类脑智能能否突破物理AI续航瓶颈？AI落地现实面临新挑战
近年来，人工智能领域的竞争焦点主要集中在模型性能层面。参数量、推理效率、基准测试得分，已成为评价AI能力的关键指标。然而当AI走出实验室，被应用于汽车、无人机、机器人和工业装置时，一个更为现实的问题浮现出来：模型能力出众，为何却难以在实际场景中持续运转？许多大模型在服务器环境下表现优异，但一旦部署到真实终端，就会遭遇全新难题。终端设备空间受限，无法承载庞大的算力硬件；能源供应有限，无法长时间维持高功耗运行；网络连接也不稳定，无法始终依赖云端完成推理。因此，未来物理AI的较量，不能仅关注模型的运行速度，更要
绿色人工智能全面综述：评估指标、技术工具、核心挑战与发展趋势
绿色人工智能（Green AI）作为新一代智能技术，致力于减少能源消耗、提升计算效率，并为算法、硬件及基于机器学习的基础设施发展开辟新的方向。本文聚焦该领域的技术创新，审视了多种先进方案，包括低功耗架构设计、模型压缩算法，以及利用TPU与脉冲神经网络（Spiking Neural Networks, SNNs）等专用硬件，还有边缘计算在降低能源成本、提高效率方面的应用。此外，本文介绍了用于评估人工智能模型能耗、碳足迹和生命周期指标的智能工具，并分析了它们在监测与优化计算资源中的功能。本研究还识别出当前的技
《模式识别与人工智能》第39卷 第1期
智慧起航，共创未来论文与报告面向无监督磁共振图像配准的多窗口多层感知机特征金字塔网络于寒1, 孙正1,2, 张胜楠1, 高章硕1, 丁港澳11.华北电力大学 电子与通信工程系 保定 071003; 2.华北电力大学 河北省电力物联网技术重点实验室 保定 071003摘要:无监督磁共振图像(Magnetic Resonance Imaging, MRI)配准的主流方法通常基于卷积神经网络或Transformer架构,但二者均存在明显局限:卷积神经网络受局部感受野限制,难以建模长距离依赖;Transforme