生成式AI

一、 实测Claude 3.7：3200行代码一口气输出，物理规律拿捏

1. Claude 3.7能一次性输出3200多行代码，制作出具有完整游戏机制的可玩游戏；

3. Anthropic获35亿美元融资，公司估值已达615亿美元，新模型被官方定位为"更擅长现实世界任务"。

二、 DeepSeek Day 2 用于MoE训推的EP通信库DeepEP

1. DeepSeek开源MoE训练与推理通信库DeepEP，是首个用于MoE模型的EP通信库；

2. DeepEP实现高效All-to-All通信，支持NVLink、RDMA跨节点通信，适配训练和推理不同场景；

3. 项目迅速获得超1000星标，被认为是MoE并行技术突破，证明DeepSeek技术创新能力。

三、 阿里推出推理模型QwQ-Max预览版，可进行联网搜索

1. 阿里开源QwQ-Max-Preview深度思考模型，支持联网搜索和思维链可视化，计划以Apache 2.0协议完全开源；

2. 模型基于Qwen2.5-Max构建，能进行实时联网推理、代码编写、游戏开发，但实测效果与展示案例有差距；

3. 通义千问将推出轻量级思考模型变体，并推广Qwen Chat App，加入推理模型开源潮流。

四、 AI说书媲美真人！豆包语音大模型升级长上下文理解

1. 豆包语音模型升级，实现媲美真人主播的有声书效果，无需额外标签可端到端合成声音；

2. 技术团队改进Seed-TTS架构，加入上下文理解能力，解决旁白与角色区分、情感表达和声音连贯性问题；

3. 已落地番茄小说平台，基于王明军、李满超两位专业主播声音合成千部有声书，覆盖多种热门书目类型。

五、 特斯拉官宣在华发布 FSD，自动驾驶的「狼」真要来了

2. FSD通过短视频训练应对中国道路，优先推送至搭载AI4.0硬件车型，一次性买断价格6.4万元；

3. 特斯拉FSD入华将产生"鲶鱼效应"，加速中国智能驾驶行业竞争格局分化，标志着新能源汽车竞争正式进入"下半场"。

六、 苹果宣布未来四年投入5000亿美元，AI、芯片及先进制造

1. 苹果宣布未来四年将在美国投资5000亿美元，是该公司史上最大规模投资计划；

2. 计划在得克萨斯州建造AI服务器工厂，与鸿海精密合作组装支持Apple Intelligence的服务器；

3. 投资将在美国创造约2万个研发岗位，同时将美国先进制造基金增加一倍至100亿美元，专注研发、芯片工程和AI领域。

前沿科技

七、 英伟达推出AI手语学习平台Signs，采用3D虚拟形象演示

1. 英伟达与美国聋童协会合作推出AI手语学习平台Signs，免费提供美国手语学习服务；

2. 平台采用3D虚拟形象演示手势，AI实时提供反馈，目前提供100种手势，计划扩展至1000种；

3. 用户可贡献平台上未提供的手势视频，英伟达将向开发者开放数据存储库，未来版本将增加面部表情和头部动作等非手动信号。

八、 放弃agent，图灵奖得主提出Scientist AI：避免人类生存威胁

1. 图灵奖得主Yoshua Bengio提出Scientist AI，是一种非智能体AI系统，旨在避免智能体可能带来的人类生存威胁；

2. 当前智能体AI存在目标偏差、目标泛化和奖励篡改等风险，可能导致AI逃脱人类控制；

3. Scientist AI通过限制行动能力、目标导向性和持久内部状态，专注于理解世界而非干预世界，可应用于科学发现和作为其他AI系统的安全护栏。

九、 从零开始自主「起身站立」，上海AI Lab发布最新具身控制算法

1. 上海AI Lab开发HoST算法，使人形机器人能在复杂环境中自主从坐姿站起，展现强大抗干扰能力；

2. 该算法采用强化学习框架，结合多评论家技术、辅助力探索策略和运动约束设计，解决控制难题；

3. HoST在多种复杂地形和外部干扰条件下表现出色，为人形机器人在家庭、医疗、救援等场景应用奠定基础。

报告观点

十、 Snowflake CEO：DeepSeek是好模型，而ChatGPT是一款好产品

1. DeepSeek是优秀模型，但ChatGPT作为产品更具吸引力，因拥有完整功能体系和5亿忠实用户，而非仅提供基础模型能力；

2. 在AI领域，真正的价值来自拥有客户关系并快速拥抱AI技术的公司，创新不仅需要资金，更需要在限制条件下推动发展；

3. 企业级AI市场不会出现单一垄断入口，专业化机会多样，而消费端ChatGPT有可能成为主要入口，AI技术正在创造实际价值。

十一、 中金点睛：DeepSeek的“大模型平权”，是算力拐点还是黑洞？

1. DeepSeek推动"大模型平权"通过MoE稀疏架构、FP8精度训练及GRPO算法等创新，以1/10成本获得与顶级模型相当能力，实现算力使用效率突破；

2. 这些创新是在中美贸易摩擦背景下采购受限情况的较优解，未反驳"Scaling Law"，而是通过算法和工程优化降低训练门槛；

3. 杰文斯悖论表明，全行业算力使用效率提升反而创造更大需求，新技术将促使AI训练硬件需求持续增长而非下降。