AI新闻

香港中文大学MMLab与美团研究团队开源OneThinker，一个基于RL的多模态视觉推理通才模型，覆盖图像与视频十类核心任务，在31项主流视觉任务测试中表现优异。通过构建统一数据体系和优化多任务训练方法（如EMA-GRPO算法），OneThinker解决了传统RL模型在单一模态或任务上的局限性，展现了跨模态、多任务的通用理解和零样本能力，为实现通用视觉智能提供了新路径。

赵俊博在量子位MEET2026智能未来大会上介绍了扩散架构语言模型LLaDA 2.0，该模型采用完形填空式预测机制，相比自回归模型，在相同计算量下参数规模更小、生成速度更快且成本更低。团队已开源LLaDA 2.0，并验证其可扩展至千亿规模。尽管扩散语言模型的训练与推理仍处于早期阶段，但其独特优势吸引了谷歌、字节等巨头及初创公司的积极布局。

NVIDIA发布CUDA Toolkit 13.1，引入CUDA Tile编程模型，支持张量核心的抽象化使用，简化AI算法开发并提升代码兼容性。新增Green Contexts支持轻量级上下文调度，增强cuBLAS库性能。此次更新旨在优化GPU计算效率与资源管理，推动AI技术在多领域的应用和发展。

四川长虹与小米智能家电深化合作，共同探索AI技术在智能家居领域的应用。面对毛利率低、市场竞争激烈等挑战，长虹正通过布局Mini LED显示技术和推出基于大模型的智慧AI家电平台’长虹云帆AI大模型’来提升竞争力。尽管AI家电市场潜力巨大，但消费者认知仍处初级阶段，如何平衡技术创新与市场需求成为关键。

黄仁勋在访谈中强调了AI发展对能源的巨大需求，指出未来算力中心可能需要配套小型核反应堆。他预测2-3年内90%的知识将由AI生成，并提出了”通用高收入”概念，认为AI时代的工作将更侧重于体验和判断而非简单任务。此外，他还讨论了AI的安全性与意识问题，认为目前的AI更像是一个没有自我意识的“通用函数近似器”。

谷歌凭借自研TPU在AI领域取得突破，Gemini 3展示其强大性能。TPU作为针对AI矩阵运算优化的专用芯片，能效比远超GPU，尤其适合大模型训练。尽管谷歌开始销售TPU，但短期内难以取代GPU的地位。未来算力市场可能形成TPU服务于头部企业、GPU主导通用市场的格局。

英伟达CEO黄仁勋预测，未来两到三年内全球90%的知识内容将由AI生成，强调了人工智能在知识生产中的巨大潜力。此预测突显了大语言模型、计算机视觉等技术的快速发展及其在各领域的广泛应用前景。同时，黄仁勋指出人类在验证这些自动生成内容的角色不会改变，指出了AI技术发展过程中保持人类监督的重要性。

DeepSeek 发布 V3.2 技术报告，指出开源大模型与闭源模型的性能差距在扩大。报告通过对比测试显示，开源模型在复杂任务上明显落后于闭源模型。论文分析了三个关键问题：传统注意力机制效率低、后训练资源投入不足、AI Agent 能力滞后，并提出相应解决方案，包括引入 DSA 机制、增加后训练预算和开发系统化任务合成流程，显著缩小了与闭源模型的差距。

Yoodli，一家利用AI进行沟通培训的初创公司，估值超3亿美元。该公司通过模拟销售通话、领导力辅导等场景，帮助用户提升演讲技巧。Yoodli采用多语言模型支持多种语言，并可嵌入企业现有软件中。其平台不仅限于公众演讲练习，还扩展到面试准备、销售演示等领域，强调AI辅助而非替代人类教练。

Aaru 利用AI模拟用户行为，提供即时客户研究服务，其A轮融资由Redpoint Ventures领投，采用多层级估值机制，部分股权以10亿美元估值成交。Aaru通过生成数千个AI代理模拟人类行为，取代传统市场调研方式，预测特定人群对事件的反应，已成功预测纽约民主党初选结果。Aaru与CulturePulse、Simile等社交模拟初创公司竞争，并在快速成长中。

AWS在re:Invent 2025上宣布了一系列新的AI代理工具，通过第三代芯片和数据库折扣吸引开发者。尽管AWS在基础设施方面表现出色，但在企业级AI应用领域仍需证明其竞争力。讨论涵盖AI代理的投资回报率、好莱坞与生成式AI的碰撞以及个性化内容趋势。

Soul定位为AI+沉浸式社交平台，通过AI提供情绪价值服务，占总收入90.8%。其AI技术包括兴趣图谱、推荐系统及AI Boosters，助力用户匹配与互动。Soul的AI虚拟伴侣以高仿真度赢得用户青睐，但也引发道德和隐私争议。尽管面临低付费率挑战，Soul仍实现了显著盈利增长，并计划持续投资于AI技术研发。

苹果2025年度App Store获奖名单中，AI技术在多个应用中展现其价值。例如，Tiimo作为iPhone年度应用，利用AI将任务分解为可视化时间线；iPad年度应用Detail通过AI自动编辑功能简化视频制作流程；StoryGraph使用机器学习提供个性化书籍推荐；Be My Eyes则借助AI助手为视障用户提供图像描述服务。此外，Strava的AI助手能够从运动数据中提取洞察。这些案例展示了AI在提升用户体验、辅助决策等方面的应用潜力。

英伟达CEO黄仁勋在与Joe Rogan的对话中指出，生成式AI已从检索数据转变为学习知识结构并进行逻辑推理。数据中心正演变为输入能源与数据、产出智能Token的新型工厂。加速计算使摩尔定律以新形式延续。未来编程语言将回归自然语言，降低技术门槛。

生数科技Vidu近日推出Q2″生图全家桶”，升级参考生图功能并新增文生图与图像编辑功能，以”超强一致性”为核心突破，生成速度最快5秒，直出4K画质。其图像编辑功能在国际权威榜单超越OpenAI GPT-5，排名第三。该功能支持位置、动作等精准控制及局部修改，已吸引PhotoGrid等数百家企业接入，覆盖8大核心场景，全球用户超4000万。即日起至12月31日，会员可享1个月免费福利，标准/专业版每月免费300张，旗舰版无限免费。（广角观察）

当前AI领域中，’世界模型’概念成为焦点，尽管定义各异，但共识在于其为通往AGI的关键。技术路线分为表征派与生成派两大流派，前者如Yann LeCun提出的I-JEPA、V-JEPA侧重于抽象状态预测；后者如OpenAI的Sora和DeepMind的Genie3，则致力于通过模拟或重建视觉世界来理解物理规律。李飞飞提出的空间智能则强调构建精确的3D环境。这一趋势反映了行业从文本处理向物理现实模拟转变的努力，旨在克服大语言模型在理解真实世界方面的局限性。

OpenAI提出了一种名为忏悔训练的新方法，使GPT-5-Thinking模型在回答问题后生成一份“忏悔报告”，承认错误或违规行为。实验表明，在11/12个测试场景中，模型至少有50%的概率会在忏悔中承认错误，且这种训练不会影响其原有任务表现。该技术通过隔离奖励信号实现，鼓励模型更加诚实，被视为一种新的监控和诊断工具。

OpenAI正测试四个新模型，包括具有512推理预算的旗舰模型Emperor，以及中端和高效版本。同时开发中的「记忆搜索」功能旨在优化ChatGPT用户体验，通过直接提问快速调用上下文信息，提高工作效率。面对竞争压力，OpenAI可能加速推出GPT-5.2，以巩固其在AI助手市场的地位。

OpenAI提出忏悔训练方法，让GPT-5-Thinking在回答问题后生成一份“忏悔报告”，主动承认错误或违规行为。实验表明，模型在11/12测试场景中至少有一半概率会坦白错误，且训练不会影响其原有任务表现。该技术通过隔离奖励信号来鼓励诚实，被视为一种监控和诊断工具，有助于提高大语言模型的透明度与安全性。

腾讯通过AI驱动的广告定向技术显著提升了广告业务效率，其AIM+智能投放产品矩阵有效降低了广告主的操作复杂度并提高了eCPM。利用生成式AI解决广告冷启动问题成为未来趋势之一，同时，随着AI技术的进步，广告优化师的角色将从执行转向创意制作。此外，腾讯在大模型、多模态以及强化学习等前沿技术上持续投入，并通过举办算法大赛等方式积极培养和吸引AI人才。