AI前沿日报 06.18｜Adobe把AI助手放进Creative Cloud，XDOF把机器人训练数据做成基础设施

01 今日速览

Adobe 将 Firefly AI Assistant 扩展到 Premiere、Illustrator、InDesign 和 Frame.io，并更新 Firefly 的品牌套件、产品视频、故事板等能力。

XDOF 正式亮相，定位是机器人数据基础设施公司，提供数据采集、标注、遥操作和评估工具。公司已融资 7000 万美元，约 60 名员工，服务 20 家客户，其中包括多家前沿 AI 实验室。它和 UC Berkeley 发布了 ABC 数据集，包含 13 万条轨迹、300 小时仿真和 100 小时评估数据。机器人行业的短板开始从“模型会不会学”转向“真实动作数据能不能持续获取”。

Pramaana Labs 获得 2700 万美元种子轮融资，切入法律、税务、药物发现等高错误成本场景。它的产品路线是普通 LLM 加确定性验证层，用 Lean 风格的形式化规则检查模型输出。

DeepL 收购 Mixhalo，进入现场活动实时音频和翻译场景。Mixhalo 原本服务体育赛事、会议和现场活动，用户通过手机接收现场音频；实时翻译的产品形态正在从会议字幕扩展到演讲、展会、赛事和大型活动。

Odyssey 完成 3.1 亿美元 B 轮融资，估值 14.5 亿美元。它做的是 world model，世界模型可以理解成 AI 对物理世界和空间变化的模拟能力：一个动作发生后，模型要预测环境接下来怎么变化。Odyssey 目前面向游戏创作、机器人和交互视频，AWS 是其首选云合作方，模型会针对 Trainium 芯片优化。

SoftBank 在日本推出基于 OpenAI 模型的网络安全产品 “Patching as a Service”。该服务来自 SoftBank Corp 和 OpenAI 设立的合资公司，目标是应对 AI 加速后的网络攻击和关键基础设施安全需求。已披露信息显示，项目当前约 50 人参与推广，后续计划扩展到约 1000 人。

摩尔线程 MTT AICUBE 于 6 月 18 日开启预售，定位为家庭 AI 中枢，结合 Agent、AI PC 和 AI NAS，内置 60 多个 skill，并支持跨 36 个应用执行控制。

02 海外新产品 / 新业态

1. Adobe Creative Cloud：AI助手从“生成按钮”进入创作工作流

Adobe 这次更新的重点不是单点生成能力，而是把 AI Assistant 放进 Premiere、Illustrator、InDesign 和 Frame.io 等已有生产工具。Premiere 的助手可以整理素材、重命名片段、识别采访问题并添加时间线标记；Illustrator 的助手可以重组图层、检查缺失字体；Firefly 还增加了生成品牌套件、产品视频和故事板的能力。

创作者原来的流程是自己管理素材、图层、时间线、品牌元素和导出格式。现在 Adobe 试图让用户用自然语言驱动这些对象。

创意软件里的 AI 不能只追求自动化，还要保留版本记录、可撤销操作、品牌资产权限和人工确认。广告、电商、短视频团队会更早使用这类能力，因为它们的工作里有大量重复改尺寸、改格式、套品牌规范和批量出素材。

2. DeepL + Mixhalo：实时翻译进入现场音频链路

DeepL 收购 Mixhalo 后，产品场景从文档翻译、会议语音翻译扩展到现场活动。Mixhalo 的原产品是把现场音频传到用户手机里，适用于会议、体育赛事、音乐节和大型活动；DeepL 的能力则补上实时翻译和语音转换。

限制主要在延迟、现场噪声、专有名词、多人说话和网络稳定性。它的付费方更可能是会议主办方、场馆、企业活动和赛事运营方，而不是单个观众。

03 新技术 / 技术底座

1. Odyssey：世界模型开始服务游戏、机器人和交互视频

Odyssey 做的是 world model。世界模型不是普通视频生成，它需要理解空间、物体、相机运动和物理连续性。公司过去通过类似街景采集的方式收集现实世界数据，现在把能力用于游戏创建、机器人训练和文本生成交互视频。

普通视频模型生成的是一段结果，世界模型更像一个可交互环境。游戏和机器人都需要这种能力：角色走到哪里，视角怎么变，物体被推动后怎么运动，场景能不能保持一致。

短期产品化会先发生在可控场景里，例如游戏原型、虚拟训练环境、机器人仿真数据和交互视频。难点仍然是数据覆盖、物理准确性、算力成本和版权边界。

2. Pramaana Labs：高风险行业把“可验证规则”放在模型输出之后

Pramaana Labs 的路线是 LLM 加形式化验证。形式化验证可以理解成把一部分专业规则写成机器可检查的逻辑，让模型输出之后再经过确定性校验。它目前切入税务、法律、药物发现和网络安全等场景。

税务申报、法律条款、药物分子筛选都不能只靠流畅文本。模型可以负责读资料、生成草稿和提出候选方案，验证层负责检查规则是否满足，专家负责处理模糊和例外情况。

这个路线的成本在知识工程。每个行业都要把规则、案例和专家经验转成可检查结构，维护成本不会低。它更适合高客单价、高合规成本、错误后果明确的垂直场景。

04 开发者生态 / 开源项目

1. XDOF / ABC：机器人训练数据开始变成可复用材料

XDOF 的重点是机器人数据链路。它提供遥操作工具、数据采集流程、标注系统和评估工具，并和 UC Berkeley 发布 ABC 数据集。ABC 数据集包含 13 万条轨迹、300 小时仿真和 100 小时评估，覆盖叠衣服、压平盒子、装载 AirPods 等真实操作任务。

机器人模型需要的不是互联网文本，而是“看见环境—理解动作—执行操作—得到反馈”的连续数据。VLA 是 Vision-Language-Action，也就是视觉、语言、动作统一模型：先看见环境，理解指令，再生成动作。VLA 要落地，前面必须有稳定的数据层。

数据复用仍然有限。不同机器人有不同机械臂、夹爪、传感器和控制接口，同一个动作数据不一定能直接迁移。XDOF 的价值不只是卖数据集，而是把采集、校准、标注和评估做成外包基础设施。

05 商业化落地

1. SoftBank + OpenAI：AI安全产品进入日本企业服务流程

SoftBank 推出的 “Patching as a Service” 面向日本市场，目标是帮助企业和关键基础设施应对安全漏洞。它来自 SoftBank Corp 和 OpenAI 的合资公司，披露信息显示，服务会基于 OpenAI 模型，并围绕企业安全系统集成展开。

客户付费的理由不是“有 AI 聊天能力”，而是漏洞发现、补丁优先级、修复建议和执行流程能不能更快进入企业安全团队的工作台。安全产品的验收标准也不是回答是否自然，而是误报率、漏报率、回滚机制、审计记录和人工审批。

这个场景对 AI 权限要求很高。

2. 摩尔线程 MTT AICUBE：家庭AI中枢从“对话”走向本地应用控制

摩尔线程 MTT AICUBE 于 6 月 18 日开启预售，产品形态是家庭 AI 中枢，组合了 Agent、AI PC 和 AI NAS。它内置 60 多个 skill，并支持跨 36 个应用进行控制。skill 可以理解成写给 Agent 的任务说明书：遇到某类任务时，应该按什么步骤做、使用什么工具、如何检查结果。

这个设备的切口是本地数据和跨应用任务。照片、文档、家庭影音、个人文件和常用软件都在本地或家庭网络里，如果 AI 能读取、整理和执行操作，用户流程就从“打开多个软件自己找文件”变成“描述目标，由设备调用本地数据和应用完成任务”。

限制在生态和权限。家庭 AI 中枢要真正可用，需要足够多的应用适配、稳定的本地模型能力、清晰的隐私边界，以及用户能看懂的操作确认机制。跨应用控制越强，误操作和数据访问风险也越高。