> 英伟达从芯片霸主向下游算法生态延伸，凭借450毫秒轮换延迟与实时工具调用能力，将端侧全双工语音交互的门槛彻底踩平，宣告实时语音Agent时代全面到来。

语音交互正在经历从“对讲机模式”到“真面对面交流”的范式跃迁。NVIDIA近日正式发布了NemotronLabs VoiceChat 11B，这是一个主打全双工（Full-duplex）语音到语音的开源模型，其轮换延迟被惊人地压榨到了约450毫秒。这一数据无限逼近了人类日常对话中感知不到停顿的自然延迟极值。更具杀伤力的是，该模型在端侧运行的同时原生支持实时工具调用（Live Tool Calling）。作为硬件基础设施巨头，英伟达亲自下场开源核心算法模型，其醉翁之意绝不在于单纯的AI炫技，而是通过打穿算法底座，强行催熟边缘计算硬件市场。

## 毫秒级延迟背后的架构重构

**全双工流式处理**　传统的语音助手采用的是“唤醒-录音-转文本-大模型思考-转语音-播放”的串行链路，不可避免会产生数秒的卡顿。VoiceChat 11B实现了真正意义上的端到端音频流处理，模型能够像人类一样同时进行“听”和“说”。它能在毫秒级判断用户是否在插话打断，并瞬间暂停输出、重新规划回答逻辑，这种声音特征捕捉与语义推理的同步执行，标志着交互底层架构的根本性进化。

**工具调用的原子化**　在仅有450毫秒的反应窗口内，模型不仅要完成语义理解，还要同步触发外部API工具的调用，这要求极高的工程耦合度。英伟达通过在模型底层将函数调用指令进行原子化封装，使得模型无需等待完整长句结束，便能根据只言片语预判意图并发起网络请求。这种极致的流水线设计，让语音控制智能家居或复杂设备变得真正可用。
![32.jpg](https://static.downly.cn/images/5924c1cf292b37d2dea940be5270b9e0.jpg)
<center>图源备注 图片由AI生成</center>

## 边缘算力爆发下的生态重排

**端侧芯片标准重塑**　英伟达之所以将极具商业价值的11B模型开源，核心逻辑是推广其TensorRT-LLM加速库与CUDA生态。当450毫秒全双工交互成为业界标配，所有做机器人、智能汽车座舱和AR眼镜的厂商，都将被迫升级其端侧AI芯片算力。英伟达通过开源软件定义了用户体验下限，实质上是为了收割其下游硬件芯片的升级红利。

**垂类语音入口洗牌**　高延迟一直是阻碍AI客服、车载语音系统商业化落地的毒瘤。VoiceChat 11B的开源，直接将构建顶级语音交互系统的门槛降至冰点。传统的智能音箱企业如果无法在短期内接入类似的全双工架构，其积累多年的交互入口优势将瞬间清零，新一轮基于“情绪价值”和“极速反馈”的终端硬件洗牌即将拉开帷幕。![33.jpg](https://static.downly.cn/images/1d2aebb63551bad433411c7615c07181.jpg)
<center>图源备注 图片由AI生成</center>

11B参数与450毫秒延迟的组合，是一记精准的重拳，打破了软件与硬件之间的界限。英伟达再次证明，最高明的猎手往往以开源生态布道者的身份出现，用免费的算法饵料，捕获整个边缘计算硬件市场的未来。

英伟达开源11B全双工语音模型 450毫秒延迟击穿端侧交互瓶颈

> 微软首款自研全双工语音模型打破单向对话延迟，支持十六种语言无缝切换。这标志着机器语音从对讲机时代步入真实的面对面交流，彻底重塑千行百业的交互体验。

## 核心事件还原 摆脱机械对话的束缚

长久以来，人类与AI的语音交互始终停留在半双工的尴尬境地。用户说完一段话，系统录音、转文本、大模型处理、转语音、最后播放。这种类似早期对讲机的交互模式，不仅存在令人焦躁的几秒钟延迟，更致命的是无法被中途打断。

根据近期曝光的技术细节，微软首款自研全双工AI语音模型彻底攻克了这一技术壁垒。该模型实现了听与说的完全并行处理。当AI正在滔滔不绝时，用户只需一个短促的“等等”或自然插话，系统能瞬间捕捉指令并调整回答策略，全程无缝衔接。此外，该模型原生支持十六种语言的自由切换。用户在一句话中夹杂中英文与日法词汇，AI依然能精准识别并以对应的语种自然回应，剥离了传统语音助手那种生硬的机器感。

![12.jpg](https://static.downly.cn/images/2d49730694cbf4ae73d0683cfb0fab5a.jpg)
<center>图源备注 图片由AI生成</center>

## 场景革命 工作流被重新定义的节点

这项底层技术的突破，首当其冲颠覆的是企业级客服与销售SDR（销售开发代表）的工作流。

传统智能客服的死穴在于无法处理人类情绪的波动与突发插话。当焦急的客户试图打断AI的冗长播报时，往往只能得到系统无法识别的提示音。微软全双工模型的接入，意味着AI可以像经验丰富的人类客服一样，在听到客户叹气或急躁打断时，立刻停止当前的话术，用安抚的语气直接切入核心解决方案。

核心痛点　跨国会议与实时翻译的重构。过去，同声传译设备或软件往往存在明显的滞后感。如今，基于十六种语言无缝切换的能力，跨国企业的虚拟会议室将变成真正的巴别塔。与会者无需佩戴沉重的接收设备，也无需等待翻译软件的逐句回放。模型可以在背景中以极低的延迟进行同步轻声同传，甚至能根据说话者的语气语调，生成带有相似情绪的合成语音。

![13.jpg](https://static.downly.cn/images/a352d28b40760877385c026d5cf8b07b.jpg)
<center>图源备注 图片由AI生成</center>

## 务实的未来预测 谁将被挤走饭碗

伴随全双工语音模型的普及，人机交互的摩擦力将趋近于零。我们可以做出以下预判。

短期影响　外包呼叫中心将迎来毁灭性打击。拥有标准化话术的电销、催收、基础售后岗位，将在未来十八个月内面临断崖式裁员。企业不再需要支付庞大的人力成本，只需采购微软的API，即可获得永不疲倦且情商在线的金牌客服。

长期演进　无屏交互硬件的真正复兴。过去的智能音箱和AI Pin因为交互过于迟钝而沦为电子垃圾。当全双工语音成为标配，摒弃屏幕、完全依赖耳机的环境计算终端将迎来真正的爆发期。用户将在工作与生活中习惯拥有一个隐形的数字伴侣，它能随时听懂你的喃喃自语，并在恰当的时刻给出毫无延迟的建议。

微软全双工语音模型曝光 听说并行终结传统客服的死穴

> 延揽顶尖工业设计团队并组建庞大硬件部门，这家大模型先驱正尝试将空间视觉与环境感知能力植入实体设备，试图以带屏交互终端为突破口敲开智能家居大门。

## 视觉感知赋能下一代智能中枢

纯软件形态的大模型正在加速向物理世界渗透，OpenAI内部秘密推进的硬件版图终于初露端倪。据供应链及内部人士披露，公司已经集结了超过200名工程师的专属硬件研发团队，全力冲刺首款配备环境感知摄像头的智能音箱产品，并将其量产出货时间点锚定在2027年初，预计售价区间锁定在200至300美元。

与市场上主打声学表现或基础语音指令的传统音箱截然不同，OpenAI硬件的杀手锏在于极具侵入性的视觉与环境理解能力。这枚嵌入式摄像头不仅负责三维空间的细节捕捉，还能配合不间断的麦克风阵列，实现对周边复杂对话上下文的持续监听与逻辑推断。更为硬核的是，该设备集成了高精度的面部识别系统，用户可直接通过生物特征扫描完成身份鉴权与无感支付。这种多模态的实时感知能力，有望彻底重构人机交互的物理边界。

![Generated Image February 23, 2026 - 10_06AM.png](https://static.downly.cn/images/a91a6a10983c2ea41ed7a6e34a9dbae3.png) <center>图源备注：图片由AI生成</center>

## 工业设计巨头加盟与量产挑战

为了赋予这款极客产品足够的大众消费品属性，OpenAI动用了惊人的资本力量，斥资65亿美元收购了由前苹果首席设计官创立的io设计公司。这位曾操刀过iPhone与iPad工业设计的传奇巨匠将全盘接管硬件体系的外观与交互逻辑。除了带视觉的智能音箱，产品线还储备了智能台灯原型机以及对标Meta的智能眼镜项目，后者暂定于2028年推向市场。

然而，将千亿参数的云端大模型无缝塞入桌面级硬件并实现规模化量产，依然是一场充满荆棘的苦旅。据悉该项目已遭遇多次内部延期，背后的核心掣肘在于端侧算力分配、多模态数据实时处理的延迟痛点，以及全天候视听监控所引发的巨大隐私争议。如何在满足苛刻的隐私安全合规要求与发挥大模型全量感知能力之间找到平衡，将是决定OpenAI硬件梦能否成功落地的最后一道大考。

OpenAI硬件战略曝光 视觉感知音箱与智能家居生态浮出水面

> 亚马逊正式上线Alexa.com及全新的Alexa+服务，打破了仅靠语音交互的传统模式，允许用户通过浏览器直接对话。这一战略调整标志着亚马逊正从智能家居领域突围，试图在生成式AI助手市场与OpenAI展开正面厮杀。

## 走出音箱，Alexa登际网页端

长期以来被限制在Echo智能音箱中的Alexa，终于有了自己的专属网站。亚马逊近日低调推出了Alexa.com，专门服务于其下一代人工智能助手Alexa+。这一举动意味着，部分用户现在可以通过键盘和屏幕，像使用ChatGPT一样与Alexa进行深度交互。

目前的Alexa.com仅对Alexa+用户开放，采用候补名单制度。这表明该产品仍处于早期体验阶段，但其战略意义不言而喻：亚马逊不再满足于仅仅做“定闹钟”或“查天气”的语音助手，而是要提供具备复杂推理和自然语言处理能力的全面AI服务。

![Google_AI_Studio_2026-01-06T03_22_45.663Z.png](https://static.downly.cn/images/e4aa98a690a783933b3b6df5958a7afe.png)
 <center>图源备注：图片由AI生成</center>

## 战略突围：不甘做AI时代的旁观者

Alexa+早在去年2月便已发布，相较于传统版本，其在语音识别精度和语意理解深度上均有质的飞跃。此次网页版的推出，是亚马逊面对OpenAI等强敌环伺下的主动出击。

尽管Alexa在智能家居硬件市场拥有极高的占有率，但在生成式AI的浪潮中，其声量一度被ChatGPT和Claude掩盖。通过网页端入口，亚马逊试图提升用户黏性，并将Alexa的使用场景扩展至办公、创作等高价值领域。

## 助手大战进入新阶段

Alexa.com的上线不仅仅是一个产品更新，它是亚马逊在AI基础设施之外，争夺C端用户入口的重要一步。面对谷歌的Gemini和OpenAI的ChatGPT，亚马逊正试图利用其庞大的电商与服务生态，为Alexa+赋予差异化的竞争优势。未来，这场关于“谁是你的第一AI助手”的争夺战将更加激烈。

亚马逊推出Alexa网页版，正面迎战ChatGPT争夺助手入口

> **导语**
> OpenAI 正式跨界硬件领域，其代号为“Project Gumdrop”的个人设备引发供应链剧震。该项目不仅意在革新书写交互体验，更显示出将生产线从中国立讯精密向富士康转移的全球布局野心。

## 智能笔概念 链接物理与数字

据供应链最新消息，OpenAI 的首款硬件设备 Project Gumdrop 正处于研发冲刺阶段。不同于市面上常见的智能音箱，这款设备极有可能采用“智能笔”或便携式音频挂件的形态。

产品设计的核心逻辑在于“无缝流转”。Gumdrop 预计将内置高灵敏度麦克风与微型摄像头，用户在纸面上的手写笔记，可通过该设备实时数字化并传输至 ChatGPT 进行深度处理。这一功能精准切中了学生与职场人士的痛点，将传统的书写习惯与 AI 的强大算力进行了物理连接。

![Google_AI_Studio_2026-01-05T02_55_34.682Z.png](https://static.downly.cn/images/18f4e2f7619f25c8d86eb563b0e3a44c.png)
 <center>图源备注：图片由AI生成</center>

## 供应链大迁徙 富士康接棒

为了规避地缘政治风险并确保产能稳定，OpenAI 在供应链选择上做出了重大调整。订单将不再由立讯精密承接，而是转交给制造巨头富士康。

据悉，新的生产线计划落地越南或美国本土。这一决策表明 OpenAI 对于硬件业务的长期稳定性有着极高要求。尽管项目早期曾面临软件漏洞与云端基建不完善的挑战，但目前的调整预示着产品将于 2026 年至 2027 年间成熟上市。

## 全产业链渗透 从终端到算力

富士康与 OpenAI 的合作远不止于组装。消息称，富士康未来可能通过其全球网络，承接 OpenAI 相关的云端基础设施建设。这意味着双方的合作将覆盖从底层的算力服务器到末端的消费电子设备。

Project Gumdrop 的出现，标志着 OpenAI 正在构建一个闭环的生态系统。当 AI 拥有了专属的硬件载体，它将不再仅仅是一个网页端的聊天机器人，而是成为物理世界中无处不在的智能伴侣。

代号 Gumdrop，OpenAI 首款硬件跨界传统供应链

> 科技巨头正集体押注语音交互，OpenAI 已秘密整合团队，计划于2026年推出音频优先的个人设备。这不仅是产品形态的更新，更是对“后屏幕时代”交互权的争夺——通过支持打断、边听边说的自然对话体验，让 AI 成为无处不在的智能伴侣。

## 交互重塑 从工具到智能伴侣

据《The Information》披露，OpenAI 正全力重构其音频 AI 系统，目标直指2026年初的新一代模型发布。这一新系统将打破传统 AI “说完才能听”的僵化模式，首次实现“边听边说”（concurrent speech）能力，并支持真实对话中的即时打断。

配合新模型，OpenAI 正在规划一系列音频优先的硬件产品，形态可能涵盖无屏智能音箱、AI 眼镜或可穿戴设备。其核心逻辑在于，设备不再仅仅是冷冰冰的工具，而是具备接近人类语调与节奏的“智能伴侣”。这种无缝的交互体验，旨在将 AI 深度融入用户的生活流中。

![Google_AI_Studio_2026-01-04T06_29_20.875Z.png](https://static.downly.cn/images/da5cd99bec0330d31e246811be9fc659.png)
 <center>图源备注：图片由AI生成</center>

## 生态共振 硅谷巨头的语音围猎

OpenAI 并非这场战役的唯一玩家，整个科技生态正在加速向音频迁移。Meta 的 Ray-Ban 眼镜通过五麦克风阵列抢占听觉入口，Google 推出 Audio Overviews 将搜索结果转化为语音摘要，Tesla 则将 Grok 植入座舱实现全车语音控制。

与此同时，前苹果设计灵魂人物 Jony Ive 的入局为 OpenAI 的硬件愿景增添了浓厚的人文色彩。他主张通过音频优先的设计来“修正”消费电子时代的屏幕成瘾问题，让技术回归服务人性的本质。市场正在形成共识：语音是通往无感、无缝智能体验的最优解。

## 终极战场 争夺人类稀缺的注意力

AIbase 观察认为，当客厅、驾驶舱、手腕乃至眼镜都成为语音交互的入口，这场竞争的本质已超越技术本身，直指人类最稀缺的资源——注意力。

OpenAI 的野心在于通过声音这一最自然的媒介，让 AI 变得无处不在却又“不可见”。若能在2026年成功落地这一战略，OpenAI 或将定义继智能手机之后的下一代个人计算平台。这场静默的“语音革命”，正试图将复杂的计算隐藏在简单的对话之后，重塑人与数字世界的连接方式。

OpenAI 音频战略重构：2026年推硬件 意在抢夺注意力入口

> 科技浪潮奔涌向前，人工智能领域风起云涌。本期资讯我们将聚焦AI界的最新动态：OpenAI携开发者日重磅出击，不仅预告了GPT-5的编程能力飞跃，更将ChatGPT推向平台化，构建全新AI应用生态；国内AI力量同样不容小觑，首个羊产业大模型“苏武”横空出世，精准赋能传统行业；阿里与腾讯则在多模态与文生图领域持续发力，模型性能再攀新高；同时，AI在网络安全、视频互动乃至芯片散热等前沿领域的应用也取得了突破性进展。

## ChatGPT 不再只是聊天工具，OpenAI 开启应用平台时代
OpenAI在开发者日上投下重磅消息，宣布将通过Apps SDK将ChatGPT打造为第三方应用平台。此举意味着开发者将能直接在ChatGPT内部构建交互式应用和自主AI代理，这不仅将彻底改变用户与AI的互动方式，提升任务处理效率，更预示着一个全新AI应用生态的诞生。
![image.png](https://static.downly.cn/images/342208fbedf333db273c051ba87d1fc6.png)
图源备注：图片由AI生成

## AI “牧羊人” 上岗，首个羊产业大模型“苏武”发布
智慧农业再添新篇章。在第二十一届羊业发展大会上，西北农林科技大学陈玉林团队发布了全国首个羊产业垂直大模型 “苏武智慧养羊大模型V1.0”。该模型基于Qwen3架构自主研发，覆盖了羊产业的全品类与全链条，通过创新的算法架构，旨在以AI之力赋能传统养羊业，实现智慧养殖。
![image.png](https://static.downly.cn/images/63694706e775f4e1cc9dd38e4d99a802.png)
图源备注：图片由AI生成

## GPT-5 编程能力前瞻，OpenAI 推出 Codex Alpha 抢先体验
OpenAI已启动“Codex Alpha”抢先体验计划，正式邀请部分开发者在DevDay2025全面发布前，提前试用新一代的Codex模型及其强大功能。这标志着GPT-5在编程领域的巨大升级已近在眼前，开发者将有机会率先体验顶尖AI编程助手的未来形态。
![image.png](https://static.downly.cn/images/07d0fc9071997259df13c1b97e6a3f44.png)
图源备注：图片由AI生成

## 虚拟人不再“照本宣科”，Synthesia 3.0 推出可实时对话的视频代理
AI视频生成平台Synthesia发布了其3.0版本的重大升级，推出了革命性的“视频代理”功能。现在，平台生成的虚拟形象不再局限于播放预设脚本，而是能够与观众进行实时互动、对话、回答问题，甚至可以访问企业内部的专属信息库。这一突破极大地增强了虚拟人在企业培训和客户服务等场景中的真实感与实用性。
![image.png](https://static.downly.cn/images/51120bc6b562c43a95f0d507d8a35468.png)
图源备注：图片由AI生成

## 阿里多模态模型再进化，Qwen-VL-30B-A3B挑战GPT-5-Mini
阿里巴巴在多模态领域再添力作，推出了两款拥有30亿参数的新模型Qwen3-VL-30B-A3B。新模型在数学推理、图像识别和视频处理等多个维度上均表现出卓越性能，其实力足以与GPT-5-Mini等业界顶尖模型相媲美，展示了其强大的技术竞争力。
![image.png](https://static.downly.cn/images/eea0ab6601eda28b4855805be3849b93.png)
图源备注：图片由AI生成

## 全球用户票选第一，腾讯混元图像3.0文生图能力登顶
实力无需多言，用户的选择就是最好的证明。在全球文生图模型竞技场LMArena的最新榜单中，腾讯混元图像3.0大模型凭借真实用户的投票，超越了包括顶尖闭源模型在内的26个全球竞争者，成功登顶。这一成绩有力地证明了其在实际应用中的优越性与受欢迎程度。
![image.png](https://static.downly.cn/images/a67cad77fb87f112347022d6145cabaa.png)
图源备注：图片由AI生成

## AI 化身“安全卫士”，Claude 4.5 漏洞发现能力实现飞跃
Anthropic公司的最新大型语言模型Claude Sonnet 4.5正在成为网络安全领域的一股新锐力量。该模型在软件漏洞发现率上实现了显著飞跃，达到5%，远超前代模型的2%。在CyberGym的网络安全实战测试中，Claude Sonnet 4.5展现了高效增强网络防御的强大能力，预示着AI将在未来的网络攻防战中扮演关键角色。
![image.png](https://static.downly.cn/images/4aa8339528e4340655524e44e05d5793.png)
图源备注：图片由AI生成

## 挑战硬件边界，OpenAI 联手前苹果设计师打造颠覆性 AI 设备
OpenAI正与前苹果设计总监Jony Ive的工作室LoveFrom合作，共同打造一款颠覆性的AI硬件设备。据透露，该设备将具备主动学习能力，能像电影《她》中的AI伴侣一样，与用户进行流畅自然的对话，并无缝融入日常生活。尽管可能因计算瓶颈与隐私问题推迟发布，但其未来的产品形态可能包括无屏智能音箱、录音设备或可穿戴设备，远超现有智能音箱的体验。
![image.png](https://static.downly.cn/images/6c26c682b235dda1338e7dadc59b5e73.png)
图源备注：图片由AI生成

## 为AI芯片“降温”，微软测试微流控冷却技术
随着AI算力的飙升，数据中心的散热问题日益严峻。微软正在研发一种新型的微流控芯片冷却技术，旨在有效解决AI数据中心的散热难题。这项技术有望为AI基础设施的大规模部署扫清障碍，同时显著降低能源消耗，提高整体运行效率。
![image.png](https://static.downly.cn/images/aa11c879283e0a9c060a49d951879411.png)
图源备注：图片由AI生成

每日AI资讯1007：平台化浪潮与模型能力新高度

> 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>

搜索结果: 音箱