华盛顿大学研究团队成功开发出能够检测重度意识障碍患者大脑活动的"翻译系统"，准确率达89%。该技术通过脑电图和人工智能算法，发现近40%被判定为"植物人"的患者实际仍有意识。系统不仅能诊断意识状态，还能预测康复前景，为患者家庭带来希望，推动了脑机接口技术革命性进展。

斯坦福大学研究团队通过对比实验发现，AI模型自我改进能力的关键在于四种认知行为：验证、回溯、子目标设置和逆向推理。具备这些"思维习惯"的模型能有效利用额外计算时间提升表现，而缺乏认知行为的模型则停滞不前。研究证明通过精心设计的训练数据可以人为培养这些能力，且思维过程比正确答案更重要。这一发现为AI发展指出新方向：培养正确思维方式比增加数据量更关键。

Matrix-3D是天工大学等机构联合开发的突破性3D世界生成技术，能够从单张照片或文字描述创造出360度全方位可探索的虚拟3D世界。该技术采用全景表示法和场景网格渲染，提供快速和精细两种重建模式，在视觉质量和可探索范围方面显著超越现有方法，为游戏设计、影视制作、VR应用等领域开辟新可能。

作为“养智”参观考察线路的重要一环，由攀枝花市国有投资集团与腾讯医疗携手共建的攀枝花市“智慧康养大脑”——攀枝花智慧康养产业大数据中心正式亮相，吸引了社会各界关注的目光。

Check Point 研究人员发现，新型 Linux 后门程序‘SpeakUp’不断蔓延，大肆传播 XMRig 加密货币挖矿恶意软件.

医疗AI的前景不再是理论，但大多数试点项目无法规模化。在Epic和Cerner等EMR平台中，AI要实现企业级应用，必须证明技术可靠性和可衡量价值。严格的AI评估（evals）和明确的关键绩效指标（KPIs）是成功的必要支柱。评估确保系统准确性和安全性，KPIs量化临床价值和投资回报率。

UC圣地亚哥和西蒙弗雷泽大学联合开发了GMT系统，这是首个能让机器人掌握多种人类动作的通用控制器。通过自适应采样和专家混合架构，单一系统可同时处理走路、跳舞、武术等复杂技能，在真实机器人上展现出卓越的稳定性和流畅性，为通用人形机器人的实现迈出关键一步。

DPU作为一个新兴起的概念，正在以惊人的速度崛起。据预测，DPU将成为未来计算的三大支柱之一，CPU+GPU+DPU构成未来的数据中心。

香港大学团队提出UniVLA框架，通过"任务中心潜在动作"技术让不同机器人共享技能，无需大量标注数据即可从网络视频学习。在多项基准测试中显著超越现有方法，仅用1/20计算资源就达到更好性能。该研究为机器人跨平台技能迁移和大规模学习提供了新思路，有望推动通用机器人助手的实现。

中国人民大学研究团队开发了ReaRec推荐系统，让AI学会"三思而后行"。不同于传统推荐系统的直接反应，ReaRec通过多步推理深度理解用户需求，特别擅长为新用户和小众商品提供精准推荐。实验显示平均性能提升7.49%，理论上限可达30-50%提升，为推荐系统开辟了推理时计算的全新方向。

“登哥”遇到的问题，是一个典型社会信用问题，也带来了经济模式问题。

复旦大学团队提出Sparse-dLLM技术，通过智能缓存管理解决扩散大语言模型速度慢、内存消耗大的问题。该方法采用双向稀疏化策略和延迟更新机制，实现3-10倍速度提升，同时保持准确性和控制内存使用。技术具有即插即用特性，在多个AI测试中表现优异，为AI应用实用化开辟新途径。

9月29日，在2021中国通信学会环球科学家蓝海论坛上，高通公司中国区研发负责人徐晧博士，以《5G到6G技术演进》为主题，讲解了移动通信技术演进的故事。

斯坦福大学等国际研究团队通过对比GPT-3.5、GPT-4o等六个主流大语言模型在印地语、波斯语和中文对话中的表现，发现AI在不同语言中的"幻觉"现象存在显著差异。研究显示中文表现最稳定，幻觉现象最少，而印地语和波斯语中AI经常出现答非所问的情况。这一发现揭示了训练数据质量对AI语言能力的决定性影响，为多语言AI公平性发展提供重要参考。

如今，获得初步胜利的AMD开始将CPU与GPU计算整合起来，同时再辅以一点收购自赛灵思的FPGA和来自Pensando的DPU元素。

这项由北大团队开发的OmniManip系统，通过创新的物体中心表示方法和双重闭环控制，让机器人能够理解自然语言指令并在复杂环境中精确操作。系统在12项真实任务测试中达到68.3%成功率，远超传统方法，展现了从服务机器人到工业制造等广泛应用前景。该技术为实现真正智能的通用机器人奠定了重要基础。

哈佛大学研究团队在NeurIPS 2024上发表重要研究，解决了AI模型在处理敏感数据时面临的隐私保护难题。该研究首次将差分隐私技术与上下文学习结合，开发出自适应隐私保护机制，能够根据数据敏感程度动态调整保护强度。实验证明，新方法在保持严格隐私保护的同时，让AI模型学习效果提升15-20%，为医疗、金融、教育等领域的AI应用提供了安全可靠的技术方案。

DeepSeek于1月推出的R-1 AI模型显著改变了企业AI的格局，导致美国科技股市损失超过1万亿美元。该公司声称其推理模型在性能上可与OpenAI的o1相媲美，速度是其两倍，成本仅为10%。尽管模型开发存在争议，DeepSeek加速了AI模型的商品化，为CIO提供了更多选择和更低的内部构建AI能力的门槛。随着模型成本下降，企业在商业解决方案上将有更大选择，内部开发应用变得更为现实。

这项研究提出了π?方法，通过置换等变架构解决了传统3D重建技术依赖固定参照系的问题。该方法让每个摄像机独立描述场景，无论输入顺序如何都能产生一致结果，在多个任务上达到最先进性能，同时具有出色的鲁棒性、可扩展性和训练效率，为AR、自动驾驶等应用领域带来新可能。

随着大数据、云计算、5G、人工智能和物联网等新兴技术的崛起，“智慧+”建设已经成为当下全球的热门领域，整个社会也正在迈向万物感知、万物互联和万物智能的新纪元。