区块链与我们的日常生活走得越来越近，自然而然，其关注度也在不断攀升，入局者更是与日俱增。百度便是其中之一。

冒险是创业常态，如何挑选正确的合作伙伴，对于创业至关重要。

在一年时间里，华为云业绩增长速度可用“突飞猛进”来形容，考察其高速增长背后的深层原因，以及其对整个云计算市场带来的影响，都具有一定的借鉴和指导意义。

2022年4月2日，华为数据通信产品线研发总裁刘少伟接受央视《对话》栏目的采访，畅谈“东数西算”和算力时代，阐述华为如何基于“IPv6+”创新技术打造算力时代的联接底座

Dickson表示，从建立双赢的合作伙伴关系再到充分利用生成式AI等新兴技术，业务战略是IT领导者所做一切承诺的核心。

日立万塔拉正在进行存储策略更新,统一高端和中端产品线,拥抱全闪存和混合云。公司重回企业存储领域,简化产品组合,现代化技术,同时保持稳定性和可靠性。此外,公司还在积极布局AI市场,推出Hitachi IQ解决方案,并探索AI技术在存储管理和客户支持中的应用。

到底靠不靠谱，我们亲测了下。

Nvidia在数据中心市场大获全胜的大门是敞开的，即使没有Arm，我们认为Nvidia也要比其他公司更有能力满足企业级技术的未来需求。

微软研究院联合清华大学提出"几何强制"方法，解决AI视频生成中的空间一致性问题。通过让专门的几何理解模型指导视频生成模型，实现了角度对齐和尺度对齐，使生成的视频在长时间序列和视角变化中保持几何一致性。实验显示该方法将视频质量评估指标FVD从364降低到243，显著提升了视频生成的真实感和连贯性。

德克萨斯大学奥斯汀分校的研究团队开发了一个名为CHARTMUSEUM的全新基准测试，专门评估大型视觉-语言模型理解图表的能力。研究表明，即使最先进的AI模型在图表视觉推理任务上远远落后于人类表现——虽然人类能达到93%的准确率，但最佳模型Gemini-2.5-Pro仅达到63%，开源模型表现更差。研究揭示模型在处理视觉推理问题时比文本推理问题表现低35%-55%，并通过错误分析确定了当前模型在符号选择、视觉比较、轨迹跟踪和数值识别等方面的关键挑战，为未来模型改进提供了明确方向。

Web及移动App上云是指将Web应用程序或移动应用程序部署到云计算平台上，以便用户可以通过互联网访问这些应用程序。

这个故事，有个比较好理解的类比，就像是GPU的发明，实现了并行计算加速的过程。当然，鉴于我们讲的是通信产业的故事，得翼把这个过程叫做“Re-Imagine Radio”，翻译过来是，用RPU“重新定义射频”。

生物识别技术、人工智能和机器学习的深度融合，正推动身份验证从被动识别向主动风险评估和持续监控转变，尤其在对抗深度伪造等新兴欺诈手段方面，展现出不可或缺的关键作用。

大模型元年,在MEET2024智能未来大会上,20位行业大咖给出了这样的年终总结。

浙江大学联合腾讯AI实验室提出KnowRL方法，通过在强化学习中集成事实性奖励机制，有效解决慢思维AI模型在推理过程中的幻觉问题。该方法在保持原有推理能力的同时，显著提升了模型的事实准确性，为构建更可靠的AI系统提供了新思路。

英特尔客户充分发挥英特尔客户至上的价值观，站在客户的角度，从客户的实际应用需求出发，为客户匹配到最合适且最具性价比的解决方案，并通过与客户一道进行反复的沟通测试，真正验证了英特尔平台级解决方案在真实应用场景中的价值。

中国工程院院士，浪潮集团执行总裁、首席科学家王恩东15日在浪潮数据中心合作伙伴大会上表示，智慧时代，计算需求呈指数级增长，计算技术、产品与产业面临着多元化、巨量化和生态化的新挑战。

去年在疫情的影响之下，出现了大量居家、移动、分散和远程办公的工作场景，这给企业的办公和员工传统的坐班式工作模式带来了很大的挑战。

浙江大学和莫纳什大学研究团队开发了PM-Loss，一种用于改进前馈式3D高斯分布渲染的新型正则化损失函数。研究针对深度图在物体边界处的不连续性问题，通过预训练Transformer模型预测的点图提供几何先验知识，实现了更平滑、准确的3D场景重建。实验表明，PM-Loss在多个数据集上显著提升了渲染质量，PSNR提高至少2dB，特别改善了物体边界处的细节表现。该方法易于集成到现有模型中，无需修改架构，为3D视觉和图形学领域提供了新的研究思路。

NVIDIA团队开发出革命性AI图像生成技术AYF，成功将传统需要几十步的复杂图像生成过程压缩至仅4步，同时保持高质量输出。该技术通过创新的流映射方法和双重训练目标，解决了现有快速生成方法质量差或多步性能退化的问题，在ImageNet等标准测试中表现优异，为AI图像生成的实用化应用奠定了重要基础。