日前，2023第九届华为软件精英挑战赛-“普朗克计划”全球总决赛及颁奖典礼圆满落幕。

香港大学团队开发了MiCo多图对比框架，通过自监督学习让AI学会像人类一样比较多张图片的细微差异。该方法无需人工标注，仅使用图像内在约束作为监督信号，在多项视觉理解测试中超越了GPT-4o等先进模型，为解决AI多图推理难题提供了新思路。

在数字化转型、数据智能化的大趋势下，诸葛智能希望能够与企业搭建起合作的桥梁，用数据智能赋予企业更多发展的空间与潜能。

近年来，数字化转型（Digital Transformation）已成为企业的第一要务，但现在许多企业正在密切关注数字化（Digitalization）这个快速发展的概念。

微软CTO Kevin Scott在Cisco AI Summit的对谈中指出，AI发展呈现"能力过剩"悖论——模型能力远超实际应用水平，但基础设施仍供不应求。

27年，一代人的悠长时光，于日日刷新的ICT行业更是沧海桑田。

Adobe Research团队联合香港中文大学开发了EditVerse，这是首个统一处理图片和视频编辑的AI模型。它采用创新的交错序列设计和四维位置编码，将文本、图片、视频转换为统一表示，实现跨模态知识共享。研究团队创建了23.2万个高质量视频编辑样本的训练数据，并建立了EditVerseBench评测基准。EditVerse在20多种编辑任务上超越现有开源方法，展现出强大的举一反三能力，为多媒体内容创作带来革命性突破。

近日Salesforce和微软宣布达成一项新的托管协议，Salesforce将把自己的Marketing Cloud迁移到微软Azure平台上。

人工智能正从软件故事转向AI工厂基础，芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环，产生竞争优势。博通、英伟达和IBM正在引领这一转变，通过长期定制芯片合同和企业遥测技术，将传统体验转化为活跃的数字生态系统。

想象一下，你经常在一个购物平台上买电子产品，平台已经很了解你的电子产品喜好。突然有一天，这个平台推出了全新的"复古收藏品"分类，但系统对你在这个新领域的偏好一无所知。它该如何为你推荐你可能喜欢的复古收藏品呢？这正是现代推荐系统面临的核心挑战。

中国科学院脑科学与智能技术卓越创新中心研究团队首次完整揭示了大脑在休息状态下巩固记忆的神经机制。研究发现大脑通过"神经回放"将短期记忆转化为长期记忆，海马体与大脑皮层通过精密的时序协调完成知识永久存储。这一突破性发现不仅解开了记忆形成的根本机制，还为治疗阿尔茨海默病、优化学习策略提供了科学依据，同时为人工智能发展提供了重要启发。

近日，我们有幸采访到了九州云99Cloud高级技术总监 黄舒泉，听他讲述了九州云如何迅速精准的抓住“风口”，以及在推动边缘计算发展与落地上的努力。

英国帝国理工学院等机构研究团队发现，在AI训练中仅使用"再试试"等简单反馈，就能显著提升大语言模型的多轮推理能力。这种方法解决了传统单轮训练导致AI重复错误答案的问题，在多轮对话成功率上提升14%，且具备跨领域通用性，为构建真正智能的对话式AI助手提供了新思路。

鉴于微软首席执行官萨提亚.纳德拉（Satya Nadella）在领导该公司并将其转变成世界顶级的技术供应商方面的杰出表现，也许不会有人能够匹敌他做出的决定带来的影响……

中国电信研究院等机构联合开发的xVerify系统，专门解决复杂AI推理模型的评估难题。该系统能够准确判断包含多步推理过程的AI输出，在准确率和效率方面均超越现有方法，为AI评估领域提供了重要突破。

今天，无论是从基础架构还是应用的现代化，VMware都能够提供整体的端到端解决方案，帮助企业打造未来真正需要的数字化转型的平台。

机器学习所展现的智能，实则是[涌现]现象的一种体现。 这里的[涌现]，在广义上，描述的是多个微小个体在相互作用下，共同构成了一个整体，而这个整体所展现出的特性，是单独个体所无法具备的，即所谓的[量变导致质变]。在物理学等学科领域，涌现现象已被深入研究和探讨，尤其是在凝聚态物理学中，它着重揭示了微观结构与宏观物理性质之间的紧密联系。

作为小D 的客户，Peter的“完美主义”，常常让他哭笑不得。这不，Peter的电话又来了……今天，Peter来电的目的是就公司最近准备上马的AI项目，跟小D咨询基础架构方面的解决方案。

阿里巴巴推出Visual-CoG技术，首次让AI绘画学会"分步思考"。该技术通过语义推理、过程优化和结果评估三个阶段，显著提升了AI处理复杂描述的能力。测试显示，在计数、位置、颜色等关键指标上提升15-48%，特别是推理任务成功率达77.5%，为AI绘画的智能化发展开辟了新方向。

Skywork AI推出的第二代多模态推理模型R1V2，通过创新的混合强化学习方法，成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉，在多项权威测试中超越同类开源模型，某些指标甚至媲美商业产品，为开源AI发展树立了新标杆。