硅谷对类人通用人工智能的争论忽略了一个关键点:真正的超级智能不会出现在手机中,而是在企业系统中。企业通用智能(EGI)是先进AI的理想试验场,因为企业环境具有结构化复杂性和人为设计的参数。EGI需要五个核心能力:自主目标分解规划、跨平台系统状态感知、多系统行动选择验证、AI就绪的企业生态系统以及组合推理能力。未来人类将与EGI协作,承担创意、判断、审计和风险缓解角色。
SanDisk在截至6月27日的2025财年第四季度实现营收19亿美元,环比增长12%,同比增长7.9%。公司正向新一代BiCS8 NAND节点转型,虽然带来高昂启动成本,但NAND供应不足使其能够提高价格。CEO表示,凭借高带宽闪存技术,公司正为AI推理解决方案创造新范式。预计下季度营收21.5亿美元,随着需求改善和行业基本面强化,公司有望实现可持续增长。
最新研究显示,开源AI模型在执行相同任务时消耗的计算资源比闭源竞品高1.5至4倍,简单知识问答甚至高达10倍。尽管开源模型单token成本更低,但总计算需求的增加可能抵消其价格优势。研究发现OpenAI模型在token效率方面表现突出,而大型推理模型在处理简单问题时会消耗数百个token进行不必要的思考。这一发现挑战了开源模型更经济的传统认知,企业在评估AI部署策略时需重新考虑总体计算成本。
韩国电信巨头SK电信正在构建名为Haein Cluster的主权人工智能基础设施,采用英伟达Blackwell服务器和Vast Data的AI操作系统。该基础设施支持SKT的Petasus AI云服务,确保所有数据和处理都在韩国境内完成。通过部署虚拟化AI基础设施,SKT将GPU环境启动时间从数天缩短至10分钟,同时保持与裸机系统相当的性能水平。
研究人员警告称,基于大型语言模型的AI聊天机器人可被恶意改造,自动收集用户个人信息,攻击者仅需最基本技术知识即可实现。研究显示,经过恶意改造的聊天机器人能获取超过90%参与者的个人数据,远高于普通表单的24%。攻击者只需通过"系统提示"工具,为机器人分配"调查员"等角色即可绕过安全防护。研究涵盖502名参与者,使用三种主流语言模型进行测试。
在全球计算演进与创新浪潮交汇之际,一场汇聚全球智慧、擘画未来计算图景的盛筵,于初秋的“北疆明珠”隆重启幕。这里是思想激荡与技术创新的汇流之所,也是中国高性能计算屹立于世界舞台的重要坐标。
8月13-16日在鄂尔多斯国际会展中心举办的第21届CCF全国高性能计算学术大会(CCF HPC China 2025)
2025年8月15日,以“先进算力新选择”为主题的“2025华为算力场景发布会暨北京xPN伙伴大会”成功举办。
英国电信服务商Zen Internet与Sky商业批发部门宣布建立战略合作伙伴关系,Zen的合作伙伴和直接商业客户将获得Sky以太网交换机网络服务。Sky拥有超过2800个交换机的网络,其中80%以上支持10Gb服务。此次合作将加强Zen的合作伙伴门户The Fibre Hub,通过API策略和自动化能力的整合,加速报价、订购和服务交付流程,为英国企业提供更高性能的可扩展连接服务。
谷歌DeepMind发布了迄今最小的AI模型之一Gemma 3 270M,仅有2.7亿个参数。该模型专为低功耗设备设计,可在智能手机等设备上离线运行。尽管体积小巧,但经过微调后仍能处理复杂的特定领域任务。在指令跟随基准测试中获得51.2%的成绩,超越同类小型模型。在Pixel 9 Pro上测试显示,25次对话仅消耗0.75%电量,展现出色的能效表现。
戴尔科技正依托全球领先的技术实力与深厚的本地洞察,助力企业打造可随时扩展、敏捷交付,并能驱动持续创新的数字底座,把不确定性转化为增长的新动能。
阿里达摩院联合多所高校提出AffordDex框架,让机器人灵巧手首次具备类人功能感知能力。通过两阶段训练结合负面功能感知分割技术,实现既自然又安全的物体抓取,成功率达89.2%,人类相似性评分8.6分,功能正确性远超现有方法,为通用机器人智能发展奠定重要基础。
亚马逊云科技生成式AI技术创新中心1亿美元的再次投入,将在既有成果的基础上,更精准地聚焦客户当前需求,推动生成式AI和Agentic AI的广泛落地,并借助合作伙伴释放更大的规模效应。
斯坦福大学研究团队开发了史上最具挑战性的AI数学推理测试系统Putnam-AXIOM,基于威廉·洛威尔·普特南数学竞赛的522道大学级难题。测试结果显示,即使最强的AI模型也只能达到42%的正确率,远低于它们在传统测试中的表现。研究还创新性地引入了变形题目生成和教师强制准确率评估方法,有效识别了AI对训练数据的记忆依赖问题,为真实评估AI数学推理能力提供了新标准。
普渡大学研究团队开发了ASTRA红队系统,通过"空间时间探索"方法系统测试AI编程助手安全性。与传统方法不同,ASTRA专注现实使用场景,通过构建领域知识图谱和分析AI推理过程发现漏洞。实验显示ASTRA比现有技术多发现11-66%安全问题,生成的测试用例可提升AI安全训练效果17%,为AI编程助手安全保障提供了重要工具。
土耳其萨班哲大学研究团队开发了突破性AI系统TCSSM,能够结合卫星图像和地理灾害描述,自动评估全球各地的自然灾害损失。该系统通过分析216万个问答样本,在跨地域测试中达到87.68%的平均准确率,为国际救援提供快速精准的损失评估工具。
意大利卡利亚里大学研究团队开发了RedDino,一个专门用于红细胞形态分析的AI基础模型。该系统基于改进的DINOv2自监督学习框架,在125万张红细胞图像上训练,能够识别多种红细胞形态异常。测试结果显示,RedDino在红细胞分类任务上比现有最佳方法提升2-3%,并展现出优异的跨数据源泛化能力。研究团队已将代码和预训练模型开源,为血液学诊断提供了强大工具。
达拉斯德州大学和Zoom公司联合研究团队开发了LogicIFGen框架,用于测试AI模型执行复杂逻辑指令的能力。他们构建了包含426个任务的LogicIFEval测试集,对21个主流AI模型进行评估。结果显示即使是最先进的模型准确率也仅为85%,大部分模型低于60%。研究发现AI在控制流执行、状态跟踪等方面存在显著不足,具有思考能力的模型表现更好。