AI在线 AI在线

多模态AI

前字节跳动视觉模型负责人潘欣加盟美团，主导多模态 AI 创新

前字节跳动视觉模型负责人潘欣加盟美团，主导多模态 AI 创新
据智能涌现消息，外卖巨头美团在 AI 战略上迈出了重要一步，前字节跳动视觉模型 AI 平台负责人潘欣正式加入公司，负责多模态 AI 的创新工作。 这一人事变动被业内广泛关注，标志着美团在竞争日益激烈的外卖市场中，正致力于提升 AI 技术的基础设施建设。 潘欣在人工智能领域拥有丰富的经验，曾任谷歌大脑的研究员，参与了 TensorFlow 动态图模式的开发。
12/11/2025 9:11:51 AM
AI在线
文心大模型5.0重磅发布！百度推全球首个“原生全模态”大模型，李彦宏：智能本身就是最大应用

文心大模型5.0重磅发布！百度推全球首个“原生全模态”大模型，李彦宏：智能本身就是最大应用
在今日举行的百度世界大会上，百度创始人、董事长兼CEO李彦宏正式发布文心大模型5.0，并将其定义为“统一的原生全模态模型”——这一命名不仅宣告百度在多模态AI领域的技术跃迁，更标志着国产大模型正式迈入“文本、图像、声音深度融合、原生协同”的新纪元。 原生全模态:不是“拼接”，而是“共生”区别于行业主流的“多模态拼接”方案（如先用视觉模型识别图像，再由语言模型生成描述），文心5.0从底层架构实现文本、图像、语音的统一表征与联合训练。 这意味着模型不再“先看再想”，而是“边看边听边理解”，能自然处理“描述这张照片中人物的情绪变化”或“根据这段旋律生成匹配的诗歌”等跨模态复杂任务。
11/13/2025 4:57:29 PM
AI在线
一张合影就能泄露全家信息？央视紧急预警：“读心AI”正让社交晒图变成隐私炸弹

一张合影就能泄露全家信息？央视紧急预警：“读心AI”正让社交晒图变成隐私炸弹
你以为只是随手发了张旅行合照?在AI大模型的“火眼金睛”下，这张照片可能正在泄露你的住址、身份证号、家庭关系甚至行程轨迹。 在2025年世界互联网大会期间，央视新闻罕见发出高危警示:随着多模态AI的普及，看似无害的日常图片正成为隐私泄露的新黑洞，而普通用户对此几乎毫无防备。 图源备注：图片由AI生成，图片授权服务商MidjourneyAI“读图术”已远超人类想象网络安全专家指出，现代AI不仅能识别人脸、车牌、证件文字，还能通过上下文推理还原敏感信息。
11/12/2025 10:46:10 AM
AI在线
智源发布Emu3.5大模型：以“下一状态预测”重构多模态智能，具身操作能力惊艳业界

智源发布Emu3.5大模型：以“下一状态预测”重构多模态智能，具身操作能力惊艳业界
当大模型不再只是“看图说话”或“文生图”，而是能像人类一样在复杂环境中理解、规划并执行跨模态操作，多模态AI正迎来质的飞跃。 10月30日，北京智源人工智能研究院正式发布其新一代多模态世界模型——Emu3.5，首次将自回归式“下一状态预测”（Next-State Prediction， NSP）引入多模态序列建模，标志着AI从“感知理解”迈向“智能操作”的关键一步。 NSP架构:让AI学会“预测世界如何变化”Emu3.5的核心突破在于其统一的NSP框架:模型将文本、图像、动作指令等多模态输入视为连续状态序列，通过预测“下一个状态”来实现端到端的智能推理。
10/30/2025 3:36:16 PM
AI在线
百度小度 AI 眼镜将于百度世界2025大会正式发布，年内开售

百度小度 AI 眼镜将于百度世界2025大会正式发布，年内开售
据报道，百度旗下 小度 AI 眼镜 将于 11月举行的百度世界2025大会 上正式发布，并计划在 今年年内开售。 这款产品是百度在多模态 AI 与可穿戴设备领域的重要落地成果，标志着其在智能硬件生态中的新一步。 事实上，小度 AI 眼镜早在 2024年百度世界大会 上就曾首次亮相。
10/21/2025 10:27:07 AM
AI在线
生数科技获数亿元融资，视频生成引领AI商业化新潮流

生数科技获数亿元融资，视频生成引领AI商业化新潮流
近日，多模态 AI 领域的先锋企业生数科技宣布成功完成数亿元人民币的 A 轮融资。 这轮融资由博华资本领投，老股东百度战投、北京市人工智能产业投资基金等多个投资方继续跟进，显示出市场对生数科技的高度认可。 公司计划利用这笔资金进一步推动模型研发和技术创新，探索多模态大模型的潜力，进而加速产品拓展和用户服务。
9/19/2025 4:21:29 PM
AI在线
NVIDIA 与美国国家科学基金会携手打造开放科学 AI 模型

NVIDIA 与美国国家科学基金会携手打造开放科学 AI 模型
近日，美国国家科学基金会（NSF）与 NVIDIA 联合宣布将投资1.52亿美元，开展一项名为 “开放多模态 AI 基础设施加速科学”(OMAI)的新项目，由艾伦人工智能研究所(Ai2)牵头。 该项目的目标是开发开放源代码的多模态 AI 模型，旨在帮助各学科的研究人员更有效地进行科学研究。 OMAI 计划中，国家科学基金会将提供7500万美元，NVIDIA 则投资7700万美元，共同创建一个开放的 AI 生态系统。
8/21/2025 10:17:02 AM
AI在线
MiniMax重磅发布视频Agent工具：一句话生成高清视频，人脸ID还能完美一致！

MiniMax重磅发布视频Agent工具：一句话生成高清视频，人脸ID还能完美一致！
近日，MiniMax公司推出了一款令人瞩目的视频Agent工具，为视频生成技术带来了全新突破。 这款工具不仅支持通过简单文本指令生成完整视频，还能通过上传人脸图片实现视频中人物身份的精准一致性，展现了MiniMax在多模态AI领域的强大实力。 一句话生成高清视频，创作效率飙升MiniMax的视频Agent工具主打文本到视频的生成能力，用户只需输入一句描述性文本提示，例如“夕阳下的海滩上，一辆复古跑车疾驰而过”，即可快速生成一段高清视频（720p分辨率，25帧/秒）。
6/20/2025 11:01:11 AM
AI在线
多模态AI席卷网络，DeepMind Veo 3与GPT-4o引领增长新引擎

多模态AI席卷网络，DeepMind Veo 3与GPT-4o引领增长新引擎
近年来，多模态AI技术以其强大的跨领域能力，逐渐成为科技行业的增长引擎。 谷歌DeepMind最新发布的Veo3模型以及OpenAI的GPT-4o，通过结合文本、图像、视频甚至音频的生成能力，不仅提升了用户体验，还在全球范围内引发了广泛关注和流量激增。 以下，AIbase将为您梳理来自网络的最新信息，深入剖析多模态AI如何推动技术与商业的双重突破。
6/18/2025 10:01:54 AM
AI在线
NVIDIA放大招！Llama-Nemotron-Nano-VL-8B-V1发布，图像视频文本全能，微调王座谁与争锋？

NVIDIA放大招！Llama-Nemotron-Nano-VL-8B-V1发布，图像视频文本全能，微调王座谁与争锋？
人工智能领域的竞争日趋白热化，NVIDIA再次以其强大的技术实力引领潮流。 AIbase从社交媒体平台获悉，NVIDIA最新发布了Llama-3.1-Nemotron-Nano-VL-8B-V1，一款支持图像、视频和文本输入的视觉到文本模型，输出高质量文本并具备图像推理能力。 这一模型的发布不仅展示了NVIDIA在多模态AI领域的雄心，也为开发者提供了高效的轻量化解决方案。
6/5/2025 3:00:55 PM
AI在线
国内首个多模态AI程序员正式上岗 文心快码Coding智能体Zulu正式发布

国内首个多模态AI程序员正式上岗 文心快码Coding智能体Zulu正式发布
2025年4月25日，百度Create AI开发者大会在北京隆重举行。 在这场备受瞩目的科技盛会中，百度正式发布了文心快码3.5版本以及国内首个多模态AI程序员——文心快码Comate Zulu智能体，标志着AI编程工具进入了一个全新的发展阶段。 在本次大会上，百度工程效能部总监臧志表示，AI是百度提升工程效率最重要的生产力来源，智能体是大模型能力与研发生产力之间最关键的桥梁。
4/27/2025 6:00:38 PM
AI在线
Moonshot AI发布Kimi-Audio：开源音频基础模型树立新标杆

Moonshot AI发布Kimi-Audio：开源音频基础模型树立新标杆
近日，Moonshot AI正式宣布推出Kimi-Audio，一款全新的开源音频基础模型，旨在推动音频理解、生成和交互领域的技术进步。 这一发布引发了全球AI社区的广泛关注，被认为是多模态AI发展的重要里程碑。 以下是对Kimi-Audio核心特性、性能表现及行业影响的全面报道。
4/27/2025 10:00:49 AM
AI在线
Grok大更新！视觉能力、多语言音频处理与实时搜索功能震撼上线

Grok大更新！视觉能力、多语言音频处理与实时搜索功能震撼上线
由xAI打造的生成式人工智能聊天机器人Grok迎来了一次里程碑式的更新，其功能全面升级，不仅新增了视觉处理能力，还实现了多语言音频处理以及语音模式下的实时搜索功能。 这一更新标志着Grok在多模态AI领域的重大突破，为用户提供了更智能、更便捷的交互体验。 以下，AIbase将为您详细解析此次更新的亮点与意义。
4/23/2025 9:00:42 AM
AI在线
苹果与索邦大学联合研究：早期融合与稀疏架构助力多模态 AI 发展

苹果与索邦大学联合研究：早期融合与稀疏架构助力多模态 AI 发展
在多模态人工智能（AI）领域，苹果公司的工程师们与法国索邦大学的研究团队合作，展开了一项重要研究。 近日，科技媒体 marktechpost 发布了相关博文，探讨了早期融合与后期融合模型在多模态 AI 中的应用与前景。 研究表明，从头训练的早期融合模型在计算效率和可扩展性上更具优势。
4/16/2025 5:01:05 PM
AI在线
MiniMax MCP Server正式上线，开启多模态AI新纪元

MiniMax MCP Server正式上线，开启多模态AI新纪元
人工智能技术的边界正在不断拓展。 AIbase从社交媒体获悉，中国AI初创公司MiniMax稀宇科技于近日宣布，其MiniMax MCP Server正式上线。 这一服务器通过简单的文本输入，即可调用视频生成、图像生成、语音生成及声音克隆等多项能力，并兼容多种主流MCP客户端，为开发者与创作者提供了强大的多模态AI工具。
4/15/2025 12:02:39 PM
AI在线
报道称OpenAI下周重磅发布GPT-4.1系列，包含Mini版和Nano版

报道称OpenAI下周重磅发布GPT-4.1系列，包含Mini版和Nano版
人工智能领域的领跑者OpenAI即将在下周掀起新一波技术热潮!据科技媒体 The Verge 报道，OpenAI计划推出包括GPT-4.1系列、o3系列以及其他多款AI模型在内的重大更新。 这一波密集发布不仅彰显了OpenAI加速创新的雄心，也为行业带来了更强大的AI工具。 GPT-4.1系列:多模态能力的全面升级作为GPT-4.0的继任者，GPT-4.1系列被认为是OpenAI在多模态AI领域的又一力作。
4/13/2025 7:34:52 AM
AI在线
联想CTO：押注多模态AI协作，打造模型工厂加速智能体落地

联想CTO：押注多模态AI协作，打造模型工厂加速智能体落地
在联想集团2025/26财年誓师大会上，首席技术官Tolga Kurtoglu强调，当前AI应用仍处于快速迭代的技术演示阶段，远未真正释放为用户创造价值的成熟能力。 他指出，未来AI发展的关键在于将技术转化为以用户为中心的解决方案，构建联想独特的差异化优势。 Kurtoglu描绘了未来以用户为中心的AI图景:它将不再受限于单一模型、芯片、设备或形态，而是由端侧、云端、边缘等多种模型和智能体协同运作，无缝地为用户提供服务。
3/31/2025 12:00:49 PM
AI在线
马斯克xAI收购视频生成初创公司Hotshot，AI视频领域竞争再升级

马斯克xAI收购视频生成初创公司Hotshot，AI视频领域竞争再升级
硅谷科技巨头的版图扩张再添新篇!埃隆·马斯克旗下的xAI公司今日宣布收购专注于视频生成AI技术的初创公司Hotshot，这一战略收购将为xAI在多模态AI技术领域注入新的活力。 Hotshot首席执行官Aakash Sastry在X平台上正式宣布了这一消息，但未透露具体的交易金额。 作为曾获得Reddit联合创始人Alexis Ohanian和SV Angel等知名投资方支持的新锐科技公司，Hotshot（正式名称为Natural Synthetics Inc.）在AI视频生成领域积累了独特的技术优势。
3/18/2025 11:35:00 AM
AI在线