香港大学联合上海人工智能实验室，华为诺亚方舟实验室提出高效扩散模型 LiT：探索了扩散模型中极简线性注意力的架构设计和训练策略。LiT-0.6B 可以在断网状态，离线部署在 Windows 笔记本电脑上，遵循用户指令快速生成 1K 分辨率逼真图片。
OpenAI 接连发布 o1 和 o3 模型，大模型的高阶推理能力正在迎来爆发式增强。在预训练 Scaling law “撞墙” 的背景下，探寻新的 Scaling law 成为业界关注的热点。高阶推理能力有望开启新的 Scaling law，为大模型的发展注入新的活力。
1月8日，环球时报社、中国科协新技术开发中心和清华大学技术创新研究中心联合发布了50大“新质生产力产业实践示范案例”，华为云盘古大模型凭借在技术能力、应用实践等方面的突出表现，成功入选“人工智能”示范案例TOP5。
大模型浪潮下，AI与其背后的通信网络存在密不可分的联系，可以总结为Network for AI和AI for Network两层关系—— 我们用网络加速AI训练推理，通过AI手段让网络变得更加安全可靠。
多模态理解与生成一体化模型，致力于将视觉理解与生成能力融入同一框架，不仅推动了任务协同与泛化能力的突破，更重要的是，它代表着对类人智能（AGI）的一种深层探索。
可控视频生成，对于自动驾驶技术而言，同样非常重要。
大语言模型（LLM）在自然语言处理领域取得了巨大突破，但在复杂推理任务上仍面临着显著挑战。现有的Chain-of-Thought（CoT）和Tree-of-Thought（ToT）等方法虽然通过分解问题或结构化提示来增强推理能力，但它们通常只进行单次推理过程，无法修正错误的推理路径，这严重限制了推理的准确性。
基于昇腾算力的矩阵运算改进求解器框架，大幅提升Local Optimum跳出能力。
12月14日，昇思人工智能框架峰会召开，现场18家单位发布基于昇思的原生开发大模型成果。伴随AI框架生态进入“深水区”，昇思朋友圈也在持续扩容，多家上市公司已成为昇思生态建设的主力军。
携手原华为车BU首席科学家
