彭博社：苹果或于今秋宣布接入 Google Gemini
彭博社记者 Mark Gurman 透露，苹果预计将于今年秋季宣布将 Google Gemini 引入其设备。除了已公布的 ChatGPT，苹果后续还可能接入 Anthropic。引入第三方模型既能补足生态，苹果也能顺势从合作伙伴的订阅服务中抽取分成。
AI 日报：今天的 AI 新闻
周日
6月30日 星期日
周五
6月28日 星期五
微软 AI 负责人称公开网络内容是「免费软件」：人人可复制拿来训练
微软 AI 负责人 Mustafa Suleyman 表示，开放网络上的内容自 90 年代以来的社会契约就是合理使用，等同于人人可复制的「免费软件」。此言论随即引发争议，批评者指出美国版权法规定作品发布在网上并不会自动丧失版权。
调查报道中心起诉 OpenAI 与微软：指控抓取新闻侵犯版权
周四，制作《Mother Jones》的调查报道中心（CIR）宣布起诉 OpenAI 与微软。CIR 指控两家公司未经许可且未付报酬，直接抓取其报道训练 AI 侵犯版权并剥夺其收入。这是继《纽约时报》等媒体后，两家科技巨头面临的又一起版权诉讼。
Solos 发布 AirGo Vision：接入 GPT-4o，镜框还能随便换
Solos 发布 AirGo Vision 智能眼镜。它在镜腿配备摄像头并接入 ChatGPT-4o，能对眼前景物做视觉搜索和摘要，还允许切换 Gemini 与 Claude。其模块化设计支持随意更换镜框，但只支持拍照不支持录像，预计今年晚些时候发售。
周四
6月27日 星期四
扎克伯格炮轰闭源 AI：有人觉得自己像「在创造上帝」
Meta CEO 马克·扎克伯格在接受采访时公开吐槽闭源 AI 竞争对手，称他们试图垄断并打造唯一真正的 AI，简直像是在「创造上帝」。他认为未来绝不会只有一种 AI，世界需要开源和多样性。同日 Meta 还在美测试了让创作者定制 AI 分身的 AI Studio。
Meta 测试 Instagram 创作者 AI：帮博主回复消息，带专属标识
周四，Meta 宣布在美国的 Instagram 上测试创作者自制 AI 角色。这些聊天机器人由创作者通过 AI Studio 打造，主要出现在消息功能中，并会明确打上 AI 标签。测试初期覆盖约 50 位创作者和少量用户，预计 8 月全面上线。
时代周刊联手 ElevenLabs：官网文章上线 AI 自动朗读
TIME 宣布在 TIME.com 上线 ElevenLabs 的 Audio Native 播放器，为精选报道提供自动语音旁白。双方从 2023 年 3 月开始接触，现在读者可以直接用耳朵听新闻，无需盯屏阅读。
LangChain 发布 LangGraph v0.1：多智能体可控落地，支持「时光倒流」调试
LangChain 发布智能体开发框架 LangGraph v0.1 稳定版，并同步开启 LangGraph Cloud 封测。新版本提供精细的状态流控制，支持人机协作打断与状态编辑，配套的云平台与 Studio 工具让多智能体告别黑盒失控，能可靠应对复杂生产环境。
Google 上线 Gemma 2：27B 越级打两倍体量，单卡就能跑
Google 正式发布新一代开源模型 Gemma 2，提供 9B 和 27B 两个版本。27B 性能直追两倍体量模型，能在单张 NVIDIA H100 或 TPU 上跑全精度推理；9B 则在同尺寸中压过 Llama 3。开发者以商业友好许可开源使用。
Character.AI 上线语音通话功能：能打断、低延迟，支持中文
Character.AI 宣布面向全部用户上线实时语音通话功能，支持中文、英文、日文等多种语言。用户一键即可与 AI 角色双向对话，并支持随时打断与文字无缝切换，适合用来练口语或模拟面试。
YouTube 洽谈三大唱片公司：拟一次性付现买版权训 AI 音乐工具
据金融时报报道，YouTube 正与环球、索尼和华纳洽谈，计划向三大唱片公司一次性支付现金，获取数十位音乐人的版权以训练年内推出的新 AI 工具。相比因未授权训练而被起诉的 Suno 和 Udio，Google 试图先拿到许可再推进合规训练。
OpenAI 推出 CriticGPT：用 GPT-4 给自己挑错，准确率提升 60%
OpenAI 推出基于 GPT-4 训练的模型 CriticGPT，专门辅助人类标注员找出 ChatGPT 代码中的隐蔽错误。测试显示，人机配合找错的表现比单人高出 60%。OpenAI 正将该类模型整合进 RLHF 流程，以解决模型日益聪明后的对齐难题。
OpenAI 联手《时代》：ChatGPT 接入 101 年历史档案并附原文链接
OpenAI 与《时代》（TIME）杂志宣布达成多年战略合作，ChatGPT 等产品将直接接入其过去 101 年的档案与最新报道。AI 在回答相关提问时会展示引文和原文跳转链接。同时，《时代》也将借助 OpenAI 的技术开发新产品。
Google 翻译迎史上最大扩容：靠 PaLM 2 接入粤语等 110 种新语言
Google 宣布依托 PaLM 2 大模型为 Google 翻译新增 110 种语言，为其史上最大更新。新语言覆盖粤语、曼岛语等，惠及全球超 6.14 亿人。大模型帮翻译工具更高效地学习相近语系，也加速了小众和濒危语言的数字化保护。
Google 升级 Gemini API：开放 200 万上下文，自带代码执行沙箱
Google 宣布向所有开发者开放 Gemini 1.5 Pro 的 200 万 token 上下文窗口，无需排队。同时 Gemini API 与 Google AI Studio 上线代码执行沙箱，模型可动态生成并运行 Python 代码解算复杂推理，开源模型 Gemma 2 也同步加入 AI Studio。
周三
6月26日 星期三
Peacock 推出 AI 版传奇解说：定制你的奥运专属早报
NBCUniversal 宣布将在 Peacock 平台推出「Your Daily Olympic Recap」，用 AI 克隆传奇解说员 Al Michaels 的声音播报定制奥运集锦。用户输入名字并选定偏好运动后，每天能听到叫得出自己名字的专属战报。官方预计生成近 700 万种变体，并安排人工编辑审听防翻车。
Figma 迎来十年最大改版：引入生成式 AI，一句话直接生成界面原型
Figma 推出全新界面改版与 Figma AI 工具集，输入文字提示即可生成包含布局与配图的应用原型，并新增内置演示工具 Figma Slides。目前 AI 功能需申请排队、年底前免费试用，不过其默认采用部分用户数据训练模型的做法引发了讨论。
传 Amazon 研发新 AI 聊天机器人 Metis：搭载 Olympus 模型，最早 9 月发布
据 Business Insider 报道，Amazon 正在开发代号为 Metis 的新聊天机器人。它由新大模型 Olympus 驱动，采用 RAG 技术实时调用外部数据，CEO 安迪·贾西亲自参与。该产品计划最早 9 月推出，不过内部也有声音担忧发力太晚，难赶超 OpenAI 和 Google。
Captions 推出 AI Edit：一键为竖屏口播视频加特效、贴图与配乐
视频剪辑应用 Captions 推出 AI Edit 功能。用户导入单人出镜的竖屏口播视频后，AI 会根据内容自动添加缩放、转场、贴图、音乐与音效。它还能结合内置的 12 款 AI 数字人，几分钟内仅凭提示词就全自动产出剪辑完成的视频。
Etched 发布专用芯片 Sohu：号称 Transformer 推理比 H100 快 20 倍
Etched 宣布专用推理芯片 Sohu 并获 1.2 亿美元 A 轮融资。团队直接把 Transformer 架构固化进芯片，号称跑 Llama 70B 可达每秒 50 万 token，8 卡能顶 160 张 H100。不过芯片尚未流片，且完全无法运行其他架构。
Rabbit R1 曝严重安全漏洞：硬编码 API 导致所有历史回复可被调阅
逆向团队 Rabbitude 披露，Rabbit 官方代码中硬编码了多个关键 API 密钥，任何人都能借此调取 R1 生成过的所有历史回复与个人信息，甚至能篡改回答或使设备变砖。Rabbit 官方称 6 月 25 日才得知涉嫌泄露并已介入调查，目前未发现客户数据外泄。
唱片业起诉 Suno 与 Udio：未经许可抓歌训练算不算「合理使用」？
周一，美国唱片业协会（RIAA）代表多家主流唱片公司正式起诉 AI 音乐平台 Suno 与 Udio，指控其非法抓取海量版权音乐训练模型，索赔单件作品最高 15 万美元。诉讼核心直指生成式 AI 是否能以「合理使用」为由免费使用受保护数据，这可能重塑整个 AI 音乐甚至内容行业的底层规则。
Opera 发布 Opera One R2：内置 AI 生图，还能就网页随时向 Aria 提问
Opera 发布 Opera One R2 开发者测试版，将此前试验性的 Aria AI 图像生成、语音生成及图像理解能力直接内置。新版还加入「页面上下文模式」，让用户直接就网页内容向 AI 提问、翻译或总结，并新增悬浮媒体控制与分屏标签页。正式版预计今年晚些时候向所有用户推送。
Anthropic 进军政府市场：Claude 3 上架 AWS 政府云与情报专区
Anthropic 宣布将 Claude 3 Haiku 和 Sonnet 引入 AWS GovCloud 及美国情报界专用市场。官方还针对政府放宽了使用政策，允许用于打击人口贩卖和军事预警等情报分析，但武器研发与网攻仍被明令禁止。
周二
6月25日 星期二
玩具反斗城联手 OpenAI：首部 Sora 品牌宣传片亮相
玩具反斗城母公司发布号称首部由 OpenAI Sora 参与制作的品牌宣传片。创意机构透露，Sora 完成了大约 80% 至 85% 的画面生成，其余细节由十余人团队通过后期视效修整。这也是 Sora 首次公开试水商业品牌广告。
OpenAI 延期发布高级语音模式：测试推迟一个月，秋季全员开放
OpenAI 宣布原定 6 月底向少量 ChatGPT Plus 用户推出的高级语音模式 Alpha 测试推迟一个月。官方表示需要时间提升内容拦截能力并优化承载架构，预计秋季向所有 Plus 用户开放。
ChatGPT Mac 客户端向所有人开放：Option + 空格一键唤起
OpenAI 宣布面向所有 macOS 用户正式开放 ChatGPT 桌面应用，免费和付费用户均可使用。安装后按下 Option + 空格即可随时唤出浮层对话框，支持语音交流、截屏讨论和文件上传，此前该客户端仅向 Plus 用户灰度开放。
ElevenLabs 推出 Reader App：用逼真 AI 语音读文章，前 3 个月免费
ElevenLabs 推出移动端 Reader App。它能把手机里的文章、PDF、ePub 和邮件通讯转换成高拟真的 AI 语音朗读，支持多种音色与口音。应用已上线 iOS 和 Android，前 3 个月免费，目前仅支持英语，后续将拓展至 29 种语言。
EvolutionaryScale 推出 ESM3：用 980 亿参数大模型设计全新荧光蛋白
EvolutionaryScale 推出生物大模型 ESM3，参数量达 980 亿，能同时对蛋白质序列、结构与功能进行推理和生成。团队用它造出新荧光蛋白 esmGFP，序列相似度仅 58%，相当于模拟了 5 亿年自然进化。目前模型已通过 Forge 开放公测预览。
Anthropic 上线 Claude Projects：自带 200K 知识库与专属指令
Anthropic 面向 Claude.ai 的 Pro 和 Team 用户推出「Projects」功能。每个项目自带 200K 上下文窗口，支持塞入代码库与文档等内部知识并设置专属指令，团队成员还能共享对话快照。官方强调，项目内数据默认不用于模型训练。
周一
6月24日 星期一
Synthesia 2.0 发布：用手机自拍做数字人，手势肢体动作今年上线
Synthesia 推出企业级视频平台 Synthesia 2.0。新版本不仅支持用手机或摄像头录制专属数字人，并同步复刻 30 多种语言音色，还展示了今年晚些时候上线的带手势全身数字人。企业做培训和演示不用再约影棚，对着摄像头录一段就能批量生成视频。
OpenAI 收购远程协作平台 Multi：团队并入，产品将于 7 月关闭
OpenAI 收购企业远程视频协作平台 Multi。该交易本质为人才收购，约 5 人的团队将加入 OpenAI，Multi 现有产品将于 7 月 24 日关停。继此前买下 Rockset 之后，OpenAI 正在加速补齐企业服务和协作能力。
Google 教育版 Workspace 升级：Gemini 免费向青少年学生开放
Google 宣布在 100 多个国家免费向符合年龄的青少年学生开放 Gemini 教育版账号。系统默认关闭，需管理员手动开启，且包含内容过滤和事实核查机制；同时 Classroom 新增多项 AI 备课与阅读辅导功能。这意味着学校也能合规用上生成式 AI。
Gmail 侧边栏上线 Gemini：直接在收件箱里跨邮件和云端硬盘查资料
Google 开始在 Gmail 网页端侧边栏上线 Gemini。它不仅能总结长邮件链并协助起草回复，还能直接跨收件箱与 Google Drive 调取资料回答具体问题。该功能面向 Workspace 商业版、教育版以及 Google One AI Premium 订阅用户开放。
三大唱片巨头起诉 Suno 与 Udio：指控侵权训练音乐 AI 索赔数十亿
Universal Music、Warner Music 与 Sony Music 联合起诉 Suno 和 Udio，指控其非法使用有版权的音乐录音训练 AI 模型。唱片业协会对每起侵权主张最高 15 万美元赔偿，总额可达数十亿美元。版权战正式烧到了 AI 音乐领域，最终可能逼出天价授权协议。
Meta AI 登陆印度：接入 WhatsApp 与 Instagram，免费可用
Meta 宣布 Meta AI 正式面向印度用户上线英文版。该助手基于 Llama 3 构建，直接接入 WhatsApp、Facebook、Instagram 和 Messenger，支持在群聊中出谋划策，还能通过「imagine」指令直接生成和修改图片。
周日
6月23日 星期日
Endiatx 推出可吞服机器人 PillBot：自带推进器，在家做胃镜
据 VentureBeat 报道，医疗初创公司 Endiatx 研发的微型胶囊机器人 PillBot 已进入临床试验。患者吞下内置微型推进器和摄像头的胶囊后，医生便能远程遥控检查胃部，无需做传统胃镜。团队正开发 AI 辅助诊断与自主导航，计划 2026 年初商用。
Stability AI 换帅续命：前维塔数码 CEO 接任，获肖恩·帕克注资
Stability AI 宣布任命 Weta Digital 前 CEO Prem Akkaraju 为新任首席执行官，并获得由 Facebook 首任总裁 Sean Parker 牵头的新一轮融资，Parker 将出任董事长。该公司此前深陷危机，一季度亏损超 3000 万美元且欠下近 1 亿美元云服务账单。
苹果被曝与 Meta 洽谈：计划将更多生成式 AI 接入 iPhone
据《华尔街日报》周日报道，Meta 已与苹果洽谈将生成式 AI 接入 Apple Intelligence。除了已宣布的 OpenAI，苹果还在接触 Google、Anthropic 和 Perplexity。合作可能涉及通过苹果生态销售高级订阅，但谈判目前尚未敲定。
周五
6月21日 星期五
监管不确定性作祟：Apple 年内暂不在欧盟推出 Apple Intelligence
Apple 宣布因欧盟《数字市场法》（DMA）的互操作性要求与监管不确定性，年内不会向欧盟用户推出 Apple Intelligence、iPhone 镜像及 SharePlay 屏幕共享。Apple 担心开放互操作会损害产品完整性并危及用户隐私安全，目前正与欧盟委员会沟通寻找方案。
代码曝光：Grok 1.5 或接入 Midjourney 生成图片
近日，独立版 Grok 的代码库中被发现包含 Midjourney 相关引用，印证了此前 xAI 洽谈合作的传闻。这意味着 Grok 1.5 或能通过 API 直接调用 Midjourney 的图像生成能力。此外，代码显示其即将支持图片上传，补全视觉理解功能。
OpenAI 收购 Rockset：补强实时检索技术，升级产品底层架构
OpenAI 宣布收购实时分析数据库公司 Rockset。OpenAI 计划将其数据索引与查询技术整合进全线产品，升级底层检索基础设施，Rockset 团队也将并入。这一步旨在让企业和开发者在调用 AI 时，更顺畅地访问和利用自身实时数据。
TollBit 曝光行业乱象：多家 AI 公司绕过 robots.txt 强行抓取网站
据路透社报道，内容授权初创公司 TollBit 发现，多家 AI 公司正公然无视通行的 robots.txt 协议，未经许可强行抓取出版商内容用于训练与生成摘要。此前 Forbes 也曾指控 Perplexity 抄袭其调查报道。这意味着网站长期依赖的防爬规则正形同虚设。
周四
6月20日 星期四
Leonardo AI 发布 Phoenix 模型：文字排版更准，支持自然语言二次修图
周一，Leonardo AI 发布新模型 Leonardo Phoenix，主打更高的提示词遵从度与文字渲染能力。更新还带来了「Edit with AI」功能，允许直接用自然语言追加修图指令。不过受架构调整影响，垫图引导等部分旧功能暂时无法使用。
PayPal 挖来沃尔玛前高管出任 CTO：押注 AI 驱动支付转型
PayPal 宣布任命前沃尔玛技术高管 Srini Venkatesan 为新任 CTO，将于 6 月 24 日履新，全面统揽 AI、机器学习与数据科学开发。CEO Alex Chriss 将 2024 年定为转型之年，希望靠 AI 个性化重塑支付与电商购物体验。
OpenAI 公布网络安全资助成果：收到超 600 份申请，扩展赠送企业版
OpenAI 公布网络安全资助计划一年来的成果。该计划已收到超 600 份申请，重点支持了防提示词注入、代码漏洞挖掘和自动化红队等项目。为了帮防御方更好地用上 AI，OpenAI 还将把免费账号资助从 ChatGPT Plus 扩展至 Team 和 Enterprise 版本。
Anthropic 发布 Claude 3.5 Sonnet：超越前代旗舰，速度翻倍并推 Artifacts
Anthropic 正式发布 Claude 3.5 Sonnet。新模型在编程和推理能力上超越前代旗舰 Opus，运行速度提升至 2 倍，且维持中端定价；网页端还同步上线了能实时运行代码和预览界面的 Artifacts 侧边栏。目前该模型已在 Claude.ai 及 API 开放使用。
周三
6月19日 星期三
Apple Intelligence 将给 AI 图片标元数据：连消除杂物都留痕
据 CNET 报道，苹果高管透露 Apple Intelligence 会在生成或修改的图片元数据中打上标记。哪怕只是消除背景杂物等微调，也会标明被修改过；苹果同时明确无意涉足逼真人物或场景生成。面对假图泛滥，苹果选择从底层元数据开始设防。
Ai Build 推出 Aibuild 2.0：用自然语言直接生成 3D 打印刀路
Ai Build 推出云端 3D 打印软件 Aibuild 2.0。新版内置基于大模型的 AI 助手 Talk to AI，工程师直接输入「按 2 毫米层高切片」等自然语言指令，就能自动生成可打印刀路与模拟流程，降低大型工业 3D 打印的门槛。
OpenAI 前首席科学家另起炉灶：Ilya 创办 SSI，只做安全超级智能
OpenAI 联合创始人兼前首席科学家 Ilya Sutskever 宣布成立新公司 Safe Superintelligence Inc.（SSI）。该团队表示只有一个目标和一个产品，即安全强大的超级智能，且商业模式将完全免受短期商业化周期的干扰。
造超算训 Grok 3：马斯克拉上 Dell 和超微组装服务器机架
Elon Musk 在社交平台 X 上透露，Dell 和 Super Micro 将为 xAI 正在建造的超算提供服务器机架。Dell 将负责组装一半机架，并与 Nvidia 合作打造「AI 工厂」，目标是堆叠 10 万张 H100 训练 Grok 3。
微软开源视觉模型 Florence-2：小至 232M，一个模型通吃多种图像任务
微软 Azure AI 团队在 Hugging Face 上开源了视觉基础模型 Florence-2，采用宽松的 MIT 协议。该模型仅有 232M 和 771M 两个极小尺寸，通过统一的文本提示词即可处理图像描述、目标检测和图像分割等多种视觉任务，在多项测试中甚至超过参数量大百倍的模型。
周二
6月18日 星期二
曝苹果暂停下一代高端 Vision Pro：转向开发平价头显
据外媒报道，Apple 已暂停新一代高端 Vision 头显研发，转而全力打造代号 N109 的平价设备。新机型计划 2025 年底推出，目标减重至少三分之一，售价压至 1500 到 2500 美元，但因成本控制难度大可能延期。
Meta FAIR 开源五款新模型：图文交织、可控音乐与极速音频水印
Meta FAIR 团队开源发布了五项 AI 研究成果。其中涵盖能混合输入输出图文的 Chameleon、支持节拍与和弦控制的音乐模型 JASCO，以及检测速度提升达 485 倍的 AI 语音水印技术 AudioSeal 等。
微软 Surface Copilot+ PC 正式开售：配骁龙 X 芯片，起步价 999 美元
Microsoft 正式开售全新 Surface Laptop 与 Surface Pro 两款 Copilot+ PC，起售价 999 美元。两款新机搭载高通骁龙 X 系列处理器与独立 NPU，提供画图 Cocreator 实时生成和实时字幕等端侧功能。这也是首批推向市场的 Windows Copilot+ PC 硬件。
英伟达市值达 3.34 万亿美元：超越微软成全球市值最高公司
周二，英伟达股价上涨 3.6%，市值达到 3.34 万亿美元，超越微软成为全球市值最高的上市公司。今年以来英伟达股价已上涨超 170%，占据约 80% 的数据中心 AI 芯片市场。这表明在生成式 AI 浪潮下，算力基建正彻底重塑科技巨头格局。
周一
6月17日 星期一
Google DeepMind 转向「产品工厂」：团队面临商业化转型阵痛与疲劳
据彭博商业周刊报道，Google 正将 DeepMind 从学术实验室转型为商业 AI 产品工厂。多名受访员工透露，自上而下的产品交付指标让部分研究员感到受挫与疲惫，Gemini 先前出现的一系列波折也加剧了团队内部的压力。
Apple 在 Hugging Face 上线 20 个 Core ML 模型：主打端侧离线运行与隐私
Apple 在 Hugging Face 上线了 20 个 Core ML 模型和 4 个数据集，涵盖 FastViT 图像分类与 DepthAnything 深度估计等。这些模型专为端侧优化，无需联网即可在设备本地离线运行，帮开发者兼顾极速响应与用户隐私。
Perplexity 上线卡片化即时回答：查天气和汇率不用再跳回 Google
Perplexity 上线卡片化即时回答功能，支持直接显示天气、时间、汇率换算和简单数学计算。CEO Aravind Srinivas 表示这类基础查询响应更快，且不再附带外部来源链接。这步棋显然是为了留住那些习惯随手跳回 Google 查基础事实的用户。
DeepSeek 开源 Coder V2：编程能力超越 GPT-4 Turbo
DeepSeek 开源混合专家代码模型 DeepSeek Coder V2，支持 338 种编程语言与 128K 上下文。它在 HumanEval 等代码评测中超越了 GPT-4 Turbo 和 Claude 3 Opus，成为首个在编程基准上击败顶尖闭源方案的开源模型。提供 16B 和 236B 两种尺寸，遵循 MIT 协议。
Runway 发布 Gen-3 Alpha：主打精细时间控制与逼真人物生成
Runway 发布新一代视频生成基础模型 Gen-3 Alpha。它在保真度、画面一致性和动态表现上相比 Gen-2 显著提升，支持高密度的精细时间控制与电影级镜头语言，能生成情绪细腻的人物角色。
TikTok 推出 Symphony 数字人：支持定制分身与多语言 AI 配音
TikTok 推出广告 AI 工具 Symphony 数字人分身与 AI 配音功能。该工具提供支持 30 多种语言的预制授权数字人及定制分身，配合配音可将视频转译为 10 多种语言。这意味着创作者和品牌无需重复实拍，就能低成本规模化出海投放。
美政府联手微软 OpenAI：首次演习关键 AI 系统遭黑客攻击
上周，美国网络安全和基础设施安全局联合微软、OpenAI 及英伟达等科技巨头，开展了首个针对关键 AI 系统的网络攻击桌面推演。50 多位专家模拟了 AI 攻防场景并演练应急沟通，相关经验将用于编写今年底发布的 AI 安全应急指南。
Adobe Acrobat 接入 Firefly：能直接文生图，还支持跨文档提炼
Adobe 为 Acrobat 引入 Firefly Image 3，首次在 PDF 中提供文生图和抠图去背景等编辑功能。同时 Acrobat AI Assistant 升级，支持跨 Word、PowerPoint 等多文档提取核心趋势并附带来源标注，还能为会议记录总结待办事项。6 月 18 日至 28 日开放限时免费。
DeepMind 公布 V2A 技术：看懂视频画面，自动生成配乐与对白
Google DeepMind 公布视频转音频（V2A）技术研究进展，能结合视频画面与文本提示生成同步声音。该系统基于扩散模型，无需手动对齐即可为静音视频或老胶片搭配配乐、拟音与台词。不过目前口型同步等仍有局限，模型尚未公开发布。
周六
6月15日 星期六
OpenAI 考虑转型为营利性公司：摆脱非营利董事会控制，或为 IPO 铺路
据 The Information 报道，OpenAI CEO Sam Altman 正考虑将公司重组成类似 Anthropic 或 xAI 的营利性企业，摆脱非营利董事会控制。这不仅能理顺此前导致宫斗的治理结构，还更便于筹集高达 1000 亿美元的资金，并为未来 IPO 打开大门。
周五
6月14日 星期五
麦当劳叫停得来速 AI 点餐：7 月底前撤掉 100 多家门店的 IBM 系统
麦当劳宣布终止与 IBM 合作的得来速自动语音点餐测试，最迟将于 2024 年 7 月 26 日前关停 100 多家试点门店的该系统。麦当劳并未放弃 AI，只是想在年底前找更可行的长期方案。
OpenAI 任命前 NSA 局长进董事会，斯诺登炮轰「蓄意背叛」
OpenAI 宣布任命前美国国家安全局局长 Paul Nakasone 加入董事会安全与安保委员会。OpenAI 称看重其网络安全经验以保护 AI 超级计算机，但泄密者斯诺登公开发声呼吁「切勿信任 OpenAI」，指责此举是对全球人权的蓄意背叛。
前 Meta 工程师推出 Jace：能自主操作浏览器的 AI 智能体
前 Meta 工程师创立的 Zeta Labs 推出 AI 智能体 Jace，同时获得 290 万美元融资。用户只要输入自然语言指令，它就能在云端浏览器中自主完成查订酒店、发邮件甚至建公司等跨网页长流程操作。它搭载自研的 AWA-1 模型，支持数百步复杂操作。
Meta 暂停在欧洲上线 Meta AI：因爱尔兰监管施压，称不用本地数据体验会缩水
Meta 宣布暂停在欧洲推出 Meta AI 助手。此前爱尔兰数据保护委员会对其抓取公开数据训练模型提出异议。Meta 称这一决定让人失望，若不纳入口碑与文化等本地数据，模型只能提供「二流体验」；隐私倡导机构 Noyb 则反驳称 Meta 只是不愿征求用户明确同意。
Yahoo 重建新闻 App：借壳复活 Artifact，让 AI 重写标题党
Yahoo 正式推出融入 Artifact 技术的全新 Yahoo News 应用。新版支持个性化推荐流和一键要点提炼，还继承了 Artifact 的招牌功能：遇到「标题党」可让 AI 直接重写标题。目前已在 iOS 与 Android 上线。
