在第十八届国际数据中心展CDCE2018数据中心及云计算全产业展前期，数据中心节能技术委员会吕天文秘书长向至顶网记者介绍了当前数据中心节能技术的最新进展

苏州大学等机构联合发表的这项研究首次系统性梳理了AI测试时计算技术的发展全貌。研究揭示了AI正在经历从快速直觉反应向深度推理思考的重大转变，通过重复采样、自我纠错、树搜索等策略显著提升推理能力。这种"给AI更多思考时间"的技术革命不仅推动了数学、编程等领域的突破，更为通用人工智能的实现指明了方向。

香港中大与字节跳动联合研究团队开发出InterActHuman系统，解决了AI生成多人交互视频的技术难题。该系统通过创新的"局部条件注入"方法和动态掩码预测技术，实现了精确的多人音频-视频同步，在唇语准确性和用户体验方面远超现有技术，为未来影视制作、游戏开发和教育应用开辟了新的可能性。

破除迷雾，来看看开源AIOps工具与专有AIOps工具的优缺点。

对于加拿大航空（Air Canada）来说，安全是至关重要的，而对于提高这一最重要绩效指标的数据战略负责人来说，如何获得有关加拿大航空公司安全表现的洞察是同样重要的。

上海AI实验室联合复旦大学等机构发布EO-1机器人智能系统，首次实现真正的机器人推理能力。该系统通过创新的"交错式视觉-文本-动作预训练"技术，让机器人具备了像人类一样"边看边想边做"的综合智能。EO-1在多个测试中超越现有系统，能够处理复杂的长期任务、进行战略推理，并适应不同硬件平台，标志着机器人技术迈入智能化新阶段。

为了抓住5G、边缘扩建和无处不在的人工智能所带来的巨大机遇，英特尔宣布为网络基础设施推出新的硬件、软件及解决方案。

在一个焦虑的环境里，做一个淡定从容的人。

带你深入了解苹果的全新桌面操作系统。

据Veritas Vulnerability Lag Report (Veritas企业IT安全脆弱性报告)显示:未来两年内,企业将面临由疫情催化业务转型所导致的勒索软件风险及IT安全漏洞风险。

早期采用生成式AI的人通常使用ChatGPT、微软Copilot和类似的SaaS 工具，这些工具虽然需要花钱，但不会带来基础设施方面的挑战。然而，随着企业的纵向扩展，这些挑战开始显现出来。

现如今，国家大力推动5G全面协同发展，深入推进5G赋能千行百业；同时也正在大力发展智能制造技术，实现产业升级。那么作为最新通信技术的5G与智能制造的“未来工厂”相结合，又可以为我们带来哪些方面的改变？

MinMo是阿里巴巴通义实验室开发的80亿参数多模态语音模型，在140万小时语音数据上训练，实现了全双工语音交互，支持多语言识别翻译、情感分析、风格控制等功能，语音响应延迟仅100-800毫秒，在各项语音任务上达到业界最佳性能，代表了AI语音交互技术的重大突破。

对于拥有多个站点的组织，VMware成本上升威胁着远程办公室的独立运营能力。将工作负载推向云端虽能抵消许可费用，但增加了对持续连接的依赖和风险。组织应借此机会重新审视整个基础设施，寻找能够整合虚拟化、存储、网络和数据保护功能的平台。理想的替代方案应支持从核心到边缘的统一软件栈，在断网时保持站点独立运营，并为AI工作负载做好准备，同时降低硬件成本和运营复杂性。

这项由LMU慕尼黑大学研究团队进行的研究，首次深入探索了代码语言模型如何在内部表示和处理多种编程语言。研究通过分析Llama系列模型的中间层表示和神经元激活模式，发现模型在处理代码翻译任务时会经过"英语思维"的中转，且不同编程语言在模型内部的表示存在显著的共享和差异模式。研究结果不仅揭示了AI理解代码的内部机制，还为设计更高效的多语言代码模型提供了实用见解。

微软研究院推出Agent Lightning框架，实现AI智能体的持续学习能力。该框架采用强化学习方法，让任何AI智能体都能通过与环境互动来不断改进性能，无需修改原有代码即可接入。通过训练-智能体解聚架构和统一数据接口，Agent Lightning在文本转SQL、检索增强生成、数学工具使用等多个任务上验证了稳定的性能提升效果。

多年以来，AI技术成为全球各国政府的关注焦点，并敦促其纷纷拿出自己的AI发展战略、借此改变远程办公时代下的运作方式。

中科院深圳先进技术研究院联合中科院大学提出PACS框架，通过将强化学习问题转换为监督学习任务，让大语言模型学会自我监督和评价。该方法在数学推理任务上显著超越现有方法，在AIME 2025测试中成功率达59.78%，比传统方法提升13-14个百分点，为AI推理能力提升开辟了新路径。

Essential AI团队通过系统研究发现，大语言模型的反思能力在预训练阶段就开始萌芽，而非传统认为的仅在强化学习后出现。研究团队对OLMo-2等模型的240个检查点进行测试，发现简单的"Wait,"触发词就能激发模型识别和纠正推理错误的能力。这种反思能力随预训练规模增长而提升，在数学、编程、逻辑推理等六个领域都有体现，为AI系统的高效开发提供了新思路。

香港大学推出TokenHSI系统，通过创新的"任务符号化"策略实现虚拟角色多技能统一控制。该系统能让虚拟角色像真人一样灵活完成坐立、搬运、攀爬等复杂任务组合，相比传统方法在技能组合任务中成功率从26.8%提升至99.2%，为游戏、动画、VR等领域带来革命性进展。