微软宣布在印度核心领域展开广泛AI合作，计划投资30亿美元，与政府及企业合作推动AI技术应用。重点包括：支持印度AI数据集平台的数据收集与合成生成，培训50万名AI技术人才，建立AI卓越中心及20个AI实验室。合作涵盖铁路、医疗、金融、制造和教育领域，如与RailTel合作推进铁路数字化和AI转型，与Apollo Hospitals开发医疗AI助手，与Bajaj Finance合作实现年成本节约1800万美元。此举旨在与谷歌、亚马逊等竞争，加速AI在印度的商业落地和人才培养，推动多模态AI和边缘计算等技术的应用。

英伟达开源了 Cosmos 世界模型，这模型支持文生视频和文+视频生视频，主要应用于机器人和自动驾驶领域的大规模合成数据生成。

目前，英伟达已经开放了多个不同的预训练模型，这些模型均支持商业用途。佬友们也可以在线体验下，看看这个模型的实际效果如何。

OpenAI CEO Sam Altman 近期因家庭纠纷引发关注，但其对 AI 技术的贡献及 OpenAI 的发展方向仍是焦点。Altman 领导下的 OpenAI 持续推动大语言模型（如 GPT 系列）和多模态模型的创新，致力于 AGI 发展及技术伦理规范。尽管个人争议，OpenAI 在 AI 编程、智能助手、医疗诊断等领域的应用仍具重要影响力。未来，AI 技术的多模态融合、算力优化及可解释性将是关键发展方向。

Nvidia 在 CES 2025 上推出 Project Digits，一款个人 AI 超级计算机，搭载 Grace Blackwell 超级芯片，支持运行高达 2000 亿参数的模型。该设备旨在降低高性能 AI 计算的门槛，推动 AI 技术在边缘计算和个性化应用中的普及。同时，May Mobility 展示了电动自动驾驶小巴，进一步扩展 AI 在交通领域的落地场景。这些创新标志着 AI 技术向更高效、更普惠的方向发展，同时加速了 AI 在消费级和行业级应用的商业化进程。

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。

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。

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。

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。

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。

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

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

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

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

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。

LatentSync 是字节开源的用于口型同步的扩散模型，只需提供角色视频和要同步的音频即可生成。该模型对硬件的要求适中，仅需 6.5 GB 的 GPU 即可运行，适合大多数开发者和研究人员使用。此外，@fffiloni大佬还提供了一个在线演示可以玩一下。

DDUF（DDUF’s Diffusion Unified Format）是一种为扩散模型设计的单文件格式，旨在统一不同的模型分发方法和权重保存格式。它将模型的所有组件打包到一个文件中，并且与语言无关，支持远程解析。目前社区热门的模型已经有专门的 DDUF 格式了，之前看到一大堆文件就头疼，以后就好了。

微软计划在2025财年投入800亿美元建设AI数据中心，主要用于训练AI模型和部署全球AI及云应用。其中超半数投资将用于美国，旨在推动AI技术创新和生产力提升。微软与OpenAI正合作开发名为Stargate的AI超级计算机数据中心，预计耗资超1000亿美元。此举凸显AI对算力和电力的巨大需求，可能引发数据中心电力短缺问题，同时也标志着AI基础设施建设的全球竞争加剧。

微软推出 LAM（Large Action Model）“大型动作模型” ，能够独立操作Windows程序，将用户请求转化为实际行动。是首个专门训练与微软Office产品一起工作的模型。在Word测试中，LAM的成功率达到71%，速度超过GPT-4o。
来源：AI工具集

雷鸟创新与阿里云达成AI眼镜领域的独家战略合作，阿里云通义大模型将为雷鸟AI眼镜提供技术支持。是国内首次大模型与AI眼镜硬件厂商深度定制合作。双方将共同投入研发资源，围绕云计算、大模型、AI硬件等领域合作。雷鸟计划于1月7日发布雷鸟V3 AI拍摄眼镜。
来源：IT之家