文章

文章深入探讨了具身智能的最新发展及其未来突破的关键要素。智源研究院副院长兼总工程师林咏华在新智元十周年峰会上系统性解读了具身智能为何在近年来呈现井喷式发展，并提出了“大脑模型”与“小脑模型”的分层范式。她强调，具身智能的突破口在于数据、评测和系统软件三大基础技术。在数据方面，文章指出小脑模型（VLA）高质量、大规模真机数据的极度稀缺性，并介绍了智源通过多源补齐和效率增倍来构建数据流水线。在评测方面，文章强调了具身评测上真机、进真实环境的复杂性，并介绍了智源搭建过程性评测平台、设计细颗粒度指标以提升健壮性评估的方法。在系统软件方面，文章介绍了 FlagOS 如何解决跨芯片、端云协同和低时延的碎片化现状，实现模型的跨芯迁移与端到端优化。最后，文章还讨论了具身智能产业落地的三大关键考量（够聪明、够划算、能做人做不了或不愿做的事）以及至关重要的安全性问题。

文章详细介绍了谷歌最新发布的 71 页 AI 科研报告，核心是其推出的 AI 系统能够充当“实证软件”，在科学研究中提出新方法、执行实验并优化结果。该系统通过将科研问题抽象为可计分任务，利用大语言模型生成代码，并在沙箱环境中通过树搜索和迭代优化，将数月的探索时间缩短至数小时。文章列举了基因组学、公共健康、地理遥感、神经科学、数学和时间序列六大领域的具体案例，展示了 AI 系统在这些领域超越人类专家的卓越表现和创新能力。这标志着科研范式的重大转折，AI 将成为高效的实验员和方法发明者，而人类科学家则专注于更高层次的决策和价值判断。谷歌已将最佳方案开源，促进科研合作。

文章深入分析了在生成式 AI 浪潮下，传统咨询行业面临的挑战以及新型“AI 工程师顾问”的崛起。面对高达 95%的企业 AI 项目失败率，文章指出，传统 MBA 式顾问虽擅长战略规划，但缺乏将 AI 技术实际落地的能力。Hasura 公司推出的“AI 工程师顾问”模式，通过让 AI 工程师同时承担顾问和部署角色，弥合了从构想到现实的鸿沟，其高达 900 美元的时薪也反映了市场对具备技术直觉和实践能力的 AI 人才的迫切需求。文章引用了 PromptQL CEO Tanmai Gopal 等行业专家的观点，探讨了 AI 工程师高薪酬的原因及其对咨询业的冲击，同时也提及了 McCracken 等对这种新模式的质疑，认为 AI 项目失败的深层原因可能在于高管追逐炒作和激励措施不完善，而非纯粹的技术缺乏。文章最后强调了市场教育和企业观念转变的重要性，以适应这一新趋势。

文章报道了昆仑万维董事长兼 CEO 方汉在新智元十年峰会上的分享。他详细阐述了昆仑万维从传统互联网平台成功转型为 AI 原生公司的历程，并展示了公司在 AIGC 与 AGI 领域构建的丰富多模态产品矩阵，包括天工大模型、AI 办公助手 Skywork Super Agents、AI 音乐 Mureka、AI 短剧 SkyReels 以及世界模型 Matrix 等。方汉核心观点指出“通用 Agent 是伪命题”，强调未来 AI 的突破口在于各垂直行业积累深度推理数据。他还提出了 AI 商业落地 toB 增效、toC 降本的核心逻辑，并洞察到情感陪伴是 C 端用户的真实痛点。文章最后展望了中国企业在 AIGC 领域的独特机遇。

文章详细介绍了字节跳动最新发布的豆包·图像创作模型 Seedream 4.0，该模型在 Artificial Analysis 的“文生图”和“图像编辑”两大榜单中位居第一，超越了谷歌 Nano Banana。Seedream 4.0 的核心亮点包括原生 4K 分辨率、支持一次上传最多 10 张参考图进行融合，并首次将生成图像和图像编辑整合到单体模型中。文章通过多图融合、连续生图、中文文字渲染、物理世界理解、草图建模及信息图表制作等大量实例，展示了其在人物换装、合影、动漫创作、电影分镜、物体编辑、时间推断和建筑设计等方面的强大能力和高精度表现。文章还提供了火山方舟体验中心的免费试用链接，强调了其在创意内容生成和效率提升方面的巨大潜力。

文章深度聚焦谷歌 DeepMind CEO、诺奖得主哈萨比斯对当前 AI 发展及通用人工智能（AGI）本质的专业洞察。他直言不讳地指出，将现有大型语言模型（LLM）称为“博士级智能”是言过其实，因为它们缺乏真正的全面性、一致性、持续推理和创造力。哈萨比斯认为，AGI 的实现仍需 1-2 项关键技术突破，并预测其在 5 到 10 年内到来。文章还详细介绍了 DeepMind 在世界模型 Genie 3、机器人操作系统 Gemini Robotics 以及 AI 加速科学发现（如 AlphaFold 在药物研发中的应用）方面的最新进展。同时，他强调了混合模型（结合概率性与确定性）作为未来 AI 发展方向的重要性，以及 AI 在解决能源效率和气候变化问题上的巨大潜力。

本文深度剖析了 OpenAI 新员工 Bas van Opheusden 成功入职顶级 AI 研究岗的求职经验。他提出“面试不是考试，是表演”的核心理念，指导求职者从早期准备（如 LeetCode、论文阅读、研究面试官）到面试中的策略（如非正式谈话的应对、展现领导力、真诚分享失败故事）进行全面准备。文章详细介绍了如何运用 STAR-I 模型构建有“救赎弧光”的失败故事，强调了编程面试中良好习惯（如使用 `#to do` 和 `assert`）的重要性，并建议在面试关键时刻直接询问面试官如何通过。最后，文章还提供了面试后的薪资谈判技巧和争取反馈的建议，旨在帮助技术从业者提升求职成功率。

文章详细介绍了微软研究院在剑桥开发的模拟光学计算机（AOC），旨在解决当前 AI 算力瓶颈和 GPU 能耗问题。AOC 采用手机摄像头、Micro LED 和透镜等市售部件，通过独特的光学-模拟电子循环回路实现“固定点搜索”计算。这种机制不仅避免了高成本的数模转换，还具备天然的抗噪声能力，使得 AOC 在单次循环中能以约 20 纳秒的速度完成计算。实验证明，AOC 在金融领域的“货银对付”结算和医疗领域的 MRI 图像重建中展现了高效解决复杂问题的能力。更重要的是，它被发现天然适合平衡模型等 AI 任务，有望将大语言模型推理的能耗降低近百倍。尽管仍是原型，但团队已规划了模块化扩展路线图，并估算其能效可达现有 GPU 的百倍，预示着 AI 算力领域可能迎来颠覆性变革。

文章深入探讨了 GPT-5 在医疗诊断领域的突破性进展。它指出，AI 不仅在诊断速度上超越人类医生（如主动脉夹层诊断从 4.3 小时缩短至 1.7 小时），更重要的是，GPT-5 首次实现了类似医生的高级医学推理能力。该模型能整合文本病历、化验数据和医学影像等多模态信息，构建完整的诊断推理链。文章通过美国医师资格考试（USMLE）和 MedXpertQA 等多项基准测试数据，展示了 GPT-5 在准确率上显著优于 GPT-4o，并在多模态推理能力上全面超越真实执业医生。一个急诊室酒后呕吐导致食管穿孔的案例生动展示了 GPT-5 如何快速准确地锁定病因并给出治疗建议。文章强调，AI 的目标是辅助而非取代医生，通过提供“第二双眼睛”来争取宝贵的诊断时间，降低误诊风险，从而挽救生命。