扩散模型算力瓶颈与优化之道
扩散模型之所以能产出令人惊叹的视觉作品，归根结底是付出了巨大的计算代价。从早期的DDPM演进至如今的SDXL、Sora，模型参数规模已从数亿攀升至百亿级别，单次推理所需的浮点运算量（FLOPs）更是呈指数级爆发。这种“暴力美学”的特性，构建了一道难以逾越的“算力高墙”。特别是在移动设备、嵌入式系统及边缘计算场景中，高分辨率图像生成、长视频合成及多模态交互对算力的极端渴求，直接引发了设备过热、响应迟缓甚至内存溢出（OOM）等问题，成为了限制产业实际落地的核心阻碍。根据OpenAI的技术报告，训练一个千亿参数
AI是否真的能'看懂'图像？多模态技术的真相解析
AI 演进的因果链条 · 05从仅能处理文字，到能够讨论眼前的世界多模态革新不仅是模型能力的跃升，更是人机交互界面的扩展。阅读时间约 9 分钟·无公式版·系列第 5 篇一张错误提示截图、一页手写草稿、一张销售数据图——以前，你需要先把它们转写成文字，AI 才能给出回应。如今的互动变得直接许多：把图像丢进对话窗口，然后问一句"哪里有问题？"模型或许能标出异常走向、识别界面提示、解析一道几何题目，甚至依据草图生成网页结构。这种体验自然得让人觉得：AI 终于拥有了眼睛。但疑问也随之浮现：它是真的"理解"了，还是
AI三连爆：医疗早癌筛查、手机本地大模型、审核洞悉潜台词
人工智能重构医学影像诊断：由辅助迈向主导。今日，多家国内外医疗人工智能企业密集发布最新进展，核心聚焦于将深度学习模型融入CT、MRI及病理切片全流程。某顶级医院开展的多中心研究表明，新算法对早期肺癌结节的检出准确率高达98.7%，相较传统手段漏诊率降低40%，并可在3秒内输出结构化报告。更为关键的是，人工智能开始参与治疗决策——通过解析基因表达与影像纹理特征，为患者推荐个体化放疗靶区，这标志着人工智能正由"图像识别工具"蜕变为"临床决策助手"。与此同时，国家药监局今日批准了首款基于生成式人工智能的医学影像
计算机视觉驱动智能跳绳：多人同步自动计数技术方案
跳绳作为中小学体育测试中的重要项目，具有动作频率高、周期重复性强、人工统计难度大的特点。传统跳绳测试主要依靠人工计数，存在以下问题：计数效率低；容易受到测试人员疲劳影响；多人同时测试管理困难；对无效跳绳、停顿、动作异常难以准确判断；随着人工智能视觉技术的发展，计算机视觉正在逐渐应用于体育训练与考试场景，实现从"人工观察"到"智能分析"的转变。针对多人跳绳测试场景，本文落地实现了一套基于计算机视觉的智能跳绳计数系统，通过人体检测、姿态分析、绳体状态识别以及时序动作理解，实现多人同步测试、自动计数和异常动作识
AI视觉赛道持续火热：城乡规划方向零基础入门全攻略
AI技术正广泛渗透到各行各业，各个研究方向与实际应用场景发展极为迅速。然而对于初学者或打算转行的人来说，往往会面临不知从何开始的困惑。我们将AI领域划分为视觉、时序、AI+三大方向，整理出不同场景对应的系统学习路径，适合不同基础的读者，帮助大家高效入门。本期继续分享AI视觉方向的学习路径——城乡规划AI！城乡规划AI是人工智能与遥感技术、地理信息系统（GIS）、城市规划学科深度融合的新兴方向，通过解析遥感影像、街景图像、交通流数据等多种空间数据，挖掘城市发展演变的规律与空间特征，辅助规划人员完成城市变化检
【学术报告】AI赋能地球科学的优势与隐忧
Artificial Intelligence (AI) is quickly revolutionizing the geosciences field, spanning everything from seismic data analysis and reservoir evaluation to mineral prospecting and climate simulation. This lecture will explore both the opportunities and chal
第29期：AI科研实战与智能体构建高级研修班
面对海量文献：方向相关论文每年上千篇，想追踪前沿根本看不完，写综述让人崩溃。科研绘图质量差导致被拒稿：技术路线图、机制示意图画得像手绘草稿，审稿人直接摇头。基金申请书修改疲惫：国自然、省基金，技术路线、方案写了又改，年年陪跑。AI工具仅限于听说：知道ChatGPT、DeepSeek、Claude，但不知如何用在科研上，更怕出错。全球AI for Science已进入国家战略加速布局新阶段中央科技委明确将AI赋能科学研究放在引领科研范式变革的重要位置“十五五”规划纲要更明确深化“人工智能+”行动，推动AI与
AI技术赋能膀胱癌精准诊疗的研究进展
膀胱癌（bladder cancer，BCa）作为全球范围内常见的泌尿系统恶性肿瘤，具有发病率高、复发率高及治疗成本昂贵的特征。膀胱癌的规范化诊疗涉及影像学评估、膀胱镜检查、经尿道膀胱肿瘤电切术（transurethral resection of bladder tumor，TURBT）以及组织病理学评估等多个环节的紧密配合。然而，传统诊疗方式存在较多不足：白光膀胱镜对平坦型、早期及微小病变的检出能力较弱，漏诊率约为20%；病理分级高度依赖医师的主观判断，存在观察者间的一致性偏差；影像学评估对肿瘤肌层浸
专题|人工智能赋能电磁交叉领域研究
王海明首席教授、博士生导师，就职于东南大学信息科学与工程学院及毫米波全国重点实验室。先后在IEEE TAP、TCOM、TCAD等学术刊物上以第一作者或通讯作者身份发表SCI论文48篇，主编出版了微波领域首部聚焦智能设计的学术专著《智能微波工程》。曾获国家科技进步二等奖1项（排名第五）、江苏省科技进步一等奖2项（分别排名第三和第五）。伍 洋正高级工程师、博士生导师。累计发表学术论文50余篇，获授权国际及国家发明专利30余件，荣获省部级科技奖励4项。随着5G/6G通信、物联网与智能感知技术的迅猛演进，天线及射
AI技术如何重塑科研模式
AI技术如何重塑科研模式陈凯华 中国科学院大学公共政策与管理学院特聘教授回顾科技发展历程，技术进步是科研范式演进的内在动力。例如，望远镜与显微镜等光学仪器突破了人类感官局限，将宏观宇宙与微观世界纳入视野，奠定了近代科学观察实验的基础；光谱仪、离心机等精密设备推动了科学从现象描述向规律归纳与理论建模的跨越；计算机技术实现了复杂系统的数值实验，大数据技术则促使科研逻辑从“假设驱动”转向“数据驱动”，重塑了现代科学的发现路径。当前，以深度学习为代表的新一代AI技术，正将感知、识别、预测及优化能力融入科研，加速科
智能视觉革命：AI如何捕捉人眼不可见的微观瑕疵？
不少FPC厂商都曾面临这样的难题：某款折叠屏机型采用的FPC，客户明确要求微裂纹的辨识精度低于5μm——相当于头发丝直径的十分之一量级。此类细微裂痕，即便借助20倍放大镜也难以辨别，更遑论在高速运转的生产线上逐件筛查。过去通常的做法是部署若干名质检人员手持放大镜逐一查看，但视觉疲劳与人为疏忽在所难免，漏检率始终难以压低。引入经典AOI设备后，效率有所改善，可它依然无法甄别微裂纹与划痕——前者属于内部结构损伤，后者仅为表面磨损，二者后果天差地别，设备却只能笼统地发出警报。客户期望的检出率是99.95%，而常
「人工智能与哲学」读书会第2讲|智能哲学思想脉络:从达特茅斯会议到数字智能时代
导语人工智能已经由符号主义、联结主义逐步演进至深度学习与大语言模型阶段，每一轮技术跃迁都在重新叩问若干古老而深刻的哲学议题：何为智能的本质？形式系统能否真正实现理解？机器可否成为具备自主性的认知主体？本场讲座特邀华北电力大学李静萱老师担任主讲，以"技术与哲学的相互塑造"为主线，自达特茅斯会议前后的思想酝酿讲起，回顾两次人工智能浪潮及寒冬历程，梳理符号主义、联结主义与深度学习三大范式背后的哲学根基与思想竞争，并延伸至大语言模型以及"DeepSeek时刻"之后的当代反思。作为本系列读书会的第二讲，将为把握七十
AI进化简史：70年发展中的八大关键转折
AI HISTORY · 70 YEARS不讲繁复推导 只讲大众真正需要明白的主脉络AI HISTORY · 70 YEARS如今的大模型并非凭空降临，而是人类经历70年反复摸索，才最终呈现在我们眼前。近两年间，ChatGPT、大模型、DeepSeek、AI智能体接连霸榜，许多人产生了一种误解：人工智能仿佛是刹那间诞生的。但如果你深入探究人工智能发展史、AI演进脉络以及人工智能70年核心节点，就会明白今天的大模型并非从天而降，而是一批科研人员耗费整整70年，一轮轮试验、挫败、低迷，再重新启程的成果。假如你
人工智能驱动流体工程：从Fluent数值模拟到物理嵌入机器学习全链路实战
举办背景:面对航空航天、汽车、能源、电子散热等行业流体系统设计指标日益严苛的现状，依靠经验修正与稳态假设的传统CFD分析手段已无法胜任复杂工况下的高效率、高精度设计诉求。一方面，湍流、多相流、流固耦合等强非线性物理过程内在机制复杂，高精度数值仿真的算力开销极其高昂；另一方面，工程现场对流动主动调控、参数快速寻优、瞬态流场重构等也提出了更严苛的标准，迫切需要引入数据驱动与物理约束相融合的下一代计算架构。近些年，人工智能同计算流体力学的深度交叉为流体工程领域打开了全新通道：物理信息神经网络（PINN）可将Na
AI、机器学习、深度学习与LLM之间究竟有什么联系？
副标题：厘清基础模型、多模态和生成式 AI 的真实定位资料校准日期：2026 年 8 月 28 日面向读者：AI 初学者、产品经理、研发工程师，以及希望系统补全 AI 基础知识的读者第 1 篇里，我绘制了一张 AI 应用的全景图。后续几篇按 RAG、Workflow、Agent 和协议层层递进，讲解模型如何对接知识、工具和业务系统。可工程实践越深入，越有必要回头把地基夯实：AI、机器学习、深度学习、Transformer、基础模型、LLM、多模态模型和生成式 AI，是否构成一条由大到小的嵌套链？答案是否定