和当今的深度学习方法相比，我们大脑的效率高得不可思议。它们只有几磅重，大概只需要20瓦左右的能量消耗，这个能耗只能够给昏暗的灯泡供电。然而，它们代表了已知宇宙中最强大的智力形式。

这项来自Yandex和多所国际院校的突破性研究首次实现了多个大语言模型的实时协作推理，让AI能像人类团队一样即时分享思考过程并自发分工合作。通过创新的共享注意力缓存技术，多个AI可以同时处理复杂问题，避免重复劳动，相互纠错验证，显著提升解题效率和准确率，为AI从单体智能向群体智能转变开辟了新路径。

8月2日-8月3日，2018（第三届）中国大数据产业生态大会在京召开，大会发布了《2018中国大数据产业生态地图暨中国大数据产业发展白皮书》，为大数据领域的优秀企业颁发奖项，获得了业界的广泛关注。

经过六十年的研发，让AI系统在目标、意图与价值观层面与人类保持统一，仍是个遥不可及的目标。

华为诺亚方舟实验室联合香港中文大学团队在2025年6月首次实现了从自然语言数学问题到严格证明的端到端自动化处理。他们开发的Mathesis系统包含创新的强化学习自动形式化器、精细化评估框架LeanScorer，以及高性能证明器，在中国高考数学测试集上达到18%成功率，相比最佳基线提升22%。该系统已集成到华为Celia智能助手中，将数学问题解决准确率从65.3%提升至84.2%，展现了AI数学推理的巨大应用潜力。

香港科技大学联合腾讯微信AI等机构开发出SitEmb-v1.5情境感知文本嵌入模型，突破传统AI只能孤立处理文本片段的局限。该技术让AI在理解文本时能考虑上下文环境，就像人类阅读一样。仅10亿参数的模型就超越了多个70-80亿参数的先进系统，在书籍理解等复杂任务中表现优异，已开源供全球开发者使用。

绝大多数的新闻和媒体都长篇累牍地撰写过关于千禧一代的文章——这个21岁至35岁的群体——而且他们有很好的理由这样做。

AI技术带来的碳排放已经不容忽视；如果行业趋势继续下去，那么情况将很快失去控制。除非我们愿意重新评估并改革当今的AI研究议程，否则人工智能领域很可能在不久的未来成为引发气候变化的罪魁祸首。

Phenom的人工智能可以令招聘人员更快地找到合适的人选，而且可以令寻找新机会的求职者无需浪费大量时间找到合适的工作。

ChatGPT爆发一年之后，尽管有明显的好处，但IT领导者们尚未全力投入生成式AI，而是选择谨慎行事。

VMware为全球数字化基础架构提供原生安全，提升公有云和私有云、安全运维和分布式办公团队的安全性。

11月6日，以“从行业中来，到行业中去”为主题的“懂行大会2020”（简称“懂行大会”）在苏州成功举行。这是华为首届“懂行大会”，旨在与更多参与行业数字化转型的“懂行人”一起，共探数字化未来的发展路径。

AI加速落地，而不管是训练还是推理，都离不开坚实的算力支撑。NVIDIA以全面的产品组合覆盖从云到数据中心、边缘的AI场景，MLPerf的测试结果展现了NVIDIA产品的实力，赋能企业AI的部署与应用。

本文探讨了判断AI是否达到通用人工智能（AGI）和人工超级智能（ASI）水平所需的问题数量。目前缺乏确定的测试方法来评估是否达到顶级AI水平。基于图灵测试的分析，作者提出仅通过少量问题难以全面评估智能水平。参考美国国会图书馆主题标引（LCSH）的40万个主题领域，如果每个领域提出1万个问题，将需要40亿个问题来全面测试AGI。这种大规模测试虽然在逻辑上合理，但在实际操作中面临巨大挑战。

今天，中国的央企和地方国有企业正在积极推进一个重要的历史发展进程，就是“高质量发展，建设世界一流企业”。

基于RFID技术搭建智慧零售平台助力黄金珠宝行业“智慧奉客”

现在，来自Google Brain团队的一名研究科学家Been Kim，正在开发一套“人类翻译器”，希望构建能够向任何人做出解释的AI软件。

无论是尖端医学研究、大规模基因组分析还是日常应用检测，NVIDIA Million-X百万倍计算性能飞跃的愿景已经在基因测序的各个领域结出累累硕果，并将持续为人类消除疾病、促进健康做出贡献。

建立在DGX POD之上是实现大规模AI的重要因素。对于那些没有数据中心或资本支出的人来说，现在有一个好消息能使其快速实现。越来越多的数据中心托管服务提供商很清楚如何协助您从计划走向投产。

Atla公司发布Selene Mini，这是一个仅有80亿参数的AI评估模型，却在11个基准测试中全面超越GPT-4o-mini。通过精心的数据筛选和创新训练策略，该模型不仅能准确评判文本质量，还能在医疗、金融等专业领域表现出色。研究团队将模型完全开源，为AI评估技术的普及和发展做出贡献。