跳到正文
只看行业#多模态
11月11日周三
11月9日周一
11月7日周六
  1. IT之家·人工智能41

    吉利发布“智象-星睿交通气象大模型”，车道级预警可识别结冰与团雾

    吉利汽车集团与中国气象局地球系统数值预报中心联合推出行业首个“智象-星睿交通气象大模型”，可实现车道级气象环境实时监测与提示。该模型已初步输出车道级能见度、暗冰和暴雨风险提示产品“超视距安全预警”，基于多车互联识别结冰等危险路况并主动提示，计划率先在领克 900L 上量产落地。明年一季度双方还将发布行业首个“通用气象模型”。

11月6日周五
  1. IT之家·人工智能60

    西门子医疗与阿里达摩院签约合作，推广 AI 一扫多筛技术

    11 月 6 日在上海进博会上，西门子医疗与阿里巴巴达摩院签署战略合作协议，计划将达摩院基于平扫 CT + AI 的一扫多筛技术与西门子医疗影像设备、临床应用结合，推广用一次 CT 扫描早期发现胰腺癌、胃癌、肠癌等高致死癌症及主动脉夹层、肺动脉栓塞等心血管危急重症。

11月1日周日
10月31日周六
  2. Philipp Schmid69

    Philipp Schmid 转引 Sundar Pichai 的消息：Google Project Suncatcher 在数周前发射原型卫星后，成功向轨道发送指令、启动 TPU、运行提示词，并在地面收到了首个完整回应（一首 haiku），作者称 Gemma 4 成为首个在太空运行的大语言模型。

    引用Sundar Pichai@sundarpichai

    Project Suncatcher 的“hello world”里程碑 🚀 几周前发射了我们的原型卫星后，我们现在已成功向轨道发送指令，启动 TPU，运行提示词，并在地球上收到了第一份完整回复——一首俳句！

    推荐理由：Google 在轨道卫星上启动 TPU 并让模型完成推理，展示了天基算力实验从发射走向实际运行的进展。

10月30日周五
  1. 公众号：京东JoyAI48

    京东JoyAI-VL-Interaction模型加持，Rokid乐奇第二代AI眼镜开售

    搭载JoyInside、由京东JoyAI-VL-Interaction模型提供技术支持的Rokid乐奇第二代AI眼镜于10月27日在京东开售，可实现主动提醒、超常记忆与实时环境讲解。该模型2026年6月全栈开源，能持续处理实时视频流并自主判断何时回应；在58组真人盲评中，对比豆包、Gemini视频通话助手的总体胜率分别为77.6%和87.9%。

10月29日周四
  1. Rohan Paul56

    Sunra 发布统一 API，用一个密钥接入主流图像、视频、音频和 3D 模型，按各家厂商原价即用即付，无订阅且不加价。作者 Rohan Paul 转发该发布并指出，AI 视频最实用的指标是每秒生成价格，Seedance 2.5 在 Sunra 上的价格是另外两家网关的一半，便于跨 Google、OpenAI、字节和 Kling 模型做 A/B 测试。

    引用Sunra@sunra_ai

    Today we're launching the Sunra API. Every leading image, video, audio and 3D model through one key, each at its maker's own API price. Pay as you go, with no subscription and no markup. The models are ready. Your app is next.

10月23日周五
  1. 公众号：面壁智能41

    面壁智能在 CNCC 2026 举办第三届端侧大模型论坛，发布 MiniCPM5 与 VoxCPM2 等成果

    面壁智能在 CNCC 2026 期间举办第三届端侧大模型论坛，以"定义端侧通用人工智能"为主题，围绕文本、语音、多模态交互、AI 自进化与智能体五大方向展开。MiniCPM 系列累计下载量突破 6000 万次，17 次登顶 Hugging Face 榜单首位，MiniCPM5-2B 在 AA-Index 4B 以下排名第一。

10月22日周四
  1. 公众号：火山引擎46

    IDC：火山引擎以45%份额居中国AI座舱市场第一

    IDC《中国汽车云市场跟踪，2026H1》显示，2026年上半年中国AI座舱解决方案市场规模达7.1亿元，火山引擎以45%份额位居第一。搭载豆包大模型的汽车已有700万辆上路，覆盖50个品牌、145个车型，日均座舱交互3000万次。火山引擎今年推出基于 Agentic AI 架构的“豆包座舱助手”和“AI座舱套件”，首款搭载车型荣威家越07已于9月开启预售。

10月21日周三
  2. IT之家·人工智能68

    Spotify 一年从推荐流移除超 5000 万首低质 AI 音乐，调整推荐系统优先人类创作者

    Spotify 周二公告称，过去一年已从推荐流移除超 5000 万首被认定为 AI 生成的低质垃圾歌曲，并调整推荐系统优先展示真人创作者作品。平台为 AI 虚拟形象创作者推出 AI Persona 标识且不推荐其音乐，未强制所有 AI 曲目打标签；其判断依据包括用户反馈、上传特征、元数据和第三方 AI 检测工具。

10月20日周二
  2. OpenBMB62

    @techNmak 用面壁 MiniCPM-V 4.7 35B-A3B 实验构建了一个 Neo-Brutalist 风格的作品集 UI，OpenBMB 转发致谢并期待其后续作品。该模型总参数 35B、每次仅激活 3B，在 iPad Pro M4（16GB）上达 17+ tokens/s、iPhone 17 Pro Max 上达 13+ tokens/s，优化移动端设置下内存占用约 3GB；另有面向 OCR、图表、数学和通用理解的 1B 紧凑版本，两个版本均支持 256K 上下文窗口，权重、推理代码和微调代码开源，GitHub 与 Hugging Face 可获取。

    引用Tech with Mak@techNmak

    Spent some time experimenting with MiniCPM-V4.7 35B-A3B and built this Neo-Brutalist portfolio UI, featuring bold colors, chunky layouts, and a slightly unconventional visual style. What makes this experiment interesting is the model behind it. OpenBMB’s MiniCPM-V 4.7 is pushing multimodal AI toward more practical deployment on everyday hardware. With 35B total parameters but only 3B activated at a time, MiniCPM-V 4.7 35B-A3B delivers 17+ tokens/s on iPad Pro M4 (16GB) and 13+ tokens/s on iPhone 17 Pro Max, using just ~3GB of memory in its optimized mobile setup. 🤯 There’s also a compact 1B variant designed for tasks like OCR, chart, math, and general understanding. Both variants support a 256K context window, and the model weights, inference code, and fine-tuning code are open source. For me, the interesting part of multimodal AI is its potential to work with visual information beyond text, and to make those capabilities more accessible through efficient, flexible deployment. Explore MiniCPM-V 4.7 from @OpenBMB: GitHub：github.com/OpenBMB/MiniCPM-V Hugging Face：huggingface.co/collections/op…

10月16日周五
10月15日周四
10月13日周二
  1. Tripo46

    仅用 16 天打造的惊艳《小王子》3D 改编作品。 @Saccc_c 用 Tripo、@Blender 和 Opus 5.5 @ClaudeDevs 构建了这个互动世界，干得漂亮。期待开源发布。

    引用Sac@Saccc_c

    花费16天，我用 Opus 5.5 将小王子的故事制作成了3D剧情游戏 结合Tripo+Blender，Opus 5.5 将小王子故事中的每一个星球变成了可探索的3D场景 希望大家能支持一手，后续会开源整个游戏，以及详细制作流程 Welcome to The Little Prince: Across the Stars✨：littleprince.dev

  2. Demis Hassabis65

    Google 与 BIDMC 合作的 AMIE 患者对话式诊断前瞻性研究在 TheLancet 发表，是 AMIE 首次在真实诊所外测试。临床医生报告称 AMIE 的病史摘要在 75% 的病例中有助于访视准备，其鉴别诊断与医生最终诊断的吻合率达 90%，这也是 Google 首篇登上 The Lancet 主刊的论文。

    引用Sundar Pichai@sundarpichai

    今天，@TheLancet 发表了我们的 AMIE 研究，与 @BIDMC_Medicine 合作完成，这是首个在真实诊所中面向患者的对话式诊断的前瞻性研究。 AMIE 是一个研究系统，人们可以在就诊前与之聊天。在实验室之外，用真实的急诊护理患者测试 AMIE，展示了技术如何帮助安全地收集病史。临床医生报告称，在 75% 的病例中，这些摘要帮助他们为就诊做准备，并在超过一半的病例中影响了他们的诊疗方式。AMIE 的鉴别诊断也在 90% 的情况下与医生的最终诊断一致，让临床医生有更多时间专注于患者护理。 这是 Google 有史以来第一篇发表在 The Lancet 主刊上的论文！

    推荐理由：这是 Google 首篇登上 The Lancet 主刊的 AMIE 研究，作者引用了关键数字，可帮助读者了解对话式诊断在真实门诊的表现。

10月9日周五
10月5日周一
  2. IT之家·人工智能59

    斯凯孚用 AI 复活已故影星嘉宝拍广告，引发赞许与争议

    瑞典轴承制造商斯凯孚（SKF）用 AI 生成已故好莱坞影星葛丽泰·嘉宝的形象拍摄广告，项目已获嘉宝遗产管理方及家属授权。图像使用字节跳动 Seedream 5 Pro、谷歌 Gemini 的 Nano Banana Pro 生成，动作用 Seedance 2、Seedance 2.5 和快手可灵 AI，语音基于嘉宝早年影片原声训练，未使用存档照片或历史影像。

9月30日周三
  1. IT之家·人工智能45

    古尔曼：苹果 10 月 13 日进军智能家居，首发 J490 控制中枢及 2027 款 Apple TV、HomePod mini

    苹果计划于 10 月 13 日推出代号 J490 的首款智能家居控制中枢，以及 2027 款 HomePod mini 和新款 Apple TV。J490 采用约 6 英寸方形显示屏，有壁挂（J491）和台面两种版本，靠声音或面部识别区分家庭成员并切换界面，无电池需始终插电。新款 HomePod mini 和 Apple TV 保留现有设计但换用更快处理器，以支持 Siri 更强的 AI 模型。

  2. IT之家·人工智能42

    电子病历 OFD-H 国家标准发布：2027 年 4 月起实施，手机可查全生命周期健康档案

    市场监管总局批准发布 GB/T 48666—2026《电子病历版式文档技术要求》（OFD-H 标准），将于 2027 年 4 月 29 日起正式实施。该标准基于国产 OFD 版式文档格式，探索“文档即接口”的共享方式，整合病历文书、医学影像、音视频和结构化数据，支持人读与机读。OFD-H 将逐步归集跨地区、跨机构、跨时期的病历，形成贯穿全生命周期的“掌上健康档案”，群众通过手机即可调取和管理。

9月29日周二
  1. World Labs：官网85

    World Labs 宣布加入 AMD，李飞飞将出任 AMD 执行副总裁兼首席科学家

    World Labs 宣布与 AMD 签署最终协议加入 AMD，交易预计于 2026 年底前完成，需监管审批。李飞飞将出任 AMD 执行副总裁兼首席科学家，直接向 CEO Lisa Su 汇报；Justin Johnson 与 Ben Mildenhall 将继续带领 World Labs 团队组建前沿研究组织。

    推荐理由：原文说明了双方从GPU合作到收购的演进，以及核心人员的具体去向，读者可判断这次整合对空间智能方向的改变。

  2. The Verge：AI77

    AMD 以约 82 亿美元全股票收购李飞飞联合创办的 World Labs

    AMD 宣布以约 82 亿美元的全股票交易收购李飞飞联合创办的 AI 研究实验室 World Labs，交易预计年底前完成。World Labs 于 2024 年成立，2025 年推出从提示词生成可交互 3D 世界的商业产品 Marble；李飞飞将出任 AMD EVP 兼首席科学家，向 CEO Lisa Su 汇报，团队继续推进 AI 模型研究。

    同一件事，精选收录的是《World Labs 宣布加入 AMD，李飞飞将出任 AMD 执行副总裁兼首席科学家》

9月24日周四
9月22日周二
9月17日周四
9月15日周二
9月7日周一
  2. IT之家·人工智能54

    消息称字节跳动开发实时空间视频生成 AI 模型，张一鸣亲自督导，最快下月发布

    据彭博社报道，字节跳动正开发实时空间视频生成 AI 模型，创始人张一鸣亲自督导研发，计划最早下月发布，发布时间尚未最终确定。该模型基于电影级视频生成模型 Seedance 构建，面向直播、短剧和游戏创建交互式虚拟世界，可在每秒 20 帧帧率下以约 50 毫秒延迟按需生成视频流，响应 Pico 头显用户的语音或动作。

9月3日周四
  1. IT之家·人工智能44

    我国推进新一代全火星地质图编制，计划2028年底完成1:500万比例1.0版

    据新华社报道，天问三号任务首席科学家侯增谦院士透露，我国正以数据驱动、智能编图为理念推进新一代全火星地质图编制，融合天问一号探测数据与多源国际数据的影像、光谱、雷达、重力等信息，引入人工智能技术实现智能地质解译，计划2028年底完成1:500万全火星地质图1.0版。

  2. IT之家·人工智能65

    达拉斯用垃圾车 AI 摄像头为房产打破败评分，已发现超 2.1 万处疑似违规

    达拉斯市在垃圾清运车上部署 AI 摄像头，按违规严重程度给房产打 1 至 4 分的破败评分，已在超过 2.1 万处房产发现至少一项疑似违规，并已发出 1800 份提醒通知，计划每年发出约 5200 份。当地共投用 100 台 1920×1080 摄像头，安装在 50 辆清运车上，约每 30 天扫描全市一次；居民担忧隐私和罚款负担，City Detect 表示系统会对人脸和车牌模糊处理。

9月2日周三
  1. IT之家·人工智能61

    Meta 通过软件更新永久禁用数千副被破坏指示灯的智能眼镜摄像头

    据《商业内幕》报道，Meta 通过软件更新关闭了数千副录像指示灯被人为破坏的 Meta AI 智能眼镜的摄像头，受影响设备不到累计销量的 0.1%。最新更新修补了此前先启动录像再遮挡指示灯的漏洞：钻掉 LED 的设备摄像头永久禁用，撕掉遮挡贴纸后摄像功能可恢复。Meta 智能眼镜 2025 年单年销量达 700 万副。