华为诺亚方舟实验室推出MMDOCIR，这是首个专门针对长文档多模态信息检索的基准测试系统。该系统能够在平均65页的复杂文档中精确定位信息，不仅理解文字内容，还能解读图表、表格等视觉元素。通过对313份真实文档的测试，研究证明视觉理解方法比传统文本转换方法准确率高出15-25个百分点，为企业知识管理、法律文书检索、医疗文献查阅等领域带来革命性改进。

这项由ByteDance Seed和北京交通大学联合完成的研究首次让AI真正学会从真实世界视频中掌握复杂长时技能。研究团队开发的VideoWorld 2系统通过创新的dLDM技术架构，成功分离了动作学习和外观建模，使AI能够像人类一样从观察中学习并在新环境中准确复现技能。在手工制作和机器人操作任务中，该系统展现了显著的性能提升和强大的跨域泛化能力，为构建更通用的AI学习系统开辟了新路径。

我们将共同审视全球人工智能产业，并以此为背景，考量其在政治、数据、经济、初创企业、金融、研究以及基础设施等层面的影响。

这项突破性研究首次系统性地揭示了多轮对话攻击对AI安全的严重威胁，开发了X-Teaming智能攻击框架和XGuard-Train防护数据集。研究显示当前AI系统面对精心设计的多轮攻击时失守率高达98%，但通过新构建的大规模训练数据集可将这一风险显著降低，为AI安全防护提供了重要工具和新思路。

在过去数年间，维克托教授经常到访中国，我们也一直和维克托教授保持相当频繁的交流，追踪他对大数据产业和泛科技产业的最新看法和判断。

当其他企业还在低谷中上下求索的时候,二十余年来始终以“数字中国”为使命的神州数码集团,却在2022年一季度业绩大考中给出了营收增长19%、净利润增长20%的优异成绩。

LAION团队联合多个顶尖研究机构推出EMONET-VOICE语音情感识别基准，包含4500小时多语言合成语音数据和40种精细情感分类。该项目通过心理学专家标注创建高质量测试集，开发出性能领先的EMPATHICINSIGHT-VOICE模型，发现AI系统对高唤醒度情感识别效果好但低唤醒度情感识别困难，为语音AI向人性化发展奠定重要基础。

ByteDance研究团队开发出革命性的Seaweed-APT技术，实现了首个真正意义上的实时高清视频生成。该技术通过创新的对抗后训练方法，将传统需要25步和数分钟的视频生成过程压缩为单步1秒完成，能生成2秒长1280×720高清视频，视觉真实感提升37.2%。尽管在结构完整性方面存在一定权衡，但这项突破为AI内容创作、社交媒体、教育和娱乐等领域开启了实时视频生成的新时代。

2023世界机器人大会在京举办，发布多项重要成果

加州大学伯克利分校研究团队首次系统分析多智能体AI系统失败原因，发现即使先进的AI团队成功率也仅30%左右。通过分析200多个案例，他们识别出14种失败模式，归类为规格说明、智能体协调和任务验证三大问题，并开发了MAST诊断工具。研究揭示失败根源在于系统设计缺陷而非AI能力不足，为改进AI团队协作提供了重要指导。

新加坡国立大学研究团队开发出首个完全自动化的AI电影制作系统MovieAgent，能将简单剧本概要在2-10分钟内转换成完整多场景电影。系统采用三个AI智能体协作和内在思维链推理机制，成本几乎为零，在角色一致性、叙事连贯性等关键指标上达到业界领先水平，预示电影制作行业的革命性变革。

不过，虽然这是一场地平线的产品发布会，但在整场演讲当中，我们听到最多的反而是余凯的产业理念。从当年在百度参与过辛顿深度学习公司竞拍的科学家，到现在的港交所上市公司，余凯自己完成了一个科学家到企业家的完美转身。这次发布会上，他也对芯片公司的创业之路做了一个相当完整的梳理。某种程度上，我们甚至可以将这场发布会当作一个商学院创业课来听。

斯坦福大学研究团队深入分析了广泛使用的AI评判系统Arena-Hard Auto，发现了三个重大问题：AI评委经常不按既定标准评判（规划失效），不同评判维度高度重合无法独立区分（因子坍塌），以及ELO评分系统通过数学变换掩盖了底层的不确定性。研究开发了专门的诊断工具来检测这些问题，并提出了改进建议，对依赖AI评判系统的学术研究和商业应用具有重要警示意义。

USC研究团队提出的潜在去噪分词器（l-DeTok）通过在训练过程中引入插值噪声和随机遮罩，让视觉分词器学会从损坏信息中重建图像，使其更好地适配下游生成模型的去噪任务。该方法在六种代表性生成模型上均实现显著性能提升，为视觉分词器设计提供了全新思路。

上海交通大学团队开发了MemOS记忆操作系统，让AI拥有真正的长期记忆能力。该系统统一管理参数记忆、激活记忆和明文记忆三种类型，通过MemCube智能单元实现记忆的生命周期管理和跨类型转换。在LOCOMO基准测试中，MemOS在所有推理任务上均获得最佳成绩，特别在多跳推理和时间推理中表现突出。

微软研究院联合多所知名高校开发出SeerAttention-R稀疏注意力框架，专门优化AI推理模型的长序列解码效率。该技术通过自蒸馏学习让AI学会智能筛选重要信息，在保持近乎无损推理准确性的同时，实现了高达9倍的计算加速。系统采用轻量级插件设计，无需重训原模型即可集成，为长文本AI推理应用的普及铺平道路。

普渡大学研究团队首次提出AI模型免疫技术，通过条件数理论让模型能够抵抗恶意训练。该方法在保持正常功能的同时，显著增加恶意微调的难度，实验显示免疫效果可达40倍以上。这项突破性研究为AI安全提供了"预防胜于治疗"的新思路，开创了模型免疫这一全新技术方向。

俄罗斯Sber AI团队开发出NABLA算法，通过邻域自适应块级注意力机制实现AI视频生成2.7倍加速。该算法采用三步优化：降维侦察、智能筛选和精确映射，动态识别重要注意力区域，在保持视频质量的同时大幅减少计算开销，为高效AI视频生成提供新解决方案。

2023年大众对AI的看法从怀疑到认可，AGI（通用人工智能）的发展迅速，大模型展现出惊人的想象力和取悦能力。应用层尚未出现独角兽，创业者面临官方技术迭代的挑战。

KTH皇家理工学院研究团队通过收集6万个AI智能体运行轨迹，首次系统性地揭示了当前AI评估方法中存在的严重随机性问题。研究发现，即使在确定性设置下，同一智能体的表现仍可能波动2-6个百分点，许多声称的技术"改进"可能只是评估噪音。团队提出了基于统计功效分析的严格评估框架，为建立可靠的AI性能评估体系提供了科学指导。