2021年8月15日，一年一度的“新物种爆炸·吴声商业方法发布2021”如约而至，以下为《吴声造物》梳理的演讲全文。

华为昇腾团队发布了Pangu Pro MoE，这是全球首个采用混合分组专家（MoGE）架构的72B参数稀疏语言模型。该模型专为昇腾NPU优化设计，通过创新的专家分组策略解决了传统MoE模型的负载不均衡问题，实现了完美的计算负载分配。模型仅激活16B参数处理每个token，在推理效率上显著超越同规模密集模型，为大规模AI应用提供了高效解决方案。

GLiClass是由乌克兰基辅Knowledgator工程公司开发的创新文本分类模型，基于GLiNER架构改进而成。该模型通过联合编码文本和标签，在单次前向传递中完成多标签分类，实现了准确性与效率的完美平衡。测试显示，GLiClass不仅在准确性上超越强基准模型5.5%，处理速度更是比传统交叉编码器快2.3-16倍，特别是在大标签集场景下优势明显。模型已开源并提供多个规模版本以适应不同应用需求。

新加坡国立大学研究团队通过分析150多篇相关论文，首次建立了评估提示词质量的21属性框架。研究发现当前提示词研究存在严重不平衡，某些模型和任务被过度关注。通过969个高质量提示词样本分析，团队发现属性间存在强关联性。实验显示单一属性优化往往比多属性组合效果更佳，且用属性增强数据训练的模型表现显著提升。

Katanemo Labs公司研究团队开发了Arch-Router，一个15亿参数的AI路由器，能根据用户偏好智能选择最合适的AI模型。该系统采用"领域-动作"分类框架，在多项测试中超越GPT-4等大型模型7.71%，响应速度快28倍。研究证明了专业化小模型在特定任务上可超越通用大模型，为AI行业发展指出新方向。

新加坡科技设计大学研究团队开发了JAM音乐生成系统，能够根据歌词生成完整歌曲，并实现词级精确时间控制。该系统仅用5.3亿参数就超越了参数量更大的同类系统，在歌词准确性、音乐质量等方面表现优异。通过创新的流匹配技术和审美对齐机制，JAM为AI音乐创作提供了新的技术路径。

StepFun公司发布的Step-3模型通过创新的模型-系统协同设计，实现了321亿参数规模下的超高效率运行。该研究采用注意力-前馈网络分离架构和多矩阵分解注意力机制，在保持强大性能的同时，将解码成本降低约40%，达到每GPU每秒4039个词汇单元的处理速度，为大型AI模型的经济化部署开辟了新路径。

英伟达与斯坦福等顶尖机构联合开发的TTT技术首次让AI学会"讲故事"，能生成长达一分钟的连贯视频。该技术采用"边做边学"的创新方法，让AI在生成视频时持续优化记忆能力，在人类评估中比现有最佳方法领先34个Elo积分，展现出革命性的长视频生成能力。

塔尔图大学研究团队开发了IAUNet细胞分割系统，这是首个将U-Net与Transformer查询机制结合的生物医学AI技术。该系统能够精确识别明场显微镜下重叠的细胞，性能超越现有方法同时参数更少。研究团队还构建了Revvity-25数据集，包含110张高精度标注图像，每个细胞使用60-400个多边形点精确描绘。IAUNet在多个数据集上均取得最佳性能，为药物研发、疾病诊断等提供重要工具。

目前云等保标准2.0已进入送审稿阶段，未来将对云安全技术和能力要求产生很大的影响。2017年7月底CSA发布了第四版云安全指南，最新版本《云安全指南4.0》的发布集成了云、安全性和支持技术方面的进展，反映了现实世界的云安全实践。

北京大学等机构的研究团队开发出PartCrafter技术，能够从单张照片同时生成多个3D零件组成完整模型，无需预先图像分割。该技术采用创新的局部-全局注意力机制，在保证零件细节的同时确保整体协调性。相比传统先整体后分解的方法，PartCrafter生成速度快18倍，质量更优，甚至能重建照片中不可见的部分，为游戏开发、电影制作、工业设计等领域提供了革命性工具。

泰国SCBX金融集团开发的DoTA-RAG系统通过动态路由和混合检索技术，成功解决了大规模知识库检索中速度与准确性难以兼得的难题。系统将1500万文档的搜索空间缩小92%，响应时间从100秒降至35秒，正确性评分提升96%，为企业级智能问答系统提供了实用的技术方案。

德州农工大学研究团队开发的FuzzingBrain系统，结合大语言模型和传统模糊测试技术，能够自动发现软件安全漏洞并生成修复补丁。在DARPA人工智能网络挑战赛中获得第四名，成功发现28个漏洞包括6个零日漏洞。系统采用大规模并行架构，实现了智能化的漏洞检测和修复流程，为网络安全防护提供了新的技术路径。

Skywork AI推出Matrix-Game，这是首个能根据键盘鼠标操作实时生成交互式游戏世界的AI模型。该系统使用2700小时《我的世界》视频训练，拥有170亿参数，能精确响应用户指令生成符合物理规律的游戏场景。研究团队还开发了GameWorld Score评测标准，验证了Matrix-Game在控制精度和视觉质量方面显著超越现有模型，为AI辅助游戏开发和虚拟世界创建开辟了新方向。

这项研究由上海交通大学、腾讯混元和浙江大学合作完成，提出了PolyVivid多主体视频定制框架。该技术通过视觉大语言模型融合、3D位置编码交互增强和注意力继承身份注入三大创新模块，成功解决了AI视频生成中的角色身份一致性和多主体互动难题，在各项评估指标上显著超越现有技术，为视频创作领域带来突破性进展。

这项由伊利诺伊大学香槟分校研究团队开发的突破性AI技术，首次让机器具备了类似人类的空间推理能力。通过创新的细粒度偏好优化训练方法，SpatialReasoner-R1不仅能准确判断图片中的空间关系，还能提供完整的逻辑推理过程。在空间质量和数量任务上分别实现4.1%和9.0%的性能提升，为自动驾驶、机器人导航、增强现实等领域带来重要应用前景。

蒙特利尔大学研究团队开发出EARL图像编辑系统，通过强化学习训练让AI能够理解自然语言指令并完成复杂图像编辑。该系统采用"教练式"训练方法，AI在智能评价系统指导下持续改进编辑能力，最终在综合测试中以4.80分超越了包括商业系统Omnigen在内的所有对比方法。EARL不仅能处理简单的颜色修改，还能完成空间关系调整、数量变化等复杂任务，代表了人机交互方式的重要变革，有望让图像编辑变得像聊天一样简单。

DeepSeek团队联合清华大学开发了一种革命性的AI评判方法——自主原则批评调优（SPCT），该方法让AI在推理时"多动脑筋"，通过制定评判原则并进行多角度分析来提升评判准确性。研究发现，这种"慢思考"方式的效果竟然比简单增加模型规模更好，在多个评测基准上都取得了显著性能提升，为AI发展提供了新的技术路径。

这项由哈佛医学院和浙江大学联合开发的3DIS-FLUX技术，成功解决了AI绘画中多物体精确控制的难题。通过将复杂任务分解为布局规划和精细渲染两个阶段，并采用创新的注意力控制机制，该技术实现了比现有方法高出41%的成功率。其免训练的设计让技术能够快速适配新模型，为数字创作领域带来了更可控、更高效的AI绘画解决方案。

哈工大研究团队开发的CogVLA系统通过模仿人脑认知机制，让机器人学会"智能筛选"信息，根据任务指令只关注重要内容。该系统采用三阶段渐进式处理架构，在LIBERO基准测试中达到97.4%成功率，同时训练成本降低2.5倍，推理速度提升2.8倍，为机器人技术的实用化和普及化奠定了重要基础。