七年来,它经历了从云计算到大模型的技术跃迁,为数千家企业带来前沿技术解决方案。它的故事,正是一则关于“数字摆渡”的当代寓言。
作为第一个向OpenAI进行风险投资的投资人(也是一个鹰派),Khosla在2019年向该公司投资了5000万美元,这笔投资如今价值超过40亿美元,成为其投资生涯中最具传奇色彩的案例之一。在这次深度访谈中,他预测人工智能将在未来15年内重塑几乎所有行业,到2040年将迎来一个"工作不再为生存而必须"的富足时代。
微软宣布新一轮裁员计划,预计影响9000名员工,约占其总workforce的4%。此次裁员涉及多个部门和地区,包括总部雷德蒙德的830名员工。受影响的部门包括销售部门和游戏业务部门。裁员主要源于Xbox在欧洲分销策略调整和业务重组。这是微软今年以来第四轮裁员,此前已分别裁员1%、6000人和300人。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。
华为诺亚方舟实验室联合多家机构开发了Bourbaki系统,通过自生成目标条件马尔科夫决策过程让AI学会像数学家一样设定中间目标来证明定理。该系统在PutnamBench数学竞赛数据集上成功证明26个定理,创造7B参数模型新纪录,为自动定理证明从盲目搜索向结构化推理的转变提供了重要突破。
弗吉尼亚大学联合多所顶尖院校研发出能量基础变换器(EBTs),首次让AI具备真正的深度思考能力。与传统AI的快速反应不同,EBTs通过学会"评判"答案质量并持续优化,实现了动态计算分配、不确定性表达和自我验证三大认知能力。实验显示其学习效率比传统方法提高35%,思考能力提升29%,为AI发展开辟了从"记忆检索"向"智慧判断"转变的新路径。
华为研究团队提出AsyncFlow框架,通过TransferQueue数据管理模块和异步工作流优化,解决大语言模型强化学习训练中的效率瓶颈。该系统实现了平均1.59倍的吞吐量提升,支持多种训练引擎,为大规模AI模型后训练提供了高效可扩展的解决方案。
TechCrunch Disrupt 2025将于10月27-29日在旧金山举行,汇聚超过10,000名科技和投资领袖。Wonder Dynamics联合创始人、现Autodesk公司成员Nikola Todorovic将登台演讲。作为视觉效果资深专家转型AI企业家,他与演员Tye Sheridan共同推出了Autodesk Flow Studio,这是一个突破性AI平台,能让创作者无缝地将3D角色融入真人场景。该平台使用云端工具自动化复杂的灯光、动画和合成流程,为电影制作人提供更快速、更便捷的高端视觉效果制作途径。
全球风投市场二季度显现复苏迹象,退出价值达676亿美元,为经济放缓以来最高季度数据。尽管美国交易价值因缺少OpenAI大额融资而下降25%,但AI领域仍表现突出,Meta对Scale AI的143亿美元投资成为史上第二大风投交易。AI交易占2025年美国风投总额近三分之二。然而募资仍是最大挑战,上半年仅募得266亿美元,有望创十年新低。欧洲、亚太和拉美地区同样面临困境。
Perplexity AI是一款将搜索引擎和聊天机器人结合的"答案引擎",能够实时搜索网络并提供带引用的直接答案。该平台成立于2022年,已拥有2200万活跃用户。其深度研究功能可快速分析大量学术资料,生成详细报告。除基础搜索外,还支持文档总结、图像生成、代码编写等功能。提供免费版和每月20美元的专业版。目前正与三星等公司洽谈合作,但也面临多家媒体机构的版权诉讼挑战。
英超联赛与微软达成五年合作协议,将在官方应用中推出AI虚拟助手Premier League Companion。该工具基于Azure OpenAI技术,能回答球迷关于球员数据、比赛分析等问题,提供个性化内容推荐。这一举措旨在让球迷更多使用官方应用,同时为联赛获取更好的用户数据。全球体育联赛正掀起AI技术竞赛,通过智能工具增强球迷互动体验。
Skywork AI团队通过创新的人机协作数据处理方法,构建了史上最大规模的高质量偏好数据集SynPref-40M,训练出Skywork-Reward-V2系列模型。该系列在七项主要测试中全面超越现有最佳模型,证明了数据质量胜过算法复杂度的重要原理,为AI更好理解人类偏好开辟了新道路。
Meta研究团队发明了一种革命性的"三人舞"注意力机制,突破了传统AI只能处理两元关系的局限。这种新方法让AI能够同时分析三个元素间的复杂关系,在数学推理、编程和逻辑分析等任务上表现显著提升。更重要的是,新方法改变了AI的学习规律,能够用更少的数据获得更好的效果,为数据稀缺时代的AI发展指明了新方向。
阿里巴巴通义实验室发布WebSailor,这是首个让开源AI智能体在复杂网络信息搜索中达到"超人级"推理能力的完整训练方法。通过创新的高不确定性训练数据生成和强化学习算法,WebSailor在权威基准测试中的表现媲美顶级商业系统,将开源模型的复杂推理能力提升到了前所未有的高度。
多伦多大学团队开发出μ?Tokenizer智能医学系统,能够自动分析CT扫描并生成精准诊断报告。该系统采用创新的多尺度多模态处理技术,在保持高准确性的同时显著提升诊断效率。尽管参数量仅为同类系统的14%,但在多项医学评估指标上都显著超越现有技术,为缓解医疗资源紧张、提升诊断质量提供了重要技术支撑。
美团视觉AI团队开发出ARIG系统,让虚拟角色能够像真人一样参与自然对话。该技术通过交互行为理解、对话状态识别和实时表情生成三大模块,使虚拟角色能够实时理解对话情境并做出恰当反应,包括打断、反馈、思考等复杂交互行为。系统采用连续生成方法替代传统离散选择,显著提升了表情的自然度和多样性,在多项评测中均超越现有技术。
MIT研究团队突破传统AI图像生成瓶颈,开发出局部感知并行解码技术,将生成步骤从256步减少至20步,速度提升12.8倍。该技术通过发现AI绘图中的空间局部性规律,重新设计了生成架构,让AI能够同时在多个区域并行"作画"而不影响质量,为实时图像生成应用开辟新道路。
人大团队提出HiRA框架,通过"元推理规划器-自适应协调器-专门执行器"的三层分工体系,让AI像企业团队一样协作处理复杂搜索任务。该系统将高层战略规划与具体执行分离,配备双通道记忆机制,在四个深度搜索基准上显著超越传统方法,为AI系统设计提供了分工协作的新思路。