9月4日AI下午档｜谷歌20亿安卓换上Gemini、微软自研语音模型碾压GPT、书生·万象3.5开源——8件大事看懂AI圈

下午好，这里是 uool 工具 AI 导航的每日 AI 速览。今天（9月4日）下午档，AI 圈发生了几件跟我们普通人息息相关的大事：谷歌给全球约 20 亿台安卓手机”换脑”、微软甩出自研语音模型把 GPT 甩在身后、国产书生·万象 3.5 开源叫板 GPT-5，还有 OpenAI 被卷入一场关于”AI 该不该报警”的官司。下面用大白话一件件讲清楚。

一、谷歌今起”拔掉”Google Assistant，20亿安卓设备换上 Gemini

服役近十年的谷歌语音助手 Google Assistant，从今天（9月4日）起正式在安卓手机、平板、Wear OS 手表和 Android Auto 上车机端退役，由新一代 AI 助手 Gemini 全面接棒。据多家媒体确认，约 20 亿台设备将在数周内分批迁移，而且没有”退回旧版”的开关。

用个比喻：这就像你家里用了十年的老管家退休了，换成一个会聊天、还会帮你办事的新管家。以前你说”定个闹钟”，老管家只会照做；新管家能听懂上下文、帮你写文案、规划行程、生成内容。

对普通人有什么影响？你的”Hey Google”以后不再是简单执行指令，而是真正的多轮对话和任务协作。不过代价是：Interpreter 实时翻译、每日智能家居简报等老功能被砍，部分旗舰机要跑更”重”、更吃云的 Gemini。语音助手正式从”听命令”跨进”能办事”的时代。

二、微软发布自研语音模型 MAI-Transcribe-2，比 GPT 快 10 倍还更便宜

9月3日，微软 AI 推出自研语音转写模型 MAI-Transcribe-2：每小时音频仅收费 0.10 美元（比初代降了约 72%），支持 60 种语言，在 FLEURS 基准上词错率仅 5.2%；速度上比 OpenAI 的 GPT-Transcribe 快 10 倍、比谷歌 Gemini 3.5 快 5 倍。

用个比喻：以前做会议记录，像请了个又慢又贵的速记员；现在微软自己造了个又快又便宜的”速记机器人”，还把对手收费的增值功能全免费打包了。

对普通人有什么影响？会议记录、字幕生成、客服通话转写成本大幅下降；更关键的是，这标志着微软正加速削弱对 OpenAI 的依赖，自研 AI 模型走向前台——未来你在 Office、Windows 里用到的 AI，可能越来越多是微软”亲生”的。

三、上海AI实验室开源书生·万象 3.5，多模态感知能力超越 GPT-5

上海人工智能实验室开源了通用多模态大模型书生·万象 3.5（InternVL3.5），一口气放出 9 种尺寸（10 亿到 2410 亿参数）。旗舰版在多学科推理基准 MMMU 上拿到 77.7 分，为开源模型最高；多模态通用感知能力超越 GPT-5，还能跨 Windows / Mac / Ubuntu / Android 自主操作电脑界面、辅助机器人训练和科研推导。

用个比喻：相当于开源界搬出一台”眼睛特别尖”的 AI，看图片、看界面、看图纸、看分子结构都行，而且把不同大小的型号都给你备齐了。

对普通人有什么影响？国产开源让企业和开发者免费用上顶尖”视觉 AI”，做智能办公、机器人、科研助手的门槛和成本大降；你将来用的国产 App，会变得更”看得懂图”。

四、OpenAI 11亿美元收购 Statsig，创始人出任应用 CTO

OpenAI 于 9月3日宣布以 11 亿美元收购 A/B 测试与产品分析平台 Statsig，其创始人 Vijaye Raji 将出任新设的”应用首席技术官”，向应用业务 CEO Fidji Simo 汇报。同期 OpenAI 启动组织重组，把应用层与研究层分工进一步理清。

用个比喻：OpenAI 不再只埋头造”发动机”（大模型），也开始认真做”整车和驾驶体验”了——用数据实验不断打磨产品，让它更好用。

对普通人有什么影响？ChatGPT 会更快”越用越懂你”：通过海量 A/B 实验持续调优体验，新功能上线提速。这也被外界视为 OpenAI 为上市铺路、应用商业化全面加速的信号。

五、瑞士发布完全开源大模型 Apertus，覆盖 1000 多种语言

瑞士 EPFL、ETH 与 CSCS 联合发布了完全开源的多语言大模型 Apertus，支持超过 1000 种语言，训练数据与流程全程透明公开，定位为普惠的公共 AI 基础设施，旨在提供商业方案的替代选项。

用个比喻：不像某些”黑盒”大模型藏着配方，Apertus 把”食材和菜谱”全摊开给你看，谁都能复刻、审计、改进。

对普通人有什么影响？小语种国家、非英语用户也能用上透明可查的 AI；超强的多语言能力，让跨国交流、少数语言保护有了公共工具，有助于打破英语巨头的垄断。

六、OpenAI 面临 30 起新诉讼，被指校园枪击案中”未报警”

9月4日报道，OpenAI 在加州面临 30 起新诉讼，由律所 Edelson PC 代理师生等群体提起，指控其在不列颠哥伦比亚一起校园枪击案中”协助并教唆”。诉称：安全人员曾发现涉案者与 ChatGPT 讨论暴力计划、并建议向加拿大警方报警，但公司高管未通知当局。诉讼把争议推到”AI 公司是否有法律义务在察觉 imminent 威胁时报警”。

用个比喻：当 AI 成了某个危险计划的”知情者”，它到底有没有义务替人”喊救命”？这道选择题，第一次被摆上法庭。

对普通人有什么影响？这关乎 AI 的安全责任边界——以后 AI 在发现自残、犯罪意图时该不该主动报警，直接影响每个人的使用安全与隐私边界，可能催生行业新规。

七、亚马逊上线 Lens Live，手机摄像头对准实物即可购买

亚马逊推出 Lens Live 实时视觉购物功能：打开摄像头对准实物，系统即可识别并匹配商品，AI 助手 Rufus 还能总结要点、答疑解惑，一键加入购物车。

用个比喻：把逛街”看到即买”搬进了手机——镜头扫过去，就知道那是什么、在哪能买到、值不值得买。

对普通人有什么影响？购物决策更快更省心，但也要警惕”随手一拍就被推商品”的隐私与冲动消费，理性下单别忘了。

八、ElevenLabs 音效模型升级至 V2，最长 30 秒、48kHz、可无缝循环

ElevenLabs 将音效生成模型升级到 V2：最高支持 30 秒生成、48kHz 采样率，音质与灵活性全面提升，并新增”无缝循环”，很适合做配乐与背景音效连续播放。

用个比喻：以前给短视频配环境音，要翻素材库碰运气；现在你说一句”雨夜咖啡馆环境音”，它就给你生成一段可无限循环的干净音轨。

对普通人有什么影响？自媒体、短视频创作者做音效的门槛大降，人人都能给作品配出专业级声音，内容生产的”最后一公里”又被 AI 填平了一块。

今日速览

关注【uool工具AI导航】，每天看懂AI圈