AI——以及如何从中创造现实、值得信赖的价值——已经颠覆了IT议程，但管理不断深化的供应商名册、确保企业安全以及培养人才也开始重塑CIO的议程。

时至今日，我们所谈到的“软件定义产品”已经演进成为一种专注于软件创新而非硬件的新型产品——软件开始成为产品的核心，且无需硬件的升级换代，用户就可以持续享受产品的新功能。

未来仍然扑朔迷离。但有一点是肯定的：混合工作方式还将一直存在。企业为了使自己在疫情中脱颖而出，处于更强、更有利的地位，就必须找到一种简化工作的方法，并为员工提供所需的空间，助其走向成功。

二十多年来，企业运行网络的方式几乎没有任何变化。但在最近，这种传统的网络运行方式变得越来越困难、互不关联且非常昂贵。现代网络需要实现更高的集成度，并具备更高的灵活性。

VMware今天宣布将收购Avi Networks，意在让数据中心变得更像云。这次收购的价格未对外公布。

“苟日新，日日新，又日新”商汤王励精图治将此言刻在自己的澡盆上提醒自己清洁身体也要警醒思想。一千两百年后被儒家经典《礼记·大学》收录其中，强调人们要及时反省、不断革新。2023年4月10日，商汤科技发布了自研的大模型，命名为“日日新”。

你的数据还在“裸奔”吗？每一个世界备份日的到来，都在提醒我们数据备份的重要性。

现在，来自Google Brain团队的一名研究科学家Been Kim，正在开发一套“人类翻译器”，希望构建能够向任何人做出解释的AI软件。

通用智能体需要世界模型，Google DeepMind团队发现AGI的必经之路

在过去数年间，维克托教授经常到访中国，我们也一直和维克托教授保持相当频繁的交流，追踪他对大数据产业和泛科技产业的最新看法和判断。

ChatGPT是强大的AI工具，能帮助写邮件和头脑风暴，但在某些领域使用它可能造成严重后果。大语言模型可能自信地给出错误、过时或有偏见的信息。在健康诊断、心理治疗、紧急安全决策、个人财务规划、机密数据处理、违法行为、学术作弊、实时信息监控、赌博预测、法律文件起草和艺术创作等11个方面，依赖ChatGPT可能带来真实世界的风险和危害。

当新冠疫情爆发的时候，美国家庭人寿保险公司（Aflac）的独立代理/特许经营业务看起来似乎陷入了僵局。虽然Aflac的另一个主要部门B2B保险业务相对来说没有受到疫情太大的影响，但是独立代理人服务却命悬一线，正如这家上市企业正在进行的云转型一样。

论坛上，高通公司产品管理副总裁Reiner Klement在发表《5G赋能工业互联网及未来产业》主题演讲时表示，“5G+人工智能+云，是构建智能云连接时代的根基。”

尽管日本长期存在工作流失的问题，但认为智能自动化将不可避免地导致金融服务业就业机会减少的观点是错误的。事实上，埃森哲最近的研究表明，对于那些采用智能自动化的公司来说，到2022年收入可能增长32％，但关键性就业也可能增长9％。

继上周宣布对流行了十年之久的RHEL 7.9再提供四年支持之后，红帽近日发布了最新的Linux旗舰Red Hat Enterprise Linux (RHEL)9.4。

北京大学团队创建C3基准测试集，系统评估十款主流语音对话模型处理复杂对话的能力。研究发现即使最先进的GPT-4o音频版在英文对话中准确率仅55.68%，中文表现更差。语义歧义和省略现象是最大挑战，中文处理难度显著高于英文。该研究首次揭示了语音AI在真实对话场景中的局限性，为技术发展提供重要指引。

普度大学研究团队提出MaPPO方法，通过引入先验知识改进AI偏好训练，解决传统方法中的"挤压效应"问题。该方法能根据回答质量差距动态调整训练强度，在多个基准测试中实现显著性能提升，且无需额外参数调整，可作为插件与现有方法无缝集成，为AI系统提供更好的偏好对齐能力。

蚂蚁集团研究团队提出了革命性的"原子思考"AI框架Atom-Searcher，通过将复杂推理分解为细粒度功能单元，配合精细化奖励机制，让AI学会像人类专家般深度思考。该系统在七项基准测试中均达到最优表现，不仅能进行更深入的多步推理，还展现出强大的跨领域适应能力，为AI在科研、商业、教育等专业领域的应用开辟了新前景。

经济奇点指绝大多数人类失去工作的时刻。作者分析了关于经济奇点的五个常见误区：自动化不会造成失业、工作提供人生意义、经济奇点是坏事、收入分配问题及就业逐步消失。文章指出，认知自动化与过往机械化不同，将全面替代人类工作。失去工作后人们仍可从家庭、兴趣中获得意义。关键挑战是收入分配，需要大规模财富再分配和接近免费的商品服务。就业可能突然全面消失，社会必须提前准备应对方案。

华盛顿大学研究团队发现小AI模型无法有效学习大模型的复杂推理方法，提出了"小模型可学习性差距"概念。他们通过大规模实验证明，小模型更适合学习简洁推理而非复杂推理，并创新性地提出混合蒸馏法，将不同复杂度的训练数据按比例组合，显著提升了小模型性能，为AI模型训练策略提供了新的"因材施教"思路。