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
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。