AIIA周刊丨人工智能行业一周精选（9.12-9.18）

9月15日，阶跃星辰正式发布新一代语音大模型 StepAudio3 系列，一次性推出 StepAudio3 Realtime、StepAudio3 ASR、StepAudio3 TTS、StepAudio3 Gen、StepAudio3 Music 五款模型产品。该系列完整覆盖实时语音交互、语音识别、真人级语音合成、音频生成以及 AI 音乐创作场景。其中 StepAudio3 Realtime 具备原生全双工实时对话能力，可同时理解语义、语气、情绪以及环境音；StepAudio3 ASR 支持方言、中英混说，适配医疗、法律等专业业务场景；StepAudio3 TTS 支持超低时延流式生成，可还原笑声、迟疑等真人口语表现；StepAudio3 Gen 能够统一生成角色人声、音效与环境音；StepAudio3 Music 可实现歌曲创作、翻唱以及基于 ABC 记谱法的多轮音乐创作，标志国内语音 AI 技术从单点突破迈向全栈自研。

链接

https://platform.stepfun.com/docs/zh/guides/models/stepaudio-3-realtime

9月15日，Anthropic宣布对中小企业版Claude开展重大版本升级，推出43项预置高效工作流，新增Shopify、Salesforce、Zoom、Xero等27个主流商业软件深度集成，聚焦中小企业业务拓展、销售线索转化、日常管理报表等业务场景。本次更新包含多项实用能力，支持自动整合现金流、销售对比数据生成每周简报；可在非工作时段自动跟进业务咨询并录入CRM系统；支持依据语音备忘录生成正式报价提案。安全机制方面，全部自动化工作流默认开启人工审批，继承企业原有账户权限，Team与Enterprise版本默认不会使用用户商业数据训练模型。同时Anthropic同步启动秋季巡回培训计划，面向中小企业提供配套培训，降低企业使用门槛。

链接

https://claude.com/blog/claude-for-small-business-launches-new-workflows-integrations-and-training-programs

9月15日，生数科技正式对外发布全新 Vidu S2 视频大模型系列，包含 Vidu S2‑Avatar、Vidu S2‑Editing 两款模型产品。Vidu S2‑Avatar 面向数字角色生成，用户上传一张图片，即可通过语音指令控制角色说话、跳舞，还可动态添加物品、更换背景。Vidu S2‑Editing 专注视频流实时编辑，支持风格迁移、虚拟试穿、人物替换、背景替换四大任务，画面可跟随人物动作自然变化。该系列还开展VR头显实时空间视频生成探索，能够将编辑完成的视频流式输出至VR头显设备。技术层面，模型采用 Self‑Replay Forcing（SRF）训练方法缓解身份漂移问题，引入VLM智能体作为视觉反馈，提升动作生成可靠性，实现 “边聊边改” 交互模式，降低视频创作操作门槛，发布当日同步开放在线体验。

链接

https://www.shengshu.com/zh/vidu-s2/

9月16日，火山引擎宣布豆包大模型2.1 Pro完成0915版本升级，新版API正式在火山方舟上线，同时接入豆包工作产品，用户可直接切换新版本开展使用。本次更新聚焦企业实际生产工作场景，降低模型幻觉，强化证据溯源、时效判断与交叉数据核验，提升Agent复杂多任务处理可靠性。在金融投研场景下，模型可自主拆解研究需求，调度大量子Agent开展检索，引入多维度外部资料佐证，实现研究结论可溯源。多模态编程能力得到增强，能够梳理大型代码仓库跨文件依赖、定位修复Bug，支持将操作录屏、手绘草图转化为可运行代码。多模态理解能力同步迭代，支持长视频完整解析、跨帧提取关键信息，适配图纸解读、质量检测等专业场景。在运行效率上，图像与视频推理Token消耗量相比上一代下降30%以上，降低业务调用成本。

链接

https://baijiahao.baidu.com/s?id=1876645026101136214&wfr=spider&for=pc

9月17日凌晨，小米MiMo大模型团队负责人罗福莉在X平台发文，首次公开 MiMo-V2.6大模型强化学习训练进展，同步上线实时训练页面，对大模型强化学习全流程进行公开直播，相关技术细节计划在未来数周内逐步开源。MiMo-V2.6正在开展大规模多任务智能体强化学习实验，从算力、环境、评估三维度拓展：算力实现单步约20 亿 Token完全异步并行；环境搭建支持混合多框架的代理式 RL；评估采用带测试用例与量规奖励的组内信用分配机制。实时页面展示训练成本指标，MiMo-V2.6-Pro 训练时长1天19小时，耗资89万美元；MiMo-V2.6-Flash 训练时长1天14小时，耗资39.7万美元，双版本累计训练成本突破128万美元。罗福莉为小米引进的AI科研人才，此前主导DeepSeek-V2研发，其带领的团队今年3月推出的Mimo-V2-Pro曾位列Artificial Analysis全球大模型综合智能榜第八位。

链接

https://baijiahao.baidu.com/s?id=1876564365820584785&wfr=spider&for=pc

9月18日，阿里千问正式上线新一代原生全模态模型Qwen3.8-Omni-Flash，已在千问AI平台开放使用。模型支持文本、图像、音频、视频多类型输入，上下文窗口达1M Token。对比上一代Qwen3.5-Omni-Plus，该模型在30项评测平均得分提升超26%；音视频Agent、编码、长程任务等基准测试均取得明显进步，会议场景最长支持一小时音视频输入，可完成说话人区分、转录、纪要生成、风险分析及工具调用。API定价大幅下调，每小时音频输入价格降幅超98%，每小时音视频输入价格降幅超93%。同步推出实时版本Qwen3.8-Omni-Flash-Realtime，为首个支持 “听声辨位” 的全模态大模型，可融合空间声音与视觉判断声源方位。本次还开源Qwen-Live Harness，发布Qwen-MM-Plugins，支撑长音视频Agent工作流与实时全模态交互。

链接

https://baijiahao.baidu.com/s?id=1876639054345758872&wfr=spider&for=pc

9月17日，地瓜机器人宣布完成4亿美元C轮融资，距离B轮投资仅5个月，2026年内累计融资额已超过6亿美元。本轮由未来资产领投，美团战略投资部参与，合肥国投、南山战新投、璟泉资本等国资平台，以及多家一线投资机构联合跟投，过半老股东持续追加投资。地瓜机器人由地平线孵化、2024年初分拆独立，专注提供机器人软硬一体底层开发底座，核心产品包含旭日系列智能计算芯片、RDK机器人开发者套件。本轮资金将重点投入芯片产品布局与端云一体全链路软件平台研发。

链接

https://baijiahao.baidu.com/s?id=1876589350569205033&wfr=spider&for=pc

9月18日，RISC-V云端AI算力芯片企业奕行智能完成新一轮融资，融资金额近20亿元，据估计其投后估值接近150亿元。本轮投资方包括华泰创新、钟鼎资本、九安医疗、仁爱资本、赛意产业基金、和利资本、芯鑫租赁、恒旭资本、尚颀资本、容亿资本等20余家投资机构。奕行智能成立于2022年，专注于全栈自研的RISC-V AI计算芯片及计算平台解决方案，采用基于RISC-V指令集及其向量扩展（RVV，Vector Extension）、类TPU AI推理与训练架构和自研VISA虚拟指令集融合的差异化技术路线。本轮融资将支撑其 RISC-V AI 芯片技术迭代与产品落地，助力大模型、具身智能等产业的算力供给建设。

链接

https://baijiahao.baidu.com/s?id=1876635235900217836&wfr=spider&for=pc

9月15日，2026年国家网络安全宣传周人工智能安全治理论坛在山东济南召开，论坛主题为“智能之治 向上向善”。中央网信办副主任王京涛出席并致辞，强调AI发展要坚守“以人为本、向上向善”价值导向，推动人工智能安全、可靠、可控发展，并提出三点建议：坚持包容审慎、敏捷治理，完善AI安全监管制度；坚持问题导向、风险导向，夯实人工智能内生安全根基；坚持联防联控、共治共享，协同共建人工智能安全治理格局。本次论坛聚焦智能体风险防控、全周期安全治理等议题，会上发布“人工智能应用安全指引”系列网络安全标准实践指南、大模型安全众测结果等多项成果，汇聚政产学研用各方力量共商AI安全治理路径。

链接

https://wlaq.gmw.cn/2026-09/16/content_39003683.htm

本周刊由AI助手自动生成，谨供参考

审核人：中国信通院人工智能研究所 赵逸飞