IBM研究人员用了一些方法有效地将更多的信息置于用于进行模拟的数学函数里，即是说计算过程的结果要精确得多，而且并无额外的计算成本。

Mistral AI发布了两个开源多模态语音AI模型Voxtral Mini和Small，不仅具备语音识别能力，更能理解语音内容并进行智能对话。模型支持32K上下文窗口，可处理40分钟长音频，在语音识别、翻译和理解任务中达到最先进水平。Small版本超越多个闭源模型，Mini版本可本地运行，两个版本均在Apache 2.0许可证下开源发布。

容器与无服务器也在各自的道路上不断发展，二者相互竞争、持续演变出新形态才是我们消费者最乐于看到的未来。

今天，华为全联接大会（HUAWEI CONNECT 2018）在上海世博中心举行。本届大会以"+智能，见未来"为主题，携手全球ICT产业领袖、行业先锋、生态伙伴、商业智囊共同探讨人工智能在各行业发展的方向和机遇。

北京大学与上海AI实验室联合发布FUSION模型，通过创新的全模态整合技术，实现视觉和语言的深度融合。该模型仅用630个视觉令牌就超越了传统大型模型，在文本引导视觉编码、上下文感知解码等方面取得突破，代表了多模态AI发展的重要里程碑。

首尔国立大学研究团队开发了CHARTCAP数据集，包含56.5万个高质量图表-描述对，通过四阶段流水线和循环验证方法解决了AI图表理解中的幻觉和信息贫乏问题。研究还提出了视觉一致性得分评估方法，该方法通过重构图表来验证描述质量。实验显示，经CHARTCAP训练的AI模型在图表理解能力上首次超越人类专家标注，为AI在专业领域的应用开辟新路径。

这项由Sierra公司联合多伦多大学开展的研究首次揭示了AI对话系统在双控制环境下的真实挑战。研究团队发现，当AI需要指导用户协作操作时，性能会显著下降约20%。他们开发的τ?-bench评估平台通过电信技术支持场景，系统性地测试了AI的协作指导能力，并通过程序化任务生成和环境约束的用户模拟大幅提升了评估可靠性，为未来人机协作AI系统的发展指明方向。

来自印度维洛尔理工学院的研究团队开发了UGPL系统，这是一种模仿医生诊断思路的AI技术，能够智能分析CT扫描图像。系统采用"先看森林再看树"的策略，首先进行全局分析识别可疑区域，然后重点检查这些区域。在肾脏疾病、肺癌和COVID-19三项诊断任务上，准确率分别提升了3.29%、2.46%和8.08%，为医疗AI发展指出了新方向。

IBM首次运用量子计算机解决了经典计算机无法解决的问题。这一成就标志着实用量子计算系统与软件发展旅途已经迎来重要里程碑。

这家私营时装零售商重视其在商业街的形象，但认为数字创新是改善店内客户服务的关键。

这篇论文介绍了一个名为"CrEval"的创新框架，用于跨领域评估文本创造力。研究团队构建了"CreataSet"数据集，包含超过10万条人类水平和100多万条合成创意文本，涵盖87个领域。基于此训练的CrEval评估器在与人类判断的一致性上显著优于现有方法，包括GPT-4o。研究发现，结合人类创建的数据和合成数据对训练有效评估器至关重要，且CrEval不仅能评估创造力，还能提升AI模型生成更有创意内容的能力，为创造力评估和提升开辟了新方向。

三星研究院提出PLADIS技术，通过稀疏注意力机制显著提升AI绘画的文字理解准确性。该方法无需重训练模型，仅在推理阶段替换注意力计算函数，就能让AI更精准理解用户描述，生成更符合要求的图像。实验显示图像质量提升20%，文字匹配度大幅改善，且兼容各种现有AI绘画系统。

4月21日，在上海市政府合作交流办的指导下，拼多多创新扶贫助农模式“多多农园”，首站落户云南保山。通过“多多农园”，拼多多将实现消费端“最后一公里”和原产地“最初一公里”直连，探索农业产业新模式，让农户成为全产业链的利益主体。

如今，随着企业业务朝着数字化方向演进，它们的有效运转，越来越依赖数据中心各个组件的正常运行，对于存储可靠性的要求就变得越来越高。而关于可靠性，这里就不得不提RAID组。

研究发现，当人们四处张望时，视觉系统接收到的信息将在我们的左右脑之间往来“反弹”。

英特尔®Optane™数据中心持久内存模块（简称DCPMM）为解决当前DRAM面临的困境而生，与DRAM相比，DCPMM具备以下两个突出的性能优势：

“数字化转型其实非常复杂，对于不同行业、不同规模、甚至是同样规模的企业，都是千差万别，很多中小企业，一来‘不知怎么转’，二来‘没有足够资金可以转’，他们也想学习同行业的头部企业是怎么思考和怎么做的。”西门子Xcelerator中国区总经理、西门子数字科技（深圳）有限公司CEO秦成，接受至顶科技专访时，传递出很多中小企业心声。

人民大学团队创建了OlymMATH，这是首个奥数级AI数学推理基准测试，包含200道双语题目。测试结果显示，即使最先进的AI模型如Gemini 2.5 Pro在困难题目上也只能达到58.4分，揭示了当前AI在复杂数学推理方面的真实能力边界，为未来AI发展指明了方向。

“数字化转型其实非常复杂，对于不同行业、不同规模、甚至是同样规模的企业，都是千差万别，很多中小企业，一来‘不知怎么转’，二来‘没有足够资金可以转’，他们也想学习同行业的头部企业是怎么思考和怎么做的。”西门子Xcelerator中国区总经理、西门子数字科技（深圳）有限公司CEO秦成，接受至顶科技专访时，传递出很多中小企业心声。

当下,数字化正在经历从以企业为中心向产业为中心转移、从追求效能为主的价值诉求向追求业务创新和业务发展的价值诉求转变,不断增加的不确定性也为数字化的发展蒙上了一层阴影。