香港大学等机构联合研究发现，AI训练方法决定学习效果：强化学习让AI真正理解并灵活应对新规则，表现提升显著；监督微调则让AI死记硬背，面对变化表现大幅下降。研究揭示两种方法各有价值，需要合理结合才能培养既有基础又有思维的智能系统。

数源AI推荐的论文《G3DR: Generative 3D Reconstruction in ImageNet》介绍了一种新的3D生成方法G3DR，能从单个图像生成多种高质量3D对象。G3DR利用深度正则化技术和预训练的语言视觉模型CLIP，

微软、谷歌和亚马逊公布2025年最后一季度财报，分析师认为关注重点应在云服务商的资本支出上。随着AI处理器需求推动市场从弹性供应转向管理稀缺，这些数字能更好地预示平台韧性和企业可行性。亚马逊计划2026年投入2000亿美元，谷歌约1800亿美元，微软预计约1000亿美元，各自投资重点不同，反映了对AI驱动需求的不同准备策略。

在华为云生态特别节目《ONE—华为云和TA的朋友们2022》中，华为云正式发布了“以能力为核心”的新伙伴体系，并提出“All in One，One for All”的新生态理念。

从成立之初，NITB的目标就在于助力政府实现数字化转型，为此NITB提供了包括基础设施、软件、服务在内的多元支持，贯穿了基础层、系统层和应用层，并且成功打造了政务云平台，“数字巴基斯坦”初见雏形。

近日，欧特克软件（中国）有限公司（以下简称欧特克）与中国建筑西南设计研究院有限公司（以下简称中建西南院）在由中建西南院举办的第一届数字化发展大会期间，宣布建立战略合作关系。

近日，欧特克软件（中国）有限公司（以下简称欧特克）与中国建筑西南设计研究院有限公司（以下简称中建西南院）在由中建西南院举办的第一届数字化发展大会期间，宣布建立战略合作关系。

7月28日，由中国信息通信研究院（以下简称“中国信通院”）安全研究所主办，数据安全共同体计划和大数据应用与安全创新实验室承办的 “数据安全峰会2022”在北京召开。

数智存储与计算创新的重要性正日益凸显。

VIAVI Solutions（VIAVI）（纳斯达克股票代码：VIAV）近日宣布将参加5G及未来无线网络管理演示，展示可维持或提升用户体验的高能效、低功耗蜂窝环境。

西北工业大学研究团队开发了FinePhys框架，解决了AI生成的人体动作不符合物理规律的问题。该系统通过在线估计2D姿态并转换为3D骨架，再利用欧拉-拉格朗日方程进行物理重估计，最终生成物理上合理的精细人体动作视频。在体操动作数据集上的实验显示，FinePhys生成的视频明显优于现有方法，特别是在保持生物力学结构和动作自然度方面。这一突破为影视特效、游戏开发和虚拟现实等领域带来新可能。

Nvidia公司创始人、首席执行官黄仁勋表示，由Nvidia最强大的硬件支持的人工智能正在被用于加速计算机芯片制造并打造更先进的微处理器。

沟通人工智能的挑战是多方面的。人工智能的范围及其运作方式完全不同的天性（分析包括自然语言处理及计算机视觉等）是一个维度；每个子领域的高速演进则是另一个维度；而推动人工智能变种和新应用的研究又是另外一回事。

IBM（NYSE：IBM）日前推出全新的IBM Z与云现代化中心，这是一个可提供大量工具、培训、资源和生态系统合作伙伴力量的数字化门户，帮助使用 IBM Z的客户加速在开放式混合云架构下的应用、数据和流程的现代化改造。

腾讯AI Lab最新发布的Locas技术通过创新的"侧挂记忆"设计，让AI模型能够像人一样持续记忆长文本内容而不遗忘已有知识。该技术仅需0.02%额外参数就实现显著性能提升，在20万字文本处理和长对话问答任务中表现优异，为构建真正智能的AI记忆系统开辟了新路径。

为了避开数字新贵并利用云带来的机会，MoneyGram这家国际汇款公司的数字化转型正在带来回报，并开辟了新的收入来源。

斯科尔科沃科技学院研究团队开发了一种新型损失函数——基于伊塔库拉-赛托散度的损失函数，用于解决风险敏感强化学习中的数值不稳定性问题。与传统方法相比，该损失函数不仅数值稳定，还保持尺度不变性，同时保留指数效用的理论保证。研究团队在多种金融场景和鲁棒组合优化问题上验证了其优越性，表明该方法可有效应用于金融、医疗和自动驾驶等高风险决策领域。

韩国大学研究团队提出OSP训练框架，通过Muon优化器、单尺度归一化和嵌入投影三项技术创新，从训练阶段就预防异常值产生，让14亿参数模型在4位量化下性能提升35%，仅增加2%训练时间却减少33%内存占用。这项突破性研究改变了AI模型优化的根本思路，为移动设备部署强大AI能力开辟了新路径，让普通用户未来能在手机上享受接近云端级别的AI服务。

Microsoft Research 的研究表明，推理扩展方法受模型、任务和问题复杂度影响显著，更多计算资源不一定提升性能且成本波动大，为企业应用 AI 推理提供了参考依据。

斯科尔科沃科技学院和合作伙伴的研究团队开发了新型AI方法"TLG"，有效识别违反常识的奇怪图像。该方法利用大型视觉-语言模型从图像提取基本事实，再通过注意力池化分类器分析这些事实的一致性，实现了WHOOPS!数据集73.54%和新创建的WEIRD数据集87.57%的准确率，均达到目前最佳水平。研究还创建了包含824张图像的WEIRD数据集，为评估AI对常识判断的能力提供更全面基础。