人工智能[37]
AFAC2025金融智能大赛：中国AI应用创新加速见证行业转折
AFAC2025金融智能大赛揭示中国AI应用创新加速，全球人才归巢推动硬核技术落地。参赛项目融合光通信、卫星遥感等跨界技术，实现反洗钱效率提升3-5倍、风险识别率从10%升至55%，保险赔付周期缩至数天，凸显中国在AI金融应用落地的全球领先优势。
2025服贸会上小猿全系智能软硬件亮相
2025服贸会上，小猿全系智能软硬件亮相，AI学习机T4的超拟人1V1老师、销量破百万的墨水屏学练机（护眼+AI学练）及免费AI软件引关注，以教育AI融合推动个性化辅导与校园数字化，助力教育普惠新路径。
爱诗科技完成6000万美元B轮融资 刷新国内视频生成领域单次最大融资纪录 PixVerse V5图生视频全球第一
AI视频生成企业爱诗科技获阿里巴巴领投6000万美元B轮融资，系国内视频生成领域最大单次融资。公司以“让每个人成为生活的导演”为愿景，全球用户超1亿，自研PixVerse模型完成五次迭代，V5版本图生视频全球测评第一，开放平台半年生成视频超千万次，覆盖动态壁纸、公益等多元场景。
杜克大学陈怡然团队DPad方法：破解扩散大模型全局规划与效率两难，实现61倍加速
扩散大语言模型（dLLM）凭借全局规划能力在长文本生成等任务中表现突出，但因需对未来文本进行双向注意力计算，存在计算冗余、推理速度慢的痛点。杜克大学陈怡然团队提出的DPad方法，通过动态窗口聚焦近处关键“草稿纸”（后缀token）、先验丢弃远处冗余信息，实现效率与规划的平衡。该方案无需训练即可即插即用，在主流dLLM上实现61倍推理加速，精度损失不足0.5%，为实时长文本生成、边缘设备部署等场景扫清障碍，推动扩散模型工业化落地。
百度文心大模型X1.1发布：三大核心能力跨越式提升，技术突破落地多场景
2025年WAVE SUMMIT大会上，百度发布文心大模型X1.1，实现事实性准确率提升34.8%、指令遵循优化12.5%、智能体能力增强9.6%，整体表现比肩GPT-5与Gemini 2.5 Pro。实测中，模型在逻辑推理（如"星球版农夫过河"问题）、事实检验（郑和下西洋伪史纠偏）、智能体多工具协同（小红书露营文案生成）等场景展现强落地能力。技术上采用混合强化学习与自蒸馏数据闭环，叠加思维链+行动链等三大模块强化推理与执行精度。同步升级的飞桨3.2框架，训练MFU达47%、推理2比特压缩降本增效，开源ERNIE-4.5-21B支持中小团队低成本开发。飞桨开发者超2333万，推动AI技术普惠与行业应用落地。
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。
Alterego：“意念打字”革命，Silent Sense技术开启无声人机交互
Alterego：重新定义人机交互的“意念打字”革命。其搭载的“Silent Sense”技术，无需出声或动手，通过捕捉默念时口腔、喉部肌肉细微肌电信号，经深度神经网络实时解码为文字或指令，误码率低于5%。核心优势在于无声交互与免提操作，适配图书馆、会议、驾驶等多场景，且通过个性化校准和本地加密保障隐私。可提升办公效率、辅助飞行员等专业人士作业，更能为语言障碍者搭建沟通桥梁。2024年商用在即，Alterego正以“一念直达”的体验，开启人机交互新篇章。
上海AI Lab发布自主科学发现综述，提出Agentic Science框架并上线Intern-Discovery平台
上海人工智能实验室（上海AI Lab）联合顶尖机构发布综述《A Survey on Autonomous Scientific Discovery》，首次提出“Agentic Science”（科研智能体）理论框架，揭示AI从“被动工具”到“主动科研驱动者”的进化路径，标志科学研究迈入AI自主发现新纪元。综述将AI科研角色划分为四阶段：Level 1计算工具（如AlphaFold）、Level 2自动化助理、Level 3自主合伙人（如斯坦福Coscientist系统7分钟合成药物）、Level 4生成式架构师（如伯克利A-Lab 8个月发现41种新材料）。
AI科研智能体依托规划推理、工具使用等五大核心能力，通过动态闭环科研流程，已在生命科学（酶催化效率提升10倍）、材料科学（缩短超导材料发现周期）等多领域突破。上海AI Lab同步上线的Intern-Discovery平台，兼容38种实验室设备接口，支持AI直接操控硬件，降低自主科研门槛，推动跨学科协作。该综述为AI驱动的自主科学发现提供理论蓝图，开启科研范式革新新阶段。
滑铁卢大学与Intel突破脉冲神经网络：类脑算法与神经拟态硬件开启计算革命
脉冲神经网络（SNNs）作为模拟人脑脉冲放电机制的新兴技术，正引领AI能效革命。与传统人工神经网络（ANNs）不同，SNNs通过事件驱动计算实现超低功耗，在神经拟态硬件支持下迎来突破：Intel Loihi 2芯片能效比GPU提升300倍，已赋能奔驰车载感知（延迟降82%）、松下工业质检（5000帧/秒）等场景。滑铁卢大学团队算法创新更让SNNs性能跃升，动态控制误差比GRU低37%，功耗仅为ANN加速器1/8；其构建的250万神经元Spaun模型，可复现大脑认知功能，为类脑研究提供关键工具。当前SNNs在低延迟、高能效领域落地加速，未来随着硬件量产与算法成熟，有望重塑边缘计算、脑机接口等AI应用格局。
PyTorch torch.compile升级：全图可追溯性打破局部优化瓶颈，性能大幅提升
PyTorch的torch.compile迎来重大升级，推出“全图可追溯性”功能，彻底打破模型编译的“局部优化”瓶颈。该特性通过革新底层编译架构，实现跨模块算子依赖追踪与单一计算图生成，使算子融合率从40%提升至85%，并通过全局内存优化减少15%-40%显存占用。实测显示，BERT训练速度提升28%，ResNet推理延迟降低35%，动态控制流模型错误率降至接近零。开发者部署流程大幅简化，模型导出时间从数小时缩至10分钟，跨平台迁移成功率提升至95%。目前HuggingFace、NVIDIA Triton等已集成该特性，助力大模型训练与推理效率飞跃。