

> 导语：今日AI界风起云涌：谷歌Gemini 2.5以“对话式图像分割”技术惊艳四座，让图像处理进入新纪元；微软与谷歌的人才争夺战愈演愈烈，科技巨头间的竞争进入白热化；同时，亚马逊通过收购与投资，在AI可穿戴设备和前沿光学技术领域双线出击，展现其深远布局。


## 谷歌Gemini 2.5发布“对话式图像分割”，让AI看懂你的话

谷歌最新推出的Gemini 2.5 AI模型带来了一项革命性功能——“对话式图像分割”。用户现在可以通过简单的自然语言指令，对图像进行精准的分析和内容高亮。这项技术不仅能识别物体，更能深入理解复杂的逻辑关系和抽象概念，甚至能够处理图片中的文字识别任务。该功能已通过API向开发者开放，预计将在图像编辑、工作场所安全监控及保险理赔等多个领域大放异彩，显著提升工作效率与准确性。

![image.png](https://static.downly.cn/images/a4050464cef399b43e110c7864ae6556.png)

## AI人才争夺战升级：微软从谷歌挖走20名核心员工

科技巨头间的AI人才竞赛正变得空前激烈。微软消费级AI战略负责人穆斯塔法·苏莱曼，这位DeepMind的联合创始人，近期从其“老东家”谷歌及DeepMind大规模招揽人才。据报道，已有超过20名核心员工，包括前谷歌Gemini项目的重要工程负责人，选择加入微软。这一举动无疑加剧了行业内的人才焦虑，同时也反映出顶尖AI专家的巨大价值——在高薪吸引核心人才的背后，是科技行业普遍的裁员浪潮，形成了鲜明对比。

![image.png](https://static.downly.cn/images/808b0561b2054f1a3d3198ff4dfff938.png)

## 亚马逊收购AI穿戴设备Bee，你的生活将被时刻记录

亚马逊公司确认已收购AI可穿戴设备初创公司Bee。这家公司专注于开发能够记录用户日常生活的智能设备，其产品包括一款智能手环和相应的Apple Watch应用程序。该设备旨在通过收集用户的言行数据，充当一个全天候的AI个人助手。此次收购标志着亚马逊在个人AI助理和智能穿戴设备领域的进一步深耕，也引发了市场对于个人数据隐私和AI应用边界的广泛讨论。

![image.png](https://static.downly.cn/images/6377b08c2ac3a3bcc0d49886b45e2f6d.png)

## 亚马逊投资可编程光学初创公司Lumotive，加码工业创新

亚马逊通过其工业创新基金，对可编程光学技术初创公司Lumotive进行了新的投资。Lumotive公司重新开放了其B轮融资，吸引了亚马逊和ITHCA集团的加入，使其该轮融资总额达到了5900万美元。Lumotive的技术专注于开发不含活动部件的光束转向芯片，这对于机器人、自动驾驶和工业自动化等领域的3D传感至关重要。亚马逊的此次投资，彰显了其在推动前沿技术与工业应用结合方面的战略眼光。

![image.png](https://static.downly.cn/images/5bed41a04b05d629ede1810b2da93881.png)

每日AI资讯0723：谷歌革新图像处理，微软谷歌上演人才战，亚马逊布局新赛道







> **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

> 欢迎来到今天的每日AI资讯。本文将带您快速了解AI领域的最新动态，包括淘宝推出的全新生成式推荐大模型RecGPT、X平台试行AI生成社区笔记、谷歌数据中心面临的能源挑战，以及亚马逊机器人数量突破百万并发布新款生成式AI模型。



## 淘宝放出大招 RecGPT让“猜你喜欢”比你更懂你

淘宝近期上线了其自主研发的百亿参数推荐大模型 RecGPT，为淘宝首页的核心功能“猜你喜欢”带来了一次重大升级。该模型通过先进的生成式推荐技术，能够更精准地洞察用户需求。RecGPT基于淘宝自家的星辰大语言模型，并深度分析了用户长达十年的消费行为数据，同时结合多模态信息与外部知识库，使其不仅能预测用户当前的需求，更能超前预判用户的潜在兴趣，并自动生成极具吸引力的个性化推荐理由。数据显示，这一升级已显著提升了用户的点击量、加购行为以及页面停留时长，标志着电商个性化体验进入了新时代。

![image.png](https://static.downly.cn/images/0ccf3126c475fbc0bda566521b881164.png)

## 马斯克新玩法 X平台试用AI生成社区笔记

X平台（原推特）正在启动一项引人注目的试点计划，探索使用AI聊天机器人来生成“社区笔记”。社区笔记是X平台用于众包事实核查和信息澄清的一项功能，而此次新举措旨在利用人工智能来辅助和扩展该功能。这是自埃隆·马斯克接手推特以来，对这项源自推特时代的功能进行的一次重要技术升级尝试，旨在提高信息核查的效率和覆盖面。

![image.png](https://static.downly.cn/images/e74ff04661899cf89653b2fe01d37b0a.png)
## AI的代价 谷歌数据中心能耗四年翻倍

随着AI技术的飞速发展，其背后的能源消耗问题也日益凸显。最新数据显示，谷歌数据中心的能源使用量在过去四年中翻了一番。这一惊人的增长速度，为谷歌此前作出的“完全使用无碳电力为运营供电”的承诺带来了巨大挑战。尽管公司在可再生能源方面持续投入，但数据中心作为AI算力基础设施的快速扩张，使得实现全面绿色的目标变得愈发艰巨。

![image.png](https://static.downly.cn/images/b385fc1d0c0791ec154fbd01c534e411.png)

## 机器人大军突破百万 亚马逊AI双喜临门

亚马逊在其自动化和物流领域取得了新的里程碑，宣布已成功部署了第100万台机器人。这支庞大的机器人队伍是其高效运营网络的核心。与此同时，亚马逊还发布了一款全新的生成式AI模型，该模型旨在进一步优化机器人的工作效率和仓储管理能力。通过将先进的AI模型与百万级别的机器人硬件相结合，亚马逊正在重新定义物流自动化的未来，持续提升其全球供应链的效率。

![image.png](https://static.downly.cn/images/c67fec961b815bdd3a097ee509101167.png)

AI每日资讯0702



> 一则重磅消息在科技圈引发震动 备受瞩目的 OpenAI 正在洽谈以高达 65 亿美元的价格，收购由前苹果传奇设计师 Jony Ive 和软银集团 CEO 孙正义联手打造的“神秘”AI 硬件公司。据 insider 透露，这项潜在的收购不仅涉及巨额资金，更承载着 OpenAI 将其 leading 的 AI 技术实体化、打造亿台级 AI“伴侣”设备的 ambitious 计划，并预计在 2026 年底前实现首批产品发货。

## AI时代的硬件新竞赛

随着人工智能技术的飞速发展，特别是以 OpenAI 的 GPT 系列为代表的大型语言模型的广泛应用，人们对 AI 的交互方式和应用场景有了新的期待。单纯的软件应用已不能 fully satisfy 用户需求，将 AI 深度集成到硬件中，提供 seamless、intuitive 的交互体验，成为了科技巨头们竞相追逐的新方向。

![image.png](https://static.downly.cn/images/20250522064043.182240121.png)

正是在这样的背景下，由曾主导苹果 iconic 产品设计的 Jony Ive 和投资巨鳄孙正义共同创立的 AI 硬件公司，自成立之初就备受关注，被认为可能设计出 next generation 的 AI 硬件产品。

## 神秘公司的强大背景与“伴侣”野心

这家尚未 fully expose 自身产品的神秘公司，其核心竞争力在于 Jony Ive unparalleled 的工业设计能力和软银庞大的资本及资源网络。Jony Ive 在苹果的经历证明了他能够将 cutting-edge 技术转化为 elegant、user-friendly 的硬件产品， redefine 用户体验。

据知情人士透露，该公司正在研发一款定位为 AI“伴侣”的设备。这款设备并非简单的智能手机或智能音箱的升级，而是旨在成为用户日常生活中 indispensable 的 AI 助手，通过 natural 的交互方式，提供个性化服务和支持。


“伴侣”这一概念暗示了产品将具备一定的情感连接和个性化能力，能够 learn 用户习惯、理解用户需求，并主动提供帮助， blurring the lines between technology and companionship。

## OpenAI的硬件布局与收购动机

对于 OpenAI 而言，收购 Jony Ive 与软银的公司，是其从纯粹的 AI 模型和 API 提供商，向 full-stack AI 公司转型的 strategic 一步。拥有自己的硬件平台，意味着 OpenAI 可以更好地控制用户体验，将其最先进的 AI 模型深度集成到设备中，发挥最大效力。

![image.png](https://static.downly.cn/images/20250522064218.901690560.png)

高达 65 亿美元的收购价格， reflects OpenAI 对这家公司及其 potential 产品的极高估值和迫切需求。与 Jony Ive 的合作，将弥补 OpenAI 在硬件设计和用户体验方面的相对短板， leveraging 苹果设计师在将 complex 技术“打包”成简洁 elegant 产品的能力。

同时，软银的参与也可能为此次交易带来更多维度，例如在全球市场的分销网络或供应链资源。

## 亿台级目标与发货时间表

更令人震惊的是，传闻称 OpenAI 计划利用此次收购，在 2026 年底前推出首批 AI“伴侣”设备，并设定了亿台级的宏伟销售目标。



亿台级的目标彰显了 OpenAI 及其潜在合作伙伴对这款 AI“伴侣”设备市场前景的 extreme 信心。这表明他们 envision 将这款设备定位为一款 mass-market 产品，旨在 widespread 地改变人们与 AI 互动的方式。

2026 年底前的发货时间表则显示了项目的紧迫性。这意味着相关产品的研发、供应链建设和生产制造都已经在快速推进中。

## 市场影响与未来展望

如果这项收购和硬件计划得以实现，将对当前的科技行业产生 profound 的影响。

### 加剧AI硬件竞争

这将直接挑战苹果、谷歌、亚马逊等 tech giants 在智能硬件领域的地位， pushing them to accelerate their own AI 硬件创新。

### 重新定义人机交互

AI“伴侣”设备的出现，可能推动人机交互模式从当前的触摸屏和语音命令，向更自然、更 personalized 的方向发展。

### 供应链与生态系统的重塑

亿台级的出货目标将对全球供应链产生重大影响，同时也将催生围绕这款 AI 伴侣设备的全新生态系统。

当前，关于这项收购和硬件计划的 details 仍然 limited，但其 potential 的影响足以引起 industry-wide 的关注。OpenAI 与 Jony Ive、软银的此次“联姻”，如果成功，不仅是资本层面的整合，更是顶尖 AI 技术与极致工业设计的 powerful combination，有望在未来的 AI 硬件市场掀起巨浪。我们拭目以待，看这款神秘的 AI“伴侣”设备将如何改变我们的生活。



搜索结果: 亚马逊