谷歌与Meta合作挑战英伟达CUDA生态 - 谷歌推进代号"TorchTPU"战略行动,旨在让PyTorch框架能在其TPU芯片上流畅运行,以消除开发者的迁移门槛,并考虑将部分软件开源 [1] - 谷歌与Meta商讨合作协议,Meta有望获得更多TPU使用权,Meta通过推动软件适配TPU来降低推理成本并减少对英伟达的依赖 [1] - 华尔街分析师认为CUDA是英伟达最坚固的护城河,而谷歌过去依赖内部Jax框架的做法拉大了与外部客户实际使用习惯的鸿沟 [1] OpenAI推出ChatGPT应用商店并寻求融资 - ChatGPT应用商店正式上线,按精选、生活方式、工作效率等分类列出Adobe Photoshop、Canva、Figma等应用,用户可通过"@应用名"的方式触发使用 [2] - 开发者可在OpenAI开发者平台提交应用审核发布,OpenAI提供了包括最佳实践指南、开源示例应用、UI库和测试阶段Apps SDK在内的完整资源体系 [2] - OpenAI计划以约7500亿美元估值筹集新一轮资金,最高可能达1000亿美元,试图在AI时代复刻苹果App Store的商业模式 [2] Google发布高速低成本模型Gemini 3 Flash - Google发布Gemini 3 Flash模型,在Humanity's Last Exam基准测试中得分为33.7%,其性能介于Gemini 3 Pro的37.5%和GPT-5.2的34.5%之间 [3] - 该模型延续Flash系列极致原生速度,性能超越Gemini 2.5 Pro的同时速度提升3倍,定价为输入每百万token 0.50美元、输出每百万token 3美元 [3] - Gemini 3 Flash已成为Gemini应用和搜索AI模式的默认模型,响应速度基本在1秒以内,并通过Google AI Studio、Vertex AI等渠道全球开放 [3] 字节跳动发布通用Agent模型Seed1.8 - 字节跳动发布通用Agent模型Seed1.8,集成了搜索、代码与GUI Agent能力,支持三种思考模式可根据任务复杂度自动调整处理方式 [4] - 在GUI Agent评测中超越Seed1.5-VL,在电脑、网页、移动端三类环境中展现多步任务可靠性,BrowseComp-en基准测试得分67.6 [4] - 该模型在ZeroBench评测中获得11.0最高分,在VideoMME长视频理解评测中得87.8分,并加入了"VideoCut"视频工具调用能力 [4] 阶跃星辰升级并开放GUI Agent模型 - 阶跃星辰Step-GUI云端模型全量上新,支持200+任务场景、手机PC汽车多端可用,最短10分钟即可部署一台"AI手机" [5] - 该模型具备更长推理步骤、更强语义理解和泛化能力,当用户指令模糊不足以支撑任务执行时会自主提问 [6] - 公司开放了GUI-MCP协议以实现端云协同,其API限时免费开放,技术报告全公开,并发起"星际探索官"召集令邀请用户创作和二次开发 [6] xAI发布Grok Voice Agent API - xAI正式发布Grok Voice Agent API,首次将Grok的实时语音能力以API形式向开发者开放,主要面向语音优先的应用场景 [7] - API内置Sal、Rex、Eve、Leo等多种声音,支持Mika、Valentin等陪伴型人格,开发者可精细化控制系统指令和行为参数 [7] - 采用流式音频设计支持实时语音识别与合成,可在对话中开启搜索能力实时查询公开网页或X平台数据,显著降低交互延迟 [7] 苹果产品路线图曝光:转向AI眼镜 - MacRumors曝光苹果未来2年产品路线图共39款产品,折叠iPhone将于2026年9月发布采用书页式设计,iPhone 18则推迟至2027年 [8] - 苹果已全面暂停AR/VR头显项目,转而专注AI智能眼镜开发,预计2027年或2026年底推出,停售4年多的iMac Pro或将于2026年回归并搭载M5 Max芯片 [8] - 苹果计划在2027年推出20周年纪念版iPhone,采用前后壳体弯曲包裹设备边缘的设计,前置摄像头移至屏下,成为没有显示屏开孔的iPhone [8] a16z报告观点:AI泡沫尚未发生 - a16z合伙人认为当前AI领域并非泡沫,因为泡沫尚未破裂,企业若停止开发更大模型仅靠现有模型运营,按当前利润率很快就能实现盈利 [9] - 报告认为纯软件奇点很难实现,要推进研发必须进行更多实验,目前实验算力投入规模与最终发布模型训练运行投入相当甚至更多 [9] - 预测到2030年AI可能推动GDP增长几个百分点,若实现能完成任何远程工作的AGI,30%的GDP增长是合理下限,但结果要么是疯狂增长要么彻底崩溃 [9]
腾讯研究院AI速递 20251219