如今，云战略已经成为各行各业的标配，而云成本成为企业上云之旅中不可回避的问题。Akamai云计算平台除了过硬的平台能力，还涵盖了全面的服务支持，帮助客户解决上云过程中的难题，并优化云成本。

这项国际合作研究基于巴西圣保罗1400万新生儿数据，运用7种AI算法预测新生儿28天内死亡风险。研究发现LSTM深度学习算法预测准确率高达99%，远超传统机器学习方法的94%。该技术能帮助医生提前识别高危婴儿并采取预防措施，对改善全球新生儿健康状况具有重要意义，特别适用于医疗资源匮乏地区。

浙江大学研究团队开发的Diffuman4D系统实现了从稀疏视频重建高质量三维人物表演的技术突破。该系统仅需4台摄像头就能生成多视角一致的高分辨率视频，通过创新的滑动迭代去噪机制和人体骨骼引导，解决了传统方法在时空一致性方面的挑战。实验表明该技术在多个评估指标上显著超越现有方法，为电影制作、体育直播和虚拟现实等领域提供了低成本的高质量视频生成解决方案。

“自治数据库”是甲骨文在2017年的OOW(Oracle Open World)大会上第一次正式对外发布，是甲骨文当时正在研发的新一代数据库。一年之后，在接受记者采访时，甲骨文中国高级技术咨询总监李珈用3个词来概括甲骨文自治数据库的特点：简单、快速、弹性。

斯坦福大学研究团队开发了UQ评测系统，用人类未解决的真实难题来测试AI能力，而非传统的标准答案题目。系统包含500个来自Stack Exchange的高质量未解问题，采用AI验证器初筛和人类专家终审的双重验证机制。测试显示，即使最先进的AI模型也只能解决极少数问题，揭示了当前AI在面对真正困难问题时的局限性，为AI评测开辟了更真实有效的新方向。

今天AMD发布第二季度财报，业绩小幅超出预期，并且公布了对下一季度的强劲指引，使得AMD股价在盘后交易中上涨了10％多。

想象一下，你正在烤一个复杂的多层蛋糕。传统方法（AdamW优化器）要求你严格按照固定的温度和时间来烘焙，但新方法（Muon优化器）不仅能让蛋糕更快烤好，还能让你更灵活地调整烤箱温度和烘焙时间，同时确保蛋糕的品质始终如一。这就是Muon优化器带来的革新。

这项研究介绍了FinTagging，首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法，它将XBRL标记分解为数值识别和概念链接两个子任务，能同时处理文本和表格数据。在零样本测试中，DeepSeek-V3和GPT-4o表现最佳，但在细粒度概念对齐方面仍面临挑战，揭示了当前大语言模型在自动化XBRL标记领域的局限性，为金融AI发展提供了新方向。

能源系统清洁化已经成为双碳转型的关键，但这也是工商企业面临的共同挑战，而数字化将是打开未来能源管理的钥匙。

在成为优秀交付经理之前，他把头深埋在机房里面，少有跟客户沟通交流，这死啃技术的冷板凳，一坐就是三年。三年里，他清楚每一根线缆的摆放位置，更把网络架构图看了无数遍，但他慢慢地察觉到，只懂得技术并不能以最好的方式去解决客户的问题。

FileAI发布企业级AI代理平台，专门处理会计、数据收集、金融服务、法律和保险行业的工作流自动化。该平台能够整合分散的非结构化数据，包括PDF、Excel、Word文档等格式，将其转换为AI可理解的结构化数据。平台集成多个AI代理，具备光学字符识别、文档检索验证、智能问答和推理建模等功能，可自动化处理索赔、合规检查、交易验证等数百项重复性任务，已为客户节省320万工时和6000万美元成本。

清华大学团队开发出DPoser-X人体姿态AI系统，使用创新的扩散模型技术统一处理全身、手部、面部姿态建模。该系统采用混合训练策略和截断时间步调度，在8个权威测试基准上比现有方法准确度提升61%。技术可广泛应用于动画制作、体育训练、医疗康复、虚拟现实等领域，代表AI理解人类行为的重要突破。

近日,理想汽车2024春季发布会正式发布了首款纯电MPV——理想MEGA。

谷歌DeepMind联合多家顶尖机构推出RT-X系统，这是首个具备类人学习迁移能力的通用机器人AI。通过整合22个研究机构的50万次操作数据，RT-X能够像人类一样将已学技能灵活应用到新环境，成功率比传统方法提高50%以上，展现出跨领域适应和创造性解决问题的能力，为机器人智能化发展开辟了全新道路。

7月8日，2021世界人工智能大会正式在上海开启。作为本次大会的活动之一，以“以技术智变，创城市质变”为主题的新型智慧城市高峰论坛也成功举行。

两个月前，我们面向戴尔易安信员工发出“Data Domain十年新征程，我和Data Domain的故事”征集，收到的文稿中，有讲述打单心路历程的，有发表关于Data Domain技术独特见解的，也有分享心目中最牛Data Domain案例的……

9月10日，在北京开放数据中心大会上，嘉实多热管理事业部大中华区业务总监仇圆圆直言：“液冷是一个必选项，而不是可选项。”

上海AI实验室等机构联合开发了CODA系统，这是一个能够操作复杂专业软件的AI助手。它模仿人类大脑分工，分为负责规划的"大脑皮层"和负责执行的"小脑"两个部分，通过两阶段训练策略实现专业化和通用化。在四个科学软件的测试中，CODA平均成功率达到21.04%，显著超过传统方法，展现出良好的学习和适应能力。

普渡大学研究团队开发的深度平衡正则化器（DEC）解决了AI模型在处理不同大小物体时判断不一致的问题。该方法基于单调缩放群理论，通过潜在空间正则化显著提升了ViT、Swin等模型的尺度一致性和整体准确率，在ImageNet等数据集上表现优异，为自动驾驶、医疗图像分析等应用提供更可靠的视觉识别能力。

这项由哈佛大学、MIT等机构研究人员完成的重要研究揭示了当前AI语言模型的一个隐藏缺陷：跨语言知识转移困难。研究团队通过测试14个主流AI模型在13种语言下的表现，发现AI存在严重的"语言偏心眼"现象，在本土语言下表现出色但跨语言时性能大幅下降。这一发现对多语言AI应用的公平性和可靠性具有重要启示意义。