Google宣布，其AI驱动的Gemini Live功能现在将免费提供给所有Android用户，通过Gemini应用即可使用。该功能允许AI查看并响应用户摄像头和屏幕上的内容。此前，该功能仅在Pixel 9和Samsung Galaxy S25设备上推出，并计划通过Gemini Advanced订阅提供给其他Android用户，但Google决定免费开放。
微软也宣布，其类似工具Copilot Vision现在在Edge浏览器中免费提供。用户可以通过视频了解Gemini Live的功能，例如在水族馆中使用摄像头让Gemini识别动物并分享信息。
机器人前瞻4月15日消息，开源AI平台Hugging Face宣布正式进军机器人领域，收购法国机器人公司Pollen Robotics，计划通过开源方式将仿人机器人Reachy 2推向更广泛的应用场景。这项收购不仅是Hugging Face技术布局的延伸，更是其开源理念在实体机器人领域的一次大胆探索。
不同于传统的封闭式产品，这款机器人不仅能执行简单的操作任务，还开放了软硬件权限，允许开发者自由下载代码、修改软件结构和动手改进。
Pollen Robotics的Reachy 2是一款外形轻巧、具有特色“虫眼”设计的人形机器人，配备两条灵活的机械臂，能够抓取水果、整理咖啡杯，甚至执行一些简单的家庭任务。Hugging Face的CEO Clément Delangue表示，“相比在电脑屏幕上聊天的AI，现实生活中执行实际任务的机器人，更需要获得用户的信任，并具备高度的透明性。”而开源正是实现这一点的关键。通过开源，用户可以了解机器人的原理、控制方式，也能更安心地将它引入家庭、工作等日常场景中。
这次合作的一个亮点是，Hugging Face不只是继续销售机器人本体，而是将其软硬件完全开放。代码可以自由下载和修改，硬件结构也提供详细设计图，用户可以用3D打印机自己制作替换零件。Pollen Robotics联合创始人Matthieu Lapeyre表示：“如果某个部件坏了，你可以自己打印一个新的；如果哪里不够完美，你也可以加点改进。”这意味着不止是大公司，任何人都能参与到机器人的改造和优化中，推进它不断进化。
AI行业的发展早已证明：开源是一种强大的推动力。无论是国内深度求索DeepSeek发布的AI模型，还是初创公司Physical Intelligence提出的机器人基础模型Pi0，开源都让更多研究者和开发者得以低门槛参与、共同进步。Hugging Face本身就是开源AI社区的重要推动者，如今他们把这种模式带入机器人领域，也希望实现类似的协同创新效果。
Clément Delangue表示：“你无法在开源中隐藏，也无法作弊。”这种透明的方式可以让技术真正朝着可靠、实用的方向发展。
▲Hugging Face人工智能与机器人研究工程师和Reachy 2 人形机器人。
Pollen Robotics是一家成立于 2016 年的法国机器人初创公司，长期致力于服务型和社交型机器人的研发，尤其关注机器人在现实环境中的操作能力和人机交互体验。
Pollen Robotics一直秉持开源理念。其主打产品Reachy系列机器人，采用模块化设计，软件和硬件方案均可公开获取，支持用户自主下载、修改和升级。Reachy支持远程操控、AI 训练和语音交互，已经在教育、科研和开发等多个场景中获得应用。Pollen Robotics希望通过这种开放方式，降低机器人技术的使用门槛。
2023年，Pollen Robotics完成了240万欧元的种子轮融资，用于升级Reachy平台和扩展开源生态。这些资金来自法国公共投资银行Bpifrance及几位商业投资人。目前，Pollen正在开发面向企业用户的机器人解决方案，包括控制系统、AI平台和教学工具，计划以SaaS模式提供服务。这些举措与Hugging Face的开源战略高度契合。
▲Reachy 2是第一个专为开发AI和现实世界应用而设计的开源人形机器人。
结语：开源机器人，是一次从实验室走向社区的尝试
随着AI与硬件结合越来越紧密，机器人将成为AI技术走进现实世界的重要载体。这次合作为“机器人进入日常生活”这个宏大命题，提供了一个非常有趣的范例。
未来的机器人不再是高价、复杂、遥不可及的黑科技，而可能是“人人可造，人人可改”的社区产物。这正是Hugging Face想要实现的机器人未来，而我们也许正站在一个新起点上，迎接一个真正属于大众的机器人时代。
微软本周为Copilot Studio启用了一项新的“计算机使用”功能，使AI代理能够与网站和桌面应用程序交互。这一功能类似于OpenAI的Operator或Claude的“计算机使用”功能，允许企业利用Copilot Studio构建AI代理，将网站和桌面应用视为自动化任务的工具。
通过点击按钮、选择菜单和在屏幕上输入字段，AI代理可以处理即使没有API直接连接的任务。这意味着如果一个人能使用某个应用，AI代理也能做到。
Copilot Studio能够创建自动化数据录入、市场调研甚至处理发票的AI代理。微软表示，这一新工具还能检测应用程序或网站中按钮和屏幕的变化，并继续工作而不会失败或中断。
微软本月早些时候在其消费者版Copilot中添加了类似的功能，称为“Actions”。“Actions”可以在后台执行任务，例如预订餐厅、购买活动门票或在线购物，而用户可以继续处理其他任务。不过，“Actions”体验目前仅限于部分合作伙伴，而Copilot Studio则可以自由与更多网站和应用合作。
1. 核心发布内容
OpenAI正式推出专为开发者设计的GPT-4.1系列模型，包括GPT-4.1标准版、Mini版和Nano版，现已通过API开放使用。该系列专注于代码生成、指令跟随和百万token长文本理解三大核心能力。
2. 技术特性亮点
新模型被官方称为“最快且最经济”的版本，在API中表现优于GPT-4o。特别强化了指令理解精准度，减少了冗余输出，开发者实测反馈积极。但普通用户暂无法直接体验。
3. 战略布局暗示
CEO Sam Altman通过推特预告本周可能持续发布重要更新。虽未现身发布会，但转发了用户关于GPT-4.1提升工作流程的实证。行业猜测这可能开启类似去年”12天连续发布”的节奏。
4. 生态影响观察
随着Google Gemini/DeepSeek等竞品追赶，GPT-4.1被视为确立新标准的尝试。其图像生成功能（如宠物拟人化）已助推ChatGPT日活用户超越Instagram/TikTok，但部分AI趋势引发争议。
5. 未解悬念
业界关注是否将推出Agentic AI等突破性功能，以及本周会否公布GPT-4o正式继任者。TechRadar等媒体将持续通过直播博客跟踪最新动态。
1. 隐形AI渗透
OpenAI发布专为开发者设计的GPT-4.1等新模型，这些模型将悄无声息地嵌入各类应用（如邮箱、待办清单、食谱软件），用户可能毫无察觉地日常使用AI。
2. 技术特性突破
新模型针对指令执行、编码和信息推理优化，具有更高速度与成本效益，适合资源有限的开发者实现智能功能（如自动分类开支、生成会议摘要）。
3. 从产品到基础设施
AI正转变为“数字 plumbing”——像Wi-Fi一样隐形存在，失败时才被注意。这种转变可能提升公众接受度，但模糊了”AI使用者”的定义。
4. 隐忧与争议
• 透明度缺失：多数应用不会主动披露使用AI，尤其基础功能场景
• 隐私边界模糊：智能预测功能可能演变为监控（如购物推荐）
• 技术垄断风险：数字生活将被少数不透明的底层模型塑造
5. 用户的两难选择
抵制AI将变得极其困难——要么彻底审查每个应用的用户协议，要么接受AI对数字世界的隐形改造。
1. 核心功能升级
Grok将新增”记忆系统”，通过设置中的“Personalise with Memories”开关实现。该功能允许AI引用历史对话内容，例如提醒用户”我们之前讨论过这个吗？”，标志着从即时工具向长期助手的转变。
2. 用户隐私控制
记忆系统采用用户完全可控的设计，支持删除特定记忆或全部数据，这与行业标准一致，对建立工作/生活场景中的信任至关重要。
3. 竞品对标加速
xAI以“冲刺速度”推进更新，试图快速追平ChatGPT和Gemini在记忆、图像编辑等功能上的优势。部分用户已看到测试版记忆功能，但全面推送时间未定。
4. 多模态能力拓展
即将推出视觉功能（通过手机摄像头解析环境）、图像风格修改工具，以及Google Drive集成，增强艺术创作和办公场景适用性。
5. 战略转型信号
通过Grok Workspaces协作白板等更新，xAI正将产品从”毒舌问答机”重塑为严肃生产力工具。Grok 3.5版本即将发布，4.0计划年底推出。
6. 关键挑战
记忆系统的实际效用和功能整合度将决定Grok能否突破”网红玩具”印象，成为用户真正的首选AI助手。
1. 研究背景与问题
扩散模型在视频生成中性能卓越，但传统方法（如HunyuanVideo）需大量推理步骤去噪，导致生成5秒720p视频耗时3234秒（单A100），存在效率瓶颈。
2. 创新解决方案
上海AI Lab提出AccVideo框架，通过合成数据集SynVid和高效蒸馏技术实现：
– 8.5倍加速：推理速度提升至教师模型的8.5倍
– 低资源训练：仅需8块A100训练12天（3.84万条合成数据）
– 质量保持：生成5秒720p视频质量与教师模型相当
3. 关键技术突破
3.1 SynVid数据集构建
利用教师模型生成高质量视频及去噪轨迹，避免传统蒸馏中的无效数据点问题，显著提升训练效率。
3.2 少步指导机制
通过5个关键扩散时间步学习噪声-视频映射，推理步数减少10倍（m=5）。
3.3 对抗训练策略
噪声感知判别器+时间步投影头设计，避免前向扩散操作，稳定提升生成质量。
4. 实验结果
– 定性对比显示伪影更少（如手部细节）
– 较CogVideoX1.5提升画面保真度和背景效果
– 文本匹配度优于HunyuanVideo（如复古SUV呈现）
5. 开源与影响
– 已集成ComfyUI并支持Lora
– 获Reddit等社区广泛关注
– 开源地址：github.com/aejion/AccVideo
1. AI技术重构全球格局：前沿技术如”存算一体””云边端协同”正推动智能制造、智慧城市等领域的突破性应用，2025 AI算力产业大会聚焦行业痛点。
2. 九章云极技术方案：提出”弹性调度+智能开发+资源普惠”全栈布局，核心产品包括：
– 弹性容器集群VKS：基于Serverless架构实现秒级扩缩容，降低50%集群成本
– 大模型工具Aladdin：提升4倍开发效率，降低75%算力成本
– 创新算力包：业内首创”按度计量”模式，实现供需动态平衡
3. 技术协同效应：VKS动态伸缩+算力包按量计费+Aladdin开发插件形成完整解决方案，特别适合科技企业快速迭代。
4. 未来愿景：以”算力+算法”双核驱动，构建”弹性、流动、共生”的算力网络生态，突破行业能力边界。
AI技术推动数据库智能化转型：从ChatGPT到GPT-4o的多模态跨越，揭示了数据质量决定智能高度的底层逻辑。OceanBase作为分布式数据库领军者，通过一体化架构（如HTAP混合负载、SQL+AI融合）重新定义AI原生数据库，实现交易与分析的无缝衔接。
OceanBase AI黑客松大赛启动：4月10日开启报名，由OceanBase与蚂蚁开源联合主办，设置10万奖池。赛事聚焦两大方向：1）以OceanBase为数据基座构建AI应用；2）探索OceanBase+AI生态共创（如与CAMEL AI、FastGPT等合作开发问答/诊断系统）。
参赛规则与激励：个人或团队（1-5人）需提交RFC+演示视频+PPT，评审标准包括创新性、技术挑战等。优胜者可获奖金、社区积分、线下展示机会及认证讲师资格。所有参赛者将获得技术导师全程支持。
资源支持：提供OceanBase官方文档、GitHub仓库、AI工作坊等学习资源，并开放专属技术论坛。大赛强调”技术共享，生态共创”，获奖作品将亮相2025 OceanBase开发者大会。
核心发现总结：
1. 强化学习训练导致长响应现象
研究揭示，当模型获得负奖励（答案错误）时，PPO算法会通过数学机制鼓励生成长响应，因为更长的回答能稀释每个token的惩罚，降低损失值。即使额外内容无助于解题，模型仍会”学习”这种策略。
2. 两阶段训练法的突破
提出两阶段强化学习策略：
– 第一阶段：用高难度问题训练（响应变长）
– 第二阶段：用可解问题优化（响应缩短且准确度提升）
实验证明该方法能显著减少响应长度30%，同时保持或提高准确度。
3. 关键数据验证
– 简洁性与准确度正相关：短回答往往正确率更高
– 小数据集有效性：仅用4个问题训练即可提升模型性能
– 温度敏感性改善：后训练模型在零温度下表现更稳健
4. 理论机制解析
将推理问题建模为马尔可夫决策过程（MDP），揭示PPO损失函数与响应长度的动态关系。错误答案会触发”损失最小化”机制，导致响应自动延长，而非模型主动选择复杂推理。
5. 实际应用价值
该研究对降低大模型计算成本具有重大意义，同时指出当前强化学习存在的根本问题：模型优化目标是奖励最大化而非问题解决本身。