MBZUAI和澳大利亚国立大学的研究团队开发了CASS，这是首个大规模跨架构GPU代码转译系统，实现了Nvidia和AMD之间的源代码和汇编级代码转换。该项目包含7万对验证代码对，展示了源代码转换95%和汇编转换37.5%的准确率，远超GPT-4o等商业基准。CASS生成的代码在85%以上的测试中保持了与原生代码相当的性能，并通过CASS-Bench提供严格的评估基准。所有资源已开源，为GPU代码可移植性开辟了新途径。

NVIDIA与爱丁堡大学联合团队于2025年提出的动态内存稀疏化技术，通过智能的延迟删除策略实现AI推理系统的高效内存管理，在保持准确性的同时大幅提升处理速度。该技术只需1000个训练步骤就能实现8倍压缩率，在多项复杂推理任务上显著优于传统方法，为AI技术的普及应用开辟了新路径。

上海AI实验室联合多所知名高校开发的NavDP系统实现了机器人导航的重大突破。该系统仅通过虚拟环境训练就能让不同类型机器人在真实世界中自由导航，无需地图或预先调试。核心创新包括大规模虚拟数据生成、扩散模型轨迹规划和智能安全评估机制，实现了真正的跨平台零样本迁移，为机器人技术产业化奠定了重要基础。

这项来自Yandex和多所国际院校的突破性研究首次实现了多个大语言模型的实时协作推理，让AI能像人类团队一样即时分享思考过程并自发分工合作。通过创新的共享注意力缓存技术，多个AI可以同时处理复杂问题，避免重复劳动，相互纠错验证，显著提升解题效率和准确率，为AI从单体智能向群体智能转变开辟了新路径。

一个承载家居产业的数字化创新“飞轮”是如何诞生的。

一个承载家居产业的数字化创新“飞轮”是如何诞生的。

上海AI实验室联合清华等机构发现，通过"测试时计算扩展"策略，小型AI模型可以战胜参数规模大135倍的巨型模型。10亿参数的模型在数学推理任务上超越了4050亿参数的模型，甚至5亿参数的迷你模型都能胜过GPT-4o。研究揭示了AI发展新方向：聪明的推理策略比模型规模更重要，为资源有限的机构提供了"以智取胜"的可能性。

大模型要想在人形机器人上发挥出魔力，至少要满足一个基础：数学模型与物理模型之间的统一。

大模型要想在人形机器人上发挥出魔力，至少要满足一个基础条件：数学模型与物理模型之间的统一。

Meta联合滑铁卢大学开发的MoCha系统实现重大突破，仅需语音和文字描述就能生成电影级会说话的虚拟角色视频。该技术突破传统局限，无需参考图片等辅助条件，还能实现多角色对话场景，在唇音同步、表情自然度等方面显著超越现有方法，为内容创作、教育、娱乐等领域带来革命性变化。

提起“开发者”，我们会想到什么？

区块链技术正在经历时间、市场和应用的大型洗礼，迷雾正在散去，变革正在发生，每个行业都将受到影响。

约翰霍普金斯大学与StepFun公司联合研究，成功让AI学会"边看边思考"的视觉推理能力。通过两阶段训练方法，先让AI在文字推理中掌握认知行为，再迁移到视觉任务中。开发的OVR模型在多项测试中创造新纪录，为AI教育助手、医疗诊断、科研分析等应用奠定基础。

区块链技术正在经历时间、市场和应用的大型洗礼，迷雾正在散去，变革正在发生，每个行业都将受到影响。

为了竞争，英特尔需要一种新的战略——这正是该公司的新任首席执行官Pat Gelsinger正在试图为这家公司带来的东西——以及美国和欧洲政府的财政支持。非常重要的一点是，其芯片代工业务的规模。这正是苹果公司能够成为关键的地方。

UC圣地亚哥和西蒙弗雷泽大学联合开发了GMT系统，这是首个能让机器人掌握多种人类动作的通用控制器。通过自适应采样和专家混合架构，单一系统可同时处理走路、跳舞、武术等复杂技能，在真实机器人上展现出卓越的稳定性和流畅性，为通用人形机器人的实现迈出关键一步。

现在的AI已经有可能超越人类，INTUITOR系统让AI获得自我评估能力

DeepReinforce团队开发的CUDA-L1系统通过创新的对比强化学习算法，实现了GPU代码的自动优化，在KernelBench测试中平均性能提升3.12倍，最高达120倍。该系统无需人工专业知识，仅通过执行速度反馈就能学会各种优化技巧，并展现出跨GPU架构的良好泛化能力，为解决当前GPU资源紧张问题提供了新的技术路径。

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。

英特尔在这两年对于半导体技术的宣传仍然不遗余力：无论是半导体制造展望1-2年后的Intel 18A工艺，还是先进封装hybrid bonding互联间距缩减至3μm的未来技术