AI项目的失败往往跟大麻烦无关，而是由一个个微小细节所决定。面对种种激动人心的可能性，企业在最初启动AI项目时往往信心满满。但具体实施过程中的现实问题很容易熄灭这份热情，导致AI项目被搁置甚至最终失败。

至顶网总经理兼总编辑高飞近日与希捷科技全球副总裁暨中国区总裁孙丹进行了精彩的对话，双方畅谈了数据新经济的发展，也刷新了人们对于企业级存储观念，此次高端对话希望能对今天在数据化转型过程中的企业对数据经济、企业存储有新的启发和认知。

香港大学研究团队开发的MatTools是首个全面评估大语言模型在材料科学工具应用能力的基准测试框架。研究发现通用型大模型（如GPT-4o）显著优于专业材料科学模型；AI生成的文档作为检索源比原始代码或官方文档更有效；简单的自反思系统反而优于复杂的多代理架构。这项研究为AI辅助科学工具的设计提供了全新思路，强调"通才胜于专才"、"AI懂AI"和"简单更好"的原则，有望加速材料科学研究和技术创新。

在硬件层面，NVIDIA提出了Jetson产品家族，打造领先的边缘AI平台。同时，在软件层面，NVIDIA也推出了NVIDIA TAO工具包和Metropolis SDK，帮助企业加速创建、部署和扩展从边缘到云端的AI和IoT应用程序。

“世界上本来是没有什么学问的。学的时间长了，问的问题多了，就好像有学问了。”

来自加州帕洛阿尔托的 AI 初创公司 Reve AI 正式发布了 Reve Image 1.0 文本生成图像模型。该模型在提示词遵循度、美学效果和文字渲染方面表现出色，目前可在 preview.reve.art 免费体验。作为该公司的首个产品，Reve Image 凭借其卓越的性能已跃居第三方基准测试榜首，超越了包括 Midjourney v6.1 和 Google Imagen 3 在内的多个竞品。

印象笔记和Notion代表着笔记应用的两个世代，当所有人都要把AI“武装到牙齿”，它们又能玩出什么花样？

通过将存储管理软件与硬件分离，软件定义解决方案使企业可以独立购置硬件和软件，而不必被受制于专有平台。

目前，除了谷歌的TPU或亚马逊的Trainium ASIC等定制云硅，绝大多数正在构建的AI训练集群都由Nvidia的GPU驱动。尽管Nvidia在AI训练战斗中获胜，但推理的竞争远未结束。

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。

这项由弗吉尼亚大学与Adobe研究院合作的研究突破了传统图像到视频生成的空间限制，提出了"Frame In-N-Out"技术，使物体可以自然地离开画面或新物体能够进入画面。研究团队创建了专门的数据集和评估方法，并设计了一种融合运动控制、身份参考和无边界画布的扩散变换器架构。实验结果表明，该方法在生成质量和控制精度上显著优于现有技术，为电影制作和创意内容创作提供了新可能。

约翰斯·霍普金斯大学研究团队发现AI绘画系统训练失败的根本原因：几何学冲突。他们提出黎曼流匹配解决方案，让AI学习过程遵循球面几何规律而非直线路径，配合雅可比正则化技术智能调整学习重点。实验显示该方法使标准AI模型在图像生成任务上取得显著突破，FID分数从失败状态提升至3.37，证明了几何学原理在AI系统设计中的重要作用。

我们重点介绍一下如何更好的与ChatGPT沟通，来帮助我们生活和工作。

KCon 黑客大会，知道创宇出品，追求干货、有趣的黑客大会；中国网络安全圈最年轻、最具活力与影响力的前沿网络安全攻防技术交流平台。“汇聚全球黑客的智慧”是 KCon 黑客大会的一贯宗旨，我们痴迷于黑客技术研究、热衷交流分享！

南洋理工大学研究团队提出U-CoT+框架，通过将表情包转换为文字描述再结合人工制定的判断准则，让小型AI模型能够高效检测网络有害内容。该方法在七个数据集上表现优异，成本更低且具有更好的透明度和适应性，为网络内容审核提供了新的解决思路。

通常认为远程和混合工作就是常态，更多的企业正在适应这个新的现实，要做的时候采用数字服务的思维方式以拥抱前瞻性的方法，进而保持领先及确保未来的业务。不过即使企业可以乐观地向前发展跟得上数字化转型的快速步伐，不幸的是这些举措的70%仍然以失败告终

阿贡国家实验室开发的AERIS系统是首个能稳定预测90天天气的AI模型，参数规模达800亿，在Aurora超级计算机上创造10.21 ExaFLOPS性能记录。通过创新的SWiPe并行策略和扩散模型架构，AERIS在中期天气预报和极端事件预测方面超越传统方法，成功预测飓风路径和欧洲热浪，代表AI气象预报的重大突破。

UNC与谷歌DeepMind合作研究发现，有效的AI推理策略能够显著降低模型学习的内在维度，即完成任务所需的最少参数数量。通过对14种推理方法的测试，研究团队发现内在维度与泛化能力呈强负相关（相关系数0.93），其中程序执行推理表现最佳。这一发现为AI训练策略优化提供了新思路，表明推理质量比复杂度更重要。

清华大学提出MoveGCL框架，首次实现在完全不共享敏感出行数据的前提下，多城市协作训练全球通用人工智能出行预测模型。该技术通过生成虚拟轨迹传递知识，结合混合专家系统和渐进式学习策略，在六个美国主要城市的测试中展现出优异性能，为隐私保护下的协作学习提供了新范式。

中科院团队开发的SimpleGVR系统革新了AI视频增强技术，通过直接在潜在空间处理和创新的分阶段训练策略，能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率，还能修正AI视频特有的颜色混合等问题，在多项指标上超越现有顶级方法，为AI视频生成领域提供了实用的解决方案。