近日，英特尔公司高级副总裁兼英特尔代工服务事业部总经理Stuart Pann介绍了英特尔代工服务的发展理念和优势所在。

随着人类太空任务时间延长和距离地球更远，保持宇航员健康面临挑战。NASA与谷歌正在开发名为CMO-DA的AI医疗助手，帮助宇航员在无法联系地球或医生不在场时诊断和治疗症状。该工具运行在谷歌云Vertex AI环境中，支持语音、文本和图像多模态交互。经过三种医疗场景测试，诊断准确率在74%-88%之间。未来计划增加更多数据源并训练模型适应微重力等太空医学条件。

Infor 同时获得 Gartner(R) 《以产品为中心的企业云 ERP 关键能力》配套报告中三个用例最高分

全球20强生物制药企业中，去年新药开发的平均成本上涨了15%（增长数字为2.98亿美元），总额来到约23亿美元。这23亿美元，涵盖了从候选药物发现、临床试验再到产品上市的全流程平均成本。

Rackspace Technology已经完成一波战略审查，并挑选出了适合出售的部分业务。公司CEO Kevin Jones更是直言“都可以谈，没什么不能谈的。”

在InnoTrans 2022德国柏林轨道交通技术展览会期间，华为举办了第九届全球轨道峰会。

近日，摩尔线程MTT S系列GPU和苍穹数码的苍穹地理信息平台（简称KQGIS）完成产品兼容性测试，测试结果显示兼容性良好，运行稳定、性能卓越。双方完成适配后，将共同打造更有竞争力的地理信息基础平台服务和行业解决方案，推进GIS产业生态发展和应用落地。

Aflac 公司是美国最大的补充保险提供商，年收入达 190 亿美元。首席信息官 Sheila Anderson 加入公司两年多来，在推进公司技术、人才和流程方面发挥了关键作用。她统一了技术组织，改进了治理和财务透明度，重新评估了云战略，优化了人才结构，并推动了数据和 AI 创新。Anderson 正引领 Aflac 向着结合使命驱动传统和前沿技术的未来迈进。

斯坦福大学研究团队开发出"边听边想"的音频识别新技术，让人工智能像侦探一样逐步分析声音。系统将音频分成半秒片段，对每段进行多次推理，再用语言模型综合判断。相比传统方法只在最后给答案，新技术实现渐进式理解，准确率从84%提升至88.3%。该技术可应用于智能家居、医疗设备、工业监测等领域，让AI决策更透明可信。

清华大学团队利用扩散模型革新自动驾驶3D感知技术，通过生成式建模取代传统判别式方法，让AI系统具备类人想象推理能力。该方法在遮挡区域预测准确率提升15%，并显著改善下游规划任务性能，为自动驾驶向更智能安全方向发展提供重要技术突破。

作为CIO，你所做的很多事情都是设计东西，这个时候你就不会去监督其他设计东西的人，或者，这个时候你就不会去确定每个人设计的东西是否按照应有的方式组合在一起。

首尔国立大学研究团队提出了"多模态对抗组合性"(MAC)基准测试，评估预训练多模态表示(如CLIP)在理解文本与图像、视频、音频关系时的组合性弱点。研究使用大语言模型生成欺骗性文本，通过样本成功率和多样性双重指标进行评估。团队创新性地提出了多样性促进自训练方法，即使使用较小的Llama-3.1-8B模型，也能显著提高攻击成功率和多样性。实验在COCO、MSRVTT和AudioCaps数据集上验证，该方法优于现有技术，并展示了良好的跨模型迁移性，为构建更可靠的多模态系统提供了重要见解。

面对医疗保健领域的技术滞后难题，AI/ML的兴起能否改善病患护理体验？或者说，这种结合是否真能实现？

荣获最新诺贝尔奖的成果“冷冻电镜”的科学应用成为全球最大超算竞赛ASC18的赛题，来自全球超过300支大学生队伍将在接下来几个月内完成这项世界顶尖科学成就的应用挑战——冷冻电镜三维重构软件Relion的计算优化。

卡内基梅隆大学等高校研究团队开发出SOTOPIA-RL框架，首次成功训练AI掌握复杂社交技能。该方法通过逐句精细评分和多维度评估，让AI学会在对话中平衡目标达成、关系维护和知识获取。测试显示AI社交表现大幅提升，在困难场景中达成率提升至8.31分，为开发更智能的AI客服、教育和医疗助手奠定基础。

华为强烈反对美国商务部仅针对华为的直接产品规则修改。自2019年5月16日被美国政府无端纳入实体清单以来，在大量产业技术要素不可持续获得的情况下，

在本期的突破性分析中，我们想分享一下我们对数据业务状况的评估。我们将介绍一下数据网格的概念，并以一个领先的金融机构——摩根大通的一个部门为例，介绍他们是如何运用这种相对比较新的理念，面向下一个十年调整其数据架构的。

Katanemo Labs研究人员推出Arch-Router，一个智能路由模型框架，可将用户查询映射到最合适的大语言模型。该框架采用"偏好对齐路由"方法，允许用户用自然语言定义路由策略，通过域-动作分类法组织任务。Arch-Router是15亿参数模型，在四个公开数据集上达到93.17%的路由准确率，超越顶级专有模型平均7.71%。系统支持实时策略调整，无需重新训练，为企业多模型部署提供灵活解决方案。

这项研究提出了一种名为"词汇偏向水印"(LBW)的新方法，专为自回归图像生成模型设计，能够抵抗传统水印技术容易被删除的重生成攻击。研究团队将代币库分为绿色和红色列表，通过软硬两种偏向策略鼓励模型在生成过程中选择绿色列表中的代币，并采用多绿色列表策略增强安全性。实验表明，LBW在多种攻击下展现出卓越的稳健性，尤其是在面对重生成攻击时表现突出，为AI生成内容的可追溯性提供了更可靠的技术保障。

北京大学团队提出ReLIFT方法，巧妙结合强化学习与监督学习优势。该方法让AI在常规训练中自主练习，遇到最难题目时自动获取高质量指导。实验显示ReLIFT在五个数学竞赛测试中平均提升5.2分，仅需传统方法13%的教学数据，生成答案长度减少近10倍，为AI突破能力边界提供新路径。