在人工智能来临之时，我们首先会想到GPU，但数据存储的重要性同样至关重要，它能够确保人工智能系统的可信性和完整性。

尽管人工智能和机器学习令人兴奋，很多最初的试点项目和PoC项目未能全面投入生产。已经取得成功的项目，需要成为战略计划的一部分，获得高管的支持，能够使用合适的数据，有所需的团队，有合适的技术和业务指标，以及项目里程碑，经历多次迭代，快速试错。

时至今日，人工智能领域已经呈现出人工通用智能(AGI)与人工窄智能(ANI)并立的局面。

3月23日,结合对行业的深刻理解和洞察,华为发布了对未来五年数据中心的发展趋势预判,总结出数据中心能源十大趋势

上海交通大学团队开发了MemOS记忆操作系统，让AI拥有真正的长期记忆能力。该系统统一管理参数记忆、激活记忆和明文记忆三种类型，通过MemCube智能单元实现记忆的生命周期管理和跨类型转换。在LOCOMO基准测试中，MemOS在所有推理任务上均获得最佳成绩，特别在多跳推理和时间推理中表现突出。

每个人都或多或少感受过AI技术的影响，特别是在旅游与酒店行业。从航班预订、查询住宿到最终做出决定，AI技术在提供丰富选择与筛选优惠方案中都发挥着重要作用。而与其他行业一样，短期租赁行业同样在新冠疫情爆发期间迎来一波技术进步，要求从业者找到新的方法在维持市场的同时满足新的客户需求。

Allen Institute for AI推出首个能实时追溯大语言模型输出到万亿训练数据来源的系统OLMOTRACE。该系统通过创新的并行算法，可在几秒内找到AI回答中与训练数据完全匹配的文本片段，为AI行为分析开创了新范式。支持事实核查、创意溯源等应用，已在AI2 Playground开放使用。

这项研究开发了首个轻量级物理推理评估框架，测试四种主流视觉语言模型在抛射运动、碰撞动力学、力学和流体动力学四个领域的表现。结果显示中等规模的Qwen2.5-VL-7B意外击败最大模型获得最高分0.815，揭示了当前AI模型更擅长公式应用而非真正物理理解的局限性。研究为科学推理评估提供了可复制的工具，并指出概念性错误是主要问题，为未来AI发展指明方向。

尽管全球疫情蔓延，但不乏有在此期间能够持续全速推进数字化进程的企业组织。对这些企业组织进行分析不难发现，成功的数字化转型往往需要来自高管层的支持，与业务部门进行持续的沟通，以及财务方面的承诺。

DMOSpeech 2是哥伦比亚大学与NewsBreak合作开发的突破性AI语音合成系统。该系统首次通过强化学习优化时长预测器，解决了现有系统中语音节奏控制不准确的关键问题。同时创新性地引入师生协作采样策略，在提升2倍计算效率的同时保持了语音输出的多样性，使合成语音更接近真人说话效果。

该季度思科收入127亿美元，同比下降13%（如果没有Splunk，收入下降16%），比市场普遍预期高出7000万美元，毛利率仍为基础设施厂商中最高的，达到了68.3%。

我们经常看到这样的情形，那些进军数据保护市场的初创企业，往往会宣扬他们的重复数据删除技术或与公有云有着很好的结合。不过事实上是，戴尔易安信在这个领域早已深耕多年。

香港大学团队开发的OmniPart系统实现了AI领域的重要突破，让计算机首次具备了像人类一样的"零件思维"。该系统能从单张2D图片生成具有清晰零件结构的3D模型，用户可通过简单的颜色遮罩控制分解过程。系统采用两阶段设计：先进行结构规划预测零件位置，再同步生成所有零件。实验显示其性能显著优于现有方法，生成效率提升20倍，为3D内容创作、游戏开发、虚拟现实等领域开辟了新的可能性。

上海交通大学等机构联合开发了HyCodePolicy机器人系统，让机器人首次具备"自我反思"学习能力。该系统通过视觉观察和程序监控双重诊断，能让机器人自动分析失败原因并改进策略。实验显示任务成功率从47.4%提升至71.3%，学习效率显著提高。这项技术将广泛应用于制造业、服务机器人等领域，标志着机器人从被动执行向主动学习的重要转变。

用电效率、碳足迹水平和行业认证是衡量绿色数据中心最核心的三个指标。

谷歌与计算机历史博物馆联合发布了AlexNet的源代码，这是一个在2012年彻底改变人工智能领域的卷积神经网络。AlexNet证明了"深度学习"能够实现传统人工智能技术无法达成的目标，标志着人工智能领域的重大突破。此举不仅为AI爱好者和研究人员提供了一个窥探计算机历史关键时刻的机会，也为未来的历史学家提供了理解这项改变世界技术的宝贵资料。

技术专家通常是一些在职业生涯中掌握了复杂技能的内向人士，鼓励这些技术专家去加深他们对市场营销、商业运作、供应链和财务的理解是一个缓慢的过程。但软件现在已经进入了大多数组织的产品、服务和增长战略的核心，缓慢是不能接受的。

这项由电子科技大学、香港中文大学等机构联合完成的研究，创建了PersonaFeedback基准来评估AI的个性化能力。研究包含8298个测试案例，分为三个难度等级，发现即使最先进的AI模型在个性化任务上表现也不理想。研究还发现推理能力提升不等于个性化能力提升，直接提供用户信息比让AI推测更有效。

Dens3R是一个革命性的3D视觉基础模型，能够仅从普通照片中同时提取深度、法线、点云等多种三维几何信息。通过创新的两阶段训练策略和共享编码器-解码器架构，系统在多个标准测试中取得了领先性能，特别是在处理高分辨率输入和复杂场景方面表现卓越。该技术在自动驾驶、增强现实、机器人导航等领域具有广泛应用前景，代表了三维计算机视觉的重要突破。

想象一下，你正在观看一场长达两小时的烹饪直播。主厨正在展示一道复杂菜品的制作过程，从准备食材到最终装盘。在这个过程中，你可能会在聊天框中提问："主厨用了多少盐？"或者"之前切洋葱的那把刀现在去哪了？"甚至是"你觉得这道菜最后会是什么味道？"