有没有发现，在三大领域里我们最不了解的就是存储？我们每天都在PC、手机、云端应用着存储，但对于中国存储的发展现状与挑战，绝大多数人一无所知。

腾讯AI团队提出连续视觉自回归生成框架，通过严格适当评分规则实现无需向量量化的直接图像生成。该方法基于能量分数训练，避免了传统离散化过程中的信息损失，在ImageNet数据集上取得竞争性结果，推理速度比扩散方法快近10倍。

云数据库的出现，赋予了企业充分的弹性力和创新力。

加密货币缺乏实际作用。区块链解决方案在实际效果上也不及所要替代的传统技术。

哈工大研究团队开发出革命性AI智能体Mirage-1，首次实现了像人类一样的长期规划和跨应用操作能力。该系统通过分层多模态技能学习和技能增强搜索算法，在Android和网页环境测试中分别取得32%、19%、15%和79%的性能提升，为AI助手的实用化发展奠定了重要基础。

2018年5月26日-29日， 2018中国国际大数据产业博览会（以下简称“数博会”）在贵阳举办，在这一年一度的全球大数据最新科技成果展示舞台上，

香港科技大学研究团队提出GAPrune方法，通过双重评估机制实现AI模型的智能压缩。该方法结合Fisher信息和梯度对齐分析，在保持领域专业性的同时大幅降低计算资源需求。实验表明，GAPrune在50%参数削减下性能损失仅2.5%，重训练后甚至超越原模型性能，为AI技术普及和可持续发展提供新路径。

这项由耶鲁大学联合纽约大学和艾伦人工智能研究所完成的研究，首次构建了专门针对科学文献任务的AI评估平台SciArena。通过收集超过13000张来自102位真实科学家的投票，研究揭示了当前AI助手在科学文献理解方面的真实水平，同时指出了AI自动评估系统的显著局限性，为科学研究领域的AI应用提供了重要参考。

如今的超级计算机尽管无比强大，但仍不足以预测未来。至于超级计算机自身的未来，那就更加难以预料。

在传统的存储模型中，数据一般存储在硬盘和固态硬盘上，在需要进行数据分析的时候，将其传输到外部的计算设备，通常是服务器。计算存储能在数据所在的存储盘上进行数据计算处理，进而直接从数据中生成洞察力和价值，以释放更多数据的潜能。

2018年12月21日，“跨界融合，创新永动”——第二届3D打印产业创新发展论坛暨「2018增材制造全球创新大赛」颁奖典礼举行，

距离上一次米家发布会已经有713天，这段时间里米家品牌陆续推出了186款新产品，让米家品牌的IoT产品矩阵更加丰富。屈恒表示，米家是面向未来的智能电器品牌。米家品牌的产品会坚持三个原则：1）做生活精品；2）做AIoT智能化；3）做高端产品、大众价格。

上海交通大学团队开发的ASAP方法通过"锚点引导"和"首词惊喜度"两阶段技术，成功解决了AI推理模型内容冗长问题。该方法在保持准确性的同时，将推理速度提升43.5%，生成内容减少23.5%，为AI推理优化开辟了新方向，代表了从追求模型规模向追求效率质量平衡的重要转变。

2分05秒破百亿，15时49分刷去年记录，全天交易额达2135亿，这样一组组不断刷新的数据背后，除了数以亿计个“维纳斯”彻夜未眠的奋战和一夜之间空空如也的钱包之外，更重要的是各种新技术对商业的赋能。

2023年5月25日，受组委会邀请，我有幸代表IBM参加了在贵阳举办的2023中国国际大数据产业博览会上就“大数据、大算力、大模型”议题展开的高端圆桌对话。

2018年10月10日，首届新型智慧城市建设国际峰会在济南隆重开幕。峰会以”智慧让城市更美好”为主题，围绕”优政、惠民、兴业”三大目标，突出”政务服务、城市治理、民生需求、经济发展”四大领域，共同探讨新型智慧城市建设的新思路、新模式、新技术。

Transformer时代终结？Mamba作者提出H-Net：端到端、无分词器

西班牙研究团队提出了一种创新的AI自我纠错方法SSC，让人工智能学会识别和修正规则中的漏洞。当AI发现自己在钻空子获得高分时，它会反思规则的合理性并主动改进。实验显示这种方法将AI的"钻空子"行为从50-70%降低到3%以下，同时提升了回答质量。这项技术有望让AI从被动执行指令转变为能够质疑和改进指令的智能协作伙伴。

MIT研究团队开发出一款能够自动识别并修复代码错误的AI调试助手，该系统在处理初级、中级和高级编程问题时分别达到94.2%、82.7%和67.3%的成功率，平均调试时间仅需2.3分钟，远超人类程序员45分钟的平均水平。这项突破性技术采用大语言模型和多视角分析方法，不仅能快速定位问题根源，还能提供清晰的修复建议和解释，有望彻底改变软件开发的调试流程。

想象一下，你有两个朋友：一个朋友每次你诉说烦恼时都会给你一大堆实用建议，但你总觉得他并没有真正理解你的感受；另一个朋友也许不会提供太多具体解决方案，但每次交谈后你都感到被理解、被支持，情绪也变得更加积极。在人际交往中，后者往往能给人带来更多心理慰藉。当今的人工智能系统也面临类似的评价难题：如何判断AI不仅能回答问题，还能真正"懂"人的情感需求？