投资有风险。

谷歌的云计算业务首次实现盈利。

Zencoder 推出的 Zen Agents 平台支持团队制作和共享定制 AI 工具，助力缩短开发周期、提高协作效率。

2017年，抖音还只是个 DAU 不足百万的初创项目，短短几年就成为亿级 C 端产品。在字节，这样的 APP 还有很多。字节内部是如何同时支持这么多产品以高效敏捷的方式发展壮大的？

数字化时代，更多更大的数据量需要更快的存储速度。而速度取决于很多因素，比如汽车速度快慢受发动机影响，而存储速度就由控制器、硬盘介质和协议等决定。这里

阿里巴巴推出的Ovis2.5是一个革命性的多模态AI模型，具备原生分辨率图像处理和深度推理能力。它采用五阶段训练体系，在OpenCompass评测中创造了开源模型新纪录。其突破性的思考模式让AI能够进行类人推理和自我纠错，在数学推理、图表分析、文字识别等方面表现卓越，为教育、医疗、商业等领域提供了强大的AI助手解决方案。

软件容器公司Portworx正与HPE合作，以更快的速度部署和扩展容器化工作负载。

OpenAI研究团队创建了SWE-Lancer基准，通过1400多个来自Upwork的真实软件工程任务（总价值100万美元）评估AI编程能力。测试包括个人编程任务和技术管理决策，使用专业工程师编写的端到端测试进行评估。最佳AI模型Claude 3.5 Sonnet成功率达26.2%（编程）和44.9%（管理），总共赚取20.8万美元，展现了AI在软件工程领域的潜力和局限。

本文探讨了如何有效推动组织变革，指出人们并非天生抗拒变革，而是抗拒被动接受变革。文章提出了四个消除阻力、实现可持续变革的关键步骤:理解阻力真正原因、将变革与员工利益关联、让员工参与决策过程、培养全员变革领导力。通过透明、协作和有力领导,组织可以消除阻力,加速转型。

“在云原生里环境里，所有东西都是动态的，而且数量等都会随着访问压力进行调整，如果仍然采用传统的监控手段就会变得非常困难。”

多模态大型语言模型（MLLM）通过在大型语言模型（LLM）中集成视觉编码器，在多模态任务中取得了有希望的结果。然而，大型模型的大小和广泛的训练数据带来了显著的计算挑战。例如，LLaVA-NeXT的最大版本使用了Qwen-1.5-110B，并且使用128个H800 GPU训练了18小时。

HPE ProLiant 500 Series Gen10服务器最显著的特点是：使用了CPU夹层板（CPU Mezzanine Board）的设计。

2018年的存储行业更像是2017年的延伸：发生巨大变化。很多趋势——如云采用率提高、从磁盘转向闪存、向软件定义一切转变——将塑造存储和数据中心基础设施。

没想到解决自动驾驶轮船的疑问，还帮我解决了另一个难题——如何防止树莓派吃灰，现在是时候用 OpenVINO 和神经计算棒去重新部署一下我的 YOLO 模型了。

个人计算机和服务器巨头戴尔公司今天表示，正在考虑剥离持有的虚拟化厂商VMware 81%股份的可能性。

俄罗斯人工智能研究院团队揭示大语言模型的惊人秘密：标点符号和停用词在AI记忆系统中扮演关键角色。研究发现删除这些"无关紧要"的词汇会显著降低AI性能，颠覆了传统认知。团队开发的LLM-Microscope开源工具让普通人也能窥探AI内部工作机制，为AI可解释性研究开辟新方向。

随着引领大规模业务转型的新领导角色出现，IT领导者将继续在推动数字化变革方面做出贡献——无论头衔是什么。

意大利理工学院与英国阿伯丁大学联合研究团队发布了一项突破性研究，提出通过合成数据训练视觉语言模型实现机器人的视觉视角采纳能力。研究团队创建了一个包含RGB图像、语言描述和精确空间变换矩阵的合成数据集，使机器人能够理解物体在不同视角下的空间关系。这一基础工作为实现能在人机交互中理解空间关系的具身AI系统铺平了道路，有望显著提升未来机器人与人类协作的自然度和直观性。

7月14日，以“释放数智生产力”为主题的 Kyligence 用户大会在上海前滩香格里拉大酒店成功举行。

前不久在美国波士顿举行的Red Hat Summit大会上，Matt Hicks宣布红帽将与通用汽车（General Motors）合作，传递出“软件创新不再局限于数据中心”这一信息。