https://t.me/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🆓免费AI聊天 https://free.oaibest.com
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🆓免费AI聊天 https://free.oaibest.com
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
近日，在开发者群体中备受推崇的 AI 网关初创公司 LiteLLM 正式对外宣布，将彻底移除其平台中极具争议的辅助工具 Delve。此举旨在回应社区对数据隐私及模型透明度的强烈质疑，试图通过“断臂求生”来挽回核心用户的信任。
作为连接开发者与多种大模型的关键桥梁，LiteLLM 此前引入 Delve 原意是为了优化提示词分析与响应速度。然而，不少技术专家指出，Delve 在处理敏感数据时存在暗箱操作风险，其底层逻辑与主流开源精神背道而驰。
面对愈演愈烈的舆论压力，LiteLLM 创始人公开承认，在筛选合作伙伴时未能进行足够严谨的安全评估。为了维护平台中立性，团队决定迅速剔除所有关联代码，并承诺未来将转向更加透明、可审计的开源替代方案。
AIbase 视角认为，此次“割席”事件揭示了 AI 中间层架构在追求效率与保障安全之间的激烈冲突。对于依赖第三方网关的企业而言，上游供应商的每一次功能调整，都可能直接关乎其业务的合规命脉。
在当前 AI 生态圈中，单纯的“好用”已不足以支撑起一个平台的长远发展，底层逻辑的清白透明正成为新的准入门槛。LiteLLM 的果断止损虽短期内造成了功能波折，但从长远看，这是构建技术信任护城河的必然选择。
这场风波也给所有 AI 基础设施初创公司敲响了警钟:在算法黑盒层出不穷的今天，任何模糊地带都可能成为埋下品牌危机的导火索。只有坚持高度的工程透明度，才能在群雄逐鹿的 AI 接入层竞赛中站稳脚跟。
via AI新闻资讯 (author: AI Base)
加州硬刚特朗普：拟推行全美最严 AI 监管新规
加利福尼亚州政府近日宣布，将无视特朗普政府放宽技术约束的号召，执意推进一系列严苛的人工智能监管法案。此举旨在填补联邦层面在 AI 安全治理上的真空，确保前沿技术开发不会对公众利益造成实质性损害。
作为全球 AI 创新的心脏，加州的这一表态无疑是在向白宫发出的直接挑战，进一步加剧了州政府与联邦在技术主权上的博弈。加州官员明确表示，即便面临来自华盛顿的压力，保护公民隐私与防止算法歧视仍是该州的底线。
此次拟议的新规涵盖了从模型训练透明度到灾难性风险预防的多个维度，要求顶级 AI 企业必须提交详细的合规性报告。这种高标准的准入门槛，被外界视为加州在试图定义全美甚至全球的人工智能治理范式。
特朗普政府此前曾多次批评过度的监管会削弱美国 AI 产业的国际竞争力，主张通过去中心化的方式释放创新活力。然而，加州立法者认为，缺乏约束的算法如同“脱缰野马”，必须通过立法手段建立起必要的安全护栏。
AIbase 视角观察到，这种“一国两制”式的监管冲突，可能会迫使科技巨头在不同州边界上面临完全不同的运营成本。对于开发者而言，如何在政治博弈的夹缝中寻求合规，将成为 2026 年最具挑战性的命题。
这场围绕 AI 解释权的争夺战才刚刚拉开序幕，加州的强硬姿态或许会引发其他民主党执政州的效仿。在联邦法律统一之前，美国 AI 行业或将进入一个政策高度碎片化且充满不确定性的震荡期。
via AI新闻资讯 (author: AI Base)
加利福尼亚州政府近日宣布，将无视特朗普政府放宽技术约束的号召，执意推进一系列严苛的人工智能监管法案。此举旨在填补联邦层面在 AI 安全治理上的真空，确保前沿技术开发不会对公众利益造成实质性损害。
作为全球 AI 创新的心脏，加州的这一表态无疑是在向白宫发出的直接挑战，进一步加剧了州政府与联邦在技术主权上的博弈。加州官员明确表示，即便面临来自华盛顿的压力，保护公民隐私与防止算法歧视仍是该州的底线。
此次拟议的新规涵盖了从模型训练透明度到灾难性风险预防的多个维度，要求顶级 AI 企业必须提交详细的合规性报告。这种高标准的准入门槛，被外界视为加州在试图定义全美甚至全球的人工智能治理范式。
特朗普政府此前曾多次批评过度的监管会削弱美国 AI 产业的国际竞争力，主张通过去中心化的方式释放创新活力。然而，加州立法者认为，缺乏约束的算法如同“脱缰野马”，必须通过立法手段建立起必要的安全护栏。
AIbase 视角观察到，这种“一国两制”式的监管冲突，可能会迫使科技巨头在不同州边界上面临完全不同的运营成本。对于开发者而言，如何在政治博弈的夹缝中寻求合规，将成为 2026 年最具挑战性的命题。
这场围绕 AI 解释权的争夺战才刚刚拉开序幕，加州的强硬姿态或许会引发其他民主党执政州的效仿。在联邦法律统一之前，美国 AI 行业或将进入一个政策高度碎片化且充满不确定性的震荡期。
via AI新闻资讯 (author: AI Base)
外卖员变身“AI 喂粉员”？DoorDash 动员 800 万骑手为机器人采集数据
当你在为生计奔波送餐时，你可能也在无意中成为了顶尖 AI 模型的“导师”。
据媒体报道，美国外送巨头DoorDash近期推出了一款名为“Tasks”的独立应用。这款应用允许其平台下超过 800万名 外卖员在送餐之余，通过完成简单的数字化任务来赚取额外报酬。
长尾场景克星:让骑手采集“真实物理世界”
DoorDash， Inc. 此举的核心目的并非简单的业务扩张，而是为了解决 AI 训练中的核心痛点——高质量真实场景数据的匮乏:
任务多样化: 骑手们通过拍摄特定的街景、录制日常对话、记录行走或交付动作等，为 AI 提供最接地气的素材。
攻克长尾场景: 相比于实验室模拟，分布在全球各地的800万骑手能深入大街小巷，低成本采集到大量稀缺的、真实的物理世界“长尾场景”数据。
技术闭环:为配送机器人 Dot 铺路
这些由骑手们“喂”出来的数据，将直接流向DoorDash的 AI 实验室:
模型进化: 数据将用于优化其配送机器人 Dot 的视觉识别与路径规划能力。
落地加速: 随着真实世界操作数据的不断累积，自动配送机器人在复杂环境下的生存能力将得到显著提升，推动自动配送在更多地区从实验室走向写字楼和社区。
行业前瞻:外卖员会被 AI 取代吗?
尽管DoorDash正在加速自动化的步伐，但行业专家认为，短期内外卖员的角色依然不可替代:
复杂环境处理: 在处理最后100米的入户交付、应对突发交通状况等方面，人类的灵活性依然远超当前的机器人。
角色转型: 骑手正在从单纯的“体力劳动者”向“AI 训练师”转型，通过与技术的协同实现价值重构。
结语:送餐路上的“数据矿工”
从大街小巷的穿梭者到 AI 模型的“喂粉员”，DoorDash正在利用其庞大的骑手网络构建一道难以逾越的技术护城河。当800万骑手的日常动作转化为驱动机器人的算法逻辑，一场关于“人机协同”的效率革命正在外卖行业悄然上演。
via AI新闻资讯 (author: AI Base)
当你在为生计奔波送餐时，你可能也在无意中成为了顶尖 AI 模型的“导师”。
据媒体报道，美国外送巨头DoorDash近期推出了一款名为“Tasks”的独立应用。这款应用允许其平台下超过 800万名 外卖员在送餐之余，通过完成简单的数字化任务来赚取额外报酬。
长尾场景克星:让骑手采集“真实物理世界”
DoorDash， Inc. 此举的核心目的并非简单的业务扩张，而是为了解决 AI 训练中的核心痛点——高质量真实场景数据的匮乏:
任务多样化: 骑手们通过拍摄特定的街景、录制日常对话、记录行走或交付动作等，为 AI 提供最接地气的素材。
攻克长尾场景: 相比于实验室模拟，分布在全球各地的800万骑手能深入大街小巷，低成本采集到大量稀缺的、真实的物理世界“长尾场景”数据。
技术闭环:为配送机器人 Dot 铺路
这些由骑手们“喂”出来的数据，将直接流向DoorDash的 AI 实验室:
模型进化: 数据将用于优化其配送机器人 Dot 的视觉识别与路径规划能力。
落地加速: 随着真实世界操作数据的不断累积，自动配送机器人在复杂环境下的生存能力将得到显著提升，推动自动配送在更多地区从实验室走向写字楼和社区。
行业前瞻:外卖员会被 AI 取代吗?
尽管DoorDash正在加速自动化的步伐，但行业专家认为，短期内外卖员的角色依然不可替代:
复杂环境处理: 在处理最后100米的入户交付、应对突发交通状况等方面，人类的灵活性依然远超当前的机器人。
角色转型: 骑手正在从单纯的“体力劳动者”向“AI 训练师”转型，通过与技术的协同实现价值重构。
结语:送餐路上的“数据矿工”
从大街小巷的穿梭者到 AI 模型的“喂粉员”，DoorDash正在利用其庞大的骑手网络构建一道难以逾越的技术护城河。当800万骑手的日常动作转化为驱动机器人的算法逻辑，一场关于“人机协同”的效率革命正在外卖行业悄然上演。
via AI新闻资讯 (author: AI Base)
蚂蚁灵波开源2.7T深度数据集，200万对真实样本，覆盖6款相机
3月31日，蚂蚁灵波科技正式开源大规模 RGB-D 深度数据集 LingBot-Depth-Dataset。该数据集包含300万对高质量样本，其中200万对来自真实场景采集、100万对由渲染生成，总规模达 2.71TB，覆盖6款主流深度相机，是目前开源社区中规模最大的真实场景 RGB-D 数据集。此次开源将为具身智能、空间感知和三维视觉等方向提供更丰富、更贴近真实应用的数据支撑。
（图说:LingBot-Depth-Dataset 数据样例。从上到下依次为 RGB 图像、传感器原始深度图和真值深度图。该数据集同时提供原始深度与真值深度信息，为相关模型在真实场景中的训练和评估提供有力支撑。）
长期以来，公开深度数据集普遍存在规模有限、真实场景覆盖不足、硬件设备单一等问题，不少数据以合成为主，与真实传感器在噪声、空洞和材质表现上存在较大差异，在很大程度上制约了相关模型在真实环境中的应用。
LingBot-Depth-Dataset 有效填补了空间感知领域的数据空白，特别是提供了大规模基于真实场景拍摄的数据。这套数据集每条样本均包含 RGB 图像、传感器原始深度图和真值深度图，可直接用于深度估计与深度补全任务的训练和评估。数据集覆盖 Orbbec335、335L 以及 Intel RealSense D405、D415、D435、D455共6款主流深度相机，有助于提升模型在不同设备和场景下的训练、适配与评估。
据介绍，蚂蚁灵波此前开源的高精度空间感知模型 LingBot-Depth，正是以该数据集作为核心训练数据。相比业界主流方法 PromptDA 与 PriorDA，LingBot-Depth 在室内场景中的深度预测误差降低超过70%，在稀疏深度补全等任务中的误差降低约47%。市售深度相机搭载该模型后，无需硬件升级，即可在透明玻璃、反光镜面、逆光等复杂场景下输出更完整、更平滑、边缘更清晰的深度图，且在部分场景中的表现超过业界顶级工业级深度相机。
对于高校、科研机构而言，这次开源不仅有助于降低数据采集与标注门槛，也有望加速相关技术从研究验证走向真实应用。随着机器人和具身智能加快进入实际场景，大规模、高质量、以真实采集为主体的空间感知数据集，无疑将成为行业持续进步的重要基础设施。
via AI新闻资讯 (author: AI Base)
3月31日，蚂蚁灵波科技正式开源大规模 RGB-D 深度数据集 LingBot-Depth-Dataset。该数据集包含300万对高质量样本，其中200万对来自真实场景采集、100万对由渲染生成，总规模达 2.71TB，覆盖6款主流深度相机，是目前开源社区中规模最大的真实场景 RGB-D 数据集。此次开源将为具身智能、空间感知和三维视觉等方向提供更丰富、更贴近真实应用的数据支撑。
（图说:LingBot-Depth-Dataset 数据样例。从上到下依次为 RGB 图像、传感器原始深度图和真值深度图。该数据集同时提供原始深度与真值深度信息，为相关模型在真实场景中的训练和评估提供有力支撑。）
长期以来，公开深度数据集普遍存在规模有限、真实场景覆盖不足、硬件设备单一等问题，不少数据以合成为主，与真实传感器在噪声、空洞和材质表现上存在较大差异，在很大程度上制约了相关模型在真实环境中的应用。
LingBot-Depth-Dataset 有效填补了空间感知领域的数据空白，特别是提供了大规模基于真实场景拍摄的数据。这套数据集每条样本均包含 RGB 图像、传感器原始深度图和真值深度图，可直接用于深度估计与深度补全任务的训练和评估。数据集覆盖 Orbbec335、335L 以及 Intel RealSense D405、D415、D435、D455共6款主流深度相机，有助于提升模型在不同设备和场景下的训练、适配与评估。
据介绍，蚂蚁灵波此前开源的高精度空间感知模型 LingBot-Depth，正是以该数据集作为核心训练数据。相比业界主流方法 PromptDA 与 PriorDA，LingBot-Depth 在室内场景中的深度预测误差降低超过70%，在稀疏深度补全等任务中的误差降低约47%。市售深度相机搭载该模型后，无需硬件升级，即可在透明玻璃、反光镜面、逆光等复杂场景下输出更完整、更平滑、边缘更清晰的深度图，且在部分场景中的表现超过业界顶级工业级深度相机。
对于高校、科研机构而言，这次开源不仅有助于降低数据采集与标注门槛，也有望加速相关技术从研究验证走向真实应用。随着机器人和具身智能加快进入实际场景，大规模、高质量、以真实采集为主体的空间感知数据集，无疑将成为行业持续进步的重要基础设施。
via AI新闻资讯 (author: AI Base)
2026年3月30日，全球大模型聚合路由平台OpenRouter发布的最新数据显示，国产大模型全球调用量已连续一个月超越海外模型。
数据显示，上周模型调用前九名中，国产模型占六席，总调用量为9.82T，较此前一周的7.359T增长33.4%。海外模型上榜企业仍旧只有Anthropic与，总调用量为2.99T，较此前一周的3.536T降低15.4%。
此轮爆发式增长的核心驱动力源于OpenClaw的走红。截至3月中旬，该平台$20%$的Token消耗由其贡献，其周度平均用量已达2025年Q4水平的2倍以上。受此影响，智谱、阿里云及腾讯云等厂商相继宣布涨价。智谱CEO张鹏指出，AI Agent时代的到来使得模型需处理长程任务规划与多模态信息，单次任务消耗的Token量可能是传统对话的百倍，这直接导致了硬件采购成本与算力需求的非线性增长。
目前，大模型市场已呈现明显的“量价齐升”特征，云计算定价逻辑正从算力堆砌转向溢价变现。国产模型在应用层面的密集落地，标志着AI行业已由技术研发期正式步入以Token消耗为核心指标的规模化实践期。
via AI新闻资讯 (author: AI Base)
商业化神话！Kimi K2.5 发布仅一月，月之暗面 ARR 突破 1 亿美金
在大模型商业化落地的“生死时速”中，月之暗面 （Moonshot AI） 再次刷新了行业的吸金纪录。
3月30日，据 Readhub 报道，在 Kimi K2.5模型发布仅一个月后，月之暗面 的年度经常性收入（ARR）已正式突破 1亿美金 大关。这一成绩不仅创下了“AI 六小虎”中的新纪录，也标志着国产大模型在企业级市场的变现能力进入了爆发期。
算力配额“一票难求”:千万美金预付只为锁住供应
随着 Kimi K2.5 性能的跨越式提升，其背后的算力资源已成为市场上的稀缺资产:
供应趋紧: 知情人士透露，K2.5模型上线后，其 API 供应的 TPM（每分钟 Token 数）配额迅速告急。
豪掷千金: 为了在算力竞争中占据先机，已有大客户开出 千万美元级别 的消费承诺，甚至不惜提供预付担保，以获取 月之暗面 的优先供应权。
技术底色:从代码神童到“Agentic”先锋
月之暗面 营收爆发的背后，是其产品矩阵的持续进化:
模型迭代: 去年7月，公司发布并开源了万亿参数模型 Kimi K2，在代码编写与 Agentic 任务上展现出极强天赋。
全球登顶: 今年1月，升级版 Kimi K2.5 发布后仅24小时便登顶全球开源榜单，为随后的商业化爆发埋下了伏笔。
行业观察:大模型进入“用脚投票”的营收时代
过去，行业更多关注模型参数与技术跑分，而现在的重心正迅速向“吸金能力”偏移:
变现闭环: 月之暗面 破亿美金的 ARR 证明，高质量的模型能力能够直接转化为企业的生产力投入。
资本锚点: 在资本市场，营收规模已成为衡量大模型初创公司能否从“实验室”走向“产业中心”的核心指标。
结语:1亿美金只是开始
从 Kimi K2 的开源探索，到 K2.5的商业收割，月之暗面 仅用一个月时间就完成了从技术领先到商业领跑的跨越。当 AI 助手开始真正承载千万美金级的业务承诺，国产大模型的“商业奇点”或许已经到来。
via AI新闻资讯 (author: AI Base)
在大模型商业化落地的“生死时速”中，月之暗面 （Moonshot AI） 再次刷新了行业的吸金纪录。
3月30日，据 Readhub 报道，在 Kimi K2.5模型发布仅一个月后，月之暗面 的年度经常性收入（ARR）已正式突破 1亿美金 大关。这一成绩不仅创下了“AI 六小虎”中的新纪录，也标志着国产大模型在企业级市场的变现能力进入了爆发期。
算力配额“一票难求”:千万美金预付只为锁住供应
随着 Kimi K2.5 性能的跨越式提升，其背后的算力资源已成为市场上的稀缺资产:
供应趋紧: 知情人士透露，K2.5模型上线后，其 API 供应的 TPM（每分钟 Token 数）配额迅速告急。
豪掷千金: 为了在算力竞争中占据先机，已有大客户开出 千万美元级别 的消费承诺，甚至不惜提供预付担保，以获取 月之暗面 的优先供应权。
技术底色:从代码神童到“Agentic”先锋
月之暗面 营收爆发的背后，是其产品矩阵的持续进化:
模型迭代: 去年7月，公司发布并开源了万亿参数模型 Kimi K2，在代码编写与 Agentic 任务上展现出极强天赋。
全球登顶: 今年1月，升级版 Kimi K2.5 发布后仅24小时便登顶全球开源榜单，为随后的商业化爆发埋下了伏笔。
行业观察:大模型进入“用脚投票”的营收时代
过去，行业更多关注模型参数与技术跑分，而现在的重心正迅速向“吸金能力”偏移:
变现闭环: 月之暗面 破亿美金的 ARR 证明，高质量的模型能力能够直接转化为企业的生产力投入。
资本锚点: 在资本市场，营收规模已成为衡量大模型初创公司能否从“实验室”走向“产业中心”的核心指标。
结语:1亿美金只是开始
从 Kimi K2 的开源探索，到 K2.5的商业收割，月之暗面 仅用一个月时间就完成了从技术领先到商业领跑的跨越。当 AI 助手开始真正承载千万美金级的业务承诺，国产大模型的“商业奇点”或许已经到来。
via AI新闻资讯 (author: AI Base)
欧洲初创企业 Mistral AI 今日宣布，他们成功完成了一轮总额达8.3亿美元（约合57.43亿元人民币）的债务融资。此次融资的资金将用于在法国巴黎附近的布吕伊埃雷勒沙特建设一座全新的 AI 数据中心，这一项目将为当地的科技创新注入新的动力。
Mistral AI 在声明中表示，该数据中心将部署总计44MW 的算力，配备13800块英伟达 GB300GPU。这些强大的硬件将为 AI 应用提供强大的支持，预计该数据中心将在2026年第二季度正式投运。Mistral AI 的首席执行官 Arthur Mensch 强调，扩展基础设施对于增强客户能力、推动人工智能创新和确保欧洲在技术领域的自主权至关重要。
随着各国政府、企业及研究机构对定制化 AI 环境的需求日益增加，Mistral AI 计划进一步加大在这一领域的投资，减少对第三方云服务的依赖，旨在构建更为自主和灵活的 AI 解决方案。这一战略不仅能够提升 AI 服务的效率和可靠性，还将助力欧洲在全球科技竞争中的地位。
Mistral AI 的融资得到7家银行组成的多方银团的支持，反映了金融市场对 AI 行业潜力的强烈信心。随着 Mistral AI 的持续发展，该公司将为欧洲的人工智能生态系统注入新的活力，并在未来数年内成为该领域的重要玩家。
总的来说，Mistral AI 的融资与数据中心建设计划标志着人工智能在欧洲的又一重要进展，期待这项新设施能够推动更多创新的产生。
via AI新闻资讯 (author: AI Base)
微软公司推出“多模协作”深度研究智能体
微软周一推出一项深度研究智能体更新，允许用户在同一项研究中同时调用GPT大模型和Claude大模型。微软公司周一称，在 365 Copilot的研究代理更新中上架名为“Critique”的新功能。在实际操作中，由OpenAI的GPT先展开研究、生成初稿，然后让Claude遵循学术研究的评审流程，对稿件准确性、完整性和引证质量进行审查，最终生成回复给用户的报告。微软表示，预计未来这项功能最终能双向运行，即由Claude先写报告，然后GPT进行审查和完善。根据业界衡量深度研究质量的DRACO基准测试显示，两个模型之间的合作的确要比“单打独斗”强出一个档次。
—— 财联社
via 风向旗参考快讯 - Telegram Channel
微软周一推出一项深度研究智能体更新，允许用户在同一项研究中同时调用GPT大模型和Claude大模型。微软公司周一称，在 365 Copilot的研究代理更新中上架名为“Critique”的新功能。在实际操作中，由OpenAI的GPT先展开研究、生成初稿，然后让Claude遵循学术研究的评审流程，对稿件准确性、完整性和引证质量进行审查，最终生成回复给用户的报告。微软表示，预计未来这项功能最终能双向运行，即由Claude先写报告，然后GPT进行审查和完善。根据业界衡量深度研究质量的DRACO基准测试显示，两个模型之间的合作的确要比“单打独斗”强出一个档次。
—— 财联社
via 风向旗参考快讯 - Telegram Channel
