00:03

谷歌的“每日聆听”AI功能根据您的Discover信息流生成播客

Google 正在测试基于 AI 的“Daily Listen”功能，通过用户 Discover 订阅内容自动生成个性化播客。该功能利用大语言模型和多模态技术，将用户兴趣转化为 5 分钟音频摘要，并附带相关故事链接。Daily Listen 与 NotebookLM 的 Audio Overviews 类似，均通过 AI 虚拟主持人生成内容，展现了 AI 在个性化内容生成领域的创新应用。该功能目前面向美国用户开放，标志着 AI 在音频内容创作和个性化推荐领域的进一步落地。

来源：TechCrunch AI

# AI音频 # 多模态AI # 生成模型

0 0

21:27

Rounded是一个AI编排平台，让任何人都能构建AI语音代理

法国初创公司 Rounded 开发了一个 AI 语音代理编排平台，允许企业构建定制化语音代理。其核心是通过整合语音转文本、大语言模型（如 GPT-4）和文本转语音技术，优化特定场景的语音交互体验。Rounded 已在医疗领域推出 AI 语音代理 Donna，用于麻醉师预约管理，显著提升了通话效率和响应速度（延迟降至 600 毫秒）。该平台支持企业选择不同 AI 模型，并通过提示工程优化代理性能，展现了 AI 语音技术在垂直领域的商业化潜力。

来源：TechCrunch AI

# AI对话 # AI音频 # 模型突破

0 0

15:25

xAI 正在测试其Grok聊天机器人的独立iOS应用

Elon Musk 的 AI 公司 xAI 推出独立 iOS 应用 Grok，扩展其多模态生成式 AI 能力。Grok 支持实时数据访问、文本重写、段落摘要、问答及文本生成图像等功能，尤其在图像生成领域表现出色，支持逼真渲染且限制较少。xAI 计划通过 Grok.com 提供网页版访问，进一步推动 AI 助手在智能交互与内容创作领域的应用。此举标志着生成式 AI 在跨平台部署与商业化落地上的重要进展。

来源：TechCrunch AI

# AI对话 # 多模态AI # 生成模型

0 0

09:14

微软开源 phi-4 模型：14B 参数，性能超越 GPT-4o

phi-4 是微软刚刚开源的最强小参数模型，其参数仅为 14B。

在各种基准测试中，phi-4 对比同参数量的模型表现优异，甚至在 GPQA 和 MATH 基准测试中超过了 GPT-4o。这个模型最初于去年 12 月 12 日发布，现在竟然直接开源了，并且基于 MIT 协议，可随意商用。

来源：三花快讯

# 开源AI # 模型突破

0 0

09:14

字节跳动开源 S T A R 视频超分模型：利用 T2V 技术实现高清修复

S T A R 是字节跳动开源的一个利用 T2V（Text-to-Video）模型对视频进行超分辨率的方法。无论是 AI 生成的视频还是现实中的视频，S T A R 都能进行高清修复。预训练模型（基于 I2VGen-XL 和 CogVideoX-5B）及推理代码现已发布，有兴趣的佬友可以自己试试。

来源：三花快讯

# AI视频 # 模型突破

0 0

09:14

Gazelle 多人注视检测技术在线版本发布，精准检测目光方向

Gazelle 是一个开源的多人注视检测技术，能够精准地检测人们的目光方向和注视对象。

现在，Gazelle 的在线版本已经发布，社区提供了两个不同的演示：gaze-demo 和 Gaze-LLE-demo。

来源：三花快讯

# 多模态AI # 模型突破

0 0

09:14

SAI 开源 SPAR3D：一秒内从单图生成可编辑 3D 模型

SPAR3D 是 SAI 最近开源的一项图生 3D 技术，能够在短短一秒内从单张图片生成可编辑的 3D 模型。这项技术对于商业和非商业用途均免费开放，只要年收入小于 100 万美元即可使用。目前，代码和模型都已经公开发布。

来源：三花快讯

# 多模态AI # 生成模型

0 0

07:36

2025年CES：本届展会最奇特的科技产品和声明

CES 2025 展示了多项 AI 驱动的创新产品，涵盖日常生活与娱乐场景。AI 技术在多模态感知和智能控制方面取得突破，如 Spicerr 的 AI 调味料分配器，通过深度学习优化配方推荐；智能鸟浴盆 Bath Pro 利用计算机视觉识别鸟类并拍照。此外，AI 在硬件设计中的应用也引人注目，如联想推出的可卷曲屏幕笔记本 ThinkBook Plus Gen 6 Rollable，结合 AI 手势控制实现屏幕扩展。这些产品体现了 AI 在边缘计算、个性化服务和智能交互领域的快速发展趋势。

来源：TechCrunch AI

# AI智能体 # 多模态AI # 智能交互

0 0

06:10

哈莉戴的489美元智能眼镜将微型屏幕投射到你的眼前

Halliday 在 CES 2025 推出的智能眼镜通过 DigiWindow 技术，将 3.5 英寸圆形显示屏直接投射到用户视野中，支持实时语言翻译、手机通知显示及 AI 助手功能。该设备采用轻量化设计，无需昂贵 AR 镜片，支持处方镜片，定价 489 美元。其核心技术结合了多模态 AI 模型，支持 40 种语言的实时翻译，并计划集成主动式 AI 助手。尽管 DigiWindow 的定位仍需优化，但其轻便、低延迟的特点展示了智能眼镜在 AI 助手、多模态交互等领域的潜力，为未来可穿戴设备的 AI 应用提供了新方向。

来源：TechCrunch AI

# AI对话 # 多模态AI # 智能眼镜

0 0

05:33

Grok可能很快会推出“无拘模式”

xAI 推出的 Grok 聊天机器人即将推出 ‘Unhinged Mode’，旨在提供更具争议性和冒犯性的回答，突破传统 AI 的过滤限制。该模式反映了 Elon Musk 对 AI 的愿景，即打破 ‘政治正确’ 的束缚，提供更直接、未经过滤的对话体验。然而，Grok 目前仍受限于其训练数据（公开网页），导致其在政治敏感话题上表现出左倾倾向。Musk 承诺将调整模型以实现政治中立。这一发展凸显了 AI 在内容生成和伦理规范方面的挑战，特别是在平衡言论自由与社会责任之间的复杂关系。

来源：TechCrunch AI

# AI对话 # 伦理挑战 # 模型突破

0 0

04:08

游戏玩家无法理解6x CEO埃隆·马斯克是如何抽出时间击败《暗黑破坏神IV》的

埃隆·马斯克在短时间内完成《暗黑破坏神 IV》最高难度挑战引发热议，推测其可能利用 AI 辅助工具或优化算法提升游戏效率。这一事件凸显了 AI 在游戏领域的潜在应用，如通过强化学习优化玩家策略、利用计算机视觉辅助操作等。未来，AI 与游戏结合将进一步推动多模态模型和实时决策技术的发展，为游戏体验和竞技水平带来革新。

来源：TechCrunch AI

# AI智能体 # 多模态AI # 游戏AI

0 0

02:24

乌克兰黑客声称对攻击俄罗斯互联网服务提供商负责，该攻击摧毁了服务器并导致互联网中断

俄罗斯互联网服务提供商 Nodex 遭受乌克兰黑客组织攻击，导致其网络系统被完全破坏，服务器数据被擦除，客户互联网连接中断。此次事件凸显了网络安全在 AI 基础设施中的重要性，尤其是在分布式系统、数据备份和恢复等关键领域。AI 技术如联邦学习和强化学习可用于增强网络防御能力，而多模态模型和预训练模型在威胁检测和响应中具有潜力。未来，AI 驱动的网络安全解决方案将成为保护关键基础设施的重要趋势。

来源：TechCrunch AI

# AI训练 # 多模态AI # 模型安全

0 0

02:05

本周人工智能：更强大的AI即将到来，但其益处能否均衡分布？

OpenAI CEO Sam Altman 宣布公司已掌握构建通用人工智能（AGI）的技术路径，并开始瞄准超级智能（Superintelligence）。AGI 被定义为在大多数经济价值工作中超越人类的自主系统，而超级智能则可能大幅加速创新。然而，近期研究表明，AI 对自由职业者的影响呈现“拐点效应”：初期提升收入，但后期可能取代工作岗位，如翻译领域收入下降 30%。此外，GPT-4 在金融领域的应用显示，AI 辅助可显著提升专家决策效率。随着 AI 能力提升，如何确保其收益广泛分配成为关键挑战。

来源：TechCrunch AI

# AI对话 # 收益分布 # 模型突破

0 0

01:05

实时更新 CES 2025：英伟达、人工智能、电动汽车发布及更多第二天动态

CES 2025 展示了 AI 技术的多样化应用与创新趋势。Nvidia CEO 强调其系统性能超越摩尔定律，通过全栈创新推动 AI 算力提升。Delta Air Lines 推出 AI 助手，优化用户体验并整合 Uber 服务。AI 在宠物科技领域也取得进展，如 Birdfy 的 AI 鸟类识别系统。此外，Waymo-Zeekr 合作的自动驾驶出租车亮相，突显 AI 在交通领域的突破。整体来看，AI 正加速渗透至消费、交通、娱乐等多个场景，推动产业智能化升级。

来源：TechCrunch AI

# AI对话 # 多模态AI # 模型突破

0 0

00:05

Omi，作为Friend的竞争对手，希望通过AI和“脑机接口”提升你的生产力

旧金山初创公司 Based Hardware 在 CES 2025 上推出 AI 可穿戴设备 Omi，旨在提升生产力。Omi 支持语音激活和脑机接口，通过 GPT-4o 实现对话总结、任务管理和个性化建议。设备采用开源平台，允许用户自定义数据存储和 AI 模型选择，开发者已创建 250+ 应用。Omi 定价 89 美元，预计 2025 年 Q2 发货，开发者版已开放订购。该设备探索了 AI 在可穿戴领域的创新应用，但脑机接口功能尚未完全验证。

来源：TechCrunch AI

# AI对话 # 可穿戴AI # 模型突破

0 0

00:00

Grove利用人工智能缩短临床试验招募时间

Grove AI 利用生成式 AI 技术，开发语音助手 Grace，显著优化临床试验患者招募流程。通过语音交互进行预筛选，Grace 将注册时间从数周缩短至几分钟，并自动安排现场访问。该技术解决了医疗领域长期存在的官僚主义和系统落后问题，已服务 70,000 名患者，完成 7,000 次预约。Grove AI 近期获得 490 万美元种子轮融资，投资者看好其在 AI 和计算生物学领域的潜力。此外，公司正开发基于 AI 的患者数据管理工具，有望进一步推动医疗数据管理的数字化转型。

来源：TechCrunch AI

# AI对话 # 医疗AI # 模型突破

0 0

16:17

微软通过公共和私营部门的交易支持其在印度的30亿美元人工智能计划

微软宣布在印度核心领域展开广泛AI合作，计划投资30亿美元，与政府及企业合作推动AI技术应用。重点包括：支持印度AI数据集平台的数据收集与合成生成，培训50万名AI技术人才，建立AI卓越中心及20个AI实验室。合作涵盖铁路、医疗、金融、制造和教育领域，如与RailTel合作推进铁路数字化和AI转型，与Apollo Hospitals开发医疗AI助手，与Bajaj Finance合作实现年成本节约1800万美元。此举旨在与谷歌、亚马逊等竞争，加速AI在印度的商业落地和人才培养，推动多模态AI和边缘计算等技术的应用。

来源：TechCrunch AI

# AI对话 # 多模态AI # 模型突破

0 0

09:43

英伟达开源 Cosmos 世界模型：助力机器人与自动驾驶数据生成

英伟达开源了 Cosmos 世界模型，这模型支持文生视频和文+视频生视频，主要应用于机器人和自动驾驶领域的大规模合成数据生成。

目前，英伟达已经开放了多个不同的预训练模型，这些模型均支持商业用途。佬友们也可以在线体验下，看看这个模型的实际效果如何。

来源：三花快讯

# AI视频 # 多模态AI # 模型突破

0 0

01:30

实时更新 CES 2025：Nvidia 后续动态及 Linda Yaccarino 主题演讲，展会现场开启

Nvidia 在 CES 2025 上推出 Project Digits，一款个人 AI 超级计算机，搭载 Grace Blackwell 超级芯片，支持运行高达 2000 亿参数的模型。该设备旨在降低高性能 AI 计算的门槛，推动 AI 技术在边缘计算和个性化应用中的普及。同时，May Mobility 展示了电动自动驾驶小巴，进一步扩展 AI 在交通领域的落地场景。这些创新标志着 AI 技术向更高效、更普惠的方向发展，同时加速了 AI 在消费级和行业级应用的商业化进程。

来源：TechCrunch AI

# AI训练 # 模型突破 # 边缘计算

0 0

11:31

罗永浩 Jarvis 发布 J1 Assistant：安卓用户的 AI 新助手

罗永浩旗下的 AI 初创项目 Jarvis 近日发布了名为 J1 Assistant 的聚合类 AI 助理软件。目前，该软件仅支持部分安卓机型。用户可以通过长按发送语音至联系人、谷歌搜索引擎、ChatGPT 或创建备忘录。UI 设计颇具锤子科技风格，当前版本为 0.8.3-beta1。感兴趣的朋友可以在J1 Assistant 官网(https://matter.ai/)下载体验。

来源：三花快讯

# AI对话 # 模型突破

0 0