为了抓住5G、边缘扩建和无处不在的人工智能所带来的巨大机遇，英特尔宣布为网络基础设施推出新的硬件、软件及解决方案。

在一个焦虑的环境里，做一个淡定从容的人。

带你深入了解苹果的全新桌面操作系统。

据Veritas Vulnerability Lag Report (Veritas企业IT安全脆弱性报告)显示:未来两年内,企业将面临由疫情催化业务转型所导致的勒索软件风险及IT安全漏洞风险。

早期采用生成式AI的人通常使用ChatGPT、微软Copilot和类似的SaaS 工具，这些工具虽然需要花钱，但不会带来基础设施方面的挑战。然而，随着企业的纵向扩展，这些挑战开始显现出来。

现如今，国家大力推动5G全面协同发展，深入推进5G赋能千行百业；同时也正在大力发展智能制造技术，实现产业升级。那么作为最新通信技术的5G与智能制造的“未来工厂”相结合，又可以为我们带来哪些方面的改变？

台湾大学联合MediaTek和Nvidia的研究团队开发了一种突破性的语音识别自我改进框架，无需大量人工标注数据即可显著提升AI语音识别准确率。该方法通过让AI生成伪标签训练语音合成系统，再用合成语音反向训练识别模型，形成自我强化循环。在台湾国语测试中，新模型Twister比原版Whisper错误率降低20-55%，数据效率提升10倍以上，为低资源语言AI应用提供了新路径。

对于拥有多个站点的组织，VMware成本上升威胁着远程办公室的独立运营能力。将工作负载推向云端虽能抵消许可费用，但增加了对持续连接的依赖和风险。组织应借此机会重新审视整个基础设施，寻找能够整合虚拟化、存储、网络和数据保护功能的平台。理想的替代方案应支持从核心到边缘的统一软件栈，在断网时保持站点独立运营，并为AI工作负载做好准备，同时降低硬件成本和运营复杂性。

这项由LMU慕尼黑大学研究团队进行的研究，首次深入探索了代码语言模型如何在内部表示和处理多种编程语言。研究通过分析Llama系列模型的中间层表示和神经元激活模式，发现模型在处理代码翻译任务时会经过"英语思维"的中转，且不同编程语言在模型内部的表示存在显著的共享和差异模式。研究结果不仅揭示了AI理解代码的内部机制，还为设计更高效的多语言代码模型提供了实用见解。

微软研究院推出Agent Lightning框架，实现AI智能体的持续学习能力。该框架采用强化学习方法，让任何AI智能体都能通过与环境互动来不断改进性能，无需修改原有代码即可接入。通过训练-智能体解聚架构和统一数据接口，Agent Lightning在文本转SQL、检索增强生成、数学工具使用等多个任务上验证了稳定的性能提升效果。

多年以来，AI技术成为全球各国政府的关注焦点，并敦促其纷纷拿出自己的AI发展战略、借此改变远程办公时代下的运作方式。

中科院深圳先进技术研究院联合中科院大学提出PACS框架，通过将强化学习问题转换为监督学习任务，让大语言模型学会自我监督和评价。该方法在数学推理任务上显著超越现有方法，在AIME 2025测试中成功率达59.78%，比传统方法提升13-14个百分点，为AI推理能力提升开辟了新路径。

Essential AI团队通过系统研究发现，大语言模型的反思能力在预训练阶段就开始萌芽，而非传统认为的仅在强化学习后出现。研究团队对OLMo-2等模型的240个检查点进行测试，发现简单的"Wait,"触发词就能激发模型识别和纠正推理错误的能力。这种反思能力随预训练规模增长而提升，在数学、编程、逻辑推理等六个领域都有体现，为AI系统的高效开发提供了新思路。

香港大学推出TokenHSI系统，通过创新的"任务符号化"策略实现虚拟角色多技能统一控制。该系统能让虚拟角色像真人一样灵活完成坐立、搬运、攀爬等复杂任务组合，相比传统方法在技能组合任务中成功率从26.8%提升至99.2%，为游戏、动画、VR等领域带来革命性进展。

如果某天，一个15岁的稚嫩少年问你“想不想和我们一起超越微软？”你会作何反应？

10月10日，深度学习技术及应用国家工程实验室、中国软件行业协会、百度公司联合发布了中国AI领域第一个深度学习工程师认证考试方案和第一个体系化的深度学习人才培养方案，两大方案所基于的均是中国软件行业协会发布的《深度学习工程师能力评估标准》。

宝光股份于2020年开始实施并建成了国内首条灭弧室数字化生产线，同期，对传统手动生产线进行精准配送物流线改造。

企业都知道应用生成式AI好，但是具体应该怎么做？甲骨文为企业提供了一个使用生成式AI的平台“Oracle Database 23ai”。

虽然电动汽车 （EV） 和车载技术拉斯维加斯 CES 展会的明星，也看到氢动力汽车在凑热闹。

哈尔滨工业大学团队开发的Optimus-3是首个在Minecraft环境中具备完整认知能力的AI系统，能够同时处理感知、规划、行动、定位和反思五大任务。该系统采用专家混合架构和任务级路由机制，有效解决了多任务学习中的干扰问题，并通过多模态推理增强强化学习显著提升了视觉相关任务的表现。实验结果显示，Optimus-3在各项任务上均超越了现有最先进系统，为通用人工智能的发展提供了重要技术路径。