中科院团队开发的Stream-Omni是一个突破性的多模态AI模型，能同时处理文字、图像和语音，实现真正的"看听说"一体化交互。该模型创新性地采用了针对性的模态对齐策略，仅用2.3万小时语音数据就达到优秀性能，并能在交互中实时显示中间结果，为AI助手的自然化交流开辟了新路径。

在太平洋时间9月19日2023年英特尔on技术创新大会开幕前夕，我有幸采访了英特尔公司首席执行官帕特·基辛格，借此机会了解了英特尔在过去一年中取得的进展

小米研究院推出的BTL-UI是一个革命性的GUI智能代理框架，通过模拟人类"眨眼-思考-执行"的认知过程，让AI能够像人类一样自然地操作各种应用界面。该技术在多个基准测试中实现了显著性能提升，为未来的人机交互和自动化应用奠定了重要基础。

无论是尖端医学研究、大规模基因组分析还是日常应用检测，NVIDIA Million-X百万倍计算性能飞跃的愿景已经在基因测序的各个领域结出累累硕果，并将持续为人类消除疾病、促进健康做出贡献。

想象一下，你正在使用一位非常聪明的私人助教来解决复杂的数学问题。这位助教擅长通过"思考过程"来逐步分析问题，但他的思考过程往往很冗长，需要写满好几页纸。虽然最终答案往往是正确的，但如果你赶时间，或者纸张有限，这种详尽的分析就会成为一种负担。

导读：为进一步加快推动人工智能和制造业的融合发展，在第六届世界智能大会筹备期间，世界智能大会组委会首次与中国新一代人工智能发展战略研究院、天津市智能科技产业专家咨询委员会合作开展“WIC智能科技创新应用优秀案例”评选活动。

导读：为进一步加快推动人工智能和制造业的融合发展，在第六届世界智能大会筹备期间，世界智能大会组委会首次与中国新一代人工智能发展战略研究院、天津市智能科技产业专家咨询委员会合作开展“WIC智能科技创新应用优秀案例”评选活动。

墨奇科技 CEO 及联合创始人邰骋、墨奇科技 CTO 及联合创始人汤林鹏，介绍了如何将指纹识别问题转化为高精度图像搜索问题，基于先进的多尺度特征表示、极少样本的自学习框架、超高性能的异构搜索系统，首次实现了无需细节特征的指纹比对系统。

为了保护风电塔医生们的安全，云庐科技携手华为云，在170米风电塔上装了“风电机组结构状态诊断系统”，诊断风机及结构的运行情况，同时预测安全隐患，提前预警。

澳大利亚研究团队开发出PresentAgent，这是一个能将任何文档自动转换为专业演示视频的AI系统。该系统集成了文档解析、幻灯片设计、语音合成等功能，并创建了全新的多维度评价体系。实验显示，AI生成的演示视频在多项指标上接近人类专家水平，为教育、商业等领域的演示制作提供了高效解决方案。

这项由都柏林大学团队完成的研究提出了DriftMoE系统，通过神经网络路由器与增量专家的协同学习来处理数据流中的概念漂移问题。该方法在九个基准数据集上的表现与传统大型集成方法相当，但资源消耗显著更低，特别适合边缘计算等资源受限场景，为构建高效自适应的流数据学习系统提供了新思路。

OpenAI 在开发者大会上正式推出实时 API 的公测版，允许所有付费开发者在他们的应用程序中构建低延迟、多模态的体验。

当下，普通大众都可能面临"药品贵、看病难"问题。目前，在医疗领域广泛使用了HPC和人工智能技术，这都离不开强大的计算力支持。浪潮作为全球领先的计算力提供商，已经在医疗领域前行甚远。

浪潮信息，正手握“匠心”的魔法棒，在服务器的“方寸之间”，施展着“点石成金”的秘术。

斯坦福大学和英伟达研究院联合开发的"矫正点流"为点云姿态估计提供了全新解决方案，将成对配准和多部件组装统一为条件生成问题。该方法学习连续点流场，将点从随机噪声引导至目标位置，并通过自监督重叠预测增强几何理解。实验证明，矫正点流在六个基准测试中均超越现有技术，特别是在处理部件对称性和互换性方面表现出色。联合训练策略使单一模型能从不同数据集中学习共享几何先验，大幅提升性能。

日本Sakana AI实验室开发出Transformer?系统，首次实现AI模型实时自我调节能力。该系统通过奇异值微调技术，让大模型能根据任务类型自动调整内部参数配置，仅用传统方法1%的参数量就实现显著性能提升。系统采用两轮推理机制和强化学习训练，在数学、编程、视觉等多领域测试中均表现优异，甚至支持跨模型的专家知识迁移，为构建真正智能的自适应AI系统奠定了技术基础。

在英伟达，负责引导研究朝着应用、而非纯学术项目前进的，是斯坦福大学计算机科学与电气工程兼职教授，公司首席科学家、高级研究副总裁以及GPU、网络与CPU芯片设计师Bill Dally。

这项研究解决了AI文生图技术中文字描述与图像生成不匹配的核心问题。通过开发TACA方法，研究团队发现并修复了现有系统中注意力机制的两个关键缺陷：跨模态注意力抑制和时间不敏感性。实验显示该方法能显著提升模型的空间关系理解能力和属性绑定准确性，为AI创意工具的实用化发展提供了重要技术突破。

斯坦福大学研究团队通过精密实验发现，当前最先进的AI大模型并未真正"理解"语言，而是在进行复杂的模式匹配。当问题表述方式改变时，模型错误率激增至60%以上。这项发表于《Nature Machine Intelligence》的研究揭示了AI智能的本质局限，为合理应用AI技术提供了重要指导，强调在关键决策中仍需人类专家监督。

阿里巴巴Qwen团队首次进行全球最大规模人类偏好建模实验，使用1500万真实偏好样本训练AI理解人类喜好。研究发现偏好建模存在类似语言模型的缩放规律，AI在识别错误信息方面能力稳步提升，但在主观偏好判断上表现复杂。该技术已集成到实际系统中，性能显著改善。