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。

港中文团队开发的T2I-R1系统首次让AI学会"思考式"图像生成，通过语义规划和细节优化的双层推理机制，在复杂图像生成任务上比基础模型提升13-19%，甚至超越了业界最强的FLUX.1模型，为AI创意产业应用开辟新路径。

博世中国联合多家知名院校开发的DiffSemanticFusion技术，通过创新的多模态信息融合和在线地图扩散模块，让无人驾驶汽车能在地图不完美的情况下准确理解环境。该技术在轨迹预测上提升5.1%性能，在复杂驾驶场景中提升15%，为解决无人驾驶对完美地图的依赖问题提供了突破性方案。

UniTEX是香港科技大学与Light Illusion团队联合开发的创新3D纹理生成框架，彻底突破了传统UV映射的限制。该技术引入了"纹理函数"概念，将纹理定义为3D空间中的连续函数，完全绕过了拓扑歧义问题。配合精心设计的大型纹理模型和高效的扩散Transformer微调策略，UniTEX能从单一参考图像生成高保真、完整的3D纹理，同时在艺术家创建和AI生成的复杂模型上都表现出色，为游戏、VR和数字内容创作领域带来革命性变化。

数字化转型，不做被大势裹挟着挪步的人。

《连线》杂志创始主编凯文·凯利发表了《What is Next》的主题演讲。凯文·凯利被看作是“网络文化”的发言人和观察者，他的书可能大家也很了解，《失控》《科技想要什么》和《必然》等书籍，影响了很多信息科技领域的从业者，人们也经常亲昵地称他为KK，

清华大学团队开发的StreamVGGT实现了首个实时4D视觉几何重建系统，通过模仿人类视觉的时间因果感知机制，将处理速度提升30倍而精度几乎不变。该技术采用流式处理架构和知识蒸馏训练，为自动驾驶、AR/VR、机器人导航等领域提供了突破性解决方案。

Salesforce AI Research联合伊利诺伊大学开发的UserBench研究揭示了当前AI助手的重大缺陷：尽管技术上表现出色，但在理解用户真实需求方面表现糟糕。最先进的AI模型完全满足用户需求的成功率仅20%，发现隐性偏好的能力不足30%。这项研究创建了专门的用户中心评估环境，为开发真正理解用户、能够成为人类理解型伙伴的AI助手指明了方向，标志着AI发展从"任务执行者"向"用户协作者"的重要转变。

香港中文大学团队开发出让AI学会矢量图形编程的创新方法，通过强化学习和跨模态奖励机制，成功将开源模型的绘图能力提升到商业级水平。研究建立了SGP-GenBench评估体系，发现AI不仅学会精确绘图，还发展出分层构建、创意补充等智能行为模式，为AI辅助设计开辟新路径。

这项研究开发了ScaleEnv框架，能够从简单关键词自动构建完整的AI训练环境。通过程序化测试和双阶段构建，确保虚拟环境的真实可靠。实验证明，在此框架训练的AI智能体在跨领域测试中表现显著提升，验证了环境多样性对AI泛化能力的重要作用，为AI训练方法开辟了新方向。