> 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。



OpenAI 的 2000 万美元国防合同 可能挤压盟友微软

> 近日，阿里巴巴（Alibaba）旗下人工智能团队宣布**开源其多模态大模型 Ming-Omni**。 这一创新模型旨在实现对**图像、文本、音频和视频**等多种模态数据的统一处理和理解，代表着大模型在通向通用人工智能的道路上迈出了重要一步。 



随着人工智能技术的飞速发展，大模型（Large Models）正逐渐从单一模态（如文本或图像）走向多模态，以期更好地理解和应对现实世界的复杂信息。 在这一趋势下，阿里巴巴（Alibaba）旗下的 InclusionAI 团队，近日带来了其重磅研究成果——**开源多模态大模型 Ming-Omni**。
![image.png](https://static.downly.cn/images/8b72ee56a614208e00060303a8a4397f.png)
Ming-Omni 的发布，旨在打破不同数据模态之间的壁垒，实现对**图像、文本、音频和视频**等多种信息形式的统一处理、理解和生成。 这意味着，未来的 AI 系统将能够像人类一样，更全面、更立体地感知和交互世界。



### 核心突破 全模态统一处理

Ming-Omni 的核心亮点在于其卓越的**全模态统一处理能力**。 不同于以往需要为每种模态单独设计模型的做法，Ming-Omni 采用了一种更为通用的架构，能够同时理解和处理来自不同感官的信息。

#### 1. 统一的表示与融合

Ming-Omni 创新性地将文本、图像、音频和视频数据编码为**统一的特征表示**，并通过先进的融合机制，将这些异构信息整合到一起。 这种统一的表示层使得模型能够捕捉不同模态之间复杂的关联和语义信息。

#### 2. 跨模态理解与生成

得益于统一的架构，Ming-Omni 能够实现**深度的跨模态理解**。 例如，它可以根据一段视频和音频，生成相应的文字描述；或者根据一段文字，生成图像和语音。 这种能力为多种创新应用奠定了基础。

#### 3. 大规模数据训练

为了达到如此强大的多模态处理能力，Ming-Omni 在**海量的多模态数据集**上进行了训练。 这些数据涵盖了文本、图像、音频和视频的广泛组合，使得模型能够学习到丰富的世界知识和跨模态的关联规律。

![image.png](https://static.downly.cn/images/956263f5169f3da1b2d0b32ad2edc7eb.png)

### 应用场景 无限可能

Ming-Omni 的多模态能力，使其在多个领域都展现出巨大的应用潜力

*   **智能助理与对话系统** AI 助手将能更好地理解用户的语音指令、识别图片内容，并生成更丰富、更自然的回复，实现更接近人类的交互。
*   **内容创作与编辑** 辅助创作者生成多媒体内容，例如根据文本脚本生成视频草稿，或根据图像生成背景音乐。
*   **多媒体搜索与推荐** 用户可以通过图片、语音或视频片段进行搜索，并获得更精准的多模态搜索结果和推荐。
*   **智能监控与分析** 在安防、医疗等领域，模型可以同时分析视频画面、环境声音和文本信息，进行更全面的事件检测和预警。
*   **教育与娱乐** 提供更沉浸式、交互式的学习体验，或创造更丰富的游戏和虚拟世界内容。

### 开源赋能 推动生态发展

阿里巴巴此次开源 Ming-Omni，无疑将对整个 AI 社区产生深远影响。

*   **加速研究与创新** 为全球的学者和研究人员提供了强大的基座模型，降低了多模态 AI 研究的门槛，促进了更多创新性应用的涌现。
*   **促进产业落地** 开发者可以基于 Ming-Omni 构建定制化的多模态解决方案，加速 AI 技术在各行各业的落地应用。
*   **构建开放生态** 阿里巴巴通过开源，积极构建开放、协作的 AI 生态，与全球开发者共同推动人工智能的进步。

Ming-Omni 的发布，不仅仅是一个模型的开源，更是阿里巴巴在通向通用人工智能道路上迈出的坚实一步。 它为我们描绘了一个未来，AI 将能够以更全面的方式感知、理解和交互世界。



阿里开源Ming-Omni 统一处理图像文本音频视频


Perplexity Labs 现已面向所有 Pro 用户推出，这是一款可以处理复杂任务的工具，能够使用编码、无头浏览器和设计工具直接在平台中进行报告分析、生成演示文稿、输出动态仪表板和可交互迷你web程序。

![image.png](https://static.downly.cn/images/20250530033106.701169024.png)

Perplexity Labs 被定位为一款能够处理那些需要多步骤协作和专业工具才能完成的复杂工作的利器。 不同于以往的 AI 工具，Perplexity Labs 整合了多种核心能力，使其能够在平台内部直接完成一系列任务

*   **内置编码能力** 能够理解并执行代码，进行数据处理或逻辑运算。
*   **无头浏览器功能** 模拟用户浏览网页，进行自动化信息抓取和处理。
*   **集成设计工具** 可能与某些设计相关的能力或模块协同工作，辅助可视化内容的生成。

通过这些能力的融合，Perplexity Labs 让 AI 助手拥有了更强的“动手”能力。

## 直出成果 报告 演示文稿 动态仪表板 一手掌握

Perplexity Labs 的强大之处，在于它能够直接输出具有实用价值的成果，显著提升用户的工作效率。 它能够处理的具体任务包括

*   **自动化报告分析** 利用编码和无头浏览器收集并分析数据，直接生成结构清晰的报告文档。
*   **快速生成演示文稿** 将用户提供的素材或分析结果转化为具有专业外观的演示文稿。
*   **输出动态交互式仪表板** 创建可视化数据看板，用户可以与数据进行互动。
*   **生成可交互迷你 Web 程序** 根据简单需求，直接生成具备特定功能的轻量级 Web 应用。

![image.png](https://static.downly.cn/images/20250530033122.001641210.png)

这意味着，用户只需提出需求，Perplexity Labs 就可能直接给出成品，大幅减少了在不同工具之间切换和手动操作的时间。

## Pro 用户专属 更高阶的能力体验

Perplexity Labs 作为 Perplexity Pro 用户的专属功能，突显了其针对专业人士和有更高阶需求用户的定位。



对于 Perplexity Pro 用户而言，Perplexity Labs 提供了更深度的 AI 应用能力，帮助他们在各自的领域实现效率飞跃，例如

*   快速进行市场研究和数据可视化。
*   将研究成果快速转化为演示内容。
*   为特定项目快速构建定制化的小工具。

Perplexity 通过 Perplexity Labs 为 Pro 用户提供了与其订阅价值相匹配的更强大的生产力工具。

## 迈向执行新时代 AI 助手的无限可能

Perplexity Labs 的发布，不仅仅是 Perplexity 平台的一次更新，更是预示着 AI 助手正在从信息助手向任务执行者的角色转变。


未来，我们有理由相信，AI 将在处理复杂任务、自动化工作流程方面扮演越来越重要的角色。 Perplexity Labs 正是这一趋势的先行者之一，它为我们展示了 AI 助手的无限潜能，以及它们如何能够直接帮助我们解决实际问题，创造实际价值。




Perplexity 发布 AI 全能工作站：代码、分析与自动化一网打尽



> 科学探索的未来图景正因人工智能而变得愈发清晰。在周一举行的公司 Build 2025 大会上，科技巨头微软 throw a spotlight on its ambition to revolutionize scientific discovery, 正式揭开了其全新平台 Microsoft Discovery 的神秘面纱。这款平台旨在 harnessing the power of agent AI，全面加速和 transformar 科学研究的过程，预示着科学发现将迎来一个由AI驱动的崭新纪元。

## Microsoft Discovery 亮相Build 2025

在备受瞩目的年度开发者大会 Build 2025 上，重点介绍了 Microsoft Discovery 平台。这款平台被微软定位为一项 strategically important initiative，其核心目标是利用前沿的代理AI技术，显著提升科学研究的效率和能力。

![image.png](https://static.downly.cn/images/20250520030705.012878741.png)

微软表示，Microsoft Discovery 平台具备“可扩展性”（scalable），这意味着它能够适应不同规模和复杂度的科研项目需求。更引人注目的是，该平台被设计用于“端到端”（end-to-end）处理某些与科学相关的工作负载。这表明 Microsoft Discovery 不仅仅是一个数据分析工具，更是一个能够覆盖从实验设计、数据收集、处理分析到结果解读、甚至论文撰写等科研流程多个环节的 comprehensive solution。

## 代理AI赋能 变革科学发现流程

Microsoft Discovery 的关键在于其对“代理AI”（agent AI）的运用。传统的AI模型往往专注于特定任务，而代理AI则更具自主性和协同性，能够像智能助手一样理解并执行复杂的指令，甚至与其他AI或工具进行交互，以完成更为宏大的目标。

在科学发现领域，代理AI可以扮演多种角色 它可以自动检索和分析海量的学术文献，发现不同研究之间的关联性；可以 design and optimize experimental protocols，减少人工试错；可以运行复杂的模拟和计算，探索新的理论模型；甚至可以 based on 实验结果自动调整研究方向。

![image.png](https://static.downly.cn/images/20250520030648.803094887.png)

例如，在药物研发领域，代理AI可以分析大量的生物数据，预测潜在的药物靶点，设计合成路线，并模拟药物与靶点的相互作用，从而大大加速药物筛选和优化的过程。在材料科学领域，代理AI可以探索全新的材料结构，预测其物理化学性质，并指导实验合成。

微软认为，通过利用代理AI的自主性和端到端处理能力，Microsoft Discovery 将能够显著缩短科学发现的周期，降低研究成本，并 enabling 科学家 tackling 以前因复杂性过高而难以解决的问题。

## 构建开放可扩展的科研生态

Microsoft Discovery 不仅是一个技术平台，微软还希望围绕它构建一个开放、可扩展的科研生态系统。这意味着该平台可能不仅仅对微软内部的研究开放，未来也 likely 会向外部科研机构和科学家开放。

通过开放平台和API，科学家可以将自己的数据和模型集成到 Microsoft Discovery 中，利用平台的计算能力和AI能力加速自己的研究。微软也可能提供针对特定科学领域的专业模块和工具，满足不同学科的需求。



这种开放模式有助于促进全球科学界的合作与创新，打破信息壁垒，加速知识的传播和共享。通过汇聚全球智慧，Microsoft Discovery 有潜力成为推动科学进步的重要引擎。

## 挑战与未来愿景

Microsoft Discovery 的发布标志着微软在AI应用于科学发现领域的雄心迈出了重要一步。然而，将这样一个宏大的平台 fully realize 并使其 widespread application，仍然面临一些挑战。

首先，需要 further develop 和 refine 代理AI的能力，使其更能理解和处理科学研究中固有的不确定性和复杂性。其次，数据的标准化和共享仍然是关键问题，需要建立更为完善的数据基础设施和合作机制。此外，确保AI在科学研究中的应用符合伦理规范和安全标准也至关重要。



尽管如此，Microsoft Discovery 的愿景令人振奋。微软希望通过这个平台，让AI成为科学家的强大助手，让他们能够将更多精力投入到创造性的思考和实验设计中，而将繁琐的数据处理和计算工作交给AI完成。如果这一愿景得以实现，我们将 witnessing a significant acceleration in the pace of scientific discovery，为人类社会的发展带来 profound impact。Microsoft Discovery 的推出，无疑是开启AI驱动科学发现新纪元的关键一步。

微软Build 2025重磅发布 Microsoft Discovery AI驱动科学发现新纪元开启



> 作为全球领先的 AI 聊天机器人，OpenAI 的 ChatGPT 持续进行技术迭代，不断为用户带来更强大、更智能的体验。近期，OpenAI 再次宣布对 ChatGPT 进行重要升级，其中最引人注目的便是引入了全新的 **GPT-4.1 编程专家模型**。这一模型的登场，预示着 ChatGPT 在编程、代码生成和理解方面的能力将迎来一次显著的飞跃，为开发者、编程爱好者以及需要代码辅助的用户带来了福音。



## ChatGPT 持续进化-满足多元化需求

自问世以来，ChatGPT 以其卓越的语言理解和生成能力迅速风靡全球，并被应用于教育、内容创作、编程辅助等多个领域。为了更好地满足用户在不同场景下的需求，OpenAI 不断对 ChatGPT 的底层模型进行优化和升级。从 GPT-3.5 到 GPT-4，模型的逻辑推理、知识广度、多模态能力等方面都取得了显著进步。

然而，对于需要进行复杂编程任务的用户来说，现有模型在代码生成、bug 调试、代码解释等方面的表现仍有提升空间。尤其是在处理特定编程语言、框架或复杂算法时，对模型的专业性和准确性要求更高。



![image.png](https://static.downly.cn/images/20250515030222.516350190.png)



## GPT-4.1 编程专家模型-为代码而生

本次升级的核心亮点在于引入了专门针对编程任务优化的 GPT-4.1 模型。不同于通用的 GPT-4 模型，GPT-4.1 编程专家模型在训练过程中可能特别加强了对代码结构、语法规则、算法逻辑以及各种编程语言特性的理解。

据推测，GPT-4.1 编程专家模型可能具有以下关键特性和优势-

*   **更精准的代码生成-** 能够生成更高质量、更符合规范的代码片段，甚至完整的函数或类。
*   **更强大的代码理解和分析-** 能够更深入地理解现有代码的功能和逻辑，并能识别潜在的 bug 或优化空间。
*   **更流畅的代码交互-** 能够更好地理解用户提出的编程问题，并以更自然、更专业的语言进行交流和解释。
*   **支持更广泛的编程语言和框架-** 对主流和一些小众的编程语言、库和框架有更好的支持。






## 升级带来的影响与应用场景

GPT-4.1 编程专家模型的加入，将极大地提升 ChatGPT 在编程领域的辅助能力。这将对以下群体和场景产生积极影响-

*   **开发者-** 可以利用 ChatGPT 更快地生成代码草稿，解决编程难题，进行代码审查，甚至学习新的编程语言和技术。
*   **学生和初学者-** 获得一个随时可用的编程导师，帮助理解代码概念，解决练习题中的问题。
*   **数据科学家和工程师-** 更便捷地进行数据处理、模型构建和实验代码的编写。
*   **非专业人士-** 即使不具备专业的编程知识，也能借助 ChatGPT 生成简单的脚本或理解代码的功能。

总而言之，GPT-4.1 编程专家模型有望成为开发者工具链中一个强大的补充，显著提高编程效率，降低学习门槛。






## 未来展望

GPT-4.1 编程专家模型的推出，是 OpenAI 在垂直领域持续深耕的表现。这表明通用大模型正在朝着更加专业化、细分化的方向发展，以更好地满足特定行业或领域的需求。

未来，我们可以期待 OpenAI 及其竞争对手推出更多针对不同专业领域的“专家模型”，例如法律专家、医疗专家、金融专家等，进一步拓展 AI 的应用边界。同时，随着模型能力的不断提升，如何确保 AI 生成代码的安全性、可靠性以及如何解决版权和责任问题，也将成为需要持续关注和探讨的重要议题。

GPT-4.1 编程专家模型的亮相，无疑为 AI 在编程领域的应用开启了新的篇章，其后续发展和对开发者生态的影响，值得我们拭目以待。


ChatGPT 重磅升级，GPT-4.1 编程专家模型正式亮相，代码能力再飞跃

> 想象一下，你正在观看一场精彩的体育赛事直播，或者一场重要的线上讲座。如果你的AI助手能够实时理解视频内容，主动提供背景信息、解释专业术语，甚至预测接下来的关键事件，那将极大地提升你的观看体验。一项名为 StreamBridge 的创新技术，正在将离线视频大语言模型（Video LLM）转化为能够处理实时流媒体数据的“主动流媒体助手”，让这一切变为可能。
## 离线视频LLM的局限
近年来，视频大语言模型（Video LLM）取得了显著进展，它们能够理解视频内容、进行问答、生成摘要等。然而，大多数现有的 Video LLM 主要处理离线视频文件，这意味着它们需要先下载或完整载入视频后才能进行分析。这使得它们难以应用于对实时性要求较高的场景，例如直播流媒体。在观看直播时，用户需要的是实时的互动和信息补充，而离线处理的 Video LLM 无法满足这种需求。
![image.png](https://static.downly.cn/images/20250514023147.077668507.png)
## StreamBridge：连接离线与实时的桥梁
StreamBridge 技术的核心在于，它构建了一座连接离线 Video LLM 与实时流媒体数据的“桥梁”。它通过一系列巧妙的设计和处理流程，使得原本只能处理完整视频文件的 Video LLM 能够适应并分析连续不断输入的视频流。关键在于，StreamBridge 并不仅仅是简单地将视频流切片后喂给模型，而是通过优化数据处理、引入时间感知机制以及结合预测性分析等方式，实现了对实时视频流的有效理解和响应。
![image.png](https://static.downly.cn/images/20250514023210.335435312.png)
## 化身主动流媒体助手
StreamBridge 的出现，使得离线 Video LLM 能够摇身一变，成为强大的“主动流媒体助手”。当你在观看直播时，基于 StreamBridge 的 AI 助手可以：
*   **实时内容理解：** 准确识别视频中的人物、物体、场景、事件等。
*   **主动信息提供：** 根据当前画面内容，主动推送相关的背景知识、人物介绍、历史数据等。
*   **预测性分析：** 基于对视频内容的理解和历史数据的学习，预测可能发生的关键事件，例如在球赛中预测可能的进球，或在讲座中预测讲者将要讨论的下一个话题。
*   **实时问答：** 允许用户在观看过程中随时提问，AI助手能够结合当前视频内容给出有针对性的回答。
这种主动且实时的交互方式，极大地提升了用户的观看体验，让原本被动接收信息的观众变成了积极的参与者。
![image.png](https://static.downly.cn/images/20250514023536.564405440.png)
## 应用前景广阔
StreamBridge 技术为 Video LLM 在实时流媒体领域的应用打开了新的大门。其潜在的应用场景包括：
*   **体育赛事直播：** 提供球员数据、战术分析、历史回顾等实时信息。
*   **在线教育：** 实时解释讲课内容、提供补充资料、解答学生疑问。
*   **新闻报道：** 实时分析新闻画面、提供背景信息、关联相关报道。
*   **监控与安防：** 实时分析监控视频，主动发现异常事件并发出警报。
*   **娱乐直播：** 增强观众互动，提供主播信息、背景故事等。
StreamBridge 技术不仅提升了 Video LLM 的实用性，也为构建更智能、更互动的流媒体应用奠定了基础。

## 挑战与未来展望
尽管 StreamBridge 取得了重要进展，但将离线模型应用于实时流媒体仍然面临挑战，例如如何处理网络延迟、如何在计算资源有限的情况下保证实时性、以及如何提高模型的预测准确性和鲁棒性等。然而，这项研究为解决这些问题提供了新的思路和方法。随着技术的不断发展，我们有理由相信，基于 StreamBridge 的主动流媒体助手将越来越成熟，并在未来的数字生活中扮演越来越重要的角色。

搜索结果: 数据处理