xAI 开源 Grok-1：开放 3140 亿参数基础模型权重与架构
xAI 宣布按 Apache 2.0 协议开源 Grok-1 的基础模型权重与网络架构。该模型拥有 3140 亿参数，采用混合专家架构，是 2023 年 10 月完成预训练的原始检查点，未经过特定对话微调。代码与指引已在 GitHub 上线。
AI 日报：今天的 AI 新闻
周日
3月17日 星期日
周五
3月15日 星期五
奔驰进厂测试人形机器人：用 Apptronik Apollo 搬运零件、干体力活
Apptronik 宣布与梅赛德斯-奔驰达成合作，在匈牙利工厂试点 Apollo 双足人形机器人。Apollo 重约 160 磅，主要负责检查并向产线工人运送汽车零部件。车企看中人形机器人无需重新设计现有工厂就能直接进厂干活，借此填补重复性重体力劳动的用工缺口。
IPO 前夕遇阻：FTC 就 AI 数据授权交易问询 Reddit
Reddit 披露收到美国联邦贸易委员会（FTC）问询函，要求其说明向 Google 等第三方授权用户帖子训练 AI 模型的交易。Reddit 原计划借此创收 2.03 亿美元为 IPO 造势。监管机构介入意味着平台转卖用户数据训 AI 的合规风险正在放大。
周四
3月14日 星期四
苹果收购 DarwinAI：专攻轻量化模型，为端侧 AI 补齐拼图
据彭博社报道，苹果于今年早些时候收购了加拿大初创公司 DarwinAI，数十名员工已加入其 AI 部门。DarwinAI 核心技术是让 AI 系统更小、更高效，正契合苹果在 iOS 18 中推动端侧 AI 运行并保护隐私的需求。
Figure 01 接入 OpenAI 模型：人形机器人能一边聊天一边干活了
机器人公司 Figure 展示了人形机器人 Figure 01 接入 OpenAI 模型的演示：机器人不仅能实时对话，还能听懂口头指令分拣物品，说话时甚至带有逼真的停顿。Figure 负责动作控制，OpenAI 提供视觉与语言能力，让大模型真正开始拥有物理实体。
周三
3月13日 星期三
Anthropic 发布 Claude 3 Haiku：每秒读 30 页，成本仅为同类一半
Anthropic 推出 Claude 3 Haiku，主打高速与极低成本。其针对 32K 以下提示词的处理速度达每秒 2.1 万 token（约 30 页），比同类模型快 3 倍，企业分析长文档成本减半，花 1 美元就能处理 400 起诉讼案或 2500 张图片。目前已上线 API 与 Claude Pro。
不止 Gemini：测试显示 Adobe Firefly 生成历史人物同样翻车
Semafor 测试发现，Adobe 的图像生成工具 Firefly 同样出现了生成黑人纳粹士兵等失真画面的问题。最值得关注的是，即便只使用合规商业图库训练，防偏见的安全指令依然在历史语境下过犹不及。Adobe 回应称 Firefly 并非用于纪实，将持续微调修复。
OpenAI 确认 Sora 年内公测：可能只需几个月，后续还将支持音频
OpenAI 首席技术官 Mira Murati 透露，文生视频模型 Sora 将于今年晚些时候向公众开放，可能就在几个月后。此外，OpenAI 计划未来为 Sora 引入音频生成和视频编辑功能，并努力将其使用成本降至接近 DALL-E 的水平。
欧洲议会正式通过《人工智能法案》：全球首部 AI 全面监管法案敲定
欧洲议会以 523 票赞成正式通过《人工智能法案》（EU AI Act）。该法规按风险把技术划为四档，对人脸抓取、社会评分等不可接受的场景直接禁止。法案预计 5 月底生效并于 2025 年起分阶段落实，给全球科技巨头划清了红线。
Google DeepMind 推出 SIMA：能听懂人话、在 3D 游戏里帮你干活的通用 AI
Google DeepMind 推出通用 AI 智能体 SIMA。它不用看游戏源码或专用接口，仅凭屏幕画面和键盘鼠标输出，就能听懂玩家的自然语言指令，在《无人深空》《拆迁》等 9 款商业 3D 游戏中完成爬梯子、开菜单等 600 项基础操作。这是 AI 从刷高分转向泛化执行真实任务的重要一步。
周二
3月12日 星期二
OpenAI 被曝泄露 GPT-4.5 Turbo：256k 上下文或 6 月上线
OpenAI 网页团队疑似提前泄露 GPT-4.5 Turbo 产品页，被搜索引擎收录。预热文案显示其拥有 256,000 token（约 20 万词）上下文窗口，知识库更新至 2024 年 6 月，暗示新模型或于 6 月正式上线。不过目前相关链接显示为 404 页面。
Deepgram 推出语音 API Aura：延迟低于半秒，帮智能体实时说话
Deepgram 推出实时文本转语音 API Aura。它把自然的人声模型与低延迟结合，通常在半秒甚至 0.3 秒内就能发声，每 1000 字符定价 0.015 美元。这让开发者能给大模型驱动的客服智能体装上能实时接话的声音。
Google 限制 Gemini 回答选举提问：涉及政客一律让用户去搜索
Google 证实已开始在全球限制 Gemini 回答与选举相关的提问，目前已在美印等面临大选的国家上线。用户若询问政党或候选人，AI 会直接回复「还在学习中」并引导使用 Google 搜索。面对虚假信息与监管压力，Google 宁可少答也不愿踩政治雷区。
周六
3月9日 星期六
LLM 预测神经科学实验准确率达 81%：反超人类专家
Xiaoliang Luo 等学者发表研究，表明大语言模型预测神经科学实验阳性结果的准确率达到 81%，超过人类专家的 64%。团队仅使用 70 亿参数的类 GPT-3.5 模型，经神经科学文献微调后表现进一步提升，能帮助科研人员收窄研究方向。
周五
3月8日 星期五
Inflection 发布 Inflection-2.5：号称用 40% 算力逼近 GPT-4
据报道，Inflection 推出新底座模型 Inflection-2.5。官方称其性能逼近 GPT-4，而训练算力仅用了约 40%。这意味着继 Claude 3 与 Gemini 1.5 之后，GPT-4 的壁垒再次被打破，顶尖大模型的训练门槛正在快速下降。
拜登在国情咨文发话：呼吁立法禁止 AI 声音冒充与克隆
周四晚，拜登在国情咨文演讲中呼吁立法禁止 AI 声音冒充伪造。但他并未细化具体监管措施或惩罚手段，也未明确是否覆盖文娱行业。此前好莱坞虽对声音复刻达成授权协议，但 AI 拟真声音已正式成为白宫重点防范的议题。
OpenAI 调查结束：Sam Altman 重返董事会，引入三位新董事
OpenAI 宣布独立调查结束，CEO Sam Altman 正式重返董事会。调查认定去年的解雇风波源于前董事会与管理层的信任破裂，而非产品安全或财务隐患。同时 OpenAI 引入了三位具备丰富政商背景的独立董事，并设立匿名举报热线以强化内部治理。
周三
3月6日 星期三
Midjourney 封禁 Stability AI 全员：指责其爬取数据致系统宕机
Midjourney 宣布无限期封禁竞争对手 Stability AI 的全体员工账号。此前系统在 3 月 2 日遭遇异常流量并宕机 24 小时，调查发现对方员工批量爬取提示词与图像对用于训练。Midjourney 随后立下新规：自动化爬取致服务中断者，封禁全公司员工。
美陆军在兵棋推演中测试 GPT-4：战术更激进，但伤亡反而更高
据《新科学家》报道，美国陆军研究实验室正在军事模拟游戏中测试 OpenAI 的 GPT-4 Turbo 与 Vision 模型辅助战术规划。测试显示 GPT-4 表现虽优于老模型，但在完成夺取据点等任务时造成的伤亡却更高。这种激进决策让军用 AI 的伦理风险再次成为焦点。
新倡导组织 ARI 成立：主张照搬金融与核能规则管 AI
跨党派组织 Americans for Responsible Innovation 成立，主张借鉴金融、网络安全和核能规则监管 AI。ARI 提议建立类似上市公司会计监督委员会的 AI 审计机构，并限制训练算力访问。他们希望借此反驳硅谷关于华盛顿不懂监管的说法。
微软搬出录像机判例：申请驳回《纽约时报》AI 版权诉讼
在 The New York Times 起诉的版权诉讼中，Microsoft 提出动议申请驳回部分指控。微软辩称，大语言模型就像当年的录像机、复印机，技术本身具有大量合法用途，不能因潜在的侵权风险就被法律阻碍；时报也未能给出 Copilot 用户直接侵权的证据。
周二
3月5日 星期二
传 Perplexity 即将完成新融资：估值翻倍至 10 亿美元成独角兽
据《华尔街日报》报道，AI 搜索初创公司 Perplexity 即将敲定新一轮融资，估值达约 10 亿美元成为独角兽。两个月前其估值仅为 5.2 亿美元，且年营收刚突破 1000 万美元。资本正全力押注其挑战 Google 搜索的野心。
DeepMind 校友创立 Haiper：上线自研视频工具，拿 1380 万美元融资
由 DeepMind 前员工创立的初创公司 Haiper 公开发布自研视频生成工具，并宣布完成 1380 万美元种子轮融资。用户目前可免费生成 2 至 4 秒短视频或让静态图动起来。团队计划未来开放核心模型 API 并考虑开源，直面 Sora 的竞争。
OpenAI 反击马斯克诉讼：晒出往来邮件，称其曾要控制权且认同不开源
OpenAI 针对马斯克的起诉公开发文反驳并申请驳回，同时晒出多封当年的往来邮件。记录显示马斯克曾要求获得多数股权甚至并入特斯拉，且亲口认同过不必开源 AGI 核心技术。OpenAI 直言对这位曾断言他们会失败、如今反手起诉的前发起人感到失望。
Stability AI 联手 Tripo 开源 TripoSR：单图生 3D 不到半秒，无 GPU 也能跑
Stability AI 联手 Tripo AI 推出开源 3D 重建模型 TripoSR。它能根据单张图片在 0.5 秒内生成带纹理的 3D 模型，即便没有独立显卡也能运行。代码与权重采用 MIT 协议开源在 GitHub 和 Hugging Face，允许商用。
周一
3月4日 星期一
谢菲尔德团队用 AI 预测肾衰竭：1 分钟测完，比人工快 6 倍
英国谢菲尔德教学医院宣布在临床中使用一款 AI 工具，能自动圈画 MRI 切片测算多囊肾病患者的肾脏体积。过去人工圈画 50 到 60 张切片需要约 1 小时，AI 不到 1 分钟即可完成且精度相当。这能让医生更快预测肾衰竭时间并尽早干预。
Anthropic 发布 Claude 3 系列：最强版 Opus 跑分反超同行
Anthropic 正式推出 Claude 3 系列模型，分为 Haiku、Sonnet 与 Opus 三款。最强型号 Opus 在多项基准测试中超越竞品，全系支持视觉输入与 200K 上下文。这意味着大模型竞争进入新阶段。目前 Opus 和 Sonnet 已上线，Haiku 即将推出。
ChatGPT 上线 Read Aloud：长按就能让 AI 把回答读给你听
OpenAI 为 ChatGPT 推出「Read Aloud」朗读功能，覆盖 iOS、Android 应用及网页端。在移动端长按消息或在网页端点击对应图标，AI 就能把文字回答直接念出来。对于在路上或者需要解放双手的场景来说，这让文字聊天多了一种随时收听的使用方式。
周六
3月2日 星期六
加州给 Waymo 开绿灯：无人出租车获批开上高速，最高时速 65 英里
加州公用事业委员会批准 Waymo 扩充服务范围，允许其无人出租车在洛杉矶和湾区的高速及市政道路以最高 65 英里时速载客。尽管当地交管部门提出抗议，监管方仍判定其安全合规。不过 Waymo 表示会审慎推进，暂无立刻上高速的计划。
周五
3月1日 星期五
Groq 收购初创公司 Definitive Intelligence：全力扩建 GroqCloud
AI 推理芯片创企 Groq 宣布收购数据分析初创公司 Definitive Intelligence，金额未披露。对方此前协助搭档构建了按需调用 LPU 芯片的 GroqCloud，其创始人 Sunny Madra 将统领该业务，并协助设立面向政企交付的 Groq Systems 部门。
摩托罗拉预热首款 AI 手机 Moto X50 Ultra：对标三星，融入 F1 元素
Motorola 在微博发布预热视频，公布首款主打 AI 能力的旗舰手机 Moto X50 Ultra。新机融入 F1 赛车元素与素皮机身，并联动 4 月 21 日的 F1 中国大奖赛，具体 AI 功能尚未公布。继三星 Galaxy S24 后，摩托罗拉也正式加入端侧 AI 手机战局。
马斯克起诉 OpenAI：称其背叛非营利初衷，已成微软闭源子公司
周四晚，马斯克向旧金山法院正式起诉 OpenAI 及 Sam Altman，指控其违背创立协议、转向以商业盈利为核心。诉讼指称 OpenAI 已沦为微软的事实子公司，并要求法院裁定 GPT-4 属于 AGI 以限制其商业授权并追回捐款。
周四
2月29日 星期四
微软推出 Copilot for Finance：直接在 Excel 里做差异分析和对账
微软宣布推出 Microsoft Copilot for Finance 公开预览版。它能连接 Dynamics 365 和 SAP 等 ERP 系统，让财务人员在 Excel 中用自然语言进行差异分析与自动对账，并在 Outlook 中快速汇总账单加快催收流程。
Google 联手 Stack Overflow：把编程问答库搬进 Gemini
Stack Overflow 推出 OverflowAPI 并宣布 Google 为首个合作伙伴。Google 将把 Stack Overflow 验证过的问答库整合进 Gemini for Google Cloud 和控制台，回答中会附带引用来源；同时 Stack Overflow 也将借 Vertex AI 为社区引入 AI 辅助功能。
微软公布 DirectSR：一条代码打通英伟达、AMD 和英特尔超分辨率
微软公布全新 Windows API「DirectSR」，联合 Nvidia、AMD 和 Intel 统一游戏超分辨率支持。开发者只需接入一套统一代码，即可同时兼容 DLSS、FSR 和 XeSS。微软称其为连接游戏与超分技术的「缺失一环」，将很快在 Agility SDK 预览版中上线。
Figure AI 获 6.75 亿美元融资：贝索斯与英伟达参投，估值 26 亿美元
人形机器人初创公司 Figure AI 宣布完成 6.75 亿美元融资，估值达 26 亿美元，投资方包括贝索斯、英伟达、微软和 OpenAI。Figure 还将与 OpenAI 合作开发下一代机器人 AI 模型。大模型巨头正集体押注具身智能的商业落地。
周三
2月28日 星期三
库克表态：苹果今年将在生成式 AI 领域「开辟新天地」
苹果 CEO 库克在年度股东大会上承诺，今年将在生成式 AI 领域开辟新天地。同周有报道称苹果取消了造车计划并将部分团队转投 AI。市场预期苹果将利用大模型全面升级 Siri 与系统搜索，加快追赶竞手步伐。
Lightricks 推出 LTX Studio：AI 一键生成长视频，保持角色与光影一致
Lightricks 推出 AI 视频生成平台 LTX Studio。它能直接将创意转化为包含多镜头的完整长视频，并重点解决了多场景间角色外观与光影一致性的痛点，试图让创作者用 AI 独立搞定影视级成片。
Stability AI 联手 Morph Studio：打造多分支 AI 视频生成工作流
Morph Studio 宣布与 Stability AI 达成合作，推出一体化 AI 视频生成平台。该方案支持将文本、图像或已有视频转化为连续镜头，并采用多分支并行工作流提升创作效率。目前官网已开放候补名单申请。
苹果叫停十年造车计划：Titan 项目终结，团队转战生成式 AI
周二据彭博社报道，苹果已决定叫停历时近十年的造车项目「Project Titan」，多数员工将转向生成式 AI 部门。该项目曾被库克称为「所有 AI 项目之母」，但面对研发困境与商业化难题最终画上句号，华尔街与投资者对这一止损举措表示欢迎。
Adobe 公布音乐生成项目：提示词生音频，还能自由调节奏混音
Adobe 公布生成式音频研究项目 Project Music GenAI Control。用户输入文字或参考旋律即可生成音乐，还能调整节奏、结构或延长做无限循环。最值得关注的是它支持深度精修，不过目前仍处研究阶段，连 UI 都还没做。
Ideogram 1.0 上线：文字渲染升级，新增 Magic Prompt
Ideogram 正式上线文生图模型 Ideogram 1.0。新版本提升了真实感与提示词遵循度，主打更精准的图片内文字渲染，并加入辅助撰写提示词的「Magic Prompt」功能。目前已在官网开放使用。
Klarna 上线 AI 客服：干了 700 人的活，两年前刚好裁了 700 人
Klarna 宣布其接入 OpenAI 的 AI 客服上线 4 周处理了 230 万次咨询，相当于 700 名全职员工的工作量。解决问题耗时从人工的 11 分钟降到 2 分钟。尽管官方否认与 2022 年裁减 700 人的动作有关，这一直白量化依然引发了巨大争议。
扎克伯格造访韩国会见 LG：联手布局下一代 XR 设备与端侧 AI
周三，Meta CEO 扎克伯格在首尔与 LG 电子高管会面，商讨新一代扩展现实设备研发及端侧 AI 合作。面对苹果 Vision Pro 带来的竞争压力，Meta 正加速拉拢硬件盟友，将大模型技术塞入终端设备。扎克伯格此行还计划会见三星电子高层与韩国总统。
