2018年6月27日，讯众股份旗下全资子公司云讯科技，面向国内市场发布“云讯云雀”智能语音机器人软件。该软件的最大特色是，让企业真正实现低成本高效率获客。

商户支付交易数量的大幅度增加，给AsiaPay的传统数仓带来了极大的压力，如何有效地管理数据、发现数据的价值、满足商家对实时数据分析的要求，成为AsiaPay必须解决的问题。

普渡大学团队开发出LLMalMorph框架，利用大语言模型生成恶意软件变种，通过六种代码变形策略成功生成618个样本，平均检测率降低10-31%。研究揭示了AI在网络安全攻防中的双刃剑作用，为理解新兴威胁和开发防御技术提供重要参考。

想象一下，如果你能在几秒钟内，将一张照片中的人脸无缝替换成另一个人的脸，同时保留原始照片中的表情、姿势、妆容和光线效果，会是什么样子？这正是字节跳动研究团队最新开发的DreamID技术所能实现的。

内蒙古伊利实业集团股份有限公司作为行业龙头，基于”以消费者为中心”的理念，以创造消费者价值的营销转型和降低运营成本的供应链转型的双引擎战略在乳制品行业率先推进全产业链数字化转型。

日本Sakana AI联合东京大学和AtCoder推出了首个专门测试AI长期算法优化能力的基准ALE-Bench。研究发现当前最强AI模型虽然在某些算法问题上能达到人类专家前11.8%水平，但整体表现不够稳定。AI通过快速试错在短期竞赛中表现较好，但在需要深度创新的长期挑战中仍落后于人类。这项研究为AI在实际工程优化中的应用提供了重要参考。

英伟达在芯片、硬件和软件平台方面持续领先竞争对手，并通过积极的新产品发布和更多的产品细分来扩大市场份额。

AI 正在迅速改变我们的工作方式，无论是通过自动化任务、作为副驾驶还是生成文本、图像和软件。虽然目前尚未出现大规模的劳动力替代，但多项研究预测未来几年内 40% 的全球就业岗位可能面临 AI 自动化的冲击。这可能是暴风雨来临前的宁静。

爱沙尼亚塔林理工大学研究团队发现，先进AI视觉模型的问题不在于"看不清"图片，而在于"想不通"图片间逻辑关系。他们提出"线性分离天花板"概念，揭示了广泛存在的"线性推理瓶颈"现象，并证明通过针对性微调可以解决这一问题。研究为改进AI视觉推理能力提供了新思路。

在此背景下，基于英特尔(R)边缘计算产品，深圳爱莫科技有限公司（以下简称：爱莫科技）推出了面向线下连锁品牌的虚拟店长OaaS（Operation as a Service）解决方案。

2022年5月24日，IBM在中国正式发布新一代的主机系统——IBM z16。z16是浓缩了IBM的领先科技、行业洞见及远见，结合混合云与AI时代关键应用的新需求，与全球不同行业的客户和合作伙伴携手共创、共同设计开发出来的。

全球数字经济正处于高速发展的黄金期，随着数字技术在经济社会各领域的发展渗透，数字经济在城市发展中扮演着越来越重要的角色。

这是OpenAI的乔布斯时刻？

慕尼黑工业大学研究团队首次系统性探讨了AI系统中隐私保护与解释性之间的关系，发现两者并非完全对立。通过对三种差分隐私方法和四种解释技术的大规模实验，研究证明在特定条件下适度隐私保护可提升解释质量，并提出了实用的平衡策略和"甜蜜点"配置方案。

本文分析了AI向AGI发展的七大路径中的S曲线路径，该路径预测AI发展将经历三个阶段：2025-2030年AI多模态模型和智能体技术快速发展；2030-2035年进入停滞平台期，引发AI寒冬担忧；2035-2040年技术突破重新启动，自改进AI系统和混合认知架构推动AGI最终实现。

浙江大学团队开发的HarmonyGuard框架首次解决了AI网络代理的安全与效率平衡难题。该系统通过三个协作的AI代理，实现自适应安全策略更新和双目标优化，在真实测试中将策略合规率提升38%，任务完成率提升20%，为构建既高效又安全的智能助手奠定重要基础。

上海AI实验室联手复旦大学提出了POLAR方法，这是一种革命性的奖励模型训练技术。通过让AI学会识别不同策略间的差异而非死记评分标准，POLAR在多项任务上实现了显著提升，7B参数模型超越72B现有最强基线，为AI对齐问题提供了全新解决思路。

为了让大家理解技术背后的门道，在品鉴会现场，BOE（京东方）揭开了一系列关于ADS Pro的技术真相，解读了行业误区、消费者认知偏差，推动产业的良性健康发展。

字节跳动联合浙江大学发布了ImmerseGen系统，这是一个能根据文字描述自动生成VR世界的AI工具。该系统采用轻量化代理和RGBA纹理技术，用AI代理协作完成从地形生成到物体布置的全流程，还能添加动态效果和环境音效。相比传统方法，它生成的场景效率提升数十倍，在移动VR设备上达到79帧流畅运行，为VR内容创作带来革命性突破。

这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突：早期阶段负责语义布局与运动，后期阶段关注细节精修，两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型，通过参数高效的实现方式，使模型仅需4步即可生成接近50步原始模型质量的视频，大幅提升生成速度，为实用化AI视频创作铺平道路。