在AI硬件快速发展的背景下，GPU的使用寿命成为业界关注焦点。科技公司如Google、Oracle和Microsoft普遍认为服务器的使用周期可达6年，这一观点基于设备在受控环境下的稳定运行与定期维护。然而，知名投资者Michael Burry等怀疑论者则持不同看法，认为实际使用中GPU寿命可能仅为2至3年，主要受限于高强度运算带来的损耗及技术迭代速度。随着AI模型对算力需求持续攀升，GPU的物理耐久性与经济生命周期正面临双重挑战。这一争议不仅影响数据中心的长期规划，也对硬件投资回报率提出更严格的评估要求。
在即将于北京举行的AICon大会上，OPPO公司高级算法工程师杨俊将分享小布智能助手在个性化领域的深度研究与实践成果。他将系统探讨从多智能体架构到Agentic Model的技术演进路径，揭示如何通过智能化决策机制提升用户体验的个性化水平。此次演讲聚焦于小布助手在复杂场景下的自主决策能力构建，结合实际案例展示其在用户意图理解、上下文感知与动态响应方面的技术突破，为智能助手的未来发展提供可借鉴的实践范式。
北京大学研究团队成功开发出一款名为AI-Newton的人工智能系统，该系统具备自主识别并重新推导基础物理定律的能力，包括牛顿第二定律、能量守恒定律和万有引力定律。这一突破性进展标志着人工智能在科学探索领域的自主性迈上新台阶，展现了AI复现人类数千年科学成果的潜力。AI-Newton通过分析实验数据，在无需预设物理知识的前提下，独立构建数学模型，验证了其在复杂系统中发现规律的能力，为未来AI驱动科学研究提供了全新范式。
近日，字节跳动推出的Depth Anything 3技术引发业界关注，该技术仅需一个基于深度光线表示训练的Transformer模型即可实现高效3D视觉重建，谢赛宁对此表示高度赞赏。机器之心报道指出，当前许多3D视觉研究在架构设计上趋于复杂，存在明显的过度设计倾向。Depth Anything 3的简洁架构表明，通过更高效的模型设计路径，同样可实现卓越性能，从而对现有研究范式提出反思。这一进展或推动3D视觉领域向更精简、高效的方向发展。
来自阿里巴巴夸克、北京大学和中山大学的研究人员提出了一种新型自我博弈训练范式——搜索自博弈（SSP），专为深度搜索Agent设计。该范式通过让同一模型扮演“出题者”与“解题者”两个角色，在对抗训练中实现动态难度调整与协同进化。随着模型能力提升，训练任务自动增强，形成无需人工标注的自我进化系统。这一机制有效提升了模型的推理与泛化能力，为自主学习提供了新路径。
NeurIPS 2025 接收的研究项目 TwinMarket 提出了一种创新方法，利用人工智能模拟千名虚拟投资者的行为，以深入探究金融市场的复杂现象。与传统将市场视为机械系统的模型不同，TwinMarket 强调市场是由众多个体互动构成的动态网络，其运行逻辑更接近于由无数叙事驱动的社会系统。该项目受1994年美国圣塔菲研究所人工股票市场项目的启发，通过构建具备学习与决策能力的AI代理，模拟真实交易环境中的情绪、预期与信息传播。研究旨在使AI不仅能预测市场趋势，更能理解和生成影响市场的“故事”，从而揭示价格波动背后的深层机制。这一方法为理解金融市场提供了新的认知框架，也为AI在经济建模中的应用开辟了新路径。
OpenAI今日发布一项新研究，提出一种训练小型稀疏模型的方法，旨在提升模型的可解释性。这些模型具有较少且简单的神经元连接，使内部计算机制更透明，便于人类理解其决策过程。研究表明，稀疏结构不仅降低了模型复杂度，还增强了对内部运作的可观测性，为构建更安全、可信的人工智能系统提供了新路径。该方法在保持基本性能的同时，显著提升了模型的可解释性，尤其适用于需要高透明度的应用场景。
人工智能正以前所未有的速度重塑个人与组织的工作范式，推动“10倍效率个体”与“10倍效率组织”的诞生。据InfoQ《极客有约》分析，AI通过自动化重复任务、增强决策能力和优化资源配置，使个体在内容创作、编程与数据分析等领域实现效率跃升。同时，智能组织借助AI驱动的协同平台和数据闭环，显著提升响应速度与创新能力。人机协同已成为工作变革的核心动力，未来竞争力将取决于对AI效率的整合能力。
3D Gaussian Splatting（3DGS）作为三维视觉领域的一项新兴技术，正在革新传统的3D建模与场景重建方式。该方法通过在空间中分布数以万计的高斯球体，利用其可微渲染特性实现高质量的三维场景表达。每个高斯球可视为一个带有位置、形状与色彩信息的光斑，在虚拟空间中逐步叠加填充，如同在空白舞台上构建立体画面，最终形成连续且逼真的视觉效果。相比传统神经辐射场，3DGS具备更快的渲染速度与更高的几何保真度，已在数字孪生、虚拟现实等领域展现出广泛应用前景。
华东师范大学智能教育学院发布OmniEduBench，一项权威的中文教育基准测试，旨在从知识掌握与育人能力两个维度评估大型AI模型的教育性能。研究基于2.4万道中文题目进行测评，结果显示，尽管GPT-4o等顶尖AI模型在解题准确率上表现优异，但在激发学生思考、提供情感支持等关键教育功能上仍显著弱于人类教师。该研究揭示了当前AI教师在智能教育应用中的核心短板，强调育人能力难以被技术完全替代，为AI在教育领域的角色定位提供了重要参考。
OpenAI在AI可解释性研究中取得新突破，通过分析其训练的稀疏模型，成功识别出结构简单且功能明确的神经电路。这些神经电路由特定的特征与连接模式构成，能够在执行任务时保持高效性的同时，展现出高度的可解释性。该进展为理解AI模型内部工作机制提供了清晰路径，标志着在透明化人工智能决策过程方面迈出关键一步。
飞猪公司大模型算法专家罗超将出席在北京举办的AICon大会，并发表主题演讲。他将围绕LLM-Agent技术在对话场景中的应用展开深入探讨，分享大型模型与Agent技术在企业级对话系统中的实践案例。作为飞猪在人工智能领域的核心技术代表，罗超将结合实际业务场景，解析如何通过LLM与Agent的深度融合提升对话系统的智能化水平与服务效率，为行业提供可借鉴的技术路径。此次演讲将聚焦技术落地的关键挑战与解决方案，展现飞猪在智能对话系统前沿探索中的最新成果。
在多租户云环境中，IO瓶颈问题频发，用户常因缺乏对IO异常类型的准确识别能力，难以区分IO延迟过高与IO饱和等不同情形。这种认知不足导致用户无法自主选择合适的诊断工具，进而依赖运维人员介入，显著降低了问题定位效率并推高了运维成本。当前环境下，智能诊断系统虽已逐步应用，但用户侧的判断能力仍为薄弱环节。提升用户对IO性能异常类型的辨识水平，结合智能化工具的引导式诊断，成为优化整体响应效率的关键路径。
本文系统探讨了货拉拉在构建用户画像数据模型过程中的技术实践，重点分析了基于Apache Doris的模型设计与优化策略。技术团队历经三个关键阶段：从初期依赖Hive批处理，到引入Spark提升计算效率，最终转向Apache Doris实现高并发、低延迟的实时分析能力。该演进路径显著提升了用户画像的更新频率与查询性能，支持了精准营销、运力调度等核心业务场景。实践表明，Doris在统一离线与实时计算、降低运维复杂度方面展现出显著优势，成为货拉拉数据架构升级的关键组件。
随着网络威胁日益复杂，数据安全正进入以人工智能驱动的主动防护新阶段。Snowflake公司秉持“设计即安全”的理念，通过整合人工智能技术与深度防御策略，强化企业级安全架构。其平台在数据存储、访问控制与威胁检测等环节实现自动化响应，显著提升应对新型攻击的能力。通过持续投资于智能分析与多层防护体系，Snowflake助力企业在动态威胁环境中实现前瞻性安全布局，推动安全能力从被动响应向主动预防转型。
随着人工智能技术的快速发展，智能体（Agent）正成为推动企业创新的关键引擎。它们在自动化决策、客户服务、流程优化等方面展现出巨大潜力，助力企业提升效率与竞争力。然而，智能体的广泛应用也面临诸多挑战。开发过程中需应对复杂的算法设计与系统集成问题，运维阶段则存在模型更新滞后、稳定性不足等难题。此外，训练和部署智能体所需的算力资源导致成本居高不下，中小企业尤为承压。如何在保障性能的同时实现成本可控，成为当前企业落地智能体技术的核心议题。未来，唯有通过技术创新与管理优化协同推进，才能充分发挥智能体在企业创新中的驱动作用。