在今天，中国的传统企业正面临着数字化转型的“风浪”。不管你是否愿意，都必须在风浪中继续前进。元年科技为在数字化转型浪潮中前行的企业建造了一艘“方舟”，推出了基于云原生、微服务、容器化的元年方舟企业数字化 PaaS 平台。

6月23日，新华网客户端与至顶科技联合举办的《对话数字中国》特别节目——“东数西算”发展研讨会暨《人类计算简史》新书发布会成功举办。

这项研究首次系统探索了为聊天机器人定制词汇处理系统的节能潜力。通过对8个主流AI模型的测试，发现专门优化的tokenizer可减少5-10%的token数量，直接转化为相应的能耗降低。在全球AI服务规模下，这种看似微小的优化能带来显著的环保和经济效益，为AI可持续发展提供了新思路。

ByteDance研究团队开发的UltraMemV2成功让记忆层架构性能追平顶级8专家MoE模型，同时大幅降低内存访问成本。该技术通过五个关键改进，在长文本记忆等任务上表现更佳，验证了高达1200亿参数的可扩展性，为高效稀疏计算提供了重要替代方案，有望推动AI系统向更智能高效方向发展。

在2019年的公有云评测中，至顶网云能力小组将在对去年所发现问题进行复测的基础上，增加对公有云主机高可靠性和可扩展性的评测，青云云主机测试报告如下：

日本柯尼卡美能达公司基于InterSystems IRIS 医疗版开发新系统，以更好地实现患者数据的收集和可视化

新加坡南洋理工大学研究团队首次提出概念感知微调方法，让AI同时预测多个词块而非单一词块，从而更好理解完整概念。该方法在编程、数学、文本生成、分子设计和蛋白质设计五大领域均显示显著改进，将多词块预测技术首次引入模型微调阶段，大幅降低成本门槛，为AI训练范式变革提供新思路。

在自动驾驶的浪潮当中，大家是否忽视了眼动追踪与驾驶员监控系统(DMS)在汽车中的作用?

2021和2022年,孙伟杰连续两次入选福布斯亚洲U30精英榜并当选封面人物。

甩掉分支，对IBM来说，专注是必然的。那么对于Kyndryl而言，拆分的意义又是什么？正式剥离后如何重新启程？市场机会点在哪？围绕这些话题，我问了Kyndryl大中华区“新掌门”郑军五个问题。

Nvidia正在与生物技术巨头基因泰克公司（Genentech）合作，双方计划利用多年时间把最先进的人工智能功能（包括生成式AI）用于加速药物发现研究。

南开大学团队开发出GlimpsePrune技术，让大型视觉语言AI能像人类一样"瞄一眼"抓住图像重点。该技术通过智能筛选视觉信息，只保留7.4%相关内容就能维持100%回答准确性，大幅降低92.6%计算负担。不同于固定压缩的传统方法，GlimpsePrune能根据问题复杂度动态调整，简单任务保留3.6%信息，复杂场景保留30-40%，实现真正智能化适应，为AI视觉应用的普及奠定基础。

数据库市场今天的格局已经形成很久了，商业数据库为王，这几乎没有变过。今天，在云时代，以AWS、阿里云为代表的云服务商携云原生数据库向传统数据库发起挑战。

据彭博社近日报道，数据管理和分析厂商Cloudera正在考虑对外出售。

浙江大学和阿里巴巴团队开发Memp框架，为智能体构建程序性记忆能力。该系统通过构建、检索、更新三个模块，让智能体从过往经验中学习，显著提升任务成功率50%，执行效率提升一半。更重要的是，强模型的记忆可传递给弱模型，实现经验共享。这项研究为构建具有持续学习能力的智能系统开辟新路径。

HPE本月将向国际空间站发送一种专用的边缘计算系统，让宇航员能够得到更多用于研究项目的处理能力。该项目是HPE与微软、NASA共同合作展开的。

翠丰集团正在供应链管理和物流功能中使用AI来提供需求预测模型，这种模型可以预测某些产品的市场需求在未来12个月内将发生怎样的变化，以及从客户的产品评论中发现模式。

Salesforce首席执行官马克·贝尼奥夫表示，公司正大力推进人工智能应用，AI代理现在承担了公司30%至50%的工作。他认为员工应适应AI替代人工的趋势，转向更高价值的工作。然而，这一变化导致约1000名员工被裁，虽然公司计划招聘同等数量新员工，但主要专注于销售AI技术。这一趋势在科技行业普遍存在，今年已有超过63000个科技岗位消失，AI被认为是重要原因之一。

斯坦福大学和上海交大等机构的研究团队提出了一种为视频世界模型增加长期记忆能力的创新方法。受人类记忆机制启发，他们设计了三种互补的记忆系统：短期工作记忆、基于点云的长期空间记忆和稀疏情节记忆。这种组合允许AI在生成长视频时保持场景的空间一致性，解决了现有模型因有限上下文窗口导致的"遗忘"问题。实验表明，该方法在视角回忆一致性和整体视频质量方面显著优于现有技术，为创建持续一致的虚拟世界铺平了道路。

新加坡国家大学研究团队开发了MACT多智能体协作框架，通过四个专门化AI智能体的分工合作，在文档理解和问答任务上超越了许多大规模单体模型。该系统创新性地采用独立判断智能体进行质量控制，结合混合奖励机制和个性化测试时扩展策略，在15个基准测试中的13个获得最佳表现，为AI协作系统设计提供了新思路。