最近，在B站上出现了一个长达近7分钟的“纯AI综艺”，讲全世界6位厨师如何把灭绝了6500万年的远古沧龙做成6道菜，收获了700多万点击。有人压根没看出来这是AI做的，还以为是美国烹饪竞技真人秀《地狱厨房》出了续集。
AI 产业的两大核心趋势正并行发展：基础大模型的能力持续突破，而 AI Agent 的产业化落地也在全面提速。Capgemini 于 2025 年 4 月发布的一项覆盖 14 国 1500 名企业高管的调研显示[1]，已有 37% 的受访组织启动或实施 AI Agent 项目，另有高达 61 %的组织将在一年内跟进部署或进行探索，印证了该趋势的全球共识。
半夜 3 点，你跟 AI 苦战许久，横跳在 ChatGPT、Claude、Gemini 等各个平台，辗转反侧。
近日，美国南加州大学教授约书亚·杨（Joshua Yang）团队和合作者成功造出一个功能齐全的人工神经元 1M1T1R，这是一种能像真实脑细胞一样工作的人工神经元，有望催生出类似人脑的基于硬件的学习系统，并有望将 AI 转变为更加接近自然智能的形态。
近期，HuggingFace 发布的超过 200 页的超长技术博客，系统性地分享训练先进 LLM 的端到端经验。
还记得今年6月罗永浩那场堪比春晚带货专场的直播吗？评论区刷屏、订单秒飘，GMV直接干到了5500万+：
大模型「灾难性遗忘」问题或将迎来突破。近日，NeurIPS 2025收录了谷歌研究院的一篇论文，其中提出一种全新的「嵌套学习（Nested Learning）」架构。实验中基于该框架的「Hope」模型在语言建模与长上下文记忆任务中超越Transformer模型，这意味着大模型正迈向具备自我改进能力的新阶段。
AI应用的竞速赛快速升温，健康，成了蚂蚁的新答案。
当好莱坞还在为预算头疼时，硅谷的AI、韩国的IP和中东的资本已经悄然联手，他们的目标是用一个全新的「导演级AI」物种，彻底重塑电影工业。
智能汽车、自动驾驶、物理AI的竞速引擎，正在悄然收敛—— 至少核心头部玩家，已经在最近的ICCV 2025，展现出了共识。
LLM Agent 正以前所未有的速度发展，从网页浏览、软件开发到具身控制，其强大的自主能力令人瞩目。然而，繁荣的背后也带来了研究的「碎片化」和能力的「天花板」：多数 Agent 在可靠规划、长期记忆、海量工具管理和多智能体协调等方面仍显稚嫩，整个领域仿佛一片广袤却缺乏地图的丛林。
大家一直热衷谈论的AGI忽然不香了，主流的AI公司都开始改口谈「超级智能」，AGI已经沦落为研究员口中的「自动化软件开发工具」。苏莱曼领军的微软MAI团队，正成为超级智能赛道一位新的「超级玩家」。曾曝「欺凌员工」的他，如今要打造有「人味」的AI。
2025年前盛行的闭源+重资本范式正被DeepSeek-R1与月之暗面Kimi K2 Thinking改写，二者以数百万美元成本、开源权重，凭MoE与MuonClip等优化，在SWE-Bench与BrowseComp等基准追平或超越GPT-5，并以更低API价格与本地部署撬动市场预期，促使行业从砸钱堆料转向以架构创新与稳定训练为核心的高效路线。
「Baidu is back」，在业界权威大模型公共基准测试平台 LMArena 发布最新一期文本竞技场排名（Text Arena）之后，有人发出了这样的惊呼。根据 11 月 8 日凌晨 LMArena 的最新排名显示，百度文心最新模型 ERNIE-5.0-Preview-1022（文心 5.0 Preview）在文本榜单上一举跃居全球并列第二、国内第一。
就在今天，谷歌Nano Banana 2预览版闪现第三方平台，生成速度飙到10秒、画质拉到4K。网友实测炸锅，一句话直出OS+UI复杂界面，还能在黑板上一键推导微积分。真正的「PS终结者」即将上线。
在旧金山北滩的一栋不起眼的建筑里，有一家公司正在悄然改变软件开发的规则。Cursor，过去一年最有名的一家 AI 独角兽，从零起步，在不到两年时间里达到了 1 亿美元 ARR，员工人数从二十几人扩张到接近 250 人，它的产品被全球顶尖开发者使用，甚至在重新定义「开发工具」的标准。
太快了！一天之内Grok连迎两大更新——Grok 4 Fast与Grok Imagine都进行了大升级。Grok 4 Fast把上下文窗口提高到2M，并把完成率拉到94.1%（推理）与97.9%（非推理）。这意味着，你不必再把一本书或一整个代码库切碎喂给模型，它可以一次吞下，然后稳定地给出结果。
现实爽文，小扎打脸！ 2023年上半年，扎克伯格在Meta大裁员，几个月之内裁掉一万人，其中就包括由十几名科学家组成的Meta-FAIR蛋白质小组。 然而，被裁掉的几名科学家不甘心，创办了AI蛋白质公
在好莱坞，AI连动物演员的位置都抢走了！真实的动物被算法重建成更完美的数字替身。有人说这是技术的善意，能让动物不再受训练之苦；也有人说，这是一场「无声的驱逐」的革命。当连呼吸都能被算法生成，我们该怀念的，或许不是那些动物，而是它眼里那一点不完美的生命力。
还得是大学生会玩啊（doge）！ 网上正高速冲浪中，结果意外发现：有男大竟找了个机器人队友？而且机器人还相当黏人（bushi~ 白天超市打工它要跟着，一看东西装好就立马乐颠颠帮忙拉小推车，上楼下楼忙个不停：
2024年，加州大学圣地亚哥分校「Hao AI Lab」提出了DistServe的解耦推理理念，短短一年多时间，迅速从实验室概念成长为行业标准，被NVIDIA、vLLM等主流大模型推理框架采用，预示着AI正迈向「模块化智能」的新时代。
现有的LLM智能体训练框架都是针对单智能体的，多智能体的“群体强化”仍是一个亟须解决的问题。为了解决这一领域的研究痛点，来自UCSD和英特尔的研究人员，提出了新的提出通用化多智能体强化学习框架——PettingLLMs。支持任意组合的多个LLM一起训练。
《Science》的一篇新文章指出，大模型存在一个先天难解的软肋：幻觉难以根除。AI厂商让大模型在不确定性情况下说「我不知道」，虽然有助于减少模型幻觉，但可能因此影响用户留存与活跃度，动摇商业根本。
北京大学，银河通用，阿德莱德大学，浙江大学等机构合作，探究如何构建具身导航的基座模型（Embodied Navigation Foundation Model）提出了NavFoM，一个跨任务和跨载体的导航大模型。实现具身导航从“专用”到“通用”的技术跃进
加州大学河滨分校团队发现，AI组合推理表现不佳部分源于评测指标过于苛刻。他们提出新指标GroupMatch和Test-Time Matching算法，挖掘模型潜力，使GPT-4.1在Winoground测试中首次超越人类，0.2B参数的SigLIP-B16在MMVP-VLM基准测试上超越GPT-4.1并刷新最优结果。这表明模型的组合推理能力早已存在，只需合适方法在测试阶段解锁。
近日，诺贝尔奖得主、美国华盛顿大学教授大卫·贝克（David Baker）和团队再次将 AI 成果送上 Nature，他们开发出一种基于 AI 的蛋白质结构生成模型 RFdiffusion，能在指定病毒表面特定表位的情况下，辅助人类从头设计出能够与之结合的抗体结构。
Cal AI联合创始人Zach Yadegari自7岁起学习编程，16岁卖出自己首个应用赚得近10万美元，并与另外一名高中生联合创办了一家年营收达3000万美元的AI应用公司。在被常春藤盟校拒绝后，Yadegari选择进入迈阿密大学。Yadegari认为AI时代会出现更多年轻的创业者，他给出的最重要的一条创业建议就是：立刻行动。
去年，谢赛宁（Saining Xie）团队发布了 Cambrian-1，一次对图像多模态模型的开放式探索。但团队没有按惯例继续推出 Cambrian-2、Cambrian-3，而是停下来思考：真正的多
你的智能音箱，可能已经比你更了解自己！谷歌新推出的Gemini for Home，不仅能识别人脸、快递、访客，还会自动生成「家庭日报」。它能开灯、播歌、关窗帘，甚至提醒你宠物在客厅活动。不过，这位AI实习生也有点「中二」——连狗都能看成猫。智能的尽头，或许是一次可爱的误会。
近日，谷歌推出了一种全新的用于持续学习的机器学习范式 —— 嵌套学习，模型不再采用静态的训练周期，而是以不同的更新速度在嵌套层中进行学习，即将模型视为一系列嵌套问题的堆叠，使其能够不断学习新技能，同时又不会遗忘旧技能。
