在未来，你或许无需动一根手指就能使用智能手机或电脑。这是因为使之成为可能的技术——脑机接口（BCI）已经取得了快速发展，它有可能让人们用意念控制设备。

NVIDIA 在 GTC 大会上发布了 Dynamo 软件框架，这是一个专为解决大规模 AI 推理挑战而设计的开源系统。CEO 黄仁勋将其比作"AI 工厂的操作系统"，它能够优化 TensorRT LLM 等推理引擎，实现跨多 GPU 的高效运行，显著提升推理性能和吞吐量，为企业级 AI 部署提供关键支持。

超融合市场产品众多，如何对云原生应用提供支持是超融合厂商面临的一道新考题，只有那些回答得好的厂商才有机会继续留下来，否则就得被边缘化。

越来越多的企业意识到数字化转型的必要性和急迫性，也清楚地认识到，转型牵涉到企业战略业务和IT技术的综合治理，但却苦于不知如何快速入手。

Google 在 Gemini API 中推出自动缓存功能，通过复用重复数据为开发者节省最多 75% 的调用成本，有望缓解高额 API 费用问题。

英国知名新闻公司——News UK计划将自己旗下3款APP，根据特性接入到华为智能助手上，为华为手机用户提供便捷、形式更加丰富的服务，缩短了用户获取信息路径。目前，这3款应用已经上线海外华为应用市场。

新加坡国立大学Show Lab团队发布Show-o2统一多模态AI模型，首次实现单一系统内文字、图像、视频的理解与生成能力。该研究采用3D因果VAE和双路径融合机制，通过创新的两阶段训练策略，在多项基准测试中超越现有技术，为通用人工智能发展奠定重要基础。

Salesforce公司发布了Einstein自动化预览版，用户利用Einstein自动化几乎不用写代码就可以创建用于自动化任务的工作流程，处理客户请求。

在过去十年里，金融沙箱或科技沙箱概念在全球日渐流行，一个特别的原因是监管机构试图将加密货币、区块链和科技精灵塞回瓶里以进行观察（甚或可能将这些精灵闷死在里面）。

浙江大学与阿里巴巴合作开发了MTDEval多轮对话评估系统，通过学习五个顶级AI评委的评判智慧，将多评委评估的准确性与单模型推理的效率完美结合。系统在七个基准测试中表现优异，评估速度比传统方法快数倍，同时构建了两个高质量数据集供研究使用。该开源系统为AI对话质量评估提供了实用可靠的解决方案。

伊利诺伊大学香槟分校等机构的研究团队提出MiCRo框架，创新性地解决了大语言模型偏好学习的多样性问题。该框架采用两阶段方法：先通过混合建模从二元偏好数据中提取多种潜在偏好模式，再利用情境感知路由根据用户具体需求动态调整偏好权重。实验证明，MiCRo不仅能有效捕捉多样化人类偏好，且仅需少量标注数据即可实现个性化适应，在多个数据集上显著优于现有方法，为构建更具个性化的AI系统提供了新思路。

IBM从麦当劳手上收购了自动下单技术以及该技术的开发团队之后，该公司正在将其自然语言处理（NLP）软件推广到这家快餐连锁公司的更多得来速餐厅。

耶鲁大学团队构建了首个科学图表理解评估基准MISS-QA，测试AI模型解读科学论文示意图的能力。通过评估18个前沿模型发现，即使最先进的AI模型准确率也仅达78.3%，远低于人类专家的89%。研究揭示了AI在图表理解、信息检索和推理方面的五大弱点，为科学AI应用的发展提供重要参考。

深圳大学团队开发了C3D-AD持续学习框架，解决3D异常检测中的"灾难性遗忘"问题。系统通过三个创新模块：统一特征空间的KAL、智能信息管理的KAA和记忆保持的RPP，实现在学习新产品检测的同时保留对历史产品的检测能力，在三个数据集上取得显著性能提升。

上海人工智能实验室等机构联合发布VisuLogic基准测试，专门评估AI的纯视觉推理能力。测试包含1000道人工验证题目，涵盖数量、空间、位置等六类推理任务。结果显示，包括GPT-4o在内的顶级AI模型准确率仅26-28%，远低于人类51.4%的表现，揭示了当前AI在视觉逻辑推理方面的严重不足。研究通过强化学习训练实现了显著提升。

在VMworld 2018上，VMware发布了一系列新的产品，包括内置AppDefence的vSphere、Cloud Assembly、Service Broker与Code Stream等新云服务以及与AWS合作的最新进展，并宣布加大对电信市场的投入以及将VMware的云扩展到边缘。

清华大学研究团队开发了MATE多智能体翻译系统，这是首个专为残障人士设计的开源AI辅助工具。该系统能在文字、语音、图像间智能转换，如将图片转为语音描述、语音转文字等。系统包含8个专业智能体协作，准确率达91.7%，支持本地运行保护隐私，为视听障碍等用户群体提供了强大的信息获取工具。

华为联合多所高校发布TeleMath数据集，这是首个专门评估大型语言模型在通信数学问题求解能力的基准测试。研究团队设计创新的合成数据生成框架，从50个专家问题扩展至500个测试样本，涵盖信号处理、网络优化等七大领域。评估结果显示，专门的推理模型明显优于通用模型，为通信AI应用指明方向。

不管是物联网还是PII，都涉及一个核心话题就是数据安全。特别是随着物联网的发展，PII的重要更是越发重要。如何在一个万物互联的时代实现PII的安全成为当今我们这个时代的重要议题。

两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件，而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息，并基于错误前提执行后续操作。专家指出，当前AI编程工具缺乏"写后读"验证机制，无法准确跟踪其操作的实际效果，可能尚未准备好用于生产环境。