英伟达正在以色列北部投资5亿美元,建造一台搭载最新Blackwell GPU的30兆瓦超级计算机。该系统将用于开发下一代数据中心技术,预计2025年上半年投入运营。这一举措凸显了英伟达在AI领域的持续投入,但也可能受到美国最新出口管制政策的影响。

也许你看过这样的视频：一个水上机器人在海洋或河流中吞噬大量漂浮的垃圾。

企业信用卡公司Brex面临AI工具采购挑战，传统数月试点流程无法跟上技术快速演进。该公司重新设计采购策略，建立新的数据处理协议和法律验证框架，加速AI工具评估。采用"超人产品市场匹配测试"，让员工深度参与工具选择决策。为工程师提供每月50美元预算自主选择软件工具。CTO建议企业"拥抱混乱"，接受AI工具采用过程的不确定性，避免过度分析导致落后。

亚利桑那州立大学研究团队通过DataAlchemy实验环境发现，大语言模型的链式思维推理能力实际上是一种"海市蜃楼"现象。当面对与训练数据相似的问题时AI表现优秀，但遇到略有差异的情况时推理能力会急剧下降。研究揭示AI更像是在进行精巧的模式匹配而非真正的逻辑推理，对AI实际应用具有重要警示意义。

这项研究展示了如何将传统图书馆的珍贵藏品转化为现代人工智能训练的高质量资源。哈佛团队不仅创建了一个包含2420亿文字标记的大型数据集，更重要的是建立了一套完整的数据处理、质量控制和版权管理体系。他们的工作证明了学术机构在人工智能时代的独特价值，展示了如何在保持学术严谨性的同时推动技术创新。这种将历史文献与现代技术相结合的做法，为解决当前人工智能训练数据稀缺和质量参差不齐的问题提供了一个优秀的解决方案，同时也为其他知识机构开展类似工作树立了标杆。

阿里巴巴通义实验室推出WebShaper系统，通过创新的形式化驱动方法让AI具备人类级别的信息搜索推理能力。该系统在权威测试中取得优异成绩，WebShaper-72B模型在GAIA测试中获得60.19分，超越众多开源系统。其核心创新在于建立数学化的任务表示框架和智能扩展器，系统化生成高质量训练数据，有望显著改变未来的信息搜索体验。

Meta联合滑铁卢大学开发的MoCha系统实现重大突破，仅需语音和文字描述就能生成电影级会说话的虚拟角色视频。该技术突破传统局限，无需参考图片等辅助条件，还能实现多角色对话场景，在唇音同步、表情自然度等方面显著超越现有方法，为内容创作、教育、娱乐等领域带来革命性变化。

希沃全新推出的AI教学终端，希沃第七代交互智能平板不仅能够丰富课堂互动环节，还可帮助于老师在备课时轻松借鉴课件库中的教学思路，并与其他教师在线集体备课。

我们“看到”的大部分内容主要来自大脑想象。

目前，防控和复工复产已成为疫情阻击战两个最为关键的词，疫情防控关乎生命，复工复产关系生计。很多企业已启动“全国接人”模式，使用“复工包机”接回自己的员工复工复产。

Red Hat发布轻量级OpenShift，加强对小型边缘设备的支持。

微软在Windows 11 Insider Preview Canary Channel build 27928中将语言和时间设置从控制面板迁移至设置应用。新功能包括添加时钟、选择时间服务器、时间格式设置以及数字货币格式更改等。微软去年曾表示控制面板"已弃用"后迅速收回，但目前仍强调其仅为兼容性保留。此外，Copilot+电脑用户可使用Copilot应用进行语义文件搜索，支持自然语言查找文档和图像。

近年来，随着云计算、大数据、人工智能等数字技术与医疗领域的应用，让医疗健康行业不断涌现出新业态、新需求。

数字化转型对云提出了新的要求，这些要求推动了云的进化。比如，多云的协同、敏捷创新等。

Meta超级智能实验室开发了ARE平台和Gaia2基准测试，为AI智能体创造了更真实的训练和评估环境。ARE支持异步交互，模拟真实世界的复杂性和不确定性。Gaia2包含1120个场景，评估AI的七项核心能力。实验显示最强模型成功率仅42%，特别在时间管理和处理歧义方面表现较差，揭示了当前AI技术的局限性和改进方向。

云、分析、可见性，直观且基于意图的网络帮助让初创公司在今年上半年对网络市场产生了重大影响。对于其中许多供应商而言，目标只是简化网络，为客户网络带来更多的灵活性，同时帮助这些客户以更快的速度利用流经网络的数据。

中科大研究团队针对新兴MCP协议环境开发了首个专业AI评估基准MCP-AgentBench，包含33个服务器188种工具和600道测试题目。研究发现开源模型表现优异，通义千问达到64.7%最高得分超越专有模型，揭示了交互框架对性能的关键影响，为AI工具使用能力评估建立了新标准。

Williams-Sonoma是全球领先的以数字为先、以设计为主导的可持续家居零售商。为了达成这个目标，我们需要将整个世界凝聚于一处、全力满足客户需求。

AWS近日宣布，Amazon GuardDuty平台即将推出更多威胁检测功能。

腾讯和清华研究团队首次从数学理论角度解释了为什么AI需要外部工具。研究证明纯文本AI存在"隐形枷锁"，无法突破预训练的能力边界，而工具集成能打破这种限制，让AI获得全新的问题解决策略。团队还开发了ASPO算法，解决了训练AI更早使用工具的技术难题。实验显示配备工具的AI在数学问题上全面超越纯文本版本，展现出三种新奇认知模式，为构建更强大的AI系统提供理论指导。