数据信息是企业最宝贵的资产。

老黄说：下一个时代，是"代理式AI"的时代

Vox-Profile是南加州大学和约翰霍普金斯大学联合开发的语音特征全面分析基准测试系统，能从语音中识别说话者的静态特征（如年龄、性别、口音）和动态特征（如情绪、语流）。研究团队使用15个以上的公开语音数据集和多种语音基础模型进行测试，发现在多数任务中参数量更大的模型表现更佳。该系统展示了三种主要应用：分析语音识别系统性能差异、评估语音生成系统质量，以及自动生成说话风格描述。人类评估结果表明，Vox-Profile生成的描述与人工标注相当，为语音技术研究提供了新的方向和工具。

想象一下，你正在学习解数学题，老师不仅关心你的最终答案是否正确，更关心你的解题过程中每一步是否合理。在人工智能领域，大型语言模型（LLM）也面临类似的情况。最近几年，像o1、R1和QwQ这样的大模型在解决复杂问题时，会使用一种叫"思维链"（Chain-of-Thought，简称CoT）的方法，就像人类一步一步思考问题一样。

微软研究院与北京大学的团队开发出全新的大型混合推理模型（LHRMs），解决了大型推理模型的过度思考问题。这种创新模型能够像人类一样，根据问题复杂度自动决定是否需要深入思考。研究团队设计了两阶段训练方法，包括混合微调和混合群体策略优化，使模型学会智能切换思考模式。实验证明，LHRMs不仅在数学、编程等推理任务上表现出色，还避免了对简单问题的过度思考，大幅提升了响应效率和用户体验。这项研究为构建更接近人类认知模式的AI系统提供了新思路。

我相信，IBM已经做好准备，成为未来数十年里推动进步的催化剂。

这项由法国中央理工大学等欧洲多所知名机构联合开展的大规模研究，通过训练38个模型和超过15000次实验，深入比较了两种主流语言模型训练方法的优劣。研究发现传统的掩码语言建模仍占优势，但提出了创新的双阶段训练策略，为大语言模型训练提供了重要指导。

台湾大学研究团队通过大规模人类听觉测试，首次系统评估了五个主流AI语音系统对自然语言指令的理解准确度。研究发现GPT-4o-mini-TTS在程度副词和情感强度控制方面表现最佳，但所有系统在年龄模仿和重音控制上都存在明显不足，普遍倾向于生成成年人声音，揭示了当前AI语音技术在精细控制方面的局限性。

DeepMind发布了另一篇题为《通过自我强化学习算法掌握国际象棋与将棋》的论文，展示了AlphaGo Zero如何在国际象棋与将棋领域分别击败最强程序StockFish与Elmo。更可怕的是，其整个学习过程是从一窍不通到成为世界上最强的下棋程序，仅用了24个小时。

腾讯AI团队提出连续视觉自回归生成框架，通过严格适当评分规则实现无需向量量化的直接图像生成。该方法基于能量分数训练，避免了传统离散化过程中的信息损失，在ImageNet数据集上取得竞争性结果，推理速度比扩散方法快近10倍。

加密货币缺乏实际作用。区块链解决方案在实际效果上也不及所要替代的传统技术。

这项由北京交通大学和字节跳动联合完成的研究首次证明了AI可以仅通过观看视频就学会复杂技能。他们开发的VideoWorld系统通过观察围棋对局和机器人操作视频，不仅掌握了游戏规则，还达到了围棋5段专业水平，在机器人任务中的成功率也达到70-90%。这种突破性的学习方式有望革新AI教育和技能培训领域。

香港科技大学研究团队提出GAPrune方法，通过双重评估机制实现AI模型的智能压缩。该方法结合Fisher信息和梯度对齐分析，在保持领域专业性的同时大幅降低计算资源需求。实验表明，GAPrune在50%参数削减下性能损失仅2.5%，重训练后甚至超越原模型性能，为AI技术普及和可持续发展提供新路径。

这项由加州大学伯克利分校研究团队开发的REOrder框架，通过重新排列图像块的处理顺序，显著提升了视觉模型性能。研究发现，传统的行主序排列并非最优选择，而通过信息论先验和强化学习寻找最佳排序，可在不修改模型架构的情况下，使ImageNet-1K分类准确率提升3.01%，卫星图像分类提升13.35%。这一发现挑战了传统认知，为视觉模型优化提供了一个全新且易于实施的方向。

杜克大学研究团队开发了MOG-DFM技术，这是首个能够同时优化生物分子多种特性的AI系统。该方法成功解决了传统药物设计中"顾此失彼"的难题，能够设计出既安全又有效的治疗性分子。实验证明，MOG-DFM在肽类药物和DNA序列设计中都表现优异，有望显著加速药物发现进程并推动个性化医疗发展。

在传统的存储模型中，数据一般存储在硬盘和固态硬盘上，在需要进行数据分析的时候，将其传输到外部的计算设备，通常是服务器。计算存储能在数据所在的存储盘上进行数据计算处理，进而直接从数据中生成洞察力和价值，以释放更多数据的潜能。

在迄今为止最大规模的 GTC 大会上，NVIDIA 创始人兼首席执行官黄仁勋带来 NVIDIA Blackwell、NIM 微服务、Omniverse Cloud API 等发布。

NVIDIA Grace Hopper 超级芯片架构将 NVIDIA Hopper GPU 的开创性性能与 NVIDIA Grace CPU 的多功能性结合在一起，在单个超级芯片中连接了高带宽和内存相关 NVIDIA NVLink Chip-2-Chip (C2C) 互连，并支持新的 NVIDIA NVLink Switch System 。

浙江大学团队创新性地将人类点击行为的高斯分布特征应用于AI界面操作训练，开发出GUI-G2方法。该方法摒弃传统二元奖励机制，采用连续高斯奖励建模，包含点精度评估和区域覆盖评估两大机制，并引入自适应方差处理不同尺寸元素。实验证实该方法在多个测试集上显著提升AI界面操作准确率，最高达24.7%的性能提升。

上海人工智能实验室等机构联合开发的MeshCoder系统能将3D物体点云自动转换为可编辑的Blender Python代码。该系统采用分层训练策略，先训练部件识别模型，再训练整体推理模型，在重建精度上显著优于现有方法。生成的代码支持灵活的几何和拓扑编辑，并能增强大语言模型对3D形状的理解能力，为游戏开发、建筑设计等领域带来新的可能性。