/
思科AI基础设施订单激增推动强劲财报表现
思科系统公司第四财季业绩超预期，营收147亿美元同比增长8%，净利润40亿美元。AI基础设施订单本季度达8亿美元，全年达20亿美元，是原定目标的两倍以上。网络业务增长12%，安全产品增长9%。云业务同比增长49%，连续四个季度在大规模网络客户中实现三位数订单增长。公司预计下季度营收146.5-148.5亿美元。
SEO已死，大语言模型时代企业如何重塑营销策略？
随着ChatGPT等AI聊天机器人成为"互联网入口"，传统SEO面临颠覆。企业开始关注如何在AI生成的答案中获得更好展示。Evertune等初创公司应运而生，通过每月运行数百万次提示来帮助企业监测品牌在AI回答中的表现。同时，Perplexity出价345亿美元收购Chrome浏览器，OpenAI发布GPT-5模型，显示AI搜索领域竞争加剧。
OpenAI的GPT-5表现不佳，被迫重新添加模型选择开关
OpenAI在GPT-5发布后遭遇用户强烈反对，被迫进行调整。CEO阿尔特曼宣布为GPT-5增加"自动"、"快速"和"思考"三种模式选择，并恢复4o模型。付费用户可通过"显示其他模型"开关访问o3、4.1等模型。阿尔特曼承认突然弃用旧模型是错误决定，并表示正在优化GPT-5的个性化设置，让其比当前版本更温和但不像GPT-4o那样令人烦恼。
让AI学会"以史为鉴，向未来学习"：北京大学与清华大学联合提出时间自奖励语言模型
这项由北京大学和清华大学联合完成的研究首次提出时间自奖励语言模型，通过"锚定拒绝"和"未来引导选择"策略解决了AI自学习中的梯度消失问题。该方法让AI既能从过去的低水平样本中学习反面教材，又能向未来的高水平样本学习正面目标，成功维持了清晰的学习对比信号，在多个基准测试中显著优于传统自奖励方法。
卡内基梅隆大学突破性研究：AI模型推理速度提升1.1倍的"少即是多"革命
卡内基梅隆大学等机构联合开发的LessIsMore技术，通过发现AI推理中的空间局部性和时间局部性规律，创新性地采用统一注意力头选择和稳定时间窗口机制，在保持准确性的同时实现1.1倍推理加速。该技术无需重新训练即可应用，为AI推理效率提升开辟了新路径。
Jumio用AI，在数字身份验证风暴中心重构信任坐标
生物识别技术、人工智能和机器学习的深度融合，正推动身份验证从被动识别向主动风险评估和持续监控转变，尤其在对抗深度伪造等新兴欺诈手段方面，展现出不可或缺的关键作用。
谷歌为Gemini添加有限聊天个性化功能，在记忆功能方面落后于竞争对手
谷歌正在为其Gemini应用缓慢增加定制化和个性化功能，以追赶Anthropic和OpenAI。新功能"个人上下文"将默认启用，允许从过往对话中学习并提供个性化回应。同时推出临时聊天功能和额外数据控制选项。然而，谷歌用户无法编辑或删除偏好设置，这与竞争对手形成差异。该功能首先在部分国家的Gemini 2.5 Pro上推出。
SAP力推Business Suite为企业AI应用的关键基础
德国软件巨头SAP将其商务套件定位为企业AI成功的必要基础，认为数据碎片化是最大障碍。该套件集成销售、财务等业务应用，直接挑战"最佳组合"模式。SAP全球商务套件负责人表示，碎片化应用产生碎片化数据，失去业务语境，使企业80%时间用于管理应用和数据。SAP推广AI助手Joule作为用户交互中心，并开发各种AI代理。澳洲多家客户分享实践经验，南澳电力网络利用AI改善资产管理，西格玛医疗自动化HR流程节省70%时间。
超级智能时代后人类将面临什么挑战？
随着OpenAI发布ChatGPT-5，世界距离通用超级人工智能更近一步。文章探讨了超级智能普及后可能带来的深层社会影响，特别是对人类核心身份认同的冲击。作者担心，当AI助手通过可穿戴设备实时提供"增强心智"服务时，人类可能过度依赖AI建议，失去独立思考能力。这种技术虽然能让人感觉更强大，但也可能削弱人类的自信心和主观能动性，模糊人机交互的界限。
Ai2推出MolmoAct模型：在机器人AI领域挑战英伟达和谷歌
AI2发布开源MolmoAct 7B模型，具备三维空间推理能力，挑战英伟达和谷歌在物理AI领域的地位。该模型能让机器人理解物理世界、规划空间占用并执行动作，任务成功率达72.1%，超越谷歌、微软和英伟达的模型。与传统视觉-语言-动作模型不同，MolmoAct通过空间感知令牌实现真正的3D理解，可适应不同机器人形态。
李飞飞挑战硅谷对AGI的痴迷观念
斯坦福大学李飞飞教授在拉斯维加斯Ai4会议上表达了与Geoffrey Hinton截然不同的AI发展观点。她认为AI应该是人类潜能的合作伙伴，而非需要具备母性保护本能的超级智能体。李飞飞强调，共情、好奇心和责任感应该驱动AI发展，人类决策应始终处于核心地位。她通过World Labs致力于开发空间智能技术，旨在创建理解和构建三维空间的AI系统，服务于教育、医疗等领域，让AI成为促进人类创造力和学习的工具。
研究发现：新版大语言模型虽基准测试分数更高，但代码漏洞更严重
SonarSource研究发现，尽管最新大语言模型在编程基准测试中表现更佳，但同时引入了更多严重漏洞和安全风险。研究测试了Claude、GPT-4o、Llama等模型的4400多个Java编程任务，发现所有模型都存在系统性安全意识缺陷。其中Llama 3.2 90B有超过70%的漏洞被评为最高危险等级，Claude Sonnet 4虽功能测试得分最高，但严重漏洞比例比前代增加93%。研究建议对AI生成代码采用"信任但验证"方法。
如何为AI探索构建数据基础设施
随着AI技术兴起，CIO们需要重新审视数据基础设施的重要性。调查显示，研究和实施数据驱动的AI项目已成为IT部门的首要任务。成功的关键在于构建可靠且可扩展的数据基础，而非简单地将所有服务迁移到云端。数字化领导者必须设计灵活的架构以应对快速变化的技术环境。多家企业通过统一数据平台实现了信息整合，为AI应用奠定了坚实基础。
Liquid AI推出LFM2-VL模型，让智能手机拥有快速视觉AI能力
Liquid AI发布了新一代视觉语言基础模型LFM2-VL，专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构，GPU推理速度比同类模型快2倍，同时保持竞争性能。提供450M和1.6B两个版本，支持512×512原生分辨率图像处理，采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
当善良声音变身恶意武器：AIM Intelligence团队揭秘音频AI的隐藏危机
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞，开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容，成功率超过86%，完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险，对全球数十亿智能设备构成潜在威胁。
新加坡国立大学团队揭示：让AI既能看又能做的视觉强化学习新突破
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展，涵盖超过200项代表性工作。研究将该领域归纳为四大方向：多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型，分析了从RLHF到可验证奖励范式的政策优化策略演进，并识别出样本效率、泛化能力和安全部署等关键挑战，为这一快速发展的交叉学科提供了完整的技术地图。
浙大团队揭秘：为什么AI机器人在现实世界中总是"掉链子"？OmniEAR基准测试暴露惊人真相
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示，即使最先进的AI在明确指令下能达到85-96%成功率，但面对需要从物理约束推断行动的任务时，成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力，监督学习虽能改善单体任务但对多智能体协作效果甚微，表明当前架构存在根本局限性。
AI模型训练中藏着的秘密巨人：纽约大学和Aimpoint Digital Labs发现Transformer里的"超级激活"如何悄悄控制整个模型
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律，研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是，通过调整模型架构参数如注意力密度、宽深比等，可以在训练前就预测和控制这些关键激活的行为，为设计更高效、量化友好的AI模型提供了全新工具。
浙江大学团队发布OS Agents全景调研：让AI助手像钢铁侠贾维斯一样操控电脑手机
这项由浙江大学等多家机构联合完成的大规模调研首次系统性梳理了操作系统智能体这一前沿领域，全面分析了基于多模态大语言模型的AI助手如何像人类一样操作电脑手机。研究涵盖了技术架构、训练方法、评估体系和发展挑战，为实现类似贾维斯的智能数字助手提供了完整的技术路线图。
京公网安备 11010802021500号
