Databricks推出了Agent Bricks平台，旨在通过自动化AI智能体开发流程，让企业级AI应用不再“高冷”。它引入了TAO和ALHF两大创新技术，不仅能将普通模型调优到接近顶尖水平，还能让非技术人员也能轻松参与AI开发，简直是企业AI的“保姆级”工具。

LangSmith新功能Align Evals上线，旨在解决大模型“幻觉”问题，通过校准评估器让AI输出更符合人类偏好。这不仅提升了LLM应用开发效率和质量，也预示着未来AI将更“懂人”，不再是冷冰冰的工具。

METR最新研究发现，大语言模型（LLM）的智能水平竟然每7个月就翻一番！这意味着到2030年，AI可能只需几小时就能完成人类工程师几个月的工作，职场“地震”已拉响警报，打工人真的要为自己的饭碗捏把汗了。

游戏界传奇人物约翰·卡马克指出，大型语言模型（LLM）并非游戏或通用人工智能的未来，因其“无所不知却又无所学”的预训练模式难以适应高效的交互式学习。他正通过在Atari平台上的具身智能和强化学习研究，解决AI在数据效率、灾难性遗忘和物理世界交互等方面的核心挑战，旨在推动AI向更接近人类的智能迈进。

Iconiq Capital的《2025年AI现状报告》揭示，AI已从概念炒作转向实战落地，企业正面临高效构建、规模化部署与成本控制的挑战。报告强调数据基础设施、灵活定价模式和AI人才竞争成为核心关注点，预示着AI产业正经历一场深刻的商业模式和组织结构变革，以适应从技术到经济实践的全面转型。

企业正以前所未有的广度拥抱AI，但挑战在于如何高效匹配并管理日益增多的模型（尤其是LLM）以适应特定业务场景。IBM正通过混合AI工具和AI Agent核心能力，助力企业构建统一、可扩展的AI架构，以实现深度数字化转型和生产力飞跃。

一项由新加坡国立大学和得克萨斯大学奥斯汀分校研究人员提出的“拖拽式大语言模型”（DnD），通过直接学习从提示词到模型参数的映射，实现了无需传统微调的即时模型定制。这项技术将大模型定制效率提升高达12000倍，并在零样本学习任务中表现卓越，预示着AI模型部署的门槛大幅降低，有望加速AI的民主化进程和应用创新。

知名AI研究员Andrej Karpathy在近期演讲中提出“软件3.0”时代，将自然语言提示词视作新代码，大语言模型（LLM）比作新操作系统。他强调LLM作为计算平台的潜力，呼吁软件界面适应AI的“感知与行动”，并对AI代理的未来发展保持谨慎，主张通过人类监督和结构化协作来弥合AI的局限性。

卡内基梅隆大学博士生James Campbell选择放弃学业加入OpenAI，专注于为ChatGPT和通用人工智能（AGI）开发“记忆”与“人格”功能。此举被视为AI发展迈向更拟人化、持续性交互的关键一步，预示着人机关系将发生根本性变革，同时也对AI伦理、隐私和安全提出了前所未有的挑战。