/
智能时代，同球共济！2025世界人工智能大会将于7月26日启幕
7月10日，上海市政府新闻办举行2025世界人工智能大会暨人工智能全球治理高级别会议新闻发布会，上海市政府副秘书长、市经济信息化委主任张英介绍大会总体安排和筹备进展情况。
AI催生下的价值迁徙，神州数码与阿里云合作的“生态位”再定义
在云计算浪潮中厚积薄发的“上升螺旋”，为阿里云和神州数码在AI时代的同频共振奠定了最坚实的基础。
铠侠UFS 4.1闪存承诺提升AI应用性能表现
铠侠正在测试最新的UFS v4.1嵌入式闪存芯片，专为智能手机和平板电脑设计，可提供更快的下载速度和更流畅的设备端AI应用性能。该芯片采用218层TLC 3D NAND技术，提供256GB、512GB和1TB容量选择。相比v4.0产品，随机写入性能提升约30%，随机读取性能提升35-45%，同时功耗效率改善15-20%。新标准还增加了主机发起碎片整理、增强异常处理等功能特性。
Google Firebase Studio推出智能体模式实现自动化编程
谷歌在伦敦云峰会上发布Firebase Studio更新，新增Gemini命令行界面集成、模型上下文协议支持和"代理模式"。代理模式提供三种AI协作层次：对话式"询问"模式用于头脑风暴，人机协作代理需开发者确认代码变更，以及几乎完全自主的代理模式。尽管谷歌声称已有数百万应用使用该平台，但目前仍需精心设计提示词，非工程师用户还无法直接创建成熟应用。
上海AI实验室重大突破：用普通相机就能拍出超高速慢镜头，4D重建技术颠覆传统拍摄
上海AI实验室团队提出创新的异步拍摄方案，仅用普通相机就能实现高速4D重建。该方法通过错开相机启动时间将有效帧率从25FPS提升至100-200FPS，并结合视频扩散模型修复稀疏视角导致的重建伪影。实验结果显示，新方法在处理快速运动场景时显著优于现有技术，为低成本高质量4D内容创作开辟新路径。
上海AI实验室联手复旦大学：让AI学会像人类一样比较和评价，重新定义奖励模型的训练方式
上海AI实验室联手复旦大学提出了POLAR方法，这是一种革命性的奖励模型训练技术。通过让AI学会识别不同策略间的差异而非死记评分标准，POLAR在多项任务上实现了显著提升，7B参数模型超越72B现有最强基线，为AI对齐问题提供了全新解决思路。
复旦大学推出BMMR数据集：让AI跨越知识鸿沟，从数学天才走向通识博士
复旦大学团队发布BMMR数据集，这是首个大规模跨学科多模态推理评估基准，包含11万个涵盖300个学科的大学水平问题。研究发现即使最先进的AI模型在跨学科推理中表现有限，揭示了当前AI发展的重要盲点。该数据集支持中英双语，配备专门的推理过程评估工具，为AI向通用智能发展提供重要支撑。
谷歌为Veo 3增加图像转视频生成功能
谷歌周四宣布，通过Gemini应用为其Veo 3 AI视频生成器增加图像生成视频功能。该功能此前已在5月I/O开发者大会上推出的AI视频工具Flow中提供。目前Veo 3视频生成功能已在150多个国家推出，仅限Google AI Ultra和Pro用户使用，每日限制生成3个视频。用户可上传照片并添加音频描述来生成视频。发布7周来，用户已创建超过4000万个视频，所有视频都带有可见和不可见的数字水印。
机器人也能"预知未来"？上海交通大学团队让AI先想象再行动，准确率飙升至76.7%
上海交通大学等多所院校联合开发的DreamVLA系统让机器人具备了"预知未来"的能力，通过预测动态变化、空间结构和物体语义来指导行动，在真实世界测试中达到76.7%成功率，在模拟环境CALVIN基准中创下4.44平均任务长度新纪录。该系统采用分块注意力机制协调三种预测能力，并使用扩散变换器从噪声中生成精确动作，代表了从"反应式"向"预测式"机器人智能的重要突破。
英伟达计划推出专为中国市场设计的AI芯片
据报道，英伟达计划最早于9月推出专为中国市场设计的AI芯片，以应对美国出口限制。该芯片基于Blackwell RTX Pro 6000处理器，已经过修改以符合现有AI芯片限制规定，不包含高带宽内存和NVLink高速通信接口等高级功能。此前英伟达CEO表示不再将中国市场纳入收入预测，但这一变化可能是短暂的。
AI训练数据的"营养配餐师"：中科院如何让机器学习吃得更好
这项由中科院计算所团队开发的REFINEX框架，通过创新的删除式编辑方法，解决了AI训练数据质量低的问题。该方法先用专家模型生成高质量文本，再提取删除操作训练小型编辑模型，既保证了数据质量又提高了处理效率。实验显示，REFINEX让750M参数模型性能提升2.6%-7.2%，同时显著降低训练成本。
ArtifactsBench：腾讯混元团队重新定义AI代码生成评测标准，让机器写出真正能看能用的界面程序
腾讯混元团队推出ArtifactsBench，这是全球首个专门评测AI生成视觉交互代码质量的综合基准系统。该系统包含1825个真实应用场景测试任务，创新性地通过实际运行代码、动态截图、多模态AI评委等方式，从功能性、美观度、用户体验等十个维度进行评测。实验结果显示其与人类专家判断一致性超过90%，与业界金标准WebDev Arena的一致性达94.4%，为AI代码生成能力评估树立了新标准。
YouTube新政策旨在减少AI生成的低质量视频内容
YouTube计划7月15日更新货币化政策，针对"非真实"内容进行打击，主要目标是减缓平台上AI生成内容的泛滥。新政策将更好识别批量生产和重复性内容，包括仅有表面差异的旁白故事频道和相同解说的幻灯片视频。虽然YouTube强调这只是对现有"重复内容"指导原则的小幅更新，但业界认为此举主要针对低价值AI垃圾内容问题。
突破复杂指令编辑难题：加州大学伯克利分校团队推出X-Planner，让AI图像编辑像聊天一样简单
这项由加州大学伯克利分校、香港大学和Adobe联合开展的研究，开发了名为X-Planner的AI图像编辑规划系统，解决了现有AI工具难以理解复杂编辑指令的问题。该系统能将"让图片看起来像夏天"等自然语言指令智能分解为具体编辑步骤，并自动生成精确的控制信息，显著提升了AI图像编辑的准确性和可控性。
从看图说话到看视频聊天：Salesforce带来史上最强多模态理解新突破
本研究提出了VLM2Vec-V2多模态嵌入模型和MMEB-V2评估基准，首次实现对文本、图片、视频和文档的统一理解。该模型在78个任务上全面领先现有基线，展示了从专门化向通用化发展的重要趋势，为多媒体内容理解、智能搜索和人机交互带来突破性进展。
AI预测师挑战超级人类：谁能更准确地预测未来？——乔治梅森大学实证研究揭秘
乔治梅森大学研究发现，最新AI模型在预测准确性上首次超越普通人群，但仍显著落后于人类顶级预测专家。通过464个真实预测问题的测试，OpenAI的o3模型表现最佳，但"超级预测师"的表现仍是AI的六倍。研究揭示AI在政治预测上表现较好，但在经济问题上相对较弱，同时存在过度自信的问题。
AI智能体的"万能翻译官"：卡内基梅隆大学提出Mod-X架构，让不同AI系统也能无障碍交流
这项由卡内基梅隆大学团队提出的Mod-X框架，旨在解决AI智能体之间无法有效协作的核心问题。通过分层架构设计，包括通用消息总线、语义翻译层、状态管理和区块链安全机制，实现了不同技术背景的AI系统无障碍通信。该框架采用发布-订阅模式，支持语义能力发现和动态工作流编排，为构建真正去中心化的AI生态系统奠定了基础。
SAP实验室重磅突破：让AI助手告别"糊里糊涂"，精准识别企业工具的革命性方法
SAP实验室研究团队开发了DIAFORGE系统，通过三阶段训练显著提升AI助手在企业环境中的工具调用准确性。该方法专门解决AI助手面对相似工具时的选择困难，通过模拟真实企业场景训练AI主动澄清用户需求。实验结果显示，经过训练的模型比GPT-4o和Claude-3.5-Sonnet分别高出27和49个百分点，为企业AI助手的实际应用提供了重要突破。
AI智能演示制作助手：让文档秒变生动演讲视频的黑科技来了
澳大利亚研究团队开发出PresentAgent，这是一个能将任何文档自动转换为专业演示视频的AI系统。该系统集成了文档解析、幻灯片设计、语音合成等功能，并创建了全新的多维度评价体系。实验显示，AI生成的演示视频在多项指标上接近人类专家水平，为教育、商业等领域的演示制作提供了高效解决方案。
Meta 让视频生成像聊天一样轻松：实时AI导演帮你随时拍出想要的画面
Meta和加州大学伯克利分校的研究团队开发了StreamDiT技术，实现了首个真正意义上的实时AI视频生成系统。该技术能够像熟练摄影师一样根据文字描述即时生成高质量视频，支持用户在生成过程中实时调整内容。通过创新的"缓冲流匹配"训练方法和高效的模型架构设计，StreamDiT在单GPU上实现了16FPS的实时性能，为视频创作、游戏、教育等领域开辟了全新可能性。
京公网安备 11010802021500号
