这些再平凡不过的故事，被互联网冠上了统一的社会记忆，一下子变得深邃而迷人。

《区块链启示录》本期，科技行者对话腾讯区块链产品负责人卢洋。

可以看到，单纯将Hopper替换为Blackwell并不是最好的答案。根据英伟达方面的解释，只有在配合一系列正确举措之后，推理性能提升至30倍、推理功耗降低至1/25的结果才有可能实现。

当被要求猜测1到50之间的数字时，ChatGPT、Claude、Gemini和Llama等主流AI模型都给出了相同答案：27。研究显示，这种现象源于训练数据偏差和共同的词汇预测方法。专家指出，大语言模型缺乏真正的随机性，在数字选择上表现出高度确定性和偏见性，这提醒我们AI模型无法独立做出无偏决策，限制了其在需要随机性任务中的应用能力。

企业云计算领导者Nutanix近日公布了其企业云指数报告中对制造业的调研结果，旨在评估制造业企业对私有云、公有云和混合云的部署计划。

本文探讨了7种可能严重影响企业运营的技术债务类型,包括数据债务、数据管理债务、开源依赖债务、AI债务、架构债务、AI实施中的安全债务以及文化债务。文章分析了这些债务的成因、潜在风险,并为CIO提供了应对建议,以帮助企业避免或减少技术债务对业务转型的阻碍。

斯坦福神经AI实验室开发出SpelkeNet系统，通过"虚拟戳击"让AI像婴儿一样理解物体的物理结构。该系统不依赖外观特征，而是模拟物理力作用来发现哪些像素会一起移动。在物体操作任务中表现显著优于传统方法，并意外展现出对支撑关系和材料属性的理解能力。

斯坦福大学研究团队通过对比实验发现，AI模型自我改进能力的关键在于四种认知行为：验证、回溯、子目标设置和逆向推理。具备这些"思维习惯"的模型能有效利用额外计算时间提升表现，而缺乏认知行为的模型则停滞不前。研究证明通过精心设计的训练数据可以人为培养这些能力，且思维过程比正确答案更重要。这一发现为AI发展指出新方向：培养正确思维方式比增加数据量更关键。

作为“养智”参观考察线路的重要一环，由攀枝花市国有投资集团与腾讯医疗携手共建的攀枝花市“智慧康养大脑”——攀枝花智慧康养产业大数据中心正式亮相，吸引了社会各界关注的目光。

Check Point 研究人员发现，新型 Linux 后门程序‘SpeakUp’不断蔓延，大肆传播 XMRig 加密货币挖矿恶意软件.

UC圣地亚哥和西蒙弗雷泽大学联合开发了GMT系统，这是首个能让机器人掌握多种人类动作的通用控制器。通过自适应采样和专家混合架构，单一系统可同时处理走路、跳舞、武术等复杂技能，在真实机器人上展现出卓越的稳定性和流畅性，为通用人形机器人的实现迈出关键一步。

DPU作为一个新兴起的概念，正在以惊人的速度崛起。据预测，DPU将成为未来计算的三大支柱之一，CPU+GPU+DPU构成未来的数据中心。

香港大学团队提出UniVLA框架，通过"任务中心潜在动作"技术让不同机器人共享技能，无需大量标注数据即可从网络视频学习。在多项基准测试中显著超越现有方法，仅用1/20计算资源就达到更好性能。该研究为机器人跨平台技能迁移和大规模学习提供了新思路，有望推动通用机器人助手的实现。

“登哥”遇到的问题，是一个典型社会信用问题，也带来了经济模式问题。

复旦大学团队提出Sparse-dLLM技术，通过智能缓存管理解决扩散大语言模型速度慢、内存消耗大的问题。该方法采用双向稀疏化策略和延迟更新机制，实现3-10倍速度提升，同时保持准确性和控制内存使用。技术具有即插即用特性，在多个AI测试中表现优异，为AI应用实用化开辟新途径。

9月29日，在2021中国通信学会环球科学家蓝海论坛上，高通公司中国区研发负责人徐晧博士，以《5G到6G技术演进》为主题，讲解了移动通信技术演进的故事。

斯坦福大学等国际研究团队通过对比GPT-3.5、GPT-4o等六个主流大语言模型在印地语、波斯语和中文对话中的表现，发现AI在不同语言中的"幻觉"现象存在显著差异。研究显示中文表现最稳定，幻觉现象最少，而印地语和波斯语中AI经常出现答非所问的情况。这一发现揭示了训练数据质量对AI语言能力的决定性影响，为多语言AI公平性发展提供重要参考。

如今，获得初步胜利的AMD开始将CPU与GPU计算整合起来，同时再辅以一点收购自赛灵思的FPGA和来自Pensando的DPU元素。

哈佛大学研究团队在NeurIPS 2024上发表重要研究，解决了AI模型在处理敏感数据时面临的隐私保护难题。该研究首次将差分隐私技术与上下文学习结合，开发出自适应隐私保护机制，能够根据数据敏感程度动态调整保护强度。实验证明，新方法在保持严格隐私保护的同时，让AI模型学习效果提升15-20%，为医疗、金融、教育等领域的AI应用提供了安全可靠的技术方案。

DeepSeek于1月推出的R-1 AI模型显著改变了企业AI的格局，导致美国科技股市损失超过1万亿美元。该公司声称其推理模型在性能上可与OpenAI的o1相媲美，速度是其两倍，成本仅为10%。尽管模型开发存在争议，DeepSeek加速了AI模型的商品化，为CIO提供了更多选择和更低的内部构建AI能力的门槛。随着模型成本下降，企业在商业解决方案上将有更大选择，内部开发应用变得更为现实。