11月7日—16日“2024第八届世界智能大会”全球推介之旅圆满结束。世界智能大会组委会秘书处(以下简称秘书处)陪同天津市工业和信息化局副局长周胜昔一行先后走访西班牙、德国、英国,面向全球智能科技领域企业、国际合作组织、专业观众等各界人士发出第八届世界智能大会的诚挚邀请。
志合者,不以山海为远。为进一步秉承世界智能大会“高端化、国际化、专业化、市场化”的办会思路,充分发挥世界智能大会的风向标作用,秘书处“早谋划、早准备、早行动”,自8月起开始筹备此次国际推介活动,精准组织各项推介环节,最终成功举办西班牙、德国、英国三个专场推介会,与国际商协会组织展开深入合作交流,走访智能科技企业,收获颇丰,满载而归。
这是一场跨越万里的务实之旅。秘书处深入全球智慧城市大会调研学习,与德国弗劳恩霍夫电子纳米系统研究所展开探讨,同英中贸易协会达成合作意向。专场推介会上,天津市工业和信息化局副局长周胜昔介绍了天津市整体营商环境以及制造业高质量发展相关政策措施,真诚欢迎欧洲企业来津投资兴业,共享发展机遇。世界智能大会组委会秘书处执行秘书长任丽伟分享了前七届世界智能大会举办成效并介绍了第八届大会的情况安排,向欧洲智能科技领域企业及合作组织发出邀请。与西班牙、德国、英国的企业家相约明年春天,把握科技发展新机遇,让梦想落地,让未来可期。


这是一场硕果累累的收获之旅。秘书处与全球深具影响力的国际组织深入探讨通过世界智能大会共同搭建合作交流平台,携手共谋发展蓝图。成功与明日城市建筑大会组委会签署战略框架合作协议书,将充分发挥各自优势,促进两国企业及机构间的合作交流,互相协助邀请重要嘉宾及参展企业,共同牵头举办论坛、创新成果活动,共同提高两个大会的国际化、高端化竞争力;与英中贸易协会达成初步合作意向,下一步,将着手筹备战略合作协议签署事宜,开拓互利合作新局面,开启未来发展新空间。


这是一场提振信心的交流之旅。秘书处随代表团先后拜访了弗劳恩霍夫协会、德国中国商会、KLAI、创新物理(IPL)、联域创推中心(CPC)、英国建筑研究院(BRE)等十余家企业及机构,邀请欧洲企业参会参展,进一步促进经贸合作。世界智能大会出于把握住全球范围内智能科技行业执牛耳机构的工作思路,力争把德国弗劳恩霍夫电子纳米系统研究所的产业上下游供应链及全球影响力与天津对位结合,推动研究所参与城市产业发展、对接更多天津智能制造及传感器商业合作项目、科技转化项目、技术联合研发项目落地,库恩教授明年将继续出席大会,同时组织德国隐形冠军、拥有核心技术的中小企业参会和投资兴业。德国中国商会作为中国在欧洲建立的第一家海外商会,与大会深入探讨国际化办会、办展、办赛等方面可能性;通过交流与介绍,创新物理有限公司希望明年5月参加大会,并加快来津投资智能设备项目;深入英国联域创推中心(CPC),负责人明确表示将同英国智能科技企业一道参加第八届大会;英国建筑研究院(BRE)作为绿色建筑标准制定单位,计划参与第八届大会智慧生活与智能建造板块共谋合作发展机会。

此次出访,通过举办专场推介会、与国际组织深入交流、拜访企业等一系列活动,秘书处深入落实世界智能大会“国际化”办会思路,是积极主动开拓国际伙伴关系迈出的重要一步。下一步,秘书处将与企业机构展开深入交流,推动更多国际化企业参与第八届世界智能大会,为世界智能科技领域搭建交流合作、共赢共享的国际化平台,打造更具影响力、永不落幕的世界智能盛会。
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
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。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
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。