一年过去，ChatGPT引发的AGI热潮丝毫未减。只是相对于最初推出时掀起的全民大模型热，如今关于该如何落地的讨论更多了起来。

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。

微软研究院联合多所知名高校开发出SeerAttention-R稀疏注意力框架，专门优化AI推理模型的长序列解码效率。该技术通过自蒸馏学习让AI学会智能筛选重要信息，在保持近乎无损推理准确性的同时，实现了高达9倍的计算加速。系统采用轻量级插件设计，无需重训原模型即可集成，为长文本AI推理应用的普及铺平道路。

12月12-15日，第十八届CCF全国高性能计算学术年会（以下简称CCF HPC China 2022）以线上的方式举行

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。

普渡大学研究团队首次提出AI模型免疫技术，通过条件数理论让模型能够抵抗恶意训练。该方法在保持正常功能的同时，显著增加恶意微调的难度，实验显示免疫效果可达40倍以上。这项突破性研究为AI安全提供了"预防胜于治疗"的新思路，开创了模型免疫这一全新技术方向。

这项研究介绍了MADrive系统，一种革命性的自动驾驶场景模拟技术。该系统通过一个包含7万辆真实车辆的数据库，能够将普通驾驶录像转换成各种危险场景的高逼真度模拟，为自动驾驶系统提供安全的训练环境。实验表明，相比传统方法，MADrive在多个关键性能指标上都有显著提升，为解决自动驾驶训练数据稀缺问题提供了新思路。

印度理工学院团队开发REFINE-AF框架，让小型AI模型通过强化学习自动生成训练指令，无需大量人工标注。该方法在119项测试任务中，63-66%的表现超越传统方法，证明了小模型也能通过巧妙设计获得优异效果，为降低AI训练成本提供了新思路。

「 在过往采访中，我经常会从国内程序员口中听到“硅谷”这个词，有人羡慕硅谷程序员的高工资，将湾区程序员描述成开着保时捷的精英模样。有人将硅谷作为国内事业达到天花板后，事业再上一步的归宿。有人将硅谷视为IT人心中的圣地，那里充满自由与创新。」

俄罗斯Sber AI团队开发出NABLA算法，通过邻域自适应块级注意力机制实现AI视频生成2.7倍加速。该算法采用三步优化：降维侦察、智能筛选和精确映射，动态识别重要注意力区域，在保持视频质量的同时大幅减少计算开销，为高效AI视频生成提供新解决方案。

新加坡科技设计大学研究团队开发出SonicMaster，这是首个支持自然语言控制的统一音频修复系统。该系统能够同时处理音乐录制中的19种常见问题，包括混响、削波、频响不平衡等，用户只需用普通话描述需求即可获得专业级处理效果。研究团队构建了包含17.5万音频样本的训练数据集，测试显示系统在客观指标和主观听感上均显著优于传统方法，为音频处理技术的普及应用提供了新思路。

新加坡国立大学研究团队发布了离散扩散大语言模型的全面综述，这种新型AI写作模式让机器能像人类一样反复修改文本，而非传统的从左到右逐字生成。技术实现了10倍推理加速，支持精确的格式控制和并行生成，在保持传统模型性能的同时，解决了可控性和推理效率问题。

经专家团队调研、企业申报、编辑推荐和评审组评定，中国工业报2020“智造基石”优选榜近日正式揭晓。

2023年大众对AI的看法从怀疑到认可，AGI（通用人工智能）的发展迅速，大模型展现出惊人的想象力和取悦能力。应用层尚未出现独角兽，创业者面临官方技术迭代的挑战。

如果说大模型的上半场是以互联网大数据预训练为代表的数字AI；而下半场，是以机器人、世界模型等为代表的物理AI。汽车可能正好处于两者之间的分水岭上。

OPPO AI团队发布EcoGym，这是首个专门评估AI长期商业决策能力的综合测试平台。该平台包含零售管理、自由职业和平台运营三个商业场景，让AI进行长达365天的持续经营。对十一个主流AI模型的测试发现，没有任何模型能在所有场景中都表现卓越，揭示了当前AI技术在长期经济规划方面的显著局限。研究还发现思维链推理能显著提升AI表现，部分模型甚至超越了人类专家水平。

太平洋时间5月20日上午，在加州山景城海岸线圆形剧场（Shoreline Amphitheatre），空气中弥漫着咖啡香气和一种几乎能触摸到电子脉冲般的兴奋感，2025 Google I/O（谷歌开发者大会）开始了，而此时的我们，正处于这股AI浪潮的中心。

KTH皇家理工学院研究团队通过收集6万个AI智能体运行轨迹，首次系统性地揭示了当前AI评估方法中存在的严重随机性问题。研究发现，即使在确定性设置下，同一智能体的表现仍可能波动2-6个百分点，许多声称的技术"改进"可能只是评估噪音。团队提出了基于统计功效分析的严格评估框架，为建立可靠的AI性能评估体系提供了科学指导。

这项由蚂蚁集团和浙江大学合作完成的研究，通过构建超过10000个评分表的创新训练系统，成功让30B参数的AI模型在开放性任务上超越了671B参数的顶级模型。该方法仅用5000个样本就实现了显著的性能提升，特别在情感表达和自然语言生成方面表现突出，为AI人性化发展开辟了新路径。

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。