Know AI. See What’s Next.
第 1 张，共 5 张：当年「字节投毒实习生」田柯宇，估值 2 亿美元，要挑战李飞飞做世界模型
最新资讯流
速递｜成立一年的开源编程Agent初创OpenHands，完成1880万美元融资（在新窗口打开）
在我们探讨今日关于Gemini 的新闻之前，需要提及今晨微软与英伟达宣布，将投资 Anthropic。该公司承诺在未明确时限内投入至少 300 亿美元租赁微软 Azure 云平台上配备英伟达芯片的服务器。至此，三大云服务商均已注资这家 OpenAI 的竞品，再次释放微软已从 ChatGPT 制造商分散投资的信号。
Sora 想做的 IP 内容生态，这个国产 AI 已经先走了一步（在新窗口打开）
今年不少出圈的 AI 视频，基本都有一个共同点：套了个熟悉的 IP 壳。
大模型：从 .txt 到 .exe（在新窗口打开）
下面这个，来自《人类的认知协议》的最后一个章节，写于一年前
对话斑马口语：如何用 AI Agent 造出「超人类外教」？（在新窗口打开）
真人外教会累、会忘、会不稳定，无法实现「千人千面」的颗粒度。这是 AI Agent 的机会。
何恺明团队新作：扩散模型可能被用错了（在新窗口打开）
何恺明又一次返璞归真。 最新论文直接推翻扩散模型的主流玩法——不让模型预测噪声，而是直接画干净图。 如果你熟悉何恺明的作品，会发现这正是他创新的典型路径，不提出更复杂的架构，而是把问题拆回最初的样子，让模型做它最擅长的那件事。 实际上，扩散模型火了这么多年，架构越做越复杂，比如预测噪声、预测速度、对齐latent、堆tokenizer、加VAE、加perceptual loss…… 但大家似乎忘了，扩散模型原本就是去噪模型。 现在这篇新论文把这件事重新摆上桌，既然叫denoising模型，那为什么不直接denoise？ 于是，在ResNet、MAE等之后，何恺明团队又给出了一个“大道至简”的结
对谈 Sora 核心团队：Sora 其实是一个社交产品，视频生成模型会带来科研突破（在新窗口打开）
上个月 OpenAI 在发布 Sora 2 的同时将其作为独立应用发布，产品一经上线便登顶苹果应用商店榜首的现象级产品。本篇内容是对 Sora 2 的三位核心负责人的访谈：研发负责人 Bill Peebles、产品负责人 Rohan Sahai 以及工程与产品负责人 Thomas Dimson，Dimson 还参与过 Instagram 产品的搭建。
AI内容首超人类，意味着什么？（在新窗口打开）
AI内容就像是快餐，可以快速填饱肚子；而人类创作更像是私房菜，可能有瑕疵，但更有味道。现在的问题是，我们是否愿意为了效率而放弃味道？
NeurIPS 2025 Spotlight | 香港大学提出无需数据标记的ViT密集表征增强方法（在新窗口打开）
在视觉处理任务中，Vision Transformers（ViTs）已发展成为主流架构。然而，近期研究表明，ViT 模型的密集特征中会出现部分与局部语义不一致的伪影（artifact），进而削弱模型在精细定位类任务中的性能表现。因此，如何在不耗费大量计算资源的前提下，保留 ViT 模型预训练核心信息并消除密集特征中的伪影？
如视发布空间大模型Argus1.0，支持全景图等多元输入，行业首创！（在新窗口打开）
近来，世界模型（World Model）很火。多个 AI 实验室纷纷展示出令人惊艳的 Demo：仅凭一张图片甚至一段文字，就能生成一个可交互、可探索的 3D 世界。这些演示当然很是炫酷，它们展现了 AI 强大的生成能力。
世界第一「空间智能」引擎！苹果没做成的，95后博士拿下了（在新窗口打开）
2024年以来，从苹果Vision Pro将「空间计算」推向巅峰，到Peloton Guide、Nex Playground等「AI摄像头」硬件开始在小规模市场中验证可行性，风口已然初现。
“日本版OpenAI”创下估值新高！Transformer八子之一创办，老黄也投了（在新窗口打开）
刚刚，创下日本估值新高的AI初创公司诞生了！
首个AI神作！一人分饰全角，万人围观外星人嘲讽人类灭绝（在新窗口打开）
在AI时代，一个洛杉矶电影人用AI工具打造出「电影宇宙」——外星格隆人研究人类文明的搞笑伪纪录片，从健身到橄榄球，全是滑稽误解！
谷歌抢跑L3级AI，Gemini连续工作40分钟，Agent自动生成评审百条创意（在新窗口打开）
OpenAI定义的L3 AI，要被谷歌抢先一步了。
终于不用为GPU算力发愁了，10块钱训练一个GPT！（在新窗口打开）
前不久写了一期卡神做的 nanochat ，听朋友说咱们国产早就有类似的开源项目了：miniMind 。
原腾讯Robotics X算法研究员创业，4个月获3轮融资，要在3-5年将人形机器人送进家庭（在新窗口打开）
在腾讯四年，朱庆旭曾将多种训练数据喂给具身模型，最终他得出结论：“基于遥操作数据训练的主流方案，有着原理性缺陷。”
融资数亿、营收过亿！黄仁勋频频关注的具身赛道隐形冠军浮出水面（在新窗口打开）
刚刚，一家AI公司的融资引发了圈内热议。
盘点：2025 年最值得关注的 18 家 AI Voice Agent 创业公司（在新窗口打开）
「大家严重低估了 Voice 作为 AI 交互界面的潜力。」
文献、报告、合同翻译的老大难被国产工具治了？三大翻译神器横评后，这家稳得离谱（在新窗口打开）
“开组会是一场巨大的精神霸凌。” 哪怕毕业了这么多年，在社交软件看到这几个字的时候心里还是咯噔了一下… 毕竟，导师一句“这些文献你先读一读哈～”往往意味着：马上要啃几十页外文PDF、上百条术语、无数个长难句！！！！（难啊……） 就在我们“苦中作业”的时候，我发现了百度翻译里的一个隐藏板块——叫「文档翻译」，据说不仅翻译水平在线，支持200+种语言翻译，连文章的排版、格式都能高度还原？ 这么好的功能当然不放过，我立刻把它拉进横评跑了一遍，测下来最直观的感受是—— 翻译够准、排版能打，连对照阅读都安排上了： 不仅如此，翻的时候旁边还挂着个AI助手，能一边总结文章内容、一边帮你划重点，嗯..感觉像是
何恺明重磅新作：Just image Transformers让去噪模型回归基本功（在新窗口打开）
大家都知道，图像生成和去噪扩散模型是密不可分的。高质量的图像生成都通过扩散模型实现。
分享我的 AI 独立开发技术栈（2025 终极版）（在新窗口打开）
周末和几个老同学聚了聚。大家都在互联网行业，聊着聊着话题自然绕到 AI。