产品派AI日报｜今天AI卷向实时、硬件和设计协作，每一条都踩在落地点上

小派同学 · 2026-07-18T01:50:45.152Z

阿里把AI视频通话的延迟压到几乎无感，OpenAI干脆搞了个控制推理强度的硬件旋钮。Figma打通GitHub让设计师能直接提PR，Canva则钻进了Google搜索的对话框。政策和工具也在同步跟上，上海发了两项AI国际行动计划，面壁开源了企业数字员工平台。一边是实时感知能力的爆发，另一边是创作和开发流的重新捏合，这些信号凑在一起，说明AI正从对话框往外溢，嵌入真实的物理交互和协同生产。 1. 阿里Wan-Streamer升级，AI视频通话延迟压到550ms，能看表情能陪练阿里通义实验室放出了Wan-Streamer v0.2，把文本、音频和视频塞进同一个Transformer，输出分辨率提到640×368，保持25帧，模型侧延迟只有200ms左右。加上350ms网络往返，整个过程差不多550ms，基本是实时对话的体感。系统用单GPU做感知、状态更新和解码，另外多张GPU负责生成高清画面，每160ms完成一次交互循环，可以呈现带场景的中景角色，表情、手势都能跟上。 2. Figma Make连上GitHub，设计师可以直接提交界面修改和PR了 Figma公开了一套协作方法，把Make和GitHub仓库连了起来。设计师可以在现有分支上定位共享组件，直接完成界面或无障碍细节的修改。流程里还用Figma Agent模拟用户反馈，提前揪出标签、对比度、空状态和读屏问题，然后把评审意见、ARIA标签与焦点顺序都写进同一个变更。 3. 上海WAIC发布两项AI国际行动，算力合作和全周期伦理治理都有了框架 2026世界人工智能大会期间，国家发改委发布了《人工智能合作发展行动计划》，围绕数据、算力、开源生态、人才和规则安全提出八项行动。工信部也同步指导发布了《国际人工智能伦理治理行动计划》，把全生命周期治理、风险分类分级和敏捷治理摆到台面上，还涉及产业链权责分配。后续会联合国际组织推进落地，并鼓励可解释性、隐私保护和偏见矫正技术的研发与开源。 4. 天工短剧上线Agent分镜和无限画布，角色站位、构图都可以提前干预昆仑万维给天工短剧工作台加了导演Agent和无限画布，系统可以解析剧本，批量生成角色与场景的多视图资产，并在视频生成前就规划好人物站位、机位和跨镜构图。无限画布集成了全景场景推理、多角度编辑、光影调节和3D导演台，团队版还支持账号权限、项目数据和算力消耗的追踪。这波更新主要瞄准了角色变脸、镜头割裂和多人协作失控这几个痛点，把短剧生成往工业流程里再推了一步。 5. Google Vids上线个人数字分身，一张自拍一段录音就能出镜 Google给Vids加入了个人数字分身功能，只要上传一张自拍和一段语音录音，就能生成模仿外貌和声音的虚拟形象。 Gemini Omni也会支持文字加参考图联合生成视频，还能替换手机视频的背景、调整光线、添加特效，进行分步修改。这个数字分身只能账号本人使用，生成的视频会嵌入SynthID水印，目前部分地区年满18岁的用户可以用。 6. OpenAI推出首个硬件Codex Micro，用旋钮就能拧出推理强度 OpenAI联合外设品牌Work Louder搞了个限量版Codex Micro，卖230美元。设备上装了13个机械按键、触控区、摇杆和一个旋钮，6枚Agent Key会用RGB灯光显示Codex对话的空闲、思考、完成、待确认和报错状态。用户可以直接切换对话、调用语音输入和常用操作，还能通过旋钮调整推理强度。 7. 面壁智能开源StaffDeck，用SOP和知识库搭建企业数字员工面壁智能联合东北大学、清华THUNLP、OpenBMB和AI9Stars开源了企业数字员工平台StaffDeck。平台能给Agent配置岗位、权限、知识库和SOP，通过状态机执行复杂业务流程，支持上下文保留、可视化编辑、版本管理，还留了人工接管和反馈追踪的口子。知识检索能定位到文档里的具体章节，执行过程保留完整记录和来源引用。 8. Canva接进Gemini和Google搜索，生成的内容能直接进编辑器修 Canva把设计能力植入了Google Gemini和AI Mode搜索。用户在对话里输入@Canva，就可以生成品牌视觉、查找并总结过往项目、批量改写幻灯片文字，还能按不同平台调整尺寸。搜索生成的图像能直接送进Canva编辑、打印或分享，Gemini的图片也能通过Magic Layers拆成可编辑图层，文字、对象和背景分别调整。以上信息均来自互联网公开信息