AI产业动态

在计算机视觉领域，预训练基座模型的演进正推动着多模态智能的边界。近日，格灵深瞳公司灵感团队发布的视觉模型基座RICE（MVT v1.5）在ICCV25会议上获得Highlight荣誉，标志着视觉表征学习从全局语义理解向细粒度区域感知的重要转变。这一突破不仅刷新了多项视觉任务榜单，更揭示了视觉预训练技术发展的深层逻辑。 MVT系列的发展轨迹清晰地展现了视觉预训…

扩散模型作为生成式人工智能领域的革命性技术，自2020年以来已彻底改变了图像、音频、视频乃至3D内容的生成范式。然而，其复杂的数学基础和分散的研究视角，使得从业者往往难以系统掌握其核心原理。由Sony AI、OpenAI和斯坦福大学联合撰写的460页专著《The Principles of Diffusion Models》，正是为解决这一困境而诞生的权威指…

近日，AI领域权威吴恩达在其《The Batch Newsletter》中重点分析了蚂蚁集团最新开源模型Ling-1T，指出这款非推理（non-reasoning）模型在性能上直逼业界顶尖闭源模型，这一现象背后隐藏着重要的技术转向。吴恩达特别强调，Ling-1T在预训练阶段就强化了思维链（CoT）能力，这种做法“正在模糊推理与非推理模型之间的界限”。这一观察…

随着大语言模型在代码生成、数学推理、视觉理解及边缘计算等垂直领域的深度渗透，多智能体系统正成为处理复杂场景任务的关键架构。传统基于文本对话（Text-to-Text，T2T）的协作模式，虽在基础任务中表现尚可，却在面对高维语义传递时暴露出根本性缺陷：信息在文本压缩过程中大量流失、自然语言固有的模糊性导致指令歧义、以及逐token生成机制引发的通信延迟。这些瓶…

如果说两年前AI圈的主旋律是LLMs（大语言模型），那今年Agent无疑成为了最吸睛的技术方向。不过，当概念定义混乱、技术路径尚未成体系的当下，真正能讲清Agentic AI究竟是什么、会带来什么影响的人并不多。 最近，吴恩达在接受硅谷投资人Elad Gil与Sarah Guo的访谈时，深入探讨了智能体AI的崛起及其对行业的深远影响。这位AI领域的资深专家不…

在人工智能快速发展的今天，处理长文本输入已成为大语言模型面临的核心挑战之一。传统的token扩展方法虽然在一定程度上缓解了上下文长度限制，但随之而来的算力成本呈指数级增长，使得百万级token的处理在经济和技术上都变得不可持续。当业界普遍在位置编码扩展和注意力机制优化上投入大量资源时，智谱AI推出的Glyph框架却开辟了一条全新的技术路径：将文本转化为图像，…

在人工智能芯片领域，英伟达长期占据主导地位，其GPU在训练和推理市场均形成近乎垄断的格局。然而，这种局面正面临来自多方的挑战。高通作为移动通信和计算领域的巨头，近日宣布将于明年推出AI200芯片，并计划在2027年跟进AI250芯片，正式进军AI推理芯片市场。这一战略举措不仅反映了高通自身业务拓展的雄心，更揭示了AI芯片市场格局可能发生的深刻变化。 高通此次…

美团推出开源视频生成模型LongCat-Video，该模型在文生视频、图生视频和长视频生成等多个任务上达到先进水平，通过技术创新实现了高质量、长时序的视频内容生成，为视频创作和AI世界模型研究提供了新的工具和思路。

10月21日 【闭源】阿里发布Qwen3-VL-32B系列模型阿里发布了Qwen3-VL-32B-Thinking和Qwen3-VL-32B-Instruct两款32B参数的Dense模型。该系列在文档识别与理解、空间感知与万物识别、视觉2D检测与空间推理等能力上表现优异，适用于通用场景下的复杂感知任务。 详情链接：https://help.aliyun.c…

近日，OpenAI 联合创始人 Andrej Karpathy 在社交媒体上分享了一项引人深思的实验：他成功训练了一个参数量极小的语言模型 nanochat d32 完成一项看似简单却极具挑战性的任务——准确计算单词中特定字母（如字母“r”）的数量。这一实验不仅展示了小模型在特定任务上的潜力，更揭示了在资源受限条件下，如何通过精心设计的数据增强策略来弥补模型…