Blockade Labs 升级 Skybox AI：Model 3 带来 8K 全景，适配 Vision Pro
Blockade Labs 发布 Skybox AI 的 Model 3 更新，支持生成并下载 8K 分辨率的 360 度全景环境，像素较上一代提升 77%，可直接适配 Apple Vision Pro。此外还上线了 Remix Your 360 功能，允许上传任意全景图进行二次重绘。
AI 日报：今天的 AI 新闻
周四
4月18日 星期四
Meta 发布开源模型 Llama 3：推 8B 和 70B 版本，训练数据达 15T
Meta 正式发布开源大模型 Llama 3，首发推出 8B 和 70B 两种尺寸的基础与指令微调版本。新模型基于超 15 万亿 token 训练，词表扩充至 12.8 万，8B 版本在消费级显卡上即可微调与运行。最值得关注的是，开源生态再次迎来标杆级底座；不过当前上下文长度仍为 8k tokens。
NVIDIA 全面加速 Llama 3：单张 H200 跑 70B 每秒吐 3000 token
NVIDIA 宣布对 Meta 新发布的 Llama 3 进行全平台推理优化。测试显示，单张 H200 运行 700 亿参数版本时每秒生成约 3000 token，可同时服务约 300 名用户；80 亿参数版本也已适配 Jetson 和 RTX PC。开发者可直接通过 NIM 微服务在浏览器中试用。
Meta AI 换上 Llama 3：上线独立网站，敲字实时生图
Meta 推出基于 Llama 3 的新版 Meta AI 助手，并上线独立网站 meta.ai。新版深度整合进 Facebook、Instagram、WhatsApp 与 Messenger 的搜索框及信息流，支持边打字边实时生成图像，并面向十多个英语国家开放。
DARPA 确认首例 AI 空战：AI 战机时速 1200 英里与人类缠斗
周四，DARPA 披露其 AI 战机在 2023 年 9 月成功与人类飞行员进行首次空中缠斗。AI 控制的 X-62A 与人类驾驶的 F-16 距离一度近至 2000 英尺，时速达 1200 英里，测试期间机上安全员全程未介入接管。
Nothing 推出新耳机：捏一下耳机柄，直接呼出 ChatGPT
Nothing 发布新款耳机 Nothing Ear 和 Ear (a)，售价 149 与 99 美元。搭配 Nothing 手机时，捏一下耳机柄就能呼出 ChatGPT。比起做独立 AI 硬件，直接把 AI 塞进成熟耳机里，用起来其实更顺手。
HarperCollins 联手 ElevenLabs：用 AI 语音为非英语冷门旧书做有声书
HarperCollins 与 AI 音频公司 ElevenLabs 达成合作，将使用其 Studio 工具为非英语业务中的长尾旧书制作有声书。传统录音成本过高导致大量冷门书无法有声化，AI 可大幅降低门槛；出版方强调主流新书仍会由专业配音员录制，AI 仅作为补充。
周三
4月17日 星期三
Intel 发布神经拟态计算机 Hala Point：拥有 11.5 亿神经元，仅微波炉大小
Intel 推出全球最大神经拟态计算机 Hala Point，内置 1152 颗 Loihi 2 芯片和 11.5 亿个神经元，体积仅如微波炉。它模仿人脑存算一体架构，运行优化问题能效提升百倍。不过软件工具仍处初期，暂无法用于大模型预训练。
微软推出工业 AI 方案：工人动动嘴就能排查产线故障
Microsoft 推出面向制造业的数据与 AI 方案，包括 Fabric 制造数据方案和 Azure AI 工厂运营 Copilot 模板。一线员工用自然语言就能直接查询设备与运营数据，排查机器故障不再需要人工翻找表格。目前核心功能处于私有预览阶段。
Amazon 澄清无人结算路线：小店推 Just Walk Out，大超市押注 Dash Cart
Amazon 披露无人结算技术进展，今年计划将第三方 Just Walk Out 门店数量翻倍，同时在大型超市推广 Dash Cart 智能购物车。针对「靠人工远程看监控记账」的传闻，官方澄清收据生成完全依赖计算机视觉和机器学习，人工仅负责数据标注。
Stability AI 上线 Stable Diffusion 3 API：文字排版看齐旗舰
Stability AI 宣布在开发者平台上线 Stable Diffusion 3 和 Stable Diffusion 3 Turbo 的 API，并联合 Fireworks AI 提供服务。该模型采用 MMDiT 架构，官方称在排版拼写与提示词遵循上不输 DALL-E 3。后续还将向会员开放权重自托管下载。
Boston Dynamics 发布全电动版 Atlas：告别液压系统，身体可 180 度翻转
Boston Dynamics 在退役液压版 Atlas 次日，正式公布全新的全电动版 Atlas 人形机器人。新机身形更轻薄且无外露线缆，关节具备超越人类的转动幅度，可直接反向折腿起身并 180 度旋转躯干。团队计划明年初在现代汽车工厂启动试点测试。
Google X 团队 Bellwether 为美军救灾引入 AI：数秒内分析航拍灾情
据报道，Alphabet 旗下 X 实验室的 Bellwether 团队与美军合作，为国民警卫队提供应急 AI 工具。该系统能在几秒内自动比对分析受灾航拍图像并标记关键设施损毁，取代传统人工排查，预计 6 月山火季正式投入使用。
罗技推出 AI 提示词工具：配专属鼠标，一键调出 ChatGPT
Logitech 推出 Logi AI Prompt Builder，将 ChatGPT 整合进 Logi Options+ 软件，并发布带专用 AI 键的 Signature AI Edition 鼠标（49.99 美元）。用户选中文本即可一键套用提示词重写或总结，大幅简化调用 AI 的操作路径。
DeepMind CEO 透露：Google 在 AI 上的投资将超 1000 亿美元
周一，DeepMind CEO Demis Hassabis 在 TED 大会上表示，Google 随时间推移在 AI 上的投入将超过 1000 亿美元。面对微软与 OpenAI 传闻中的千亿超算计划，他坚称 Google 算力超越对手，资金将投向 Axion 芯片与数据中心基础设施。
周二
4月16日 星期二
Poe 上线多模型同屏对话：一个聊天框 @ 多个 AI 协同干活
周一，Quora 宣布为其 AI 平台 Poe 推出多模型对话功能。用户现在可以在同一个聊天窗口内，通过 @ 机器人随时调用 GPT-4、Claude 3 或 Gemini 等不同模型。不仅能一键对比各家回答，还能把长文本分析、联网搜索与写作机器人串联进同一工作流。
Amazon Music 推出 Maestro：用表情包或一句话生成 AI 歌单
Amazon Music 宣布测试 AI 歌单功能 Maestro，美国用户输入文字、语音甚至 Emoji 就能一键生成歌单。Unlimited 订阅用户可直接收听并保存，普通与 Prime 用户目前仅能试听 30 秒预览。这也是继 Spotify 之后，又一家将生成式 AI 引入曲库推荐的流媒体巨头。
周一
4月15日 星期一
传苹果 iOS 18 首批 AI 功能全走端侧：主打隐私，断网也能用
据报道，苹果计划在 iOS 18 中推出的首批 AI 功能将完全在设备端运行，无需联网或云端处理。基础文本分析与回复预计覆盖信息、Safari 和 Siri，更高级功能或需联网。苹果预计在 6 月 10 日的 WWDC 上正式公布详情。
Adobe 预览 Premiere Pro 新功能：AI 增删物体，还能接 Sora
Adobe 预告了 Premiere Pro 年内将推出的生成式 AI 功能，支持在画面中直接圈选增删物体、自动补帧延长过短的视频片段。最值得关注的是，Adobe 还演示了引入 OpenAI 的 Sora 和 Pika 等第三方模型生成画面的能力。不过这些 AI 工具预计今年晚些时候才会上线。
DaVinci Resolve 19 开启公测：加入 AI 文本剪辑与智能追踪
Blackmagic Design 发布 DaVinci Resolve 19 公测版。新版引入大量 AI 功能，支持通过转录文本直接剪辑多说话人素材，并带来 IntelliTrack 神经追踪防抖、一键 AI 降噪及人声背景声分离工具。基础版依旧免费，Studio 版售价 295 美元。
PaintCam 推出安防相机 Eve：用 AI 识别人脸，还能发射彩弹与催泪瓦斯
斯洛文尼亚公司 PaintCam 推出家用安防相机 Eve，搭载计算机视觉识别访客与闯入者，若警告无效可直接发射彩弹或催泪弹反击。最值得关注的是，安防设备从被动监控走向主动开火，但也引发了误伤与法律责任争议。
Hugging Face 发布 Idefics2：8B 视觉大模型开源，OCR 与图文推理大涨
Hugging Face 推出开源多模态模型 Idefics2。它仅有 8B 参数，采用 Apache 2.0 协议，支持原生图像分辨率输入并大幅强化了 OCR 与文档问答能力。其视觉问答表现在同量级拔尖，甚至能叫板 30B 级别的闭源与大尺寸模型。
周日
4月14日 星期日
MKBHD 评测 Humane AI Pin：称其为「史上最差产品」，几乎啥都做不好
知名科技博主 MKBHD 发布 Humane AI Pin 评测，直言这是其「评测过最差的产品」。在体验一周后，他表示设备语音响应缓慢、掌心投影在户外极难看清，且续航仅有几小时。他虽敬佩团队的创新尝试，但告诫大家绝不要为未来的更新承诺买单。
OpenAI 设立东京办公室进军亚洲：推出日语版 GPT-4，速度提升 3 倍
OpenAI 宣布在东京设立首个亚洲办公室 OpenAI Japan，并向当地企业开放针对日语优化的 GPT-4 定制模型。新模型在日语翻译与摘要处理上最高提速 3 倍且成本大幅降低。官方计划在未来数月内通过 API 向更多开发者开放。
周五
4月12日 星期五
Meta 测试 Instagram 搜索栏接入 Meta AI：能聊天也能搜 Reels
Meta 确认正在 Instagram 搜索栏小范围测试 Meta AI。用户在搜索栏输入内容可直接唤起与 AI 的私信对话，还能通过预设提示词寻找特定主题的 Reels 短视频。Meta 试图借此改善长期被吐槽的站内搜索体验，对抗 TikTok 的内容发现能力。
Grok-1.5V 开启预览：首代多模态模型，主打物理世界空间理解
首代多模态模型 Grok-1.5V 正式公开预览。它在文本能力之外，新增处理文档、图表、截图和现实照片的能力。同时推出的 RealWorldQA 空间理解基准中，Grok-1.5V 拿到 68.7%，表现优于同类模型。新版本即将面向早期测试者和现有用户开放。
SAG-AFTRA 联手唱片巨头：用 AI 拟音发歌必须授权并付钱
演员工会 SAG-AFTRA 与华纳音乐、索尼音乐等巨头达成初步协议。使用艺术家声音的数字复刻发布歌曲前，必须获得本人同意并支付报酬，协议还明确「歌手」仅指人类。也就是说，未经授权的 AI 仿音商用被正式叫停。
Freepik 升级 AI 图像生成器：实时出图，支持无限滚动浏览
Freepik 上线最新版 AI 图像生成器，支持实时渲染与无限滚动。工具主打快速输出写实级画质，支持一键生成多变体。免费用户每天可生成 20 张，付费订阅者可享受无限制生成与完整风格库。
周四
4月11日 星期四
戴森推出 CleanTrace AR 功能：把手机架在吸尘器上，看哪里没扫干净
Dyson 公布 AR 功能 CleanTrace，借助 iPhone Pro 的激光雷达在屏幕上为吸过的地面实时“涂色”，防止遗漏。这套功能将于 6 月更新，不过目前仅支持千元旗舰 Gen5detect，且需要额外购买专属手机支架。
Google 相册开放 Magic Editor：免费用 AI 修图，但每月限存 10 张
Google 宣布将于 5 月 15 日起向几乎所有 Google 相册用户免费开放 Magic Editor 等修图工具，包含 Photo Unblur 与 Magic Eraser。最关键的是 iOS 和 Android 均可使用，不过非 Pixel 用户每月仅限保存 10 次，超额需订阅 Google One。
The Verge 评测 Humane AI Pin：售价 699 美元发热严重，连定闹钟都不会
The Verge 发布 Humane AI Pin 评测，直言体验「差得远」。这款定价 699 美元且月费 24 美元的无屏幕硬件，频繁过热、续航仅数小时，连设闹钟、查日历都做不到，通话也常失败。也就是说，想靠独立 AI 设备替代手机，目前硬件和模型都还没准备好。
Adobe 每分钟 3 美元收视频：全力训练 AI 视频模型对标 Sora
据报道 Adobe 开始向创作者按每分钟约 3 美元收购日常动作与情绪等短视频素材，最高可达 7.25 美元。此举旨在为自研文生视频工具储备训练数据，应对 OpenAI Sora 带来的竞争压力，同时继续走合规采购路线。
周三
4月10日 星期三
HubSpot 推出 AI 播客：首期对话 Perplexity CEO，要做企业的随身 CAIO
HubSpot Media Network 联合 AI 创作者 Matt Wolfe 和 Nathan Lands 推出新播客《The Next Wave》。节目每周二更新，时长控制在 40 分钟内，首期邀请了 Perplexity CEO Aravind Srinivas 探讨 AI 搜索变革。节目的目标是帮企业管理者看清 AI 动态并落地业务，充当企业的「首席 AI 官」。
DeepMind 前员工做出的音乐 AI：Udio 上线，40 秒写出一首歌
由前 Google DeepMind 研究人员创立的 Udio 正式公开发布。用户只需输入风格描述或歌词，40 秒内就能生成包含人声与母带效果的音轨，还支持二次混音与片段延长。该项目获 a16z 领投，will.i.am 和 Instagram 联创等参投。
Intel 发布 Gaudi 3：宣称部分大模型表现比英伟达 H100 快 1.7 倍
在 Vision 2024 大会上，Intel 正式推出 Gaudi 3 AI 芯片，采用台积电 5nm 工艺并配备 128GB HBM2e 内存。官方称其运行 LLaMA 等大模型时速度最高比 Nvidia H100 快 1.7 倍、能效高 2.3 倍。风冷版将于三季度全面上市，液冷版四季度跟进。
Meta 首席 AI 科学家 LeCun：大模型永远无法达到人类智能
Meta 首席 AI 科学家 Yann LeCun 直言大语言模型绝不可能达到人类级智能。他指出 LLM 欠缺推理、规划、持久记忆和物理世界理解四大核心能力，纯靠文本训练如同走入死胡同，并提出应转向依靠传感器和视频建立「世界模型」的路线。
Meta 公布新一代自研 AI 芯片 MTIA：算力翻倍，专攻推荐与推理
Meta 公布了新一代自研 AI 推理芯片 MTIA。新芯片采用台积电 5nm 制程，算力与内存带宽比第一代提升超一倍，在关键推荐模型上的性能提升了 3 倍。这意味着 Meta 正在加速摆脱对商用 GPU 的单一依赖，目前该芯片已在数据中心正式上线服役。
Mistral 在 X 上甩种子：开源 176B 大模型 Mixtral 8x22B
Mistral AI 延续传统在 X 上直接发布磁力链接，推出开源模型 Mixtral 8x22B。该模型总参数达 1760 亿，采用 MoE 架构，每次推理仅激活 440 亿参数，支持 65k 上下文窗口。最值得关注的是它采用宽松的 Apache 2.0 协议开源，开发者可自由商用与微调。
周二
4月9日 星期二
美国议员提新法案：AI 发布前 30 天须公开训练用版权清单
美国众议员 Adam Schiff 提出新法案，要求 AI 公司在公开发布新生成式系统至少 30 天前，向版权登记官提交训练集中的版权作品清单，否则面临罚款。法案虽未禁止用版权内容训练，但将迫使大模型公司彻底公开向来保密的数据黑箱。
OpenAI 升级 GPT-4 Turbo：视觉请求全面支持 JSON 与函数调用
OpenAI 宣布升级版 GPT-4 Turbo 正式上线 API，并开始向 ChatGPT 陆续推送。带有视觉能力的 GPT-4 Turbo 结束预览进入通用可用阶段，不仅支持图像理解，视觉请求还能直接搭配 JSON 模式和函数调用，方便开发者直接提取结构化数据。
Meta 确认：开源大模型 Llama 3 下个月内正式推出
Meta 确认将在下个月内开始推出下一代开源大语言模型 Llama 3，年内会陆续推出不同能力和规格的版本。Llama 3 将接入 Meta 旗下多款产品，重点解决此前回答受限的问题，并有望将最大参数规模从 Llama 2 的 700 亿提升至约 1400 亿。
Google 联合 Hugging Face 开源 CodeGemma：主打代码补全，轻至 2B
Google 联合 Hugging Face 上线代码模型 CodeGemma。该系列在 Gemma 基础上补充了 5000 亿 token 训练，推出主打代码填充的 2B 版本、兼顾自然语言的 7B 基础版及 7B 对话版。其中 2B 版仅需约 6 GB 内存，适合在端侧设备快速补全代码。
苹果押注企业级市场：Vision Pro 联动微软 Copilot 与英伟达
Apple 宣布加速推进 Apple Vision Pro 在企业级市场的落地。设备深度整合机器学习模型与 M2 神经网络引擎，支持微软 Copilot 空间办公，并联合英伟达 Omniverse 进行工业级 3D 渲染与数字孪生设计。
Google Cloud 全面接入 Gemini：代码助手换代，支持全代码库感知
Google Cloud 宣布推出 Gemini for Google Cloud。原 Duet AI 升级为 Gemini Code Assist，支持企业跨仓库连接私有代码并由 Gemini 1.5 Pro 提供全代码库感知，同时将 AI 助手拓展至架构运维、安全与 BigQuery 分析。
卡牌游戏团队花 9 万美元雇 AI 画师：月工十小时，产出超千张
卡牌游戏 Champions of Otherworldly Magic 开发者透露，已向一名 AI 画师支付 9 万美元制作卡面。该画师每月仅工作 10 小时，月薪达 1.5 万美元，半年内生成了上千张插画并手工修图。开发商称其效率与交付质量远超传统画师团队。
周一
4月8日 星期一
Stability AI 发布 Stable LM 2 12B：兼顾多语言与工具调用
Stability AI 推出开源模型 Stable LM 2 12B，包含基础与指令微调版，基于 2 万亿 token 训练并支持英、德、法等 7 种语言。其指令版支持工具调用与 RAG 检索增强。同时 1.6B 版本也获升级。个人研究免费，商用需开通会员。
Microsoft 设立伦敦 AI 中心：挖来 DeepMind 前科学家，猛攻前沿大模型
Microsoft AI 宣布在伦敦设立全新 AI 研发中心，由前 DeepMind 科学家 Jordan Hoffmann 带队。该中心将专注于研发顶尖语言模型及配套工具，并与 OpenAI 展开合作。这也是微软在英国 25 亿英镑 AI 投资布局的进一步落地。
Spotify 推出 AI Playlist 测试版：打一句话，AI 替你生成专属歌单
Spotify 推出 AI Playlist 测试版。用户输入情绪、地点或活动等提示词，即可生成专属播放列表，还能继续通过对话微调曲目。最值得关注的是它将个性化推荐与生成式 AI 结合，不过目前仅限英国和澳大利亚的 Premium 移动端用户测试。
周日
4月7日 星期日
AI 开始「翻垃圾桶」：识别剩菜和滞销库存，帮餐厅省下 8% 采购成本
据报道，餐厅和超市正引入 AI 系统分析被扔掉的食物垃圾。Winnow 在垃圾桶上方架设摄像头识别丢弃菜品，Afresh 则监控库存采购；商家借此调整菜品分量或砍掉滞销品，有餐厅因此省下了高达 8% 的采购成本。
加拿大宣布 24 亿加元 AI 投资：20 亿砸向算力基建
加拿大总理 Justin Trudeau 宣布在 2024 年预算中投入 24 亿加元支持本土 AI 发展。其中 20 亿加元将用于建设算力基础设施与推出主权算力战略，另设 5000 万加元成立加拿大 AI 安全研究所。政府希望借此留住顶尖人才与初创企业。
周六
4月6日 星期六
纽时曝 OpenAI 转录超 100 万小时 YouTube 视频：用来训练 GPT-4
据《纽约时报》报道，OpenAI 为缓解训练数据匮乏，曾利用 Whisper 转录超过 100 万小时的 YouTube 视频用于训练 GPT-4。内部明知存在法律争议，仍认定为合理使用。Google 与 Meta 也被曝面临数据耗尽危机，正处于版权灰色地带。
周五
4月5日 星期五
特斯拉定档 8 月 8 日：马斯克宣布将发布无人驾驶出租车 Robotaxi
Elon Musk 在 X 上宣布，特斯拉将在 8 月 8 日发布筹备多年的无人驾驶出租车 Robotaxi。该车基于特斯拉下一代平台打造。此前路透社刚报道特斯拉放弃了 2.5 万美元廉价车计划，全面押注自动驾驶。
传苹果转向家用机器人：造车停了，改做跟着你走的家庭助手
据彭博社报道，苹果在 2 月叫停造车项目后，正探索研发能在家里跟着人走的个人机器人，以及带机械臂的桌面智能屏。相关项目仍处在非常早期阶段，高管之间也存有分歧，但这被看作苹果将 AI 落地家庭硬件的新尝试。
周四
4月4日 星期四
思科联合微软谷歌成立 AI 劳动力联盟：评估 56 个岗位受冲击程度
思科牵头联合 Google、微软和 IBM 成立「AI 赋能 ICT 劳动力联盟」。该联盟将率先评估 AI 对 56 个 ICT 相关岗位的影响，并提供技能培训建议。不过业内认为，在行业普遍裁员的背景下，培训能否转化为真正的就业需求仍存疑问。
OpenAI 升级微调 API：支持断点保存与对比测试，拓展定制模型服务
OpenAI 宣布升级微调 API，新增按轮次保存检查点、多模型并排对比的 Playground 以及与第三方平台集成等功能。此外还正式推出「辅助微调」项目，由官方团队协助企业利用 PEFT 等深度技术定制专属模型。
Storyblocks 推出 AI 搜索：结合 BERT 与大模型，下载率提升 60%
素材平台 Storyblocks 推出 AI 搜索升级。平台采用 BERT 架构与 OpenAI 大模型，不仅每 4 小时重新评估新素材表现，还利用 AI 自动筛选视频封面。早期测试显示，优先展示新素材使下载率提升高达 60%。
Waymo 联手 Uber Eats：在凤凰城用无人驾驶汽车送外卖
Uber 与 Waymo 宣布在凤凰城推出无人车送外卖服务。在覆盖超 225 平方英里的服务区内，Uber Eats 订单可能匹配给 Waymo 自动驾驶车，用户需用手机解锁后备箱取餐，也可以在结账时主动选择由人工骑手配送。
