在ChatGPT公开发布一周年即将到来之际，IT领导者们正在推动生成式AI试点，以及在生产环境中使用这项被视为重新定义行业且充满未知的技术。

这篇论文介绍了3DTown，一种从单一俯视图生成3D城镇场景的创新方法。研究团队结合区域化生成和空间感知3D修复技术，无需额外训练即可创建几何一致、布局协调的3D场景。通过将场景分解为重叠区域并使用预训练生成器处理每个区域，该方法显著优于现有技术，在几何质量、空间连贯性和纹理保真度方面表现突出，为游戏开发、虚拟现实和城市规划等领域提供了实用解决方案。

本文探讨了达成人工通用智能(AGI)七大路线中的线性进阶路径，预测了从2025年至2040年 AI 技术与社会效应的关键年度节点。

慕尼黑工业大学研究团队首次将"grokking"现象成功应用于真实世界的复杂推理任务，通过巧妙的数据增强策略，让仅有1.24亿参数的小型AI模型在多步推理任务上达到95-100%准确率，超越了GPT-4o等大型模型。更令人惊讶的是，即使训练数据中包含错误信息，也能增强而非削弱模型的推理能力。

2025 年 7 月 26 日，上海世博展览馆迎来一场聚焦 "人工智能的数学边界与基础重构" 的高端论坛。

MTS AI研究团队提出RewardRanker系统，通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型，在多种编程语言上表现优异，甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化，系统能从多个代码候选中选出最优方案，为AI编程助手的实用化奠定基础。

蚂蚁集团智能医疗部门提出GRAO统一对齐框架，通过"模仿-探索-超越"三阶段机制解决传统AI对齐方法局限性。该方法相比监督微调、强化学习等基线方法分别实现57.70%、7.95%等显著提升，特别在专家混合模型上表现突出，为大型语言模型对齐优化提供新范式。

毋庸置疑，云计算正在改变着我们的一切，大到国际间的合作。小到个人的生活方式，云计算几乎无孔不入的渗透到了整个社会的方方面面。可以说我们已经离不开云，但云也给我们当前的工作方式带来了新的改变。

西门子数字化工业软件全球高级副总裁兼大中华区董事总经理梁乃明表示， Mendix提供了低代码、零代码的开发平台，无论专业开发者还是“公民开发者”，都可以通过直观的图形化用户接口，使用拖拽组件和模型逻辑来创建企业级应用，速度比传统开发快10倍以上。

瑞士和德国研究团队通过创建GitChameleon测试平台，发现当前最先进的AI编程助手在处理特定版本代码库时成功率仅48-51%。研究揭示了AI系统的"版本困惑症"问题，即难以准确区分不同版本库的用法差异。通过自我调试和文档检索等方法可显著改善AI表现，为未来开发更可靠的版本感知AI编程助手提供了重要参考。

数字化转型已然是一个不可逆的过程，而“工业服务化”在2022年才刚刚开始。

宾夕法尼亚大学研究团队开发出PIXIE系统，这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒，准确率提升高达4.39倍，并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集，为相关技术发展奠定了重要基础，在游戏开发、机器人控制等领域具有广阔应用前景。

10 月 13 日，神策数据 2020 数据驱动用户大会在北京举行，大会以“数字化·正当潮”为主题，聚焦疫情之下国内各大企业转型线上的数字化“新风潮”，从行业角度展示企业数字化应用现状，分享大数据应用领域的实战真经。

人工智能是否需要道德价值观？我们采访了神经科学家和《良知：道德直觉的起源》一书的作者Patricia Churchland。

首尔大学研究团队开发出RALU技术，通过智能识别图像重要区域并优化计算资源分配，成功将AI图像生成速度提升3-7倍。该技术采用三阶段生成策略，重点处理边缘区域以避免失真，同时配备噪声重调度算法确保质量稳定。测试显示该技术在大幅加速的同时保持了高质量输出，且可与现有加速方法结合使用，为AI绘图工具的普及和实时应用提供了重要技术突破。

快手科技发布Keye-VL 1.5多模态AI系统，创新性地引入"慢-快"双眼视频编码策略，能够智能分配计算资源处理视频内容。系统通过四阶段渐进式训练，将上下文理解能力从8K扩展至128K tokens，显著提升长视频理解能力。在多项国际基准测试中表现卓越，特别是视频理解任务上超越同类产品，为内容创作、教育、医疗等领域的智能化应用奠定技术基础。

中国人民大学联合北京智源人工智能研究院推出WebThinker框架，首次实现AI在推理过程中自主搜索网络、深度探索网页并撰写研究报告。该系统突破传统AI知识局限，具备类似人类研究员的主动信息获取能力，在多项复杂推理和报告生成任务中显著超越现有方法，为AI应用开辟新方向。

希伯来大学与Meta联合研究对比了文本生成音乐领域的两大主流技术：自回归（AR）与流匹配（FM）。研究在相同条件下训练模型，全面测试音质、控制精度、编辑能力、运算效率等方面。结果显示AR在音质和精确控制方面略胜一筹，FM在音乐编辑和资源效率方面表现更佳。这为AI音乐生成技术选择提供了重要指导。

华为诺亚方舟实验室联合香港中文大学团队在2025年6月首次实现了从自然语言数学问题到严格证明的端到端自动化处理。他们开发的Mathesis系统包含创新的强化学习自动形式化器、精细化评估框架LeanScorer，以及高性能证明器，在中国高考数学测试集上达到18%成功率，相比最佳基线提升22%。该系统已集成到华为Celia智能助手中，将数学问题解决准确率从65.3%提升至84.2%，展现了AI数学推理的巨大应用潜力。

新加坡科技设计大学和字节跳动研究团队提出了"语音反向翻译"方法，解决语音识别中的数据稀缺问题。研究表明，仅用几十小时的标注语音数据就能训练TTS模型生成数万小时高质量合成语音，将数据扩充数百倍。他们引入归一化可理解度指标评估合成语音质量，确定了合成数据能有效增强ASR性能的质量阈值。将方法扩展到十种语言，生成了50万小时合成语音，对Whisper-large-v3模型进行预训练，平均降低错误率30%，对低资源语言尤其有效，错误率降低46%。