据消息，日前，字节跳动Seed发布了原生GUI智能体UI-TARS-2，其可以自主操作电脑、手机完成搜索、创建网页、搜集新闻、创建查询工具、玩小游戏等诸多任务。

字节跳动放出的Demo中，UI-TARS-2一口子完成了搜索字节跳动Seed 1.6新闻并部署网页的任务。这一提示词是“搜索关于字节跳动Seed1.6模型的新闻，然后以现代风格编写一个网页并部署”。

多模态AI生图全面升级

此外，字节旗下即梦AI于9月5日正式推出即梦图片4.0版本。该版本首次实现多模态生成能力，将文生图、图像编辑和组图生成三大功能集成于同一模型中，用户通过自然语言描述即可灵活控制图像内容，大幅降低AI创作门槛。

目前，即梦图片4.0正在逐步向全量用户开放，预计在未来几天内完成覆盖。字节跳动表示，该版本的发布标志着其在多模态AI图像生成领域取得重要进展，有望进一步推动AIGC技术的普及与应用创新。

苹果自研AI搜索产品提前

据悉，上月初，彭博社曾报道苹果（AAPL.US）正在开发一款自研生成式 AI 搜索产品，并为此组建了全新的“答案、知识与信息”团队。

根据马克?古尔曼发布的《Power On》通讯内容，苹果这款自研 AI 搜索产品的推出时间可能已并不遥远：“苹果借此次重构智能助手的契机，同步打造了一款全新搜索产品 —— 内部代号为‘World Knowledge Answers’，旨在与 Perplexity、OpenAI 的 ChatGPT 等产品展开竞争。

AI竞争力还在上升

事实上，AI大模型发展到今天，其实已接近了临界点，推动AI应用变现是判断转型成功与否的关键。受访业内人士认为，在大模型、数据甚至AI智能体等方面，应关注AI模型与网络能力的融合变现。

更重要的一点是，大模型的快速迭代正推动算力、数据与应用的全链条升级，从文本到音视频，从B端到C端，应用场景不断扩展，资本市场的关注点也随之转向。多模态AI时代的新机遇，正在重塑未来产业与投资版图。

微美全息探索多模态AI技术架构

当前，全球AI大模型竞争日益激烈，资料显示，微美全息（WIMI.US）作为AI视觉领域标杆公司，发力大模型业务，在AI领域的进展已逐步明朗。目前，该公司重点突破多模态数据融合、实时交互能力及场景化应用，同时通过生态协同加速技术商业化进程，多模态AI视觉模型能为人形机器人提供实时场景理解能力，加速探寻行业的上限。

相对而言，多模态大模型的发展空间更为广阔。从投资视角来看，微美全息重点关注具备“护城河+成长性”的发展前景，主要集中在基础设施环节和垂直应用领域，采用了开源协议降低开发者门槛，提供软硬一体开源应用方案，支持全感官交互、场景化记忆等前沿应用，成为微美全息新的AI收入来源，成长天花板打开。

结语

长期以来，尤其是OpenAI发布ChatGPT之后，以生成式AI为代表的人工智能在全球范围内迅速发展，给整个产业带来了巨大机遇。在AI应用层竞争中，随着行业对高质量数据需求的提升，AI商业的潜力将持续释放。特别是在多模态AI时代将对整个产业进行重构，产业的基础架构、商业模式所需的资源与能力也将发生根本性的变化。