1️⃣ 本期概览

• 时间：2025年7月

• 内容：AI行业大事记（共106件）

• 关键词：

• 国产模型迎头赶上

• 全模态（文本+图像+音频+视频+3D）

• Agent与端侧落地

• 视频生成和音频播客爆发

• 大额融资回流到应用公司自研模型

• Meta重金布局引发人才地震

2️⃣ 趋势精华

【模型】

• 国产迎窗口期：海外仅OpenAI o3-Pro发布，字节Seed-1.6等国产模型已达到全球第一梯队。

• 垂直领域爆发：高考志愿模型、数学教育模型、端侧长文本模型表现亮眼。

• 开源化加速：网易、腾讯、百度、小红书等均发布可在消费级GPU运行的高性能开源大模型。

【图像】

• SeedEdit 3.0、OmniGen2等登场，GPT-Image-1能力已被国产快速追平。

• 后续竞争将集中在审美、商业策略与训练数据质量。

【视频】

• 字节Seedance、Minimax Hailuo 02等领跑，支持多镜头叙事。

• 视频Agent出现，尝试突破生成时长限制，视频将是下一轮爆发领域。

【音频】

• 字节豆包播客模型可实时生成双人对话播客，效果极佳。

• 腾讯开源音乐生成大模型，音质逼近Suno 3.5，预示着Vibe Music领域可被开源模型快速替代。

【3D与机器人】

• 腾讯持续深耕3D生成，高质量材质生成效果优异。

• 机器人智能体尚在早期，但完成大额融资（宇树科技、银河通用），为长研发周期做准备。

【应用】

• AI IDE战场白热化：阿里通义灵码、百度Comate、Cursor等均在快速更新并集成AI代理。

• 浏览器+Agent：Genspark、Fellou等推出AI浏览器，网页搜索、代码生成、自动任务交付正在融合。

• 端侧模型与AI眼镜落地，苹果、小米、Meta均发力为下一代交互准备。

3️⃣ 重大事件速览

✅ “国产突围”进入加速闭环：

• 海外大模型更新放缓，国产快速追赶。

• 端侧模型开源后加速在手机、眼镜等硬件落地。

• 应用公司反向推出自研模型，应用和模型界限逐渐消失。

✅ “视频+音频”成为国产AI领先突破口：

• 视频生成的多镜头叙事和高质量画质已实现商业可用。

• 音频生成模型迅速成熟，播客和音乐生成门槛极大降低。

✅ Agent成为核心趋势：

• Coding Agent、浏览器Agent、视频Agent快速出现。

• AI不再仅仅生成内容，而是执行任务和自动交付完整成果。

✅ “资本狂热”与“人才争夺战”并行：

• 美国资本市场出现过亿跳槽费、百亿美金投资案例。

• Meta、OpenAI、Google核心人才流动频繁，AI领域竞争白热化。

5️⃣ 为什么值得关注？

🔹 对研究者：

• 可快速参考全球最新模型架构（MoE、Sparse、端侧多模态）演进与开源实现。

• 可跟进图像/音频/视频生成能力与微调工具，支持科研或产品开发。

🔹 对产品与运营：

• 理解Agent与端侧落地机会，探索视频生成、播客生成、AI浏览器新赛道。

• 把握国产模型飞速崛起带来的窗口期。

🔹 对投资者：

• 把握垂直领域（视频、音频、3D、法律、教育等）AI创业窗口。

• 关注国产模型及Agent落地后对算力、数据及下游应用带来的长期价值。

6️⃣ 推荐阅读和使用工具

📚 推荐书/论文：

• Scaling Laws for Neural Language Models (Kaplan et al.)

• Sparse Mixture of Experts are Watching: Modality-Aware Gating for Efficient Multi-modal Transformers (Google)

• Agentic AI: Tasks, Capabilities, and Evaluation (Anthropic)

🔧 推荐使用工具：

• Hugging Face 实时跟进开源模型

• Papers With Code 查找最新评测榜单

• Windsurf 和 Cursor 实际体验AI IDE和Agent协作模式

• GenSpark 体验AI浏览器和多任务自动化工作流

如夜话，至此。