【AI News | 20250310】每日AI进展

AI Repos

1、Finer-CAM
Finer-CAM 是一种新型图像识别技术，通过精细化分析，使神经网络能够在面对细微差别时更加精准地识别图像特征。与传统的Class Activation Map（CAM）不同，Finer-CAM通过对比多个类别的预测结果，能够高效锁定那些独特的、与众不同的特征，避免错误分类。它不仅提高了分类精度，还减少了背景干扰，成为细节分析的“利器”。此外，Finer-CAM支持多模态零样本学习，能根据文字描述准确识别图像中的特征，大大提升AI决策过程的透明度和可信度。

2、HeyGem.ai
Heygem是一款全新离线视频合成工具，专为Windows系统设计，能够精准克隆用户的外貌和声音。它通过先进的AI算法，精确捕捉用户的面部特征和语音细节，生成高度相似的虚拟形象。用户可以通过文本和语音驱动虚拟形象进行视频创作，支持多语言脚本和高效音视频同步，确保自然流畅的对口型。Heygem的离线模式保护了用户隐私，同时界面简洁，操作便捷，适合创作数字人视频。

3、AI-read-multiple-news-live
该项目是一个基于Web的平台，通过实时抓取公司财务新闻，使用自然语言处理技术（如FinBERT模型）进行情感分析，最终提供投资建议。用户输入公司名称后，系统将分析最新新闻的情感并给出买入、卖出或持有的建议。项目采用Python和Flask作为后端，React用于前端，能够为用户提供简洁直观的界面。

4、ANUS
Anus（自动化网络化工具系统）是一个开源的AI代理框架，旨在简化任务自动化。通过结合单代理与多代理模式，Anus可执行复杂任务、与多代理协作解决问题、处理文本、图像和音频等多模态输入。它支持OpenAI及开源模型的集成，并提供全面的工具生态系统，如网页自动化、文档处理、代码执行等。Anus具有强大的隐私保护、任务管理与资源分配能力，适用于开发者、研究人员与爱好者，提供灵活且可扩展的解决方案。

AI News

1、快手可灵 AI 推出全新 AI Effects：FuzzyFuzzy、MochiMochi 和 BoomBoom
可灵 AI 也推出了类似 Pika 的 AI Effects，Web 和 App 现已上线 FuzzyFuzzy、MochiMochi 和 BoomBoom 三种特效。国内版本也同步上线了，分别命名为：FuzzyFuzzy（快来惹毛我）、MochiMochi（捏捏乐）和 BoomBoom（万物膨胀）。

2、硅基智能推出 HeyGen 开源替代品：全离线数字人合成工具
HeyGem 是硅基智能推出的全离线数字人合成工具，支持通过文字和语音驱动数字人形象。提供了从安装 Docker 到启动的详细教程。目前放出的代码只开源了前端部分，最核心依赖的3个 Docker 镜像并未开源。

3、LumaAI 推出 Ray 2：速度提升 3 倍，价格降低 3 倍的视频生成模型
Ray 2是由 LumaAI 最新推出的一款视频生成模型，号称速度比前代快 3 倍，价格便宜 3 倍。该模型支持生成最长 10 秒的视频片段，分辨率可达 720p 或 1080p。支持文生视频、图生视频、音频和控制能力，从官方的演示来看，效果非常不错。

4、LanPaint：推理版局部重绘技术
LanPaint 是一种创新的推理版局部重绘技术，它通过在去噪（denoising）前进行多次迭代“思考”，实现了更精确和自然的图像重绘效果。在 ComfyUI 中使用 LanPaint 非常简单，只需将默认的 KSampler 替换为 LanPaint 的节点即可。

5、ServiceNow 以 28.5 亿美元收购 Moveworks 增强 AI 产品组合
ServiceNow 宣布以28.5亿美元现金加股票的方式收购 Moveworks，一家专注于企业自动化和 AI 工具的公司，交易预计于2025年下半年完成。Moveworks 成立于2016年，致力于通过 AI 技术简化企业 IT 支持及业务流程，其客户包括联合利华和丰田等。此举将结合 ServiceNow 的代理 AI 和 Moveworks 的 AI 助手技术，推动企业 AI 采用。ServiceNow 表示，其 AI 解决方案增长迅速，2024年第四季度订阅收入达29.6亿美元，部分得益于 AI 推动。

6、阿里巴巴新款 RISC-V 芯片助力中国科技自给自足
2025年3月10日，南华早报报道，阿里巴巴推出服务器级玄铁C930处理器，基于开源RISC-V架构，旨在推动中国半导体产业自给自足。该芯片由阿里达摩院研发，适用于高性能计算如数据中心和自动驾驶，将于本月向客户发货。C930性能达每GHz 15分以上，展现其在AI时代的潜力。面对美国技术限制，阿里巴巴通过开源模式加速RISC-V生态建设，计划推出更多新品。中国预计将加大对RISC-V支持，2030年全球出货量或达162亿片，市场规模927亿美元。

7、富士康开发出台湾首个推理大模型FoxBrain
据《华尔街日报》2025年3月10日报道，富士康母公司鸿海自主研发出台湾首个具备先进推理能力的大模型FoxBrain。该模型基于Meta的Llama 3.1架构，专为繁体中文优化，支持数据分析、数学运算及代码生成。鸿海利用英伟达技术支持和120个H100 GPU，在四周内完成训练。FoxBrain性能接近世界一流水平，计划开源以促进行业合作，推动制造与供应链管理进步。更多细节将在3月中旬英伟达技术大会公布。鸿海正借此向AI等领域转型。

8、中国顶尖大学扩招以增强AI及战略领域能力
2025年3月10日，路透社报道，中国多所顶尖大学宣布扩招本科生，重点培养人工智能（AI）等“国家战略需求”领域人才。北京大学计划2025年新增150个名额，聚焦信息科技与工程；人民大学增加超100个名额，强调AI创新；上海交通大学新增150个名额，针对AI、集成电路等前沿技术。此举响应中国2035年建设“教育强国”计划，继DeepSeek AI成功后进一步推动本土STEM人才培养。教育部还将AI教育引入中小学，提升学生数字技能。

9、字节跳动开源COMET技术，大模型训练效率提升1.7倍
字节跳动豆包大模型团队近日宣布开源COMET技术，成功优化混合专家模型（MoE）架构，实现训练效率提升1.7倍，并降低40%成本。该技术已在字节万卡集群中应用，节省数百万GPU小时算力，且具备强兼容性，可无缝接入主流MoE训练框架。相比DeepSeek的DualPipe方案，COMET更灵活，并可与其结合使用，进一步降低训练成本。这一突破性技术的开源，或将加速大模型的研发与应用。

10、智元发布家务机器人基座大模型 GO-1，成功率提升32%
3月10日，智元机器人推出其首个通用具身基座大模型 GO-1，通过学习人类视频，在递送水杯、制作餐点等家务任务上表现卓越，成功率提升32%。GO-1基于ViLLA架构，具备小样本泛化能力，并能适应不同机器人形态。此外，智元开源百万级真机数据集 AgiBot World，为家务机器人训练奠定基础。这一突破标志着具身智能迈向普及，推动人形机器人产业化进程。

11、开源神器 Browser Use 爆火，AI 浏览器自动化引发热潮
近日，开源项目 Browser Use 在科技圈引爆关注，让 AI 代理能够像人类一样操控浏览器。该项目支持自然语言指令，无需代码编写，同时兼容 DeepSeek、Claude、Gemini 和 GPT 等 AI 模型，支持本地及云端部署。短短时间内，该项目已在 GitHub 斩获 37,000+ 星，广受开发者好评。凭借强大自动化能力，Browser Use 有望成为 AI 浏览器自动化和 RPA 领域的核心技术。

12、华为昇腾携手阶跃星辰开源多模态模型，助力 AI 创新
近日，阶跃星辰在魔乐社区开源 Step-Video 和 Step-Audio 两款多模态大模型，分别用于视频生成和语音交互。Step-Video 为全球最大开源视频生成模型，支持 204 帧、540P 视频输出，Step-Audio 可生成多种情感和个性化语音。两款模型基于华为昇腾 CANN 适配，提供免费算力支持，降低使用门槛。阿里云、TCL 等企业已接入该生态，推动 AI 多模态应用迈向新高度。

13、抖音重拳出击 AI 炒股诈骗，严管虚假投资内容
近日，抖音安全中心加强监管 AI 选股工具与炒股课程内容，打击无资质账号发布虚假投资信息的行为。一些账号借助 AI 炒股噱头，误导投资者，甚至实施诈骗，导致用户经济损失。抖音已封禁违规账号、下架相关视频，并对严重者移交公安机关处理。平台提醒用户，投资需谨慎，警惕 AI 炒股骗局，避免上当受骗。

14、国家超算互联网平台接入阿里千问大模型，开放 QwQ-32B API 免费调用
国家超算互联网平台宣布正式接入阿里巴巴通义千问大模型，并对外开放 QwQ-32B API，用户可免费获取 100万 tokens 调用额度。QwQ-32B 作为阿里最新 32B 级推理模型，性能接近 DeepSeek-R1 671B 满血版，在 Hugging Face 趋势榜快速登顶。阿里通义团队已开源 200+ 模型，其中 Qwen 语言模型 和 Wan 视觉模型 生态规模超越 Meta Llama，成为全球最大开源大模型体系之一。

15、华为AI模型生成专利公布，可提升生成AI模型效率
近日，华为技术有限公司 公布了一项 “AI模型的生成方法及装置” 相关专利。该专利通过优化算子执行时长、内存占用及卸载时间，提高 AI 模型训练效率，减少资源消耗。该方法构建目标优化函数，并通过全局优化确定 重计算或内存卸载策略，从而提升模型生成性能。该专利的公布，表明华为在 AI 算法优化与硬件加速 方面的持续投入，为 AI 训练提供更高效的解决方案。

16、谷歌 Gemini Embedding：文本嵌入领域的新王者
谷歌推出的 Gemini Embedding 近日在 Massive Text Embedding Benchmark (MTEB) 中表现出色，成为当前最强的文本嵌入模型。该模型能够将文本转换为数值表示，在语义搜索、推荐系统和文档检索等应用中表现尤为优异。在 MTEB 基准测试中，Gemini Embedding 的得分领先于竞争对手，并在配对分类、检索和重排序任务中取得了卓越成绩。该模型的推出不仅巩固了谷歌在 AI 领域的领导地位，还为搜索引擎、跨语言应用和企业服务等多个领域的 AI 技术应用开辟了新前景。

17、Firecrawl推出LLM.txt API：提供网址即可生成任意网站的LLM.txt
Firecrawl近期推出了LLMs.txt生成器接口（Alpha版），允许用户通过提供网址来生成大语言模型(LLM)训练所需的文本文件。该工具会爬取网站内容，并生成两种格式的文本文件：llms.txt（简明总结）和llms-full.txt（详细内容）。用户可以设定爬取页面数量和是否生成详细文件，适用于需要进行文本分析和训练的场景。此功能目前处于Alpha阶段，且仅支持公开页面，未来可能会根据反馈进行调整。

18、华为组建医疗卫生军团，推动AI医疗行业技术与生态对接
据媒体报道，华为已组建医疗卫生军团，尽管尚未对外正式宣布，但内部文件显示，该军团的成立旨在解决AI在医疗行业落地过程中的技术与生态对接问题。华为DCS领域总裁张伟力将担任医疗卫生军团负责人。郭平解释，军团旨在通过短链条运作和管理授权，为客户和自身创造共赢商业模式。自2021年起，华为已组建超过20个行业军团，覆盖多个垂直领域，包括能源、交通、政务等。

Others

1、Financial Data
金融数据- 股票市场和金融数据 API。免费计划允许每天 300 个请求。

2、easysitesearch
搜索小工具和 API，具有基于网络爬虫的自动索引功能。免费无限搜索，最多可搜索 50 个子页面。

3、使用Gradio、Pydantic-AI、Supabase和DeepSeek构建AI驱动的费用追踪系统
介绍了如何利用Gradio、Pydantic-AI、Supabase和DeepSeek等工具构建一个智能的费用追踪系统。通过使用Pydantic定义数据模型和Pydantic-AI创建AI代理，系统能够根据用户输入自动记录和分类费用，并提供财务建议。同时，Supabase作为后端数据库，用于存储和检索费用数据。最后，通过Gradio构建了一个简洁的用户界面，便于用户交互和实时反馈。