阿里巴巴推出Ovis-U1统一多模态模型，仅用36亿参数实现图像理解、文字生成图像、图像编辑三大功能。该模型在多项测试中超越专业模型，证明统一训练能相互促进不同AI能力。研究采用六阶段渐进式训练，创新设计精炼器模块提升性能，为开发全能AI系统提供新思路。

本文探讨了人工智能领域的最新模型进展，特别是o1-pro模型带来的突破。文章解释了新模型如何改变工程师与大语言模型交互的方式，提高了模型处理复杂任务的能力。同时介绍了业内专家对这些进展的看法，以及这些变化对AI技术发展的潜在影响。

“2018年10大最有影响力行业会议”榜单日前正式对外发布，戴尔科技峰会、AWS技术峰会、阿里云栖大会等10场会议活动上榜。

IBM首席执行官Arvind Krishna近日在IBM Think 2024大会上发表主题演讲，围绕IBM新产品发布、人工智能和量子计算的愿景发表了宣言。

9月10日，有海外 KOL在社媒平台上 爆出了疑似华米科技与特斯拉合作的海报，而就在同一天，华米科技创始人、董事长兼CEO黄汪也通过微博表示，9月15日将“继续飙车”，并配了一张去年发布 Amazfit GTR 造势时一辆 GTR 汽车的照片。

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”。

文章回顾了 Valkey 从 Redis 分支启动后的发展历程，介绍了 8.1 版本的发布、功能优化与社区扩展，并展望基于新改动的 v9 更新。

YouTube准备更新政策，打击创作者从"非真实"内容中获利的能力，包括批量生产视频和其他重复性内容。7月15日，公司将更新YouTube合作伙伴计划货币化政策，提供更详细的指导原则。随着AI技术的兴起，YouTube充斥着AI生成的低质量内容，包括AI语音配音、虚假新闻视频等。尽管YouTube将此称为"小幅更新"，但实际上是为了应对AI内容泛滥对平台声誉和价值的潜在损害。

华为云联创营MVP（全称：华为云联创营最有价值专家）是产业数字化的实践者，深耕行业，理解行业，直面产业数智化进程，并通过亲身实践引领行业跃迁

Matter、FAST 还有 Stable Diffusion，这都是些什么？搞清它们的定义，才能跟上 2023 年的最新趋势。

ByteDance和中国科学院的研究团队提出了Diffusion ConvNet (DiCo)，一种完全基于卷积神经网络的扩散模型架构，实现了图像生成任务中质量与效率的双重突破。研究发现DiT模型中的全局自注意力机制存在冗余，通过引入紧凑通道注意力机制，解决了卷积模型中的通道冗余问题。在ImageNet基准测试中，DiCo-XL比DiT-XL/2生成速度快2.7-3.1倍，同时实现了更优的图像质量，证明了纯卷积架构在扩散模型中的巨大潜力。

Fetii 是一款面向年轻人的团体打车应用，由德州农工大学毕业生创立。该应用填补了市场空白，为 7-14 人的团体提供便捷、实惠的按需乘车服务。Fetii 目前已在 6 个州的 68 个城市运营，每月服务超过 20 万乘客。公司近期获得了由马克·库班领投的 735 万美元种子轮融资，将用于进一步扩张市场。

瞻博网络（Juniper Networks）昨天宣布已经签署协议以4.5亿美元价格收购128 Technology，后者是位于美国马萨诸塞州伯灵顿的一家为企业网络提供支持软件平台的厂商。

想或不想上云的企业都会面临业务如何在云端进行部署的问题。下面就让我们看一下通过Docker打包后的Web应用在十大公有云上的应用处理能力表现。

ETH Zürich等机构研究人员提出TrustVLM框架，解决视觉-语言模型预测可信度问题。该方法利用模型中存在的"模态差距"，创新性地结合图像到文本和图像到图像的相似度，实现无需重新训练即可大幅提升误分类检测性能。在17个数据集的严格测试中，TrustVLM相比现有方法在关键指标上提升显著，同时改善了零样本分类准确率。此成果为AI系统在自动驾驶、医疗等安全关键领域的可靠部署提供了重要保障。

英特尔最新的《智能边缘展望报告》指出，边缘计算对企业来说至关重要，只有智能边缘才能引领企业走出迷局，把握好当前和未来的无限数据机遇。

英特尔与美光科技将解除双方的全球3D XPoint存储级内存业务合作关系。

据英国《金融时报》报道，微软曾一度考虑收购社交网络Pinterest。这暗示着微软正在积极寻求扩大在社交媒体市场的份额，并愿意为此投资数十亿美元。

新加坡国立大学等机构首次构建包含128万张图像的东南亚文化视觉数据集SEA-VL，解决AI系统文化认知偏见问题。研究采用人工众包、自动筛选、AI生成三种方法收集数据，发现自动筛选效率最高且质量可靠，而AI生成图像质量较差。该数据集覆盖东南亚全部11国文化元素，将为开发更公平包容的AI系统提供重要基础。

北京大学等七所院校研究团队通过"图灵眼测试"发现，包括OpenAI o1、Claude-4在内的15个顶级多模态AI模型在人类轻松完成的基础视觉任务上几乎全军覆没，成功率接近零。研究揭示问题根源在于AI视觉编码器的泛化能力缺陷，而非推理不足，为改进AI视觉系统指明了新方向，对自动驾驶、医疗影像等应用具有重要警示意义。