由香港大学丁凯欣领导，联合华南理工大学周洋以及快手科技Kling团队共同完成的这项研究，开发出了一个名为“炼金师”（Alchemist）的AI系统。它就像一位挑剔的大厨，能从海量图片数据中精准挑选出最有价值的一半。
最近，清华大学教授、智谱AI首席科学家唐杰发了一条长微博，总结了自己2025年对大模型进展的感悟。从预训练到中后训练、长尾场景的对齐能力，再到Agent、多模态和具身智能的发展，其中有不少亮点。
在生成式AI（GenAI）的推动下，2025年标志着行业从“震撼期”正式步入“深水区”。这并非资本的泡沫，而是计算范式从CPU向GPU的根本性迁移——数据中心正进化为实时生产智能的“AI工厂”。相比于模型参数的单纯竞赛，AI应用带来的“任务执行”能力与直观体验，让人切身感受到从“信息检索”向“智能生成”的范式跃迁。
「高烧」三年后，AI行业终于冷静：Scaling红利即将耗尽，单纯堆参数绝非良药。但商汤已胸有成竹。
CyboPal ONE 尝试告诉用户，未来硬件不应只是被动、静止的容器，而应是具有‘代理权（Agency）’的主动生命体。”
近年来，大语言模型的能力突飞猛进，但随之而来的却是愈发棘手的双重用途风险（dual-use risks）。当模型在海量公开互联网数据中学习时，它不仅掌握语言与推理能力，也不可避免地接触到 CBRN（化学、生物、放射、核）危险制造、软件漏洞利用等高敏感度、潜在危险的知识领域。
在代码大模型（Code LLMs）的预训练中，行业内长期存在一种惯性思维，即把所有编程语言的代码都视为同质化的文本数据，主要关注数据总量的堆叠。然而，现代软件开发本质上是多语言混合的，不同语言的语法特性、语料规模和应用场景差异巨大。
AI 钉钉 1.1，不仅仅是一个 0.1 版本更新。
生成式AI狂奔三年，2025迎来架构创新的大年，三条脉络交织演进，伴随着Scaling law（规模定律）遇到天花板的争议，开始定义AI进化的新范式。
从大模型智能的“语言世界”迈向具身智能的“物理世界”，仿真正在成为连接落地的底层基础设施。
