AI是否真的能'看懂'图像？多模态技术的真相解析
AI 演进的因果链条 · 05从仅能处理文字，到能够讨论眼前的世界多模态革新不仅是模型能力的跃升，更是人机交互界面的扩展。阅读时间约 9 分钟·无公式版·系列第 5 篇一张错误提示截图、一页手写草稿、一张销售数据图——以前，你需要先把它们转写成文字，AI 才能给出回应。如今的互动变得直接许多：把图像丢进对话窗口，然后问一句"哪里有问题？"模型或许能标出异常走向、识别界面提示、解析一道几何题目，甚至依据草图生成网页结构。这种体验自然得让人觉得：AI 终于拥有了眼睛。但疑问也随之浮现：它是真的"理解"了，还是
猴子去字幕——AI一键无痕消除视频字幕
做短视频、影视剪辑的朋友，是不是总被视频自带字幕、底部文字水印困扰？ 下载的影视片段、热门博主素材、网课视频，满屏文字遮挡画面，裁剪、加黑边会损失画面，蒙版遮盖又显得很生硬，反复折腾半小时，出来的效果依旧尴尬。今天给大家安利一款微信端超好用的工具 ——猴子去字幕，不用下载 APP，手机直接操作，AI 智能消除字幕，画面还原干净自然。无需下载几十M剪辑软件，不用电脑端复杂操作。打开微信搜索「猴子去字幕」，点开就能使用，安卓、苹果手机全部适配，临时剪辑、外出修素材随时能用。区别于普通遮挡、裁剪方式，它采用AI
字节跳动与MPA达成合作，强化AI生成模型知识产权防护
据路透社今日（8月17日）报道，字节跳动公司已与美国电影协会（MPA）正式签订合作协议，旨在强化针对AI视频生成及图像生成模型的版权防护机制。据悉，本次协议覆盖字节跳动旗下的Seedance视频生成模型以及Seedream图像生成模型，上述模型当前已在TikTok、CapCut和Dreamina等平台上投入使用。字节跳动方面透露，最新版Seedance和Seedream已集成更为完善的知识产权保护机制。字节跳动与美国电影协会双方均表示，将紧随AI技术演进步伐，持续优化版权保护举措。
女子加入诉xAI案，控诉继父借Grok将童年照制为不雅图
一位以Jane Doe 4为代称的女士已参与三名田纳西州青少年对埃隆·马斯克旗下xAI公司发起的诉讼。该案指控xAI的聊天机器人Grok被滥用于生成与儿童性虐相关的材料。 据报道，该女士表示，她的继父利用Grok处理其11岁时的一张照片，制造了超过7000张针对她的露骨图片。她透露，这些图片在执法部门突击搜查中被发现两天后，其继父自杀身亡。 她指出："这些工具的无限制使用正在迅速扩散。它把日常生活变成了儿童性虐待。" 此前提起诉讼的青少年指控xAI（现为SpaceX的一部分）未采取基本防护措施，导致Gro
台积电索尼联手建厂，共推下一代图像传感器
据悉，台积电与索尼半导体解决方案公司宣布将共同组建一家新公司，致力于下一代图像传感器的研发与制造。 索尼方面将通过现金注资及资产分割的方式，向合资公司投入约4650亿日元，而台积电则计划出资约2820亿日元。 上述资金投入将依据市场需求及其他业务条件，分阶段逐步实施。 此外，关于实现合资公司产能规划所需的额外投资，前提是必须获得日本政府的支持。 新公司将利用先进制程技术，打造智能手机图像传感器的研发与制造核心基地，并计划于2029年实现量产。 合资公司的成立及交易完成需获得主管机关核准，并遵守常规交易程序
实践出真知：这款免费工具让中小学生亲手体验AI训练全流程！
随着信息科技新课程标准的推行，"人工智能"已逐步成为中小学课堂中的热门话题。然而，不少教师反映出一个共同困惑：知识点反复讲解，学生却依然似懂非懂。能否找到这样一种方法，让学生如同搭建乐高积木般，逐步亲手完成数据获取、标注、清洗、划分、训练，最终成功运行一个能够辨别苹果与香蕉的AI模型？本次向大家力荐的这款 "AI图像识别实训平台" ，正是为中小学信息科技课堂量身打造的"实践学习"法宝。 它将复杂的AI开发流程分解为六个闯关式阶段，每一阶段对应一个真实的工业应用场景，学生在阅读知识卡片的同时进行实操——从无
AI科研图总跑题？与其打磨提示词，不如先拟一份“图像表达清单”
前些日子，我留意到一位同学借助 AI 来绘制科研机制图。她拟写的提示词十分用心：AI 确实也输出了一张图。色彩颇为亮眼，细胞形态也描绘得有模有样，箭头、分子、通路一应俱全。但问题在于：难以读懂。不清楚核心线索是什么，不明白谁调控谁，不了解结果变量为何物，更不知道这张图究竟想让评审专家认同什么。这其实是众多人运用 AI 制作科研图时普遍陷入的误区。大家觉得症结在于提示词不够详尽，或是模型性能欠佳。然而多数时候，真正的症结并非 AI 不擅长绘图，而是你尚未理清思路：这张图究竟要传达何种信息。所以我如今更倾向于
AI绘图为何总显假？真相在此
前一张图错得离谱，后一张图对得没劲。这两个毛病，前者实在没法修。六根手指是它的出厂设定。人体骨骼数量有限，姿势千变万化，照片里又常遮挡，训练时没人标注遮挡细节。它心里没数，你写一百遍“五根手指”也拦不住。能改的是后者。它画得太准，挑不出错，却不打动人。说不清哪里不对，但直觉告诉你这是AI画的。为了搞懂这事儿，我让AI生成了几百次，没删过一张翻车的。结果跟我想的完全相反。人类作画时，手只有一双，时间有限，情绪也是瞬间的。每次都得权衡，选了这个就得舍那个。为了留住那瞬间的神态，颜料打翻了。动作抓住了，构图偏了
索尼联手台积电拟投63亿美元，于日本合资设立图像传感器公司
这家合资企业有望为苹果(313.33, 0.92, 0.29%) iPhone 提供传感器，并同时布局人工智能机器人的未来市场。 据日经新闻披露，索尼(23.46, 0.36, 1.56%)集团与台积电(420.04, 1.84, 0.44%)拟共同出资约 1 万亿日元（约合 63 亿美元）组建合资公司，预计最快在 2029 年于日本启动新一代图像传感器的规模化生产。 报道指出，这家新设立的合资企业预计将在 2027 年 3 月底之前完成组建，主要目标是为苹果 iPhone 提供高性能摄像头传感器。索尼将
人工智能|深入解析卷积神经网络：原理与运行机制全景
在深度学习的技术体系内，卷积神经网络（Convolutional Neural Network，缩写为CNN）毫无疑问是最为关键的组成部分之一。依靠其对空间信息出色的解析能力，它在计算机视觉范畴引发了巨大变革——从图像识别、物体定位到语义分割，CNN的应用几乎渗透到了每一个环节。与传统神经网络对数据的"线性处理"方式有所区别，CNN的设计理念源自对人类视觉系统工作机制的借鉴，借助其独具特色的分层架构达成高效的特征抽取与任务判断，其核心长处在于权值共享与局部感受野的设计理念，使模型在应对高维信息时既可以削减
索尼与台积电计划2029年在熊本量产新型图像传感器
索尼(23.46, 0.36, 1.56%)集团与台积电(420.04, 1.84, 0.44%)预计将在2029年前于日本熊本县实现新一代图像传感器的规模化量产。两家公司将共同设立合资工厂——其中索尼持股约60%，台积电持股40%——专门负责产品的制造生产，规划总投资额高达1万亿日元（约合64亿美元），应用范围覆盖苹果(313.33, 0.92, 0.29%) iPhone等智能手机相机模组及高端物理AI等前沿领域。
索尼联手台积电熊本建厂 砸1万亿日元冲刺2029年新一代图像传感器量产
【】 索尼(23.46, 0.36, 1.56%)集团携手台积电(420.04, 1.84, 0.44%)，拟于2029年在日本熊本县启动新一代图像半导体传感器的规模化生产。该项目将由两家公司联合注资设立的合资企业主导，整体投入金额预计高达1万亿日元。 在出资比例上，索尼承担约六成，台积电则承担约四成。早在今年5月，双方就已就新一代传感器的研发与制造达成初步共识，此次进一步敲定了合作的具体内容。 据悉，双方预计很快就会就量产投资事项达成共识，并在2026财年内完成合资公司的组建工作。 责任编辑：陈钰嘉 新
六种活儿该选哪种AI工具？一张分类对照表帮你告别万能工具思维
常听人抱怨"AI 不过如此"，深入了解后才发现，他们自始至终只用了一个对话窗口：既让它撰写文案，又让它制作图片，还让它处理表格。这就好比用一把螺丝刀去拧螺母、砸钉子、开罐头——并非工具不好用，而是缺少合理分工。以下按日常最常见的六类工作分别列出。每类提供几个国内可直接访问、大多具备免费额度的选项，以及一句简要的选取建议。无需全部安装，每类先固定一个用顺手的，远比每个都试一遍更有效率。① 文字处理：文案、邮件、方案、周报 可选：DeepSeek、豆包、通义千问、腾讯元宝、Kimi。 选取建议：日常使用足够，
AI图像生成真的慢且难用吗？
AI图像生成真的慢且难用吗？ 分享一下，我在AI视觉领域的初次小突破✨ 过去常以为创作一张高端商业海报，需要专业设计师、复杂软件和多次调整。 但深入研究AI后我领悟到：AI本身不复杂，关键在于你是否构建了专属的方法论。 当你形成了自己的 视觉技能: 明了哪种布局最适合你， 哪种色调契合你的品牌， 哪种肌理能传递你的价值， AI生成图像实际上会变得极其迅速，而且越来越精确。 从视觉定位 → 风格解析 → 提示词设计 → AI生成 → 人工精调 → 固化成为自己的技能。 核心在于，不是让AI代替你创作， 而是
智能手机拥抱AI大模型，告别空洞承诺
跨越“最终障碍”，成为手机竞赛下半程的“准入证明”驶入技术高速路，迎接大模型“关键时刻”在发布会上，OPPO首席产品官刘作虎亲自展示了新特性——“人工智能大模型语音精要”。作为理想 Mega 的首批预订者，刘作虎日前与理想汽车CEO——李想通了电话，通话结束后，借助“人工智能大模型语音精要”功能，能够全自动、智能化地生成要点突出的小结和待办清单。这种强大的人工智能大模型体验，首次在手机端呈现。当大模型全面融入手机，新小助手总计拥有超过 100 种技能，能在办公提速、生活协助及教育学习等多方面为用户赋能。O