AI 新研究 DragGAN 亮相：鼠标点选拖拽，几秒内重构画面
研究人员公布图像操控工具 DragGAN。用户只需在图片上设置控制点并拖拽，AI 就能在几秒内重新生成内容，甚至支持 3D 旋转和补全遮挡细节。这意味着精准控制生成图像不再全靠抽卡提示词，不过该技术目前仍处于论文演示阶段。
AI 日报：今天的 AI 新闻
周五
5月19日 星期五
防泄密：Apple 限制员工使用 ChatGPT 与 GitHub Copilot
据《华尔街日报》等报道，Apple 已限制员工使用 ChatGPT 及 GitHub Copilot 等外部 AI 工具，担心机密数据泄露或被用于模型训练。OpenAI 默认保存对话，即使关闭历史记录也会保留 30 天。此前摩根大通、亚马逊也出台了类似禁令。
周四
5月18日 星期四
Meta 打造内部代码助手 CodeCompose：对标 Copilot，采纳率超 20%
Meta 宣布推出代码生成工具 CodeCompose，对标 GitHub Copilot。该工具最大模型为 67 亿参数，结合 Meta 内部代码库微调，能自动补全代码与注释。目前仅供公司内部使用，每周有数千名工程师调用，代码建议采纳率超过 20%。
Meta 发布首款自研 AI 芯片 MTIA：专攻推荐系统，能效达 GPU 三倍
周四，Meta 发布首款专为 AI 打造的自研芯片 MTIA。该芯片自 2020 年启动研发，采用 8×8 阵列架构并深度绑定 PyTorch，专攻深度学习推荐系统，每瓦能效最高达 GPU 的三倍。不过面对更复杂的神经网络时它仍逊于 GPU。
OpenAI 上线 ChatGPT iOS 版：支持语音输入与多端历史同步
OpenAI 正式推出 ChatGPT 的 iOS 官方应用。该应用免费开放，支持在不同设备间同步历史记录，并集成开源语音识别系统 Whisper 支持语音输入。目前应用率先面向美国用户上线，未来数周内扩展至更多国家，Android 版也即将推出。
英国电信巨头 BT 计划裁员 5.5 万人：最多五分之一由 AI 取代
英国电信巨头 BT 宣布计划到 2030 年裁员最多 5.5 万人，占当前 13 万员工总数的 40% 以上。其中最多五分之一的岗位将被 AI 等新技术取代，主要集中在客服领域。CEO 表示光纤网络完工以及生成式 AI 落地让公司能大幅缩减人力。
周三
5月17日 星期三
传 Google 将把 PaLM 2 用于广告与 YouTube：自动生成素材与视频创意
据外媒报道内部文件显示，Google 计划利用新推出的 PaLM 2 大模型改造广告业务与 YouTube。广告主能借此自动生成广告素材，创作者也能获得视频选题灵感和标题推荐。在广告营收增长放缓的背景下，Google 试图用生成式 AI 盘活核心收入盘子。
Google Colab 引入 AI 编程：接入 Codey，能用自然语言写代码
Google 宣布 Colab 将陆续加入 AI 编程功能。它基于新发布的 Codey 模型，支持用自然语言直接生成整段函数、代码自动补全以及内置聊天答疑。功能首先面向美国付费用户推送，后续将向免费用户和全球其他地区开放。
Stability AI 开源 DreamStudio：推出 StableStudio 界面项目
Stability AI 宣布开源文生图产品 DreamStudio，推出开源项目 StableStudio。官方希望借助社区力量打造生成式 AI 交互界面，支持插件扩展与 WebGPU 本地推理，未来还将引入聊天界面。DreamStudio 仍将作为官方托管版本保留。
误信 ChatGPT 能测代写：德州一教授给大半个班打了零分
据报道，德州农工大学商业分校一名教授将学生论文贴进 ChatGPT 查重，因 AI 瞎认文章由其生成而给过半学生判了零分，导致毕业证一度被扣。问题是 ChatGPT 根本不具备检测 AI 生成的能力。校方随后介入调查，确认并无学生因此挂科或被扣留文凭。
域名带「GPT」也不行：OpenAI 开始发函清退相关第三方域名
开发者在 Hacker News 透露收到代表 OpenAI 的维权信，要求下架包含「GPT」字样的域名。邮件指出直接在产品名或域名中使用 GPT 会引起用户混淆并涉嫌侵权，即使该域名还是个空白页面。开发者只能在介绍中写「Powered by」，不能把模型名塞进名字里。
Sam Altman 国会听证会：主动呼吁监管，建议对尖端 AI 设许可门槛
OpenAI CEO Sam Altman 在美国参议院听证会上呼吁加强 AI 监管。他建议政府对高复杂度模型实施许可或注册制，并要求上线前进行内外部安全测试。这一表态被视为科技巨头主动介入规则制定的关键一步。
纳德拉驳斥马斯克：微软没控制 OpenAI，由非营利董事会掌舵
微软 CEO 纳德拉否认了马斯克关于微软实际控制 OpenAI 的说法。他表示微软只持有非控股权益与商业合作关系，OpenAI 始终由非营利董事会掌控；同时小公司依然有机会与巨头竞争，AI 不会只是微软和 Google 的双雄争霸。
周二
5月16日 星期二
马斯克称自己是 OpenAI 存在的原因：起了名字还投了 5000 万美元
Elon Musk 在接受 CNBC 采访时称，自己是「OpenAI 存在的原因」。他表示自己当年为公司起了名字、招募了核心人才，并投入了约 5000 万美元。Musk 批评当前 OpenAI 不够重视安全且受微软控制，但微软对此予以坚决否认。
Sam Altman 首次国会作证：呼吁设立新机构与许可制监管 AI
OpenAI CEO Sam Altman 首次出席美国参议院听证会，呼吁政府对前沿 AI 建立监管框架与许可制度。两党议员强调不能重蹈社交媒体监管失控的覆辙，并称赞 Altman 展现出的合作意愿与以往科技巨头截然不同。
Zoom 联手 Anthropic：全平台引入 Claude，并参与投资
周二，Zoom 宣布与 Anthropic 达成合作并对其进行投资，计划将 AI 助手 Claude 整合至全平台。Claude 将首发接入 Contact Center 客服系统，协助坐席并提供自助服务。加上此前接入的 OpenAI，Zoom 正通过多模型组合拳对抗 Slack 等竞品。
苹果公布无障碍新功能：读 15 分钟文本，生成你的 AI 分身声音
Apple 预告了一批无障碍新功能。其中 Personal Voice 允许有失语风险的用户对着麦克风朗读 15 分钟，就能在设备本地训练出逼真的个人合成语音，全程不上传云端；放大器还加入了指向即读功能。新工具预计年内随系统更新推送。
周一
5月15日 星期一
外媒曝 OpenAI 准备发布开源模型：但不会与 GPT 竞争
据 The Information 报道，OpenAI 正准备向公众发布一款新的开源语言模型。不过知情人士透露，该模型不大可能与自家的 GPT 系列抗衡，大概率不会对其商业化核心业务造成冲击。
Google 推出图片溯源工具：帮你看清一张图是不是 AI 编的
Google 宣布推出「About this image」工具及 AI 标记功能，帮用户核实图片真实性。该工具可查询图片最早被索引的时间、首发网站及传播路径。此外，Google 承诺在图片文件中嵌入 AI 生成标记，Midjourney 与 Shutterstock 也已加入支持。
周六
5月13日 星期六
ChatGPT 向 Plus 用户开放插件：能联网，单次最多开 3 个
周五下午，OpenAI 宣布在接下来一周向所有 ChatGPT Plus 用户开放联网浏览和 70 多个第三方插件。功能从 Alpha 转入 Beta 测试，涵盖购物、旅行和 PDF 解析等场景，单次对话最多可启用 3 个插件。用户可在设置的 Beta 功能中手动开启。
周五
5月12日 星期五
亚马逊被曝秘密研发 Burnham：用大模型给 Astro 机器人装上「大脑」
据 Insider 披露的内部文件，Amazon 正在研发代号为 Burnham 的生成式 AI 项目。它基于大语言模型为 Astro 机器人增加对话与情境理解能力，能记住看到的事物，并主动提醒水龙头漏水或老人跌倒。不过文件显示该技术距离正式商用还有很长一段路。
周四
5月11日 星期四
Stability AI 发布 Stable Animation SDK：开发者可用文本和视频做动画
Stability AI 发布面向开发者的 Stable Animation SDK，让用户能调用 Stable Diffusion 模型生成动画。该工具支持纯文本、图片加文本、视频加文本三种生成方式，开发者可通过动画端点直接把生成能力集成进自己的产品和工作流中。
Anthropic 上线 100K 上下文：Claude 能一次吞下 7.5 万字
Anthropic 宣布将 Claude 的上下文窗口从 9K 扩展至 100K token，约合 7.5 万字。这意味着企业可以直接向 Claude 喂入上百页财报、技术文档或法案，并在不到一分钟内完成跨文本分析，目前已在 API 中上线。
Meta 升级 Advantage 广告套件：一键转 AI 投放，目录广告支持视频
Meta 为 Meta Advantage 套件带来多项更新。广告主可在 Ads Manager 中一键将手动广告复制转为 Advantage+ 购物广告，目录广告也新增视频支持并通过 AI 动态分发。新推出的 Advantage+ audience 则将定向人群改为 AI 探索建议，帮助触达潜在转化人群。
周三
5月10日 星期三
Google 联手 Taito 做 AR 版《太空侵略者》：街景直接变外星人战场
Google 宣布与 Taito 合作开发 AR 手游《SPACE INVADERS: World Defense》。游戏依托 ARCore 与地理空间技术，能结合真实街道、地标与天气生成 3D 战场，把城市变成打外星人的游乐场。
Google 推出 Studio Bot：内置进 Android Studio 的 AI 编程助手
Google 在 I/O 大会上推出 Studio Bot，专门帮 Android 开发者生成代码、找 Bug 和解答开发疑问。它基于 PaLM 2 衍生的 Codey 编程模型，支持 Kotlin 与 Java，直接嵌在 IDE 工具栏中。目前仅面向美国开发者通过 Canary 渠道开放测试。
Android 迎来生成式 AI 壁纸：挑几个提示词，手机界面自动变色
Google 在 I/O 大会上宣布 Android 将在秋季推出生成式 AI 壁纸。用户只需挑选预设提示词即可生成专属壁纸，系统主题色还会自动适配；此外 Pixel 手机下月还将率先获得 3D 电影壁纸和 Emoji 壁纸。
Google Bard 取消排队：换上 PaLM 2，支持图文交互与日韩双语
Google 宣布旗下 AI 助手 Bard 取消候补名单，面向 180 多个国家和地区开放。底层模型已切换至更强大的 PaLM 2，除了新增日韩语支持、深色模式和一键导出到 Gmail 与 Docs 外，后续还将接入 Google Lens 和 Adobe Firefly 实现识图与图像生成。
Google 发布 PaLM 2：不再卷参数量，驱动新版 Bard 并能跑在手机上
Google 在 I/O 大会上发布新一代大模型 PaLM 2，已接入更新后的 Bard 并通过 API 向开发者开放。它重点提升了数学推理、多语言及编程能力，不仅衍生出 Codey 与 Med-PaLM 2 等专用版本，还包含能在手机上每秒跑 20 个 token 的端侧轻量版。
Google Chrome 接入 WebGPU：网页直接跑 AI，现场演示 Stable Diffusion
在 Google I/O 大会上，Google 宣布 Chrome 浏览器集成 WebGPU，让网页应用能直接调用设备 GPU 运行 AI。现场还展示了基于 Stable Diffusion 的网页文生图。这意味着端侧无需上传数据即可处理 AI 任务，兼顾响应速度与隐私安全。
Airtable 推出 Airtable AI：新增 AI 字段，零代码嵌入企业工作流
Airtable 推出 Airtable AI 并开启早期试用。平台新增无需代码的「AI 字段」以及预建组件和模板，能把生成式 AI 直接嵌入招聘、营销和研发等业务流程中。该功能为付费选配，预计约三个月后全面开放。
周二
5月9日 星期二
Wendy's 联手 Google：汽车餐厅上线 AI 点餐机器人
快餐连锁品牌 Wendy's 宣布与 Google 合作推出 Wendy's FreshAI。该系统基于 Google 大模型定制，能听懂「JBC」等菜单黑话，计划 6 月在俄亥俄州哥伦布市的汽车餐厅实测，现场仍有员工监督。
Spotify 大批下架 AI 歌曲：清理 Boomy 数万首曲目，严打刷量骗版税
据报道，Spotify 下架了 AI 音乐公司 Boomy 制作的数万首歌曲，占其生成曲库的 7%。起因是环球音乐警告有人利用机器人刷播放量来薅走流媒体版税。Spotify 随后证实已介入处理并扣留版税，以保护正常创作者的收益。
Meta 开源 ImageBind：把视觉音频和动作等 6 种数据融为一体
Meta 开源全新 AI 研究模型 ImageBind。它首次将文本、音频、图像视频、热感、深度以及来自 IMU 的运动传感器数据整合进同一个嵌入空间。这意味着未来的生成式模型能根据动作或声音反推画面，不过目前它仍处于研究阶段，没有直接落地产品。
Humane 首次展示无屏幕 AI 穿戴设备：掌心投影接电话、克隆原声翻译
Humane 联合创始人 Imran Chaudhri 的 TED 完整演讲公布，首次公开演示其研发的无屏幕 AI 穿戴设备。这枚胸夹式小设备无需配对手机，支持掌心投影交互、邮件语音汇总，甚至能用克隆声音做实时翻译。最值得关注的是其替代手机的野心，但实际交互仍留下不少疑问。
IBM 推出 Watsonx 平台：自带基础模型，帮企业私有化部署 AI
IBM 发布企业 AI 平台 Watsonx，供企业训练、微调和部署专属模型。平台涵盖工作室、数据存储与治理三大套件，提供代码与地理空间等基础模型，并接入 Hugging Face。IBM 试图借隐私与合规优势，在企业端抗衡微软和谷歌。
周一
5月8日 星期一
Google 联手医疗机构研发 AI 助听技术：在嘈杂环境里精准分离人声
Google 联合人工耳蜗厂商 Cochlear 等机构，研发基于 AI 的个性化助听技术。该项目通过 AI 识别并分离特定声源，帮助听障人群在餐馆或公共交通等嘈杂环境下听清对话，目前正处于联合研发阶段。
Google I/O 内部文件曝光：将发布 PaLM 2 大模型，支持超 100 种语言
根据 5 月 8 日 CNBC 披露的内部文件，Google 计划在周三的 I/O 大会上发布新一代通用大语言模型 PaLM 2。该模型支持 100 多种语言，强化了代码编写与数学推理能力；同时 Google 还将展示 Bard 的升级版本，以及融入搜索和 Workspace 的生成式 AI 体验。
Geoffrey Hinton 警告：AI 对人类的威胁可能比气候变化更紧迫
周一，图灵奖得主 Geoffrey Hinton 警告称，AI 对人类的威胁可能比气候变化更紧迫。他指出气候变化至少有明确应对方案，但人类应对 AI 风险目前毫无头绪。虽然他认为呼吁暂停研发不现实，但强调必须立刻投入资源寻找对策。
周日
5月7日 星期日
巴菲特谈 AI 崛起：堪比造出原子弹，一旦释放就无法撤回
Warren Buffett 在伯克希尔哈撒韦股东大会上将 AI 的兴起比作当年发明原子弹。他表示在 Bill Gates 演示 ChatGPT 后见识了其强大能力，但更担心这种技术一旦被发明就无法逆转，最终会改变除人类思考方式外的一切。
周六
5月6日 星期六
Grimes 推出声音软件 Elf.Tech：用她声音做 AI 歌，版税对半平分
本周，Grimes 推出 AI 语音软件 Elf.Tech，允许创作者上传录音并转换成她的音色。生成的歌声可以直接用于制作新曲，前提是将曲目 50% 的录音版税分给她。最值得关注的是，她选择将个人声线主动「开源」变现，把版权纠纷转变成合作分成。
Amazon Music 升级播客：将用 AI 自动生成章节和精彩片段
据 5 月 6 日报道，Amazon Music 计划为播客引入 AI 生成的精彩片段和章节划分。该功能基于其去年底收购的音频初创公司 Snackable AI，方便听众无需听完全篇就能直接跳转到关键讨论点。Snackable AI 创始人现已入职掌舵该项目。
Google 推进 Magi 项目：把 AI 对话和短视频装进搜索
据华尔街日报报道，Google 正在开发代号为「Project Magi」的新搜索功能，试图摆脱传统的 10 个蓝色链接，加入 AI 对话与更多社交短视频内容。面对 ChatGPT 与 TikTok 的夹击，新版搜索重点解决那些「没有标准答案」的生活类查询，计划 5 月起率先向 100 万美国用户测试。
周五
5月5日 星期五
传微软正联手 AMD 提升其 GPU 算力：提供工程资源对抗 Nvidia 垄断
据彭博社报道，微软正与 AMD 合作提升其 GPU 处理 AI 负载的能力，并提供工程资源与支持。此举旨在削弱 Nvidia 在 AI 硬件市场的垄断地位，以降低运行大模型的高昂服务器成本。不过微软断然否认了 AMD 参与其自研 Athena 芯片的传闻。
OpenAI 开源 3D 模型 Shap-E：一句话几秒生成 3D 网格与 NeRF
OpenAI 开源了 3D 生成模型 Shap-E，并在 GitHub 放出权重与推理代码。它能根据单条文本提示词在数秒内直接生成隐式函数参数，渲染出纹理网格和 NeRF。相比上一代 Point-E 它收敛更快、质量更优，不过目前还只擅长简单单物体生成。
