/
CIO对2026年AI发展的五大预测
2025年，企业技术高管面临巨大压力，需要帮助企业从持续的AI投入中获得回报。大多数高管取得了进展，完善了项目优先级排序方法。然而，CIO仍面临AI相关问题。支离破裂的AI监管环境和宏观经济阻力将继续推动技术高管保持谨慎态度。随着AI采用增长的影响不断显现，一些CIO预期明年将带来劳动力策略变化。
Anthropic最新CJE技术：让AI评判AI不再瞎猜，终结LLM评估乱象
这篇论文提出了CJE（因果法官评估）框架，解决了当前LLM评估中的三大致命问题：AI法官偏好倒置、置信区间失效和离线策略评估失败。通过AutoCal-R校准、SIMCal-W权重稳定和OUA不确定性推理，CJE仅用5%的专家标签就达到了99%的排名准确率，成本降低14倍，为AI评估提供了科学可靠的解决方案。
云成本管理变得更加便捷
FinOps基金会周四更新了其FinOps开放成本和使用规范云成本管理工具，新版本1.3更好地支持多供应商工作流。该版本新增了合同承诺和协商协议数据集，增加了跨工作负载成本分摊跟踪列，以及云支出和使用报告时效性和完整性的元数据可见性。随着云和AI采用推动企业IT预算增长，技术供应商正在关注将成本与价值联系起来的努力。大型企业通常使用三到四家云供应商，小企业可能使用两家，同时还有数据中心、SaaS和许可等服务。
NVIDIA团队让立体视觉AI实现“真正“实时运行：速度提升10倍却不牺牲精度
NVIDIA团队开发出Fast-FoundationStereo系统，成功解决了立体视觉AI在速度与精度之间的两难选择。通过分而治之的策略，该系统实现了超过10倍的速度提升同时保持高精度，包括知识蒸馏压缩特征提取、神经架构搜索优化成本过滤，以及结构化剪枝精简视差细化。此外，研究团队还构建了包含140万对真实图像的自动伪标注数据集，为立体视觉的实时应用开辟了新道路。
亚马逊AI负责人离职，引发领导层重大调整
亚马逊CEO贾西宣布，AWS实用计算产品高级副总裁彼得·德桑蒂斯将领导新的AI组织，专注于Nova模型发展、定制芯片开发和量子计算。作为领导层变动的一部分，德桑蒂斯将接管人工通用智能团队，原负责人罗希特·普拉萨德将于2025年底离职。新组织还包括皮特·阿贝尔领导前沿模型研究团队。
清华大学团队发明智能机器人安全管家：让AI助手变身贴心保镖，再也不担心机器人“手忙脚乱“伤到人
清华大学团队开发了AEGIS智能安全系统，为机器人配备"安全管家"功能，通过视觉识别和数学算法实时避障，无需重训练即可让现有机器人变得更安全。实验显示该系统将碰撞率降低59.16%，任务成功率提升17.25%，为机器人安全进入日常生活铺平道路。
CIOs将AI采纳列为首要任务：调查报告
最新调查显示，近半数CIO将AI采用和自动化提升列为未来五年的首要任务。超过三分之一的受访者将加强业务连续性和灾难恢复作为重点，同等比例的企业将人才技能发展列为优先事项。尽管AI投资成为焦点，但投资回报率仍不明朗，近三分之二的商业领袖估计AI投资回报率仅为50%或更低。
东京大学等机构联手打造Mio：全球首个具备“交互智能“的数字人类
这项由东京山田AI研究院领导的突破性研究，首次实现了具备"交互智能"的数字人类Mio。该系统通过五个核心模块的协同工作，让数字人类具备了真正的理解、学习和成长能力，而不仅仅是外表的模仿。研究团队提出了全新的评估标准Interactive Intelligence Score，Mio获得76.0分，相比现有技术提升8.4分，标志着数字人类从被动播放向主动智能交互的历史性转变。
红帽收购Chatterbox Labs加强AI治理能力
红帽公司宣布收购伦敦AI公司Chatterbox Labs，该公司专注于模型测试和生成式AI护栏技术。此次收购将为红帽AI产品组合增加自动化AI风险评估、安全测试和治理功能。Chatterbox Labs的AI风险指标帮助企业验证数据和模型是否符合国际法规，提供模型无关的稳健性、公平性和可解释性测试。收购将增强红帽的AI安全能力，包括生成式AI护栏、模型透明度和预测性AI验证等功能。
当AI画师只会画“美图“：UBC研究揭示图像生成模型的美学偏见陷阱
英属哥伦比亚大学研究团队发现，当前主流AI图像生成模型存在严重的美学偏见，过度追求"普遍美感"导致无法执行用户的反美学创作意图。研究通过构建300个反美学提示词数据集，测试发现经过美学对齐的模型会自动"美化"输出，即使用户明确要求生成低质量或"丑陋"图像。这种偏见不仅限制了艺术表达多样性，还可能构成无意识的创作审查，威胁文化多元化发展。
微软和谷歌主导企业AI供应商市场
根据Gartner最新报告，微软凭借广泛的合作伙伴和平台生态系统在企业级AI领域占据主导地位，而谷歌凭借集成的AI代理技术栈和可扩展的企业采用支持在企业代理AI方面领先。报告涵盖近30个AI技术竞赛领域，包括数据基础设施、模型代理、行业解决方案和网络安全等类别。尽管科技巨头投入数十亿资金扩展AI基础设施，但企业仍在努力证明AI技术的商业价值，超过三分之二的企业困于生成式AI试点阶段。
威斯康星大学麦迪逊分校联手亚马逊AGI，让AI看懂图表的空间秘密——START框架重新定义多模态智能理解
威斯康星大学麦迪逊分校与亚马逊AGI团队联合提出START框架，通过同时训练AI的空间感知和文本理解能力来解决图表理解难题。该框架设计了图表元素定位和图表转代码两个创新训练任务，创建了包含33,067张图表的START数据集，并推出CS-Bench评估基准。实验显示START在多个图表理解基准上取得显著性能提升。
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
