欧洲太空通信产业发展迅猛。乌克兰Kyivstar获得监管批准测试Starlink直连手机服务,完成了与星链卫星网络的SIM卡集成测试,计划2025年第四季度推出支持短信和OTT消息的D2C服务。同时,CTO宣布即将发射首个再生5G毫米波载荷,其J-1任务旨在演示轨道超高速低延迟5G传输。该公司正构建超低轨道星座,使用5G毫米波频谱提供高速低延迟连接。
甲骨文在与英国高等教育机构谈判全国框架协议前进行了Java审计要求。该协议价值高达986万英镑,相比标准商业定价可为机构节省4500万英镑。自2023年1月甲骨文推出Java SE通用订阅后,许可从按用户改为按员工收费,成本增加2-5倍。英国教育数字解决方案提供商Jisc经过18个月谈判达成此协议,为面临财务压力的高校提供定制化许可方案。
英国通信监管机构Ofcom结束电信接入审查咨询阶段,独立网络合作协会Inca敦促监管机构确保审查能保障基础设施投资未来发展,促进监管一致性,在固定电信市场建立公平竞争环境。但Inca警告称,将市场领导者Openreach指定为网络竞争被认为不可行地区的默认提供商是"不合理"且"短视"的决定。
6月20日,“异构智算,纵横未来”——异构智算产业生态联盟携手生态合作伙伴、客户、媒体走进多模态跨尺度生物医学成像设施,聚焦异构智算与AI大模型的深度融合,进行了分享交流。
量子计算带来突破性可能的同时也伴随重大风险。IBM、谷歌、微软等科技巨头已推出商用量子云服务,专家预测2025-2035年全球量子计算市场将为世界经济增加超过1万亿美元。然而量子计算面临严重网络安全挑战,特别是"现在收集,稍后解密"攻击策略威胁长期有价值数据。尽管NIST已发布后量子密码学标准,但实施过程仍面临技术专业知识短缺、性能影响等挑战,组织需立即开始准备应对量子威胁。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。
马里兰大学研究团队针对大型AI推理模型的"冗长思考"问题,提出了LC-R1优化方法。该方法通过双重奖励机制,成功将模型输出长度压缩50%,准确性仅下降2%。研究发现AI模型普遍存在"无效思考"现象,即在得出正确答案后继续进行不必要的验证。LC-R1方法教会模型适时停止思考,显著提高了计算效率,为AI推理服务的普及应用奠定了基础。
Inclusion AI的Ring团队开发了Ring-lite,一个仅有2.75亿活跃参数却能匹敌8亿参数模型的推理AI。该模型采用专家混合架构和创新的C3PO训练方法,在数学竞赛、编程竞赛和科学推理等任务上表现优异,完全开源可免费使用。
Cohere实验室提出了"Treasure Hunt"训练方法,通过在训练阶段为大语言模型添加90个详细标记(涵盖质量、长度、语言、任务类型等),创建了一套智能导航系统。该方法特别针对模型在低频"长尾任务"上的表现不佳问题,通过标记丢弃策略让模型学会自主推断。实验显示整体性能提升5.7%,长尾任务提升9.1%,代码修复任务提升14.1%,同时将长度控制违规率从36.58%降至1.25%。
香港中文大学团队开发的TR2M系统突破性地解决了计算机视觉中的距离测量难题,通过结合图像和文字信息,让AI既能在各种环境中通用工作,又能给出精确的距离数字。该技术参数量小、效果好,在室内外及医疗场景测试中均表现优异,为自动驾驶、机器人导航、增强现实等应用提供了重要技术支撑,代表了多模态AI融合的重要进展。
中科院团队开发的Stream-Omni是一个突破性的多模态AI模型,能同时处理文字、图像和语音,实现真正的"看听说"一体化交互。该模型创新性地采用了针对性的模态对齐策略,仅用2.3万小时语音数据就达到优秀性能,并能在交互中实时显示中间结果,为AI助手的自然化交流开辟了新路径。
复旦大学研究团队首次系统分析了扩散大语言模型的长文本处理能力,发现其具有独特的"局部透视"现象和稳定的困惑度表现。基于位置编码机制的深入分析,团队开发了LongLLaDA技术,实现了6倍长文本扩展能力且无需重新训练,为AI长文本处理开辟了新路径。
2025年6月21日,以新安全 新价值为主题的第五届数字安全大会在北京隆重召开,本次大会由数世咨询主办,聚焦数据要素化安全、可信数据空间、安全智能体、安全优先的大模型、数智化安全运营等热点话题
斯坦福大学研究团队在2025年提出了首个从语言反馈学习的理论框架,创新性地引入转移消元维度来衡量语言反馈的信息量,并开发了HELiX算法。研究证明语言反馈能带来指数级学习加速,在多个游戏测试中表现优异,为AI学习从简单数值反馈转向丰富语言指导奠定了理论基础,有望推动教育、推荐系统等领域的AI应用革新。
MIT最新研究显示,过度依赖大语言模型的学生出现神经连接减弱、记忆衰退等"认知负债"现象。面对AI工具的普及,我们需要采用更明智的方法来平衡人机协作。文章提出"4A因子"框架:态度上明确使用动机,方法上协调价值观与算法,能力上培养双重素养,雄心上放大而非替代人类潜能。通过有意识的认知训练和混合智能模式,可以将短期便利转化为长期的创造力红利。
据报道,苹果公司高管已就收购Perplexity AI展开内部讨论。这家总部位于旧金山的公司运营着一款由人工智能驱动的消费者搜索引擎,能够生成自然语言回复而非传统网页列表。Perplexity在最近融资中获得140亿美元估值,月活跃用户超过1500万,每月查询量增长20%。苹果企业发展副总裁已与多位高管讨论此收购想法。
数据中心防护涂层正成为应对能耗上升和温室气体排放的关键解决方案。随着行业快速扩张带来环境挑战,这些创新涂层技术为平衡数字化增长与环境责任提供重要工具。专业涂层可延长设施寿命、降低维护成本,同时通过隔热涂层、反射涂层等技术优化能效,减少冷却系统负担。未来涂层将与被动冷却技术结合,支持可持续发展目标实现。
随着大语言模型快速发展,如何避免《终结者》中天网般的AI威胁成为关注焦点。专家指出,组织需要在AI创新与风险控制间找到平衡点,建立可扩展的责任制度。面对AI代理技术兴起,人机协作模式正发生根本变化,网络安全边界也从硬件转向认知层面。由于恶意攻击者往往率先采用AI技术,防御方必须快速构建对应措施,否则可能面临数字智能主导的未来威胁。
特斯拉计划在德州奥斯汀推出配备安全员的无人驾驶出租车试点服务。文章回顾了自动驾驶汽车安全员的发展历史,以及帮助自动驾驶汽车解决复杂道路问题的各种技术。移除安全员是将测试原型车转变为真正无人驾驶出租车的关键步骤。目前的解决方案包括车内安全员、远程驾驶、远程监督、远程协助等多种模式,各公司都在探索不同的人机协作方式来确保自动驾驶的安全性和可靠性。