技术突破

帕特·盖尔辛格提出利用微光束替代电子信号，推动计算性能继续指数增长，以支撑更强大的人工智能。

TechCrunch报告指出，到2035年全球数据中心用电量将增长4倍，新增算力设施耗电量相当于印度全国用电量，凸显AI算力扩张的能源挑战。

每一次 AI 性能飞跃背后，都离不开先进材料的支撑。从更高效的芯片到更节能的存储，材料科学正在成为下一代 AI 发展的关键基础设施。

小米在机器人运动训练中发现，增加数据量对性能的提升远大于扩大模型规模，且尚未出现饱和迹象，但绝对成功率仍较低。

OpenAI和Hugging Face公布了AI模型评估期间遭遇的一起安全事件初步调查结果，揭示了攻击者的高级网络能力，并为防御方提供了关键教训。

人工智能系统成功证明了一个困扰图论学界二十年的猜想，标志着 AI 在数学推理领域取得重大突破。

特朗普的AI顾问公开抨击美国领先AI公司，指责其与中国模型合作，暴露了美国AI政策内部的分歧。

MIT Tech Review 报道，大语言模型不仅会从训练数据中习得人类偏见，还可能自行发展出新的偏见，在招聘筛选中比人类更易产生偏见。

一项最新研究发现，当人们使用AI建议时，决策准确率降低至原来的1/3，但自信心却提升一倍，凸显AI辅助决策中的自动化偏见问题。

导演克里斯托弗·诺兰将AI比作特洛伊木马，暗示其表面是技术工具，实则携带颠覆性价值观。这一比喻引发对AI文化影响的深层讨论。

Google DeepMind提出GenCeption方法，证明视频生成模型可直接用于深度估计、分割等经典视觉任务，性能媲美专用模型，且几乎完全使用合成视频训练，引发对视频生成器是否已内嵌通用世界模型的讨论。

过度依赖AI决策可能导致人类判断力萎缩，短期效率提升背后隐藏长期风险。