9月26日,以“共创产业智能新高度”为主题的多模态人工智能产业联合体第二次会议在武汉成功召开。会上,45家多模态人工智能产业联合体成员企业获得授牌;中科院自动化所、武汉人工智能研究院、华为共同见证《多模态基础大模型技术白皮书》发布;紫东.太初大模型开放服务平台发布。
本次会议由武汉东湖新技术开发区、中国科学院自动化研究所指导,武汉人工智能研究院、武汉人工智能计算中心、华为共同主办,昇思MindSpore开源社区协办,旨在通过与联合体成员的密切协作,形成多模态智能产业推进、应用推广、服务提升的创新体系,打造具有国际影响力的多模态人工智能产业战略力量。

多模态人工智能产业联合体第二次会议 合影
成员授牌 携手共筑多模态产业繁荣生态
活动现场,共为45家多模态人工智能产业联合体的成员单位进行了授牌。按照联合体决议,各成员单位将携手共创,围绕“紫东.太初”加快产业化落地,共同推动各行业智能化转型,提升产业界整体实力。

副理事长单位授牌仪式

理事单位授牌仪式

会员单位授牌仪式
多模态基础大模型技术白皮书重磅发布 共创产业智能新高度
根深方能叶茂,产业联合体的发展离不开根技术的支撑。本次会议上,《多模态基础大模型技术白皮书》重磅发布,该白皮书主要围绕多模态大模型的技术及产业发展,对语言大模型、视觉大模型、语音大模型和多模态大模型的国内外现状进行了系统综述,总结了包含“紫东.太初”在内的不同大模型的关键技术,围绕大模型产业进行了系统分析,指出了大模型的潜在应用行业或场景,并对我国的大模型发展规划进行了建议,为大模型前沿探索和赋能千行百业指明了方向。

多模态基础大模型技术白皮书发布
高屋建瓴指引发展方向
会上,武汉东湖高新区党工委委员罗霄凌受武汉市委常委、东湖高新区党工委书记刘洁委托为大会发表致辞。他表示,多模态人工智能产业联合体和紫东.太初大模型开放服务平台,通过技术引领、生态构造、统筹发展,必将加速多模态产业发展,推动弱人工智能向通用人工智能迈进,助力武汉打造全国一流人工智能积聚区和产业高地。
华为副总裁、计算产品线总裁邓泰华在大会致辞中表示,基于昇腾AI基础软硬件平台建设的武汉人工智能计算中心,为紫东.太初大模型等前沿技术的孵化提供了强大算力,为多模态人工智能产业联合体的成立创造了条件,实现政产学研用有效协同,打通科研创新到产业落地关键路径。根据紫东.太初的成功经验,华为总结出了从规划、开发到产业化的大模型全流程使能体系,并将推广到各个大模型领域,助力人工智能产业高质量发展。
中科院自动化所所长徐波在致辞中指出,多模态大模型是迈向通用人工智能的重要途径,也是解决人工智能应用落地所面临的需求碎片化、多样化等长尾问题的有效解决方式。为此,他对多模态大模型的发展提出了三点倡议:一是加强数据开放与信息共享,鼓励多模态人工智能产业联合体成员单位之间建立数据共享与信息开放机制,围绕大模型核心基础研发和应用落地开展广泛交流;二是注重人才培养与交流合作,培育一批优秀科学家、卓越工程师和行业领域专家,加强跨领域交流合作,打通人工智能从研发到应用落地的人才壁垒;三是构筑创新模式和产业生态,成员单位要充分利用联合体的技术和产业资源,跨越研发和应用之间的鸿沟,探索产研融合的创新模式,形成创新链和产业链的闭环,创建和繁荣多模态大模型的产业生态。
此外,武汉人工智能研究院院长王金桥、AI平台部总负责人张开林在会上分别带来了“紫东.太初”最新科研进展和开放服务平台介绍。
王金桥介绍,紫东.太初大模型经过一年多的研发实现了千亿模型参数,最近把知识增强和目标场景的关系也有效融合到模型之中,使模型可以更好地实现“多专多能”的能力。
张开林表示,紫东.太初大模型开放服务平台主要面向行业应用开发人员、专业开发人员以及算法贡献者分别提供模型推理部署、模型应用开发、模型算法创新开发的服务,平台拥有四大优势:一是低代码一站式开发;二是全栈自主创新;三是开发效率高、赋能代价低;四是普惠算力支持。
此外,武汉大千信息技术有限公司、沈阳展播智慧科技有限公司、长沙千博信息技术有限公司、中国移动(之江)创新研究院、魏桥国科研究院、武汉百智诚远科技等联合体成员单位代表分别从实际场景出发,带来了多模态大模型在智慧城市、手语教育、智慧文旅、智能制造、智慧驾驶等方面的产业应用分享。
多模态人工智能时代正在到来。未来,联合体将联合产学研多方力量攻坚克难,打造自主、开放、先进的多模态技术生态,加速产业落地,以点带面推动我国产业技术革新。
好文章,需要你的鼓励
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
人工智能初创公司aiOla推出基于流匹配训练技术的语音AI模型Drax,挑战OpenAI和阿里巴巴等巨头。该模型重新定义语音算法训练方式,能在嘈杂环境中准确识别语音,兼顾速度与准确性。相比OpenAI的Whisper和阿里巴巴Qwen2,Drax采用并行流处理技术,速度提升32倍,词错误率仅7.4%。该模型已在GitHub开源,提供三种规模版本。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。