Blockade Labs 升級 Skybox AI：Model 3 帶來 8K 全景，適配 Vision Pro
Blockade Labs 釋出 Skybox AI 的 Model 3 更新，支援生成並下載 8K 解析度的 360 度全景環境，畫素較上一代提升 77%，可直接適配 Apple Vision Pro。此外還上線了 Remix Your 360 功能，允許上傳任意全景圖進行二次重繪。
AI 日報：今天的 AI 新聞
週四
4月18日 星期四
Meta 釋出開源模型 Llama 3：推 8B 和 70B 版本，訓練資料達 15T
Meta 正式釋出開源大模型 Llama 3，首發推出 8B 和 70B 兩種尺寸的基礎與指令微調版本。新模型基於超 15 萬億 token 訓練，詞表擴充至 12.8 萬，8B 版本在消費級顯示卡上即可微調與執行。最值得關注的是，開源生態再次迎來標杆級底座；不過當前上下文長度仍為 8k tokens。
NVIDIA 全面加速 Llama 3：單張 H200 跑 70B 每秒吐 3000 token
NVIDIA 宣佈對 Meta 新發布的 Llama 3 進行全平臺推理最佳化。測試顯示，單張 H200 執行 700 億引數版本時每秒生成約 3000 token，可同時服務約 300 名使用者；80 億引數版本也已適配 Jetson 和 RTX PC。開發者可直接通過 NIM 微服務在瀏覽器中試用。
Meta AI 換上 Llama 3：上線獨立網站，敲字即時生圖
Meta 推出基於 Llama 3 的新版 Meta AI 助手，並上線獨立網站 meta.ai。新版深度整合進 Facebook、Instagram、WhatsApp 與 Messenger 的搜尋框及資訊流，支援邊打字邊即時生成影像，並面向十多個英語國家開放。
DARPA 確認首例 AI 空戰：AI 戰機時速 1200 英里與人類纏鬥
週四，DARPA 披露其 AI 戰機在 2023 年 9 月成功與人類飛行員進行首次空中纏鬥。AI 控制的 X-62A 與人類駕駛的 F-16 距離一度近至 2000 英尺，時速達 1200 英里，測試期間機上安全員全程未介入接管。
Nothing 推出新耳機：捏一下耳機柄，直接撥出 ChatGPT
Nothing 釋出新款耳機 Nothing Ear 和 Ear (a)，售價 149 與 99 美元。搭配 Nothing 手機時，捏一下耳機柄就能撥出 ChatGPT。比起做獨立 AI 硬體，直接把 AI 塞進成熟耳機裡，用起來其實更順手。
HarperCollins 聯手 ElevenLabs：用 AI 語音為非英語冷門舊書做有聲書
HarperCollins 與 AI 音訊公司 ElevenLabs 達成合作，將使用其 Studio 工具為非英語業務中的長尾舊書製作有聲書。傳統錄音成本過高導致大量冷門書無法有聲化，AI 可大幅降低門檻；出版方強調主流新書仍會由專業配音員錄製，AI 僅作為補充。
週三
4月17日 星期三
Intel 釋出神經擬態計算機 Hala Point：擁有 11.5 億神經元，僅微波爐大小
Intel 推出全球最大神經擬態計算機 Hala Point，內建 1152 顆 Loihi 2 晶片和 11.5 億個神經元，體積僅如微波爐。它模仿人腦存算一體架構，執行最佳化問題能效提升百倍。不過軟體工具仍處初期，暫無法用於大模型預訓練。
微軟推出工業 AI 方案：工人動動嘴就能排查產線故障
Microsoft 推出面向製造業的資料與 AI 方案，包括 Fabric 製造資料方案和 Azure AI 工廠運營 Copilot 模板。一線員工用自然語言就能直接查詢裝置與運營資料，排查機器故障不再需要人工翻找表格。目前核心功能處於私有預覽階段。
Amazon 澄清無人結算路線：小店推 Just Walk Out，大超市押注 Dash Cart
Amazon 披露無人結算技術進展，今年計劃將第三方 Just Walk Out 門店數量翻倍，同時在大型超市推廣 Dash Cart 智慧購物車。針對「靠人工遠端看監控記賬」的傳聞，官方澄清收據生成完全依賴計算機視覺和機器學習，人工僅負責資料標註。
Stability AI 上線 Stable Diffusion 3 API：文字排版看齊旗艦
Stability AI 宣佈在開發者平臺上線 Stable Diffusion 3 和 Stable Diffusion 3 Turbo 的 API，並聯合 Fireworks AI 提供服務。該模型採用 MMDiT 架構，官方稱在排版拼寫與提示詞遵循上不輸 DALL-E 3。後續還將向會員開放權重自託管下載。
Boston Dynamics 釋出全電動版 Atlas：告別液壓系統，身體可 180 度翻轉
Boston Dynamics 在退役液壓版 Atlas 次日，正式公佈全新的全電動版 Atlas 人形機器人。新機身形更輕薄且無外露線纜，關節具備超越人類的轉動幅度，可直接反向折腿起身並 180 度旋轉軀幹。團隊計劃明年初在現代汽車工廠啟動試點測試。
Google X 團隊 Bellwether 為美軍救災引入 AI：數秒內分析航拍災情
據報道，Alphabet 旗下 X 實驗室的 Bellwether 團隊與美軍合作，為國民警衛隊提供應急 AI 工具。該系統能在幾秒內自動比對分析受災航拍影像並標記關鍵設施損毀，取代傳統人工排查，預計 6 月山火季正式投入使用。
羅技推出 AI 提示詞工具：配專屬滑鼠，一鍵調出 ChatGPT
Logitech 推出 Logi AI Prompt Builder，將 ChatGPT 整合進 Logi Options+ 軟體，併發布帶專用 AI 鍵的 Signature AI Edition 滑鼠（49.99 美元）。使用者選中文本即可一鍵套用提示詞重寫或總結，大幅簡化呼叫 AI 的操作路徑。
DeepMind CEO 透露：Google 在 AI 上的投資將超 1000 億美元
週一，DeepMind CEO Demis Hassabis 在 TED 大會上表示，Google 隨時間推移在 AI 上的投入將超過 1000 億美元。面對微軟與 OpenAI 傳聞中的千億超算計劃，他堅稱 Google 算力超越對手，資金將投向 Axion 晶片與資料中心基礎設施。
週二
4月16日 星期二
Poe 上線多模型同屏對話：一個聊天框 @ 多個 AI 協同幹活
週一，Quora 宣佈為其 AI 平臺 Poe 推出多模型對話功能。使用者現在可以在同一個聊天視窗內，通過 @ 機器人隨時呼叫 GPT-4、Claude 3 或 Gemini 等不同模型。不僅能一鍵對比各家回答，還能把長文本分析、聯網搜尋與寫作機器人串聯進同一工作流。
Amazon Music 推出 Maestro：用表情包或一句話生成 AI 歌單
Amazon Music 宣佈測試 AI 歌單功能 Maestro，美國使用者輸入文字、語音甚至 Emoji 就能一鍵生成歌單。Unlimited 訂閱使用者可直接收聽並儲存，普通與 Prime 使用者目前僅能試聽 30 秒預覽。這也是繼 Spotify 之後，又一家將生成式 AI 引入曲庫推薦的流媒體巨頭。
週一
4月15日 星期一
傳蘋果 iOS 18 首批 AI 功能全走端側：主打隱私，斷網也能用
據報道，蘋果計劃在 iOS 18 中推出的首批 AI 功能將完全在裝置端執行，無需聯網或雲端處理。基礎文本分析與回覆預計覆蓋資訊、Safari 和 Siri，更高階功能或需聯網。蘋果預計在 6 月 10 日的 WWDC 上正式公佈詳情。
Adobe 預覽 Premiere Pro 新功能：AI 增刪物體，還能接 Sora
Adobe 預告了 Premiere Pro 年內將推出的生成式 AI 功能，支援在畫面中直接圈選增刪物體、自動補幀延長過短的影片片段。最值得關注的是，Adobe 還演示了引入 OpenAI 的 Sora 和 Pika 等第三方模型生成畫面的能力。不過這些 AI 工具預計今年晚些時候才會上線。
DaVinci Resolve 19 開啟公測：加入 AI 文本剪輯與智慧追蹤
Blackmagic Design 釋出 DaVinci Resolve 19 公測版。新版引入大量 AI 功能，支援通過轉錄文本直接剪輯多說話人素材，並帶來 IntelliTrack 神經追蹤防抖、一鍵 AI 降噪及人聲背景聲分離工具。基礎版依舊免費，Studio 版售價 295 美元。
PaintCam 推出安防相機 Eve：用 AI 識別人臉，還能發射彩彈與催淚瓦斯
斯洛維尼亞公司 PaintCam 推出家用安防相機 Eve，搭載計算機視覺識別訪客與闖入者，若警告無效可直接發射彩彈或催淚彈反擊。最值得關注的是，安防裝置從被動監控走向主動開火，但也引發了誤傷與法律責任爭議。
Hugging Face 釋出 Idefics2：8B 視覺大模型開源，OCR 與圖文推理大漲
Hugging Face 推出開源多模態模型 Idefics2。它僅有 8B 引數，採用 Apache 2.0 協議，支援原生影像解析度輸入並大幅強化了 OCR 與文件問答能力。其視覺問答表現在同量級拔尖，甚至能叫板 30B 級別的閉源與大尺寸模型。
週日
4月14日 星期日
MKBHD 評測 Humane AI Pin：稱其為「史上最差產品」，幾乎啥都做不好
知名科技博主 MKBHD 釋出 Humane AI Pin 評測，直言這是其「評測過最差的產品」。在體驗一週後，他表示裝置語音響應緩慢、掌心投影在戶外極難看清，且續航僅有幾小時。他雖敬佩團隊的創新嘗試，但告誡大家絕不要為未來的更新承諾買單。
OpenAI 設立東京辦公室進軍亞洲：推出日語版 GPT-4，速度提升 3 倍
OpenAI 宣佈在東京設立首個亞洲辦公室 OpenAI Japan，並向當地企業開放針對日語最佳化的 GPT-4 定製模型。新模型在日語翻譯與摘要處理上最高提速 3 倍且成本大幅降低。官方計劃在未來數月內通過 API 向更多開發者開放。
週五
4月12日 星期五
Meta 測試 Instagram 搜尋欄接入 Meta AI：能聊天也能搜 Reels
Meta 確認正在 Instagram 搜尋欄小範圍測試 Meta AI。使用者在搜尋欄輸入內容可直接喚起與 AI 的私信對話，還能通過預設提示詞尋找特定主題的 Reels 短影片。Meta 試圖藉此改善長期被吐槽的站內搜尋體驗，對抗 TikTok 的內容發現能力。
Grok-1.5V 開啟預覽：首代多模態模型，主打物理世界空間理解
首代多模態模型 Grok-1.5V 正式公開預覽。它在文本能力之外，新增處理文件、圖表、截圖和現實照片的能力。同時推出的 RealWorldQA 空間理解基準中，Grok-1.5V 拿到 68.7%，表現優於同類模型。新版本即將面向早期測試者和現有使用者開放。
SAG-AFTRA 聯手唱片巨頭：用 AI 擬音發歌必須授權並付錢
演員工會 SAG-AFTRA 與華納音樂、索尼音樂等巨頭達成初步協議。使用藝術家聲音的數字復刻釋出歌曲前，必須獲得本人同意並支付報酬，協議還明確「歌手」僅指人類。也就是說，未經授權的 AI 仿音商用被正式叫停。
Freepik 升級 AI 影像生成器：即時出圖，支援無限滾動瀏覽
Freepik 上線最新版 AI 影像生成器，支援即時渲染與無限滾動。工具主打快速輸出寫實級畫質，支援一鍵生成多變體。免費使用者每天可生成 20 張，付費訂閱者可享受無限制生成與完整風格庫。
週四
4月11日 星期四
戴森推出 CleanTrace AR 功能：把手機架在吸塵器上，看哪裡沒掃乾淨
Dyson 公佈 AR 功能 CleanTrace，藉助 iPhone Pro 的雷射雷達在螢幕上為吸過的地面即時“塗色”，防止遺漏。這套功能將於 6 月更新，不過目前僅支援千元旗艦 Gen5detect，且需要額外購買專屬手機支架。
Google 相簿開放 Magic Editor：免費用 AI 修圖，但每月限存 10 張
Google 宣佈將於 5 月 15 日起向幾乎所有 Google 相簿使用者免費開放 Magic Editor 等修圖工具，包含 Photo Unblur 與 Magic Eraser。最關鍵的是 iOS 和 Android 均可使用，不過非 Pixel 使用者每月僅限儲存 10 次，超額需訂閱 Google One。
The Verge 評測 Humane AI Pin：售價 699 美元發熱嚴重，連定鬧鐘都不會
The Verge 釋出 Humane AI Pin 評測，直言體驗「差得遠」。這款定價 699 美元且月費 24 美元的無螢幕硬體，頻繁過熱、續航僅數小時，連設鬧鐘、查日曆都做不到，通話也常失敗。也就是說，想靠獨立 AI 裝置替代手機，目前硬體和模型都還沒準備好。
Adobe 每分鐘 3 美元收影片：全力訓練 AI 影片模型對標 Sora
據報道 Adobe 開始向創作者按每分鐘約 3 美元收購日常動作與情緒等短影片素材，最高可達 7.25 美元。此舉旨在為自研文生影片工具儲備訓練資料，應對 OpenAI Sora 帶來的競爭壓力，同時繼續走合規採購路線。
週三
4月10日 星期三
HubSpot 推出 AI 播客：首期對話 Perplexity CEO，要做企業的隨身 CAIO
HubSpot Media Network 聯合 AI 創作者 Matt Wolfe 和 Nathan Lands 推出新播客《The Next Wave》。節目每週二更新，時長控制在 40 分鐘內，首期邀請了 Perplexity CEO Aravind Srinivas 探討 AI 搜尋變革。節目的目標是幫企業管理者看清 AI 動態並落地業務，充當企業的「首席 AI 官」。
DeepMind 前員工做出的音樂 AI：Udio 上線，40 秒寫出一首歌
由前 Google DeepMind 研究人員創立的 Udio 正式公開發布。使用者只需輸入風格描述或歌詞，40 秒內就能生成包含人聲與母帶效果的音軌，還支援二次混音與片段延長。該專案獲 a16z 領投，will.i.am 和 Instagram 聯創等參投。
Intel 釋出 Gaudi 3：宣稱部分大模型表現比輝達 H100 快 1.7 倍
在 Vision 2024 大會上，Intel 正式推出 Gaudi 3 AI 晶片，採用台積電 5nm 工藝並配備 128GB HBM2e 記憶體。官方稱其執行 LLaMA 等大模型時速度最高比 Nvidia H100 快 1.7 倍、能效高 2.3 倍。風冷版將於三季度全面上市，液冷版四季度跟進。
Meta 首席 AI 科學家 LeCun：大模型永遠無法達到人類智慧
Meta 首席 AI 科學家 Yann LeCun 直言大語言模型絕不可能達到人類級智慧。他指出 LLM 欠缺推理、規劃、持久記憶和物理世界理解四大核心能力，純靠文本訓練如同走入死衚衕，並提出應轉向依靠感測器和影片建立「世界模型」的路線。
Meta 公佈新一代自研 AI 晶片 MTIA：算力翻倍，專攻推薦與推理
Meta 公佈了新一代自研 AI 推理晶片 MTIA。新晶片採用台積電 5nm 製程，算力與記憶體頻寬比第一代提升超一倍，在關鍵推薦模型上的效能提升了 3 倍。這意味著 Meta 正在加速擺脫對商用 GPU 的單一依賴，目前該晶片已在資料中心正式上線服役。
Mistral 在 X 上甩種子：開源 176B 大模型 Mixtral 8x22B
Mistral AI 延續傳統在 X 上直接釋出磁力連結，推出開源模型 Mixtral 8x22B。該模型總引數達 1760 億，採用 MoE 架構，每次推理僅啟用 440 億引數，支援 65k 上下文視窗。最值得關注的是它採用寬鬆的 Apache 2.0 協議開源，開發者可自由商用與微調。
週二
4月9日 星期二
美國議員提新法案：AI 釋出前 30 天須公開訓練用版權清單
美國眾議員 Adam Schiff 提出新法案，要求 AI 公司在公開發布新生成式系統至少 30 天前，向版權登記官提交訓練集中的版權作品清單，否則面臨罰款。法案雖未禁止用版權內容訓練，但將迫使大模型公司徹底公開向來保密的資料黑箱。
OpenAI 升級 GPT-4 Turbo：視覺請求全面支援 JSON 與函式呼叫
OpenAI 宣佈升級版 GPT-4 Turbo 正式上線 API，並開始向 ChatGPT 陸續推送。帶有視覺能力的 GPT-4 Turbo 結束預覽進入通用可用階段，不僅支援影像理解，視覺請求還能直接搭配 JSON 模式和函式呼叫，方便開發者直接提取結構化資料。
Meta 確認：開源大模型 Llama 3 下個月內正式推出
Meta 確認將在下個月內開始推出下一代開源大語言模型 Llama 3，年內會陸續推出不同能力和規格的版本。Llama 3 將接入 Meta 旗下多款產品，重點解決此前回答受限的問題，並有望將最大引數規模從 Llama 2 的 700 億提升至約 1400 億。
Google 聯合 Hugging Face 開源 CodeGemma：主打程式碼補全，輕至 2B
Google 聯合 Hugging Face 上線程式碼模型 CodeGemma。該系列在 Gemma 基礎上補充了 5000 億 token 訓練，推出主打程式碼填充的 2B 版本、兼顧自然語言的 7B 基礎版及 7B 對話版。其中 2B 版僅需約 6 GB 記憶體，適合在端側裝置快速補全程式碼。
蘋果押注企業級市場：Vision Pro 聯動微軟 Copilot 與輝達
Apple 宣佈加速推進 Apple Vision Pro 在企業級市場的落地。裝置深度整合機器學習模型與 M2 神經網路引擎，支援微軟 Copilot 空間辦公，並聯合輝達 Omniverse 進行工業級 3D 渲染與數字孿生設計。
Google Cloud 全面接入 Gemini：程式碼助手換代，支援全程式碼庫感知
Google Cloud 宣佈推出 Gemini for Google Cloud。原 Duet AI 升級為 Gemini Code Assist，支援企業跨倉庫連線私有程式碼並由 Gemini 1.5 Pro 提供全程式碼庫感知，同時將 AI 助手拓展至架構運維、安全與 BigQuery 分析。
卡牌遊戲團隊花 9 萬美元僱 AI 畫師：月工十小時，產出超千張
卡牌遊戲 Champions of Otherworldly Magic 開發者透露，已向一名 AI 畫師支付 9 萬美元製作卡面。該畫師每月僅工作 10 小時，月薪達 1.5 萬美元，半年內生成了上千張插畫並手工修圖。開發商稱其效率與交付質量遠超傳統畫師團隊。
週一
4月8日 星期一
Stability AI 釋出 Stable LM 2 12B：兼顧多語言與工具呼叫
Stability AI 推出開源模型 Stable LM 2 12B，包含基礎與指令微調版，基於 2 萬億 token 訓練並支援英、德、法等 7 種語言。其指令版支援工具呼叫與 RAG 檢索增強。同時 1.6B 版本也獲升級。個人研究免費，商用需開通會員。
Microsoft 設立倫敦 AI 中心：挖來 DeepMind 前科學家，猛攻前沿大模型
Microsoft AI 宣佈在倫敦設立全新 AI 研發中心，由前 DeepMind 科學家 Jordan Hoffmann 帶隊。該中心將專注於研發頂尖語言模型及配套工具，並與 OpenAI 展開合作。這也是微軟在英國 25 億英鎊 AI 投資佈局的進一步落地。
Spotify 推出 AI Playlist 測試版：打一句話，AI 替你生成專屬歌單
Spotify 推出 AI Playlist 測試版。使用者輸入情緒、地點或活動等提示詞，即可生成專屬播放列表，還能繼續通過對話微調曲目。最值得關注的是它將個性化推薦與生成式 AI 結合，不過目前僅限英國和澳大利亞的 Premium 移動端使用者測試。
週日
4月7日 星期日
AI 開始「翻垃圾桶」：識別剩菜和滯銷庫存，幫餐廳省下 8% 採購成本
據報道，餐廳和超市正引入 AI 系統分析被扔掉的食物垃圾。Winnow 在垃圾桶上方架設攝像頭識別丟棄菜品，Afresh 則監控庫存採購；商家藉此調整菜品分量或砍掉滯銷品，有餐廳因此省下了高達 8% 的採購成本。
加拿大宣佈 24 億加元 AI 投資：20 億砸向算力基建
加拿大總理 Justin Trudeau 宣佈在 2024 年預算中投入 24 億加元支援本土 AI 發展。其中 20 億加元將用於建設算力基礎設施與推出主權算力戰略，另設 5000 萬加元成立加拿大 AI 安全研究所。政府希望藉此留住頂尖人才與初創企業。
週六
4月6日 星期六
紐時曝 OpenAI 轉錄超 100 萬小時 YouTube 影片：用來訓練 GPT-4
據《紐約時報》報道，OpenAI 為緩解訓練資料匱乏，曾利用 Whisper 轉錄超過 100 萬小時的 YouTube 影片用於訓練 GPT-4。內部明知存在法律爭議，仍認定為合理使用。Google 與 Meta 也被曝面臨資料耗盡危機，正處於版權灰色地帶。
週五
4月5日 星期五
特斯拉定檔 8 月 8 日：馬斯克宣佈將釋出無人駕駛出租車 Robotaxi
Elon Musk 在 X 上宣佈，特斯拉將在 8 月 8 日釋出籌備多年的無人駕駛出租車 Robotaxi。該車基於特斯拉下一代平臺打造。此前路透社剛報道特斯拉放棄了 2.5 萬美元廉價車計劃，全面押注自動駕駛。
傳蘋果轉向家用機器人：造車停了，改做跟著你走的家庭助手
據彭博社報道，蘋果在 2 月叫停造車專案後，正探索研發能在家裡跟著人走的個人機器人，以及帶機械臂的桌面智慧屏。相關專案仍處在非常早期階段，高管之間也存有分歧，但這被看作蘋果將 AI 落地家庭硬體的新嘗試。
週四
4月4日 星期四
思科聯合微軟谷歌成立 AI 勞動力聯盟：評估 56 個崗位受衝擊程度
思科牽頭聯合 Google、微軟和 IBM 成立「AI 賦能 ICT 勞動力聯盟」。該聯盟將率先評估 AI 對 56 個 ICT 相關崗位的影響，並提供技能培訓建議。不過業內認為，在行業普遍裁員的背景下，培訓能否轉化為真正的就業需求仍存疑問。
OpenAI 升級微調 API：支援斷點儲存與對比測試，拓展定製模型服務
OpenAI 宣佈升級微調 API，新增按輪次儲存檢查點、多模型並排對比的 Playground 以及與第三方平臺整合等功能。此外還正式推出「輔助微調」專案，由官方團隊協助企業利用 PEFT 等深度技術定製專屬模型。
Storyblocks 推出 AI 搜尋：結合 BERT 與大模型，下載率提升 60%
素材平臺 Storyblocks 推出 AI 搜尋升級。平臺採用 BERT 架構與 OpenAI 大模型，不僅每 4 小時重新評估新素材表現，還利用 AI 自動篩選影片封面。早期測試顯示，優先展示新素材使下載率提升高達 60%。
Waymo 聯手 Uber Eats：在鳳凰城用無人駕駛汽車送外賣
Uber 與 Waymo 宣佈在鳳凰城推出無人車送外賣服務。在覆蓋超 225 平方英里的服務區內，Uber Eats 訂單可能匹配給 Waymo 自動駕駛車，使用者需用手機解鎖後備箱取餐，也可以在結賬時主動選擇由人工騎手配送。
