二十年来，谷歌搜索如同一只无形之手，操弄着网络内容的潮起潮落。如今，它在文化领域的江湖地位，也首次遭到质疑。

8月13-16日在鄂尔多斯国际会展中心举办的第21届CCF全国高性能计算学术大会（CCF HPC China 2025）

Meta FAIR实验室提出的集合块解码技术通过融合传统下一词预测和遮蔽词预测，让语言模型能以任意顺序同时生成多个词汇，无需修改模型架构即可将推理速度提升3-5倍。该技术在Llama-3.1和Qwen-3模型上验证有效，为大型语言模型的实际应用提供了重要的效率突破，有望显著改善用户体验并降低部署成本。

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。

机器人会拥有自我意识吗?它们是否应当拥有权利?它们是否需要负责?

5月8日晚，腾讯云TVP尖峰对话李开复，浙江大学教授、腾讯优图实验室高级顾问、杰出科学家沈春华，第四范式副总裁、腾讯云 TVP 郑曌担任主持，邀请了 50 位来自 AI 领域的 CTO 与技术专家参与论坛讨论，碰撞出关于 AI 的未来火花。

容联云发布生成式应用“容犀Copilot”，全国工业和信息化工作会议在京召开，《“数据要素×”三年行动计划（征求意见稿）》发布。

莫斯科研究团队开发了基于自信心的AI训练新方法RLSC，让AI模型通过分析自己回答的可信度来自我改进，无需外部标注数据。该方法仅用16个样本和20个训练步骤，就让数学AI模型在多项测试中准确率提升13-22个百分点，同时大幅降低了计算成本，为AI训练提供了高效实用的新思路。

一款新药研发到最终上市最少花费10年，耗资最少10亿美元，被公认为医药研发的“双十定律”，AI能解决这个问题吗？

亚马逊FAR部门研究团队通过创新的"掩码比特建模"技术，突破了图像生成领域的传统认知。研究发现离散方法劣势源于信息容量不足而非技术路线缺陷，提出的BAR框架通过渐进式比特预测解决大词汇表计算难题，在ImageNet-256上创下0.99 gFID新纪录，同时实现数十倍的速度提升，为AI图像生成开启质量与效率并举的新时代。

腾讯AI实验室推出认知内核-专业版，这是首个完全开源且几乎免费的AI智能体框架。该框架通过创新的分层架构和统一接口设计，最大化利用大语言模型能力，避免对昂贵专有工具的依赖。研究团队还训练了8B参数的CK-Pro-8B模型，在GAIA基准测试中超越同等规模开源模型，为AI助手的民主化发展提供了重要技术基础。

一款新药研发到最终上市最少花费10年，耗资最少10亿美元，被公认为医药研发的“双十定律”，AI能解决这个问题吗？

OpenAI意外发现规模假说：Dota 2项目中计算资源翻倍带来AI表现翻倍，彻底改变行业轨迹。Greg Brockman揭秘GPT-3产品化困境："我们不知道谁会为API付费"，最终市场自己找到了出路。AI医疗突破只需超越WebMD，个性化咨询正在重塑多个领域。

这两家公司，一个是向内拷问人性的AI先锋，一个是向外探索物理极限的AI长跑者，却都将事业锚点，落在漕河泾开发区时，一个题目浮现了：这片土地的科创引力从何而来？

阿里巴巴研究团队开发的Omni-Effects系统，通过创新的专家架构和空间感知技术，首次实现了AI系统同时制作多种视觉特效并精确控制其位置的能力。该系统包含55种特效类型，在测试中达到97%的特效生成准确率和88%的空间控制精度，大幅降低了专业特效制作的技术门槛，为影视制作、教育、营销等领域提供了强大的创作工具。

新加坡南洋理工大学团队开发的4DNeX系统实现了从单张照片生成完整4D动态场景的突破。该技术采用6D视频表示法融合RGB颜色和XYZ空间信息，构建了包含920万帧数据的4DNeX-10M大规模数据集，通过改进视频扩散模型实现15分钟内的高效生成，在动态程度和一致性指标上显著优于现有方法，为虚拟现实、影视制作等领域提供了新的技术路径。

近年来，数字化转型已成为各行各业提高运营效率和生产力的重要手段。

蚂蚁集团与西湖大学联合开发的AWORLD开源框架，通过分布式并行训练将AI助手的练习效率提升14.6倍，成功将Qwen3-32B模型在GAIA测试中的准确率从21.59%提升至32.23%，在最困难任务上甚至超越了GPT-4o等商业AI产品，为"从练习中学习"的AI训练理念提供了实用解决方案。

卢森堡大学研究团队开发的RLDP框架首次将强化学习应用于差分隐私优化，创造性地解决了AI训练中隐私保护与模型效果的矛盾。该方法如同智能教练，能动态调整隐私保护策略，在四种语言模型上实现平均5.6%的性能提升和71%的训练时间缩短，同时增强了抗隐私攻击能力，为敏感数据的AI应用开辟了新路径。

苹果公司研究团队开发了AXLearn，一个模块化的大型AI模型训练系统。该系统采用严格的组件封装设计，能在GPU、TPU、Trainium等异构硬件上运行，将添加新功能的代码量从数百行减少到10行，实现了常数级的复杂度增长。研究团队创造了"代码行复杂度"指标来量化模块化优势，并通过大规模实验证明了系统的高性能和扩展性。