【钛媒体综合】据新华社，中国汽车工业协会近日发布《关于维护公平竞争秩序 促进行业健康发展的 倡议》，倡议所有企业严格遵从公平竞争原则，依法依规开展经营活动；优势企业不为垄断市场，挤压 其他主体生存空间，损害其他经营者合法权益等。 倡议指出，近年来，中国新能源汽车产业快速发展，新能源汽车新车销售占比已经超过40%。当前，行 业整体运行呈现稳中向好态势，市场活力持续释放。一段时间以来，行业盈利水平下降，以无序"价格 战"为主要表现形式的"内卷式"竞争，是行业效益下降的重要因素。产品售后服务保障、企业创新发展 需要持续加大投入，而"价格战"严重影响企业正常经营，冲击产业链供应链安全，把产业发展带入恶性 循环。 倡议提到，5月23日以来，某车企率先发起大幅降价活动，多家企业跟进效仿，引发新一轮"价格战"恐 慌。无序"价格战"加剧恶性竞争，将进一步挤压企业利润空间，进而影响产品质量和售后服务保障，不 仅阻碍行业自身健康发展，也将危害消费者权益，并带来安全隐患。 新能源汽车是新质生产力的典型代表，正引领汽车产业加速转型升级，维护行业健康发展十分重要。中 国汽车工业协会提出如下倡议： 所有企业严格遵从公平竞争原则，依法依规 ...

在全球具身智能的浪潮中，数据被视为推动AI技术革新的"新石油"。在这一变革的背后，合成数据扮演 着至关重要的角色，成为AI进入物理世界的桥梁。光轮智能，这家专注于合成数据的创业公司，凭借 独特的技术视角和商业模式，吸引了全球目光。光轮智能联合创始人兼总裁杨海波，他深入分析了合成 数据在AI发展中的核心作用，并分享了公司在具身智能领域的战略布局及成就，以及对未来数据革命 的洞察。 从体制内到创业：选择充满挑战的人生 杨海波，在早年间的十年政府工作中，深度参与基层治理、宏观调控和组织管理，深谙中国政策体系与 资源调配机制；主导创建多个国家级、北京市级社会组织的经历，使其积累了丰富的资源整合与协同发 展经验；在美团负责公共事务期间，结合市场需求，将政策洞察转化为企业发展动能。2023年，看到 AI迈入智能涌现阶段、数据瓶颈凸显的机遇，杨海波与他人联合创立光轮智能。这种横跨政府、社会 组织与企业的多元履历，让他既懂政策导向，又谙市场规律，是深刻立足国情、着眼科技创新的资深专 家。 "我的人生理念就是要拥抱和享受不确定，只有不断追求变化，才是真正的成功。" 杨海波坦言，"相比 过去在不同政府机关部门、各类社会组织和大厂 ...

关于MIT博士生Aidan Toner-Rodgers论文造假一事，在AI、经济学、科研、政策和媒体圈子里引起强烈反响，正如它6个月前在相同的圈子里引起轰动一 样。 MIT经过内部审查之后得出结论，这篇论文必须撤回。而全球最顶级的经济学期刊之一，The Quarterly Journal of Economics原本即将发表。这篇论文的导 师、诺贝尔经济学奖得主阿西莫格鲁（Daron Acemoglu）以及奥托（David Autor）教授公开请求撤稿。 可以说，如果谁能拿出一篇论文，证明AI在像新材料发现这样具有重大经济价值的科学领域、在企业研发环境中能显著提升效率，并且在研究方法上有 所突破的话，相当于摘取一个小小的研究圣杯。 于是，MIT经济系二年级博士生Toner-Rodgers同学去年决定大胆一试，结果它现在已经被勒令退学了。 质疑AI发现新材料的化学家 这件事值得一提的是伦敦大学学院（UCL）无机与材料化学教授Robert Palgrave。 他在论文发布后的一周，在一片压倒性的赞誉声浪中，提出了自己的质疑，这方面科技媒体新智元在文章《MIT博士爆火论文造假，学校官宣撤稿！被骗 诺奖导师亲手举报， ...

随着生成式人工智能技术的飞速发展，合成数据正日益成为大模型训练的重要组成部分。未来的 GPT 系列语言模型不可避免地将依赖于由人工数据和合成数据混 合构成的大规模语料。 然而，这一趋势也带来了严峻挑战：合成数据如果不加控制地使用，可能引发 "模型崩溃"（Model Collapse）问题。即便仅在一次训练中混入较多比例的合成数 据，也可能导致模型性能急剧下降，难以泛化到真实世界的数据中。 $$\mathbb{E}_{t e s t}^{c o l l a p s e}={\frac{\sigma^{2}d}{T-d-1}}\cdot n\qquad(\mathcal{I})$$ 最近在 ICML 2025 会议上，来自上交大等研究机构的研究团队系统性地剖析了这一问题，并提出了一种创新的数据生成策略， Token-Level Editing，旨在有效避 免模型崩溃。 论文标题：HOW TO SYNTHESIZE TEXT DATA WITHOUT MODEL COLLAPSE? 论文链接：https://arxiv.org/pdf/2412.14689 不同于直接使用生成数据，该方法在真实数据上引入细粒度的 " ...

Core Viewpoint - The breakthrough in embodied intelligence relies heavily on high-quality data, with a significant focus on synthetic data generation due to the high costs of real data collection [1][2]. Group 1: Data Challenges - The current state of embodied intelligence data is characterized by scarcity and inadequacy, with existing sources being limited and not sufficiently diverse [16][18]. - Three main categories of existing data sources are identified: real scan data, game engine environments, and open-source synthetic datasets, each with its limitations [17]. - The indoor embodied intelligence scenarios require structured, semantic, and interactive 3D scene data, which is challenging to collect due to the unique layouts and usage patterns of individual households [18][19]. Group 2: Technical Approaches - There are two primary technical routes for synthetic data generation: "video synthesis + 3D reconstruction" and "end-to-end 3D generation" [3][24]. - The "video synthesis + 3D reconstruction" approach involves generating video or images first, which can lead to cumulative errors and limited structural accuracy [24][39]. - The "end-to-end 3D generation" method aims for direct synthesis of structured spatial data but faces challenges such as low generation quality and lack of common sense [67][68]. Group 3: Innovations in Data Generation - A new technical solution called "modal encoding" is proposed to address the common sense gap in end-to-end 3D generation, allowing for the digital encoding and implicit learning of spatial solutions [5][91]. - The Sengine SimHub is introduced as a system that integrates design knowledge into the generation process, enhancing the stability and adaptability of the generated data [75][78]. - The focus is on creating a data generation system that not only produces space but also generates "understandable and usable" environments, incorporating design logic and user preferences [91][96]. Group 4: Future Directions - The industry is at a critical juncture where the need for a new approach to data generation is evident, moving beyond mere data accumulation to creating "useful data" [95][96]. - The future of embodied intelligence may hinge on how space is defined and understood, emphasizing the importance of integrating rules and preferences into spatial data generation [96][100].

Core Viewpoint - Nvidia is set to acquire AI startup Lepton AI, founded by former Alibaba Cloud executive Jia Yangqing, for a valuation of several hundred million dollars, allowing multiple investors to exit successfully [1][3]. Group 1: Company Overview - Lepton AI was established in 2023 by Jia Yangqing and Junjie Bai, currently employing around 20 staff members and serving several venture-backed startups [3][7]. - The platform developed by Lepton AI is optimized for AI workloads, enabling clients to train AI models and perform inference tasks in production environments [3]. Group 2: Technology and Features - Lepton AI offers a visual interface for setting up training clusters in the cloud and provides various Nvidia GPUs for user selection [3]. - The platform includes error detection capabilities to improve output quality and identifies subtle technical issues, such as excessive memory usage during training [3]. - After model development, clients can deploy their models on optimized inference instances in the company's cloud, with a processing speed exceeding 600 tokens per second and latency below 10 milliseconds [3]. Group 3: Strategic Implications - Nvidia's acquisition of Lepton AI is seen as a strategic move to enhance its technology ecosystem and meet the growing demand for efficient AI solutions [4]. - The acquisition will provide Lepton AI with additional resources and support from Nvidia, accelerating its technological innovation and market expansion [4]. - Nvidia is also acquiring another AI startup, Gretel, which specializes in synthetic data creation for training AI models, with a reported transaction value exceeding $320 million [5]. Group 4: Founder Background - Jia Yangqing is a prominent figure in AI architecture, having previously worked at Google and Facebook, where he contributed to the development of the deep learning framework Caffe [6][7]. - After joining Alibaba in 2019, Jia left to establish Lepton AI in 2023, securing angel funding from notable investors including Sequoia China [7].

以下文章来源于CSDN ，作者万有引力 CSDN . 成就一亿技术人 作者 | 万有引力 出品 | CSDN（ID：CSDNnews） 在过去短短的几周里，大模型赛道的信息密度飙升至前所未有的高度。DeepSeek 连续 五天开源 ，直接引发了一场复现热潮；阿里巴巴通义实验室、 腾讯相继推出面向视觉文档的 RAG 系统 ViDoRAG、新一代混元快思考模型 Turbo S ，加速了大模型的演进步伐；马斯克用 20 万张 GPU 训练出的 Grok 3 ，超越了许多业界标杆，再次验证了"大力出奇迹"的定律； Claude 3.7 Sonnet 迎来编码能力大升级，AI 编程的技术平权时代正在加速到来； DeepSeek 论文与 Kimi"撞车"，越来越多公司开始布局稀疏注意力与线性注意力机制，这些技术正成为 Transformer 之后的关键探索方向；此外， Manus 模式的"虚拟机"概 念迅速走红，正在重塑大模型的运行方式... 在这场眼花缭乱的技术竞赛背后，真正值得我们关注的是什么？DeepSeek 的五连发 究竟意欲何为？在 545% 的成本利润率之下，其他大模型公司是 否也能找到盈利空间？面对行业变 ...

Core Viewpoint - Nvidia has acquired the startup Gretel, which specializes in generating synthetic AI training data, with the acquisition price reportedly exceeding nine figures, surpassing Gretel's recent valuation of $320 million [1][3]. Group 1: Acquisition Details - Gretel, founded in 2019 by Alex Watson, Laszlo Bock, John Myers, and Ali Golshan, will be integrated into Nvidia, with its technology becoming part of Nvidia's generative AI service suite [2]. - The acquisition is strategically timed as major tech companies like Microsoft, Meta, OpenAI, and Anthropic are increasingly utilizing synthetic data to train their flagship AI models due to the depletion of real-world data resources [3]. Group 2: Financial Background - Prior to the acquisition, Gretel raised over $67 million from investors including Anthos Capital, Greylock, and Moonshots Capital [3].

新栏目上线试运行。 文丨 贺乾明 编辑丨黄俊杰 到了 11 月，越来越多的人说，成就 OpenAI 的这条路似乎撞到了墙： 多家媒体报道，Google、OpenAI、Anthropic 等公司，开发下一代模型时，都没能像前些年那样让模型能力大幅提升。 硅谷风投 a16z 创始合伙人、投资了 OpenAI 等多家大模型公司的马克·安德森（Marc Andreessen）说："我们以相 同的速度增加（GPU），根本没有智能提升。" OpenAI 联合创始人、前首席科学家伊尔亚·苏茨克维 (Ilya Sutskever) 说："2010 年代是扩大规模的时代，现在我 们再次回到了需要奇迹和新发现的时代。" 这些公司的高管否认了 "撞墙" 的说法，也有证据表明他们仍在想办法突破，毕竟建设更大规模的算力中心的势头并没 有放缓，甚至还在加速。 他们同步在大模型应用上倾注更多的资源。从 OpenAI、Anthropic 到 Google、微软，再到风投机构，都把 Agent——让 大模型理解人类指令，调度数据库和工具完成复杂任务的系统——当作下一个赛点。 11 月，ChatGPT 迎来两周年，却是 OpenAI 官方相对沉 ...

人工智能向前发展要造数据、合成数据，有可能带来大模型创业下新的百亿美金的问题。 本文为IPO早知道原创 作者｜苏打 微信公众号｜ipozaozhidao "如果说今天有什么事是我们一定要做的，那就是AI For Science。难以想象今天还有什么事情比它 更重要，今年诺贝尔奖的颁布便是最好证明。" 11月22日召开的2024年IDEA大会上，IDEA研究院创院理事长、美国国家工程院外籍院士沈向洋在 题为《从技术突破到产业融合》的主题演讲中指出，在技术大爆发时期开展创新，对技术的深度理解 尤为重要。 沈向洋表示，从长远的人类社会发展角度来看，巨大跃迁都是由技术创新带来的。工业时代的全球 GDP年均增速约为1%-2%，信息时代在3%-4%，人工智能时代，这个数字会是多少？与此同时， 他强调，随着AI的各项能力逼近、甚至超越人类，AI治理已成亟待全球共同面对的议题。 深圳或将成全球算力中心之一 "过去这几年人工智能的蓬勃发展，令大家对整个行业充满着期待。其中，算力、算法、数据是绕不 开的'三件套'。"现场，沈向洋分享了对上述三要素的新理解。 首先，算力是关键生产力。过去四五十年间，计算行业的发展中，最重要的一件事 ...