在新一年开始之际，BMC基于在全球范围内参与各行业客户数字化转型计划的经验，以及真实数字化世界的第一手洞察，对于2018年的企业数字化转型做出如下预测。

罗克韦尔自动化推出了一套全新解决方案，可帮助机器制造商简化设计、降低成本，并通过机载（on-machine）产品组合打造新一代高性能机器。

MUG-Eval是KAIST和Trillion Labs联合开发的创新多语言评估框架，通过让语言模型在目标语言中进行自我对话来评估其生成能力。该方法独特之处在于不依赖语言特定工具或人工标注数据，而是通过任务完成率间接衡量语言能力。研究团队测试了8种顶级语言模型在30种语言上的表现，发现其结果与传统评估方法高度一致（相关系数>0.75）。MUG-Eval揭示了模型在低资源语言上表现显著落后，并发现英语并非评估低资源语言的最佳替代。该框架理论上支持2,102种语言，为真正包容的AI评估提供了新途径。

今日，“第五届软件定义晶上系统技术与产业联盟大会”隆重举行。

韩国大学和KAIST研究团队提出了DeepVideo-R1，一种革新性的AI视频理解训练方法。该方法通过回归式GRPO和难度感知数据增强两大创新，解决了传统方法中的梯度消失和训练信号稀疏问题。在多个权威测试中显著提升了AI的视频推理能力，特别是在处理未见过的新任务时表现出色，为AI视频理解技术发展开辟了新方向。

随着生成式 AI 的兴起，企业需要确保数据具备 AI 就绪性。Gartner 预测，60% 缺乏 AI 就绪数据的 AI 项目将在明年被放弃。文章介绍了三个关键步骤：放弃传统 IT 方法、利用 AI 改进数据质量、采用迭代式转型方法，帮助企业建立 AI 就绪的数据基础设施和管理实践。

来自威胁检测初创公司StackRox与Cyber​​Edge共同撰写的一份报告发现，尽管容器和Kubernetes迅速普及，但是多数企业组织并没有准备好充分保护云原生应用的安全性。

尽管AI在围棋等复杂游戏中表现出色，但在简单的井字棋游戏中却屡屡失败。研究显示，AI代理在模拟商业环境中的表现同样令人失望，经常出现幻觉、欺骗和任务未完成等问题。游戏测试为评估AI能力提供了直观方式，帮助普通用户理解AI的真实水平。面对当前AI行业的过度宣传，通过游戏化测试揭示AI的实际局限性，对于防范AI泡沫具有重要意义。

福特主要依靠本地系统运行建模及模拟类工作负载。当然，过往与亚马逊云科技和Azure等超大规模云服务商的实验合作，也证明了混合方案的出色灵活性。

香港中文大学团队开发的TR2M系统突破性地解决了计算机视觉中的距离测量难题，通过结合图像和文字信息，让AI既能在各种环境中通用工作，又能给出精确的距离数字。该技术参数量小、效果好，在室内外及医疗场景测试中均表现优异，为自动驾驶、机器人导航、增强现实等应用提供了重要技术支撑，代表了多模态AI融合的重要进展。

使用专有的云原生服务，既有显而易见的好处，同时也是有代价的：厂商锁定问题。CIO们可以通过以下方法有效地进行规划，而不会陷入困境。

英特尔的方案将车辆系统视为一个 “整体”，并让工作负载可以在软件定义中央计算系统和软件定义域计算子系统之间无缝移动，确保了极大的灵活性、出色的成本和性能，以及显著的能效优势。

Check Point Research 指出，信息窃取程序 Lokibot 重返最猖獗的恶意软件排行榜，而 Emotet 则取代 Trickbot 占据榜首。作为最常被利用的头号漏洞，Apache Log4j 仍在肆虐。

这项由清华大学领导的研究提出了Bench-V，首个专注于评估AI模型视觉推理中多模态输出能力的基准测试。通过803个涵盖数学、物理、计数和游戏的精心设计问题，研究揭示即使是最先进的OpenAI o3模型也仅达到25.8%准确率，远低于人类专家的82.3%。实验结果表明，仅增加模型规模或使用文本推理无法有效解决视觉必需推理问题，未来AI需要发展真正的多模态思维能力才能缩小与人类的差距。

IT领导者必须做的不仅仅是接受初创公司可以提供的创新优势，还必须确保业务连续性和稳健运作。急于与初创公司展开合作，可能会导致双方关系不符合彼此利益，从而给CIO带来重大的业务技术风险。

国家对邮件系统等保提出要求，企业组织需要快速重新审视邮件系统的安全及相关人员的培训，以避免使企业自身处于法律法规的风险区，实现信息系统为企业生产运行而提供高效服务。

随着企业管理向精细化和信息化发展的步伐加快，企业采集到的市场客户及内部管理数据越来越多、越来越趋向于实时，大量的信息给企业带来了一个问题：管理者如何通过这些数据掌握企业动态，做出及时关键的决策？

这篇研究介绍了KVzip，一种创新的查询无关KV缓存压缩方法，通过上下文重建机制为大型语言模型提供高效存储解决方案。该技术能将KV缓存大小减少394倍，同时提高解码速度约2倍，在各种任务上性能几乎不受影响。不同于传统查询相关的压缩方法，KVzip创建可在多种查询场景下重用的通用压缩缓存，特别适合个性化AI助手和企业信息检索系统。研究在LLaMA3.1-8B、Qwen2.5-14B和Gemma3-12B等多种模型上进行了验证，处理长度高达17万词元的文本，并能与KV缓存量化等其他优化技术无缝集成。

想象一下，你正在参加一场料理比赛，有两位评委。第一位评委只给你一个分数，而第二位评委会详细解释你的菜品在口感、创意和技巧上的表现如何，然后才给出最终评价。显然，第二位评委的反馈对于你改进厨艺更有帮助。伊利诺伊大学研究团队正是秉持这一理念，开发了能像第二位评委那样工作的AI评估系统。

首尔国立大学研究团队提出STR-Match视频编辑技术，通过创新的时空相关性分数(STR分数)解决传统方法在帧一致性、运动保持和域转换方面的局限。该方法无需重新训练模型，可直接应用于现有文本到视频生成模型，在极端编辑场景下仍能保持高质量输出，为视频编辑领域带来突破性进展。