人工智能正在改变所有行业里做生意的方式。许多能够减轻人工流程、完善洞察力和加快进度的系统正进入实用阶段。

NVIDIA公司（纳斯达克代码：NVDA）宣布，截至2022年7月31日的第二季度收入达67.0亿美元，较去年同期增长3%，较上一季度回落19%。

想象一下，你正在看一部喜剧片。剧中角色面无表情地说："我棒极了。"单看文字，你可能认为这是自信的表达。但如果你看到他说这话时翻了个白眼，用讽刺的语调，你立刻就会理解——这是在自嘲或嘲讽他人。这种理解需要同时分析文字内容、表情和语调。这正是多模态语言分析的核心：通过整合多种信息渠道（如文本、视频和音频），来理解人类交流中的高级语义。

2023年OpenAI推出Chat-GPT，开启AI和大模型元年。2024年，OpenAI的Sora引发AI浪潮，苹果放弃长期造车计划，转向AI。苹果股价小幅上涨，业界支持此决策。苹果计划将员工转移到AI部门，专注生成式人工智能项目。苹果Vision Pro作为XR设备，未来可能更多融合AI。

为了解决企业面对的难题，IBM全球信息科技服务部提供的多品牌技术支持服务（MVS）提供量身定制的交钥匙服务，企业可以技术支持服务全部交给IBM，可以把更多的精力专注于创新和业务拓展当中。

戴尔科技集团完成战略评估并达成协议，将以股票或现金置换V类追踪股票。

剑桥大学研究团队发布突破性研究，提出通过逆强化学习让AI从人类行为中推断真实意图的新方法。该方法解决了大语言模型训练中的关键挑战，包括缺乏明确奖励信号、计算资源需求巨大等问题。通过观察人类偏好数据而非直接指令，AI能更好地理解复杂的人类价值观，在对话、数学推理等领域表现显著提升。

面对出海大潮，AdTech平台面临来自新技术、新法规的种种挑战，如何利用低延时、高吞吐及低成本的云计算服务来满足业务需求成为众多国内出海AdTech平台的当务之急。

对于一家以邮购目录销售闻名的企业来说，The Very Group决定从构建企业级数据目录入手也是个顺理成章的选择。这家公司其实是早些多家邮购目录企业的合并产物，其中最早的一家甚至可以追溯到1890年代。

苹果公司研究团队开发了AXLearn，一个模块化的大型AI模型训练系统。该系统采用严格的组件封装设计，能在GPU、TPU、Trainium等异构硬件上运行，将添加新功能的代码量从数百行减少到10行，实现了常数级的复杂度增长。研究团队创造了"代码行复杂度"指标来量化模块化优势，并通过大规模实验证明了系统的高性能和扩展性。

亚马逊首席科学家Mandip Goswami发布BeepBank-500开源数据集，包含300-500个参数化合成电子音效，专为听觉界面研究设计。该数据集提供完整的元数据标注、可重现的生成脚本和基准测试，音频采用CC0-1.0许可证完全开放，填补了电子音效研究领域缺乏标准化工具的空白，为心理声学和人机交互研究提供了便捷的实验材料。

希伯来大学研究团队创建了CHIMERA，这是一个从科学文献中自动提取思想重组实例的大规模知识库。研究区分了两种重组类型：概念融合和灵感迁移，并从28,000多个案例中揭示了跨学科创新的模式。研究发现认知科学和生物学是AI领域重要的灵感来源，且不同领域间的灵感流动呈现动态变化。基于这一知识库，团队还开发了能预测新创新方向的模型，经真实研究人员评估证实其有效性。这项工作为理解科学创新提供了新视角，也为研究人员探索跨领域思想融合提供了实用工具。

脱离大公司体系，他们重新认识自己的生存能力。

12月14日，英特尔举办以“应云而变，携手加速创新”为主题的英特尔数据中心GPU Flex系列媒体沟通会。

韩国科技院研究团队创建ViExam数据集，首次全面评估视觉语言模型在越南语多模态考试中的表现。通过2548道涵盖七个学科的题目测试，发现顶级AI模型平均准确率仅57.74%，低于人类学生66.54%的水平。研究揭示AI在多模态推理方面的局限性，为多语言AI发展提供重要参考。

卡内基梅隆大学研究团队开发了ViGoRL系统，通过视觉定位强化学习显著提升AI的视觉推理能力。该方法让模型将每个推理步骤明确锚定到图像的特定坐标，模拟人类注视点转移的认知过程。与传统方法相比，ViGoRL在SAT-2、BLINK等多项视觉理解基准上取得显著提升，并能动态放大关注区域进行细节分析。这种定位推理不仅提高了准确性，还增强了模型解释性，为更透明的AI视觉系统铺平道路。

Happy Socks首席信息官Vivek Bharadwaj负责企业技术战略、IT转型和数字营销等多个领域。他通过建立AI业务流程转型单元来推动运营优化，并消除了企业业务单元间的数据孤岛。公司迁移到Snowflake AI数据云平台，实现了从Excel手工报告到每15分钟更新的实时报告的转变。在AI应用方面，公司制定了严格的人工监督政策，确保负责任的AI部署。

微软研究院与北京大学的团队开发出全新的大型混合推理模型（LHRMs），解决了大型推理模型的过度思考问题。这种创新模型能够像人类一样，根据问题复杂度自动决定是否需要深入思考。研究团队设计了两阶段训练方法，包括混合微调和混合群体策略优化，使模型学会智能切换思考模式。实验证明，LHRMs不仅在数学、编程等推理任务上表现出色，还避免了对简单问题的过度思考，大幅提升了响应效率和用户体验。这项研究为构建更接近人类认知模式的AI系统提供了新思路。

3月10日，绿盟科技2023合作伙伴大会在成都盛大召开。

用技术解决商业问题被视为企业应对危机最有效的手段之一，而智慧企业则被认为是适应外部环境变数的最重要形态——这样的“共识”，正在让全球数字化变革加倍提速。