支付宝开放平台-开发者社区——AI 日报「12 月 18 日」-CSDN博客

本文链接：https://blog.csdn.net/2401_85476653/article/details/144560010

1 谷歌版Sora来了，4K高清暴击OpenAI！视频生图新卷王，更理解物理世界

昨天，谷歌再次爆打OpenAI。全新发布的Veo 2，实测效果已经被许多人公认「超越Sora」。作为谷歌最先进的视频生成模型，Veo 2更好地理解现实世界物理和运动的细微差别，理解电影摄影语言的能力（如镜头类型和效果），分辨率高达4K。

同时放出的，还有Imagen 3图像生成模型，和用图像而非文本作为prompt的工具Whisk。无论是在LLM上，还是在视觉创作上，谷歌正在缩小和OpenAI的差距。

举个栗子，我们用相同的提示「A pair of hands skillfully slicing a ripe tomato on a wooden cutting board」生成一个切西红柿的视频。在Veo 2中，西红柿不仅会随着刀子的前后移动而移动，并且其横断面清晰可见。切片虽略显厚实，但前后始终保持一致，而且还能正确地叠放起来。相比之下，Sora不仅照着手指疯狂下刀，而且切了半天的西红柿依然「完好无损」……

难怪有网友说，在理解物理世界和一致性上，Veo 2已经到了next level。高达4K的分辨率，大大提升的细节和真实感，人体动作和表情的改善，以及更好的物理建模和时间一致性，都让Veo 2达到了顶级AI视频模型的级别。

2 AI大模型时代，人才的需求已经变了

机器之心｜阅读原文

什么是 AI 发展的第一驱动力？最近，全球科技大厂都在用行动告诉我们：人才。

然而，现实却给了我们当头一棒 —— 承载期望的 Killer App 依然未能现身。对于抖音、快手这些国民级内容社区，AI 并未带来预期中的实质性变革。调性与 AIGC 最契合的小红书，今年也放弃了旗下的 AI 生图工具 Trik AI。

投资人越来越迟疑，「AI 六小龙」已有三家选择了战略性放弃 C 端业务线。为什么会这样？让我们从最基础的问题谈起。很多公司在开发 AI 产品时，总是习惯性「拿着锤子找钉子」。他们练就了一身本领，就着急要找地方施展，但却没考虑过用户的真实需求。

究其原因，AI 技术的研发者和从业者之间存在难以跨越的认知鸿沟 —— 术业有专攻，许多需求早已内化为肌肉记忆般的本能反应，往往是「问不出来」却「离不开」的隐性知识。一切症结都指向了同一个结构性矛盾：懂行业场景的「老师傅」不懂 AI，而精通 AI 技术的人又不了解行业里的人需要什么。如果无法化解，AI 落地就将持续面临「最后一公里」的挑战。

帮大模型「立三观」需要行业、AI 一起来。显然，双向奔赴才是更好的选择。换句话说，这也意味着能够帮助大模型建立「三观」的人，最好是懂 AI 的行业专家。培养复合型行业 AI 人才是我们未来要做的。

3 从骁龙8至尊版，我看到了AI手机的未来 | 智在终端

量子位｜阅读原文

如果说此前市场对于AI手机还有“蹭大模型热度”的犹豫和质疑，那么如今各大厂商都在用实际进展证明：端侧AI，已经成为手机新的竞争焦点。而如此时间节点的如此变化，反映的一个事实是，应用侧的坚定AI化，背后更关键的信心来源之一，依然是底层硬件的变化。

作为新一代手机最强芯，骁龙8至尊版的核心目标很明确：全面重构性能、全面重构AI。首先，是真正“知你所言，懂你所想”的个性化多模态AI助手。

就像手机厂商们正在竞相宣传的那样，大模型加持下的AI助手，不仅仅是“听得懂人话”版的增强型语音助手，更关键的是，它能充分挖掘用户在手机端留存的个性化数据，通过分析用户的操作、语音等信息，在准确感知、理解用户意图的基础之上，变革人机交互体验——从单一场景到多场景、多任务，甚至是从人找服务到AI助手主动为人做策划。

简单总结一下，在骁龙8至尊版支持下，AI手机在以下几个维度有了明显提升：

AI运行速度
多模态交互
AI Agent（智能体）“自动驾驶”

但是底层计算只是实现这一切的基石。软件层面，先进算法和海量工具，是生成式AI应用得以繁荣的另一大关键。

在这里，移动计算被重构，移动计算的发展方向也更加明了——当AI成为移动设备的全局性能力，更强大的CPU将成为必需，小核已经成为过去时。NPU作为天生为AI而来的硬件核心，负责为多模态、超长文本等能力提供支持。GPU则继续在擅长的游戏、图像领域发挥能力。当然，为了满足AI模型运行的需求，大内存也成为必然。

对此，你怎么看？

支付宝/钉钉扫码加入支付宝开发者钉组织，可了解支付宝开放能力最新动态，订阅文档更新消息，和同城同行业交流业务，与支付宝产研沟通交流。