近日，主题为“Digital Future”的ThoughtWorks LIVE China 2018在上海举行，活动探讨如何迎接一个数字化未来。

这项由香港中文大学多媒体实验室和香港大学等机构合作的研究，开发了名为GoT的革命性AI图像生成方法。该技术让AI在创作图像前先进行语义和空间推理，用户可直接查看和修改AI的"思考过程"来精确控制生成结果。研究团队构建了超过900万样本的训练数据集，GoT在多项标准测试中均取得最佳成绩，为AI创作从盲目生成向智能推理的转变奠定了基础。

上周英特尔举办了一场引人注目的“架构日”活动，公布了未来多年的产品技术路线图、技术战略规划以及一系列新技术。

本文介绍了英特尔(R)至强(R)处理器在AI推理领域的优势，如何使用一键部署的镜像进行纯CPU环境下基于AMX加速后的DeepSeek-R1 7B蒸馏模型推理，以及纯CPU环境下部署DeepSeek-R1 671B满血版模型实践。

腾讯混元团队开发出R-4B多模态大语言模型，实现了AI的"自动思考"能力。该模型能根据问题复杂程度智能选择回答模式：简单问题快速直答，复杂问题深度推理。通过双模式退火训练和强化学习优化，R-4B在25个基准测试中取得领先性能，4B参数量下达到16B模型的推理效果，同时大幅降低计算成本，为高效AI应用开辟新路径。

AMD研究团队开发的SAND-Math系统是首个能从零开始生成高质量原创数学题的AI工具。该系统不仅能创造新题目，还配备独特的"难度攀登"技术来提升题目挑战性。实验证明，用其生成题目训练的AI在数学测试中表现比现有方法高出17.85个百分点，为解决数学教育资源稀缺和AI训练数据不足问题提供了创新方案。

历年双11，最引人瞩目的是GMV、订单量和支付笔数。但鲜为人知的是，支撑双11顺利运转的，不仅仅是交易链路和支付链路，还有一套至关重要的消息链路。

澳大利亚研究团队开发出PresentAgent，这是一个能将任何文档自动转换为专业演示视频的AI系统。该系统集成了文档解析、幻灯片设计、语音合成等功能，并创建了全新的多维度评价体系。实验显示，AI生成的演示视频在多项指标上接近人类专家水平，为教育、商业等领域的演示制作提供了高效解决方案。

奔驰的下一件大事：电动汽车。

阿里Qwen团队发布了突破性多模态AI模型Qwen2.5-Omni，能同时理解文字、图片、音频和视频输入，并实时生成文字和语音回应。该模型采用创新的TMRoPE时间对齐技术和Thinker-Talker架构，实现了真正的流式多模态交互，在多项基准测试中达到最先进性能。

阿里达摩院联合复旦大学开发了VL-Cogito多模态推理模型，采用创新的渐进式课程强化学习框架PCuRL。该系统模仿人类学习方式，通过三阶段训练让AI学会根据问题难度智能调整回答详细程度。VL-Cogito在十个基准测试中表现卓越，展现了在数学、科学、逻辑推理等多领域的强大能力，为多模态AI实际应用开辟了新路径。

北京大学团队创建C3基准测试集，系统评估十款主流语音对话模型处理复杂对话的能力。研究发现即使最先进的GPT-4o音频版在英文对话中准确率仅55.68%，中文表现更差。语义歧义和省略现象是最大挑战，中文处理难度显著高于英文。该研究首次揭示了语音AI在真实对话场景中的局限性，为技术发展提供重要指引。

Meta和加州大学伯克利分校的研究团队开发了StreamDiT技术，实现了首个真正意义上的实时AI视频生成系统。该技术能够像熟练摄影师一样根据文字描述即时生成高质量视频，支持用户在生成过程中实时调整内容。通过创新的"缓冲流匹配"训练方法和高效的模型架构设计，StreamDiT在单GPU上实现了16FPS的实时性能，为视频创作、游戏、教育等领域开辟了全新可能性。

在11日的主会现场，美国辛辛那提大学（Univ.of Cincinnati） 讲座教授、《工业大数据》作者李杰首先发表题为“大数据助力‘中国智造’弯道超车”的主旨演讲。

这项研究分析了82,845个真实开发者与AI助手的编程对话，发现AI回复比开发者提问长14倍，68%为多轮对话。Web开发和机器学习是最热门话题。AI代码质量存在问题：Python代码83.4%命名不规范，JavaScript代码75.3%有未定义变量。研究为改进AI编程助手提供了重要参考。

PTC

赵昱在华为的第一课就是《把信交给加西亚》，在美西战争中，中尉罗文要把信交给不知身在何处、不知模样的“加西亚将军”，在没有任何援助的情况下，他仍然完成了任务。

LangGPT创始者云中江树的双面人生

VITA-1.5是首个实现GPT-4o级别实时视觉语音交互的开源多模态大语言模型。通过创新的三阶段训练策略，系统能够同时处理图像、视频和语音信息，实现端到端的语音对话，无需外部ASR或TTS模块。在多项基准测试中表现优异，语音识别准确率达到97.8%以上，为多模态人机交互开辟了新的可能性。

亚马逊Alexa+预览版正缓慢向用户开放，这款升级版语音助手采用生成式AI重新构建，具备更自然的对话能力和情感智能。经过数周测试发现，Alexa+在处理复杂任务和记忆对话方面有所改进，能够集成Uber、Spotify等第三方服务。然而，其表现不够稳定，存在记忆不准确、回复冗长、功能执行不完整等问题，体现了当前AI工具期望与现实之间的差距。