IBM研究院的科学家们已启动印度新兴实验室(EIL),这是一家前沿智能体人工智能公司,旨在加速下一代自主系统的开发,使其能够运营关键任务的数字和物理基础设施,并帮助印度从传统IT服务模式转向先进制造、物流和工业自动化。
实验室成立背景
在解释该设施的起源时,EIL指出,印度的技术部门在过去二十多年中一直以IT服务为中心,但下一章将由构建能够改变物理AI领域的前沿自主系统来定义。这些领域包括制造业、物流、港口、工厂和重要基础设施等。
创始人们指出,AI在印度制造业的采用已经激增,研究显示65%的制造商在2024年已集成AI,高于2022年的45%,预计印度制造业AI市场将以约40%的年增长率增长,到2030年将超过80亿美元。EIL观察到,随着每年有数十万台新机器人部署在工厂中,以及全球技术力量的重新平衡,印度现在有战略机会将自己定位在自主系统研究的前沿。
战略定位与愿景
为此,EIL不仅被设想为一个研究中心,更是更广泛的公私合作伙伴关系的核心,确保印度在国内构建基础AI技术而不是进口它们。与作为海外全球总部卫星扩展运营的跨国研发前哨不同,EIL表示它被构想为一个核心的、AI原生的研发中心,能够锚定主权AI能力。
EIL认为这次启动也反映了AI的更广泛全球转变,表明辩论不再仅仅关于训练最大的大语言模型,而是关于开发能够使AI在现实环境中安全可靠运行的自主系统层。
"我们相信最直接的机会在于构建能够运营世界上最关键任务的数字基础设施的自主AI系统——从金融网络和电信平台到云和数字公共系统。通过掌握数字领域的自主性,我们为扩展到机器人技术、先进制造和下一代工业基础设施奠定基础,"新兴公司联合创始人兼首席执行官Satya Nitta说。
"二十多年来,印度的技术部门一直立足于IT服务。下一章必须由构建驱动关键基础设施的前沿自主系统来定义。机器人技术中最困难的问题不是运动——而是思考。通过专注于智能体系统,我们正在解决不确定性下的推理问题。在世界各地,领先经济体正在大规模地将AI嵌入物理系统。印度必须充分参与塑造这一转变。"
投资规模与发展计划
据说该设施得到了数千万美元初始内向研发投资的支持,计划进行"重大"长期扩张,EIL预计在未来三到四年内扩展到500名研究科学家和工程师。EIL将特别强调围绕LEAN作为AI智能体的基础层建设人才管道,演示如何在自主决策的每个层面嵌入形式化验证。
合作与人才培养
实验室位于班加罗尔印度科学院(IISc)附近,EIL将通过联合研究、交流、黑客马拉松和暑期学校与其密切合作,建设自主系统的下一代人才管道。
"形式化证明系统的融合和人工智能的爆炸性增长创造了一个前所未有的机会——以及必要性——来构建可靠的、数学基础的自主系统,"IISc教授和新兴印度实验室首席科学家Siddhartha Gadgil说。
"在丰富的科学传统和充满活力的工程师和企业家一代的推动下,印度有潜力推动这一新前沿。通过在班加罗尔锚定从基础研究到现实应用的整个创新谱系,我们将催化一个持续的、世界级突破的生态系统,确保印度帮助构建智能系统的未来。"
Q&A
Q1:印度新兴实验室(EIL)是什么?它的主要目标是什么?
A:EIL是由IBM研究院科学家启动的前沿智能体人工智能公司,主要目标是加速开发能够运营关键任务数字和物理基础设施的下一代自主系统,帮助印度从传统IT服务模式转向先进制造、物流和工业自动化。
Q2:AI在印度制造业的应用现状如何?
A:研究显示,65%的印度制造商在2024年已集成AI,相比2022年的45%有显著增长。印度制造业AI市场预计将以约40%的年增长率增长,到2030年将超过80亿美元,每年有数十万台新机器人部署在工厂中。
Q3:EIL的投资规模和发展计划是怎样的?
A:EIL获得了数千万美元的初始研发投资支持,计划进行重大长期扩张。预计在未来三到四年内将团队扩展到500名研究科学家和工程师,并与班加罗尔印度科学院密切合作建设人才管道。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。