/
香港大学团队突破：让AI拍出60秒连贯视频不再是梦想 - MemFlow技术革新长视频生成
这项由香港大学、快手科技和香港科技大学联合完成的研究，成功为AI视频生成配备了智能"记忆银行"。MemFlow技术通过动态检索相关历史片段，让AI在生成长达60秒的视频时能保持角色和场景的连贯性。该技术在保证高质量的同时，仅增加7.9%的计算开销，在单GPU上可达到18.7帧每秒的实时生成速度，为影视制作、教育培训等领域带来广阔应用前景。
当AI成为你的编程助手：一场关于人机协作编程的深度思考
本论文由中国科学院计算技术研究所等多家机构的研究人员共同完成，首次系统地分析了"氛围编程"这一新兴的AI辅助软件开发范式。研究通过分析1000多篇论文，建立了理论框架，总结了五种开发模式，并指出了成功的人机协作编程不仅需要强大的AI能力，更需要系统的上下文工程、完善的开发环境和科学的协作模式。
Google发布Gemini 3 Flash并将其设为默认模型
谷歌发布基于Gemini 3的快速低成本模型Flash，并将其设为Gemini应用和AI搜索的默认模型。新模型在多项基准测试中表现优异，在MMMU-Pro多模态推理测试中得分81.2%超越所有竞品。该模型已向全球用户开放，并通过Vertex AI和API向企业及开发者提供服务。定价为每百万输入token 0.5美元，输出token 3美元，速度比2.5 Pro快三倍且更节省token用量。
超大规模云厂商在2025年是解决了电力问题还是重新思考了问题？
2025年，GPU短缺、电网连接延迟及AI计算需求激增使电力成为云计算发展的限制因素。超大规模云厂商加速建设的同时重写了能源、网络和风险策略。预计到2030年，超大规模云厂商将控制全球60%的数据中心容量。AI工厂园区规模达吉瓦级，机架密度超200千瓦，电力供应成为首要瓶颈。云巨头通过大规模太阳能采购、次级市场建设和海底光缆投资来应对。电力可用性成为塑造所有决策的核心摩擦点。
英伟达成为唯一能免费提供AI模型的厂商
英伟达凭借其利润丰厚的硬件业务，成为唯一能够免费提供AI模型的公司。在OpenAI、谷歌等竞争对手纷纷转向闭源模型之际，英伟达加大了对开源Nemotron模型的投入。最新发布的Nemotron 3采用混合Mamba-Transformer架构和专家混合模型，推出Nano、Super和Ultra三个版本，参数规模从30亿到500亿不等，在推理速度和准确性上均有显著提升，展现了英伟达从芯片到软件栈的全栈整合战略。
Retell AI推出自动化质检系统，解决语音智能体人工审核瓶颈
AI语音平台Retell AI发布质检解决方案Retell Assure，可监控通话、识别问题并减少人工抽检需求。该系统使用多模型分析每通电话的延迟、中断、幻觉和客户情绪等指标，自动标记故障并提供改进建议。目前企业仍依赖人工审核AI表现，难以应对大规模通话量。Retell认为多数AI故障源于配置不当而非模型限制，其质检系统可形成持续训练循环。加拿大电动汽车充电公司Switch Energy使用该平台后，月处理8000通电话的成本降低50%，响应时间从数分钟缩短至5秒。
法国生物科技公司发布全球首个生物学通用AI模型
法国AI初创公司Bioptomus推出新一代临床生物AI模型H-Optimus-1和全球首个通用多模态生物医学研究基础模型M-Optimus。H-Optimus-1在组织分析领域取得突破，可辅助疾病识别。M-Optimus整合全球最大专有数据集，涵盖数百万患者、50多种器官类型数据，能够创建数字孪生体预测疾病进展和治疗反应，加速药物设计并大幅降低临床试验成本和时间。该模型现已在AWS SageMaker平台开放使用。
2025年：可穿戴设备全面转向AI技术
2025年成为可穿戴技术的转折之年。过去十年，该领域主要聚焦健康健身，但今年科技公司纷纷将可穿戴设备定位为AI载体。智能眼镜被重新命名为"AI眼镜"，Meta、谷歌等巨头强调AI交互才是核心卖点。市场还涌现出AI吊坠、AI别针等随身监听设备。三星、苹果、Garmin等品牌也在智能手表中加入AI功能。业界认为可穿戴设备是唯一能保证全天候贴身存在的计算设备，成为AI助手的理想载体。
Oracle领衔科技巨头5000亿美元AI数据中心租赁狂潮
甲骨文、微软、Meta等云计算巨头未来将投入5000亿美元租赁数据中心，反映行业对人工智能的巨额押注。甲骨文承诺最高达2480亿美元，其中仅去年11月单季就签约1500亿美元,主要用于支撑OpenAI模型训练部署。与亚马逊、微软相比，甲骨文云业务规模较小但单一客户风险集中。Meta承诺租赁支出达580亿美元，是一年前的三倍。这些租赁成本独立于资本支出统计，六家公司过去四季度资本开支达3720亿美元。
Adobe与UCLA联手突破AI模型速度瓶颈：让图像生成快一倍的"稀疏化魔法"
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法，成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域，使用特殊"寄存器令牌"管理其余部分，在文本到图像生成、图像编辑和数学推理等任务中实现显著加速，同时完全保持了输出质量。
不用再训练AI模型，香港科技大学团队发明"智能管家"，让AI一眼就知道该抓哪里用哪里
香港科技大学团队开发出A4-Agent智能系统，无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程，在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路，使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST让SVG动画脱胎换骨：AI如何破解矢量图形的"语义迷宫"让静态图标活起来
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理，解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画，生成的动画文件比传统视频小54倍，在多项评估中超越顶级竞争对手，为数字创意产业带来重大突破。
华为诺亚方舟实验室新突破：不加内存也能让AI变聪明的神奇方法
华为诺亚方舟实验室提出VersatileFFN创新架构，通过模仿人类双重思维模式，设计了宽度和深度两条并行通道，在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算，实现了参数重用和自适应计算分配，为解决AI模型内存成本高、部署难的问题提供了全新思路。
北大团队突破AI绘画新难题：让机器像人一样精准识别和创作多主体图像
北京大学团队开发了名为Scone的AI绘画新技术，解决了现有AI在复杂图像中无法准确识别指定对象的问题。该系统通过"理解桥梁"策略，让AI能像人类一样精准理解用户指令，在包含多个候选对象的图像中准确识别目标并生成相应画面。团队还创建了SconeEval评测基准，Scone在测试中表现优异，在开源模型中排名第一。
YouTube推出基于Gemini 3的创作者游戏制作工具
YouTube Gaming宣布推出Playables Builder开放测试版，允许特定创作者使用基于Gemini 3的原型网页应用制作小型游戏，无需编程知识。该工具类似于Google Labs的Disco和GenTabs项目，通过自然语言输入生成交互式内容。尽管AI助手能帮助用户无需技术知识即可创作，但优秀游戏需要技巧、迭代和专业知识才能打造真正有趣的体验。
英伟达是唯一能负担免费提供AI模型的厂商
英伟达凭借其庞大的硬件业务利润，成为唯一能够承担免费提供AI模型成本的公司。随着OpenAI、Anthropic等专有模型制造商竞争加剧，Meta考虑转向封闭模型，英伟达却加倍投入开源Nemotron模型。公司可以成本价获得任何规模的AI集群进行训练，其AI Enterprise软件栈年费仅4500美元。新发布的Nemotron 3采用混合专家架构，结合Mamba-Transformer技术，显著提升推理效率和内存使用率。
OpenAI发布新旗舰图像生成AI模型GPT Image 1.5
OpenAI推出全新旗舰图像生成模型GPT Image 1.5，具备更强的指令理解能力、精准图片编辑功能，生成速度提升四倍。新模型在修改现有照片方面表现出色，支持实用的照片编辑、逼真的服装发型试穿效果，以及保持原图精髓的风格滤镜和概念转换。ChatGPT侧边栏新增专用图像标签页，提供预设滤镜和热门提示。OpenAI将此定位为企业级实用工具，从新奇图像生成转向实用高保真视觉创作。
脑启发算法可大幅降低AI能耗
普渡大学和佐治亚理工学院研究人员提出采用脑启发算法构建AI计算机架构的新方法。研究显示，传统冯·诺依曼架构中处理器与内存分离造成数据传输瓶颈，随着AI模型规模四年内增长5000倍，能耗问题日益严重。研究团队建议采用脉冲神经网络和存内计算技术，将处理和存储功能集成，突破"内存墙"限制，显著降低AI模型能耗，使AI设备更适用于医疗、交通和无人机等实际应用场景。
OpenAI推出GPT Image 1.5模型加速图像生成竞争
OpenAI推出ChatGPT Images新版本GPT Image 1.5，承诺更好的指令遵循、更精确的编辑功能和高达4倍的图像生成速度。该模型面向所有ChatGPT用户和API开放。这是OpenAI在CEO奥特曼宣布"红色警报"后与谷歌Gemini竞争的最新升级。新模型提供后期制作功能，支持更精细的编辑控制，能在编辑过程中保持面部相似度、光照、构图和色调的视觉一致性，解决了传统AI图像工具迭代编辑时缺乏一致性的问题。
Zoom推出AI Companion 3.0智能体工作流程
Zoom推出AI Companion 3.0，采用联邦AI架构结合自研模型与OpenAI、Anthropic等第三方大语言模型。新版本具备智能工作流、对话式工作界面等功能，可将会议对话转化为洞察、进度跟踪和文档内容。系统支持加密传输，不使用客户内容训练模型。用户可通过ai.zoom.us访问，或以每月10美元独立购买。
京公网安备 11010802021500号
