/
手机里的NPU越来越强，为什么AI体验还在原地踏步？
尽管芯片厂商不断推出性能更强的神经处理单元，声称比上代产品快30-40%，但大多数AI功能仍依赖云端处理。专家指出，云端AI模型拥有数千亿参数，而手机NPU只能处理约30亿参数的模型。本地AI处理虽然在隐私保护和可靠性方面具有优势，但受限于内存容量和处理能力，目前主要应用于特定场景。业界正致力于优化模型压缩技术，实现云端与本地AI的混合处理模式。
如何使用现有基础设施让数据做好AI准备
Hammerspace通过现有NVMe存储最大化GPU使用率。随着AI计算在混合云和多云环境中扩展，基础设施团队面临着加速洞察时间同时最大化GPU投资的压力。Hammerspace Tier 0将GPU服务器集群内的本地NVMe存储转换为超高速共享存储层，性能比传统网络存储提升10倍，减少检查点时间，提高GPU使用率，改善推理响应时间，无需额外存储系统，节省数百万美元成本。
IT领导者快问快答：思科光网络公司首席数字信息官Craig Williams分享AI转型经验
Ciena副总裁兼首席数字信息官Craig Williams分享了光网络和高速连接提供商如何应对AI挑战。他指出这一转型过程"既令人兴奋又让人谦卑，没有既定的变革模板"。Williams团队已评估超过250个AI创意，并将最有前景的项目投入实施。他强调了两个AI战略应用：利用AI辅助编程提升内部效率，以及通过AI降低数字基础设施能耗。
Anthropic CEO警告AI行业泡沫化，批评"YOLO"式投资
Anthropic首席执行官达里奥·阿莫代在峰会上警告AI行业存在泡沫风险，暗示某些竞争对手采取过于激进的策略。他提到一些公司存在"YOLO"心态，进行大规模循环投资，可能因时机判断错误而面临风险。阿莫代强调，虽然技术发展稳健，但经济层面存在不确定性，数据中心建设需要提前1-2年规划，买多买少都有风险。
雅虎利用AI实时总结橄榄球比赛精彩内容
雅虎在其体育应用中推出了名为"比赛解析"的新功能，利用AI模型自动生成比赛快照。该功能包含三个核心部分：比赛摘要、重要比赛片段流和后续问题提示。AI模型不仅挖掘统计数据，还试图理解比赛的情感层面和人文故事。雅虎计划结合自身记者团队和用户反馈来训练系统，使其更好地理解体育比赛中真正重要的内容。未来该功能将扩展到其他体育项目，并可能提供个性化定制服务。
押注AI智能体，奇奇科技跨越十年的“换挡”与远航
阿里云正在携手伙伴将AI像水电一样输送到各行各业，而像奇奇科技这样的生态“毛细血管”，必须具备将这些“水电”接入企业“最后一公里”的能力。
联想天禧AI及创新终端设备在2025 AIE博览会获两项大奖，引领个人AI体验创新
联想集团在AIE 上，集中展示了混合式AI战略下的系列创新成果，凭借在个人AI领域的突出表现，接连荣获两项行业重要奖项。
浙江大学突破视频AI瓶颈：让计算机用"金字塔眼光"看视频，速度提升10倍不掉质量
浙江大学研究团队提出金字塔稀疏注意力技术，通过模仿人类视觉的自适应处理机制，为不同重要性的视频信息分配不同精度的计算资源。该方法在保持视频质量的同时将计算量降低至35%，在视频生成任务中即使在91%稀疏度下仍保持优异性能，为解决视频AI的计算瓶颈提供了突破性方案。
KAIST团队破解大模型"组队"难题：什么时候"合作"最有效？
KAIST研究团队提出SAFE框架，解决大语言模型合作中的关键问题。通过主厨+助手分工模式，SAFE只在必要时触发模型合作，避免传统方法的"事事商量"低效模式。该方法基于语言兼容性和意见一致性两大判断标准，在数学推理等复杂任务中平均提升5.72%性能，运行速度接近单模型，为AI系统协作提供了高效实用的解决方案。
北京大学团队突破AI图像编辑瓶颈：让机器像人类一样理解编辑指令
北京大学团队开发了革命性的AI图像编辑训练框架Edit-R1，通过让多模态大语言模型充当"导师"实时指导AI学习，突破了传统训练方法的局限。该框架在权威测试中全面超越现有技术，让AI能像人类一样理解编辑指令。这项技术将大大降低图像编辑门槛，让普通用户仅通过自然语言就能实现专业级编辑效果，有望彻底改变图像编辑行业的未来发展。
浙江大学提出XKG：让AI自动复现科研论文的神奇知识图谱
浙江大学研究团队开发了XKG（可执行知识图谱），这是一个革命性的AI系统，能够自动复现科研论文中的实验结果。XKG通过将技术概念与可执行代码直接关联，解决了传统AI系统只能生成粗糙代码框架的问题。在PaperBench测试中，XKG使AI智能体性能提升超过10%，特别是在处理基于现有技术改进的分析性论文时效果显著。该系统采用完全自动化的构建流程，为大规模科研知识管理提供了新思路。
中科院团队突破AI诚信对齐新难题：仅需千分之一标注数据，让大模型学会"知之为知之"
中科院团队提出EliCal框架，通过两阶段训练解决大语言模型诚信对齐难题。该方法仅需0.18%的标注数据就能达到传统方法98%的性能，并在未见任务上表现优异。研究还构建了包含63万样本的HonestyBench基准数据集，为AI诚信评估提供标准平台，推动可信AI发展。
微软AI首次让小型语言模型变身超级推理机：8B参数媲美600B巨无霸
微软亚洲研究院团队提出深度自进化推理方法，让80亿参数的小型AI模型通过反复自我验证和改进，在数学推理任务上超越6000亿参数的大模型。该方法基于马尔科夫链理论，通过多轮迭代让模型深度思考，成功解决了5道原本无法解答的竞赛难题，为AI推理能力提升开辟了用计算时间换取模型能力的新路径。
拯救AI视觉智能的终极数据库：Hugging Face团队如何让机器彻底学会"看懂"世界
Hugging Face联合多所顶尖大学发布FineVision数据集，这是目前最大规模的开源视觉语言训练数据库，包含2400万个高质量样本。通过创新的半自动化处理流程和严格的质量控制，该数据集显著提升了AI视觉理解能力，使开源模型性能大幅超越现有基准。完全开源的FineVision为全球AI研究社区提供了宝贵资源，有望推动视觉AI技术的民主化发展。
大型推理模型的"注意力劫持"危机——亚马逊研究团队揭示AI推理过程的致命弱点
亚马逊研究团队发现大型推理模型存在严重的"推理分心"安全漏洞：攻击者通过在输入中嵌入复杂干扰任务，可让顶级AI系统准确率下降60%。研究揭示了三种攻击模式，发现强化学习训练反而会增加脆弱性，并提出了有效的防御训练方法，为构建更安全可靠的AI系统提供了重要指导。
Salesforce发布EDR：让AI智能体像专业分析师一样做企业深度研究
Salesforce AI Research开发了EDR企业深度研究系统，这是一个可操控的多智能体AI框架，能像专业分析师团队一样处理复杂企业研究任务。系统包含主规划智能体、四个专业搜索智能体、企业工具生态和反思机制，支持实时人工指导。在多个基准测试中表现卓越，同时提供完整的研究轨迹数据集，为企业AI研究应用树立新标准。
苹果AI研究院惊人突破：让电脑代理人既能点击又能编程的混合行动技术
苹果公司和香港大学联合研究团队开发了UltraCUA系统，这是首个能够同时使用GUI操作和程序工具的混合行动AI。该系统通过自动化工具收集、合成数据生成和两阶段训练，在OSWorld基准测试中实现了41%的成功率，比传统方法提高22%，步骤数减少11%，为电脑操作AI开辟了新方向。
Meta发布Embody 3D：首个覆盖500小时完整人体动作的3D数据集，重新定义虚拟人运动研究
Meta Codec Avatars实验室发布了Embody 3D，这是迄今最大规模的3D人体动作数据集，包含500小时个人动作数据和超过5400万帧记录。该数据集覆盖七大类动作场景，从基础动作到复杂多人互动，使用80台高精度摄像机和640通道音频系统收集。与现有数据集相比，它首次同时提供了大规模、高质量3D追踪、完整身体形状、手部追踪、音频和文本标注，为虚拟人技术、机器人学和人机交互研究提供了前所未有的综合资源。
私有化云端：私有云和主权云的崛起
Gartner预测，到2029年，超过50%的企业将采用数字主权策略，以确保对数据和关键系统的国家控制。主权云将在这些策略中发挥关键作用，使企业能够在确保合规性的同时实现系统"云化"。企业正在采用私有云、主权云和本地数据中心等多种云私有化模式，主要驱动因素包括业务一致性、IT资源、成本和性能考量。
京公网安备 11010802021500号
