AI新闻

16:49

让大模型学会“高维找茬”，中国联通新研究解决长文本图像检索痛点｜AAAI 2026 Oral

中国联通团队提出HiMo-CLIP框架，通过建模“语义层级”与“语义单调性”，解决了长文本图像检索中的痛点。该框架在不改变编码器结构的前提下，自动捕捉当前语境下的‘语义差异点’，显著提升了多模态模型的对齐精度，同时保持了短文本性能。这一创新不仅提高了检索精度，还使多模态理解更加符合人类认知逻辑，为未来复杂任务指明方向。

来源：量子位

# 多模态AI # 模型突破 # 生成模型

0 0

12:36

一个七万亿美元的芯片机会

AI正通过前所未有的硬件驱动型投资重塑全球技术格局，预计至2030年用于AI优化数据中心的资本支出将超过7万亿美元。这一增长反映了生成式AI模型产业化及超大规模计算园区建设两大转变。半导体需求激增，特别是GPU、HBM内存等关键组件，推动了英伟达、AMD和英特尔等企业在级AI解决方案的发展。同时，Neo-Cloud兴起，为AI工作负载提供更高效的基础设施支持，标志着从传统云计算向吞吐量密集型架构的重大转变。此外，电力消耗与冷却创新成为AI扩展的关键挑战，促使行业探索更清洁、高效的能源解决方案。

来源：36氪

# 多模态AI # 模型突破 # 生成模型

0 0

11:35

豆包发布手机助手技术预览版，正与多家手机厂商洽谈合作

字节跳动豆包团队发布豆包手机助手技术预览版。据介绍，豆包手机助手是在豆包APP的基础上，和手机厂商在操作系统层面合作的AI助手软件。基于豆包大模型的能力和手机厂商的授权，豆包手机助手能够为用户带来更方便的交互和更丰富的体验。豆包大模型能力全面，模型在推理、视觉理解、图像创作、视频生成、语音等方面的性能达到国际一流水平。

现阶段，开发者和科技爱好者可以在豆包与中兴合作的工程样机nubia M153 上，体验豆包手机助手的技术预览版本。豆包方面表示，这是一款需要和手机厂商一起完成的产品。豆包目前正与多家手机厂商洽谈助手合作，并没有自己开发手机的计划，后续将公布更多进展。（广角观察）

来源：钛媒体

# AI对话 # 多模态AI # 模型突破

0 0

11:32

CUDA被撕开第一道口子，谷歌TPUv7干翻英伟达

谷歌TPUv7向英伟达发起挑战，通过卓越的系统级工程实现了更高的实际模型算力利用率和更低的总体拥有成本。谷歌打破内部自用惯例，开始大规模对外出售TPU硬件及算力，积极修补软件短板以瓦解CUDA护城河。此举标志着AI硬件市场格局可能迎来重大变化，为大模型训练提供了新的选择。

来源：36氪

# 多模态AI # 模型突破 # 生成模型

0 0

10:30

OpenAI大溃败，GPT-5「换皮」GPT-4o，两年半预训练0突破

OpenAI面临预训练瓶颈，GPT-5基于GPT-4o改进而非全新预训练。谷歌TPU在预训练上表现出色，而OpenAI转向推理范式和强化学习。行业共识转向模型专业化和多样化，微调技术进化助力企业利用专有数据定制模型。

来源：36氪

# 多模态AI # 模型突破 # 生成模型

0 0

08:25

这才是 AI 近年来最有价值的成就，却被很多人忽视

AlphaFold2 利用深度学习技术，通过氨基酸序列预测蛋白质三维结构，准确率超过90%。该技术在医疗、遗传病研究、塑料降解及药物开发等领域展现出巨大潜力，如加速新冠疫苗研发、助力罕见遗传病研究、设计高效降解塑料酶等。随着 AlphaFold3 和 AlphaProteo 的推出，AI 在生命科学领域的应用将更加广泛，推动生物学研究进入新阶段。

来源：36氪

# 多模态AI # 模型突破 # 生成模型

0 0

15:04

阶跃开源4B Agent模型，跑通所有安卓设备，手搓党一键部署

阶跃开源了4B GUI Agent模型GELab-Zero，支持一键部署在所有安卓设备上，并刷新了同尺寸模型性能纪录。该模型基于视觉理解适配几乎所有App，无需厂商额外改造。同步开源的还有自建评测标准AndroidDaily，推动GUI领域向消费级、规模化应用发展。GELab-Zero提供轻量级本地推理、多设备任务分发等功能，降低了移动端Agent开发门槛，使开发者能更专注于策略创新与体验设计。

来源：量子位

# AI智能体 # 多模态AI # 模型突破

0 0

12:53

阿里夸克S1AI眼镜，缺一个“AppStore”

阿里夸克S1眼镜结合了AI大模型与语音控制技术，支持支付、听歌、拍摄等功能，搭载通义千问等应用。尽管目前表现良好，但缺乏AppStore限制了开发者生态建设。未来AR与AI眼镜有望成为手机后的第二个终端产品，而构建开发者生态是关键。同时，MentraOS正尝试通过开源方式成为智能眼镜的安卓系统，为开发者提供更多灵活性。

来源：36氪

# AI智能体 # 多模态AI # 模型突破

0 0

10:36

混元OCR模型核心技术揭秘：统一框架、真端到端

腾讯发布开源轻量级OCR模型HunyuanOCR，采用原生ViT和轻量LLM结合的架构，实现文字检测、识别及复杂文档解析等全能高效处理。该模型在ICDAR 2025 DIMT挑战赛中夺冠，并在多项关键指标上取得SOTA成绩。其核心技术包括轻量化设计、高质量预训练数据生产、重应用导向预训练策略及针对OCR任务定制的强化学习方案，为科研与工业落地提供强大支持。

来源：量子位

# 多模态AI # 模型突破 # 生成模型

0 0

10:15

华尔街尬捧TPU学术界懵了：何恺明5年前就是TPU编程高手，多新鲜

新闻指出，尽管市场对谷歌TPU的突然追捧导致英伟达股价下跌，但Meta、xAI等大公司及学术界早已广泛使用TPU进行AI模型训练。技术上，谷歌与英伟达均未形成绝对优势；成本方面，基于Llama 3.3的评测显示，H100相比TPU v6e在性价比上有显著优势。分析认为，谷歌通过TPU销售更多是为了保障产能而非直接竞争。

来源：量子位

# AI训练 # 多模态AI # 模型突破

0 0

05:39

Adobe称黑色星期五在线消费创纪录达118亿美元

Adobe与Salesforce数据显示，AI在黑色星期五全球销售额中发挥了重要作用，影响了约220亿美元的销售。这表明AI技术如推荐系统、智能助手等正逐渐成为电子商务的重要推手。尽管具体定义尚不明确，但AI对消费者购物体验的影响日益显著，反映了AI在零售业中的商业落地趋势及其对未来购物方式变革的潜力。

来源：TechCrunch AI

# AI对话 # 多模态AI # 模型突破

0 0

13:19

阿里夸克、理想、谷歌押下重注，AI眼镜进入“巨头收割”新阶段

多家企业竞相布局AI眼镜市场，将其视为下一代人机交互的关键入口。理想、阿里、谷歌等公司纷纷推出或重启相关项目，试图通过集成自家的大语言模型和其他AI技术，提供从导航到翻译等多功能服务。尽管当前产品在轻量化、续航等方面面临挑战，但各企业正努力优化用户体验，争夺特定场景下的用户黏性。预计未来几年内，该领域将经历从百花齐放到巨头主导的过程，最终胜出者将是那些能够深刻理解并满足特定应用场景需求的企业。

来源：36氪

# AI智能体 # 多模态AI # 模型突破

0 0

09:40

万卡集群要上天？中国硬核企业打造太空超算！

中国科研机构与商业航天企业正积极推动太空超算发展，通过部署高性能计算集群和AI大模型，在轨实现数据处理与智能决策。中科天算的“天算计划”旨在构建10EOPS级天基万卡超级智能体集群，采用模块化设计应对极端环境挑战。这一创新将促进太空互联网应用生态的形成，并为远洋渔业等场景提供即时决策支持，标志着算力基础设施的重大变革。

来源：量子位

# AI智能体 # 多模态AI # 模型突破

0 0

20:54

Gemini立功，谷歌AI再次伟大，百度阿里们可以抄作业了？

Google发布新一代大模型Gemini 3，展现其在多模态处理和生成图像方面的强大能力，同时自研TPU成为英伟达算力霸权的最大变量。尽管曾因Bard失败而受质疑，但Google坚持AI优先战略，通过整合DeepMind与Google Brain、优化全栈式AI路线，在搜索、移动端等产品上实现显著提升，并推动了NotebookLM和Nano Banana等原生AI应用的发展。

来源：36氪

# AI智能体 # 多模态AI # 模型突破

0 0

20:54

1688想用AI智能体“出海”

1688推出电商AI智能体‘遨虾’，利用多模态技术与阿里云算力支持，解决中小企业出海痛点，包括语言障碍、运营能力等。该系统通过分析市场、匹配工厂、生成素材及自动询价等功能，优化跨境电商业务链路，旨在构建更高效的企业出海解决方案。

来源：36氪

# AI智能体 # 多模态AI # 模型突破

0 0

20:54

Gemini立功了，谷歌AI再次伟大，百度阿里们可以抄作业了？

Google 发布了新一代大模型 Gemini 3，展示了其在多模态处理、视觉生成等方面的显著进步。基于自研 TPU 的强大算力支持，Gemini 3 在多个应用场景中表现出色，如医疗影像分析和建筑设计审查等。同时，Google 的全栈式 AI 路线也逐渐显现出优势，包括云基础设施、搜索数据资源以及移动端生态的整合，为未来AI技术的发展提供了坚实的基础。

来源：36氪

# AI智能体 # 多模态AI # 模型突破

0 0

20:54

“文科生”微博，搞出一个数学学霸大模型

微博发布首个开源模型VibeThinker，以15亿参数和7800美元低成本在国际顶级数学测试中取得高分，挑战了“规模即智能”的行业共识。通过GRPO强化学习算法与频谱到信号原理（SSP）方法，VibeThinker在AIME2024、AIME2025及HMMT2025测试集中表现出色，尤其在数学推理能力上刷新了小模型的智能极限。这一成就不仅证明了小型模型也能解决复杂问题，还展示了成本控制与技术优化的新路径，可能重新定义AI领域的游戏规则。

来源：36氪

# 多模态AI # 模型突破 # 生成模型

0 0

19:52

国产最强多模态宝座又易主？671B参数练就“火眼金睛”，基于DeepSeek打造

快手开源了新一代多模态大模型Keye-VL-671B-A37B，基于DeepSeek-V3-Terminus打造，拥有6710亿参数。该模型在图像和视频理解、跨模态对齐及复杂推理方面表现出色，超越了多个前沿VL模型。通过三阶段预训练策略和多阶段后训练优化，实现了高效的视觉理解和推理能力提升。未来，快手计划进一步融合多模态Agent能力，增强模型的工具调用与复杂问题解决能力。

来源：36氪

# AI智能体 # 多模态AI # 模型突破

0 0

18:50

小米狂吸机器人技术大牛，前特斯拉Optimus工程师也来了

小米机器人团队引入前特斯拉Optimus灵巧手核心成员卢泽宇，加速灵巧手技术工程化落地。此举显示了小米在提升机器人灵巧性上的雄心，旨在为未来人形机器人奠定基础。同时，小米开源了首个跨域具身大模型MiMo-Embodied，成功融合自动驾驶与具身智能任务，标志着其在多模态模型和应用场景创新上取得重要进展。

来源：36氪

# 多模态AI # 机器人技术 # 模型突破

0 0

18:49

谷歌CTO兼首席AI架构师揭秘：谷歌如何用两年半完成AI逆袭

Gemini 3聚焦于精准意图理解、全球化服务及工具化创造能力，强调AI技术的实际应用价值而非单纯追求基准测试分数。通过自然语言编程打破创意与实现壁垒，推动AGI需与现实世界持续交互。文本与视觉模型共享底层架构以增强人类直觉交互体验。谷歌从实验室思维转向战场思维，每六个月迭代更新，激活全球专家资源，实现端到端协同。

来源：36氪

# AI对话 # 多模态AI # 模型突破

0 0