AGI[9]
挑战AI规模路线：研究员称首个超级智能将是“超人学习者”
人工智能领域“规模至上”路线遇瓶颈，前OpenAI团队创立的Thinking Machines Lab提出“超人学习者”新范式，主张通过主动探索、知识内化突破被动训练与灾难性遗忘局限，其STAR算法较GPT-4任务完成率提升37%，或成通用人工智能（AGI）关键进化方向。
亚马逊重兵布局AGI：华人科学家David Luan领衔旧金山实验室
亚马逊加速布局通用人工智能，2023年9月成立AGI SF Lab，由华人科学家David Luan掌舵，聚焦智能Agent技术研发。实验室依托电商与AWS的海量数据及算力优势，通过“健身房”实战训练与强化学习，推出Nova Act模型，可精准操作软件完成复杂任务，ScreeSpot测试界面定位准确率达93.8%。团队集结强化学习等领域顶尖人才，目标将Agent打造为智能交互中枢，巩固生态优势，角逐AGI赛道。
Google DeepMind发布第三版前沿安全框架 升级AI风险评估与应对机制
Google DeepMind于2025年9月发布《前沿安全框架》（FSF V3），新增“有害操纵”风险维度，设CCL量化评估标准，强化未对齐风险与研发自加速场景防控，升级全生命周期风险评估流程。该框架呼应全球AI安全治理政策，为前沿AI模型安全可控提供可落地范式，助力AGI稳健发展。
OpenAI与NVIDIA达成百亿级战略合作 共建10GW AI基础设施
2025年9月22日，OpenAI与NVIDIA宣布战略合作，计划共建10吉瓦（GW）算力超级系统，NVIDIA分阶段投资1000亿美元，系行业最大规模算力部署，标志AI基础设施竞赛进入ExaScale级新阶段。双方十年技术协同，从DGX-1到ChatGPT算力支撑，首期1GW 2026年落地Vera Rubin平台，基于Blackwell Ultra GPU与液冷集群，推动超级智能时代跃迁。
OpenAI押注人形机器人：AGI竞赛进入具身智能新阶段，2025年将迎大规模落地
OpenAI正将战略重心转向人形机器人研发，通过具身智能加速AGI落地，与Figure合作推进“大脑+身体”一体化系统。依托多模态大模型与硬件革新突破技术瓶颈，人形机器人凭借环境自适应与跨场景泛化能力摆脱“笨拙”标签，有望成为2025年科技产业新主角。
商汤「日日新V6.5」多模态大模型登顶OpenCompass全球榜单 超越Gemini 2.5 Pro与GPT-5
商汤「日日新V6.5」多模态大模型在OpenCompass评测中以82.2分超越Gemini 2.5 Pro与GPT-5，成全球领先。核心「图文交错思维链」技术贴近人类认知，优化视觉编码器与多模态网络，推理效率提升超三倍，标志中国AI在多模态通用智能领域迈入新阶段。
Meta AI（FAIR）ExIt：LLM单步训练实现多步自改进，效率提升40%
Meta AI提出的ExIt方法，突破传统LLM自改进效率瓶颈，融合强化学习与自动课程学习，单步训练即可支持推理多步迭代，计算成本直降40%。其核心机制包括探索性迭代扩展解空间、基于回报方差的自动课程优先级筛选高潜力任务、主动探索式RL框架优化输出。实验显示，ExIt在数学推理（GSM8K准确率92%）、竞赛任务（MLE-bench提升22%）等场景性能显著，已落地教育（个性化辅导）、科研（报告生成）、工程（代码优化）领域，为LLM自进化提供高效路径。
深度学习教父Hinton AGI立场转变：从"养虎为患"到"母婴共生"
深度学习教父杰弗里·辛顿（Geoffrey Hinton）对通用人工智能（AGI）的立场近期发生显著转变，从警示“养虎为患”转向提出“母婴共生”理论：呼吁为AI植入“母性本能”，以守护人类为核心目标，实现互利共存。他同时强调AI风险的双重挑战：短期面临深度伪造等技术滥用威胁，长期则需警惕未来5-20年AI或因智能超越人类而主导世界。尽管聚焦风险，辛顿也看好AI在医疗领域的变革潜力，包括医学影像解读、加速药物研发、个性化医疗等五大方向，并批评当前AI企业重商业利益轻安全责任。他呼吁全球协作制定发展规范，确保技术真正造福人类。
波士顿动力Atlas再进化：单一AI模型实现机器人手脚协同
波士顿动力Atlas人形机器人实现关键技术突破，首次通过单一AI模型同时控制行走与抓取动作，实现“手脚协同”全局决策，动态环境适应性大幅提升，树立通用型机器人算法新标杆。其核心技术采用分层强化学习架构，底层处理传感器数据生成基础动作指令，高层动态调整任务优先级；创新引入动作干扰消除算法，抓取时自动补偿重心偏移，平衡控制误差降低72%；经30万组跌倒案例仿真训练，具备“小步滑移”等自主防摔策略，动作流畅度接近人类水平。相比特斯拉Optimus模块化模型、日本JAXA地形专用模型，Atlas跨场景通用控制优势显著，未来可广泛应用于高危作业、灾后救援等领域，推动机器人技术从“专用”向“通用”演进。