2020年12月18日，在为期三周的亚马逊re:Invent全球大会即将闭幕之际，亚马逊全球副总裁、首席技术官Werner Vogels博士发表压轴演讲，分享了他对2021年的科技趋势的预测。

清华大学和上海人工智能实验室联合开发的AutoMat是一个突破性工具，能自动将电子显微镜图像转换为精确的晶体结构模型并预测材料性质。系统整合了模式自适应降噪、物理引导模板匹配、对称感知结构重建和机器学习性质预测四大模块，由大语言模型代理协调运行。在自创的STEM2Mat-Bench基准测试中，AutoMat远超现有多模态大语言模型，为桥接显微镜成像与原子模拟提供了自动化解决方案，显著加速了材料科学研究流程。

5月13日，在零一万物成立一周年之际，零一万物CEO李开复博士携带千亿参数Yi-Large闭源模型正式亮相，正式进军全球SOTA顶级大模型之首，在斯坦福最新的AlpacaEval 2.0达到全球大模型Win Rate 第一。除此之外，零一万物将早先发布的Yi-34B、Yi-9B/6B中小尺寸开源模型版本升级为Yi-1.5系列，每个版本达到同尺寸中SOTA性能最佳。

孟加拉国联合国际大学研究团队开发了VisText-Mosquito多模态数据集，这是首个集成视觉检测和自然语言推理的蚊子繁殖点识别系统。该系统包含1970张标注图像，能够识别五类繁殖容器并进行水面分割，同时提供人类可理解的判断解释。YOLOv9s等模型达到92.9%检测精度，为全球蚊媒疾病防控提供了AI技术支撑。

微软推出的Phi-4-Mini-Reasoning模型仅用38亿参数就在数学推理任务上击败了70-80亿参数的竞争对手。通过创新的四阶段训练方法（大规模中期训练、监督精调、回滚偏好学习、强化学习），该模型在AIME24、MATH-500等测试中表现卓越。这项研究证明了"精巧胜于庞大"的AI设计理念，为资源受限环境下的高性能AI应用开辟了新路径，在教育、科研等领域具有广阔应用前景。

AI无法处理长文档？字节提出人工海马网络，让AI像人脑一样高效处理超长信息

华盛顿大学等顶尖机构联合推出地理视觉代理概念，让AI能够分析街景、用户照片等视觉数据，回答"咖啡店门在哪里、是否无障碍"等具体问题。团队开发了三个原型：帮助盲人探索街景的StreetViewAI、为残障人士评估环境的Accessibility Scout，以及个性化骑行路线规划的BikeButler，展现了AI与地理信息结合的巨大潜力。

展望未来，XPU市场将呈现百花齐放的局面，各种芯片在各自的赛道发挥自身独特的价值。同时各种计算架构之间在聚焦自身优势的同时，也在相互融合协同，形成了“你中有我，我中有你”的局面。

具身智能作为人工智能领域的一颗璀璨新星，正引领着新一轮的技术革命。

苹果公司研究团队开发出革命性语音AI技术RealTimeVoice，首次实现语音助手的完美记忆力和实时对话能力。该技术通过流式音频处理和创新的记忆缓存机制，让AI能够记住完整对话历史的同时保持快速响应，反应速度比传统系统提升一倍。这项突破将彻底改变人机语音交互体验，让数字助手真正成为理解用户的智能伙伴。

第七届世界智能大会成功召开，全球生成式AI产业图谱及报告发布。

2023全球人工智能开发者先锋大会在上海临港成功举办。

抖音SAIL团队联合新加坡国立大学开发的SAIL-VL2多模态AI模型，以2B-8B的紧凑参数实现了超越大型模型的性能。通过精心的数据筛选、渐进式训练和架构优化，在106个数据集测试中表现卓越，其中2B版本在4B以下开源模型中排名第一，8B-Thinking版本在推理任务上达到开源第一。该模型证明了"小而精"的发展路径，为AI技术的普及和高效部署提供了新思路。

这项研究开发了CellForge系统，通过多个AI专家协作自动化虚拟细胞建模全流程。系统在六种不同生物学场景测试中全面超越现有方法，预测误差最高降低40%，相关性提升20%。该技术将传统需要数月专家协作的工作压缩至几小时，成本从数千美元降至几美元，有望大幅降低科研门槛并加速生命科学发现。

Meta与卡内基梅隆大学联合开发的ATLAS系统革命性地解决了3D人体建模中的核心难题。通过将人体骨架和表面分离处理，ATLAS实现了精确的独立控制，避免了传统方法中调整一个部位影响其他部位的问题。该系统基于60万高分辨率扫描数据训练，采用创新的稀疏非线性姿态校正技术，能从单张照片生成精确3D模型，为虚拟现实、游戏制作、在线购物等应用提供强大技术支撑。

英特尔客户充分发挥英特尔客户至上的价值观，站在客户的角度，从客户的实际应用需求出发，为客户匹配到最合适且最具性价比的解决方案，并通过与客户一道进行反复的沟通测试，真正验证了英特尔平台级解决方案在真实应用场景中的价值。

[前言] 技术创新要通过赋能千行百业而体现，更需要无数创业者以新思路来呈现。GSMA 5G创新与投资平台（5G IN）推出「创业者说」系列访谈，携手新媒体平台科技行者，分享创业者的创新故事。

阿里巴巴等机构联合发布LLaSO框架，这是首个完全开放的端到端语音理解系统。该框架包含2550万训练样本、20种语音任务，支持多模态交互，在标准化评估中获得0.72分，超越同类系统。LLaSO不仅提供完整数据和代码，还建立了统一评估标准，为语音AI研究提供了重要基础设施，推动了从语音识别向全面语音理解的技术跃升。

关于机器人流程自动化的一切，以及先锋厂商UiPath的成长路径。

卡内基梅隆大学等机构联合开发的LessIsMore技术，通过发现AI推理中的空间局部性和时间局部性规律，创新性地采用统一注意力头选择和稳定时间窗口机制，在保持准确性的同时实现1.1倍推理加速。该技术无需重新训练即可应用，为AI推理效率提升开辟了新路径。