/
微软研究院打造AI视觉推理专家：让机器像人类一样"看图说话"
微软研究院联合清华大学开发的PixelCraft系统，通过多智能体协作突破了AI视觉推理瓶颈。该系统采用专业分工模式，包含调度员、规划员、推理员等角色，配备图像记忆库实现灵活推理。在权威测试中准确率提升5-9个百分点，特别擅长分析复杂图表和几何图形，为科研、金融、教育等领域提供精确的视觉分析能力。
清华深研院突破AI推理的"两难选择"：探索与利用居然可以兼得
清华深研院研究团队通过分析AI模型的内部语义表征空间，发现传统认为对立的探索与利用能力实际上可以解耦并同时增强。基于这一发现，他们开发了VERL方法，通过有效排序及其导数来动态调节训练激励，在高考2024数据集上实现了21.4%的绝对准确率提升，为AI推理能力发展开辟了新路径。
人工智能与人类协作的新境界：北京传媒大学和微软团队破解云端智能压缩难题
这项由中国传媒大学和微软联合开展的研究提出了UniMIC框架，创新性地采用令牌化技术解决人机协作中的通信效率问题。该技术将多媒体数据转换为紧凑令牌进行传输，避免了传统方法的累积损失，在文本生成图像、图像编辑等任务中实现60-80%的带宽节省，同时保持近乎无损的质量，为未来AI原生通信协议奠定了基础。
NVIDIA突破4位浮点训练瓶颈：让大模型训练速度翻倍的NVFP4技术
NVIDIA团队成功实现了4位浮点精度(NVFP4)的大语言模型训练突破，通过创新的双级缩放、随机哈达玛变换、二维块缩放和随机舍入技术，在120亿参数模型上完成了史上最长的4位精度训练实验。相比传统方法，NVFP4将训练速度提升2-3倍，内存使用减半，同时保持了与8位精度相当的模型性能，为大模型训练的效率优化开辟了新路径。
上海AI实验室突破计算机视觉难题：如何让机器像人类一样"看懂"深度
上海人工智能实验室研究团队开发了BRIDGE系统，通过强化学习优化的深度-图像生成引擎解决单目深度估计中的数据稀缺问题。系统能根据深度信息生成2000万张高质量图像，采用混合监督策略结合教师模型预测和高精度真实标注进行训练。在多个基准测试中取得最优性能，仅用三分之一数据量就超越现有最佳方法，为自动驾驶、机器人导航等应用提供更准确的深度感知能力。
腾讯和武汉大学研发的"思维型AI智能体"：会思考、会推理、像人类一样学习游戏
这项由腾讯与武汉大学合作的研究开发了一种革命性的AI智能体CEL，它能像人类一样从零开始学习游戏规则并制定策略。与传统需要大量数据训练的"黑箱"AI不同，CEL通过观察、思考和反思的方式自主学习，整个决策过程完全透明。在扫雷、冰湖导航和推箱子三种游戏测试中，CEL都表现出色，甚至超越了预先知道规则的传统AI。这种"会思考的AI"为未来可解释人工智能的发展指明了新方向。
机器人导航新突破：上海AI实验室团队开发出会"自学成才"的智能导航系统
这项由上海AI实验室联合多所知名高校开发的SID导航系统，首次实现了机器人通过自我经验学习来提升导航能力的突破。该系统能让机器人仅凭简单的目标描述就在陌生环境中自主探索，在SOON任务中成功率达50.9%，比现有方法提升13.9%。这种自监督学习范式不仅解决了传统方法对人工标注数据的依赖，还为未来智能家居机器人的普及奠定了重要技术基础。
可穿戴设备、AI与个人医疗数字化身的融合趋势
随着大语言模型在人工智能时代展现强大力量，可穿戴设备成为收集人体数据的重要载体。通过实时监测血压、心率、血糖等生命体征，结合AI边缘计算能力，医疗正向个性化转型。基因治疗、数字孪生技术让每个人都能拥有专属的医疗数字化身，实现从"报销型医疗"向"创新循证医疗"的转变，为疾病预防和健康管理带来革命性突破。
OpenInfra欧洲峰会：从VMware迁移至开源替代方案
在巴黎举办的欧洲开放基础设施峰会期间，专门用一整天时间讨论VMware迁移问题。博通收购VMware后许可证价格上涨，导致客户运营成本大幅增加。开源开发者展示了将VMware虚拟机迁移到开源替代方案的产品。Forrester分析师指出VMware客户对此感到信任破裂。OpenStack等开源解决方案虽然复杂度较高，但提供了健康的开源生态系统替代方案。
OpenAI寻求"谷歌Chrome"时刻：推出Atlas网页浏览器
OpenAI发布Atlas浏览器，旨在将ChatGPT深度集成到网页浏览体验中。该浏览器支持用户与网页对话，提供侧边聊天功能，可直接在Gmail等应用中编辑文本。Agent模式允许AI代理自动执行跨网站任务，如将食谱配料添加到购物车。目前支持macOS下载，Windows和移动版本即将推出。
Aura推出499美元电子墨水数码相框，实现无线充电功能
Aura发布新款Ink相框，采用13英寸彩色电子纸显示屏，售价499美元。该产品使用六色墨水系统呈现丰富色彩，最重要的是支持无线操作，适合挂在客厅墙面等需要美观的位置。相框配备前置光源改善对比度，电池续航可达三个月。虽然色彩相比LCD屏幕较为柔和，但更接近传统照片效果。公司已售出数百万台相框，应用分享照片超过10亿张。
软件推动AI帕累托前沿超越硬件
英伟达CEO黄仁勋在GTC 2025大会上展示了AI推理吞吐量与响应时间之间的帕累托前沿曲线。数据显示，从Hopper H200到Blackwell B200系统，通过硬件升级和软件优化，性能提升达25倍。值得注意的是，在AI领域，硬件性能提升约2倍，而软件优化可带来额外5倍提升。英伟达在数周内通过软件优化实现了过去需要两年才能达到的5倍性能提升，证明软件在AI性能提升中发挥着更关键的作用。
AWS与e&联合推出AI和云计算培训项目，培养阿联酋未来就绪人才
亚马逊云科技AWS与科技集团e&联合推出"AI Nation - Afaaq"全国培训项目，计划通过e& Academy平台为3万名学员提供人工智能和机器学习技术培训。该项目是双方10亿美元战略联盟的重要组成部分，旨在解决阿联酋AI技能短缺问题。项目将提供3万张AWS认证代金券，学员可免费使用AWS技能构建平台和云教练辅导服务，支持阿联酋2071百年计划的数字化转型目标。
NotebookLM即将推出幻灯片功能，或成职场办公必备AI工具
NotebookLM原本主要面向学生用户，但即将推出的幻灯片制作功能可能让其成为职场演示的强大工具。该AI工具基于Gemini技术，能够根据用户上传的文档、网站、视频等资料生成内容。最新发现的未发布功能显示，用户将能够基于上传资源快速创建幻灯片，并结合集成的图像生成器进行定制。此外还可能推出信息图表生成功能，帮助用户将数据可视化。
三星将发布Vision Pro竞品，揭示四大关键信息
三星今日正式发布其混合现实头显设备，该产品被视为苹果Vision Pro的直接竞争对手。据此前体验报告显示，该设备在整体性能上与Vision Pro相当，但其内置的AI功能成为最大亮点。设备搭载多模态Gemini AI，能够实时识别用户视野中的内容并提供相应回答，这是Vision Pro目前缺乏的功能。发布会将揭示设备正式名称、最终功能配置、上市时间和定价策略等关键信息。
戴尔科技在中东地区推进AI和数字化转型
戴尔科技在迪拜Gitex Global 2025展会上展示其在中东地区的影响力，重点展现其在推动公私部门AI和数字化转型方面的作用。公司专注于AI数据解决方案、多云架构、信息安全、数字化工作场所创新和边缘计算。戴尔与阿联酋Emcode Technology签署合作备忘录，将在执法、医疗和政府部门开展AI驱动的培训和咨询服务，助力实现真正的业务转型。
多模态AI初创公司Fal.ai完成新一轮融资 估值超40亿美元
多模态AI基础设施公司Fal.ai完成新一轮融资，估值超过40亿美元，融资金额约2.5亿美元。此轮融资由凯鹏华盈和红杉资本领投。该公司为开发者提供图像、视频和音频AI模型托管服务，拥有超过600个模型和数千块英伟达H100、H200 GPU。客户包括Adobe、Canva等知名企业，主要应用于广告、电商和游戏内容创作。
从青山竹海到全球客厅：中国家具的跨境新航线
从浙江安吉的桌椅，到广东佛山的沙发床垫、河南洛阳的钢制家具，再到福建福州的竹藤制品，中国各大高度专业化的家具产业带，都在不约而同地探索各自的数字化出海路径。
普洛斯常熟东南数据中心二期100%签约，智算服务全速进阶
10月21日，普洛斯常熟东南数据中心二期项目实现100%签约，将支持一家头部互联网企业打造大规模、高性能智算项目。依托建成的独立园区，该项目可实现快速交付，支持客户高效部署智算业务。
Gartner：数智基建推动自主可控人工智能革命的两大举措
中国的数智基建已经超越了传统的分析用途，成为了支持包括高级分析、人工智能（AI）、决策智能和国家社会倡议下的外部数据交换在内的广泛用例的关键组成部分。
京公网安备 11010802021500号
