AMD 在 CES 2025 上发布了多款 AI 加速芯片，包括 Ryzen AI 300 系列和 Ryzen AI Max 系列，均配备专用 NPU，用于加速 AI 工作负载，如文本摘要和图像编辑。这些芯片面向 Copilot+ PC，支持 Windows 11 的 AI 功能，提供高效能 AI 应用性能。此外，AMD 还推出了基于 RDNA 4 架构的 GPU，提升了 AI 加速和光线追踪性能。这些创新标志着 AI 技术在消费级硬件中的进一步普及，推动了边缘计算和多模态 AI 应用的发展。

Google 在 CES 2025 推出基于 Gemini AI 助手的 TV 操作系统，新增新闻摘要功能。该功能通过整合互联网新闻和 YouTube 视频标题，生成每日新闻简报，提升用户获取信息的效率。此举标志着 Google 正式进入 AI 新闻摘要领域，尽管面临内容授权和 AI 幻觉等挑战。Google 计划通过自然语言交互和传感器技术，将 TV 转变为更智能的交互平台，推动多模态 AI 在家庭场景的落地。

Nvidia 在 CES 2025 上发布了 Cosmos World Foundation Models (Cosmos WFMs)，这是一系列基于物理感知的视频预测与生成的世界模型。这些模型分为 Nano、Super 和 Ultra 三类，参数规模从 40 亿到 140 亿不等，适用于低延迟、高性能和高保真输出场景。Cosmos WFMs 可用于生成合成数据，支持自动驾驶、机器人等领域的模型训练。Nvidia 还提供了上采样模型、增强现实视频解码器和安全护栏模型，确保负责任的使用。模型训练基于 9000 万亿 token 的多样化数据，涵盖人类交互、环境和工业场景。尽管存在版权争议，Nvidia 强调其数据使用符合法律精神。Cosmos WFMs 的开放性和可定制性为物理 AI 研究和开发提供了强大工具。

VideoRefer 是阿里开源的一项专门用于视频中对象的感知和推理的技术。该技术包括数据集、模型和基准测试三大核心组件，能够对用户定义的区域进行细粒度的感知、推理和检索，支持单帧和多帧输入。简单来说，就是利用 LLM 来理解视频内容。目前，该模型的代码和模型均已开源。

Reflections 是 OpenAI 的 CEO Sam Altman 在其博客上发表的一篇文章。文中，他表达了对构建传统意义上的通用人工智能（AGI）的强烈信心，并预测到 2025 年，AI 代理将“加入劳动力市场”，从而实质性地改变公司的产出方式。

此外，Sam 还发了个推，目前每月 200 美元的 OpenAI Pro 订阅服务正在经历巨额亏损，利好老黄。

VITA-1.5 是一个开源的多模态视频语音大模型，类似于 GPT-4o，支持实时视频语音交互。它基于 Qwen2.5 模型，具备随时打断的功能。演示视频效果不错，值得一看。佬们可以在VITA-1.5 GitHub 仓库了解更多。

知名大模型竞技场lmsys 近日正式上线了文生图竞技场，社区已对 7 款模型进行了 4 万次投票。

目前，Recraft V3 模型获得榜首，整体排行差不多，不像收了钱的，不过 Midjourney 和国内的各种模型目前都还没有收录。

英国竞争与市场管理局（CMA）利用 AI 技术应对公共采购合同中的“串标”问题。通过 AI 分析大规模投标数据，识别异常模式，检测企业间可能的合谋行为，从而防止成本虚高。这一试点项目展示了 AI 在反竞争行为监测中的潜力，特别是在数据密集型场景下的应用。此前，CMA 已对学校屋顶合同串标展开调查，并对 10 家建筑公司处以 7500 万美元罚款。AI 的应用有望提升监管效率，推动公平竞争。

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。

谷歌 DeepMind 联合哥伦比亚大学和加州大学圣地亚哥分校开发了 CAT4D AI 系统，能够将普通视频转化为动态 3D 场景。系统基于扩散模型，将单视角视频转换为多视角视图，用户可以从不同角度观看视频中的主体。
来源：AI工具集

上海市在“人工智能+”行动推进大会上发布了“天工人工智能工业平台”和“工业语料库 1.0 版”。天工平台采用开放架构，兼容主流大模型，提供从底层算力到顶层应用的全面支持，旨在降低工业企业使用 AI 的门槛，提高应用开发效率，助力企业智能化转型。工业语料库则为企业提供精准的决策支持和解决方案。
来源：IT之家

阿里通义千问 Qwen 推出了 CodeElo 基准测试，利用 Elo 评级系统评估大语言模型（LLM）的编程能力。CodeElo 通过 CodeForces 平台的题目进行测试，确保评估的准确性和全面性。在测试中，OpenAI 的 o1-mini 模型表现最佳，Elo 评分为 1578，超过了 90% 的人类程序员。
来源：AI工具集

马斯克宣布 Grok 3 即将推出，预训练已完成，计算量比 Grok 2 高出十倍。去年 7 月，Grok 3 使用了 10 万块英伟达 H100 芯片进行训练，但未能如期发布。去年 12 月，xAI 向所有 𝕏 平台用户免费推出了 Grok-2 模型，Premium 用户将优先访问新功能。
来源：IT之家

微软计划在2025财年投资800亿美元建设支持人工智能运算的数据中心，其中超过一半的资金将投向美国市场。微软副董事长布拉德·史密斯表示，美国在全球AI竞赛中处于领先地位，得益于私人资本投入和技术创新。微软已向OpenAI投资超过130亿美元，将其AI模型整合到Windows、Teams等产品中。
来源：IT之家

昆仑万维集团宣布，「天工大模型4.0」o1版和4o版于2025年1月6日正式上线天工网页和APP，供用户免费使用。o1版专注于中文逻辑推理，具备强大的数学、代码、逻辑、常识和伦理决策能力，通过多智能体体系和强化学习等技术提升推理性能。4o版为多模态模型，语音对话助手Skyo具有情感表达和多语言切换能力，提供流畅的实时对话体验。
来源：昆仑万维集团

由阿里巴巴达摩院实习生孙朝阳等人开发的SHMT模型，采用隐式扩散模型实现自监督层级化妆迁移，已被NeurIPS2024接收。项目包含训练、测试代码及预训练模型，已开源并验证可正常训练和推理。此外，团队在CVPR2024、TNNLS2023和AAAI2022也有相关成果发布。代码链接：https://github.com/Snowfallingplum/SHMT

OpenAI CEO Sam Altman 在采访中透露了公司未来技术发展方向，包括芯片计划和大语言模型 ChatGPT 的定价策略。这一事件凸显了 AI 企业在技术研发与商业化落地中的关键挑战，如算力优化、成本控制和商业模式的探索。OpenAI 的技术路线将继续影响大语言模型和多模态 AI 的发展，推动其在智能助手、AI 编程等领域的应用深化。

新闻揭示了 AI 在身份验证和社交媒体分析中的应用潜力。通过语音识别和图像分析技术，结合社交媒体行为数据，AI 能够辅助验证用户身份的真实性。这一案例展示了 AI 在跨模态数据分析（如语音、图像和行为模式）中的实际应用，突显了其在网络安全和数字身份管理领域的重要性。未来，随着多模态 AI 技术的进一步发展，类似应用将更加精准和高效。

TangoFlux 是一个开源的极速文本转音频（TTA）生成模型，在单个 A40 GPU 上仅需 3.7 秒即可生成 30 秒的 44.1kHz 音频。佬友们可以在线体验 看看，速度确实飞快，生成的质量也算还行。

知名开源电子书转有声书项目ebook2audiobook 发布了 2.0 版本。新版本支持本地语音克隆与有声书生成，覆盖了 1000 种语言，并配备了全新的 WebUI 界面。

此外，安装脚本也得到了优化，使用更加便捷。想体验新功能的佬友，可以访问在线版本进行试用。