/
独角兽、人工智能与医疗健康的未来：HLTH Europe 2025大会亮点回顾
第二届欧洲健康大会汇聚了全球健康领域领导者、初创企业、投资者和开发者，对当前医疗创新现状及未来发展进行年中评估。在经济不确定性和监管优先级变化的背景下，制药、健康科技和医疗服务领域都在竞相证明价值并扩大创新规模。会议涵盖了GLP-1药物兴起、真正的患者中心化、AI的潜力与陷阱，以及为大胆创新想法提供资金的途径等热点话题。
二季度全球风投资金达910亿美元，AI引领投资趋势
全球风险投资资金在今年第二季度表现强劲，总资金从去年同期的820亿美元增长至910亿美元。AI公司获得400亿美元投资，占季度全球总额的45%。其中Scale AI单笔融资143亿美元创纪录。美国初创企业获得600亿美元，占全球风投资金的三分之二。2025年上半年全球风投总额达2050亿美元，同比增长32%，显示投资环境日益偏向大规模融资。
中山大学开发PASSAT：让AI预测天气像物理学家一样思考
中山大学联合深圳气象创新研究院开发出PASSAT模型，这是首个同时融合物理约束和球面拓扑的AI天气预报系统。该模型通过球面图神经网络处理地气相互作用，用物理方程计算大气流动，避免了传统平面投影的几何扭曲问题。测试显示PASSAT在多项指标上超越现有AI模型，甚至优于部分业务化数值预报系统，为AI气象预报开辟了新路径。
阿里云团队推出革命性多模态奖励模型：让AI更懂人类的视觉理解偏好
阿里云团队开发出革命性多模态奖励模型Skywork-VL Reward，能同时理解图像和文字并准确评估AI回答质量。该模型在VL-RewardBench测试中达到73.1%准确率，超越所有专有模型，特别在视觉幻觉检测上取得80%的突破性成绩。研究团队构建了19万个高质量样本的训练数据集，采用创新双阶段训练策略，让AI评估变得更加可靠，为构建更智能的多模态AI系统提供重要工具。
MIT推出NANDA协议：智能体组织化管理的新标准
MIT开发的NANDA协议为AI智能体提供完整的交互平台，通过加密身份验证、智能体注册和分布式账本技术，实现智能体在分布式环境中的安全、可扩展和自主运行。该协议类似于为AI智能体建立组织架构，赋予它们身份、角色和职责，支持多智能体系统协作。专家认为NANDA将解决信任、文化和编排三大挑战，并可能颠覆传统商业模式。
谁需要大型AI模型？
AI领域持续快速发展，尤其是DeepSeek及其追随者的推出后，许多人认为企业并不真正需要OpenAI、Meta和Google推广的大型昂贵AI模型，而是专注于更小的模型。然而，对于代码生成、推理和智能体AI而言，大模型仍然必不可少。Cerebras Systems宣布支持大型Qwen3-235B模型，支持131K上下文长度，成本仅为每百万输出令牌0.60美元。该模型擅长深度逻辑推理、高级数学和代码生成，能够同时处理数万行代码。
日本航运公司开发"全球首个"集成浮动数据中心平台
日本航运巨头商船三井与可再生能源公司Kinetics合作，开发世界首个集成浮动数据中心平台。该项目将在改装船舶上部署先进数据中心，利用海上风能、太阳能等多种能源供电，并可接入陆基电网。平台提供可扩展、移动且快速部署的解决方案，克服传统陆基数据中心面临的电力限制、土地稀缺和许可延误等挑战。首个项目预计2027年投入使用。
专访：Happy Socks首席信息官Vivek Bharadwaj谈AI转型与数据驱动决策
Happy Socks首席信息官Vivek Bharadwaj负责企业技术战略、IT转型和数字营销等多个领域。他通过建立AI业务流程转型单元来推动运营优化，并消除了企业业务单元间的数据孤岛。公司迁移到Snowflake AI数据云平台，实现了从Excel手工报告到每15分钟更新的实时报告的转变。在AI应用方面，公司制定了严格的人工监督政策，确保负责任的AI部署。
新型15亿参数路由模型实现93%准确率，无需昂贵重训练
Katanemo Labs研究人员推出Arch-Router，一个智能路由模型框架，可将用户查询映射到最合适的大语言模型。该框架采用"偏好对齐路由"方法，允许用户用自然语言定义路由策略，通过域-动作分类法组织任务。Arch-Router是15亿参数模型，在四个公开数据集上达到93.17%的路由准确率，超越顶级专有模型平均7.71%。系统支持实时策略调整，无需重新训练，为企业多模型部署提供灵活解决方案。
云原生：现代网络安全韧性的基本要求
现代威胁需要现代防御，云原生已成为新基准。传统数据保护和安全工具落后于快速发展的云和AI技术，网络攻击者正在利用现代技术优势。企业需要从根本上重新思考数据保护，将其从被动保险政策转变为主动智能层。云原生网络韧性平台具有免维护架构、零信任服务、跨环境无缝韧性和云经济优化等特征，能够统一检测威胁、加速响应并简化恢复。
WEKA将NeuralMesh移植到GPU服务器本地SSD
WEKA推出NeuralMesh Axon软件，将GPU服务器的本地SSD转变为统一的高性能存储池，以加速AI训练和推理数据访问。该技术将NeuralMesh功能从外部横向扩展存储服务器移植到GPU服务器内部存储基础设施中。通过容器化软件运行，利用本地NVMe SSD、CPU核心和内存，实现微秒级延迟性能，支持超过100台GPU服务器部署，显著提升GPU利用率。
Cloudian将Milvus向量数据库集成到HyperStore中用于AI推理
对象存储供应商Cloudian正在将Milvus向量数据库功能集成到其HyperStore软件中，作为AI数据平台路线图的一部分提供AI推理能力。HyperStore是一个对象存储系统，具有几乎无限的可扩展性并支持Nvidia的GPUDirect。向量数据库存储非结构化文档数据的多维方面的数学变换，以及向量化的音频、图像和视频数据。这些向量被大型语言模型用于在构建对用户请求的响应时搜索语义相关的向量。
Deepgram推出Saga：为开发者打造的AI语音接口
Deepgram发布了名为Saga的AI语音操作系统，专为开发者设计。该工具作为通用语音界面直接嵌入开发环境，允许开发者仅通过语音控制工具和代码。Saga集成了多种AI原生编码环境，包括Cursor和Windsurf，还可维护Linear、Asana、Jira等项目管理软件的状态更新。开发者可通过语音表达想法，如"创建一个响应表情符号的Slack机器人"，Saga会将其转换为可执行的编程提示。该工具旨在减少开发者在工具间切换的"静默税收"，提高开发效率。
Graphwise升级图数据库成为AI智能体的大脑
保加利亚图数据库初创公司Graphwise发布GraphDB 11重大升级，新增功能旨在增强企业知识管理并为人工智能模型提供更可靠的基础。该平台通过语义层管理结构化和非结构化数据，支持更多大语言模型包括Llama、Gemini等，并新增模型上下文协议支持。GraphDB 11还改进了精确实体链接功能，优化了数据检索和AI输出应用。公司表示新版本可帮助解决AI就绪数据不足问题，降低基础设施成本，提高AI项目成功率。
微软开发者将SAP ABAP向量数据库移植到ZX Spectrum
微软高级软件工程师Alice Vinogradova将自己用SAP ABAP语言编写的向量数据库ZVDB移植到了搭载Z80处理器的经典计算机Sinclair ZX Spectrum上。她发现ABAP（1983年）和Z80（1976年）几乎是同时代产物，都诞生于内存珍贵、每个字节都很重要的计算时代。通过应用Z80优化技术，尽管时钟频率相差857倍，但代码运行速度仅慢3-6倍。她认为这些老式优化技术具有普遍适用性，在现代硬件上依然有效。
三星收购Xealth加速数字健康平台布局
韩国电子巨头三星宣布收购美国西雅图数字健康技术公司Xealth，进一步扩大在健康领域的布局。Xealth专注于帮助医疗专业人员将数字健康技术整合到日常实践中，与70多家数字健康技术供应商合作，应用覆盖美国500多家医院。此次收购将推动三星向连接医疗保健平台转型，结合其在传感器技术和可穿戴设备方面的优势，完善Samsung Health平台功能。
PTC的Onshape与Arena获Nimble选用
2025 年 7 月 8 日，PTC宣布，AI 机器人与自主物流技术的领导者 Nimble 已决定采用 PTC 的云原生 Onshape CAD 和 PDM 平台、以及 云原生Arena PLM 和 QMS 平台，全面取代其传统的计算机辅助设计（CAD）、产品数据管理（PDM）、产品生命周期管理（PLM）及质量管理系统（QMS）工具。
UMoE：让AI更聪明的"专家分工制"——东京科学技术大学等联合推出统一混合专家架构
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构，通过重新设计注意力机制，实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法，同时保持了较低的计算开销，为大语言模型的高效扩展提供了新思路。
小米7B模型挑战巨头：如何让"小个子"AI在推理任务上击败32B大模型
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化，在数学推理和编程任务上超越了320亿参数的大模型，甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施，将训练速度提升2.29倍。该成果已完全开源，为AI民主化发展提供了新思路。
京公网安备 11010802021500号
