这项由谷歌DeepMind等机构联合完成的研究首次系统性揭示了开源AI模型存在严重的训练数据泄露风险。研究发现,通过特定的聊天模板标记可以触发模型"背诵"高价值的对齐训练数据,传统检测方法严重低估了泄露规模。更令人担忧的是,即使强化学习训练的模型也会泄露数据,而广泛使用的模型蒸馏技术可能无意中成为数据盗版的渠道,对整个AI行业的商业模式和安全框架提出了严峻挑战。
这项由浙江大学和新加坡国立大学联合开展的研究,成功开发出名为LightMem的AI记忆系统。该系统模仿人脑三级记忆机制,通过感觉记忆过滤、短期记忆整理和长期记忆的"睡眠时间"更新,实现了效率和性能的完美平衡。实验显示,LightMem在保持高准确率的同时,将计算成本降低了百倍以上,为AI助手拥有真正的长期记忆能力开辟了可行路径。
约翰霍普金斯大学研究团队推出World-in-World平台,首次建立了基于实际任务表现而非视觉质量的AI世界模型评估标准。该平台通过四种闭环任务测试发现,视觉效果与实用能力并不相关,专业化训练比模型规模更重要,推理时间增加能显著提升性能。这项研究改变了AI世界模型的评估思路,推动行业从追求"好看"转向注重"好用"的实用价值导向。
OPPO联合香港中文大学深圳校区等多所院校,首次提出"批评-修改-编辑"强化学习框架,解决AI个性化服务生硬机械的问题。该方法通过生成奖励模型提供具体改进建议,让AI学会自然运用用户信息。实验显示新方法训练的模型胜率提升11%,甚至超越GPT-4.1表现。
这项由上海交通大学等机构联合开展的研究开发了ProCLIP,一种突破性的视觉语言模型改进方法。该方法通过渐进式对齐策略,用大语言模型替换CLIP的文本编码器,成功解决了CLIP只能处理77个词以内英文文本的限制。ProCLIP实现了对长文本和多语言的理解,在分类任务上提升6.8%-13.5%,为视觉语言模型的发展提供了新思路。
上海交通大学研究团队提出了ssToken方法,通过让AI模型对比自身训练历史来选择最有价值的学习数据,无需额外训练参考模型。该方法结合损失信息和语义理解,在多个大语言模型上实现了显著性能提升,同时保持训练效率,为AI自主学习能力开辟了新路径。
Shopee团队发布MUG-V 10B,这是首个完全开源的100亿参数视频生成模型。该模型采用创新的最小编码原则和多阶段训练策略,在电商视频生成任务中表现优异,特别是在产品展示和试穿效果方面。项目不仅公开了模型权重,还首次开源了基于Megatron-Core的完整训练代码,为AI视频生成领域提供了宝贵的技术资源,大大降低了相关研究和应用开发的门槛。
浙江大学研究团队提出"动态空间智能"概念,构建了DSI-Bench评测基准来测试AI在动态3D场景中的空间理解能力。研究发现当前主流AI模型存在严重缺陷,包括前进偏见、无法区分旋转和平移以及耦合运动推理等问题。这项工作为自动驾驶、机器人导航等领域的技术突破提供了重要基础。
高通AI研究院与加州大学圣地亚哥分校联合发布的V-Reason技术,首次实现了无需训练即可大幅提升AI视频推理能力的突破。该方法通过分析AI思考时的不确定性模式,设计智能节拍器实时调节AI思考节奏,在提升准确率1-3个百分点的同时,减少58.6%输出长度和37%推理时间,为AI优化开辟了全新路径。
港科大联合vivo开发的Mono4DGS-HDR技术实现了单相机HDR动态视频重建的重大突破。该技术通过创新的两阶段高斯喷溅方法,能够从普通相机的交替曝光视频中重建出专业级的四维HDR场景,无需昂贵的多相机设备或预知相机位置,在多项评估指标上显著优于现有方法,为HDR内容创作的普及化开辟了新路径。
复旦大学团队发明EvoSyn进化数据合成框架,通过进化算法让AI自动学会筛选高质量训练数据。该技术能够自动发现最优数据筛选策略,在编程和智能代理任务上显著提升模型性能,为AI训练数据准备提供了新的自动化解决方案,有望让未来AI应用更加可靠实用。
上海AI实验室联合多所知名高校开发出Chem-R模型,这是首个具备专家级化学推理能力的AI系统。通过三阶段训练框架,Chem-R学会了像化学家一样系统性思考,在分子命名、性质预测、反应分析等任务上表现优异,准确率大幅超越现有AI模型。化学专家评估显示其推理质量接近人类专家水平,为化学研究、药物开发和材料设计等领域带来革命性突破。
ServiceNow宣布将以超过10亿美元收购身份安全平台Veza,这是该公司2025年一系列AI和数据重点收购的最新举措。此次收购正值企业加速部署AI代理之际,而如何管理这些非人类身份的访问权限和输出已成为普遍难题。该交易将为ServiceNow的AI控制塔提供关键的身份治理能力,帮助企业建立统一的控制平面来定义上下文相关的权限、监控代理行为并大规模执行最小权限访问策略。
在生成式AI热潮中,只有英伟达和台积电真正赚到钱,其他AI产业链公司要么亏损要么利润被稀释。博通虽然在数据中心网络领域有不错的利润率,但为了不被AI浪潮抛弃,也选择进入AI业务。博通拥有730亿美元的AI积压订单,但被迫成为AI系统集成商,进一步稀释利润。第四季度博通收入180亿美元,同比增长28.2%,AI芯片收入达65亿美元。
2025年对数据中心硬件而言是关键一年,运营商面临激增的AI工作负载、能效要求和安全挑战。高性能AI加速器推动计算密度达到前所未有的水平,新的冷却和互连技术旨在管理这些工作负载带来的热量和带宽压力。微软推出微流体冷却技术,性能比传统冷板提升三倍;英伟达发布Blackwell Ultra和Vera Rubin超级芯片;英特尔推出Xeon 6系列;思科8223路由系统解决超大规模AI网络挑战;谷歌Willow量子芯片展示量子优势。随着2025年结束,硬件选择将越来越多地定义AI驱动数据中心的性能和可持续性。
自动化技术领袖指出,AI驱动自动化的真正价值不在于节省时间,而在于实现以往无法完成的工作。市场正从简单任务自动化转向能力自动化,企业需要在确定性系统和概率性系统间找到平衡。成功实践包括专注高杠杆任务、设计有目的的自动化流程、保持人工监督和设置安全边界。随着AI技术快速发展,企业需要在追求效率提升的同时建立有效治理机制。
无线宽带联盟最新研究显示,Wi-Fi被视为企业运营、公共服务和数字化转型的关键基础设施。62%的受访者在过去12个月中对Wi-Fi投资信心增强,Wi-Fi 7成为2026年最可能部署的技术。32%的企业计划部署AI认知网络来提升网络性能。调研还显示,智能家居IoT、AI和工业制造应用是网络流量增长的主要驱动力,网络安全和隐私保护是Wi-Fi未来最重要的方面。
Gartner分析师Gene Alvarez在IT研讨会上提出三步法指导CIO部署新兴技术:首先识别组织特征,确定企业是技术先锋者、快速跟随者还是后期采用者;其次评估技术用例,平衡可行性与商业价值;最后评估组织准备度,包括技术和财务可行性、供应商可行性、组织准备度和外部可行性。该方法帮助CIO在新技术诱惑下保持理性,通过风险评估确定最佳部署时机和方式。
埃森哲与Anthropic扩大合作,计划培训3万名员工使用Claude,标志着企业AI战略新方向。面对复杂模型生态、治理要求和人才短缺,咨询公司正成为关键的AI系统集成商。研究显示95%的企业AI试点项目零回报,尽管投资300-400亿美元。集成商能填补技术能力与实际应用间的鸿沟,但也带来新的依赖风险。CIO需要在利用外部合作伙伴的同时保持内部能力建设和架构自主权。
IDC发布2025年第三季度全球企业级存储系统市场追踪报告,显示存储市场同比增长2.1%至近80亿美元。戴尔以22.7%市场份额居首,华为以12%份额位列第二且增长9.5%。全闪存阵列表现突出增长17.6%,中端存储系统增长8.1%。地域方面,日本、加拿大和欧洲表现最佳,而美国市场下降9.9%。IDC预计随着AI应用渗透,企业对闪存存储需求将持续增长。