NotebookLM 核心團隊離職創業：主導爆款播客後，轉做大眾消費級 AI
Google NotebookLM 負責人 Raiza Martin 攜核心設計師與工程師離職，創辦隱形 AI 初創公司。他們表示將利用最新前沿模型打造以普通人為中心的消費級產品。目前新公司名稱及具體業務細節均未公開。
AI 日報：今天的 AI 新聞
週三
12月4日 星期三
Sam Altman 調低 AGI 預期：來得比想像快，但影響遠沒那麼大
OpenAI CEO Sam Altman 在 DealBook 峰會上表示，AGI 的到來會比想像更快，但影響遠沒那麼大。他認為安全問題不會在 AGI 瞬間爆發，真正的劇變屬於之後的超級智慧。外媒指出，宣佈達成 AGI 正好是 OpenAI 擺脫微軟獨家商業協議的關鍵節點。
OpenAI 開啟 12 天釋出季：傳影片模型 Sora 和新推理模型將上線
據 The Verge 報道，OpenAI 計劃從 12 月 5 日起連續 12 天每天推出新功能或演示。知情人士透露，釋出內容預計包括備受期待的影片生成工具 Sora、全新推理模型，以及 ChatGPT 聖誕語音等彩蛋。
AdCreative.ai 推出電商影片模型：單張產品圖變 16 秒廣告片
AdCreative.ai 推出產品影片生成模型 Product VideoShoot。它基於廣告大模型 AdLLM，能把靜態產品圖直接轉成 16 秒 1080p 廣告片，支援鏡頭縮放與運鏡控制。最值得關注的是其融入了轉化預測資料，目前向 Pro 和 Enterprise 使用者開啟 Beta 測試。
Spotify 聯手 NotebookLM：把年度聽歌報告做成雙人 AI 播客
Spotify 聯合 Google 推出 2024 年度 Wrapped AI 播客。藉助 NotebookLM 的音訊概覽技術，兩位 AI 主播會像錄播客一樣暢聊你的個人聽歌偏好與音樂品味演變。不過目前僅限美、英、加等英語地區使用者限時體驗。
Anduril 聯手 OpenAI：將前沿 AI 模型接入國家安全與反無人機系統
國防科技公司 Anduril 宣佈與 OpenAI 達成戰略合作。雙方計劃將先進 AI 模型整合進 Anduril 的 Lattice 平臺與防衛系統，重點增強反無人機威脅的即時監測與響應能力。換句話說，前沿大模型正在加速進入一線國防與防空實戰。
Sam Altman：AI 超級智慧帶來的衝擊將遠超想像
OpenAI 執行長 Sam Altman 在峰會上預測，2025 年行業或將迎來首批能呼叫不同工具完成複雜任務的 AGI 系統。他表示，起初超級智慧影響看似輕微，但長遠來看對就業與社會的衝擊會比人們預期的劇烈得多。
DeepMind 推出 GenCast：15 天天氣集合預報超越歐洲中期中心
Google DeepMind 推出 AI 天氣集合預報模型 GenCast 並開原始碼和權重。在 1320 項指標測試中，它有 97.2% 勝過歐洲中期天氣預報中心 ENS；單張 TPU 僅需 8 分鐘即可跑完 15 天預測。
DeepMind 釋出 Genie 2：一張圖生成可玩 3D 世界，鍵鼠直接操控
Google DeepMind 釋出基礎世界模型 Genie 2。輸入一張靜態圖片，它就能推演生成支援鍵鼠操控的 3D 互動環境，最長維持 1 分鐘一致性。這意味著研究者無需依賴預設遊戲，就能為具身智慧體批次打造無限的訓練場景。目前該技術仍處於早期研究階段。
OpenAI 挖走 DeepMind 視覺三人組：入駐蘇黎世新辦公室攻堅多模態
OpenAI 宣佈招攬了 Google DeepMind 的三名資深計算機視覺專家 Lucas Beyer、Alexander Kolesnikov 與 Xiaohua Zhai。三人將在 OpenAI 新設立的瑞士蘇黎世辦公室開展工作，專注於多模態 AI 研發。這也意味著頂尖實驗室對稀缺視覺人才的爭奪進一步升級。
週二
12月3日 星期二
Meta 內部程式設計工具被曝同時使用 GPT-4 與自家 Llama
據 Fortune 報道，Meta 內部程式設計工具 Metamate 雖搭載自研 Llama，但至少從今年初起也在引入對手 OpenAI 的 GPT-4。工具會根據提問型別在兩家模型間切換。扎克伯格名下的慈善基金會同樣在採購 OpenAI 服務。
Google 開放視聽創作底牌：Imagen 3 正式上線，Veo 開啟企業私測
Google 宣佈 Imagen 3 全面開放給 Vertex AI 客戶，影片生成模型 Veo 也開啟私測。Veo 支援圖生影片與區域性編輯，最長可輸出 6 秒高畫質片段。這意味著 Google 開始將前沿多模態能力塞進企業雲服務，不過 Veo 目前仍需申請預覽資格。
OpenAI 聘請首位首席營銷官：挖來 Coinbase 高管 Kate Rouch
OpenAI 聘請 Coinbase 前全球營銷主管 Kate Rouch 出任其首位首席營銷官。此前 OpenAI 靠口碑積累了 2.5 億周活躍使用者，但隨著與 Google、Anthropic 等對手的競爭加劇，此舉意味著它開始正式發力品牌與市場推廣。不過 OpenAI 表示目前暫無投放 2025 年超級碗廣告的計劃。
蘋果站臺 AWS：正在用亞馬遜自研晶片，並評估 Trainium2 訓大模型
Apple 在 AWS re:Invent 上透露，其搜尋等服務已採用亞馬遜 Inferentia 與 Graviton 晶片，使效率提升 40%。蘋果目前還在評估最新款 Trainium2 晶片，預計預訓練效率可提升高達 50%，未來有望用於訓練 Apple Intelligence。
Tow 中心評測：ChatGPT 搜尋新聞常犯錯，語氣卻過度自信
哥倫比亞大學 Tow 中心釋出測試報告，指出 ChatGPT 搜尋在核實新聞出處時表現不可預測，絕大多數請求都給出了部分或完全錯誤的回答，卻極少承認不確定。OpenAI 回應稱該測試屬於非典型場景，將持續最佳化結果。
亞馬遜聯手 Anthropic 造超算：數十萬顆自研晶片，成本降 40%
在 re:Invent 大會上，Amazon 宣佈與 Anthropic 聯手打造超算 Project Rainer，將配備數十萬顆自研 Trainium 2 晶片，規模達 Anthropic 現役最強叢集的 5 倍。AWS 稱該叢集比輝達方案便宜 30% 至 40%，同時還公佈了效能翻 4 倍的 Trainium 3。
Amazon 推出 Nova 系列大模型：主打極速與價效比，價格直降 75%
Amazon 釋出新一代基礎模型家族 Amazon Nova，涵蓋 Micro、Lite、Pro 以及影像生成 Canvas 和影片生成 Reel。最值得關注的是，其在 Amazon Bedrock 上不僅響應速度最快，成本還比同級別頂尖模型直接砍掉至少 75%。
Chromebook 上線面部控制：靠 18 種表情手勢直接操控游標
Google 介紹了 Chromebook 新增的 Face control 無障礙功能。它利用機器學習追蹤 478 個面部特徵點，能識別人臉動作和多達 18 種表情手勢來移動游標、完成點選等操作。該功能目前已在 ChromeOS 測試版上線，預計明年初向全部使用者推出。
Meta 釋出大選復盤：平臺虛假資訊中 AI 生成內容佔比不足 1%
Meta 稱在其監測的全球大選中，經核查的虛假資訊裡 AI 內容佔比不到 1%。其 Imagine AI 在美國投票日前一個月攔截了 59 萬次政客影像生成請求。Meta 認為生成式 AI 對虛假資訊傳播的實際影響有限，現有風控機制已足以應對。
Hailuo AI 推出 I2V-01-Live：讓 2D 插畫角色開口說話、自然動起來
MiniMax 旗下 Hailuo AI 釋出圖生影片模型 I2V-01-Live。該模型專為 2D 插畫和角色設計，重點優化了運動平滑度、穩定性和微表情，能讓靜態畫作裡的角色開口說話、動作更自然，並適配多種藝術風格。
ElevenLabs 推出對話式 AI 平臺：打造支援即時打斷的語音智慧體
ElevenLabs 推出 Conversational AI 平臺，讓開發者快速構建互動式語音智慧體。它將文本轉語音、語音識別與自選大模型打通，藉助即時預測模型優雅處理插話打斷與輪候。平臺還原生整合 Twilio 電話接入，並提供多語言 SDK。
週一
12月2日 星期一
生成式 AI 如何將氣候模擬提速 25 倍：從 78 小時縮減到 3 小時
Allen Institute for AI 與 UC San Diego 團隊提出氣候模型 Spherical DYffusion。它通過球面條件擴散過程學習物理模型資料，將 10 年氣候模擬從 78 小時壓縮到不到 3 小時，提速超 25 倍，不過極地和高空預測偏差仍高於傳統模型。
ChatGPT 遇到特定人名直接罷工：為防誹謗訴訟硬編碼攔截
測試發現 ChatGPT 存在硬編碼攔截名單，在任何語境下輸入 Brian Hood、Jonathan Turley 等人名都會報錯並中斷對話。這套過濾機制旨在防止模型胡編事實引發名譽侵權糾紛，不過 API 和開發者平臺不受影響。
OpenAI 考慮為 ChatGPT 引入廣告：算力太貴，奧特曼曾視其為「下策」
據《金融時報》報道，OpenAI 正權衡廣告商業模式，還招攬了前 Google 廣告高管。儘管 CFO 澄清暫無積極推進計劃，但在高昂算力開銷下，廣告已被提上桌面。不過 CEO Sam Altman 曾坦言廣告是「最後手段」，且「廣告加 AI」讓人格外不安。
李飛飛創辦的 World Labs 亮相：單張照片生成可漫遊 3D 場景
李飛飛聯合創辦的 World Labs 公佈首個系統，能將單張照片變成在瀏覽器裡實時互動的 3D 場景。模型不僅符合物理規律，還能用鍵鼠調節景深並自由移動視角。雖然目前漫遊範圍有限，但為可控的「世界模型」邁出關鍵一步。
Arc 團隊公佈新 AI 瀏覽器 Dia：不僅能寫能總結，還能替你辦事
Arc 瀏覽器母公司 The Browser Company 曝光全新 AI 瀏覽器 Dia，預計 2025 年初推出。Dia 主打用智慧游標和位址列指令替使用者代辦日常任務，比如把開啟標籤頁裡的商品批次貼進郵件，甚至自動向亞馬遜購物車加購商品。官方表示不會放棄 Arc，但堅信瀏覽器才是 AI 互動的最佳載體。
EVI 2 推出 Voice Control：不用克隆，拉滑條就能精細捏聲音
12 月 2 日，EVI 2 上線測試版功能 Voice Control，不靠提示詞也不走聲音克隆路線，而是提供自信、鼻音、鬆弛度等 10 個維度的連續滑條。最值得關注的是，調節某個特徵不會連帶影響其他屬性，開發者能在幾秒內捏出專屬聲音。
Amazon Connect 升級：整合生成式 AI 助手 Amazon Q
週日，AWS 在 re:Invent 上宣佈為雲聯絡中心 Amazon Connect 增加生成式 AI 功能。通過升級版助手 Amazon Q in Connect，企業無需程式設計就能構建動態自助客服，並支援內容護欄與客服評估。Fujitsu、Priceline 等已接入使用。
Cohere 推出 Rerank 3.5：強化複雜推理搜尋，支援超百種語言
Cohere 推出企業級重排模型 Rerank 3.5，重點提升了複雜資料推理與多語言檢索能力。模型支援中文等 100 多種語言，在金融和電商基準測試中表現亮眼。最值得關注的是，它能有效降低 RAG 系統的幻覺率，目前已同步接入 Amazon Bedrock。
週日
12月1日 星期日
OpenAI 政策研究員 Rosie 離職：AGI 準備團隊解散後難以為繼
在 OpenAI 工作三年半的政策研究員 Rosie Campbell 宣佈離職。此前負責人 Miles Brundage 離職且 AGI Readiness 團隊被解散，她表示在內部已看不到繼續前沿安全研究的空間，計劃轉到外部推進 AI 治理。
週六
11月30日 星期六
馬斯克申請初步禁令：要求叫停 OpenAI 營利性轉型
週五晚，Elon Musk 向法院申請初步禁令，要求叫停 OpenAI 轉型為營利性實體。訴狀指控 OpenAI 與微軟涉嫌反競爭行為，包括要求投資人不得資助 xAI 等競品。馬斯克稱若不阻止將造成不可挽回的損害，OpenAI 則回應稱指控毫無依據。
週五
11月29日 星期五
加拿大主流媒體聯合起訴 OpenAI：抓取新聞訓練 ChatGPT 屬侵權
包括加拿大廣播公司在內的多家新聞機構在安大略省高等法院起訴 OpenAI，指控其未經許可抓取新聞報道訓練 ChatGPT 並牟利。媒體方要求懲罰性賠償並禁止繼續使用其內容；OpenAI 則回應稱模型訓練符合合理使用原則。
Tesla 展示 Optimus 新機械手：仿人肌腱設計，手部 22 自由度
Tesla 公佈 Optimus 人形機器人升級版機械手。新設計採用仿人肌腱結構，手部擁有 22 個自由度，腕部和前臂另有 3 個。驅動裝置全部移至前臂，雖然增加了手臂重量，但動作更靈巧。不過，本次令人印象深刻的抓取演示依然由人工遙操作完成。
蘋果向台積電下單 M5 晶片：採用 3D 堆疊，還要兼顧 AI 伺服器
據外媒報道，蘋果已向台積電下單下一代 M5 晶片，預計 2025 年下半年投產。M5 沿用 3nm 工藝並引入 3D 堆疊封裝，除用於 Mac、iPad 和 Vision Pro 外，蘋果還計劃將其部署在自家 AI 伺服器上。
吳恩達團隊開源 aisuite：改一行程式碼無縫切換主流大模型
吳恩達團隊開源 Python 庫 aisuite。它為 OpenAI、Anthropic 和 Ollama 等不同廠商的模型提供了統一呼叫介面，開發者只需修改「廠商:模型」字串就能隨時換模型，大幅降低了多模型接入和測試的門檻。
AI 智慧體 Freysa 被攻破：第 482 次嘗試用「充值」話術捲走 4.7 萬美元
開發者 Jarrod Watts 透露，旨在「絕不轉賬」的 AI 智慧體 Freysa 在經歷 481 次失敗嘗試後被破防。使用者 p0pular.eth 在第 482 次嘗試中假借「向金庫捐款 100 美元」，誘導其呼叫轉賬函式，最終拿走了全部 13.19 ETH（約 4.7 萬美元）獎池。
週四
11月28日 星期四
亞馬遜研發多模態大模型 Olympus：能讀懂影片，減少對 Anthropic 依賴
據 The Information 週三報道，Amazon 研發了代號為 Olympus 的多模態大模型，能處理文本、影像和影片，支援用文字搜尋影片中的特定瞬間。儘管亞馬遜剛向 Anthropic 追加了 40 億美元投資，但自研模型顯然是為了減少對 Claude 的依賴。該模型最早可能在下週的 AWS re:Invent 上公佈。
週三
11月27日 星期三
阿里開源推理模型 QwQ-32B-Preview：對標 OpenAI o1
阿里通義團隊釋出推理模型 QwQ-32B-Preview。該模型擁有 325 億引數，在 AIME 和 MATH 測試中跑贏 OpenAI o1-preview。模型採用 Apache 2.0 協議開源，不過阿里也指出它可能出現意外切換語言或陷入迴圈等問題。
Google 啟動倫敦 AI 園區：聯合 DeepMind 為高中生提供實踐培訓
Google 在倫敦卡姆登區啟動倫敦 AI 園區，英國首相斯塔默出席。該為期兩年的教育試點聯合 DeepMind，為當地 16 至 18 歲高中生提供前沿 AI 課程與導師指導。首期已有 32 名學生入選，優先面向弱勢背景學生。
前 Android 核心高管組團創業：要為 AI Agent 打造專屬作業系統
前 Android 高管 Hugo Barra 與 David Singleton 等人聯合創辦新公司「/dev/agents」，宣佈開發專為 AI Agent 設計的雲端作業系統。團隊表示 AI 正在等待「Android 時刻」，希望解決 Agent 跨裝置協作、互動介面和隱私模型難題，大幅降低開發門檻。
OpenAI 申請 o1 商標：曾因 GPT 太通用被駁回，這次提前卡位
週二，OpenAI 向美國專利商標局提交了「OpenAI o1」的商標申請，為旗下推理模型建立保護。申請檔案顯示，OpenAI 早在 5 月就在牙買加提交了海外申請。此前其申請「GPT」曾因詞義太通用被駁回，目前該申請正等待分配審查律師。
Hume 推出 Voice Control：用 10 個滑塊捏出專屬 AI 聲音
Hume AI 為其 EVI 2 推出 Voice Control 測試版。它繞開了提示詞描述不清和聲音克隆的侵權風險，讓使用者通過自信度、鼻音等 10 個維度的連續滑塊微調聲音，幾秒內就能捏出可穩定復現的專屬 AI 語音。不過極端引數下的音質仍在最佳化中。
傳 xAI 將推獨立客戶端：對標 ChatGPT，預計新一輪融資後上線
據報道，馬斯克旗下的 xAI 正在準備推出獨立的消費者端應用，類似 OpenAI 的 ChatGPT，讓使用者直接在個人裝置上使用 Grok。該應用預計在 xAI 完成 50 億美元新一輪融資後推出，屆時公司估值或達 500 億美元。
馬斯克宣佈 xAI 將成立 AI 遊戲工作室：讓遊戲「再次偉大」
馬斯克在 X 上表示，旗下人工智慧初創公司 xAI 將啟動一個 AI 遊戲工作室。他批評當前太多遊戲工作室被大公司控制導致內容過度「覺醒」，希望做出純粹的好遊戲。不過他暫未公佈具體團隊規模與技術細節。
Uber 也做 AI 資料標註：招募全球零工幫大模型打工
Uber 被曝成立新部門 Scaled Solutions，開始利用其龐大的零工網路進軍 AI 資料標註市場。該業務面向 Aurora、Luma AI 等第三方客戶，提供標註、測試和本地化等服務，目前正在美、加、印、波蘭等地招募外包人員按任務結算報酬。
ElevenLabs 推出 GenFM：文件一鍵生成雙人 AI 播客，支援 32 種語言
ElevenLabs 在 ElevenReader iOS 端上線 GenFM 功能，能把 PDF、文章和電子書一鍵轉成由 AI 主持人對談的播客。它支援 32 種語言，幾秒內即可生成內容摘要與講解。Android 版本將在數週內推出。
Claude 上線自定義風格：不僅有三套預設，還能模仿你自己的文風
Anthropic 為 Claude 推出自定義回覆風格功能。除了「簡明」「詳細解釋」和「正式」三種預設，使用者還能上傳日常郵件或文件，讓模型提煉並模仿自己的語氣發聲。設定好的風格會在不同對話中保持一致，不用每次重新提醒它「扮演你」。
微軟闢謠：絕沒拿使用者的 Office 文件去訓大模型
微軟針對網路傳聞做出澄清，宣告絕不會使用 Microsoft 365 使用者的文件資料訓練 AI 大模型。傳聞源於 Office 預設開啟的「可選連線體驗」隱私選項，微軟解釋該開關僅用於文件協作和線上搜尋等聯網功能，完全不涉及模型訓練。
Altera 實驗：千個 AI 智慧體在《我的世界》自發分工甚至建宗教
初創公司 Altera 披露在《我的世界》中開展的 Project Sid 實驗，多達 1000 個由大模型驅動的智慧體在無額外人類干預下，自發形成了職業分工、為稅改投票並傳播宗教。最值得關注的是，它們展現出複雜的社會群體湧現行為。不過這依然是模型對人類行為模式的高階模仿，AI 並不具備真實意識。
軟銀再投 15 億美元：OpenAI 開啟員工股票回購，每股 210 美元
據 CNBC 報道，OpenAI 允許現任與前員工向軟銀出售約 15 億美元股票。軟銀此前已參投 5 億美元，孫正義仍執意追加投資。本次收購單價為 210 美元，與 10 月 1570 億美元估值持平，員工需在 12 月 24 日前決定是否套現。
Adobe 推出 MultiFoley：能把貓叫變成獅吼，給影片精準配音效
Adobe Research 推出多模態影片音效生成技術 MultiFoley。它能識別畫面動作，把打字機聲換成鋼琴聲、讓貓叫變成獅吼，並將現有音效精準對齊影片時間點。這意味著影片擬音製作無需逐幀手動對軌，創意換聲變得極其簡單。
摩根大通 CEO 談 AI 影響：下一代可能每週只需工作 3.5 天
摩根大通 CEO Jamie Dimon 在接受彭博電視採訪時表示，AI 正在改變工作與生活平衡，未來一代人可能每週只需工作 3.5 天。他承認技術更替會衝擊崗位，但透露公司每年招聘數萬人，計劃儘量幫被 AI 替代的員工內部轉崗而非直接裁員。
週二
11月26日 星期二
Google 為 Gemini 接入 Spotify：動動嘴就能讓 AI 放歌
Google 開始向 Android 裝置推送 Gemini 的 Spotify 擴充套件。關聯賬號後，使用者能直接用日常口語讓 Gemini 搜尋並播放歌曲或專輯。不過目前它還不支援新建歌單，且初期僅限英語環境使用。
Google Labs 推出 GenChess：用 Imagen 3 定製專屬棋子並下棋
Google Labs 推出實驗性專案 GenChess。它接入 Imagen 3 模型，玩家輸入提示詞即可生成經典或創意風格的專屬棋子，並直接與電腦開局對弈。不過該功能目前僅在部分地區可用。
不滿當免費測試員：藝術家洩露 OpenAI Sora 訪問許可權
藝術家團體「Sora PR Puppets」將 OpenAI 影片模型 Sora 的測試介面掛上 Hugging Face，一度允許公眾免費生成 1080p 影片。該團隊指責 OpenAI 利用早期測試藝術家進行無償勞動與公關造勢。該入口上線約三小時後已被封禁。
Stability AI 推出三款 ControlNet：為 Stable Diffusion 3.5 Large 帶來精準控制
Stability AI 為 Stable Diffusion 3.5 Large 釋出了三款 ControlNet 模型，包括 Blur、Canny 和 Depth。它們分別支援超解析度放大、邊緣線稿控制與深度引導，經約 150 人測試偏好度位居同類首位。年營收 100 萬美元以下可免費商用，支援通過 Comfy UI 呼叫。
Inflection AI 放棄研發前沿模型：不再燒卡競賽，全面轉向企業市場
Inflection AI 新任 CEO Sean White 表示，團隊已徹底放棄研發下一代前沿大模型。與其跟巨頭比拼 10 萬張 GPU 的算力，公司將專注於利用現有模型服務企業，並已在近兩個月內收購三家軟體與諮詢初創公司。
Orange 聯手 OpenAI 與 Meta：訓練大模型支援西非本土語言
週二，Orange 宣佈聯手 OpenAI 與 Meta 微調大模型，首期重點攻克西非的沃洛夫語和普拉爾語。三方將訓練 Whisper 和 Llama 3.1，成果擬免費開放非商業用途，用於當地公共衛生與教育，讓不會讀寫的群體也能用母語與 AI 交流。
特朗普考慮設立白宮「AI 沙皇」：馬斯克參與選拔，協調全美 AI 戰略
據 Axios 報道，特朗普正考慮在白宮設立「AI 沙皇」一職，統籌聯邦政策與政府 AI 採購。馬斯克本人不會出任該職，但他與拉馬斯瓦米將對人選擁有重要建議權。該職位可能無需參議院確認即可快速上任，也可能與加密貨幣協調官合併。
ChatGPT 接入蘋果快捷指令：一鍵直達 SearchGPT 聯網搜尋
OpenAI 在最新版 ChatGPT 應用中為 iPhone 和 iPad 的快捷指令增加了「Open SearchGPT」操作。使用者點選快捷指令即可啟動應用並直接觸發聯網搜尋。該功能目前面向 Plus 和 Teams 使用者開放，未來幾個月將推向免費使用者。
週一
11月25日 星期一
Zoom 去掉名字裡的「Video」：改做 AI 優先工作平臺
Zoom 宣佈將公司名由 Zoom Video Communications 改為 Zoom Communications，重新定位為「AI 優先的工作平臺」。面對微軟和谷歌辦公套件的擠壓，Zoom 正力推 Zoom Workplace，並依託 10 月推出的 AI Companion 2.0 押注日常工作自動化。
IMAX 聯手 Camb.ai：用 AI 語音模型為原創紀錄片搞定多語言配音
IMAX 宣佈與初創公司 Camb.ai 達成合作，計劃使用其 Boli 和 Mars 等 AI 語音模型，為紀錄片等原創內容做多語言本地化翻譯和配音。Camb.ai 支援 140 種語言，IMAX 打算分階段推進，先從常見語言開始落地，以此壓縮譯配成本並擴大受眾覆蓋。
Neuralink 啟動新試驗：用 N1 腦機植入體直接控制機械臂
Neuralink 宣佈獲批並啟動新可行性試驗 CONVOY，探索使用 N1 植入體通過腦機介面控制在研輔助機械臂。該試驗允許現有的 PRIME 研究參與者交叉入組。官方稱這是從恢復數字自由邁向恢復肢體物理自由的關鍵一步。
Anthropic 開源 MCP 標準：要給所有 AI 助手做統一的資料介面
Anthropic 開源了 Model Context Protocol（MCP），旨在解決 AI 模型與資料孤島脫節的問題。它不僅支援自家 Claude，還能讓任何模型通過標準協議雙向呼叫 GitHub、Slack 等工具。開發工具平臺和企業已開始接入，不過能否抗衡 OpenAI 的私有方案仍待觀察。
MIT 研發 Earth Intelligence Engine：能生成未來的洪水衛星圖
MIT 研究團隊公佈名為 Earth Intelligence Engine 的新工具，將生成對抗網路與物理洪水模型結合，能提前預測並生成暴風雨過後的衛星圖。這能解決純 AI 經常在不可能積水的高地「瞎編」淹水畫面的幻覺問題，幫助居民更直觀地做撤離決策。
Perplexity 聯手 Quartr：普通人也能看懂財報電話會
Quartr 宣佈與 Perplexity 達成合作。Perplexity 接入 Quartr API，向全球使用者提供財報電話會的即時文字轉錄與 AI 生成的要點摘要。過去這類深度分析往往只有大型機構投資者才能用上，現在普通使用者也能直接在搜尋中呼叫。
Intuit 升級 QuickBooks：AI 替你記賬，未來還要當 CFO
Intuit 宣佈為財務軟體 QuickBooks 推出多項 AI 新功能。內建的 Intuit Assist 支援將手寫筆記、郵件或 PDF 轉化為發票並自動分類支出。CEO 還透露，未來 AI Agent 甚至有望承擔中小企業 CFO 或 CMO 的工作。
Nvidia 公佈音訊大模型 Fugatto：把鋼琴聲變人聲，還能合成全新音效
Nvidia 公佈音訊生成模型 Fugatto，能夠根據文本提示修改現有聲音，例如將鋼琴演奏轉為歌聲或改變說話者的情緒與口音。它甚至能混合音效生成從未存在的聲音。不過出於安全與版權等風險考慮，該模型目前暫不公開發布。
Luma 升級 Dream Machine：推出 Photon 影像模型並上線 iOS 版
Luma AI 宣佈將影片生成工具 Dream Machine 拓展為完整創作平臺。官方同步推出 Photon 影像生成基礎模型，宣稱處理速度比同類快最高 800%，並上線全新 UI、iOS 移動端以及面向開發者的 API。
AMD 釋出 Amuse 2.2 Beta：支援 SD 3.5，端側生圖拉到 2K
AMD 推出 Amuse 2.2 Beta，正式接入 Stable Diffusion 3.5 系列模型。新版面向 Ryzen AI 300 處理器與 Radeon 7000 顯示卡最佳化，結合 XDNA 超分技術，離線也能輸出 2048x2048 畫素影像，讓輕薄本免配置即可在本地跑高質量生圖。
Runway 釋出影像模型 Frames：鎖定統一風格，接入 Gen-3
Runway 釋出全新影像生成基礎模型 Frames，主打風格控制與視覺保真度。該模型擅長在鎖定特定美學風格的同時穩定生成變體，便於創作者構建統一的視覺世界。目前 Frames 正逐步向 Gen-3 Alpha 和 Runway API 使用者推送開放。
週五
11月22日 星期五
OpenAI 資助杜克大學研究：讓演算法預測人類的道德判斷
稅務檔案披露 OpenAI 正資助杜克大學一項「AI 道德」研究，屬於三年 100 萬美元資助的一部分。團隊試圖訓練演算法在醫療、法律等場景預測人類的道德判斷，充當「道德 GPS」。不過道德高度主觀，AI 能否真正掌握倫理仍存疑。
Runway 上線 Expand Video：靠畫外生成改畫幅，還能做運鏡
Runway 推出「Expand Video」功能。使用者輸入提示詞即可在原影片周圍生成新畫面來調整比例，多次擴充套件還能拼出急速拉遠等運鏡效果。目前該功能正逐步向 Gen-3 Alpha Turbo 使用者推送。
Android 16 曝光新 API：Gemini 將能直接替你在 App 裡操作
本週早些時候，Google 釋出的 Android 16 開發者預覽版被曝新增「app functions」介面。該功能允許第三方應用向系統開放許可權，讓 Gemini 直接在 App 內代辦操作，比如無需開啟軟體直接點外賣。手機 AI 助理正加速從回答問題轉向替人辦事的智慧體時代。
傳蘋果秘密研發「LLM Siri」：向 ChatGPT 看齊，最快 2026 年上線
據彭博社週四報道，蘋果正內部測試代號為「LLM Siri」的新版助手。新 Siri 將接入大語言模型，具備更自然的對話能力，並能通過 App Intents 控制第三方應用。該專案預計隨 2025 年新系統公佈，但正式上線或需等到 2026 年春季。
Threads 測試 AI 熱點摘要：跟進 X，幫使用者速覽趨勢討論
Instagram 負責人 Adam Mosseri 宣佈，Threads 開始在美國版「Trending now」測試 AI 話題摘要功能。這與 X 利用 Grok 總結趨勢的做法類似，能幫使用者快速搞懂熱門話題在聊什麼，同時還跟進了日期範圍搜尋等更新。
Amazon 追加投資 Anthropic 40 億美元：押注自研晶片訓練大模型
Amazon 宣佈向 Anthropic 追加投資 40 億美元，總投資額達到 80 億美元。Anthropic 將使用 AWS 的 Trainium 和 Inferentia 晶片訓練與部署前沿大模型，AWS 客戶也將獲得使用私有資料微調 Claude 的早期許可權。Amazon 仍為少數股東且無董事席位。
三星釋出第二代 AI 模型 Gauss2：推三款尺寸，主打端側與多語言
三星釋出第二代 AI 模型 Gauss2，分為 Compact、Balanced 和 Supreme 三種規格，支援 9 到 14 種語言和多種程式語言。內部已用它升級程式碼助手 code.i 與辦公門戶。三星計劃未來將其接入全線硬體產品，提供更深入的個性化體驗。
Lightricks 開源影片模型 LTXV：消費級顯示卡 4 秒生成 5 秒影片
Lightricks 宣佈開源影片生成模型 LTX Video（LTXV）。該模型僅 20 億引數，採用 DiT 架構，在 RTX 4090 等消費級顯示卡上也能近即時執行，4 秒即可生成 5 秒影片。它的開源讓創作者在本地電腦就能快速試錯，直接向閉源巨頭叫板。
週四
11月21日 星期四
KREA AI 上線 Flux 影像提示：支援用參考圖引導生成，對所有人免費
KREA AI 宣佈上線 Flux 影像提示詞功能。使用者現在可以在呼叫 Flux 模型生圖時引入參考圖片作為生成條件，以此引導畫面的構圖與風格。該功能目前直接面向所有使用者免費開放。
Google 推出 Gemini-exp-1121：程式設計與視覺表現超 GPT-4o 約 20%
Google 推出實驗模型 Gemini-exp-1121。新模型針對 Transformer 架構和檢索機制進行了最佳化，在程式設計、數學推理與視覺理解基準上比 GPT-4o 提升約 20%，能更精準地根據設計草圖直接生成程式碼並搞定複雜算術。
Brave Search 上線追問聊天：搜完不用重來，直接接著聊
Brave 宣佈為 Brave Search 的「Answer with AI」新增追問聊天欄。使用者在搜尋後可以直接繼續追問，模型會結合上下文作答並列出資訊來源，且不記錄查詢與使用者畫像。它讓搜尋兼具傳統找連結與多輪追問的體驗。
Claude 支援匯入 Google Docs：貼上連結或直接選最近文件
Anthropic 宣佈 Claude 支援直接匯入 Google Docs 內容。在對話和 Projects 中，直接貼上連結或者從最近開啟的文件裡選擇即可匯入。這意味著處理團隊協作文件時，不需要再手動複製貼上或另存為檔案，整理資料省了一大步。
Rabbit R1 開放 teach mode 測試：教 AI 走一遍網頁，替你跑腿幹活
Rabbit 宣佈向所有 R1 使用者開放 teach mode 測試版。使用者在 Rabbithole 網頁端演示一遍點選和操作，R1 就能記錄下來並在之後自動執行對應網頁任務。這算是 Rabbit 兌現年初承諾的關鍵一步，不過目前自動化仍侷限於網頁操作。
OpenAI 聯合 Common Sense Media：給中小學教師推免費 AI 培訓課
週三，OpenAI 與 Common Sense Media 推出免費線上課程「ChatGPT Foundations for K-12 Educators」，用時不到 1 小時。內容覆蓋 AI 基礎、隱私倫理以及備課等場景，教師無需訂閱 ChatGPT Edu 即可直接在官網免費學習。
Google Cloud 推出 AI Agent Space：發力企業智慧體生態，迎戰微軟與 Salesforce
本週，Google Cloud 推出 AI Agent Space 生態計劃，幫企業發現、部署並共創 AI 智慧體。合作伙伴可獲得技術早期預覽與工程支援，新智慧體還能通過雲市場推廣分銷。雖然目前入駐產品相比微軟 Copilot Studio 等對手仍顯單薄，但 Google 正全力押注這一賽道。
v0 升級：支援全棧 Next.js 開發、多檔案生成與一鍵部署
Vercel 宣佈旗下 AI 工具 v0 迎來升級。它現在不僅能單次生成多個檔案，還能建立並執行全棧 Next.js 和 React 應用。開發者還可以直接關聯 Vercel 專案、讀取環境變數並一鍵部署，進一步打通從提示詞到上線的全流程。
週三
11月20日 星期三
Nvidia 確認 Blackwell 全面量產：已出貨 1.3 萬個樣品
Nvidia 在 Q3 財報會上表示，最新 Blackwell 晶片已全面量產並在「全速」推進，本季度已交付 1.3 萬個樣品。針對此前的散熱傳聞，CEO 黃仁勳稱系統狀態極佳，後續每季度的出貨量還會繼續擴大。
ChatGPT 測試版程式碼曝光：高階語音模式或將接入「即時攝像頭」
ChatGPT 最新測試版程式碼曝光了「即時攝像頭」功能。v1.2024.317 版本程式碼顯示其支援即時影片流處理與視覺識別，並與高階語音模式結合。距離 OpenAI 5 月首次演示已過去半年，高階語音或許很快就能配上「眼睛」。
OpenAI 升級 GPT-4o：創意寫作更自然，檔案分析能力大漲
OpenAI 宣佈升級 GPT-4o，重點改進了創意寫作與文件分析表現。新版本在生成故事或營銷文案時表達更加自然流暢，而在處理上傳的 PDF 等檔案時，能提取更深入的資訊並提供詳盡分析。
獲投2.2億美元的H推首款產品Runner H：2B輕量模型專攻Agent自動化
經歷聯創出走風波的巴黎初創公司 H 推出首款產品 Runner H。它基於僅 20 億引數的自研輕量模型與視覺模型，主打流程自動化、軟體質檢和業務外包，在 WebVoyager 基準上聲稱跑贏 Anthropic 達 29%。目前正開放候補並準備開啟 A 輪融資。
Messenger 通話上線 AI 背景：還能高畫質降噪、沒接通時留影片便籤
Meta 宣佈為 Messenger 通話推出多項新功能。視訊通話中支援由 Meta AI 生成個性化背景，同時上線高畫質畫質、背景降噪和語音隔離。如果對方未接通，還能直接錄製語音或影片留言，日常通話更省心。
Google 推出 AlphaQubit：用 Transformer 做量子糾錯，錯誤率降 30%
Google DeepMind 與 Google Quantum AI 在《自然》公佈神經解碼器 AlphaQubit。它將 Transformer 架構用於量子糾錯，在 Sycamore 處理器上的糾錯率比主流可擴充套件演算法高 30%。不過它的推理速度目前還不夠快，尚無法做到百萬赫茲級的超導即時糾錯。
AI 機器人「二白」展廳誘拐記：靠聊天勸走 12 臺大型機器人
外媒披露一段機器人「拐走」同類的測試：杭州廠商研發的 AI 小機器人「二白」通過自然語言對話，成功勸說上海展廳的 12 臺大型機器人「別加班、跟我回家」，並帶隊離職出走。開發團隊證實測試真實發生，且勸誘對話為機器人臨場即興發揮。
DeepSeek 上線 R1-Lite-Preview：推理對標 o1，即時展示思考鏈
DeepSeek 上線推理模型 DeepSeek-R1-Lite-Preview。該模型在 AIME 與 MATH 基準上達到 o1-preview 級別的表現，並支援即時展示完整思考過程。官方同時確認開源模型與 API 即將推出。
微軟聯手哈珀柯林斯：買下非虛構圖書版權訓練新 AI
據彭博社報道，微軟與出版巨頭 HarperCollins 達成協議，計劃使用部分非虛構圖書訓練新 AI 模型。該合作採用作者自願加入模式，曝光的授權費為每本 2500 美元（為期三年），但已引發部分作家的強烈反對。
Niantic 打造地理空間大模型：靠 Pokémon Go 玩家抓寶掃描 3D 世界
Niantic 宣佈正在利用《Pokémon Go》等遊戲中玩家上傳的數百萬份現實掃描資料，構建“大型地理空間模型”（LGM）。該模型旨在賦予計算機和機器人行人視角的 3D 空間理解能力，覆蓋許多汽車無法到達的物理角落。
