大模型的发展正在遭遇瓶颈。随着互联网文本数据被大规模消耗，基于数字世界训练的AI模型性能提升速度明显放缓。与此同时，物理世界中蕴藏着数字世界数百倍甚至千倍的多模态数据，这些数据远未被有效利用，成为AI发展的下一个重要方向。
数据枯竭正成为AI发展的新瓶颈！CMU团队提出革命性方案SRT：让LLM实现无需人类标注的自我进化！SRT初期就能迭代提升数学与推理能力，甚至性能逼近传统强化学习的效果，揭示了其颠覆性潜力。
昨晚，美商务部正式废止《AI扩散规则》，同时加码全球半导体出口管制，精准打击中国AI发展。发布指导意见，在世界任何地方使用华为AI芯片，都违反美国出口管制。 警告公众当美国AI芯片被用于训练/推理中国AI模型时的潜在后果。向美国公司发布关于如何保护供应链免受转移策略影响的指导意见。
本文对DeepMind两位泰斗级科学家David Silver和Richard Sutton的重磅论文《Welcome to the Era of Experience》进行了深度解读，我将其视为AI发展方向的一份战略瞭望图。
最近，人工智能研究人员开始认真关注赋予机器“接地性”（groundedness）——机器的表征与实际现实之间的可靠关系——以及记忆和对因果关系的理解等项目。新的技术方法正在促进人工智能这些能力的提升，毫无疑问，未来我们在这方面还将取得更多进展。
杨杰表示，具体来看，AI的“规模效应”持续深化，呼唤基础设施新架构。作为数智化革命的重要驱动力量，AI发展呈现“两个规模效应”。在“两个规模效应”驱动下，AI任务成为算网基础设施承载的主要内容，到2030年在全网流量中的占比将达到64%。这一变化将对算网基础设施架构创新提出迫切需求。
25年开年以来，AI发展如火如荼，DeepSeek R1、OpenAI CUA、Manus等重要创新层出不穷，眼花缭乱。这里我将最近一个月以来的思考总结一下，对25年AI发展趋势做几点预判。
“想把AI发展的这条路修好，数字基础设施是先行。”
LeCun最新访谈，对DeepSeek一顿猛夸。 他表示，DeepSeek是一项很出色的成果，它的开源不只是成果创造者受益，全世界都能从中受益。
最近， Meta首席AI科学家杨立昆接受海外播客This Is IT 的专访，探讨了深度学习的发展历程、机器学习的三种范式、莫拉维克悖论与AI发展的限制、训练AI模型的资源、AI基础设施投资等话题。
