不难发现，近几个月，开源频频成为 AI 社区热议的焦点。尤其是对于国内科技公司来说，开源成为主旋律。根据 Hugging Face 中文 AI 模型与资源社区的数据显示，国内厂商在七八月接连开源 33 款、31 款各类型大模型。
《全球人工智能科研态势报告（2015-2024）》数据显示，中国AI研究人员数量从2015年不到1万人，增长到2024年的5.2万人，年复合增长率高达28.7%。尽管增长迅速，但仍难追上产业扩张的速度。当前中国AI人才缺口超过500万，供需比例为1∶10。
腾讯元宝日活冲前三、混元3D建模精度飙3倍；还要砸1.5亿在沙特建新数据中心！2025腾讯全球数字生态大会这波信息量不小。表面没大张旗鼓，实则在C端悄悄打磨起了大模型产品。从刚公布的数据来看，成果还挺显眼。
人工智能初创公司Invisible Technologies 作为 Scale AI 的竞争对手，在新一轮融资中筹集 1 亿美元资金，这凸显了硅谷投资者对人工智能热潮基础构建模块的持续关注。
真正决定AI上限的，已从「模型规模」转为「数据质量」。从Meta押注数据平台到xAI裁员转招「专业AI导师」，全球「数据大战」全面进入下半场。中国玩家里，澳鹏数据独占一档，仅2025年上半年营收达3.06亿元。高质量、可追溯、可工程化的数据生产，正成为AI产业的新壁垒。
你有没有想过，为什么即使今天的 AI 已经能写代码、分析数据、回答复杂问题，但当你和它们对话时，总感觉缺了点什么？那种微妙的不舒适感，就像看着一个技术完美但缺乏灵魂的机器人在表演人类。这不是像素质量的问题，也不是语言能力的缺陷，而是一个更根本的缺失：情感智能。
谷歌DeepMind研究团队一年前的研究成果直到昨晚才姗姗揭秘，提出了一种叫做GDR的新方法，颠覆了传统训练中设法剔除脏数据的思路，将饱含恶意内容的数据「变废为宝」，处理后的数据集用于训练，甚至比直接剔除脏数据训练出的模型效果还好，「出淤泥而不染」，「择善而从」。
在大厂内部“从0到1”推动并构建数据基础设施十余年之后，离哲选择走向台前，开启一场真正意义上的“从技术到产品、从产品到服务闭环”的创业实验。
随着Agent的爆发，大型语言模型（LLM）的应用不再局限于生成日常对话，而是越来越多地被要求输出像JSON或XML这样的结构化数据。这种结构化输出对于确保安全性、与其他软件系统互操作以及执行下游自动化任务至关重要。
上周，漫剧的大量数据公布，让行业内外对这一内容形态的增速有了更全面的体感。但漫剧赛道无疑仍处于用数量博爆款的初期，什么样的漫剧更有爆相，怎样提高测出率乃至于爆款率——诸如此类的问题仍然难有定论。
