AI与人脑天差地别，但这恰恰有其价值
大脑惊人的细胞多样性和网络复杂性或许能为改进人工智能提供思路。1943年，两位神经科学家在试图描述人类神经系统如何运作时，意外地奠定了人工智能的基础。在他们的数学框架中，关于细胞系统如何编码和处理信息，沃伦·麦卡洛克和沃尔特·皮茨认为，每个脑细胞，或者说神经元，都可以被视为一个逻辑装置：它要么开启，要么关闭。他们写道，由这种“全或无”的神经元组成的网络，可以通过真假语句执行简单的计算。“从某种意义上说，他们实际上是在描述第一个人工神经网络，”托马索·波焦说道。他是麻省理工学院的教授，也是计算神经科学的创始
前沿突破 | 仿生类脑智能：自下而上复刻大脑机理的新一代AI范式
仿生类脑AI是以人脑神经结构、信息处理、认知学习机理为仿生原型，从软硬件底层模拟大脑运行规律的下一代人工智能范式，用来突破当前大模型高功耗、依赖海量数据、泛化弱、黑箱不可解释的技术瓶颈，也是通用人工智能（AGI）核心技术路线之一。人脑仅20W功耗就能完成感知、记忆、推理、自主学习，核心靠两大机制，也是类脑AI的仿生根基：区别于传统深度神经网络（DNN/Transformer）：用忆阻器、晶体管硬件直接模拟神经元、突触，实现物理层面仿生：典型国产代表：浙大达尔文系列芯片、“悟空”类脑计算机（20亿神经元，功
港中大首创光讯号处理器，为AI数据流通铺设光速通道
AI当你沉浸于AI带来的便利与灵感之际是否曾遭遇漫长的等待甚至为了一张图像耗费十数小时？随着人工智能技术日新月异，当代AI系统早已突破单机或单数据中心的范畴。现今诸多大型生成式AI模型，动辄需要数以千计的图形处理器（GPU）及专用加速器，分散于各地协同作业。欲使这些系统高效运转，各运算单元间必须实现海量数据的快速、稳定交换。故而，除却运算效能本身，高带宽、低时延及低能耗的通信技术，已然成为AI演进的核心支撑。香港中文大学（港中大）主导的研究团队日前成功开发出一款新型集成式全光信号处理器（all-optic
现有计算机为何难以满足AI算力需求？
导读：人工智能在高风险应用场景下所需的运算能力，远远超出了当前计算机在可控能耗范围内的性能上限，如何弥合这一鸿沟，已成为当代科研人员与工程师所遭遇的重大难题之一。人工智能在关键任务中所需的算力水平，与现有计算机在节能条件下所能达到的处理能力之间的落差，是当代科学家和工程师所面对的核心难题之一[1]。要弄清这一现象，我们首先需要了解当今计算机的架构原理。那么硬件层面的瓶颈究竟在哪里？常规计算机任务每次仅需处理少量数据，但人工智能对硬件性能的要求则苛刻得多。在算力调度与内存利用方面，人脑的效率远超人类目前能够
全光信号处理器诞生，破解AI数据中心传输难题
由香港中文大学（CUHK）主导的研究团队研制出一款创新型集成全光信号处理器（OSP），旨在满足新一代人工智能系统对庞大数据传输量的需求，特别是多数据中心间的高速互联互通场景。该全光信号处理器采用硅光子芯片工艺制造，可在光信号维持光态的情况下，即时修正信号畸变，无须先行转换为电信号再进行处理。简单来说，它能够更加迅捷、更加高效地处置高速传输过程中的信号损耗，有益于增强大规模AI系统中服务器与数据中心间的通信效能。实测数据表明，这款全光信号处理器可在1.6 Tb/s（太比特每秒）的合计数据速率下实现实时运算，
AI技术在犯罪现场勘查中的应用研究
基于YOLO目标检测技术的人工智能系统，能够高效扫描现场影像资料，自动标注血迹、弹壳、指纹及工具痕迹等关键物证，有效降低人为遗漏风险；融合光谱分析仪器与人工智能算法的微量物质检测方案，可精准识别肉眼难以察觉的纤维、体液痕迹及各类化学残留物；配备神经形态处理器并采用边缘计算架构的人工智能系统，能够在本地端完成痕迹检测数据的实时处理，显著缩短响应时间并降低误判率。
三维集成铁电晶体管助力AI硬件发展
大家好，今天为大家介绍一篇2026年4月21日发表在Small期刊上的研究文章，题为"面向人工智能硬件的三维集成铁电晶体管探索"。该文第一作者为Hyunho Seok，通讯作者为Taesung Kim。当前人工智能（AI）应用对能耗和数据传输带宽的要求越来越高，这使得传统冯·诺依曼架构面临数据传输瓶颈的问题愈发突出。存内计算（Compute-in-Memory）和神经形态系统为此提供了潜在的解决思路，但如何实现高可靠性的多层三维（3D）集成仍是一大挑战。本研究介绍了一种单片三维（M3D）集
混合架构助力神经形态系统成为高效发现工具
目前主导全球的AI设备主要分为三种：推理型、学习型以及发现型。圣路易斯华盛顿大学的科研团队正致力于攻克其中最为稀缺的一类。最新研究揭示，构建发现型设备的途径或许更为优越。该研究由圣路易斯华盛顿大学麦凯尔维工程学院的克利福德·W·墨菲教授兼研究副院长沙塔努·查克拉巴蒂主导。该成果已刊登于《自然通讯》期刊，其基础是此前关于混合系统架构的探索。这种架构采用了模仿人类神经生物学功能的“神经形态”设计，并融合了利用量子力学原理来应对复杂问题最优解的系统。查克拉巴蒂指出，研究显示，这类设备能够持续产出高可靠性且具备竞
智能体AI崛起：2026年七大技术变革引领新范式
2026年的开局，人工智能界正迎来一场史无前例的变革。曾经主导2020年代初的简单对话机器人和生成式模型，正迅速被一种全新的范式所取代：Agentic AI（智能体AI）。这绝非仅仅是渐进式的升级，而是对人与计算机互动模式及企业自动化架构的彻底重构。我们正从“AI作为被动工具”的时代，迈向“AI作为主动参与者”的新纪元。对于商业掌舵人、软件工程师及数字战略家而言，洞察这些宏观趋势已不再是选修课。本周的诸多突破——从开源模型反超闭源巨头，到多步自主工作流的普及——正为未来十年的技术主导权筑牢根基。2026年
2026年四月AI领域核心趋势：智能体崛起与模型生态巨变
人工智能不再仅仅是陪你闲聊的伴侣。它开始独立执行任务了。2026年4月，AI领域迎来了一场密集到让人喘不过气的爆发。智谱GLM-5.1在编程基准上超越了Claude Opus 4.6。DeepSeek V4宣布推理速度将提升35倍。蚂蚁集团开源了万亿参数模型Ling-1T。英伟达发布了全球首款量子AI开源模型Ising。但比这些新闻更重要的，是一个正在发生却很少被讨论的转变：AI正在从被动工具进化为自主行动的"数字同事"。过去两年，我们用ChatGPT写文案、让AI画图、让大模型翻译文档——这些都是你在给