在2018亿欧创新者年会下午，亿欧公司副总裁兼亿欧智库研究院院长由天宇现场发布了以“智能产业 美好生活”为主题的三份研究报告，分别是：产业创新指数研究、美好生活的消费研究、00后人群的研究。

数字化转型是企业用户迎接新经济环境挑战的一个途径，可是怎样实现由流程驱动向数据驱动的数字化转型，很多用户，甚至应用系统的研发和实施厂商都在困惑中探索

在最近的财报季中，特斯拉和通用汽车展现了截然不同的发展战略。通用汽车将电动汽车视为"北极星"，强调生产灵活性，可根据市场需求调整电动车与燃油车的生产比例。而特斯拉CEO马斯克则将公司未来押注在自动驾驶和AI上，尽管目前74%的收入仍来自汽车销售。两家公司都面临关税压力和电动车市场增长放缓的挑战，但应对方式各异。

根据外媒记者Scott Carey的观察报告，一众开发者认为DevOps正在加重他们的负担，大多数开发者并不想负责运维。一时间，“DevOps已死”的论调再度出现。

ByteDance和清华大学联合开发的DAPO系统通过四项核心技术突破，让AI在数学推理测试中达到50分佳绩，超越业界最佳水平且训练时间减半。该系统完全开源，包含算法、代码和数据集，为AI推理能力研究提供了重要里程碑。研究展示了强化学习在提升语言模型复杂推理能力方面的巨大潜力。

AI 代理即将进入职场，成为新型劳动力。2025 年，我们将见证 AI 同事的崛起。各大科技巨头正在角逐这一市场，关键在于获取用户和企业数据。微软凭借广泛的用户基础占据优势，而 Salesforce 等公司则拥有丰富的企业数据。OpenAI 虽缺乏数据和用户资源，但技术实力雄厚。未来 AI 代理的供应商之争，将围绕技术、数据和用户展开激烈角逐。

“Windows 365不只是一个操作系统，而是提供了一种体验Windows 10 或 Windows 11的全新方式。”

荣耀9X PRO就是这样一款几近全能的手机。在两周的实测体验中，我们也看到这款荣耀最新旗舰机的深厚“功底”，也揭开一些首度在荣耀9X PRO公开的“秘密”。

近年来，世界各国的HPC大师们正纷纷转向超大规模与云设施领域。但不同于在供应商处任职，他们往往更倾向在自己熟悉的岗位上不断深耕。劳伦斯利弗莫尔国家实验室计算部门的首席技术官Bronis de Supinski就是其中之一。

近期，多机构大举应用生成式 AI，但却未能有效落实安全防护。英国 NCSC 警告，未来关键系统可能面临更高攻击风险，要求企业加强供应链及网络安全管理。

2020年1月14日，微软正式终止支持Windows 7，包括不再提供任何技术支持、软件更新和安全更新及修复。这意味着，如果用户不想让自己的电脑“裸奔”，就得升级到更新的操作系统版本。

亚马逊Nova责任AI团队与亚利桑那州立大学共同开发了AIDSAFE，这是一种创新的多代理协作框架，用于生成高质量的安全策略推理数据。不同于传统方法，AIDSAFE通过让多个AI代理进行迭代讨论和精炼，产生全面且准确的安全推理链，无需依赖昂贵的高级推理模型。实验证明，使用此方法生成的数据训练的语言模型在安全泛化和抵抗"越狱"攻击方面表现卓越，同时保持了实用性。研究还提出了"耳语者"代理技术，解决了偏好数据创建中的困难，为直接策略优化提供了更有效的训练材料。

一款科研神器横空出世，追平世界一流水平，它的作者是一个20刚出头的大三生。

当获客成本飙升至临界点，传统DTC模式面临生死考验。AI的到来不仅将改变品牌投放广告的方式，更可能重新定义消费者的购物习惯。

这篇研究来自加州大学伯克利分校和谷歌研究院团队，探讨了什么让图像看起来"自然"这一问题。论文提出了一种识别自然图像特征的深度学习方法，通过训练神经网络区分真实照片与人工处理的图像，并能将"不自然"的图像转化为更自然的版本。研究不仅揭示了自然图像在颜色分布、纹理特征和内容语义等方面的规律，还展示了在图像修复、质量提升和伪造检测等领域的潜在应用，为理解人类视觉感知和改进AI图像生成提供了新视角。

从本质上讲，一切数据库都需要一种与客户交流的方式，而查询语言的职责正是定义数据库能够做些什么。

AWS发布开发环境Kiro预览版，集成AI代理帮助软件工程师将想法转化为生产就绪代码。Kiro支持"规格编码"，开发者可用自然语言描述需求，AI自动生成需求文档、用户故事和代码任务。系统包含规格同步、钩子触发等功能，确保代码质量和文档同步。支持模型上下文协议扩展，提供丰富的开源AI工具库。

当前美国的“消费者”们正沉浸在前所未有的“0元购”狂欢中，一场“盛宴”却是零售业的“噩梦”。生活成本的上升压缩了消费者预算，零售商们承受着前所未有的压力。过去两周，沃尔玛、塔吉特、均提及这种犯罪行为对其业务和员工的影响损失达到了数十亿美元。

变革管理旨在加速采用并实现业务成果，但历来都不是IT组织的强项。是时候通过提出尖锐的问题来改变这个局面，以推进变革策略了。

本文探讨了人工智能发展路径的两种观点:一是传统的"人工智能-通用人工智能-超级人工智能"三阶段路径;二是直接从人工智能跨越到超级人工智能的新观点。文章分析了两种路径的利弊,指出虽然目前尚无定论,但考虑这两种可能性对人类应对AI发展至关重要。文章还探讨了人类是否能主导这一进程,以及AI可能带来的影响。