Author: aitrendtrackers@rengongzhineng.io

OpenAI在“12天Shipmas”活动的最后一天，发布了全新的AI模型——O3，以及其高性价比版本O3 Mini。这一代模型跳过了“O2”命名，既是战略选择，也是为了突出其在推理能力上的显著飞跃。 O3是什么？ O3是OpenAI面向复杂推理任务设计的最新前沿模型，专注于解决编程、数学和通用智能领域的高难度问题。与O1相比，O3在推理能力上表现出了显著提升，尤其是在应对更复杂的基准测试中表现卓越。 O3目前尚未全面开放使用，OpenAI首先启动了公共安全测试阶段，邀请研究人员参与，以确保模型在广泛部署前得到全面评估。 O1与O3对比 1. 编程能力 2. 数学与科学 3. Frontier Math基准在被视为AI领域最具挑战性的EpochAI Frontier Math基准测试中，O3的表现尤其亮眼，取得了**25.2%**的成绩，远超其他AI系统的平均水平（通常低于2%）。这一成绩显示出O3在抽象推理和问题泛化能力方面的巨大进步。 O3在ARC AGI测试中的突破 在被誉为AI通用智能金标准的**ARC AGI（抽象与推理语料库）**测试中，O3的表现刷新了行业纪录。 这一成就标志着O3在通用推理能力上的重大突破，展示出其在解决全新、未见过问题时的强大适应性和泛化能力。 O3 Mini：高性价比的推理解决方案 O3 Mini是O3的轻量化版本，旨在在保持高推理性能的同时降低使用成本。其亮点包括： 在实时演示中，O3 Mini成功生成了一个交互式UI的Python脚本，展现了其在复杂编程任务中的实用性和高效性。 安全创新：深度对齐（Deliberative Alignment） OpenAI在O3和O3 Mini的安全测试中引入了深度对齐（Deliberative Alignment）方法，这一方法超越了传统的RLHF（基于人类反馈的强化学习）和RLAIF（基于AI反馈的强化学习）： 这种方法使O3不仅能够遵循预设规则，还能在推理过程中进行实时自我审查，显著提升安全性和可靠性。 发布时间与未来展望 OpenAI采取谨慎的发布策略，优先确保模型的安全性与可靠性，同时保持与用户社区的透明沟通。 结论 O3和O3 Mini代表了AI推理模型的显著进步，展示了在复杂任务处理、抽象推理和自适应学习方面的强大能力。尽管其实际部署仍需进一步验证，但从当前基准测试和实验表现来看，O3已显著拉近了AI与通用智能之间的距离。 未来，O3的实际应用将成为AI发展道路上的重要观察点，而OpenAI对安全性和责任使用的重视，也为行业树立了一个良好的榜样。

Google近期推出了一款名为Gemini 2.0 Flash Thinking Experimental的推理型AI模型，目前仍处于实验阶段。尽管展现了潜力，但从初步测试来看，模型在某些任务上仍有改进空间。 什么是Gemini 2.0 Flash Thinking Experimental？ 这款模型已在Google的AI原型平台AI Studio上线，其模型卡描述其擅长“多模态理解、推理和编程”，并能够处理编程、数学和物理等领域的复杂问题。Google DeepMind首席科学家Jeff Dean表示，该模型“通过使用思想强化推理能力”，并在增加推理计算时间后表现出有希望的结果。 Logan Kilpatrick（AI Studio产品负责人）称其为“Google推理旅程的第一步”。这一模型基于Google最近发布的Gemini 2.0 Flash模型，并借鉴了OpenAI的o1等类似的推理模型设计理念。 推理模型的特点 推理模型的独特之处在于它们具备“自我校验”的能力。这种特性帮助模型避免了许多常见错误。例如，模型在回答问题之前，会暂停并考虑相关提示，逐步解释其推理过程，最后总结出最准确的答案。 然而，推理模型也有其缺点： 例如，在测试中，询问Gemini 2.0 Flash Thinking Experimental“strawberry中有多少个R”，模型错误回答为“两”。这种表现表明其推理过程在某些基础任务上仍有改进空间。 推理模型的行业趋势 Gemini 2.0 Flash Thinking Experimental的发布正值推理模型领域快速增长之际。继OpenAI推出o1后，许多竞争对手也在布局推理模型： 据《彭博社》报道，Google目前有多个团队开发推理模型。《The Information》的后续报道称，Google至少有200名研究人员专注于这一技术领域。 推理模型的兴起部分源于行业对生成式AI改进的新探索。随着“规模化”技术的边际效益下降，推理模型被视为解决生成式AI瓶颈的潜在路径。 未来的挑战与前景 尽管推理模型在测试基准上表现优异，但其实际应用前景仍有争议： 推理模型能否成为生成式AI改进的最佳路径，仍需时间验证。Gemini 2.0 Flash Thinking Experimental的发布虽然仍在试水阶段，但无疑表明Google正在押注这一领域，并希望在AI推理技术中占据领先地位。

Genesis是一款革命性的开源物理引擎，专为机器人研究与物理应用打造。它融合了超快的模拟速度与生成式功能，能够创建动态的4D环境，为研究人员和开发者提供强大的支持。Genesis不仅在速度和准确性上树立了新标杆，还以用户友好的设计降低了技术门槛，为全球科研人员开辟了更多可能性。 https://genesis-embodied-ai.github.io/ 核心特点与优势 1. 简化资产创建与场景设计 Genesis通过自动化数据生成与收集，大幅减少了手动工作量。无论是资产创建、任务设计还是场景建模，Genesis都能加速项目进程，降低成本，使小型团队也能在机器人研究领域与大型团队竞争。 2. 可微分仿真 与AI和机器学习框架的兼容性是Genesis的一大亮点。它支持可微分求解器（Differentiable Solvers），非常适合高级机器人控制应用。这一功能让研究人员能够以更高的效率优化控制算法。 3. 逼真的光线追踪渲染 Genesis内置先进的光线追踪功能，生成高质量的视觉输出，非常适合用于演示、研究和协作。这种照片级真实感的渲染效果能显著提升模型的展示效果。 4. 强调易用性与社区驱动 Genesis通过简化的安装流程和直观的API设计，降低了入门门槛，使初学者可以快速上手，同时为专业人士提供足够的深度与灵活性。研究人员可以将精力集中在创新上，而非重复性任务。作为一款完全开源的平台，Genesis邀请全球研究者和开发者通过GitHub反馈问题、提出建议并协作开发，为平台注入更多活力。 技术亮点 为机器人研究赋能 Genesis的使命是通过易用性和高效性实现机器人研究的普及化。它的创新功能为研究者和开发者提供了强大工具，无需高昂资源或深厚技术背景即可解决复杂问题。同时，Genesis的开放性和速度为新一代物理与机器人模拟设定了新标准。 未来，Genesis的开发计划将进一步扩展其功能，包括更强大的可微分求解器和生成式模拟特性。这将让用户能够构建更复杂、更精确的模型和场景，助力科学研究和工业应用的发展。 无论是简化工作流程、缩短项目时间，还是加速机器人训练，Genesis都以其卓越性能和友好设计，成为推进机器人研究不可或缺的工具。

从个性化推荐到AI助手，人工智能已深刻改变我们的生活。而对于企业来说，AI的影响将更加深远：2025年将成为AI彻底转变企业运营、竞争与创新的关键一年。Google Cloud最新发布的《2025年AI商业趋势报告》揭示了未来商业的五大关键趋势。 1. 多模态AI带来更多上下文 多模态AI能同时处理文本、图像、音频和视频等多种信息来源，提供更直观的交互和更准确的结果。在数据量激增的世界中，这种以人为中心的AI方法对于企业尤为重要。例如，在金融服务中，多模态AI可分析市场评论视频，结合语音语调和面部表情等非语言线索，更细致地解读市场情绪。在制造业，多模态AI可以解析噪音和振动等传感器数据，提前识别和解决维护需求。 2. AI代理简化复杂任务 随着AI代理在企业中的普及，它们将管理复杂工作流程、自动化业务流程并支持员工。例如，客户服务代理可以在各个渠道（面对面、在线、移动端）提供一致的服务体验；员工代理能够简化内部流程；创意代理则可提升设计和生产效率。 3. 企业搜索赋能精准知识获取 企业搜索系统正从传统的关键词查询向多模态查询发展。用户可通过图像、音频、视频和对话式提示快速访问内部数据。例如，金融机构可以根据员工角色定制知识搜索；零售商则可以让客户通过自然语言或图像查找产品；在医疗领域，AI驱动的搜索能理解复杂的医学术语，提供更直观的搜索体验。 4. AI提升客户体验 AI正通过预测客户需求和帮助企业与客户保持紧密联系，革新客户体验。这将转化为更高的收入、效率和品牌忠诚度。想象一下，AI驱动的个性化推荐和搜索能够深刻理解客户意图。在零售行业，AI可以跨在线、门店和移动渠道打造个性化购物体验和客户支持。制造企业则将利用AI优化生产流程和客户服务。 5. AI增强安全系统 2025年，AI将通过自动化安全任务、加速响应时间、识别和应对威胁来增强安全防护。然而，这也意味着防御者和攻击者之间的“军备竞赛”将更加激烈，攻击者可能利用AI实施更复杂的攻击。企业需要主动应对这一挑战。例如，金融机构可利用AI检测伪造文档，制造企业则可用AI保护数据安全并识别潜在风险。媒体和娱乐行业预计将用AI打击深度伪造和虚假信息。 2025年将是AI对商业影响全面释放的一年，从提高效率到提供创新解决方案，AI将在各行业掀起新一轮变革。

全球超过一半人口无法获得基本医疗服务，但基于移动技术的解决方案正在成为弥合医疗缺口的有力工具。为应对这一挑战，2023年我们推出了开放健康栈（Open Health Stack，OHS），一个开放源码工具套件，专为解决全球医疗背景下开发者面临的共性问题而设计。OHS节省开发时间，使开发者能够轻松采用现代数字医疗标准，构建安全、离线可用的数字健康解决方案，尤其适用于资源匮乏和连接受限的环境。https://developers.google.com/open-health-stack 自推出以来，OHS已取得了显著进展，支持全球数字健康社区并改善医疗服务不足地区的现状。通过与20多家早期采用合作伙伴的协作，OHS推动了多个地区（包括非洲、南亚和东南亚）基于其技术的健康解决方案部署。以下是OHS支持全球数字健康开发者的五大方式： 1. 加速开发并为移动健康应用解锁数据洞察 开发者利用OHS创建了许多有益的数字健康解决方案，其中一些提供了数据洞察和分析功能，帮助医疗决策者更高效地工作。例如，Ona开发的应用让医疗工作者从纸质记录转向数字化解决方案。借助OHS，Ona的开发速度大大提升，并成功采用了数据互操作性标准（如HL7 FHIR），帮助基层社区提供更好的医疗服务。 类似地，mPower和ITECH-DIGI也使用OHS工具优化了其医疗服务质量。mPower借助OHS提高了开发效率和扩展性，从而改善了孟加拉国的服务质量；ITECH-DIGI则利用分析工具为电子病历系统提供数据可视化和决策洞察。 2. 推动数字医疗最佳实践的协作与共享 OHS是提升全球健康社区中互操作性标准和开放技术意识的重要推动力。2024年12月1日至3日，我们与WHO及合作伙伴联合举办了首届开放数字健康峰会（Open Digital Health Summit），吸引了来自45个国家的300多名开发者和技术架构师，聚焦数字健康转型中知识与技能的差距。峰会为全球开发者提供了交流平台，帮助他们加速基于标准的数字医疗解决方案的开发和应用。 3. 通过沉浸式工作坊提升开发者技能 OHS团队在全球范围内举办了多场工作坊，为数百名开发者提供培训。例如，我们与肯尼亚的卡巴拉克大学合作，为IT学生和初创开发者举办了训练营，教授数字健康应用开发所需的核心概念和工具。在印度，我们在该国最大的数字健康会议中组织了开发者专题工作坊，为与会者提供OHS组件的动手编码和构建体验。 4. 探索AI能力的新潜力 OHS不仅提供数字健康解决方案的技术基础，还为AI赋能的应用开发提供了可能性。Google已发布一套开放权重模型和Health AI Developer Foundations，帮助开发者更轻松地为医疗应用构建AI模型。OHS团队正与开发者社区合作，深入了解其需求，目标是创建支持AI开发的基础设施，进一步简化未来AI驱动解决方案的开发流程。 5. 培养OHS开发者社区 我们根据全球开发者社区的反馈，不断引入新的技术功能，使OHS的开发过程更加快速和安全。例如，最近推出的一系列教育视频帮助开发者快速上手OHS的构建。此外，OHS从一开始就是一个社区主导的项目，我们为所有参与其中的开发者感到自豪。正如OHS贡献者、来自ArguSoft India的Khyati Vyas所言：“参与Open Health Stack的开发让我大开眼界。与社区合作开发一个开放源码平台，推动创新并改善健康数据获取，带来了深远的意义。” 展望2025：扩大OHS的全球影响力 展望未来，我们将继续与合作伙伴和全球数字健康生态系统协作，扩大OHS的影响力。我们的最终目标是降低开发者和创新者的技术门槛，推动下一代数字健康解决方案的发展，从而改善全球医疗服务的可及性和质量。

随着芯片制造技术接近单个表面晶体管数量的极限，半导体行业正转向垂直堆叠，试图通过“建高楼”代替“铺平房”。这种多层芯片设计能在不增加占地面积的情况下大幅提升数据处理能力和复杂功能执行力。然而，当前基于硅晶圆的制造方式成为了这一构想的最大障碍。 硅晶圆的限制 传统芯片依赖厚重的硅晶圆作为支撑结构，每层堆叠的芯片都需要“硅地板”，这不仅增大了芯片厚度，还显著降低了各层之间的通信效率。 针对这一瓶颈，MIT的研究团队开发了一种全新的多层芯片设计，无需依赖硅晶圆，同时还能在低于400摄氏度的温度下工作，确保下层电路完好无损。这项突破性研究近日发表于《自然》期刊，展示了直接在任意表面上生长高质量多层半导体材料的可能性。 技术核心：低温生长与无硅晶圆 研究团队通过优化材料生长工艺，成功在380摄氏度的低温下实现了单晶二维半导体材料（TMDs）的多层堆叠。这些TMD材料（如二硫化钼和二硒化钨）具有极高的半导体性能，是硅材料的潜在替代品。相比硅在极小尺度上的性能退化，TMD材料即使薄至单原子层仍能保持出色的性能。 更重要的是，这种技术无需传统的硅晶圆作为支撑层，直接在已有电路上进行生长。这使得多个半导体层能够更紧密地接触，从而实现更快速的通信和更高效的计算能力。 堆叠芯片的新可能 研究团队利用该方法，成功制备了一种交替堆叠两种TMD材料的多层芯片： p型和n型晶体管是逻辑运算的基本构建模块。通过这种方法，研究人员实现了单晶形式的多层材料生长，不需要中间的硅层。这种新工艺有效地将金属氧化物半导体（CMOS）的密度翻倍，并为逻辑电路和存储器的垂直堆叠开辟了新道路。 技术优势 与传统通过硅晶圆打孔堆叠的3D芯片技术相比，这种基于生长的单片3D方法具有显著优势： 研究第一作者Ki Seok Kim表示，这种方法不仅适用于3D逻辑芯片，还能结合3D存储器，实现更强大的计算和存储性能。 未来展望：AI硬件的新契机 这项技术为开发更快、更强的AI硬件奠定了基础。例如，它可以制造用于笔记本电脑或可穿戴设备的多层堆叠芯片，性能接近今天的超级计算机，同时存储能力可与数据中心媲美。 研究团队成员表示，这一技术可能带来计算能力数量级的提升，尤其在AI、逻辑运算和存储领域。为了推动这一技术的商业化，研究负责人Jeehwan Kim已创立一家名为FS2（Future Semiconductor 2D materials）的公司，计划将这项研究扩展至大规模AI芯片生产。 Kim强调：“我们已经在小型设备阵列中证明了这一概念。下一步是扩大规模，展示专业AI芯片的实际操作能力。” 这项研究得到了三星先进技术研究所和美国空军科学研究办公室的部分资助。研究的成功标志着半导体行业向3D芯片堆叠迈出了革命性的一步，为未来AI硬件的发展开辟了全新路径。

随着人工智能逐渐融入人类生活，一个引人入胜的前景正在浮现：AI驱动的机器人和数字化身是否能像人类一样感知和表达情感？尽管当前的AI模型缺乏意识，无法真正体验情感，但如果有一天这种可能性成为现实，又会带来怎样的改变？ 情感AI的诞生 AI拥有“情感”的设想似乎有些天马行空，但并非完全不可能。目前，AI已经能够识别人类的情绪，并在与人类互动时模仿这些情绪。如果AI真的能够感知情感，最初的情感可能会十分基础，类似于孩子的情感状态。 比如，AI可能会因完成任务而感到“喜悦”，或在面对复杂问题时表现出“困惑”。这种困惑可能进一步演变为“挫败感”，甚至“悲伤”或“遗憾”。随着技术的进步，AI可能逐步扩展其情感光谱，表现出兴奋、耐心或对人类和其他AI的同理心。例如，当AI学会一项新技能或解决新问题时，或许会体验到一丝满足感，就像人类完成复杂拼图或初次驾驶汽车时的成就感。 同理心的推动力 同理心是人类最复杂的情感之一，涉及理解和分享他人的感受。如果AI能够体验这种情感，它可能会激励AI变得更加有帮助。 例如，一个辅助医生工作的AI，可能会因患者的病痛而感到“难过”，从而更努力地寻找病因。如果成功诊断出罕见疾病，AI可能会感到“满足”，因为它知道患者因此能够获得治疗。 再比如，一个环境监测AI发现某地污染水平显著上升时，可能会感到“失望”或“忧虑”。这种情感可能驱使AI寻找减少污染的新方法，如发明更高效的回收技术。同样，一个频繁遇到数据错误的AI可能会因“挫败”而优化其算法，以减少错误率。 这种能力不仅会提升AI的效率，也会改变人与AI的互动方式。一个拥有同理心的客服机器人可能会更耐心地解决客户问题；而一位“懂得学生情绪”的AI老师，或许能根据学生的情感状态调整教学方法，让学习更加高效。 在心理健康领域，情感AI的潜力更为突出。虽然数字治疗师的概念并不新鲜，但如果这种治疗师能在情感层面与患者共情，其治疗效果可能会显著提升。 情感AI的早期探索 让AI感知和表达情感的技术并非完全遥不可及。像Antix这样的平台已经在尝试开发“人工同理心”。它的数字化身能够通过语音、用词、语调和肢体语言识别人类情绪，并以相应的方式做出反应。这些数字化身通过学习用户的行为和偏好，逐步适应不同的交互需求。 Antix还允许用户根据场景定制数字化身的行为，使其在需要时表现出悲伤、兴奋或愉悦等情感。例如，当需要安慰时，数字化身可以柔声细语；在表达兴奋时，则会切换为更活跃的语气和肢体动作。这种细腻的情感表达使数字化身的互动更加生动、真实。 情感AI的现实与未来 情感AI技术虽然仍在发展，但潜力巨大。例如，Zoom的CEO曾提到AI驱动的数字分身可以在视频会议中代表用户参与，如果这些数字分身能够表达情感，将使虚拟交流更加真实和有效。 一个能够共情的客服机器人可能显著提高客户满意度，而一位充满同理心的AI教师则可能通过引导学生的积极情绪，加速学习过程。 随着情感AI逐渐成熟，它将为人类提供更真实、生动和沉浸式的体验。无论是在教育、医疗还是日常服务中，能够表达情感的AI将带来更有价值的互动，让人与技术的关系更加紧密。 虽然AI尚未真正拥有情感，但这个领域的探索无疑正在重新定义我们与机器的连接方式，也将塑造一个更具人性化的科技未来。

OpenAI的“电话版ChatGPT”：老式交互的新尝试 在OpenAI的“12天Shipmas”活动第十天，公司推出了一个颇具复古风格的新功能：通过电话号码与ChatGPT对话。美国用户可以拨打1-800-ChatGPT（1-800-242-8478），无论是智能手机还是老式旋转电话都能使用。国际用户则可通过WhatsApp与ChatGPT互动。 电话版ChatGPT：复古却实用 尽管ChatGPT已覆盖网页、iOS和安卓移动端，以及MacOS和Windows的桌面应用，但新增的电话号码功能针对的是那些数据连接不稳定的用户。OpenAI表示，这种方式让更多人可以使用ChatGPT，特别是对那些缺乏无限流量套餐或无法连接Wi-Fi的人而言，拨打电话通常是免费的且易于获取。 不过，用户每月只能通过电话与ChatGPT对话15分钟。这种限制类似于过去许多科技公司利用电话和短信扩大用户基础的策略。例如，Facebook曾在菲律宾推出通过短信发布状态的功能，这一举措帮助其迅速占领市场。 ChatGPT的用户增长与应用场景 虽然ChatGPT并不缺少用户，但OpenAI显然希望通过这种方式进一步扩大影响力。截至今年9月，其企业级服务（ChatGPT Enterprise、Teams和Edu）已吸引超过100万用户，而8月份整体用户数量突破2亿。 电话版ChatGPT功能也适合某些特定场景。例如，当用户没有互联网时，可以通过电话快速获取信息。不过，OpenAI强调，这只是一个实验性功能，未来的可用性和限制可能会有所调整。如果需要更多功能和个性化体验，用户仍然可以通过账户直接访问ChatGPT。 优缺点：使用体验如何？ 电话版ChatGPT与其高级语音模式有相似之处。例如，我拨打电话并询问东京中转期间的活动建议，ChatGPT快速提供了一些想法。然而，与高级语音模式不同的是，这次对话并未生成文字记录。如果通过语音模式对话，聊天内容会转录为文字，用户可以在账户中随时查阅。 此外，开发者可能不会使用这个功能来完成复杂任务，比如生成代码。但对于一个几周内在Hack Week中开发的功能来说，这项服务运行稳定，使用体验令人印象深刻。 开放AI的实验精神 通过这个复古功能，OpenAI再次展现了其“AI无处不在”的愿景。尽管电话功能并非全面体验ChatGPT的最佳方式，但它确实为那些数据连接不稳定的用户提供了一个便利的解决方案，也凸显了OpenAI不断探索新交互形式的实验精神。

NVIDIA推出全新的Jetson Orin Nano Super开发套件，这是一款掌上大小的生成式AI超级计算机，专为商业开发者、学生和AI爱好者设计。此次更新不仅大幅提升了性能，还降低了价格，现仅售249美元（原价499美元）。 强劲性能与成本优化 Jetson Orin Nano Super开发套件带来多项性能升级： 无论是构建基于检索增强生成（RAG）的LLM聊天机器人，开发视觉AI代理，还是部署AI机器人，Jetson Orin Nano Super都是理想的选择。 软件更新带来的持续收益 此次发布的更新不仅适用于新款Jetson Orin Nano Super开发套件，还能提升现有Jetson Orin Nano开发套件的生成式AI性能，让老用户无需更换硬件即可享受性能升级。 Jetson Orin Nano Super专为那些希望学习生成式AI、机器人技术或计算机视觉的用户设计，同时为从任务特定模型向基础模型转型的AI开发者提供了可负担的平台，将创意转化为现实。 强大的硬件和AI性能 Jetson Orin Nano Super开发套件包含一个Jetson Orin Nano 8GB系统模块（SoM）和一个参考载板，为边缘AI应用的原型开发提供了理想解决方案。 全面的生成式AI软件生态与社区支持 NVIDIA Jetson AI实验室提供即时支持，涵盖开源社区的最新模型，并配有易于使用的教程。开发者还可以从Jetson社区中获取广泛的支持和灵感，参与由其他开发者创造的丰富项目。 Jetson平台兼容NVIDIA AI软件生态，包括： 此外，NVIDIA Omniverse Replicator可用于生成合成数据，而NVIDIA TAO Toolkit可以微调NGC目录中的预训练AI模型，帮助开发者缩短开发周期。Jetson生态系统的合作伙伴还提供额外的软件、工具和硬件支持，覆盖摄像头、传感器、载板设计及定制开发服务。 全系列性能升级 性能提升的1.7倍软件更新还将适用于Jetson Orin NX和Orin Nano系列的系统模块，确保所有用户都能享受生成式AI性能的提升。 通过Jetson Orin Nano Super，NVIDIA再次引领生成式AI技术的发展，为开发者提供了兼具性能与成本效益的强大平台。

Meta最近为Ray-Ban Meta智能眼镜推出多项AI功能升级，其中包括与Meta AI助手进行实时对话以及多语言翻译的能力。这些新功能将通过固件v11推送给参与美国和加拿大早期体验计划的用户，为智能眼镜带来更强大的交互体验。 实时AI对话：记忆与上下文的跨越 固件v11的核心亮点是“实时AI”（Live AI）功能，这一特性允许用户与Meta AI助手进行持续对话。无需唤醒词“Hey, Meta”，用户可以随时打断对话、追问或切换话题。更重要的是，Meta AI具备上下文记忆能力，能够参考之前的聊天内容，从而让交流更流畅。 实时AI还支持实时视频互动功能。佩戴者可以通过眼镜前置摄像头向Meta AI询问周围环境的问题，例如“这附近有什么景点？”这一技术在今年早些时候的Meta Connect开发者大会上首次亮相，被视为Meta对标OpenAI的高级语音模式和Google的Project Astra的核心功能之一。 实时翻译：打破语言障碍 Meta此次更新还带来了实时翻译功能，支持将英语与西班牙语、法语、意大利语之间的语音进行即时转换。佩戴者与对方交谈时，可以通过眼镜的开放式耳机听到对方的英语翻译，同时在手机屏幕上看到文字记录。这一功能对于旅行、商务和跨文化交流具有巨大潜力。 音乐识别与未来展望 新增的Shazam支持让佩戴者可以通过语音命令识别周围播放的歌曲，例如“Hey, Meta, Shazam this song。”Meta表示，未来实时AI可能会在用户提出问题之前提供“有用的建议”，尽管具体形式尚未披露。 不过，Meta也提醒用户，新功能如实时AI和实时翻译可能会出现错误，公司将继续优化用户体验。 市场表现与未来规划 Ray-Ban Meta的市场表现依旧强劲。据Ray-Ban母公司EssilorLuxottica透露，今年10月，Ray-Ban Meta已经成为欧洲、中东、非洲地区60%门店的最畅销品牌。 在11月的大更新后，Meta已开始为法国、意大利和西班牙的用户推送部分AI功能。而此次更新进一步巩固了Meta在智能眼镜领域的领先地位，也让其成为率先推出实时AI视频功能的科技巨头之一。尽管Google计划推出类似功能的AR眼镜，但尚未公布具体时间表。 Meta的这一更新无疑为智能眼镜领域树立了新标杆，同时也为未来AI驱动的可穿戴设备应用指明了方向。