Midjourney 开放网页端生图：已生成超 1000 张图片的用户可测
Midjourney 开放网页端图片生成 Alpha 测试，累计生成超过 1000 张图片的用户均可参与。目前该测试主要聚焦于桌面端，移动端也在规划中；功能和设计短期内将快速变动，待产品成熟后会逐步扩大开放范围。
AI 日报：今天的 AI 新闻
周四
2月8日 星期四
Brilliant Labs 推出 Frame 智能眼镜：重 39 克，内置多模态 AI
Brilliant Labs 推出 AI 智能眼镜 Frame，售价 349 美元，仅重 39 克。眼镜搭载 3000 尼特单眼屏幕与空间摄像头，由多模态助手 Noa 提供视觉搜索和实时翻译。该项目获 Niantic CEO 投资，定于 4 月发货。
传 OpenAI 研发下一代产品：能直接接管设备干活的 AI 智能体
据 The Information 报道，OpenAI 正在开发一种能够直接接管并操控用户设备的自主 AI 智能体系统。它不再只是生成文本，而是能像人一样点击、打字或跨平台迁移数据。不过，将设备操作权交给云端 AI，也引发了对隐私与安全的担忧。
美国 FCC 明确出手：自动拨号电话用 AI 仿声正式违法
美国联邦通信委员会（FCC）裁定将自动拨号电话中使用 AI 生成声音定为违法。新规将 AI 仿声纳入现有法律监管，赋予各州总检察长直接执法权，即使不证明具体诈骗罪名，单凭使用 AI 语音拨打即可追责。
Google 将 Bard 更名为 Gemini：推出 Ultra 1.0 顶配版 Advanced
Google 宣布将聊天机器人 Bard 更名为 Gemini，并推出搭载旗舰模型 Ultra 1.0 的 Gemini Advanced。新模型擅长复杂推理、编程与个性化协作，用户可通过 Google One AI Premium 订阅使用，独立的 Android 应用也同步上线。
周三
2月7日 星期三
OpenAI 成立儿童安全团队：防范未成年人滥用 AI
OpenAI 组建专门的儿童安全团队并公开招聘执行专家，重点研究如何防范生成式 AI 工具被未成年人滥用。该团队将协同法务、平台政策等部门，专门负责涉未成年人的内容审核与突发事件处理。
Apple 开源修图模型 MGIE：用大白话改图，打字就能调光换配料
Apple 联合加州大学圣巴巴拉分校开源修图模型 MGIE。用户只需输入日常大白话（例如说句「更健康」就能给披萨加蔬菜），模型便能理解意图并完成调光、裁剪或替换元素。代码已在 GitHub 开源，并提供在线 Demo。
如何防止画作被 AI 拿去训练：从官方退出到 Glaze 与 Nightshade 防护
一份创作者指南梳理了防止作品被 AI 训练的方法。创作者除向 OpenAI、Meta 等申请排除后续训练外，还可借助 Glaze 与 Nightshade 进行像素伪装或投毒。由于官方退出流程繁琐且不追溯旧数据，技术加噪成了画师主动维权的实用屏障。
Ray-Ban Meta 迎来 Version 2.0：相机音量小修小补，AI 识图仍缺席
Ray-Ban Meta 智能眼镜迎来 Version 2.0 软件更新，重点优化了相机降噪、曝光与低光成像，并在镜腿触控板加入了全局音量控制。不过备受期待的多模态 AI 视觉识别功能依然缺席，普通用户依然无法体验让眼镜辨识物体或翻译文字的能力。
Microsoft 改版 Copilot：界面焕新，支持对话内直接修图
Microsoft 宣布改版 Copilot 网页与移动端，并新增行内图像编辑功能。用户生成图片后不用跳出聊天窗口，就能免费一键增强色彩、虚化背景或转成像素风。也就是说修图功能直接融进了对话流。不过行内编辑目前仅面向美、英等部分英语地区开放。
微软淡化 Bing 转推 Copilot：登超级碗广告并上线图像细化编辑
Microsoft 宣布将 AI 重心从 Bing 转向 Copilot，并买下超级碗广告推广手机版。同时 Copilot 升级了图像工具，支持在生成图中高亮目标、虚化背景和添加像素风。微软不再执着于搜索战，转而全力打造统一的跨平台个人 AI 伴侣。
开源模型新霸主：Abacus AI 推出 Smaug-72B，多项基准超 GPT-3.5
初创公司 Abacus AI 公布基于通义千问 Qwen-72B 微调的模型 Smaug-72B。它是首个在 Hugging Face 开源排行榜上综合均分破 80 的模型，在多个基准测试中超过了 GPT-3.5 和 Mistral Medium。团队针对推理和数学能力做了专项微调，模型现已完全开源。
周二
2月6日 星期二
OpenAI 全面上线内容水印：图文音全覆盖，还配了验证工具
OpenAI 详细公布了多模态生成内容的防伪溯源方案。团队在图像和音频中嵌入 SynthID 隐形水印，在欧盟文本中启用 textGrain，同时结合 C2PA 元数据。最值得关注的是，这种双重标记大幅提升了抗裁剪能力，用户还能直接在网页端检测文件来源。
Roblox 上线实时 AI 聊天翻译：支持 16 种语言，打字即时转换
本周，Roblox 上线基于自研大模型的实时 AI 聊天翻译功能，支持 16 种语言互译。韩国玩家输入韩语，英语或德语玩家能直接看到被实时翻译成本国语言的文字。该功能已接入所有使用 TextChatService 的游戏中，未来还计划拓展至语音实时翻译。
YouTube CEO 公布 2024 战略：押注生成式 AI，逼真合成内容将打标签
YouTube CEO Neal Mohan 发布 2024 年公开信，将生成式 AI 列为四大重点之一。他强调 AI 应赋能而非替代创作者，除推进 Dream Screen 等创作工具外，未来几个月还将为逼真的 AI 生成内容强制上线识别标签。
Meta 将全面标记 AI 图像：不仅自研工具，OpenAI 和 Google 做的也要标
Meta 宣布将在 Facebook、Instagram 和 Threads 上标出 AI 生成图像。除了自家的 Meta AI，还将通过 C2PA 和 IPTC 标准识别 OpenAI、Google、Midjourney 等外部工具制作的图片。对 AI 视频和音频，Meta 要求用户主动申报，违者或受惩罚。
Stability AI 推出 SVD 1.1：优化视频连贯性，生成 4 秒高清短片
Stability AI 宣布推出视频生成模型 SVD 1.1，基于 SVD-XT 微调，可在 1024x576 分辨率下生成 4 秒 25 帧短片。新版本优化了运动连贯性，减少画面静止与人物崩坏。研究用途可在 Hugging Face 免费下载，商用则需付费订阅或通过 API 调用。
英国注资超 1 亿英镑扶持 AI 研发：坚持暂不推专门法案
英国政府公布 AI 监管方案回应，宣布投入超 1 亿英镑，其中 9000 万英镑用于建立 9 个本土研究中心，1000 万英镑资助现有监管机构提升能力。最值得关注的是英国坚持暂不制定专门立法，与欧盟严管路线截然相反，希望以此招徕更多 AI 开发者。
周一
2月5日 星期一
微软联手新闻初创 Semafor：用 AI 做研究，记者写突发快讯
Semafor 宣布与微软合作，借助微软及 OpenAI 工具打造多信源快讯流「Signals」。该栏目每天更新约 12 次，AI 仅作为辅助研究工具，稿件由人类记者撰写。微软借此拉拢媒体，与此前被《纽约时报》起诉形成反差。
Deepfake 诈骗新手段：骗子开 AI 多人视频会，卷走跨国公司 2560 万美元
周日据《南华早报》报道，一家跨国公司香港办事处遭遇新型 Deepfake 诈骗，损失 2 亿港元（约 2560 万美元）。骗子利用公开素材伪造 CFO 等多名同事并召开多人视频会议，诱导财务员工分 15 次转账，约一周后才被察觉。
AI 生成高仿假证件：几分钟出图，轻松骗过加密货币交易所核验
404 Media 曝光有地下网站利用神经网络批量制造逼真假证件。记者实测仅用几分钟就做出了两张假证，并成功骗过了某加密货币交易所的身份核验系统。这对网络安全和金融犯罪防范敲响了警钟。
AI 破译维苏威火山炭化卷轴：不用物理展开，读出两千古希腊文字
维苏威挑战赛宣布三名学生利用 AI 成功破译公元 79 年火山爆发炭化的古罗马卷轴，读出 2000 多个古希腊字母并拿下 70 万美元大奖。算法通过 CT 扫描在虚拟空间展开卷轴并识别墨水，让一碰就碎的千年文献重见天日。
宜家上线 GPT 商店专属助手：输入房间尺寸与预算，AI 帮你挑家具
宜家在 OpenAI GPT Store 上线官方 AI 助手。用户只要输入户型大小、预算和风格偏好，AI 就能从数千款产品中推荐家具搭配并查询本地库存。目前该助手仅面向美国地区的 GPT Plus 用户开放，计划年内推广至更多市场。
周六
2月3日 星期六
曝光日志显示 Google 拟将 Bard 更名为 Gemini：推 Ultra 付费版
据曝光的更新日志显示，Google 计划将聊天机器人 Bard 更名为 Gemini，并推出搭载 Gemini Ultra 模型的付费版「Gemini Advanced」。该版本强化了多模态与代码分析能力，还将推出独立手机应用，但目前官方尚未正式确认。
周五
2月2日 星期五
Adobe Firefly 登陆 Vision Pro：生成的 AI 图片能直接贴在墙上
Adobe 宣布将文生图 AI 工具 Firefly 引入 Apple Vision Pro。用户输入文字生成四张图后，能把图片从应用中抓出，像海报一样固定在三维空间的墙上。3 月 1 日前 Vision Pro 用户可免费体验，未来还将支持 360 度全景图像。
Hugging Face 推出自定义助手：免费叫板 GPTs，底座模型任选
Hugging Face 宣布推出 Hugging Chat Assistants，允许用户点击两次即可免费创建专属 AI 助手。相比 OpenAI 每月 20 美元的 GPTs，该功能完全免费，并支持在 Llama 2、Mixtral 等开源模型间自由切换。不过目前它暂不支持联网搜索和 RAG 功能。
周四
2月1日 星期四
库克财报会确认：苹果生成式 AI 功能将于今年晚些时候上线
Apple CEO 蒂姆·库克在财报电话会上确认，公司正投入大量精力研发生成式 AI，计划在「今年晚些时候」推出。库克虽未透露功能细节，但这印证了 iOS 18 迎来重大 AI 升级的传闻。向来不爱提前吹风的苹果，这次终于按捺不住了。
亚马逊推出 AI 导购 Rufus：搜商品、做对比，在手机 App 里直接聊
Amazon 推出内置于移动应用的生成式 AI 购物助手 Rufus。它基于亚马逊自研的电商大模型，能解答选购疑问、对比产品并给出推荐，支持文字或语音输入。目前正面向部分美国用户测试，初期不含广告。
Arc 桌面浏览器加入 AI：跳过搜索引擎，直接打开结果标签
The Browser Company 宣布为桌面端 Arc 浏览器引入 AI 功能。「Instant Links」让用户跳过搜索列表，直接由 AI 抓取并打开对应标签；「Live Folders」支持自动抓取动态流。团队还在打造能一键生成调研摘要的 Arc Explore。
Google Maps 测试生成式 AI 搜索：用大模型帮用户找好去处
Google 宣布在 Google Maps 中测试生成式 AI 功能。大模型会综合分析全球逾 2.5 亿个地点和 3 亿贡献者的数据，用户用自然语言提问就能获得推荐。该功能先在美国向 Local Guides 贡献者开放测试，后续再逐步扩大范围。
Google 上线 MusicFX：输入提示词生成 70 秒音乐，还配了作词工具
Google 在 AI Test Kitchen 正式推出音乐生成工具 MusicFX 与作词辅助工具 TextFX。MusicFX 基于 MusicLM 升级，可按文字提示生成最长 70 秒音乐或无缝循环，并内置 SynthID 水印。为防范版权风险，系统会过滤艺人名称并禁止生成人声。
Google Bard 终于支持生图：接入 Imagen 2 且完全免费
Google 为聊天机器人 Bard 增加了 AI 图像生成功能。该功能由 Imagen 2 模型驱动，最关键的是向所有用户免费开放，追赶需付费订阅的 ChatGPT Plus。生成的图片会自动嵌入 SynthID 水印。目前生图功能仅支持英语提示词。
Apple Vision Pro 首发：超 600 款专属空间应用同步上线
Apple 宣布已有超过 600 款专为 Apple Vision Pro 开发的原生空间应用与游戏，将在 2 月 2 日正式上线。除专属应用外，还兼容超 100 万款 iOS 和 iPadOS 应用，覆盖体育、娱乐、办公等场景。
周三
1月31日 星期三
FCC 出手：拟将自动骚扰电话中的 AI 声音克隆直接定为违法
美国 FCC 提议将自动呼叫中使用 AI 声音克隆技术直接认定为违法。此前新罕布什尔州出现伪造拜登声音干预选举的电话，该提案拟将声音克隆归入既有法案的「人造声音」范畴，让执法部门起诉诈骗者时更直接、门槛更低。
枪与玫瑰新歌《The General》音乐视频幕后：虚幻引擎加 SD 梦境重绘
制作方披露摇滚乐队 Guns N' Roses 新单曲《The General》音乐视频的制作细节。团队先用虚幻引擎搭建场景与动态，再交给 Stable Diffusion 逐帧重绘出诡异梦幻的画面。这种混合工作流把 AI 当作增强画风的画笔，而非替代人类画师。
Shopify 升级 Magic 工具：一句话给商品换背景，不懂修图也能出大片
Shopify 为其 Magic 套件新增 AI 图片编辑器，商家输入提示词即可一键替换商品背景，无需 Photoshop 经验且不额外收费。同时平台还加入了支持自然语言的对话式搜索。新功能主要面向中小商家降低拍摄门槛，预计今年春季上线。
Google「即圈即搜」登陆 Pixel 8：长按圈选，不用切 App 就能搜
Google 正式向 Pixel 8 和 8 Pro 推送「即圈即搜」（Circle to Search）功能。用户在任意应用中长按主屏幕按钮或导航条，随手圈选屏幕上的图文并补充文字提问，不用截屏跳转就能直接原地获得 AI 搜索结果，查完划走即可。
Mistral 证实神秘模型泄露：逼近 GPT-4 性能的 miqu 确为自研旧作
Mistral CEO Arthur Mensch 证实，近日在社区流传且跑分逼近 GPT-4 的开源模型「miqu-1-70b」，是早期客户员工泄露的自研旧模型。该模型基于 Llama 2 重构训练。最值得关注的是，开源生态追赶顶级专有模型的速度远超外界预期。
传微软与 OpenAI 拟投资 Figure AI：估值或达 19 亿美元，押注人形机器人
据报道，Microsoft 与 OpenAI 正洽谈向人形机器人初创公司 Figure AI 投资至多 5 亿美元。其中 Microsoft 拟出资约 9500 万美元，OpenAI 拟投 500 万美元，投前估值或达 19 亿美元。Figure AI 正在研发人形机器人 Figure 01，融资金额与细节仍可能变动。
周二
1月30日 星期二
ChatGPT 支持「@」直接调用 GPTs：继承上下文，单聊随时换助手
OpenAI 面向 ChatGPT 付费用户推出新功能，在对话框输入「@」就能直接拉入各类自定义 GPT。被选中的 GPT 会继承当前对话的完整上下文，方便按需切换专业工具。这一举措旨在为 GPT Store 导流，目前自定义 GPT 仅占其网页端流量约 2.7%。
纽约时报组建编辑部 AI 团队：做原型工具，但坚持人类采写
The New York Times 宣布组建专门团队探索在编辑部应用生成式 AI。该团队由 AI 倡议负责人 Zach Seward 带领，计划招募工程师、设计师与编辑，以「臭鼬工坊」模式打造报道原型。纽时同时重申，新闻仍将完全由人类记者采写与编辑。
马化腾年会发话：游戏业务承压，腾讯加速押注 AI
腾讯 CEO 马化腾在公司年会上坦言，占公司利润近三分之一的游戏业务正面临严峻挑战，公司正将更多重心转向人工智能。他表示腾讯在 AI 赛道并非领跑者，但已跟上第一梯队步伐，2023 年 9 月推出的混元大模型将承担重要角色。
Yelp 上线 AI 摘要：下馆子不用翻点评，AI 直接总结招牌菜和氛围
Yelp 在 iOS 端上线 AI 评论摘要功能。大模型会自动抓取用户反馈，在商家主页顶部提炼出招牌菜、就餐氛围和价格水平。以后找餐厅不用再逐条翻看长篇点评。不过该功能目前仅限餐饮和夜生活商户，Android 版需等到今年晚些时候。
加密与 AI 结合的前景与挑战：从微观预测市场到对抗攻击风险
一篇技术博客分析了加密技术与 AI 结合的四种路径，指出最具前景的方向是让 AI 作为参与者融入微观预测市场等链上机制，或充当钱包安全交互界面。最值得关注的是，若让 AI 充当智能合约规则的裁决者，将面临严峻的对抗性机器学习攻击风险。
周一
1月29日 星期一
Neuralink 首次完成人类脑机植入：首款产品 Telepathy，患者恢复良好
周一，马斯克宣布脑机接口公司 Neuralink 已在周日首次完成人类大脑植入手术，患者目前恢复良好。其首款产品名为 Telepathy，旨在帮助严重瘫痪患者仅凭意念控制光标并进行交流。不过这只是其商业化的第一步，后续仍需面对 FDA 多轮严格的安全审查。
Midjourney 上线 Niji V6：动漫模型支持画内文字与复杂提示词
Midjourney 宣布动漫特化模型 Niji-Journey V6 正式上线。新版本大幅提升了对复杂提示词的理解力，支持直接在画面中渲染文字，还新增了兼容其他画风的 Style Raw 模式；局部重绘和缩放等功能预计 2 月补齐。
剑桥造出「读盲文」机器人：速度达每分钟 315 词，比人类快一倍
剑桥大学研究团队公布了一款结合 AI 的机器人触觉传感器，能以每分钟 315 词的速度摸读盲文，速度约为人类的两倍，准确率接近 90%。研究团队用算法消除了指尖相机滑动时的动态模糊，借此攻克机器人的高灵敏度动态触觉，未来可用于假肢和机械手。
Meta 发布 Code Llama 70B：支持 10 万 token 上下文，可免费商用
Meta 发布代码生成模型 Code Llama 70B，包含基础版、指令微调版及 Python 专版。该模型基于 5000 亿 token 代码训练，支持 10 万 token 上下文窗口，沿用先前的开源许可协议，允许学术和商业免费微调与使用。
Arc Search 登陆 iPhone：用 AI 替你浏览，直接生成定制网页
The Browser Company 推出 iOS 应用 Arc Search，主打「Browse for me」功能。输入问题后，AI 会自动抓取并阅读多个相关网页，直接排版生成一个信息齐全的专属页面，不再给出一堆搜索链接。底层结合了 OpenAI 等模型，不过信源引用仍有待完善。
周五
1月26日 星期五
三星 Galaxy S24 国行换芯：舍弃 Gemini，接入百度文心大模型
据报道，三星 Galaxy S24 国行版将其 Galaxy AI 底层模型从 Google Gemini 换成了百度的文心大模型，负责提供翻译与长文摘要等功能。面对在华市场份额下滑的压力，三星选择依靠本土模型落地，而海外版则继续搭载 Gemini。
Prophetic 发布 Morpheus-1：用超声波把大脑带入「清醒梦」
神经科技初创公司 Prophetic 推出 AI 模型 Morpheus-1。该模型基于 Transformer 架构，以大脑活动为 Prompt 生成超声波全息图，声称能安全诱导并稳定清醒梦。该技术将搭载于头带设备 The Halo，计划春季启动测试。
周四
1月25日 星期四
Apple Podcasts 新增转录功能：iOS 17.4 为几乎所有播客配上文字稿
Apple 在 iOS 17.4 测试版中为 Apple Podcasts 带来基于机器学习的自动转录功能。测试用户发现资料库里绝大多数节目都已生成逐字稿。不过通过外部 URL 添加的播客暂不支持，预计 3 月随正式版推送。
OpenAI 推出新嵌入模型：性能提升且降价，GPT-3.5 降价 50%
OpenAI 推出两款新嵌入模型 text-embedding-3-small 与 large，支持灵活缩短维度以降低存储成本，小模型价格降至上一代的五分之一。同时，GPT-3.5 Turbo 输入价格降低 50%，更新版 GPT-4 Turbo 预览版也上线并改善了代码生成偷懒问题。
Hugging Face 联手 Google Cloud：开源模型直通 Vertex AI 与 TPU
Hugging Face 宣布与 Google Cloud 达成战略合作。开发者可以直接在 Google Kubernetes Engine 和 Vertex AI 上训练与部署 Hugging Face 开源模型，并调用 TPU 等算力资源。双方合作打通了开源生态与云端基础设施，降低企业自建 AI 模型的门槛。
Brave 升级内置 AI 助手 Leo：默认模型换成 Mixtral 8x7B
Brave 发布桌面浏览器 v1.62，将内置 AI 助手 Leo 的默认模型切换为开源的 Mixtral 8x7B。无论免费版还是每月 15 美元的 Premium 版均默认接入，代码与多语言表现大幅提升。Leo 全程通过反向代理匿名交互且不保存记录。
周三
1月24日 星期三
IEA 电力报告：受 AI 与加密币推动，数据中心用电量到 2026 年或翻倍
国际能源署（IEA）发布电力报告，指出随着 AI 训练和加密货币挖矿激增，全球数据中心用电量到 2026 年最高可能翻倍至 1050 TWh，增量相当于整个德国的用电规模。报告预估 AI 行业用电届时将增至十倍，对各地电网提出严峻挑战。
Google 推出 Art Selfie 2：自拍照一键变身莫奈画作或中世纪骑士
Google 推出基于生成式 AI 的 Art Selfie 2。用户自拍后可选择 25 种以上风格，AI 会将人脸融入莫奈花园或珠峰探险等历史艺术场景，并在生成时科普相关文化背景。它把严肃的艺术科普做成了有趣的自拍玩法。
周二
1月23日 星期二
Chrome 迎来三项生成式 AI 功能：自动分组标签页、画主题与辅助写作
Google 宣布在 Chrome M121 中上线三项实验性生成式 AI 功能：自动为标签页分组命名、通过扩散模型生成专属主题，以及在网页文本框右键调出写作助手。新功能目前先向美国的 Mac 和 Windows 用户开放测试。
Google Ads 接入 Gemini：扔个网址，聊天就能把广告做了
Google 宣布将 Gemini 模型引入 Google Ads 的对话式广告创建流程。美英两国广告主只要提供网站链接，AI 就能自动生成关键词和文案建议。官方数据显示，用上该功能的中小商家广告评级优秀率提升了 42%。目前该 Beta 测试正向全球英语广告主逐步铺开。
假拜登电话劝选民别投票：专家称极可能是 AI 深度伪造
NBC News 报道称，新罕布什尔州初选前一通冒充拜登总统、劝选民不要投票的自动电话极可能是 AI 伪造的 Deepfake。检测机构表示该音频大概率被操纵。如今克隆政客声音门槛极低，而针对此类 AI 选举误导的法律监管仍存空白。
