3月17日，国际权威机构IDC、浪潮信息、清华大学全球产业研究院联合发布《2021-2022全球计算力指数评估报告》，报告对六个大洲的15个国家，从计算能力、计算效率、应用水平和基础设施支持四个维度对各国计算力水平进行全面评估。

你不必是零售巨头，就可以使用AI来改善你的供应链。

香港大学团队开发出AI数据库修复工具BIRD-FIXER，能自动诊断和修复SQL查询错误。该研究构建了包含1100个真实SQL问题的基准测试，创新性地采用"逆向工程"策略生成训练数据，让AI学会像专家一样调试代码。BIRD-FIXER在基准测试中达到38%的成功率，超越多个商业AI模型，为中小企业提供了实用的数据库问题解决方案，大大降低了SQL使用门槛。

面对着金融行业企业级、生态级的竞争，很多金融机构都开始站在全局的高度，思考企业级业务和技术架构的建设，构筑新一代信息化建设的基础，让科技真正赋能甚至引领业务。

明尼苏达大学团队开发的MPO系统让AI评判具备了类似人类的元认知能力，能够自我反思并动态调整评价标准。该系统有效解决了AI训练中的"奖励欺骗"问题，在文章写作、文档总结、道德推理和数学推理四个任务中都表现出显著优势，为构建更智能、更可靠的AI系统开辟了新路径。

在锦江都城这个项目中，华为云了解了大型酒店集团如何实现数据库上云和数据转型。华为云把这些抽取出来，形成酒店集团数据库上云的最佳实践或者方法，并将这些在更多企业中落地。

全球气候危机加剧之际，人工智能技术呈现双面性特征。一方面，AI可通过智能电网减少20%能源浪费，精准农业技术优化水资源利用，智能交通系统降低30%城市排放。另一方面，训练单个大型AI模型耗电数千兆瓦时，排放数百吨二氧化碳。数据中心用电量预计2024-2030年年增15%，远超其他行业增速。解决这一矛盾需要优先开发高效AI架构，建立环境影响评估机制，确保AI发展服务于气候目标而非加剧环境负担。

为进一步拉动汽车产业链供应链企业转型升级，赋能区域制造业数智化跃升发展，共谱数字化转型“江夏答案”，华为武汉城市产业云创新中心以普惠智造服务江夏制造企业数字化转型，在该区打造了一批企业上云标杆和创新项目。

这项由中国香港中文大学（深圳）团队主导的研究发现，AI大模型存在"前缀主导陷阱"问题——仅15%的错误开头就能导致20%的性能下降。研究团队创新性地提出LeaP方法，让多个AI推理路径在思考过程中互相交流协作，显著提升了推理准确性。实验显示，使用LeaP的32B模型甚至超越了671B模型，证明了AI协作的巨大潜力。

Writer 推出全新 LLM Palmyra X5，配备百万标记窗口，利用混合注意力和专家混合技术，在降低成本的同时实现接近 GPT-4.1 的性能，助力企业部署高效 AI 自动化。

8月30日，神州数码控股有限公司（以下简称“神州控股”）发布截至2019年6月30止六个月（“期内”）之经营业绩。

在近日举行的浪潮云海创新论坛2020上，浪潮全球首发智算中心操作系统，旨在通过对智算中心基础设施资源池的管理和调度对各类智慧计算应用进行支撑，从而实现云数智融合及智慧服务的交付。

上海人工智能实验室等机构联合发布VisuLogic基准测试，专门评估AI的纯视觉推理能力。测试包含1000道人工验证题目，涵盖数量、空间、位置等六类推理任务。结果显示，包括GPT-4o在内的顶级AI模型准确率仅26-28%，远低于人类51.4%的表现，揭示了当前AI在视觉逻辑推理方面的严重不足。研究通过强化学习训练实现了显著提升。

Yellow.ai研究团队开发了革命性的多模态文档分块技术，让AI系统能像人类一样"看"PDF文档，而非仅仅"读"文字。该方法采用批量视觉处理和上下文保持机制，解决了传统固定长度分块导致的表格分割、内容破碎等问题。在RAG系统测试中，准确率从78%提升至89%，显著改善了文档理解质量。

谷歌DeepMind研究团队开发了革命性的语音合成技术，采用数据驱动方法让AI学会像人类一样自然说话。通过观察大量真实语音数据，新系统能够生成更自然、更有情感的语音，在客观测试和主观评价中都显著超越传统方法。这项技术将为智能助手、有声读物、教育软件等领域带来重大改进，同时为语言障碍人群提供帮助，展现了人机交互技术的光明前景。

由蒙纳士大学和AWS AI实验室联合开发的CTF-DOJO是全球首个网络安全AI训练环境，包含658个真实CTF挑战。通过创新的CTF-FORGE自动化系统，仅用486个高质量训练样本就让AI在三大权威测试平台上取得显著提升，32B模型达到31.9%成功率，媲美顶级商业系统，为开源AI安全研究开辟新路径。

数智化时代，企业主数据如同“新石油”，是驱动企业运营和决策的核心动力。用友 BIP 企业画像主数据服务运用大数据处理和分析技术，帮助企业快速甄别目标企业全貌画像信息，降低经营风险，助力企业决策，为企业提供更便捷、高效的服务。

这项研究提出了VIDEO-SKILL-COT（别名VIDEO-SKOT），一种新型视频理解框架，能自动构建和利用技能感知的思维链进行领域自适应视频推理。北卡罗来纳大学教堂山分校的研究人员首先从训练问题中提取领域相关推理技能并聚类成共享技能分类法，然后为每个视频-问题对创建定制的多步骤思维链。接着，他们开发了技能专家学习框架，每个专家模块专注于特定推理技能集。在三个不同的视频理解基准测试上，该方法一致优于现有系统，显示了其出色的领域适应能力。

哈工大（深圳）团队提出VerIPO方法，通过验证器引导的迭代策略优化提升视频大语言模型的长推理能力。该方法创新性地在GRPO和DPO训练阶段之间引入验证器，筛选高质量推理样本，有效解决了传统强化学习方法在推理链质量和上下文一致性方面的不足。实验表明，VerIPO训练的7B参数模型超越了包括Kimi-VL（16B）和Video-R1在内的更大模型，在VSI-Bench等基准测试中取得41.8%的准确率，同时生成更长、更一致的推理链，为视频大模型的深度推理能力培养提供了高效可行的新方法。

微软团队开发的EdiVal-Agent是首个针对AI图像编辑的自动化评估系统，能像专业评委一样从指令遵循、内容一致性和视觉质量三维度评分。该系统与人类评审一致性达81.3%，测试发现Nano Banana表现最均衡，GPT-Image-1指令遵循最佳但一致性不足，大多数模型在数量变化任务中成功率低于25%。