2022年12月14日~16日，由IT168联合旗下ITPUB、ChinaUnix两大技术社区主办的第13届中国数据库技术大会（DTCC2022）在线上隆重召开

开源 AI 引发热议，但部分科技巨头只公开 AI 系统的部分组件，造成误导。真正的开源协作能促进创新、提高透明度，使 AI 更可信赖。然而，选择性透明可能损害公众信任。文章呼吁科技公司主动拥抱完全开源，以建立一个造福所有人的 AI 未来。

亚马逊云科技将围绕自动驾驶、车联网和软件定义汽车三大汽车行业数字化场景，全面赋能汽车行业的数字化转型。

但我们仍然相信，英特尔上写希望尽量在其CPU上运行AI推理负载。只是最大的问题在于，考虑到目前最先进的生成式AI模型需要大量算力才能把对提示词的响应延迟控制在可以接受的范围之内，所以用CPU跑AI推理似乎仍不具备可行性。

CrowdGenAI 正在重新定义人工智能，证明优化的 CPU 集群可以在 AI 训练效率上媲美英伟达的 GPU，同时显著降低成本和能耗。该平台还集成了基于区块链的水印技术，确保在日益由 AI 驱动的世界中保护数据所有权和来源。这一创新不仅挑战了英伟达在 AI 硬件领域的主导地位，还为解决 AI 发展中的数据所有权和可持续性问题提供了新思路。

零售与制药行业正运用数字孪生技术突破传统分析与模拟方法的局限，探索更加强大的运营之道。

2019年6月14日，以 “云数赋能 智领未来”为主题的浪潮2019云数智中国行·粤港澳大湾区技术与应用峰会在广州举行，超过2000位来自粤港澳大湾区和其他地区的业界大咖济济一堂，共飨这场云数智科技盛宴。

经验丰富的泥瓦匠通常具备老道的习惯性技巧和技术以减轻负载于身上的压力。然而，这些技巧并不总能很轻松地传授给新一批建筑工人，这批人往往面临着相对较高的受伤风险，比如扭伤筋骨、拉伤韧带和肌肉。

从信息中提取有意义的洞见结论已经不再属于“锦上添花”，而更多成为一种常态化的必需。然而，对于许多企业和个人来说，有效利用数据资源似乎仍是一项艰巨的任务。妨碍其落地的现实因素往往包括缺乏专业技能、资源有限或者拿不出充裕的时间等。这些阻力不仅会导致因未能充分发掘潜力而陷入沮丧、带来高昂的人才获取成本，在某些极端情况下（例如关键人才离职）甚至迫使企业在数据驱动洞见缺失的情况下勉强运营。

谷歌DeepMind团队开发出名为RoboBallet的AI系统，能让制造业机器人自主规划作业流程。该系统通过图神经网络技术，同时解决任务分配、调度安排和运动规划三大难题，将复杂的机器人协调问题转化为图形数据处理。在测试中，RoboBallet能在几秒内为8台机器人规划出高效的作业轨迹，执行效果接近人工工程师水平但速度更快，有望大幅提升工厂自动化编程效率。

Alpine Linux核心开发者Ariadne Conill推出了Wayback项目，这是一个实验性的X兼容层，允许使用Wayland组件运行完整的X桌面环境。该项目本质上是一个提供足够Wayland功能来托管rootful Xwayland服务器的存根合成器。与现有的XWayland不同，Wayback旨在创建一个类似X11风格的基于Wayland的显示服务器，让用户能够继续使用传统的X11窗口管理器和桌面环境，而无需重写或替换这些熟悉的工具。

中国人民大学团队开发了DLLM-Searcher，一种基于扩散大语言模型的新型AI搜索系统。该系统通过两阶段训练和创新的P-ReAct工作模式，让AI能够边思考边搜索，避免传统搜索助手等待时间过长的问题。实验显示，该系统在保持准确率的同时，推理速度提升约15%，为AI搜索代理技术带来重要突破。

在今年6月召开的Cisco Live全球大会上，“思科客户体验”这一理念被正式提出，这是思科服务面向全球的又一次重大转型。自此，思科全球服务部将更名为“客户体验事业部”，并向客户提供贯穿整个生命周期的体验与支持。

2023年12月12日,re:Invent中国行北京站盛大开启,大会现场座无虚席,人气持续火爆。

在 DAC 大会上，西门子将数字双核多物理场和人工智能技术引入旗下的 Calibre 和 Solido EDA 工具的工作，这些工具可用于复杂的芯片设计。

开源不能被简单地理解为是一种技术，而是一种文化，从这个角度来看，开源更像是土壤，在上面可以长出草、开出花、连成一片林子……而现在，国内的开源“土壤”显然还不够肥沃。

除了新的壁纸，iOS 17.5还为许多应用带来更多新特性。

我们需要重新设计工作空间，全球有98%的会议将至少有一名参与者与其他人不在同一物理位置，但是只有6.4%的会议室支持视频会议，这两个数字之间巨大的差距，既是全社会正在面临的巨大挑战，也可以被看做是巨大的市场机会。

QVGen是一项突破性研究，致力于解决视频扩散模型在低比特量化时的性能挑战。研究团队通过理论分析发现，降低梯度范数是改善量化感知训练收敛性的关键，因此引入了辅助模块来减轻量化误差。为消除这些模块在推理阶段的开销，他们创新性地提出了秩衰减策略，通过奇异值分解和基于秩的正则化逐步移除低影响组件。实验证明，QVGen是首个在4比特设置下达到与全精度相当性能的量化方法，其3比特实现也显著优于现有技术。这一成果为高效视频生成在普通设备上的应用铺平了道路。

这项研究提出了GLEAM，一种用于复杂3D室内场景主动建图的可泛化探索策略。研究团队首先构建了包含1,152个多样化场景的GLEAM-Bench数据集，然后设计了融合语义表示、长期目标规划和随机化训练的探索策略。在128个未见过的复杂场景测试中，GLEAM实现了66.50%的覆盖率，比最佳基线方法高出9.49%，同时提供更高效的轨迹和更精确的地图。这一突破为未知环境中的自主探索与建图开辟了新途径。