/
家务机器人发展受阻：AI进化面临的机器人挑战
尽管人工智能在国际象棋等领域已经超越人类，但家务机器人的发展仍然困难重重。莫拉维克悖论揭示了计算机在纯智力任务上表现出色，但在现实世界的物理操作方面仍远逊于人类。机器人专家指出，家务机器人需要集成复杂的感知能力、精细运动控制和决策制定能力。虽然基于大语言模型的第三代AI机器人展现出前所未有的智能水平，但数据不足仍是关键瓶颈。
HPE网络业务大放异彩，服务器收入下滑，Alletra存储表现亮眼
HPE第四财季营收达97亿美元，同比增长14%，其中网络业务受Juniper收购推动大幅增长150%。然而服务器营收45亿美元，同比下降5%，尽管市场对AI服务器需求增加。GreenLake订阅业务年度经常性收入增至32亿美元，同比增长68.4%。Alletra MP存储阵列全年出货超7400台，同比翻倍增长。CEO表示HPE已转型为"以网络为中心的公司"，预计下季度营收92亿美元。
Meta收购AI设备初创公司Limitless
Meta宣布收购AI初创公司Limitless，该公司曾开发AI驱动的挂件设备来录制对话。收购后，Limitless将停止硬件销售，现有客户可获得一年支持。公司创始人表示，随着OpenAI和Meta等大型企业进入硬件领域，竞争加剧使其难以立足。Meta表示Limitless团队将加入Reality Labs可穿戴设备部门，助力AI可穿戴设备开发。
AI智能体漏洞挖掘成本骤降，Anthropic呼吁AI防御
Anthropic发布SCONE-bench智能合约漏洞利用基准测试，评估AI代理发现和利用区块链智能合约缺陷的能力。研究显示Claude Opus 4.5等模型可从漏洞中获得460万美元收益。测试2849个合约仅需3476美元成本，发现两个零日漏洞并创造3694美元利润。研究表明AI代理利用安全漏洞的能力快速提升，每1.3个月翻倍增长，强调需要主动采用AI防御技术应对AI攻击威胁。
美光放弃Crucial品牌：告别消费级存储市场
美光宣布退出Crucial品牌消费级SSD业务，将制造产能转向高利润的企业级内存和存储产品。受AI服务器推动的高带宽内存（HBM）需求激增，DRAM和HBM价格飙升，制造商将更多产能投入企业级市场。美光将于明年2月停止向渠道供应Crucial产品，专注服务大型战略客户。这一决定反映了内存行业向高价值企业级市场的整体转移趋势。
NVIDIA联手多所高校推出SpaceTools：AI机器人有了"火眼金睛"和"妙手回春"
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法，让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能，并在真实机器人操作中实现86%成功率，代表了AI从单一功能向工具协调专家的重要转变，为未来更智能实用的AI助手奠定基础。
机器人学会"三思而后行"：中科院团队让AI机器人告别行动失误
这项研究解决了现代智能机器人面临的"行动不稳定"问题，开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案，然后通过伪计数估计器选择最可靠的行动，就像为机器人配备智能顾问。实验显示，真实环境中机器人成功率平均提升16%，且系统可即插即用无需重新训练，为机器人智能化发展提供了新思路。
当AI也有了"户籍"：MIT团队揭秘开放模型世界的权力版图大洗牌
本文基于MIT等机构研究团队对全球最大开放AI模型平台Hugging Face的深度分析，通过22亿次下载记录和85万个模型数据，首次系统揭示了开放AI生态系统中的权力分布变化。研究发现美国科技巨头主导地位正在衰落，中国AI企业强势崛起，个人开发者影响力大幅提升，同时AI模型正向大规模多模态发展，但透明度却在下降，为理解AI技术发展趋势和制定相关政策提供了重要参考。
腾讯团队首创视觉"聪明眼"，让AI像人一样智能看图
腾讯AI实验室首创AdaptVision系统，让AI像人类一样先看整体再聚焦细节，实现视觉问答任务的智能资源分配。该系统通过创新的"解耦回合策略优化"训练方法，学会根据问题复杂度动态决定是否需要查看高分辨率图像区域。实验表明，在保持准确性的同时，AdaptVision仅使用传统方法33%的视觉信息量，为AI视觉领域带来效率革命。
NPU芯片上的多模态AI突破：Nexa AI与吉利汽车联手打造边缘智能新方案
Nexa AI与吉利汽车联合开发的AutoNeural系统，专门解决车载AI的效率问题。通过MobileNet视觉识别和混合Transformer-SSM语言架构，在NPU芯片上实现14倍速度提升，支持实时安全监控、智能交互等汽车应用。该技术已在高通芯片上验证成功，为智能座舱普及奠定基础。
南京大学团队发布PosterCopilot：让AI成为真正懂设计的海报制作助手
南京大学团队开发的PosterCopilot系统通过创新的三阶段训练方法，解决了AI海报设计中的几何理解和美学判断难题。该系统不仅能生成专业水准的海报，还支持精确的分层编辑，让普通用户也能轻松制作高质量设计作品，为AI在创意领域的应用开辟了新路径。
清华大学和微软联手破解视频理解难题：让AI像人一样"看懂"长视频
清华大学和微软联合研究团队提出DIG框架，解决AI长视频理解难题。该框架首次区分全局和局部查询类型，对不同问题采用相应策略：全局问题用均匀采样，局部问题用智能帧选择。实验显示性能提升达7%，在256帧输入下仍保持优势，为视频内容分析、推荐系统等提供重要技术支撑。
手机里的NPU越来越强，为什么AI体验还在原地踏步？
尽管芯片厂商不断推出性能更强的神经处理单元，声称比上代产品快30-40%，但大多数AI功能仍依赖云端处理。专家指出，云端AI模型拥有数千亿参数，而手机NPU只能处理约30亿参数的模型。本地AI处理虽然在隐私保护和可靠性方面具有优势，但受限于内存容量和处理能力，目前主要应用于特定场景。业界正致力于优化模型压缩技术，实现云端与本地AI的混合处理模式。
如何使用现有基础设施让数据做好AI准备
Hammerspace通过现有NVMe存储最大化GPU使用率。随着AI计算在混合云和多云环境中扩展，基础设施团队面临着加速洞察时间同时最大化GPU投资的压力。Hammerspace Tier 0将GPU服务器集群内的本地NVMe存储转换为超高速共享存储层，性能比传统网络存储提升10倍，减少检查点时间，提高GPU使用率，改善推理响应时间，无需额外存储系统，节省数百万美元成本。
IT领导者快问快答：思科光网络公司首席数字信息官Craig Williams分享AI转型经验
Ciena副总裁兼首席数字信息官Craig Williams分享了光网络和高速连接提供商如何应对AI挑战。他指出这一转型过程"既令人兴奋又让人谦卑，没有既定的变革模板"。Williams团队已评估超过250个AI创意，并将最有前景的项目投入实施。他强调了两个AI战略应用：利用AI辅助编程提升内部效率，以及通过AI降低数字基础设施能耗。
Anthropic CEO警告AI行业泡沫化，批评"YOLO"式投资
Anthropic首席执行官达里奥·阿莫代在峰会上警告AI行业存在泡沫风险，暗示某些竞争对手采取过于激进的策略。他提到一些公司存在"YOLO"心态，进行大规模循环投资，可能因时机判断错误而面临风险。阿莫代强调，虽然技术发展稳健，但经济层面存在不确定性，数据中心建设需要提前1-2年规划，买多买少都有风险。
雅虎利用AI实时总结橄榄球比赛精彩内容
雅虎在其体育应用中推出了名为"比赛解析"的新功能，利用AI模型自动生成比赛快照。该功能包含三个核心部分：比赛摘要、重要比赛片段流和后续问题提示。AI模型不仅挖掘统计数据，还试图理解比赛的情感层面和人文故事。雅虎计划结合自身记者团队和用户反馈来训练系统，使其更好地理解体育比赛中真正重要的内容。未来该功能将扩展到其他体育项目，并可能提供个性化定制服务。
浙江大学突破视频AI瓶颈：让计算机用"金字塔眼光"看视频，速度提升10倍不掉质量
浙江大学研究团队提出金字塔稀疏注意力技术，通过模仿人类视觉的自适应处理机制，为不同重要性的视频信息分配不同精度的计算资源。该方法在保持视频质量的同时将计算量降低至35%，在视频生成任务中即使在91%稀疏度下仍保持优异性能，为解决视频AI的计算瓶颈提供了突破性方案。
KAIST团队破解大模型"组队"难题：什么时候"合作"最有效？
KAIST研究团队提出SAFE框架，解决大语言模型合作中的关键问题。通过主厨+助手分工模式，SAFE只在必要时触发模型合作，避免传统方法的"事事商量"低效模式。该方法基于语言兼容性和意见一致性两大判断标准，在数学推理等复杂任务中平均提升5.72%性能，运行速度接近单模型，为AI系统协作提供了高效实用的解决方案。
浙江大学提出XKG：让AI自动复现科研论文的神奇知识图谱
浙江大学研究团队开发了XKG（可执行知识图谱），这是一个革命性的AI系统，能够自动复现科研论文中的实验结果。XKG通过将技术概念与可执行代码直接关联，解决了传统AI系统只能生成粗糙代码框架的问题。在PaperBench测试中，XKG使AI智能体性能提升超过10%，特别是在处理基于现有技术改进的分析性论文时效果显著。该系统采用完全自动化的构建流程，为大规模科研知识管理提供了新思路。
京公网安备 11010802021500号
