证券研究报告 科技 AI 展望：New Scaling，New Paradigm，New TAM 华泰研究 2025 年 6 月 10 日│中国内地 中期策略 全球 AI 展望：New Scaling，New Paradigm，New TAM 展望全球 AI 发展趋势，1）模型端新架构正逐步探索，预训练 Scaling Law 有望呈现新起点；2）算力端训练与推理共同推动算力需求持续上行，有望 开启新 TAM，同时算力硬件设计进入新范式；3）应用端商业模式变革带来 新范式，Agent 在细分领域率先落地带来新 TAM。持续看好 AI 产业投资主 线，看好全球 AI 应用进入业绩收获期。 模型：预训练 Scaling Law 有望开启新起点 回顾近三个季度以来的大模型迭代情况，强化学习（RL）带来的后训练 test-time compute 依然是大模型的主流迭代方向。经典 transformer 架构下 模型参数规模或已达到了瓶颈，人类现有公开数据已接近被使用完。但值得 注意的是科技巨头在预训练阶段仍在继续尝试，以腾讯混元 Turbo S 与 Gemini Diffusion 为代表的大模型开始尝试在架构上进 ...

机器之心PRO · 会员通讯 Week 23 --- 本周为您解读 ② 个值得细品的 AI & Robotics 业内要事 --- 1. 挑战 next token prediction，Diffusion LLM 够格吗？ 低成本下的高性能模型，是悖论还是可能？ 为什么 Gemini Diffusion 是「被忽视的重大突破」？dLLM 有何底气冲击自回归模型？Diffusion 也可被视作无损数据压缩器？dLLM 还有哪 些潜在优势？兑现 dLLM 的潜力还需解决什么问题？ ... 2. AI 推理成本暴跌，「互联网女皇」 Mary Meeker 从中看到了什么？ Mary Meeker 为何强调 AI 发展速度远超互联网时代？AI 模型训练成本与推理成本「剪刀差」将如何重塑行业竞争格局？企业 该如何平衡算力投入与商业化回报？中国开源模型崛起对全球供应链有何潜在影响？人机协作时代如何平衡劳动力结构转型与 技能重塑？ ... 本期完整版通讯含 2 项专题解读 + 27 项 AI & Robotics 赛道要事速递，其中技术方面 11 项，国内方面 4 项，国外方面 12 项。 本期通讯总计 29595 字， ...

机器之心报道 编辑：Panda 上个月 21 号，Google I/O 2025 开发者大会可说是吸睛无数，各种 AI 模型、技术、工具、服务、应用让人目不暇接。在这其中， Gemini Diffusion 绝对算是最让 人兴奋的进步之一。从名字看得出来，这是一个采用了扩散模型的 AI 模型，而这个模型却并非我们通常看到的扩散式视觉生成模型，而是一个地地道道的语言模 型！ Google DeepMind 表示，他们正在使用「扩散」技术来探索新的语言模型方向，从而为用户提供更强大的控制力、创造力和文本生成速度。 从演示效果看，Gemini Diffusion 也确实快 ——「生成速度是我们迄今为止最快模型的五倍，同时还具有相当的编程性能。」 那么，扩散模型为什么会这么快呢？这与其工作原理有关。简单来说，不像自回归语言模型那样直接预测下个文本 token，扩散语言模型（dLLM）是通过逐步细 化噪声的方式来学习生成输出。这意味着它们不仅可以快速迭代，还能在生成过程中进行纠错。这些特性有助于它们更好地应对编辑等任务，包括在数学和代码 环境中。 用户输入「 Explain what artificial intell ...

以下文章来源于未尽研究 ，作者未尽研究 未尽研究 . AI，新能源，合成生物，地缘X 本文来自微信公众号： 未尽研究 （ID：Weijin_Research） ，作者：未尽研究，题图来自：AI生成 转眼之间，2025年即将过半。上半年OpenAI o3、Gemini 2.5 pro、Grok 3 mini和Claude 4的推出， 以及智能体MCP、A2A等协议的推出和融合，让前沿大模型、智能体、应用的进展再次提速。 上半年中国确立了在开源领域的优势。通义千问在2024年9月即已经开始超越Llama 3，DeepSeek R1从2025年初即开始赶上o1。Llama 4推出后，并没有改变开始形成的DeepSeek与通义千问之间在 性能上互卷的格局。 互联网女皇米克尔 （Mary Meeker） 发出了第一份AI趋势报告。她从PC、互联网、移动、云计算来 看AI，认为 所有后来的技术，都是之前技术的"复利"，AI也不例外 。所以，押注"乐观"往往是最值 得的投资之一。 目前全球仍有26亿人没有接入互联网，米克尔看好更低成本的卫星互联网，加上直接带有AI功能的 网络体验。"想象一下，一个'首次上网体验'不再是输入 ...

文｜周鑫雨 编辑｜苏建勋 预训练还是不是王道？如今AI行业，这是最大的"罗生门"事件。 2023年，模型预训练，还是第一性原理。然而，从OpenAI前首席科学家Ilya公开喊话"预训练已走到尽头"，到聚焦强化学习的DeepSeek R1出圈，又昭示着 预训练风光不再。 从人人追捧，到口碑滑坡，预训练境遇的变化，是AI行业"共识"与"非共识"不断流动的一个缩影。 针对AI技术的共识与非共识，2025年5月27日的"技术开放日"上，蚂蚁集团攒了一个交流局。 圆桌对话的参与者，是当下最热的创业者、技术高管和学者： 曹越，视频模型公司Sand.AI创始人，前光年之外联创。2024年7月完成两轮融资后，公司估值已经超过1亿美元； 林俊旸，阿里通义千问（Qwen）技术负责人。从2021年发布的M6，到2025年的Qwen3，他都是名副其实的模型一把手； 孔令鹏，香港大学助理教授、NLP LAB联合主任。其牵头研发的扩散推理模型Dream 7B，成为了开源扩散语言模型的新SOTA。 △图源：作者拍摄 某种意义上，曹越和孔令鹏，都在探寻AI"非共识"的过程中收获颇丰——他们都试图将语言模型和视觉模型训练的主流架构，分别应用到 ...

谷歌CEO Sundar Pichai表示，去年同期谷歌AI大模型和API每月处理9.7万亿个Token，现在这一数字增长到了480万亿个，谷歌搜索业务的AI综述功能月活用 户也达到了15亿人。 AI正逐渐融入我们的生活，成为不可或缺的一部分。无论是谷歌推出的全新大模型和AI应用，还是XR平台和手机系统，都无法脱离AI的影响。 5月21日凌晨，科技巨头谷歌召开了I/O 2025开发者大会，除了万众瞩目的AI功能，谷歌还公布了安卓XR平台和安卓16的新规划及部分新特性。 AI：从大模型变成一站式服务平台 作为谷歌I/O大会的绝对主角，AI可谓重头戏，发布的新品也最多。此前已多次曝光的Gemini 2.5系列，于本场大会确认6月上线，其中Gemini 2.5 Pro号称世 界上最智能的AI模型，新版本刷榜LMArena，在ELO基准测试中拿到了1448分。 Gemini 2.5 Pro新增深度思考版本，在USAMO 2025、LiveCodeBench、MMMU等多项测试中，Gemini 2.5 Pro深度思考版本表现均领先Gemini 2.5 Pro。 Gemini 2.5 Flash则属于轻量级模型，相较上一 ...

生成式AI 一、 真碾压Sora！谷歌Veo 3直接「开口说话」 物理 遵循 性 更 好 1. Veo 3实现音画同步生成功能，能根据提示词同时生成视频画面、对白、唇动和音效，实 现完整的视听体验； 2. 基于V2A（Video-to-Audio）技术，模型能将视频像素转化为语义信号，配合文本提示生 成匹配音频； 3. 模型支持长提示词理解和多步骤事件流生成，但目前仅限8秒视频，面向美国Ultra订阅用 户开放，定价249.99美元/月。 https://mp.weixin.qq.com/s/rJFwZ1lLiWzFLE7jd4jGyA 二、 12秒1万token！谷歌文本「扩散模型」Gemini Diffusion 1. Gemini Diffusion采用扩散技术生成文本，速度达2000token/秒，12秒可生成1万 tokens； 2. 区别于传统自回归模型从左到右生成，通过逐步优化噪声学习生成输出，可快速迭代和错 误纠正； 3. 性能可与更大的模型Gemini 2.0 Flash-Lite相媲美，支持非因果推理，能一次生成整个标 记块。 https://mp.weixin.qq.com/s/paes ...

谷歌又放新大招了，将图像生成常用的"扩散技术"引入语言模型， 12秒能生成1万tokens 。 闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 什么概念？不仅比Gemini 2.0 Flash-Lite更快。 甚至需要不得不在演示过程中 放慢 视频的速度，才能看清生成过程。 这是Google DeepMind推出 Gemini Diffusion ：不同于以往大多数语言模型"从左到右"预测文本的生成方式，而是 通过 逐步优化噪声来学习生成输出 。 传统的自回归模型是根据已生成的词序列 逐步预测下一个词 ，每次只能生成一个词或一个token，这种顺序过程很 慢，并且会限制输出的质量和一致性。 而扩散模型的特点则是通过 逐步细化噪声学习生成 ，这种特点会大大提高生成速度，并且减少训练的不确定性。 与以往大多数基于自回归的语言模型不同，Gemini Diffusion在 语言模型中引入了"扩散"技术 ，它不是直接预测文 本，而是通过 逐步细化噪声来学习生成输出 。 这种技术能够让模型在生成过程中 快速迭代 ，并在生成过程中进行 错误纠正 。 Gemini Diffusion就是利用了扩散模型这一优势，将文本生 ...

本篇文章转载自「 新智元」 今天凌晨， 谷歌I/O 2025大会正式开启。 在发布会上，谷歌一口气发了多个AI模型、产品及相关服务。此次发布的重点是 Gemini 2.5系列模型的更新，包括： · Gemini 2.5 Pro（新） ：再次刷榜LMArena，ELO拿下1448分，所有类别第一，碾压o3，原生文本到音频生成 · Gemini 2.5 Pro（Deep Think） ：刷榜数学、编码、多模态榜单， · Gemini 2.5 Flash（新） ：排名仅次Gemini 2.5 Pro，ELO得分1424，原生文本到音频生成 左右滑动查看 除了 Gemini 2.5系列模型的更新外，谷歌还推出了Imagen 4、Veo 3 两款多模态模型。其中，Imagen 4生图细节逼真，生 成速度比Imagen 3快10倍；Veo 3首次支持原生音频输出，能生成对白、背景音等，实现音视频融合。 同时，谷歌还推出了全新文本扩散模型Gemini Diffusion、AI搜索AI Mode、全新Flow创意平台等。 于此同时，谷歌推出了订阅服务——Google AI Ultra，订阅费用高达250美元（比ChatGPT ...