視頻創(chuàng)作新巔峰！

谷歌DeepMind推出Veo 2

在AI視頻生成的戰(zhàn)場(chǎng)上，谷歌終于亮出了底牌：4月16日，Veo 2正式登陸Gemini Advanced。

Veo 2生成：一只戴著超大眼鏡的小老鼠在舒適的森林巢穴里，在蘑菇的燈光下看書的動(dòng)畫鏡頭。

Veo 2可以最高生成8秒720P電影級(jí)視頻（理論上可生成4K分辨率視頻，但受限于當(dāng)前工具鏈，實(shí)際輸出暫為720p，谷歌計(jì)劃年內(nèi)開放4K長(zhǎng)視頻生成），在運(yùn)鏡、文本語義還原、物理模擬、動(dòng)作一致性等方面非常優(yōu)秀，同時(shí)支持圖片轉(zhuǎn)視頻功能——這是谷歌邁向多模態(tài)生成系統(tǒng)的重要一步。

Veo 2生成：太平洋海岸線寧?kù)o的美麗景致。

作為谷歌DeepMind團(tuán)隊(duì)的最新力作，Veo 2在原有基礎(chǔ)上實(shí)現(xiàn)了大升級(jí)：

首先是電影級(jí)創(chuàng)作工具：Veo 2能自動(dòng)移除視頻中的干擾元素，并利用Outpainting功能擴(kuò)展畫面，生成與原視頻無縫銜接的新片段。此外，內(nèi)置“無人機(jī)視角”“延時(shí)攝影”“鏡頭平移”等電影級(jí)拍攝參數(shù)，用戶只需輸入文字描述，即可生成符合好萊塢敘事邏輯的分鏡。再加上靜態(tài)圖轉(zhuǎn)視頻技術(shù)，這讓AI視頻創(chuàng)作更加便捷。

其次是多模態(tài)協(xié)同與數(shù)字水印保護(hù)。用戶可直接在Veo 2中調(diào)用谷歌Imagen 3文本生圖模型，或?qū)氡镜厮夭模?strong>實(shí)現(xiàn) “文字描述-圖像生成-視頻剪輯” 全流程閉環(huán)。而為防止AI生成內(nèi)容濫用，Veo 2在輸出視頻時(shí)會(huì)嵌入不可見的數(shù)字水印，支持第三方驗(yàn)證內(nèi)容來源。

Veo 2生成：采用35毫米鏡頭搭配柯達(dá)Portra 400膠卷拍攝的養(yǎng)蜂人。

根據(jù)谷歌公布的測(cè)試數(shù)據(jù)顯示，Veo 2在用戶偏好和提示還原方面已經(jīng)超過了Sora、可靈1.5、MetaMovieGen和Minimax。

川崎公司推出氫動(dòng)力AI坐騎CORLEO

4月11日，日本川崎重工在2025年大阪世博會(huì)上展示了一款名為Corleo的四足機(jī)器人概念車型。

這款“賽博坐騎”融合了摩托車工程與機(jī)器人技術(shù)，大小與大型摩托車相當(dāng)，四個(gè)獨(dú)立運(yùn)動(dòng)的機(jī)械腿配備柔性橡膠蹄，搭載一臺(tái)150cc的氫燃料發(fā)動(dòng)機(jī)，能夠?qū)崟r(shí)分析機(jī)器人及騎手的位置，確保騎手安全穩(wěn)固地坐在馬鞍上。

游戲許愿屋？AI幫你“創(chuàng)造世界”

有多少人都曾被文案、美術(shù)、引擎等高要求的技術(shù)門檻攔在游戲開發(fā)的世界之外？但現(xiàn)在，如果你心中有一個(gè)游戲開發(fā)的夢(mèng)，想要自己“創(chuàng)造”一個(gè)世界，似乎一切都能變得簡(jiǎn)單起來。

2025年4月9日，Astrocade團(tuán)隊(duì)正式推出「Wish-to-Game」平臺(tái)。用戶只需提供創(chuàng)意，平臺(tái)即可通過AI技術(shù)，將其轉(zhuǎn)化為可玩的游戲，從而降低創(chuàng)作門檻。

你無需編寫一行代碼，只需要將你的創(chuàng)意用文字表達(dá)出來，就能將腦海中的創(chuàng)意火花轉(zhuǎn)化為可玩的游戲——從代碼、視效，到動(dòng)畫、音樂以及機(jī)制。用戶還可以在游戲過程中實(shí)時(shí)修改內(nèi)容，使創(chuàng)作過程更加靈活和動(dòng)態(tài)。這種即時(shí)反饋和調(diào)整的能力，讓創(chuàng)作更加高效和富有樂趣。

此外，Astrocade的產(chǎn)品還集成了社交功能，游戲愛好者可以在這里發(fā)現(xiàn)有趣的新游戲，還能夠參加官方舉辦的比賽、合作項(xiàng)目等等。

DeepSeek推出SPCT技術(shù)，革新AI獎(jiǎng)勵(lì)模型

4月8日，DeepSeek聯(lián)合清華大學(xué)，合作推出全新AI對(duì)齊技術(shù)SPCT（自我原則點(diǎn)評(píng)調(diào)優(yōu)）。突破傳統(tǒng)依賴海量訓(xùn)練數(shù)據(jù)的模式，通過推理階段動(dòng)態(tài)優(yōu)化輸出質(zhì)量。

大語言模型依賴獎(jiǎng)勵(lì)模型提供的反饋信號(hào)來調(diào)整輸出內(nèi)容，即獎(jiǎng)勵(lì)模型決定著AI系統(tǒng)的價(jià)值取向與行為邏輯。然而，現(xiàn)有獎(jiǎng)勵(lì)模型長(zhǎng)期面臨"雙重困境"：在可驗(yàn)證領(lǐng)域表現(xiàn)出色，但在開放域?qū)υ捴袇s頻頻"失靈"；傳統(tǒng)標(biāo)量獎(jiǎng)勵(lì)無法捕捉復(fù)雜語義，半標(biāo)量方法又受限于預(yù)設(shè)規(guī)則。

而在SPCT技術(shù)下，AI可以通過自我指導(dǎo)機(jī)制，優(yōu)化決策過程，使其更加高效和精準(zhǔn)，從而顯著提升獎(jiǎng)勵(lì)模型的智能水平和可擴(kuò)展性。這是AI獎(jiǎng)勵(lì)模型領(lǐng)域的一次重大突破。

AI生圖迎最強(qiáng)地震！

Midjourney V7電影級(jí)畫質(zhì)干翻GPT-4o

當(dāng)大家還在樂此不疲地玩著GPT-4o的「吉卜力」風(fēng)時(shí)，Midjourney帶著V7版本強(qiáng)勢(shì)登場(chǎng)了！

從各方網(wǎng)友反饋的內(nèi)測(cè)結(jié)果來看，Midjourney V7在圖像質(zhì)量方面有了進(jìn)一步的提升，對(duì)于指令的解析能力大大增強(qiáng)，能夠生成超逼真人物，蠟像感暴減，甚至連商業(yè)大片也輕松拿下。

此外，Midjourney V7還引入了個(gè)性化模型功能，可根據(jù)用戶的個(gè)人審美偏好，提供更加精準(zhǔn)和個(gè)性化的圖像生成；而草稿模式能夠大大提升圖像渲染速度和成本。

仿真人形機(jī)器人開啟自主作業(yè)新時(shí)代

3月25日，由香港大學(xué)和上海人工智能實(shí)驗(yàn)室研究團(tuán)隊(duì)開發(fā)的TokenHSI技術(shù)，在單一任務(wù)控制器的基礎(chǔ)上，引入基于Transformer架構(gòu)的統(tǒng)一策略網(wǎng)絡(luò)，使得仿真人形機(jī)器人在挑戰(zhàn)性動(dòng)態(tài)雜亂環(huán)境中，也有了完成長(zhǎng)期操作任務(wù)的能力。

TokenHSI旨在解決當(dāng)前物理角色控制方法中普遍存在的局限性，即無法有效整合多種復(fù)雜的人體場(chǎng)景交互（HSI）技能。現(xiàn)有方法通常專注于單一任務(wù)控制器的開發(fā)，導(dǎo)致在面對(duì)需要多技能協(xié)同的任務(wù)時(shí)表現(xiàn)不佳。而TokenHSI的基于Transformer的策略，可以讓物理驅(qū)動(dòng)的角色與環(huán)境進(jìn)行自然交互——它支持可變長(zhǎng)度的輸入，以快速適應(yīng)新場(chǎng)景，并通過跨任務(wù)的知識(shí)共享，大幅提升交互的多樣性與靈活性。

全球首篇通過同行評(píng)審的AI生成科學(xué)論文現(xiàn)世

2024年8月，Transformer 論文作者之一Llion Jones與前谷歌研究者David Ha共同創(chuàng)立的人工智能公司Sakana AI推出了首個(gè)全自動(dòng)科學(xué)發(fā)現(xiàn)的AI系統(tǒng)：AI Scientist，即「AI 科學(xué)家」。到12月份，他們又拿出了另一項(xiàng)震撼性的重磅研究成果：使用基礎(chǔ)模型搜索人工生命的系統(tǒng)ASAL。這兩項(xiàng)成果都吸引了無數(shù)眼球。

2025年3月12日，Sakana AI又宣布：AI Scientist-v2通過了ICLR會(huì)議一個(gè)研討會(huì)的同行評(píng)審過程。這是AI科學(xué)家寫出的首篇通過同行評(píng)審的科研論文！

AI Scientist工作流程

不過，論文雖然通過了ICLR研討會(huì)的評(píng)審，但Sakana AI團(tuán)隊(duì)在內(nèi)部評(píng)審中發(fā)現(xiàn)，三篇論文并未達(dá)到ICLR主會(huì)場(chǎng)的接受標(biāo)準(zhǔn)。此外，雖然AI Scientist展現(xiàn)出了一定的科研能力，但在自主研究方面仍存在諸多不足。例如，在文獻(xiàn)綜述環(huán)節(jié)，它常常將已經(jīng)成熟的學(xué)術(shù)概念錯(cuò)誤地歸類為新穎成果，在實(shí)驗(yàn)執(zhí)行過程中，42個(gè)實(shí)驗(yàn)因編碼錯(cuò)誤而失敗，部分實(shí)驗(yàn)結(jié)果也存在缺陷或誤導(dǎo)性，生成的論文也存在結(jié)構(gòu)錯(cuò)誤、引用過時(shí)等問題。

Sakana AI團(tuán)隊(duì)發(fā)現(xiàn)AI Scientist的錯(cuò)誤：它錯(cuò)誤地將“基于LSTM的神經(jīng)網(wǎng)絡(luò)”歸于Goodfellow（2016 年），正確的應(yīng)該是Hochreiter和Schmidhuber（1997年）。

更多AI前沿信息，點(diǎn)擊視頻了解

壹

貳

叁

肆

伍