/
OpenAI或从亚马逊获得超100亿美元融资
据报道，OpenAI正与亚马逊洽谈至少100亿美元的融资。亚马逊此前已是Anthropic的最大投资者，并为其建设了110亿美元的数据中心园区。若融资达成，OpenAI将采用AWS的Trainium系列AI芯片。Trainium3采用三纳米工艺，配备八核心和32MB SRAM内存。AWS可将数千台服务器连接成拥有百万芯片的集群。报道未透露具体估值，但OpenAI最近一次二次出售估值已达5000亿美元。
Amazon重组AI部门：27年老将统领AGI组织
亚马逊宣布重大人事调整，实用计算高级副总裁Peter DeSantis将接管AGI组织，直接向CEO Andy Jassy汇报。DeSantis将带领Annapurna Labs芯片业务和量子计算团队加入该组织。此举旨在将AI相关业务整合为全公司战略，而非仅限于AWS。亚马逊押注垂直整合策略，通过控制芯片和模型实现端到端优化。著名AI研究员Pieter Abbeel被任命为前沿模型研究团队负责人，结合亚马逊庞大的仓储机器人部署优势，有望在具身智能领域取得突破。
安全专家给出的8条AI聊天机器人使用安全建议
AI聊天机器人虽然便捷，但存在诸多安全隐患。用户与聊天机器人分享的个人信息不受隐私保护，对话记录可能被搜索引擎索引。专家建议：将聊天机器人视为公共环境，避免透露敏感个人信息；不要过度分享心理状态和健康问题；关闭记忆功能并定期导出数据；对AI生成内容保持怀疑并核实信息；警惕冒充客服的钓鱼诈骗；启用双因素认证；重要问题应向真人倾诉而非AI；避免过度依赖AI以防思维能力退化。
普渡大学将AI能力列为本科毕业必备要求
普渡大学宣布从2026年秋季起，要求新入学本科生必须达到"AI工作能力"标准才能毕业。该要求是学校AI战略的一部分，旨在确保毕业生具备充足就业机会。学校已与微软等科技公司合作提供AI工具，并举办AI学院培训教师。教师们对此反应不一，既认可培养学生AI素养的必要性，但也担心具体实施细节不明确，可能成为官僚障碍而非教育资产。
伊斯法罕大学研究团队揭秘：AI教育应用如何在数字化教学时代赢得用户青睐
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论，发现作业辅导类应用获得超80%正面评价，而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导，但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化，政策制定者建立相关规范，未来发展方向为混合AI-人类模型。
当人工智能也会"犯错"时：加州大学圣地亚哥分校等机构团队破解AI规划决策难题
加州大学圣地亚哥分校等机构研究团队发现，当前顶级AI系统在处理包含错误的多步骤任务时表现极差，几乎等同于随机猜测。为此，他们开发了CoSPlan测试基准来评估AI的纠错能力，并提出了SGI场景图增量更新技术作为解决方案，显著提升了AI在错误检测和步骤完成任务中的表现。
香港大学团队突破：AI也能"自己发工资"——机器如何学会设计自己的奖励机制
香港大学团队提出可微分进化强化学习DERL框架，让AI系统能够自主发现最优奖励函数，解决了传统强化学习中奖励设计依赖人工且效果有限的问题。通过双层优化结构，元优化器学习生成有效奖励配置指导策略训练。在机器人、科学推理、数学等三大领域测试中，DERL均达到最佳性能，特别是在分布外任务上表现突出，为AI自主学习开辟了新路径。
中科大团队破解AI大模型推理难题：让专家系统像乐队一样分工协作
中科大团队开发的JANUS系统通过分离注意力计算和专家网络到不同GPU子集群，实现了AI大模型推理的精细化资源管理。该系统采用自适应通信机制和微秒级负载均衡调度，相比传统方案提升单GPU吞吐量最高3.9倍，节省GPU资源25%，为大型AI模型的高效部署提供了新的解决方案。
浙大团队破解向量搜索的"信息漏斗"陷阱：为什么高效检索未必带来好结果
浙江大学团队首次揭示向量搜索技术的隐蔽陷阱——"信息损失漏斗"，发现传统评估方法存在严重缺陷：技术指标完美的系统在实际应用中可能一塌糊涂。研究横跨八大数据集，重新排序了算法性能榜单，并开发了简便的决策树工具指导技术选择，为数字时代的信息检索技术发展指明新方向。
NVIDIA Zoom-Zero：让AI像人眼一样先看全景再看细节，彻底解决视频理解中的"睁眼瞎"问题
NVIDIA研究团队开发的Zoom-Zero框架解决了AI视频理解中的关键难题。该技术模仿人眼观察方式，采用"先整体后局部"的两阶段处理策略，让AI能够准确定位视频中的特定时刻并理解细节内容。通过创新的奖励机制和代币选择性信用分配，系统在时间定位准确性上提升5.2%，长视频理解能力提升6.4%，为未来智能视频应用奠定了重要基础。
香港大学团队突破：让AI拍出60秒连贯视频不再是梦想 - MemFlow技术革新长视频生成
这项由香港大学、快手科技和香港科技大学联合完成的研究，成功为AI视频生成配备了智能"记忆银行"。MemFlow技术通过动态检索相关历史片段，让AI在生成长达60秒的视频时能保持角色和场景的连贯性。该技术在保证高质量的同时，仅增加7.9%的计算开销，在单GPU上可达到18.7帧每秒的实时生成速度，为影视制作、教育培训等领域带来广阔应用前景。
当AI成为你的编程助手：一场关于人机协作编程的深度思考
本论文由中国科学院计算技术研究所等多家机构的研究人员共同完成，首次系统地分析了"氛围编程"这一新兴的AI辅助软件开发范式。研究通过分析1000多篇论文，建立了理论框架，总结了五种开发模式，并指出了成功的人机协作编程不仅需要强大的AI能力，更需要系统的上下文工程、完善的开发环境和科学的协作模式。
Google发布Gemini 3 Flash并将其设为默认模型
谷歌发布基于Gemini 3的快速低成本模型Flash，并将其设为Gemini应用和AI搜索的默认模型。新模型在多项基准测试中表现优异，在MMMU-Pro多模态推理测试中得分81.2%超越所有竞品。该模型已向全球用户开放，并通过Vertex AI和API向企业及开发者提供服务。定价为每百万输入token 0.5美元，输出token 3美元，速度比2.5 Pro快三倍且更节省token用量。
超大规模云厂商在2025年是解决了电力问题还是重新思考了问题？
2025年，GPU短缺、电网连接延迟及AI计算需求激增使电力成为云计算发展的限制因素。超大规模云厂商加速建设的同时重写了能源、网络和风险策略。预计到2030年，超大规模云厂商将控制全球60%的数据中心容量。AI工厂园区规模达吉瓦级，机架密度超200千瓦，电力供应成为首要瓶颈。云巨头通过大规模太阳能采购、次级市场建设和海底光缆投资来应对。电力可用性成为塑造所有决策的核心摩擦点。
英伟达成为唯一能免费提供AI模型的厂商
英伟达凭借其利润丰厚的硬件业务，成为唯一能够免费提供AI模型的公司。在OpenAI、谷歌等竞争对手纷纷转向闭源模型之际，英伟达加大了对开源Nemotron模型的投入。最新发布的Nemotron 3采用混合Mamba-Transformer架构和专家混合模型，推出Nano、Super和Ultra三个版本，参数规模从30亿到500亿不等，在推理速度和准确性上均有显著提升，展现了英伟达从芯片到软件栈的全栈整合战略。
Retell AI推出自动化质检系统，解决语音智能体人工审核瓶颈
AI语音平台Retell AI发布质检解决方案Retell Assure，可监控通话、识别问题并减少人工抽检需求。该系统使用多模型分析每通电话的延迟、中断、幻觉和客户情绪等指标，自动标记故障并提供改进建议。目前企业仍依赖人工审核AI表现，难以应对大规模通话量。Retell认为多数AI故障源于配置不当而非模型限制，其质检系统可形成持续训练循环。加拿大电动汽车充电公司Switch Energy使用该平台后，月处理8000通电话的成本降低50%，响应时间从数分钟缩短至5秒。
法国生物科技公司发布全球首个生物学通用AI模型
法国AI初创公司Bioptomus推出新一代临床生物AI模型H-Optimus-1和全球首个通用多模态生物医学研究基础模型M-Optimus。H-Optimus-1在组织分析领域取得突破，可辅助疾病识别。M-Optimus整合全球最大专有数据集，涵盖数百万患者、50多种器官类型数据，能够创建数字孪生体预测疾病进展和治疗反应，加速药物设计并大幅降低临床试验成本和时间。该模型现已在AWS SageMaker平台开放使用。
2025年：可穿戴设备全面转向AI技术
2025年成为可穿戴技术的转折之年。过去十年，该领域主要聚焦健康健身，但今年科技公司纷纷将可穿戴设备定位为AI载体。智能眼镜被重新命名为"AI眼镜"，Meta、谷歌等巨头强调AI交互才是核心卖点。市场还涌现出AI吊坠、AI别针等随身监听设备。三星、苹果、Garmin等品牌也在智能手表中加入AI功能。业界认为可穿戴设备是唯一能保证全天候贴身存在的计算设备，成为AI助手的理想载体。
Oracle领衔科技巨头5000亿美元AI数据中心租赁狂潮
甲骨文、微软、Meta等云计算巨头未来将投入5000亿美元租赁数据中心，反映行业对人工智能的巨额押注。甲骨文承诺最高达2480亿美元，其中仅去年11月单季就签约1500亿美元,主要用于支撑OpenAI模型训练部署。与亚马逊、微软相比，甲骨文云业务规模较小但单一客户风险集中。Meta承诺租赁支出达580亿美元，是一年前的三倍。这些租赁成本独立于资本支出统计，六家公司过去四季度资本开支达3720亿美元。
Adobe与UCLA联手突破AI模型速度瓶颈：让图像生成快一倍的"稀疏化魔法"
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法，成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域，使用特殊"寄存器令牌"管理其余部分，在文本到图像生成、图像编辑和数学推理等任务中实现显著加速，同时完全保持了输出质量。
京公网安备 11010802021500号
