前 Plaud 高管为后台监听 AI 应用 Ambi 融资 2600 万美元
前 Plaud 高管创办的 Ambi 于 2026 年 10 月 12 日宣布融资 2600 万美元，并推出 iPhone、Mac 和 Apple Watch 应用，可在后台持续采集环境音频并处理用户全天听到的内容。该应用以常驻监听取代手动录音，改变了录音者及周围人的同意机制；公司尚未详细说明音频存储、访问权限及哪些数据会离开设备。
#AI 增强
Splitfeed评分2222 TechCrunch评分2222 前Plaud高管创办Ambi，融资2600万美元做常驻后台的AI应用
前Plaud高管Peter Mo创办的Ambi完成2600万美元多轮融资，由Luminous Ventures和华勤领投，并推出iPhone、Mac和Apple Watch应用。该应用可全天候监听用户，在会议中主动给出建议，并支持跨设备续接任务。环境采集默认关闭、用户可随时关闭，但告知他人的责任仍在用户，公司称不存储录音并加密数据。
腾讯新闻评分2727 上海大模型公司模思智能完成超10亿元Pre-A轮融资，将推全模态实时交互系统MOSS Live
上海大模型公司模思智能（MOSI）宣布完成超10亿元Pre-A轮融资，由华控基金领投，资金将用于全模态实时交互智能研发与全球商业化落地。该公司孵化于复旦大学邱锡鹏团队的OpenMOSS团队，今年已发布20多个模型，即将推出采用前后端模型协同架构的MOSS Live系统，面向AI眼镜、智能汽车及机器人等场景。
东方财富精选评分3434 模思智能完成超10亿元Pre-A轮融资，将发布MOSS Live实时交互模型
模思智能完成超10亿元Pre-A轮融资，由华控基金领投，国开科创、上海科创基金等参投，资金将用于全模态实时交互智能研发与全球商业化落地。该公司由上海创智学院与复旦大学联合孵化，2026年上半年已围绕语音、视觉和实时多模态连续发布20多个模型并持续开源，即将发布的MOSS Live由前端交互模型与后端能动性模型协同工作。
网易新闻评分2323 复旦教授邱锡鹏创办的模思智能再融10亿元，将发布MOSS Live系统
模思智能完成超10亿元Pre-A轮融资，由华控基金领投，资金将用于全模态实时交互智能研发与全球商业化落地。该公司2024年底孵化于邱锡鹏带领的OpenMOSS团队，聚焦语音、视觉及实时多模态交互，即将发布MOSS Live系统，通过前端交互模型与后端能动性模型协同实现实时交流、复杂推理和任务执行。
网易新闻评分2424 模思智能完成超10亿元Pre-A轮融资，将推进全模态实时交互智能研发
模思智能完成超10亿元Pre-A轮融资，由华控基金领投，国开科创、上海科创基金、新微资本等参投，元禾控股等老股东持续投资。资金将用于推进全模态实时交互智能的研发与能力建设，以及全球商业化落地。该公司由复旦大学教授邱锡鹏创立，计划推出实时交互系统MOSS Live。
Cartesia Blog评分2222 Raise Financial Services 与 Cartesia 合作，为印度金融市场打造多语言语音 AI
Raise Financial Services 正基于 Cartesia 的语音模型开发多语言语音体验，其 Dhan 语音机器人已有超 75% 的交互使用非英语语言，其中印地语占一半以上。Cartesia 的 Sonic 文本转语音模型支持印地语、泰米尔语、泰卢固语、马拉地语等 11 种印度语言，并可在单次生成中切换语言。Raise 将模型部署在自有基础设施内，超三分之一语音机器人来电在非工作时间由 AI 独立处理。
OpenAI News评分2222 Asana 用 GPT-6.1 Sol 在浏览器测试中将模型成本降低 76 倍
Asana 借助 Codex 中的 GPT-6 Astra，在浏览器测试中让其浏览器智能体成本降低 76 倍、速度提升 5 倍，从而为客户提供能力更强的模型。
声网博客精选评分6060 微软发布三款语音模型，流式识别与合成延迟进入百毫秒区间
微软于2026年10月1日发布三款语音模型：流式语音识别MAI-Transcribe-2-Streaming、语音合成MAI-Voice-2.1和MAI-Voice-2.1-Flash。MAI-Transcribe-2-Streaming在用户开始说话后约100毫秒给出首个部分转写结果，代价是模型无法回看整句上下文，易混淆词和被打断场景的出错概率更高；MAI-Voice-2.1-Flash端到端延迟150毫秒，推理速度比上一代提升55%，成本降低约60%，分块生成可能影响语调连贯性。文章还提到ElevenLabs v4 Turbo推理延迟也在100毫秒量级，并指出流式传输下连续小片段丢包会带来明显卡顿。
推荐理由：微软三款语音模型把流式识别与合成延迟压到百毫秒级，可对照理解分块生成在准确率与语调连贯性上的取舍。
AWS Media Blog评分2222 AWS 在 IBC 2026 展示 AI 媒体能力：四项 AWS Elemental 新功能亮相
AWS 在 IBC 2026 上发布四项 AWS Elemental 新能力，将 AI、个性化与智能变现引入直播视频工作流。其中 MediaPackage Dynamic Multiview 让观众自选多机位布局，可为广播商节省最高 97% 的编码成本；Inference Contextual Metadata 则实时提取 AI 元数据以支撑个性化与情境广告决策。
Google AI Blog评分2222 Google 2026 年 9 月 AI 更新汇总：Gemini 4 Argon 等
Google 回顾 9 月 AI 更新，最新前沿模型 Gemini 4 Argon 具备 100 万 token 输出上限，面向网络安全防御，目前通过 Fairwind Program 向受信任防御者分阶段开放。同月还发布 Gemini 3.8 Flash 与 3.8 Flash Cyber、Gemini 3.8 Live 语音模型，并为 Gemini 应用新增 Connected Apps。
声网博客评分4242 从 RTC 2026 看行业关注重心偏移：语音AI正成为实时系统研究主战场
IIT RTC Conference 2026 将"AI in RTC"设为与 WebRTC 并列的独立分论坛，语音AI对实时系统提出的规模、延迟、信任问题被正式承认为独立研究方向。会议讨论指出，语音AI路径天然非点对点，TURN中继转发压力随并发迅速堆高，可用eBPF将ChannelData包转发下沉内核层；一次对话约800毫秒延迟预算中，端点检测最难做准。2026年8月公开评测显示，语音端到端延迟最快已达0.44秒。
声网博客评分1818 声网对话式AI引擎支撑Live Play Mobile的AI游戏主播：24小时直播与真人主播学习闭环
Live Play Mobile为其24小时宾果直播间加入AI游戏主播，将语言→语音→虚拟形象链路交给声网兄弟公司Agora的对话式AI引擎，游戏逻辑、玩家记忆与主播人设留在自有框架。团队围绕低延迟模型定制语音处理以维持长时间互动的表现力，AI负责24小时多语言运营并把有效话术反馈给真人主播。声网称其方案提供400毫秒平均全球延迟、99.99%正常运行时间，覆盖200多个国家和地区。
海外技术动态精选评分7272 SEC 文件披露：Netflix 以 5.87 亿美元现金收购 Ben Affleck 参与创立的 AI 后期制作公司 InterPositive
Netflix 在截至 2026 年 6 月 30 日的 10-Q 文件中披露，3 月宣布收购的 InterPositive 现金对价为 5.87 亿美元（此前 Bloomberg 称交易最高可达 6 亿美元）；该公司专注后期制作的 AI 工具（补拍镜头、背景替换、灯光修正），不生成全新内容，16 人团队整体加入，Affleck 出任高级顾问；Netflix 另披露约 300 部作品已使用生成式 AI。
推荐理由：流媒体巨头将 AI 制作能力收归自研的最大单笔交易之一，金额与战略意图均已实锤。
Cartesia Blog评分3636 Cartesia 获 Kleiner Perkins 领投 6400 万美元 A 轮融资，发布语音生成模型 Sonic 2.0
Cartesia 宣布完成由 Kleiner Perkins 领投的 6400 万美元 A 轮融资，并推出基于状态空间模型架构的语音生成模型 Sonic 2.0。该模型规模是 Sonic 的两倍但速度更快，全模型延迟 90ms、turbo 模式 40ms，在 100 个留出音色的盲测中偏好度达次优厂商的 1.5 倍，同时新增变声与音频填充两个接口。
Cartesia Blog评分3636 Cartesia 宣布 2700 万美元种子轮融资，由 Index Ventures 领投
Cartesia 宣布完成 2700 万美元种子轮融资，由 Index Ventures 领投，Lightspeed、General Catalyst 等参投。该公司基于 S4、Mamba 等 SSM 架构研发多流模型，已推出超写实语音生成模型 Sonic 并实现端侧部署，新模型在 Sonic Preview 中开放试用，未来几周将通过实时 API 提供。