Nvidia 发布 G-Assist：本地运行的显卡 AI 助手，还能顺手帮超频
Nvidia 推出实验性游戏 AI 助手 G-Assist，全程在本地 GPU 运行。玩家能通过悬浮窗语音或打字查看系统负载、调整画质甚至一键超频显卡，还支持调节第三方外设。不过目前深度整合的游戏极少，官方强调仍是实验阶段。
AI 日报：今天的 AI 新闻
周二
3月25日 星期二
Earth AI 靠算法在澳洲被忽视地块发现铜钴等关键矿藏
初创公司 Earth AI 透露，其利用 AI 算法在澳大利亚长期被忽视的区域发现了铜、钴、金等关键矿藏。团队利用澳洲自 1970 年代以来的地质档案训练模型，并自研钻探设备实地验证，试图打破传统矿业耗时数十年的勘探僵局。
Google 发布 Gemini 2.5：首发 2.5 Pro，自带深度思考并登顶竞技场
Google 正式推出新一代思考模型 Gemini 2.5，首发实验版 2.5 Pro。该模型在回答前能主动推理，以显著优势登顶 LMArena 榜首，支持 100 万 token 上下文并在数学、编程基准上大幅领先。目前已在 Google AI Studio 和 Gemini Advanced 上线。
Perplexity 上线回答标签页：聚合图像、视频、旅行与购物
Perplexity 上线全新回答标签页，支持一站式搜索图像、视频、旅行与购物等垂类内容。用户可以在同一界面直接切换对应分类获取结构化答案。目前该功能已在网页端上线，移动端即将推出。
Luma AI 上线 Ray2 图生视频：把手绘涂鸦直接变成动画
Luma AI 宣布在 Dream Machine 中上线基于 Ray2 的图生视频功能。用户只需把涂鸦或草图拖入工具，系统就能让静态画笔和角色动起来、转化为动画。这对想要快速验证创意或制作动态草稿的创作者来说，大幅降低了门槛。
Bambu Lab 推出 H2D：兼具激光雕刻与刀片切割的模块化 3D 打印机
Bambu Lab 发布多功能设备 H2D，起售价 1899 美元。该设备在双喷头 3D 打印机基础上加入模块化快拆系统，可换装激光雕刻头、切割刀片和绘图笔。最值得关注的是它试图用单台机器替代多款创客工具，不过初期固件与双喷头打印的稳定性仍待磨合。
Otter 推出会议智能体：支持语音插话，能翻历史记录当场答疑
Otter 推出三款 AI 智能体，其中 Meeting Agent 支持在会议中进行自然语音交互。它能调取公司历史会议数据直接开口答疑，还能当场安排日程和起草邮件。目前该功能已在 Zoom 上线并逐步推送，后续将支持 Teams 和 Google Meet。
OpenAI 为 GPT-4o 带来原生生图：文字渲染超准，支持连续微调
OpenAI 宣布把原生图像生成能力做进 GPT-4o。新模型能精准渲染图片里的文字，同时处理 10 到 20 个物体，并在连续对话中保持角色一致。它已取代 DALL·E 成为 ChatGPT 默认生图工具，生成耗时最多约 1 分钟。
Waymo 进军华盛顿：计划 2026 年开跑 Robotaxi，但需先等当地修法
Waymo 宣布计划于 2026 年在华盛顿特区推出 Waymo One 无人驾驶网约车服务。不过特区现行法规禁止无安全员的全无人车辆上路，能否如期开跑取决于当地修法进度。目前 Waymo 在旧金山和凤凰城等地每周已提供 20 万次载客服务。
Reve 推出文生图模型 Reve Image 1.0：文字渲染与画质登顶竞技场榜首
AI 初创公司 Reve AI 正式发布首款文生图模型 Reve Image 1.0。该模型在 Artificial Analysis 的 Image Arena 盲测榜位列画质第一，主打精准的文字渲染与多角色排版，还支持用自然语言直接修改已有图片。目前已开放免费预览，暂未公布 API 与定价。
Synthesia 设百万美元股权池：给 AI 数字人真人演员发期权
AI 视频平台 Synthesia 宣布设立 100 万美元股权池，向平台受欢迎的官方数字人演员授予期权，分期最长 4 年兑现。此前演员仅能拿到 3 年固定授权费。Synthesia 希望通过该计划拉深与演员的绑定并建立反馈机制，探索 AI 肖像授权新利益分配方式。
Apple 官宣 WWDC25 档期：6 月 9 日开幕，全线上免费开放
Apple 宣布年度全球开发者大会 WWDC25 将于 2025 年 6 月 9 日至 13 日在线举行，面向所有开发者免费开放。大会将公布最新的 Apple 软件、工具与框架进展，6 月 9 日当天还将在 Apple Park 举办线下特别活动。
Google 开源 TxGemma：用大模型加速药物研发与毒性预测
Google 正式发布开源药物研发模型集合 TxGemma。它基于 Gemma 2 微调，提供 2B、9B 和 27B 三种尺寸，包含专注属性预测的 predict 版和能解释推理的 chat 版。27B 预测版在 66 项任务中有 64 项追平或超越前代 Tx-LLM。
周一
3月24日 星期一
DeepSeek 升级 V3 模型：改用宽松的 MIT 协议，编程性能微涨
DeepSeek 低调发布改进版 DeepSeek-V3 大模型，将开源协议切换为更宽松的 MIT 协议，商用与修改几乎不再受限。新版在 Python 与 Bash 代码评测中提升数个百分点至约 60%，苹果研究员实测其量化版可在 Mac Studio 上以每秒 20 token 运行。
ARC Prize 发布 ARC-AGI-2 基准：人类轻松过关，纯 LLM 拿下 0 分
ARC Prize 基金会推出全新基准 ARC-AGI-2 并启动 2025 年度竞赛。新基准专测高难度通用推理与快速适应能力，每道题均有至少两位人类在两次尝试内解出，但纯大模型得分为 0%，公开推理模型也仅有个位数得分。
阿里开源 Qwen2.5-VL-32B：强化学习优化，瞄准本地部署主力
阿里巴巴开源视觉语言模型 Qwen2.5-VL-32B-Instruct。该版本引入强化学习训练，显著提升了人类偏好对齐与数学推理能力。官方将其定位为本地运行的首选尺寸，专门解决 72B 显存吃不消、7B 性能不够用的尴尬折中。
Apple 推送 iOS 18.4 RC：Apple Intelligence 支持简中与优先通知
Apple 向开发者推送 iOS 18.4 和 iPadOS 18.4 RC 版本。Apple Intelligence 迎来重要更新，锁屏新增「优先通知」功能，Image Playground 引入手绘素描风格，并正式扩展至简体中文、日文、韩文等语种。正式版预计 4 月初全量推送。
Boston Dynamics 牵手 NVIDIA：纯电 Atlas 装上 Jetson Thor
上周，Boston Dynamics 宣布扩展与 NVIDIA 的合作，为新一代纯电 Atlas 人形机器人引入 Isaac GR00T 框架与 Jetson Thor 计算平台。借助 Isaac Lab，双方正在仿真环境里训练全身运动与精细操作策略，让机器人跑起复杂多模态大模型。
OpenAI 调整高管职责：Mark Chen 升任首席研究官
OpenAI 宣布调整核心领导层分工。Mark Chen 出任首席研究官，负责统领科研安全并加速科研成果向产品转化；首席运营官 Brad Lightcap 扩大职责掌管全局业务与基础设施；Julia Villagra 则出任首席人事官负责团队扩张。
Midjourney 联手 NYU 发论文：教大模型别再写千篇一律的烂俗故事
本周，Midjourney 与纽约大学共同发表论文，提出 DDPO 和 DORPO 两种优化方法。大模型在传统微调后往往只挑「安全牌」，写出的故事千篇一律；新技术通过在后训练中奖励高质量的独特回答，让 Llama 3.1 和 Mistral 在创意写作时展现出更丰富的想象力。
周日
3月23日 星期日
爆料称 Apple Watch 拟加装摄像头：引入视觉智能，预计 2027 年推出
据彭博社 Mark Gurman 报道，苹果计划在未来两年内为 Apple Watch 加装摄像头以支持 Visual Intelligence 等 AI 功能。标准版镜头或置于屏幕内，Ultra 版放在表冠旁。也就是说，手表将能直接「看」世界并借助 AI 提供相关信息。
周六
3月22日 星期六
阿里公布 LHM 模型：单张照片几秒生成可驱动 3D 数字人
阿里巴巴团队公布了数字人生成模型 LHM。只要输入一张单人照片，模型就能在几秒内以前向推断方式，直接生成基于 3D 高斯泼溅的高保真可驱动角色，且无需对手部和面部进行额外后处理，大幅降低了 3D 动画制作门槛。
Gemini Live开始推送Astra功能：支持实时摄像头与屏幕共享
Google 开始向 Android 用户灰度推送 Project Astra 赋能的 Gemini Live 视觉功能。用户可将手机全屏或实时摄像头画面共享给 AI 进行连续对话。该功能主要面向 Gemini Advanced 订阅用户逐步开放，目前尚未全量普及。
周五
3月21日 星期五
Lyft 无人出租车今夏落地亚特兰大：采用 May Mobility 方案
Lyft 宣布将于今年夏天在亚特兰大上线无人出租车，乘客将被匹配到搭载 May Mobility 自动驾驶技术的丰田 Sienna 车队。按计划，Lyft 还将在 2026 年联手 Mobileye 把无人车开到达拉斯，未来将铺开至数千辆规模。
波士顿动力秀新活：Atlas 学会霹雳舞扫腿和侧手翻
Boston Dynamics 发布新视频，展示其纯电版人形机器人 Atlas 完成侧手翻、前滚翻与霹雳舞「扫腿」等动作。团队联合 RAI，通过动捕服采集人类动作并结合强化学习完成训练。这展示了双足机器人的敏捷极限，不过其实际商业化落地仍面临资金考验。
Perplexity 提议收购 TikTok：要在美国从头重构并开源算法
AI 搜索初创公司 Perplexity 发文提出收购 TikTok 的方案，计划在美国数据中心从零重构其推荐算法并完全开源。它还打算为视频加入引文和 AI 搜索。不过 TikTok 估值达数百亿美元，业内质疑这可能又是一次公关造势。
Meta 测试 Instagram 新功能：让 Meta AI 帮你看图写评论
Meta 被曝在 Instagram 测试「Write with Meta AI」功能。点击评论栏旁的小铅笔，AI 便会识别图片内容并生成 3 条现成评论供挑选。Meta 证实正在测试该功能，但此举也被不少人质疑会让朋友间的社交互动沦为虚假客套。
ChatGPT 诬称无辜男子杀害亲子：OpenAI 在欧洲再遭隐私投诉
奥地利隐私倡导组织 Noyb 代表一名挪威男子向监管部门投诉 OpenAI。该男子搜索自己时，ChatGPT 竟将其实际家庭信息与虚假犯罪事实混杂，捏造其谋杀两名亲生子女且正在服刑。Noyb 指控其违反 GDPR 个人数据准确性要求，并要求监管方予以罚款。
周四
3月20日 星期四
视觉参考整理工具 VrefDeck 上线：专为 AI 创作者打造，完全本地运行
Alie Jules 推出专为 AI 创作者与设计师打造的视觉参考整理工具 VrefDeck。软件支持拖拽分类与卡片标注，方便随图记录提示词、参数和规格等生成细节，数据完全保存在本地设备。首发买断价 29 美元，支持 Windows 与 Mac 平台。
Gmail 搜索迎来 AI 升级：不再只按时间排序，默认把最相关的邮件置顶
Google 宣布 Gmail 搜索改用 AI 排序，综合点击频次与常用联系人等因素，默认将「最相关」邮件排在最前。页面同时提供切换开关，习惯看时间倒序的用户可以一键切回「最新」。该功能正面向全球个人用户推送，后续将开放给企业端。
苹果更换 Siri 掌门人：由 Vision Pro 负责人接手，因 AI 升级延期
据彭博社报道，Apple 撤换了 Siri 与 AI 负责人 John Giannandrea，由 Vision Pro 负责人 Mike Rockwell 接管。此前苹果刚把 Siri 生成式 AI 升级推迟至来年，传 CEO 库克已对 AI 团队失去信心，内部甚至直言当前局面「难看」。
Pika 预告视频局部操控功能：任意改角色物体，其余画面完全不动
Pika Labs 预告了一项新视频操控功能。用户可以单独修改视频中的任意角色或物体，同时让其余画面保持完全不变。目前该能力尚未公开发布，仅面向申请加入其创意合作伙伴计划的用户开放独家早期体验。
Bigscreen 发布 Beyond 2 头显：仅重 107 克，加入眼动追踪
Bigscreen 发布超轻 PC VR 头显 Bigscreen Beyond 2。新机重量削减至 107 克，配备单眼 2560×2560 micro-OLED 屏幕与 116 度视场角，并加入眼动追踪和物理可调瞳距。首批产品预计 2025 年 4 月发货。
Topaz Labs 发布 Gigapixel 8.3：换上 Recover v2，图像修复提速 5 倍
Topaz Labs 发布 Gigapixel 8.3，核心是推出新一代修复模型 Recover v2。新模型不仅伪影显著减少，在 Apple M3 Pro 等设备上的处理速度比上一代快了 500% 以上。它依然支持本地运行（需 8GB 显存）和云端渲染，同时新增了完全关闭云端选项等界面改进。
Krea 上线视频训练功能：支持用自定义视频微调 Wan 2.1
Krea 推出视频训练功能，允许用户使用自己的视频微调开源模型 Wan 2.1。该功能让模型学习特定的自定义风格、动作或物体，进一步提升了 AI 视频生成的精细控制力。
Claude 全面上线联网搜索：所有方案可用，回答自带来源引用
Anthropic 宣布 Claude 支持联网搜索功能，并面向全球所有方案用户开放。模型可直接检索互联网最新信息并在回答中附带直接引用，方便核对来源。这意味着用户无需再切出去手动搜索，直接在对话框里就能调取实时数据做分析与调研。
Anthropic 详解 think 工具：让 Claude 在多步调用中边想边做
Anthropic 详解了面向 Claude 的「think」工具。与生成前思考不同，该工具允许模型在长链条调用中停下来分析外部工具结果与复杂规则，在 τ-Bench 航空基准上的通过率提升了 54%。
Meta AI 进军欧洲：免费接入 WhatsApp 等应用，支持 6 种语言
Meta 宣布 Meta AI 正式登陆欧洲市场，未来数周内分批上线，首批支持 6 种欧洲语言。欧洲用户可在 WhatsApp、Instagram、Facebook 和 Messenger 中通过蓝色图标免费使用，还支持在群聊中 @MetaAI 协作答疑。
周三
3月19日 星期三
OpenAI 上线 o1-pro API：能力更强，但百万输出 token 要 600 美元
OpenAI 正式上线 o1-pro API，先面向 Tier 1 至 5 的部分开发者开放。它通过调用更多算力换取更稳定的高质量回答，支持视觉、函数调用与结构化输出。代价是极高昂的使用成本：每百万输入 token 为 150 美元，输出则高达 600 美元。
xAI 上线图像生成 API：每张 0.07 美元，暂不支持调尺寸
xAI 宣布在开发者 API 中开放图像生成能力，首发上线 grok-2-image-1212 模型。生成一张 JPG 格式图片收费 0.07 美元，单次请求最多出 10 张图。不过目前接口还不支持自定义尺寸、画质或风格，且输入的提示词会被对话模型自动改写。
Razer 推出 AI QA Copilot：边玩边抓 Bug，自动生成重现步骤
Razer 推出游戏开发辅助工具 AI QA Copilot，旨在帮测试员更快发现和提交 Bug。测试员在玩游戏时，它能在后台自动捕获崩溃和性能问题，直接生成带截图、录屏与复现步骤的报告。虽然仍需人工审核，但这能省掉大量手写报告的机械劳动。
Nvidia 联手 DeepMind 与迪士尼：开源物理引擎 Newton，把星战机器人带进现实
Nvidia 在 GTC 大会上宣布联手 Google DeepMind 与迪士尼研发开源物理引擎 Newton，帮机器人更精准地学习复杂动作。迪士尼将率先用它驱动下一代娱乐机器人角色，比如黄仁勋台上演示的星战风格 BDX 机器人。
Cloudflare 推出 AI Labyrinth：用 AI 迷宫困住违规爬虫
Cloudflare 推出新型防御功能 AI Labyrinth。它不再直接拦截违规 AI 爬虫，而是将其引流至生成式 AI 制造的诱饵网页迷宫中，白白消耗爬虫的算力和时间，同时充当蜜罐收集特征。该功能向包括免费版在内的所有用户开放。
特斯拉获加州网约车牌照：先让人类员工开，不包含自动驾驶
彭博社报道，加州公共事业委员会批准了特斯拉的客运包车牌照，允许其开展叫车服务。不过该许可仅限人类司机驾驶，暂不支持自动驾驶，初期先由员工接送内部员工，后续再向公众开放。虽离 Robotaxi 还有一步，但特斯拉已开始在打车市场上硬碰 Uber 与 Lyft。
Perplexity 升级 Sonar 模型：增设三档搜索，引用 Token 全免费
Perplexity 宣布升级 Sonar 系列模型，并推出高、中、低三档搜索模式供按需平衡成本与计算量。此外，官方停止对响应中的引用 token 收费。基准测试显示，其性能与事实准确度超越带搜索的 GPT-4o，调用成本则大幅降低。
NVIDIA 与 xAI 加入 300 亿美元 AI 基建联盟：贝莱德与微软牵头
周三，NVIDIA 与马斯克的 xAI 正式加入由微软、贝莱德、GIP 及阿布扎比 MGX 发起的 AI 基础设施合作伙伴关系（AIP）。该联盟旨在筹集 300 亿美元私募资金，用于投资美国及伙伴国家的数据中心与能源项目。
《阿凡达》视效先驱 Legato 加入 Stability AI：任首席管线架构师
曾为《阿凡达》打造视效管线的 Robert Legato 加入 Stability AI，担任首席管线架构师。他将再度携手董事会成员詹姆斯·卡梅隆，推动生成式 AI 与好莱坞特效工业管线结合，打造艺术家优先的创作工具。
Google NotebookLM 上线交互式思维导图：把笔记变成互动学习玩具
Google 旗下 AI 笔记工具 NotebookLM 开始推送交互式思维导图（Mindmaps）功能。开发团队希望将笔记转化为可互动的探索工具，帮用户在互动中理解内容。最值得关注的是，NotebookLM 正从纯文本回复迈向高度定制化的交互软件体验。
周二
3月18日 星期二
OpenAI API 支持直接输入 PDF：gpt-4o 与 o1 可原生读文档
OpenAI 宣布其 Responses 和 Chat Completions API 正式支持直接传入 PDF 文件。开发者无需自行写脚本解析文本，即可直接让 o1、gpt-4o 或 gpt-4o-mini 结合文档上下文生成回答。
周三
3月12日 星期三
沾光 Manus 爆火：网页自动化工具 Browser Use 日下载量破 2.8 万
据 TechCrunch 报道，因被 AI 智能体平台 Manus 采用，开源工具 Browser Use 迅速走红。其日下载量从 3 月 3 日的约 5000 次暴增至 3 月 10 日的 28000 次。它能帮助模型自动点击网页并填写表单，正成为开发者的基础层。
Meta 遭作家嘲讽：被控用种子下载盗版书训 AI，搬出「鲍勃·迪伦抗辩」
周一，作家群体在加州联邦法院提请简易判决，指控 Meta 为加速训练 AI，用种子下载数 TB 盗版书并在 P2P 网络中同步向他人回传数据。原告讽刺 Meta 搬出了「偷一点坐牢，偷得多成王」的鲍勃·迪伦式辩解。法官定于 5 月 1 日举行听证。
Captions 推出 Mirage：专做「UGC 风格」虚拟人视频广告
Captions 推出专为 UGC 风格广告打造的模型 Mirage。它能根据脚本或音频生成带有肢体动作和微表情的虚拟代言人，并支持自定义服装、场景与情绪。这意味着无需真人出镜也能快速批量制作口播带货视频。
Google 开放 Gemini 2.0 Flash 原生生图：支持对话修改与图内文字
Google 向开发者全面开放 Gemini 2.0 Flash 原生图像生成功能。该模型无需外挂生图工具，可直接端到端生成图片，支持多轮对话持续修改、跨画面保持角色一致性，并在图片内文字渲染上表现出色。目前可通过 Google AI Studio 和 API 测试。
Snapchat 推出自研 AI 视频滤镜：可生成同框小动物与拉远镜头
Snap 推出首批由自研生成式视频模型驱动的 AI 视频滤镜。首发包含狐狸依偎、春日花束拉远运镜等效果，生成的视频会自动保存至回忆录。目前该功能仅限每月 15.99 美元的 Snapchat Platinum 订阅用户使用，后续每周追加新滤镜。
Google 发布开源模型 Gemma 3：支持多模态与 128K 上下文
Google 发布新一代开源模型 Gemma 3，覆盖 1B 到 27B 四种尺寸。除 1B 外均支持图文输入，上下文拓宽至 128k，支持超 140 种语言。最值得关注的是，27B 版本跑分超越了 Gemini 1.5 Pro。
Rivian 推送脱手辅助驾驶：覆盖美加 13.5 万英里高速公路
周二，Rivian 向第二代车型推送软件更新，上线 Enhanced Highway Assist。车主可在美加 13.5 万英里的兼容高速公路上脱手驾驶，由后视镜红外摄像头监测视线。公司还计划 2026 年大幅拓展道路并尝试脱眼驾驶。
Freepik 接入 Google Veo 2：AI 套件支持图生视频
Freepik 宣布在其 AI Suite 中接入 Google 视频模型 Veo 2，推出图生视频功能。创作者生成或修图后，能直接调用 Veo 2 转成带动态运镜的高清视频。最值得关注的是图像生成到视频工作流被完全打通；不过该功能仅向 Premium 付费用户开放。
Google DeepMind发布Gemini机器人模型：折纸装袋全拿下
Google DeepMind基于Gemini 2.0推出Gemini Robotics与Gemini Robotics-ER两款模型。新模型直接输出物理动作，能搞定折纸等高精细操作，泛化基准表现翻倍。Google还联手Apptronik，正把模型装进Apollo人形机器人。
兼容 OpenAI 格式：Nous Research 推出 Hermes 3 推理 API
Nous Research 推出官方推理 API，开发者无需自建算力即可直接调用 Hermes 3 70B 以及支持思维链切换的 DeepHermes-3 8B。接口全面兼容 OpenAI 格式，目前采用先到先得的排队机制，新注册送 5 美元额度。
Niantic 卖掉《Pokémon GO》：38.5 亿美元交割，转身专攻空间 AI
Niantic 宣布重大调整，移动游戏巨头 Scopely 将以约 38.5 亿美元的总对价收购其旗下的《Pokémon GO》等游戏资产及对应团队。剥离成熟游戏业务后，Niantic 将全面转向专注空间计算、AI 与地理空间技术的 Niantic Spatial。
Sakana AI 宣布：AI 全程撰写的论文首次通过 ICLR 同行评审
Sakana AI 宣布由 The AI Scientist-v2 独立生成的论文，在 AI 顶会 ICLR 旗下研讨会通过了同行评审。这是首篇完全由 AI 生成并通过人类同等评审流程的学术论文。实验得到了 ICLR 组织方协作支持，完整细节近期公开。
周二
3月11日 星期二
微软在 Azure 上线 CUA：用自然语言让 AI 自己点屏幕、填表单
微软在 Azure AI Foundry 推出 Responses API 与 Computer-Using Agent（CUA）。CUA 能看懂图形界面并跨桌面或网页执行点击与表单操作，Responses API 则将多工具调用整合为单次请求。不过针对高风险操作，目前仍强烈建议人工介入确认。
OpenAI 训练创意写作新模型：奥特曼称首次被 AI 文字触动
OpenAI 首席执行官 Sam Altman 透露，团队训练出了一个极擅长创意写作的新模型。他表示这是自己第一次被 AI 写的东西真正打动，并晒出了一篇关于 AI 与悲痛的元小说短篇。不过，目前该模型何时、以何种形式发布仍未确定。
Harvey 推出法律智能体：庭审笔录分析盲测胜过专业律师
法律 AI 平台 Harvey 推出智能体工作流。它能主动向用户索取上下文并展示「思考状态」，协助完成诉讼与交易任务。官方盲测显示，其在文书起草上达到专业律师水平，分析庭审笔录的表现甚至优于人工。该功能预计 3 月底正式向用户开放。
Nvidia GTC 2025 观战指南：如何在线收看黄仁勋主题演讲
TechCrunch 发布 Nvidia GTC 2025 观战指南。黄仁勋定于周二上午 10 点发表主题演讲，用户无需注册即可在 Nvidia 官网或 YouTube 收看直播。外界预计演讲将涉及 Blackwell Ultra 与下代 Rubin 芯片架构等最新进展。
Perplexity 推出 Windows 桌面端：支持语音听写与快捷键
Perplexity 推出适用于 PC 的官方 Windows 桌面应用。该客户端支持语音听写、快捷键调用以及直接使用最新模型，让用户不用打开浏览器就能直接调用 AI 搜索。
Reka 开源 21B 推理模型 Flash 3：从头训练，驱动企业平台 Nexus
AI 初创公司 Reka 宣布开源推理模型 Flash 3。该模型拥有 21B 参数，完全从零开始训练，具备强劲的推理表现，同时它还将作为核心引擎，驱动 Reka 刚刚推出的企业智能平台 Nexus。
语音 AI 公司 Cartesia 获 6400 万美元 A 轮融资：上线 Sonic 2.0
实时语音 AI 初创公司 Cartesia 宣布完成 6400 万美元 A 轮融资，由 Kleiner Perkins 领投。团队将用这笔资金扩充团队并研发下一代语音模型与基建，其主打的新一代模型 Sonic 2.0 也于当天同步上线并开放免费试用。
Luma 推出 IMM 预训练算法：采样效率提升 10 倍，突破扩散模型上限
Luma AI 提出新预训练技术 IMM 并开源代码。该方法抛弃了传统的去噪分数匹配，引入目标时间步处理与矩匹配，采样步数减少 30 倍的同时图像质量反超扩散模型，试图打破多模态预训练的算法天花板。
Manus 联手阿里 Qwen 团队：借开源模型与算力扩容通用智能体
Manus 宣布与阿里巴巴 Qwen 团队达成战略合作。双方将基于 Qwen 开源模型，把智能体能力与国内模型及算力平台整合。此前 Manus 走红导致服务器频繁宕机且仍需邀请码，此次联手有望帮其化解流量压力并加速落地。
Adobe Stock 上线 Customize：免开 Photoshop 直接 AI 修图
Adobe 为素材库 Adobe Stock 推出基于 Firefly 的 AI 功能「Customize」。用户无需打开外部工具 Photoshop，就能在网页端直接扩图、套用风格或修改比例，并支持查看修改历史。该功能现已向付费订阅用户开放，使用需消耗生成式点数。
Anthropic CEO 预言：AI 将在一年内写完几乎所有代码
据报道，Anthropic CEO Dario Amodei 表示编程是 AI 进展最快的领域，3 到 6 个月内 AI 将编写 90% 的代码，12 个月内可能接管几乎全部代码。这意味着程序员的角色将迅速转向审核与监督。
OpenAI 推出智能体开发套件：Responses API 整合搜索与电脑操作
OpenAI 推出用于构建智能体的新工具套件，核心是全新 Responses API，内置网络搜索、文件搜索和电脑操作工具，并提供 Agents SDK。最值得关注的是，它大幅简化了多步骤任务的编排，且计划在 2026 年中彻底取代 Assistants API。
苹果传研发带摄像头 AirPods：用耳机看世界，或于 2027 年亮相
据彭博社记者 Mark Gurman 透露，苹果正研发配备微型摄像头的下一代 AirPods。耳机将结合 AI 与 Siri 实时识别周围环境，把「视觉智能」扩展到耳朵上，相当于不戴眼镜的智能眼镜，预计最快 2027 年随 AirPods Pro 4 面世。
Meta 遭 AI 版权诉讼阻击：法官支持作家指控其抹去版权信息
周五，美国联邦法官裁定 Sarah Silverman 等作家针对 Meta 的版权诉讼继续推进。法官驳回了 Meta 的撤诉申请，认定作家充分指控了 Meta 涉嫌故意抹去图书版权信息来掩盖 Llama 训练侵权，但驳回了涉及加州计算机欺诈法的指控。
曝 Meta 测试首款自研训练芯片：欲摆脱英伟达依赖，计划 2026 年投产
据路透社报道，Meta 已开始小规模测试首款自研 AI 训练芯片 MTIA。该芯片专为 AI 设计，比通用 GPU 更省电，旨在降低庞大的基建成本并减少对英伟达的依赖。若测试顺利，Meta 计划在 2026 年正式将其投入训练。
周一
3月10日 星期一
OpenAI 与 CoreWeave 签 119 亿美元大单：锁定五年算力，拿 3.5 亿股权
据知情人士透露，OpenAI 与 CoreWeave 签署了一项为期五年、价值 119 亿美元的协议，采购 AI 数据中心技术及服务。作为交易的一部分，OpenAI 还将获得 CoreWeave 价值约 3.5 亿美元的股权，并与后者即将进行的 IPO 挂钩。
ElevenLabs 语音转文字降价 45%：Scribe 模型限时免费
ElevenLabs 宣布将其语音转文字模型 Scribe 的大规模调用价格下调 45%，并在 4 月 9 日前通过网页 UI 提供免费试用。官方称该模型支持 99 种语言。这意味着多语言音频转写的大规模使用成本明显降低。
Gmail 上线 Gemini 新功能：邮件内容一键转成日历日程
Google 为 Gmail 网页版推出 Gemini 驱动的「添加到日历」按钮。系统会自动识别邮件里的日程信息并弹出快捷入口，点击即可在侧边栏确认并创建事件。最值得关注的是日常排日程省了反复复制粘贴；不过目前仅支持英文，且仅限 Workspace 等付费订阅用户。
腾讯发布混元 TurboS：混用 Mamba 架构，推理成本砍到七分之一
腾讯混元推出 Hunyuan-TurboS，这是首个超大 Transformer-Mamba 混合 MoE 模型。它用 Mamba 处理长文本、Transformer 负责上下文理解，官方称数学与推理超越 GPT-4o 与 DeepSeek-V3，推理成本仅为前代的七分之一。
GIDD 离散扩散架构发布：让语言模型学会「自己改错」
研究人员提出通用插值离散扩散（GIDD）框架，打破了掩码扩散无法修改已生成内容的局限。通过混合掩码与均匀噪声，模型在同等算力下不仅提升了生成质量，还解锁了自回归模型一直欠缺的自我纠错能力。代码已开源。
苹果传筹备十年最大界面重构：iOS 19 与 macOS 借鉴 visionOS
据报道，Apple 正在筹备近年来最大规模的系统界面翻新，涵盖 iOS 19、iPadOS 19 和 macOS 16。新设计借鉴 visionOS 的半透明面板与 3D 纵深感，统一各平台的图标与导航逻辑。这是自 iOS 7 以来变动最大的视觉改版，预计 6 月 WWDC 亮相。
周六
3月8日 星期六
法官驳回 Meta 撤诉申请：作家起诉 Llama 侵权案继续推进
周五，美国联邦法官裁定，允许作家群体对 Meta 发起的 AI 版权诉讼继续推进，驳回了 Meta 撤案的请求。法官认定版权侵权指控构成了实际损害，但也驳回了涉及加州计算机欺诈法的指控。原告指控 Meta 擅自用其书籍训练 Llama 并抹去版权信息以掩盖侵权。
周五
3月7日 星期五
2025 年刚过两个月：美国已提出 781 项 AI 法案，超去年全年总和
咨询公司 MultiState 数据显示，2025 年仅过两个多月，美国待处理的 AI 相关法案已达 781 项，超过去年全年的 743 项。由于美国国会迟迟未能出台统一的联邦监管框架，各州正自行立法规范高风险 AI 和医疗保险审查等领域。
Google Calendar 测试 Gemini 侧边栏：一句话查日程、定会议
Google 开始在 Google Calendar 中测试 Gemini 侧边栏。加入 Workspace Labs 的用户可以直接用自然语言查询日程、查找特定人员会议或快速创建周期日程。最值得关注的是，日历管理告别了繁琐的手动点选，不过目前仅面向测试用户开放。
Highlight 推出 MCP 通用界面：把 Cursor 体验搬进电脑所有应用
Highlight 创始人 Pim de Witte 宣布推出面向 MCP 服务器的通用界面。它支持基于屏幕上下文调用服务并通过 Tab 键生成内容，试图把类似 Cursor 的交互体验带到电脑上的所有应用中。
X 上线 Grok 回复提问功能：评论区打「grok」直接调出 AI
xAI 确认在 X 上线直接交互功能，用户在回复任意帖子时输入「grok」即可直接向 Grok 提问。这是 xAI 推出 Grok-2 与 Grok-2 mini 后的更新之一。也就是说，刷帖时无需切换应用，就能在评论流里直接让 AI 补充背景或解答疑惑。
传 Meta 即将推出 Llama 4：主打原生语音且支持实时打断
据外媒报道，Meta 计划在数周内发布旗舰模型 Llama 4，重点升级语音功能。该模型为原生处理文本和音频的「全模态」架构，允许用户随时打断说话，体验对标 ChatGPT 的语音模式。此前 DeepSeek 的崛起也促使 Meta 全力加速研发。
微软 AI 负责人力推摆脱 OpenAI：Copilot 试水替换自研模型，进展缓慢
据 The Information 报道，微软 AI 负责人 Suleyman 正推动减少对 OpenAI 的依赖，尝试在 Copilot 中替换进自研 Phi-4 等模型。微软想借此压低高昂的推理成本并强化自主权，不过双方绑定太深且面临技术阻力，实际进展仍显缓慢。
ElevenLabs 联手 Google Cloud：语音 AI 上架云市场，支持 Gemini 2.0 Flash
ElevenLabs 宣布与 Google Cloud 达成合作，其语音 AI 模型现已上架 Google Cloud Marketplace。企业能直接结合 Gemini 2.0 Flash 打造低延迟的对话智能体与多语言配音，无需漫长采购即可在云端规模化部署。
xAI 拿下孟菲斯百万平方英尺地产：继续给 Colossus 超算扩容
大孟菲斯商会宣布，xAI 在西南孟菲斯买下一处 100 万平方英尺（约 9.3 万平方米）的地产，用来进一步扩充其 Colossus 超级计算机集群。除了机房，该园区还配备了全球最大的 Tesla Megapack 储能系统及专用污水回用设施，以降低对当地电网和水资源的负担。
Google 推出 Gemini 文本嵌入模型：登顶 MTEB 榜单，支持更长上下文
Google 在 Gemini API 中上线实验性文本嵌入模型 gemini-embedding-exp-03-07。该模型基于 Gemini 训练，在 MTEB 多语言榜单以 68.32 分登顶，领先第二名 5.81 分。开发者可通过现有的 embed_content 接口直接调用试用。
苹果跳票：更聪明的个性化 Siri 延期到「未来一年」
Apple 证实具备个人情境理解与跨 App 操作能力的全新 Siri 延期，预计延后至未来一年内推出。这类调取邮件找航班、跨应用执行任务的端侧智能体功能，研发难度远超预期。说白了，想要真正懂你的 Siri，大概率得等 iOS 19 了。
美军谈核武库引入 AI：帮算路径和抢时间，但开火按键必须归人类
据 TWZ 报道，美空军与太空军官员在研讨会上阐述了将 AI 整合进核指挥系统（NC3）的设想。军方希望借 AI 加速信息处理并寻找最快、最安全的通信线路，但明确强调开火决策权绝不交给机器，必须由总统最终决定。
