Let's Make AGI Real

by ChatGPT

【分别请Perplexity和ChatGPT做了一周小结，大家可以比较。这里是ChatGPT版本】

过去一周，人工智能圈子又热闹非凡，简直卷出了新高度。从超强大的新模型同台竞技，到各种新工具扎堆上线；从开源势力不甘示弱、硬件大佬秀肌肉，到AI在现实场景中的深度渗透，以及巨额资本争相入局……这一连串AI新闻让人眼花缭乱。下面我们就用轻松的方式，带大家快速回顾一下这一周AI界发生的那些大事件。

模型比武大会

本周的模型圈俨然举行了一场“武林大会”，各家顶级AI模型纷纷登场亮绝活。谷歌祭出了号称有史以来最能“动脑筋”的Gemini 2.5 Pro，腾讯升级发布了自研大模型混元T1高调挑战 OpenAI 和 DeepSeek，而开源界的代表DeepSeek R1也不遑多让，场面堪称神仙打架。

先说谷歌的Gemini 2.5 Pro。这款新模型可谓模型界的“大胃王”，因为它拥有令人瞠目的超长上下文窗口——整整100万个 token！（官方计划后续扩展到200万）。也就是说，它一次性“吃”下一本书都不是问题，处理长文档再也不需要拆成碎片。凭借过人的“胃口”和推理能力，Gemini 2.5 Pro 在多个基准测试上都秀出了肌肉，把对手 OpenAI、Anthropic、DeepSeek 等模型比了下去。例如，在 2025 年 AIME 数学竞赛中拿下86.7%的高分，在科学问答 GPQA 基准上取得84.0%，在综合性难题测试 Humanity’s Last Exam 中更是比第二名高出18.8个百分点。而这些成绩据说是在没有借助额外测试时增强技巧的情况下达成的，足见模型实力之强。再看编程能力，Gemini 2.5 Pro 的表现也可圈可点：在 Aider Polyglot 代码编辑基准上取得了68.6%（另有说法是74.0%）的成绩，超过了绝大多数竞品；不过在更广泛的 SWE-Bench Verified 编程挑战中得分63.8%，稍逊于 Anthropic 的 Claude 3.7 Sonnet，屈居第二。尽管如此，谷歌表示 Gemini 2.5 Pro 在创建带酷炫前端界面的 Web 应用和编写智能代理程序方面依然表现出色。更厉害的是，Gemini 2.5 Pro 还是个多模态选手：文本、图像、音频、视频它都能当输入（目前输出还只能是文字）。它被谷歌称作“思考模型”，特别擅长编码、数学、逻辑和科学推理，还具备工具使用能力——比如可以调用外部函数、输出结构化的 JSON、执行代码甚至上网搜索。简单说，Gemini 2.5 Pro 脑子活、有知识、胃口大，俨然是AI模型里的卷王。

再来看腾讯的混元 T1。腾讯这边也不示弱，推出了升级版大模型“混元 T1”，直接对标国际先进模型。据介绍，T1 基于自研的 TurboS 架构，号称全球首个超大规模混合 Transformer-MoE 架构模型（内部代号“Mamba”）。这套 “Mamba” 架构专为长文本优化，能够高效捕获长序列中的信息，同时降低计算开销。得益于架构优势，T1 在相同部署条件下的解码速度据称是同级别模型的两倍，生成速度达到60-80token/秒，直接碾压 GPT-4.5 和 DeepSeek R1 等对手。那它的实力到底如何呢？腾讯给出了一系列内部评测数据：在综合知识测试 MMLU-PRO 上得分87.2（略低于 OpenAI 顶级模型），专业科学问答 GPQA-diamond 得69.3，代码基准 LiveCodeBench 得64.9，数学挑战 MATH-500 高达96.2（与 DeepSeek R1 旗鼓相当），复杂推理 ArenaHard 任务91.9。这些成绩表明，混元 T1 在知识、推理、数学等方面已经和业内最顶尖模型打成平手，一些场景甚至还有优势。尤其值得一提的是它的响应速度，据现场演示反馈，面对复杂数学题时 T1 作答速度明显快过 DeepSeek R1，堪称又快又准。一些第三方报告甚至声称混元 T1 在大多数基准测试中全面优于 DeepSeek R1 和 GPT-4.5，可见这位中国AI新秀来势汹汹。腾讯还强调 T1 在文化创意指令跟随、文本摘要和智能代理等能力上表现突出。总的来看，这款模型的目标直指 OpenAI 和 DeepSeek 等顶尖选手，中国AI卷王的野心可见一斑。

最后说说开源阵营的DeepSeek R1。作为当前开源社区的最强代表之一，DeepSeek R1 其实早已名声在外：它拥有6710亿参数的惊人规模，以强大的推理能力和处理长篇内容的本领而闻名。截至今年1月，DeepSeek R1 在 Chatbot Arena 全球对话模型排行榜中高居第四名，是表现最好的开源模型（可谓“开源之光”）。据称，DeepSeek R1 通过大规模强化学习强化了逻辑推理，本身的成本效益也非常突出——相较 OpenAI 的顶级模型，它的使用成本低约30 倍，运行速度快5 倍。在复杂模式识别任务中（如基因组数据分析、医学影像解读、大规模科学模拟），R1 展现出卓越的精度。最近，DeepSeek R1 已经登陆 AWS 云服务，作为 Amazon Bedrock 上完全托管的无服务器模型供客户使用。这意味着企业可以轻松将其用于生产部署。凭借在复杂问题求解、代码编写、数据分析和多语言翻译等方面的出色表现，外加开源的特性和云平台上的便捷使用，DeepSeek R1 成为许多场景下专有闭源模型的强大且高性价比的替代方案。

我们不妨把以上几位选手的一些关键指标列在一起对比看看：

可以看出，在这场模型比武大会中，各家模型你追我赶：Gemini 2.5 Pro 以超长上下文和推理实力称雄，混元 T1 则凭借速度优势和全面表现后来居上，DeepSeek R1 依靠开源与效率稳居一席之地。模型的卷王之争，正变得愈发精彩。

新晋工具亮相

模型大战正酣的同时，各种新工具和新功能也在迅速涌现，为AI应用添砖加瓦，包括但不限于：

• 谷歌 Colab 数据科学代理：谷歌在 Colab 平台中内置了一个数据科学 AI 小助手，相当于给程序员配了个聪明的助手。写代码时，它可以帮忙自动处理数据分析任务，理解指令意图，从而让研究过程更加轻松高效。以后在 Colab 里写笔记本，不仅有人帮调代码，还有AI陪聊，一边写程序一边“对话”搞定分析工作，想想都很酷。
• Claude 网页搜索功能：Anthropic 公司的 Claude 聊天机器人如今也学会了“上网冲浪”。他们为 Claude 新增了由 Brave Search 提供支持的网页搜索功能，目前对美国地区的付费用户开放测试版。有了这项技能，Claude 回答需要最新资讯的问题时就更加游刃有余，不再害怕知识截止于训练数据，真正变成了一个“爱上网的AI”。
• 微软 Copilot Researcher：微软则为其 365 Copilot 办公AI助手推出了新的“研究员”（Researcher）和“分析员”功能模块。简单来说，在写文档或做报告时，Copilot 现在可以帮你自动查找资料、汇总信息，甚至分析数据，俨然一个贴身AI研究助理。这将大大提升办公生产力——以后写方案写论文，直接让 Copilot 去帮忙搜集素材和数据分析，你只管动脑创意，其它杂活AI全包了。

这些新工具的陆续登场，说明各大厂商都在飞快地为自家AI配备新技能：从写代码到查资料、从数据分析到上网找答案，AI助手正变得越来越全能，真可谓八仙过海各显神通。

开源势力崛起

在巨头混战的同时，开源社区的 AI 势力也在蓬勃崛起，可没有打酱油。首先不得不提DeepSeek R1。正如前文所述，DeepSeek R1 是当前最强的开源大模型之一，拥有6710 亿参数的恐怖体量，凭借超强的推理能力和长文本处理本领，在业内刷足了存在感。它在今年年初的 Chatbot Arena 排行榜中名列全球第4，在所有开源模型中拔得头筹，称得上是“开源之光”。DeepSeek R1 通过大规模强化学习侧重训练了逻辑推理能力。据报道，相比 OpenAI 的顶级模型，它要便宜30 倍、运行速度快5 倍，性能和效率都相当惊人。在一些复杂任务上（例如基因组数据分析、医学成像诊断、大规模科学模拟等），R1 展现出远超以往的准确性。更令人兴奋的是，DeepSeek R1 如今已作为完全托管的无服务器模型登陆 AWS 的 Bedrock 平台。这意味着开发者和企业用户在云端就能轻松调用这个开源大模型，在解决复杂问题、编写代码、数据分析、多语言翻译等方面充分受益。开源的特性加上云端的易用性，让 R1 成为闭源模型之外一股不容小觑的力量。

值得一提的是，国内大厂也开始拥抱开源。腾讯不仅将开源的 DeepSeek R1 集成到了自家产品（如 “猿宝” 应用）中，还表示很快会开放一款性能与其旗舰模型相当的中等规模模型，与社区共享成果。这意味着我们有望见到更多像 Llama2 那样由大公司主导开源的强力模型出现。像腾讯 T1 所采用的新架构 “Mamba” 也是一种创新尝试，如果未来类似技术开放出来，将进一步提升开源模型的实力。此外，各种开源中型模型最近也是层出不穷，新架构、新算法在社区中百花齐放，加速了技术普及。总的来看，开源AI正在快速崛起，与巨头们形成了一种此消彼长的竞合关系：你有你的闭源王牌，我有我的开源杀手锏。未来的AI江湖，既会有高墙花园里的霸主，也会有开源草原上的群雄逐鹿。

硬件肌肉秀

说完软件和模型，再来看看硬件圈。本周硬件巨头们也在秀肌肉，让AI拥有更强悍的“体格”。

(NVIDIA Blackwell Ultra AI Factory Platform Paves Way for Age of AI Reasoning | NVIDIA Newsroom)NVIDIA 推出的 Blackwell Ultra 人工智能工厂平台，堪称 GPU 界的“肌肉猛男”。这套庞然大物采用了机架级的一体化设计：一台系统里塞入72块 Blackwell Ultra GPU 和36个基于 Arm 架构的 Grace CPU 联合作战，提供惊人的算力。相比上一代组合 (NVIDIA GB200 NVL72)，新的 GB300 NVL72 整体 AI 性能提升了约1.5 倍。Blackwell Ultra 平台增强了训练和推理时的扩展能力，专为大规模 AI 推理、智能代理和“物理AI”（如机器人智能）等应用优化。有了这样强悍的硬件“底座”，模型在部署时可以实现更高的吞吐量、更快的响应速度，并降低总体成本。一句话：这是给 AI 装上了超强动力引擎，让大模型跑得更快、更稳。

(NVIDIA Announces Isaac GR00T N1 — the World’s First Open Humanoid Robot Foundation Model — and Simulation Frameworks to Speed Robot Development | NVIDIA Newsroom)另外，英伟达还发布了全球首个用于通用人形机器人的基础模型——NVIDIA Isaac GR00T N1。这实际上是一个开放的机器人“大脑”模型，赋予人形机器人通用的技能和推理能力，标志着物理世界的 AI 再进一步。有了 Isaac GR00T N1，再配合仿真训练框架，开发者可以更轻松地定制和训练人形机器人，让机器人学会做饭、搬箱子、医疗看护甚至紧急救援等各种复杂任务。据悉，为了加速这类机器人“大脑”的研发，英伟达还联合 Google DeepMind 和迪士尼研究院开发了新一代开源物理引擎，并推出 Omniverse 的合成数据生成工具，为训练机器人提供了强大的模拟环境支持。值得注意的是，人形机器人市场被看好——预计到 2029 年全球市场规模将达到132.5亿美元 ，物流、医疗、搜救等领域对人形机器人的需求正不断增长。有了像 Blackwell Ultra 这样的强劲算力“身躯”和 Isaac N1 这样的智能“头脑”，科幻中的人形机器人走进现实似乎也不那么遥远了。

AI走进现实

AI 技术不仅在实验室里突破，在现实世界的方方面面也开始发挥越来越大的作用：

量子计算与 AI：在人们探索的前沿方向中，量子计算+AI 是备受关注的一项。2025 年被定为“国际量子年”，全球都在关注量子科技的突破如何影响各领域。有研究团队在 2024 年表明，将量子计算融入神经网络训练有潜力显著加速 AI 模型的训练。当然，真正实用的“量子 AI”可能还需要不少时间。英伟达 CEO 黄仁勋就认为，有用的量子计算还得等15-30年。不过业界已经在积极尝试了——在英伟达 GTC 2025 大会上，就有专门小组讨论了量子算法和硬件加速 AI 的最新进展 。尽管实际应用尚处早期，但这种跨界融合前景令人期待：也许未来那些经典计算机难以解决的复杂问题，交给量子计算就能手到擒来，从而为 AI 提速，带来新的突破。

AI 医疗诊断：在医疗领域，AI 正在卷起袖子大干一场。美国缅因大学的研究人员开发出了一种名为CGS-Net的先进模型，通过模拟病理学家分析组织切片的方式，大幅提高了乳腺癌诊断的准确率。据报道，这套 AI 系统对癌症的检出率接近100%，轻松超过人类医生的平均水平。这意味着，在不久的将来，AI 有望辅助医生更早更准地发现癌变，挽救更多生命。可见在医学影像和疾病筛查方面，AI 正展现出前所未有的潜力。一些国际研究团队也在推出新模型（如ECgMPL等），不断刷新着医疗诊断 AI 的记录。相信随着技术成熟，AI 将成为医生在诊断过程中的得力助手。

软件开发与推理：在软件开发领域，AI 也已经成为程序员的好伙伴。越来越多开发者使用 GitHub Copilot、TabNine、Codeium 等 AI 编码助手来提高效率——自动补全代码、生成函数，让敲代码如有神助。不过，新的问题也随之而来：AI 生成的代码可能隐藏 bug 甚至安全漏洞，代码安全和可靠性成为新的挑战。为此，开发者们也在想办法对策，比如最近出现的一个工具RepoScribe，可以将整个代码库导出融入 LLM 提示中，让 AI 对庞大的代码仓库进行深入分析和重构。有了这类工具辅助，团队就能更全面地检查 AI 写的代码，提升软件质量与安全性。另一方面，为了让 AI 更会“思考”，研究者们还在探索新的提示技术，比如链式思考 (Chain-of-Thought, CoT)提示。这种方法通过引导 AI 把复杂问题拆解成一系列步骤来逐步作答，相当于让 AI 学会像人一样有条理地“自言自语”推理 。实践证明，CoT 技术能显著提升 AI 解决复杂问题的正确率，让 AI 的回答更加合乎逻辑、更靠谱 。

AI 落地与机器人：在现实生活中，我们也开始看到越来越多 AI 驱动的应用和装置。以人形机器人为例，前面提到的 NVIDIA Isaac GR00T N1 等基础模型的推出，加上强大的计算硬件，使得机器人变得愈发聪明。市场研究预计到 2029 年，人形机器人市场规模将达到 132.5 亿美元，物流、医疗、服务、搜救等行业对于机器人助力都有庞大需求。随着 AI 技术的成熟，这些领域正在涌现更多智能自动化解决方案：比如仓库里由AI控制的机械臂在分拣包裹，医院里AI辅助的机器人在做简单检查，灾难现场机器人在AI指导下参与救援等等。可以预见，不久的将来，我们在工厂、医院甚至家里都能看到机器人忙碌的身影，AI 正真真切切地走进现实世界，改变我们的生活。

资本的味道

最后，再来闻闻“资本的味道”。AI领域的炙热发展自然引来了巨额真金白银的投入。这周有一条令人咋舌的新闻：阿拉伯联合酋长国（UAE）宣布将向美国投资1.4 万亿美元，重点投向人工智能、半导体、清洁能源等高科技领域。没错，万亿级别的资金涌入，只为在AI时代占据一席之地。这也从侧面反映了当前全球范围内建设 AI 基础设施的热潮：各国政府和科技巨头都在疯狂砸钱建数据中心、买GPU算力、抢AI人才，生怕在新一轮科技竞赛中落后半步。可以预见，有了资本的加持，未来 AI 的发展会进一步提速。一边是技术在卷疯了往前冲，一边是资本在源源不断加码，这股 AI 热潮恐怕短时间内是停不下来了。

总之，过去这一周 AI 领域可谓你方唱罢我登场：模型、工具、开源、硬件、应用、资本轮番上阵，热闹非凡。可以想见，接下来我们还将看到 AI 世界更多令人兴奋的新动态——毕竟AI 们现在真的卷疯了！