硅基日報：前字節視覺大模型 AI 平臺負責人加入美團；面壁智能上線新端到端 TTS 模型 VoxCPM 1.5

據《智能涌現》獲悉，前閃極AI 合伙人、前字節視覺大模型 AI 平臺負責人潘欣，近期已經加入美團。

據悉，潘欣曾任谷歌大腦（Google Deepmind）研究員，推動 TensorFlow 動態圖模式開發。

12 月 10 日，面壁智能宣布，面向高擬真語音生成的新型端到端 TTS 模型 VoxCPM 1.5 版本正式上線。目前，模型已在 Github、Hugging Face 開源。

過去一天，國內外AI行業還有更多熱點可以關注，烏鴉君帶你一起看看。

大模型

1）前字節視覺大模型 AI 平臺負責人加入美團

據《智能涌現》獲悉，前閃極AI 合伙人、前字節視覺大模型 AI 平臺負責人潘欣，近期已經加入美團。據悉，潘欣曾任谷歌大腦（Google Deepmind）研究員，推動 TensorFlow 動態圖模式開發。

回國后，他先后在百度、騰訊與字節跳動任職。具體來看，百度期間，潘欣曾主導PaddlePaddle 平臺優化、無量深度學習框架構建，而后任騰訊、字節跳動 AIGC 和視覺大模型 AI 平臺負責人，業務方向集中在多模態領域。

此后，2024 年 11 月，其加入閃極科技，擔任 AI 合伙人，整體負責 AI 技術研發及智能眼鏡項目。據了解，入職美團后，潘欣負責多模態 AI 創新工作，主導了 LongCat App 等多個相關應用的開發。

2）理想自動駕駛負責人回應宇樹王興興對VLA 質疑

今年8 月的2025 年世界機器人大會上，宇樹科技 CEO 王興興表示當下火熱的 VLA 模型（視覺-語言-動作）是「相對比較傻瓜式的架構」，并表示「保持比較懷疑的態度」。針對王興興的質疑，理想自動駕駛負責人「郎咸朋」昨日發文回應。

郎咸朋表示，8 月沒有及時提出自己觀點，是因為理想 VLA 司機大模型還沒正式發布，空口無憑，并且其對具身機器人行業，還處于密切關注階段。

郎咸朋指出，自己與王興興觀點最不一樣的地方在于，王興興認為模型架構更重要，但自己認為模型的關鍵是要與整個具身智能系統適配，在此基礎上，數據是起決定意義的。

郎咸朋通過 VLA 以及具身智能兩個方面進行解釋：

VLA：

在某些場景下理想的VLA 已經具備了對物理世界的認知涌現，具體表現是用戶會越來越多的發現之前端到端沒有的擬人行為。

世界模型更適合做「考場」而不是「考生」。世界模型的高算力需求（訓練和推理都是）決定了它更適合在云端做數據生成和極度逼真的仿真測試和強化訓練。

在自動駕駛領域，脫離了海量真實數據談模型架構都是空中樓閣。理想之所以堅持VLA，是因為擁有數百萬輛車構建的數據閉環，這讓理想能在當前算力下，把駕駛水平做到接近人類。

具身智能：

要想做好自動駕駛，必須先把自動駕駛當作完整的具身智能系統對待，每一部分在研發過程中要相互配合才能將價值發揮出來。需要做到全棧自研，不僅僅是軟件棧，而是整體軟硬全棧。

模型的關鍵是要與整個具身智能系統適配，在此基礎上，數據是起決定意義的。在機器人領域獲取數據相對困難，但在自動駕駛領域，特別是建立起數據閉環能力的車企來說并不是大問題。

3）面壁智能上線新端到端 TTS 模型 VoxCPM 1.5

12 月 10 日，面壁智能宣布，面向高擬真語音生成的新型端到端 TTS 模型 VoxCPM 1.5 版本正式上線?？焖倏幢敬紊壛咙c：

高采樣音頻克隆：AudioVAE 采樣率從 16kHz 提升至 44.1kHz ，模型可根據高質量音頻，克隆效果更佳、細節更豐富的聲音；

生成效率翻倍：在模型參數有所增加的前提下，VoxCPM 1.5 僅需 6.25 個 token 即可生成 1 秒音頻，較此前版本提高一倍，在保持速度的同時提升了音頻生成質量；

開發者友好：新增LoRA 和全量微調腳本，支持深度定制；

增強穩定性：減少音頻偽影，優化長文本音頻的生成效果。

目前，模型已在Github、Hugging Face 開源。

AI應用

1）Spotify 測試更多個性化、人工智能驅動的“推薦歌單”

Spotify周三宣布，將首次賦予用戶更多控制流媒體服務算法的權力。至少該公司是這樣描述其全新“推廣歌單”功能的推出的，該功能最初將面向新西蘭的Premium會員開放。

據Spotify 稱，該功能目前僅支持英語，仍處于測試階段，在推廣到其他市場之前還會不斷完善。

據該公司稱，這項新工具允許用戶描述他們想在個性化歌單中聽到的內容，從而反映出他們完整的音樂品味歷程。這意味著歌單不僅關注你現在喜歡的歌曲，還關注你從注冊Spotify第一天起的所有收聽記錄——該公司表示，這正是該功能與其他歌單功能的區別所在。

2）谷歌正在部分出版物的谷歌新聞頁面上測試人工智能驅動的文章概述功能

谷歌周三宣布，作為一項新的試點計劃的一部分，谷歌正在參與的出版物的谷歌新聞頁面上測試人工智能驅動的文章概述。

參與試點項目的媒體包括《明鏡周刊》、《國家報》、《圣保羅頁報》、《Infobae》、《羅盤報》、《衛報》、《印度時報》、《華盛頓觀察家報》和《華盛頓郵報》等。

谷歌在一篇博文中表示，這項新的商業合作計劃旨在“探索人工智能如何提升用戶參與度” 。作為這項人工智能試點計劃的一部分，谷歌將與出版商合作，在谷歌新聞中測試新功能。

谷歌表示，通過添加人工智能驅動的文章摘要，用戶在點擊閱讀全文之前可以獲得更多背景信息。雖然人工智能生成的摘要可能會導致新聞文章的點擊量下降，但參與商業試點項目的媒體機構將直接收到谷歌的付款，這或許可以彌補其網站流量可能出現的減少。

PS：如果你對AI大模型領域有獨特的看法，歡迎掃碼加入我們的大模型交流群。