3月14日,2025英特尔人工智能创新应用大赛(以下简称“大赛”)正式启动。本届大赛以“‘码’上出发,‘芯’创未来”为主题,在赛制、规模、奖项和赛事支持上实现多重升级,为开发者和企业提供展示创意和成果的广阔平台,鼓励他们充分利用英特尔及合作伙伴丰富的软硬件资源,探索AI应用的无限可能。
如今,AI正以前所未有的速度重塑生活与产业格局。AI PC的普及与DeepSeek等新模型的发展,不仅提升了技术性能,还拓展了应用边界。通过底层芯片优化、算法开源与产业链协作,AI正构建起一个多元共生的生态系统。
作为AI生态的重要推动者,英特尔在此次大赛中联合更多合作伙伴加入,包括联想、HP、腾讯应用宝、腾讯应用宝移动应用跨端引擎、火山引擎、扣子等行业领军企业,助力开发者通过大赛展示创意、验证AI成果,并为他们提供从零代码到底层深度定制开发等全栈式、系统化的技术支持,促进人工智能领域优质个人及团队的成长发展,推动AI应用项目的落地孵化,为开发者的AI解决方案打开通往市场的快速通道。
大赛启动仪式在英特尔大湾区科技创新中心举办,伴随着嘉宾共启光柱倒计时,象征着不断探索前行的“英特尔人工智能创新应用大赛”再启新程。
英特尔公司副总裁、英特尔中国软件技术事业部总经理李映博士表示:“英特尔长期深耕生态建设,在如今生成式AI的浪潮中,加速构建开放、可触达的AIGC软件生态,支持开发者提升效率。通过AI PC Open Gateway(AOG)开源项目以及‘AI PC加速计划’‘AI PC开发者计划’等一系列举措,英特尔推动AI PC生态的快速发展,举办人工智能创新应用大赛是重要举措之一。去年超2000个团队参赛,今年联合了更广泛的生态伙伴升级支持体系,为开发者提供开发、孵化、落地等全阶段、全栈式支持,深化构建繁荣、多元和富有活力的生态,加速AI应用落地。”
从即日起到5月5日,开发者可以通过大赛网站进行线上报名,并在5月7日之前上传初赛方案,经过两个月角逐之后,决赛结果将于7月下旬揭晓。为了鼓励开发者踊跃参与,今年,大赛在初赛阶段特别设置了“英特尔平台实践奖”,颁发给利用英特尔及合作伙伴们推荐的软硬件工具和解决方案,并在英特尔平台上实现AI应用原型的前2000名参赛团队。
此外,英特尔“点亮计划”也随即启动,在初赛阶段组织八场专项线上技术培训活动,并将在有条件的城市如深圳、北京、上海等地区,开展线下动手实践与更多的开发者互动,帮助他们快速掌握大赛提供的平台工具,将开发门槛转化成创新实战的“起跳板”。
同时,英特尔还为选手提供线上实时AI赛事助手。该助手基于开源OPEA项目开发,依据大赛培训资料构建了内容充实的专有RAG知识库。针对大赛具体问题,AI助手能从知识库中智能定位解答,并提供可溯源资料链接,更高效实时地协助开发者。
在首届大赛中荣获企业赛道一等奖的熊猫AI团队今年也表示将再次投入大赛:“去年,依托大赛平台,我们面向法律领域打造了极为实用的‘熊猫AI法律服务平台’。今年,我们继续怀揣着被看见的渴望,以大赛为助推器,以英特尔技术为核动力,再次登上这个展示创意的舞台。我们期待能将更好的创意切实落地到应用场景中,从而创造更大的价值。”
随着大赛的号角吹响,这场为期四个月、聚焦AI应用的征程正式拉开帷幕。英特尔也将继续以软硬结合的方式,携手生态伙伴推动AI PC生态繁荣发展,秉持“开源开放、全栈赋能”的战略,共筑开放生态。
好文章,需要你的鼓励
微软宣布为Word和Excel推出基于OpenAI的AI代理模式,通过简单提示即可自动生成文档和分析数据。Word用户可享受"氛围写作"功能,利用现有文档组装报告和提案。Excel代理能分析电子表格数据并生成可视化报告。尽管在SpreadsheetBench基准测试中准确率仅为57.2%,低于人类平均水平71.3%,但微软强调其针对实际工作场景优化。此外,微软还发布了基于Anthropic的Office代理,显示其正逐步减少对OpenAI的依赖。
苹果与清华合作提出EpiCache技术,解决AI长期对话中的记忆管理难题。该方法将对话自动分割成话题片段,为每个话题建立专门记忆库,实现智能匹配和高效检索。实验显示,EpiCache比传统方法准确率提高40%,内存使用减少4-6倍,响应速度提升2.4倍,为资源受限环境下的AI对话系统提供了实用解决方案。
OpenAI为美国ChatGPT用户推出"即时结账"功能,用户可在对话中直接购买Etsy和Shopify商品,无需跳转至外部网站。该功能支持Apple Pay、Google Pay等多种支付方式,并计划接入超过100万家Shopify商户。OpenAI还将开源其代理商务协议技术,与谷歌的代理支付协议形成竞争。这标志着电商购物模式的重大转变,AI聊天机器人可能重塑在线零售发现和支付生态系统。
清华大学与英伟达合作提出DiffusionNFT,一种革命性的AI图像生成训练方法。该方法通过对比正负样本进行学习,避免了复杂的概率计算,训练效率比传统方法提升25倍。研究团队在多项测试中验证了其优越性,不仅大幅提升了图像质量和文字渲染能力,还实现了无需分类器引导的高效训练,为AI图像生成技术的普及和应用奠定了重要基础。