“AI将会在人类未来文明的演进中，扮演非常深刻的作用和影响。”

微软拥有40万个成员的合作伙伴生态系统对于中小型客户（SMC）群体取得成功“至关重要”，2025财年这个群体的总潜在市场规模为6610亿美元。

在开源政策峰会上，SUSE高管意外透露公司内部使用微软Teams进行会议。调查发现，主要Linux厂商如Red Hat、SUSE和Canonical都在内部使用Gmail、Teams等专有软件，而非开源协作工具。这与它们倡导的"数字主权基于开源"理念形成矛盾。文章指出，微软通过"吃自己的狗粮"不断改进产品，而开源厂商应效仿这一做法，在企业内部全面采用开源解决方案来强化整个开源生态系统。

在F5以云无边界，架构未来为主题，举办F5多云应用服务科技峰会前期，F5公司全球执行副总裁兼首席技术官、首席华裔科学家林耕接受了至顶网的访问，并向我们讲解F5如何通过多云应用服务，助力企业迎接数字化挑战。

“我们现在以服务模式在运行的云有20多朵，明年的目标是50朵，后年的目标是100朵。”

日本大阪大学和捷克技术大学研究发现，CLIP等AI视觉模型能从图像中识别相机型号、压缩方式等技术细节，准确率超80%。这种能力会影响模型对图像语义的判断，导致检索和识别结果出现偏差。研究分析了47种模型，发现视觉语言模型最敏感，自监督模型相对较好。团队还发现训练时使用数据增强技术可降低这种敏感性，为改进模型提供了方向。

微软首席执行官Satya Nadella在最近的一次投资者会议上表示：“人工智能将成为未来技术发展的重要趋势之一。”

近期，紫光股份旗下新华三集团交换机产品线总经理兼首席产品经理李玉涛在接受媒体采访时，向我们展示了在数字化智能时代，全新的“光进铜退”——新华三在交换路由设备上对硅光技术的普及应用。

Commvault（纳斯达克代码：CVLT）宣布，领先的行业研究机构GigaOm在其最新的《GigaOm Kubernetes数据保护雷达报告》中连续第三年将Commvault评为“领导者”和“表现优异者”。

EXP-Bench是一项开创性研究，旨在评估AI是否能够自主进行AI研究实验。来自密歇根大学等机构的研究团队创建了这个基准测试，从51篇顶级论文中提取461个研究任务，挑战AI代理完成从实验设计到结果分析的全过程。评估结果显示，虽然AI在单项任务上得分可达20-35%，但完整实验的成功率仅为0.5%，揭示了当前AI在设计复杂实验、实现代码和确保稳健执行方面的关键瓶颈，为未来AI研究助手的发展提供了明确方向。

OPPO AI团队发布TaskCraft系统，通过自动化工作流程生成高质量AI智能体任务。该系统采用原子任务构建和深度/宽度扩展策略，能够自动创建需要多步骤、多工具配合的复杂任务，生成约36000个不同难度任务。相比传统人工标注，TaskCraft大幅降低成本，任务通过率达43%，显著优于直接生成方法的18.5%。

F5 Networks近日宣布将以6800万美元收购云安全公司Threat Stack，这也将是该厂商在过去几年中进行的第四次重大收购。F5表示，希望将其应用安全软件和应用编程接口保护工具与Threat Stack的产品相结合，以“增强跨应用基础设施和工作负载的可见性”。

生成式 AI 模型需要大量真实数据训练，但互联网上的内容仍不足以应对所有情况。为继续发展，这些模型需要使用模拟或合成数据进行训练。专家指出，AI 开发者必须负责任地使用合成数据，否则可能会迅速出现问题。合成数据可以教导模型应对现有数据中不存在的场景，但关键是要确保这些数据可靠且符合现实。

华为也正是在用这样的技术投入和转型经验服务于更多企业数智化转型。

快手作为国民短视频平台，与NVIDIA打造的本次圣诞专场直播，不仅异于其他直播形式，同时出现众多直播领域新技术，新玩法，其中以虚拟互动“千人千面”的技术最为突出，为粉丝们带来沉浸感十足的打卡互动体验。

北京时间5月12日晚，事件视界望远镜（EHT）合作组织正式发布了银河系中心黑洞Sgr A*的首张照片。

对于许多在量子计算领域工作的科学家来说，投资者和首席信息官对量子计算的浓厚兴趣是一把双刃。

NVIDIA联合多所大学开发的Omni-RGPT实现了AI视觉理解的重要突破，首次让AI能同时精准理解图像和视频中用户指定的任何区域。通过独创的Token Mark机制，该系统解决了传统方法在视频中容易"跟丢"目标的问题，在视觉问答、区域描述等多项任务上达到最先进水平，为教育、安防、内容创作等领域的AI应用奠定了基础。

运营数据中心的企业可以部署一些特殊的措施，以降低成为勒索软件攻击受害者的风险。当你控制了基础设施和托管设施的各个方面时，就可以采取一些措施来降低勒索软件威胁，而这在其他方面是不可能的。

中科大研究团队发现大型机器人数据集存在"捷径学习"问题：机器人虽然数据量庞大，但因数据内部多样性不足和碎片化严重，容易依赖表面特征而非真正理解任务。研究通过理论分析和实验验证了这一现象，并提出视角增强和物体替换等数据增强解决方案，为机器人学习领域提供重要指导原则。