搜索全球AI产品动态

谷歌AI笔记应用NotebookLM推出视频概览新功能，可将复杂信息转化为带旁白的幻灯片，提升学习体验。该功能能自动提取用户上传的图片、图表等资料生成主题视频，已在2025年I/O大会展示雏形。同时应用界面"工作室"标签页完成视觉更新，新功能将陆续向所有用户开放。目前仅支持英文，未来计划扩展多语言版本并优化内容呈现形式，使学习过程更生动高效。

微软Edge推出全新Co pilot模式，通过AI技术重新定义浏览体验。该模式能自动执行复杂搜索任务（如找房、比价），整合多源信息提供精准结果。支持自然语音交互，可分析已打开标签页内容，实现智能推荐。采用简洁集成界面，将搜索、聊天和导航功能合而为一。微软强调严格保护用户隐私，数据仅用于优化体验且完全可控。目前该功能已免费开放，支持随时启用/禁用。

阿里巴巴开源视频生成模型"通义万相Wan2.2"，包含文生视频、图生视频和统一视频生成三款核心模型。创新点包括：1）业界首创MoE架构，计算效率提升50%；2）电影美学控制系统，可精准控制光影、色彩等电影级效果；3）5B小尺寸统一模型，消费级显卡即可部署。该系列模型已在GitHub等平台开源，累计下载超500万次，大幅降低AI视频生成门槛。

Runway发布革命性视频编辑模型Aleph，通过自然语言指令实现五大核心功能：内容增删、环境变换、风格迁移、镜头运动迁移及绿幕抠像。该模型突破性地结合上下文理解与视觉生成技术，支持从单一视频生成多角度内容，显著降低专业视频制作门槛。Aleph的推出将加速AI在影视、广告等领域的应用普及，未来还将优化性能并拓展实时协作等新功能，为创作者提供更强大的工具支持。

Salesforce Research等机构联合推出VLM2Vec-V2多模态嵌入框架，突破传统模型局限。该框架基于Qwen2-VL架构，创新性地统一处理图像、视频和视觉文档检索任务，新增5类评估任务扩展MMEB数据集。通过动态分辨率、M-RoPE等关键技术，在78个数据集测试中以58.0平均分领先，尤其在视频任务表现突出。虽然文档检索稍逊ColPali，但为多模态学习提供了更灵活的统一解决方案。项目已开源，推动该领域研究发展。

生数科技在WAIC2025发布Vidu Q1"参考生视频"功能，实现视频制作流程革新。该功能允许用户上传参考图配合文字提示直接生成视频，简化传统制作流程，最多支持7个主体同时输入并保持一致性。采用U-ViT架构结合扩散模型技术，重点解决商业化主体一致性问题。同时，公司与清华大学合作推出具身智能模型Vidar，通过视频大模型实现低成本机器人动作转化。目前公司仍以提升视频生成能力为主要方向，同时探索具身智能的商业应用前景。

阿里巴巴云即将发布升级版视频生成AI模型Wan2.2，在Wan2.1基础上实现多项突破：1）性能提升，支持1080p/4K高分辨率及长视频生成；2）新增视频到音频功能，强化多模态创作；3）优化硬件需求，6GB显存设备即可运行；4）训练数据扩充至15亿视频+100亿图像；5）继续开源策略，采用Apache2.0许可证。该模型将巩固阿里在AI视频生成领域的领先地位，挑战OpenAI Sora等封闭模型，推动技术民主化。

Memories.ai获800万美元融资，突破长视频AI理解技术瓶颈。这家由Meta前员工创立的公司开发出能处理1000万小时视频的AI平台，通过去噪、压缩、索引和聚合四层架构，为安防和营销企业提供视频分析解决方案。其技术优势在于突破现有AI模型1-2小时的视频理解限制，实现跨时长上下文分析。投资者看好其在设备端计算和隐私保护方面的潜力。目前面临mem0等初创公司和TwelveLabs等行业巨头的竞争，但凭借横向扩展能力占据技术优势。该技术未来可应用于智能眼镜、人形机器人训练等领域。

OpenAI正秘密开发Sora视频生成模型的升级版Sora2，服务器代码中已出现相关引用。此前发布的Sora虽热度下降，但近期被微软整合进Bing Video Creator重获关注。与此同时，谷歌Veo3已向大学生免费开放，普通用户也可通过Google Cloud体验。两大科技巨头在生成式AI视频领域的竞争日趋白热化，Sora2的发布或将重塑行业格局和内容创作方式。

YouTube短视频平台Shorts推出革命性AI创作工具：1）全新图片转视频功能可将静态照片6秒内转化为动态视频；2）基于Veo2模型的AI特效可实现涂鸦变艺术品、自拍变奇幻视频等创意效果；3）下周起在美加澳新率先上线，未来将扩展更多地区；4）所有AI内容将添加SynthID水印确保透明度；5）今夏将推出支持音视频同步生成的Veo3工具；6）同步推出AI游乐场功能整合各类创意工具。这些创新将大幅降低创作门槛，推动短视频进入AI驱动新时代。

Google Photos推出革命性AI功能，将静态照片转化为6秒动态视频，并支持多种艺术风格转换。新功能基于Veo2和Imagen AI模型，操作简单直观，用户只需选择照片和效果即可完成创作。所有生成内容将添加数字水印确保透明度。照片转视频功能已在美国上线，Remix功能即将推出。此次更新使普通用户也能轻松体验AI创意，同时为Google提供宝贵训练数据。这些创新功能与YouTube Shorts的AI更新同步，标志着Google正将AI技术深度融入日常应用。

Hedra实验室推出革命性AI视频生成技术Hedra Live Avatars，具备三大核心优势：每分钟仅0.05美元的超低成本、低于100毫秒的超低延迟，以及兼容主流AI模型的灵活性。该技术可从单张静态图像生成多样化数字头像，适用于内容创作、在线教育、客户服务和游戏开发等多个领域。目前提供免费试用，虽然存在非正面视角处理等局限，但其低成本实时视频生成能力已领先竞争对手。未来计划整合多模态功能，推动视频AI代理在各行业的广泛应用。

Latent Labs推出革命性AI模型LatentX，专注蛋白质设计创新。该模型由前DeepMind核心成员Simon Kohl领导开发，能生成全新蛋白质结构，精度达原子级别，实验验证可行性高。与AlphaFold等预测工具不同，LatentX具备创造性设计能力。公司采用授权模式，面向学术机构和药企提供服务，获5000万美元融资支持。未来计划推出付费高级功能，推动医疗研发民主化进程。

Pika推出AI视频特效APP，用户上传自拍即可一键生成多风格创意视频。APP支持音频同步表演、场景自由定制、自拍与视频混剪等功能，还能智能生成视频脚本。界面简洁易用，输出画质高清流畅，适合短视频平台发布。此次C端产品推出标志着Pika从B端向消费级市场拓展，降低了视频创作门槛，让普通用户也能体验AI创意乐趣。该应用凭借强大功能和易用性，有望成为短视频创作新宠。

WordPecker是一款创新的开源语言学习工具，通过AI技术实现个性化学习体验。它支持从任意内容提取词汇创建个性化词库，提供100多种语言学习选项，并采用"知/不知"交互模式强化记忆。最大亮点是集成OpenAI语音Agent技术，支持实时语音对话练习和多国口音发音训练。工具提供多样化学习模式，包括互动测验、阅读练习和视觉辅助功能。作为开源项目，它持续优化架构并计划引入本地TTS模型。这款融合LLM和TTS技术的工具，代表了语言学习智能化的未来方向。

Lightricks发布开源视频生成模型LTX-Video13B，采用130亿参数和多尺度渲染技术，实现30倍于同类模型的生成速度。该模型在消费级GPU上流畅运行，支持1216×704分辨率实时生成，提供文本/图像/视频到视频的多种创作模式。其创新技术显著提升视频连贯性和细节表现，支持关键帧控制、风格替换等精细操作。作为开源项目，模型配套提供训练工具和优化版本，对中小企业免费开放，推动AI视频创作民主化。

Lightricks开源AI视频模型LTX-Video迎来重大升级，支持60秒长视频生成，打破行业8秒限制。该模型采用自回归流式架构，实现从图像到高清视频(最高1216x704分辨率)的实时生成，首秒内容瞬时呈现。新增动态场景控制功能，允许实时调整姿势、深度等元素，支持多种生成模式。130亿参数模型在消费级GPU(最低8GB显存)上高效运行，60秒视频仅需数秒生成。作为开源项目，其代码和权重已免费发布，但商业用途受限。此次升级为创作者提供了长篇叙事能力，未来将在LTX Studio推出商业版本。

Slack推出多项AI功能挑战微软Teams，包括智能写作辅助、上下文消息解释和企业级搜索等，旨在深度整合工作流程。Salesforce限制外部AI访问Slack数据，构建封闭生态，强调数据安全。新功能已为企业节省超110万小时，但数据封闭策略可能影响客户选择灵活性。

朗新科技在链博会发布"朗新九功AI能源大模型"，该模型具备两大核心技术：时序预测引擎基于千亿级预训练数据，电力价格预测准确率超90%，可应对冷启动环境；AI智能体引擎支持动态数据融合和秒级响应，能7×24小时自动监控电力市场并生成对冲策略。目前已在广东、山东、浙江等电力现货市场应用，推动电力交易智能化发展，为能源管理提供科学决策支持。

全球首款AI实时视频转换模型MirageLSD发布，实现40毫秒超低延迟处理。该模型由Decart AI团队研发，支持24帧/秒实时转换任意视频流，突破传统视频生成技术瓶颈。通过手势控制等简单交互，用户可实时改变视频场景、服装等元素，大幅降低创作门槛。应用场景涵盖游戏开发（30分钟快速构建游戏）、直播、动画制作等领域，其核心技术LSD模型采用Diffusion Forcing技术，解决长时间生成的误差累积问题。目前该模型已开放试用，将推动AI与内容创作的深度融合。