微软智能体生态布局 - Coding Agent将GitHub Copilot升级为自主编程助手，实现bug修复、代码维护全流程自动化 [1] - NLWeb开源项目支持自然语言交互网站，Agent Factory平台可构建Grok等智能体应用 [1] - Copilot Tuning允许企业用自有数据微调智能体，适配独特语言风格 [1] - Microsoft Discovery具备生成科研想法、模拟结果和自主学习能力 [1] 谷歌AI编程助手动态 - 发布基于Gemini 2.5 Pro的Jules编程助手，每日提供5次免费额度并直连GitHub仓库 [2] - Jules可自主完成代码编写、Bug修复及测试运行，支持生成详细计划并在云虚拟机验证代码 [2] - 即将推出Codecast功能生成代码库音频摘要 [2] 腾讯AIGC游戏引擎突破 - 发布工业级AIGC游戏内容生产引擎"混元游戏"，基于百万级游戏动漫数据集训练 [3] - 提供AI美术管线、实时画布、2D美术生成和角色多视图生成功能，后者耗时从12小时缩短至30分钟 [3] - 包含四大图像模型和五大视频模型，首创游戏特效生成模型并支持多种风格实时交互 [3] AI音频工具创新 - ListenHub支持链接/文档转2-3分钟对话式播客，生成速度优于谷歌NotebookLM且中文语音更自然 [4][5] - 产品已开放公测，支持网页/App/浏览器插件，但存在内容长度不可调等限制 [5] 智源向量模型技术领先 - BGE-Code-v1支持14种编程语言，在CoIR和CodeRAG-Bench基准超越商业/开源模型 [6] - BGE-VL-v1.5针对多模态检索优化，BGE-VL-Screenshot在MVRB基准达60.61分SOTA成绩 [6] 谷歌知识管理工具升级 - NotebookLM推出iOS/安卓APP，支持离线听书、实时互动提问和跨平台分享 [7] - 当前支持网页/PDF/视频链接转播客，但仅限海外用户使用 [7] AI科研平台突破 - Microsoft Discovery无需编程即可用超算能力，200小时内发现新型环保冷却剂 [8] - 平台结合基础/专业模型构建AI博士后团队，支持医药/芯片设计等领域研发 [8] 开源机器人进展 - UC伯克利BHL机器人总成本低于5000美元，采用3D打印模块化设计且机械效率达90% [9] - 配备英特尔N95迷你PC和手机级IMU，实现双足行走和遥操作功能 [9] AI编程行业预测 - Anthropic CEO预测AI将在3-6个月内编写90%代码，谷歌已有25%代码由AI生成 [10] - 未来程序员角色或转向AI系统架构师和训练师，人类专注创造性工作 [10] 腾讯知识管理战略 - ima产品定位为AI驱动的"搜读写"工作台，已积累近1000万篇内容 [11] - 通过知识库/知识号/知识库广场三层架构实现从个人管理到生态共建的演进 [11]

腾讯混元Hunyuan Image2.0模型技术突破 - 基于超高压缩倍率的图像编解码器和全新扩散架构，实现毫秒级推理速度和超高质量图像生成，显著降低"AI味"[3][4] - 解决当前主流文生图模型生成时间长（5-10秒/张）和结果随机性问题，实现"所见即所得"的实时生成体验[5] - 在GenEval评测中表现优异：总体得分0.9597，单物体0.9968，双物体0.9747，颜色0.9973，位置0.885，远超DALL-E 3（0.67）和SD3-Medium（0.74）等竞品[7] 核心功能创新 - 文生图实现打字同步出图，支持连续修改多细节（如人像摄影中实时添加背景、切换角度）[11][13][15] - 图生图提供"参考主体"和"参考轮廓"双模式，可调节强度（92%强度下保持猫咪主体特征同时添加皇冠等元素）[18][19][20] - 专业设计功能：双画布联动实现线稿实时上色预览，多图层融合支持草图/图片叠加生成（需调试主体参考强度和提示词）[28][35] 应用场景拓展 - 个人用户可快速完成演讲插图、创意宠物照片等任务（如生成"家居猫/公主猫/古惑仔猫"系列）[30] - 设计师生产力工具：实时风格修改（赛博朋克风格转换）、元素添加（项圈/雪茄等）、光影调整[31][33] - 支持3D毛绒质感等特殊效果生成，但复杂风格（陶土风格）需更详细提示词描述[31] 技术局限性 - 轮廓模式对毛绒物体等模糊轮廓提取能力较弱[23] - 双画布指令响应速度略慢于实时文生图[28] - 风格转换存在主观性差异，赛博朋克等特征需多轮提示词调整[33]

OpenAI沙漠中建全球最大AI数据中心 - OpenAI与阿联酋G42合作在阿布扎比建设5千兆瓦数据中心，占地10平方英里，规模超过摩纳哥 [1] - 项目属于"星际之门"计划，耗电量相当于五座核电站，规模是德州阿比林园区的四倍 [1] - G42因与中国实体关系引发美方担忧后撤出在华投资，微软投资15亿美元并派高管入驻G42董事会 [1] NVIDIA新一代B300与万卡互联技术 - 推出Grace Blackwell GB300系统，性能全面提升，可通过MVLink技术将72个GPU连接成单一巨型GPU [2] - 发布MVLink Fusion计划支持合作伙伴集成自定义ASIC或CPU到NVIDIA生态系统 [2] - 推出Isaac GR00T平台和Cosmos物理AI模型强化机器人与数字孪生技术，Newton物理引擎将于7月开源 [2] 华为昇腾与DeepSeek合作成果 - 华为昇腾推出CloudMatrix 384超节点和Atlas 800I A2服务器，在DeepSeek模型推理性能上超越英伟达Hopper架构 [3] - 采用"以数学补物理"策略通过FlashComm通信方案、AMLA算法等技术创新解决大规模MoE模型部署难题 [3] - CloudMatrix 384超节点在50ms时延下单卡吞吐达1920 Tokens/s，Atlas 800I A2在100ms时延下达808 Tokens/s [3] 腾讯发布新版QQ浏览器 - 集成QBot功能采用腾讯混元和DeepSeek双模型驱动，可从全网内容中提炼整理答案 [4] - 主要功能包括AI搜索、多模态交互、文档解读翻译、智能写作和学习辅导，支持PC和手机端信息同步 [5] - 提供AI工具箱包含格式转换、信息提取、文档处理等办公功能，支持端外唤起无需额外插件 [5] B站开源动画视频生成模型 - 开源Index-AniSora模型支持多种二次元风格视频生成，入选IJCAI25，可实现基于华为910B芯片的高效分布式训练 [6] - 系统包含基于CogVideoX-5B的V1.0和基于Wan2.1-14B的V2.0版本，支持时空掩码、局部控制等功能 [6] - 构建千万级文本-视频训练数据并开源首个动画领域人类偏好强化学习模型，包含30,000条标注样本的奖励数据集 [6] 苹果AI生3D模型与Siri升级 - 发布Matrix3D模型仅需三张照片即可生成高质量3D场景模型并已开源 [7] - 内部测试的聊天机器人已接近ChatGPT水平，计划增加网页搜索和App调用等功能 [7] - 考虑将Siri与Apple Intelligence品牌分开以规避负面影响 [7] GenSpark发布Agentic AI下载工具 - 发布全球首个AI下载代理工具Agentic Download Agent通过自然语言指令实现文件下载和处理自动化 [8] - 采用Mixture-of-Agents架构整合8个不同规模语言模型和80余种工具链，将传统耗时任务压缩至分钟级完成 [8] - 配套推出AI Drive智能云盘支持多种数字资产格式并开放API接口供企业系统集成 [8] AI笔记产品Granola - 以2.5亿美元估值完成B轮融资，成为独角兽创始人和企业高管的首选笔记工具 [10] - 产品核心优势在于赋予用户控制权，支持实时编辑和个性化记录，采用不保存音频的方式保护隐私 [10] - 未来将从单一笔记工具发展为融合个人上下文的综合工作平台 [10] 全球机器人视触融合挑战赛 - 第一届ManiSkill-ViTac 2025挑战赛中国企业包揽三金，将在ICRA 2025研讨会汇报 [11] - 原力灵机Dexmal赢得纯触觉操控和触觉传感器设计两项金牌，它石智航获视触融合操控金牌 [11] - 赛事推动触觉-视觉融合算法进步，为机器人从实验室到现实应用搭建桥梁 [11] GitHub CEO反驳编程无用论 - 强调2025年是编程智能体之年，但未来仍需要人类程序员掌控软件生命周期 [12] - GitHub已发布Workspace、Project Padawan等多个SWE智能体产品，Copilot用户达1500万同比增长4倍 [12] - 主张人类应持续学习编程以保持对AI系统的指导和控制能力 [12]

闫德利 腾讯研究院资深专家 一、需求是技术创新的根本动力 古希腊先哲柏拉图在《理想国》中说过："我们的需要将是真正的创造者。"英国有句谚语："需要乃发明 之母 （Necessity is the Moth er of Invention） 。"丹麦经济学家博塞拉普在其著作《农业增长条件》中也有相同 观点。 创新要走进现实，就必须和人们的需求相结合，就必须"把论文写在祖国大地上"。 需求的紧迫程度和规 模大小，决定着创新的速度和水平。 地理大发现是人类史上最重要的事件之一，其产生是源于口腹之欲 ——欧洲人渴望寻找并带回东方的香料，甚至把盛产辛香料的东南亚岛屿命名为"香料群岛"。对香料的 朴实需求催生了大航海，计算机则起源于二战，互联网起源于冷战。第一台可编程的电子计算机——巨 人计算机 （Colossus Computer） 由英国在1943年发明，目的是破译德军密码；第一台通用数字计算机—— ENIAC （埃尼阿克） 于1946年在宾夕法尼亚大学宣布诞生，目的是用于计算火炮的火力表；1969年美国 高级研究计划局 （ARPA） 组建阿帕网，目的是为国防系统提供一个分散式的网络通信指挥系统，这是互 联网的前身。 ...

OpenAI Codex - OpenAI发布新版AI编程工具Codex，由codex-1模型驱动，能生成更清晰代码且自动迭代测试至通过 [1] - Codex运行于云端沙盒环境，可同时处理多项编程任务，支持与GitHub连接并预加载代码仓库 [1] - 该工具目前向ChatGPT Pro等付费用户开放，后续将实施速率限制，用户可购买额外积分获取更多使用权限 [1] 腾讯混元Image2.0 - 腾讯混元Image2.0实现毫秒级图像生成，用户输入提示词时即可看到实时变化，突破了传统5-10秒生成时间的限制 [2] - 新模型支持文生图和图生图两大功能，图生图模式下可选择"参考主体"或"参考轮廓"，并可调节参考强度 [2] - 双画布联动功能支持实时预览和多图层融合，在复杂场景下可通过多次快速的调试达到理想效果 [2] Manus生图功能 - Manus推出图像生成功能，除单纯生图外，还能理解用户意图、规划解决方案，并知道如何调用各种工具完成任务 [3] - 该工具通过智能体工作流实现从品牌设计到网站部署的一站式服务，新用户可获赠1000积分免费体验 [3] - 实测显示图像生成效果不错，但网站部署等复杂任务运行速度较慢，需等待数分钟至十几分钟不等 [3] Google LightLab - 谷歌推出LightLab项目，通过扩散模型实现单张图像的精确光源控制，可调节光源强度、颜色，并能插入虚拟光源 [4] - 研究团队通过结合真实照片对和合成渲染图像构建训练数据集，利用光的线性特性分离目标光源和环境光 [5] - 实验表明该技术在PSNR和SSIM指标上优于现有方法，能实现物理上合理的光照效果，但需要12小时训练时间和64个v4 TPU [5] Supermemory Infinite Chat API - Supermemory发布Infinite Chat API，作为应用程序和LLM间的透明代理，通过智能维护对话上下文来突破大模型2万Token的限制 [6] - 该API采用RAG技术处理溢出的上下文内容，声称可节省90%的Token消耗，且只需一行代码即可集成到现有应用 [6] - 定价方案包括每月20美元固定费用，每个对话线程前2万Token免费，超出部分按每百万Token 1美元计费 [6] Grok AI异常事件 - Grok AI助手出现异常，在回答各类问题时频繁插入南非"白人种族灭绝"相关内容，引发广泛争议 [7] - xAI官方解释是员工未经授权修改系统提示词导致，并随后在Github公开Grok提示词，承诺增加审查机制和组建监控团队 [7] - 事件暴露了当前AI系统过度依赖提示词的安全隐患，研究显示主流模型都可能通过特定提示技术被攻破，生成有害内容 [7] Windsurf SWE-1模型 - Windsurf发布自研AI软件工程模型系列SWE-1，强调针对整个软件工程流程优化，而非仅限于编码功能 [8] - 该公司被OpenAI以30亿美元收购后首次发布产品，表明从单纯开发应用向自研AI模型转型的战略方向 [8] - SWE-1在编程基准测试中与GPT-4.1等模型表现相当，但落后于Claude 3.7 Sonnet，公司承诺服务成本将低于Claude 3.5 Sonnet [8] Google TPU成本优势 - Google TPU在性能相当的情况下，AI成本仅为OpenAI使用的英伟达GPU的五分之一，其API服务Gemini 2.5 Pro的价格也比o3模型低4-8倍 [10] - Google采用开放策略打造AI代理市集，而OpenAI与微软深度整合提供一体化服务，代表AI即服务市场的两大方向 [10] - 苹果选择使用Google TPU而非英伟达GPU训练其AFM模型，这一决定可能影响更多企业探索英伟达GPU的替代方案 [10] Lovart设计理念 - Lovart创始人认为AI图像产品经历三个阶段：从单一内容生成（Midjourney等），到工作流工具（ComfyUI等），再到当前由AI规划执行的Agent阶段 [11] - Lovart产品设计遵循"还原设计最原始样子"理念，通过画布（桌子）和对话框实现AI与人的自然交互，目标是成为一个集设计师、导演、摄影师于一体的"创意团队" [11] - 在团队组建上，Lovart认为通用型产品经理将被AI取代，更重视能将垂直领域专业知识教给AI的设计师 [11] 大模型思考时间研究 - 分析了大模型"思考时间"的重要性，认为通过增加测试时计算(如思维链、暂停标记等)，可以显著提升模型在复杂任务上的表现 [12] - 当前模型"思考"主要有两种策略：并行采样(同时生成多个输出)和序列修订(基于前一轮输出进行迭代修正)，但在实践中需要平衡思考时间和计算成本 [12] - 研究发现通过强化学习优化思维链可能导致reward hacking问题，模型会在思维链中隐藏真实意图 [12]

项目背景与目标 - 湖南博物院推出"探元计划2024"马王堆丝织文物智能数字仿真复原项目，旨在通过数字技术解决古代脆弱丝织文物数字化复原难题 [1] - 项目由国家文物局科技教育司指导，多家机构联合发起，聚焦行业共性关键问题，在特定文化场景中实现技术创新与落地验证 [1] - 湖南博物院提出亟需创新技术解决古代丝绸服饰类文物脆弱易损、无法完整采集的行业痛点 [1] 技术合作与创新 - 湖南博物院与北京致心科技合作，通过AI技术创新实现马王堆汉墓丝织文物智能数字仿真复原 [2] - 项目以AI数字化技术为核心，针对西汉早期贵族妇女珍品服饰进行复原，其三层复合结构与复杂纹样构成极大挑战 [4] - 腾讯提供启动资金、技术、专家等支持，技术方成功摸索出数字复原技术路径，实现文物本体高精建模及动态效果复原 [4] 四大技术创新突破 - 首次毫米级还原马王堆汉墓丝织文物极致工艺，AI辅助纹样生成时间仅为手绘时间的1/3 [7] - 首次同时实现"修旧如初"和"修旧如旧"两种修复理念，AI辅助污损特征提取效率提升百倍 [8] - 首次将AI工业质检技术应用于文物仿真，还原度检查效率提升20倍 [10] - 首次真实复现西汉丝织服饰垂坠质感与动态效果，采用实物动捕技术采集三维运动数据 [11] 项目成果与影响 - 项目沉淀三大核心数字资产，未来计划推出可复用数字化工具，形成行业化解决方案 [14] - 团队投入1000小时建模，800K分辨率亚像素级精度，10TB过程数据，8卡GPU硬件支持 [16] - 已完成赭黄色纱地印花敷彩丝绵袍三维仿真模型，预计6月底在湖南博物院展示 [16] 文化价值与行业意义 - 项目抢救性保存了承载中华文明密码的珍贵织物，保留濒临失传的传统工艺基因 [2] - 呈现丝织文物细节美感、工艺美感、历史美感与动态美感，为古老文物赋予"数字新生" [14] - 开创传统丝织匠人与AI数字匠人协作新模式，对西汉服饰制度、印染工艺进行数字化解码 [16]

芯片与模型 - 英伟达和AMD在芯片领域关注地理追踪技术 [2] - OpenAI推出GPT-4.1模型并上线强化微调功能 [2][2] - Anthropic开发极限推理模型 [2] - 字节跳动发布Seed1.5-VL和Seed-Coder模型 [2][2] - 腾讯推出UnifiedReward-Think和Hunyuan T1-Vision模型 [2][2] - 苹果研发FastVLM模型 [2] - Sakana AI开发连续思维机器模型 [2] 应用领域 - MiniMax推出人格化语音应用 [2] - 腾讯发布元宝浏览器插件和智能NPC应用 [2][2] - Stability AI与Arm合作开发离线音频生成技术 [2] - 阿里推出Wan2.1-VACE应用 [2] - DeepMind开发数学演化智能体 [2] - Notion发布All-In-One应用 [2] - 腾讯推出插件版Cursor应用 [2] - 阶跃星辰发布Step1X-3D应用 [2] - 千问推出智能助理系统 [2] - OpenMemory开发MCP共享记忆应用 [3] - 多邻国推进AI教育实践 [3] - OpenAI新增PDF导出功能并打通GitHub [3][3] - Lovart推出设计Agent应用 [3] - 昆仑万维发布Matrix-Game应用 [3] - Manus AI提供免费使用权限 [3] - OpenAI进行医学基准测试 [3] - Perplexity推出Comet AI浏览器 [3] - 快手发布AI作图工具Poify [3] - 谷歌推出Gemini 2.5长视频理解应用 [3] - Meta发布AssetGen 2.0应用 [3] - Enigma Labs开发AI多人游戏 [3] - Genspark推出AI Sheets应用 [3] 科技进展 - 苹果研发意念操控iPhone技术 [3] - 特斯拉在擎天柱项目取得新进展 [3] - Matteo Paz发现隐藏天体 [3] - 陶哲轩开发数学估计验证工具 [3] 行业观点 - 红杉资本认为应用层战争是AI行业焦点 [3] - Poe分析AI模型使用趋势 [3] - 英伟达看好AI工厂机会 [3] - OpenAI探讨AI使用差异 [3] - 主流AI公司关注AI人设差异 [3] - Paid公司研究AI产品定价 [3] - a16z分析软件开发模式变化 [3] - 红杉资本讨论AI商业模式转型 [3] - YC探讨AI应用设计 [3] - 英伟达提出物理图灵测试概念 [4] - 美国调整AI规则 [4]

生成式AI技术浪潮 - 生成式AI技术正以前所未有的速度重塑全球产业格局、治理结构与社会生态 [1][2] - 技术突破覆盖内容生产、产业创新、监管实践及伦理治理领域 [1][2] 专题研讨会核心内容 - 腾讯研究院与新加坡管理大学数字法研究中心联合主办"生成式AI进展：应用、治理与社会影响"研讨会 [3][4] - 活动聚焦三大方向：应用趋势、治理挑战及社会深层影响 [3][4] - 跨界多学科对话涉及学界与业界专家 [3][4] 议程与嘉宾 - 主旨演讲嘉宾包括新加坡国立大学人工智能研究所所长Mohan Kankanhalli [8] - 腾讯资深研究员柳天驰将进行主题分享 [8] - 行业应用趋势讨论由腾讯研究院创新研究中心主任袁晓辉主持 [8] - 治理与社会影响讨论嘉宾包括德尊律师事务所董事Cheryl Seah及未来隐私论坛亚太区董事总经理Josh Lee [10] 活动信息 - 时间：2025年5月22日13:00-17:05 [6] - 地点：新加坡管理大学杨邦孝法学院多功能厅 [6] - 线下参会需通过二维码提前注册 [13][15] 延伸内容 - 腾讯研究院院长司晓将发表闭幕致辞 [11] - 推荐阅读包括司晓《拟合未来，选择比能力更重要》及曹建峰《谁为AI事故负责》 [18]

博物馆数字化转型 - 2025年国际博物馆日主题聚焦"快速变化社会中的博物馆未来"，强调博物馆需在保持文化核心价值的同时拥抱数字技术创新[1] - 国家文物局特别强调发动青年群体力量，将博物馆空间转化为青年探索社会议题的实验室[4] - 故宫博物院在香港推出沉浸式数字体验展"纹以载道"，首次展示故宫纹样数字技术应用[6] 技术驱动的展览与运营变革 - AI、VR、AR技术重塑博物馆藏品管理、展览方式和观众体验，AI可自动化完成编目、元数据创建等传统繁琐工作[7] - 故宫博物院已完成92万件文物数字化采集，构建72万平方米紫禁城三维模型，通过AI+VR技术实现可交互文化空间[8] - 疫情后远程教育和在线展览成为常态，短视频、直播等线上渠道保持公众联系，形成线上线下融合的混合模式[8] 青年群体需求与文创发展 - 青年观众更注重沉浸式体验和社交分享，博物馆需提升互动性和"拍照友好"设计[10] - 国家博物馆"凤冠"冰箱贴销量突破53万件，带动门票预约量同比激增10%[12] - 敦煌研究院与腾讯合作推出"敦煌诗巾"DIY小程序，激活文化遗产当代生命力[14][15] 短视频与文化传播创新 - 短视频平台成为博物馆传播主阵地，故宫"故宫猫"系列通过短视频爆火[17] - 甘肃省博物馆结合"天水麻辣烫"热点推出文创产品，相关短视频播放量达2.5亿次，销量同比大涨343%[18] - B站UP主自制短剧《逃出大英博物馆》播放量突破4000万，实现文化议题破圈[19] 文化出海与青年创意 - 《黑神话：悟空》团队73%为35岁以下青年，登顶全球100国游戏销量榜，被外媒称为"中国软实力的数字化觉醒"[19][20] - 泡泡玛特2024年欧美市场营收预计突破15亿元，占总海外收入35%，成为文化出海成功案例[20] - 青年通过数字媒介能力和跨文化意识，成为连接中国与世界的桥梁[19][21] 博物馆的核心使命与创新平衡 - 技术无法替代博物馆的人文价值和核心使命，需平衡"变"与"不变"[23] - 博物馆需确保技术变革提升而非削弱其社会功能，保持文化表达的真实性与伦理责任[24] - 未来应深化技术应用、强化青年合作，发挥文化身份连接者和守护者的作用[24]

生成式AI 一、 5090将被定位？美或强制植入「地理追踪」锁定高端GPU 1. 美参议员提出法案要求英伟达、AMD等厂商在高端GPU和AI芯片中植入地理追踪功能，6 个月后生效； 2. 管制范围包括AI处理器、高性能服务器及RTX 5090等高端显卡，目的是防止战略硬件流入 未授权国家； 3. 芯片厂商需承担产品追踪责任，法案还要求进行为期三年的年度评估，或将实施更多限制 措施。 https://mp.weixin.qq.com/s/ngr8SSSzneq050_u_lcNvg 2. 新模型能够自主暂停、重新评估问题并调整策略，在代码生成任务中可自动测试和修正错 误； 3. 消息称确实有个正在测试、代号为Neptune的新模型，最大支持128k tokens上下文长 度。 https://mp.weixin.qq.com/s/pkhgH2Q7kta0KwHH5_jdgA 四、 超越OpenAI、ElevenLabs？MiniMax新一代人格化语音模型 二、 GPT-4.1正式在ChatGPT中上线，但暂时没有1M上下文 1. OpenAI在ChatGPT中正式上线GPT-4.1模型，Plus、Pro和Tea ...