探元计划2024香港场景活动 - 活动聚焦文化与科技融合 推动文化遗产数字化保护 来自文化 技术 运营领域的专家共同参与[1] - 活动包括实地调研九龙寨城公园 香港历史博物馆 现场体验大模型智能体 AI互动叙事游戏与三维虚拟空间[3] - 项目成果将在深圳文博会和香港书展展出[13] 项目背景与发起方 - 探元计划由国家文物局科技教育司指导 中国文物信息咨询中心 腾讯SSV数字文化实验室等联合发起[3] - 香港联合出版集团与华粹星光公司合作开展"在九龙城 阅见香港"项目[3] - 项目从全国81个文化需求场景中脱颖而出 入选探元计划六大文化共创场景[4] 项目技术应用 - 开发多模态知识智能体 支持两文三语交互 助力用户了解九龙城历史并创作故事[4] - 设计AI互动叙事游戏 以寻物解谜玩法激发历史文化探索兴趣[4] - 构建九龙寨城三维虚拟空间 还原不同历史时期风貌[4] 项目意义与目标 - 通过数字科技活化出版资源 构建AI赋能的沉浸式文化场景[9] - 增进香港居民对国家身份认同 向海外展现中华文化影响力[9] - 解决历史记忆碎片化 青年认知片面化等文化传承挑战[10] 专家研讨重点 - 强调技术与文化双向赋能 借助大模型提升传播精准性[11] - 推动用户参与从单向输出向共建共享转变[11] - 聚焦教育与文旅场景 构建可持续发展模式[11] 项目创新路径 - 技术应用创新：重构故事创作生产线[10] - 内容传播创新：游戏化沉浸体验激活传播场景[10] - 持续生态创新：开放知识库鼓励社会共创[10]

AI市场与产业趋势 - AI将创造万亿美元级别市场机会，发展要素已就位，市场价值主要聚集在应用层[3][7] - 基础大模型数量将屈指可数，基模企业将重点投入强化学习推动能力突破[3][10] - 智能体经济逐步形成，未来智能体可转移资源、进行交易，催生"Agent-first"公司浪潮[9][19] 技术发展与创新方向 - 模型潜力仍有10-100倍空间，需算法突破与算力投资，测试时计算成为新缩放维度[10][17] - 未来模型趋向稀疏化与专业化，混合专家模型可实现10-100倍质量/计算量提升[17] - 编码能力飞跃使"初级工程师"水平AI一年内实现，物理机器人2-3年具备20项实用功能[15][18] 商业模式与产品策略 - 商业模式需适应价值重心转移，"品味"或成稀缺资产，用户或通过"信令"跨服务登录[3][22] - 自下而上探索开发更有效，模型能力与产品研发需紧密结合，避免"GUI思维"局限[21] - 杀手级应用已现（如ChatGPT），产品需从"副驾驶"转向"自动驾驶"模式[7][12] 企业组织与管理变革 - 组织需转向"随机性思维"，从规则驱动转向概率管理，学习"管理Agent"新范式[8] - AI代码生成占比超70%后，代码审查成效率瓶颈，需优化协作流程[24] - 保持小团队高敏捷性，初创公司更易适应快速变革，需培养长期心理韧性[13] 垂直领域应用前景 - 编程为首个广泛应用场景，AI通过API调用实现任务执行，推动智能体模式转型[11] - 多模态模型加速科研，神经网络替代传统模拟器可实现30万倍加速[18] - 教育领域AI代码生成潜力大，通用信息检索与工作辅助将成商业化重点[19]

OpenAI技术更新 - Responses API新增MCP服务支持，开发者可简化外部服务连接流程，无需手动函数调用[1] - 新版API强化安全控制，通过allowed_tools参数和权限管理防止工具滥用[1] - 新增图像生成、Code Interpreter、文件搜索功能，并引入后台模式等新特性[1] 微软开源项目 - 发布Web Agent项目Magentic-UI，支持自动浏览网页和代码操作，用户可实时监控干预[2] - 采用协同规划和执行机制，生成任务计划需用户确认，集成神经样式引擎等创新技术[2] Mistral开源模型 - 发布240亿参数模型Devstral，可在RTX 4090或32GB Mac上运行，SWE-Bench测试得分46.8%超越GPT-4.1-mini[3] - 采用Apache 2.0许可证，商用定价为每百万输入Token 0.10美元，输出Token 0.30美元[3] xAI实时数据API - 推出Live Search API为Grok AI提供实时数据访问，支持X平台和网页内容检索[4][5] - 提供搜索控制功能如结果数量限制和时间范围指定，结合DeepSearch展示推理过程[5] OpenAI硬件布局 - 以65亿美元收购前苹果设计官Jony Ive的硬件团队io，开发AI耳机和可穿戴设备，预计2026年发布[6] - 关联公司LoveFrom将承担ChatGPT界面设计，Ive称此为职业生涯最重要工作[6] 昆仑万维AI办公产品 - 发布天工超级智能体，集成5个专家智能体，支持文档、PPT、表格生成，成本为OpenAI的40%[7] - 基于deep research技术，支持信息溯源和个人知识库构建，已开源相关框架[7] 微软大气AI模型 - 推出大气模型Aurora，计算速度比IFS数值预报系统快5000倍，训练周期仅4-8周[8] - 在空气质量、热带气旋预测中表现优异，采用3D Swin Transformer架构[8] Gartner智能应用原则 - 提出智能应用五大原则：自适应体验、嵌入式智能、自主编排、互联数据和可组合架构[9] - 强调AI需深度嵌入业务逻辑，实现跨系统自然语言交互和自动化流程优化[9] AI编程市场趋势 - AI Coding市场价值约3万亿美元，开发者角色将向产品经理或QA工程师转变[10] - 新范式降低编程门槛，但系统架构等专业知识仍为软件开发核心[10]

人工智能职业发展路径 - 编码人工智能被视为新时代的基础读写能力，类似于历史上语言读写能力的普及过程 [7][8] - 人工智能技术为编码提供了新范式，使计算机能从数据中提取知识，相比传统软件工程更具普适性 [8] - 线性回归等基础AI模型可应用于披萨店需求预测等实际场景，展示AI在各行业的广泛应用潜力 [9] 职业发展三阶段框架 - 学习基础技能：包括机器学习、深度学习、数学和软件开发等核心领域 [12][16] - 从事项目工作：与缺乏AI专业知识的利益相关者合作，面临项目管理和迭代挑战 [13] - 找到合适工作：需适应公司对AI角色认知不一致的情况，建立支持性社区 [14] 核心技术技能体系 - 基础机器学习：线性回归、逻辑回归、神经网络等模型及核心概念如偏差/方差 [17] - 深度学习：神经网络基础知识、超参数调整、卷积网络和序列模型 [17] - 相关数学：线性代数、概率统计、微积分，用于算法调试和优化 [18][23] - 软件开发：Python编程、数据结构算法、TensorFlow/PyTorch等库的使用 [18] AI项目管理方法论 - 五步项目确定法：从业务问题识别到资源预算的系统化流程 [26][32] - 项目选择策略：技术挑战性、团队合作、影响力及作为垫脚石的潜力 [36] - 执行方法论：根据成本选择"准备-瞄准-开火"或"准备-开火-瞄准"策略 [38][39] 求职策略与职业转换 - 角色转换优先于行业转换：建议先在同一行业转换AI角色，再考虑跨行业 [48] - 信息面试价值：了解目标公司AI岗位实际工作内容和所需技能的有效方式 [53][54] - 求职流程优化：研究角色和公司、准备面试、选择团队和谈判薪资的系统方法 [58] 职业长期发展要素 - 团队合作能力：处理大型项目时影响他人和被影响的关键技能 [65] - 社区建设：比单纯社交更有效的职业网络发展方式 [65] - 习惯养成：在学习、工作等方面保持长期纪律性的重要性 [67]

谷歌Veo 3视频生成技术 - Veo 3实现音画同步生成功能，能根据提示词同时生成视频画面、对白、唇动和音效，实现完整的视听体验 [1] - 基于V2A技术，模型能将视频像素转化为语义信号，配合文本提示生成匹配音频 [1] - 模型支持长提示词理解和多步骤事件流生成，但目前仅限8秒视频，面向美国Ultra订阅用户开放，定价249.99美元/月 [1] 谷歌Gemini Diffusion文本生成技术 - Gemini Diffusion采用扩散技术生成文本，速度达2000token/秒，12秒可生成1万tokens [2] - 区别于传统自回归模型从左到右生成，通过逐步优化噪声学习生成输出，可快速迭代和错误纠正 [2] - 性能可与更大的模型Gemini 2.0 Flash-Lite相媲美，支持非因果推理，能一次生成整个标记块 [2] 腾讯混元模型升级 - 腾讯混元TurboS排名全球前八，引入长短思维链融合技术后，理科推理提升10%，代码能力提升24%，竞赛数学提升39% [3] - 基于TurboS新推出视觉深度推理模型T1-Vision和端到端语音通话模型混元Voice，前者理解速度提升50%，后者语音通话延迟降至1.6秒 [3] - 多模态领域全面升级：图像2.0实现毫秒级生图，3D v2.5提升几何精度，并承诺持续推进全系模型开源 [3] 字节语音播客模型 - 字节推出豆包·语音播客模型，基于流式模型实现文本到双人对话播客的秒级转化，支持热点内容快速生成 [4] - 模型突破传统AI播客痛点，实现双人对话自然流畅、高度拟人的语音效果，并具备深度搜索功能，5秒可生成热点播客 [5] - 支持灵感创作和超长文本转播客功能，将在豆包APP、PC端和扣子等产品陆续上线 [5] 谷歌FLOW AI视频剪辑工具 - FLOW是谷歌首个AI视频创作产品，支持Veo3视频生成，需在输入框设置选择"Highest Quality"可开启声音功能 [6] - 提供三种生成方式：文生视频（仅支持英文提示词）、图生视频（支持首尾帧控制）、素材转视频（可用3张参考图+1张风格图） [6] - 具备视频剪辑功能，可调整分镜顺序、删除分镜、延长视频（需通过"跳转到"功能实现），最终可导出1080P完整视频作品 [6] Google智能眼镜与Android XR - Google联合Xreal推出Project Aura智能眼镜，搭载Gemini 2.5 Pro和Project Astra，实现实时翻译、视觉搜索和多模态上下文理解 [7] - 作为首个Gemini时代构建的Android平台，Android XR支持150多个国家45种语言，能通过双摄像头和多个麦克风实现强大的AI交互体验 [7] - Google与Gentle Monster和Warby Parker合作开发时尚科技眼镜，注重隐私保护，但由于Gemini限制，国内用户或难以体验完整功能 [7] 英伟达DreamGen机器人学习项目 - 英伟达推出DreamGen项目，让机器人在神经网络生成的「梦境世界」中自主学习，通过生成大量带标签的神经轨迹实现技能掌握和泛化 [8] - 项目在多种机器人上验证效果显著：类人机器人GR1成功率提升至46.4%，机械臂Franka提升至37%，SO-100提升至45.5%，实现了对陌生动作和环境的泛化 [8] - DreamGen通过微调视频世界模型、生成平行世界视频、提取伪动作标签、训练机器人基础模型四大流程，将合成数据规模扩展至原始数据333倍 [8] FaceAge AI年龄预测技术 - Mass General Brigham团队开发的AI模型FaceAge，通过分析人脸照片预测生物年龄，在56,000多张60岁以上人群照片上训练，能评估癌症患者治疗预后 [10] - 研究显示AI判定"显老"10岁的患者死亡风险增加11-15%，癌症患者平均比实际年龄老4.79岁，且当前吸烟者平均增加33.24个月衰老程度 [10] - FaceAge目前存在局限性：训练数据主要基于白人面孔，整容、化妆等因素影响未知，且可能存在隐私和医疗伦理风险，距离临床应用仍有距离 [10] 微软CPO谈AI时代产品管理 - 微软CPO认为Prompt正在取代传统PRD，成为AI时代构建产品的起点，并强调"品味"和"编辑能力"成为产品经理的关键能力 [11] - AI时代的产品开发应着重于原型验证，从想法到Demo的时间缩短，但从Demo到全面上线时间变长，要避免过早设定指标，关注用户真实反馈 [11] - 好的产品需满足三个关键转折点中的两个：技术层面飞跃、用户行为变化和商业模式变化 [11] AI对未来人类社会的潜在影响 - "已解决的世界"（所有实际问题都由AI解决）可能在当代人有生之年出现，届时人类将面临意义和目标缺失的挑战 [12] - 在这个世界中，人类不再需要为生计工作，但也失去了很多传统价值来源 [12] - 当下是"目标的黄金时代"，我们应该积极解决现实问题，同时为人类在AI主导的未来中找到新的定位和意义 [12]

岗位描述 - 研究方向聚焦数字内容领域，特别是游戏及电竞研究 [1][2] - 工作地点位于北京市朝阳区亚洲金融大厦 [2] - 提供税后150元/天的实习待遇 [2] - 要求每周坐班5天，实习期至少6个月，立即上岗者优先 [2] 工作内容 - 围绕游戏及电竞领域的行业发展、文化融合与科技创新提供研究支持 [3] - 需综合应用各类AI工具完成信息查询、数据分析、案例研究及文章撰写 [4] - 承担日常交办的其他工作任务 [5] 岗位要求 - 重点大学出版/经管/统计/传媒等专业的在校硕士/博士研究生，有相关研究成果者可放宽专业限制 [6] - 需了解游戏及数字内容行业趋势与技术创新，具备互联网行业研究经验及独立分析能力 [6] - 要求具备强写作能力、数据分析能力和行业研究素养，对研究工作有明确兴趣 [6] - 优先考虑责任感强且能保证6个月以上实习期的候选人 [7] 申请方式 - 邮件标题及附件需按【姓名-学校-年级-专业-每周x天】格式命名 [7] - 申请材料需包含简历及个人研究论文等成果，发送至指定邮箱 [7]

腾讯AI战略与产业应用 - 生成式AI已从"量变"到"质变"，公司提出"四个加速"战略（大模型创新、智能体应用、知识库建设、基础设施升级）推动AI普及[1][6] - 混元大模型TurboS进入全球Chatbot Arena前8，中国排名第二，多模态能力覆盖视觉理解、语音交互、3D建模等[2][7] - 混元开源模型GitHub Star超3万，覆盖文本/图像/视频/3D生成，应用于30+行业如医疗（近1万家医疗机构使用AI导辅诊）[8] 大模型技术进展 - 混元T1-Vision实现多模态深度推理，混元Voice支持低延时情感化语音交互，混元Image 2.0实现商用级实时生图[7] - 3D模型达到超高清几何建模精度，视觉理解/语音交互能力获行业认可[2] - 开源计划包含多尺寸多场景模型，与50家生态伙伴开展场景共创[8] 智能体平台发展 - 智能体开发平台支持零代码多Agent协同，提供工作流模式与全局Agent节点回退功能[9] - QQ浏览器QBot实现搜索/下载/分析全流程自动化，AI高考通可生成志愿填报方案[10] - 代码助手CodeBuddy使85%开发者编码时间缩短40%，企点营销云智能体提升绝味食品活动点击率40%/转化率25%[11] 知识库与行业应用 - 企业AI知识库支持多人在线编辑与权限管控，科沃斯应用后实现人效两位数提升/年省数百万成本[11][12] - ima知识号积累1000万+专业内容，健康管理智能体可自动解读体检报告并制定健康计划[10] - AI驱动广告业务双位数增长，游戏匹配优化提升用户粘性，视频/音乐制作效率显著提升[4] 基础设施优化 - 推理成本优化成为核心，训练infra综合性能提升30%，星脉网络实现三带宽（显存/存储/互联）升级[13][14] - 潮汐调度实现集群白天推理/夜间训练，荣耀手机合作案例显示推理吞吐最高提升54%[14]

微软智能体生态布局 - Coding Agent将GitHub Copilot升级为自主编程助手，实现bug修复、代码维护全流程自动化 [1] - NLWeb开源项目支持自然语言交互网站，Agent Factory平台可构建Grok等智能体应用 [1] - Copilot Tuning允许企业用自有数据微调智能体，适配独特语言风格 [1] - Microsoft Discovery具备生成科研想法、模拟结果和自主学习能力 [1] 谷歌AI编程助手动态 - 发布基于Gemini 2.5 Pro的Jules编程助手，每日提供5次免费额度并直连GitHub仓库 [2] - Jules可自主完成代码编写、Bug修复及测试运行，支持生成详细计划并在云虚拟机验证代码 [2] - 即将推出Codecast功能生成代码库音频摘要 [2] 腾讯AIGC游戏引擎突破 - 发布工业级AIGC游戏内容生产引擎"混元游戏"，基于百万级游戏动漫数据集训练 [3] - 提供AI美术管线、实时画布、2D美术生成和角色多视图生成功能，后者耗时从12小时缩短至30分钟 [3] - 包含四大图像模型和五大视频模型，首创游戏特效生成模型并支持多种风格实时交互 [3] AI音频工具创新 - ListenHub支持链接/文档转2-3分钟对话式播客，生成速度优于谷歌NotebookLM且中文语音更自然 [4][5] - 产品已开放公测，支持网页/App/浏览器插件，但存在内容长度不可调等限制 [5] 智源向量模型技术领先 - BGE-Code-v1支持14种编程语言，在CoIR和CodeRAG-Bench基准超越商业/开源模型 [6] - BGE-VL-v1.5针对多模态检索优化，BGE-VL-Screenshot在MVRB基准达60.61分SOTA成绩 [6] 谷歌知识管理工具升级 - NotebookLM推出iOS/安卓APP，支持离线听书、实时互动提问和跨平台分享 [7] - 当前支持网页/PDF/视频链接转播客，但仅限海外用户使用 [7] AI科研平台突破 - Microsoft Discovery无需编程即可用超算能力，200小时内发现新型环保冷却剂 [8] - 平台结合基础/专业模型构建AI博士后团队，支持医药/芯片设计等领域研发 [8] 开源机器人进展 - UC伯克利BHL机器人总成本低于5000美元，采用3D打印模块化设计且机械效率达90% [9] - 配备英特尔N95迷你PC和手机级IMU，实现双足行走和遥操作功能 [9] AI编程行业预测 - Anthropic CEO预测AI将在3-6个月内编写90%代码，谷歌已有25%代码由AI生成 [10] - 未来程序员角色或转向AI系统架构师和训练师，人类专注创造性工作 [10] 腾讯知识管理战略 - ima产品定位为AI驱动的"搜读写"工作台，已积累近1000万篇内容 [11] - 通过知识库/知识号/知识库广场三层架构实现从个人管理到生态共建的演进 [11]

腾讯混元Hunyuan Image2.0模型技术突破 - 基于超高压缩倍率的图像编解码器和全新扩散架构，实现毫秒级推理速度和超高质量图像生成，显著降低"AI味"[3][4] - 解决当前主流文生图模型生成时间长（5-10秒/张）和结果随机性问题，实现"所见即所得"的实时生成体验[5] - 在GenEval评测中表现优异：总体得分0.9597，单物体0.9968，双物体0.9747，颜色0.9973，位置0.885，远超DALL-E 3（0.67）和SD3-Medium（0.74）等竞品[7] 核心功能创新 - 文生图实现打字同步出图，支持连续修改多细节（如人像摄影中实时添加背景、切换角度）[11][13][15] - 图生图提供"参考主体"和"参考轮廓"双模式，可调节强度（92%强度下保持猫咪主体特征同时添加皇冠等元素）[18][19][20] - 专业设计功能：双画布联动实现线稿实时上色预览，多图层融合支持草图/图片叠加生成（需调试主体参考强度和提示词）[28][35] 应用场景拓展 - 个人用户可快速完成演讲插图、创意宠物照片等任务（如生成"家居猫/公主猫/古惑仔猫"系列）[30] - 设计师生产力工具：实时风格修改（赛博朋克风格转换）、元素添加（项圈/雪茄等）、光影调整[31][33] - 支持3D毛绒质感等特殊效果生成，但复杂风格（陶土风格）需更详细提示词描述[31] 技术局限性 - 轮廓模式对毛绒物体等模糊轮廓提取能力较弱[23] - 双画布指令响应速度略慢于实时文生图[28] - 风格转换存在主观性差异，赛博朋克等特征需多轮提示词调整[33]

OpenAI沙漠中建全球最大AI数据中心 - OpenAI与阿联酋G42合作在阿布扎比建设5千兆瓦数据中心，占地10平方英里，规模超过摩纳哥 [1] - 项目属于"星际之门"计划，耗电量相当于五座核电站，规模是德州阿比林园区的四倍 [1] - G42因与中国实体关系引发美方担忧后撤出在华投资，微软投资15亿美元并派高管入驻G42董事会 [1] NVIDIA新一代B300与万卡互联技术 - 推出Grace Blackwell GB300系统，性能全面提升，可通过MVLink技术将72个GPU连接成单一巨型GPU [2] - 发布MVLink Fusion计划支持合作伙伴集成自定义ASIC或CPU到NVIDIA生态系统 [2] - 推出Isaac GR00T平台和Cosmos物理AI模型强化机器人与数字孪生技术，Newton物理引擎将于7月开源 [2] 华为昇腾与DeepSeek合作成果 - 华为昇腾推出CloudMatrix 384超节点和Atlas 800I A2服务器，在DeepSeek模型推理性能上超越英伟达Hopper架构 [3] - 采用"以数学补物理"策略通过FlashComm通信方案、AMLA算法等技术创新解决大规模MoE模型部署难题 [3] - CloudMatrix 384超节点在50ms时延下单卡吞吐达1920 Tokens/s，Atlas 800I A2在100ms时延下达808 Tokens/s [3] 腾讯发布新版QQ浏览器 - 集成QBot功能采用腾讯混元和DeepSeek双模型驱动，可从全网内容中提炼整理答案 [4] - 主要功能包括AI搜索、多模态交互、文档解读翻译、智能写作和学习辅导，支持PC和手机端信息同步 [5] - 提供AI工具箱包含格式转换、信息提取、文档处理等办公功能，支持端外唤起无需额外插件 [5] B站开源动画视频生成模型 - 开源Index-AniSora模型支持多种二次元风格视频生成，入选IJCAI25，可实现基于华为910B芯片的高效分布式训练 [6] - 系统包含基于CogVideoX-5B的V1.0和基于Wan2.1-14B的V2.0版本，支持时空掩码、局部控制等功能 [6] - 构建千万级文本-视频训练数据并开源首个动画领域人类偏好强化学习模型，包含30,000条标注样本的奖励数据集 [6] 苹果AI生3D模型与Siri升级 - 发布Matrix3D模型仅需三张照片即可生成高质量3D场景模型并已开源 [7] - 内部测试的聊天机器人已接近ChatGPT水平，计划增加网页搜索和App调用等功能 [7] - 考虑将Siri与Apple Intelligence品牌分开以规避负面影响 [7] GenSpark发布Agentic AI下载工具 - 发布全球首个AI下载代理工具Agentic Download Agent通过自然语言指令实现文件下载和处理自动化 [8] - 采用Mixture-of-Agents架构整合8个不同规模语言模型和80余种工具链，将传统耗时任务压缩至分钟级完成 [8] - 配套推出AI Drive智能云盘支持多种数字资产格式并开放API接口供企业系统集成 [8] AI笔记产品Granola - 以2.5亿美元估值完成B轮融资，成为独角兽创始人和企业高管的首选笔记工具 [10] - 产品核心优势在于赋予用户控制权，支持实时编辑和个性化记录，采用不保存音频的方式保护隐私 [10] - 未来将从单一笔记工具发展为融合个人上下文的综合工作平台 [10] 全球机器人视触融合挑战赛 - 第一届ManiSkill-ViTac 2025挑战赛中国企业包揽三金，将在ICRA 2025研讨会汇报 [11] - 原力灵机Dexmal赢得纯触觉操控和触觉传感器设计两项金牌，它石智航获视触融合操控金牌 [11] - 赛事推动触觉-视觉融合算法进步，为机器人从实验室到现实应用搭建桥梁 [11] GitHub CEO反驳编程无用论 - 强调2025年是编程智能体之年，但未来仍需要人类程序员掌控软件生命周期 [12] - GitHub已发布Workspace、Project Padawan等多个SWE智能体产品，Copilot用户达1500万同比增长4倍 [12] - 主张人类应持续学习编程以保持对AI系统的指导和控制能力 [12]