據(jù)《智能涌現(xiàn)》獲悉，前閃極AI 合伙人、前字節(jié)視覺(jué)大模型 AI 平臺(tái)負(fù)責(zé)人潘欣，近期已經(jīng)加入美團(tuán)。

據(jù)悉，潘欣曾任谷歌大腦（Google Deepmind）研究員，推動(dòng) TensorFlow 動(dòng)態(tài)圖模式開(kāi)發(fā)。

12 月 10 日，面壁智能宣布，面向高擬真語(yǔ)音生成的新型端到端 TTS 模型 VoxCPM 1.5 版本正式上線(xiàn)。目前，模型已在 Github、Hugging Face 開(kāi)源。

過(guò)去一天，國(guó)內(nèi)外AI行業(yè)還有更多熱點(diǎn)可以關(guān)注，烏鴉君帶你一起看看。

大模型

1）前字節(jié)視覺(jué)大模型 AI 平臺(tái)負(fù)責(zé)人加入美團(tuán)

據(jù)《智能涌現(xiàn)》獲悉，前閃極AI 合伙人、前字節(jié)視覺(jué)大模型 AI 平臺(tái)負(fù)責(zé)人潘欣，近期已經(jīng)加入美團(tuán)。據(jù)悉，潘欣曾任谷歌大腦（Google Deepmind）研究員，推動(dòng) TensorFlow 動(dòng)態(tài)圖模式開(kāi)發(fā)。

回國(guó)后，他先后在百度、騰訊與字節(jié)跳動(dòng)任職。具體來(lái)看，百度期間，潘欣曾主導(dǎo)PaddlePaddle 平臺(tái)優(yōu)化、無(wú)量深度學(xué)習(xí)框架構(gòu)建，而后任騰訊、字節(jié)跳動(dòng) AIGC 和視覺(jué)大模型 AI 平臺(tái)負(fù)責(zé)人，業(yè)務(wù)方向集中在多模態(tài)領(lǐng)域。

此后，2024 年 11 月，其加入閃極科技，擔(dān)任 AI 合伙人，整體負(fù)責(zé) AI 技術(shù)研發(fā)及智能眼鏡項(xiàng)目。據(jù)了解，入職美團(tuán)后，潘欣負(fù)責(zé)多模態(tài) AI 創(chuàng)新工作，主導(dǎo)了 LongCat App 等多個(gè)相關(guān)應(yīng)用的開(kāi)發(fā)。

2）理想自動(dòng)駕駛負(fù)責(zé)人回應(yīng)宇樹(shù)王興興對(duì)VLA 質(zhì)疑

今年8 月的2025 年世界機(jī)器人大會(huì)上，宇樹(shù)科技 CEO 王興興表示當(dāng)下火熱的 VLA 模型（視覺(jué)-語(yǔ)言-動(dòng)作）是「相對(duì)比較傻瓜式的架構(gòu)」，并表示「保持比較懷疑的態(tài)度」。針對(duì)王興興的質(zhì)疑，理想自動(dòng)駕駛負(fù)責(zé)人「郎咸朋」昨日發(fā)文回應(yīng)。

郎咸朋表示，8 月沒(méi)有及時(shí)提出自己觀點(diǎn)，是因?yàn)槔硐?VLA 司機(jī)大模型還沒(méi)正式發(fā)布，空口無(wú)憑，并且其對(duì)具身機(jī)器人行業(yè)，還處于密切關(guān)注階段。

郎咸朋指出，自己與王興興觀點(diǎn)最不一樣的地方在于，王興興認(rèn)為模型架構(gòu)更重要，但自己認(rèn)為模型的關(guān)鍵是要與整個(gè)具身智能系統(tǒng)適配，在此基礎(chǔ)上，數(shù)據(jù)是起決定意義的。

郎咸朋通過(guò) VLA 以及具身智能兩個(gè)方面進(jìn)行解釋?zhuān)?/p>

VLA：

在某些場(chǎng)景下理想的VLA 已經(jīng)具備了對(duì)物理世界的認(rèn)知涌現(xiàn)，具體表現(xiàn)是用戶(hù)會(huì)越來(lái)越多的發(fā)現(xiàn)之前端到端沒(méi)有的擬人行為。

世界模型更適合做「考場(chǎng)」而不是「考生」。世界模型的高算力需求（訓(xùn)練和推理都是）決定了它更適合在云端做數(shù)據(jù)生成和極度逼真的仿真測(cè)試和強(qiáng)化訓(xùn)練。

在自動(dòng)駕駛領(lǐng)域，脫離了海量真實(shí)數(shù)據(jù)談模型架構(gòu)都是空中樓閣。理想之所以堅(jiān)持VLA，是因?yàn)閾碛袛?shù)百萬(wàn)輛車(chē)構(gòu)建的數(shù)據(jù)閉環(huán)，這讓理想能在當(dāng)前算力下，把駕駛水平做到接近人類(lèi)。

具身智能：

要想做好自動(dòng)駕駛，必須先把自動(dòng)駕駛當(dāng)作完整的具身智能系統(tǒng)對(duì)待，每一部分在研發(fā)過(guò)程中要相互配合才能將價(jià)值發(fā)揮出來(lái)。需要做到全棧自研，不僅僅是軟件棧，而是整體軟硬全棧。

模型的關(guān)鍵是要與整個(gè)具身智能系統(tǒng)適配，在此基礎(chǔ)上，數(shù)據(jù)是起決定意義的。在機(jī)器人領(lǐng)域獲取數(shù)據(jù)相對(duì)困難，但在自動(dòng)駕駛領(lǐng)域，特別是建立起數(shù)據(jù)閉環(huán)能力的車(chē)企來(lái)說(shuō)并不是大問(wèn)題。

3）面壁智能上線(xiàn)新端到端 TTS 模型 VoxCPM 1.5

12 月 10 日，面壁智能宣布，面向高擬真語(yǔ)音生成的新型端到端 TTS 模型 VoxCPM 1.5 版本正式上線(xiàn)?？焖倏幢敬紊?jí)亮點(diǎn)：

高采樣音頻克隆：AudioVAE 采樣率從 16kHz 提升至 44.1kHz ，模型可根據(jù)高質(zhì)量音頻，克隆效果更佳、細(xì)節(jié)更豐富的聲音；

生成效率翻倍：在模型參數(shù)有所增加的前提下，VoxCPM 1.5 僅需 6.25 個(gè) token 即可生成 1 秒音頻，較此前版本提高一倍，在保持速度的同時(shí)提升了音頻生成質(zhì)量；

開(kāi)發(fā)者友好：新增LoRA 和全量微調(diào)腳本，支持深度定制；

增強(qiáng)穩(wěn)定性：減少音頻偽影，優(yōu)化長(zhǎng)文本音頻的生成效果。

目前，模型已在Github、Hugging Face 開(kāi)源。

AI應(yīng)用

1）Spotify 測(cè)試更多個(gè)性化、人工智能驅(qū)動(dòng)的“推薦歌單”

Spotify周三宣布，將首次賦予用戶(hù)更多控制流媒體服務(wù)算法的權(quán)力。至少該公司是這樣描述其全新“推廣歌單”功能的推出的，該功能最初將面向新西蘭的Premium會(huì)員開(kāi)放。

據(jù)Spotify 稱(chēng)，該功能目前僅支持英語(yǔ)，仍處于測(cè)試階段，在推廣到其他市場(chǎng)之前還會(huì)不斷完善。

據(jù)該公司稱(chēng)，這項(xiàng)新工具允許用戶(hù)描述他們想在個(gè)性化歌單中聽(tīng)到的內(nèi)容，從而反映出他們完整的音樂(lè)品味歷程。這意味著歌單不僅關(guān)注你現(xiàn)在喜歡的歌曲，還關(guān)注你從注冊(cè)Spotify第一天起的所有收聽(tīng)記錄——該公司表示，這正是該功能與其他歌單功能的區(qū)別所在。

2）谷歌正在部分出版物的谷歌新聞頁(yè)面上測(cè)試人工智能驅(qū)動(dòng)的文章概述功能

谷歌周三宣布，作為一項(xiàng)新的試點(diǎn)計(jì)劃的一部分，谷歌正在參與的出版物的谷歌新聞頁(yè)面上測(cè)試人工智能驅(qū)動(dòng)的文章概述。

參與試點(diǎn)項(xiàng)目的媒體包括《明鏡周刊》、《國(guó)家報(bào)》、《圣保羅頁(yè)報(bào)》、《Infobae》、《羅盤(pán)報(bào)》、《衛(wèi)報(bào)》、《印度時(shí)報(bào)》、《華盛頓觀察家報(bào)》和《華盛頓郵報(bào)》等。

谷歌在一篇博文中表示，這項(xiàng)新的商業(yè)合作計(jì)劃旨在“探索人工智能如何提升用戶(hù)參與度” 。作為這項(xiàng)人工智能試點(diǎn)計(jì)劃的一部分，谷歌將與出版商合作，在谷歌新聞中測(cè)試新功能。

谷歌表示，通過(guò)添加人工智能驅(qū)動(dòng)的文章摘要，用戶(hù)在點(diǎn)擊閱讀全文之前可以獲得更多背景信息。雖然人工智能生成的摘要可能會(huì)導(dǎo)致新聞文章的點(diǎn)擊量下降，但參與商業(yè)試點(diǎn)項(xiàng)目的媒體機(jī)構(gòu)將直接收到谷歌的付款，這或許可以彌補(bǔ)其網(wǎng)站流量可能出現(xiàn)的減少。

PS：如果你對(duì)AI大模型領(lǐng)域有獨(dú)特的看法，歡迎掃碼加入我們的大模型交流群。