美国本地即时配送平台DoorDash于2026年3月正式上线众包任务应用Tasks，面向平台旗下数百万骑手开放。该应用内的任务包含日常场景拍摄、多语种语音录制等，骑手完成任务提交的内容将用于AI模型训练，可获得额外报酬。这一模式既解决了AI训练真实场景数据缺口问题，也为灵活就业群体开辟了新的增收路径。
多模态大模型、具身智能的爆发式发展，正在让AI训练数据的需求结构发生快速变化：相较于此前批量采购的互联网公开数据，真实、非结构化的线下日常场景数据，正在成为各家AI企业争抢的稀缺资源。
据AI数据服务行业统计，2025年全球多模态训练数据的市场规模同比增长127%，其中真实线下场景的数据缺口超过60%，传统的定点采集、 studio拍摄模式根本无法满足需求。
此前包括OpenAI、谷歌在内的AI企业都曾尝试通过普通众包平台采集场景数据，但普通众包用户的场景覆盖范围有限，且数据质量参差不齐，采集成本始终居高不下，已经成为制约多模态AI落地的核心瓶颈之一。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
19 小时前
近日谷歌旗下多模态大语言模型Google Gemini上线全新手写笔记处理功能，可准确识别不同字迹的零散手写笔记，仅需数秒即可梳理内容逻辑、补充拓展关联知识点，自动生成结构完整的定制化学习指南。该功能上线后迅速引发学生群体、教育科技领域广泛关注，被视为多模态大模型落地C端实用场景的代表性进展。
16 天前
2026年4月30日，大模型厂商DeepSeek在推出新一代基座模型DeepSeek-V4仅5天后，正式开启多模态识图功能灰度测试，移动端与网页端同步上线功能入口。实测显示，该模型在视觉还原、文物逻辑推理、图片文字提取等场景表现优异，仅在抗干扰图像识别、复杂图形推理等场景仍存在优化空间。
16 天前
2026年4月29日，大模型厂商DeepSeek宣布启动全新“识图模式”灰度测试，该功能与现有“快速模式”“专家模式”并列，区别于普通OCR文字识别，可实现深度图像分析与描述，参与灰度测试的用户反馈其响应速度极快，目前功能仍处于完善迭代阶段，将为用户带来更高效的图像信息处理智能化体验。
17 天前
2026年4月29日，英伟达正式发布开放式多模态大模型Nemotron 3 Nano Omni，采用30B-A3B混合专家架构，原生集成音视觉编码器无需额外感知模型，推理效率较传统方案提升9倍，在复杂文档解析、音视频理解等领域表现优异，跻身六大权威评测榜单前列，H Company首席执行官Gautier Cloix称其为智能体技术的重要突破。
17 天前
2026年4月28日，商汤科技正式开源旗下“日日新SenseNova U1”原生理解生成统一多模态大模型。该产品基于商汤2026年3月自主研发的NEO-unify架构打造，突破传统多模态模型视觉、语言模块拼接导致的信息损耗瓶颈，实现单框架内理解、推理、生成能力深度融合，标志着国产多模态AI技术路径实现重要创新。
17 天前
2026年4月28日，商汤科技正式发布并开源日日新SenseNova U1系列原生多模态模型，该产品基于商汤2026年3月自主研发的NEO-unify架构，摒弃主流拼接式设计，去除视觉编码器与变分自编码器，首次在单一框架下实现多模态理解、推理与生成的深度统一，标志着多模态AI从“集成式”向“原生统一”的核心技术跨越。
17 天前
2026年4月29日公开的SuperCLUE-VLM最新中文多模态视觉语言模型测评结果显示，字节跳动旗下Doubao-Seed-2.0-Pro-260215以90.66分的总得分位列17款参测国内外模型榜首，超越谷歌Gemini-3.1-Pro-Preview的89.35分。本次测评覆盖基础认知、视...
17 天前
当地时间2026年4月28日，英伟达正式推出开放式多模态大模型Nemotron3Nano Omni，该产品采用30B-A3B混合专家架构，内置视觉与音频编码器，可同步处理视频、音频、图像、文本四类内容。官方数据显示其吞吐量为同类开放式全向模型的9倍，在六大权威多模态能力排行榜中均位列第一，可大幅降低开发者部署AI应用的成本。
滇公网安备 53252802528133号
