OpenAI将于明年首次生产自主人工智能芯片，与美国半导体巨头博通合作设计。这一举措旨在满足巨大的算力需求并减少对英伟达的依赖。博通CEO透露获得一个神秘客户100亿美元订单，该芯片将主要供OpenAI内部使用。此举效仿了谷歌、亚马逊和Meta等科技巨头的策略。随着AI基础设施市场蓬勃发展，定制AI芯片市场份额不断增长，博通股价今年上涨超30%。

港中深研究团队发现语音AI系统"答非所问"的根本原因在于声学和语义理解的认知鸿沟，并提出EchoX解决方案。通过创新的"回声训练"方法，EchoX用仅6千小时训练数据就在知识问答任务中取得显著性能提升，综合得分46.3分超越主流系统，为语音AI发展指明新方向。

工业元宇宙可以看作智能制造的“未来形态”。

软件行业正经历根本性转变，传统SaaS模式已无法适应AI时代需求。智能代理平台公司（APC）正在兴起，将SaaS、软件和云服务融合，构建基于AI的自适应系统。研究显示，中等规模SaaS公司面临"双重挤压"：AI原生初创企业推出更低成本的工具，而微软、甲骨文等巨头将AI深度集成到生态系统中。预计未来36个月内，三分之一到一半的SaaS公司将消失或沦为大型AI平台的数据接口。

阿联酋穆罕默德·本·扎耶德人工智能大学研究团队开发出LlamaV-o1，这是一个能够像人类一样进行分步视觉推理的AI系统。该系统通过课程学习和束搜索技术，不仅能给出正确答案，更能清晰展示每一步思考过程。研究团队还创建了包含八个领域超过1000道题目的VRC-Bench评测基准，不仅评判答案准确性，更重视推理过程质量。实验显示，LlamaV-o1在多项任务中表现优异，推理速度比同类方法快5倍，为构建可信透明的AI系统提供了重要突破。

全球网络安全岗位缺口超过350万个，网络犯罪损失预计到2025年将达10.5万亿美元。传统门槛如计算机学位、编程技能等阻碍了大量人才进入该领域。本文作者从人力资源顾问成功转型为GRC专业人士，证明了非技术背景人员可通过治理、风险和合规(GRC)角色进入网络安全领域。GRC需要的是商业思维和沟通技能，而非深度技术知识。文章提供了认证路径、网络建设和避免常见陷阱的策略建议。

Amazon不打算剥离AWS云计算部分，相反，AWS首席执行官Adam Selipsky表示，为了在云服务市场保持领先地位，AWS可能会自行收购。

在今天(2022年7月5日)由中国商业联合会举办的“卓见会——疫情纾困觅新机 适时转型开新局”系列线上论坛上,多点DMALL合伙人刘桂海作为受邀优秀企业代表,以《数字化助力实体零售逆市破局》为主题分享

“苍茫的天涯是我的爱~绵绵的青山脚下花正开~什么样的节奏是最呀最摇摆~什么样的歌声才是最开怀……”

香港大学团队开发了MiCo多图对比框架，通过自监督学习让AI学会像人类一样比较多张图片的细微差异。该方法无需人工标注，仅使用图像内在约束作为监督信号，在多项视觉理解测试中超越了GPT-4o等先进模型，为解决AI多图推理难题提供了新思路。

吴恩达表示终身学习( life-long learning)已经成为当今数字化世界中的新常态。他还分享了自己对于人工智能发展潜力的观点以及对这项技术的担忧。

开源在企业中流行的一个原因，是开源技术提供了经过良好测试的构建块，可以加速复杂应用和服务的创建。但是第三方软件组件以及包和容器的便利性，在带来好处的同时和引入了风险，因为你构建的应用要和这些元素是一样安全的。

网络安全态势愈演愈烈，如何确保数据安全已成为CIO、IT管理员们的头等大事。然而“我在明，敌在暗”，黑客的快速移动使得我们往往只能被动防御。

OpenAI在GPT-5发布后遭遇用户强烈反对，被迫进行调整。CEO阿尔特曼宣布为GPT-5增加"自动"、"快速"和"思考"三种模式选择，并恢复4o模型。付费用户可通过"显示其他模型"开关访问o3、4.1等模型。阿尔特曼承认突然弃用旧模型是错误决定，并表示正在优化GPT-5的个性化设置，让其比当前版本更温和但不像GPT-4o那样令人烦恼。

中国电信研究院等机构联合开发的xVerify系统，专门解决复杂AI推理模型的评估难题。该系统能够准确判断包含多步推理过程的AI输出，在准确率和效率方面均超越现有方法，为AI评估领域提供了重要突破。

宾夕法尼亚州立大学研究团队开发的AttnTrace技术，通过分析AI大模型的内部注意力机制，能够快速准确地追踪影响AI回答的关键文本内容。该技术解决了传统方法效率低下和准确性不足的问题，在多项测试中表现卓越，为AI安全防护和可解释性研究开辟了新方向。

让你的团队接受甚至拥抱变革，这对于IT的成功至关重要。掌握了变革领导艺术的IT领导者分享了他们对这一基本领导技能的建议。

挪威奥斯陆大学联合国际团队开发出首个AI代码"指纹识别"系统CodeT5-Authorship，能以97.56%准确率识别C代码的AI生成来源。研究基于32000个代码样本训练，涵盖八大主流AI模型，在二元和多元识别任务中均表现卓越。该技术为学术诚信监督、代码安全评估和数字取证提供了重要工具，标志着AI内容溯源领域的重大突破。

香港浸会大学团队开发了HumbleBench，这是目前最大的AI幻觉评估基准，包含22,831个测试题，专门评估多模态大语言模型的"认知谦逊"能力。与传统只测试选择正确答案的基准不同，HumbleBench的每个问题都包含"以上都不对"选项，测试AI能否在不确定时诚实承认无知。研究发现即使最先进的AI模型表现也不理想，最好的模型准确率仅73%，在极端测试中甚至接近0%，揭示了当前AI系统"不懂装懂"的严重问题。

它支持文本、音频、图像任意组合的输入输出，反应速度就像真实的人类一样。