NVIDIA和AMD，终于有对手了？ 一家名不见经传的芯片初创公司——Bolt Graphics，在最新发布的测试中抛出惊人数据： 其首款GPU模组Zeus 4C，在路径追踪（Path Tracing）场景中，性能飙至RTX 5090的13倍。
声音理解能力新SOTA，小米全量开源了模型。 MiDashengLM-7B，基于Xiaomi Dasheng作为音频编码器和Qwen2.5-Omni-7B Thinker作为自回归解码器，通过创新的通用音频描述训练策略，实现了对语音、环境声音和音乐的统一理解。
在数据隐私日益重要的 AI 时代，如何在保护用户数据的同时高效运行机器学习模型，成为了学术界和工业界共同关注的难题。
当前环境感知通信正逐步成为第六代移动通信系统（6G）的核心使能技术之一。为支撑其在复杂三维环境下的部署需求，西安电子科技大学、香港中文大学（深圳）和加拿大滑铁卢大学的研究团队联合提出了一个面向6G的高分辨率多模态三维无线电图谱数据集UrbanRadio3D，并构建了基于扩散模型的三维无线电图生成框架RadioDiff-3D。
最近在看中国出海的 AI 应用，看到一篇风投公司 A16Z 发布的报告，觉得很有意思，梳理一下分享给大家。结尾点击阅读全文可以跳转到原文。
在 AI 圈，如果你关注基础设施、尤其是向量数据库，那你大概率听说过 Zilliz。2023 年，黄仁勋在 GTC 大会上的一次点名推荐，让这家公司进入大众视野。但真正吸引我注意的，是 Zilliz 创始人星爵年初的一篇访谈文章，标题叫做：《我们没有对手》 ——在商界如此直白地表达自信非常罕见，这让我确信他对自己做的事有极强的信念和实际领先优势。
OpenAI前研究员、Meta「AI梦之队员」毕书超在哥大指出：AGI就在眼前，突破需高质数据、好奇驱动探索与高效算法；Scaling Law依旧有效，规模决定智能，终身学习才是重点。
具身智能加速演进，硬件本体持续刷新边界，具身模型也在数据与交互中渐现雏形。而在系统层，通用协同的操作底座依然缺位。
不知道大家是否还记得，人工智能先驱、强化学习之父、图灵奖获得者 Richard S. Sutton，在一个多月前的演讲。 Sutton 认为，LLM 现在学习人类数据的知识已经接近极限，依靠「模仿人类」很难再有创新。
研究人员分析了20万条AI对话、整合了近3万项职业任务数据，通过计算覆盖率、成功率和影响范围三个维度，为每个职业算出了AI适用性分数。
