AI新闻动态（2025-03-16到2025-03-22)

[ikaijua]

AI新闻动态（2025-03-16到2025-03-22)

目录

AI产品

1. 老黄在GTC大会上宣布多项AI和GPU技术突破，强调推理模型使算力需求激增150倍
2. Mistral AI 开源 24B 的多模态小模型 Mistral Small 3.1，性能超 GPT-4o Mini 和 Gemma 3
3. OpenAI 发布了新的音频模型gpt-4o-transcribe 和 gpt-4o-mini-transcribe
4. 百度宣布推出两款大模型：文心大模型X1和文心大模型4.5
5. 群核科技在GTC2025全球大会上宣布开源空间理解模型SpatialLM
6. OpenAI 发布了 o1 推理模型的升级版 o1-pro，性能更强大，但比DeepSeek贵270倍
7. 新的AI绘画模型Reve Image
8. Cursor上线Claude Max模式，该模式基于Claude 3.7 Thinking模型，拥有更强的智能
9. 谷歌Gemini推出了新功能Canvas，提供免费的AI写作助手服务

机器人

1. 宇树G1和Altlas等机器人最新的秀肌肉大赛
2. 英伟达推出全球首个开源人形机器人通用模型Isaac GR00T N1
3. 傅利叶开源了全尺寸人形机器人数据集Fourier ActionNet，并发布全流程工具链

AI研究

1. 腾讯玄武实验室推出低成本的基于CPU的DeepSeek-R1-671B-Q8部署方案，硬件成本不到4万元人民币
2. 开源的任意尺度超分辨率模型Thera

AI洞察

1. Django创造者Simon Willison分享如何使用LLM帮助写代码

AI投资

1. 马斯克的xAI公司收购了视频生成初创公司Hotshot

[ikaijua]

2025-03-19 老黄在GTC大会上宣布多项AI和GPU技术突破，强调推理模型使算力需求激增150倍

1. 发布新一代单机GPU Blackwell Ultra，性能显著提升，预计下半年上市。
2. 预告未来GPU架构升级路线图，包括2026年的Vera Rubin和2027年的Rubin Ultra。
3. 推出由GB30驱动的AI主机DGX Station，支持本地大模型微调和运行。
4. 开源推理加速工具和模型，显著提升性能。
5. 发布开源人形机器人，采用双系统设计，能执行日常任务。
6. 英伟达与谷歌和迪士尼合作推出牛顿物理引擎，用于电影制作和游客接待。

• Web3天空之城: 中英全程| 英伟达 CEO 黄仁勋 GTC2025 主题演讲，

媒体文章：

• 机器之心: 专为DeepSeek类强推理加速，老黄拿出Blackwell Ultra，下代架构性能还要翻倍
• 量子位: 老黄发布新核弹B300，英伟达：B200已破DeepSeek-R1推理世界纪录

[ikaijua]

2024-03-21 OpenAI 发布了新的音频模型gpt-4o-transcribe 和 gpt-4o-mini-transcribe

1. 两个语音识别模型gpt-4o-transcribe（精准版）和 gpt-4o-mini-transcribe（轻量版），相较之前的Whisper模型，准确率有明显提升。
2. 文字转语音模型 gpt-4o-mini-tts，支持自定义声音风格，模型在语音转文本的准确性和可靠性方面实现了新的 SOTA 水平。
3. 新模型特别适用于复杂场景，能够更好地处理口音、嘈杂环境和不同语速。
4. OpenAI 推出了新的 API，允许开发人员指导文本转语音模型以特定方式说话，例如模拟富有同情心的客户服务人员，开启了语音智能体的新定制化维度。
5. OpenAI 的音频模型基于 GPT‑4o 和 GPT‑4o-mini 架构，在专门的以音频为中心的数据集上进行了广泛的预训练，提高了模型性能。
6. OpenAI 开放了一个网站，可以直接测试音频大模型的能力：https://www.openai.fm/

开发者文档：https://platform.openai.com/docs/guides/audio

官方博客：https://openai.com/index/introducing-our-next-generation-audio-models/

媒体文章：

• 机器之心: 刚刚，OpenAI开启语音智能体时代，API价格低至每分钟0.015美元

[ikaijua]

2025-03-19 群核科技在GTC2025全球大会上宣布开源空间理解模型SpatialLM

1. SpatialLM是基于大语言模型的3D场景语义生成框架，突破了传统模型对物理世界几何与空间关系的理解局限。
2. 该模型能够通过视频生成物理正确的3D场景布局，已在HuggingFace、GitHub等平台开源。
3. SpatialLM旨在为具身智能领域提供基础的空间理解训练框架，降低训练门槛。
4. 群核科技计划继续迭代SpatialLM模型，增加自然语言和场景交互等功能。
5. 群核科技的空间智能平台SpatialVerse与SpatialLM模型协同合作，打通现实与虚拟的闭环路径。
6. 群核科技已与国内外具身智能企业合作，在空间和具身智能训练领域取得进展。

媒体文章：

• 机器之心: 1段视频=亿万虚拟场景，当真实世界秒变机器人训练场

[ikaijua]

2025-03-20 OpenAI 发布了 o1 推理模型的升级版 o1-pro，性能更强大，但比DeepSeek贵270倍

1. o1-pro 使用更多计算资源，提供更好的响应。
2. 该功能仅对特定开发者（Tier 1–5）开放，o1-pro支持视觉处理、函数调用、结构化输出，并兼容响应式和批量API。
3. o1-pro 的 API 价格提高，输入和输出 token 的费用分别为每百万 150 美元和 600 美元。
4. o1-pro具有20万上下文窗口，知识截止日期为2023年10月1日，擅长复杂推理任务。
5. OpenAI CEO奥特曼表示，Pro模式可以更加努力地思考最困难的问题。
6. 目前该功能仅对特定开发者开放（Tier 1–5 开发者）。
7. 有观点认为，o1-pro的高昂定价更像是OpenAI在给投资者“作秀”。

媒体文章：

• 机器之心: 刚刚，OpenAI推出最贵o1-pro API！千倍于DeepSeek
• 量子位: OpenAI史上最贵模型来了！比DeepSeek贵270倍，100万输出token 600美元

[ikaijua]

2025-03-19 谷歌Gemini推出了新功能Canvas，提供免费的AI写作助手服务

1. Canvas可以帮助用户撰写演讲稿、修改论文、制作工作报告等。
2. Canvas工作区支持实时预览和调整代码，适用于网页应用、Python脚本和小游戏的快速原型开发。
3. Gemini还引入了Audio Overview功能，通过AI主持人聊天式播客的形式，帮助用户理解和总结长文档内容。
4. Audio Overview目前仅支持英文，且尚未在所有用户的Gemini中上线。

媒体文章：

• 机器之心: 比Manus好使！实测谷歌AI显眼包：三秒唠出一个网页，文件直接开口说相声

[ikaijua]

2025-03-19 Cursor上线Claude Max模式，该模式基于Claude 3.7 Thinking模型，拥有更强的智能

1. Claude Max擅长处理大规模代码和复杂逻辑，适合硬核开发者和大型项目。
2. Claude Max拥有高达200K的上下文窗口，能处理大量代码，并能进行多达200次的工具调用。
3. Claude Max采用按使用量计费的方式，每次请求和工具调用均需额外付费。
4. 用户反馈显示，使用Claude Max可能导致高额费用，一些用户在使用后发现代码出现大量报错，或者一次任务花费十几元。
5. 测评显示，Claude Max在物理模拟和3D游戏开发方面表现出色，能生成具有多种视角的3D赛车游戏。
6. Claude Max在应用开发方面也展现出强大的能力，例如可以生成AI记账App，但生成过程可能需要人工干预。

媒体文章：

• 机器之心: Cursor重磅上线Claude Max，工具调用一次0.05美元，充值实测一波

[ikaijua]

2025-03-19 Django创造者Simon Willison分享如何使用LLM帮助写代码

1. Simon Willison分享了他使用LLM辅助编程的经验，强调设定合理期望、考虑训练截止日期、上下文管理等策略。
2. 使用LLM编程需要付出巨大努力，没有现成的指导，且LLM会犯错误，需要人类进行测试和修正。
3. 使用LLM的最大优势是提高开发速度，使开发者能够实现更多想法，加速学习新事物。
4. LLM能够放大已有专业知识，帮助回答有关代码库的问题，是深入理解新代码库的好方法。

媒体文章：

• 机器之心: Django创造者Simon Willison分享：我如何使用LLM帮我写代码

[ikaijua]

2025-03-18 Mistral AI 开源 24B 的多模态小模型 Mistral Small 3.1，性能超 GPT-4o Mini 和 Gemma 3

1. 该模型推理速度达到 150 个 token / 秒，支持在单个 RTX 4090 或 32GB RAM 的 Mac 上运行。
2. Mistral Small 3.1 具有更大的上下文窗口（128k），改进了文本生成能力，并新增了视觉能力。
3. 该模型适用于多种生成式 AI 任务，包括指令遵循、对话辅助、图像理解和函数调用。
4. Mistral Small 3.1 开源协议为 Apache 2.0，可用于研究和商用。
5. 模型可在 huggingface 网站下载，包括 Mistral Small 3.1 Base 和 Mistral Small 3.1 Instruct。

模型地址：https://huggingface.co/mistralai/Mistral-Small-3.1-24B-Instruct-2503
官方新闻：https://mistral.ai/news/mistral-small-3-1

媒体文章：

• 机器之心: 单个4090就能跑，Mistral开源多模态小模型，开发者：用来构建推理模型足够香

[ikaijua]

2025-03-16 百度宣布推出两款大模型：文心大模型X1和文心大模型4.5

2. 文心X1强调深度思考，具备理解、规划、反思、进化能力，支持多工具调用。
3. 文心4.5作为新一代多模态基础大模型，擅长多模态理解和语言能力提升。
4. 两款模型已在文心一言官网、百度搜索、文小言APP等产品上线，并提供免费体验。
5. 百度提前实施文心一言全面免费政策，并公布API价格，降低开发者使用成本。
6. 百度通过飞桨和文心联合优化，实现文心X1推理成本的大幅降低。
7. 两款模型在多模态理解、文本创作、逻辑推理等方面展现出色性能，文心4.5在音视频理解分析上表现突出。

在线使用：https://yiyan.baidu.com/

媒体文章：

• 机器之心: 提前免费！百度连发两款模型，我们实测：能听歌看电影，还会蛐蛐人
• 量子位: 百度版深度思考模型免费上线！API定价比DeepSeek R1再砍一半

[ikaijua]

2025-03-19 马斯克的xAI公司收购了视频生成初创公司Hotshot

1. Hotshot由四人团队在13个月内打造了3款视频生成基础模型。
2. 收购后，Hotshot停止推出新功能，用户创作的视频下载截止日期为3月30日。
3. Hotshot团队虽小，但获得了Reddit联合创始人等知名投资者的支持。
4. Hotshot最初是基于开源图片生成模型Stable Diffusion，后转向视频生成模型自研。
5. Hotshot的三个视频模型分别是Hotshot-XL、Hotshot Act-One和Hotshot，分别有不同的开发时间和功能。
6. 马斯克计划发布自己的Grok视频模型，以与OpenAI、谷歌等竞争。

媒体文章：

• 量子位: 马斯克收购视频生成初创公司，4人13个月打造类Sora模型

[ikaijua]

2025-03-17 傅利叶开源了全尺寸人形机器人数据集Fourier ActionNet，并发布全流程工具链

1. 首批上线超过3万条高质量真机训练数据，包含多种自由度灵巧手的训练数据及专门针对手部任务的模仿学习数据。
2. 数据集涵盖对常用工具、家居用品、食物等多种物体的精确取放、倾倒等操作。
3. 所有数据均采用视觉语言模型（VLM）进行自动标注，并通过人工二次核验，确保数据精度与准确性。
4. 开源的训练框架（如DP、ACT、iDP3）和部署工具，进一步降低了人形机器人技术研发门槛。
5. 基于扩散策略（DP）、Transformer动作分块策略（ACT）及改进3D扩散策略（iDP3）对数据集进行系统性验证。

媒体文章：

• 量子位: 傅利叶开源全尺寸人形机器人数据集，首批上线超3万条真机数据

[ikaijua]

2025-03-22 宇树G1和Altlas等机器人最新的秀肌肉大赛

1. G1机器人展示了鲤鱼打挺、中国功夫等高难动作，还展示了扫堂腿和太极拳两组中国功夫，在被飞踹后仍能保持重心。宇树在同一天发布了全球首次人形机器人原地侧空翻的视频，难度高于侧手翻。
2. 波士顿动力Atlas也展示了田径起跑、侧手翻、托马斯等运动动作。波士顿动力Atlas开始参与广告拍摄，探索机器人辅助电影拍摄和虚拟广告制作。
3. 1X的NEO机器人与英伟达老黄合作拍摄视频，赠送新皮衣。

Altlas的视频：

altlas.mp4

媒体文章：

• 量子位: 宇树再上大分：机器人全球首次鲤鱼打挺

[ikaijua]

2025-03-18 腾讯玄武实验室推出低成本的基于CPU的DeepSeek-R1-671B-Q8部署方案，硬件成本不到4万元人民币

1. 峰值生成速度7.17 tokens/s，整机功耗和噪音与家用台式机类似。
2. 在CPU推理方案中，内存带宽、CPU核心数、SSD读写速度、CPU主频对性能影响依次递减，选型时应按此优先级分配预算。同时，12个内存通道必须插满，单条内存选64GB，主板不选支持2DPC的，CPU用风冷，内存散热很重要。
3. 基于AMD EPYC 5th Gen 9005系列处理器，包括MZ33-AR1主板、EPYC 9115或9135 CPU、DDR5 5600MHz 64GB×12内存、1TB SSD、850W电源、CPU散热器、内存散热器和机箱，总计35686元（选EPYC 9135则为38186元）。。
4. 内存散热至关重要，可适当对内存进行超频，将频率从5600MHz提升到6000MHz，以进一步提升性能。
5. 配置系统使用1G大页并预分配671个，修改llama.cpp中的llama-mmap.cpp以使用预留的1G大页来提高性能，还提供了具体的模型权重加载命令及参数说明。
6. DeepSeek是高稀疏度的MoE模型，实际推理时参与计算的参数量大幅减少，使得纯CPU部署成为可能。但对于多并发和长输入场景，CPU方案速度会下降，且从每百万Token成本角度看，CPU方案比GPU高，不能完全代替GPU。
7. 因CPU无FP8硬件指令支持，而SIMD指令集可加速整数处理，故将DeepSeek-R1量化为Q8进行CPU推理，且测试显示Q8与FP8推理能力差别不大。相比Q4，Q8在推理能力上更有优势，且Q4的思维链平均长度比Q8长45%，多输出无效Token，完成任务可能更慢，所以选择Q8。

媒体文章：

• 腾讯玄武实验室：不到 4 万元的 DeepSeek-R1-671B-Q8 部署方案

[ikaijua]

2025-03-19 英伟达推出全球首个开源人形机器人通用模型Isaac GR00T N1

1. GR00T N1采用双系统架构，系统1模拟人类“反射与直觉”，快速处理即时任务；系统2由视觉语言模型驱动，负责“理性思考”，进行推理与行动规划，协同使机器人高效响应且能处理复杂任务。
2. 英伟达提供Omniverse平台生成合成数据、Isaac Lab虚拟训练环境、Isaac Manipulator机械臂控制模型以及Jetson Thor芯片等，覆盖从感知到算力的全流程需求，降低开发成本，提升技术落地效率。
3. GR00T N1开源，开发者可基于少量数据定制专属机器人，类似ChatGPT在自然语言处理领域的模式，降低了技术门槛，加速机器人应用多样化落地。
4. 其开源属性吸引众多行业参与者，有望成为机器人产业的“安卓”平台，推动技术在制造业、物流、医疗等领域的渗透，促进跨行业合作，拓展应用场景。
5. 在制造业，基于GR00T N1的机器人可通过“云端大脑”同步学习，共享优化方案，提高生产效率与灵活性；未来家庭机器人将普及，协助完成家务、护理等任务，重塑社会分工与生活方式。

• Github地址：https://research.nvidia.com/publication/2025-03_nvidia-isaac-gr00t-n1-open-foundation-model-humanoid-robots
• 模型地址：https://huggingface.co/nvidia/GR00T-N1-2B

[ikaijua]

2025-03-21 新的AI绘画模型Reve Image

1. Halfmoon在Artificial Analysis图像竞技场排行榜拿下第一，超过Recraft V3、Imagen 3以及FLUX 1.1 pro等SOTA文生图模型，其背后的公司是位于加利福尼亚州帕洛阿尔托的创意工具初创公司Reve AI。
2. Reve AI发布的首个产品是Reve Image，它从零开始训练，擅长提示遵循、美学设计和排版，目前开放注册，注册后可以免费使用生成图片。
3. 虽然Reve Image在文本指令跟随和生成图片真实度上表现出色，但在美感上可能稍有欠缺，不过可以通过提示词来提升。

产品网址：https://preview.reve.art/app

[ikaijua]

2025-03-23 开源的任意尺度超分辨率模型Thera

1. Thera是一款开源的任意尺度超分辨率模型，由苏黎世联邦理工学院和苏黎世大学的专家团队共同研发，能够提升图像清晰度，是细节控和模糊图像的克星。
2. Thera的核心优势是可以自由设定任意放大比例，如3.14倍等特殊数值，实现图像的灵活放大，且细节不会损失，就像一个可随意调整焦距的超级放大镜。
3. Thera通过模拟真实的图像生成过程，而非简单的图像插值算法，有效减少失真和人为痕迹，使放大后的图像更自然、逼真，仿佛为图片安装了“透视眼”。
4. Thera以Apache-2.0许可协议开源，科研人员、开发工程师和技术爱好者可免费获取、使用、修改和发布代码，推动超分辨率技术进步。
5. 项目提供预训练模型，用户无需从零开始训练，可直接体验Thera的强大功能，节省时间和精力。
6. Thera在遥感技术、医学影像和摄影等领域有巨大应用潜力，可提高卫星图像清晰度、帮助医生观察病灶、修复老旧照片等。
7. Thera一经发布就迅速登上Hacker News热门榜单，受到广泛关注和好评。

• Github地址：https://github.com/prs-eth/thera
• 项目地址：https://therasr.github.io/
• 在线体验：https://huggingface.co/spaces/prs-eth/thera