骁龙峰会2024期间，高通中国区董事长孟樸接受了科技行者等媒体的采访，话题围绕自研芯片架构的故事、端侧AI的逻辑、汽车业务的布局、高通在中国市场的发展格局等内容展开。

具身智能作为人工智能领域的一颗璀璨新星，正引领着新一轮的技术革命。

从游戏引擎这个梦开始的地方，到更多应用落地的广阔天地，看Unity是如何炼成的。

2023全球人工智能开发者先锋大会在上海临港成功举办。

首尔国立大学研究团队提出STR-Match视频编辑技术，通过创新的时空相关性分数(STR分数)解决传统方法在帧一致性、运动保持和域转换方面的局限。该方法无需重新训练模型，可直接应用于现有文本到视频生成模型，在极端编辑场景下仍能保持高质量输出，为视频编辑领域带来突破性进展。

这项研究开发了CellForge系统，通过多个AI专家协作自动化虚拟细胞建模全流程。系统在六种不同生物学场景测试中全面超越现有方法，预测误差最高降低40%，相关性提升20%。该技术将传统需要数月专家协作的工作压缩至几小时，成本从数千美元降至几美元，有望大幅降低科研门槛并加速生命科学发现。

香港理工大学研究团队开发了突破性医学AI系统GEMeX-ThinkVG，让人工智能在分析胸片时能像医生一样详细解释诊断过程。该系统不仅能准确回答医学问题，还能标注具体的影像区域并提供完整的推理链条，解决了传统医学AI"黑盒子"问题。通过创新的强化学习训练方法，仅用八分之一数据就达到了传统方法的性能水平，为可解释医学AI开辟了新方向。

本篇先介绍商用阶段的六大主流应用，后面会介绍萌芽期的四个新兴应用。

肖航是一位典型的技术大佬，大厂经验丰富，薪资体面。他为人风趣，习惯用插科打诨的方式讲述自己的职场经历。但在谈到职业焦虑时，他少有地严肃，认为自己虽然乘上了互联网的东风，其实没有跑赢大盘。

当前，首席信息安全官不仅要确保越来越分散的员工队伍的安全，他们还必须提防一些来自信誉良好的供应商的软件代码，包括一些本来是用来保护他们免受网络攻击的补丁代码。

华盛顿大学研究团队提出"锚定解码"技术，通过融合安全和危险AI模型的输出来降低版权侵权风险。该方法能在保持75%版权保护水平的同时维持高质量文本生成，为AI时代的版权问题提供了实用解决方案。

“雄性与雌性的行为为何有所不同？”

本周AI大事件包括Google发布Gemini 1.5 Pro和Gemma 2 2B模型，FLUX开源图像模型，Meta发布SAM 2图像分割模型。Gemini 1.5 Pro在LLM竞技场排名第一，支持音频和视频，Gemma 2 2B可在设备端运行。FLUX系列模型包括FLUX.1[pro]、FLUX.1[dev]和FLUX.1[schnell]，

我们正处在一个令人激动的机器学习被大规模采用的转折点上，我们也相信生成式AI将会重塑大量客户体验和应用程序。

Cisco基金会AI团队开发出全球首个网络安全专业对话AI助手Foundation-Sec-8B-Instruct，基于Llama 3.1架构并用50亿网络安全词汇训练。该AI助手在专业测试中超越GPT-4o-mini等大型模型，同时具备出色的对话能力和安全防护机制，能识别99%的恶意请求。已开源发布，为网络安全行业提供了accessible的专业智能助手解决方案。

华东理工大学团队提出I2CR框架，通过"文字优先、视觉辅助"的多轮反思机制解决多模态实体链接难题。该框架模仿人类认知过程，先用文字信息判断，再通过内部一致性检查和跨模态验证，必要时引入OCR、图像描述等视觉线索进行迭代优化。在三大数据集上准确率分别提升3.2%、5.1%、1.6%，达到业界最佳性能。

经历过Hadoop大起大落的Cloudera还会有一个怎样的未来？

阿里巴巴通义实验室的研究团队开发了HumanOmniV2，这是一个能够真正"读懂"人类复杂意图和情感的AI系统。该系统通过改进强化学习方法，让AI在回答问题前必须先全面理解多模态背景信息，解决了现有AI模型忽略重要线索和缺乏全局理解的问题，在多项测试中表现优异。

Adobe Research联合32家顶尖机构发布重磅研究，全面解析长视频生成技术现状与突破路径。研究发现当前AI视频生成存在时长限制（多数仅5-16秒）和质量衰减问题，通过分析六大技术流派和核心架构组件，为实现电影级长视频生成提供了系统性解决方案，预示着从几秒短片向几分钟完整故事视频的技术跃迁即将到来。

上海交通大学联合多家机构开发的DeepRare系统在罕见病诊断领域取得重大突破，通过多智能体架构整合症状、基因和文献数据，实现57.18%首选诊断准确率，对1013种疾病达100%准确率。系统提供透明推理过程，95.4%获专家认可，已部署为Web应用供临床使用。