当AI进入落地期，认真思考如何打通大数据与AI应用的关联，才是企业眼前既现实、又关键的一大挑战。

清华大学等多家机构研究团队完成了语音分离技术的全面调研，系统梳理了从传统方法到深度学习的技术演进。研究揭示了"鸡尾酒会问题"的核心挑战，分析了各种学习范式和网络架构的优劣，并通过统一实验框架提供了公平的性能基准。调研涵盖了实时处理、轻量化设计、多模态融合等关键技术方向，为学术界和产业界的技术选型提供了重要参考，推动语音分离从实验室走向实际应用。

卓越服务至关重要，需要一种新的思维方式，并强调不同的技能、使命和指标——在这些方面，很多IT领导者仍然会感到很棘手。

中科院深圳先进技术研究院联合中科院大学提出PACS框架，通过将强化学习问题转换为监督学习任务，让大语言模型学会自我监督和评价。该方法在数学推理任务上显著超越现有方法，在AIME 2025测试中成功率达59.78%，比传统方法提升13-14个百分点，为AI推理能力提升开辟了新路径。

爱丁堡大学联合英伟达开发的VISTAR系统首次让AI能够像人类一样展示视觉问答的完整推理过程。该系统通过创新的"子任务思维链"方法，将复杂问题分解为多个简单步骤，不仅提供准确答案，还能在图片上精确标注相关物体位置，让AI推理过程变得透明可解释，为构建更可信的AI系统奠定重要基础。

研究机构Research and Markets预测,2020年全球SSD市场规模为348.6亿美元,到2026年,这一数字预计将增加到803.4亿美元。

支持5G、崭新醒目的设计、更加强大的相机以及四种不同型号，共同成就iPhone 12这一全新家族。

想象一下，你正在寻找一双舒适的鞋子。卖家递给你一双"通用型"鞋子，声称它适合所有人。你试着穿上它，却发现这双鞋对你而言要么太紧，要么太松，总之就是不合脚。在人工智能评估领域，这个问题同样存在——目前我们使用的是"一刀切"的评估方式，用同样的提示词（prompts）来评估不同的AI模型，却忽略了每个模型都有其独特的"脚型"。

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。

Google DeepMind团队发布了EmbeddingGemma，这是一个仅有3.08亿参数的轻量级文本理解模型，却能达到7亿参数模型的性能水平。该模型在权威的多语言文本嵌入基准测试中排名第一，支持250多种语言，特别适合移动设备部署。研究团队通过创新的编码器-解码器初始化、三重损失函数训练和模型融合技术，实现了性能与效率的完美平衡，为AI技术普及化开辟了新路径。

在Create 2024百度AI开发者大会上，李彦宏宣布推出三款AI开发工具：AgentBuilder、AppBuilder、ModelBuilder，并强调自然语言将成为新的编程语言。文心大模型用户数突破2亿，百度在AI原生应用开发方面提出MoE、小模型和智能体三大思路。

谷歌DeepMind团队2024年发表的突破性研究，首次系统性探索了机器人触觉感知技术。该研究开发了完整的触觉学习框架，让机器人能够像人类一样通过触觉"感受"世界，实现视觉与触觉的多感官协作。实验验证显示，机器人在材质识别、精细操作等任务中表现卓越，为医疗、制造、家庭服务等领域带来广阔应用前景，标志着机器人从自动化向真正智能化的重要转变。

随着人工智能向通用人工智能(AGI)和人工超级智能(ASI)发展，盗窃风险日益凸显。竞争对手、政府和恶意行为者都可能觊觎这一技术突破。AGI盗窃难度取决于安全防护措施，包括加密和访问控制。被盗AGI的运行需要大量计算资源和配套软件。全球可能需要制定AGI共享条约，防范盗窃行为。值得注意的是，当恶意方首先获得AGI时，善意方的"盗窃"行为可能成为正当防卫手段。

欢迎置身于5G时代。

香港大学团队开发出拥有30亿参数的视觉分词器GigaTok，首次解决了AI图像理解中"重建质量"与"生成质量"相互矛盾的技术难题。通过创新的语义正则化方法，该技术在保持图像重建精度的同时大幅提升了图像生成效果，为统一的多模态AI模型发展奠定重要基础。

马里兰大学等机构联合提出ViCrit训练法，通过让AI识别图片描述中的人工植入错误来提升视觉理解能力。该方法将传统的生成完整描述转换为精确的错误定位任务，使训练目标更加明确。实验显示经过训练的AI模型在幻觉减少和多项视觉推理任务上都有显著提升，同时研究团队还发布了ViCrit-Bench评估基准。这项研究为AI视觉训练开辟了新思路。

1月12日，全球性技术咨询公司Thoughtworks重磅发布了《变革设计》白皮书，期望让更多的变革设计者们加入进来，和更多正在经历数字化重塑的产业和行业一起，在探寻数字化发展和创新的同时，持续提升大家的时代认知！

这项由中国人民大学与斯坦福大学、微软公司合作的研究，开发出名为MoCa的革命性多模态AI技术。该技术通过双向注意力机制和联合重建训练，让AI能够像人类一样同时理解图片和文字，并建立深层语义关联。在大规模测试中，MoCa显著超越现有技术，30亿参数模型就能匹敌传统70亿参数模型，展现出强大的实用潜力和应用前景。

支持5G、崭新醒目的设计、更加强大的相机以及四种不同型号，共同成就iPhone 12这一全新家族。

SenseTime研究院发现AI在理解长视频时存在"语义聚合幻觉"现象——AI能正确识别每个画面，但会错误地将不同事件的信息混合，如将第一个新闻段落的主持人与第三个段落的星巴克信息错误组合。研究团队创建了全球首个长视频幻觉检测基准ELV-Halluc，测试16个主流模型后发现这一问题普遍存在，并提出了有效解决方案，将错误率降低27.7%。