SUSE 题为《利用开源存储应对数据爆炸带来的挑战》的研究论文发现，日益高企的存储成本一直是全行业最为关注的业务问题之一，但数据增长的背后还存在更加复杂的情况。

中美研究团队提出专家自主选择的AI新架构，让AI专家根据内在激活强度自主选择处理任务，避免传统路由器分配的不匹配问题。在40亿参数模型验证中，新方法在多项任务上超越传统混合专家模型，实现更均衡的负载分配和更高的处理效率，为大规模AI系统的专业化分工提供了创新解决方案。

研究团队开发了IR3D-Bench基准测试，要求AI根据单张图片重建完整3D场景，以此检验AI是否真正理解所见世界。测试涵盖20多个顶尖AI模型，结果显示虽然AI在物体识别上表现出色，但在空间关系理解和尺寸估计方面存在明显不足。研究为评估AI视觉理解能力提供了新标准。

国际商会的使命在于精简全球业务，这一组织正是美国总统Woodrow Wilson于1920年成立的、负责和平解决国际争端的国际联盟体系的最后遗珠。到1923年，在该联盟负责人的协助之下，国际商会建立起国际法庭以仲裁各类商业纠纷。

我们虽然确实看到了全方位渠道零售和人工智能/认知计算方面的重大和必要的改进，但在无卡结账和智能信标方面我们仍然需要做一些工作。而就2020年而言，看到了一些推动行业发展的更重要的趋势。

日前，中国发展研究基金会联合微软公司在会上正式发布了《未来基石——人工智能的社会伦理和角色》报告，以此引发了对于人工智能的社会角色和伦理问题的关注和思考。

我叫MOSS，我没有叛变......

根据科智咨询最新的研究报告表明，2020年全国数据中心市场规模已经达到2238.7亿元，同比增幅高达43.3%。

这项由中国人民大学等机构合作完成的研究提出了Virgo系统，发现仅用5000个纯文本推理案例训练就能让AI在视觉推理任务上达到顶级商业系统水平。研究证实推理能力具有跨模态通用性，为更经济高效地开发多模态AI系统指明了新方向，同时也揭示了AI感知反思能力不足的局限性。

Gartner于今日发布企业机构在2022年需要探索的重要战略技术趋势。分析师们在本周四举行的Gartner IT Symposium/Xpo峰会美洲站期间公布了他们的研究结果。

研究人员专注创新而不受商业约束限制，这种思维对企业和首席信息官具有重要价值。CoVent联合创始人兼首席技术官Krishna Dubba结合研究背景和商业实践经验，从AI研究到创业公司，展示了研究思维如何帮助快速验证假设、持续学习新技术、培养同理心领导力。他强调实验失败应被视为反馈，跨学科交叉能够打破部门壁垒，连接各部门资源，为商业创新提供新思路。

通过谷歌BigQuery平台交付的服务项目，能够帮助您轻松搜索并分析区块链交易。

在每年的这个时候，各公司都会对过去一年的成绩进行总结，并与遍布在全球各地的同事、合作伙伴以及客户一同辞旧迎新。

COVID-19病毒的变异速度快，还是人类技术储备的发展速度快？这是一场高风险、高回报的军备竞赛。

“如果一个组织、一个企业，一个人拒绝拥抱智变，则会被这个时代所淘汰。”在近日召开的2020 NAVIGATE 领航者峰会的开幕演讲中，紫光集团联席总裁兼新华三首席执行官于英涛说道。

延世大学研究团队开发了BESPOKE评估基准，通过收集30位用户三周内2870个真实会话数据，从需求对齐、内容深度、语调和解释方式四个维度评估AI助手个性化能力。研究发现当前主流AI系统个性化表现普遍不足，平均得分仅60多分，但通过智能利用用户历史信息可显著改善效果，为开发更贴心的个性化AI助手提供了科学评估工具。

德州农工大学等多所高校联合发布MMHU数据集，专门针对自动驾驶场景的人类行为理解。该数据集包含57,000个人类行为实例和173万视频帧，覆盖过马路、打电话、骑车等13种关键行为，并提供详细的文字描述和行为标注。实验显示，基于该数据集训练的模型在行为识别准确率上有显著提升，将推动自动驾驶系统更好理解人类行为和意图，提升道路安全。

大模型的研发和运行确实需要大规模的资源和资金支持，非小规模团队能够轻易承担。这一点在当前的人工智能领域尤为明显。以GPT4-o为例，其训练涉及了文本、视觉和音频等多种数据模态，这意味着它需要处理和分析的数据量是巨大的。据OpenAI透露，GPT-4o在训练过程中使用了多达13兆的数据，这比之前的一些大型模型如LLAMA和PaLM使用的数据量还要多。此外，GPT-4o的模型参数数量也非常庞大，达到了1.8万亿。

视频会议已渐成常态，你是否曾对屏幕另一端人物的真实性掠过一丝疑虑？一场由AI伪造技术精心策划的“真假CFO”大戏已然载入史册。面容、声音乃至每一个细微动作，都精准复刻，无懈可击，宛如时空交错中的镜像，让线上员工深信不疑。于是，这位“数字幽灵”轻而易举地从公司财务中抽离了高达1.8亿美元的巨额资金。

从一个云服务商向另一个云服务商迁移不是一件容易的事情，不真正着手做永远不知道哪里会有“坑”，哪里会有“雷”。