英特尔的10纳米节点将于2021年下半年实现批量投产，届时英特尔7纳米芯片的产量也将逐步增加。两代芯片之间将共享一部分10纳米时代的制造设备，但7纳米处理器家族到底能不能带来良好的财务收益，恐怕在很大程度上取决于10纳米世代的市场表现。

亚马逊云科技过去几年来一直努力推动其Graviton产品线，AWS各大区域与数据中心正在全面迎接ARM新势力的到来。如今，微软也开始在Azure云上发布新实例，显然也想在ARM服务器芯片领域一展身手。

「 2022年10月，小贾从世界百强名校格拉斯哥大学毕业，回国后他投了近百份简历，结果回应寥寥无几。“互联网寒冬”下的岗位缩招，撞上“研究生扩招”带来的学历贬值，令名校学子的求职路也不再容易。」

西湖大学研究团队开发了Unicorn技术，首次实现仅用文字训练视觉语言AI模型，无需任何真实图片。该方法通过三阶段数据合成流程，将文字描述转换为合成图像表征，训练的Unicorn-8B模型在多项测试中表现优异。相比传统方法，成本降低96%、时间缩短73%，为AI训练提供了高效经济的新路径。

9月19日，以“Hello 5G 赋能未来”为主题的第十一届天翼智能生态博览会在广州盛大开幕。在第十一届天翼智能生态产业高峰论坛上，Qualcomm中国区董事长孟樸发表题为《5G赋能 共建未来》的主题演讲...

目前的AI技术，还不太可能对企业、员工或者说更为宏观的整个经济体系带来颠覆性影响。

中科江南结合在财政信息化领域的经验，研发了基于微服务架构的财政预算管理一体化系统。

微软研究院开发出LongRoPE2技术，能让大型语言模型的记忆容量扩展64倍至12.8万字，同时保持98.5%的原有性能。该方法通过发现AI位置编码训练不均衡问题，采用智能搜索和混合训练策略，仅用传统方法八十分之一的资源就实现突破。这项技术将使AI能完整处理长文档、进行复杂对话，为文档分析、代码开发、内容创作等领域带来重大改进。

戴尔易安信PowerStore的发布，无疑是最近存储市场最为火热的话题。那么，作为经常与客户打交道的售前，又是如何看待这款产品的呢？

高通研究院提出VOCABTRIM技术，通过分析AI实际词汇使用模式，将推测性解码中草稿模型的词汇表从12万个精简至2-3万个高频词汇，在保持生成质量的同时显著提升内存受限环境下的推理速度，为Llama-3模型带来16%的性能提升。

10月15日，华为云举办了“华为云专属月·行业深耕”发布会，开启了2021年的专属月行动。其中包括1.3亿元上云津贴，为互联网企业，特别是电商、游戏、移动出行行业提供多类型、多组合、高频场景的专属商务政策等云产品及服务，成为互联网企业连接未来的桥梁。

卡内基梅隆大学等高校研究团队开发出SOTOPIA-RL框架，首次成功训练AI掌握复杂社交技能。该方法通过逐句精细评分和多维度评估，让AI学会在对话中平衡目标达成、关系维护和知识获取。测试显示AI社交表现大幅提升，在困难场景中达成率提升至8.31分，为开发更智能的AI客服、教育和医疗助手奠定基础。

量子计算机或将给密码学乃至企业、社会和政府的财务构成重大威胁。

与“西气东输”“西电东送”“南水北调”等超级工程类似，“东数西算”实施之路也荆棘丛生，该如何解决这些遇到的阻力和挑战呢？

CPU只有方寸大小，却足以撼动世界。在国内CPU研发之路上，飞腾公司有着浓墨重彩的一笔。今天，也是飞腾CPU首届生态合作伙伴大会召开的日子。

贝壳找房开发的AM-Thinking-v1是一个32B参数的推理优化语言模型，完全基于开源数据训练。该模型在数学推理和代码生成任务上表现出色，AIME2024得分85.3，超越了671B的DeepSeek-R1，证明了通过精心设计的训练流程，中等规模密集模型也能达到超大模型的推理能力。

这项哥伦比亚大学研究团队开发的Neuro2Semantic框架，能够从人类颅内脑电图信号中重建语义内容，开创了脑机接口技术的新可能。该框架通过两阶段过程工作：先用LSTM适配器将神经信号与文本嵌入对齐，再用预训练模型将这些嵌入转化为连贯文本。最令人印象深刻的是，它仅需30分钟的训练数据即可实现高效解码，远少于传统方法所需的16小时以上。研究表明该技术在未见过的语义内容上也表现出色，为帮助失语症患者等医疗应用铺平了道路。

NPU和异构计算扛起“AI PC时刻”的大旗？

实体清单让华为正在进行成立以来最大规模的战略转型——强化软件能力。基于软件是云的核心实现对华为云的组织调整。

Menlo Research推出革命性AI模型Jan-nano，仅用4B参数就在SimpleQA测试中达到83.2%准确率，超越了6710亿参数的DeepSeek模型。该模型采用创新的"搜索优先"策略，通过多阶段RLVR训练系统，让AI学会高效使用工具而非死记硬背知识。研究发现大模型存在"过度思考"问题，反而影响性能。Jan-nano证明了在AI发展中，聪明的策略比单纯的规模扩张更重要，为资源受限的AI应用开发提供了新思路。