Hammerspace以数据为中心，实现数据的全局访问。比如在大模型训练场景能够从各处抽取训练所需的数据，并无缝延伸到云端，通过各种自动化数据编排工具，用户可以更快、更高效地完成数据的访问和编排。

Amazon.com（NASDAQ：AMZN）亚马逊旗下的亚马逊网络服务公司 (亚马逊AWS)今天宣布，已经将中文普通话支持增加到Amazon Polly机器学习云服务，它可以将文本转成逼真的语音，让用户创建对话式应用程序，创造新品类的语音产品。

正如郭为在《数字化的力量》中所阐释的观点，数字化的力量体现为颠覆、重构、新引擎，我们需要刷新数字时代的世界观，全面拥抱数字文明。

香港科技大学联合腾讯微信AI等机构开发出SitEmb-v1.5情境感知文本嵌入模型，突破传统AI只能孤立处理文本片段的局限。该技术让AI在理解文本时能考虑上下文环境，就像人类阅读一样。仅10亿参数的模型就超越了多个70-80亿参数的先进系统，在书籍理解等复杂任务中表现优异，已开源供全球开发者使用。

“工业互联网趋势是不可逆的，最终企业的选择可能是‘不走也得走’，那么‘晚走不如早走’。”

微软与数据集成软件公司Informatica展开合作，以吸引更多企业使用基于云的Azure SQL Data Warehouse服务。

随着AI智能体热度持续攀升，业界出现了一种观点认为这些突破性AI工具将终结长期主导的SaaS商业模式。微软CEO纳德拉等专家预测，AI智能体将具备多数据库操作功能，使底层SaaS工具变得过时。不过也有专家认为这种观点过于简化，虽然智能体会替代GUI界面交互，但SaaS后端功能仍然必要。当前SaaS公司正竞相转型为智能体平台，而智能体也需要SaaS的数据和合规框架支持。

亚马逊云服务推出两款高性能云桌面实例，提供更强大的计算资源。新实例类型支持工作站级应用，但也凸显了云桌面在实时数据流处理方面的局限。AWS 同时优化了 Windows 镜像转换流程，有望简化企业云桌面部署和管理。

模型越大，长期执行力越强，剑桥团队指出传统基准测试过时

近期，教育部发布春季学期延期开学的通知，为全力以赴配合支持各地教育部门部署“假期不停学”工作，丰富广大中小学生的学习生活，新东方在线积极组织教学力量，为全国中小学生开设延迟开学期间的免费同步课程，自2月7日起正式开课，直至同学们返校。

数字化转型永久性地改变了首席信息官的角色。作为业务领导者，CIO必须与其他部门协作，并证明IT部门提供的业务价值。董事会和CEO希望了解IT提供的美元价值，而非技术指标。CIO们正意识到必须更多地作为商业人士而非仅仅是技术专家来行动和运营，专注于结果而非产出，通过季度业务回顾等方式与业务伙伴密切合作，衡量和报告真正的业务影响。

同时处理500个任务的AI会崩成什么样？Distyl AI测试了20个主流模型

Amazon联合伊利诺伊大学开发PROF算法，解决AI数学推理中"答案对但过程错"的问题。该方法通过同时评估结果正确性和推理过程质量，筛选高质量训练样本，让AI既能答对题目又掌握清晰思维方法。实验显示准确率平均提升4%以上，推理过程质量显著改善，为构建可解释AI系统提供新思路。

xAI 公司发布了新一代大语言模型 Grok-3，具备模拟人类思维的推理能力。该模型比前代产品计算能力提升 10-15 倍，可在数学、科学和编程领域超越竞争对手。Grok-3 包含大型复杂模型和小型快速模型，能进行逐步推理并提供深度搜索功能。未来还将推出语音交互模式。

本文探讨了人工智能与人类智能结合的混合智能在解开意识之谜方面的潜力。作者认为,通过融合AI的计算能力和人类的直觉经验,混合智能有望揭示意识的本质,重新定义21世纪的意识概念。文章还讨论了混合智能的应用前景及其面临的挑战。

ISTA和Red Hat AI的研究团队在《Unified Scaling Laws for Compressed Representations》论文中提出了一个革命性的统一框架，揭示了AI模型压缩背后的数学规律。他们发现，无论使用什么压缩方法，模型性能都可以通过"表示容量"这一单一指标准确预测，而这一指标与表示法拟合随机高斯数据的能力直接相关。研究不仅证明了容量在组合表示中可以分解，还开发了基于容量的改进稀疏训练方法，在同等参数条件下显著提升模型性能。

NTT DATA North America的首席信息官讨论了他的员工战略如何成为IT战略的核心，以及组织内的职业流动性如何促进思想的多样性并激励同事发挥影响力。

UCLA团队首次成功让20亿参数的小型视觉AI模型实现了类似DeepSeek R1的"啊哈时刻"现象。他们通过在未经指令微调的基础模型上直接应用强化学习，让模型学会了自我反思和深度推理，在视觉推理任务上取得了显著突破。研究还发现指令微调可能限制模型的推理能力发展，为AI训练方法提供了新的思路。

浙江大学研究团队提出的Omni-R1是一种创新型全模态AI框架，它采用"双系统"协作架构解决了长时间视频理解与精细像素处理之间的根本矛盾。全局推理系统处理低分辨率完整视频并选择关键帧，细节理解系统则对高分辨率关键帧进行精细分析。通过端到端强化学习方法训练，Omni-R1在指代音视频分割和推理视频物体分割等任务中显著超越了现有模型，同时还意外地减轻了多模态幻觉问题。这一研究为构建更全面的通用AI基础模型提供了新思路。

《区块链启示录》本期，科技行者对话金融壹账通区块链团队产品负责人王梦寒。