AI发展日新月异，而过去一周，其发展速度更是仿佛踩下了油门。从谷歌、微软的重大升级，到OpenAI的新工具，再到亚马逊投资的热门新平台上线，AI领域的新闻和突破性功能层出不穷。 无论你是想提升学习效率、保护隐私，还是想在自己的AI生成剧中担任主角，以下是你可能错过的重大AI头条新闻，以及这些最新更新对你的意义。 1. 谷歌新功能“深度思考”让Gemini更智能 Gemini的新模式“深度思考”名副其实。它不会急于给出答案，而是给Gemini更多“思考时间”，让其运行并行程序进行 brainstorm、优化，最终得出更优回应。 结果是，答案更智能、更具逻辑性，且带有惊人的人类化表达。若想体验，你需要订阅Ultra会员。不过参考过往更新规律，谷歌最终很可能将其免费开放。 2. 谷歌搜索迎来重大AI升级 谷歌的AI概览功能现已支持直接上传PDF、图片等完整文件，并针对文件内容提问。 这在需要总结大型文档或扫描文件时非常省时——只需在聊天界面上传文件，谷歌会处理后续所有工作。结合新增的跟进提问功能，谷歌正将搜索转变为更接近真正AI助手的工具（而非单纯的结果页面）。 3. NotebookLM获重大升级 谷歌的另一项重要更新：NotebookLM现已能生成“视频概览”——即带旁白的幻灯片式文档总结，包含直接从文件中提取的引用、图表和数据。 你还可以在同一笔记本中创建音频、视频或视觉输出的多个版本，并混合格式使用（比如边听总结边看思维导图）。这是让研究更具互动性的重要一步。 4. ChatGPT对话内容出现在谷歌搜索结果中 本周，用户发现共享的ChatGPT对话已出现在谷歌搜索结果中，其中甚至包括敏感或隐私信息。 OpenAI迅速禁用了允许分享的“公开”按钮，并正与搜索引擎合作删除已曝光对话的索引。如果你曾分享过对话链接，建议仔细检查设置，删除不希望公开在网络上的内容。 ## 5. 微软Edge浏览器新增Copilot模式 你的Edge浏览器现已成为全能AI助手。微软推出的Copilot模式是一个智能侧边栏，能根据你在线的操作实时适配。 例如，阅读文章时，它可以总结内容；写邮件时，它能提供优化建议；在线购物时，它能实时对比产品。这是微软迄今为止最具主动性的AI升级之一。 6. ChatGPT新增“学习模式”，助力高效学习 需要学习辅助？ChatGPT的新“学习模式”能将聊天机器人变成个性化导师。各阶段、各水平的学生都能借助这一AI功能更高效地学习。 你只需选择学科、设定难度，再决定学习方式（抽认卡、概念解析、练习题或问答）即可。无论备考还是复习，这项免费功能都值得一试。 7. ChatGPT“代理模式”可代执行任务 ChatGPT新增“代理模式”功能。与普通聊天机器人不同，该模式下的AI能实际为你完成任务，比如浏览网页、整理文件，或执行多步骤任务（如创建并发送报告）。 测试发现，AI能轻松处理现实任务，但仍需一定指导。目前虽未完全信任，但它的进化值得期待。 ## 彩蛋：你可在AI生成剧中担任主角 亚马逊投资的新创公司Showrunner正掀起热潮，号称打造“AI版Netflix”。 只需简短提示，你就能生成完整动画剧集，甚至将自己植入剧情。它通过AI完成脚本、配音和动画制作。早期体验发现，工具使用便捷，查看社区用户作品还能激发新灵感。 ## 结语 从更智能的搜索和学习工具，到不断演变的AI隐私问题，本周的进展证明AI领域正飞速变化。谷歌、微软、OpenAI等科技巨头持续突破AI边界，而Showrunner等新玩家则预示着未来方向。稍不留意就可能错过重大进展，但无需担心——我们每周都会为你拆解最新动态。

阿里巴巴携自研AI模型进军智能眼镜市场，作为其总额524亿美元人工智能及云计算拓展计划的一部分。“夸克AI眼镜”标志着该公司首次涉足可穿戴设备领域，预计于2025年底在中国上市。 这款眼镜将搭载阿里巴巴的“通义千问”大语言模型及其AI助手“夸克”。“夸克”此前已作为应用程序在中国上线，而此次是该公司首次将其与硬件结合，以触达更多用户。 这家总部位于杭州的企业是中国最活跃的AI研发者之一，已推出多款旨在与OpenAI等公司系统竞争的模型。通过进军智能眼镜领域，阿里巴巴加入了日益壮大的科技阵营——它们押注可穿戴设备将成为继智能手机之后的下一个主流计算平台。 ## 发力硬件领域 夸克AI眼镜将进入一个已存在竞品的市场，其中包括Meta与雷朋合作推出的智能眼镜，以及小米今年发布的一款机型。阿里巴巴的这款眼镜将支持免手持通话、音乐流媒体、实时翻译、会议转录功能，并配备内置摄像头。 阿里巴巴在中国运营着广泛的服务生态，这款眼镜将接入该生态系统。用户可通过眼镜获取导航服务、通过支付宝付款、在淘宝比价，还能使用阿里巴巴旗下的其他平台，如地图和旅游预订服务等。 尽管该公司已公布了部分功能，但尚未透露产品价格及详细规格参数。

# 英伟达致力于解决人工智能在多语言领域的难题 尽管人工智能看似无处不在，但它主要仅能在全球7000种语言中的极小一部分里发挥作用，这使得全球大部分人口被排除在其便利之外。英伟达正致力于填补这一明显的空白，尤其聚焦于欧洲地区。 该公司刚刚发布了一套功能强大的开源工具，旨在让开发者能够为25种欧洲语言构建高质量的语音人工智能。这其中包括主要语言，更重要的是，它为那些常被大型科技公司忽视的语言（如克罗地亚语、爱沙尼亚语和马耳他语）提供了生机。 其目标是让开发者能够打造我们许多人习以为常的语音驱动工具，从真正能理解你的多语言聊天机器人，到能瞬间响应的客服机器人和翻译服务。 这一计划的核心是“Granary”——一个庞大的人类语音库。它包含约一百万小时的音频，所有内容都经过精心筛选，用于帮助人工智能学习语音识别和翻译的细微差别。 为了利用这些语音数据，英伟达还提供了两款专为语言任务设计的新人工智能模型： - Canary-1b-v2，一款大型模型，在复杂的转录和翻译工作中具备高精度表现； - Parakeet-tdt-0.6b-v3，专为速度至上的实时应用场景设计。 如果你渴望深入了解其背后的科学原理，关于Granary的论文将于本月在荷兰举行的Interspeech会议上展示。对于急于动手实践的开发者而言，该数据集和两款模型已在Hugging Face平台上线。 然而，真正的精妙之处在于这些数据的创建方式。我们都知道，训练人工智能需要海量数据，但获取数据通常是一个缓慢、昂贵且极其繁琐的人工标注过程。 为解决这一问题，英伟达的语音人工智能团队与卡内基梅隆大学及布鲁诺·凯斯勒基金会的研究人员合作，构建了一条自动化流程。借助他们自家的NeMo工具包，他们能够将原始、未标注的音频快速处理成高质量、结构化的可用数据，供人工智能学习。 这不仅是一项技术成就，更是数字包容性的巨大飞跃。这意味着里加或萨格勒布的开发者终于能够构建能准确理解当地语言的语音人工智能工具，且效率更高。研究团队发现，Granary数据的效果极佳，要达到目标准确率，所需数据量约为其他热门数据集的一半。 这两款新模型充分展现了其能力。Canary堪称“性能猛兽”，其翻译和转录质量可与规模三倍于它的模型媲美，而速度却高达十倍。与此同时，Parakeet能够一次性处理24分钟的会议录音，并自动识别所使用的语言。两款模型都足够智能，能够处理标点、大小写问题，并提供单词级别的时间戳——这些都是构建专业级应用的必要功能。 通过将这些强大的工具及其背后的技术方法交付给全球开发者社区，英伟达不仅仅是发布了一款产品，更是掀起了新一轮创新浪潮，希望打造一个无论来自何处，人工智能都能说你的语言的世界。

“大家好，我是你们的工程师主播。上周跟朋友吃火锅，有人说‘还是煤气灶煮的香’，这话让我职业病又犯了——顺手翻了翻电磁炉的参数表，发现这小小的加热板里，藏着跟我以前画的集成电路板同款‘脾气’。 今天咱们不聊复杂的芯片制程，就从你涮毛肚的那30秒说起：为什么电磁炉加热总感觉‘温吞’？为什么锅具选错了会报错？这些问题，其实都和半导体的‘性格’有关。先问大家一个小问题：你家电磁炉买了多久？有没有遇到过‘突然罢工’的情况？可以在评论区打出来，咱们边聊边解密。”

聚焦 OpenAI 全新发布的 GPT-5，解析其核心升级、技术突破与应用潜力，带听众快速了解这代 AI 模型的革新之处。

本期播客聚焦 “AI 作为全民赋能的核心力量” 这一主题，探讨 OpenAI 如何通过技术创新让 AI 惠及更多人。内容围绕 AI 技术的普惠价值展开，解析其在打破信息壁垒、降低专业门槛、释放个体创造力等方面的作用 —— 无论是帮助普通人高效解决工作难题，为创作者提供灵感工具，还是助力不同群体突破能力局限，AI 正从 “高端技术” 逐渐转变为人人可及的赋能工具。播客中也将触及 OpenAI 在推动 AI 普惠过程中的探索与实践，强调技术发展的最终目标是让每个人都能在 AI 时代获得成长与发展的机会，让科技的力量真正服务于全民福祉。

哈喽大家好，欢迎收听本期播客。今天我们要聊的是 AI 领域的一则重磅合作 ——OpenAI 和 Oracle 联手给 Stargate 项目按下了加速键。2025 年 7 月 22 日，双方正式宣布达成协议，将在美国共同开发 4.5 吉瓦的额外 Stargate 数据中心容量。这可不是简单的扩建，背后藏着 AI 基础设施的大布局，更关系到就业、产业升级和美国的 AI 领先地位。 先说说这个合作的『硬实力』：加上已经在得克萨斯州阿比林推进的 Stargate I 站点，OpenAI 在建的 Stargate AI 数据中心总容量已经超过 5 吉瓦，能运行超过 200 万颗芯片。这距离 OpenAI 今年 1 月在白宫承诺的『未来四年投资 5000 亿美元建设 10 吉瓦美国 AI 基础设施』目标又近了一大步，而且因为 Oracle、软银这些合作伙伴的强劲助力，他们预计还能超额完成最初的承诺。

今天，我们正式在ChatGPT中推出“学习模式”——这是一种全新的学习体验，能帮助你逐步攻克问题，而非直接给出答案。从今日起，登录用户（包括免费版、Plus版、Pro版及团队版用户）均可使用该功能，ChatGPT Edu版也将在未来几周内上线这一模式。 ChatGPT已成为全球应用最广泛的学习工具之一。学生们借助它攻克棘手的作业难题、备考复习、探索全新概念。但它在教育领域的应用也引发了一个重要问题：如何确保它能真正支持学习过程，而非仅提供答案却不帮助学生理解背后的逻辑？ 我们打造“学习模式”正是为了回应这一问题。当学生启用学习模式时，系统会通过引导性问题调整回应方式，使其适配学习目标和个人技能水平，助力学生构建更深入的理解。学习模式旨在打造互动性强、富有吸引力的体验，核心是帮助学生“学到知识”，而非仅仅“完成任务”。

从一开始，开发者就是OpenAI实现“确保通用人工智能（AGI）造福全人类”这一使命的核心力量。你们运用我们的工具，打造了一系列开创性产品、创办了初创企业、加速了科研进程，还重新定义了软件的能力边界。OpenAI开发者大会（DevDay）正是我们对这份努力的致敬与延续——通过分享前沿动态、探索无限可能，与这群站在AI前沿的建设者们共话未来。

Grok 4 是 xAI 于 2025 年 7 月推出的旗舰模型，拥有 25.6 万 token 的上下文窗口、内置工具、多模态输入功能，还可选配 Heavy 多智能体层级。其 API 定价为每百万输入 token 3 美元、每百万输出 token 15 美元（与 Grok 3 相同）。本指南涵盖了 Grok 4 的功能、快速 API 设置，以及它与 OpenAI、谷歌、Anthropic 和深度求索（DeepSeek）现有高端推理模型的对比。