/
阿里巴巴团队打造智能文档解析神器：让AI读懂复杂PDF像翻阅故事书一样简单
阿里巴巴团队开发的Logics-Parsing系统通过创新的两阶段训练方法，实现了文档解析领域的重大突破。该系统不仅能准确识别文字、表格、公式等内容，更重要的是能像人类一样理解文档的整体布局和阅读逻辑，在包含1078页复杂文档的LogicsParsingBench基准测试中达到最优性能，为数字化办公、学术研究、法律服务等领域的智能化升级提供了强有力的技术支撑。
当AI变身全能艺术家：Adobe研究院如何用"掩码扩散"革命多模态智能
Adobe研究院联合UCLA开发的Lavida-O系统，首次在单一AI模型中实现图像理解、生成、编辑的完美统一。采用创新的掩码扩散技术，该系统不仅生成速度比传统方法快6.8倍，还具备规划和反思能力，能像真正的艺术家一样思考和创作，在多项权威测试中超越现有最佳模型。
Adobe团队发布EditVerse：一个模型搞定所有图片和视频编辑
Adobe Research团队联合香港中文大学开发了EditVerse，这是首个统一处理图片和视频编辑的AI模型。它采用创新的交错序列设计和四维位置编码，将文本、图片、视频转换为统一表示，实现跨模态知识共享。研究团队创建了23.2万个高质量视频编辑样本的训练数据，并建立了EditVerseBench评测基准。EditVerse在20多种编辑任务上超越现有开源方法，展现出强大的举一反三能力，为多媒体内容创作带来革命性突破。
沃尔玛与OpenAI合作推出ChatGPT智能购物功能
沃尔玛宣布与OpenAI达成合作，消费者将能够通过ChatGPT聊天机器人购买沃尔玛产品，包括日用品、家庭必需品等，并可即时结账。该智能购物功能还支持山姆会员店用户进行餐食规划和补货。用户需将沃尔玛账户与ChatGPT关联，点击"购买"按钮即可完成购物。此外，沃尔玛还推出了自主研发的生成式AI购物助手Sparky，旨在提供更个性化和主动式的购物体验。
全球云市场接近千亿美元，新兴云服务商激增200%
企业云基础设施服务支出在2025年第二季度达到990亿美元，同比增长25%。生成式AI系统成为关键驱动力，IaaS和PaaS服务增长27%。亚马逊AWS占据30%市场份额领先，微软Azure和谷歌云分列二三位。专业化新云服务提供商表现突出，第二季度收入超50亿美元，同比增长205%。这些GPU专用的AI优化基础设施提供商预计2025年将产生230亿美元收入。
NetApp推出AFX阵列和AI数据引擎解决方案
NetApp发布全闪存AFX阵列，采用分解式架构独立扩展存储与计算资源。新增AI数据引擎可为大语言模型预处理ONTAP数据，提供勒索软件防护服务并增强谷歌云集成。AFX系统支持高达128个存储控制器集群，容量超过1EB，内置AI驱动的自主勒索软件防护。该架构借鉴了VAST Data等厂商的设计理念，为NetApp两万多客户提供更好的AI企业工作负载支持。
VirtualZ为大型机工作负载向公有云迁移提供中间解决方案
AWS等主要云服务提供商希望将大型机应用迁移至公有云，但许多应用仍停留在原有环境中。VirtualZ提供桥接解决方案，使大型机数据能够被公有云应用访问。AWS Transform for Mainframe服务可帮助组织迁移老旧大型机应用，但迁移过程可能不完整。VirtualZ通过其Lozen软件实现数据侧现代化，允许AWS上的现代化应用实时安全地读写IBM Z数据集，无需复制或代码更改。
Arm与开放计算项目合作发布AI数据中心芯片组新标准
Arm与开放计算项目合作，推出AI数据中心高效基础设施标准以应对能耗挑战。传统数据中心依赖分离式服务器板连接各组件，而SoC设计将计算、内存和网络接口集成到单一芯片中，降低功耗和延迟。Arm贡献基础芯粒系统架构规范，并扩展生态系统合作伙伴。现今AI机架功耗是五年前的10倍，芯粒模块化设计可实现更好的性能功耗比。
三星与SK海力士携手OpenAI在韩建设Stargate数据中心
三星和SK海力士将与OpenAI合作在韩国建设星门数据中心，这是OpenAI全球基础设施推进计划的一部分。星门项目总投资5000亿美元，计划到2029年建设20个AI数据中心。两家韩国内存制造商将把芯片产能扩大至每月90万片晶圆，主要生产HBM等高带宽内存。该合作预计为三星和SK海力士带来超过1000万亿韩元的增量需求。
东芝验证12碟硬盘技术，容量提升20%
东芝验证了12碟片硬盘驱动器技术，相比其10碟片微波辅助磁记录技术容量提升20%。该公司目前的10碟片硬盘最高容量为28TB。新的12碟片技术需要更薄的碟片和4个额外的读写磁头，东芝是业界首家实现此技术的制造商。通过12碟片技术，东芝可将容量提升至33.6TB，但仍落后于希捷的40TB产品。东芝计划2027年推出40TB级硬盘。
Sita推出新一代光纤通信技术 助力数据密集型机场建设
航空运输行业技术提供商Sita发布高速光纤服务，提供超可靠、可扩展且安全的连接，有望在复杂机场环境中取代铜缆。Sita无源光网络技术可覆盖20公里距离，无需中间设备，有效支持高清视频监控、智能终端、物联网设备和云服务等数据密集型应用。该方案与Tellabs合作开发，通过集中式无源光网络消除复杂布线需求，为机场、航空公司和地勤服务商提供下一代光纤基础设施。
芬兰量子AI融合项目取得重大突破
芬兰国家技术研究中心VTT与IQM量子计算机公司合作，推出欧洲首台50量子比特量子计算机。IQM通过公开招标获得了向VTT交付300量子比特超导量子计算机的合同，该项目由芬兰政府7000万欧元资助，计划2027年第四季度交付。VTT正致力于寻找量子计算与人工智能融合的突破性应用领域，通过VTT QX云平台为芬兰研究机构和企业提供免费使用机会，巩固芬兰在全球量子计算领域的前沿地位。
宾夕法尼亚大学团队让AI不再违背物理定律：一张照片就能生成符合真实物理规律的视频
宾夕法尼亚大学研究团队开发了PhysCtrl系统，能从单张照片生成符合真实物理定律的视频。该系统通过学习55万个物理仿真数据，结合空间-时间注意力机制和物理约束，准确预测不同材质物体在外力作用下的运动轨迹，解决了传统AI视频生成中物理不合理的问题，在多项评估中显著优于现有方法。
Google DeepMind重磅发现：视频AI不仅会"看"，还会"推理"
Google DeepMind最新研究发现，视频生成AI模型Veo 3展现出惊人的零样本学习能力，能够在未经专门训练的情况下完成图像分割、边缘检测、迷宫求解等多种视觉任务。研究团队通过18,384个视频样本验证了这一发现，认为视频模型正朝着通用视觉智能方向发展，可能引发类似大语言模型的行业变革。
北航团队突破3D重建难题：让电脑像人眼一样"看懂"立体世界
北航团队开发的GeoSVR技术突破了传统3D重建方法的局限，采用稀疏体素表示和体素不确定性评估，无需依赖初始点云即可实现高精度表面重建。该方法通过智能的深度约束和体素协同优化策略，在DTU等标准数据集上取得了最佳性能，为VR/AR、文物保护、影视制作等领域提供了新的技术选择。
Google团队发布史上最轻便AI文本理解模型：3亿参数挑战7亿级性能
Google DeepMind团队发布了EmbeddingGemma，这是一个仅有3.08亿参数的轻量级文本理解模型，却能达到7亿参数模型的性能水平。该模型在权威的多语言文本嵌入基准测试中排名第一，支持250多种语言，特别适合移动设备部署。研究团队通过创新的编码器-解码器初始化、三重损失函数训练和模型融合技术，实现了性能与效率的完美平衡，为AI技术普及化开辟了新路径。
AI智能编程助手正在改变软件开发：奈良先端科学技术大学首次揭示代码生成工具在开源项目中的真实表现
日本奈良先端科学技术大学等机构首次深入研究AI编程工具Claude Code在真实开源项目中的表现。通过分析567个代码贡献，发现83.8%被成功接受，54.9%无需修改直接使用。AI擅长重构、测试和文档工作，但需要人工修正bug处理、代码风格等问题。研究揭示了AI编程工具的实际能力边界和改进方向。
CommonForms：如何教会AI像人一样自动识别表单中的填写区域
这项研究首次创建了CommonForms大规模表单数据集，从800万PDF文档中筛选出5.9万份高质量表单，涵盖20多种语言和14个领域。基于此训练的FFDNet模型在表单字段识别上超越Adobe Acrobat，能识别文本框、复选框和签名区域，训练成本仅500美元且完全开源，为自动化表单处理提供了经济实用的解决方案。
Meta公司发布"软令牌"新技术：让AI思考过程更像人类大脑的连续推理
Meta公司联合多所大学发布"软令牌"新技术，首次实现AI连续推理训练。该方法让AI摆脱传统的逐步推理模式，能同时探索多种思维路径，如人脑般灵活思考。在数学推理任务中，新技术保持了原有准确率，在多样性指标上显著超越传统方法，且对模型原有能力影响更小。关键突破是发现软训练配合硬推理的最佳组合，让现有部署系统无需改造即可受益。
机器人学会"看图说话"：华盛顿大学让机器人像人类一样理解任务
华盛顿大学研究团队开发的PEEK系统通过视觉语言模型为机器人提供路径和重点区域指导，实现了机器人操作任务的零样本泛化。该系统将复杂的环境理解交给专门的视觉模型处理，让机器人专注于动作执行，在真实环境测试中将成功率提升了41.4倍。这种模块化设计方法具有广泛的通用性，可适配多种不同类型的机器人平台。
京公网安备 11010802021500号
