华为软硬协同深度融合优化，强强联合打通推理系统全链路，树立MoE推理标杆。 编辑丨李希 在通往通用人工智能（AGI）的进程中，混合专家（MoE）模型凭借动态稀疏计算优势，成为大模型推理提效的关键路径。华为团队重磅推出昇腾平台原生设 计的Pangu Pro MoE 72B模型，大幅降低计算开销，并在SuperCLUE千亿内模型并列国内第一。通过系统级软硬协同优化、高性能算子融合优化、模型原 生投机算法优化，Pangu Pro MoE推理性能提升6~8倍，在昇腾300I Duo上单卡吞吐可达321 tokens/s，实现极致性价比；在昇腾800I A2上更可飙升至 1528 tokens/s，全面释放硬件潜力，打造极致的推理体验。 技术报告地址：https://gitcode.com/ascend-tribe/ascend-inference-system/tree/main/ 01 推理效率拉满：全链路推理系统优化，释放昇腾澎湃算力 在大模型的分布式推理中，每个计算节点都像一个团队成员，信息流通、协调协作不可避免。就像一场跨部门的大项目，若每一步都开"全员大会"，沟通成本 高、效率低，项目推进自然慢半拍。聪明的 ...

21世纪经济报道记者孔海丽 北京报道 "过去几年，我一直不坚持（认为机器人）一定要做成人形......但在当下，人形机器人在数据采集、训练和落地方面有很大优势。"6月6日，宇树科技CEO王 兴兴在智源大会上就 "机器人做成人形的必要性" 发表了观点。 王兴兴表示，人形机器人形态成为当下优选的原因在于两个方面，一是契合AI数据驱动特性，便于数据采集与训练。当前AI大多基于人的数据采集与训 练，人形机器人上半身与人的动作保持一致，能极大方便数据采集，为AI训练提供有力支持。例如，在进行各类动作相关的AI训练时，人形机器人可直接 模拟人类动作，减少数据转换与适配的成本和难度，使AI能更高效地学习和掌握相关技能。 二是满足特定场景需求。在舞蹈、格斗、比赛等场景中，人形机器人具有不可替代的优势。若采用其他形态，可能根本无法完成这些任务。以格斗场景为 例，人形的身体结构使其具备类似人类的移动、攻击和防御方式，能够更好地适应格斗的规则和要求，展现出丰富的战术和动作。 王兴兴认为，随着 AGI（通用人工智能）的发展，机器人的形态将变得百花齐放。在工厂场景中，会有各种大小不同的机器人，它们可能根据不同的生产 任务设计成特定的形 ...

6月6日的2025北京智源大会上，宇树科技CEO王兴兴回应了公司频频进行机器人炫技的考量：在人形机 器人真正去到工厂或家庭干活的终极目标尚未到来前，通过表演和赛事等形式，不仅向外界展示技术发 展现状，也可以产生初步的商业价值。 王兴兴再度回应称，春晚后领域内出现诸多人形机器人赛事，确实为行业提供了面向公众的展示机会。 但并非所有企业都有意愿参与所有赛事，因为每家企业有自身的侧重点。 当日的智源大会上，具身智能机器人是否必须是"人形"的话题再度引发讨论。人形机器人只是具身智能 机器人诸多形态之一，但业内较为普遍的观点认为，大部分物理环境是为人类设计的，人形机器人更能 适应现有的人类环境。 王兴兴提供了另一层视角："人形"之所以在当下具有优势，一方面是因为当前具身智能模型主要采集人 类行为的数据进行训练，保留类似人的上半身结构，便于数据采集和模型训练；另一方面，像跳舞和格 斗这类活动，如果不以"人形"结构呈现，将难以实现。不过，从长远来看，当AGI（通用人工智能）真 正到来后，具身智能机器人的形态或将千奇百怪。 （文章来源：南方都市报） 王兴兴认为，无论是跳舞、搏击，还是端茶倒水、洗衣做饭等家务操作，本质上都属于 ...

仙工智能成立之后，便迅速推出了集导航、功能安全于一体的安全型机器人控制器SRC-3000FS，完美 匹配欧美市场客户需求，并于2024年深入具身智能领域，推出一体化具身智能控制器。2022年，仙工智 能全系列企业数字化软件上市，目前已形成了覆盖"设备控制—物流调度—数据可视化"的完整数字化体 系，包含M4智能物流管理系统、Meta可视化系列产品，全面提升企业数字化能力。 本报记者袁传玺 在科技革命的浪潮中，智能机器人正以颠覆性姿态重塑人类生产与生活图景。作为人工智能与机械工程 的结晶，智能机器人突破传统自动化边界，通过深度学习、环境感知与自主决策能力，在工业制造、医 疗护理、公共服务等领域展现出前所未有的适应性与创造力。 近日，以控制系统为核心的智能机器人公司——上海仙工智能科技股份有限公司（以下简称"仙工智 能"）在港递交招股书，计划通过18C章程在港挂牌上市，这也使其成为第一家以18C章程公开赴港上市 的上海特专科技企业（香港交易所为特定高科技领域企业设立的上市分类）。 6月5日，仙工智能创始人兼CEO赵越在接受《证券日报》记者专访时表示，IPO募集的资金，将助力公 司推进尖端AGI（通用人工智能）及具身 ...

智通财经APP获悉，Alphabet(GOOGL.US)首席执行官皮查伊(Sundar Pichai)表示，尽管该公司加大了 对人工智能(AI)的投资，但将至少在2026年前继续扩大工程师队伍。皮查伊表示将在近期继续加大对工 程团队的投入，并强调"人才仍然是关键"。 包括微软(MSFT.US)在内的美国科技巨头今年已裁减了更多员工，部分原因是为了腾出资源以确保AI领 域领先地位所需的巨额投资。Alphabet自身近年来也进行了一系列裁员，以释放资源。这些裁员也引发 了人们对AI取代某些岗位功能的担忧。 皮查伊表示："我预计，我们的工程团队将在现有基础上继续增长，甚至到明年仍会扩大，因为这让我 们能够把握更多机会空间。我将AI视为显著提高工程师生产力的工具，帮助他们摆脱许多日常琐事。" 尽管如此，皮查伊描绘的AI发展愿景既充满希望，也对其当前局限保持清醒。他指出，尽管AI在代码 编写等领域表现出色，但模型依然会犯一些基本错误。皮查伊表示："我们现在是否真的处在通向通用 人工智能(AGI)的明确路径上?我认为没有人能给出肯定的答案。" 此外，随着谷歌将更多AI功能融入搜索引擎，一些出版商已经发出警告，称担心谷歌提 ...

尽管淡化定义，奥特曼也阐明了他心中AGI应具备的核心能力。对他而言，能真正称得上AGI的系统，必须满足以下任一条件：一是自 主发现新科学，能够独立进行科学探索；其次是成为超级工具，能将全球科学发现的速度提升数倍（例如翻两番）。 当地时间6月3日，OpenAI首席执行官山姆·奥特曼（Sam Altman）在Snowflake Summit 2025峰会的炉边谈话活动中，分享了他对通用人工 智能（AGI）的深刻见解，其核心观点直指本质：相较于纠结AGI的准确定义和实现时间节点，我们更应关注人工智能技术持续呈现的 指数级进步趋势及其带来的实质性突破。 奥特曼在对话中回溯了AI发展的关键节点。他指出，在GPT-3发布前夕，"世界尚未见过真正优秀的语言模型"。他抛出一个思想实验： 若能将今天的ChatGPT展示给那时的人们，"大多数人会说'这肯定是AGI'"。他坦言："'什么是AGI'这个问题本身并不重要。"这个词的定 义因人而异，甚至同一个人在不同时间点看法也不同。奥特曼认为，AGI的定义之争意义有限。 奥特曼强调，真正关键的是技术发展的速度与轨迹。"过去5年我们逐年目睹的这种进展速度，在未来至少5年，很可能更久，应 ...

以下文章来源于凤凰网科技 ，作者凤凰网科技 凤凰网科技 . 凤凰科技频道官方账号，带你直击真相。 作者 | 董雨晴 来源 | 凤凰网科技 与打榜同期进行的，是招聘法律相关的数据专家。 5 月，Kimi被传进军医疗赛道，实际上同样是招 聘医疗领域的相关数据专家，目标是为了提升医疗内容的信息检索质量。 近日，Kimi又悄悄上线了学术搜索。 "很明显，Kimi在加强垂直领域的能力" ，另一行业人士对记者表示。 导语 ：当Kimi招聘法律专家、DeepSeek挖医学标注员，AI公司们抢的不是人才，而是用户愿 意相信的那一口"真"。 几个大模型初创企业里，Kimi当下最为安静。 "（Kimi）最核心的任务就是提升留存，或者把留存作为一个重要的衡量指标" 去年1 1 月，在Kimi 上线一周年之际，创始人兼CEO杨植麟曾在一场小型沟通会中亮相并提出了这一观点。 "有一轮大厂的钱进来后，投资人确实会要求看数据，杨植麟作为创始人肯定要在这方面用心"， 接 近Kimi的人士告诉记者，根据披露，那时Kimi的月活用户突破了3 600 万，跻身国内A I 原生应用T OP3 的席位。 据记者了解， 今年杨植麟的关注重心早已发生改变 ...

Ramaswamy 补充，上下文和计算能力是提升可靠性的核心。他特别提到"检索"和"记忆"不再是空洞术语，而是基础设施。 奥尔特曼以 OpenAI 新推出的编码代理 Codex 为例，称其让人"感受到 AGI 的气息"。目前，Codex 就像一个能工作数小时的实习生，但未来可能成为能持续 工作数天的资深软件工程师。 关于通用人工智能（AGI）的实现时间，奥尔特曼并未给出明确答案。他认为，AI 能力正在以"令人震惊的平滑指数曲线"增长。 如果将 ChatGPT 展示给 2020 年的人看，大多数人会认为这就是 AGI。Ramaswamy 则用潜艇是否"游泳"作比喻，指出当我们真正定义 AGI 时，目标早已再 次前移。 IT之家 6 月 4 日消息，在 Snowflake Summit 峰会上，OpenAI 首席执行官山姆・奥尔特曼（Sam Altman）直言不讳地对企业领袖发出呼吁："Just do it"（立 即行动）。他强调，在 2025 年快速演变的 AI 领域，等待技术"稳定"已不再是明智之选，快速迭代的企业正在占据先机。 在交流对话中，奥尔特曼毫不留情地指出，企业在 AI 领域的成功取决于迭代速度。他 ...

作者 | https://www.youtube.com/watch?v=4__gg83s_Do 编译 | Eric Harrington 出品丨AI 科技大本营（ID：rgznai100） 在这个 AI 技术浪潮席卷全球，几乎人人都在谈论大语言模型潜能无限的时代，一个根本性的问题摆在我们面前：既然 AI "读完"了整个互联网，为何 仍未诞生下一个爱因斯坦？在原创性的科学发现上，这些大模型为什么仍如此"笨拙"？它们真的"理解"我们这个复杂而充满规律的物理世界吗？还是仅 仅在进行一场规模空前的模式匹配游戏？ 如果你也曾对这些问题感到困惑，那么图灵奖得主、 Meta 首席 AI 科学家杨立昆（ Yann LeCun ）的这场深度对话，或许能为你拨开迷雾，提供一个 清醒而富有洞察力的视角。本文编译自 YouTube 频道 Big Technology Podcast 的精彩访谈，杨立昆此次并非简单地唱衰当前 AI 的成就，而是以一 位资深研究者的严谨和一位前瞻思想家的锐利，直指当前主流大模型（ LLM ）的"天花板"。 他深入剖析了为何仅靠"记住"海量文本不足以催生真正的智能，为何当前的 AI 架构难以进行真正的抽 ...

Investment Rating - The report does not explicitly state an investment rating for the industry or the specific technology discussed. Core Insights - The research explores the application of Multimodal Chain of Thought (MCoT) in investment research, particularly in technical analysis using K-line charts, leading to the development of an automated platform called GPT-Kline [1][4][13]. - MCoT enhances the reasoning capabilities of large models by combining multimodal understanding with logical reasoning, allowing for more sophisticated analysis of complex tasks [2][21]. - The O3 model, launched by OpenAI, demonstrates impressive image reasoning capabilities, marking a significant step towards achieving general artificial intelligence (AGI) [2][37]. Summary by Sections Multimodal Reasoning - Multimodal collaboration is essential for large models to progress towards AGI, requiring them to be proficient in various modalities beyond just language [17]. - MCoT represents a significant advancement, enabling models to think based on images rather than merely perceiving them [21][31]. Application in Investment Research - The report highlights the potential of MCoT in technical analysis, particularly with K-line charts, which encapsulate vital trading information and patterns suitable for analysis [3][42]. - The O3 model's application in technical analysis shows its ability to process K-line images, perform necessary pre-processing, and generate analytical reports [3][43]. Development of GPT-Kline - GPT-Kline integrates MCoT with the capabilities of large models to create a specialized tool for K-line technical analysis, automating the entire analysis process from drawing to reporting [4][65]. - The platform features a user-friendly web interface designed for intuitive interaction, allowing users to engage with the analysis process effectively [4][83]. Model Comparison and Performance - The report compares various large models, including OpenAI's GPT-4o and Gemini-2.5 series, assessing their capabilities in K-line analysis and identifying Gemini-2.5 Flash as a strong performer [66][96]. - The analysis results indicate that while OpenAI's models tend to be conservative in their outputs, the Gemini models provide more comprehensive and accurate annotations [95][96].