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。

Uber 与 Delta 航空达成独家合作，整合 AI 技术优化出行体验。通过 Joby Aviation 的 eVTOL 技术，三方探索地面与空中交通的无缝连接，推动智能出行生态发展。Uber 的 AI 平台 ElevateOS 支持按需空中出租车服务，结合 Delta 的客户资源，加速城市空中交通的商业化落地。这一合作标志着 AI 在智能交通领域的深度应用，未来可能重塑城市出行模式。

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。

CES 2025 展示了 AI 技术在多个领域的创新应用。Nvidia 的生成式世界模型仿真工具 Cosmos 和云端 AI 超算平台被 Uber 用于自动驾驶技术开发，突显了生成式 AI 在复杂场景模拟中的潜力。BMW 推出基于 AI 的车载界面定制系统，通过屏幕反射实现挡风玻璃显示，展示了 AI 在智能座舱中的创新应用。此外，Acer 和 Razer 推出的游戏设备也体现了 AI 在增强用户体验方面的作用。这些进展表明，AI 正加速渗透到汽车、游戏和消费电子等领域，推动技术融合与产业升级。

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。

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。

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。

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

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

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。

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。

CES 2025 聚焦 AI 技术前沿，Nvidia 和 AMD 将在 GPU 领域展开激烈竞争，Nvidia 预计发布 GeForce RTX 50 GPU，进一步巩固其在 AI 芯片市场的领先地位。AI 技术将广泛应用于消费电子、汽车、家电等领域，推动多模态融合和边缘计算发展。尽管生成式 AI 设备如 Rabbit R1 和 Humane AI Pin 未能达到预期，AI 仍将是展会的核心议题，涵盖从芯片到智能助手、自动驾驶等多样化应用场景。

谷歌前CEO埃里克·施密特预测，2025年AI将实现三大突破：获得“永久记忆”、智能体从对话到行动的飞跃、文本到行动的编程革命。他强调AI变革将“一切，无处不在，同时发生”，警告美国可能在2028年耗尽能源储备，因数据中心耗电量巨大。
来源：36Kr

智象未来发布智象多模态生成大模型3.0和智象多模态理解大模型1.0，旨在提升视觉多模态基础模型服务，激发创造力。创始人梅涛院士强调了AI技术在推动科学发展和具身智能方面的重要性，提出了大模型通往AGI的两条路径。
来源：HiDream智象未来

《AI 在儿童内容安全中的应用与挑战》：纽约时报调查揭露儿童网红行业中的潜在性侵风险，凸显 AI 在内容审核和用户行为分析中的重要性。Meta 已通过隐私设置和互动限制保护未成年账户，但 AI 需进一步优化以识别隐蔽的恶意行为。未来，结合多模态模型和联邦学习，AI 可在保护隐私的同时，提升对异常行为的检测能力，为儿童在线安全提供更全面的技术保障。

百度近期在Web端首页推出全新的搜索引擎入口“AI搜”（Chat.baidu.com），基于文心大模型，整合了百度搜索、健康、律临、文库、教育等多内容生态，提供无广告、可靠和权威的搜索结果。功能涵盖话题探索、问题解决、决策辅助等，支持文生图、逻辑推理、智能摘要等AI技术。用户还可创建智能体并互动，提升个性化体验。李彦宏宣布2025年初将推出文心大模型新版本，持续加强AI技术应用。

字节跳动在大模型领域起步较晚，但凭借强大的资源投入和战略布局，迅速崛起。2024年，豆包App月活跃用户达5998万，跃居全球第二、国内第一。字节通过C端高强度市场投放、B端低价策略及持续的算力和人才投入，在短短一年多内实现了从“迟到者”到“破局者”的转变。此外，字节正构建全面的AI产品生态体系，涵盖大模型产品、基础AI开发、AI社交等多领域，目标是再造一个“AI工厂”。

前阿里前端技术专家玉伯，离开蚂蚁集团后创办AI公司思维天空，推出AI工具YouMind，旨在服务全球创作者。YouMind集成多模态内容，提供网页总结、翻译、ChatBot对话等功能，支持用户将内容分类收藏。目前处于内测阶段，已有近5000人申请，公司估值过亿。
来源：量子位