近日,通研院主办的“迈向通用人工智能前沿科技成果展” 展示了首个由价值与因果驱动的AGI系统原型通用智能人 “通通”, 通通”能够自主完成对环境的探索、收拾房间、擦拭污渍等任务。
本次成果展还发布的通用人工智能科研平台“通境”(TongVerse),可提供10,000+贴近工业生产和居家生活环境的仿真场景。还联合北京大学特别发布了通用人工智能评级标准与测试平台(TongTest),来判断人工智能系统是否具备通用人工智能特性。
“有意见”留言板
@辣腿堡不加酱:此次通用智能人小女孩“通通”和通用人工智能科研平台“通境”的发布,让大家对中国的人工智能燃起希望。也许在不久的将来就可以在养老社区、受灾救援现场、智能制造车间都能看到人形机器人的身影。
@媒体搬运工:这就是具身智能吧!大模型热了一年了,今年会怎么发展?或许更智能的机器人是一个突破口,期待这样的产品问世。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。