首尔 AI 峰会达成新协议：16 家头部企业签署安全承诺
英国与韩国在首尔举办 AI 安全峰会。10 国与欧盟宣布共建国际 AI 安全研究网络，OpenAI、Google、智谱 AI 等 16 家头部企业签署承诺，同意在风险无法控制在阈值以下时坚决不开发或部署模型。
AI 日报：今天的 AI 新闻
周二
5月21日 星期二
微软 Copilot+ 截屏记录惹争议：英国监管介入调查 Recall 隐私风险
英国数据监管机构 ICO 宣布就微软 Copilot+ PC 的 Recall 功能展开问询。该功能每隔几秒截屏一次并加密保存在本地供语义检索，但隐私专家警告其不主动过滤密码和敏感财务信息。微软则回应称该功能完全可选且数据不上云。
Windows 剪贴板接入 AI：PowerToys 带来高级粘贴，一键改写格式与代码
Microsoft 在 Windows 11 的 PowerToys 0.81 中推出 Advanced Paste 功能。它能将剪贴板内容直接转换为 Markdown 或 JSON，开启 AI 选项后还能即时翻译、总结与改写代码。不过使用 AI 转换需要自备 OpenAI API 密钥并付费。
Microsoft Edge 将支持实时视频翻译：看 YouTube 时直接配音
Microsoft 在 Build 大会上宣布 Edge 浏览器即将上线实时视频翻译功能。它能在播放 YouTube、Coursera 等视频时直接生成实时字幕和 AI 配音。目前支持英语与西、德、俄等多语种互译，后续将适配更多网站。
微软发布 Team Copilot：会议记录与项目管理交给 AI
Microsoft 在 Build 开发者大会上发布 Team Copilot，将其 AI 能力扩展至团队协作场景。它能在 Teams 中管理议程、协同记笔记，还能在 Loop 和 Planner 里拆解任务并跟踪进度。该功能预计今年晚些时候向 Copilot for Microsoft 365 授权用户推出预览。
GitHub 推出 Copilot 扩展：IDE 里直接对话排错和部署
GitHub 推出 GitHub Copilot Extensions。开发者可以直接在 VS Code、Visual Studio 或网页端 Copilot Chat 中用自然语言调用 Docker、Sentry、Azure 等外部工具，甚至接入企业私有 API 排查故障与部署。最值得关注的是它减少了多工具切换的割裂感；目前部分扩展面向受邀用户开放测试。
Lightroom 上线 Generative Remove：复杂背景、水面反光一键抹除
Adobe 宣布为 Lightroom 引入由 Firefly 驱动的 Generative Remove 消除功能并开启抢先体验。无论是花纹衬衫的污渍、桌布褶皱还是水面反光，AI 都能无缝重绘抹除；同时「镜头模糊」也正式全面开放。
Meta 推出 Chameleon：原生交错生成图文的早期融合大模型
Meta 发布原生多模态模型家族 Chameleon 预览。与传统的后融合方案不同，它将图像与文本统一映射到离散 token 空间，实现端到端的图文交织推理与生成。34B 版本在 VQA 等任务上表现领先，目前该模型尚未正式开源权重。
微软开放 Phi-3 轻量模型系列：同步预览 42 亿参数视觉版
在首次公布近一个月后，微软正式向开发者开放 Phi-3 轻量模型家族，涵盖 mini、small 和 medium 三种尺寸，其中 mini 已上线 Azure AI。微软还预览了 42 亿参数的多模态版本 Phi-3-vision，支持图表与图像推理，主打端侧低成本部署。
OpenAI 紧急暂停 ChatGPT「Sky」语音：斯嘉丽·约翰逊指责其擅自模仿
OpenAI 宣布暂停 ChatGPT 的「Sky」语音，此前演员斯嘉丽·约翰逊发声明指责该声音擅自模仿自己。约翰逊透露她去年曾明确拒绝配音邀请，如今因声音高度相似被迫聘请律师维权；OpenAI 则坚称这是另一位专业女演员的自然声音，否认刻意模仿。
周一
5月20日 星期一
微软发布 Windows Recall：端侧 AI 打造「照相记忆」，彻底改造本地搜索
微软在 Build 2024 上推出 Recall 功能，专为 Copilot+ PC 打造。它利用 40 多个本地多模态小模型记录屏幕内容，支持用自然语言甚至模糊线索搜索翻过的网页、文档和会议。所有数据纯本地处理不上云，6 月 18 日随更新推送。
GPT-4o 带来史上最大吸金潮：ChatGPT 移动端 5 天净赚 420 万美元
据 Appfigures 数据，OpenAI 发布 GPT-4o 后，ChatGPT 移动应用迎来史上最大营收暴涨。5 月 13 至 17 日期间扣除渠道分成后净收入达 420 万美元，单日一度飙至 90 万美元。由于移动端当时仅向每月 19.99 美元的 Plus 会员开放新模型，直接引爆了用户的付费升级潮。
传苹果联手 OpenAI：iOS 18 拟接入聊天机器人，6 月 WWDC 官宣
据彭博社报道，苹果已与 OpenAI 达成合作，准备在 6 月 10 日的 WWDC 上宣布将后者的聊天机器人技术引入 iOS 18。苹果自身模型负责端侧与云端常规 AI 功能并升级 Siri，但缺少成熟对话模型。这笔交易意在为苹果补齐短板并争取自研时间。
传言中的搜索来了？ChatGPT 在 GPT-4o 中悄悄上线联网检索
据 Search Engine Land 报道，OpenAI 疑似在 GPT-4o 免费版中悄悄强化了搜索功能。提问实时信息时，ChatGPT 会提示正在检索网络，并列出实际浏览的站点与来源链接，不再只是空泛作答。
周日
5月19日 星期日
OpenAI 披露 ChatGPT 选角内幕：否认模仿寡姐并下架 Sky 声音
OpenAI 发文复盘 ChatGPT 语音选拔流程，并宣布暂停使用被指酷似斯嘉丽·约翰逊的 Sky 声音。官方坚称该声音来自专业配音演员的自然原声，绝非刻意模仿。不过官方也证实曾两度联系约翰逊但均被拒绝，这次紧急下线显然是为了给侵权争议降温。
周五
5月17日 星期五
ChatGPT 支持直连云盘：无需下载即可分析 Google Drive 与 OneDrive 文件
OpenAI 宣布 ChatGPT 将支持直接连接 Google Drive 和 OneDrive 导入文件，不再需要手动下载后再上传。该功能基于 GPT-4o，面向付费用户在未来几周陆续推出；同时升级了数据分析能力，生成的表格和图表支持展开、调整配色等交互操作。
Slack 默认用用户数据练 AI 遭炮轰：想退出还得专门发邮件
Slack 因默认使用客户数据训练全局推荐模型且必须发邮件才能退出，在社区引发轩然大波。Slack 紧急回应称 Slack AI 插件并不会拿客户数据训练大模型，该条款仅针对频道和 Emoji 推荐等功能，但模糊的表述和隐蔽的门槛依然引发了信任危机。
ChatGPT macOS 桌面版上手体验：全局快捷键随叫随到
OpenAI 针对 macOS 推出 ChatGPT 桌面客户端。用户通过 Option + 空格快捷键即可在任意窗口上方呼出悬浮输入框，无需切换应用直接提问，体验类似系统自带的全局搜索。目前该应用先面向 Plus 订阅用户开放，Windows 版本预计年内推出。
周四
5月16日 星期四
索尼音乐警告超 700 家公司：未经许可禁止抓取音乐训练 AI
Sony Music Group 向全球 700 多家生成式 AI 公司及流媒体平台发送正式通知函，严禁在未获明确授权的情况下抓取其音频、歌词及元数据用于 AI 训练。信中要求各公司确认未违规使用，或限期披露具体训练细节。
OpenAI 安全团队震荡：超对齐负责人 Ilya 与 Leike 离职
据 Gizmodo 报道，OpenAI 超级对齐团队核心负责人 Ilya Sutskever 与 Jan Leike 宣布离职，多名曾参与安全研究的员工也已出走。这批离职员工大多未曾第一时间签署支持 Sam Altman 回归的联名信，引发外界对 OpenAI 安全把控与发展重心的担忧。
谎称学术研究却拿去商用：配音演员集体起诉 AI 公司 LOVO 偷声音
配音演员向纽约联邦法院对 AI 语音公司 LOVO 提起集体诉讼。原告指控 LOVO 曾在兼职平台以「仅限学术研究」为由骗取人声样本，转头却包装成付费 AI 声音库售卖。这是首起针对声线被用于训练 AI 的集体诉讼，控售盗用声音资产。
好莱坞全面拥抱 AI 却不敢认：业内直言更像公关危机
据《好莱坞报道》报道，好莱坞从编剧室到视效部门已普遍引入生成式 AI，但从业者因顾虑公众反弹大多不敢公开承认。此前多部影片因使用 AI 物料遭遇抗议。业内人士指出，不用 AI 会处于劣势，眼下阻力更像是公关问题而非技术问题。
周三
5月15日 星期三
Anthropic 挖来 Instagram 联合创始人：出任首任 CPO，发力消费级产品
Anthropic 聘请 Instagram 联合创始人 Mike Krieger 出任首任首席产品官。他将全面统管产品工程与设计，推进 Claude 移动端及企业服务。面对 OpenAI 和 Google 的激烈竞争，以研究立身的 Anthropic 正全力补足消费级产品短板。
Ilya Sutskever 正式离开 OpenAI：研究总监 Jakub 接任首席科学家
OpenAI 联合创始人兼首席科学家 Ilya Sutskever 宣布离职，研究总监 Jakub Pachocki 接任。去年 11 月董事会风波后他已基本淡出日常工作；超级对齐负责人 Jan Leike 也已辞职。Ilya 称后续将投身极具个人意义的新项目。
周二
5月14日 星期二
Cisco 详解 Hypershield：原生 AI 防护，补丁没出先止血
Cisco 在 RSA 大会上详解原生 AI 平台 Hypershield。它融合 AI 与硬件加速，利用 Extended Berkeley Packet Filter 深入内核监控流量。即便官方补丁要等 45 天，系统也能在 9 至 15 分钟内自主阻断攻击，大幅降低微服务运维风险。
Google 推出视频工具 VideoFX：由 Veo 驱动，支持故事板分镜创作
Google 在 I/O 大会推出实验性视频生成工具 VideoFX，由 DeepMind 最新视频模型 Veo 驱动，支持分镜逐幕生成与添加配乐。同时 ImageFX 增加涂抹重绘功能并开放 Imagen 3 候补，MusicFX 上线 DJ 混音模式。
Google 升级 Android AI：画圈即可解题，Gemini 支持端侧防诈
Google 升级 Android 系统级 AI 功能。「即圈即搜」新增作业辅导，圈选即可分步解数学和物理题；Gemini 浮层支持直接提问 YouTube 视频与 PDF；多模态 Gemini Nano 还将在端侧提供通话防诈与图像描述。
Google 推出教育模型 LearnLM：不直接给答案，先当「学习教练」
Google 推出基于 Gemini 微调的教育模型家族 LearnLM。它结合教育学原理，核心是不直接抛出答案，而是引导自主探索。该模型将接入搜索简化、YouTube 互动答疑及 Gemini 学习教练。部分功能已在美国测试。
Google 推出 Ask Photos：用自然语言搜相册，还能答生活细节
Google 公布 Google 相册实验功能 Ask Photos，接入 Gemini 模型。用户能用日常对话搜索相册、提问图片细节（比如派对主题或露营地点），还能自动挑选照片并生成社媒文案。该功能将在未来数月逐步推出。
Google 预热多模态 AI 界面：手机镜头实时看懂周围，对标 GPT-4o
Google 在 I/O 2024 开幕前夕发布预热视频，展示了一款运行在 Android 手机上的未发布多模态 AI 界面。它能直接通过手机摄像头实时看懂周围环境，并回答现场布置和活动细节，正面迎战刚发布的 GPT-4o。不过这只是预录演示，具体能力还要等大会正式揭晓。
周一
5月13日 星期一
Apple 更新 Logic Pro：新增 AI 伴奏乐手与音频分轨，支持 Mac 和 iPad
Apple 正式推送 Mac 与 iPad 版 Logic Pro 更新。新版引入了基于 AI 的 Session Players，新增贝斯与键盘伴奏，并加入可快速分离人声和乐器的 Stem Splitter 分轨工具。不过音轨分离等新特性需要 M1 或更新芯片支持。
OpenAI 开放 GPT Store：免费用户也能用上海量自定义 GPT 了
OpenAI 宣布将此前仅限付费订阅的 GPT Store 面向 ChatGPT 免费用户开放，所有人都能浏览并使用数百万个自定义智能体。这意味着限制在付费墙内的创作者生态向大众敞开。不过，自己创建自定义 GPT 目前仍需要付费订阅。
OpenAI 发布 GPT-4o：端到端全模态，语音延迟低至 232 毫秒
OpenAI 发布新旗舰模型 GPT-4o，能端到端实时处理文本、语音与视觉输入。其音频平均响应仅 320 毫秒，API 速度提升一倍且成本减半，ChatGPT 免费用户也能直接使用。
周六
5月11日 星期六
Runway 第二届 AI 电影节：打动人的仍是剧本与摄影，不是 AI 特效
Runway 第二届 AI 电影节入围作品上线官网点播。参赛片普遍用上了 AI 背景与特效，但画面扭曲、镜头不连贯等问题依然明显。拿下大奖的《Get Me Out》等短片证明，最抓人的核心依旧是扎实的剧本、表演与传统摄影，而非 AI 生成本身。
周五
5月10日 星期五
Anthropic 控制台上线新工具：输入目标，Claude 帮你写提示词
Anthropic 在 Anthropic Console 中上线提示词生成工具。用户只需描述想要达成的目标，Claude 就会利用 chain-of-thought 推理等提示工程技巧，自动生成可直接用于生产环境的高效、可靠提示词。
OpenAI 考虑放宽限制：正在探讨如何「负责任地」生成成人内容
OpenAI 在一份规范征求意见稿中透露，正探讨如何在 AI 产品中「负责任地」允许生成露骨文本与裸露内容。官方称这是为了满足合理的艺术创作需求，并确保在不违法的前提下给予用户最大控制权。不过外界普遍担忧现有护栏难以防范滥用。
Bumble 畅想未来约会：让你的 AI 管家替你先谈 600 个人
据报道，Bumble 创始人兼执行董事长 Whitney Wolfe Herd 在彭博技术峰会上畅想，未来用户的「AI 约会管家」能替人去跟成百上千人的 AI 管家直接聊天破冰，自动扫描全城筛选出最值得线下见面的 3 个人。此外，AI 还能当情感教练辅导沟通技巧。
周二
5月7日 星期二
Google 发布 Pixel 8a：499 美元起，下放 Gemini 与旗舰级拍照 AI
Google 发布 Pixel 8a，起售价 499 美元。新机搭载 Tensor G3 芯片，下放了 Best Take、音频魔术橡皮擦、Gemini 助手以及圈选搜索等功能。最值得关注的是，Google 借此把旗舰级的端侧 AI 体验拉到了中端价位。新机 5 月 14 日发售。
OpenAI 签下《People》母公司：内容进 ChatGPT，AI 换广告技术
拥有《People》《InStyle》等杂志的出版巨头 Dotdash Meredith 与 OpenAI 签署合作协议。Dotdash Meredith 授权 ChatGPT 引用其文章并用于模型训练；作为交换，它将利用 OpenAI 的模型升级自家的无 Cookie 广告定向工具 D/Cipher。
MIT 借助机器学习破译抹香鲸：发现类似人类语言的「拼音表」
MIT CSAIL 与 Project CETI 团队借助机器学习分析了 8,719 个抹香鲸尾声，发现其叫声是一套由节奏和节拍构成的组合编码系统。这表明抹香鲸也能像人类拼凑音节一样组合信息，打破了人类语言的独特属性。
Apple 推出 M4 芯片：首发搭载 iPad Pro，强化端侧 AI 算力
Apple 发布采用第二代 3 纳米技术的 M4 芯片，并在新款 iPad Pro 上首发。该芯片配备更强的神经网络引擎，声称运算速度超越当前一众 AI PC。加上首次引入硬件级光追，苹果正全力把平板打造成端侧 AI 生产力工具。
OpenAI 开发 Media Manager：创作者可自主决定作品是否喂给 AI
OpenAI 宣布正在开发 Media Manager 工具。该工具允许创作者识别受版权保护的内容，并自主决定是否将其纳入 AI 训练，预计 2025 年推出。最值得关注的是，OpenAI 试图以此建立跨平台版权标准，但目前该工具仍在研发中。
周一
5月6日 星期一
苹果内测「Clean Up」消除功能：照片应用引入生成式 AI
据 AppleInsider 报道，苹果正为下一代系统的「照片」应用内测名为「Clean Up」的生成式 AI 消除功能。它将取代原本的修图笔刷，让用户涂抹直接消除照片中的特定或大尺寸物体。不过该功能目前仍在内测，预计在后续系统更新中正式公布。
微软被曝自研大模型 MAI-1：5000 亿参数，对标 GPT-4
据 The Information 报道，微软正在自研全新大模型 MAI-1，由 3 月加入的前 Inflection 负责人 Mustafa Suleyman 带队。该模型规模约 5000 亿参数，远超其 Phi-3 开源小模型。这也是微软重注 OpenAI 以来首次自研该量级的大模型，意在减少对单一家供应商的依赖。
OpenAI 牵手 Stack Overflow：ChatGPT 将直接接入社区代码与答疑
Stack Overflow 与 OpenAI 宣布达成合作。OpenAI 将通过 OverflowAPI 接入其技术内容来优化模型，并在 ChatGPT 中直接展示带社区署名的技术知识与代码；Stack Overflow 也将借此开发 OverflowAI。首批功能预计 2024 上半年推出。
亚马逊引爆AI有声书潮：Audible涌入超4万部AI朗读作品
彭博社数据显示，自去年上线虚拟声音测试工具以来，亚马逊旗下Audible已涌入超4万部AI朗读有声书。独立作者52分钟就能把电子书免费转成音频，省下昂贵录音费；但平台无法筛选屏蔽这些AI作品，引来听众抱怨，专业配音演员也开始担忧饭碗不保。
Hugging Face 推出开源库 LeRobot：把大模型装进机械臂与人形机器人
Hugging Face 宣布推出开源机器人项目 LeRobot，目标成为机器人领域的 Transformers。它提供预训练模型、仿真环境接口与轻量数据集工具，能驱动从基础机械臂到人形机器人的硬件。官方希望通过众包数据打破大厂垄断，降低实体 AI 门槛。
周日
5月5日 星期日
生成式 AI 自主设计新药：研发周期从数年缩至数月
CNBC 报道生成式 AI 正在重塑制药业，礼来与英伟达等高管预计数年内药物将完全由 AI 自主设计。AI 能在 5 分钟内生成传统湿实验一年的分子量，将药物发现周期从数年缩减到数月，但真实有效性仍需人体试验检验。
YouTube 上线 AI 快进功能：双击直接跳到视频最精彩的地方
YouTube 扩大测试基于 AI 的「Jump ahead」功能，面向美国 Android 端的 Premium 会员开放。双击屏幕快进时，系统会结合观看数据用 AI 算出最佳接续点，一键跳过枯燥部分。不过目前仅限高播放量的英文视频，测试暂定持续至 6 月 1 日。
周六
5月4日 星期六
巴菲特警示风险：AI 欺诈将成下一个「终极成长行业」
巴菲特在伯克希尔哈撒韦年度股东大会上直言，如果自己要投资欺诈，AI 催生的骗局将是「有史以来的成长行业」。他点出深度伪造与声音克隆的骗局风险，并将 AI 的失控可能比作释放核武器，坦承精灵出瓶后便很难收回。
