

> **导语**
> 阿里巴巴旗下高德地图在 AI 基础模型领域取得重大突破，正式推出自研世界模型“FantasyWorld”。该模型凭借独特的几何与视频联合建模技术，在国际权威基准 WorldScore 上夺得榜首，并已率先应用于“飞行街景”等具身智能场景。

## 几何与视频的联合建模

FantasyWorld 的核心创新在于解决了传统视频生成模型缺乏物理一致性的痛点。高德团队提出了一种新颖的架构：在冻结的视频基础模型骨干上，增设一个可训练的几何分支。这种设计实现了“视频潜变量”和“隐式 3D 场”的联合建模，且仅需一次前向计算即可完成，极大地提升了推理效率。

这一技术突破使得 FantasyWorld 在生成视频时，不仅能保持极高的视觉真实感，还能确保多视角下的一致性和几何保真度。即使在面对 180° 旋转等极端视角的物体形状与纹理保持上，其表现也远超近期的其他几何一致性方法。模型生成的 3D 潜变量可直接解码为深度图或点云，为下游任务提供了即插即用的 3D 数据支持。

![Google_AI_Studio_2026-01-10T03_50_17.220Z.png](https://static.downly.cn/images/d9ca3c0857bc62f9a33c794f04b46faf.png)
 <center>图源备注：图片由AI生成</center>

## 权威评测与开源计划

作为由斯坦福大学李飞飞团队主导的统一世界生成基准，WorldScore 涵盖了静态场景、动态场景、可控性及一致性等多维度的严苛评估。FantasyWorld 在该榜单上以综合得分第一的成绩强势登顶，特别是在静态世界得分（78.55）和动态世界得分（66.89）等关键指标上，超越了多家国内外知名模型。

学术界的认可紧随其后，相关论文已被 ICLR2025、NeurIPS2025 等顶级 AI 会议收录。高德方面已明确表示，将于近期开源该模型，此举预计将大幅推动学术界与产业界在 3D 世界构建领域的合作与创新。

## 从飞行街景到具身智能

FantasyWorld 的商业价值已在高德地图的“飞行街景”功能中初现端倪。商家只需上传几段简单的手机视频，模型即可低成本、快速地生成高保真的 3D 虚拟漫游街景。这种“技术平权”不仅让普通商家拥有了展示空间细节的能力，也为用户提供了身临其境的预览体验。

更长远的布局在于具身智能。随着自动驾驶向端到端视觉语言行动（VLA）方案演进，追求物理真实性的世界模型变得至关重要。高德内部已成立具身业务部，探索机器人、机器狗等方向，利用 FantasyWorld 在空间智能上的优势，加速从数字地图服务商向物理 AI 领军者的转型。

高德发布世界模型FantasyWorld 登顶WorldScore并将开源



> 导语
> 今日科技圈迎来多重重磅更新，腾讯与OpenAI相继推出新一代大模型，编程与多模态能力大幅跃升。与此同时，快手可灵与生数Vidu在音视频生成领域再造突破，高德与诺顿则将AI融入出行与安全浏览，更有日本政府探索AI在心理干预层面的社会价值。



## 腾讯混元2.0震撼发布 携手DeepSeek共建AI生态

腾讯正式对外发布了备受瞩目的自研大模型混元2.0。这一版本采用了先进的混合专家架构（MoE），参数规模巨大，旨在提供更强劲的逻辑推理与多任务处理能力。值得一提的是，腾讯同步宣布将DeepSeek V3.2深度接入其生态系统。目前，这两款强大的模型并在元宝、ima等腾讯旗下的AI应用中正式上线。与此同时，腾讯云也迅速跟进，向开发者和企业用户开放了相关的API服务，为产业智能化升级提供了新的强力引擎。

## OpenAI再推王炸 GPT-5.1-Codex-Max重新定义编程效率

OpenAI发布了其最新的编程专用模型——GPT-5.1-Codex-Max。该模型在性能上实现了显著飞跃，不仅具备更加智能的“代理式”编码能力，能够自主规划和执行复杂的编程任务，还支持超过一百万token的超长上下文窗口，轻松处理大型代码库。令人惊喜的是，其定价策略保持与GPT-5一致，极高的性价比使其一经发布便受到了全球开发者的广泛关注与热议。

## 英伟达联手港大推出Orchestrator模型 小参数大智慧

英伟达与香港大学合作，联合推出了一款拥有8亿参数的Orchestrator模型。虽然参数量不大，但该模型利用创新的ToolOrchestra强化学习框架，展现出了惊人的效能。它能够以更低的算力成本和更高的准确率，协调多种外部工具与大型语言模型协同工作，以解决复杂问题。此外，该模型还具备根据用户偏好智能选择最佳工具的能力，为AI代理的工具管理提供了新的思路。


![image.png](https://static.downly.cn/images/d912f372ced241a29811bfb8b7aad1db.png)

<center>图源备注：图片由AI生成</center>


## 快手可灵Avatar 2.0上线 一张照片实现唱跳自由

快手可灵AI发布了Avatar 2.0数字人模型，标志着AI内容创作从静态向动态叙事迈出了关键一步。新版本彻底告别了以往数字人常见的“面瘫”问题，用户现在仅需上传一张照片和一段音乐，即可生成长达五分钟的视频。在视频中，数字人不仅能根据音乐节奏自然地唱歌跳舞，还能展现出细腻丰富的面部表情和肢体动作，极大地降低了高质量视频内容的创作门槛。

## 生数科技Vidu Q2版本发布 免费解锁4K画质与局部重绘

生数科技发布了集参考生图、文生图与图像编辑功能于一体的Vidu Q2版本，被称为“生图全家桶”。该版本在图像生成的可控性上进行了大幅增强，用户可以精准控制画面的位置、动作和构图。Vidu Q2不仅支持输出影院级的4K超清画质，还新增了实用的局部重绘等编辑功能。凭借强大的功能和免费使用的策略，该版本上线首日使用量即突破五十万次，成为创意领域的新宠。

## 微软开源VibeVoice 300毫秒极速响应拟人语音

微软发布并开源了实时语音模型VibeVoice-Realtime-0.5B。该模型在语音合成技术上取得了突破性进展，能够将文本输入在平均300毫秒内转化为语音输出，几乎实现了零延迟的实时交互。不仅速度快，其输出的语音极其接近真人，即便是在长达90分钟的长音频合成中，也能保持流畅自然的呼吸感和语调，远超传统语音合成技术的表现。

## 火山引擎豆包语音2.0升级 复杂场景识别率显著提升

火山引擎发布了基于20亿参数音频编码器的豆包语音识别模型2.0。此次升级显著增强了模型在多语言环境、嘈杂复杂场景下的识别准确性。特别是在处理专有名词、人名、地名以及多音字等难点信息时，新模型的推理能力得到了质的飞跃。此外，该模型还新增了视觉信息识别功能，进一步拓宽了其在多模态交互场景中的应用潜力。

---
![image.png](https://static.downly.cn/images/73c5ddaf2726e7f389decc0e7f6a05be.png)

<center>图源备注：图片由AI生成</center>


## 高德地图上线AI停车雷达 分钟级预测车位状态

高德地图利用先进的AI视觉分析和空间智能感知技术，推出了实用的“AI停车雷达”功能。该功能实现了车位占用情况的分钟级动态可视化更新，帮助车主在导航过程中实时查看沿途及目的地的空闲车位情况。目前，该服务已率先在北京上线，覆盖数万个车位，有效缓解了城市停车难的问题，极大地拓展了导航应用的服务深度。

![image.png](https://static.downly.cn/images/8701e7b568393d4ef04b4cc2fec2902c.png)

<center>图源备注：图片由AI生成</center>

## 诺顿发布全球首款安全AI浏览器Norton Neo 守护在线隐私

网络安全巨头诺顿发布了全球首款免费的“安全AI原生浏览器”——Norton Neo。这款浏览器旨在利用AI技术的主动防御能力，应对日益复杂的在线安全威胁。它能够智能识别并拦截恶意网站、钓鱼链接及追踪脚本，为用户提供一个更加智能、清爽且可信赖的网页浏览体验，重新定义了浏览器安全标准。

## 阿里云析言XiYan-SQL登顶全球榜单 数据库诊断能力刷新纪录

阿里云飞天实验室研发的“析言XiYan-SQL”数据分析智能体，在全球权威的SQL诊断评测BIRD-CRITIC中一举夺魁。该智能体超越了国内外众多顶尖团队，刷新了该基准测试中所有开放榜单的纪录。这一成绩充分展现了阿里云在自动诊断和修复企业常见数据库报错方面的强大技术实力，为企业数据治理提供了强有力的工具支持。

## 日本政府拟启用AI技术 早期干预青少年心理危机

面对青少年自杀率上升的严峻社会问题，日本政府计划利用人工智能技术来早期识别具有自杀倾向的青少年，并及时提供必要的心理支持与干预。这一举措是在社会对AI风险广泛关注的背景下提出的，此前OpenAI曾因AI工具可能诱导不良情绪而引发争议。日本政府此举意在探索AI向善的可能性，将其应用于心理健康这一关键社会领域。



每日AI资讯1206：腾讯混元2.0重磅登场 OpenAI发布编码神器 快手可灵让数字人唱跳俱佳



> 本期AI资讯将带您领略人工智能的最新进展：从德国科学家开发的能够预测未来十年千种疾病风险的AI工具，到高德地图利用AI预知全局路况的交通模型，再到IBM发布的精通中文的轻量级文件转换模型，以及OpenAI在硬件领域的最新动向。AI正以前所未有的深度和广度，重塑我们的健康、出行和工作方式。

## AI新突破 德国科学家研发“健康水晶球”可预测未来十年千种疾病风险

一项新的人工智能工具已被开发出来，能够预测个人罹患超过一千种疾病的风险，并能在十年内预知健康状况的变化。

![image.png](https://static.downly.cn/images/ceb99426940fd58c71022a2a3d4ee63c.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## IBM亮剑 轻量级AI模型发布精通中文的“文件转换大师”来了

IBM发布的小型视觉语言模型Granite-Docling-258M，专注于端到端文件转换，支持中文等多种语言，能高效保留文件版面结构并实现高识别准确度。

![image.png](https://static.downly.cn/images/73228a88c573e1d15d78d10afb4dcb06.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## OpenAI的硬件野心 挖角苹果精英意在硬件集成而非制造

OpenAI表示，公司主要专注于AI软件和模型开发，并不直接生产硬件，而是与苹果等公司合作，将其AI能力集成到终端设备上，扮演“搬运工”的角色。

![image.png](https://static.downly.cn/images/47df1bc02f94b64e52b94d1228762ff7.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## “堵车”的终结者 高德AI模型升级提前预知全局路况

高德TrafficVLM模型升级，结合实时交通孪生技术与多模态大模型，实现车道级交通态势感知和预测。

![image.png](https://static.downly.cn/images/deb2f69d6d3df404ad002daf880b4f79.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>


每日AI资讯0921：AI预见未来，从健康、交通到硬件的全方位革新



> 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)



搜索结果: 高德地图