.cn/images/19ce0d0f51846f835ea33211d223e75e.png)
<center>图源备注：图片由AI生成</center>
 

## Luma Ray 3模型发布，AI视频一键“思考”生成4K大片

Luma AI公司发布了全球首个“推理视频模型”——Ray 3。这个模型内置了强大的多模态推理系统，能够深刻理解用户的意图，自主规划复杂的场景并进行自我评估和修正。它就像一位经验丰富的动画师，能够将简单的草图或文字描述，一步步“思考”并创作出电影级别的4K HDR视频，极大地提升了AI视频生成的艺术性和准确性。

![image.png](https://static.downly.cn/images/654106a08f3a69cc222bd2f424ab8239.png)
<center>图源备注：图片由AI生成</center>
 

## 数据价值引关注，Reddit与谷歌重议AI合作

社交媒体平台Reddit正在与科技巨头谷歌就AI数据交易展开新一轮谈判。Reddit希望在这次合作中争取到更有利的条款，旨在获得更多资金支持，并提升自身在谷歌AI生态中的战略地位。此次谈判也反映出AI时代下，内容平台正在积极探索如何平衡用户数据价值与商业变现，以开创新的收入来源。

![image.png](https://static.downly.cn/images/cac374fcabe6ca96fe88dfb7f1793b3b.png)
<center>图源备注：图片由AI生成</center>
 

## 谷歌联手PayPal，AI智能体将重塑电商购物体验

谷歌与支付巨头PayPal宣布达成一项多年的深度合作。双方将融合谷歌领先的AI技术与PayPal成熟的支付基础设施，共同打造由“智能体”（Agent）驱动的全新AI购物体验。这项合作将重点推广谷歌新推出的Agent支付协议，未来，AI助手或许能帮你完成从挑选商品到完成支付的全过程，预示着电商生态可能迎来重大变革。

![image.png](https://static.downly.cn/images/9a63d9d2d5186f9068bd5100b39274e7.png)
<center>图源备注：图片由AI生成</center>
 

## Meta推出Hyperscape Capture，人人都是VR场景构建师

Meta公司为Quest 3用户带来了一款名为Hyperscape Capture的Beta版工具，它让普通用户也能轻松创建照片级的VR场景。通过这项工具，用户可以扫描现实世界中的任何物体或空间，并将其以极高的保真度在VR中重现。这标志着去年大会上承诺的高斯飞溅技术正式向消费级应用开放，极大地推动了虚拟现实体验的真实感和沉浸感。

![image.png](https://static.downly.cn/images/e87e6de686ad93daf6fb30b715a4e095.png)
<center>图源备注：图片由AI生成</center>
 

## Notion发布AI智能体，你的专属自动化工作秘书

生产力工具Notion推出了其首个AI智能体，将自动化提升到了新高度。这个智能体能够深度整合用户所有的Notion页面和数据库，自动完成生成会议纪要、撰写竞品分析报告等复杂任务。它甚至能连接Slack、邮件等外部平台，根据收到的信息自动创建和更新数据库，20分钟内处理数百页文档，堪称一个不知疲倦的超级秘书。

![image.png](https://static.downly.cn/images/404bae6d5e9c3f9c16cb264059047a35.png)
<center>图源备注：图片由AI生成</center>
 

## 微软为Teams引入AI助手，会议从此高效不超时

微软为其协作平台Teams上线了全新的AI助手功能，专供Microsoft 365 Copilot用户使用。该助手的核心是“主持人助手”，它可以在会议中实时发挥作用，不仅能自动生成会议纪要、回答与会者提问，还能主动管理会议议程、合理分配发言时间，有效防止会议超时。移动端助手的同步推出，让高效协作随时随地发生。

![image.png](https://static.downly.cn/images/c1f2bab301f96490d49b20710ed05d8a.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯0920：AI重塑数字内容创作，从经典修复到分钟级3D建模

> 导语：今日AI界风起云涌，资本热度不减，AI搜索新星Perplexity再获2亿美元巨额融资，估值飙升至200亿，向搜索巨头发起有力挑战。同时，技术创新步伐加快，MiniMax推出能生成4分钟完整歌曲的Music 1.5模型，支付宝“AI付”打通智能体支付全链路，而Anthropic的Claude则新增了自动记忆功能，让AI交互更加智能。此外，OpenAI的结构调整与微软的自研模型投入，也预示着行业格局的深刻变化。

---



## AI搜索黑马Perplexity估值破200亿，谷歌霸主地位再迎强敌

AI初创公司Perplexity凭借其创新的对话式搜索服务，正成为行业内最受瞩目的新生力量。在短短两个月内，该公司再度成功融资2亿美元，使其估值达到了惊人的200亿美元。这一迅猛的增长势头，充分显示了资本市场对其挑战传统搜索巨头谷歌潜力的认可。

![image.png](https://static.downly.cn/images/7843e4e236c976dfbd650bd6fb3eb1a6.png)

 <center>图源备注：图片由AI生成</center>

## AI音乐创作进入新纪元，MiniMax Music 1.5实现4分钟完整歌曲生成

国内AI公司MiniMax发布了其新一代音乐生成大模型Music 1.5，将AI生成音乐的时长提升至4分钟，足以创作一首结构完整的歌曲。该模型赋予用户极大的创作自由度，无论是通过简单的自然语言描述，还是通过高级模式进行段落和歌词的精细编排，都能生成层次丰富、人声饱满的高质量音乐作品，真正实现了“一人即乐队”的创作体验。

![image.png](https://static.downly.cn/images/491f8ce30d336cc7b9613be3173161f1.png) <center>图源备注：图片由AI生成</center>

## “动动嘴”就支付，支付宝推出国内首个智能体支付服务‘AI付’

支付宝在智能化服务领域迈出重要一步，正式推出“AI付”服务。这是国内首个将智能体技术与支付流程完全打通的应用，用户只需通过语音对话，即可完成从点单到支付的全过程。这一创新不仅简化了操作，也为用户提供了前所未有的无缝AI服务体验。

![image.png](https://static.downly.cn/images/e16c5ceeed2eb2460cf3017a00720467.png) <center>图源备注：图片由AI生成</center>

## AI程序员再进化，Replit Agent 3实现200分钟不间断自主开发

AI编程公司Replit发布了其第三代AI开发助手Agent 3。新一代Agent的自主工作能力得到显著增强，能够连续运行长达200分钟，独立处理从代码编写、功能测试到错误修复的完整开发流程。其核心的“动态智能”技术使其具备了更强的上下文理解和迭代推理能力，能够胜任更复杂的开发任务。

![image.png](https://static.downly.cn/images/edf15e503f8d1d857e8229397fddd4eb.png) <center>图源备注：图片由AI生成</center>

## Claude AI变身“贴心管家”，新增自动记忆功能免去重复对话

Anthropic公司为其AI聊天机器人Claude推出了一项实用的新功能——自动记忆聊天内容。该功能主要面向团队和企业用户，能让Claude自动记住用户的对话历史、偏好和项目背景等关键信息，并在后续的交流中主动运用这些信息，从而提供更具个性化和连贯性的回复，极大提升了协作效率。

![image.png](https://static.downly.cn/images/f59cb49fa77df993776963f197031175.png) <center>图源备注：图片由AI生成</center>

## OpenAI结构调整新动向，或将转型公益股份公司为上市铺路

OpenAI与其重要合作伙伴微软达成了一份非约束性的谅解备忘录，计划将其营利性部门转型为公益股份公司（PBC）。此举被视为在平衡其公益使命与商业发展需求之间的一大步，旨在为公司开辟更多的融资渠道，并可能为其未来的上市做好准备。根据协议，其非营利组织将继续掌握对公司的运营控制权。

![image.png](https://static.downly.cn/images/e13ece7c3bbec5bac73b3731d82c74d5.png) <center>图源备注：图片由AI生成</center>

## 自立门户，微软豪掷重金打造自主AI模型以抗衡巨头

为巩固在人工智能领域的领先地位，微软正在大力投资，以升级其用于训练自有人工智能模型的服务器基础设施。尤其是在推出MAI-1-preview模型之后，微软明确了其自主构建并灵活运用各种规模前沿AI模型的战略方向，旨在与Meta、谷歌、xAI等科技巨头在核心技术上展开直接竞争。

## AI数据版权乱象迎来破局者？Real Simple Licensing协议应运而生

面对日益严峻的AI数据版权问题，行业正积极寻求解决方案。近期，在多起备受关注的版权诉讼背景下，部分技术专家与内容出版商联合推出了一套名为“Real Simple Licensing”（RSL）的新系统。该协议旨在简化并规范大规模数据的授权流程，为AI训练数据的合规使用提供一条清晰的路径。

## 蚂蚁与人大联手，发布首个原生MoE扩散语言模型挑战行业标杆

蚂蚁集团与中国人民大学联合发布了首个原生的混合专家（MoE）扩散语言模型LLaDA-MoE。在代码生成、数学推理及Agent任务等多项基准测试中，该模型的表现优于多个同类扩散语言模型，其性能甚至能与Qwen2.5-3B-Instruct等优秀的自回归模型相媲美。

## 融资快讯

* **AI编程赛道火热，Replit狂揽2.5亿美元融资** AI编程公司Replit近期完成了2.5亿美元的新一轮融资，公司估值达到30亿美元，其年收入激增至1.5亿美元，用户数也突破了4000万，显示出投资者对AI驱动软件开发工具的强烈信心。
* **超越XLM-R，约翰霍普金斯大学发布全新高效多语种编码器mmBERT** 来自约翰霍普金斯大学的研究人员成功开发了一款新型多语种编码器mmBERT。在多项任务测试中，mmBERT的表现全面超越了知名的XLM-R模型，同时还将处理速度提升了2至4倍，为多语言AI应用的研究与发展提供了更强大的工具。

每日AI资讯0912：AI搜索新星估值飙升，音乐生成与智能支付迎新突破

> 导语：今日AI领域动态纷呈，从Zendesk利用GPT-5大幅提升客服效率，到商汤科技为开发者提供及时的迁移支持，再到谷歌、通义千问等巨头不断推出革新性模型，AI技术正以前所未有的速度渗透并重塑各行各业。与此同时，AI在艺术创作领域的潜力也得到进一步释放，无论是动画长片还是音乐单曲，都展现了惊人的创造力。而麻省理工学院的“读心”设备和AI人才市场的激烈竞争，更是预示着一个由AI驱动的全新时代正在加速到来。

---

## Zendesk集成GPT-5 AI客服独立解决问题能力飙升

Zendesk宣布其平台已成功整合OpenAI的GPT-5技术，这一升级使其AI客户服务代理的能力实现了质的飞跃。现在，AI不仅能处理复杂的、需要多轮对话的客户咨询，还能独立执行如退货处理等多步骤操作。数据显示，整合后AI能够独立解决超过50%的客户服务请求，在某些场景下，这一比例甚至高达80%至90%，极大地提升了客户服务的效率和问题解决率。

![image.png](https://static.downly.cn/images/75c240eebb82149de9a9c1e19bfdec7e.png)
<center>图源备注：图片由AI生成</center>
 

---

## 商汤科技雪中送炭 为Claude API用户提供5000万免费Token

针对Anthropic公司停止向部分中国企业提供Claude API服务的突发情况，商汤科技迅速响应，推出了“日日新”SenseNova大模型平台的迁移支持计划。为了帮助受影响的用户平滑过渡，避免业务中断，商汤科技慷慨地为迁移用户提供了高达5000万的Token免费体验包，展现了其作为本土AI巨头的责任与担当。

![image.png](https://static.downly.cn/images/48910bbf87b534a29a37ec63fea982c4.png)
<center>图源备注：图片由AI生成</center>
 

---

## 报告撰写神器 Google NotebookLM新增80种语言与自定义风格

谷歌对其强大的笔记工具NotebookLM进行了重要更新，新增了报告生成功能。新功能支持超过80种语言，并且允许用户根据上传的资料，自定义生成报告的语气、风格和结构。无论是撰写博客文章还是正式报告，AI都能根据文档类型动态推荐最佳格式。用户还可以通过输入长达千字的详细提示词，对生成内容进行精细化的控制。

![image.png](https://static.downly.cn/images/c5fabf5f868c87dc5cb038186fc1b830.png)
<center>图源备注：图片由AI生成</center>
 

---

## OpenAI入局动画电影 《Critterz》欲以AI颠覆好莱坞

OpenAI正投入资源，支持一部名为《Critterz》的AI动画长片的制作。这部影片的制作模式极具颠覆性：预算低于3000万美元，团队仅30人，制作周期预计9个月。该片计划在2026年5月的戛纳电影节上首映，其目标是验证通过AI技术大幅降低好莱坞电影制作成本和时间的可行性，或将为电影行业带来一场深刻的变革。

![image.png](https://static.downly.cn/images/3522adc8281067738c4415f3ed180b77.png)
<center>图源备注：图片由AI生成</center>
 

---

## AI当歌手 昆仑万维Mureka V7.5发布全球首支AI单曲

昆仑万维发布了由其最新的Mureka V7.5模型创作的全球首支AI音乐单曲《Digital Heartbeat》。这首歌曲支持多达十种语言的演绎，充分展示了AI在音乐创作领域的惊人潜力。特别是在中文歌曲的演绎上，无论是在音色、演唱技巧还是情感表达的细腻程度上，都取得了显著的进步，让人们看到了AI成为专业音乐人的可能性。

![image.png](https://static.downly.cn/images/47244d45596d1f29a560a52a348e94c6.png)
<center>图源备注：图片由AI生成</center>
 

---

## 歌声也能精准识别 通义千问发布全新语音识别模型

通义千问团队发布了其最新的语音识别模型Qwen3-ASR-Flash。该模型基于强大的Qwen3基座，并经过海量多模态及ASR数据的训练，具备极高的识别精度和鲁棒性。尤为突出的是，它在极具挑战性的歌声识别任务上，错误率低于8%。在中英文及多语种的基准测试中，该模型均表现出色，为语音转文字技术树立了新的标杆。

![image.png](https://static.downly.cn/images/8933f951c68057a18dfa381b55682fb1.png)
<center>图源备注：图片由AI生成</center>
 

---

## 抢人大战升级 MiniMax与字节跳动祭出天价期权激励

AI领域的人才争夺战已进入白热化阶段。为了吸引并留住顶尖人才，MiniMax与字节跳动等头部公司纷纷推出了极具吸引力的高额期权激励计划。MiniMax为核心员工提供了价值数十万至数百万美元的期权，旨在将个人利益与公司长期发展深度绑定。而字节跳动则对其Seed部门的大模型技术员工实施月度快速兑现的期权激励，月薪高达9至13万元人民币，力度空前。

![image.png](https://static.downly.cn/images/d1921e260d3b88762558d77c1ba69878.png)
<center>图源备注：图片由AI生成</center>
 

---

## 心里想什么AI就知道 麻省理工发布“无声沟通”设备AlterEgo

麻省理工学院（MIT）的科学家们开发了一款名为AlterEgo的非侵入式可穿戴AI设备，它开启了“无声沟通”的全新可能。该设备能够捕捉到用户在心中默念指令时，面部和喉部产生的微弱神经肌肉信号，并将其转化为语音输出或设备指令，整个过程无需用户发出任何声音。这项技术预示着人机交互方式的革命性未来。

![image.png](https://static.downly.cn/images/45e8dc19cde36e7b5e5c5e32e6d62010.png)
<center>图源备注：图片由AI生成</center>
 

---

## 滤镜新玩法 Snapchat推出文本生成AI图像功能

社交应用Snapchat为其付费订阅用户推出了一项名为“Imagine Lens”的创新AI功能。这是Snapchat首款开放式提示词图像生成滤镜，允许Snapchat+ Platinum和Lens+的用户通过输入简单的文本提示词，来实时生成、编辑和重制独特的图像滤镜。用户可以将这些个性化创作分享到Snapchat平台内外，极大地丰富了社交表达的创意空间。

![image.png](https://static.downly.cn/images/e68d40fad4d578e4ee50ebed5918104c.png)
<center>图源备注：图片由AI生成</center>
 

---

## 移动端文本处理利器 谷歌发布高效嵌入模型EmbeddingGemma

谷歌深度学习团队发布了一款专为移动设备设计的开源文本嵌入模型——EmbeddingGemma。该模型拥有3.08亿参数，在权威的MTEB基准测试中，被评为500M参数以下级别中性能最佳的多语言嵌入模型。它能够高效支持RAG和语义搜索等任务，并且无需联网即可在设备端本地运行，其性能甚至可以媲美体量两倍于它的模型。

![image.png](https://static.downly.cn/images/89e12614fd621da022f4ba9c64f021dc.png)
<center>图源备注：图片由AI生成</center>
 

---

## AI帮你深度研究 InfoSeek框架构建复杂知识网络

一个名为InfoSeek的全新人工智能框架被提出，旨在合成用于复杂深度研究任务的数据。该框架通过一个创新的双代理系统，深度挖掘文本中的实体与关系，并构建起一棵“研究树”。通过引导用户在这棵知识树上进行层层深入的探索，InfoSeek能够帮助用户获得对复杂问题更全面的答案。其相关数据集已经向公众开放。

![image.png](https://static.downly.cn/images/6c2f1948635bbb9f46a966a1657af8c2.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯0909：AI应用全面爆发，重塑客服、颠覆创作、开启“无声沟通”新纪元



> 导语 OpenAI时隔五年重返开源，微软Azure迅速跟进，为开发者带来更灵活的模型选择；谷歌在可交互世界模型与AI笔记应用上取得新突破；百度则将AI能力具象化，推出数字员工；同时，AI在音乐创作、故事生成等领域的应用也日益成熟，但内容质量监管问题也随之而来。

---


## 开源新篇章 OpenAI五年后携免费模型强势回归

OpenAI近日发布了两款名为GPT-oss-120b和GPT-oss-20b的开源语言模型，打破了其长达五年的闭源传统。这两款模型性能强大，足以媲美部分付费产品，同时对硬件要求相对温和，并允许商业使用。此举标志着OpenAI向开源社区的战略性回归，旨在构建一个更加民主和开放的AI平台，以适应当前日益激烈的行业竞争格局。

![image.png](https://static.downly.cn/images/62557bb7214ab7cd1c66a0b14811a5e5.png)

---

## 强强联合 微软Azure迅速引入OpenAI开源新模型

紧随OpenAI的开源步伐，微软宣布其Azure AI Foundry平台将正式引入GPT-oss系列模型。开发者和企业现在可以通过Azure AI Foundry及其Foundry Local服务，在云端或本地设备上自主运行、微调和部署这些强大的AI模型。这一举措极大地提升了AI应用的灵活性、可控性，并有效保障了数据隐私与安全，为企业构建和部署智能代理提供了统一且高效的解决方案。

![image.png](https://static.downly.cn/images/888b2d96bd12609380faf16dc6c56260.png)

---

## 虚拟世界一键生成 谷歌Genie 3重新定义AI交互

谷歌DeepMind发布了革命性的世界模型Genie 3，它能够以每秒24帧的速度生成720P分辨率的可交互3D环境。用户不仅可以通过文本指令动态改变世界中的事件，还能体验到逼真的物理模拟。Genie 3的出现为AI智能体训练、沉浸式游戏开发、虚拟教育等领域开启了全新的可能性，预示着一个AI驱动的交互新纪元即将到来。

![image.png](https://static.downly.cn/images/cefcccaf2eecd1c17b4eae639c52a748.png)

---

## 打工人新“同事” 百度智能云发布全球首批AI数字员工

百度智能云正式推出全球首批AI数字员工。这些数字员工深度融合了大模型、数字人技术以及行业知识（Know-How），具备“懂业务、给结果、可进化”的核心特性。它们能够胜任营销、客服、招聘、教培等多个核心业务职能，旨在显著提升企业的运营效率和生产力，标志着AI正从辅助工具向能够自主执行任务的“代理（Agentic）”时代迈进。

![image.png](https://static.downly.cn/images/067bdce573c4e6537d0216deb2c8bad7.png)

---

## 人人都是故事家 谷歌Gemini推出AI故事书生成器

谷歌在其AI应用Gemini中新增了“Storybook”功能。用户仅需提供简单的故事情节，AI便能自动生成一本图文并茂的十页故事书，并支持多种视觉风格选择和语音朗读。尽管目前在角色形象一致性上仍有提升空间，但该功能极大地降低了内容创作的门槛，尤其在儿童教育和个性化阅读体验领域展现出巨大的潜力。

![image.png](https://static.downly.cn/images/2714c85b0c460619114a2612a65c67cd.png)

---

## AI助力高效学习 谷歌NotebookLM向青少年开放

为了帮助学生更深入地进行学习，谷歌的人工智能笔记应用NotebookLM现已向13岁以上的用户及所有教育用户开放。该应用能将用户上传的资料自动生成音频摘要、思维导图甚至视频演示文稿，极大地提升了学习和研究的效率。谷歌强调，平台将对未成年用户采取严格的内容安全策略，并承诺不使用用户上传的内容进行模型训练，以保护用户隐私。

![image.png](https://static.downly.cn/images/d6d0f3693057c6de560fccdca9188ac5.png)

---

## AI变身音乐人 ElevenLabs推出商业音乐生成服务

AI初创公司ElevenLabs正式推出了其音乐生成服务Eleven Music。该服务允许用户通过简单的文本描述，快速生成包含人声和器乐的完整商业级音乐作品。为了确保训练数据的合法性，公司已与Merlin Network及Kobalt Music Group等机构达成合作。此举旨在为企业和内容创作者提供一个低成本、高效率的音乐创作解决方案。

![image.png](https://static.downly.cn/images/d962fc83355fad2a004d3fa4189a31c0.png)

---

## 质量保卫战 维基百科严查AI生成内容

面对AI可能带来的低质量或虚假内容挑战，维基百科更新了其管理政策。新政策允许管理员在特定情况下，快速删除那些包含明显AI生成痕迹或引用错误的条目。此举旨在维护维基百科内容的准确性和可靠性，虽然这被视为一项临时性的应对措施，但也反映出在利用AI作为辅助工具的同时，内容平台的审慎态度。

![image.png](https://static.downly.cn/images/3b29c3bdade68de753b93ba0322b0aac.png)

---

## 历史性合作 OpenAI模型首次登陆亚马逊AWS

亚马逊云科技（AWS）平台首次正式上线了来自OpenAI的AI模型。这一举措被视为AWS在激烈的人工智能市场竞争中作出的积极回应。现在，全球大量的AWS用户将能更便捷地访问和使用OpenAI的先进模型，这无疑将进一步加速AI技术在各行各业的渗透与应用。

![image.png](https://static.downly.cn/images/8ab521d831576f5c3819c9b0fe681162.png)

每日AI资讯0806：开源浪潮再起，生成式AI全面开花

> **导语** 本期AI资讯看点纷呈：从Stability AI将音频创作带入移动端，到字节跳动让单目视频秒变4D大片；从DeepSWE刷新AI编程代理新高度，到亚马逊机器人大军突破百万；同时，阿里、NVIDIA等公司在数字人、图像描述及编辑领域也推出了重磅开源模型。此外，我们还将关注谷歌视频模型Veo 3在游戏领域的巨大潜力，以及ChatGPT流量变化对新闻行业带来的深远影响。

---





## 手机秒变作曲家 Stability AI与Arm联手打造掌上音频创作神器

Stability AI 近期与 Arm 合作，开源了一款名为 Stable Audio Open Small 的轻量级文本到音频生成模型。该模型经过专门优化，能够直接在手机等移动设备的 Arm CPU 上本地运行，高效生成长达47秒的高质量立体声音频。这一进展标志着AI音频生成技术正从云端走向边缘计算和移动设备，为用户随时随地进行音乐创作提供了极大的便利。值得一提的是，该模型使用了免版税的数据进行训练，确保了其在商业和个人应用中的合规性。

![image.png](https://static.downly.cn/images/fa4f0ccf02d7644eb3bc9f85f71336bf.png)

---

## 字节跳动开源EX-4D 单视角视频一键生成自由视角4D大片

字节跳动PICO-MR团队近日开源了一项名为EX-4D的创新框架，它能够将单一视角的普通视频，转化为可以自由变换观看角度的高质量4D动态影像。该框架的核心技术是一种创新的动态高斯网格表示法（DW-Mesh），它有效解决了传统方法中因物体遮挡和数据稀疏导致的渲染难题。在多项性能指标测试中，EX-4D全面超越了现有的开源方法，并在用户主观评估中获得了高度评价，为未来沉浸式3D内容创作和复杂世界模型的构建提供了强有力的技术支持。


![image.png](https://static.downly.cn/images/7d80dfd56cf33f1c27c86ce4a739c547.png)


---

## AI程序员新王者诞生 DeepSWE登顶开源榜单

由 Together.ai 和 Agentica 联合发布的 AI Agent 框架 DeepSWE，正迅速成为软件工程领域的焦点。该框架基于阿里巴巴强大的 Qwen3-32B 模型，并通过强化学习进行了深度训练。在衡量AI代码能力的权威测试集 SWE-Bench-Verified 中，DeepSWE 以高达 59% 的准确率，成功登顶开源AI代理排行榜。这一成绩不仅展示了其在处理真实世界软件工程任务时的卓越能力，也预示着AI在自动化编程和软件开发领域巨大的应用潜力。

![image.png](https://static.downly.cn/images/4ffb051e17cf6be10cc0cedd56ea0e83.png)

---

## 亚马逊机器人大军突破百万 Deep Fleet AI模型加持物流新纪元

亚马逊近日宣布，其在全球部署的机器人数量已正式突破一百万大关。为了更高效地管理和调度这支庞大的机器人车队，亚马逊同时发布了一款全新的AI基础大模型 Deep Fleet。该模型旨在通过先进的AI算法，进一步优化包裹的分拣、搬运和配送流程，从而显著提升物流速度并降低整体运营成本。这一里程碑事件标志着亚马逊在其自动化物流网络建设上取得了重大突破。

![image.png](https://static.downly.cn/images/56e071229823efb738d96596c40b4943.png)

---

## 阿里再放大招 OmniAvatar让你的照片开口说话

![image.png](https://static.downly.cn/images/454330caa209ee65cca94f4de764d779.png)
阿里巴巴近日开源了一款名为 [OmniAvatar](https://omni-avatar.github.io/) 的音频驱动数字人模型。该模型基于先进的 Wan 2.1 技术，用户只需上传一张静态照片、一段音频和相应的文字脚本，即可快速生成一个口型精准匹配、动作表情自然的数字人播报视频。官方建议生成30秒以内的视频片段以获得最佳效果。尽管该模型对硬件有一定要求，需要至少36G显存才能流畅运行，但其在现有开源数字人模型中的表现已属顶尖水平，为个人和企业低成本创造虚拟形象提供了新的可能。
<video src="https://static.downly.cn/images/c795cc4b97f7f5b012c0ff72ad4f4bf5.mp4" title="30819483777-1-16.mp4"></video>


---

## 指哪说哪 NVIDIA发布DAM模型精准描述图像局部细节

![image.png](https://static.downly.cn/images/640f40bcf94b7e3371f29944b364eb90.png)
NVIDIA 最近推出了一款名为“描述一切模型”（Describe Anything Model, DAM）的多模态大语言模型，极大地提升了图像理解的精细度。用户可以通过在图片或视频上进行点击、画框、涂鸦甚至使用遮罩等多种直观方式，来指定自己感兴趣的任何区域，DAM模型便能针对该特定区域生成详尽而准确的文字描述。目前，该模型已经提供了在线演示版本，供用户体验其强大的“指哪说哪”功能。[官网地址](https://describe-anything.github.io/)，[体验地址](https://huggingface.co/spaces/nvidia/describe-anything-model-demo)

<video src="https://static.downly.cn/images/c7b71bb21d04a5515f08aed684cbfbc2.mp4" title="30819484438-1-16.mp4"></video>

---

## 开口即P图 开源对话式图像编辑器EasyEdit发布
![image.png](https://static.downly.cn/images/739df71a77f1beaa7f58b741c422a4ed.png)
一款名为 [EasyEdit](https://www.easyedit.io/) 的开源图像编辑器为图片修改带来了全新的交互方式。它采用了先进的 Flux KContext 模型，允许用户通过简单的自然语言对话来智能地编辑图片。无论是想“把天空换成蓝色”还是“让这个人笑起来”，都可以通过聊天的方式实现。目前，用户可以在网页端免登录使用其基础模型，而功能更强大的高级模型则需要提供API Key来调用，这为普通用户和开发者都提供了灵活的选择。
<video src="https://static.downly.cn/images/3c26012f9a587f56fbbc736cbffafb15.mp4" title="30819484073-1-16.mp4"></video>

---

## 游戏世界的下一场革命 谷歌Veo 3或将开启可玩世界模型

谷歌 DeepMind 的首席执行官 Demis Hassabis 近日在一个公开场合暗示，谷歌最新、最强大的视频生成模型 Veo 3，其技术潜力远不止于生成视频片段，未来很有可能被应用于视频游戏领域。这一表态引发了业界的广泛猜测，如果Veo 3的技术能够实时生成和渲染游戏世界，或将催生出真正的“可玩世界模型”，彻底改变现有游戏引擎的开发范式，为玩家带来前所未有的动态和开放世界体验。

![image.png](https://static.downly.cn/images/b6722e0ee4fca884585278d0ecdd1c15.png)

---

## 杯水车薪 ChatGPT推荐流量难解新闻网站搜索量下滑之渴

根据最新数据分析，尽管像ChatGPT这样的人工智能聊天工具为新闻网站带来的推荐流量呈现增长趋势，但这部分增长远不足以弥补因传统搜索引擎流量下滑所造成的巨大缺口。数据显示，自2024年中期达到峰值以来，许多新闻网站的自然搜索流量已大幅下降，总访问量从超过23亿次减少到如今的不足17亿次。这一严峻趋势表明，新闻行业正面临着由AI技术驱动的流量结构性变迁，如何适应新的信息分发渠道已成为一个紧迫的课题。

![image.png](https://static.downly.cn/images/42669ccb9e6199d29f2f3a31592cc967.png)

AI每日资讯0703

在线AI音乐创作工具，输入歌词创建个性化歌曲

Lyrics Into Song AI

AI音乐创作工具，集成了多种乐器声音

Fryderyk

腾讯音乐推出的智能音乐创作助手

TME Studio

网易云音乐与小冰智能联合推出的免费AI歌手音乐创作软件

网易云音乐·X Studio

昆仑万维推出的AI音乐创作平台，一键生成原创歌曲

音疯

免费的AI音乐创作工具，每月可生成1200首歌曲

Udio

网易推出的一站式AI音乐创作工具

网易天音

字节跳动推出的免费AI音乐创作和发现平台

搜索结果: 音乐创作