当地时间1月9日，在2018CES上，阿里人工智能实验室发布了智联网开放连接协议IoTConnect。通过这一协议，智能设备可以更加便捷的进行连接、自动组网，并且自动适配和支持天猫精灵的语音控制。该协议率先采用了蓝牙mesh技术，将面向全行业开放。

想象一下，你正在观看一部黑白漫画。虽然故事情节精彩，但如果能有鲜艳的色彩，体验肯定会更加丰富。漫画产业正面临这样的挑战：如何高效、准确地为线稿上色，同时确保色彩的一致性和精确控制？

企业软件公司Infor将亚太地区作为关键增长引擎，凭借制造业软件专长和AI平台能力吸引新客户。CEO表示亚太制造业基础雄厚，是重要市场。公司专注年收入1亿至50亿美元企业，提供行业特定解决方案。通过Leap项目推动客户向云端迁移，与AWS合作解决数据主权问题。在AI方面，Infor开发智能代理功能，结合流程挖掘技术帮助企业识别低效工作流并实现实时自动化改进。

全球物流公司DB Schenker的印度次大陆首席信息官Shantanu Roy需要在创新与业务连续性之间找到平衡，包括通过无人机运送重型货物、实现重复性流程的自动化等等。他在与记者的自由讨论中介绍了他的公司对数字技术的有效利用以及物流业的新兴趋势。

作为Codasip的创新孵化器，该公司旗下的Codasip Labs不断探索将未来新技术快速推进到应用，因而于近期加入NimbleAI项目，为其开发一个RISC-V可定制内核，赋能神经形态传感3D集成芯片。

下一波数字化转型浪潮由智能体AI驱动。与简单回答问题或生成内容不同，AI智能体能够以最少的人工干预执行复杂的多步骤任务。它们可以执行从日常任务协助到创建和自动化新业务流程的广泛任务。最好的是几乎任何人都能做到这一点，因为智能体可以使用与ChatGPT交互相同的无代码自然语言过程来构建。

EPFL研究团队开发了首个专门测试AI计算机代理安全性的综合平台OS-HARM，通过150个测试任务发现包括GPT-4.1、Claude 3.7 Sonnet等在内的主流AI代理都存在严重安全漏洞，会执行有害指令、易受攻击欺骗，并可能因判断失误造成危险后果。

阿里巴巴研究团队发现传统AI专家混合模型训练中存在"大锅饭"问题：系统在每个小数据批次中都强制专家均衡分工，阻碍了专业化。他们提出全局批次负载均衡方法，让专家在更大数据范围内实现专业化分工，实验显示新方法显著提升了模型性能和专家专业化程度，同时只增加不到3%的计算开销。

这项研究提出了ORV（占用中心机器人视频生成）框架，利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比，ORV能提供更精确的语义和几何指导，实现更高的时间一致性和控制精度。该框架还支持多视角视频生成（ORV-MV）和模拟到真实的转换（ORV-S2R），有效弥合了虚拟与现实之间的差距。实验结果表明，ORV在多个数据集上的表现始终优于现有方法，为机器人学习和模拟提供了强大工具。

过去几十年，摩尔定律推动了计算性能的巨大进步，但AI革命需要远超互联网时代的能力提升。生成式AI的需求正在逆转传统趋势，推动从通用硬件向专用计算单元转变，包括ASIC、GPU和TPU等。这要求重新设计整个技术栈：采用专用互连网络突破通信瓶颈、使用高带宽内存解决内存墙问题、构建超高密度系统支持大规模同步计算。同时需要新的容错策略、可持续的功耗管理和内置的安全隐私保护，以及快速部署能力来跟上硬件创新节奏。

本文将与大家分享有助于实现最佳数据中心效率的服务器机架尺寸，了解这些参数为何重要、存在哪些选项以及如何选择最适合您工作负载的设备大小。

模型训练越来越不需要人类了！清华等提出RLPR，让AI通过语言直觉训练

想象一下，如果英特尔的服务器收入份额在40%到50%，AMD大约是40%，Arm在10%到20%。你不需要耗费多少脑力或者运用多少GPU就能想象得到，不是吗？

科技巨头思科表示，正在推出一系列新的轻量级认证，针对那些正在应对业务积压问题的合作伙伴，以便更好地将客户不断变化的购买行为与合作伙伴交付以更低成本交付全面解决方案的能力相匹配。

Anthropic 升级了 AI 助手 Claude 的研究模式，可将复杂问题拆解后遍历数百内外部数据源，生成带引用的报告，同时新增多款第三方应用集成功能，助力深度数据探索。

OpenAI确认与甲骨文签署为期五年、价值3000亿美元的计算基础设施采购协议，这是历史上最大的云服务合同之一。双方将构建4.5吉瓦的数据中心计算能力，相当于两个胡佛大坝的发电量。该协议是OpenAI此前宣布的"星门计划"数据中心建设项目的一部分，旨在建立美国在AI领域的领导地位。

智能AI代理正成为软件开发的新宠，企业高管希望通过AI代理提升效率。尽管开发者对AI生成代码的质量存在担忧，但其潜在价值巨大。调查显示三分之二企业正在或计划使用多个AI代理进行软件测试，72%认为到2027年智能AI可实现自主测试。专业化的精简测试代理比大型模型更适合特定任务，需要建立负责任的信任框架来管理AI代理行为，但人工测试仍不可替代。

IT领导者必须做的不仅仅是接受初创公司可以提供的创新优势，还必须确保业务连续性和稳健运作。急于与初创公司展开合作，可能会导致双方关系不符合彼此利益，从而给CIO带来重大的业务技术风险。

Physics Wallah团队开发的Aryabhata 1.0是专为印度JEE数学考试优化的70亿参数AI模型。通过融合三个不同特长的数学模型，使用25万道精选题目进行训练，并采用创新的强化学习技术，Aryabhata在2025年JEE考试中取得86%-90%的准确率。该模型不仅解题精确，更能提供清晰的教学指导，已开源发布，标志着AI教育应用的重要突破。

大家都知道现在消费者的要求越来越高。与过去不同，时下商业方面不缺信息或选择。今天的消费者认为在线购物是理所当然的事，他们要求便利、个性化和上乘的体验。