AI产业动态

“AI教母”李飞飞创办的 World Labs 于 2025 年 10 月 16 日正式发布新一代实时生成式世界模型 RTFM（Real-Time Frame Model）。该模型仅用单张消费级 H100 GPU 即可在交互帧率下持续渲染出物理真实、3D 一致且永久存在的虚拟世界，首次把“世界模型”推到了人人都能实时体验的门槛。RTFM 采用自回归扩散 Transformer 架构，不依赖显式 3D 表征，而是从海量视频里端到端“学会渲染”，支持单张或多张 2D 照片生成可无限漫游的 3D 场景。论文、代码与 DEMO 同步上线，被视为空间智能赛道的又一次“ChatGPT 时刻”

近日，RoboChallenge 重磅推出！这是全球首个大规模、多任务的在真实物理环境中由真实机器人执行操作任务的基准测试。 通过科学的评估体系构建一个开放、公正、可复现的「真实考场」，克服真实环境下的性能验证、标准化测试条件、公开可访问测试平台等关键挑战，RoboChallenge 可为视觉-语言-动作模型（VLAs）在机器人的实际应用提供更加可…

2025年10月16日，谷歌发布AI视频生成模型Veo 3.1，正面迎战OpenAI的Sora 2。新版本主打电影级画质、原生音频同步、精准对象编辑与首尾帧插值，支持最长148秒视频生成，全面接入Flow、Gemini API与Vertex AI平台。与Sora 2的“生活化、社交化”路线不同，Veo 3.1定位专业创作与商业应用，标志着AI视频生成进入可控、可编辑、可商用的工业化阶段。

10月，公开数据显示，来自中国的开源大模型已经牢牢占据榜单前五。

2025年智能体框架已从技术概念演进为驱动各行业的基础生产力工具，其核心在于通过多元架构与协同生态实现复杂任务的自主化与智能化。

谷歌Gemini 3.0 Pro即将上线，实测表现惊艳。新一代模型在编程、视觉生成和多模态能力上大幅提升，不仅轻松通过“小球六边形重力摩擦”等经典测试，更被开发者盛赞为“有史以来最强前端开发模型”。与此同时，谷歌正全面整合Gemini生态系统，从即将推出的轻量级Gemma 3到全新的视觉化界面设计，预示着AI竞赛将进入全新阶段。

OpenAI 正式推出新一代 AI 视频模型 Sora 2，能直接生成长达 20 秒的 1080p 高清视频，在物理真实感、可控性和音画同步方面显著提升。实测显示，其生成效果逼真，但在复杂动作和中文理解上仍有瑕疵。与竞争对手谷歌 Veo 3 相比，双方在各场景下互有胜负。同时，OpenAI 推出了类似 TikTok 的 Sora 应用，旨在建立产品生态，但其“全 AI 视频流”模式能否成功，仍有待观察。

Claude 4.5与Gemini 3即将发布，但焦点在DeepSeek。其V3.2版本疑似官方预热，而十月将至的V4版本则被曝将实现1M上下文长度、GRPO Turbo多步思考及更高推理效率等重大升级。