虚拟化软件巨头VMware宣布有意收购网络分析初创公司Nyansa，收购价格未公开。

大数据分析公司Teradata近日公布了第四季度财报，收益和收入均超出华尔街预期水平，再加上发布了对下个季度强劲的指引，使得Teradata的股价在盘后交易中上涨了近15％。

一项由苏州大学、微软等机构合作的研究OPENTHINKIMG首次提出了完整的视觉工具强化学习框架，解决了当前大型视觉语言模型缺乏视觉思维的问题。该研究基于Qwen2-VL-2B基础模型，开发了V-TOOLRL方法，通过分布式工具部署、轨迹生成和强化学习，使AI能像人类一样"用图像思考"。实验表明，在图表推理任务上，该方法准确率达59.39%，显著超越了同类开源系统并优于GPT-4.1，为未来AI视觉认知提供了新路径。代码已在GitHub开源，将促进相关领域研究。

爱立信推出了一款智能云原生传输控制器，该控制器使用人工智能（AI）和机器学习（ML）来分析和自动化微波、IP和光网络，从而最大限度地提高移动传输网络效率。

一份价值五万六人民币的白皮书报告，它的“浓缩版”却意外在CES预展前免费公开了。

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。

采用英特尔硬件、oneAPI以及阿里云弹性高性能计算（E-HPC）平台服务，深势科技（DP Technology）优化了模拟工作负载的性能。

上海云轴信息科技有限公司（ZStack）创始人&COO尤永康在13日下午举办的行业变革与开源融合论坛上发表了题为“ZStack云平台助力企业数字化转型”的主题演讲，

华盛顿大学研究团队开发的PEEK系统通过视觉语言模型为机器人提供路径和重点区域指导，实现了机器人操作任务的零样本泛化。该系统将复杂的环境理解交给专门的视觉模型处理，让机器人专注于动作执行，在真实环境测试中将成功率提升了41.4倍。这种模块化设计方法具有广泛的通用性，可适配多种不同类型的机器人平台。

即便数据中心在设计阶段就融入了前沿的设计理念、尖端的节能技术和创新的节能措施，若缺乏后期高水平的运维管理，其节能效果也往往难以充分显现，难以达到预期目标。因此，数据中心若想在节能降耗的征途上取得显著成果，就必须精心构建并持续优化一套高水平的能耗管理体系。

9月8日14:30-15:15，华为云 TechWave 云数仓技术专题日将线上直播。

斯坦福大学等机构的研究团队通过理论分析和实验验证，揭示了当前AI大模型训练中广泛使用的RLVR技术存在"无形枷锁"现象。研究发现RLVR主要是在基础模型已有知识范围内进行概率重分配，很难真正扩展AI的推理边界，同时在精度提升的代价下可能损失探索多样化解决方案的能力，为未来AI训练方法的改进提供了重要理论指导。

清华大学团队提出首个统一3D点云预训练方法UniPre3D，突破传统方法只能处理特定规模数据的局限。该方法巧妙利用3D高斯喷射技术将3D数据转换为2D图像进行处理，并设计了针对不同数据规模的自适应融合策略。在多个标准数据集上的实验表明，UniPre3D在物体分类、场景分割等任务中均取得显著性能提升，为3D视觉的统一化发展提供了重要突破。

根据IDC全球半年度安全支出指南预测，2019年全球安全相关硬件、软件和服务的支出将达到1031亿美元，相比2017年增长9.4％。随着各行各业大力投资安全解决方案以应对各种威胁和满足各种要求，这一增长速度预计还将在未来几年持续下去。

新华三集团副总裁、技术战略部总裁李立出席第九届中国（天津滨海）国际生态城市论坛，并做了题为《数字经济，城市发展的新动能》的演讲，他分享了《城市数字经济指数白皮书》的核心观点，以及国内一些新型智慧城市在建设过程中存在的误区。

戴尔科技集团为未来边缘数以百万计的系统提供了一致的基础架构、数据、应用和安全方法

这项由哈佛大学、OpenAI等顶级机构联合开展的研究颠覆了物理学界对胶子散射的传统认知。研究团队发现，长期被认为不存在的"单负胶子散射"实际上在特殊的克莱因空间和半共线条件下可以发生，且表现出分片常数行为。更令人瞩目的是，关键公式由GPT-5.2 Pro首先提出并由AI完成证明，展现了人工智能在前沿物理研究中的突破性作用，为理论物理学和科学发现开辟了新的研究范式。

近日，博睿数据的智能运维算法平台Swift-AI，顺利通过了由中国信息通信研究院（以下简称“信通院”）开展的《智能化运维（AIOps）能力成熟度模型第2部分：系统和工具技术要求》首批正式评估，通过的“异常检测”模块达到全面级评价。

可视化分析的全球领先者Tableau Software在上海宝华万豪酒店成功举办了2018 Tableau年度数据峰会— Data Day Out大中华区的首站活动。

TodoRL团队开发的TodoEvolve系统解决了AI规划的核心难题：如何让AI根据不同任务特点自动选择最优执行策略。该系统通过PlanFactory统一框架整合现有规划方法，训练Todo-14B智能规划师实现动态架构合成。在多个测试平台上，TodoEvolve显著提升了AI系统性能，在GAIA测试中提高16.37%，在复杂推理任务中超越了更强大的基础模型。这项研究标志着AI系统从固定规划向自适应规划的重要转变。