北京时间5月21日，百度发布2025年第一季度财报，并召开了投资者电话会议，百度Q1总营收达325亿元，百度核心营收255亿元，同比增长7%。但真正引人注目的是百度智能云同比增长42%的强劲表现，以及归属百度核心净利润76.33亿元，同比增长48%的亮眼成绩。这些数字背后，折射出百度AI-first战略的初步成效。李彦宏在会上明确表示："我们相信，AI-first战略使我们能保持领先地位，在AI时代抓住长期增长机会。"这不仅是对过去一年战略执行的总结，更是对未来发展方向的坚定表态。

马普所团队提出POET训练法，通过正交变换重新参数化神经网络权重，在保持频谱特性稳定的同时实现高效训练。该方法仅用传统方法十分之一的参数就能获得更好性能，在13亿参数模型上验证困惑度从14.73降至13.70。POET展现独特的三阶段学习动态，并提供了坚实的理论保证，为大模型训练的参数效率和稳定性带来突破性进展。

在漫长的职业生涯中，McKeown一直倡导让网络设计适应英特尔的计算引擎与网络引擎。只有保证了这个前提，才能让研发工作顺风顺水、最终成果匹配需求。

今天我们先来探讨一下2019年科技和产业创新的新趋势。

上海人工智能实验室联合多个机构发布了名为Sekai的全球首个世界探索视频数据集，包含超过5000小时来自101个国家750个城市的第一人称视角视频。数据集配备位置、天气、场景等丰富标注，并基于此训练了YUME交互式世界探索模型，用户可通过键盘鼠标控制虚拟世界漫游，为虚拟旅游、教育、游戏等领域开辟新应用前景。

CAMEL-AI团队发布的Loong项目通过构建包含8729道题目的LOONGBENCH数据集和LOONGENV生成环境，实现了AI推理能力的大规模训练。该系统能自动生成验证推理题目，支持12个领域的深度推理训练，为AI从模式匹配向真正推理能力转变提供了完整解决方案。

ByteDance Seed团队开发了名为Astra的革命性双模型机器人导航系统，让机器人具备类似人类的环境理解和导航能力。该系统包含Astra-Global和Astra-Local两个模块，前者负责理解自然语言指令和全局定位，后者处理局部路径规划和避障。通过创新的混合拓扑-语义地图、4D时空编码器和掩码ESDF损失等技术，系统在仓库、办公楼等复杂环境中实现了84%-99%的高成功率，显著超越传统方法，为智能机器人助手的实现奠定了重要基础。

清华大学和上海人工智能实验室联合开发的AutoMat是一个突破性工具，能自动将电子显微镜图像转换为精确的晶体结构模型并预测材料性质。系统整合了模式自适应降噪、物理引导模板匹配、对称感知结构重建和机器学习性质预测四大模块，由大语言模型代理协调运行。在自创的STEM2Mat-Bench基准测试中，AutoMat远超现有多模态大语言模型，为桥接显微镜成像与原子模拟提供了自动化解决方案，显著加速了材料科学研究流程。

印象笔记宣布脱离Evernote全球业务，成为第一个独立于母公司的中国互联网公司，这很容易让人想起这个关于大象的冷笑话——把印象笔记这样“一头大象”带回中国一共经历了几个步骤

LTX-Video是由以色列Lightricks公司开发的革命性开源视频生成模型，能够在2秒内生成5秒高质量视频，实现了比实时播放更快的生成速度。该模型创新性地整合了视频压缩和生成过程，采用1:192的超高压缩比和共享去噪机制，在人类评估中表现显著优于同类模型。作为完全开源的项目，它为教育、营销、内容创作等多个领域提供了强大而accessible的视频生成能力。

这篇论文比较了AI辅助软件开发中的两种新兴范式："直觉式编码"(Vibe Coding)和"智能体编码"(Agentic Coding)。Cornell大学研究团队的综述揭示了两种方法的根本区别：直觉式编码强调开发者与AI的对话式交互和创意探索，而智能体编码实现了自主软件开发，能独立执行复杂任务。研究探讨了这两种范式的概念基础、技术架构、应用场景和未来发展路线图，指出它们并非对立，而是可以在软件开发生命周期的不同阶段互补，形成统一的人机协作模式。

这项研究展示了一种革命性的AI技术，能够仅通过音频生成高度逼真的说话视频。滑铁卢大学研究团队开发的Audio2Photoreal系统巧妙结合了深度学习、扩散模型等先进技术，实现了声音到面部动作的精准转换。该技术在影视制作、在线教育、新闻媒体等领域具有广阔应用前景，将大幅降低视频制作成本和门槛。虽然仍面临计算资源需求高、隐私安全等挑战，但其突破性创新为未来视频内容创作开辟了全新路径。

本文将从苹果重磅发布的iPhone16谈起，回顾苹果的AI发展历程。

密歇根大学研究团队提出AimBot技术，通过在机器人视觉系统中添加类似瞄准镜的射击线和十字准星，显著提升机械臂操作精度。该技术计算效率极高（不到1毫秒），无需修改现有模型架构，在仿真和真实环境测试中都带来显著性能提升，特别是在复杂长期任务中成功率提升5-6个百分点。技术具有良好的环境适应性，为制造业、医疗、家庭服务等领域的机器人应用提供了重要技术支撑。

Trinity-RFT是阿里巴巴团队开发的开源框架，专为大语言模型的强化微调设计。它采用三位一体结构，包含RFT核心（探索者、训练者和缓冲区）、智能体-环境交互和数据流水线三大核心组件。框架支持同步/异步、在线/离线和策略内/外等多种训练模式，能优雅处理复杂的现实场景如延迟反馈和环境失败。Trinity-RFT还提供了丰富的数据处理功能和人机协作界面，并通过Trinity-Studio实现无代码操作。

韩国KAIST团队首次提出文字感知图像修复技术，解决了传统图像修复无法准确恢复文字内容的难题。研究构建了包含10万张图像的SA-Text数据集，开发了TeReDiff模型，通过三阶段训练和智能提示机制，实现图像修复与文字识别的协同工作。实验显示该技术在文字识别准确率上比传统方法提升15-20%，为历史文献保护、档案数字化等领域提供了重要解决方案。

伦敦大学学院研究团队开发的NOWAIT方法通过阻止AI生成"等等"、"嗯"等思考词汇，在保持准确性的同时将AI输出长度减少27%-51%。该方法无需重新训练模型，可直接应用于现有AI系统，为提高AI推理效率提供了简单有效的解决方案。

智谱AI发布GLM-4大模型；工信部发布《国家人工智能产业综合标准化体系建设指南》（征求意见稿）；高通骁龙数字底盘、联想AI PC亮相CES 2024

看看在实际测试中GeForce RTX 3080的表现。

[前言] 技术创新要通过赋能千行百业而体现，更需要无数创业者以新思路来呈现。GSMA 5G创新与投资平台（5G IN）推出「创业者说」系列访谈，携手新媒体平台科技行者，分享创业者的创新故事。