当前，最著名的技术准则之一当数摩尔定律。在过去超过55年时间里，这一“定律”成功概括并预测了晶体管尺寸不断缩小，每两年左右实现一次技术节点升级的趋势。

这项由斯坦福大学、Meta公司和密歇根大学联合完成的研究，开发了能够实时观看视频并主动提供任务指导的AI助手系统。研究团队创建了包含30万对话的PROASSIST数据集，设计了创新的评估方法，并开发了能处理流媒体视频的端到端模型。实验显示，该系统能够在烹饪、组装等多种任务中提供及时准确的指导，为开发真正智能的人工助手奠定了基础。

随着 SSD 技术的不断进步，价格也逐渐降低，使得全闪存储的成本逐步接近传统存储解决方案。

这项由上海人工智能实验室、南京大学和中科院深圳先进技术研究院联合完成的研究，开发了全球首个专门测试AI长视频推理能力的评估平台VRBench。该平台包含1010个多语言长视频和超过9000个多步推理问答对，创新性地采用双重评估机制，既测试AI的答案准确性，也评估推理过程质量。测试结果显示，即使是最先进的AI模型在复杂视频推理任务上仍存在显著不足，特别是推理过程的可靠性方面。

Kevin Systrom希望解决新闻行业面临的“生存危机”。

科技行者推出《电商助农》选题，独家访谈中国各大电商，挖掘电商助农背后的故事。此为拼多多篇。

最近，在至顶传媒组织的一场市场圈培训活动上，侯明娟详细阐述了《新基建之5G带来的营销机会》，分享了营销的心得体会。

经历日以继夜的幕后工作后，2021年度m峰会上，深链首次推向了台前，阿里巴巴集团副总裁、阿里妈妈事业群负责人——家洛，官宣了品牌升级、技术创新和经营力重塑等三大计划，并将其命名为“数智化商业战略”。

李飞飞的World Labs以"空间智能"重新定义AI，专注3D物理世界理解，4个月估值飙至10亿美元，获科技巨头集体押注。她揭示语言无法编码物理世界，而DNA双螺旋等突破性发现都源于三维空间的深度认知。

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。

地平线机器人等机构联合发布EmbodiedGen——首个面向机器人智能的交互式3D世界生成平台。该系统能从单张图片或文字描述生成具备真实物理属性的3D资产，包括刚体物体、关节物体和完整场景，支持纹理编辑与多样化背景生成。所有资产采用URDF格式，可直接导入主流物理仿真器进行机器人训练。通过自动化质量检测、物理属性恢复等创新技术，EmbodiedGen实现了从真实世界到虚拟仿真的无缝转换，为机器人智能研究提供了低成本、高质量的数据增强解决方案。

孟买工程学院研究团队开发出突破性的多语言情感语音合成系统，能实现印地语与英语间的实时口音切换，同时准确表达多种情感。该系统在口音准确性上提升23.7%，情感识别准确率达85.3%，为南亚地区教育技术和无障碍软件应用开辟新道路。

美国加州大学洛杉矶分校等机构联合开发的Xolver系统，创新性地让AI学会像奥数团队一样协作解题和积累经验。该系统通过多智能体协作和双重记忆机制，在数学竞赛和编程挑战中取得突破性成绩，即使使用小型模型也能超越大型商用AI，为人工智能的发展开辟了新路径。

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。

本周，科技部“人工智能驱动的科学研究”专项部署工作启动；阿里巴巴设立6大业务集团；IDC发布《2023年V1全球人工智能支出指南》

中科大与Metastone公司合作提出"归因接地"框架，通过分析真实指令的产生机制来大规模合成高质量训练数据。该方法将指令归因于文档、用户和动机三要素，构建了100万条指令的SynthQuestions数据集。实验显示，用该数据集训练的AI模型性能显著提升，证明了质量胜过数量的重要性，为解决AI训练数据稀缺问题提供了新思路。

华为全联接大会2022第二天，依旧是干货满满，在华为常务董事、ICT基础设施业务管理委员会主任汪涛的带领下，大会围绕数字基础设施 ，发布了众多产品

BiomedSQL是由NIH和DataTecnica团队开发的首个生物医学文本转SQL基准，专门评估大型语言模型在生物医学知识库查询中的科学推理能力。这项创新研究构建了一个包含68,000个问题-SQL-答案三元组的数据集，基于整合了基因疾病关联、组学数据和药物记录的BigQuery知识库。与通用文本转SQL系统不同，BiomedSQL测试模型是否能理解隐含的科学约定（如基因组显著性阈值为p<5e-08）并执行多步推理。

科技行业正在热烈讨论社交网络的新标准，希望下一代标准能够更开放，同时比Twitter和Facebook都更强大。只是，这一切怎么那么眼熟呢？

UC伯克利大学研究团队发现，当前先进的视觉语言AI模型虽然拥有强大的视觉识别能力，但在实际应用中却无法有效利用这些视觉信息。研究通过对比AI视觉系统的直接表现与完整系统的表现，发现存在巨大的性能差距，AI往往依赖语言模型的偏向性而非真实的视觉感知来回答问题。这一发现揭示了AI系统中视觉-语言整合的根本性缺陷，为未来AI发展指明了新方向。