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

一篇54页的文档《揭示OpenAI计划在2027年前实现通用人工智能（AGI）的计划》在网络传播，由推特用户Jackson (@vancouver1717)整理，基于公开资料推测OpenAI的AGI已实现。

卡内基梅隆大学研究团队创建了首个游戏开发AI测试平台GameDevBench，包含132个源于真实开发场景的任务。测试发现最优AI模型成功率仅54.5%，在视觉相关任务上表现更差。研究团队开发的视觉辅助工具显著改善了AI表现，为多模态AI在创意领域的应用提供了重要见解。

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。

斯坦福神经AI实验室开发出SpelkeNet系统，通过"虚拟戳击"让AI像婴儿一样理解物体的物理结构。该系统不依赖外观特征，而是模拟物理力作用来发现哪些像素会一起移动。在物体操作任务中表现显著优于传统方法，并意外展现出对支撑关系和材料属性的理解能力。

新加坡国立大学团队开发的PhotoDoodle系统，通过两阶段训练策略实现了从少量样本学习艺术家照片涂鸦风格的突破。该系统采用位置编码复用和无噪声条件机制，仅需30-50对图片样本就能掌握特定艺术风格，在保持背景完整的同时精确添加装饰元素，为AI辅助艺术创作开辟了新方向。

为训练深度神经网络量身定制的第一批商用芯片将于今年上市。由于训练新的神经网络模型可能需要几周或几个月的时间，因此这些芯片可能是迄今为止制造出的最大、也是最昂贵的商用芯片。

2023世界人工智能大会WAIC在上海召开。

Skywork AI首次在软件工程领域验证数据规模效应，开发的Skywork-SWE-32B模型在SWE-bench Verified基准测试中达到38.0%准确率（使用测试时缩放技术可达47.0%），创下开源模型新纪录。研究构建了包含10169个验证实例的大规模数据集，证明增加高质量训练数据能持续提升AI软件修复能力，为开源软件工程AI发展提供重要突破。

清华大学等机构组织的MARS2多模态推理挑战赛历时两个多月，76支知名团队参与，通过三个赛道全面考察AI在真实场景视觉定位、空间感知问答和广告视频推理等复杂任务上的能力，结果显示即使最先进AI模型表现仍不理想，为推动人工智能向真正智能化发展提供了重要基准和研究方向。

英伟达2025Q1营收440亿美元创纪录，数据中心业务暴涨73%至390亿美元。黄仁勋直言："中国是全球最大AI市场，出口管制只会让美国失去平台领导权。Blackwell架构推动推理性能提升30倍，微软已部署数万块GPU，AI工厂正成为各国数字基础设施核心。"

陈运文34岁那年，是2015年，他离开任职多年的大厂，转而投身于“大众创业、万众创新”的时代浪潮中。从此，他成为达观数据董事长兼CEO，他的使命是“扛起国内文本智能处理ToB业务这面大旗”。

SCENEWEAVER是清华大学和智源研究院联合开发的突破性AI室内设计系统，能够仅通过自然语言描述自动生成完整的三维房间场景。该系统采用多工具整合和自反思规划机制，模仿专业设计师的工作流程，在视觉真实性、物理合理性和功能完整性方面均显著超越传统方法，为AI辅助创意设计开启了新的可能性。

Meta和UC Berkeley联合研究团队开发了名为Toto的AI模型，通过"看前猜后"的方式学习理解视频。该模型观看了超过十万小时视频内容，在图像分类、视频理解、物体跟踪和机器人操作等多个任务中表现出色，甚至自然涌现了"物体永恒性"理解能力。研究发现视觉AI也遵循类似语言模型的缩放定律，但效率略低于语言模型。这项工作为构建通用视觉AI系统提供了新思路。

张小龙将微信称作广场，但是很多时候，大家只想看舞台上的表演。而张一鸣的抖音就是那个舞台。

这篇文章介绍了北京人工智能研究院开发的OmniGen2模型，一个能够同时处理文字转图像、图像编辑和情境生成的全能AI系统。该模型采用双轨制架构，分别处理文本和图像任务，并具备独特的自我反思机制，能够自动检查和改进生成结果。研究团队还开发了专门的数据构建流程和OmniContext评测基准，展现了开源模型的强大潜力。

ByteDance研究团队开发了PaSa智能学术搜索系统，通过双AI代理架构解决传统搜索局限性。系统能自动阅读论文、追踪引用网络，实现深度文献挖掘。在真实测试中，PaSa相比现有最佳方法在相关论文发现率上提升近40%。该系统已开源，为全球学术研究提供高效文献调研工具。

仿人/仿生机器人领域还不到100家企业，说明这个行业还没有真正火起来。

小米公司发布了MiDashengLM，这是一个革命性的音频理解AI系统，能同时理解语音、音乐和环境声音，并用自然语言描述听到的内容。该系统采用创新的"通用音频字幕"训练方法，在多项测试中全面超越现有顶尖系统，运行速度提升4-20倍。研究团队承诺完全开源所有数据、代码和模型权重，为音频AI领域树立了新标杆，有望改变我们与数字设备的交互方式。

仿人/仿生机器人领域还不到100家企业，说明这个行业还没有真正火起来。