【一周资讯】AI新技术、行业客户观察

1

新技术观察

【OpenBMB开源发布2B参数语音合成模型VoxCPM2】

近日，由OpenBMB（面壁智能）开源的2B参数语音合成模型VoxCPM2正式发布。该模型采用无分词器扩散自回归架构，支持30种语言及9种中文方言，输出48kHz录音室级音质。模型首创Voice Design声音设计功能，可通过文字描述凭空创造声音；支持可控声音克隆与终极克隆模式，在保留参考音色的同时调节情感语速。训练数据达236万小时，实时率低至0.13，Apache-2.0协议可商用。此举旨在降低高质量语音合成门槛，为内容创作、智能客服、游戏配音等场景提供灵活可控的多语言语音生成能力。

【微软推出全球最精准转录AI模型MAI-Transcribe-1】

近日，微软公司正式发布自研AI转录模型MAI-Transcribe-1。在涵盖25种主要语言的FLEURS基准测试中，该模型平均字错误率仅为3.9%，创下全球最低纪录。在11种核心语言上排名第一，并超越OpenAI Whisper-large-v3及谷歌Gemini 3.1 Flash。该模型批量转录速度达现有Azure Fast服务的2.5倍，每小时成本仅0.36美元，目前已上线Microsoft Foundry平台。此举旨在为企业及开发者提供高精准、低成本、高效率的语音转文字解决方案，适用于会议记录、字幕生成等多语言场景。

【PixVerse C1正式发布，全球首个影视行业大模型上线】

近日，由PixVerse团队推出的全球首个影视行业大模型PixVerse C1正式上线。该模型支持文生、图生、参考生、首尾帧等能力，最高可生成15秒1080P视频，实现音画同步与自动分镜。核心功能包括多宫格智能分镜一键成片、复杂场景下多角色运动精准调度、打斗及特效的工业级呈现，解决了AI视频长期存在的连贯性与物理真实感问题。此举旨在将AI从简单的画面生成器升级为专业的“掌镜者”，为影视创作全流程提供高效可靠的技术支持，降低专业制作门槛。

【腾讯QQ浏览器上线国内首个浏览器智能助手QBotClaw】

近日，由腾讯QQ浏览器推出的国内首个浏览器智能助手QBotClaw正式上线。该产品免下载、免部署，用户打开浏览器即可直接使用，支持通过手机微信远程发送指令操控电脑完成跨软件操作、信息抓取及文件处理。QBotClaw自带浏览器上下文记忆，可识别用户登录状态、收藏夹及下载文件，并借助x5use高精度识别技术精准操作复杂网页按钮。同时，产品采用安全沙箱隔离、指令约束及认证机制三道防护墙保障隐私安全。此举旨在降低AI使用门槛，让用户无需配置即可用自然语言操控电脑，减少重复劳动，提升日常工作效率。

【通义开源VimRAG框架，实现图文视频全模态知识库统一检索】

近日，由通义实验室推出的全模态RAG框架VimRAG正式开源。该框架面向文本、图像、视频混合知识库，采用动态记忆图替代线性拼接，通过分支试错机制、视觉能量分配及图引导策略优化，让AI能够像人一样“抓重点、理脉络、跨模态印证”，有效解决传统RAG在多模态长上下文场景中的检索混乱与状态丢失问题。实验表明，VimRAG在混合语料库中平均准确率达50.1%，显著优于基线方法。此举旨在为企业级复杂知识库提供可训练、可落地的全模态检索方案，让大模型真正跨越模态鸿沟。

【即梦推出AI原生动态叙事创作工具Octo，开启对话式共创】

近日，由即梦推出的AI原生动态叙事创作工具Octo正式上线。该工具主打“Vibe Create”共感创作理念，用户通过自然语言对话即可与AI协作完善剧情、设计角色、构建世界观，实时生成概念图与分镜预览。Octo支持上传PDF、图片等素材进行智能解析，自动拆分场次、调用Seedance 2.0生成视频并完成剪辑输出，覆盖从灵感到成片的全流程。此举旨在降低叙事内容创作门槛，让有创意但缺乏执行力的创作者能够通过对话式交互轻松制作短视频、连载剧集等作品。

2

行业客户观察

【百度App上线本地生活专区，再战本地生活赛道】

4月10日，由百度公司推出的百度App本地生活专区正式上线。用户搜索“本地生活”可进入聚合页面，覆盖餐饮、维修、搬家、教育培训等各类服务，并内嵌“AI服务助手”提供决策建议。此次布局是百度第二次冲击本地生活赛道，与首次不同，百度未走团购补贴老路，而是围绕搜索、地图、AI三大核心能力，聚焦信息分发与决策引导，避免重资产履约竞争，旨在巩固搜索作为服务直达入口的地位，在本地生活存量市场中构建差异化路径，守住用户主动搜索服务的高频场景。

【宇树科技人形机器人H1跑出10m/s刷新纪录】

4月11日，宇树科技通过官方微博宣布，其人形机器人H1在奔跑测试中极限速度达到10m/s左右，再次刷新行业纪录。该机器人腿长0.8米、重约62公斤，实现“普通人体质跑出世界冠军速度”。此前，宇树科技科创板IPO申请已于3月20日获上交所受理，拟融资42.02亿元。公司2025年前三季度营收达11.67亿元，净利润1.05亿元。此举标志着中国人形机器人在运动性能与商业化进程上取得双重突破，为具身智能技术落地与产业应用注入新动能。

【支付宝联合发布AI酒店全场景应用方案】

4月11日，由支付宝联合阿里集团千问事业部、菲住布渴及20余家酒店生态伙伴共同主办的AI酒店行业全场景应用方案发布会在上海国际酒店展上举行。方案依托AHA智能体互联技术、“碰一下”开门、AI语音智能SDK等核心能力，覆盖入住、通行、消费全流程。其中，AI智慧前台产品实现支付宝AI交互能力与天猫精灵语音助理的深度联动，住客可通过自然语音完成自助入住，系统具备精准语义理解与主动操作引导能力。此举旨在推动酒店业从信息化向智能化转型，助力行业降本增效，提升服务品质。

【阿里巴巴提出全力推进以千问为代表的智能体经济】

近日，在阿里巴巴新财年首次集团战略会上，公司正式提出全力推进以千问为代表的智能体经济。智能体经济本质是“AI模型+消费生态”双轮驱动的独特范式，旨在通过科技激发人类更大的创造力与服务价值，创造新型就业形态，释放巨大商业价值，并催生新型服务业。专家指出，智能体经济并非替代人类，而是“增强”与“创造”，将催生人机协同、体验设计等高附加值新岗位，降低创业门槛，带动灵活就业与小微创业，形成良性可持续的价值路径。

【TikTok宣布投资10亿欧元在芬兰建设第二座数据中心】

4月12日，由TikTok公司宣布的投资10亿欧元在芬兰南部建设第二座数据中心项目正式启动。该中心由本地合作方承建，预计2027年底全面投用，分两阶段实施基础设施与AI算力部署。此前TikTok已于2025年5月在芬兰科沃拉启动首个数据中心。此举旨在完善欧洲用户数据本地存储体系，满足欧盟监管要求，并为TikTok Shop电商业务扩张提供稳定合规的基础设施支撑。据预测，2026年TikTok Shop交易总额将达约870亿美元，同比增长56%。