在复杂应用场景中，传统自动化测试面临着诸多严峻挑战。

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。

传统企业的IT经过多年的发展都相对复杂，要对其进行云化，面临着不小的挑战。同时企业也看到没有单一的形态的可以满足复杂需求，混合云、多云则成为必然选择。

IntelliGen AI推出IntFold可控蛋白质结构预测模型，不仅达到AlphaFold 3同等精度，更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态，在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计，IntFold可高效适应不同任务而无需重新训练，为精准医学和药物发现开辟了新路径。

缓解CIO和CISO之间经常会出现分歧。

莎翁笔下只有一个哈姆雷特，但在读者眼中却被赋予了千种解读；数字化只一条路，对企业来说同样也有千种走法。

大数据与人工智能的关系是不言而喻的，在本届数博会上，AI也是与会者关注的角度。5月27日，“人工智能”高端对话在贵阳国际会议中心举行，嘉宾们以“AI赋能引领未来”为主题，深入探讨人工智能与人类、社会、哲学、人文、伦理的关系。

北航团队开发的FEAT是一种全新的医疗视频生成方法，通过三大创新解决了现有技术的关键问题：引入全维度依赖关系建模同时处理空间、时间和通道信息；采用线性复杂度的注意力机制大幅提高计算效率；设计残差值引导模块提供精细的像素级引导。实验证明，FEAT小型版本仅用23%的参数就达到了最先进模型的性能，其大型版本更是在多个数据集上全面超越现有方法，为医疗视频生成开辟了新的可能性。

生成式人工智能正如洪水般席卷IT世界,对存储技术产生深远影响。从内存-存储接口到更高层面,AI正在改变块存储、文件存储和对象存储的方方面面。本文分析了生成式AI改变存储世界的六大方式,包括GPU直连、存储介质创新、数据库向量化、数据保护等方面,展望了存储技术在AI时代的发展趋势。

在今年夏天举行的一系列图形学大会上，NVIDIA研究团队分享了实时路径追踪和内容创建方面的开创性工作，其中的大部分工作都是基于最先进的AI技术。这些项目使用推动实时渲染技术发展的新工具解决图形学领域最棘手的问题。

香港中文大学和字节跳动联合研究团队开发出名为Tar的统一多模态框架，通过文本对齐分词器（TA-Tok）创建共享的离散语义表示空间，让AI能用同一种"语言"处理图像理解和生成任务。该技术在多个基准测试中表现优异，为多模态AI发展提供了新思路。

随着deepfakes深度伪造行为的激增，OpenAI虽仍在完善它的语音克隆技术，但坚持表示将采取更负责任的管控方式、不会贸然对外开放。

云计算已经发展到新的阶段，而OpenStack以及背后的基金会也在积极求变，在顺应技术变化和客户需求方面进行了卓有成效的探索。展望下一个十年，OpenStack的发展值得期待。

美国加州大学洛杉矶分校等机构联合开发的Xolver系统，创新性地让AI学会像奥数团队一样协作解题和积累经验。该系统通过多智能体协作和双重记忆机制，在数学竞赛和编程挑战中取得突破性成绩，即使使用小型模型也能超越大型商用AI，为人工智能的发展开辟了新路径。

PowerEdge是打造全方位企业系统产品组合的基础，可以说是企业现代化数据中心的基石。从元件筛选、硬件设计流程、设计创新直到最后的品质检测，PowerEdge服务器都以满足用户对于高合理性、高可靠性的诉求为目标。

这款全新AIU芯片是IBM研究院AI硬件中心投入五年开发出的成果。AI硬件中心专注于开发下一代芯片与AI系统，计划每年将AI硬件效率提升2.5倍，并希望在十年间（2019年至2029年）将AI模型的训练和运行速度拉高1000倍。

今天，IBM在北京举行“AI for Business论坛”，与客户、合作伙伴、生态联盟等行业参与者一起，探讨如何将生成式AI应用到企业创新和实践当中。

科大讯飞为人形机器人行业带来一波巨浪。

科大讯飞为人形机器人行业带来一波巨浪。

科宣布推出自己新的AI网络产品，表示这些产品旨在让那些希望实施下一代AI应用的客户变得更加轻松。同时，这些新产品本身也利用了AI来帮助客户更好地了解他们自己的网络。