#2025年度
全球懸賞!華為,重磅出手!
近日,華為正式面向全球科研界拋出“英雄帖”,啟動2025年度奧林帕斯獎(OlympusMons Awards)百萬級懸紅難題徵集。本次懸賞總獎金高達300萬元,旨在匯聚全球智慧,攻克人工智慧(AI)浪潮下資料儲存與處理領域湧現的一系列根本性挑戰。隨著AI技術,特別是智能體(Agent)應用的飛速演進,資料正經歷一場深刻變革:不僅規模爆炸式增長,其性質、留存方式與管理範式也在重構。傳統的資料儲存系統日益面臨算力開銷龐大、協議棧複雜、知識庫建構困難、推理效率與精度難以兼得,以及儲存成本激增等多重壓力。在此背景下,華為本屆奧林帕斯獎直指產業核心痛點,公開徵集能夠重塑AI資料基石的創新解決方案。兩大主攻方向,破解AI資料困局2025年奧林帕斯獎聚焦兩大前瞻性方向,旨在從硬體介質到軟體架構層面,系統性建構面向未來的資料基礎設施。具體來看:方向一:面向AI時代的創新介質技術。AI的普及正急劇改變資料訪問模式,“冷”資料被頻繁啟動變為“溫”資料,“溫”資料則進一步轉化為需要即時處理的“熱”資料,導致計算負載和能耗大幅攀升。本方向呼籲研究“以存補算、以存換算”的新範式,探索超高密度資訊記錄及層次化大記憶體等創新技術,以期打造出高性能、大容量且兼具高性價比的新型儲存系統。具體需要攻克三大細分技術難題:基於SSD的存算融合與高效索引技術;面向超高記錄密度的儲存通道調製編碼技術;層次化大記憶體網路協議和IO路徑最佳化技術。方向二:Agentic AI原生的資料底座。智能體(Agentic AI)的蓬勃發展,要求儲存系統從被動、靜態的“資料倉儲”演進為主動、智能的“資料平台”。本方向致力於研究高品質知識庫建構、語義資訊凝練等關鍵技術,建構真正為智能體應用而生的資料底座。具體包含兩大攻堅目標:知識提取、多模態資料表徵與知識檢索技術和面向大模型高效推理的語義資訊凝練技術。重金激勵創新,共建產學研生態為激勵全球科研工作者投身上述尖端挑戰,華為2025年奧林帕斯獎設定了具有吸引力的獎勵機制。據悉,本次將評選出2個“奧林帕斯獎”和5個“奧林帕斯先鋒獎”。獲獎個人或團隊不僅將分享總計300萬元的高額獎金,更能與華為建立深度的技術交流管道,獲得進一步的科研資源支援。評選將綜合考量參評者已取得的科研成果價值,以及針對懸賞難題所提出的後續研究計畫在技術前瞻性、創新性和潛在商業價值等多維度的表現。據悉,“奧林帕斯獎”由華為公司於2019年創立,其命名來源於太陽系已知最高山峰——火星的奧林帕斯山,寓意著鼓勵科研人員勇攀資料儲存領域的基礎理論和技術高峰。該獎項長期致力於吸引全球頂尖智力,共同突破儲存領域的關鍵技術瓶頸,並加速科研成果從實驗室走向產業應用,實現產學研的協同共贏。自設立以來,奧林帕斯獎已在全球範圍內產生重要影響,累計吸引了來自12個國家的超過320名頂尖學者參與。截至目前,已成功頒發6個奧林帕斯獎和18個奧林帕斯先鋒獎,持續為資料儲存行業的創新發展注入活力,現已成為該領域內具有國際影響力的專業獎項之一。華為通過此次懸賞再次表明,在AI技術競爭日益激烈的今天,築牢資料儲存與處理的基石至關重要。300萬全球懸賞不僅是對創新價值的認可,更是對共建下一代資料基礎設施生態的積極呼喚。 (券商中國)
Andrej Karpathy人工智慧2025年度總結:六大範式轉變,規則已變,未來已來
AI 大神 Andrej Karpathy 的 2025 年度總結:人工智慧的六大範式轉變前言:為什麼要關注這份總結?Andrej Karpathy 是誰?如果說 AI 領域有江湖,那他就是那種"掃地僧"等級的存在。他是 OpenAI 的創始成員之一,曾擔任特斯拉 AI 總監,史丹佛大學博士,CS231n(深度學習最著名課程之一)的建立者。當這樣的頂級專家發佈年度總結時,整個 AI 圈都會豎起耳朵仔細聆聽。2025 年 12 月 19 日,Karpathy 在他的個人部落格上發佈了《2025 LLM 年度回顧》。在這篇文章中,他總結了 2025 年大語言模型(LLM)領域的六個"範式轉變"——這些不是普通的技術進步,而是真正改變遊戲規則的創新。讓我們用最通俗的語言,深入淺出地理解這六大變革。變革一:RLVR——讓 AI 學會"思考"的新訓練方式什麼是 RLVR?想像一下,過去訓練 AI 就像教小孩背課文:預訓練:讓 AI 讀遍網際網路上的所有文章,就像讓孩子讀萬卷書監督微調:給 AI 示範標準答案,就像老師手把手教孩子做題人類反饋強化學習(RLHF):人類對 AI 的回答打分,AI 學著討人喜歡這套方法從 2020-2022 年就定型了,一直很管用。但 2025 年出現了一個新階段:RLVR(可驗證獎勵強化學習)。通俗解釋:從"背答案"到"學思考"傳統方法的侷限:就像學生只會背標準答案,不會靈活思考。遇到新題型就傻眼了。RLVR 的突破:不再喂標準答案,而是給 AI 大量有明確對錯的題目(比如數學題、程式設計題),讓 AI 自己摸索解題方法。結果神奇的事情發生了——AI 自發地學會了"推理":把複雜問題拆分成小步驟嘗試多種解題策略發現錯誤後會回溯重試這就像孩子自己琢磨出了"怎麼思考",而不是死記硬背解題步驟。為什麼這是大事?1. 訓練時間大幅增加:因為有客觀的對錯標準(不像人類打分那麼主觀),可以讓 AI 練習更久。2025 年,很多計算資源從預訓練轉移到了 RLVR,模型大小沒怎麼增加,但"練習思考"的時間大大延長。2. 誕生了"思考時間"這個新維度:現在可以控制 AI 思考多久。給它更多時間,它就能推理得更深入。這就像考試時,簡單題 1 分鐘做完,難題可以思考 10 分鐘。3. 里程碑事件:2024 年底,OpenAI 的 o1 模型是第一個 RLVR 模型的展示2025 年初,o3 模型發佈時,所有人都能直觀感受到這個質的飛躍變革二:幽靈 vs 動物——重新理解 AI 的"智能形態"一個深刻的比喻Karpathy 提出了一個發人深省的觀點:我們不是在"進化動物",而是在"召喚幽靈"這話什麼意思?動物智能 vs AI 智能人類和動物:在叢林中進化了幾百萬年大腦最佳化目標:生存、繁衍、保護部落智能是"圓潤"的——各方面能力比較均衡大語言模型:在網際網路文字上訓練最佳化目標:模仿人類文字、解數學題、獲得人類點贊智能是"鋸齒狀"的——某些方面超強,某些方面弱得離譜"鋸齒狀智能"是什麼體驗?想像一個場景:3秒前:AI 剛剛完美解決了一個需要博士水平的數學證明3秒後:AI 被一個小學生都不會上當的文字遊戲給騙了,洩露了你的資料這就是 2025 年 AI 的真實寫照——同時是天才博學者和認知障礙的小學生。為什麼會這樣?因為 RLVR 讓 AI 在"可驗證領域"瘋狂長尖刺:數學題?瘋狂練習,能力爆表程式設計題?同樣瘋狂練習,超級強大常識推理?沒有明確對錯,練不了,所以很弱引發的問題:基準測試不再可信Karpathy 坦言,他在 2025 年"對基準測試失去了信任"。為什麼?因為幾乎所有基準測試都是"可驗證"的(有標準答案),所以:AI 實驗室瘋狂針對這些測試進行訓練AI 在測試上的分數飆升但實際應用能力可能沒那麼強這就像"應試教育"——考試分數很高,但實際能力參差不齊。核心問題:有沒有可能 AI 把所有基準測試都考滿分,但仍然沒有實現 AGI(通用人工智慧)?答案是:完全可能。變革三:Cursor——LLM 應用的新範式Cursor 是什麼?Cursor 是 2025 年爆火的 AI 程式設計工具。但 Karpathy 關注的不是它有多火,而是它定義了一種全新的 LLM 應用模式。傳統 AI 應用 vs Cursor 模式傳統模式(如 ChatGPT):你問一句,AI 答一句就像打開一個網站,輸入問題,得到答案Cursor 模式:深度整合到專業工具(程式設計環境)自動獲取上下文(你的程式碼、項目結構)在後台編排多個 AI 呼叫,形成複雜工作流提供專業領域的介面有"自主程度滑塊"——可以讓 AI 自己幹活,也可以每步都問你四大核心特徵Karpathy 總結了 Cursor 式應用的四個要素:上下文工程:自動理解你的工作環境(程式碼庫、檔案結構等)多 LLM 呼叫編排:背景執行複雜的 AI 工作流,平衡性能和成本專業化介面:不是通用聊天框,而是針對特定領域設計的互動自主程度控制:從"完全手動"到"全自動"之間調節引發的討論:AI 應用的護城河有多寬?2025 年業界爭論激烈的問題:OpenAI、Anthropic 這些 LLM 大廠會不會把所有應用都做了?還是會有大量 AI 應用公司的機會?Karpathy 的觀點:LLM 大廠培養的是"通用大學生",而 LLM 應用公司會把這些大學生組織成專業團隊,部署到具體行業比如:LLM 大廠:提供基礎模型(通用能力)Cursor:組織這些模型成為專業程式設計師團隊其他垂直應用:可能在醫療、法律、設計等領域做類似的事關鍵差異在於:私有資料、感測器、執行器和反饋循環變革四:Claude Code——住在你電腦裡的 AI什麼是 Claude Code?Claude Code(CC)是 Anthropic 推出的一個命令列工具,但它的意義遠不止於此。為什麼說它是"範式轉變"?OpenAI 的思路(Karpathy 認為走錯了):把 AI Agent 部署在雲端在容器裡運行從 ChatGPT 網頁控制Anthropic 的思路(Karpathy 認為正確):Agent 直接運行在你的本地電腦上訪問你的本地檔案、配置、金鑰低延遲互動核心區別:不是"算力在那裡",而是"AI 在那裡生活"這不是技術架構的區別(雲端 vs 本地計算),而是互動範式的區別:舊範式:AI 是你訪問的一個網站(像 Google)新範式:AI 是住在你電腦裡的"小精靈/幽靈"它瞭解你的工作環境它能訪問你的私有資料它和你低延遲互動它幫你操作本地工具為什麼這很重要?因為我們處在一個"能力參差不齊"的 AI 時代,讓 AI 直接接觸你的真實工作環境,比在雲端遠端操作效率高得多。就像你雇了一個助手:舊方式:助手在遠方的辦公室,你打電話指揮,他看不到你的桌面新方式:助手就坐在你旁邊,能看到你的螢幕,能操作你的鍵盤變革五:Vibe Coding——用"感覺"寫程式碼什麼是 Vibe Coding?這個詞是 Karpathy 自己在 2025 年的一條推文中創造的,結果意外走紅。傳統程式設計:學習程式語言語法理解演算法和資料結構一行行寫程式碼需要多年訓練Vibe Coding:用自然語言描述你想要什麼AI 幫你生成程式碼你甚至不需要看程式碼,只關注效果任何人都能做真實案例:Karpathy 自己的體驗案例1:Rust 分詞器他在開發 nanochat 項目時,需要一個高效的 BPE 分詞器用 Vibe Coding 讓 AI 幫他寫了一個 Rust 實現他自己不需要深入學習 Rust也不需要依賴現成的庫案例2:一次性應用他會為了找一個 bug,讓 AI 寫一整個臨時應用用完就扔因為"程式碼突然變得免費、短暫、可塑、用完即拋"案例3:快速原型他 Vibe Coded 了很多項目:menugen:菜單生成器llm-council:AI 議會reader3:閱讀器HN time capsule:駭客新聞時光膠囊Vibe Coding 的深遠影響1. 權力下放以前:程式設計是高技能專業人士的專利現在:普通人也能通過自然語言"程式設計"這符合 Karpathy 之前寫的一篇文章觀點:LLM 是第一個讓普通人比專業人士受益更多的技術2. 專業人士寫更多程式碼以前:因為成本高,很多"小工具"不值得寫現在:順手就能 Vibe Code 一個出來3. 軟體的本質改變程式碼從"昂貴資產"變成"免費耗材"一次性軟體變得可行工作流程和職位描述都會改變Karpathy 的比喻"Vibe Coding 將改造整個軟體地貌,改變工作描述"變革六:Nano Banana——LLM 的"圖形介面"什麼是 Nano Banana?Google Gemini Nano Banana 是 Karpathy 眼中"2025 年最令人驚嘆、最具範式轉變意義的模型之一"。為什麼這麼重要?一個深刻的類比Karpathy 提出了一個宏大的視角:LLM 就像 1970-80 年代的電腦,我們會看到類似的創新演進:個人電腦的 LLM 版本微控製器的 LLM 版本(認知核心)網際網路的 LLM 版本(Agent 網際網路)GUI 的 LLM 版本← Nano Banana 的意義就在這裡文字 vs 圖像:人類的真實偏好LLM 的原生語言:文字就像 1980 年代電腦的命令列介面電腦喜歡文字,因為高效、精確人類的偏好:視覺和空間資訊人類其實不喜歡閱讀文字——又慢又費力人類喜歡看圖、看視訊、看動畫、看圖表LLM 介面的演進第一代:純文字對話(命令列時代)第二代:Markdown、emoji(給文字"化妝")標題、粗體、斜體、列表、表格讓文字更易讀第三代:真正的"LLM GUI"資訊圖表幻燈片白板動畫/視訊Web 應用← Nano Banana 是這個方向的早期預兆Nano Banana 的獨特之處不只是"能生成圖片",而是:文字生成 + 圖像生成 + 世界知識三者糾纏在模型權重裡形成了新的互動範式就像 GUI 之於命令列的革命,LLM GUI 可能會徹底改變我們與 AI 互動的方式。總結:我們身處何方?Karpathy 在文章最後給出了他的總體判斷:1. AI 既比預期聰明,又比預期愚蠢這是"幽靈 vs 動物"那一節的核心觀點。我們得到了一種全新的智能形態,不能用人類智能的標準去衡量。2. AI 的潛力還遠未釋放"我認為業界還沒有實現 AI 當前能力的 10% 潛力"即使不考慮未來的進步,光是已有的能力,應用空間還大得很。3. 領域仍然寬廣開放這麼多想法可以嘗試,這麼多方向可以探索,充滿機會。4. 矛盾但真實的預測在 Dwarkesh 播客中,Karpathy 提到了一個"表面上矛盾"的觀點:我同時相信:我們會看到快速而持續的進步還有大量工作要做這不矛盾,因為:進步很快,但 AGI 還很遠每個突破都打開新的可能性同時也暴露新的挑戰5. 系好安全帶Karpathy 用"Strap in"結尾——系好安全帶,精彩的旅程才剛開始。寫在最後:為什麼這份總結值得仔細讀?1. 視角獨特Karpathy 不是投資人,不是媒體,而是真正在一線做技術的頂級專家。他的觀察是基於:OpenAI 創始團隊經歷特斯拉 AI 總監經歷對技術本質的深刻理解2. 坦誠直率他直言對基準測試失去信任,批評 OpenAI 的一些技術選擇,這種坦誠在行業內很少見。3. 長期視角他不追逐短期熱點,而是關注"範式轉變"——那些真正改變遊戲規則的創新。4. 哲學深度"幽靈 vs 動物"、"LLM GUI"這些概念,不只是技術觀察,而是對智能本質的哲學思考。5. 實踐導向他自己在用 Vibe Coding 做項目,自己在體驗 Claude Code,這些不是紙上談兵,而是來自一線的真實感受。延伸閱讀Karpathy 在文章中提到了他寫的其他深度文章:Animals vs. Ghosts(動物 vs 幽靈)Verifiability(可驗證性)The Space of Minds(心智空間)Power to the people: How LLMs flip the script on technology diffusion(權力下放:LLM 如何顛覆技術擴散)還有他的播客訪談:Dwarkesh PodcastYC Talk 文字版YC Talk 視訊個人感悟讀完 Karpathy 的總結,最大的感受是:我們正處在一個激動人心但混沌不清的時代。AI 既不是即將到來的"神",也不是被誇大的"泡沫",而是一種全新的、我們還在學習理解的智能形態。2025 年的六大範式轉變告訴我們:技術在快速進步(RLVR、Cursor、Claude Code)認知在深化(幽靈 vs 動物、鋸齒狀智能)應用在演化(Vibe Coding、LLM GUI)但更重要的是,旅程才剛剛開始。正如 Karpathy 所說:Strap in(系好安全帶)。 (AI Daily Insights)
上海22項全球最優!世界銀行發佈2025年度中國企業調查報告
近日,世界銀行官網發佈2025年度中國企業調查報告,報告中涉及營商環境的59個測評點中,上海有22項達全球最優水平。上海達全球最優水平的項目數,超過在2023年世行營商環境成熟度評估中列首批經濟體第一的新加坡。詳見↓2023年起,世行發佈新的營商環境評估方法論——營商環境成熟度評估,採用專家調查和企業調查相結合的方式進行資料採集,用於衡量全球主要經濟體的營商環境狀況。2023年,世行公佈首批經濟體營商環境成熟度評估結果,新加坡列第一。此次公佈的2025年度中國企業調查報告是第二批經濟體營商環境成熟度評估的重要組成部分,將與後續的專家調查報告共同組成完整結果。世行營商環境成熟度評估通過量化的方式,最直觀地反映出各經濟體的營商環境發展程度,在世界主要經濟體間備受關注。此次公佈的中國企業調查報告中,中國多項測評點已經達到或接近全球最優水平,上海表現尤其亮眼。這些調查資料不僅將納入最終結果,更充分說明了企業對於上海營商環境的高度評價。報告顯示,在供電可靠性方面,上海企業填報的停電次數和停電時長均為0次,達全球最優水平。作為所有企業運行必不可缺的基礎設施,供電是衡量營商環境的重要指標。對於規模較大的企業,早通電一天就早一天投入生產,相當於變相節約了成本;而對於半導體等高精尖行業,穩定的電力供應更是企業生產的必要保證。報告顯示,上海企業填報的停電次數和停電時長均為0次,這意味著上海電力供應已達到世界領先水平。這背後,離不開上海不斷完善的電力基礎設施、電力調度能力,更離不開相關部門對企業在電力供應、調度、檢修等方面的貼心服務。不只是供電可靠性,此次上海共有22項測評點達全球最優水平。在獲取金融服務方面,上海電子支付費率成本為0;在市場公平競爭方面,世行考察企業更換網際網路提供商的感受度,上海企業該項感受度得分為96.2;在解決商業糾紛方面,上海商事調解可替代性得分為100……上海在這些測評點上均已達到全球最優水平。除此之外,上海在納稅時長、貸款申請時長、網際網路穩定性、仲裁可替代性、政府採購和招投標便利性等測評點上也達到全球先進水平。世界銀行開展的中國企業調查,是由專業機構按照世界銀行分層抽樣法,對2189家中國企業的所有者或高層管理人員進行訪談而完成,具有高度的權威性。上海企業調查資料結果充分說明,上海市在對標國際通行標準、最佳化制度規則、改善政務服務質量、提升企業辦事效率方面,取得了顯著的成效。近年來,上海持續深化營商環境改革,每年發佈新版營商環境行動方案。今年發佈的行動方案8.0版中,將“企業感受”作為題眼,同時進一步對標世行標準,在市場准入、獲取經營場所、公用基礎設施服務、勞動就業服務、金融服務、國際貿易、納稅、解決商業糾紛、促進市場競爭等10個方面持續最佳化,努力打造國際一流營商環境。近期,上海還將推出最佳化營商環境“十大攻堅突破任務”,針對8.0版營商環境方案進一步聚焦重點、加力攻堅,切實提升企業感受,更好支撐經濟高品質發展。 (上海發佈)