AI行业速览｜2026年11月2日焦点观察
今日AI行业呈现技术与应用双轮驱动的发展态势，大模型能力持续增强，多模态交互成为主流趋势。搜索引擎、办公协同与垂直行业应用深度融合，AI原生操作系统与具身智能技术取得突破性进展。资本层面，头部企业开源战略加速，产业生态构建进入新阶段，同时监管框架日趋完善，推动行业健康可持续发展。
百度升级AI搜索功能，多模态交互体验全面优化
百度于11月2日正式宣布对AI搜索功能进行全面升级，新增多模态内容理解与生成能力。此次升级使百度搜索能够更精准地处理图像、视频和音频等多媒体内容，并提供更丰富的交互体验。用户可直接通过上传图片或视频获取相关信息，同时支持基于多模态内容生成文本摘要和分析报告。
此次升级标志着百度在AI搜索领域的技术领先地位进一步巩固，也将推动搜索引擎行业向更智能、更个性化的方向发展。百度计划在未来三个月内，将这一功能扩展至移动端应用，并加强与第三方内容平台的深度合作，构建更完善的AI搜索生态系统。
豆包工作正式接入DeepSeek，协同办公效率大幅提升
豆包工作平台于今日宣布正式接入DeepSeek大模型，双方已完成技术对接与功能整合。此次合作使豆包工作平台能够提供更强大的文本理解、内容生成和任务管理能力，用户可通过自然语言指令完成复杂的办公任务，如文档撰写、数据分析、会议纪要生成等。
此次合作将显著提升企业协同办公效率，预计将为数百万用户提供更智能的工作体验。双方计划在2027年第一季度前，进一步深化合作，推出更多针对垂直行业的定制化解决方案，并探索AI在远程办公、团队协作等场景的创新应用。
谷歌Gemini全面支持PDF、表格等内联编辑功能
谷歌于11月2日宣布，其Gemini大模型现已全面支持对PDF文档、电子表格等格式的内联编辑功能。用户可直接在Gemini界面中上传PDF文件，利用AI技术进行内容提取、修改、注释和格式转换，同时支持对Excel等表格数据进行智能分析和可视化处理。
这一功能将彻底改变用户处理文档的方式，大幅提升办公效率。谷歌表示，未来还将扩展支持更多文件格式，并加强与Google Workspace生态系统的集成，打造更完整的AI办公解决方案。此举也反映了AI技术在文档处理领域的快速成熟和应用落地。
混元模型即将发布Hy4与Hy4flash两大新版本
混元团队于今日宣布，将于11月15日正式发布新一代大模型Hy4及其轻量版Hy4flash。据悉，Hy4在理解能力、推理精度和长文本处理方面均有显著提升，而Hy4flash则针对移动端和边缘计算场景进行了优化，具备更低的资源消耗和更快的响应速度。
此次发布将进一步丰富混元模型的产品矩阵，满足不同场景下的AI需求。混元团队表示，新版本将采用更先进的训练方法，在保持高性能的同时，显著降低能耗和碳排放。未来，混元计划将模型能力扩展至更多垂直领域，包括医疗、教育和金融等，推动AI技术的产业落地。
Claude Code上线全新环境变量功能，开发体验再升级
Anthropic于11月2日宣布，其AI编程助手Claude Code正式上线全新环境变量功能。该功能使开发者能够更高效地管理项目环境配置，支持自动检测和同步不同开发环境中的变量设置，大幅简化了跨平台开发流程。同时，新版本还增强了代码补全和错误检测能力。
此次更新标志着AI辅助编程工具向更专业、更实用的方向发展。Anthropic表示，未来将继续深化Claude Code在代码理解、重构和测试方面的能力，并计划推出更多针对特定编程语言和框架的优化版本，助力开发者提升工作效率。
智元发布具身智能原生OS灵渠1.0，机器人交互进入新时代
智元机器人于今日正式发布具身智能原生操作系统灵渠1.0。该系统专为机器人设计，集成了环境感知、决策规划和动作控制等核心功能，支持多模态交互和自主学习。灵渠1.0采用模块化架构，可灵活适配不同类型的机器人，大幅降低了机器人应用开发的门槛。
这一发布标志着具身智能技术的重要突破，将加速机器人在家庭、医疗和服务等领域的应用落地。智元表示，未来将与多家机器人制造商建立合作，共同推动灵渠系统的生态建设，并计划在2027年推出支持更复杂场景的2.0版本。
DeepMind发布世界模型Genie4，虚拟环境生成能力大幅提升
DeepMind于11月2日发布新一代世界模型Genie4，该模型能够根据文本描述生成高度逼真的3D虚拟环境。与之前版本相比，Genie4在场景细节、物理规律模拟和交互性方面均有显著提升，生成的虚拟环境可用于游戏开发、虚拟训练和数字孪生等多种应用场景。
Genie4的发布将大幅降低虚拟内容制作的门槛，为创意产业和工业仿真等领域带来新的可能性。DeepMind表示，未来将继续优化模型的生成质量和效率，并探索与AR/VR技术的结合，打造更沉浸式的虚拟体验。同时，团队也将研究如何利用这一技术加速科学发现和工程设计。
WorkBuddy上线远程控制功能，远程协作效率倍增
WorkBuddy平台于今日宣布正式上线远程控制功能，使团队成员能够安全、高效地共享和控制远程设备。该功能采用端到端加密技术，确保数据传输安全，同时支持多屏协作和实时标注，大幅提升了远程团队的工作效率和协作体验。
这一功能的推出反映了远程办公需求的持续增长和技术解决方案的不断创新。WorkBuddy计划在未来六个月内，进一步扩展功能支持，包括增强现实协作和跨平台设备管理，并加强与主流办公软件的集成，打造更完整的远程工作生态系统。
蚂蚁灵光2.0正式发布，AI助手能力全面升级
蚂蚁集团于11月2日正式发布AI助手灵光2.0，新版本在理解能力、多轮对话和个性化服务方面均有显著提升。灵光2.0能够更好地理解用户意图，提供更精准的金融服务建议，并支持语音、文字和图像等多种交互方式，为用户提供更智能的金融生活助手。
此次升级将进一步强化蚂蚁在AI金融服务领域的领先地位。蚂蚁表示，未来将继续深化灵光与支付宝生态的融合，拓展在智能投顾、风险控制和个性化推荐等场景的应用，同时加强数据安全和隐私保护，为用户提供更安全、更便捷的金融服务体验。
千问App上线三大核心学习功能，知识获取更高效
阿里巴巴于11月2日宣布，其AI助手千问App正式上线三大核心学习功能：知识图谱构建、智能笔记和个性化学习路径规划。这些功能能够帮助用户更高效地获取、整理和应用知识，支持多源信息整合和自动生成学习摘要，大幅提升了学习效率。
此次更新反映了AI技术在教育领域的深入应用。阿里巴巴表示，未来将继续优化这些功能，并计划推出更多针对不同学习场景的定制化解决方案，同时探索AI与线下教育的融合模式，打造更完整的智能学习生态系统。
英伟达开源语音大模型Nemotron 3.5 Transcribe
英伟达于11月2日宣布开源语音大模型Nemotron 3.5 Transcribe，该模型具备高精度的语音识别和转录能力，支持多语言和多种口音。Nemotron 3.5 Transcribe采用先进的声学建模和语言理解技术，能够在嘈杂环境中保持较高的识别准确率，适用于会议记录、语音助手等多种场景。
这一开源举措将进一步推动语音AI技术的发展和应用普及。英伟达表示，未来将持续优化模型性能，并计划扩展支持更多语言和方言，同时加强与开发者社区的互动，共同推动语音AI技术的创新和应用落地。
火山引擎MaaS业务上半年收入达48亿元，毛利率超55%
字节跳动旗下火山引擎于11月2日公布其MaaS（Model as a Service）业务上半年业绩报告，显示该业务收入达到48亿元，毛利率超过55%。这一成绩反映了企业对AI模型服务的强劲需求，以及火山引擎在AI基础设施领域的领先地位。
火山引擎MaaS业务的快速增长，将进一步推动AI技术在各行业的应用落地。公司表示，未来将继续加大在AI基础设施和模型研发方面的投入，扩展服务能力和应用场景，同时优化产品架构，提升服务质量和用户体验，巩固其在企业AI服务市场的领先地位。
