在AI圈子里，大家或许听到过这样的话术，“AI创新既是一场马拉松，也是一场短跑”，此时此刻我在AMD Advancing AI这场关乎未来AI计算格局的会上，脑中多次浮现出这句话。

从一个时间节点跨越到另一个时间节点，许多人都很关注下一步发展，大佬们也是如此。

12月3日，在工业和信息化部网络安全产业发展中心（工业和信息化部信息中心）指导下，由统信软件技术有限公司举办的“为未来而同心——操作系统生态大会2021”在人民网一号演播厅成功举办。

在面谈会中讨论生成式AI，与会者们从担忧到惊奇可谓反应不一。而风险投资者——特别是像我这样在公司始创之初就与创始人合作的风险投资者——总会强调我们正处于技术生命周期的“起始阶段”。

弗吉尼亚大学联合多所顶尖院校研发出能量基础变换器（EBTs），首次让AI具备真正的深度思考能力。与传统AI的快速反应不同，EBTs通过学会"评判"答案质量并持续优化，实现了动态计算分配、不确定性表达和自我验证三大认知能力。实验显示其学习效率比传统方法提高35%，思考能力提升29%，为AI发展开辟了从"记忆检索"向"智慧判断"转变的新路径。

做生态需要的是“润物无声”的胸怀——不能一味地往前冲，而要往更深的幕后走。

HiL领域龙头企业上海蔚赫信息科技有限公司（“蔚赫”）正式完成近亿元Pre-A轮融资，并成功收购博世/ETAS全球LABCAR HiL IP及技术，迈出了HiL行业国产替代的第一步。

在处理球员数据、寻求成绩提升方法的过程中，无线技术为太阳队带来了强大的竞争优势。

中国人民大学和上海高级算法研究院联合开发的SEAP技术，通过模仿人脑按需激活不同区域的工作方式，让大语言模型能够根据任务类型智能选择相关神经元，实现"聪明偷懒"。该技术在保持97.8%原始性能的同时，将推理速度提升48-52%，为AI模型在普通设备上的高效部署提供了创新解决方案。

中科大团队发布CRITICTOOL基准，首次系统评估大型语言模型工具调用自我批判能力。研究发现当前AI模型包括GPT-4o在内，遇到工具使用错误时恢复能力有限，最高仅达70%水平。该基准通过内部错误和外部环境错误两大类五种模式，结合数据进化策略，为AI工具使用可靠性评估提供重要参考。

Writer公司研究团队通过FailSafeQA基准测试发现，即使最先进的AI模型在处理金融查询时也存在严重可靠性问题。测试涵盖24个模型，发现最优秀的系统仍有41%概率在信息不足时编造答案。该研究创新性地评估了AI系统在面对拼写错误、文档缺失、OCR错误等真实场景时的表现，揭示了当前AI技术在关键应用中的风险，为金融等行业的AI部署提供了重要安全参考。

斯坦福大学研究团队开发了KL-tracing方法，能让视频生成AI模型在无需专门训练的情况下进行精确物体追踪。该方法通过在视频帧中添加微小追踪标记，利用模型的物理理解能力预测物体运动轨迹。在真实场景测试中，相比传统方法性能提升16.6%，展现了大型生成模型在计算机视觉任务中的潜力。

每个行业都应该具有独特的成本领先战略密钥。用友在十大核心领域、近百个细分行业创造了众多降本增效的“企业数智化领先实践”，通过数智化加速企业成本领先战略落地，推动企业高质量发展。

最近三年半以来，我们一直在跟踪数据中心大型企业（上市公司）的财务业绩。但从去年开始，我们开始对数据中心领域的各大IT供应商统计数字进行切片分析，希望更好地了解业界正在发生什么、又有哪些趋势性判断属于误读。

凶猛的疫情面前，前有大数据分析，后有AI红外检测纷纷加入战场，而新兴技术——区块链又能做什么？千万别小瞧了这项技术，虽不能在前线杀“菌”，但区块链却能在后方充当“最佳后勤”——从物资管理到病患数据上链，有区块链技术助力。

OpenAI CEO描绘了AI温和变革人类生活的愿景，但现实可能更复杂。AI发展将带来真正收益，但也会造成社会错位。随着AI系统日益影响知识获取和信念形成，共同认知基础面临分裂风险。个性化算法加剧信息茧房，民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存，建立基于共同责任而非意识形态纯洁性的社区。

伊利诺伊大学研究团队开发了GenoMAS，一个由6个专业AI智能体组成的基因表达分析系统，能像科研团队一样协作编程解决复杂生物信息学问题。该系统通过引导式规划框架平衡结构与灵活性，在GenoTEX基准测试中实现89.13%预处理准确率和60.48%基因识别F1分数，分别比先前最佳方法提升10.61%和16.85%，同时降低44.7%计算成本，代表了科学计算自动化的重要突破。

阿里达摩院联合多所高校提出AffordDex框架，让机器人灵巧手首次具备类人功能感知能力。通过两阶段训练结合负面功能感知分割技术，实现既自然又安全的物体抓取，成功率达89.2%，人类相似性评分8.6分，功能正确性远超现有方法，为通用机器人智能发展奠定重要基础。

NOVER是一种创新的无验证器强化学习框架，解决了传统激励训练依赖外部验证器的限制。由伦敦国王学院研究团队开发，它通过计算"推理困惑度"作为奖励代理，使语言模型能在任何文本任务中自主发展推理能力。实验表明，NOVER在一般推理、创意写作、社会智能和多语言能力等多种任务上均优于基线方法，甚至使3B模型接近从671B模型蒸馏版本的性能。此外，其灵活性还支持"反向激励训练"等创新应用，为语言模型训练开辟了新方向。

在最新一份财务报告当中，截至8月4日的当季度（2025财年第二季度），戴尔公司已经表现出推动生成式AI商业化的迹象。