OpenAI迎来新管理层变革 Fidji Simo接手消费者业务重任
OpenAI进行重大管理层调整，前Instacart CEO Fidji Simo正式接管消费者业务，负责约3000名员工管理，推动ChatGPT商业化进程。此举标志着OpenAI从非营利研究机构向商业科技企业的重要转型，公司内部权责分工更...
新闻资讯
微软发布开源文本转语音模型VibeVoice-1.5B，支持多说话者长音频生成
微软推出开源TTS模型VibeVoice-1.5B，基于1.5B参数架构可生成最长90分钟多说话者语音，支持跨语言及歌声合成，主要面向科研和开发者社区应用。
Meta九月Connect大会将推全新智能眼镜产品线
Meta将在9月Connect开发者大会上发布两款全新智能眼镜产品，包括带屏智能眼镜Hypernova和第三代无显示屏智能眼镜，雷朋将继续合作打造新品，同时Meta与Midjourney达成AI技术合作，将先进图像视频生成技术融入未来产品开...
字节豆包测试3D模型生成工具 降低建模门槛拓展AI能力
字节豆包内部正在研发3D模型生成工具，支持图像转3D和图像模型结合两种方式，有效降低3D建模门槛，进一步拓展豆包在AI创作领域的应用范围。
维基百科禁止AI生成内容 人工编辑仍是核心标准
维基百科明确禁止上传AI生成的文章，平台制定详细识别清单防范低质量内容。AI产物存在语气夸张、格式生硬、引用虚假等问题，难以替代人工编辑的专业判断，人工审核仍是确保内容真实性的关键保障。
AI图像隐写攻击新突破 高分辨率图片藏恶意指令可窃取数据
新型AI攻击手法通过在高分辨率图片中隐藏恶意指令，利用图像降采样算法显现文字并被大语言模型执行，导致用户数据泄露风险显著增加，多家主流AI平台均存在相关安全隐患。
英伟达发布Jetson AGX Thor机器人AI平台 性能提升7.5倍
英伟达正式推出Jetson AGX Thor开发套件，基于Blackwell架构打造，运算性能较前代提升7.5倍，AI算力高达2070 FP4 TeraFLOPS，专为物理AI与机器人应用设计，在边缘端实现实时交互能力。
钉钉推出AI硬件DingTalk A1和Agent ONE，重新定义办公协作体验
钉钉发布首款AI硬件DingTalk A1和Agent ONE产品，A1集录音笔、会议机、翻译机功能于一体，支持语音转写和智能摘要；ONE包含消息、日程、审批、会议助理等AI Agent团队，大幅提升办公效率。
阿里云开源多模态视频生成模型，静态图片音频秒变数字人视频
阿里云发布开源多模态视频生成模型Wan2.2-S2V，只需静态图片和音频即可生成高质量数字人视频，支持分钟级长视频创作，可应用于直播、影视制作等领域，实测表现达到同类模型领先水平。
人形机器人进入规模化落地元年，2025年销量预计突破万台
人形机器人已从实验室走向实际应用场景，进入规模化落地阶段。2025年全球销量预计突破1万台，同比增长125%，未来产业规模可达万亿级别，标志着人工智能与机器人技术融合发展的新里程碑。
国务院发布人工智能+行动计划 推动经济社会全面智能化转型
国务院正式实施人工智能+行动，通过推动人工智能与各行业深度融合，实现人机协同、跨界融合的智能经济新形态，预计到2027年重点领埴应用普及率超70%，2030年成为重要经济增长极。
Google发布Gemini 2.5 Flash Image先进图像生成模型
Google正式推出Gemini 2.5 Flash Image图像生成与编辑模型，具备角色一致性保持、自然语言提示编辑、多图融合等智能功能，在基准测试中超越同类产品，单张图片生成成本仅需0.039美元，已可通过多个平台访问使用。
面壁智能开源MiniCPM-V 4.5多模态模型 具备高刷视频理解能力
面壁智能推出MiniCPM-V 4.5多模态模型，具备行业首创的高刷视频理解能力，通过3D-Resampler技术实现96倍视觉压缩率，性能超越Qwen2.5-VL 72B，在图片理解、视频理解、文档识别等多项评测中达到同级SOTA水平。
谷歌DeepMind推出Gemini 2.5 Flash图像编辑模型提升AI修图精度
谷歌DeepMind发布全新的Gemini 2.5 Flash图像编辑模型，具备角色一致性功能，在文字指令修图方面准确率超越GPT-4o。新模型支持精准局部编辑、多图融合、风格迁移等特性，已在Gemini应用中上线供用户体验。
马斯克预测人形机器人数量将远超人类，未来将实现全民高收入
马斯克在X平台分享乐观预测，认为智能人形机器人数量将远超人类人口。面对机器人替代人工的担忧，马斯克提出将实施全民高收入政策，为人们提供最佳的医疗、食物、住房、交通等全方位保障，实现可持续富足的社会愿景。