无论你对宏观经济是否关注，这条消息都不会忽视：2020年中国GDP首次突破100万亿元大关，全年经济增速达2.3%。

2022年下半年开始，“AIGC”接棒“元宇宙”成为全球关注的焦点和热议话题，各行各业都在积极探寻相关领域在AIGC助力下的崭新发展方向。

中科院和ModelBest联合推出RAVine评估框架，针对AI搜索系统现有评估方法脱离实际的问题，创新性地采用真实用户问题、全流程行为监控和可追溯信息提取技术，发现当前AI搜索系统在任务完整性和引用准确性方面存在严重不足，为构建更贴近用户需求的智能搜索系统提供了重要技术支撑。

中国工程院院士邬贺铨讨论了人工智能的发展，从IBM的深蓝到AlphaGo再到ChatGPT，展示了AI从判别式到生成式的进步。他强调了数据在AI时代的重要性，提出了数据共享与开放的必要性，并指出中国在数据产量和存储量上与美国存在差距。他还提到了政府数据的利用率不高，需要改进数据共享和开放机制。邬贺铨建议加强数据治理，提升数据安全，促进社会数字化，并强调了大模型技术在社会治理中的潜力与风险。

近日，由西门子主办的“一带一路”国际合作论坛在京举行。本次论坛以“共商·共创·共赢”为主题，探讨如何借助创新和数字化技术共创价值，并通过不断增强合作，助力“一带一路”相关国家和地区构建可持续的未来。

2018年12月12日，由OpenPOWER基金会主办的2018 OpenPOWER中国高峰论坛在北京举行。

斯坦福大学研究团队创建了全球首个创意写作评估基准LitBench，通过分析Reddit写作社区的4万多对故事比较数据，训练AI模型判断创意写作质量。研究发现专门训练的小型奖励模型（78%准确率）能超越大型语言模型评委（73%），但添加推理链反而降低了表现，揭示了创意评判需要直觉性判断的特点。

复旦大学和阿里巴巴联合推出VStyle，这是全球首个专门评估AI语音风格适应能力的基准测试。该研究解决了当前语音AI只关注"说什么"而忽视"怎么说"的问题，提出包含声学控制、自然指令、角色扮演、情感共情四类测试的1523个双语指令集。创新性地使用大型音频语言模型作为评判系统，实现了接近人类专家水平的评估一致性。测试结果显示商业系统明显优于开源系统，为语音AI向更自然人性化交互发展提供了重要技术基准。

LMGAME-BENCH是一项创新研究，通过六款经典游戏评估大语言模型的游戏能力。研究发现直接让模型玩游戏效果不佳，因此团队设计了感知、记忆和推理支架来解决视觉识别弱、提示敏感和数据污染等问题。测试13款顶级模型显示，o3和o1表现最佳，且不同游戏考验不同能力组合。有趣的是，在某一游戏上训练模型不仅提升该游戏表现，还能增强其在规划和决策任务上的能力，证明游戏环境既是有效的评估工具，也是有价值的训练场景。

南京大学与字节跳动联合团队开发的MotionSight系统，为多模态大语言模型提供了"动态视觉增强"能力，解决了现有AI系统在理解视频细粒度动作方面的困难。这一零样本方法通过对象中心的视觉聚光灯和动态模糊技术，显著提升了模型对物体动作和摄像机动作的感知能力，在不需要额外训练的情况下实现了业界领先性能。研究团队同时构建了MotionVid-QA数据集，这是首个专注于细粒度视频动作理解的大规模开源数据集，包含4万多个视频片段和近9万个问答对，为未来研究提供了宝贵资源。

布尔诺理工大学研究团队开发了DiCoW和DiariZen两个系统，用于解决多人对话中的语音识别难题。该系统巧妙结合说话人分离与语音识别技术，在国际挑战赛中获得第二名，能处理15种语言的对话场景。研究发现系统具备良好的跨语言泛化能力，即使主要用英语训练也能处理其他语言。团队已开源相关模型，为会议记录、多语言交流等实际应用提供了强大工具。

ByteDance团队开发的UMO框架解决了AI生成多人图片时的身份混乱问题。采用"多对多匹配"策略替代传统"一对一"方法，通过全局优化找到最佳人物-照片配对方案。结合奖励反馈学习和新的身份混乱度评估指标，显著提升了多人场景下的身份保持能力，在多项测试中取得大幅性能提升。

卡耐基梅隆大学研究团队通过系统实验揭示了AI长链式推理的关键机制，发现高质量训练数据、精巧奖励设计、合适思考空间和多样化数据是让AI学会深度思考的四大要素。研究表明，通过监督学习初始化加强化学习优化的组合方法，AI能够像人类一样进行分支推理、错误纠正和自我验证，为智能教育、科研辅助和复杂决策等领域应用奠定基础。

这项由俄罗斯AIRI实验室主导的突破性研究发现，AI模型的单个记忆向量能够完美压缩和复原多达1568个文本片段，压缩比达到1500倍。研究测试了14个不同模型，揭示了AI系统巨大的未开发记忆潜力，但当前利用率仅30%。这一发现不仅挑战了对AI记忆机制的传统认知，更为未来更高效的AI系统设计开辟了新方向，有望让AI助手拥有更强的长期记忆和信息处理能力。

西安交通大学等机构研究团队提出MUR方法，通过"动量不确定性"概念让AI推理系统学会轻重缓急，在节省50%以上计算资源的同时提升0.62-3.37%的准确率。该方法从物理学动量概念获得灵感，能够识别关键推理步骤并选择性地分配计算资源，解决了AI推理中的"过度思考"问题，为提高AI系统效率开辟了新路径。

随着计算架构由单构（CPU同构）到多构（异构、多异构甚至异构融合），计算形态由单机到集群再到跨集群，计算生态变得越来越重要（其重要性超过计算芯片本身多个数量级）。行业巨头以自身芯片和计算框架为核心，构建了一整套的封闭生态体系，其他芯片公司的破局之道在哪里？

香港大学与快手科技联合开发的GameFactory系统实现了革命性突破：用户只需文字描述就能生成可操作的互动游戏。该系统通过创新的"风格-动作解耦"技术，让AI既能理解游戏控制逻辑，又能适应任何场景环境，从《我的世界》训练数据成功泛化到樱花森林、雪山、室内等开放域场景。这项技术有望大幅降低游戏开发门槛，让任何人都能成为游戏创造者，为娱乐产业带来颠覆性变革。

在我们的日常生活中，睡眠的重要性不言而喻。一个晚上没睡好，第二天的工作效率就会大打折扣，而充足的睡眠不仅能让我们恢复精力，还能帮助大脑整理和巩固当天学到的知识。有趣的是，AI模型竟然也表现出了类似的“睡眠需求”。

北京大学和百度VIS联合研发的MV-AR技术，首次让AI学会像人类一样逐步观察物体，通过自回归方式生成多视角一致图像。该技术解决了传统方法在处理大视角差异时的一致性问题，支持文字、图像、形状等多种输入，在3D内容创作、机器人视觉等领域具有广阔应用前景。

想要开发出几乎能够适应一切道路状况的无人驾驶汽车，无疑是项极度严苛的挑战。