豆包難辨國產大型 SUV 外觀|記者觀察
測試顯示,豆包、DeepSeek等AI智能體辨認車標被模糊處理的兩款國產9系大型 SUV 側面圖時,往往未能一次答對,經3~4次糾正後才辨認正確;露出前臉或尾燈等特徵後,則能準確識別。電動平台、風阻及車內六座大空間等共同工程考量,令多款大型 SUV 側面比例和腰線相近,車企則透過車頭、車尾的燈語與標識保留設計差異。
測試顯示,豆包、DeepSeek等AI智能體辨認車標被模糊處理的兩款國產9系大型 SUV 側面圖時,往往未能一次答對,經3~4次糾正後才辨認正確;露出前臉或尾燈等特徵後,則能準確識別。電動平台、風阻及車內六座大空間等共同工程考量,令多款大型 SUV 側面比例和腰線相近,車企則透過車頭、車尾的燈語與標識保留設計差異。
MIT-IBM Computing Research Lab 團隊正研究多模態基礎模型的感知與語言能力落差,並以基準測試及較少依賴標註資料的方法改善模型表現。研究涵蓋模型難以定位特定物件,以及部分音訊基準測試可能讓模型只看答案選項、沒有真正聆聽音訊等問題。
Hany Farid 主張,生成式 AI 時代應把對影像的「預設為真」轉為「預設為假」,由創作者證明內容真實。C2PA 憑證、SynthID 浮水印和攝影感光元件的加密簽署可提供來源訊號,與事後鑑證分析互補。作者提出,視像通話軟件日後亦可逐格驗證即時串流簽署,讓真實參與者證明身份。
2026年AI眼鏡市場銷量快速增長,但高退貨率、佩戴不適和隱私爭議,反映供給擴張尚未解決用戶的實際需求。洛圖科技數據顯示,2026年上半年中國智能眼鏡全渠道銷量同比增長85.5%,退貨率達30%至70%;市面上大部分AI眼鏡重36克至50克,普通近視眼鏡約20克。受訪者認為,產品要留住用戶,還需兼顧佩戴舒適度、隱私合規和高頻使用場景。
作者倡議為逼真的合成人物商業用途設立法律責任,並在虛擬人物用於銷售、募款或遊説時強制加入醒目水印及披露。文章指出,合成人物被用於色情內容、投資詐騙及虛假募款,令用戶向不存在的人物或機構付款。作者亦主張核實營利帳號營運者身份,並要求從已核實 AI 詐騙中獲利的平台承擔財務責任。
商湯聯合創始人、首席科學家林達華表示,公司至今仍把20%的資源投向沒有產品出口的預研,並以空間智能等方向探索長期競爭力。他指出,空間智能任務中增加數據曾令模型表現更不穩定,單靠擴大數據和參數未必能解決問題。他以Seedance的30秒影片片段對照Seko的100集短劇創作流程,並透露Seko今年用戶增長7到8倍,平台已有播放量過億的短劇。
OpenAI 已開始訓練 GPT-5,目標是在 GPT-4o 的基礎上取得重大進展。文章指出,下一代模型可能改善效率、微調、遷移學習、多模態能力及上下文窗口,但這些升級仍屬推測。
AI 研究者主張,AI 下一步的擴展不應只靠增加訓練數據,而要建立能模擬現實的世界模型。JEPA 透過預測抽象表徵,學習世界結構而非表面細節;Sora 等影片生成模型則展現了從預測轉向模擬的早期跡象。未來成效將取決於模擬保真度及預測環境未來狀態的能力。
商湯至今仍將20%的資源投入沒有產品出口的預研工作,林達華認為,長期競爭力來自沿着有價值的方向持續深入,而非跟風拼手速。商湯的Seko今年用戶增長了7到8倍,平台上已有播放量過億的短劇。
紀錄片《Musk》以 Elon Musk 的 AI 虛擬形象和電子遊戲式片段呈現其生平,但這些設計令人出戲,削弱影片訊息。評論指出,片中引用的言論若放回原本訪問情境,更能呈現內容;片長達四小時,片末另提及製作方對虛擬形象所用技術的説法。
CNET 評測 Google 與 Xreal 合作的 Xreal Aura,給予 7.0 分;這款 Android XR 眼鏡可運行多個 Android 應用程式和部分 VR 應用程式。
網上消息指,Apple 可能於明年上半年推出 iPhone 18 標準版,取消獨立操作按鈕,並將靜音功能整合至相機控制按鍵。相機控制按鍵可用按壓、輕按和滑動操作拍攝及調整參數,Apple 亦嘗試將它用於視覺 AI 功能。功能整合能否兼顧操作簡便與避免誤觸,仍有待驗證。
蘋果預計2027年推出至少18款新品,涵蓋iPhone、iPad、Apple Watch、Mac、AirPods及智能家居產品。傳聞中的新品包括iPhone 20 Pro系列、配備攝像頭的AirPods Pro、Apple智能眼鏡及HomeView Max。蘋果似乎計劃在WWDC 2027發布智能眼鏡,並於2027年底上市。
Black Forest Labs 的 Andreas Blattmann 與 Dustin Podell 討論以圖像、影片和聲音共同訓練 FLUX 3,並探討視覺智能的構建。訪談指出,影片和聲音可補充靜態圖像未呈現的運動與接觸線索,並以影片升頻説明跨影格一致性的重要性。內容亦談及 FLUX Kontext 的早期關係標註實驗,以及用戶以 FLUX 修復舊家庭照片的案例。
蘋果首款智能眼鏡 N50 據稱計劃於 2027 年 6 月 WWDC 亮相,並於同年年底前出貨。眼鏡沒有 AR 顯示能力,主要透過攝像頭、Siri 和音訊互動。第三方 App 操作仍依賴配對的 iPhone,軟件和 AI 則是拖慢產品進度的因素。
AI 模型可分析相片中的視覺細節,在沒有 GPS 座標的情況下推斷拍攝位置,增加跟蹤和起底的風險。相片長期累積,可能透露住所、日常路線和活動地點;延後分享旅遊相片、檢查影像線索及限制貼文閲覽對象,有助減少個人資料外洩。
肖茵將於虎嗅F&M創新節與《持械入宋》總編劇李朝華等人參與圓桌討論,交流AI參與影視創作的挑戰。製作方披露,《持械入宋》全網累計播放量已突破120億。創新節於11月21日至22日在北京798藝術區·79罐舉行,另設AI創作及企業轉型相關分享。
智能體即使能寫程式和規劃工作流程,仍可能無法處理語音、掃描文件及外語等多模態輸入;文章指出,多模態感知是智能體欠缺的技能層。iFLYTEK 的 iFly-Skills 提供語音識別、OCR、翻譯、文字校對及多模態理解,並可與 astron-agent 配合完成感知、理解、規劃和執行。
高德智感透過降低紅外技術的成本、使用難度和理解門檻,讓更多人用上紅外技術,並以持續迭代產品回應民用市場需求。公司將 AI 用於紅外圖像調光,以及電力巡檢中的設備識別和檢測建議。文章亦以全新長軸距 GLE SUV 的本土化研發與智能體驗,呈現科技以實用價值回應用戶需求的理念。
TechAI Guide 比較 ChatGPT 與 Gemini 後認為,兩者各有所長,選擇主要取決於用戶常用的應用程式和工作需求。Gemini 適合依賴 Google 應用程式及處理長文件的用戶,其付費方案提供 1-million-token 上下文窗口;ChatGPT 則較適合項目式工作、學習及初學者編碼。兩者主流付費方案分別為 $20/month 和 $19.99/month,價格接近。
新加坡國立大學助理教授吳昌盛以自適應生物電子研究推動更貼合人體需求的傳感技術,並入選《麻省理工科技評論》2026 年度 TR35 亞太區名單。他的團隊以熱響應水凝膠改善傳感器貼合與安全移除,也開發無線兒童腦血流監測設備,成本僅數百美元。吳昌盛主張以物理規律和參考測量約束 AI,並探索多模態觸覺感知與可穿戴監測。
作者花一週體驗 Gemini,認為它在音訊理解、多模態互動、文字創作和幽默感方面表現突出,是被低估的模型。文中以辨認《我的世界》及《英雄聯盟》音效、分析歌曲、理解影片和魔方照片等測試,並與千問、豆包及 ChatGPT、Claude 等模型比較。作者亦指出 Gemini 仍有幻覺問題,且網頁版、APP 和 Antigravity 使用體驗不佳。
Google 智能眼鏡的相機私隱安排因操作路徑而異,涵蓋 Gemini 視覺查詢、相簿相片和影片、文字對話及 Aira 人工視覺協助。Google 表示,Gemini 查詢會在處理前按設計遮蔽旁人面孔,相關相機畫面不會存入 Gemini History,也不會用於 AI 訓練或廣告定向;文中引述 CNN 指出,這項保障不包括一般儲存的相片和影片。
AI 將把生成式能力帶入 AR 眼鏡,成為擴展沉浸式體驗的下一步。生成式 AI 可更快、自動建立 3D 模型,並讓用戶透過語音描述想像中的圖像與物件,呈現在現實環境中。即時語音翻譯、字幕及物件識別亦可應用於 AR 眼鏡,支援跨語言溝通和即時取得地標資訊。
讀心 AI 透過分析腦部活動解碼思想,並能在特定任務中將視覺感知或腦波轉化為圖像和文字。MinD-Vis 利用 fMRI 和擴散模型重建所見圖像;DeWave 則以 EEG 將默讀文字轉成文字。現有技術仍受限於受控環境,未能即時捕捉人類多元的心理狀態。
AI生成的「古代監控」影片模仿舊監控畫面重現歷史事件,鴻門宴影片更錄得百萬級播放量,帶動相關創作。逼真的畫面加上誤導性文案,令部分影片流傳時被當成真事;AI換臉亦被用於詐騙和假冒直播,並涉及肖像權及私隱問題。
投資人近期把目光投向懂得判斷情境、拿捏介入時機的 AI,互動能力正由終端功能轉為可獨立研究、訓練和部署的智能能力。Thinking Machines Lab 在 2026 年 5 月發布 Interaction Models 研究預覽,嘗試以約 200 毫秒的微回合處理連續音訊、影片與文字輸入。
MiniMax 創辦人兼 CEO 閆俊傑在訪談中稱,美國 AI 生態以資本支撐封閉系統,中國則以效率支撐協作。他表示,算力短缺促使公司把推理成本壓縮列為核心指標,並稱以 10% 的成本達到前沿模型約 95% 的性能,最後 5% 的差距可能更難追趕。
NVIDIA 的 AI 與機械人技術協助回收商從混合廢物流中分揀可回收物料,減少送往堆填區的資源。AIRECO 試產線的辨識準確率超過 95%;Greyparrot 的 Analyzer 已在 20 多個國家部署逾 300 套,將檢查 15 噸廢料所需時間由 375 小時縮短至 6 小時。
即時互動研究正匯合全雙工語音、全模態建模與持續推理等路線,一批年輕研究者也透過高校、開源社羣及企業合作推進技術落地。文中以 Seeduplex、SeedRealtime、MiniCPM-o 4.5、Interaction Models 和 GPT-Live 等為例,指出全雙工的核心是模型在輸出時仍處理新輸入並調整回應,而非單純降低延遲。
Gentle Monster 確認與 Samsung、Google 合作推出的 Android XR 智能眼鏡將於 12 月上市。文章以 Amblyotube 為例,説明 VR 可為雙眼呈現不同影像,進行視覺協調與注意力訓練;軟件適用於 Meta Quest,並非診斷、治療或治癒工具。
Valve 的 SteamVR beta 更新改善了 Steam Link 向 Meta Quest、HTC Vive Focus 和 PICO 消費級頭戴裝置串流的影像品質。Seven Sports 開發的 Amblyotube 將 YouTube 影片用作視覺訓練素材,透過分別向左右眼呈現影像,訓練雙眼協調與深度知覺。Amblyotube 是輔助視覺訓練工具,並非用於診斷或治療的醫療器材。
Steam Frame 首次出現在 Steam 硬件調查便成為使用量第五高的頭戴式裝置,文章藉此探討 VR 日常使用增加後,訓練等用途的發展空間。Seven Sports 的 Meta Quest 應用程式 Amblyotube 透過左右眼不同的影像處理,作為雙眼協調與深度知覺的輔助訓練工具。應用程式建議每日使用 30~40 分鐘,最長 1 小時;它不是醫療器材,也不能診斷或治療。
Valve 發佈 SteamVR Beta 更新,改善所有兼容 Steam Link 的獨立頭戴裝置串流畫質,涵蓋 Meta Quest、HTC Vive Focus 及 PICO。文章指出,清晰穩定的影像有助雙眼協調訓練;Amblyotube 透過分別向雙眼呈現不同影片畫面,配合模糊與 AI Sharpener 設計訓練。SteamVR 更新與 Amblyotube 無關。
虛擬現實化身療法讓患者與代表內在批評聲音或加害者的形象對話,研究者正探索它治療飲食失調、精神病性障礙及創傷後應激障礙的潛力。一項涵蓋96名患者的試驗顯示,化身組在治療結束時的生活質素、認知靈活性及治療參與度指標較好,但飲食失調症狀變化未達統計學意義。療法仍有成效、安全及倫理問題待研究,丹麥部分地區已將其納入精神健康服務。
現代人工智能已能處理語言、圖像、音訊、影片、程式編寫及數學問題,但能力仍不均衡,不能等同 AGI。推理可靠性、長期自主性、記憶、世界建模及因果理解仍是重要限制。研究正結合基礎模型、記憶、規劃、工具及其他系統,探索通往更一般化智能的路徑。
Amblyotube 是 Seven Sports 為 Meta Quest 開發的休閒及教育軟件,可在播放 YouTube 風格的內容時,向左右眼提供不同視覺畫面,加入弱視訓練刺激。應用程式提供視力測試及治療設定調整功能,但測試只用於設定調校;軟件不作診斷或治療,也不能取代醫生處方的治療。
AI 智能體加快分子候選生成後,理解和驗證結構成為重要環節;NexoPeek 提供以 Quest 3 使用的分子結構解析工作站,讓研究人員以空間方式檢視候選結構。它支援多種本機檔案格式、AI 口袋預測、相同源疊合、氫鍵追蹤及距離量度。文章探討頭戴裝置會否成為研究工具,或主要用於教育與推廣。
Meta 決定結束 Quest 2 和 Quest Pro 支援,兩款裝置將於明年初收到最後一次 OS 更新,HorizonOS 開發亦轉向新硬件。文章探討硬件停更如何影響依賴 VR 裝置的視覺訓練日常。Seven Sports 開發的 Amblyotube 將訓練邏輯疊加在影片內容上,減少對特定內容和硬件世代的依賴。
越南人工智能及大語言模型動態速覽聚焦具身 AI、機械人新聞主播、學術研究中的 AI 應用,以及超級智能帶動的科技與基建佈局。2026 年上半年,具身 AI 公司透過 322 宗交易集資 935 億人民幣(約 130 億美元),金額按年增長 5 倍。學術 AI 工具可協助整理研究證據及辨別研究結果的立場。