英特尔公司近日表示，旗下Intel Foundry Services（IFS）业务部门正在与英国芯片设计公司Arm展开合作，让半导体设计人员能够利用英特尔的尖端制造工艺构建低功耗片上系统。

DeepMind 推出的 AI 系统 AlphaEvolve 利用自动评估机制解决数学与科学问题，在数学测试和 Google 数据中心优化中提升效率。虽非颠覆性革新，却能帮助专家腾出精力应对更重要任务。

这项研究提出了LoHoVLA，一种用于长时序实体任务的统一视觉-语言-动作模型，融合了高层任务规划和低层动作控制功能。与传统方法不同，它利用单一预训练视觉语言模型同时生成语言子任务和机器人动作，并采用分层闭环控制机制增强鲁棒性。研究团队构建了包含20个长时序任务的LoHoSet数据集，实验结果显示LoHoVLA在Ravens模拟器中显著优于现有方法，展现出统一架构在实现可泛化实体智能方面的潜力。

采用一种更加灵活的混合结构，既有产品团队，又有平台思维。

深度学习擅长在大量数据中发现模式，但无法解释它们之间的联系，而图灵奖获得者Yoshua Bengio想要改变这一点。

中国的很多CIO并未意识到，企业的业务重点已从营收增长转向利润增长。CIO应深入了解当前的优先任务，确定IT能够产生决定性影响的领域，在不影响未来能力的情况下转换技术投资重点。

本文概述了2025年亚太地区IT行业的主要发展趋势。重点包括人工智能的广泛应用及其安全挑战、数据管理的重要性、量子计算安全、新工作模式下的信任建设、客户体验转型、数据中心能源危机、智能软件测试、混合云基础设施的局限性、平台战略重塑以及自主AI代理的兴起。这些趋势将深刻影响企业战略和技术应用。

英伟达正积极拥抱一种新的计算范式，利用大规模并行计算机系统为新一代应用程序提供服务。而这场变化的开端，主要始于以色列。

KAIST研究团队开发了CLEANMOL框架，解决了大语言模型理解SMILES分子表示法的关键难题。传统模型即使在简单任务如计数分子环数时也表现不佳，因为SMILES编码中结构信息常呈非连续分布。研究通过设计官能团匹配、环计数等确定性任务，大大提升了模型对分子结构的理解。实验表明，预训练后的模型在逆合成等下游任务上表现优异，精确匹配率从45.6%提升至58.1%。这一突破无需昂贵实验数据，为药物开发和材料设计提供了低成本高效的AI支持方案。

Phone 制造商 Apple 表示，Apple Intelligence 提供了一种保护用户数据的新方式。该公司正在研究哪些核心任务可以在设备本地完成，以最大限度地保护隐私。

新产品旨在将各种形式的医疗数据整合起来，进行深入分析，从而为临床医生提供基于大模型的医疗辅助功能。

英特尔美国渠道负责人Michael Green表示，当英特尔的Gaudi 3加速器芯片成为“2025年渠道可用的产品”时，渠道合作伙伴将在推出该芯片的过程中发挥“巨大作用”。

阿里通义实验室发布首个媲美顶级闭源系统的开源超级网络智能体WebSailor，突破性解决开源模型在超高不确定性任务中的系统性推理难题，在BrowseComp基准测试准确率提升3倍，标志着开源技术在复杂信息搜索领域的历史性跨越。

UC Santa Cruz团队开发的OpenVision 2通过去除文本编码器，将视觉编码器训练简化为纯生成式学习，实现训练时间缩短1.5倍、内存使用减少1.8倍的显著效率提升。研究使用高质量合成数据集和token掩码策略，在保持性能的同时成功训练出10亿参数模型，挑战了CLIP式对比学习的必要性认知。

目前，世界上的每个部门都在研究人工智能(AI)。 人工智能的突破性进展将发生在健康和生命科学、网络智能、智能城市和交通领域。

在近日线上举行的英特尔研究院开放日上，来自英特尔研究院的专家深入分享了影响未来十年计算的颠覆性技术，追求1000x提升。

微软研究院联合多所大学开发了villa-X机器人学习系统，该系统通过引入"潜在动作"中间表示，成功解决了机器人理解人类指令并转化为具体动作的难题。系统采用分层专家设计，结合视觉和物理信息学习，在仿真和真实机器人实验中都表现优异，特别是在跨机器人平台的泛化能力上取得重要突破，为通用机器人智能奠定了基础。

当前软件工程团队正在试验基于AI代理的编码工具和大语言模型，以提高开发速度和质量。然而，AI编码工具的效果很大程度上取决于使用方式。开发者需要提供结构化的问题描述、明确的执行要求和相关上下文，同时建立适当的防护机制。AI不仅能处理重复性任务，还能识别和评估替代方案，从被动助手演进为工作流程推进器。成功的关键在于将AI视为合作伙伴而非快捷工具，并将其整合到软件交付的全生命周期中。

在近期举办的2024大中华区高管交流大会上，Gartner发布了利用生成式人工智能（GenAI）重塑业务模式的五步走战略。

韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架，解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略，将存储需求压缩至原来的12%，同时保持高准确性，让手机和AR眼镜也能实时理解超长视频内容。