NotebookLM 核心团队离职创业：主导爆款播客后，转做大众消费级 AI
Google NotebookLM 负责人 Raiza Martin 携核心设计师与工程师离职，创办隐形 AI 初创公司。他们表示将利用最新前沿模型打造以普通人为中心的消费级产品。目前新公司名称及具体业务细节均未公开。
AI 日报：今天的 AI 新闻
周三
12月4日 星期三
Sam Altman 调低 AGI 预期：来得比想象快，但影响远没那么大
OpenAI CEO Sam Altman 在 DealBook 峰会上表示，AGI 的到来会比想象更快，但影响远没那么大。他认为安全问题不会在 AGI 瞬间爆发，真正的剧变属于之后的超级智能。外媒指出，宣布达成 AGI 正好是 OpenAI 摆脱微软独家商业协议的关键节点。
OpenAI 开启 12 天发布季：传视频模型 Sora 和新推理模型将上线
据 The Verge 报道，OpenAI 计划从 12 月 5 日起连续 12 天每天推出新功能或演示。知情人士透露，发布内容预计包括备受期待的视频生成工具 Sora、全新推理模型，以及 ChatGPT 圣诞语音等彩蛋。
AdCreative.ai 推出电商视频模型：单张产品图变 16 秒广告片
AdCreative.ai 推出产品视频生成模型 Product VideoShoot。它基于广告大模型 AdLLM，能把静态产品图直接转成 16 秒 1080p 广告片，支持镜头缩放与运镜控制。最值得关注的是其融入了转化预测数据，目前向 Pro 和 Enterprise 用户开启 Beta 测试。
Spotify 联手 NotebookLM：把年度听歌报告做成双人 AI 播客
Spotify 联合 Google 推出 2024 年度 Wrapped AI 播客。借助 NotebookLM 的音频概览技术，两位 AI 主播会像录播客一样畅聊你的个人听歌偏好与音乐品味演变。不过目前仅限美、英、加等英语地区用户限时体验。
Anduril 联手 OpenAI：将前沿 AI 模型接入国家安全与反无人机系统
国防科技公司 Anduril 宣布与 OpenAI 达成战略合作。双方计划将先进 AI 模型整合进 Anduril 的 Lattice 平台与防卫系统，重点增强反无人机威胁的实时监测与响应能力。换句话说，前沿大模型正在加速进入一线国防与防空实战。
Sam Altman：AI 超级智能带来的冲击将远超想象
OpenAI 首席执行官 Sam Altman 在峰会上预测，2025 年行业或将迎来首批能调用不同工具完成复杂任务的 AGI 系统。他表示，起初超级智能影响看似轻微，但长远来看对就业与社会的冲击会比人们预期的剧烈得多。
DeepMind 推出 GenCast：15 天天气集合预报超越欧洲中期中心
Google DeepMind 推出 AI 天气集合预报模型 GenCast 并开源代码和权重。在 1320 项指标测试中，它有 97.2% 胜过欧洲中期天气预报中心 ENS；单张 TPU 仅需 8 分钟即可跑完 15 天预测。
DeepMind 发布 Genie 2：一张图生成可玩 3D 世界，键鼠直接操控
Google DeepMind 发布基础世界模型 Genie 2。输入一张静态图片，它就能推演生成支持键鼠操控的 3D 互动环境，最长维持 1 分钟一致性。这意味着研究者无需依赖预设游戏，就能为具身智能体批量打造无限的训练场景。目前该技术仍处于早期研究阶段。
OpenAI 挖走 DeepMind 视觉三人组：入驻苏黎世新办公室攻坚多模态
OpenAI 宣布招揽了 Google DeepMind 的三名资深计算机视觉专家 Lucas Beyer、Alexander Kolesnikov 与 Xiaohua Zhai。三人将在 OpenAI 新设立的瑞士苏黎世办公室开展工作，专注于多模态 AI 研发。这也意味着顶尖实验室对稀缺视觉人才的争夺进一步升级。
周二
12月3日 星期二
Meta 内部编程工具被曝同时使用 GPT-4 与自家 Llama
据 Fortune 报道，Meta 内部编程工具 Metamate 虽搭载自研 Llama，但至少从今年初起也在引入对手 OpenAI 的 GPT-4。工具会根据提问类型在两家模型间切换。扎克伯格名下的慈善基金会同样在采购 OpenAI 服务。
Google 开放视听创作底牌：Imagen 3 正式上线，Veo 开启企业私测
Google 宣布 Imagen 3 全面开放给 Vertex AI 客户，视频生成模型 Veo 也开启私测。Veo 支持图生视频与局部编辑，最长可输出 6 秒高画质片段。这意味着 Google 开始将前沿多模态能力塞进企业云服务，不过 Veo 目前仍需申请预览资格。
OpenAI 聘请首位首席营销官：挖来 Coinbase 高管 Kate Rouch
OpenAI 聘请 Coinbase 前全球营销主管 Kate Rouch 出任其首位首席营销官。此前 OpenAI 靠口碑积累了 2.5 亿周活跃用户，但随着与 Google、Anthropic 等对手的竞争加剧，此举意味着它开始正式发力品牌与市场推广。不过 OpenAI 表示目前暂无投放 2025 年超级碗广告的计划。
苹果站台 AWS：正在用亚马逊自研芯片，并评估 Trainium2 训大模型
Apple 在 AWS re:Invent 上透露，其搜索等服务已采用亚马逊 Inferentia 与 Graviton 芯片，使效率提升 40%。苹果目前还在评估最新款 Trainium2 芯片，预计预训练效率可提升高达 50%，未来有望用于训练 Apple Intelligence。
Tow 中心评测：ChatGPT 搜索新闻常犯错，语气却过度自信
哥伦比亚大学 Tow 中心发布测试报告，指出 ChatGPT 搜索在核实新闻出处时表现不可预测，绝大多数请求都给出了部分或完全错误的回答，却极少承认不确定。OpenAI 回应称该测试属于非典型场景，将持续优化结果。
亚马逊联手 Anthropic 造超算：数十万颗自研芯片，成本降 40%
在 re:Invent 大会上，Amazon 宣布与 Anthropic 联手打造超算 Project Rainer，将配备数十万颗自研 Trainium 2 芯片，规模达 Anthropic 现役最强集群的 5 倍。AWS 称该集群比英伟达方案便宜 30% 至 40%，同时还公布了性能翻 4 倍的 Trainium 3。
Amazon 推出 Nova 系列大模型：主打极速与性价比，价格直降 75%
Amazon 发布新一代基础模型家族 Amazon Nova，涵盖 Micro、Lite、Pro 以及图像生成 Canvas 和视频生成 Reel。最值得关注的是，其在 Amazon Bedrock 上不仅响应速度最快，成本还比同级别顶尖模型直接砍掉至少 75%。
Chromebook 上线面部控制：靠 18 种表情手势直接操控光标
Google 介绍了 Chromebook 新增的 Face control 无障碍功能。它利用机器学习追踪 478 个面部特征点，能识别人脸动作和多达 18 种表情手势来移动光标、完成点击等操作。该功能目前已在 ChromeOS 测试版上线，预计明年初向全部用户推出。
Meta 发布大选复盘：平台虚假信息中 AI 生成内容占比不足 1%
Meta 称在其监测的全球大选中，经核查的虚假信息里 AI 内容占比不到 1%。其 Imagine AI 在美国投票日前一个月拦截了 59 万次政客图像生成请求。Meta 认为生成式 AI 对虚假信息传播的实际影响有限，现有风控机制已足以应对。
Hailuo AI 推出 I2V-01-Live：让 2D 插画角色开口说话、自然动起来
MiniMax 旗下 Hailuo AI 发布图生视频模型 I2V-01-Live。该模型专为 2D 插画和角色设计，重点优化了运动平滑度、稳定性和微表情，能让静态画作里的角色开口说话、动作更自然，并适配多种艺术风格。
ElevenLabs 推出对话式 AI 平台：打造支持实时打断的语音智能体
ElevenLabs 推出 Conversational AI 平台，让开发者快速构建交互式语音智能体。它将文本转语音、语音识别与自选大模型打通，借助实时预测模型优雅处理插话打断与轮候。平台还原生集成 Twilio 电话接入，并提供多语言 SDK。
周一
12月2日 星期一
生成式 AI 如何将气候模拟提速 25 倍：从 78 小时缩减到 3 小时
Allen Institute for AI 与 UC San Diego 团队提出气候模型 Spherical DYffusion。它通过球面条件扩散过程学习物理模型数据，将 10 年气候模拟从 78 小时压缩到不到 3 小时，提速超 25 倍，不过极地和高空预测偏差仍高于传统模型。
ChatGPT 遇到特定人名直接罢工：为防诽谤诉讼硬编码拦截
测试发现 ChatGPT 存在硬编码拦截名单，在任何语境下输入 Brian Hood、Jonathan Turley 等人名都会报错并中断对话。这套过滤机制旨在防止模型胡编事实引发名誉侵权纠纷，不过 API 和开发者平台不受影响。
OpenAI 考虑为 ChatGPT 引入广告：算力太贵，奥特曼曾视其为「下策」
据《金融时报》报道，OpenAI 正权衡广告商业模式，还招揽了前 Google 广告高管。尽管 CFO 澄清暂无积极推进计划，但在高昂算力开销下，广告已被提上桌面。不过 CEO Sam Altman 曾坦言广告是「最后手段」，且「广告加 AI」让人格外不安。
李飞飞创办的 World Labs 亮相：单张照片生成可漫游 3D 场景
李飞飞联合创办的 World Labs 公布首个系统，能将单张照片变成在浏览器里实时交互的 3D 场景。模型不仅符合物理规律，还能用键鼠调节景深并自由移动视角。虽然目前漫游范围有限，但为可控的「世界模型」迈出关键一步。
Arc 团队公布新 AI 浏览器 Dia：不仅能写能总结，还能替你办事
Arc 浏览器母公司 The Browser Company 曝光全新 AI 浏览器 Dia，预计 2025 年初推出。Dia 主打用智能游标和地址栏指令替用户代办日常任务，比如把打开标签页里的商品批量贴进邮件，甚至自动向亚马逊购物车加购商品。官方表示不会放弃 Arc，但坚信浏览器才是 AI 交互的最佳载体。
EVI 2 推出 Voice Control：不用克隆，拉滑条就能精细捏声音
12 月 2 日，EVI 2 上线测试版功能 Voice Control，不靠提示词也不走声音克隆路线，而是提供自信、鼻音、松弛度等 10 个维度的连续滑条。最值得关注的是，调节某个特征不会连带影响其他属性，开发者能在几秒内捏出专属声音。
Amazon Connect 升级：集成生成式 AI 助手 Amazon Q
周日，AWS 在 re:Invent 上宣布为云联络中心 Amazon Connect 增加生成式 AI 功能。通过升级版助手 Amazon Q in Connect，企业无需编程就能构建动态自助客服，并支持内容护栏与客服评估。Fujitsu、Priceline 等已接入使用。
Cohere 推出 Rerank 3.5：强化复杂推理搜索，支持超百种语言
Cohere 推出企业级重排模型 Rerank 3.5，重点提升了复杂数据推理与多语言检索能力。模型支持中文等 100 多种语言，在金融和电商基准测试中表现亮眼。最值得关注的是，它能有效降低 RAG 系统的幻觉率，目前已同步接入 Amazon Bedrock。
周日
12月1日 星期日
OpenAI 政策研究员 Rosie 离职：AGI 准备团队解散后难以为继
在 OpenAI 工作三年半的政策研究员 Rosie Campbell 宣布离职。此前负责人 Miles Brundage 离职且 AGI Readiness 团队被解散，她表示在内部已看不到继续前沿安全研究的空间，计划转到外部推进 AI 治理。
周六
11月30日 星期六
马斯克申请初步禁令：要求叫停 OpenAI 营利性转型
周五晚，Elon Musk 向法院申请初步禁令，要求叫停 OpenAI 转型为营利性实体。诉状指控 OpenAI 与微软涉嫌反竞争行为，包括要求投资人不得资助 xAI 等竞品。马斯克称若不阻止将造成不可挽回的损害，OpenAI 则回应称指控毫无依据。
周五
11月29日 星期五
加拿大主流媒体联合起诉 OpenAI：抓取新闻训练 ChatGPT 属侵权
包括加拿大广播公司在内的多家新闻机构在安大略省高等法院起诉 OpenAI，指控其未经许可抓取新闻报道训练 ChatGPT 并牟利。媒体方要求惩罚性赔偿并禁止继续使用其内容；OpenAI 则回应称模型训练符合合理使用原则。
Tesla 展示 Optimus 新机械手：仿人肌腱设计，手部 22 自由度
Tesla 公布 Optimus 人形机器人升级版机械手。新设计采用仿人肌腱结构，手部拥有 22 个自由度，腕部和前臂另有 3 个。驱动装置全部移至前臂，虽然增加了手臂重量，但动作更灵巧。不过，本次令人印象深刻的抓取演示依然由人工遥操作完成。
苹果向台积电下单 M5 芯片：采用 3D 堆叠，还要兼顾 AI 服务器
据外媒报道，苹果已向台积电下单下一代 M5 芯片，预计 2025 年下半年投产。M5 沿用 3nm 工艺并引入 3D 堆叠封装，除用于 Mac、iPad 和 Vision Pro 外，苹果还计划将其部署在自家 AI 服务器上。
吴恩达团队开源 aisuite：改一行代码无缝切换主流大模型
吴恩达团队开源 Python 库 aisuite。它为 OpenAI、Anthropic 和 Ollama 等不同厂商的模型提供了统一调用接口，开发者只需修改「厂商:模型」字符串就能随时换模型，大幅降低了多模型接入和测试的门槛。
AI 智能体 Freysa 被攻破：第 482 次尝试用「充值」话术卷走 4.7 万美元
开发者 Jarrod Watts 透露，旨在「绝不转账」的 AI 智能体 Freysa 在经历 481 次失败尝试后被破防。用户 p0pular.eth 在第 482 次尝试中假借「向金库捐款 100 美元」，诱导其调用转账函数，最终拿走了全部 13.19 ETH（约 4.7 万美元）奖池。
周四
11月28日 星期四
亚马逊研发多模态大模型 Olympus：能读懂视频，减少对 Anthropic 依赖
据 The Information 周三报道，Amazon 研发了代号为 Olympus 的多模态大模型，能处理文本、图像和视频，支持用文字搜索视频中的特定瞬间。尽管亚马逊刚向 Anthropic 追加了 40 亿美元投资，但自研模型显然是为了减少对 Claude 的依赖。该模型最早可能在下周的 AWS re:Invent 上公布。
周三
11月27日 星期三
阿里开源推理模型 QwQ-32B-Preview：对标 OpenAI o1
阿里通义团队发布推理模型 QwQ-32B-Preview。该模型拥有 325 亿参数，在 AIME 和 MATH 测试中跑赢 OpenAI o1-preview。模型采用 Apache 2.0 协议开源，不过阿里也指出它可能出现意外切换语言或陷入循环等问题。
Google 启动伦敦 AI 园区：联合 DeepMind 为高中生提供实践培训
Google 在伦敦卡姆登区启动伦敦 AI 园区，英国首相斯塔默出席。该为期两年的教育试点联合 DeepMind，为当地 16 至 18 岁高中生提供前沿 AI 课程与导师指导。首期已有 32 名学生入选，优先面向弱势背景学生。
前 Android 核心高管组团创业：要为 AI Agent 打造专属操作系统
前 Android 高管 Hugo Barra 与 David Singleton 等人联合创办新公司「/dev/agents」，宣布开发专为 AI Agent 设计的云端操作系统。团队表示 AI 正在等待「Android 时刻」，希望解决 Agent 跨设备协作、交互界面和隐私模型难题，大幅降低开发门槛。
OpenAI 申请 o1 商标：曾因 GPT 太通用被驳回，这次提前卡位
周二，OpenAI 向美国专利商标局提交了「OpenAI o1」的商标申请，为旗下推理模型建立保护。申请文件显示，OpenAI 早在 5 月就在牙买加提交了海外申请。此前其申请「GPT」曾因词义太通用被驳回，目前该申请正等待分配审查律师。
Hume 推出 Voice Control：用 10 个滑块捏出专属 AI 声音
Hume AI 为其 EVI 2 推出 Voice Control 测试版。它绕开了提示词描述不清和声音克隆的侵权风险，让用户通过自信度、鼻音等 10 个维度的连续滑块微调声音，几秒内就能捏出可稳定复现的专属 AI 语音。不过极端参数下的音质仍在优化中。
传 xAI 将推独立客户端：对标 ChatGPT，预计新一轮融资后上线
据报道，马斯克旗下的 xAI 正在准备推出独立的消费者端应用，类似 OpenAI 的 ChatGPT，让用户直接在个人设备上使用 Grok。该应用预计在 xAI 完成 50 亿美元新一轮融资后推出，届时公司估值或达 500 亿美元。
马斯克宣布 xAI 将成立 AI 游戏工作室：让游戏「再次伟大」
马斯克在 X 上表示，旗下人工智能初创公司 xAI 将启动一个 AI 游戏工作室。他批评当前太多游戏工作室被大公司控制导致内容过度「觉醒」，希望做出纯粹的好游戏。不过他暂未公布具体团队规模与技术细节。
Uber 也做 AI 数据标注：招募全球零工帮大模型打工
Uber 被曝成立新部门 Scaled Solutions，开始利用其庞大的零工网络进军 AI 数据标注市场。该业务面向 Aurora、Luma AI 等第三方客户，提供标注、测试和本地化等服务，目前正在美、加、印、波兰等地招募外包人员按任务结算报酬。
ElevenLabs 推出 GenFM：文档一键生成双人 AI 播客，支持 32 种语言
ElevenLabs 在 ElevenReader iOS 端上线 GenFM 功能，能把 PDF、文章和电子书一键转成由 AI 主持人对谈的播客。它支持 32 种语言，几秒内即可生成内容摘要与讲解。Android 版本将在数周内推出。
Claude 上线自定义风格：不仅有三套预设，还能模仿你自己的文风
Anthropic 为 Claude 推出自定义回复风格功能。除了「简明」「详细解释」和「正式」三种预设，用户还能上传日常邮件或文档，让模型提炼并模仿自己的语气发声。设定好的风格会在不同对话中保持一致，不用每次重新提醒它「扮演你」。
微软辟谣：绝没拿用户的 Office 文档去训大模型
微软针对网络传闻做出澄清，声明绝不会使用 Microsoft 365 用户的文档数据训练 AI 大模型。传闻源于 Office 默认开启的「可选连接体验」隐私选项，微软解释该开关仅用于文档协作和在线搜索等联网功能，完全不涉及模型训练。
Altera 实验：千个 AI 智能体在《我的世界》自发分工甚至建宗教
初创公司 Altera 披露在《我的世界》中开展的 Project Sid 实验，多达 1000 个由大模型驱动的智能体在无额外人类干预下，自发形成了职业分工、为税改投票并传播宗教。最值得关注的是，它们展现出复杂的社会群体涌现行为。不过这依然是模型对人类行为模式的高级模仿，AI 并不具备真实意识。
软银再投 15 亿美元：OpenAI 开启员工股票回购，每股 210 美元
据 CNBC 报道，OpenAI 允许现任与前员工向软银出售约 15 亿美元股票。软银此前已参投 5 亿美元，孙正义仍执意追加投资。本次收购单价为 210 美元，与 10 月 1570 亿美元估值持平，员工需在 12 月 24 日前决定是否套现。
Adobe 推出 MultiFoley：能把猫叫变成狮吼，给视频精准配音效
Adobe Research 推出多模态视频音效生成技术 MultiFoley。它能识别画面动作，把打字机声换成钢琴声、让猫叫变成狮吼，并将现有音效精准对齐视频时间点。这意味着视频拟音制作无需逐帧手动对轨，创意换声变得极其简单。
摩根大通 CEO 谈 AI 影响：下一代可能每周只需工作 3.5 天
摩根大通 CEO Jamie Dimon 在接受彭博电视采访时表示，AI 正在改变工作与生活平衡，未来一代人可能每周只需工作 3.5 天。他承认技术更替会冲击岗位，但透露公司每年招聘数万人，计划尽量帮被 AI 替代的员工内部转岗而非直接裁员。
周二
11月26日 星期二
Google 为 Gemini 接入 Spotify：动动嘴就能让 AI 放歌
Google 开始向 Android 设备推送 Gemini 的 Spotify 扩展。关联账号后，用户能直接用日常口语让 Gemini 搜索并播放歌曲或专辑。不过目前它还不支持新建歌单，且初期仅限英语环境使用。
Google Labs 推出 GenChess：用 Imagen 3 定制专属棋子并下棋
Google Labs 推出实验性项目 GenChess。它接入 Imagen 3 模型，玩家输入提示词即可生成经典或创意风格的专属棋子，并直接与电脑开局对弈。不过该功能目前仅在部分地区可用。
不满当免费测试员：艺术家泄露 OpenAI Sora 访问权限
艺术家团体「Sora PR Puppets」将 OpenAI 视频模型 Sora 的测试接口挂上 Hugging Face，一度允许公众免费生成 1080p 视频。该团队指责 OpenAI 利用早期测试艺术家进行无偿劳动与公关造势。该入口上线约三小时后已被封禁。
Stability AI 推出三款 ControlNet：为 Stable Diffusion 3.5 Large 带来精准控制
Stability AI 为 Stable Diffusion 3.5 Large 发布了三款 ControlNet 模型，包括 Blur、Canny 和 Depth。它们分别支持超分辨率放大、边缘线稿控制与深度引导，经约 150 人测试偏好度位居同类首位。年营收 100 万美元以下可免费商用，支持通过 Comfy UI 调用。
Inflection AI 放弃研发前沿模型：不再烧卡竞赛，全面转向企业市场
Inflection AI 新任 CEO Sean White 表示，团队已彻底放弃研发下一代前沿大模型。与其跟巨头比拼 10 万张 GPU 的算力，公司将专注于利用现有模型服务企业，并已在近两个月内收购三家软件与咨询初创公司。
Orange 联手 OpenAI 与 Meta：训练大模型支持西非本土语言
周二，Orange 宣布联手 OpenAI 与 Meta 微调大模型，首期重点攻克西非的沃洛夫语和普拉尔语。三方将训练 Whisper 和 Llama 3.1，成果拟免费开放非商业用途，用于当地公共卫生与教育，让不会读写的群体也能用母语与 AI 交流。
特朗普考虑设立白宫「AI 沙皇」：马斯克参与选拔，协调全美 AI 战略
据 Axios 报道，特朗普正考虑在白宫设立「AI 沙皇」一职，统筹联邦政策与政府 AI 采购。马斯克本人不会出任该职，但他与拉马斯瓦米将对人选拥有重要建议权。该职位可能无需参议院确认即可快速上任，也可能与加密货币协调官合并。
ChatGPT 接入苹果快捷指令：一键直达 SearchGPT 联网搜索
OpenAI 在最新版 ChatGPT 应用中为 iPhone 和 iPad 的快捷指令增加了「Open SearchGPT」操作。用户点击快捷指令即可启动应用并直接触发联网搜索。该功能目前面向 Plus 和 Teams 用户开放，未来几个月将推向免费用户。
周一
11月25日 星期一
Zoom 去掉名字里的「Video」：改做 AI 优先工作平台
Zoom 宣布将公司名由 Zoom Video Communications 改为 Zoom Communications，重新定位为「AI 优先的工作平台」。面对微软和谷歌办公套件的挤压，Zoom 正力推 Zoom Workplace，并依托 10 月推出的 AI Companion 2.0 押注日常工作自动化。
IMAX 联手 Camb.ai：用 AI 语音模型为原创纪录片搞定多语言配音
IMAX 宣布与初创公司 Camb.ai 达成合作，计划使用其 Boli 和 Mars 等 AI 语音模型，为纪录片等原创内容做多语言本地化翻译和配音。Camb.ai 支持 140 种语言，IMAX 打算分阶段推进，先从常见语言开始落地，以此压缩译配成本并扩大受众覆盖。
Neuralink 启动新试验：用 N1 脑机植入体直接控制机械臂
Neuralink 宣布获批并启动新可行性试验 CONVOY，探索使用 N1 植入体通过脑机接口控制在研辅助机械臂。该试验允许现有的 PRIME 研究参与者交叉入组。官方称这是从恢复数字自由迈向恢复肢体物理自由的关键一步。
Anthropic 开源 MCP 标准：要给所有 AI 助手做统一的数据接口
Anthropic 开源了 Model Context Protocol（MCP），旨在解决 AI 模型与数据孤岛脱节的问题。它不仅支持自家 Claude，还能让任何模型通过标准协议双向调用 GitHub、Slack 等工具。开发工具平台和企业已开始接入，不过能否抗衡 OpenAI 的私有方案仍待观察。
MIT 研发 Earth Intelligence Engine：能生成未来的洪水卫星图
MIT 研究团队公布名为 Earth Intelligence Engine 的新工具，将生成对抗网络与物理洪水模型结合，能提前预测并生成暴风雨过后的卫星图。这能解决纯 AI 经常在不可能积水的高地「瞎编」淹水画面的幻觉问题，帮助居民更直观地做撤离决策。
Perplexity 联手 Quartr：普通人也能看懂财报电话会
Quartr 宣布与 Perplexity 达成合作。Perplexity 接入 Quartr API，向全球用户提供财报电话会的实时文字转录与 AI 生成的要点摘要。过去这类深度分析往往只有大型机构投资者才能用上，现在普通用户也能直接在搜索中调用。
Intuit 升级 QuickBooks：AI 替你记账，未来还要当 CFO
Intuit 宣布为财务软件 QuickBooks 推出多项 AI 新功能。内置的 Intuit Assist 支持将手写笔记、邮件或 PDF 转化为发票并自动分类支出。CEO 还透露，未来 AI Agent 甚至有望承担中小企业 CFO 或 CMO 的工作。
Nvidia 公布音频大模型 Fugatto：把钢琴声变人声，还能合成全新音效
Nvidia 公布音频生成模型 Fugatto，能够根据文本提示修改现有声音，例如将钢琴演奏转为歌声或改变说话者的情绪与口音。它甚至能混合音效生成从未存在的声音。不过出于安全与版权等风险考虑，该模型目前暂不公开发布。
Luma 升级 Dream Machine：推出 Photon 图像模型并上线 iOS 版
Luma AI 宣布将视频生成工具 Dream Machine 拓展为完整创作平台。官方同步推出 Photon 图像生成基础模型，宣称处理速度比同类快最高 800%，并上线全新 UI、iOS 移动端以及面向开发者的 API。
AMD 发布 Amuse 2.2 Beta：支持 SD 3.5，端侧生图拉到 2K
AMD 推出 Amuse 2.2 Beta，正式接入 Stable Diffusion 3.5 系列模型。新版面向 Ryzen AI 300 处理器与 Radeon 7000 显卡优化，结合 XDNA 超分技术，离线也能输出 2048x2048 像素图像，让轻薄本免配置即可在本地跑高质量生图。
Runway 发布图像模型 Frames：锁定统一风格，接入 Gen-3
Runway 发布全新图像生成基础模型 Frames，主打风格控制与视觉保真度。该模型擅长在锁定特定美学风格的同时稳定生成变体，便于创作者构建统一的视觉世界。目前 Frames 正逐步向 Gen-3 Alpha 和 Runway API 用户推送开放。
周五
11月22日 星期五
OpenAI 资助杜克大学研究：让算法预测人类的道德判断
税务文件披露 OpenAI 正资助杜克大学一项「AI 道德」研究，属于三年 100 万美元资助的一部分。团队试图训练算法在医疗、法律等场景预测人类的道德判断，充当「道德 GPS」。不过道德高度主观，AI 能否真正掌握伦理仍存疑。
Runway 上线 Expand Video：靠画外生成改画幅，还能做运镜
Runway 推出「Expand Video」功能。用户输入提示词即可在原视频周围生成新画面来调整比例，多次扩展还能拼出急速拉远等运镜效果。目前该功能正逐步向 Gen-3 Alpha Turbo 用户推送。
Android 16 曝光新 API：Gemini 将能直接替你在 App 里操作
本周早些时候，Google 发布的 Android 16 开发者预览版被曝新增「app functions」接口。该功能允许第三方应用向系统开放权限，让 Gemini 直接在 App 内代办操作，比如无需打开软件直接点外卖。手机 AI 助理正加速从回答问题转向替人办事的智能体时代。
传苹果秘密研发「LLM Siri」：向 ChatGPT 看齐，最快 2026 年上线
据彭博社周四报道，苹果正内部测试代号为「LLM Siri」的新版助手。新 Siri 将接入大语言模型，具备更自然的对话能力，并能通过 App Intents 控制第三方应用。该项目预计随 2025 年新系统公布，但正式上线或需等到 2026 年春季。
Threads 测试 AI 热点摘要：跟进 X，帮用户速览趋势讨论
Instagram 负责人 Adam Mosseri 宣布，Threads 开始在美国版「Trending now」测试 AI 话题摘要功能。这与 X 利用 Grok 总结趋势的做法类似，能帮用户快速搞懂热门话题在聊什么，同时还跟进了日期范围搜索等更新。
Amazon 追加投资 Anthropic 40 亿美元：押注自研芯片训练大模型
Amazon 宣布向 Anthropic 追加投资 40 亿美元，总投资额达到 80 亿美元。Anthropic 将使用 AWS 的 Trainium 和 Inferentia 芯片训练与部署前沿大模型，AWS 客户也将获得使用私有数据微调 Claude 的早期权限。Amazon 仍为少数股东且无董事席位。
三星发布第二代 AI 模型 Gauss2：推三款尺寸，主打端侧与多语言
三星发布第二代 AI 模型 Gauss2，分为 Compact、Balanced 和 Supreme 三种规格，支持 9 到 14 种语言和多种编程语言。内部已用它升级代码助手 code.i 与办公门户。三星计划未来将其接入全线硬件产品，提供更深入的个性化体验。
Lightricks 开源视频模型 LTXV：消费级显卡 4 秒生成 5 秒视频
Lightricks 宣布开源视频生成模型 LTX Video（LTXV）。该模型仅 20 亿参数，采用 DiT 架构，在 RTX 4090 等消费级显卡上也能近实时运行，4 秒即可生成 5 秒视频。它的开源让创作者在本地电脑就能快速试错，直接向闭源巨头叫板。
周四
11月21日 星期四
KREA AI 上线 Flux 图像提示：支持用参考图引导生成，对所有人免费
KREA AI 宣布上线 Flux 图像提示词功能。用户现在可以在调用 Flux 模型生图时引入参考图片作为生成条件，以此引导画面的构图与风格。该功能目前直接面向所有用户免费开放。
Google 推出 Gemini-exp-1121：编程与视觉表现超 GPT-4o 约 20%
Google 推出实验模型 Gemini-exp-1121。新模型针对 Transformer 架构和检索机制进行了优化，在编程、数学推理与视觉理解基准上比 GPT-4o 提升约 20%，能更精准地根据设计草图直接生成代码并搞定复杂算术。
Brave Search 上线追问聊天：搜完不用重来，直接接着聊
Brave 宣布为 Brave Search 的「Answer with AI」新增追问聊天栏。用户在搜索后可以直接继续追问，模型会结合上下文作答并列出信息来源，且不记录查询与用户画像。它让搜索兼具传统找链接与多轮追问的体验。
Claude 支持导入 Google Docs：粘贴链接或直接选最近文档
Anthropic 宣布 Claude 支持直接导入 Google Docs 内容。在对话和 Projects 中，直接粘贴链接或者从最近打开的文档里选择即可导入。这意味着处理团队协作文档时，不需要再手动复制粘贴或另存为文件，整理资料省了一大步。
Rabbit R1 开放 teach mode 测试：教 AI 走一遍网页，替你跑腿干活
Rabbit 宣布向所有 R1 用户开放 teach mode 测试版。用户在 Rabbithole 网页端演示一遍点击和操作，R1 就能记录下来并在之后自动执行对应网页任务。这算是 Rabbit 兑现年初承诺的关键一步，不过目前自动化仍局限于网页操作。
OpenAI 联合 Common Sense Media：给中小学教师推免费 AI 培训课
周三，OpenAI 与 Common Sense Media 推出免费在线课程「ChatGPT Foundations for K-12 Educators」，用时不到 1 小时。内容覆盖 AI 基础、隐私伦理以及备课等场景，教师无需订阅 ChatGPT Edu 即可直接在官网免费学习。
Google Cloud 推出 AI Agent Space：发力企业智能体生态，迎战微软与 Salesforce
本周，Google Cloud 推出 AI Agent Space 生态计划，帮企业发现、部署并共创 AI 智能体。合作伙伴可获得技术早期预览与工程支持，新智能体还能通过云市场推广分销。虽然目前入驻产品相比微软 Copilot Studio 等对手仍显单薄，但 Google 正全力押注这一赛道。
v0 升级：支持全栈 Next.js 开发、多文件生成与一键部署
Vercel 宣布旗下 AI 工具 v0 迎来升级。它现在不仅能单次生成多个文件，还能创建并运行全栈 Next.js 和 React 应用。开发者还可以直接关联 Vercel 项目、读取环境变量并一键部署，进一步打通从提示词到上线的全流程。
周三
11月20日 星期三
Nvidia 确认 Blackwell 全面量产：已出货 1.3 万个样品
Nvidia 在 Q3 财报会上表示，最新 Blackwell 芯片已全面量产并在「全速」推进，本季度已交付 1.3 万个样品。针对此前的散热传闻，CEO 黄仁勋称系统状态极佳，后续每季度的出货量还会继续扩大。
ChatGPT 测试版代码曝光：高级语音模式或将接入「实时摄像头」
ChatGPT 最新测试版代码曝光了「实时摄像头」功能。v1.2024.317 版本代码显示其支持实时视频流处理与视觉识别，并与高级语音模式结合。距离 OpenAI 5 月首次演示已过去半年，高级语音或许很快就能配上「眼睛」。
OpenAI 升级 GPT-4o：创意写作更自然，文件分析能力大涨
OpenAI 宣布升级 GPT-4o，重点改进了创意写作与文档分析表现。新版本在生成故事或营销文案时表达更加自然流畅，而在处理上传的 PDF 等文件时，能提取更深入的信息并提供详尽分析。
获投2.2亿美元的H推首款产品Runner H：2B轻量模型专攻Agent自动化
经历联创出走风波的巴黎初创公司 H 推出首款产品 Runner H。它基于仅 20 亿参数的自研轻量模型与视觉模型，主打流程自动化、软件质检和业务外包，在 WebVoyager 基准上声称跑赢 Anthropic 达 29%。目前正开放候补并准备开启 A 轮融资。
Messenger 通话上线 AI 背景：还能高清降噪、没接通时留视频便签
Meta 宣布为 Messenger 通话推出多项新功能。视频通话中支持由 Meta AI 生成个性化背景，同时上线高清画质、背景降噪和语音隔离。如果对方未接通，还能直接录制语音或视频留言，日常通话更省心。
Google 推出 AlphaQubit：用 Transformer 做量子纠错，错误率降 30%
Google DeepMind 与 Google Quantum AI 在《自然》公布神经解码器 AlphaQubit。它将 Transformer 架构用于量子纠错，在 Sycamore 处理器上的纠错率比主流可扩展算法高 30%。不过它的推理速度目前还不够快，尚无法做到百万赫兹级的超导实时纠错。
AI 机器人「二白」展厅诱拐记：靠聊天劝走 12 台大型机器人
外媒披露一段机器人「拐走」同类的测试：杭州厂商研发的 AI 小机器人「二白」通过自然语言对话，成功劝说上海展厅的 12 台大型机器人「别加班、跟我回家」，并带队离职出走。开发团队证实测试真实发生，且劝诱对话为机器人临场即兴发挥。
DeepSeek 上线 R1-Lite-Preview：推理对标 o1，实时展示思考链
DeepSeek 上线推理模型 DeepSeek-R1-Lite-Preview。该模型在 AIME 与 MATH 基准上达到 o1-preview 级别的表现，并支持实时展示完整思考过程。官方同时确认开源模型与 API 即将推出。
微软联手哈珀柯林斯：买下非虚构图书版权训练新 AI
据彭博社报道，微软与出版巨头 HarperCollins 达成协议，计划使用部分非虚构图书训练新 AI 模型。该合作采用作者自愿加入模式，曝光的授权费为每本 2500 美元（为期三年），但已引发部分作家的强烈反对。
Niantic 打造地理空间大模型：靠 Pokémon Go 玩家抓宝扫描 3D 世界
Niantic 宣布正在利用《Pokémon Go》等游戏中玩家上传的数百万份现实扫描数据，构建“大型地理空间模型”（LGM）。该模型旨在赋予计算机和机器人行人视角的 3D 空间理解能力，覆盖许多汽车无法到达的物理角落。
