飞桨公布最新全景图，带来多达35项全新发布和重磅升级，不仅进一步升级核心框架、完善从开发训练到部署的全流程工业级极致体验、深化企业端服务，更着眼未来，引领布局前沿技术，首发量子机器学习开发工具“量桨”，以及蓄力AI人才培养和开发者生态等。

按照计划，HPE将解决社会问题、环境问题、企业问题和提升生活福祉等作为企业创新方向，并为客户推动数字化转型、减少碳足迹、在价值链中的各个环节维护相关方权益，帮助客户和社区应对特殊时期带来的巨大挑战。

香港科技大学研究团队提出PreSelect方法，通过分析文本对不同AI模型能力的预测能力来筛选高质量训练数据。该方法基于"能够准确反映模型能力差异的文本往往也是最佳训练材料"的核心洞察，仅用轻量级fastText分类器就能实现大规模数据筛选，在多项实验中展现出10倍训练效率提升，为AI模型开发提供了经济高效的解决方案。

清华大学研究团队提出RLVR-World框架，通过可验证奖励的强化学习直接优化世界模型的预测质量，而非传统的最大似然估计。这一方法在文本游戏状态预测和网页导航中显著提升了准确率，在机器人视频预测中改善了视觉质量并减少重复问题。RLVR微调仅需几百个梯度步骤即可取得显著成效，远比传统训练高效。研究证明该框架可作为生成模型的通用后训练范式，为自动驾驶、机器人控制等应用提供更准确的环境预测能力。

北京大学与小红书公司联合研究团队提出的Uni-Instruct框架，成功统一了10多种现有单步扩散蒸馏方法。该框架基于新颖的f-散度扩散扩展理论，通过可计算的等价损失函数训练单步扩散模型。实验表明，Uni-Instruct在CIFAR10和ImageNet 64×64数据集上创造了新的单步生成记录，FID分别达到1.46和1.02，甚至超越了其79步教师模型。研究还成功将该方法应用于文本到3D生成任务，展示了统一框架在提升生成质量和效率方面的巨大潜力。

数据湖这个词在21世纪10年代初出现的时候，有些人认为它是在恰当的时间出现的一种恰当的架构。数据湖是一种非结构化的数据存储库，利用了新的低成本云对象存储格式（如Amazon S3），可以容纳来自网络的大量数据。

清华大学团队开发出LangScene-X系统，仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图，配合语言量化压缩器实现高效特征处理，最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%，为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。

IT组织正在重塑传统结构，以提高敏捷性，与业务建立更紧密的联系——同时开辟新的职业道路。

战胜病毒的最好方式，就是了解它。

经济奇点指绝大多数人类失去工作的时刻。作者分析了关于经济奇点的五个常见误区：自动化不会造成失业、工作提供人生意义、经济奇点是坏事、收入分配问题及就业逐步消失。文章指出，认知自动化与过往机械化不同，将全面替代人类工作。失去工作后人们仍可从家庭、兴趣中获得意义。关键挑战是收入分配，需要大规模财富再分配和接近免费的商品服务。就业可能突然全面消失，社会必须提前准备应对方案。

浪潮与格力的合作是计算力赋能制造业数字化转型的典型标杆，而且双方在多个方面可以进行合作，包括人工智能、智能工厂等，从而为探索制造业的未来变革提供了有益的参考，期待双方有更多的合作成果落地！

近期，恩智浦半导体在苏州举办了一场针对分销商的内部活动，在活动后的采访中，恩智浦谈及了AI时代下的转型与变革，以及如何应对这一变革。

LG AI研究院发布了两个全新的韩国AI专业能力测试基准KMMLU-REDUX和KMMLU-PRO，通过真实的职业资格考试题目评估AI的专业能力。研究发现AI在医学领域表现较好，但在法律等地域性强的专业领域仍有不足，为AI的专业化发展和实际应用提供了重要评估工具。

近期，恩智浦半导体在苏州举办了一场针对分销商的内部活动，在活动后的采访中，恩智浦谈及了AI时代下的转型与变革，以及如何应对这一变革。

1月16日和1月19日，以“云聚中爱·启航欧洲”为主题的中爱科技产业投资论坛分别在上海和北京成功举办，来自全国各地的政府官员、专家学者、企业家和投资者等数百人共聚一堂。

开放原子开源基金会理事长杨涛先生现场接受了至顶网的独家专访，分享了诸多有价值的观点和见解，包括如何看待中国开源发展面临的挑战和机遇、开放原子开源基金会工作推进情况

阿里达摩院等机构联合开发的AffordDex框架让机器人学会了人性化抓取。该系统通过两阶段训练，先让机器人模仿人类手部动作的自然性，再学习识别物体上的危险区域。实验显示其抓取成功率超85%，人类相似度评分达8.6分，既能安全避开刀刃等危险部位，又保持了动作的优雅自然，为未来智能机器人发展奠定基础。

KRAFTON研究团队提出T1方法，让小型AI模型通过借助代码解释器等外部工具进行自我验证，解决了小模型记忆力有限导致的验证准确性问题。实验显示，10亿参数的模型配合T1方法在数学推理任务上能够超越80亿参数的独立模型，为小型AI模型的高效部署开辟了新路径。

可以看到，单纯将Hopper替换为Blackwell并不是最好的答案。根据英伟达方面的解释，只有在配合一系列正确举措之后，推理性能提升至30倍、推理功耗降低至1/25的结果才有可能实现。

在信息技术快速发展和数字化浪潮席卷全球的今天,中国企业正积极迎接数字化转型的挑战和机遇。