近年来，视觉 - 语言 - 动作（Vision-Language-Action, VLA）模型因其出色的多模态理解与泛化能力，已成为机器人领域的重要研究方向。尽管相关技术取得了显著进展，但在实际部署中，尤其是在高频率和精细操作等任务中，VLA 模型仍受到推理速度瓶颈的严重制约。
近年来，随着扩散模型（Diffusion Models）和扩散 Transformer（DiT）在视频生成领域的广泛应用，AI 合成视频的质量和连贯性有了飞跃式提升。像 OpenAI Sora、HunyuanVideo、Wan2.1 等大模型，已经能够生成结构清晰、细节丰富且高度连贯的长视频内容，为数字内容创作、虚拟世界和多媒体娱乐带来了巨大变革。
美国AI初创公司 Perplexity 的联合创始人兼首席执行官Aravind Srinivas今日在社交平台发文，首次公开评价中国大模型“月之暗面”Kimi K2。他表示，Kimi K2 在内部测试中表现良好，Perplexity 正在考虑在其基础上进行后训练。
当整个 AI 视觉生成领域都在 Transformer 架构上「卷生卷死」时，一项来自北大、北邮和华为的最新研究却反其道而行之，重新审视了深度学习中最基础、最经典的模块——3x3 卷积。
奥特曼宣布无限期推迟OpenAI开源模型发布。与此同时，竞争对手正高调上新，开源赛道硝烟四起。这次跳票不仅令开发者和科技爱好者失望，也让外界再次质疑OpenAI在「Open」与商业利益之间的身份撕裂与信任危机。
随着大模型的崛起，AI编程领域正在发生翻天覆地的变化。各种编程大模型、编程工具涌现，通过自动补全代码、自动 debug 等实用的功能为开发者的日常工作提供极大便利，并在一定程度上提升了开发效率。
在大模型狂飙的时代，AI 创业被裹挟进一种“技术正统性”的焦虑：要不要训练模型？有没有算力资源？底层自研是不是护城河？但 Yiran，一位本科学钢琴、靠一段自动发邮件脚本开启创业旅程的 00 后女性创业者，选择了另一种路径——她不训练模型，不押技术论文，而是把 AI 做成一个真正能“成事”的销售助理。
今年最火的视频 AI 视频模型 Veo3 ，最近又迎来更新，能让图片开口说话了。Google CEO Sundar Pichai 发 X 说，自从五月 Google 开发者大会以来，用户已经使用 Veo 3 创建了超过 4000 万的视频。
近年来，多模态大模型（MLLMs）发展迅猛，从看图说话到视频理解，似乎无所不能。
华南理工大学计算机学院AI安全团队长期深耕于人工智能安全，近期联合约翰霍普金斯大学和加州大学圣地亚戈分校聚焦于联邦学习中防范恶意投毒攻击，产出工作连续发表于AI顶刊TPAMI 2025和网络安全顶刊TIFS 2025。
