KAIST研究团队开发出革命性AI检索系统UniversalRAG，首次实现跨文字、图片、视频的智能信息路由。该系统能根据问题特点自动选择最合适的信息类型和详细程度，在8个基准测试中显著优于传统方法，平均性能提升15-20%，同时将计算开销降低50-75%。

许多企业正转向图数据科学存储数据并产生洞察力。对图数据科学的需求不断增加，遍及各行各业，包括金融服务、旅游、零售、公共部门和医疗保健等，希望解决其复杂的问题。

戴尔科技集团全球销售主管Bill Scannell在采访中表示，“只要我们能与合作伙伴建立更好的信任关系，如果我们能与合作伙伴携手并进、努力在客户群体内建立信誉，就自然会在市场上取得成功。成功启发制胜经验，这正是我们所需要的。”

清华大学团队开发出革命性人形机器人系统Being-0，具备类人思维能力。该系统采用创新的"三层大脑"架构：顶层基础模型负责理解指令和制定策略，中间层连接器模块负责将计划转化为具体动作，底层技能库负责执行各种操作。机器人能够理解自然语言，自主规划复杂任务如制作咖啡，并在动态环境中灵活调整策略，在长期任务中达到84.4%的成功率。

这项由蒙特利尔大学等机构联合完成的研究提出了CARE框架，通过原生检索增强推理技术解决大型语言模型的上下文忠实度问题。该方法教会AI在推理过程中主动引用提供的文本信息，而非依赖内部知识，在多个问答任务上实现显著性能提升，为构建更可信的AI系统提供了新思路。

Quinas科技完成ULTRARAM通用存储器量产的关键步骤，该技术结合了DRAM的速度、NAND的非易失性和低功耗特性。IQE公司成功将兰卡斯特大学开发的化合物半导体层扩展到工业化工艺，开发出可扩展存储设备的镓锑化物和铝锑化物外延技术。ULTRARAM在100纳秒内切换，能耗低于1飞焦耳，有望彻底改变从物联网设备到数据中心的整个数字技术格局。

或许，在未来，开源软件也可以“拿来即用”。

研究求解器的少数者。

COVID-19疫情的全面来袭给航空企业的利润带来沉重打击，也增强了人们对于自动式、无缝化候机与飞行体验的迫切渴望。

Synergy Research预计2024年第一季度云服务收入达到765亿美金。

在团队花了更多时间研究这项技术后，取消了对生成式AI的限制。

在最近的Red Hat Summit峰会上，Red Hat将开源软件堆栈平台定位为企业构建和运行AI应用的首选平台。

这并非是微软首次涉足医疗健康议题。一直以来，微软都在积极探索计算机科学与医疗健康、生命科学领域结合的可能性。

在过去一年，人工智能、元宇宙、区块链等技术备受人们关注。在2023年，又会出现哪些新的技术发展趋势，同时将给企业和行业带来哪些机遇和挑战。让我们一起来看看以下五大IT技术趋势预测。

腾讯与西门子联合研究团队开发出AdaptCLIP通用异常检测方法，突破传统方法只能处理特定领域的局限。该系统采用交替学习和对比学习策略，在12个工业医疗数据集上表现卓越，仅需少量样本即可跨域检测异常。相比现有方法，AdaptCLIP参数量减少9倍以上，性能提升10个百分点，为工业质检和医疗诊断提供了更实用的AI解决方案。

工程与建筑业巨头SNC兰万灵已经整合起全球数据中心资产，并建立私有云以支撑起独特的业务需求。

全美电视艺术与科学研究院授予了Dell EMC Isilon“技术与工程艾美®奖”，以表彰其对 HSM（分级存储管理）系统的早期开发。这是戴尔科技集团首次获得这一享有盛誉的奖项。

本文讲述了 Schümmelfeder 主导数字化转型的历程，通过标准化和云平台构建，实现数据整合与高效协作，推动研发、临床试验及新技术探索，加快业务与技术深度融合。

时代级机遇应该如何把握？李开复探讨AI2.0新阶段。

SpeakLeash团队联合波兰多所大学开发的Bielik 11B v2语言模型，仅用110亿参数就在多项测试中击败了参数量大2-6倍的模型。该模型专门针对波兰语优化，采用创新的深度上扩架构和智能训练技术，在波兰语理解、跨语言能力和数学推理等方面表现卓越，为非英语语言AI发展提供了新路径。