新加坡陆路交通管理局与诺基亚合作，在超过50个地铁站部署光纤局域网解决方案，用于升级视频监控系统。该系统采用硬化光网络单元和光线路终端，支持25Gbps数据传输速度，相比传统铜缆网络减少70%布线和40%功耗。此次部署旨在满足日益增长的容量需求，为数百万日乘客提供实时监控和视频surveillance服务，确保公共安全并协助管理交通模式。

亚马逊网络服务公司（AWS）宣布加入避风港联盟（Sheltered Harbor Alliance）计划。避风港联盟是一个致力于增强金融服务网络韧性的非营利行业联盟。

2024年1月，德勤发布报告《Now decides next：Insights from the leading edge of generative AI adoption》，对2800多名具备AI技术知识的商业和技术领导者展开调研。

华为中国政企业务总裁吴辉表示，华为拓展商业市场的底气是来自伙伴以及“被集成”策略。今年华为中国政企业务就将通过研、营、销、服等多方面支持赋能好伙伴，去拓展更大的商业市场。

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。

伊利诺伊大学研究团队开发了HalluSegBench评估系统，首次系统性揭示AI视觉分割模型的"幻觉"问题。通过创建1340对对比图像和四种新评估指标，研究发现当前先进AI模型普遍存在错误识别不存在物体的严重缺陷，且视觉变化比文字变化更容易引发幻觉。该研究为提升AI系统可靠性提供了重要工具和理论基础。

ALIENWARE 和 Team Liquid 共同推出了两个ALIENWARE培训基地，为多个组织制定了标准，赢得了无数冠军，成为领先的行业倡导者，不断努力培养包容和无障碍的文化。

践行云原生DataOps，需要正确的方式和工具。当下我们正需要用一款工具及平台解决目前繁杂的数据开发问题，在实践中降低迈入数据大门的门槛。

这项UC圣迭戈研究首次系统解决了AI图像生成中的重叠布局难题。研究团队开发了OverLayScore评估指标和OverLayBench数据集，发现现有AI在复杂重叠场景中表现显著下降。他们提出的CreatiLayout-AM模型通过非模态掩码监督，让AI学会理解被遮挡物体的完整形状，在重叠区域生成精度上获得显著提升，为AI视觉生成技术发展提供了新的解决方案。

未来五年，华为的新目标是下沉到地市，深入到行业，这需要开发新的生态能力

日前，以“因为有你 披荆斩棘”为主题的浪潮商用机器2022合作伙伴生态大会正在全国十五座城市火热上演。

在2025年格勒诺布尔Leti创新日大会上，能耗问题成为焦点。随着AI驱动计算需求激增，数据中心规模和能耗急剧膨胀，部分数据中心功耗将达500兆瓦。CEA-Leti启动Resolve计划，目标到2032年实现能效提升1000倍。大会展示了3D集成、光子互连等节能技术，以及无PFAS芯片制造方法。业界呼吁通过先进封装、宽禁带功率器件等实用技术，平衡AI发展与可持续性需求。

加州大学团队首次全面评估了五种主流AI行为控制技术，发现当前方法在提升AI安全性的同时会产生意想不到的副作用。研究通过SteeringControl框架测试发现，不同控制方法在不同AI模型上效果差异巨大，且普遍存在"行为纠缠"问题。该研究为AI安全控制技术的发展提供了重要诊断工具和改进方向。

这项研究创新性地利用大语言模型(LLM)代替人类标注者，创建了PARADEHATE数据集，用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美，随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示，在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异，证明LLM生成的数据可作为人工标注的高效替代方案，为创建更安全、更具包容性的在线环境提供了新途径。

AI有了自知之明，准确率飙升，Meta AI团队发布DeepConf

由于存在可能影响数据中心的各种威胁和风险，因此保护任何类型的数据中心都地极具挑战性的。但说到边缘数据中心，数据中心安全性更具挑战了，甚至可能没有像保护传统设施资产那样的安全控制措施和工具。

这项由浙江大学与蚂蚁集团联合研究的AUTOMIND系统，通过构建专家知识库、智能搜索策略和自适应编程三大创新，让AI具备了接近人类专家的数据科学能力。在权威测试中超越56.8%的人类参赛者，相比前代系统效率提升300%，成本降低63%，为数据科学自动化开辟了新路径。

AI领域的“寒武纪生物大爆炸”终于来临，知名芯片厂商、云服务供应商以及初创企业的新款芯片正全力冲击推理与训练等目标。

腾讯与西门子联合研究团队开发出AdaptCLIP通用异常检测方法，突破传统方法只能处理特定领域的局限。该系统采用交替学习和对比学习策略，在12个工业医疗数据集上表现卓越，仅需少量样本即可跨域检测异常。相比现有方法，AdaptCLIP参数量减少9倍以上，性能提升10个百分点，为工业质检和医疗诊断提供了更实用的AI解决方案。

字节跳动团队提出RewardDance框架，首次系统性解决视觉生成中的奖励模型扩展问题。该框架通过将奖励预测转为生成式任务，并将模型规模扩展至260亿参数，同时集成任务指令、参考样例和推理能力，有效解决了"奖励作弊"问题。实验显示，在文本生成图像任务中质量提升10.7分，视频生成性能改善49%，达到行业领先水平，为AI视觉创作提供了更强大可靠的技术基础。