奥特曼又又又又口出狂言了。在印度 Express Adda 的论坛上，Sam Altman 聊了很多 AI 话题，从 AGI 到中美 AI 竞争，再到数据中心用水问题。但最火的那段，是他回应 AI 能耗批评时说的：「人们总谈训练 AI 模型需要多少能源……但训练人类也需要大量能源，得花 20 年时间，消耗那么多食物，才能变聪明。」
「中国巴菲特」段永平，押注AI医疗。 数据显示，段永平Q4买入了AI医疗公司Tempus AI，新进11万股。 段永平曾一手打造小霸王、步步高，还是OPPO、vivo的幕后奠基人；之后退居幕后转向投资
谷歌在 7.5 亿月活的 Gemini 中上线了 AI 音乐生成功能，输入一句话或一张照片，几秒就能得到一首带人声和歌词的完整歌曲。背后是 DeepMind 最新的 Lyria 3 模型，训练数据超 200 万首曲目。对 Suno 等 AI 音乐创业公司而言，竞争从此不再只是比模型，更是要比入口。
不可学习样本（Unlearnable Examples）是一类用于数据保护的技术，其核心思想是在原始数据中注入人类难以察觉的微小扰动，使得未经授权的第三方在使用这些数据训练模型时，模型的泛化性能显著下降，甚至接近随机猜测，从而达到阻止数据被滥用的目的。
为了支持多模型协同研究并加速这一未来愿景的实现，华盛顿大学 (University of Washington) 冯尚彬团队联合斯坦福大学、哈佛大学等研究人员提出 MoCo—— 一个针对多模型协同研究的 Python 框架。MoCo 支持 26 种在不同层级实现多模型交互的算法，研究者可以灵活自定义数据集、模型以及硬件配置，比较不同算法，优化自身算法，以此构建组合式人工智能系统。MoCo 为设计、
其依据是Micro1的25亿美元（约合人民币173亿元）最新估值。福布斯报道称，成立于2022年的Micro1被曝正在以25亿美元估值洽谈新融资，如果Micro1锁定或超过这一估值，安萨里在该公司持有的约42%股份价值将超过10亿美元（约合人民币69亿元）。
极佳视界具身大模型 GigaBrain-0.5M*，以世界模型预测未来状态驱动机器人决策，并实现了持续自我进化，超越π*0.6 实现 SOTA！该模型在叠衣、冲咖啡、折纸盒等真实任务中实现接近 100% 成功率；相比主流基线方法任务成功率提升近 30%；基于超万小时数据训练，其中六成由自研世界模型高保真合成。
2月7日，中文医疗大模型评测平台MedBench公布最新多模态大模型评测榜单，数坤科技的数坤坤多模态医学大模型V3以63.6分拿下第一。在榜单中，V3的表现超过微医、云知声旗下医疗行业大模型，以及OpenAI、谷歌、阿里千问旗下通用大模型。
灵初智能选择了一条更为激进的技术路线：「人类中心（Human-Centric）」。他们自主研发了全球首个灵巧手真实世界数采引擎Psi-SynEngine。
该事故目前已得到谷歌官方技术团队的确认，官方承认属于 “Systemic path-parsing failure ”“Catastrophic impact”“Have seen before”，正在紧急硬编码修复上线中（自 2 月 6 日回复起，截止目前，暂未有修复完成的正式通知）
