> 今日AI界风起云涌：清华大学0.1秒生成3D数字人技术惊艳亮相；微软携手Anthropic，打破OpenAI单一依赖格局；字节跳动与腾讯在AI生图领域展开新角逐，将创意推向新高度；同时，AI正加速融入天气预报、软件测试、教育硬件等多个行业，展现出巨大的应用潜力。

## 0.1秒“复活”照片 清华团队开源GUAVA技术让3D数字人制作进入闪电时代
清华大学深研院与国际数字经济研究院的团队成功研发出GUAVA新技术，该技术仅需一张普通照片，便能在0.1秒内生成高质量的3D高斯化身，并能以超过50帧/秒的流畅度进行实时驱动。这一突破颠覆了以往需要多角度拍摄或漫长视频训练的传统数字人制作模式，极大地提升了制作效率和速度，为实时交互、虚拟现实等应用场景打开了新的想象空间。

![image.png](https://static.downly.cn/images/4d6ad844fb331ad9f3a90c5666bc9e38.png)
图源备注：图片由AI生成

## 字节跳动发布Seedream 4.0图像模型 Freepik平台率先集成
字节跳动正式推出其最新的Seedream 4.0图像创作模型，该模型在图像编辑的精准度、参考图的灵活性、4K超高清图像生成及自适应比例方面均实现了重大突破，甚至可以将人像照片一键转换为精致的手办风格图。用户现在可以通过豆包App和即梦网页端体验。与此同时，全球知名设计素材平台Freepik也已上线该模型，其premium+会员可无限次使用这一强大工具，为全球设计师的创作注入新的活力。

![image.png](https://static.downly.cn/images/5d639205aaa233d4f8d11ed1bb6c92b1.png)
图源备注：图片由AI生成

## 腾讯混元生图模型再进化 Image 2.1支持2K分辨率与精准“写字”
腾讯混元团队发布了其开源文生图模型的最新升级版“混元图像2.1”。新版本原生支持2K分辨率图像生成，并在中英文原生输入、复杂语义理解方面表现出色，能够更准确地在图片中渲染文字。该模型在性能与生成效果之间取得了良好平衡，旨在为视觉创作者提供一个更高效、便捷的创作工具，轻松生成精美插画、创意海报及漫画等多样化作品。

![image.png](https://static.downly.cn/images/e498b4e59aafb4e9f5d85063f0bb8884.png)
图源备注：图片由AI生成

## 微软不再“独宠”OpenAI Office 365将集成Anthropic模型
微软正在调整其AI战略，开始推行供应商多元化。最新举措是，微软将付费使用Anthropic公司的AI技术来增强其Office 365办公应用套件。这一举动标志着微软不再仅仅依赖其长期合作伙伴OpenAI，背后原因可能与OpenAI日益增强的自主性及其产品与微软产生的直接竞争有关。此举显示了微软在构建其AI生态时，正寻求更广泛和稳健的合作布局。

![image.png](https://static.downly.cn/images/456bbda78162116970d774c1fc0c72cc.png)
图源备注：图片由AI生成

## 不止于效率工具 首款AI Agent浏览器Fellou CE发布
硅谷公司Fellou推出了一款具有革新意义的AI概念浏览器Fellou CE。与市面上其他旨在节省时间的AI工具不同，Fellou CE将自己定位为用户的“认知杠杆”。它致力于通过AI Agent的能力，赋能用户进行更深层次的思考、激发创造力，并高效解决复杂问题，目标是实现数字工作方式的根本性转型，而不仅仅是提升操作效率。

![image.png](https://static.downly.cn/images/45e8de5f800f2c7a10a402d56ace5537.png)
图源备注：图片由AI生成

## 剑指英伟达霸主地位 谷歌TPU业务估值或达9000亿美元
谷歌正积极推广其自研的TPU（张量处理单元），并与众多小型云服务商展开合作，意图在价值巨大的AI硬件市场中挑战英伟达的绝对领先地位。据分析，谷歌的TPU业务若与旗下的顶尖AI研究机构DeepMind深度结合，其整体估值潜力可能高达9000亿美元，这预示着AI芯片领域的竞争将愈发激烈。

![image.png](https://static.downly.cn/images/285243c9fe4c3c460c5b2859db4ff031.png)
图源备注：图片由AI生成

## 打印机也懂批改作业 爱普生发布全球首款AI学习打印机
爱普生联合京东发布了全球首款AI学习打印机，将人工智能与传统打印设备创造性地结合。这款打印机内置了AI作文批改、口算检查、错别字识别三大核心功能，旨在通过“AI+打印”的新模式，让学习过程回归纸张，同时又赋予纸张前所未有的智慧，为家庭教育场景提供了全新的解决方案。

![image.png](https://static.downly.cn/images/8f0e07fdc4f0c3ad4cf4360fd6af03e0.png)
图源备注：图片由AI生成

## AI预报官“上岗” 中国气象局遴选14个AI模型迎接汛期考验
中国气象局正积极推动AI技术在天气预报领域的创新应用。在一项有35家高校、企业和科研单位参与的示范计划中，经过严格的测试与遴选，14个表现优异的AI天气预报模型脱颖而出。这些模型，包括伏羲、璞云、风乌、风清和盘古等，均已完成迭代更新，正式“上岗”，准备迎接汛期的严峻考验。

![image.png](https://static.downly.cn/images/c29e51f347d2737af876a96dd5b0a6f8.png)
图源备注：图片由AI生成

## 告别脆弱自动化 TestGrid发布CoTester™ 2.0引领AI测试新革命
TestGrid公司正式发布了其首个企业级AI测试代理CoTester™ 2.0。该产品旨在解决传统AI测试工具普遍存在的自动化流程脆弱、测试覆盖率低、维护成本高昂等痛点。CoTester™ 2.0创新地融合了视觉-语言智能、人类监督和机器人自动化精度，通过多模态视觉-语言代理实现近乎人类的测试解读能力，从而显著提升软件测试的效率与质量。

![image.png](https://static.downly.cn/images/34655de79458d9d43104de59209f6a66.png)
图源备注：图片由AI生成

## Devin集成引争议 Windsurf被指bug不断或临生存危机
近期，关于AI程序员Devin与现有平台Windsurf的整合过程引发了业界的担忧。一位知情人士透露，自从整合开始以来，Windsurf平台bug不断，而官方似乎并未积极响应，这种“装死”的态度可能导致其百万用户流失。外界担忧，这次整合如果处理不当，最终可能对Windsurf造成毁灭性的打击，使其陷入生存危机。

![image.png](https://static.downly.cn/images/0b8d4170f7eed481a3dcfe6fac77e32d.png)
图源备注：图片由AI生成

每日AI资讯0910：清华0.1秒“复活”照片，微软“牵手”新欢，AI军备竞赛开启新篇章

> 今日AI界风起云涌：清华与东北大学联手推出UltraRAG 2.0，以50行代码简化RAG系统构建；Perplexity对Chrome的收购意向撼动浏览器市场格局。腾讯连发两款开源神器，单图生成3D世界的HunyuanWorld-Voyager与开箱即用的Youtu-Agent框架。谷歌、即梦AI、通义实验室、微软等巨头也纷纷亮剑，从网页内容理解、多模型服务到智能体开发框架，技术革新正以前所未有的速度，重塑我们的数字生活与开发范式。

## 清华联手东北大学发布UltraRAG 2.0：50行代码定义RAG新范式

清华大学与东北大学等机构联合发布了UltraRAG 2.0框架，它基于创新的模型上下文协议（MCP）架构，允许开发者通过简单的YAML文件来配置和构建复杂的检索增强生成（RAG）系统。该框架支持串行、循环、条件分支等多种逻辑，极大地降低了高性能RAG应用的开发门槛，让复杂的AI系统搭建变得前所未有的简单。

![插图：代码流与神经网络的抽象结合](https://static.downly.cn/images/71866b30d3bd8cb39ead10556f95a395.png)
图源备注：图片由AI生成

## AI浏览器战争升级 Perplexity欲收购Chrome

AI搜索公司Perplexity对谷歌Chrome浏览器提出高达345亿美元的收购报价，此举震惊业界，标志着AI对传统浏览器市场的颠覆性冲击正式拉开序幕。与此同时，Anthropic公司也推出了针对Chrome的Claude扩展，AI与浏览器的深度融合已成大势所趋，一场围绕下一代智能浏览体验的战争已然爆发。

![插图：两个科技巨头的Logo在浏览器窗口中对峙](https://static.downly.cn/images/a185998c7389e0d433c242b8a11a9cfb.png)
图源备注：图片由AI生成

## 腾讯再亮王牌 HunyuanWorld-Voyager实现单图生成3D世界

腾讯AI研究团队开源了其最新的研究成果HunyuanWorld-Voyager。这一模型堪称“神器”，仅需一张普通的2D图像，就能即时生成与之完全一致的3D点云世界。凭借其卓越的原生3D重建能力，在相机控制、内容对齐和3D一致性上表现出色，成功登顶WorldScore全球排行榜，为3D重建和图生3D领域带来了革命性突破。

![插图：一张风景照片悬浮在空中，下方延展出一个完整的、可供探索的3D立体世界]![image.png](https://static.downly.cn/images/8e0e6ffc6db2b93dfa1938d503f47f9d.png)
图源备注：图片由AI生成

## 人人都是开发者 腾讯优图开源Youtu-Agent智能体框架

腾讯优图实验室正式开源Youtu-Agent智能体框架，主打“开箱即用”的便捷理念。开发者无需进行复杂的模型训练，只需从GitHub上获取代码，通过编写简单的YAML配置文件来定义智能体的具体行为，便能迅速搭建并运行个性化的智能体应用，极大地降低了技术门槛。

![插图：一个即插即用的模块化机器人，用户可以轻松更换代表不同功能的模块](https://static.downly.cn/images/e6fa2a42972d2771714972f5728f325c.png)
图源备注：图片由AI生成

## 谷歌Gemini API添新翼 AI可“阅读”并理解整个网页

谷歌为其Gemini API增加了一项名为URL Context的全新功能。这项技术使得AI不再局限于抓取网页摘要或部分信息，而是能够像人类一样深入、完整地理解和解析整个网页的内容。这一重大进展意味着开发者可以构建出更精准、更智能的应用，实现对网络信息的深度利用。

![插图：一个AI大脑正在扫描一个网页，网页中的文字和图片转化为结构化的数据流](https://static.downly.cn/images/dca8e3de45333203759164411c551201.png)
图源备注：图片由AI生成

## 即梦AI模型全面开放API 提供一站式图像视频生成服务

即梦AI与火山引擎达成合作，将其旗下包括文生图、图生图、视频生成、数字人等在内的一系列先进AI模型，通过API的形式向企业级用户和开发者全面开放。此举旨在提供一个一站式的图像与视频生成解决方案，开发者可以轻松接入并利用这些经过市场验证的强大功能，创造高质量的视觉内容。

![插图：一条API数据流从一个服务器流向多个不同的终端设备，每个设备上都显示着由AI生成的不同风格的图像和视频](https://static.downly.cn/images/8f7698019e45a7460e2534eb9e4357f2.png)
图源备注：图片由AI生成

## Cherry Studio携手硅基流动 免费开放Qwen38B模型

为了提升用户体验，AI桌面客户端Cherry Studio宣布与硅基流动达成深度合作，向所有用户免费提供通义千问Qwen38B模型。该模型以其出色的推理能力、指令遵循和多语言支持而广受好评。此次合作将进一步丰富Cherry Studio的多模型生态，让跨平台用户能更便捷地享受到顶级AI模型的强大功能。

![插图：一个樱桃形状的工作室Logo与一个芯片Logo握手，背景是流畅运行在不同操作系统上的AI界面](https://static.downly.cn/images/3131fa6c37fb1c342cc9be32e62576d8.png)
图源备注：图片由AI生成

## 通义实验室发布AgentScope 1.0 打造一站式智能体开发平台

通义实验室正式推出新一代开源智能体开发框架AgentScope 1.0。该框架以开发者为核心，致力于解决多智能体从开发、构建到运行和管理的全生命周期难题。通过其三层技术架构（核心框架、Runtime和Studio），AgentScope 1.0为开发者提供了灵活且强大的解决方案，让构建安全、高效的智能体应用变得更加简单。

![插图：一个开发者在一个可视化的工作台上拖拽不同的智能体模块，构建出一个复杂的多智能体协作系统](https://static.downly.cn/images/c1287b323739b9d5ca266dcec2ca7d27.png)
图源备注：图片由AI生成

## 微软Copilot能力升级 免费用户也可多文件推理

微软宣布对其AI助手Copilot进行重要更新，免费向所有网页版和Windows 11版用户开放多文件分析功能。现在，用户可以一次性上传最多三个文件，让Copilot进行跨文档的理解和推理。这一此前仅限付费用户的功能将极大提升Copilot的实用性，例如可以同时分析简历和招聘启事，为求职者提供精准建议。

![插图：三份不同的文档被一只机械手同时送入一个Copilot大脑中进行分析和比较](https://static.downly.cn/images/baaf1ea28902e437966fb6921c6d1b56.png)
图源备注：图片由AI生成

## Google发布Nano Banana AI图像编辑进入“一句话”时代

Google旗下Gemini 2.5 Flash Image团队推出了革命性的AI图像引擎Nano Banana。这项新技术颠覆了传统的图像编辑流程，用户只需用一句话描述想要进行的修改，AI即可精准完成操作。这项功能的推出，极大地降低了图像处理的门槛，让专业级的图像编辑变得像日常对话一样简单便捷。

![插图：一个人对着麦克风说话，旁边屏幕上一张复杂的图片根据语音指令实时发生改变](https://static.downly.cn/images/2c672eaf942f6300b1fe1c0499d7f87d.png)
图源备注：图片由AI生成

每日AI资讯0903：未来科技浪潮，人工智能重塑数字世界






> 导语 本期AI资讯聚焦模型能力的巨大飞跃与商业化落地的加速。Anthropic的Claude Sonnet 4将上下文窗口提升至百万级，打破了行业纪录。备受瞩目的智元机器人也正式开售其全系产品，将通用具身智能推向市场。同时，苹果秘密开发机器人操作系统的消息预示着科技巨头的新布局。此外，本期还将关注ChatGPT惊人的商业化变现能力、AI对就业市场的冲击、亚马逊平台泛滥的AI假书问题，以及xAI、谷歌和阿里巴巴在各自领域的最新动态。

## Claude Sonnet 4支持百万Tokens上下文 容量提升五倍
Anthropic公司宣布其Claude Sonnet模型迎来重大升级，上下文窗口容量从原有的20万token一举提升至100万tokens，容量提升了整整五倍。这意味着模型可以一次性处理约7.5万行代码或数十万字的文档，此前被认为是其“致命弱点”的短板现已得到彻底弥补。这一突破性的进展极大地增强了Claude处理长文本和复杂任务的能力，为代码分析、法律文书审阅和学术研究等领域带来了新的可能性。

![image.png](https://static.downly.cn/images/82e20325fd55c1c9b777c67043ed40f5.png)

## 智元机器人全系产品开售 精灵G1售价45万元
国内具身智能领域的明星公司智元机器人宣布，其全系产品已正式面向市场开售。产品线覆盖了文娱、科研、清洁等多个领域，其中，定位为“硅基员工”的远征A2和用于科研教育的精灵G1通用具身智能机器人备受关注，后者售价定为45万元。这标志着通用具身智能机器人正从实验室走向商业化应用，开启了AI与物理世界深度融合的新篇章。

![image.png](https://static.downly.cn/images/054f5f4524a1f0795df6b61c2dc87551.png)

## 苹果秘密开发全新操作系统“Charismatic” 剑指智能家居与机器人
据消息人士透露，苹果公司正在秘密开发一款代号为“Charismatic”的全新操作系统。该系统预计将首先应用于2026年推出的智能家居中枢设备，并计划在2027年用于其传闻中的桌面机器人。此外，该系统还可能集成到苹果的人脸识别智能门锁等安防硬件中。这一举动表明，苹果正加速布局智能机器人和下一代智能家居领域，试图打造一个更加无缝和智能的生态系统。

![image.png](https://static.downly.cn/images/b32c8ccf27bcad390556976d116ea50d.png)

## ChatGPT移动端收入突破20亿美元 商业化能力碾压竞争对手
自2023年5月推出以来，OpenAI的ChatGPT移动应用在全球范围内的消费者支出已累计突破20亿美元，创造了惊人的商业成就。据统计，仅2025年至今的收入就高达13.5亿美元，同比增长率达到惊人的673%。这一数据远超Claude、Copilot和Grok等主要竞争对手，其收入总和甚至不到ChatGPT的30分之一，充分彰显了其在AI应用市场的绝对领先地位和强大的吸金能力。

![image.png](https://static.downly.cn/images/a05f2bda7c996ed907f722820fc7aa63.png)

## Anthropic为AI引入“自保”功能 Claude可主动结束有害对话
为了保护AI模型自身的“心理健康”，Anthropic公司为其最新的Claude模型引入了一项创新功能。在面对极端罕见且持续的有害或辱骂性用户互动时，AI模型可以主动选择结束对话。Anthropic表示，此举并非为了保护人类用户，而是出于对AI潜在道德地位的不确定性而采取的保护措施。该公司还为此专门成立了“模型福利”研究项目，探索AI伦理的新边界。

![image.png](https://static.downly.cn/images/9e331bddb11b26999ddfe70388b95a24.png)

## AI假书泛滥 亚马逊被指成盗版温床
亚马逊平台正面临严重的AI生成假书问题。大量冒用名人，尤其是著名医生埃里克·托波尔名义出版的虚假食谱和健康指南充斥其网站。尽管托波尔本人多次举报，但收效甚微，凸显了亚马逊在内容审查方面的无力。这一现象已非个例，AI生成的大量低劣内容正在侵蚀知识产权和消费者信任，成为生成式AI发展过程中的一个重要警示。

![image.png](https://static.downly.cn/images/5c150cf303d3cba73cb3c3f60eace9ac.png)

## AI吞噬入门级岗位 就业市场面临严峻挑战
人工智能的崛起正对就业市场产生深远影响，尤其对入门级岗位构成了巨大冲击。一则引人注目的案例显示，一位GPA高达3.98的计算机科学专业学霸，在投递了2500份简历后，仅仅获得了10次面试机会。这一现象引发了广泛讨论，凸显了AI技术在替代重复性、初级性工作方面的趋势，也为应届毕业生的职业规划带来了前所未有的挑战。

![image.png](https://static.downly.cn/images/8ac77267c7f46dbdfbcb574761e180b8.png)

## xAI开启实时通话新纪元 AI伴侣Ani与Valentine上线电话功能
马斯克旗下的xAI公司宣布，其最新发布的AI伴侶Ani和Valentine现已支持实时的电话通话功能。用户可以直接拨打专属电话号码，与这两位AI进行自然流畅的语音互动。这项功能的推出，标志着AI交互从文本和简单的语音指令，迈向了更具沉浸感和人性化的实时通话阶段，为AI伴侣和智能助理的应用场景打开了新的想象空间。

![image.png](https://static.downly.cn/images/f1a176da6ac2244824639258d837d86b.png)

## 谷歌DeepMind开源Aeneas 用AI修复古代文本
谷歌的AI研究部门DeepMind开源了一款名为Aeneas的先进AI模型，专门用于分析和修复古代文本。该模型能够同时处理文本和图像信息，在修复古代铭文等受损文本的缺失字符方面表现尤为出色，其性能已经超越了现有的同类模型。Aeneas的开源将为历史学家、考古学家和语言学家提供强大的工具，帮助人类更好地解读和保护珍贵的文化遗产。

![image.png](https://static.downly.cn/images/cd949aa13ba64580d0a01049c375e8a5.png)

## 阿里发布经济型视觉推理模型Ovis2.5
阿里国际数字贸易集团（AIDC）的AI团队发布了经济型视觉推理模型Ovis2.5。该模型提供了9B和2B两种参数版本，其核心创新在于采用了NaViT视觉编码器，能够原生处理任意分辨率的图像，无需裁剪或缩放，从而完整保留图像的精细细节和全局结构。这一特性使其在处理图表、表格等结构化视觉内容时表现出色，旨在为多模态AI应用树立新的性能标杆。

![image.png](https://static.downly.cn/images/03c2c56e43d9069b5f2145351f8d3952.png)

每日AI资讯0818：Claude上下文窗口突破百万，智元机器人开售引领商业化浪潮




> 导语 本期AI资讯看点纷呈，从备受期待的OpenAI GPT-5展示其在编程等领域的革命性潜力，到智谱GLM-4.5刷新开源模型新高度；从农业、数学等垂直领域的AI应用落地，到微软、阶跃星辰等公司推出新型AI助手，人工智能正以前所未有的速度渗透到各个行业，开启智能新纪元。

---

## **GPT-5超凡能力曝光，重塑编程与多任务处理规则**

OpenAI的下一代旗舰模型GPT-5及其系列版本，包括GPT-5-pro（代号zenith）和GPT-5-high（代号summit），近日揭开了神秘面纱。其能力展示远超当前所有AI模型，在编程、网站快速生成、为现有游戏添加新功能，乃至构建宇宙飞船控制面板和创建视频平台等复杂任务上表现出色。GPT-5不仅有望彻底改变AI在高级编程领域的游戏规则，更通过其强大的自主任务处理、多模态分析、企业级调试和深度记忆功能，预示着一个由AI极大拓展人类能力边界的智能时代的到来。

![image.png](https://static.downly.cn/images/f7501557a1410139835ac49d09c8a307.png)

---

## **智谱GLM-4.5横空出世，树立开源AI新标杆**

智谱AI正式发布了专为Agent应用打造的最新旗舰模型GLM-4.5。该模型在推理能力、代码生成及智能体综合表现上均达到了开源模型的顶尖水平（SOTA），并已在Hugging Face和ModelScope等平台开源，采用对商业友好的MIT许可证。GLM-4.5包含3550亿和1060亿参数两个版本，在多达12项权威基准测试中名列国产及开源模型首位。此外，它还兼具参数效率高、API价格亲民等显著优势，为开发者和企业提供了更强大的AI工具。

![image.png](https://static.downly.cn/images/1e4c085301695a945c1e876f5f5b3520.png)

---

## **AI精准赋能，中国首个农业大模型助农民增收**

中国中化集团推出了国内首个专注于农业种植的综合性大模型。该模型深度整合了海量的农业知识库与线下技术服务中心，实现了对“耕、种、管、收”全流程的智能覆盖。通过线上智能决策系统与线下专家服务的无缝结合，它能为农民提供精准的种植指导，有效将决策时间缩短75%，并帮助每亩地实现150至200元的增收，成为中国农业数字化转型道路上的重要里程碑。

![image.png](https://static.downly.cn/images/3c83af840a63b5e2bc02c8e16e75bbc6.png)

---

## **数学难题迎刃而解，Harmonic推出AI解题机器人**

AI初创公司Harmonic推出了一款名为“亚里士多德”（Aristotle）的聊天机器人应用，致力于提供“无幻觉”的精准数学推理。这款应用目前已在iOS和Android平台开启Beta测试，用户可以通过它来访问Harmonic强大的AI数学模型。公司宣称其模型有能力在2025年的国际数学奥林匹克竞赛中摘得金牌，并于近期完成了1亿美元的B轮融资，显示出市场对其技术前景的高度认可。

![image.png](https://static.downly.cn/images/6146d52baee113eb0b9b2d62aa928866.png)

---

## **微软Edge浏览器集成Copilot，引领智能浏览新体验**

微软为其Edge浏览器推出了全新的Copilot模式，旨在通过人工智能技术重塑用户的网络浏览体验。新模式允许用户通过自然语言或语音输入，实现搜索、信息整合及决策建议的自动化。它巧妙地融合了搜索、聊天和导航功能，极大地提升了用户获取和处理信息的效率。微软同时强调，该功能在提供便利的同时，会严格遵守隐私保护标准，目前已向所有用户免费开放。
![image.png](https://static.downly.cn/images/889f38e9ef52afaad977ba3e56333cd2.png)


---

## **阶跃星辰发布AI研究助手，十分钟生成专业报告**

阶跃AI（StepFun）推出了一款面向专业领域的智能研究工具“阶跃深研”，并已开启邀请测试。该助手专为金融、咨询、法律等知识密集型行业设计，能够理解用户的自然语言指令，在短短十分钟内自主完成信息搜集、交叉验证、整合分析等一系列复杂研究任务，并最终生成结构化的专业报告。其背后依靠的是先进的多智能体架构和端到端自主强化学习技术，旨在为知识工作者提供前所未有的效率与支持。

![image.png](https://static.downly.cn/images/c8247a2117f207f336c5631a447f13fc.png)



每日AI资讯0729：GPT-5震撼登场，多领域AI应用全面开花



> **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



> 导语：本期AI速览将带您深入科技巨头们的“芯”事：从Meta与OpenAI之间愈演愈烈的“抢人大战”，到苹果因人才流失而动摇的AI根基，巨头间的竞争已进入白热化阶段。与此同时，AI技术正以前所未有的速度渗透至各行各业，无论是能说会道的方言语音合成，还是颠覆传统乐谱制作的“听歌识谱”神器，创新应用层出不穷。然而，AI在版权领域的法律争议依旧悬而未决，为这场技术革命蒙上了一层复杂的阴影。


*封面图提示词：一个充满未来感的数字大脑，发光的神经网络中流动着数据流，象征着全球在人工智能领域的竞赛与创新，电影般的灯光，超现实主义风格。*

## 科技巨头人才争夺白热化：OpenAI紧急加薪反击Meta“强盗式”挖角
面对Meta高价挖角，OpenAI内部紧急动员，其首席研究官公开表示将与Meta正面竞争。为稳定军心，OpenAI不仅重构了薪酬体系，还承诺以创新的方式奖励顶尖人才，并强调了公平竞争的底线。另一边，扎克伯格亲自挂帅，组建“招聘小组”，精准锁定OpenAI等公司的核心人才，意图打造一支无人能及的超级智能团队。尽管Meta方面声称天价挖角费有所夸大，但两大巨头间的人才争夺战已然全面爆发。

![image.png](https://static.downly.cn/images/0f2cd6bcd98a5ee5f9bcb0f29b98da04.png)

## 苹果AI帝国现裂痕：核心人才流失，Siri或将“外包”求生
苹果在人工智能领域的领导地位正遭遇严峻挑战。近期，公司一位关键的AI研究员宣布离职，而负责苹果自研MLX框架的核心团队也几乎全员流失，这无疑引发了内部的信任危机。据传，公司内部对自家AI模型的质量也信心不足，可能将被迫寻求外部帮助，将Siri等核心功能的开发“外包”给Anthropic或OpenAI等竞争对手，以应对团队士气低落和战略方向模糊的困境。

![image.png](https://static.downly.cn/images/cd713104ad1998b1071983ce46e4f1d1.png)

## 法律科技巨头联手：Clio斥资10亿美金收购vLex，押注AI法律数据
法律科技领域的独角兽公司Clio近日宣布了一项重大举措，斥资10亿美元收购法律数据巨头vLex。Clio估值高达30亿美元，此次收购表明其正大力押注由人工智能驱动的法律数据服务。此举旨在增强其现有法律服务平台的功能，通过整合vLex庞大的法律数据库和AI分析能力，满足市场日益增长的需求，并进一步巩固其在行业中的领导地位。

![image.png](https://static.downly.cn/images/d720e1ea534d74c8f0e3a1b9d48e4505.png)

## AI版权战警钟长鸣：一字不差复述原作，Meta与Anthropic侥幸过关？
近期，AI版权纠纷再次成为焦点。尽管Meta和Anthropic在近期的官司中暂时获胜，但法官的判决也明确指出了AI模型训练数据的“原罪”问题。AI输出内容可能直接构成对原作的抄袭，这一潜在的巨大风险并未消除。这意味着，AI公司在法律层面仅仅是暂时“过关”，未来仍需面对更为棘手和昂贵的版权挑战，这可能成为其商业模式中不可忽视的成本。

![image.png](https://static.downly.cn/images/13be7a91699688633c74cc6e02569ebf.png)

## 乡音可闻：通义千问Qwen-TTS上新，支持京沪川三大方言
阿里巴巴旗下的通义千问团队发布了其语音合成模型Qwen-TTS的最新版本。此次更新的最大亮点是新增了对北京话、上海话和四川话三种中文方言的支持。该模型基于海量语料库进行训练，能够根据输入文本自动调整语调、节奏和情绪，生成媲美真人的自然流畅语音。新版本同时提供了中英双语的音色选项，方便开发者通过API将其集成到各类应用中。[体验地址](https://qwenlm.github.io/zh/blog/qwen-tts/)

![image.png](https://static.downly.cn/images/a90e08c502931a2ea997baad8f01aed7.png)

## 音乐人福音：AI版“听歌识谱”Songscription问世，录音秒变乐谱
一款名为Songscription的创新产品正式上线，它被誉为“乐谱界的Shazam”。这款工具利用AI技术，旨在将音乐人从繁琐的手动抄谱工作中解放出来。用户只需将录制好的歌曲上传，系统便能自动分析并生成相应的乐谱，极大地提高了音乐创作和学习的效率。

![image.png](https://static.downly.cn/images/c53c2d54a47c2b6148984dd668507137.png)

## AI走进课堂：谷歌发布Gemini教育套件，重塑师生交互模式
谷歌正积极地将AI技术引入教育领域。公司最新推出了面向教育者和学生的一系列Gemini新工具。其中，名为Notebook LM的AI研究工具将允许教师结合自己的课堂材料，创建个性化的交互式学习指南。此外，谷歌还为学生设计了专用的聊天机器人，旨在通过AI拥抱课堂，为传统的教学和学习方式带来革命性的变化。

![image.png](https://static.downly.cn/images/1377961ecb5861c07651bfdb6e1724d2.png)

## 对标GPT-4o：国产开源模型OmniGen 2实现图文融合生成新高度
北京人工智能研究院（BAAI）近日推出了一款名为OmniGen 2的全新开源系统。该系统采用了独特的文本与图像分离解码路径，基于Qwen2.5-VL-3B模型构建，其能力类似于GPT-4o，能够融合处理图像和文本生成任务。OmniGen 2不仅支持文生图、图像编辑和上下文连贯的图像创作，还能驾驭多种艺术风格并进行自我反思改进。尽管在照片级清晰度和中文提示理解上仍有提升空间，但其在基准测试中的表现已超越了许多同类开源模型。

![image.png](https://static.downly.cn/images/93bab25d807b769abc1b71e92aa4ec8d.png)

## 知乎“直答”再升级：融合社区生态，打造沉浸式AI问答新体验
中文问答社区知乎对其AI搜索工具“知乎直答”进行了重要功能升级。新版“直答”的知识库功能与知乎社区内容实现了前所未有的深度融合，新增了内容订阅分享、沉-浸式阅读以及“边看边问”等互动功能。此举旨在充分利用知乎庞大的专家网络和高质量的专业内容，为用户提供更加高效、个性化的AI问答体验，并进一步扩大优秀答主的影响力。

![image.png](https://static.downly.cn/images/efd0669df8ecd68ded4a0695ce065c39.png)

AI每日资讯0701



> 继此前业界盛传的“抢人大战”后，马克·扎克伯格（小扎）终于落下了Meta在通用人工智能（AGI）领域的关键一步棋——正式宣布成立全新的Meta AI超级智能实验室。该实验室由“97年小孩哥”领衔，核心11人团队中更有7位华人面孔，预示着Meta在AI领域将迎来一次由全球顶尖人才驱动的重大突破。

## 全新AI实验室揭秘：抢人后落子的战略深意

在人工智能领域竞争日趋白热化的背景下，马克·扎克伯格（小扎）今日正式宣布Meta AI的重大升级——全新超级智能实验室（Meta AI Super Intelligence Lab）正式成立。此举被视为Meta此前在全球范围内疯狂吸纳AI顶尖人才后，在AGI赛道上的一次强力押注和战略性落子，更展现了其在人才战略上的独特布局。



实验室的成立，旨在汇聚全球顶尖的AI研究者，以更强大的资源和更灵活的机制，加速通用人工智能的研发进程。据悉，该实验室将重点攻克多模态大模型、智能体（Agent）以及前沿AI安全等关键技术，力求在未来五年内实现AGI领域的突破性进展。

![image.png](https://static.downly.cn/images/fda52b42402e6e043c75462b9c3a2b27.png)

## 97年小孩哥领衔，核心力量崭露头角

最引人注目的是，这一超级智能实验室的带头人是一位“97年小孩哥”。这位年轻的领军人物此前已在AI领域展现出非凡的才华和前瞻性的视野。他的加入，无疑为实验室注入了年轻、活力和敢于挑战权威的创新精神，也标志着Meta在人才选用上的大胆和开放。
![image.png](https://static.downly.cn/images/af1e205685fb2e0334ee184de7c09f05.png)
该核心团队的组建模式，打破了传统AI研究机构的层级限制，更加注重扁平化管理和交叉协作，旨在激发团队成员的最大潜力，共同应对AGI研发中的复杂挑战。这支由11位顶尖专家组成的精锐团队名单如下：

**7位华人成员：**
*   **毕树超**（浙大校友）：作为GPT-4o语音模式和o4-mini的共同创造者，他在OpenAI曾领导多模态后训练工作，经验丰富。
*   **Huiwen Chang**（清华校友）：GPT-4o图像生成的共同创造者，此前在谷歌研究院发明了MaskGIT和Muse文本转图像架构，在图像生成领域建树颇丰。
*   **Ji Lin**（清华校友）：深入参与构建了o3/o4-mini、GPT-4o、GPT-4.1、GPT-4.5、4o-imagegen以及Operator推理栈，贡献巨大。
*   **任泓宇**（北大校友）：是GPT-4o、4o-mini、o1-mini、o3-mini、o3和o4-mini的共同创造者，曾在OpenAI领导后训练团队，经验丰富。
*   **Pei Sun**（清华校友）：曾在谷歌DeepMind负责Gemini的后训练、编码和推理工作，此前还创建了Waymo的最后两代感知模型，具备跨领域经验。
*   **于佳慧**（中科大校友）：o3、o4-mini、GPT-4.1和GPT-4o的共同创造者，此前在OpenAI领导感知团队，并在Gemini中共同领导多模态工作，能力全面。
*   **赵盛佳**（清华校友）：ChatGPT、GPT-4、所有mini模型、4.1和o3的共同创造者，此前在OpenAI领导合成数据工作，对大模型研发核心环节贡献突出。

**4位非华人成员：**
*   **Trapit Bansal**：在OpenAI开创了思维链强化学习（RL）并是o系列模型的共同创造者，为AGI突破带来新思路。
*   **Joel Pobar**：曾在Anthropic从事推理工作，此前在Meta工作11年，涉及HHVM、Hack、Flow、Redex、性能工具和机器学习方面的工作，对Meta技术栈了如指掌。
*   **Jack Rae**：Gemini预训练技术负责人，负责Gemini 2.5的推理工作，曾在DeepMind领导Gopher和Chinchilla早期大语言模型研发工作，在大模型领域拥有深厚积累。
*   **Johan Schalkwyk**：前谷歌研究员，是Sesame的早期贡献者，也是Maya的技术负责人，经验老道。

![image.png](https://static.downly.cn/images/a081735bb7d2500bb9770f9571d651da.png)


## 华人力量崛起，人才版图的缩影

该实验室核心11人名单中，有高达7位是华人面孔。这一现象不仅凸显了华人科学家在全球AI领域的卓越贡献，也反映了Meta在全球范围内吸纳顶尖人才的决心。这些被业界传言为“抢来”的顶尖人才，如今终于有了明确的归属和使命，他们在大模型、多模态、推理栈等关键领域的丰富经验，将为Meta AI超级智能实验室带来强大的技术支撑和多元化的思维碰撞，有望加速AGI的研发进程。



## 挑战与机遇并存

Meta成立超级智能实验室的雄心，也伴随着巨大的挑战。AGI的实现并非一蹴而就，它需要海量的计算资源、顶尖的人才储备以及长期且持续的投入。同时，如何确保AGI研发的伦理性和安全性，避免潜在的风险，也是Meta必须面对的重要课题。

然而，机遇同样巨大。如果Meta能够在这场AGI竞赛中脱颖而出，其在社交、元宇宙以及未来智能硬件等领域的布局将获得颠覆性的优势，重塑数字世界的未来格局。

![image.png](https://static.downly.cn/images/6683081868d6f5dcdbf913c0436e30cb.png)

## 展望未来：AGI的Meta时代

Meta超级智能实验室的成立，无疑为全球AI界投下了一颗重磅炸弹。它不仅是Meta对自身未来发展的一次战略性布局，更是对AGI未来发展路径的一次积极探索。随着这支由“小孩哥”带领、华人科学家深度参与的精锐团队投入研发，我们有理由相信，AGI的“Meta时代”或将加速到来。


Meta超级AI实验室成立：97年小孩哥领衔，华人核心力量抢眼

> 近日，**OpenAI 获得了一份价值 2000 万美元的美国国防部（DoD）合同**，用于开发国防安全相关AI解决方案。 这一进展不仅标志着 OpenAI 正式进军敏感的国防领域，更可能**对其核心盟友——微软构成微妙的竞争压力**，尤其是在微软自身积极拓展政府和国防云计算业务的背景下，引发外界对两家公司未来合作动态的关注。



OpenAI，这家以推动通用人工智能（AGI）发展为使命的领先AI研究公司，正在拓展其业务版图。 最新消息显示，**OpenAI 已经获得了一份来自美国国防部的 2000 万美元合同**，旨在将其先进的AI技术应用于国防安全领域，例如网络安全分析、后勤优化或数据处理等方面。
![image.png](https://static.downly.cn/images/5350f569ed61b51120c9ddd68ade5f3d.png)
这份合同不仅是 OpenAI 首次直接与美国军方建立合作关系，更在科技界引发了广泛讨论，因为它可能对 OpenAI 的最大投资者和战略盟友——微软产生意想不到的影响。



### 进军国防领域 战略意义何在

OpenAI 此前一直对与军方合作持谨慎态度，强调其AI技术用于“造福人类”的原则。 然而，获得这份国防合同，标志着其在这一立场上的重大转变，背后有诸多战略考量

#### 1. 扩大收入来源和应用场景

2000 万美元的合同对于 OpenAI 庞大的研发投入而言可能只是杯水车薪，但其象征意义重大。 这意味着 OpenAI 成功打入了一个高度专业且资金雄厚的市场，为其技术寻找了新的商业化落地场景，并可能成为未来更大规模国防项目合作的开端。

#### 2. 技术验证与影响力提升

在国防领域的应用，通常对AI系统的安全性、鲁棒性和精确性有极高要求。 与国防部的合作，能够为 OpenAI 提供真实世界的严苛测试环境，验证其AI技术在关键任务中的表现，从而进一步提升其在AI领域的技术领先地位和行业影响力。

#### 3. 响应政府号召与国家战略

随着AI在国家安全中的战略地位日益凸显，美国政府正积极寻求与顶尖AI公司的合作。 OpenAI 参与其中，也符合其作为美国本土AI创新领导者的角色，在国家安全领域贡献力量。

### 对微软的潜在挤压

这份合同最引人关注之处，在于它可能在 OpenAI 与其核心盟友微软之间，制造出一种微妙的竞争关系。

#### 1. 国防云计算市场的重叠

微软一直是国防部的重要合作伙伴，其 Azure 云平台在政府和国防领域拥有强大的业务布局，并提供定制化的云服务和AI解决方案。 OpenAI 直接获得国防合同，意味着它将在某些层面上与微软在同一市场中竞争，甚至可能直接向国防部提供由 OpenAI 模型驱动的独立解决方案，而无需通过微软的Azure平台。

#### 2. 客户关系的直接建立

通常，OpenAI 的大模型通过 Azure OpenAI 服务提供给微软的客户。 而这份合同意味着 OpenAI 直接与国防部建立了客户关系，为未来独立承接更多政府和国防项目铺平了道路，这可能绕过微软，削弱微软作为OpenAI模型独家分销商的地位。

#### 3. 战略方向的微妙差异

尽管微软对 OpenAI 进行了巨额投资，两者的长期战略可能并非完全一致。 微软希望通过 OpenAI 的技术增强其云计算业务和企业级AI服务，而 OpenAI 则可能寻求更广阔的独立发展空间，包括直接面向政府和国防等敏感客户。 这份合同暴露了两家公司在具体市场拓展策略上的潜在差异。
![image.png](https://static.downly.cn/images/036c89af08397ed4f6a5689a56c125f7.png)


### 合作与竞争并存的未来

尽管存在潜在的竞争，OpenAI 和微软的战略联盟仍然紧密。 微软是 OpenAI 最大的资金来源，其云基础设施也是 OpenAI 模型训练和部署的核心支持。 因此，这份国防合同更可能促使两家公司在国防和政府领域探索新的合作模式，例如

*   **共同投标** 微软可能利用其政府客户关系和云基础设施优势，与 OpenAI 联合投标更大的国防项目。
*   **技术整合** OpenAI 的先进模型可以深度集成到微软的国防级解决方案中，形成更强大的产品组合。
*   **分工协作** 两者可能在研发与部署上进行更明确的分工，各自发挥优势。

OpenAI 的国防合同，是AI行业不断演进、公司关系错综复杂的缩影。 它不仅标志着OpenAI在商业化道路上迈出的重要一步，更将重塑其与关键盟友微软之间的动态，为未来的AI市场格局增添更多不确定性和看点。



搜索结果: AI研究