AI Daily News April 16 2025: 💥OpenAI Is Building a Social Network 🗣️Anthropic Is Reportedly Launching a Voice AI You Can Speak To 🔮Grok Can Now Generate Documents, Code, and Browser Games 📉Nvidia 🎬 Kling AI 2.0 Launches
19:41 Share

这是AI Unraveled播客的新剧集，由加拿大高级软件工程师兼热衷足球的父亲Etienne Newman创作和制作。欢迎来到深度潜水，在这里，我们将提取大量信息，只为您，我们的听众，提取最有趣和最重要的见解。是的。嘿，如果您发现这些深度潜水很有价值，请花一点时间在Apple上点赞和订阅播客。这真的对我们有很大帮助。

所以今天我们要做一些不同的事情，来真正捕捉AI发展的速度。我们不是回顾几周或几个月，而是关注2025年4月16日这一天。我们从AI创新的每日编年史中汲取信息，看看发生了什么。没错，就像一个来自不久之前的时光胶囊快照。对。老实说，即使只有24小时，也有很多事情发生。我们将涵盖相当多的内容。

OpenAI可能推出具有AI图像生成的社交网络。是的。AI模型扮演侦探的角色，这听起来很有趣。是的，你知道，在创建视频代码方面取得了巨大的飞跃，几乎所有与AI相关的事情。准备好开始了吗？当然。让我们从OpenAI开始。

对于OpenAI来说，他们的社交网络雄心壮志。好的，是的。所以OpenAI，也就是ChatGPT团队，他们显然不仅仅在考虑聊天机器人方面的事情。报告称，他们正在开发自己的社交媒体平台。有趣的部分是集成了ChatGPT图像生成。对。因此，您可以创建图像并在那里分享它们。这不仅仅是与X竞争，尽管这可能是其中一部分。但我认为更深层次的策略可能是关于数据的。啊。

啊，数据。总是数据，不是吗？是的，想想看。每张制作的图像，每一次互动，都是标记的数据。完美的燃料来训练他们的AI模型。这是一种自我喂养的机器。这很有道理。不仅仅是市场份额，而是为核心技术提供支持。我听说首席执行官Sam Altman一直在征求反馈。是的，显然如此。听起来它还处于早期阶段，只是一个想法在四处飘荡。但潜力很大。想象一下一个社交信息流，其中大多数视觉效果只是……

AI创作。这确实让你想知道在线的真实性，对吧？什么是真实的，什么是生成的。是的，OpenAI可以获得的数据优势巨大。所以关键的收获是。

这是一个战略性的AI策略，而不仅仅是另一个应用程序。没错，这可能是关于AI主导地位的。好的，说到大型科技公司和一些挑战，英伟达也出现在我们4月16日的快照中，面临一些逆风。是的，这是非常重要的事情。可能会真正影响整个半导体供应链。美国政府出台了新的限制，特别是关于向中国出口英伟达的H20 A320。

AI芯片。H20芯片。好的。经济损失很大。看起来是这样。他们预计约为55亿美元。这就是正在讨论的数字。是的，市场确实注意到了。英伟达的股价在

公告发布后立即下跌了超过

近6%。哇。好的，为什么特别选择这些H20芯片？它们不是已经被修改用于中国了吗？这是有趣的部分。是的，英伟达实际上创建了H20以符合美国早些时候针对中国的贸易规则。但现在美国再次收紧了规定。目标似乎是阻止中国在其市场上使用这些芯片。

AI驱动的超级计算机，基本上是国家安全问题。对。所以这是我们一直在看到的更大范围的美国-中国科技紧张局势的一部分。但这对全球其他所有人意味着什么？好吧，

这些举动肯定会扰乱全球供应链。许多公司都依赖这些高端芯片。此外，这可能会促使中国更快地加快其自身的芯片制造工作，这可能导致科技世界更加分裂。因此，洞察力实际上是关于对全球AI硬件领域潜在的连锁反应。好的，让我们稍微转变一下。在英伟达应对限制的同时，其他公司正在添加新功能，并且

Anthropic为Claude赋予了声音。没错。看起来他们正准备为他们的Claude聊天机器人推出语音模式。有点赶上了已经拥有语音功能的OpenAI和谷歌。据报道，语音选项听起来很有趣。他们提到了柔和、空灵和黄油般的感觉。黄油般的。我喜欢这个。也许是英国口音。这可能相当迷人。这就是猜测。是的，英国口音。所以目标只是让与Claude交谈感觉更自然。

几乎增强了用户互动，使其更具对话性，更易于访问。想想免提使用，朗读内容，更像人一样的聊天。对于这些大型AI聊天机器人来说，拥有语音功能现在已经成为一种基本要求了。有道理。继续讨论文本之外的内容，

埃隆·马斯克的xAI有一个名为Grok Studio的东西。是的，Grok Studio。听起来不仅仅是标准的聊天界面。他们将其描述为一种画布环境。画布。你可以在上面做什么？显然可以创建和编辑文档。编写代码。调试代码。甚至可以构建简单的浏览器游戏。都在Grok中。哇，好的。这是一个

比简单的问答和协作更上一层楼。我想我看到了一些关于这方面的内容。你看到了。提到了实时协作以及Google Drive集成。是的，您可以将其用于团队项目，调入现有文件。它绝对将Grok从简单的聊天提升到更像

AI驱动的办公空间。所以趋势是AI直接融入我们的工作流程、我们的创意工具中。没错。更集成，更通用。对。让我们谈谈视觉效果。视频和图像生成似乎也在那里发展得非常快。

Kling AI 2.0。是的，Kling AI。他们的2.0更新听起来非常强大。它使用他们所谓的多模式视觉语言系统，或MVL。基本上，这意味着您可以使用文本、图像，甚至其他视频剪辑作为输入来生成和编辑

视频和图像。好的，更灵活的输入。是的。以及质量。他们声称取得了重大改进。更好的运动质量。它理解提示。他们称之为更好的语义响应能力，并且总体上看起来更好。他们甚至发布了内部基准测试，声称它击败了Google VO2和Runway Gen 4。大胆的主张。他们强调了哪些具体的改进？好的，他们的KLion 2.0主模型在顺序操作方面显然非常出色。

哇。

他们的旧视频模型1.6也进行了更新，一个多元素编辑器。更容易根据文本交换位。听起来他们确实为创作者提供了更多控制权，更精细的控制权。绝对的。这是关于使用AI更复杂地操作视觉内容。AI视频工具的巨大飞跃。好的，让我们转向一些可能更……

实用的日常工作。是的。N8n，这个自动化平台，现在有一个AI数据分析模板。是的，这听起来很不错。N8n发布了一个工作流程模板，允许您构建自己的AI聊天机器人，充当数据分析师。很酷的部分是您可以将其连接到您的数据源，例如Google Sheets、数据库等等。是的，它只是为您处理数字。本质上，是的。

它使用像OpenAI模型这样的AI代理进行计算，查找见解，然后它可以通过Gmail或Slack将这些见解发送给您。因此，即使您不是程序员或数据科学家，您也可以自动化一些分析。这就是想法。NAN为您提供块。

触发器、AI节点、数据连接、通信部分。您告诉AI您想分析什么，它就会去做。使数据分析更容易获得。真正地使它民主化。是的，我可以看到这对没有专门分析师的小型团队或个人非常有帮助。没错。降低了获得这些AI驱动的见解的门槛。好的。现在让我们谈谈一些不同的事情，也许有点有趣。AI在《逆转裁判》中扮演侦探的角色。

《逆转裁判》。哈！是的，这是一个伟大的实验。来自霍伊AI实验室的加州大学圣地亚哥分校的研究人员，他们想看看当前的AI模型如何处理游戏所需的那种复杂推理。你知道，寻找矛盾，呈现证据，这一切都与上下文和细微差别有关。异议。那么AI是否破案了呢？好吧，不完全是。有些做得不错。OpenAI的GPT 4.1和谷歌的Gemini 2.5 Pro表现最好。

他们找到了相当数量的正确证据，分别为26个和20个，使他们在游戏中达到了4级。但他们并没有完全解决这些案件。有趣的是，全新的GPT-4.1在这个特定任务上的表现实际上比稍旧的Claude 3.5十四行诗更差。

只有6个正确的ID。嗯。这令人惊讶。通常情况下，更新意味着更好。这告诉我们什么？它确实表明，细致入微、依赖上下文的推理仍然是AI的一大挑战。诸如理解微妙的含义、复杂的推论、驾驭曲折的叙述等事情都很难。所以是的，AI很强大，但在这些棘手的场景中，人类水平的推理仍然是一个正在进行中的工作。上下文仍然是关键。明白了。好的，让我们简要地谈谈政治方面。前总统特朗普的AI基础设施计划。是的。是的。

面临一些阻力。4月16日的报告表明了这一点。关于他的计划的细节有点少，但一些共和党人，尤其是在德克萨斯州，正在表达担忧。诸如数据隐私、政府过度干预、不明确的经济效益等问题。因此，即使在同一政党内部，对于大规模的国家AI推进也可能不会完全达成一致。

这会减缓美国在全球范围内的发展速度吗？有可能，是的。如果存在内部分歧和缺乏明确共识，可能会阻碍大型AI项目的进展，尤其是在其他国家可能拥有更统一的国家战略的情况下。政治确实在技术发展的速度中扮演着角色。对。现在，这是一些可能有点令人担忧的事情，也许是

越来越难以发现的深度伪造声音。非常如此。有一项研究发表在《新科学家》杂志上。它发现人们真的很难区分真实的声音和AI生成的声音。

持续失败。即使是从事音频工作的专业人士，例如音响工程师，也有超过一半的时间是错误的。哇。即使对于专家来说，也有超过一半的时间是错误的。是的，这令人担忧。滥用的可能性似乎很大。确实如此。错误信息，欺诈。如果您无法信任，如果您无法听到真实的人，那么就会产生很多问题。它确实突出了对更好的音频身份验证工具的迫切需求。以及公众意识，我们需要成为更批判性的听众。绝对的。那里确实需要技术解决方案和教育。嗯哼。

好的，让我们回到行业动态，Hugging Face涉足机器人领域。是的，他们收购了一家类人机器人初创公司。具体的公司没有被提及，但这一举动很明确。这表明他们希望将他们的AI模型（现在主要是软件）融入物理实体。

具身AI。因此，将开源AI原则应用于硬件，应用于机器人，这可能导致什么？可能会真正加速发展。想象一下，开源AI工具使构建更智能、更强大的机器人变得更容易和更便宜。可能会促进自主系统、个人机器人领域的发展，使先进机器人技术更容易获得，这可能是可能的。这是一个有趣的融合。是的，将软件AI世界与物理世界连接起来。

好的，快速回到OpenAI。ChatGPT的一些用户更新。是的，小事情，但很有用。他们添加了一个图像库部分。它允许您查看和管理您在桌面和移动设备上使用ChatGPT生成的所有图像。只是您创作的中心位置。有道理。如果您制作了很多图像，则需要一种方法来轻松找到它们。良好的可用性更新。

没错。更好的用户控制有助于将ChatGPT定位为一个可靠的创意工具。那天OpenAI的大新闻是GPT 4.1发布，对吧？GPT 4.0的继任者。是的，这是主要版本。GPT 4.1。他们声称性能得到了显著提升，尤其是在编码、遵循指令（细微的指令）和处理非常长的文本输入方面。最多可达100万个标记，这非常巨大。100万个标记。那就像……

它可以处理整本书的上下文。差不多，是的。巨大的上下文窗口。他们还推出了三种版本。有标准的GPT 4.1、更便宜的迷你版和纳米版，他们说这是最快、最实惠的版本。好的。因此，为不同的需求和预算提供不同的层级，使先进技术更容易获得。

这似乎是目标。将其定位为用于构建复杂AI系统的开发人员的强大、高效的工具。这是他们核心模型的下一代。绝对设定了一个新的基准。更强大的功能，更高的效率。当然。可能会推动AI应用程序中更多的创新。现在，让我们将其与苹果进行对比。他们是如何处理AI开发的，尤其是在他们关注隐私的情况下？苹果正在走一条截然不同的道路。

他们的计划是通过分析用户设备上的数据来改进AI。他们使用差分隐私等技术，生成合成数据，所有这些都是为了在仍然从数据中学习的同时，尽量保持单个用户数据的私密性。因此，更少的数据上传到云端，更多的数据在您的iPhone或Mac上本地处理。这就是核心思想，是的。是的，为了避免纯粹的合成数据的一些缺陷，他们希望在本地分析真实的但经过匿名处理的数据样本。

他们提到查看来自邮件等应用程序的样本，以改进其Apple智能套件中的功能，例如消息摘要。这绝对是苹果的方式，不是吗？试图在AI发展与强大的隐私立场之间取得平衡。看看它与以云为中心的方法相比的效果如何，这将很有趣。绝对的。这是他们试图两全其美的方法，在这一棘手的权衡中取得平衡。好的，我们还看到了一种新的网络安全威胁。

斜线占位。听起来很乱。是的，这个名字很贴切。这是一个聪明但略微令人担忧的威胁。它利用了AI代码生成工具。

有时这些AI助手会产生幻觉。他们会为实际上不存在的软件包或库建议名称。好的。那么攻击在哪里？攻击者会观察这些常见的幻觉名称。然后他们会迅速注册这些虚假名称，并在该名称下上传恶意代码。因此，信任AI建议的开发人员可能会意外安装此恶意软件包。哎呀。

这很狡猾。所以你认为你正在安装AI助手建议的合法库，但实际上你正在引入恶意软件。没错。这意味着开发人员需要非常警惕。即使是AI建议的，也要仔细检查依赖项。不要盲目信任生成的代码建议。这是AI辅助工具打开的一个新的攻击媒介。很好的警告。AI工具很棒，但验证是关键。

好的，让我们谈谈字节跳动，也就是TikTok的母公司。他们有一个新的视频模型，Seaweed 7B。是的，Seaweed 7B。这是一个70亿参数的模型。因此，它实际上比其他一些大型视频模型（如Sora）要小。

但尽管体积较小，据报道它非常高效且功能强大，可以根据文本或图像生成长达20秒的高质量视频。不错的分辨率。它做不同的事情。文本转视频，图像转视频。所有这些以及音频驱动的合成，使视频与音频轨道匹配。显然，它在人工评估中得分很高，有时甚至超过了更大的模型，尤其是在动画静态图像方面。

它也可以处理复杂的事情，例如多镜头故事、摄像机控制、逼真的真人动画、唇形同步，所有这些都侧重于效率。因此，效率是这里的关键，在无需绝对庞大的模型的情况下获得出色的结果。这似乎是一个主要的角度。它挑战了AI中“更大总是更好”的观念。您可以更经济高效地进行高质量的视频生成，从而使它更民主化一些。有趣。一个较小、高效的模型能够保持其自身的地位。现在让我们谈谈一些非常不可思议的事情，谷歌试图使用AI与海豚交谈。嗯。好吧……

至少理解它们，并最终进行交流。这是与野生海豚项目和佐治亚理工学院的合作。他们开发了一个名为Dolphin Gemma的AI模型，该模型经过数十年使用Pixel手机捕获的海豚录音的训练。数十年来的海豚声音。AI对此做了什么？它正在分析发声、咔哒声和口哨声，寻找模式，试图预测序列，类似于LLM学习人类语言结构的方式。

最大的梦想是这个聊天系统鲸类听觉和遥测，这可能会在未来实现某种形式的双向互动。他们甚至为此构建了一个水下Pixel 9设备。

哇。这真是雄心勃勃。他们正在开源该模型。是的。Dolphin Gemma计划于今年夏天开源发布，以便其他研究人员也可以使用它来研究海豚的交流。这是一种非常引人入胜的AI应用，试图解码非人类的智力。对海洋生物学具有巨大的潜力。真是难以置信。想象一下理解海豚的对话。

太棒了。好的，一个快速的实用工具更新。Google AI Studio的分支功能。对。对于使用Google AI Studio的开发人员来说，这只是一个小的但有用的功能。它允许您探索不同的对话轮次，而不会丢失您的位置。您可以开始一个主要的聊天，然后分支出去尝试不同的提示或响应，然后跳回。

有助于测试不同的对话流程、调试，只是使开发更容易。就像在您的聊天开发中探索平行宇宙一样。方便。没错。为构建这些代理提供更好的工作流程。好的，在我们结束这一令人难以置信的忙碌的一天之前，让我们快速回顾一下2025年4月16日发生的其他一些事情。它一刻不停。确实如此，很快。OpenAI更新了他们的安全规则，他们的准备框架。正如我们所说，他们还在ChatGPT中添加了图像库。

xAI推出了Grok Studio，这个画布工具。Cohere发布了Embed4，一个新的多模式嵌入模型。谷歌将VO2视频生成功能添加到Gemini应用程序和AI Studio中。微软允许Copilot Studio更直接地与您的计算机交互。英伟达宣布了其在美国亚利桑那州和德克萨斯州的首批AI制造工厂。

OpenAI据报道正在准备两个新的研究模型，O3和4 Mini。亚马逊首席执行官安迪·贾西在其股东信中大力宣传了GeneAI。Meta宣布计划在欧盟公共用户内容上训练AI，但可以选择退出。

Hugging Face除了机器人初创公司外，还推出了Ricci 2，一个开源类人机器人。LM Arena为搜索重点LLM启动了一个排行榜。北约为Palantir提供了一份用于战场用途的AI系统的合同。绝对的。是的，这对于一天来说太多了。它确实突出了AI发展的速度和广度。绝对的。从核心模型到安全框架、创意工具、硬件机器人、军事应用，它触及到一切并加速发展。

而且，你知道，所有这些都在一天内发生得如此之快，跟上节奏是很难的，而掌握你需要成为其中一部分的技能则更加困难，这实际上是一个完美的时刻，可以再次提及Etienne Newman的AI驱动的Jamgantic应用程序。它是专门为帮助人们学习和通过那些关键认证而构建的。我们正在谈论50多个认证。云计算、金融、网络安全、医疗保健、商业，

所有热门领域。它真的就像有一个AI导师在指导你一样。如果您想培养这些热门技能，请务必查看一下。链接就在节目说明中。回顾那一天确实令人震惊。多样性令人难以置信。您会看到AI融入社交媒体，彻底改变创意工作，成为数据分析的必备工具，甚至可以帮助理解动物交流。加上大型玩家不断推出的新模型，只是在

突破极限。这确实会让你停下来思考，不是吗？如果那只是一天。

那么，比如说，六个月后，AI的格局会是什么样子？是的。一年。更大的问题可能是，所有这些无情的变化如何影响我们每天的日常生活和工作？这是关键问题，不是吗？它强调了为什么在这个领域保持信息灵通、适应性和持续学习如此重要。绝对的。再次，如果您正在寻求学习和适应并获得真正推动这场革命的技能，请查看Etienne Newman的AI驱动的JamGetTech应用程序。