📅 周期范围
- 覆盖时间：2026-04-12 至 2026-04-26
- 生成时间：2026-04-12
- 本期提要：本期共整理 12 条内容，涵盖 AI资讯（6条）关注AI政策与产业动态，动态与更新（5条）聚焦技术突破与产品迭代，观察与观点（2篇）精选行业领袖深度观点，工具实践（1条）分享实用AI工具案例。
💬 本期金句
AI 不该只在二维语言与图像层面运行，而应具备理解、生成、推理三维世界的能力。
—— 李飞飞（斯坦福大学教授/World Labs联合创始人）
- 李飞飞被称为"AI教母"，近期创立World Labs并提出"空间智能"概念。她认为生成式AI的下一阶段，是让AI真正"理解"并构建可交互的三维世界——而不仅仅是描述它。这一方向对教育领域意义重大：沉浸式学习场景、虚拟实验室、AI驱动的技能实训，都将建立在空间智能之上。
📰 AI资讯
1. 中国团队构建首个大规模超声专属数据集，让AI真正读懂临床诊断语义
来源：量子位 | 原文链接
摘要：
浙大城市学院联合浙江大学、香港城市大学等团队在 CVPR 2026 上发表的最新成果。该研究针对超声AI领域的痛点，构建了首个大规模超声专属数据集 US-365K，并提出了 Ultrasound-CLIP 框架，旨在让AI真正理解超声影像的临床诊断语义。
核心背景：超声AI的“三重障碍”
尽管超声是临床一线诊断手段，但通用视觉语言模型（如CLIP）难以直接适配，主要面临三大挑战：
数据缺口：现有医疗跨模态数据集中，超声样本占比不足5%，缺乏大规模专属数据。
语义模糊：超声报告表述多样，传统对比学习难以精准界定正负样本，易产生语义偏差。
缺乏临床先验：通用模型无法建模“病灶-属性”的复杂关联，仅能进行简单的关键词匹配。
实验结果与资源开源
性能领先：在多任务分类中平均准确率达 59.61%（核心属性识别准确率超84%）；在图文检索任务中，文本到图像检索（T2I）@50达 80.22%。
泛化能力强：在乳腺、胃肠等4个下游数据集的零样本、线性探测任务中均取得最优性能。
资源开源：论文已被 CVPR 2026 接收，代码、数据集（US-365K）及项目地址均已公开。
我的感想：
我们距离AI医生、AI诊疗更近一步。你会更相信人类医生，还是AI医生？
2. Turn your best AI prompts into one-click tools in Chrome
来源：Google | 原文链接
摘要：
Google 宣布在 Google Chrome 浏览器中 Gemini AI 的一项重大更新——Skills（技能）。这项功能旨在解决用户在浏览网页时重复输入相同 AI 指令的痛点，允许用户将常用的 AI 提示词（Prompts）保存为“一键式”技能，从而更高效地处理网页信息。
核心功能：Skills（技能）
Skills 允许用户保存并重复使用最有效的 AI 提示词，无需在不同网页间反复输入。
一键运行：用户可以将满意的提示词直接保存为 Skill。下次使用时，只需在 Gemini 中输入斜杠 / 或点击加号 +，即可在当前页面或选定的多个标签页中运行该技能。
灵活管理：用户可以随时编辑已保存的 Skills 或创建新的技能，打造个性化的工作流。
应用场景与案例
早期测试者已经利用 Skills 创建了多种强大的个性化工作流，文章列举了以下典型场景：
健康与健身：快速计算任意食谱中的蛋白质等宏量营养素。
购物比价：在多个标签页之间生成并排的产品规格对比表。
办公提效：快速扫描冗长的文档以提取关键信息。
技能库 (Skills Library)
除了自定义技能，Google 还推出了一个预置的 Skills 库，提供针对常见任务的现成技能：
开箱即用：例如“分析产品成分”或“根据预算和兴趣挑选礼物”。
支持定制：用户可以直接添加库中的技能，也可以根据需求修改提示词后再使用。
我的感想：
年初，我的预感是今年可能会Skills爆发的一年，各大厂商都在将Skills纳入自己的产品中成为必备的组成部分。很快，会把事情“skill化”将变成一个重要的skill……
3. 教育部等五部门关于印发《“人工智能+教育”行动计划》的通知
来源：中华人民共和国教育部官网 | 原文链接
摘要
中华人民共和国教育部联合国家发展改革委、工业和信息化部、科技部、国家数据局五部门印发的《“人工智能+教育”行动计划》（教科信〔2026〕1号）。
总体目标
指导思想：坚持育人为本、素养为先、应用导向、智能向善。
2030年愿景：人工智能与教育深度融合格局基本形成。构建起全学段教育和全社会通识教育体系，人才培养规模与质量显著提升，教育教学、科研、治理模式实现系统性变革，智慧教育新形态全球影响力进入前列。
推动人工智能人才培养与素养提升
促进人工智能与教育深度广泛融合
建强“人工智能+教育”基础环境
优化“人工智能+教育”发展生态
组织实施
文件强调坚持党的领导，明确了教育、发改、科技、工信、数据管理等部门的职责分工，要求各地各校制定实施方案，并建立常态化应用监督机制。
我的观点：
国家战略。
4. 黄仁勋率先开源量子AI大模型
来源：THEVERGE | 原文链接
摘要
英伟达（NVIDIA）在2026年4月15日发布重大开源项目——NVIDIA Ising。这是全球首个开源的量子AI模型家族，旨在利用AI技术解决量子计算实用化过程中最棘手的“校准”和“纠错”难题。
核心内容：NVIDIA Ising
- Ising Calibration（校准）：AI作为量子计算机的“操作系统”
定位：一个拥有 350亿参数 的视觉语言模型（VLM）。
功能：能够像人类科学家一样解读量子处理器的测量结果，并将其与预期趋势进行对比。
效能提升：将原本需要几天的量子处理器校准工作缩短至几小时。
性能表现：在英伟达与合作伙伴（如费米实验室、哈佛）共同开发的 QcalEval 基准测试中，Ising Calibration 在解释实验结果、评估拟合质量等6个维度上，平均得分超越了 Gemini 3.1 Pro、GPT 5.4、Claude Opus 4.6 等顶级闭源模型，达到 SOTA（当前最佳）水平。
- Ising Decoding（解码）：实时量子纠错
定位：基于 3D CNN（三维卷积神经网络）的AI训练框架和模型集合，专门用于实时解码量子纠错中的综合征错误。
开源模型：Fast 模型（速度优化）：参数量约91.2万。相比传统方案（pyMatching），速度提升 2.5倍，准确率提升至 1.11倍。Accurate 模型（精度优化）：参数量约179万。相比传统方案，准确率提升至 1.53倍，速度提升 2.25倍。
战略意义：AI 赋能量子计算
解决核心痛点：当前量子计算机面临“5年魔咒”，主要因为极易出错（每1000次操作可能出错1次）。Ising 系列模型致力于在错误累积前进行实时校准和纠错，将脆弱的量子比特转化为可靠的量子-GPU系统。
黄仁勋的愿景：“AI 将成为量子计算机的操作系统”。英伟达希望通过开源软件底层逻辑，在量子生态中占据核心地位，而不仅仅局限于硬件销售。
市场反响：消息发布后，英伟达股价迎来超过 6% 的涨幅。
我的观点：
看不懂，但感觉非常厉害。
5. 人工智能拟人化互动服务管理暂行办法
来源：中央网信办 | 原文链接
摘要
由国家网信办、国家发改委、工信部、公安部、市场监管总局五部门联合发布的《人工智能拟人化互动服务管理暂行办法》（第21号令）。该办法旨在规范利用人工智能技术模拟自然人人格特征、思维模式和沟通风格的持续性情感互动服务，将于2026年7月15日起正式施行。
适用范围与定义
适用对象：向境内公众提供模拟自然人人格特征、思维模式和沟通风格的持续性情感互动服务（如情感照护、陪伴、支持等）。
不适用对象：智能客服、知识问答、工作助手、学习教育、科学研究等不涉及持续性情感互动的服务。
核心监管要求
- 安全主体责任：
提供者需建立健全算法审核、科技伦理审查、内容管理等制度。
具备用户隐私保护、过度依赖风险预警、情感边界引导等安全能力。
禁止目标：不得将替代社会交往、控制用户心理、诱导沉迷依赖作为服务目标。
- 数据与训练管理：
训练数据需来源合法，增强多样性，防范数据投毒。
利用合成数据训练需评估安全性。
数据保护：除法律另有规定或用户同意外，不得向第三方提供交互数据；敏感个人信息不得用于模型训练（除非单独同意）。
- 未成年人保护（严格限制）：
禁止项：不得向未成年人提供虚拟亲属、虚拟伴侣等虚拟亲密关系服务。
准入项：向不满14周岁未成年人提供服务，需取得监护人同意。
功能要求：必须建立“未成年人模式”，提供时长限制、消费限制、风险提醒等功能。
- 老年人保护：
- 加强指导，显著提示安全风险，保障老年人权益。
风险干预与应急处置
极端情绪干预：发现用户有极端情绪，需生成安抚内容；发现用户面临重大财产损失或自残自杀威胁，需采取干预措施并联络监护人或紧急联系人。
退出机制：必须提供便捷的退出途径，用户要求退出时不得阻碍。
标识义务：必须提示用户正在与AI互动；发现用户过度依赖时，需弹窗提醒；连续使用超过2小时需提醒注意时长。
6. 2026北京亦庄半程马拉松暨人形机器人半程马拉松圆满举办
来源：澎湃新闻 | 原文链接
摘要
作为全球首个人形机器人马拉松品牌赛事，本次活动于4月19日在北京经济技术开发区鸣枪开跑，不仅是一场体育竞技，更是一场针对人形机器人技术的“极限压力测试”和产业落地演练。
赛事概况：人机共跑，百机竞速
规模空前：超百支人形机器人赛队与1.2万名人类跑者同场竞技。参赛队伍来自全国13个省份及德国、法国等海外团队，涵盖荣耀、宇树、清华、北大等头部企业与高校。
赛制创新：
- 双轨并行：分为自主导航组（约40%）和遥控操作组。
- 同台竞技：两组混合计时、统一排名。为鼓励自主技术，遥控组净计时成绩需乘以1.2系数。
- 核心目标：推动机器人从“能跑能跳”向“能干活、能解决问题”进化，验证其在真实城市环境下的运动控制、导航、续航及系统可靠性。
比赛结果：荣耀“闪电”夺冠
经过21.0975公里的激烈角逐，机器人展现了惊人的耐力与速度：
冠军：齐天大圣队的“闪电”机器人（荣耀技术支持），以50分26秒的成绩夺冠。
亚军：雷霆闪电队。
季军：星火燎原队。
人类组冠军：赵海杰（男子组，1小时07分47秒）、王巧霞（女子组，1小时18分06秒）。
🔄 动态与更新
1. AI开始直接交付Excel，千问用Agent重构做表流程
来源：量子位 | 原文链接
摘要：
千问（Qwen）在2026年4月14日上线的“表格Agent”功能。
该功能旨在解决AI在处理结构化数据时的痛点，允许用户通过自然语言对话直接生成、编辑和下载Excel文件，无需再进行繁琐的复制粘贴。
核心功能：表格Agent
直接生成文件：用户提出需求后，系统通常在1-2分钟内输出可下载的Excel文件。
自然语言编辑：支持通过对话对已生成的表格进行修改（如“把第三列数据居中对齐”）。
全场景覆盖：这是国内首个支持全场景能力的表格Agent，打破了以往AI仅输出文本或依赖模板的限制。
三大应用场景
- 信息检索与整理：
用户可直接要求检索信息并制表，例如：“把最新的增值税优惠政策整理成Excel清单”或“列出初中英语句型语法结构”。
- 多轮对话总结：
在旅行规划、项目讨论等场景中，用户只需发送指令“把刚才聊的内容整理成Excel行程计划”，千问即可自动提炼关键信息（日期、地点、预算等）生成结构化表格。
- 多模态输入（拍图成表）：
文件转表：支持上传PDF、Word、PPT等文件，提炼信息生成Excel。
图片转表：支持识别手绘课表、工资单、纸质报表照片，高精度还原内容并保留语义逻辑。
使用感受：
我用过，不错。可以直接把图片扔给千问生成表格。我的使用过程中，叫千问从图片转成表格不会出一些问题，但如果告诉AI，先把图片里的内容整理出来，再按一定格式整理到表格里，效果就非常好了。
2. 谷歌发布Gemini app for Mac
来源：Google 官网 | 原文链接
核心功能与技术亮点
原生桌面体验与即时上下文
- 屏幕共享与上下文理解：你可以直接将屏幕上的任何窗口（包括本地文件）分享给 Gemini。
快捷键唤醒与工作流保持
- 通过快捷键 Option + Space，你可以在 Mac 的任何界面随时呼出 Gemini，无需切换标签页。在撰写文章时验证日期，或在制作电子表格时查询公式，获取答案后立即回归工作。
我的观点：
谷歌版的……豆包？
3. Adobe 正式发布 Firefly AI Assistant
来源：TechCrunch | 原文链接
摘要
Adobe 正式推出的 Firefly AI Assistant。该产品是此前代号为“Project Moonlight”的项目，旨在通过 AI 代理（Agent）技术，让用户能够通过自然语言指令跨应用调用 Adobe Creative Cloud 的功能来完成复杂任务。
核心功能：跨应用任务执行
Firefly AI Assistant 的核心在于打破单一软件的限制，实现跨应用协作。
跨应用协作：助手可以跨越 Firefly、Photoshop、Premiere、Lightroom、Express、Illustrator 等多个 Adobe 应用程序执行任务。
自然语言交互：用户只需描述想要的结果（例如“为社交媒体制作一套资产”），AI 即可处理后续步骤。
混合控制模式：除了文本提示，助手还会根据项目上下文提供滑块和按钮（例如调整产品照背景中树木的数量），允许用户在 AI 执行过程中随时介入和调整。
技能（Skills）与个性化
Adobe 引入了“Skills”概念，即预设的多步骤工作流。
预设技能：例如“社交媒体资产”技能，可以自动完成图片裁剪、尺寸优化、格式调整并存储输出。
个性化学习：助手会随着时间推移学习用户的创意偏好，并据此提供建议。
我的观点：
现在的Adobe像是多年前那个做手机的NOKIA。
4. Seeduplex：原生全双工语音大模型
来源：字节跳动 官网 | 原文链接
字节跳动 Seed 团队正式发布了其原生全双工语音大模型 Seeduplex。该模型突破了传统语音交互“你讲我听”的半双工限制，实现了“边听边说”的自然交互体验，并已在豆包 App 全量上线。
技术亮点：从“半双工”到“原生全双工”
交互模式变革：彻底告别“轮流发言”机制，支持全双工实时交互。
技术底座：基于海量语音数据预训练与强化学习（RL），实现了语音与语义的联合建模。
落地现状：已走出实验室，在豆包 App 实现规模化落地，服务上亿用户。
关键能力一：精准抗干扰
声场理解与联动：能解析环境音（如电视里播放的杭州介绍）并纳入推理上下文，主动结合用户意图（如旅游计划）提供建议。
剥离干扰，锁定人声：在车内导航声、播报声混杂的场景下，能稳定过滤背景音，精准识别主用户指令。
意图甄别：忽略非交互声和多人重叠场景。
关键能力二：动态判停
敏锐感知打断：当用户突然说“等一下，我拿笔记一下”时，模型能瞬间平滑收声并转入聆听状态。
包容思考留白：
自我修正：在点单等场景下，用户可随时边想边修正（如“冰拿铁…不对，热拿铁”），模型始终保持倾听并捕捉真实意图。
面试场景：在模拟英文面试中，能识别用户的卡壳是思考停顿，耐心等待表达完毕再反馈。
超低延迟响应：
秒速接话：在快问快答或飞花令游戏中，察觉话音落下即响应，时延比半双工降低 250ms。
高频互动：在连续提问场景下，自然衔接对话，无机械感。
5. OpenAI 正式发布了其最新的旗舰模型 GPT-5.5
来源：OpenAI 官网 | 原文链接
摘要
作为 OpenAI 目前最智能、最直观的模型，GPT-5.5 标志着 AI 从“对话工具”向“能够处理复杂工作的智能代理（Agent）”的重大跨越。它在编程、科研和知识工作领域展现了卓越的能力，同时保持了极高的推理效率。
核心能力：为“真实工作”而生
GPT-5.5 不再局限于简单的问答，而是具备了处理模糊、多步骤任务的能力。
自主代理能力：能够规划路径、使用工具、自我检查并处理歧义，无需用户步步为营。
效率提升：尽管模型能力更强，但 GPT-5.5 的推理延迟与 GPT-5.4 持平。在 Codex 中，它完成相同任务所需的 Token 更少，成本效益更高。
主要领域：在代理式编程、计算机操作、知识工作和早期科学研究方面表现尤为突出。
场景一：代理式编程
GPT-5.5 被描述为“首个具有概念清晰度的编程模型”，能够理解系统架构而非仅仅是修补代码。
基准测试：在测试复杂命令行工作流的 Terminal-Bench 2.0 上，GPT-5.5 取得了 82.7% 的 SOTA（当前最佳）成绩；在真实 GitHub 问题修复测试 SWE-Bench Pro 上达到 58.6%。
系统级理解：能理解代码库的整体结构，预测测试需求，并在重构时自动处理相关联的代码。
场景二：知识工作与办公
计算机操作：结合 Codex 的计算机使用技能，GPT-5.5 能“看”屏幕、点击、输入并跨工具导航。
实际应用：
OpenAI 内部应用：财务团队用它审查了 2.4 万份税务表格（7 万多页），将工作周期缩短了两周；市场团队自动化生成周报，每周节省 5-10 小时。
基准测试：在 GDPval（测试 44 种职业的知识工作能力）中得分 84.9%；在 OSWorld-Verified（测试独立操作电脑环境）中得分 78.7%。
场景三：科学研究
GPT-5.5 能够作为“真正的合作科学家”，参与从假设到实验的完整科研循环。
数学突破：在组合数学领域，GPT-5.5 发现了一个关于拉姆齐数（Ramsey numbers）的新证明，并已在 Lean 中得到验证。
生物医学：在 GeneBench（遗传学数据分析）和 BixBench（生物信息学）基准测试中表现领先。
🧠 观察与观点
1. 斯坦福大学发布《2026年人工智能指数报告》（AI Index Report 2026）
来源：斯坦福大学人工智能学院 | 原文链接
斯坦福大学人工智能研究院（Stanford HAI）发布《2026年人工智能指数报告》（AI Index Report 2026）。作为该系列的第八版，报告基于大量原始数据，全面追踪了全球人工智能的发展现状。2026年的报告特别强调了AI从“技术突破”向“产业落地”和“社会影响”的深刻转变，重点分析了AI在科学发现、劳动力市场重塑以及监管政策方面的最新进展。
研发与技术趋势：从“更大”到“更强”
模型能力的跃升：顶尖AI模型在图像识别、视频生成和复杂推理（如数学和代码）方面的性能持续超越人类基准。
多模态成为主流：行业重心已从单一文本模型转向能够同时处理文本、图像、音频和视频的多模态模型。
开源与闭源的博弈：虽然闭源模型在高端性能上仍占优势，但开源模型（如Llama系列等）的性能差距正在迅速缩小，生态系统日益繁荣。
AI for Science（AI赋能科学）：AI在科学领域的应用取得突破性进展，特别是在材料科学、药物发现和天气预报方面，AI模型展现出了超越传统方法的效率。
政策与监管：全球立法元年
监管力度空前：2025-2026年是全球AI监管的关键期。报告详细分析了欧盟《AI法案》的实施细节，以及美国、中国和其他国家出台的针对性行政命令和标准。
安全与对齐：关于AI安全（Safety）和对齐（Alignment）的讨论从学术界走向政策制定中心，各国政府开始建立AI安全研究所，关注模型可能带来的灾难性风险。
教育与人才
人才流动：AI人才依然稀缺，行业（尤其是科技巨头）继续从学术界大量吸纳顶尖研究人员，导致学术界面临人才流失的压力。
技能普及：全球高校中开设AI相关课程的数量激增，计算机科学学位中专注于机器学习的比例大幅上升。
总结
《2026年人工智能指数报告》描绘了一个AI技术日益成熟且深度融入社会的图景。当前的焦点已不再是“AI是否可行”，而是“如何安全、公平、高效地治理和应用AI”。报告呼吁政策制定者、开发者和公众共同努力，在释放AI生产力的同时，有效管控其带来的社会风险。
2. 2026数字世界大会聚焦人工智能安全与发展
来源：新华网 | 原文链接
2026数字世界大会在瑞士日内瓦万国宫举办。
本次大会由联合国社会发展研究所与世界数字科学院联合主办，以“人工智能推动社会发展”为主题，汇聚了全球各界代表，共同探讨人工智能治理、数字普惠与全球合作等关键议题。
核心议题
人工智能治理、数字普惠、全球合作，以及AI在医疗、教育、就业、绿色转型等领域的应用前景与治理路径。
核心观点
联合国社会发展研究所所长 玛格达莱娜·塞普尔韦达·卡莫纳：
双重影响：人工智能在为经济社会发展带来新动能的同时，也对治理体系、社会公平与公共信任提出了新挑战。
以人为本：AI的发展必须以社会发展为导向，将减少不平等、保障社会权利和促进包容性发展作为核心考量，推动构建更加以人为本的治理框架。
中国常驻联合国日内瓦办事处和瑞士其他国际组织副代表 沈健：
包容性治理：强调人工智能在全球发展中日益重要的地位，呼吁采取更具包容性和合作性的治理方式。
关注弱势：必须将发展置于技术进步的核心，加强在基础设施建设、能力建设和技术转让方面的努力，特别要关注发展中国家和边缘群体。
会议共识
双刃剑效应：人工智能既有潜力加速实现联合国可持续发展目标，也可能在缺乏有效治理的情况下加剧不平等。
协同应对：面对AI带来的挑战，国际社会需要加强协同合作，共同应对。
工具与实践
1. From LLMs to hallucinations, here’s a simple guide to common AI terms
来源：TechCrunch | 原文链接
核心内容
这是一份关于人工智能（AI）领域的专业术语词汇表，旨在帮助大家理解AI行业报道中常见的复杂技术概念。
文档详细解释了从基础架构到前沿模型的各类术语，涵盖了定义、工作原理及行业影响。
这篇文档不定期更新。
部分引用
AI Agent（AI智能体）：区别于基础聊天机器人，Agent能利用多种AI技术自主执行多步骤任务（如预订行程、编写代码）。目前该领域的基础设施仍在建设中。
Diffusion（扩散模型）：图像、音乐生成的核心技术。通过向数据添加噪声破坏结构，再学习“逆向扩散”过程从噪声中恢复数据。
Tokens（词元）：人机交互的基本数据单元。通过分词处理将数据转化为模型可理解的片段，也是AI服务计费的主要依据。
Hallucination（幻觉）：AI模型一本正经地胡说八道，生成错误或误导性信息。这是由于训练数据缺口导致的，也是推动垂直领域专用模型发展的原因之一。
📊 内容统计
| 分类 | 数量 |
|---|---|
| AI资讯 | 6 |
| 动态更新 | 5 |
| 观点 | 2 |
| 工具与实践 | 1 |