类型：七日精选
图片来源：网络
图片来源：网络
ODD 编辑组
从世界发现故事、思考和专业知识。
2025年8月7日
#024 从学习到造物：生成世界与人机边界的再织
#024 从学习到造物：生成世界与人机边界的再织
本期聚焦AI与设计革新：ChatGPT学习模式重塑教学，Genie 3生成可交互世界；Figma上市与Photoshop Harmonize迭代工具；苹果与Google专利推进感知与无障碍；B站原声翻译、小米开源模型与生态渠道加速。
本期聚焦AI与设计革新：ChatGPT学习模式重塑教学，Genie 3生成可交互世界；Figma上市与Photoshop Harmonize迭代工具；苹果与Google专利推进感知与无障碍；B站原声翻译、小米开源模型与生态渠道加速。
📰 本周值得关注的资讯
Chatgpt 推出「学习模式」
ChatGPT 的新“学习模式”打破问问题直接给出答案的形式，它通过逐步指导而非快速回答来辅助学习。不给答案，只教思路，帮助用户建立更深入的理解。这种模式会可能把教培辅导干趴下吗？该功能对免费、Plus、Pro、Team 版登录用户开放，ChatGPT Edu 版用户将在未来几周内获得该功能。
Chatgpt 推出「学习模式」
ChatGPT 的新“学习模式”打破问问题直接给出答案的形式，它通过逐步指导而非快速回答来辅助学习。不给答案，只教思路，帮助用户建立更深入的理解。这种模式会可能把教培辅导干趴下吗？该功能对免费、Plus、Pro、Team 版登录用户开放，ChatGPT Edu 版用户将在未来几周内获得该功能。
谷歌 Genie 3:让你秒变造物主，世界的边界不存在了
简单来说，Genie 3 是一个通用世界模型（world model）。我们只需要给它一句文字提示，比如「一条宁静的湖边小路」，它就能在几秒钟内生成一个你可以实时漫步、互动的动态世界。它能做到的，不只是生成「会动的视频」，而是真正创造一个可以实时互动、操控的虚拟世界。对比 Genie 1 和 Genie 2，这次 Google DeepMind 团队实现了一次关键的升级，从「生成可互动视频」变成了「实时生成可互动世界」。
更长的持续性和一致性：相比前代模型十几秒的互动时间，Genie 3 将这个时长提升到了「几分钟」。更重要的是，它拥有长达一分钟的视觉记忆。这意味着，当我们转身再回头时，墙上的涂鸦、远处的建筑依然会保持原样，世界不会在你回头后「刷新」，极大地提升了沉浸感。
谷歌 Genie 3:让你秒变造物主，世界的边界不存在了
简单来说，Genie 3 是一个通用世界模型（world model）。我们只需要给它一句文字提示，比如「一条宁静的湖边小路」，它就能在几秒钟内生成一个你可以实时漫步、互动的动态世界。它能做到的，不只是生成「会动的视频」，而是真正创造一个可以实时互动、操控的虚拟世界。对比 Genie 1 和 Genie 2，这次 Google DeepMind 团队实现了一次关键的升级，从「生成可互动视频」变成了「实时生成可互动世界」。
更长的持续性和一致性：相比前代模型十几秒的互动时间，Genie 3 将这个时长提升到了「几分钟」。更重要的是，它拥有长达一分钟的视觉记忆。这意味着，当我们转身再回头时，墙上的涂鸦、远处的建筑依然会保持原样，世界不会在你回头后「刷新」，极大地提升了沉浸感。
Figma 在纽约证券所上市
当地时间 7 月 31 日，设计软件公司 Figma 正式登陆纽约证券交易所，开盘价较发行价翻番，凸显投资者对高增长科技股与人工智能主题的浓厚兴趣。Figma 开盘报 83 美元，远高于 33 美元的发行价，盘中一度逼近 125 美元，涨幅超 277%，最终收盘报 115.5 美元，首日飙涨 250%，市值攀升至 676 亿美元，远超 2023 年与 Adobe 解除并购协议时的 200 亿美元估值。
Figma 在纽约证券所上市
当地时间 7 月 31 日，设计软件公司 Figma 正式登陆纽约证券交易所，开盘价较发行价翻番，凸显投资者对高增长科技股与人工智能主题的浓厚兴趣。Figma 开盘报 83 美元，远高于 33 美元的发行价，盘中一度逼近 125 美元，涨幅超 277%，最终收盘报 115.5 美元，首日飙涨 250%，市值攀升至 676 亿美元，远超 2023 年与 Adobe 解除并购协议时的 200 亿美元估值。
B 站推出 AI 原声翻译功能：保留 UP 主声线音色，破解二次元文化出海难题
B 站推出了自主研发的 AI 原声翻译功能，旨在解决国际版与国内版合并后的内容互通问题。该技术能够保留 UP 主的原始声线、音色特征和说话习惯，为海外用户提供更自然的中文内容体验。采用对抗式强化学习和 Deep Research 技术，确保翻译精准并保留文化韵味。
B 站推出 AI 原声翻译功能：保留 UP 主声线音色，破解二次元文化出海难题
B 站推出了自主研发的 AI 原声翻译功能，旨在解决国际版与国内版合并后的内容互通问题。该技术能够保留 UP 主的原始声线、音色特征和说话习惯，为海外用户提供更自然的中文内容体验。采用对抗式强化学习和 Deep Research 技术，确保翻译精准并保留文化韵味。
Adobe Photoshop 推出“Harmonize”用 AI 自动匹配光影
Adobe 通过一系列生成式 AI 工具，如 "Harmonize"，简化了复杂的图像编辑过程，提升了图像合成与修饰的效率，并引入了内容凭证以保障图像真实性。
Adobe Photoshop 推出“Harmonize”用 AI 自动匹配光影
Adobe 通过一系列生成式 AI 工具，如 "Harmonize"，简化了复杂的图像编辑过程，提升了图像合成与修饰的效率，并引入了内容凭证以保障图像真实性。
小米开源声音理解大模型 MiDashengLM-7B
8 月 4 日，小米发布并全量开源 MiDashengLM-7B 模型。该模型基于 2024 年发布的 Xiaomi Dasheng 声音基座模型作为音频编码器，Qwen2.5-Omni-7B Thinker 作为自回归解码器，通过通用音频描述训练策略，实现了对语音、环境声音和音乐的统一理解。小米称该模型声音理解性能在 22 个公开评测集上刷新多模态大模型最好成绩，单样本推理的首 Token 延迟（TTFT）为业界先进模型的 1/4，同等显存下的数据吞吐效率是业界先进模型的 20 倍以上。
小米开源声音理解大模型 MiDashengLM-7B
8 月 4 日，小米发布并全量开源 MiDashengLM-7B 模型。该模型基于 2024 年发布的 Xiaomi Dasheng 声音基座模型作为音频编码器，Qwen2.5-Omni-7B Thinker 作为自回归解码器，通过通用音频描述训练策略，实现了对语音、环境声音和音乐的统一理解。小米称该模型声音理解性能在 22 个公开评测集上刷新多模态大模型最好成绩，单样本推理的首 Token 延迟（TTFT）为业界先进模型的 1/4，同等显存下的数据吞吐效率是业界先进模型的 20 倍以上。
OpenAI 为 ChatGPT 增加长时间使用提醒
下面“文章”中分享了一篇相关解析，聊了聊 chatgpt 这个功能的产品涉及哲学。
8 月 4 日，OpenAI 发布博文，公布了近期 ChatGPT 优化方向。ChatGPT 将出于用户健康考虑，为 ChatGPT 增加温和的长时间使用提醒，当用户在某一对话中沉浸过长时间时会有弹窗提示。同时，ChatGPT 将加强对幻觉与情感依赖等对话内容的识别，并与专业人士、研究团队合作，以更好回复精神与情感困难问题。
OpenAI 为 ChatGPT 增加长时间使用提醒
下面“文章”中分享了一篇相关解析，聊了聊 chatgpt 这个功能的产品涉及哲学。
8 月 4 日，OpenAI 发布博文，公布了近期 ChatGPT 优化方向。ChatGPT 将出于用户健康考虑，为 ChatGPT 增加温和的长时间使用提醒，当用户在某一对话中沉浸过长时间时会有弹窗提示。同时，ChatGPT 将加强对幻觉与情感依赖等对话内容的识别，并与专业人士、研究团队合作，以更好回复精神与情感困难问题。
📒 本周值得读的文章
当 ChatGPT 也开始逐渐成为微信的模样
浅谈“OpenAI 为 ChatGPT 增加长时间使用提醒”产品设计哲学。目标不是要抓住你的注意力，而是要帮你更好地使用注意力。他们衡量成功的标准，不是用户停留了多久，或者点击了多少次，而是你是否解决了最初的问题，然后心满意足地离开。它甚至说，通常情况下，用户在产品里花的时间越少，反而是产品奏效的标志。
人工智能正在扁平化语言——并重新分配权力
长期以来，优秀的写作不仅是技巧，更像是一道门槛——只有能用权威语言表达的人才能进入“内圈”。而如今，这种格局正在悄然变化，表达的渠道变得更加开放，每个人都有机会参与进来，分享自己的观点和故事。
当 ChatGPT 也开始逐渐成为微信的模样
浅谈“OpenAI 为 ChatGPT 增加长时间使用提醒”产品设计哲学。目标不是要抓住你的注意力，而是要帮你更好地使用注意力。他们衡量成功的标准，不是用户停留了多久，或者点击了多少次，而是你是否解决了最初的问题，然后心满意足地离开。它甚至说，通常情况下，用户在产品里花的时间越少，反而是产品奏效的标志。
人工智能正在扁平化语言——并重新分配权力
长期以来，优秀的写作不仅是技巧，更像是一道门槛——只有能用权威语言表达的人才能进入“内圈”。而如今，这种格局正在悄然变化，表达的渠道变得更加开放，每个人都有机会参与进来，分享自己的观点和故事。
🌟 本周值得关注的专利
苹果专利通过预测用户注视点，实现重点区域高精度渲染，提升显示效率
该专利利用眼动追踪和智能算法，预测用户即将注视的屏幕区域，并对该区域进行高细节渲染，其余部分则降低精度，从而节省算力、减少延迟，显著提升 AR/VR 等场景下的视觉体验。
苹果专利实现了无需接触的呼吸与面部动作监测，革新健康追踪方式
苹果新专利通过嵌入干涉传感器于智能眼镜等可穿戴设备，无需接触皮肤即可精准监测呼吸和面部动作，支持健康追踪、健身指导及手势交互，推动智能设备体验升级。
谷歌的非侵入式分析物检测
谷歌的最新专利利用拉曼光谱和脉冲激光技术，实现了无创、实时检测皮肤下生物标志物的新方法，结合多激光协同与机器学习算法，极大提升了检测准确性和便携性。这一技术不仅适用于智能手表等可穿戴设备，有望替代传统采血检测方式，还将推动健康监测设备在慢病管理和运动健康等领域的普及，促进医疗与消费电子的深度融合。
Synchron 与 Apple 合作推出专利，实现用脑信号直接控制 iPad，开启无障碍人机交互新纪元
Synchron 的植入式脑机接口（BCI）与 Apple 新 BCI 协议结合，让用户仅凭意念即可原生操控 iPad，无需手、声音或眼动。该技术无需开颅手术，极大提升了实用性和可扩展性，标志着脑控设备首次进入日常生活，推动认知输入成为未来主流的人机交互方式。
苹果专利通过预测用户注视点，实现重点区域高精度渲染，提升显示效率
该专利利用眼动追踪和智能算法，预测用户即将注视的屏幕区域，并对该区域进行高细节渲染，其余部分则降低精度，从而节省算力、减少延迟，显著提升 AR/VR 等场景下的视觉体验。
苹果专利实现了无需接触的呼吸与面部动作监测，革新健康追踪方式
苹果新专利通过嵌入干涉传感器于智能眼镜等可穿戴设备，无需接触皮肤即可精准监测呼吸和面部动作，支持健康追踪、健身指导及手势交互，推动智能设备体验升级。
谷歌的非侵入式分析物检测
谷歌的最新专利利用拉曼光谱和脉冲激光技术，实现了无创、实时检测皮肤下生物标志物的新方法，结合多激光协同与机器学习算法，极大提升了检测准确性和便携性。这一技术不仅适用于智能手表等可穿戴设备，有望替代传统采血检测方式，还将推动健康监测设备在慢病管理和运动健康等领域的普及，促进医疗与消费电子的深度融合。
Synchron 与 Apple 合作推出专利，实现用脑信号直接控制 iPad，开启无障碍人机交互新纪元
Synchron 的植入式脑机接口（BCI）与 Apple 新 BCI 协议结合，让用户仅凭意念即可原生操控 iPad，无需手、声音或眼动。该技术无需开颅手术，极大提升了实用性和可扩展性，标志着脑控设备首次进入日常生活，推动认知输入成为未来主流的人机交互方式。
继续阅读
