10月27日，谷歌旗下DeepMind发布新一代世界模型Genie 4，能够根据用户提供的图像或文字描述，实时生成可探索的虚拟场景，并模拟环境变化、人物行为和相关声音。与传统视频生成模型主要输出固定影像不同，Genie 4允许用户通过键盘控制视角和移动路径，还可以通过自然语言改变天气、场景内容及人物活动。目前，该模型主要向受邀研究人员和合作伙伴提供测试使用，尚未全面开放商业服务。

世界模型的核心目标，是让人工智能学习物体、环境和行为之间的动态关系，从而预测某一动作发生后可能出现的结果。例如，当用户在虚拟场景中改变移动方向，模型需要持续生成与此前画面相衔接的新内容；当环境条件发生变化时，还要保持场景结构和人物行为的相对一致。Genie 4结合视觉生成、语言理解和声音模拟能力，使虚拟环境能够随用户操作持续变化。不过，生成画面符合视觉经验，并不代表模型已经掌握严格的物理规律，其物体持久性、空间精度和长时间一致性仍存在局限。

世界模型的潜在价值不仅在于互动娱乐，还在于构建可变化、可重复的仿真训练环境。未来，机器人和自动驾驶系统有望利用此类模型生成大量训练场景，减少部分真实环境测试成本，推动具身智能与数字仿真技术融合。

原始链接：

原始链接：https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/

10月26日，美国OpenAI发布GPT-6.1 Terra，进一步提升人工智能模型在视觉理解、电脑操作、软件编程和专业文档处理方面的能力。该模型能够根据屏幕信息理解应用界面，并执行表单填写、文件编辑、信息整理等任务。OpenAI表示，其标准API价格较上一代Terra下降50%，目前已通过ChatGPT Work、Codex及开发者接口提供服务，为企业部署高频、重复性数字化工作流程提供了新的模型选择。

电脑操作型人工智能与传统聊天模型的主要区别，在于其不仅能够生成文字，还可以识别按钮、菜单、表格和图形等界面元素，并按照任务目标完成多步骤操作。例如，在处理企业采购单据时，模型需要先从发票和合同中提取信息，再判断相应字段应填写到哪个业务系统，最后检查录入结果是否符合要求。这一过程同时涉及视觉识别、逻辑推理、操作规划和异常处理。相比通过固定脚本执行自动化任务，具备界面理解能力的模型可以适应一定程度的页面变化，但仍可能出现识别错误或操作偏差。

随着模型能力和调用成本持续优化，企业流程自动化正在从规则驱动向智能体驱动演进。财务、采购、客户服务、工程设计和工业软件操作等场景，都可能成为重要应用领域；可靠性、权限控制和人工审核机制则是商业部署的重要前提。

原始链接：

https://openai.com/index/introducing-gpt-6-1-terra/

10月29日，法国人工智能企业Mistral正式发布Mistral Large 4模型权重。该模型此前已于10月初推出公开预览版，本次在进一步强化学习训练的基础上，提高了编程、网络安全及复杂推理任务的表现。模型总参数规模约为1万亿，采用混合专家架构，支持企业通过自有计算基础设施进行部署、调整和专用化训练。此次开放权重，使相关模型不再仅依赖厂商提供的在线服务接口。

混合专家模型并非在处理每项任务时都调用全部参数，而是根据输入内容选择部分计算模块参与推理，从而在扩大模型知识容量的同时控制计算开销。对于大型企业而言，开放权重的意义不仅在于降低对单一云服务的依赖，还在于能够结合内部业务数据开展微调，使模型适应特定行业的专业术语、操作流程和安全规范。Mistral重点展示了模型在代码分析、漏洞修复及企业知识工作中的应用潜力。不过，大规模模型本地部署仍需要较高的算力、工程运维和数据安全管理能力。

高性能开放权重模型的发展，正在推动人工智能产业由统一的在线服务向多样化部署方式演进。行业专用模型、企业私有化部署、模型压缩优化及推理基础设施，有望形成更加细分的技术服务市场。

原始链接：

https://mistral.ai/news/mistral-large-4-oss/

10月27日，美国人工智能企业Liquid AI推出新一代LFM3系列模型，首批发布六款约20亿参数规模的开放权重模型，覆盖文本处理、视觉理解、语音分析、多模态交互和任务决策等能力。公司表示，LFM3采用统一的基础架构，可以根据不同应用需求进行专门训练，并支持在智能手机、个人电脑和嵌入式设备上运行。其中，部分量化模型所需存储空间约为1GB，有利于降低终端设备部署人工智能的硬件门槛。

当前，大型人工智能模型通常运行于云端数据中心，终端设备通过网络请求获取结果。这种方式能够提供较强的计算能力，但在网络连接、响应时延、数据隐私和持续使用成本方面存在一定限制。轻量级模型则通过架构优化、参数压缩和针对性训练，在有限算力条件下实现特定任务所需的智能能力。LFM3将卷积结构、局部注意力和全局注意力结合，并针对多种处理器和硬件平台开展适配，使模型能够以较少参数完成文本、图像及音频任务。同时，开发者可以针对工业检测、语音助手等具体场景开展进一步训练。

人工智能应用正从集中式云端推理向云边端协同发展。轻量级多模态模型将为智能穿戴、工业传感器、车载设备及医疗终端创造新的产品设计空间，并带动端侧芯片、模型优化和软硬件集成需求增长。

原始链接：

https://www.liquid.ai/blog/lfm3

10月29日，美国生成式人工智能企业Pika推出H3 Flex模型，进一步提高视频及同步音频生成速度，并开放模型权重供开发者部署和定制。根据企业披露的数据，该模型通过后训练优化，将原有视频生成过程中的50步计算压缩至6步，在特定配置下可用约7秒计算时间生成15秒、768p的同步音视频内容。此外，模型支持最多12个图像、视频或音频参考素材，并可输出最高4K分辨率的视频。

视频生成模型需要处理连续画面之间的运动变化、物体形态和场景一致性，计算复杂度通常高于静态图像生成。许多扩散类模型通过多轮逐步去噪，将初始随机信息转换成清晰的图像或视频。H3 Flex的关键改进在于减少生成所需的迭代次数，同时尽量保持视频质量和可控性。多参考素材功能则允许用户分别提供人物形象、场景风格、动作示例及声音样本，使生成结果更加接近预定的创作需求。不过，实际生成速度仍会受到硬件配置、视频分辨率和复杂程度影响。

视频生成技术正在由单次内容生成向可反复修改、可精细控制的专业制作工具发展。随着生成成本和等待时间下降，其在广告创意、产品展示、影视预制作及数字营销等领域的应用价值有望进一步提升。

原始链接：

https://creation.pika.art/blog/pika-h3-flex

10月28日，美国英伟达（NVIDIA）推出Nemotron 3.5 Transcribe开放权重语音模型，可通过自然语言指令完成录音转写、说话人识别、跨语言翻译及语音内容问答，支持40种语言。根据英伟达披露的信息，该模型约有43亿活跃参数，并已提供模型权重下载，后续还将推出适用于更多本地设备的量化版本。相关技术瞄准企业会议处理、客户服务、专业语音记录等应用场景。

传统语音智能系统通常由多个独立模块组成：先通过自动语音识别将声音转换成文字，再进行说话人区分、机器翻译和文本分析。模块之间需要传递中间结果，容易增加系统复杂度，也可能在多轮处理过程中累积错误。新模型尝试以统一架构完成多项任务，使开发者能够直接提出“识别每位发言人并提取会议决定”等复合指令。对于医疗和工业等专业场景，模型还可通过提示词引入特定术语和格式要求。但语音识别结果仍受录音质量、口音、噪声和领域词汇影响，需要针对实际环境开展测试。

语音人工智能正由基础转写工具向综合信息处理平台演进。开放权重和本地部署能力将推动语音技术进入更多对隐私和响应速度要求较高的行业，形成专业语料适配、语音模型部署及业务系统集成的新需求。

原始链接：

https://blogs.nvidia.com/blog/local-ai-rtx-spark-laptops-updates-models-agents-games

10月27日，美国人工智能芯片企业Cerebras与甲骨文（Oracle）宣布合作，计划在Oracle Cloud Infrastructure云平台上提供基于Cerebras计算架构的高速人工智能推理服务。双方主要面向人工智能研发机构、企业客户和软件开发者，支持需要连续调用模型的智能体及实时交互应用。该合作将Cerebras专门优化的推理技术与大型云平台的计算、存储和企业服务体系结合，但具体服务上线及商业规模仍有待后续推进。

Cerebras采用晶圆级计算架构，与传统将硅晶圆切割成大量独立芯片的方案不同，其技术路线强调在较大计算结构内部集成处理单元和高速数据连接，减少部分跨芯片通信开销。人工智能推理是模型利用已有训练结果处理新任务的过程。对于需要多步骤规划、工具调用和结果验证的智能体而言，完成一次工作可能涉及数十次模型调用，因此单次推理的响应速度会直接影响整体任务效率。高速推理基础设施可以减少用户等待时间，并使更复杂的实时应用具备可行性。

随着人工智能应用从简单问答转向持续执行任务，推理速度、单位计算成本和系统稳定性正成为重要竞争因素。专用AI芯片与大型云服务平台合作，有望加快新型计算架构进入企业市场，并推动推理服务形成差异化竞争。

原始链接：

https://blogs.nvidia.com/blog/local-ai-rtx-spark-laptops-updates-models-agents-games

信息来源：本报告信息主要来源于Infineon、Enphase Energy、Wolfspeed、SemiQ、JX Advanced Metals、Microchip、SK hynix、Google DeepMind、OpenAI、Mistral AI、Liquid AI、Pika、NVIDIA、Cerebras、Oracle、Beam Therapeutics、Editas Medicine、Circio、Addition Therapeutics、INOVIO、Atsena Therapeutics、Toyota、Waymo、Kodiak AI、FANUC、Ricoh、Seoul Viosys、Spiber、GKN Aerospace、NVision、HyperLight、Radiant、First Solar、MP Space、Neuralink等企业及机构官方公告，美国FDA、美国能源部等监管机构和政府部门官网，以及Nadcap、欧洲基因与细胞治疗学会（ESGCT）等行业组织发布的信息，PR Newswire、Business Wire、GlobeNewswire等国际新闻发布平台。

汇编机构：中国科学院上海科技查新咨询中心

汇编时间：2026年11月2日