跳到正文

#多模态

今日 0 条

11月10日星期二

Hacker News 首页

Google Gemini 将个人 Drive 文件和邮件纳入人工审核范围

Google 更新帮助文档及原有博客,说明 Gemini 关联的 Drive 文件和邮件可能进入人工审核,改变了此前个人内容不由人工审阅的承诺。文档警告,审核人员看到的可能就是邮件或文件,不应连接含有不愿让审核人员看到的机密信息的应用。

10月16日星期五

The Verge · AI

Meta 与 Apple 合作,让 Muse AI 模型更好地在 Mac 上运行

Meta 发布 Muse Spark Open 并开放权重,与 Apple 合作使其能通过最新 MLX 框架在两台 Apple M5 Ultra Mac Studios 上运行。Meta 称该模型原生支持多模态,总参数量为 816 billion,擅长长周期任务、复杂软件工程和多步推理。双方已合作数月,Apple 也发布了涉及 MLX、Muse Spark Open 和另外两个开放模型的技术文章。

推荐理由:Meta 与 Apple 将持续数月的合作落实到模型与框架适配,让大规模开放权重模型能在两台桌面设备上运行。

8月4日星期二

AI HOT 精选

欧盟 AI 透明度规则今天生效,不标 AI 内容最高罚 1500 万欧元

从今天起,在欧盟运营的科技公司必须给 AI 生成的文字、音频、视频和深度伪造内容打上标签,并告诉用户他们正在跟机器对话。违规罚款最高 1500 万欧元,或者全球年营业额的 3%。欧盟还发布了一套官方标签图标,公司可以直接用,不用自己设计。

推荐理由:欧盟 AI 透明度规则正式生效,在欧运营的科技公司须为 AI 生成内容打标并告知用户正与机器对话,违规最高罚 1500 万欧元或全球年营业额 3%。

7月15日星期三

TechCrunch · AI

苹果 AI 功能拿到中国准入许可,底层用阿里的通义千问模型

中国网信办批准了 Apple Intelligence 在国内上线,前提是苹果把阿里的通义千问(Qwen)模型集成到 iOS、iPadOS、macOS 和 visionOS 里,负责文字和图片的理解与生成。阿里确认了合作,但没给具体上线时间。苹果之前找过百度、DeepSeek 和字节跳动,都因为模型适配问题没谈成。

推荐理由:苹果为让 Apple Intelligence 入华,把阿里通义千问集成进 iOS、iPadOS、macOS 和 visionOS,此前与百度、DeepSeek、字节的适配谈判均未谈成。

6月8日星期一

FT · 科技

FT 报道称 AI 监控技术突破让克里姆林宫警觉,但正文被付费墙拦截,关键细节缺失

FT 这篇文章的标题和摘要片段提到,AI 能利用闭路电视画面识别目标,俄罗斯在伊朗最高领袖遇刺后暂停了一套监控系统。但文章正文返回了 403 错误,被付费墙挡在外面,所以系统名称、模型机制、供应商和时间线这些核心信息都没法核实。

推荐理由:FT 报道称 AI 能借闭路电视画面识别目标,俄罗斯在伊朗最高领袖遇刺后暂停了一套监控系统,系统名称与模型机制等细节尚无法核实。

6月4日星期四

FT · 科技

英国议员起诉马斯克的 xAI,想用假色情图片案测试 AI 公司要不要为模型输出负责

英国工党议员 Jess Asato 把马斯克旗下 xAI 告了,起因是系统生成了她的虚假性相关图片。这案子被当成一个测试案例,核心是想搞清楚:AI 模型开发者到底要不要为模型吐出的内容承担法律责任。不过目前公开信息很少——正文没披露具体是哪个模型、图片是怎么生成的、索赔金额多少,也没说法庭排期。

推荐理由:英国工党议员 Jess Asato 起诉马斯克的 xAI,指其系统生成她的虚假性相关图片,案件被作为测试案例,核心是 AI 模型开发者是否要为模型输出承担法律责任。

6月3日星期三

MIT Technology Review · AI

特朗普签了新 AI 行政令,Anduril 和 Meta 在给美军做能“用眼神下命令”的 AR 眼镜

特朗普废掉旧令不到两周,又签了一份新的 AI 行政令。核心变化是:要求科技公司在发布前沿模型前 30 天,自愿把模型交给政府审查,但不设强制许可证。对比之前被搁置的版本(要求提前 90 天提交),这次明显缩水了,不过也算从完全不管迈向了轻度监管。

推荐理由:特朗普签署新 AI 行政令,要求科技公司在发布前沿模型前 30 天自愿提交政府审查,相比此前搁置的 90 天版本有所缩短,勾勒出美国前沿模型监管从无到有的过渡状态。

6月1日星期一

机器之心 · 公众号

OpenAI 为机器人团队招兵买马,由 Sora 负责人带队,部分岗位底薪开到 34 万美元以上

OpenAI 放出了十多个旧金山的机器人岗位,团队由 Sora 的负责人 Aditya Ramesh 带队,是从他之前的 Worldsim 项目演变过来的。其中执行器设计工程师的底薪现金在 34.2 万到 44.5 万美元之间,另外还有 PPU 激励。不过原文因为微信环境异常,具体岗位职责和团队规模都没披露,只能看到招聘信息的大致框架。

推荐理由:OpenAI 在旧金山放出十多个机器人岗位,由 Sora 负责人 Aditya Ramesh 带队,执行器设计工程师底薪现金 34.2 万至 44.5 万美元。

量子位 · 公众号

VAST 拿了近 2 亿美元,首次公开世界模型 Eden 的技术路线

VAST 在 A+ 和 A++ 轮融了近 2 亿美元,同时公布了 Project Eden 世界模型的架构。这套架构把“世界状态怎么变”和“画面怎么渲染”拆开了:先有一个结构化的状态层来推演变化,中间加一层条件接口做翻译,最后再用生成式渲染层出图。正文没披露具体估值、投资方和模型落地时间表,技术细节也只给了三层框架,没有实验数据和验证指标。

推荐理由:VAST在近2亿美元融资时公开Project Eden世界模型架构,把世界状态推演与画面渲染拆成状态层、条件接口层和生成式渲染层,为理解世界模型的技术分工提供了一份具体框架。

AI HOT 精选

Runway 与 NVIDIA 联手搞了个 Cosmos Coalition,要一起做开放的世界模型

Runway 宣布以创始成员身份加入 Cosmos Coalition,跟 NVIDIA 和一批头部 AI 实验室搭伙,目标是共建并开源面向物理 AI 的前沿世界模型。第一个项目是 Runway 和 NVIDIA 联合开发的一个基础模型。

推荐理由:Runway 以创始成员身份加入 Cosmos Coalition,与 NVIDIA 及多家 AI 实验室共建开源物理 AI 世界模型,其与 NVIDIA 联合开发的基础模型是联盟启动后的第一个项目。

彭博科技

一个 29 岁游戏玩家创办的 3D 建模公司 Vast 刚拿了近 2 亿美元,估值冲到 10 亿,成了中国最新的 AI 独角兽

Vast 这轮融了将近 2 亿美元,估值达到 10 亿美元,正式跨进独角兽门槛。创始人是个 29 岁的游戏玩家,公司做的是用 AI 生成 3D 模型。不过正文没披露具体投资人是谁,也没说产品参数、技术路线和实际客户规模。光看融资金额和估值,在当下市场能拿到这个体量的钱,说明资本对 AI 驱动的 3D 内容生产方向还挺买账的。

推荐理由:29 岁游戏玩家创办的 Vast 用 AI 生成 3D 模型,本轮融资近 2 亿美元、估值达 10 亿美元,资本对 AI 驱动 3D 内容生产方向的投入力度由此显现。

5月30日星期六

AI HOT 精选

有人用 AI 生成假黑人形象,在 TikTok 上卖 Shein 的廉价货

The Verge 记者发现,TikTok、Facebook 和 Instagram 上出现了一批用 AI 生成的“黑人创作者”账号,比如一个叫“Aliyah”的虚构人物,假装是手工匠人,实际在卖 Shein 上 9 美元批来的皮带扣,转手标价 40 美元。

推荐理由:The Verge 记者发现 TikTok 等平台上出现 AI 生成的虚构黑人创作者账号,用假手艺人设把 Shein 上 9 美元的皮带扣标价 40 美元出售。

量子位 · 公众号

帮 Gemini 拿下 IMO 金牌的建模负责人,差点去当了职业钢琴家

这篇文章讲的是 Yi Tay,他在 Gemini Deep Think 拿到 IMO 金牌级成绩时担任建模联合负责人。他 2023 年参与创立了 Reka AI,639 天后又回到了 Google DeepMind。文章还提到他 2012 年就考过了 Trinity 古典钢琴副学士文凭,差点走上职业演奏的路。

推荐理由:Yi Tay 在 Gemini Deep Think 拿下 IMO 金牌级成绩时担任建模联合负责人,此前参与创立 Reka AI,639 天后回到 Google DeepMind。

5月22日星期五

Hacker News 首页

宾州一所高中被 AI 换脸裸照撕裂

404 Media 报道,宾州拉德诺高中一名高一男生花了 250 美元订阅 App Store 里的 Movely 应用,把五名女同学的脸贴到裸体上,生成了 AI 儿童性虐待材料。事情发生在 2025 年 12 月,男生事后用学校发的设备在 Snapchat 上跟朋友说“每一分钱都花得值”,第二天他没去上学,但女生们去了,还发现男生们在替他打掩护。

推荐理由:宾州拉德诺高中一名高一男生花250美元订阅应用,把五名女同学的脸贴到裸体上生成AI儿童性虐待材料,事件在校园内持续发酵。

5月21日星期四

TechCrunch · AI

Hark 拿了 7 亿美元 A 轮,要做一套神秘的“通用”AI 交互界面

Hark 这家 AI 公司刚宣布融了 7 亿美元,估值直接拉到 60 亿。他们想做一个能跨 App、跨设备干活的个人 AI 助手,今年夏天先放出能同时处理文字、图像、声音的多模态模型,之后再推专用硬件。但正文没披露具体投资人名单之外的细节,也没说模型参数、性能基准、硬件长什么样、什么时候能买到。

推荐理由:Hark 以 7 亿美元 A 轮融资把估值做到 60 亿,计划今夏先推出文字、图像、声音多模态模型,再落地专用硬件,指向跨 App、跨设备的个人 AI 助手方向。

5月20日星期三

新智元 · 公众号

驭势科技在港交所上市,成为全场景L4自动驾驶第一股,市值超百亿港元

驭势科技今天在港交所挂牌,发行价每股60.30港元,公开发售部分超额认购6777倍。公司主要做机场、厂区这类封闭场景的L4级无人驾驶物流车和接驳车,2025年在大中华区机场L4商用车市场占了90.5%的份额。不过原文因为微信环境验证拦截,正文内容没抓到,具体的财务数据、技术路线和募资用途都没披露,这些关键信息得去翻招股书才能确认。

推荐理由:驭势科技在港交所挂牌,机场L4商用车市占率90.5%,公开发售超额认购6777倍,这条资讯呈现了自动驾驶企业在封闭场景商业化落地的进展。

5月13日星期三

机器之心 · 公众号

林俊旸被曝离职创业,新 AI 实验室估值冲到 20 亿美元

The Information 爆料,阿里通义千问前技术负责人林俊旸正在为一家新 AI 实验室融资,目标融几亿美元,投后估值可能到 20 亿美元。目前实验室具体研究方向、团队规模和最终估值都还没公开。

推荐理由:阿里通义千问前技术负责人林俊旸被曝正为新 AI 实验室融资,投后估值可能达 20 亿美元,头部 AI 人才创业的资本热度由此显现。

5月3日星期日

TechCrunch · AI

奥斯卡新规:AI 生成的演员和剧本不能拿奖了

美国电影艺术与科学学院给第 99 届奥斯卡定了新规矩,直接把 AI 生成的表演和剧本挡在门外。规则写得很明白:能提名表演奖的,必须是片尾字幕里合法署名、且由真人同意后完成的演出;剧本也得是“人类写的”才有资格。学院还留了一手,有权随时要求片方交代电影里用了多少 AI、人的创作占了多少。

推荐理由:美国电影艺术与科学学院为第 99 届奥斯卡定下新规,AI 生成的表演和剧本不再具备提名资格,表演须由真人署名并同意完成,剧本须由人类撰写。

4月30日星期四

Hacker News 首页

Meta 因智能眼镜隐私争议终止肯尼亚外包合同,上千名数据标注员失业

BBC 报道,Meta 在瑞典媒体曝光其智能眼镜用户被拍到上厕所、发生性关系等私密画面后,终止了与肯尼亚外包公司 Sama 的合同,导致 1108 名员工被裁。这些员工的工作是给 AI 做数据标注,也就是人工查看眼镜拍下的视频和对话记录,教 AI 识别图像、改进回答。

推荐理由:Meta 因智能眼镜拍下的私密画面遭曝光,终止与肯尼亚外包公司 Sama 的合同,1108 名负责审核这些画面的数据标注员被裁,事件把 AI 硬件内容审核的人力环节与隐私风险连在一起。

4月27日星期一

The Verge · AI

Canva 的 AI 工具把设计里的“巴勒斯坦”自动改成了“乌克兰”,公司已道歉

Canva 的 Magic Layers 功能本来是把平面图拆成可编辑图层,结果被用户发现它会偷偷把文字里的“Palestine”替换成“Ukraine”。X 用户 @ros_ie9 测试时,“cats for Palestine”变成了“cats for Ukraine”,但“Gaza”这个词没受影响。Canva 说已经修了,但没解释触发机制是什么。

推荐理由:Canva 的 Magic Layers 把设计文字中的 Palestine 自动替换为 Ukraine,公司已确认修复但未说明触发机制,这一具体案例涉及 AI 编辑工具对政治词汇的处理边界。

4月25日星期六

TechCrunch · AI

ComfyUI 拿了 3000 万美元,估值冲到 5 亿,卖点是让创作者自己搭 AI 生图/视频的工作流

TechCrunch 消息,ComfyUI 刚融了 3000 万美元,估值 5 亿。它的工具不是又一个模型,而是给创作者一个可视化节点界面,像搭乐高一样把 AI 生图、视频、音频的步骤串起来,精细控制出图效果。正文没披露投资方、融资轮次、具体定价和发布时间,所以这笔钱到底怎么花、商业化节奏如何,现在还不清楚。

推荐理由:ComfyUI 以 3000 万美元融资、5 亿估值,把可视化节点式 AI 生图与视频工作流推向市场,其价值在于创作者能自行串联步骤、精细控制出图效果。

4月23日星期四

新智元 · 公众号

踏石智航拿了4.55亿美金Pre-A轮,红杉和高瓴一起领投

踏石智航在4月16号宣布完成4.55亿美元Pre-A轮融资,红杉中国、高瓴创投和美团联合领投。这笔钱创下了国内具身智能单轮和Pre-A轮融资的纪录。公司说他们的AWE3.0四模态模型把没见过视角的任务成功率提升了3倍,执行抖动降低了约45%,A1机器人还拿了个一小时完成亚毫米线束组装的吉尼斯纪录。

推荐理由:踏石智航完成4.55亿美元Pre-A轮融资,由红杉中国、高瓴创投和美团联合领投,这一金额创下国内具身智能单轮融资纪录,其AWE3.0模型与A1机器人的落地指标也一并披露。

4月22日星期三

TechCrunch · AI

Clarifai 删掉了从 OkCupid 拿来的 300 万张用户照片,这些照片曾被用来训练人脸识别模型

Clarifai 跟 FTC 和解后,删了 300 万张照片和用这些数据训出来的模型。照片是 2014 年从约会软件 OkCupid 要来的,当时 OkCupid 的高管还投了 Clarifai。说白了就是投资人和被投公司之间私下传了用户数据,拿去训人脸识别 AI。正文没披露和解的具体条款、怎么验证删除是否彻底,也没说删模型对现有产品性能有多大影响。

推荐理由:Clarifai 与 FTC 和解后删除 300 万张 OkCupid 用户照片及据此训练的人脸识别模型,这批数据是 2014 年 OkCupid 高管投资 Clarifai 期间提供的。

4月18日星期六

彭博科技

OpenAI 前产品负责人和 Sora 主管双双离职

OpenAI 一下子走了两位高管:一位是前产品负责人,另一位是 Sora 视频模型的主管。标题确认是两个人,但正文没披露他们具体是谁、什么时候走的、为什么走,也没说谁来接任。值得留意的是 Sora 团队会不会跟着调整,不过目前没有任何细节。

推荐理由:OpenAI 前产品负责人与 Sora 主管同时离职,在离职原因和继任安排均未披露的情况下,Sora 团队后续是否调整是这条消息目前可追踪的线索。

3月18日星期三

MIT Technology Review · AI

五角大楼计划让 AI 公司在机密数据上训练模型

五角大楼正在讨论建一个安全环境,让 OpenAI、xAI 这类公司用机密数据训练军用版大模型。以前这些模型只能在涉密环境里回答问题,不能拿数据去学习,这次是头一回允许直接“吃”进机密情报。训练会在认证过的数据中心进行,数据归国防部,公司人员只在极少数情况下、有安全许可才能接触。官方说会先用非机密数据(比如商业卫星图)做测试,看效果再推进。

推荐理由:五角大楼计划为OpenAI、xAI等公司搭建安全环境,让它们用机密数据训练军用大模型,数据归国防部所有,公司人员仅在极少数情况下可接触。

3月13日星期五

MIT Technology Review · AI

五角大楼官员透露,生成式 AI 可能被用来给打击目标排优先级

一位美国国防部官员向 MIT Technology Review 描述了军方可能怎么用生成式 AI 做目标排序:把目标清单喂给聊天模型,让它结合飞机位置等因素排出优先打击顺序,输出建议再由人审核。这个聊天层可能架在军方已有的 Maven 系统上,用来加快搜索和分析。

推荐理由:美国国防部官员描述了军方可能用聊天模型对目标清单排序、再由人工审核的工作流,该聊天层或架在已有的 Maven 系统上以加快搜索分析。

3月5日星期四

36 氪 · 直链

帕西尼拿了超10亿B轮融资,估值过百亿,说要用百亿级真实多模态数据训模型

帕西尼宣布完成超10亿元人民币的B轮融资,估值突破百亿,领投方是黄浦江资本、凯泰资本和信安资本。公司自称是全球具身感知领域估值最高的企业。这笔钱的一个核心用途是训练他们自研的VTLA大模型,训练数据号称是“全球唯一百亿级实采全模态数据”。不过正文没披露这个模型的具体架构、参数量、实际任务表现,也没说数据具体包含哪些模态、怎么采集和标注的。

推荐理由:帕西尼完成超10亿元B轮融资,估值破百亿,资金将用于训练自研VTLA大模型,其训练数据号称百亿级实采全模态。

2月27日星期五

36 氪 · 直链

中科第五纪一个月融了几亿元,给宇树机器人做“大脑”

中科第五纪在2026年初一个月内完成了Pre-A和Pre-A+两轮融资,总额数亿元,红杉中国、东方富海、芯能创投等机构参与。它同时拿到了宇树科技“核心生态合作伙伴”的身份,从2025年起就作为宇树机器人的“大脑”模型供应商,进入电力巡检和工业搬运场景。创始人刘年丰说,现在投资人不再只看机器人能不能干各种杂活,更在意它能不能在具体场景里被客户复购。

推荐理由:中科第五纪一个月内完成两轮数亿元融资,并作为宇树机器人的大脑模型供应商进入电力巡检与工业搬运场景,其创始人提到投资人已转向关注具体场景中的客户复购。

1月30日星期五

MIT Technology Review · AI

美国国土安全部用上了 Google Veo 3 和 Adobe Firefly 做视频

一份 DHS 公开的 AI 工具清单显示,他们正在用 Google Veo 3(视频生成)、Google Flow(整合了 Veo 3 的剪辑工具)和 Adobe Firefly 来制作和编辑对外发布的视频内容,估计有 100 到 1000 个使用许可。

推荐理由:美国国土安全部公开的 AI 工具清单显示,其对外视频制作已用上 Google Veo 3、Google Flow 和 Adobe Firefly,许可规模在 100 到 1000 之间。

1月20日星期二

MIT Technology Review · AI

英国政府掏钱,让 AI 自己设计实验、自己跑流程

英国高级研究与发明署(ARIA)从 245 份提案里挑了 12 个项目,给每个团队约 50 万英镑(大概 67.5 万美元),让他们在九个月内做出能独立跑通“提假设—做实验—分析结果—再迭代”这套完整科研闭环的 AI 系统。ARIA 管这叫“AI 科学家”,说白了就是让大模型调用现有工具去干活,人类只负责定方向和监督。

推荐理由:英国 ARIA 从 245 份提案中选出 12 个团队,各资助约 50 万英镑,要求九个月内做出能独立完成假设、实验、分析、迭代全流程的 AI 系统。

1月4日星期日

36 氪 · 直链

华为云具身机器人负责人朱森华离职创业,用脑认知机制给机器人VLA模型打补丁

华为云AI算法创新Lab前主任朱森华2025年10月离职,创办了具身大脑公司“具脑磐石”,两个月内拿到数千万元种子轮融资,投资方包括乐聚机器人等。

推荐理由:华为云AI算法创新Lab前主任朱森华离职创办具身大脑公司具脑磐石,两个月内完成数千万元种子轮融资,乐聚机器人参与投资。

2025年12月11日星期四

OpenAI News

迪士尼和 OpenAI 签了三年协议,要把 200 多个角色放进 Sora 和 ChatGPT 图片生成里

OpenAI 官方发了一篇公告,宣布迪士尼成为 Sora 的第一个大型内容授权方。协议为期三年,Sora 和 ChatGPT 图片生成功能会拿到超过 200 个迪士尼、漫威、皮克斯和星球大战的角色授权,包括米奇、艾莎、钢铁侠、尤达等,但不含真人演员的脸或声音。用户可以用这些角色生成短视频和图片,部分视频还会被选进 Disney+ 里播放。

推荐理由:迪士尼与 OpenAI 签下三年授权协议,Sora 和 ChatGPT 图片生成将接入超过 200 个迪士尼、漫威、皮克斯和星球大战角色,用户可据此生成短视频和图片。

2025年8月6日星期三

OpenAI News

OpenAI 用 1 美元把 ChatGPT Enterprise 卖给整个美国联邦政府,为期一年

OpenAI 和美国总务管理局(GSA)谈成了一笔象征性收费的买卖:接下来一年,联邦行政分支的机构只要付 1 美元,就能给全员开通 ChatGPT Enterprise。另外还白送 60 天不限量使用高级功能,包括 Deep Research(深度研究)和 Advanced Voice Mode(高级语音模式)。联邦业务数据不会被拿去训练模型。

推荐理由:OpenAI 与美国总务管理局达成协议,联邦行政分支机构一年内只需付 1 美元即可为全员开通 ChatGPT Enterprise,并附赠 60 天高级功能不限量使用。