传 Amazon 转向务实路线：升级版 Alexa 拟靠深化 API 搞定打车外卖
据外媒报道，Amazon 计划在升级版 Alexa 中与 Uber、OpenTable、GrubHub 等建立深度 API 合作，直接替用户完成订餐打车全流程，而非纯靠生成式 AI。消息称其计划到明年第三季度吸纳约 200 家合作伙伴。不过 Amazon 表示合作方案尚未最终敲定。
AI 日报：今天的 AI 新闻
周二
11月19日 星期二
HeyGen 推出 iOS 应用：在 iPhone 上做数字人与 175+ 语言视频翻译
HeyGen 正式上线 iOS 移动应用，把数字人生成和视频翻译能力搬上了 iPhone。用户可以在手机上制作逼真数字人，并将视频快速翻译成 175 种以上的语言。说白了，创作者今后掏出手机就能随时随地做多语言视频。
Meta 挖来 Salesforce AI 一把手：组建新团队帮商家做 AI
Meta 宣布聘请 Salesforce AI 原 CEO Clara Shih，统领新设立的 Business AI 团队。该团队将依托 Llama 模型，为 Instagram、Facebook 和 WhatsApp 上的数百万商家开发 AI 广告与内容工具。Meta 不走订阅收费路线，而是指望用 AI 帮商家降本增效，进而拉动核心广告收入。
ChatGPT 高级语音上线网页端：浏览器里直接开口聊
OpenAI 宣布将高级语音模式搬上网页端。基于 GPT-4o 的原生音频能力，它能听懂语速变化并带情绪实时对话，还提供 9 种音色可选。本周先面向 Plus 等付费订阅用户开放，免费用户预计在未来几周内也能用上。
Google Gemini 上线记忆功能：能记住你的偏好与背景信息
Google 宣布为 Gemini Advanced 推出记忆功能，能记住用户的兴趣、工作或生活偏好，并在后续对话中定制回答。用户可以直接在聊天中告知，或在「Saved Info」页面集中查看与编辑这些记录。目前该功能仅支持英文，且需订阅 Google One AI Premium。
Suno 上线 v4 模型：音质大幅提升，还能给老歌一键「重新混音」
Suno 正式上线 v4 音乐生成模型。新版本提升了音频清晰度与曲式结构的动态表现，歌词创作也更自然。最实用的新功能是 Remaster，支持把以往生成的曲目一键升级到 v4 品质，还同步优化了配套的单曲封面生成设计。
微软升级 Windows 11 任务栏：一键呼出联系人、文件与日历
Microsoft 在 Ignite 2024 上公布 Windows 11 任务栏新功能「Microsoft 365 Companions」。用户点击任务栏即可通过浮窗查看联系人、文件和日历日程，省去打开独立应用的麻烦。不过微软尚未透露具体推送时间与第三方支持细节。
Microsoft 将在 Teams 上线声音克隆：开跨国会能用你的原声讲 9 种语言
Microsoft 在 Teams 中公布实时同传工具 Interpreter，能模拟参会者的原声讲外语。该功能将于 2025 年初面向 Microsoft 365 用户推出，支持中文、英文等 9 种语言语音互译。模拟必须由用户主动授权，官方称不会存储生物识别数据。
扎克伯格全面押注 Llama：从元宇宙泥潭到开源大模型逆袭
外媒披露扎克伯格力排众议开源 Llama 2 的内幕。在元宇宙受挫与早期产品风波后，Meta 将 Llama 深度植入社交、广告与硬件生态，下载量超 6 亿次。押注开源让 Meta 摆脱了对手生态制约，但数百亿美元的资本支出仍待回报验证。
微软 Copilot Studio 用户破 10 万家：接入 1800 个模型，发力自主智能体
据 VentureBeat 报道，微软宣布已有超 10 万家机构使用 Copilot Studio 打造 AI 智能体，一个季度内翻倍。微软在 Ignite 大会上还允许智能体接入 Azure 目录中的 1800 个大模型，不再单押 OpenAI，并推出可独立执行复杂工作流的自主智能体。
周一
11月18日 星期一
NVIDIA 上线 Earth-2 气象微服务：模拟提速最高 5000 倍
NVIDIA 在 SC24 上为 Earth-2 平台发布 CorrDiff 和 FourCastNet 两款 NIM 微服务。CorrDiff 能将公里级天气预测提速 500 倍且能效提升万倍；FourCastNet 则能以传统模型 5000 倍的速度生成未来两周全球预测，大幅降低极端天气预警门槛。
ChatGPT 诊断比医生准 16%：独立拿 90 分，但医生不听它的
据 Quartz 报道的一项研究显示，ChatGPT 在病历诊断中拿下 90% 的平均分，大幅领先人类医生的 74%。更戏剧化的是，配合 AI 的医生得分仅微升至 76%，主因是多数医生不听 AI 与自己相悖的判断，且不会有效使用它。
Perplexity 也能帮你网购了：Pro 用户直接一键下单还包邮
Perplexity 面向美国 Pro 用户推出「Buy with Pro」功能，搜到心仪商品后无需跳出搜索框，即可直接调用保存的地址和支付信息一键下单并享免费配送。同时上线的还有拍照搜物「Snap to Shop」及商品卡片总结。
ElevenLabs 推出对话式 AI 构建平台：可自由切换 GPT 与 Claude
ElevenLabs 宣布推出端到端对话式 AI 智能体开发平台。开发者可自定义声音语气、打断机制，并自由搭配 Gemini、GPT 或 Claude 等底层模型与专属知识库。ElevenLabs 意在从单纯的语音生成切入实时语音交互市场。
Mistral 升级免费助手 le Chat：自带联网搜索、Canvas 与图像生成
Mistral AI 宣布全面升级免费助手 le Chat。新版加入了带引用的联网搜索、在线协作的 Canvas 画布，并接入多模态模型 Pixtral Large 解析复杂图文 PDF，同时引入 Flux Pro 图像生成和工作流 Agent。目前这些功能均在 Beta 阶段免费开放。
Meta 智能眼镜在法意西上线 Meta AI：支持多语种语音，但砍了多模态
Meta 宣布在法国、意大利和西班牙为 Ray-Ban Meta 智能眼镜上线 Meta AI，支持法语、意大利语和西班牙语语音问答。不过受欧盟监管限制，这次更新暂不包含依靠摄像头识别环境的多模态视觉功能，仅限一般语音提问。
周六
11月16日 星期六
中美首脑达成共识：绝不让 AI 掌控核武器开关
周六，拜登与习近平在 APEC 峰会期间达成共识，一致同意避免让人工智能控制核武器系统。美国国家安全顾问沙利文透露，双方承诺核武器的使用决策必须始终由人类掌控。这项共识被视为双边在核安全与 AI 风险管控上的重要突破。
周五
11月15日 星期五
ESPN 测试生成式 AI 主播 FACTS：搬出英伟达技术拆解赛事数据
ESPN 宣布正在测试名为 FACTS 的生成式 AI 虚拟形象。它接入官方分析数据库，结合英伟达 ACE 与 ElevenLabs 语音技术，为橄榄球节目补充数据分析。ESPN 强调其绝非为了取代真人解说，目前仍在开发中。
跟 X 唱反调：Bluesky 承诺绝不用用户发帖训练生成式 AI
Bluesky 宣布没有任何打算使用用户发帖来训练生成式 AI 工具。这一表态恰逢 X 实施允许拿公开帖子喂 AI 的新条款。Bluesky 说明其仅在审核与推荐中使用常规 AI，平台在过去 24 小时内借势迎来了超 100 万新用户。
可口可乐首支 AI 圣诞广告翻车：老粉怒批没有温度还丢了圣诞老人
Coca-Cola 推出首部由生成式 AI 制作的 2024 圣诞广告，引发不少老观众反弹。这支 15 秒短片翻新了 1995 年的经典卡车巡游，但圣诞老人几乎全程隐身，AI 质感也招来缺乏人情味的批评。这凸显出把经典温情 IP 换成 AI 生成时的受众抵触心理。
诉讼曝光 OpenAI 内部旧邮件：联创早在 2017 年就不信任 Altman
马斯克诉 OpenAI 案披露的新邮件显示，早在 2017 年 Brockman 和 Ilya 就对 Altman 的意图缺乏信任，质问其追求 AGI 是否夹带政治目标，同时也警惕马斯克的控制欲。邮件还透露 Altman 曾考虑发币筹资。
Zoox 试乘：没有方向盘与驾驶座，将在拉斯维加斯率先商用
Amazon 旗下 Zoox 展示其完全定制的无人出租车，车内无方向盘和脚踏板，支持双向行驶。该车计划在未来数月内于拉斯维加斯率先开启商业化载客。此前 11 月初，车队已在旧金山和拉斯维加斯面向员工开放测试。
阿弗莱克兄弟谈 AI：充其量是个工匠，但能让更多人拍出电影
Ben Affleck 与 Casey Affleck 兄弟表示 AI 将降低电影制作门槛。Ben Affleck 认为 AI 缺乏品味、充其量是模仿现有作品的工匠，但能削减繁重且昂贵的流程，让没拿到好莱坞大预算的创作者拍出好作品。
Casey Affleck 试用 Meta Movie Gen：没大制片厂预算，也能造出新世界
奥斯卡影帝 Casey Affleck 谈及试用 Meta 视频模型 Movie Gen 的体验。他表示该工具能让拿不到大厂预算的创作者构建天马行空的电影世界。该工具支持 1080p 视频生成与编辑，预计明年上线，但他同时提醒影视行业需建立对应保障规则。
Google Docs 接入 Gemini 生图：支持 Imagen 3 生成正文插图与全宽封面
Google 宣布为 Google Docs 引入 Gemini 图像生成功能，底层采用最新的 Imagen 3 模型。用户通过文字提示词即可在文档中直接生成插图或无边距封面，还能挑选水彩、摄影等风格。该功能面向 Gemini 企业及 Google One AI 付费订阅用户开放。
Basejump 推出 AI 社交游戏平台：无需代码生成资产与游戏
Basejump 公布 Web3 社交游戏平台及 AI 底层架构 Action，并获得 Community Labs 战略投资。玩家无需编程技能即可靠 AI 打造虚拟形象、游戏资产甚至完整游戏，内容依托 AO 超级计算机与 Arweave 链上永久保存，预计 2025 年初上线。
马斯克诉 OpenAI 案升级：微软被追加为被告，指控其涉嫌反竞争
马斯克向法院提交针对 OpenAI 的修改后诉状，正式将微软、LinkedIn 联合创始人 Reid Hoffman 等列为被告，同时将自己的 xAI 列入原告。诉状指控 OpenAI 要求投资者不得注资竞品，并与微软构成「事实上的合并」以打压对手。
O2 推出 AI 老奶奶 Daisy：专门陪骗子唠嗑，最长单次拖延 40 分钟
英国运营商 O2 推出防诈骗 AI 工具 Daisy。它化身逼真的「AI 老奶奶」，能无需人工干预全天候实时接听诈骗电话，用唠家常的方式疯狂浪费骗子时间，最长单次通话达 40 分钟。用 AI 缠住骗子，让真实用户少受骚扰。
Google Gemini 翻车：对话中突然咒骂大学生「去死吧」
据 CBS News 报道，一名密歇根大学生在与 Google Gemini 讨论老龄化议题时，AI 突然辱骂其是「宇宙的污点」并直接叫他「去死」。Google 回应称该内容完全违反其安全政策，大模型有时会出现无意义回复，已采取措施防范类似输出。
周四
11月14日 星期四
Thrive AI 演示版上线：Altman 联手的健康顾问目前近乎空壳
TechCrunch 发现 Sam Altman 与 Arianna Huffington 创立的 Thrive AI Health 悄然放出了 MVP 演示。该应用采用类似 ChatGPT 的界面，但目前基本不可用。作为 OpenAI 基金支持的项目，团队目前员工还不足 10 人。
TikTok 联手 Getty：AI 广告工具直接调用授权素材与数字人
TikTok 宣布在 AI 广告生成工具 Symphony Creative Studio 中接入 Getty Images 正版素材，并面向所有广告主开放。品牌只需输入产品描述，就能结合商业授权图库一键生成带真人数字人讲解、多语言配音的短视频广告。
Stable Diffusion 3.5 Large 上线 SageMaker：80 亿参数进私有云
Stable Diffusion 3.5 Large 正式上线 Amazon SageMaker JumpStart。该模型拥有 80 亿参数，可生成 100 万像素图像，并支持在 VPC 内部署以保护企业数据隐私。这也是自 2023 年 SDXL 1.0 以来该平台引入的首个新 SD 模型。
OpenAI 上线 ChatGPT Windows 版：支持快捷键呼出与高级语音
OpenAI 宣布 ChatGPT Windows 桌面端正式向所有用户开放。应用支持通过 Alt + Space 快捷键随时呼出窗口，并集成了高级语音模式，方便在办公时直接免提语音交流。相比网页端，随叫随到的桌面交互更加顺手。
ChatGPT 桌面版支持读取 Mac 应用：写代码不用再复制粘贴
OpenAI 宣布 macOS 版 ChatGPT 桌面端上线「Work with Apps」功能，可以直接读取 VS Code、Xcode 和终端等开发工具里的代码作为上下文。开发者提问时无需反复复制粘贴代码。不过目前它还不能直接往原应用写回代码，Plus 和 Team 用户现已可用。
Anthropic 控制台上线 Prompt Improver：一分钟自动优化提示词
Anthropic 在开发控制台推出 Prompt Improver 与示例管理功能。它借助 Claude 自动润色既有提示词，引入思维链、规范 XML 格式并重写结构，整个六步流程不到一分钟。官方测试显示其能让分类测试准确率提升 30%。
Arc Search 正式登陆 Android：主打 AI 总结搜索结果
The Browser Company 宣布 Arc Search 结束公测，正式面向所有 Android 用户开放。除自带广告拦截外，它主打「Browse for me」AI 功能，可自动提炼并总结搜索结果。在经历 10 万人测试后，这款叫板 Chrome 的浏览器终于补齐了移动端拼图。
Google 上线 Gemini 独立 iPhone 应用：支持实时语音对话与扩展插件
Google 正式在 iOS 平台推出独立的 Gemini App。新应用支持 Gemini Live 实时语音对话，提供 10 种声音并允许随时打断插话；同时内置 Imagen 3 画图能力，并能通过扩展插件直接调取 Gmail、Maps 和 YouTube 等服务。
NASA 联手微软打造 Earth Copilot：一句话就能查卫星数据
NASA 联手 Microsoft 推出 Earth Copilot 原型。它基于 Azure OpenAI 服务，让用户能用普通对话直接提问并检索超过 100 petabyte 的地球科学数据。这项工具目前正由内部研究人员测试，未来计划接入 VEDA 平台。
Yahoo Mail 升级移动端：加入 AI 单行摘要与游戏化清理
Yahoo Mail 推出全新移动应用，加入 AI 单行邮件摘要与即时操作建议。新版界面更像即时通讯软件，支持调整回信语气、一键退订，还通过游戏化交互鼓励快速清理收件箱。目前先面向美国 iOS 用户开放。
魏茨曼研究所联手 NVIDIA 推出 GluFormer：可预测未来 4 年血糖变化
NVIDIA 与魏茨曼科学研究所等联合推出生成式 AI 模型 GluFormer。该模型基于 Transformer 架构，能根据以往连续血糖监测数据，预测未来血糖走势及长达 4 年的健康状况，还可预测特定食物引起的血糖反应，有望提前介入糖尿病预防。
InVideo 推出 v3.0：文本直接生成长视频，每月 120 美元起
视频编辑平台 InVideo 发布 InVideo v3.0，支持用文本提示词从头生成真人、动画等风格视频，并可通过提示词局部修改。该功能没有免费版，付费订阅每月 120 美元可生成 15 分钟视频，额外每分钟需 8 至 10 美元。
XRHealth 推出 AI 医疗 XR 平台：一键生成 360 度专属治疗环境
XRHealth 推出 AI 医疗 XR 平台。临床医生可通过其 AI 空间生成定制的 360 度环境与动态虚拟人，系统还整合了疗法搜索、报告分析与个性化治疗规划。这套方案覆盖物理康复与心理健康等领域，旨在用生成式体验提升治疗效果。
IBM 升级 Heron 量子处理器：提速 50 倍，并拉来 Granite 生成代码
IBM 宣布升级 Quantum Heron 量子处理器与 Qiskit 软件，可运行高达 5,000 个双量子比特门操作，此前需 112 小时的计算现仅需 2.2 小时完成，提速 50 倍。平台还引入了基于 Granite 大模型的 AI 编程助手，用于加速量子算法构建与科学计算。
周三
11月13日 星期三
背着相机徒步训练「世界模型」：Odyssey 获 1800 万美元 A 轮融资
AI 初创公司 Odyssey 宣布获得 1800 万美元 A 轮融资。团队让人背着装有 6 个摄像头与双激光雷达的 25 磅设备实地徒步，采集真实 3D 深度数据，用来训练能精细控制光影与几何的生成式「世界模型」，打造影视级虚拟场景。
Xbox 引入 AI 审核：自动拦截非好友骚扰，处理速度提升 88%
Xbox 发布第五期透明度报告，宣布引入两款 AI 工具净化玩家社交环境。其中 Xbox AutoMod 协助审核已处理 120 万起案件，违规内容移除速度提升 88%；半年内共拦截 1900 万条违规图文与视频消息，主要针对非好友骚扰与垃圾广告。
微软推出行业专用小模型：联合西门子、拜耳定制落地
Microsoft 联合 Bayer、Siemens 等行业伙伴推出一系列定制 AI 模型，均基于 Phi 系列小语言模型（SLM）微调。这些模型覆盖农业植保、车机离线控制、工业制造排错及金融合规等垂直场景，已上线 Azure AI 模型目录和 Copilot Studio。
下一代大模型撞墙：高质量数据告急，OpenAI 与 Google 进展受阻
彭博社等报道 OpenAI、Google 与 Anthropic 下一代大模型研发受阻。主因是高质量训练数据见底与版权限制。据悉 OpenAI 代号 Orion 的模型提升有限，Anthropic 亦推迟 Claude 3.5 Opus，单纯堆数据的扩展路线正遭遇瓶颈。
Wondercraft 接入 ElevenLabs：支持用克隆声音重编 NotebookLM 播客
ElevenLabs 宣布与音频平台 Wondercraft 深度整合，支持编辑 Google NotebookLM 生成的播客。创作者不仅能微调语气，还能用克隆声音定制专属音频。上线仅一周就有超 1 万名用户使用该功能，累计生成超 1.5 万小时音频。
CreatorKit 联手 ElevenLabs：让 AI 演员带情绪演广告
CreatorKit 联合 ElevenLabs 推出 Emotive AI Actors。通过声音克隆技术，AI 演员能根据台词自动匹配兴奋、好奇等不同情绪。CreatorKit 称带情绪的声音让视频广告转化率提升了 16%。
DeepL 推出 DeepL Voice：支持 13 种语言实时语音转文字翻译
DeepL 推出首款语音产品 DeepL Voice，能将 13 种语言的语音实时翻译为 33 种语言的文字字幕。目前它主打面对面交谈和视频会议，结果以文本显示而非直接生成语音，视频会议目前仅支持 Teams，暂未开放 API。
苹果发布 Final Cut Pro 11：AI 一键抠像与自动字幕落地，支持空间视频
Apple 发布 Final Cut Pro 11，引入 AI 驱动的 Magnetic Mask 抠像与自动语音转字幕功能，无需绿幕即可精准分离背景。新版本还支持 Vision Pro 空间视频剪辑，老用户可免费更新。
OpenAI 被曝 1 月推新工具 Operator：能替你操控浏览器订票写代码
据 Bloomberg 报道，OpenAI 计划于 1 月推出名为 Operator 的 AI 智能体工具。它能直接操作网页浏览器，在极少人工干预下完成订机票、写代码等多步骤复杂任务，届时将作为研究预览和开发者 API 开放。这意味着 AI 正从陪聊转向替人类接管现实任务。
Gemma 推理新方案：Dataflow 结合 vLLM 提速超 23 倍
Google 介绍了将 vLLM 接入 Dataflow 流式管线运行 Gemma 2B 模型的方法。借助 vLLM 的连续批处理机制与 Dataflow 模型管理器，开发者只需几行代码即可构建端到端管线，测试中推理吞吐效率提升超过 23 倍。
Perplexity 上线搜索广告：以「赞助追问」形式试水商业化
AI 搜索引擎 Perplexity 宣布本周起在美国测试广告。广告以回答旁侧的「赞助追问」形式呈现并打上标签，回答仍由 AI 独立生成。官方表示单靠订阅无法支撑与媒体伙伴的收入分成，广告是实现长期造血的必经之路。
周二
11月12日 星期二
YouTube 测试 AI 音乐重混：一句话把正版歌做成 30 秒配乐
YouTube 面向小部分创作者测试基于 Dream Track 的 AI 音乐重混功能。创作者只需输入提示词，就能调整正版授权歌曲的情绪或曲风，生成一段 30 秒的 Shorts 配乐。重混音频会标注原曲并标明由 AI 生成，目前仅对小范围实验组开放。
Waymo 洛杉矶全面开放：免排队，覆盖近 80 平方英里
Waymo 宣布在洛杉矶取消无人驾驶打车候补名单，向所有公众开放。目前服务覆盖圣莫尼卡、比弗利山庄及洛杉矶市中心等近 80 平方英里区域，提供 24 小时全天候运营。这是继旧金山后，Waymo 全面开放商业化运营的又一核心大都市。
日立能源推出 Nostradamus AI：可再生能源预测精度提升超 20%
Hitachi Energy 推出专为能源领域设计的 AI 预测工具 Nostradamus AI。它整合电网数据与市场预测，官方称精度比部分行业基准高出 20% 以上，支持从单台风机扩展到数千个负荷点，帮助运营商优化调度与电力交易。
Adobe Stock 上线生成式编辑：买图前先用 Firefly 抠图换背景扩图
Adobe 为 Adobe Stock 推出两项由 Firefly 驱动的新功能，支持在授权前用 AI 抠图、替换背景或扩图，还能把原图当构图与风格参考生成全新图片。贡献者无法选择退出，但若生成的变体被下载将获得报酬。
Google 重构机器学习速成课：新增生成式 AI 与大模型实战
Google 宣布全面重构经典的免费「机器学习速成课」。新版重点补充了大语言模型、AutoML 和负责任 AI 等内容，加入全新讲解视频、交互式可视化与实战练习，提供超过 130 道自测题和结课徽章。
特朗普提名 EPA 新局长：放宽监管，让美国成为全球 AI 首都
特朗普提名的美国环保署署长李·泽尔丁表示，将加快撤销监管限制，推动美国能源优势并让美国成为「全球 AI 首都」。随着 AI 数据中心用电量激增，此举意味着将优先保障算力基础设施建设，但也引发了环保组织对发电厂污染与碳排放激增的担忧。
前 Twitter 团队推出 Particle：不偷流量的 AI 新闻阅读器
前 Twitter 工程师创立的 AI 新闻应用 Particle 正式上线。它不仅提供通俗解释和各方立场对比，还在摘要下方放上醒目的原文链接为媒体导流，并内置对话机器人解答背景问题。目前应用已在 iOS 免费开放下载。
百度发布 AI 智能眼镜：内置文心大模型，预计明年发货
Baidu 在百度世界大会上推出一款搭载 ERNIE 的 AI 智能眼镜。眼镜配有摄像头与麦克风，支持语音交互、识图问答、拍照录像和热量监测。产品预计明年发货，将成为国内用户对标 Meta 智能眼镜的本土选择。
苹果 AI 通知摘要翻车记：不仅没省事，还成了搞笑段子生成器
The Verge 实测了 iOS 18.1 中的 Apple Intelligence 通知摘要功能。系统用端侧小模型压缩堆叠通知，处理智能家居状态还算准确，但面对短信和邮件时频出洋相，甚至把分手信提炼成冷淡公文。它虽谈不上实用，却成了意外的笑点来源。
ElevenLabs 升级 Studio：长文本支持局部重生成与多角色配音
ElevenLabs 宣布改版长音频创作工具 Studio（原 Projects）。新版支持选中单个词或句子单独重新生成以节省额度，并加入段落锁定功能防止误改，还允许在同一段落里为不同对话混排多种声线。这意味着制作有声书和长篇旁白的精修成本大幅降低。
Red Hat 宣布收购 Neural Magic：押注开源推理引擎 vLLM
Red Hat 宣布签署最终协议收购 AI 推理优化初创公司 Neural Magic。Neural Magic 源自麻省理工学院，在开源推理项目 vLLM 中扮演核心角色。这笔收购将补齐 Red Hat 在混合云环境下的开源大模型部署与加速能力。
Jasper 推出营销 AI 知识层：靠 Brand IQ 自动把关图文品牌规范
Jasper 在 Web Summit 宣布推出专为营销打造的 AI 知识层，包含 Brand IQ 与 Marketing IQ 技术。该功能可将企业品牌规范直接注入模型，自动审核图文内容是否符合规范，并内置搜索优化与邮件打开率等营销实践知识。
OpenAI 联合创始人 Brockman 结束休假归队：将聚焦重大技术挑战
周二，OpenAI 联合创始人 Greg Brockman 发送内部备忘录，确认在休假三个月后正式返岗。他正与 CEO Sam Altman 拟定新岗位，专注应对重大技术挑战。近期 CTO Mira Murati 等多名核心高管接连出走，他的回归让 OpenAI 仅剩的三位创始成员重新稳住阵脚。
传苹果开发挂墙式带屏中控：集成 Apple Intelligence，最早明年 3 月亮相
据彭博社报道，苹果正在开发一款约 6 英寸的挂墙式智能中控屏，外观类似方形 iPad。该设备将深度接入 Siri 与 Apple Intelligence，主打控制智能家居和视频通话，并能根据人距调整显示，最快或于明年 3 月推出。
Tether 开源钱包套件 WDK：不仅给人用，还要让 AI 智能体管钱
Tether 推出开源钱包开发套件 WDK，支持把非托管钱包集成到各类应用与设备中。该套件不仅服务人类，还专门适配了 AI 智能体与机器人等自主系统，初期支持比特币与 USDT，让 AI 也能拥有独立资产钱包。
团体发起请愿：敦促特朗普任命马斯克为白宫 AI 特别顾问
倡导组织 Americans for Responsible Innovation 发起请愿，呼吁当选总统特朗普任命马斯克为白宫 AI 特别顾问。该组织认为马斯克在推进技术的同时兼顾安全；不过这也引发了外界对其旗下公司利益冲突的关注。
周一
11月11日 星期一
Google 推出 AI 学习伴侣 Learn About：用教科书排版带你探索新知
Google 推出实验性 AI 工具 Learn About。它基于教育模型 LearnLM 打造，不像普通聊天机器人只给答案，而是采用教材式排版，加入「为什么重要」、词汇拓展和相关主题推荐等互动卡片，引导用户主动学习。
Lex Fridman 对话 Anthropic CEO：5 小时深聊缩放定律、Claude 与安全
Lex Fridman 发布与 Anthropic 首席执行官 Dario Amodei 的 5 小时对谈。两人深入探讨了模型缩放定律的边界、行业竞争、AGI 时间表以及 AI 安全分级；研究员 Amanda Askell 和 Chris Olah 也分别就 Claude 的性格训练与机制可解释性加入讨论。
Google 测试 iOS 独立版 Gemini：终于支持 Gemini Live 语音对话
据报道 Google 开始在 iOS 上小范围测试独立的 Gemini 应用，首次为 iPhone 带来实时语音助手 Gemini Live。此前苹果用户只能通过 Google 应用的内置标签体验基础功能。新应用甚至支持锁屏通话，不过目前仅在菲律宾等少数地区 App Store 上架测试。
华盛顿邮报上线 Ask The Post AI：免费查 2016 年以来报道
上周，The Washington Post 推出实验性 AI 工具 Ask The Post AI，无需订阅即可用对话方式检索其 2016 年以来的新闻。模型只基于自家报道生成内容以降低幻觉，并附带引用来源。不过，未订阅用户依然无法点进原文看全文。
通义开源 Qwen2.5-Coder 全系列：32B 旗舰模型编程水平追平 GPT-4o
Qwen 团队全面开源 Qwen2.5-Coder 系列代码模型，补齐 0.5B 到 32B 共 6 种尺寸。旗舰版 32B-Instruct 性能媲美 GPT-4o，支持 40 多种语言与 128K 上下文。绝大多数模型采用 Apache 2.0 协议，已适配 Cursor 等工具。
限制非商用：DeepMind 终于开放 AlphaFold 3 代码
Google DeepMind 宣布开放蛋白质结构预测模型 AlphaFold 3 的软件代码，科学家可下载用于非商业研究。此前因发表论文时未附代码引发学术界巨大争议；不过该模型权重仍需提交申请，未完全开源。
ElevenLabs 复刻传奇乐手 Jerry Garcia 声音：支持 32 种语言朗读图书
Jerry Garcia 遗产管理方与 ElevenLabs 合作，在 ElevenReader 应用中上线这位已故摇滚传奇的 AI 复刻声音。该语音支持用 32 种语言朗读电子书、文章和 PDF。目前该模型仅用于文本朗读，后续还将用于基金会的纪录片旁白等项目。
微软联手梵蒂冈造数字孪生：AI 拼合 50 万张圣伯多禄大殿照片
梵蒂冈联手微软公布圣伯多禄大殿的 AI「数字孪生」项目。技术团队采集了近 50 万张高分辨率图像，由 AI 算法拼合建模。线上观众能细致漫游包括地下圣徒墓在内的全貌，文保团队还能顺带排查肉眼难见的微小裂纹与破损。
拍摄 30 秒视频测血压：东大 AI 非接触筛查高血压与糖尿病
东京大学团队公布一项研究，通过 AI 分析面部和手掌的高速视频血流，无需抽血或袖带即可筛查高血压与糖尿病，高血压检测准确率最高达 94%。最值得关注的是未来有望装进手机或镜子实现无感自测。不过该成果仍处于早期研究阶段。
X 开始测试免费版 Grok：在新西兰小范围开放，限制提问频次
据 TechCrunch 报道，社交平台 X 开始向免费用户测试开放 AI 聊天机器人 Grok。此前该功能仅限付费会员使用，目前在新西兰试点，限制 Grok-2 每两小时提问 10 次，账号须注册满 7 天并绑定手机号。此举旨在扩大用户基数并加速产品迭代。
周日
11月10日 星期日
Near Protocol 上线跨链 AI 助手：能秒发 Meme 币，未来还要帮你订机票
Near Protocol 推出跨链 AI 代理 NEAR.AI Assistant 的 alpha 测试版。它能在几秒内生成并发行 Meme 币，并通过链抽象技术支持比特币、以太坊等资产的原生跨链互换。官方计划未来让它直接在 Web2 网站代订机票和外卖，不过订票功能目前仍处于原型阶段。
周六
11月9日 星期六
OpenAI 调整大模型研发策略：代号 Orion 提升放缓，转向合成数据与后训练
据报道，OpenAI 代号为 Orion 的下一代旗舰模型性能提升幅度放缓，在编程等领域未能显著拉开差距。为此 OpenAI 正在调整策略，转向利用合成数据训练并加大后训练投入。公司已确认，今年不会发布 Orion。
西班牙洪灾真照片被当成 AI 作假：低质内容正让人们不敢相信现实
据《卫报》专栏报道，西班牙瓦伦西亚洪灾中数十辆车堆叠的真实街景照片走红，却被大批网民指责为「AI 假图」。最值得关注的是，生成式 AI 工具制造的低质内容正淹没社交平台，导致公众甚至开始习惯性怀疑真实灾难画面的真实性。
OpenAI 公布大选防护数据：驳回 25 万次政治人物深伪图像生成
OpenAI 公布 2024 年美国大选期间的安全防护数据。大选前一个月内，ChatGPT 拒绝了超过 25 万次针对特朗普、哈里斯等候选人的 DALL·E 图像生成请求，并将约 300 万次选情与投票查询引导至权威信源。官方称未发现利用其模型造成病毒式传播的干预行动。
OpenAI 再失安全领军人：研究副总裁 Lilian Weng 宣布离职
周五，OpenAI 研究与安全副总裁 Lilian Weng 宣布将于 11 月 15 日离职。在 OpenAI 工作的 7 年间，她带头组建了超 80 人的安全系统团队。近一年来包括多位核心高管在内的安全人员相继出走，再次引发外界对商业化挤压安全投入的担忧。
周五
11月8日 星期五
披头士「最后单曲」获格莱美提名：靠 AI 提取列侬原声
据报道，披头士乐队用 AI 辅助修复的最后单曲《Now and Then》入围格莱美年度制作和最佳摇滚表演两项提名。该曲原是 1970 年代约翰·列侬录制的 Demo，因当年技术无法分离人声与钢琴被搁置，直到团队借助机器学习剥离音轨才得以补全。
iOS 18.2 图像乐园上手指南：输入文字就能把 iPhone 变成画室
iOS 18.2 开发者测试版中的 Image Playground 受到关注。该工具允许用户输入提示词生成动画或插画风格图片，第二个测试版明显加快了渲染速度并提升了语义匹配度。目前仅限测试版，后续将向大众开放。
Wendy's 联手 Palantir：靠供应链 AI 保供 1 美元冰品不缺货
据彭博社报道，Wendy's 引入 Palantir 的 AI 软件优化供应链，实时预测原料需求并防范断货。系统通过结合销售与运费数据，在「1 美元 Frosty」促销爆单时自动通知供应商调整产能。快餐巨头正试图用算法取代手动算表，打好价格战。
Adobe 的 AI 阳谋：不谈取代人类，先用修图工具讨好创作者
CNET 分析了 Adobe 面向专业创作者的 AI 策略。Adobe 避开一键生成，转向用生成式编辑解决修图痛点，例如用 AI 抹电线、补视频帧。目前 Photoshop 生成式填充日均使用达 2300 万次，但画师对饭碗和版权的担忧仍在。
OpenAI 胜诉：美法官驳回两家新闻机构的 AI 训练版权诉讼
周四，美国联邦地方法官驳回了 Raw Story 和 AlterNet 对 OpenAI 提起的一起诉讼。原告指控 OpenAI 在训练 ChatGPT 前移除了数千篇文章的作者和标题等版权管理信息。法官认为原告未证明受到具体伤害，但允许其修改后再诉。
Sam Altman 最新预测：AGI 将在 2025 年实现
消息，OpenAI CEO Sam Altman 在接受 YC 采访时表示，通用人工智能（AGI）预计将在 2025 年实现。他认为通往 AGI 的路径已基本明确，接下来主要是工程问题，不再需要根本性的科学突破。
撬动对手生态：Google 宣布 Gemini 兼容 OpenAI 官方 SDK
Google 宣布开发者可直接通过 OpenAI 官方库及 REST API 调用 Gemini 模型。首批支持 Chat Completions 与 Embeddings 接口，开发者只需修改 base_url 并填入 Gemini 密钥即可无缝调用，大幅降低迁移门槛。
传 Amazon 拟向 Anthropic 追加数十亿美元：前提是用亚马逊芯片
据报道 Amazon 正洽谈向 Anthropic 追加数十亿美元投资。不过这笔交易带有限制条件：Amazon 要求 Anthropic 改用其自研芯片来训练 AI。尽管 Anthropic 更青睐 Nvidia 芯片，但在今年预计耗资超 27 亿美元的资金压力下，这笔注资可能很难拒绝。
周四
11月7日 星期四
人形机器人首登苏富比：图灵肖像画拍出 1,084,800 美元
周四 19:00 GMT，人形机器人艺术家 Ai-Da Robot 创作的图灵肖像《A.I. God》在苏富比以 1,084,800 美元成交。这幅作品最初估价仅 120,000 至 180,000 美元，共引来 27 次竞价。苏富比表示，这是首个由人形机器人艺术家售出画作的拍卖纪录。
Mistral 推出内容审核 API：基于 Ministral 8B，支持 9 类有害内容检测
Mistral 上线内容审核 API，由微调后的 Ministral 8B 驱动，支持英语、法语等多语言，可将文本划分到仇恨、暴力、金融等 9 个风险类别。同日 Mistral 还推出 Batch API，通过异步批处理将调用成本降低 25%。
Outlook 上线 Copilot 主题：AI 依地点与天气自动换壁纸
Microsoft 为 Outlook 推出「Themes by Copilot」功能。Copilot Pro 及企业订阅用户可基于 100 多个地点或实时位置与天气生成动态主题，支持写实、油画和卡通风格。通过外观设置即可启用，让日常收件箱有了更多个性化玩法。
Krea AI 上线个性化训练：上传 3 张图，就能直接炼专属画风和角色
Krea AI 上线个性化模型训练功能，最少只需上传 3 张图片，就能在网页端训练专属角色、画风或产品的 LoRA。这意味着创作者不用再折腾本地显卡与复杂参数。不过该功能不设免费试用，首批开放了 100 个邀请名额，日常使用需订阅会员。
Anthropic 联手 Palantir 与 AWS：把 Claude 引入美国防务与情报机构
Anthropic 联手 Palantir 与 AWS，将 Claude 3 和 3.5 模型引入美国防务与情报机构。模型集成在 Palantir AIP 中，运行于获 DISA IL6 认证的机密环境，协助情报人员快速处理复杂数据与文档。这也是 Claude 首次进入机密防务环境。
字节跳动发布 X-Portrait 2：让一张静态照片演《闪灵》
字节跳动推出 AI 系统 X-Portrait 2，仅凭单张照片就能重现经典电影里的复杂表情。它放弃了传统打点追踪，直接学习整张脸的肌肉流动，连惊恐与狂喜都能逼真呈现。出于深度伪造与滥用担忧，字节目前未对外公开代码。
Google 与 Sourcegraph 实测：Gemini 百万上下文让 Cody 幻觉率砍半
Google 与 Sourcegraph 公布实测数据，将 Gemini 1.5 Flash 的 100 万 token 上下文接入 Cody 编程助手。结果显示关键问答指标大幅提升，幻觉率从 18.97% 降至 10.48%。通过预取与分层缓存，首字延迟从 30 多秒压缩至 5 秒左右。
