IBM和谷歌近日宣布，将提供1.5亿美金支持两所大学的量子计算研究。

中国人民大学团队提出HierSearch系统，通过分层架构让AI同时搜索企业内部资料和网络信息。系统包含本地搜索专家、网络搜索专家和统筹规划者，采用分层强化学习训练，配备知识精炼器筛选信息。在六个领域测试中显著优于传统方法，为企业级智能搜索提供了高效解决方案。

数据中心分类对企业选择合适设施至关重要。不同类型数据中心在可用性、运行时间和特殊服务方面存在显著差异。主要分类方法包括：层级系统（Tier I-IV）评估可靠性和冗余度；功率容量以兆瓦为单位衡量规模；可持续性认证如LEED标准；服务模式区分私有和托管设施；规模分类涵盖超大规模、传统、模块化和微型数据中心。理解这些分类体系有助于企业根据业务需求、性能期望和预算约束做出明智决策。

开源Kubernetes软件让容器中管理应用变成一种可能，是一种在不同类型计算机和云上运行软件的方法。但最初在运行Kubernetes的计算机集群上部署应用仍然需要大量手动工作。

通信技术供应商爱立信日前推出新的软件增强工具包，包括大规模多输入多输出（massive MIMO）、网络切片、时间关键型通信和 5G 核心等功能。

数字孪生改变地下隧道施工全流程。

法国农业信贷银行正与量子计算供应商Pasqal及Multiverse Computing合作，针对金融领域内的量子计算应用开展两项实验。

随着Windows Server 2008和SQL Server 2008支持截止日期的临近，微软为用户提供了一个能够继续获得安全更新的新选项：将工作负载转移至Azure。

西湖大学等多所高校联合研究发现，现有AI模型存在"浅层探索陷阱"问题，即倾向于快速给出第一个答案而缺乏深度思考。研究团队提出"长度激励探索"方法，通过奖励详细思考过程同时惩罚无效重复，成功让AI学会在单次对话中进行深度探索。实验显示该方法可提升4.4%准确率，并激发更多类人认知行为。

一项由 Biogen 和 Apple 支持的大规模观察性研究表明，智能手机和智能手表可能在日常使用中检测轻度认知障碍。研究结果显示，利用 iPhone 和 Apple Watch 等设备的被动传感器，结合其他指标，可以追踪思维和记忆能力随时间的变化，从而识别轻度认知障碍。这一发现为早期诊断和预防认知功能衰退开辟了新途径。

自从去年12月份以来，全球已经发表了2000多篇关于新冠病毒的论文。我们需要使用一些智能算法从这些论文中挖掘出见解。

IBM迅速确立了其作为企业AI领域重要竞争者的地位。该公司采用全栈平台策略，结合专有模型、与Red Hat混合云基础设施的深度整合以及全球咨询规模优势，执行多管齐下的方法，已经在运营效率和财务收益方面取得显著成效。IBM的AI相关业务在不到两年时间内增长至50亿美元，其中约80%来自咨询业务，20%来自软件订阅。

这项研究探索了大语言模型在思维链推理过程中的一个惊人能力：在完成推理甚至生成第一个词前，模型的内部表示已包含预测任务成功与否的信息。研究者通过探测分类器分析模型内部状态，发现其准确率显著高于仅基于文本的BERT基线。更令人惊讶的是，在某些数据集上，推理中后期的信息对预测成功率没有显著帮助。这一发现为开发更高效的思维链策略提供了理论基础，可能使AI在解决复杂问题时既保留思维链的优势又降低计算成本。

据戴尔全球首席技术官、首席人工智能官John Roese称，企业AI市场有望在明年实现增长，这得益于关键技术的成熟和现成工具的问世。

总的来说，Cohere Coral是一个个性化、可扩展、安全、收费合理的AI工具。它的出现，无疑会为我们的工作带来巨大的改变。想象一下，一个能够与你轻松对话，还能助你处理各种工作任务，让你的日常变得轻松愉快的AI平台，这不就是我们梦寐以求的生产力工具吗？

2019年的Semicon大会上曝出不少有趣的消息。曾供职于英特尔、目前效力于Doller咨询集团的Ed Doller表示，目前生产出的大多数晶体管都被用于内存技术领域，特别是DRAM与NAND闪存。

近日，计算机视觉A类顶级会议CVPR 2020 开幕在即， 由Kaggle承办的FGVC（Fine-Grained Visual Categorization，细粒度图像分类）全球挑战赛结果揭晓，支付宝天筭安全实验室夺冠，超越全球1316支顶尖计算机视觉团队。Kaggle是全球最大机器学习平台。

利用大数据与AI技术，就能确定作物是否达成目标风味。

收购myInvenio不仅最终将加强IBM的自动化能力，也将完善IBM的混合云战略，给了企业另一个采用OpenShift和Cloud Pak软件的理由。

MIT研究团队发现，AI图像生成模型的"局部思维"并非来自网络结构限制，而是源于训练数据中像素间的统计关联。通过巧妙实验证明，即使改变数据中的微妙模式，AI也会相应调整注意力策略。这一发现为开发更可解释、高效的AI系统提供了新思路，并揭示了数据质量在AI发展中被低估的重要性。