

> Google DeepMind 推出的 Project Genie 突破了传统内容生成的边界，允许用户通过文本或图片即时构建可交互的虚拟世界。这项基于 Genie3 和 Gemini 模型的技术，不仅实现了画面的实时渲染，更赋予了场景深度的物理交互能力。

## 文本到世界的维度跨越

Google DeepMind 近日向部分用户开放了其革命性的 AI 模型——Project Genie。这款工具的核心突破在于，它不再局限于生成静态图像或线性视频，而是能够根据用户的简单文本描述或上传的静态图片，即时构建出一个“活”的、可探索的虚拟环境。

这一技术的背后，是多种顶尖 AI 模型的深度融合。以 **Genie3** 为基座，结合 **Nano Banana Pro** 图像生成模型以及 **Gemini** 多模态模型的理解能力，系统能够瞬间将自然语言转化为沉浸式的互动场景。无论是科幻小说中掠过异星的飞船，还是纪录片中亚马逊雨林的探险，用户都能在生成的瞬间进入其中进行像电子游戏一样的自由探索。

![Google_AI_Studio_2026-02-02T03_03_18.750Z.png](https://static.downly.cn/images/58ec14d30776153073744aeee123a24d.png)<center>图源备注：图片由AI生成</center>

## 实时交互与动态渲染

与传统的视频生成模型（Sora 等）不同，Project Genie 的护城河在于“实时交互”。

*   **动态渲染** 系统会捕捉玩家的操作（如移动角色、转换视角），并实时计算和渲染下一帧画面，而非预先生成的固定视频流。
*   **物理反馈** 演示显示，当用户控制角色与场景物体互动时，环境会给予反馈。例如，蓝色小球滚过草地时，草地的颜色轨迹会根据物理接触发生实时改变。
*   **高度定制** 用户不再是被动的观众，而是创作者。上传手绘草图或现实照片，即可将其转化为游戏关卡，并自行设定交互逻辑。

## 应用前景与当前局限

目前，Project Genie 仍处于早期实验阶段，仅面向拥有美国地区 Google AI Ultra 账户且年满 18 岁的用户开放。受限于庞大的算力需求，当前的体验时长被限制在 60 秒以内，且偶有技术故障发生。

尽管如此，DeepMind 团队对该技术的未来充满信心。他们正致力于突破时长限制，并赋予用户对环境更精细的控制权。从长远来看，Project Genie 有望彻底重塑游戏开发流程，帮助电影导演快速进行分镜可视化，甚至在教育和应急救援领域，通过模拟复杂场景来提供低成本、高保真的训练环境。

DeepMind发布Project Genie 开启文本即时构建交互世界新纪元





> 导语
> 今日科技圈巨头博弈白热化，Meta成功延揽苹果资深设计副总裁，意在为AR硬件注入顶级设计基因；亚马逊AWS与OpenAI则分别通过发布高性能Nova 2模型家族及收购Neptune平台，在此基础设施与训练效率上筑起高墙。与此同时，国产模型智源Emu3.5与快手可灵2.6在物理世界理解及音画同步生成领域展现出强劲的技术突破力。

---

## 苹果设计副总裁跳槽Meta 掌舵AR眼镜设计新未来

Meta在人才争夺战中取得重大胜利，成功挖来苹果资深设计副总裁Alan Dye。这位曾深度参与苹果UI设计的高管将不仅负责Quest系列，更将主导未来智能眼镜产品线的AR VR设计。Alan Dye将利用其在苹果积累的十年UI秘籍及供应链经验，重点优化AI交互体验。值得注意的是，他将直接向Meta CTO汇报，这一职级安排充分体现了Meta对重塑硬件设计美学及争夺顶尖设计人才的极高重视。

![image.png](https://static.downly.cn/images/1a17bfc2dfdc8c3c9ed2f2a50e6fbc2c.png)
<center>图源备注：图片由AI生成</center>


## 亚马逊AWS大爆发 Nova 2模型与智能体开发工具齐发

在re Invent 2025大会上，亚马逊云科技祭出大招，一口气发布了四款自研Nova 2系列多模态大模型。这些模型集成了网页检索和代码执行功能，据称在性价比上已超越Claude Haiku 4.5及GPT-5 Mini。其中Nova 2 Lite专攻高性价比推理，而Nova 2 Pro则面向复杂的Agent应用。

此外，AWS还推出了智能体“全家桶”，核心亮点在于Strands Agents SDK新增了TypeScript支持，让前端开发者也能轻松构建Agent。同时，新功能扩展了对ARM与x86边缘设备的支持，甚至能在车载芯片上实现低延迟的实时路径规划，极大地加速了AI智能体在端侧的落地进程。

![image.png](https://static.downly.cn/images/82de45942f11a59823dded871754d117.png)
 <center>图源备注：图片由AI生成</center>



## OpenAI收购Neptune 意在倍增GPT迭代训练效率

OpenAI宣布收购实验管理公司Neptune，此举被视为强化模型训练“内功”的关键一步。OpenAI计划整合Neptune的监控调试工具与指标仪表盘技术，以增强模型训练过程的实时可见性。通过共同优化实验追踪与自动化警报功能，OpenAI旨在大幅提升基础模型训练的效率和准确性，这或许意味着GPT系列的迭代速度将迎来翻倍式的增长。

## 智源Emu3.5问世 懂物理规律的世界模型来了

智源研究院正式发布新一代多模态大模型Emu3.5，这不仅是简单的内容生成工具，更是实现了“世界级统一建模”。Emu3.5的显著突破在于提升了AI对物理世界的理解能力和因果推理能力。它能够一键预测真实世界的“下一秒”，标志着人工智能正从单一的生成走向对物理规律的深度认知。

![image.png](https://static.downly.cn/images/73d5e13aae19e46ae8297eebda0868fe.png)
 <center>图源备注：图片由AI生成</center>



## 快手可灵2.6全量上线 实现音画环境完美同步

快手旗下的可灵AI发布首个“音画同出”模型可灵2.6，解决了视频生成中声音匹配的痛点。该模型能够一步生成画面、自然语音、匹配音效以及环境氛围，支持“文生音画”和“图生音画”两种模式。这一更新极大简化了创作者的工作流，用户仅需一段文字或一张图，即可快速获得视听一体的完整内容。

## 谷歌AI三连发 从安卓系统到Gemini用户信任度挑战

谷歌近期动作频频，但在不同领域面临着不同的境遇

*   **Gemini 3 Pro** 在Prolific公司的2.6万名用户盲测中，虽然厂商测试数据亮眼，但在实际应用中的信任度、适应性及沟通风格方面仅获69%好评，显示出用户体验仍有优化空间。
*   **Android 16** 宣布放弃一年一更传统，转为更频繁的发布策略。新系统引入了AI驱动的“通知组织器”，能自动生成通知摘要并屏蔽低优先级打扰，首批功能将在Pixel设备上线。
*   **Google Photos** 上线了2025年度回顾功能，首次集成Gemini大模型进行智能高光提取，能自动识别用户兴趣并呈现个性化的年度主题回忆。

![image.png](https://static.downly.cn/images/91e2e723a6bd12b741e721e0e65de02e.png)
 <center>图源备注：图片由AI生成</center>



## WordPress推出实验性AI工具Telex 氛围编码助力建站

WordPress发布了名为Telex的实验性AI开发工具，引入了独特的“氛围编码”技术。该工具旨在帮助开发者更高效地生成Gutenberg模块。目前，Telex不仅仅停留在概念阶段，已经开始在实际的网站建设中得到应用和展示，为Web开发带来了新的智能化辅助思路。

每日AI资讯1204：Meta重金挖角苹果设计高管 亚马逊OpenAI基建大提速



> **导语**
> 本期资讯聚焦AI领域的几大重磅更新：Anthropic发布Claude Opus 4.5，在编程与智能代理领域树立新标杆；OpenAI不仅推出了基于记忆功能的“购物研究”工具，还正与前苹果设计师打造无屏硬件；字节跳动上线豆包输入法，深度整合语音模型；此外，微软推出本地小模型Fara-7B，三星Bixby联手Perplexity，以及亚马逊卫星网络Leo开启测试，共同描绘出AI技术在软件、硬件及基础设施层面的全面进化。



---

## Claude Opus 4.5 震撼发布 编程与智能代理能力全面进化

Anthropic正式推出了其最新的旗舰模型Claude Opus 4.5，并在亚马逊Bedrock平台上同步上线。此次更新标志着AI系统能力的重大飞跃，新模型在编码、智能代理操作、计算机控制以及办公任务处理等方面的性能均超越了此前的Sonnet 4.5及Opus 4.1版本。

值得注意的是，Opus 4.5不仅在核心性能与问题解决能力上实现了显著提升，还大幅降低了使用成本，仅为Opus系列前代产品的三分之一。该模型展现了强大的多模态能力，能够智能修复Bug，并在长对话中保持“永不遗忘”的记忆力，为用户提供了更加智能、可靠且高效的交互体验。

![image.png](https://static.downly.cn/images/3eb07bedc3e5e503a1acbfb9f5ee44ae.png)

<div align="center">图源备注：图片由AI生成</div>

---

## ChatGPT 上线购物研究功能 用记忆读懂你的消费需求

OpenAI面向付费用户推出了全新的“购物研究”功能，旨在解决用户在海量商品信息中迷失的痛点。该功能具备实时抓取电商平台、论坛及视频数据的能力，能够自动过滤虚假评价，并在短短3分钟内生成一份详尽且无广告的购物报告。报告内容涵盖性价比排行、优缺点对比及多平台比价。

更具创新性的是，该功能深度利用了ChatGPT的“记忆”机制。它能根据用户的历史对话和偏好，提供个性化的深度推荐，据测试其准确率高达64%。这一功能将帮助用户在购物季从搜索到决策的转化过程中，通过全网实时比价和精准过滤，高效完成购买决策。

![image.png](https://static.downly.cn/images/b50650456169c9782a8d9a4473f17063.png)

<div align="center">图源备注：图片由AI生成</div>

---

## 字节跳动推出豆包输入法 嘈杂环境也能精准识别

字节跳动正式发布了基于其豆包App语音模型的“豆包输入法”，目前安卓版本已上线，iOS版本也将很快推出。这款输入法的核心优势在于强大的语音识别、语义理解以及对输入效率的极致提升。

它不仅支持方言识别和中英混合输入，还针对嘈杂环境下的语音输入进行了特别优化。即使用户身处喧闹的街头或地铁，输入法也能在语音转文字后自动进行智能纠错，确保信息的准确传达。

![image.png](https://static.downly.cn/images/32a99d19edd9973e1063413e1a720ec8.png)

<div align="center">图源备注：图片由AI生成</div>

---

## OpenAI 联手前苹果设计师 打造无屏AI设备新形态

OpenAI首席执行官Sam Altman正与苹果前传奇设计师Jony Ive展开深度合作，共同开发一款极具创新性的便携式人工智能设备。

与当前主流的智能手机不同，这款设备将采用无屏幕设计，旨在通过极简的形态为用户提供一种平静、无干扰的AI交互体验。这一举措显示了OpenAI意图跳出传统屏幕限制，探索AI硬件新载体的野心。

![image.png](https://static.downly.cn/images/7992911694727f38452f7d8a0f4def8f.png)

<div align="center">图源备注：图片由AI生成</div>

---

## 微软发布 Fara-7B 七十亿参数模型让本地任务更安全

微软发布了一款体积小巧但功能强大的智能助手模型——Fara-7B。这款拥有70亿参数的模型专为本地运行设计，能够直接在用户的设备端执行任务。

Fara-7B的亮点在于其安全性和自动化能力。它可以在不将信息上传至云端的情况下，安全地处理敏感数据并执行复杂的自动化操作，例如网页浏览与交互。这为注重隐私的企业和个人用户提供了一个高效且安全的AI解决方案。

![image.png](https://static.downly.cn/images/ef94db6bed54825eb13db6d4e077c741.png)

<div align="center">图源备注：图片由AI生成</div>

---

## 三星 Galaxy S26 将引入 Perplexity 赋予 Bixby 搜索新大脑

三星计划在其未来的Galaxy S26系列手机中实施一项重大的AI策略调整。据悉，三星将把知名的AI搜索服务Perplexity集成到其语音助手Bixby中。

这一策略与苹果升级Siri的多模型路线类似。升级后的Bixby将保留处理本地设备调节（如定闹钟、调节亮度）的能力，而遇到复杂的查询需求时，则由Perplexity提供更强大的搜索与解答支持，从而大幅增强Bixby的实用性和智能化水平。

![image.png](https://static.downly.cn/images/26da796afe484628881de9fb9b78f2ac.png)

<div align="center">图源备注：图片由AI生成</div>

---

## 亚马逊 Leo 卫星网络启动测试 直连云端的太空高速公路

亚马逊旗下的云计算部门AWS正式启动了Amazon Leo低轨卫星网络的企业预览测试。该项目致力于通过“卫星+云+AI”的一体化方案，为全球提供安全连接服务。

目前，亚马逊提供了三款终端设备，最高可实现1Gbps的下行速率。Leo网络利用AWS的全球骨干网，特别服务于工业及偏远办公场景。根据计划，该网络将于2025年底启动运营，并在2026年实现全面商用，届时将为全球企业提供高速、低延迟的卫星互联网服务。

![image.png](https://static.downly.cn/images/1f2a3f87c3d6b8a93b46c5695010c80b.png)

<div align="center">图源备注：图片由AI生成</div>

每日AI资讯1125：Claude 4.5刷新智商天花板，OpenAI重新定义网购，字节跳动重塑输入法



> 今日AI界风起云涌：谷歌将Gemini全面融入地图与电视，引领交互新革命；软银与OpenAI的合作引发资本新思考；Kaltura重金布局AI数字人赛道；编程新贵Lovable用户激增，商汤与月之暗面发布创新模型与框架，而Meta则在语音识别领域打破语言壁垒，技术与资本共同推动AI浪潮进入新高度。


## 软银联手OpenAI成立“水晶智能”，AI投资新模式或引行业“资金空转”担忧

软银与OpenAI宣布合资成立“水晶智能”公司，旨在为日本企业提供先进的AI工具。然而，鉴于软银本身就是OpenAI的重要投资者，这一举动引发了业界对于AI领域投资模式的深入思考。市场担忧此类交易可能并未真正创造新的经济价值，而是导致资本在巨头生态系统内部循环，形成“资金空转”现象。


![image.png](https://static.downly.cn/images/d99a8d575a33e13805651a817710a952.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Gemini登陆Google TV，家庭娱乐迎来情景化AI交互革命

谷歌正式在Google TV平台上推出Gemini语音助手，以取代原有的Google Assistant。这是谷歌将Gemini全面整合至其各类平台战略的关键一步。通过Gemini强大的AI能力，用户将能够以更自然、更具情境化的方式进行复杂的内内容查询和功能操作，例如根据“推荐一部适合全家观看的科幻喜剧”等多重偏好指令寻找电影，极大地提升了家庭娱乐的智能化体验。

![image.png](https://static.downly.cn/images/1b539be1146748f2a08fc1fb8c5ad43b.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 谷歌地图拥抱Gemini，一句话生成交互式地图

谷歌地图迎来重大升级，通过深度集成Gemini大模型，转型为一个AI空间智能平台。此次更新推出了创新的“Builder Agent”功能，允许用户和开发者仅通过自然语言指令，就能快速生成交互式地图。结合MCP服务器和Grounding Lite技术，新版谷歌地图不仅为普通用户带来了前所未有的智能体验，也极大地提升了开发者的工作效率。

![image.png](https://static.downly.cn/images/b5eac1b01ef3e7dc65d3e4d3cac9f8d7.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Kaltura豪掷2700万美元收购eSelf.ai，发力企业级AI视频交互

视频技术公司Kaltura宣布以2700万美元收购eSelf.ai，获取其先进的实时对话虚拟人技术。此次收购是Kaltura“视频即服务界面”战略的核心举措，旨在将其视频平台从传统的内容分发工具，转变为一个智能交互界面。通过整合AI数字人技术，Kaltura期望能显著提升企业客户的沟通效率和用户参与度。

![image.png](https://static.downly.cn/images/929aa6b833b51972cae52cf5d61c60b1.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## AI编程新星Lovable用户破800万，“氛围编程”引领行业潮流

瑞典AI编程平台Lovable在成立仅一年的时间里，实现了爆炸式增长，用户总数已接近800万，每日有超过10万个新产品通过该平台发布。作为“氛围编程”理念的开创者，Lovable已从一个开源工具迅速成长为估值超10亿美元的独角兽公司，其用户覆盖从学生到高收入开发者，充分展示了AI在编程领域的巨大潜力。

![image.png](https://static.downly.cn/images/6d53b42ee31f3d10672f4e605950c699.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 商汤发布SenseNova-SI模型，空间智能能力超越GPT-5

商汤科技发布了其开源的SenseNova-SI系列模型，在空间智能领域取得了重大突破。根据权威评测结果，该模型在空间理解与推理方面的能力已超越包括GPT-5在内的顶尖闭源模型。这一成果有效弥补了当前大模型在空间智能方面的短板，展现了卓越的性能。

![image.png](https://static.downly.cn/images/eb4325fb3dd40a21d0960a550d9c7271.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 月之暗面开源Kosong框架，赋能下一代AI智能体开发

国内AI创业公司月之暗面开源了其全新的AI代理框架Kosong。该框架以其轻量级和灵活的设计理念，有效解决了当前AI开发中工具碎片化的难题。通过提供统一的抽象层，Kosong简化了下一代智能体的开发流程，帮助开发者更紧密地将大模型的能力与真实应用场景相结合，一经发布便获得了开发者社区的热烈反响。

![image.png](https://static.downly.cn/images/adcd3a700c2139766c70d6c3bce24028.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Meta AI发布“全语种”语音识别系统，支持超1600种语言

Meta发布了名为Omnilingual ASR的自动语音识别系统，该系统能够转录超过1600种口语语言，是目前支持语种最多的系统之一。此举旨在解决当前AI工具在语言覆盖上的严重不足，推动实现通用语音转录，从而弥合全球不同语言在获取AI技术支持方面的鸿沟，向打破全球语言壁垒的目标迈出重要一步。

![image.png](https://static.downly.cn/images/32ac3dd071597c42bb68692168d0df88.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

每日AI资讯1111：谷歌AI全面融入生活，AI投资与开源框架引领新趋势



> 今天的AI领域充满了变革性的突破。从Adobe Firefly Image 5将创意工作流推向“全栈式”时代，到Cartesia Sonic-3实现几乎无延迟的语音对话，再到IBM Granite 4.0 Nano让AI模型能够在笔记本电脑上本地运行，我们见证了AI在专业创作、人机交互和边缘计算等多个维度的飞速发展。同时，OpenAI与PayPal的合作预示着AI电商的兴起，而Mistral AI和英伟达则分别在企业级应用和全模态理解上取得了关键进展。

## Adobe Firefly Image 5发布 创作者的全能AI工具箱来了

Adobe公司近日发布了其专业级AI图像生成模型Firefly Image 5的重大更新，标志着AI创作工具从“够用”向“专业”的决定性转变。新版本支持高达400万像素的原生图像输出，并引入了分层提示编辑功能，让创作者可以像使用图层一样精细控制生成内容。更值得一提的是，它新增了自定义艺术风格模型和AI语音配乐功能，彻底打通了图像、视频及音频之间的创作壁垒，为用户提供了一个闭环式的全栈AI创作解决方案，重新定义了现代创意工作流程。

![image.png](https://static.downly.cn/images/85f275f72f1c0d26a72e51cbab2130d5.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 延迟低于100毫秒 Cartesia Sonic-3重新定义语音AI交互

Cartesia公司推出了一款名为Sonic-3的实时对话AI引擎，它凭借低于100毫秒的超低延迟，成为全球响应速度最快、交互最自然的语音AI之一。该模型采用了创新的状态空间模型架构，实现了近乎零延迟的流畅对话。Sonic-3不仅“说得快”，更能“说得好”，它能够精准模拟人类丰富的情感、多变的语气甚至是笑声，极大地增强了人机交流的真实感和沉浸感，为智能客服、虚拟助手等应用场景带来了革命性的体验。

![image.png](https://static.downly.cn/images/34aa26f0ae87cbcf453a80fc7e5fae1c.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## ChatGPT集成PayPal支付功能 AI对话即购物成为现实

OpenAI宣布与全球支付巨头PayPal达成合作，通过先进的ACP协议，将支付功能直接集成到ChatGPT中。这意味着用户未来可以在与ChatGPT的对话过程中，直接使用其PayPal账户完成商品购买或服务支付，无需跳转到其他应用或网站。这一举措标志着OpenAI正式跨入电子商务领域，并计划从2026年起，支持用户在对话中搜索并购买来自数千万商家的商品，开启“对话即商业”的全新模式。

![image.png](https://static.downly.cn/images/ed1f483e1a19b26961eddfd812f3ddba.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 无需云端支持 IBM Granite 4.0 Nano让AI在你的电脑上运行

IBM最新发布的Granite 4.0 Nano系列AI模型，旨在突破小型AI模型的性能极限。该系列模型的参数量从350万到15亿不等，其核心优势在于极致的效率和易用性。由于模型轻量化，Granite 4.0 Nano可以直接在用户的笔记本电脑甚至浏览器中本地运行，完全无需依赖强大的云计算资源。这一突破极大地降低了AI应用的开发和部署门槛，使开发者能够在普通硬件和边缘设备上轻松构建功能强大的AI应用，打破了行业长期以来对云服务的依赖。

![image.png](https://static.downly.cn/images/37ba386b29f5ddc0de54e6a566ae9ed0.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Mistral AI Studio问世 打造企业级AI的“工业化”引擎

欧洲AI领域的领军企业Mistral AI正式推出了其全栈式生产平台 Mistral AI Studio。该平台完全基于欧盟本土的基础设施构建，专为需要严格遵守数据主权和法规的跨国企业设计。它集成了模型部署、实时监控和持续优化等一整套功能，为企业提供了一个安全、透明且可规模化的AI解决方案。通过实现AI决策过程的完全可观测性，Mistral AI Studio为企业级AI应用的“工业化”生产提供了强大的新引擎。

![image.png](https://static.downly.cn/images/721270bef55345422f4edf11e05632d7.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 更少数据更强性能 英伟达开源OmniVinci全模态理解模型

英伟达在全模态AI领域取得重大突破，发布并开源了其OmniVinci模型。该模型最引人注目的特点是其卓越的训练效率，仅用业界同类模型六分之一的训练数据，便在视觉、音频和文本的统一理解能力上实现了性能的大幅超越。OmniVinci的发布旨在提升机器的多模态认知能力，使其能够更像人类一样，综合处理和理解来自不同感官维度的信息，为更智能、更通用的AI系统奠定了坚实基础。

![image.png](https://static.downly.cn/images/38d992dace8d72f6edca49d71a2d559b.png)
<p align="center">图源备注：图片由AI生成</p>
<br>


每日AI资讯1029：全栈创作、实时对话与端侧智能，AI技术迎来全面爆发



> 导语：今日AI界风起云涌，科技巨头纷纷加码机器人领域，特斯拉与Meta竞相布局，力图抢占未来智能硬件高地。与此同时，从谷歌的通用视觉模型Veo3，到阿里云的安全护栏Qwen3Guard，再到快手与蚂蚁百灵推出的高效能模型，AI技术正以前所未有的速度迭代升级，展现出强大的应用潜力与商业价值。

## 特斯拉的“擎天柱”雄心：人形机器人将成核心产品

特斯拉正全力推进其人形机器人“擎天柱”的规模化生产。CEO埃隆·马斯克预测，该机器人未来可能成为公司最重要的产品，其战略地位日益凸显。自去年十月展示其多样化功能以来，“擎天柱”在技术和商业化潜力上均取得了显著进步，预示着一个由智能机器人深度参与社会生产的新时代即将来临。

![image.png](https://static.downly.cn/images/f6624ba47b5947a3c6d630fd8beb001d.png)
<center>图源备注：图片由AI生成</center>

## 谷歌Veo3震撼发布：不止于视频生成，更能自主解谜

谷歌最新推出的Veo3视频生成模型实现了重大技术飞跃。该模型无需经过额外训练，便能自主完成寻找物体、修复图片甚至解决数独和迷宫等复杂的视觉任务。其强大的通用性被誉为视觉AI领域的“GPT-3时刻”，展示了AI在多模态理解与执行方面的惊人能力。

![image.png](https://static.downly.cn/images/029c4da135bf12b9a3501a0d95e427ea.png)
<center>图源备注：图片由AI生成</center>

## 苹果秘密武器Veritas曝光：加速Siri智能化升级

为应对日益激烈的AI市场竞争，苹果公司正在内部测试一款名为“Veritas”的新型聊天机器人。该工具旨在模仿ChatGPT和Gemini等先进AI模型，用于快速测试新功能，从而加速下一代Siri的开发进程，有望大幅提升Siri的用户体验和智能化水平。

![image.png](https://static.downly.cn/images/9e8fa83d6700876aa23a11078eee6187.png)
<center>图源备注：图片由AI生成</center>

## LiquidAI新突破：Liquid Nanos让边缘设备更智能

LiquidAI公司发布了专为树莓派等边缘计算设备优化的Liquid Nanos系列轻量级AI模型。该系列包含350M和1.2B两种参数版本，支持翻译、信息抽取、RAG、工具调用及数学推理等多种功能。此举旨在满足边缘设备在低功耗下实现高性能AI应用的需求，为开发者提供了灵活多样的解决方案。

![image.png](https://static.downly.cn/images/f70a113225dfd3cbc00d59eb2b2f420f.png)
<center>图源备注：图片由AI生成</center>

## Meta的机器人宏图：打造机器人界的“安卓”平台

Meta公司正投入巨资开发一个类似“安卓”系统的开放式人形机器人平台。该计划旨在利用其强大的大模型和海量数据资源，为机器人赋予更高的智能，从而重塑行业格局并巩固自身的核心技术优势。相关研究已于今年初全面启动，显示出Meta在机器人领域的巨大野心。

![image.png](https://static.downly.cn/images/fa3dc7f07f01952e73e58d5e57474b9c.png)
<center>图源备注：图片由AI生成</center>

## 阿里云通义新成员：Qwen3Guard为AI安全保驾护航

阿里云通义团队发布了其首款安全护栏模型Qwen3Guard。该模型基于Qwen3架构进行微调，专注于提升AI交互的安全性，能够精准识别并防护用户输入及AI生成内容中的潜在风险，为人工智能的健康发展提供了可靠的安全保障。

![image.png](https://static.downly.cn/images/e273d5ac61df5e9b21436527de0691c2.png)
<center>图源备注：图片由AI生成</center>

## 蚂蚁百灵开源新模型：大幅降低AI深度推理成本

蚂蚁百灵团队开源了两款高效思考模型——Ring-flash-linear-2.0和Ring-mini-linear-2.0，同时发布了FP8融合算子与线性Attention推理融合算子。这些创新旨在显著提升AI的深度推理效率，支持处理超长上下文，并通过架构与算子的协同优化，实现了性能的飞跃，有效降低了AI应用的推理成本。

![image.png](https://static.downly.cn/images/6e11b5f3c99c53106604b7dcb05a4a0f.png)
<center>图源备注：图片由AI生成</center>

## 快手KAT代码大模型发布：代码生成能力表现卓越

快手Kwaipilot团队正式发布了KAT-Dev-32B和KAT-Coder两款代码智能大模型。其中，开源的32亿参数模型KAT-Dev-32B在权威的SWE-Bench测试中，问题解决率高达62.4%，位列开源模型第五。该系列模型旨在提升开发者的编程效率，并推动代码智能技术在更多场景下的应用与发展。

![image.png](https://static.downly.cn/images/4356e5bdad5ddd919cc300e4edfdd7ad.png)
<center>图源备注：图片由AI生成</center>

## Moondream3.0惊艳登场：视觉推理超越GPT-5

新发布的Moondream 3.0预览版模型在多项基准测试中展现了卓越的性能。该模型采用高效的混合专家架构，仅激活2亿参数（总参数9亿），便在视觉推理能力上超越了GPT-5、Gemini和Claude4等顶尖模型，并支持高达32K的上下文处理，实现了视觉AI技术的重大突破。

![image.png](https://static.downly.cn/images/a08bd39fe0ddf40825c6fd82cc10daf3.png)
<center>图源备注：图片由AI生成</center>



每日AI资讯0929：巨头竞逐机器人赛道，多款AI模型迎来新突破



> 导语：今日AI界风起云涌，资本热度不减，AI搜索新星Perplexity再获2亿美元巨额融资，估值飙升至200亿，向搜索巨头发起有力挑战。同时，技术创新步伐加快，MiniMax推出能生成4分钟完整歌曲的Music 1.5模型，支付宝“AI付”打通智能体支付全链路，而Anthropic的Claude则新增了自动记忆功能，让AI交互更加智能。此外，OpenAI的结构调整与微软的自研模型投入，也预示着行业格局的深刻变化。

---



## AI搜索黑马Perplexity估值破200亿，谷歌霸主地位再迎强敌

AI初创公司Perplexity凭借其创新的对话式搜索服务，正成为行业内最受瞩目的新生力量。在短短两个月内，该公司再度成功融资2亿美元，使其估值达到了惊人的200亿美元。这一迅猛的增长势头，充分显示了资本市场对其挑战传统搜索巨头谷歌潜力的认可。

![image.png](https://static.downly.cn/images/7843e4e236c976dfbd650bd6fb3eb1a6.png)

 <center>图源备注：图片由AI生成</center>

## AI音乐创作进入新纪元，MiniMax Music 1.5实现4分钟完整歌曲生成

国内AI公司MiniMax发布了其新一代音乐生成大模型Music 1.5，将AI生成音乐的时长提升至4分钟，足以创作一首结构完整的歌曲。该模型赋予用户极大的创作自由度，无论是通过简单的自然语言描述，还是通过高级模式进行段落和歌词的精细编排，都能生成层次丰富、人声饱满的高质量音乐作品，真正实现了“一人即乐队”的创作体验。

![image.png](https://static.downly.cn/images/491f8ce30d336cc7b9613be3173161f1.png) <center>图源备注：图片由AI生成</center>

## “动动嘴”就支付，支付宝推出国内首个智能体支付服务‘AI付’

支付宝在智能化服务领域迈出重要一步，正式推出“AI付”服务。这是国内首个将智能体技术与支付流程完全打通的应用，用户只需通过语音对话，即可完成从点单到支付的全过程。这一创新不仅简化了操作，也为用户提供了前所未有的无缝AI服务体验。

![image.png](https://static.downly.cn/images/e16c5ceeed2eb2460cf3017a00720467.png) <center>图源备注：图片由AI生成</center>

## AI程序员再进化，Replit Agent 3实现200分钟不间断自主开发

AI编程公司Replit发布了其第三代AI开发助手Agent 3。新一代Agent的自主工作能力得到显著增强，能够连续运行长达200分钟，独立处理从代码编写、功能测试到错误修复的完整开发流程。其核心的“动态智能”技术使其具备了更强的上下文理解和迭代推理能力，能够胜任更复杂的开发任务。

![image.png](https://static.downly.cn/images/edf15e503f8d1d857e8229397fddd4eb.png) <center>图源备注：图片由AI生成</center>

## Claude AI变身“贴心管家”，新增自动记忆功能免去重复对话

Anthropic公司为其AI聊天机器人Claude推出了一项实用的新功能——自动记忆聊天内容。该功能主要面向团队和企业用户，能让Claude自动记住用户的对话历史、偏好和项目背景等关键信息，并在后续的交流中主动运用这些信息，从而提供更具个性化和连贯性的回复，极大提升了协作效率。

![image.png](https://static.downly.cn/images/f59cb49fa77df993776963f197031175.png) <center>图源备注：图片由AI生成</center>

## OpenAI结构调整新动向，或将转型公益股份公司为上市铺路

OpenAI与其重要合作伙伴微软达成了一份非约束性的谅解备忘录，计划将其营利性部门转型为公益股份公司（PBC）。此举被视为在平衡其公益使命与商业发展需求之间的一大步，旨在为公司开辟更多的融资渠道，并可能为其未来的上市做好准备。根据协议，其非营利组织将继续掌握对公司的运营控制权。

![image.png](https://static.downly.cn/images/e13ece7c3bbec5bac73b3731d82c74d5.png) <center>图源备注：图片由AI生成</center>

## 自立门户，微软豪掷重金打造自主AI模型以抗衡巨头

为巩固在人工智能领域的领先地位，微软正在大力投资，以升级其用于训练自有人工智能模型的服务器基础设施。尤其是在推出MAI-1-preview模型之后，微软明确了其自主构建并灵活运用各种规模前沿AI模型的战略方向，旨在与Meta、谷歌、xAI等科技巨头在核心技术上展开直接竞争。

## AI数据版权乱象迎来破局者？Real Simple Licensing协议应运而生

面对日益严峻的AI数据版权问题，行业正积极寻求解决方案。近期，在多起备受关注的版权诉讼背景下，部分技术专家与内容出版商联合推出了一套名为“Real Simple Licensing”（RSL）的新系统。该协议旨在简化并规范大规模数据的授权流程，为AI训练数据的合规使用提供一条清晰的路径。

## 蚂蚁与人大联手，发布首个原生MoE扩散语言模型挑战行业标杆

蚂蚁集团与中国人民大学联合发布了首个原生的混合专家（MoE）扩散语言模型LLaDA-MoE。在代码生成、数学推理及Agent任务等多项基准测试中，该模型的表现优于多个同类扩散语言模型，其性能甚至能与Qwen2.5-3B-Instruct等优秀的自回归模型相媲美。

## 融资快讯

*   **AI编程赛道火热，Replit狂揽2.5亿美元融资** AI编程公司Replit近期完成了2.5亿美元的新一轮融资，公司估值达到30亿美元，其年收入激增至1.5亿美元，用户数也突破了4000万，显示出投资者对AI驱动软件开发工具的强烈信心。
*   **超越XLM-R，约翰霍普金斯大学发布全新高效多语种编码器mmBERT** 来自约翰霍普金斯大学的研究人员成功开发了一款新型多语种编码器mmBERT。在多项任务测试中，mmBERT的表现全面超越了知名的XLM-R模型，同时还将处理速度提升了2至4倍，为多语言AI应用的研究与发展提供了更强大的工具。

每日AI资讯0912：AI搜索新星估值飙升，音乐生成与智能支付迎新突破





> 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

搜索结果: AI交互