我们身处一个不确定性的时代，既是危机，也是机遇。如何克服对未知的焦虑与恐惧，求胜于未知，是每个人都应该思考的问题。

世界上只有少数几家公司设计使用尖端技术的处理器，制造这些芯片的配备更少。英特尔自己制造芯片，台湾台积电和GlobalFoundries是为其他公司生产芯片的纯代工厂，而三星两者都稍有涉及。

香港中文大学团队开发的VisionThink系统通过强化学习让AI视觉模型具备了类似人类的智能决策能力，能够根据任务需要动态调整图片处理精度。该系统在节省75%计算资源的同时还提升了识别准确性，在多个视觉任务中表现优于传统方法，为AI视觉系统的高效智能化发展指明了新方向。

这项由哈佛大学、OpenAI等顶级机构联合开展的研究颠覆了物理学界对胶子散射的传统认知。研究团队发现，长期被认为不存在的"单负胶子散射"实际上在特殊的克莱因空间和半共线条件下可以发生，且表现出分片常数行为。更令人瞩目的是，关键公式由GPT-5.2 Pro首先提出并由AI完成证明，展现了人工智能在前沿物理研究中的突破性作用，为理论物理学和科学发现开辟了新的研究范式。

5G代表的新一代网络技术，也就是“新联接”的到来最有可能作为“两新一重”整体产业经济价值更新的启动点。

这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现，虽然4位量化能较好地保留工作流生成和工具使用能力（仅下降1%-3%），但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力，评估了不同压缩方法对15种模型的影响。结果显示，AWQ量化效果最佳，蒸馏模型在Agent任务上表现不佳，大型模型对压缩更具韧性。研究还提出ERank等创新分析方法，为实际部署提供了切实指导。

香港中大团队开发出ScreenCoder系统，能够直接将网页设计图转换为完整的HTML/CSS代码。该系统采用三个专门AI助手协作的方式：识别专家负责检测界面元素，规划专家构建布局结构，代码生成专家输出最终代码。测试显示布局准确率达75.5%，显著超越现有方法。该技术不仅提高了网页开发效率，还能作为训练数据工厂改进其他AI模型，为设计到代码的自动化转换提供了新的解决方案。

今年恰逢MWC上海10周年，开幕前夕，主办方GSMA(全球移动通信系统协会)召开新闻发布会，GSMA会长葛瑞德(Mats Granryd)、GSMA首席市场官Lara Dewar、GSMA大中华区总裁斯寒透露了展会重点信息，并且回答了媒体问题。

人与机器人，能不能和平共处？

「 “那天早晨，我冲进总经理的办公室，发现人力资源总监也在，我说：真巧，真好，两位都在，我要辞职！”今天推荐 TF男孩，一个中年重新开始，转行算法教育领域的前互联网程序员故事。」

台湾国立大学研究团队开发了SAKURA，首个专门评估大型音频语言模型多跳推理能力的基准测试。研究发现，即使最先进的模型也面临两大挑战：一是在识别某些音频属性（如情绪）时准确率不高；二是即使能正确识别音频信息，也难以基于这些信息进行多步推理。对比实验显示，当同样的信息以文本形式提供时，模型推理能力显著提升，表明当前模型未能有效整合音频表征进入推理过程，这为未来开发真正能"听懂并思考"的AI系统提供了重要方向。

浙江大学和香港大学的研究团队提出了Prior Depth Anything，一个创新框架，融合了深度测量中精确但不完整的度量信息与深度预测中相对但完整的几何结构。该方法通过粗到细的流程，先用像素级度量对齐将深度预测与先验融合，再利用条件化单目深度估计模型优化结果。模型在7个真实数据集上实现了出色的零样本迁移，可处理深度补全、超分辨率和修复任务，甚至能应对混合先验情况，并支持测试时切换预测模型，提供灵活的精度-效率权衡。

Google DeepMind通过Physics-IQ基准测试发现，尽管当前AI视频模型能生成视觉上极为逼真的内容，但其物理理解能力严重不足。研究使用396个真实物理实验视频测试了8个主流模型，结果显示最佳模型得分仅为29.5%。更重要的是，视觉真实度与物理理解能力之间几乎无关联，这一发现对AI发展具有重要启示意义。

这项研究提出了"力量提示"方法，使视频生成模型能够响应物理力控制信号。研究团队来自布朗大学和谷歌DeepMind，他们通过设计两种力提示——局部点力和全局风力，让模型生成符合物理规律的视频。惊人的是，尽管仅使用约15,000个合成训练样本，模型展现出卓越的泛化能力，能够处理不同材质、几何形状和环境下的力学交互。研究还发现模型具有初步的质量理解能力，相同力量对不同质量物体产生不同影响。这一突破为交互式视频生成和直观世界模型提供了新方向。

本文探讨了判断AI是否达到通用人工智能（AGI）和人工超级智能（ASI）水平所需的问题数量。目前缺乏确定的测试方法来评估是否达到顶级AI水平。基于图灵测试的分析，作者提出仅通过少量问题难以全面评估智能水平。参考美国国会图书馆主题标引（LCSH）的40万个主题领域，如果每个领域提出1万个问题，将需要40亿个问题来全面测试AGI。这种大规模测试虽然在逻辑上合理，但在实际操作中面临巨大挑战。

站在加州圣何塞分部的办公桌前，Arm公司CEO Simon Segars正摆弄一部上世纪八十年代产的、像块小砖头般的摩托罗拉DynaTAC手机。

2024年5月17日，腾讯云生成式AI产业应用峰会在北京召开，公布大模型研发、应用产品的系列进展。

能让芯片规模化的用起来，才是决定造芯是否成功的天花板。

首尔国立大学研究团队开发出名为Durian的AI技术，能够实现前所未有的肖像动画与属性转移功能。该技术通过双重参考网络架构，仅需两张照片就能生成自然的动态视频，展示人物带着新发型、眼镜或胡须等属性的各种表情动作。与传统方法不同，Durian采用创新的自重建训练策略，无需大量标注数据即可学会属性转移，并支持多属性组合和属性插值等高级功能，在各项性能指标上均超越现有技术。

在贝叶斯方法家族当中，马尔可夫链蒙特卡洛方法（Markov chain Monte Carlo methods）显得尤为神秘。