/
手机里的NPU越来越强，为什么AI体验还在原地踏步？
尽管芯片厂商不断推出性能更强的神经处理单元，声称比上代产品快30-40%，但大多数AI功能仍依赖云端处理。专家指出，云端AI模型拥有数千亿参数，而手机NPU只能处理约30亿参数的模型。本地AI处理虽然在隐私保护和可靠性方面具有优势，但受限于内存容量和处理能力，目前主要应用于特定场景。业界正致力于优化模型压缩技术，实现云端与本地AI的混合处理模式。
NVIDIA联手多所高校推出SpaceTools：AI机器人有了“火眼金睛“和“妙手回春“
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法，让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能，并在真实机器人操作中实现86%成功率，代表了AI从单一功能向工具协调专家的重要转变，为未来更智能实用的AI助手奠定基础。
如何使用现有基础设施让数据做好AI准备
Hammerspace通过现有NVMe存储最大化GPU使用率。随着AI计算在混合云和多云环境中扩展，基础设施团队面临着加速洞察时间同时最大化GPU投资的压力。Hammerspace Tier 0将GPU服务器集群内的本地NVMe存储转换为超高速共享存储层，性能比传统网络存储提升10倍，减少检查点时间，提高GPU使用率，改善推理响应时间，无需额外存储系统，节省数百万美元成本。
机器人学会“三思而后行“：中科院团队让AI机器人告别行动失误
这项研究解决了现代智能机器人面临的"行动不稳定"问题，开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案，然后通过伪计数估计器选择最可靠的行动，就像为机器人配备智能顾问。实验显示，真实环境中机器人成功率平均提升16%，且系统可即插即用无需重新训练，为机器人智能化发展提供了新思路。
IT领导者快问快答：思科光网络公司首席数字信息官Craig Williams分享AI转型经验
Ciena副总裁兼首席数字信息官Craig Williams分享了光网络和高速连接提供商如何应对AI挑战。他指出这一转型过程"既令人兴奋又让人谦卑，没有既定的变革模板"。Williams团队已评估超过250个AI创意，并将最有前景的项目投入实施。他强调了两个AI战略应用：利用AI辅助编程提升内部效率，以及通过AI降低数字基础设施能耗。
Jina AI推出2.4B参数多语言视觉语言模型：小身材，大本事的AI视觉助手
Jina AI推出了仅24亿参数的jina-vlm视觉语言模型，在同等规模模型中实现了最佳多语言表现。该模型通过创新的注意力池化连接器将SigLIP2视觉编码器与Qwen3语言模型连接，采用分块图像处理策略和两阶段训练方法，在30多种语言的视觉问答任务中表现出色，同时保持了优异的英语性能，为小型化高效AI模型的发展提供了新思路。
Anthropic CEO警告AI行业泡沫化，批评“YOLO“式投资
Anthropic首席执行官达里奥·阿莫代在峰会上警告AI行业存在泡沫风险，暗示某些竞争对手采取过于激进的策略。他提到一些公司存在"YOLO"心态，进行大规模循环投资，可能因时机判断错误而面临风险。阿莫代强调，虽然技术发展稳健，但经济层面存在不确定性，数据中心建设需要提前1-2年规划，买多买少都有风险。
当AI也有了“户籍“：MIT团队揭秘开放模型世界的权力版图大洗牌
本文基于MIT等机构研究团队对全球最大开放AI模型平台Hugging Face的深度分析，通过22亿次下载记录和85万个模型数据，首次系统揭示了开放AI生态系统中的权力分布变化。研究发现美国科技巨头主导地位正在衰落，中国AI企业强势崛起，个人开发者影响力大幅提升，同时AI模型正向大规模多模态发展，但透明度却在下降，为理解AI技术发展趋势和制定相关政策提供了重要参考。
雅虎利用AI实时总结橄榄球比赛精彩内容
雅虎在其体育应用中推出了名为"比赛解析"的新功能，利用AI模型自动生成比赛快照。该功能包含三个核心部分：比赛摘要、重要比赛片段流和后续问题提示。AI模型不仅挖掘统计数据，还试图理解比赛的情感层面和人文故事。雅虎计划结合自身记者团队和用户反馈来训练系统，使其更好地理解体育比赛中真正重要的内容。未来该功能将扩展到其他体育项目，并可能提供个性化定制服务。
腾讯团队首创视觉“聪明眼“，让AI像人一样智能看图
腾讯AI实验室首创AdaptVision系统，让AI像人类一样先看整体再聚焦细节，实现视觉问答任务的智能资源分配。该系统通过创新的"解耦回合策略优化"训练方法，学会根据问题复杂度动态决定是否需要查看高分辨率图像区域。实验表明，在保持准确性的同时，AdaptVision仅使用传统方法33%的视觉信息量，为AI视觉领域带来效率革命。
押注AI智能体，奇奇科技跨越十年的“换挡”与远航
阿里云正在携手伙伴将AI像水电一样输送到各行各业，而像奇奇科技这样的生态“毛细血管”，必须具备将这些“水电”接入企业“最后一公里”的能力。
台大等顶尖高校联手破解图像去模糊难题：让AI学会物理规律的BlurDM模型
这项由台湾多所顶尖高校联合完成的研究首次将物理模糊形成过程融入AI去模糊技术。BlurDM通过双重扩散机制，同时处理随机噪声和结构化模糊，在四个基准数据集上全面超越现有方法。该技术采用三阶段训练策略和潜在空间优化，仅需5步迭代即可实现高质量图像恢复，为手机摄影、监控系统等实际应用奠定了技术基础。
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
