腾讯混元团队推出ArtifactsBench，这是全球首个专门评测AI生成视觉交互代码质量的综合基准系统。该系统包含1825个真实应用场景测试任务，创新性地通过实际运行代码、动态截图、多模态AI评委等方式，从功能性、美观度、用户体验等十个维度进行评测。实验结果显示其与人类专家判断一致性超过90%，与业界金标准WebDev Arena的一致性达94.4%，为AI代码生成能力评估树立了新标准。

清华大学研究团队开发出H3DP系统，让机器人具备了类似人类的"三重分层思考"能力。该系统通过深度感知分层、多尺度视觉表征和分层动作生成三个层次，实现了视觉感知与动作执行的深度融合。在44个仿真任务中平均提升27.5%性能，在真实世界复杂操作中提升32.3%。这项技术为机器人在杂乱环境中的精确操作和家庭服务应用奠定了重要基础。

阿里巴巴团队推出的WorldVLA是一个突破性的机器人智能系统，它首次实现了行动模型和世界模型的有机结合。系统不仅能根据视觉和语言指令生成动作，还能预测动作的环境效果，形成"理解-预测-行动"的完整循环。通过创新的注意力掩码策略，有效解决了连续动作中的错误累积问题，在LIBERO基准测试中显著提升了机器人的操作成功率和环境预测准确性。

Kevin Systrom希望解决新闻行业面临的“生存危机”。

IBM新任首席执行官Arvind Krishna在IBM Think Digital 2020大会上“云首秀”，他以“新常态下的业务发展：不可或缺的新技术”为主题分享了数字化转型时期的企业技术战略趋势。

谷歌CEO皮查伊在AI竞赛低谷期坚持"信号降噪"原则，顶住压力加倍投入，最终带领谷歌凭借Gemini系列重夺领先。他坚信AI将超越火与电的革命性影响，通过递归自我改进极大降低创意实现门槛，这场"创造力民主化"浪潮或将解锁80亿人的认知潜能。

IBM将继续聚焦这个时代最具变革性的企业技术——混合云和AI ，帮助出海客户一次构建、随处运行和托管他们的关键工作负载，提供无缝体验，帮助他们把 AI 的能力注入其技术架构、系统和业务流程中，全力支持中国出海企业的全球化发展。

MIT研究团队突破传统AI图像生成瓶颈，开发出局部感知并行解码技术，将生成步骤从256步减少至20步，速度提升12.8倍。该技术通过发现AI绘图中的空间局部性规律，重新设计了生成架构，让AI能够同时在多个区域并行"作画"而不影响质量，为实时图像生成应用开辟新道路。

OPPO研究团队通过系统性实验发现当前AI智能体研究缺乏统一标准，开发出模块化的OAgents框架，在GAIA基准测试中达到73.93%的领先成绩。该研究建立了严格的评估协议，将智能体能力分为事实获取和逻辑推理两个维度，为行业提供了标准化的工具和方法，推动AI智能体研究走向科学化和规范化。

这项由蚂蚁集团包容性AI团队完成的研究发布了Ming-Omni，这是首个媲美GPT-4o的开源多模态AI模型。该模型能够同时处理文字、图像、音频和视频，并具备语音和图像生成能力。采用MoE架构和模态特定路由器，仅需激活2.8B参数就能达到与7B参数模型相当的性能。在多项基准测试中创造新纪录，特别是在语音理解、图像生成和多模态融合方面表现突出。

2023世界人工智能大会WAIC在上海召开。

我们将讲述AI的一位被遗忘的“表亲”——IA，即智能增强。长久以来，人们思考的一直是人类大脑如何对抗人工硅脑的问题。但在IA层面，我们需要探讨的则是如何让人类大脑与人工硅脑共同合作。

香港大学团队突破性地解决了AI全景图生成中的拼接难题，提出DreamCube系统，能从单张照片生成包含深度信息的完整360度场景。该研究创新性地引入"多平面同步"技术，让AI同时协调处理立方体六个面，避免传统方法的色差和断裂问题，实现从2D图像到3D场景的快速转换，为VR/AR、游戏开发、建筑设计等领域提供了全新的内容创作工具。

研究求解器的少数者。

研究求解器的少数者。

欲戴王冠，必承其重。

欲戴王冠，必承其重。

12位院士领衔，携手来自算力领域的400多位顶尖学者，进行学术交流和专题分享。大会参会人数突破4000人，再创新高！

清华大学团队开发了CAMS智能框架，这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹，通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法，为城市规划、交通管理等领域提供了强大工具。

IBM Services 高级副总裁 Mark Foster 于IBM Think Digital 大会上的主题演讲全文。