半个多世纪以来，摩尔定律让计算性能取得了飞跃，现在一台智能手机的计算能力，已经可以赶上80年代的超级计算机了。而今天，对计算力的渴望，我们和半个世纪以前的人们依然没有什么区别。

美国时间2018年5月14日-16日，VeeamON 2018年度用户和合作伙伴大会上在美国芝加哥举行。Veeam联合首席执行官兼总裁Peter McKay再次向用户和合作伙伴阐述了最新愿景

每一座城市，都有属于自己的脉搏、文化和特性。有位生活家曾说过，华盛顿不是美国，东京不是日本。只有当你真正去到一座城市，便会懂这话的意思。

在数字化转型上，大多数政企客户也依然面临着许多阻力和挑战。

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。

增强性能与协作能力，Latitude商用笔记本与Precision工作站系列助力用户“随处办公”更高效。

作为中国的老牌家电企业，TCL是如何在数字化这片“无人区”辨明方向的？TCL实业控股首席技术官孙力在第十期《刷新CTO》节目中分享了TCL的“秘诀”。

5G代表的新一代网络技术，也就是“新联接”的到来最有可能作为“两新一重”整体产业经济价值更新的启动点。

香港中文大学深圳校区团队提出CAKE方法，让大语言模型充当"智能厨师"为贝叶斯优化自动设计核函数。该方法能根据实验数据动态调整优化策略，在超参数优化、控制器调优和光子芯片设计等任务中均表现出色，特别是在实验次数受限时效果显著。CAKE不仅提升了优化效率，还能提供自然语言解释，为AI辅助科学研究开辟了新路径。

百分点基于实践探索自主研发出了OSS，可以将海量的网页内容、图片、音视频等非结构化数据，在高并发的场景下被快速、准确的存储及方便的下载。

这项由ETH苏黎世、ELLIS图宾根研究所和MPI图宾根的研究者合作完成的论文，揭示了评估大型语言模型预测能力时的关键陷阱。研究发现两类主要问题：数据时间泄露导致评估结果不可信，以及基准测试表现难以外推到实际预测能力。通过系统分析，研究者展示了这些问题如何可能导致对语言模型预测能力的过度乐观评估，并提出了更严格的评估方法建议，以帮助科研社区更准确地判断大模型的真实预测能力。

法国国家科研中心开发的OpenMed NER是一套开源医学文本AI识别系统，能从医学文献中自动提取疾病、药物、基因等关键信息。该系统采用创新的领域自适应预训练和LoRA微调技术，在12个测试数据集中的10个创造了新纪录，特别在临床数据识别方面提升显著。整个训练过程仅需单GPU运行12小时，碳排放不到1.2千克，展现出卓越的效率和环保性。

加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力，发现即使最先进的AI在理解视频中事件因果关系方面表现极差，大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench，并提出了识别-推理分解法（RRD），通过任务分解显著提升了AI性能，最高改善幅度达25.2%。

新加坡南洋理工大学研究团队开发的SimpleTIR方法，通过识别并过滤"无效回合"解决了AI多轮推理中的稳定性问题。该方法让AI在AIME24数学测试中的准确率从22.1分跃升至50.5分，训练过程更加稳定，并让AI自动掌握了交叉验证、渐进推理和自我纠错等高级推理模式，为开发更可靠的AI助手提供了重要技术突破。

下一个十年，零碳工厂将成为企业生存根本，也将成为未来商业世界里最重要的一个齿轮。

清华大学研究团队首次提出情感认知融合网络(ECFN)，让AI能像人类一样理解和表达情感。该系统通过多层次情感处理架构，在情感识别准确率上比现有最佳系统提升32%，情感表达自然度提升45%。研究突破了传统AI情感理解的局限，实现了跨模态情感融合、动态情感追踪和个性化情感建模，为医疗、教育、客服等领域带来革命性应用前景。

当其他企业还在低谷中上下求索的时候,二十余年来始终以“数字中国”为使命的神州数码集团,却在2022年一季度业绩大考中给出了营收增长19%、净利润增长20%的优异成绩。

七年来，它经历了从云计算到大模型的技术跃迁，为数千家企业带来前沿技术解决方案。它的故事，正是一则关于“数字摆渡”的当代寓言。

高通为中国的春节献上了一份礼物：可以实现2Gbps传输速率的骁龙X24调制解调器、预集成多个终端管理器及工具/接口的LTE IoT SDK、无线边缘服务以及5G新空口R16演示。

斯坦福大学人工智能实验室开发出革命性的"好奇心驱动"AI学习系统，让机器能够像人类一样通过主动探索来学习复杂技能。该技术通过内在动机机制，使AI学习效率提升十倍，并能够发现创新解决方案，在机器人导航、医疗诊断、自动驾驶等领域展现巨大应用潜力，为实现更智能、更自然的人机交互奠定基础。