传 Google 联合创始人 Larry Page 秘密创办 AI 制造公司 Dynatomics
据 The Information 报道，Google 联合创始人 Larry Page 正在创办一家名为 Dynatomics 的新公司。团队计划通过 AI 生成高度优化的物体设计并直接由工厂制造，该隐形项目由前 Kittyhawk 首席技术官 Chris Anderson 负责带队操盘。
AI 日报：今天的 AI 新闻
周四
3月6日 星期四
估值 138 亿美元的数据标注巨头 Scale AI，正面临美国劳工部调查
据 TechCrunch 报道，美国劳工部正对数据标注独角兽 Scale AI 展开调查，核查其是否违反《公平劳动标准法》，调查自 2024 年 8 月起持续至今。核心争议在于其是否将本应是正式员工的标注员错误归类为独立承包商，以此规避加班费等福利。Scale AI 则回应称业务模式合规且正与监管层积极沟通。
约翰斯·霍普金斯研发新型仿生手：指尖带触觉，能稳捏装水纸杯
据 StudyFinds 报道，约翰斯·霍普金斯大学团队造出新型仿生假手。它结合 3D 打印骨架与柔性硅胶关节，指尖搭载三层触觉传感器，识别常见物品准确率达 99.69%，能轻端满水塑料杯而不捏瘪。不过抓握力仅 1.8 牛顿，且依赖外接气泵。
ChatGPT macOS 版更新：能直接在本地 IDE 里修改代码了
OpenAI 宣布 ChatGPT macOS 桌面端支持直接在 IDE 中编辑代码。该功能现已向 Plus、Pro 和 Team 用户开放，免费及企业用户随后跟进。写代码不用再来回复制粘贴，不过有早期测试者反馈多文件联动时偶尔会被批量误改，还得备好撤销键。
Tavus 发布三款对话视频模型：表情感知全包，对话卡顿大幅改善
Tavus 推出 Phoenix-3、Raven-0 与 Sparrow-0 三款对话式视频模型并开放 API。三者分别处理高精度面部微表情、实时视觉感知与对话轮换时机，配合智能体 Charlie 可边看屏幕边自然对话，大幅减少了数字人交谈时的生硬停顿。
Hedra 推出 Character-3 与 Studio：图文音全模态生成视频
Hedra 发布 Character-3 模型与 Hedra Studio 平台。该模型能同时处理图像、文本和音频，一步完成口型同步与面部表情动作生成。创作者不再需要分步拼凑多个工具，制作长视频门槛大幅降低。
Mistral 发布 Mistral OCR：1 美元解析千页复杂文档，已上线 Le Chat
Mistral AI 推出文档理解 API Mistral OCR，能精准提取 PDF 和图像中的公式、图表及交错图文。单节点每分钟可处理 2000 页，API 定价每千页 1 美元，并作为默认能力接入 Le Chat。
a16z 发布最新 AI 应用 Top 100：ChatGPT 周活破 4 亿，DeepSeek 居第二
Andreessen Horowitz 发布第四期生成式 AI 消费级应用榜单。ChatGPT 靠 GPT-4o 和 o1 模型推动，周活在 2 月中旬突破 4 亿，不到半年翻倍；DeepSeek 上线仅 10 天便冲上全球流量第二。此外，AI 视频与 Vibe Coding 也在迅速进入日常工作流。
Krea AI 接入 Pika 新功能：支持局部视频修改与插帧
Krea AI 宣布接入 Pika 的多项视频新功能。创作者现在可以直接在视频中圈选修改特定区域、添加 AI 元素、执行帧插值以及混合图像，让视频生成的局部微调变得更加精细。
Convergence 推出 Template Hub：数百个智能体工作流，一键就能用
Convergence 推出集中式模版库 Template Hub，上线了数百个即开即用的智能体工作流。只要点一下，AI 代理 Proxy 就会自动接手干活，用户也能分享自己搭建的模版并追踪运行次数。这意味着复杂的日常流程可以直接抄作业，不用再从零搭建。
麦当劳全面接入 AI：全球 4.3 万家餐厅用边缘计算修冰淇淋机
McDonald's 正向全球 4.3 万家餐厅铺开 AI 改造，涵盖 AI 得来速与智能厨房管理。通过与 Google Cloud 合作部署边缘计算，厨房设备接入传感器进行预测性维护，希望能解决麦旋风冰淇淋机频繁罢工的顽疾，减轻员工压力。
DuckDuckGo 升级 AI 功能：免登录匿名用大模型，不喜欢还能一键关掉
DuckDuckGo 宣布 Duck.ai 聊天结束测试，并升级搜索 AI 摘要功能。用户无需注册即可免费匿名调用 GPT-4o mini、Claude 3 Haiku 等大模型，聊天记录仅保存在本地设备；如果不想被 AI 打扰，还可以在设置中将出现频率降为 0 彻底关掉。
腾讯混元开源图生视频模型：130 亿参数，自带音效与对口型
腾讯混元正式开源图生视频模型 HunyuanVideo-I2V，权重与 LoRA 训练代码全公开。模型总参数量 130 亿，传一张图就能生成带音效的 5 秒 2K 视频，还支持动作驱动和人物对口型。普通用户可在混元官网体验，开发者可在 GitHub 直接下载。
Google 升级医疗模型 AMIE：从确诊跨到慢病管理，表现媲美初级医生
Google 升级医疗 AI 系统 AMIE，将其能力从单次诊断扩展至长期疾病管理。系统采用双智能体架构结合临床指南，在 100 场多次就诊模拟测试中，治疗规划能力达到或超过了初级医生。不过该成果仍基于模拟问诊，尚未进入真实临床。
Anthropic 升级开发者控制台：支持多人协作提示词与深度思考调节
Anthropic 宣布改版 Anthropic Console。开发者现在可以直接在控制台内共享并协作编写提示词，告别以往靠文档复制粘贴的混乱。新版还接入了 Claude 3.7 Sonnet，支持手动控制思考 token 预算，并一键生成上线代码。
国产智能体 Manus 爆火：号称碾压 OpenAI，实测却频频翻车
上周，初创公司 Butterfly Effect 推出通用智能体 Manus 开启内测，邀请码在闲鱼炒至数千元。官方宣称其在 GAIA 基准上超越 OpenAI，但实际调用 Claude 与千问等多模型协作。早期用户实测发现，它在订餐、订票及写游戏时频频崩溃、陷入死循环，目前仍处于压力测试阶段。
周三
3月5日 星期三
Prime Video 测试 AI 配音：先给 12 部影视片补上英语与西语
Amazon 旗下流媒体 Prime Video 宣布正在测试 AI 辅助配音，首批涵盖 12 部此前缺乏配音支持的影视内容。该功能支持英语与拉美西班牙语，由 AI 配音结合人类专业人员把控质量，旨在低成本为片库补齐多语种音轨。
Qwen 正式上线 QwQ-32B：320 亿参数推理模型，对标 DeepSeek-R1
Qwen 正式发布 320 亿参数的新推理模型 QwQ-32B。该模型基于 Qwen2.5-32B 研发，通过强化学习扩展显著提升了数学与编程能力。最值得关注的是，阿里团队证实了持续扩展强化学习能让中等尺寸模型直接抗衡庞大的 MoE 架构。
Perplexity macOS 版上线语音模式：按快捷键直接开口搜
Perplexity 为其 macOS 客户端上线全新语音模式。用户按下快捷键 ⌘ + ⇧ + M 即可直接开口提问和搜索，无需手动打字。通过 Mac App Store 下载或更新应用即可体验。
OpenAI 推送 GPT-4.5：史上最大模型，Plus 用户分批尝鲜
OpenAI 开始向 ChatGPT Plus 订阅用户推送新模型 GPT-4.5，预计一到三天内铺开。它是 OpenAI 迄今最大的模型，长于日常对话、常识理解并减少了幻觉；但官方直言它不是推理模型，复杂逻辑并不拔尖，且 API 生成价格高达 GPT-4o 的 15 倍。
D-ID 联手微软 Azure：把实时 AI 数字人做进 Teams 和企业应用
D-ID 宣布与微软合作，将其实时 AI 数字人技术引入 Microsoft Azure。企业和开发者可在 Azure Marketplace 获取工具，为 Teams 等应用接入具备多语言实时口型同步甚至手语翻译能力的数字人，改善无障碍沟通与交互体验。
Google 搜索推出 AI Mode：引入 Gemini 2.0，支持深度追问
Google 宣布将 Gemini 2.0 引入美区 AI Overviews，提升编程与数学推理能力，青少年及未登录用户也可使用。同时，Google 在 Labs 推出实验性「AI Mode」，利用多步检索拆解复杂问题并支持多轮追问。目前优先向 Google One AI Premium 订阅用户开放测试。
iOS 18.4 测试版新看点：App Store 评论区支持 AI 自动摘要
据报道，Apple 在 iOS 18.4 beta 2 的 App Store 中加入了由 Apple Intelligence 支持的评价摘要功能。系统会自动汇总用户评价的核心观点并置顶展示，每周至少刷新一次。目前该功能已在美区面向英文应用开放测试，年内将支持更多语言。
LTX Studio 发布开源视频模型 LTXV 0.9.5：开放商用，支持关键帧与 ComfyUI
LTX Studio 发布开源 AI 视频模型 LTXV 0.9.5。新版本开放了商用授权，加入关键帧控制能力，提升了分辨率和画面质量，生成的视频片段更长且伪影更少。最值得关注的是它原生支持 ComfyUI，创作者可以直接接入本地工作流。
广告巨头 WPP 投资 Stability AI：把视觉模型搬进自家营销系统
Stability AI 宣布获得全球广告巨头 WPP 的战略投资并达成合作。WPP 将把 Stability AI 的图像、视频、3D 和音频模型整合进其 AI 系统 WPP Open，用于广告创意与测试。这也是 Stability AI 换帅后在企业商业化上迈出的关键一步。
OpenAI 拟推高端智能体：月费最高 2 万美元，主打博士级能力
据报道 OpenAI 正筹划推出一系列专业 AI 智能体，月订阅费在 2000 至 20000 美元之间。服务分为商务专业、软件开发和博士级研究员三档，软银据传已承诺注资 30 亿美元。OpenAI 押注企业愿意为顶尖专业能力的自动化支付媲美高管年薪的溢价。
新晋图灵奖得主发出警示：AI 企业仓促上线模型无异于草菅人命
因开创强化学习而斩获图灵奖的科学家 Andrew Barto 和 Richard Sutton 警告，当前 AI 厂商被商业利益驱动，在未充分测试且缺乏防护的情况下仓促推向大众，就像「造了桥直接让人上去测安全性」。
Google Shopping 升级 AI 工具：生图找衣服同款，还能虚拟试全妆
Google 为 Google Shopping 推出多项 AI 工具。全美用户可用 Vision Match 文字描述衣服，由 AI 生图并匹配可买同款；AR 试妆支持一键试全套妆容，虚拟试衣也扩展至裤装。最值得关注的是，搜索正直接把脑内想象变成现实商品。目前主要面向美国开放。
Windsurf 发布 Wave 4 更新：网页报错点选回传，Tab 一键补齐 Import
Codeium 正式发布 Windsurf Editor 的 Wave 4 更新。新版本上线 Previews 功能，点击网页元素或报错就能直接把上下文塞回 Cascade 智能体；同时支持 Tab 键自动导包、Linter 自动纠错且修复不扣额度。Vibe Coding 调试时的复制粘贴痛点被大幅减轻。
苹果发布 M4 版 MacBook Air：起售价降至 999 美元，标配 16GB 内存
Apple 发布搭载 M4 芯片的新款 MacBook Air。新机起步配置升级至 16GB 统一内存，起售价降至 999 美元；内置的神经网络引擎将端侧 AI 任务速度相比 M1 最高拉高 3 倍，专门针对 Apple Intelligence 优化。新机即日开启预购，3 月 12 日发售。
Apple 发布新 Mac Studio：最高 512GB 内存，本地跑 6000 亿大模型
Apple 推出全新 Mac Studio，搭载 M4 Max 与新 M3 Ultra 芯片。新机最高可选 512GB 统一内存与 16TB 存储，并支持雷雳 5。最关键的是，它能完全在本地内存中运行超过 6000 亿参数的大模型，大幅降低了本地跑前沿 AI 模型的门槛。
Uber 联手 Waymo 在奥斯汀推无人车：直接开进特斯拉大本营
Uber 与 Waymo 在得州奥斯汀上线无人驾驶打车服务。呼叫普通 Uber 的乘客无需加价，就能随机匹配到捷豹纯电自动驾驶车，也可以自主选择参与或退出。两家公司直接把无人车开到了特斯拉总部大本营，抢先一步落地运营。
《我的世界》Jenny Mod 详解：成人向虚拟伴侣模组的玩法与设定
TechBullion 介绍了《我的世界》Java 版的成人向模组 Jenny Mod。该模组在游戏中加入名为 Jenny 的虚拟伴侣，具备传送等技能，部分版本支持 AI 互动与外观定制。模组专供成人单人游玩，需借助 Forge 或 Fabric 安装。
xAI 开放 Grok 语音模式：所有 iOS 用户均可免费使用
xAI 在 Grok iOS 应用中面向所有用户免费上线语音模式（Voice Mode），无需付费订阅即可进行语音对话。这意味着 Grok 正在降低多模态交互的使用门槛，直接在移动端与其他主流 AI 助手竞争。
法官驳回马斯克禁令申请：OpenAI 营利性重组暂不叫停
周二，加州联邦法官驳回了马斯克阻止 OpenAI 转变为营利性实体的初步禁令申请，称原告未能证明获得救济所需的充分理由。这意味着 OpenAI 的改组暂时不受禁令阻碍，但马斯克提起的违约及反垄断诉讼其他部分仍将继续推进。
周二
3月4日 星期二
洛杉矶时报上线 AI 偏见分析：自动给文章贴标签、补相反观点
Yesterday morning，Los Angeles Times 老板 Patrick Soon-Shiong 宣布引入 AI 为带个人观点的文章打上「Voices」标签，并在文末生成包含不同视角的「Insights」要点。但未经编辑审核的 AI 分析刚上线就引发争议，工会也质疑此举无助于提升媒体公信力。
Google Messages 上线 AI 诈骗检测：端侧实时盯住陌生人套路
Google 宣布为 Google Messages 推出端侧 AI 诈骗检测功能。该工具可在手机本地实时分析 SMS 与 RCS 短信，专门盯防那些看似正常却半路露馅的社交工程套路并弹出预警。目前该功能默认开启，首批推送给美、英、加三国的英语用户。
微软推出原生 Windows Copilot：更新界面与侧边栏
Microsoft 向 Windows 预览体验成员推送新版 Copilot 应用。在转成简易网页版近一年后，该应用换回原生架构，采用类似 macOS 版的新界面和侧边栏，支持语音交互与历史记录查看。新版已上线微软商店测试，预计数周内向全部 Windows 11 推送。
德国电信联手 ElevenLabs：Magenta AI 能把新闻一键变播客
德国电信宣布与 ElevenLabs 达成战略合作，将其 Gen FM 技术接入 Magenta AI 应用。用户能在几秒内把新闻文章转成高质量沉浸式播客，或按提示词定制音频内容。德国电信同时参投了 ElevenLabs 的 C 轮融资，未来计划将语音能力扩展至更多服务。
ElevenLabs 接入 Claude 3.7 Sonnet：给语音 Agent 装上推理大脑
ElevenLabs 宣布在其 Conversational AI 平台接入 Claude 3.7 Sonnet。开发者现在可以结合该模型的混合推理能力与拟真语音，构建幻觉更少、长对话表现更稳的客服与虚拟导师 Agent。
Apple 推出 M3 版 iPad Air：AI 算力提速 60%，起售价 599 美元
Apple 正式发布搭载 M3 芯片的新款 iPad Air，专为 Apple Intelligence 设计。新机提供 11 与 13 英寸两种尺寸，神经网络引擎比 M1 快达 60%，起售价维持 599 美元，同时推出了适配的新款妙控键盘。
首款 AI 赋能空客 A320 模拟机发布：AI 航管地勤全流程陪练
Infinity Sim Wings 推出首款 AI 赋能的空客 A320 模拟机。模拟机集成了 AI 空中交通管制、AI 地勤与机组协同，为飞行员提供全流程真实运行环境，便于在地面安全演练机组资源管理与突发应对。
OpenAI 发起 NextGenAI 联盟：出资 5000 万美元支持 15 所名校科研
OpenAI 宣布成立 NextGenAI 联盟，承诺向哈佛、MIT、牛津等 15 家机构提供 5000 万美元的资助、算力与 API 接口。重点支持罕见病诊断、珍本古籍数字化等科研落地，进一步把自身生态推进顶尖学府。
周一
3月3日 星期一
拿《超级马里奥》测 AI：Claude 3.7 夺冠，o1 因想太久频频掉坑
上周五，加州大学圣迭戈分校 Hao AI Lab 用《超级马里奥兄弟》测试大模型。Anthropic 的 Claude 3.7 表现最好，而 OpenAI o1 等推理模型反而垫底。原因很现实：游戏极吃即时反应，推理模型一步要想几秒钟，马里奥早就掉进坑里摔死了。
台积电再投 1000 亿美元赴美建厂：增建两座晶圆厂造 AI 芯片
台积电宣布将投资至少 1000 亿美元扩大美国芯片制造规模。这笔资金将在亚利桑那州增建两座新工厂，用于生产最先进工艺与 AI 芯片。台积电此前已在当地承诺投资 650 亿美元，1 月份第一座工厂已投产 4 纳米芯片。
加州再推 AI 安全新提案 SB 53：重点保护吹哨人并筹建公共算力
曾起草 SB 1047 的加州参议员推出新法案 SB 53。该法案吸纳了此前争议最小的条款，重点保护敢于揭发 AI 重大风险的内部员工，防止公司报复，并计划筹建公共云算力集群 CalCompute，供科研人员和初创公司使用。
Google 升级 Colab：内置 Data Science Agent 帮洗数据写代码
Google 为 Colab 笔记本整合了「Data Science Agent」智能体。它基于 Gemini 2.0，用户上传 1GB 内的 CSV 或 JSON 文件后，用自然语言就能清洗数据、做可视化或写 SQL。本周起免费开放，但受算力额度限制。
Google 推出自然保护三项 AI 举措：开源物种识别模型 SpeciesNet
Google 宣布三项利用 AI 保护自然的举措。其中包括启动面向美洲的 AI 自然初创加速器、提供 300 万美元资助巴西生态项目，并开源野生动物识别模型 SpeciesNet。该模型可通过红外相机照片自动辨认物种，方便科研团队和开发者低门槛监测生物多样性。
德国电信联手 Perplexity 打造 AI 手机：锁屏直达助手，告别 App
德国电信宣布与 Perplexity 合作开发「AI Phone」，把 Perplexity 助手直接搬上锁屏界面，省去在 App 间来回切换。手机预计年内发售且定价低于 1000 美元，还将整合 ElevenLabs 等工具。Perplexity 借此尝试从「问答机」走向执行日常任务的「行动机」。
Stability AI 联手 Arm：手机离线跑音频生成，提速 30 倍
Stability AI 宣布与 Arm 合作，把音频生成模型 Stable Audio Open 搬上智能手机。借助 Arm KleidiAI 优化，无需联网即可在 CPU 上运行，生成 11 秒音频从 4 分钟缩至 8 秒内，提速达 30 倍。
Opera 预览 Browser Operator：AI 智能体直接在浏览器帮你跑腿
Opera 预览了内置 AI 智能体 Browser Operator。它直接在本地读取网页 DOM 树来帮用户买东西、订票或整理信息，不靠截屏识别也不走云端服务器，登录数据完全留在本地，关键步骤支持人工接管。该功能近期将加入 AI Feature Drop 测试。
无人驾驶玛莎拉蒂飙到 318 公里：创自动驾驶陆地极速新纪录
上周，一辆无人驾驶的玛莎拉蒂 MC20 跑车在肯尼迪航天中心跑出 197.7 mph（约 318 km/h），刷新了自动驾驶车辆的全球陆地速度纪录。该车搭载米兰理工大学研发的算法，团队希望借极端速度极限施压算法，进而反哺普通公路自动驾驶的安全性。
Google 升级 Gemini：支持边拍视频边提问，还能看懂手机屏幕
Google 在 MWC 2025 上展示了 Gemini 的新能力，支持实时共享手机屏幕提问，以及在拍摄视频时边拍边问。比如网购阔腿裤时能直接让它推荐穿搭。两项功能将于本月晚些时候面向 Android 平台的 Gemini Advanced 订阅用户推送。
Anthropic 完成 35 亿美元 E 轮融资：估值达 615 亿美元，Lightspeed 领投
Anthropic 宣布完成 35 亿美元 E 轮融资，投后估值达 615 亿美元，由 Lightspeed 领投。这笔资金将用于扩充算力、研发下一代 AI 系统以及深化模型可解释性与对齐研究。紧随 Claude 3.7 Sonnet 的发布，大模型头部军备竞赛正进一步加速。
微软发布 Dragon Copilot：融合听录与环境感知，统一医疗语音助理
微软发布医疗 AI 助手 Dragon Copilot。它整合了 Dragon Medical One 的语音听写与 DAX Copilot 的环境感知能力，支持自动生成多语言病历并处理医嘱，单次就诊可节省 5 分钟。产品预计 5 月在美加正式推出。
Meta 公布 Avat3r：只需 4 张自拍照，几分钟捏出可动逼真头像
Meta 与慕尼黑工业大学研究团队公布论文 Avat3r，仅凭 4 张手机自拍和几分钟计算，就能生成可驱动的照片级 3D 头像。它借助视觉 Transformer 预测 3D 高斯，砍掉了以往百台相机或数小时渲染的门槛；不过目前在 RTX 3090 上仅跑 8 FPS，尚无法实时渲染。
周日
3月2日 星期日
苹果 AI 推进受阻：对话式 Siri 或延至 iOS 20，使用率被曝极低
据彭博社最新通讯披露，苹果在 AI 落地上面临多重技术阻碍，更像 ChatGPT 的对话式 Siri 进展落后，员工认为最早要到 iOS 20 才会上线。内部数据还显示 Apple Intelligence 实际使用率极低，iOS 19 恐难见重大 AI 更新。
周五
2月28日 星期五
全球最大呼叫中心部署 AI：实时消除印度员工口音，股价却跌了 11%
据彭博社报道，全球最大外包呼叫中心巨头 Teleperformance 宣布采用 Sanas 的 AI 技术，零延迟中和印度客服员工口音。虽然高管坚称这能缩短通话时间并提升满意度，但在宣布向 AI 投入高达 1.04 亿美元后，其股价大跌 11%，市场显然对这笔巨额开支和舆论争议存疑。
Google Sheets 迎来 Gemini 升级：自动挖掘数据洞察，还能画热力图
Google 宣布为所有 Workspace 商业用户的 Sheets 接入全新 Gemini 分析能力。用户现在可以直接让 AI 分析数据相关性、检测异常值，甚至一键生成热力图等可视化图表。点击右上角火花图标提问即可，省去了手写复杂公式的麻烦。
OpenAI 联手美九大国家实验室：千名科学家进场用 AI 攻坚科研
OpenAI 联合美国能源部下属九大国家实验室举办「千名科学家 AI Jam Session」。来自橡树岭、伯克利等实验室的千余名研究人员利用前沿模型探索科研难题，并向技术团队反馈需求与评估。后续还将发布报告总结 AI 在科研领域的实际应用。
OpenAI 视频生成工具 Sora 正式在欧盟与英国上线
OpenAI 宣布旗下 AI 视频生成工具 Sora 正式进入欧盟和英国市场。这意味着当地用户现在也可以直接体验 Sora 的视频生成功能，进一步扩大了该产品的可用地区范围。
周四
2月27日 星期四
亚马逊 CEO 剧透秋季硬件：全新高颜值设备，配合 AI 版 Alexa
亚马逊 CEO Andy Jassy 在彭博社采访中透露，公司将于秋季推出一批外观极具设计感的新硬件，专门配合升级后的智能助手 Alexa Plus。此前亚马逊刚发布了具备更强对话能力的 Alexa Plus，硬件团队也暗示新设备将更加侧重屏幕体验。
曝 Meta 拟推独立 Meta AI 应用：测试付费订阅对标 ChatGPT
据 CNBC 报道，Meta 计划在第二季度推出独立的 Meta AI 移动应用，并测试付费订阅服务，直接对标 ChatGPT。此前 Meta AI 仅内置于社交软件与网页端。独立成 App 有助于沉淀聊天记录并跨硬件打通体验。
微软升级 Azure AI Foundry：上线 GPT-4.5，支持私网智能体与百模协同
微软宣布 Azure AI Foundry 迎来重大更新，正式在 Azure OpenAI 服务上线 GPT-4.5 预览版。平台同步增加了代码优先的模型蒸馏工具、私有虚拟网络支持，以及能并行调度数百个智能体的 Magma 协作架构。
Figure AI 提速：2025 年开启人形机器人家庭 Alpha 测试
Figure CEO 确认将于 2025 年晚些时候开启人形机器人 Figure 02 的家庭场景 Alpha 测试，进度比原计划提前了两年。这主要得益于其自研的 Helix 模型。不过家庭环境远比工厂复杂，目前的测试仍处于极早期。
Oculus创始人再创业做Sesame：拟真语音叫板主流助手，还要造AI眼镜
Oculus 前 CEO 创办的 Sesame 结束隐身状态，公布极具拟真表现力的语音技术并开放体验，同时宣布正在研发全天候陪伴的 AI 眼镜。该模型支持自然打断与流畅互动，官方计划在未来数月开源并支持 20 多种语言。
Ideogram 发布 2a 模型：价格腰斩 50%，数秒生成拟真图文
Ideogram 发布最新图像模型 Ideogram 2a，主打更快速度与高拟真图文排版生成。最关键的是，2a 定价比上一代 2.0 便宜了 50%，并在主站和 API 同步开放。同时官方还推出了免登录即可查看提示词的公开 Feeds，进一步降低使用门槛。
Pika 发布 2.2 版本：支持 1080p 与 1 至 10 秒关键帧过渡
Pika 推出 Pika 2.2，支持 10 秒视频生成与 1080p 分辨率。新版加入了关键帧过渡功能 Pikaframes，允许创作者在 1 至 10 秒内精确控制画面转换。目前新功能已上线官网开放体验。
大疆发布机巢 Dock 3：支持车载移动起降，起售价超 2 万美元
DJI 发布第三代无人机机巢 Dock 3，首次支持通过选配云台在行驶中的车辆上起飞。新机巢适配 Matrice 4D 和 4TD 无人机，防护等级提升至 IP56，通信距离达 10 公里，起售价 21059 美元。不过自动化航线仍需操作员提前规划设定。
Mystic 推出结构参考工具：精准控制 AI 出图结构与构图
Mystic 推出 Structure Reference 功能。该工具允许用户在生成图像时精准控制画面结构的完整度，支持从卡通到写实风格的转换，可用于电影、3D、游戏及建筑设计等多种场景。
Meta 发布 Aria Gen 2 眼镜：端侧跑 SLAM，专为机器人和具身感知打造
Meta 发布第二代研究眼镜 Aria Gen 2，用于第一视角与机器人感知研究。新眼镜重约 75 克，搭载定制低功耗芯片，支持端侧运行 SLAM、眼动和手势追踪，鼻托还塞进了心率与拾音传感器。目前主要面向合作实验室开放。
You.com 推出企业研究智能体 ARI：5 分钟分析 400 个信源
You.com 推出企业级智能体 ARI。它能在 5 分钟内同时分析多达 400 个信源，展示思维链推理过程，并自动生成带可验证来源、图表甚至格式化 PDF 的专业报告。企业目前可在 You.com Labs 申请预览。
AWS 推出量子芯片 Ocelot：把量子纠错成本砍掉最多 90%
AWS 发布新型量子计算原型芯片 Ocelot，采用猫量子比特架构，可将量子纠错所需资源与成本降低最高 90%。它首次将纠错组件集成到可扩展微芯片上，能天然抑制环境干扰，有望让实用容错量子计算提前最多 5 年到来。
OpenAI 发布 GPT-4.5 预览版：扩展无监督学习，情商与常识再升级
OpenAI 发布旗下规模最大的大模型 GPT-4.5 研究预览版。该模型通过大幅扩展无监督学习与算力，增强了知识深度、意图理解与共情对话能力，并降低了幻觉。目前已向 ChatGPT Pro 用户与付费 API 开发者开放。
黄仁勋称 AI 计算需求激增 100 倍：推理模型让算力消耗不降反升
Nvidia CEO 黄仁勋表示，由于分步推理机制普及，新一代 AI 的计算需求已比 ChatGPT 发布时暴增 100 倍。他反驳了市场对算力见顶的担忧，强调推理模型实际上需要更多芯片支撑。目前其在华收入占比已腰斩，但开发者仍会通过软件寻找出路。
周三
2月26日 星期三
微软发布 Phi-4 小模型：支持音画同传，端侧跑出多模态
微软发布端侧小模型 Phi-4-multimodal（5.6B）与纯文本模型 Phi-4-mini（3.8B）。其中 5.6B 模型能在单架构内同时处理语音、图像和文本，并在 OpenASR 榜单以 6.14% 词错误率登顶，后续将集成进 Copilot+ PC。
Inception Labs 发布 Mercury Coder：首个扩散代码模型，每秒超 1000 token
Inception Labs 推出首个商业级扩散语言模型 Mercury Coder，抛弃传统的逐字预测，改用类似图像生成的并行去噪方式生成代码。在英伟达 H100 上每秒可输出超 1000 token，性能对标 GPT-4o Mini 但速度最高快 10 倍。这意味着无需专用芯片也能大幅压低推理延迟与成本。
Mark 推出 129 美元 AI 书签 Mark 1：钛金属机身，能自动生成读书摘要
初创公司 Mark Engineering 推出售价 129 美元的 AI 智能书签 Mark 1。它采用钛金属打造，配备小屏幕与旋钮，搭配 App 能记录阅读进度并自动生成章节摘要与重点摘录。它试图把纸质阅读数字化，但具体硬件细节与后续是否收取订阅费尚未完全公开。
Microsoft Copilot 登陆 Mac：快捷键一键唤醒，语音支持随时打断
Microsoft Copilot 正式上线 Mac 平台。新版支持使用 Option + 空格快捷键在任意应用上方全局呼出，内置播客风格的 Copilot Daily 音频资讯，其语音对话还支持随时打断和纠错。Mac 用户无需频繁切换窗口即可随手调用 AI 助手。
Amazon 推出生成式 AI 助手 Alexa+：能跨平台自主办事，Prime 会员免费
Amazon 推出基于生成式 AI 的全新助手 Alexa+。它不仅支持自然对话与四种个性化语气，还能跨第三方平台自主预订服务或处理家务。最值得关注的是它具备完整的代理能力，单月订阅 19.99 美元，Prime 会员可免费使用。
特朗普转发加沙 AI 宣传片引众怒：连铁粉都批「极度恶俗」
特朗普在 Truth Social 转发了一段 AI 生成的加沙改造视频。片中加沙被描绘成纸醉金迷的度假村，不仅出现半裸的内塔尼亚胡和跳舞的马斯克，还立起特朗普巨型金像。画面发布后招致强烈反弹，连铁杆支持者也纷纷批评其低俗荒诞。
ElevenLabs 推出语音转文本模型 Scribe：支持 99 种语言，准确率超 Whisper
ElevenLabs 推出首个语音转文字模型 Scribe。该模型支持 99 种语言转录，提供词级时间戳、说话人分离及笑声等非语音事件标记，基准测试表现超过 Whisper Large V3。目前已开放 API 和网页端，低延迟实时版本即将上线。
高通发布工业级品牌 Dragonwing：发力边缘 AI 与工业物联网
高通宣布推出全新工业与企业级品牌 Dragonwing，覆盖工业物联网及网络基础设施。其中 IQ 系列具备 100 INT8 TOPS 算力并耐受极端温度，Q 系列主打低功耗边缘 AI 与 Wi-Fi 7。这意味着高通将消费级骁龙与工业产品线拆分，正面迎战 AMD 与英伟达。
IBM 开源 Granite 3.2：带「思考开关」的推理模型与 2B 视觉模型
IBM 开源推出 Granite 3.2 系列，采用 Apache 2.0 协议并上线 Hugging Face。新模型涵盖 2B 和 8B 文本推理模型，开发者可通过 API 参数自由开关「思考模式」，同时带来主打企业文档理解的 2B 视觉语言模型。
Wonder Dynamics 推出动作预测：演员被挡住也能还原 3D 动作
Wonder Dynamics 推出 AI 模型 Motion Prediction，专门解决无标记动作捕捉中的遮挡难题。即使演员被障碍物遮挡或身体局部出画，模型也能自动补全连贯姿态并减少滑步，已集成至 Wonder Animation。
阿里开源 Wan2.1 视频模型：登顶 VBench，4090 显卡也能跑
阿里通义实验室开源视频生成模型套件 Wan2.1，包含 14B 和 1.3B 两个版本，在关键基准上跑分超过 Sora，生成速度提升 2.5 倍。模型支持视频生音频与中英双语文字渲染，轻量版在单张 RTX 4090 显卡上 4 分钟即可生成 5 秒视频。
Hume AI 发布 Octave：懂语境的 TTS，能听出讽刺与怒气
Hume AI 推出语音大模型 Octave，主打让 TTS 真正理解文本语境。它能推断台词里的反讽与恐惧，自动调整音调与节奏，还支持用提示词定制音色与表演指令。盲测中其音质与自然度评分均超过 ElevenLabs。
周二
2月25日 星期二
xAI 上线 Grok 3 语音模式：带「失控」和 18+ 人格，能爆粗口与尖叫
xAI 为 Grok 3 推出全新语音交互模式，面向高级订阅用户开放。该功能提供未过滤的「失控」与 18+「性感」等人格，不仅会爆粗口、尖叫挂断，还能模拟语音性爱。最值得关注的是，xAI 彻底放开内容审查，与 OpenAI 形成鲜明反差。
ChatGPT 免费版支持高级语音：GPT-4o mini 驱动，每天限时体验
OpenAI 宣布向所有 ChatGPT 免费用户开放高级语音模式预览，底层由成本更低的 GPT-4o mini 驱动。它的语调与对话节奏接近 GPT-4o 旗舰版，但设有每日使用限额，剩余 3 分钟时会弹出提醒，额度耗尽自动结束。
Apptronik 联手制造巨头 Jabil：让人形机器人 Apollo 进厂造自己
人形机器人创企 Apptronik 宣布与制造巨头 Jabil 达成试点合作。Apollo 机器人将入驻 Jabil 工厂负责分拣和物料搬运等任务；一旦通过商业化验证，Jabil 还将直接代工该机器人，目标 2026 年量产。
Poe 推出 Poe Apps：一句话组合多种模型，直接生成可视化应用
Quora 旗下 Poe 推出 Poe Apps 功能。用户只要在 App Creator 中用自然语言描述需求，就能借助 Claude 3.7 Sonnet 自动编写界面与 JavaScript 逻辑，随意混搭 GPT-4o、Flux 等不同模型。应用支持公开分享，目前仅限网页端，未来还将开放创作者变现。
微软 Copilot 全面取消限制：免费无上限使用语音与 o1 深度思考
微软宣布向所有免费用户无限制开放 Copilot 的语音模式与 Think Deeper 深度思考功能，直接解除之前的次数与时长限制。其中深度思考由 OpenAI o1 模型驱动，支持更长的连续复杂推理。每月 20 美元的 Pro 订阅依然保留，高峰期免费版可能会遇到延迟。
Adobe 推出新版 iPhone Photoshop：自带图层，支持 Firefly 生成式填充
Adobe 推出全新的 Photoshop iPhone 应用，整体体验更接近桌面版。免费版支持图层、蒙版以及 Firefly 生成式填充与扩展功能；魔棒与仿制图章等高级工具需订阅。Android 版预计年内上线。
OpenAI 发布 Deep research 系统卡：o3 驱动，四项前沿风险评为中等
OpenAI 发布 Deep research 系统卡，披露其在面向 Pro 用户推出前的安全评估细节。该功能由针对网页浏览优化的早期 o3 模型驱动，在网络安全、模型自主性等四项前沿风险评估中均获中等评级，重点强化了防范提示词注入与隐私保护能力。
Google 上线 Gemini 2.0 Flash-Lite：推理更强且大幅降价，开放 API
Google 宣布 Gemini 2.0 Flash-Lite 正式在 Gemini API 上线，支持 Google AI Studio 生产环境及 Vertex AI 企业客户。该模型推理与数学基准超越 1.5 Flash，支持 100 万 token 上下文，输入百万 token 仅需 0.10 美元。
传 DeepSeek 提前研发节奏：新一代推理模型 R2 或抢跑发布
据外媒报道，DeepSeek 正在加速下一代推理模型 R2 的发布节奏。知情人士透露，团队原计划 5 月初推出 R2，如今希望尽早发布。新模型将重点提升编程能力，并增强非英语的多语言推理表现，进一步趁胜追击扩大自身优势。
DeepSeek 火爆拉动算力：腾讯阿里字节大幅追加英伟达 H20 订单
据路透社报道，受 DeepSeek 低成本模型需求爆发推动，腾讯、阿里和字节跳动近期大幅增加了英伟达 H20 芯片订单。医疗和教育等中小型公司也开始采购相关服务器。这缓解了此前市场对高效率模型可能导致算力需求萎缩的担忧。
抗议英国版权法倒向 AI：上千名音乐人联合发了一张「无声专辑」
Kate Bush、Hans Zimmer 等 1000 名音乐人联合发布无声专辑《Is This What We Want?》，抗议英国政府拟推行的版权法改革。新规拟允许 AI 开发者直接使用网络内容训练，除非创作者主动声明退出。整张专辑由空录音室的环境白噪音组成，12 首曲目连起来正是一句抗议标语。
