IDC预计，2018年中国PC市场销售量约为5318万台，年度同比下降1.2%。 虽然市场略微下降， 但最近5年，中国乃至全球PC市场都在逐渐走出低谷。

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。

为了指导这一过程，数据中心搬迁清单可以派上用场。通过一份清单，你就可以清楚地定义搬迁过程的要求，然后确保在搬迁过程中满足这些要求。

在6月的议息会议上，美联储决定将联邦基金利率目标区间维持在5.25%至5.5%的水平不变，这已经是其连续第七次“按兵不动”。此外，美联储最新发布的点阵图显示，今年可能只有一次降息，相比之前预期的3次降息有显著减少。

达索系统在服务客户的过程中积累了众多成功经验和最佳实践，尤其在疫情期间，这些成功经验和最佳实践的不断复制，提高了制造业在疫情下的韧性。

近年来，席卷全球的数字化浪潮颠覆了各行各业的生产和运行方式，使得传统业务模式面临严重挑战。此时，利用对象存储实现业务数字化，进而实现业务转型正是业内普遍认可的方式。

这是阿里巴巴通义实验室推出的创新AI训练框架ZEROSEARCH，通过虚拟搜索环境替代真实搜索引擎进行训练，成本降低80%以上，效果反而更好。该方法采用渐进式学习策略，从简单到复杂逐步提升训练难度，让AI掌握稳定的搜索技能，为AI搜索能力发展开辟了经济高效的新路径。

卡内基梅隆大学研究团队提出MRT方法，通过元强化学习优化AI推理过程。该方法不仅关注最终答案正确性，还奖励思考过程中的有效进展，解决了现有AI"思考时间长但效率低"的问题。实验显示MRT在数学推理任务中准确率提升2-3倍，计算效率提升1.5-5倍，为构建更智能高效的AI系统提供了新路径。

红帽中国区总裁在日前红帽“Open讲”活动中表示，红帽作为全球第一大开源软件公司，已经能够提供非常完整的技术支持，但有两点它是坚决不做的，一是不做硬件，二是不做应用。

Mozilla发布Firefox 141浏览器新版本，解决了Linux用户长期面临的后台更新重启问题。现在即使程序在后台更新，用户也可继续使用直到方便时重启。新版本还减少了内存使用量，为标签组功能添加AI智能命名，支持垂直标签栏控制区域大小调整。地址栏新增单位换算功能，Windows用户获得WebGPU支持，更多国家支持地址自动完成，新增九种语言的设备端机器翻译支持。

文章指出，自 ChatGPT 引发生成式 AI 革命以来，该技术正从传统的创意与编码辅助转向提供情感支持、生活规划与个人发展建议，预示着 AI 未来将作为协同助手出现，助力缓解压力、提升工作效率。

南京大学团队提出PixNerd，一种革命性的像素空间图像生成模型。该模型摒弃传统VAE两阶段架构，直接在像素层面工作，通过神经场技术实现端到端训练。在ImageNet测试中达到2.15 FID，推理速度比同类模型快8倍，支持任意分辨率生成。研究还扩展至文本生成图像，在GenEval和DPG基准测试中表现优异，为AI图像生成提供了更简洁高效的解决方案。

小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化，在数学推理和编程任务上超越了320亿参数的大模型，甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施，将训练速度提升2.29倍。该成果已完全开源，为AI民主化发展提供了新思路。

根据UPS首席技术官Juan Perez的说法，“在UPS，业务推动着技术的发展。”下面就让我们来看看UPS是如何使用大数据和人工智能（AI）为第四次工业革命做好准备的。

归根结底，AI最大的价值实际在于降低管理成本。

小米肯定没有想到，200万换一个Logo的新闻，竟然比小米造车更有轰动性。不过这事的戏剧性确实挺强的。

这项研究由ISTA和谷歌研究院联合开发的"影响力蒸馏"方法，通过利用二阶信息为训练样本分配最优权重，实现了大语言模型训练数据的高效选择。该方法在数学上有坚实理论支持，并创新性地引入"地标"近似技术，仅需计算少量样本的精确影响力，再高效传播到其他样本，大幅降低计算成本。实验证明，该方法在多种模型和任务上均优于或匹配现有技术，同时实现了高达3.5倍的速度提升，为大模型训练开辟了更高效的路径。

近日微软高管Judson Althoff在微软合作伙伴活动中宣称：“VMware自去年11月被芯片制造商博通收购以来，其价格和其他变化给世界带来了最棒的礼物”。

微软研究院联合多所大学开发了villa-X机器人学习系统，该系统通过引入"潜在动作"中间表示，成功解决了机器人理解人类指令并转化为具体动作的难题。系统采用分层专家设计，结合视觉和物理信息学习，在仿真和真实机器人实验中都表现优异，特别是在跨机器人平台的泛化能力上取得重要突破，为通用机器人智能奠定了基础。

数字说话，看产业动向和趋势