開源語音生視頻模型
圖片音頻生成動畫
低算力穩定長片生成
阿里巴巴(09988)宣布發布並開源全新 Wan2.2-S2V 語音驅動生視頻(Speech-to-Video)模型,主打數字人視頻創作。該模型可由單張人像圖片與一段音頻生成具備電影級質感的主體形象,支持說話、唱歌與表演等多樣動作,滿足更豐富的敘事與設計場景。
作為 Wan2.2 視頻生成系列的一員,Wan2.2-S2V 可依據文本指引動態生成人物動作與場景元素,並提供肖像、半身、全身等多種畫幅形式,協助專業內容創作者精準呈現視覺表現。在同一場景中,模型亦能無縫處理多角色,從自然對話到音樂演奏皆能流暢呈現,同時支持卡通、動物與風格化等多元主體形象,進一步擴展創作邊界。
在輸出規格方面,技術靈活支持 480P 與 720P 解析度,兼顧社交媒體與專業展示的畫面需求,確保生成內容在不同平台與工作流程中皆具備可用性與一致性。
技術創新是本次升級的核心。Wan2.2-S2V 結合文本引導的全局運動控制與音頻驅動的細顆粒度局部運動,不僅超越傳統「數字人口型同步」範式,更能在複雜、具挑戰性的場景中維持自然而富表現力的角色動態。另一項關鍵突破是創新的幀處理技術:模型可將任意長度的歷史幀壓縮為單一且緊湊的隱層特徵,大幅降低計算消耗,實現長視頻的穩定生成,為長時段動畫內容製作提供有效解法。
這些能力得益於完善的訓練流程與數據基礎。阿里巴巴研究團隊針對影視製作場景構建了大規模音視頻數據集,並採用混合並行訓練,使模型能靈活適配不同格式與比例,從豎屏短視頻到傳統橫屏影視作品均能勝任。
目前,用戶可在 Hugging Face、GitHub 以及阿里雲開源社區 ModelScope 下載 Wan2.2-S2V。作為全球開源生態的重要貢獻者,阿里巴巴已於今年 2 月開源 Wan2.1 系列,並於同年 7 月開源 Wan2.2 系列。截至目前,Wan 系列在 Hugging Face 與 ModelScope 的總下載量已突破 690 萬次,顯示其在生成式視頻領域的廣泛影響力與實際應用價值。
創新科技
AI預測維修:變被動為主動,設備檢修頻率大減
自動化高效營運:66%工單自動處理,效率顯著提升
拓展區域市場:香港成功後,下一站將落實於上海
置地公司宣布推出全港首個人工智能「綜合設施管理平台」(IFMCT),將樓宇管理帶入智能新時代。此平台成功整合超過20個獨立系統,成為統一的AI指揮中心,現已於歷山大廈、遮打大廈及交易廣場應用,並計劃於2026年全面覆蓋中環物業組合。
IFMCT的核心突破在於將傳統「被動應急」維修模式,轉變為「主動預測」。平台透過AI持續分析設備數據,能及早預警潛在故障,如同為大樓進行全天候健康監測。狀態良好的設備可減少不必要的檢查,其中空氣處理機組(AHU)的維修頻率更從每月一次大幅降至每半年一次,相關工作量一年內減少16%,有效延長資產壽命並減少對租戶的干擾。
在營運效率方面,IFMCT實現了66%工作清單自動化,並將資產文件存取時間銳減80%,同時精簡了與租戶及供應商的溝通流程。平台還具備智能能源管理功能,能根據天氣預報動態調節冷暖系統,協助置地與租戶共同節能減碳。
憑藉其在香港的成功經驗與高度適應性,置地正積極將IFMCT拓展至區域市場。下一重點項目將是上海西岸中環大型綜合發展項目,涵蓋零售、辦公樓、住宅及文化設施,進一步鞏固其在地產科技領域的領導地位。
置地公司行政總裁史米高(Michael Smith)表示,此平台展現了集團推動前瞻性可持續方案的承諾,並期待將此成功模式延伸至不同區域,為持份者創造長遠價值。
推出最便宜訂閱「ChatGPT Go」
印度率先上線,月費 399 盧比
提升額度速度與分析能力
OpenAI 宣布推出全新付費訂閱方案「ChatGPT Go」,率先在印度上線,月費為 399 盧比(約 35 港元),成為目前最便宜的官方訂閱選項。此舉被視為進一步擴大用戶覆蓋、提升價格敏感市場滲透率的關鍵一步。
ChatGPT Go 在功能上全面升級:除保留免費版的所有能力外,新增10倍的訊息與圖像生成額度、更快的回應速度、更大的檔案上傳容量,並提供更進階的數據分析工具,便利用戶更頻繁地使用 Python 等工具進行數據探索與問題解決。為了提供更個人化的體驗,ChatGPT Go 也擁有更長的記憶體與更大的上下文視窗,有助於在長對話與複雜任務中維持連貫性。
OpenAI 表示,將先在印度推出該方案,並視用戶回饋考慮拓展至其他市場。分析指,選擇印度作為首發地,與其龐大的潛在用戶基數與高度價格敏感度密切相關。透過更親民的定價,OpenAI 有望加快在印度市場的滲透,並進一步擴張其全球業務版圖。
整合 ULL 與 DCA 技術,降低雲端交易延遲
測試顯示比 AWS 網絡快 15%
覆蓋全球 275 個節點,連接 80+ 交易所
全球數碼基礎設施公司 Colt Technology Services 宣布將於 2025 年 9 月推出「Colt ULL DCA」服務,主要面向數位資產交易領域,提供跨雲端區域的數據傳輸解決方案。
根據 Colt 的說明,這項服務結合了超低時延網絡技術與專屬雲端連接功能,旨在改善現有雲端交易環境中的數據傳輸效率。目前多數交易公司在連接不同雲端區域時,面臨公共網路不穩定、雲端商網絡路徑較長,或自建專線成本過高等問題。
Colt 表示,ULL DCA 服務透過繞過公共網路與優化傳輸路徑,提供替代方案。該公司近期在 AWS 亞太區進行測試,結果顯示其服務比 AWS原生網絡平均減少 15% 的延遲時間。
Colt 全球資本市場產品總監 Wesley Elder 提到:「隨著數位資產交易發展,市場對網絡效能的要求不斷提高。這項服務是針對現有需求提供的解決方案。」
該服務基於 Colt 現有網絡架構,覆蓋全球 275 個連接點,並可與 Colt 的金融外聯網 PrizmNet 整合。Colt 的網絡目前連接超過 80…
Google 搜尋量年增,操作更直觀易用
AI助攻,提升廣告成效及理解搜尋意圖
Google 與 YouTube 助品牌掌握消費者關鍵時刻
多年來,Google 持續運用 AI 技術優化產品,尤其是 Google 搜尋,讓全球資訊彙整更有效率。現時,每年有超過 5 兆次搜尋,當中 15% 是首次出現的新查詢,這趨勢已持續超過 10 年。Z 世代對 Google 搜尋的依賴尤其明顯,18-24 歲用戶的搜尋次數甚至高於其他年齡層。
AI 讓 Google 搜尋變得更直觀,能理解和結合文字、影像、程式語言、音訊等多種資訊(即多模態技術),令用戶可以提出更複雜、具體的問題。以 Google 智慧鏡頭為例,用戶能直接搜尋肉眼所見的事物。2025 年以來,全球視覺搜尋量已突破 1,000 億次,四分之一帶有商業意圖,為企業帶來新機遇。另一創新功能「畫圈搜尋」(Circle to Search)亦獲三分之一用戶每週使用。
此外,AI 摘要(AI Overviews)功能現已覆蓋全球超過 200 個國家和地區,支援 40 種語言,每月服務超過 20 億用戶。用戶對搜尋結果的滿意度更高,且點擊率提升。AI 摘要亦推動了 Google 全球使用量增長逾一成,預計增長將持續。
這些發展為企業帶來全新機遇。Google 搜尋的演進讓企業更了解用戶的搜尋意圖,不只是「搜尋甚麼」,更能洞察「為何搜尋」。AI 技術協助企業在用戶發掘產品的關鍵時刻以最合適的廣告接觸潛在客戶。而大眾在選擇網站時更傾向於有論壇、影片、Podcast、深入評論或原創內容的平台,能迎合這些需求的網站流量明顯提升。
儘管搜尋方式不斷演變,Google 認為 SEO 核心原則不變,包括:…
全球首創多功能自動化手術機械人具身智能平台
研究成果登上頂級期刊《Science Robotics》
創新技術架構與高度臨床可行性
香港中文大學與本地手術機械人企業康諾思騰(Cornerstone Robotics)攜手,成功研發出全球首個手術機械人多功能自動化具身智能平台,並已在康諾思騰自主研發的 Sentire 思騰®腔鏡手術機械人上,完成全球首宗臨床場景下的自主手術驗證。該項突破性研究成果已刊登於機器人領域權威期刊《Science Robotics》,為全球手術自動化發展樹立新里程碑。
這次研究主題為「Surgical Embodied Intelligence for Generalized Task Autonomy in Laparoscopic Robot-assisted Surgery」,由中國自主研發的腔鏡手術機械人在具身智能領域中,首次完成活體動物實驗,並成功驗證多工自主操作與人機協作能力,證明演算法的通用性及系統的臨床可行性。這一成果預示著手術機械人技術將朝向更智慧、更協同及更普惠的方向迅速發展,徹底改變傳統醫療格局。
團隊創建了一套面向手術任務自動化的具身智能新範式——VPPV(Visual Parsing, Perceptual Regressor, Policy Learning, Visual Servoing Controller)架構。這一架構融合視覺基礎大模型的穩健感知力、強化學習的策略泛化能力,以及AI策略與傳統控制的分層融合,讓手術機械人在穩定性、靈活性和可反覆運算性方面實現重大突破。與過往依賴大量感測器數據或人工規則不同,VPPV在全景感知、多工泛化、精細伺服與人機協同等方面均有創新,極大降低了臨床應用門檻。
研究團隊利用自主開發的開源模擬平台SurRoL訓練AI策略,實現「零樣本遷移」,並於離體豬胃組織與近30公斤活體豬模型上進行嚴格驗證。實驗過程中,Sentire思騰®腔鏡手術機械人在無任何額外感測器下,通過高清立體內窺鏡系統,自主完成紗布拾取、軟組織牽引及血管夾閉等核心操作,展現其卓越的環境適應性與臨床潛力。這一創新實踐為人機協同的智能外科手術奠定了堅實基礎。
康諾思騰團隊全力配合香港中文大學,順利完成演算法部署及動物實驗,進一步驗證平台的開放架構和高度相容性。康諾思騰創始人歐國威強調,科研與產業的深度融合,是推動高端醫療裝備技術突破的關鍵。此次合作不僅證明具身智能演算法在商用手術機械人平台的實際落地能力,也展現手術自動化的巨大應用潛力。未來雙方將繼續攜手,探索複雜手術任務自動化及人機協作新模式,推動智慧手術機械人加速走進真實臨床,造福全球患者。
新產品搭載自研大模型「通義千問」
攜手高通、Signify 等企業,拓展 AI 於汽車與智慧城市應用
首款 Quark AI 眼鏡年底上市,整合翻譯、導航等生活化功能
阿里巴巴(09988)於2025世界人工智能大會(WAIC)發佈多項AI創新成果,展現其在生成式AI領域的領導地位,包括新一代智能座艙和首款AI智能眼鏡,並宣布與國際企業合作,推動科技革新。這些創新均基於阿里巴巴先進的大語言模型「通義千問」(Qwen),證明AI技術正從實驗室走進日常生活,涵蓋汽車、設施管理和消費類穿戴設備等多種應用。
阿里雲首席技術官周靖人表示:「這些創新均突顯阿里巴巴於應用生成式AI領域的領導地位日益提升。我們的智能解決方案不僅在技術上具備領先優勢,更深度融入日常生活體驗與產業流程。」
阿里巴巴聯同高通及斑馬智行,推出由 Qwen 驅動的大型多模態模型(LMM)解決方案,專為智能座艙而設。該方案結合 Qwen 的視覺理解及多模態能力,以及高通最新驍龍平台,為駕駛者帶來自然、直觀且主動的AI車載體驗。智能助理「Yan AI」可用自然語言指令協助駕駛者訂餐、購票、導航,甚至預測需求如調節車內溫度或推薦音樂,顯著提升駕乘體驗。
在智慧城市領域,照明品牌昕諾飛(Signify)攜手阿里巴巴,將Qwen應用於其生成式AI智能體,整合於 Interact City Flex 智能路燈系統。此創新使城市街道照明可透過自然語言指令進行調光、監控和管理,提升能源效率與運營效益。昕諾飛認為,這象徵著智能城市管理的重要突破,展現數碼轉型和可持續發展的潛力。
針對AI穿戴設備市場,阿里巴巴推出首款自主研發的夸克(Quark)AI眼鏡,結合 Qwen 大語言模型與夸克多模態AI能力。該眼鏡設計輕巧,支持免提通話、音樂串流、即時翻譯及會議紀錄,並與高德、支付寶、淘寶等阿里生態系統深度整合,實現導航、支付、即時比價及旅遊提醒等功能。產品預計於2025年底在中國上市,標誌著環境感知和情境意識AI正式進入日常生活。
隨著 Qwen 模型持續演進,阿里巴巴將堅持開放創新,支持全球開發者、企業與政府機構共建智能未來。目前,Qwen系列模型累計下載量超過4億,衍生模型逾萬,成為全球應用最廣泛的開源AI系列之一。
