今天VMware宣布计划收购Octarine，一家获得Accel支持的初创公司，开发的网络安全软件可用于保护Kubernetes集群免受黑客攻击。

MIT研究发现，使用生成式AI完成任务时，大脑运作方式与单纯依靠自身思考存在显著差异。研究显示，使用ChatGPT等工具的用户记忆力更差，神经连接活动减少，对所写内容的回忆能力明显下降。虽然AI工具能提高效率，但可能导致用户缺乏对知识的深度理解和掌控感。研究强调需要更多科学数据来了解AI使用对人类认知的长期影响。

亚马逊CEO Andy Jassy在年度股东信中强调了大规模投资AI基础设施的必要性。他认为这是一个"一生一次重塑一切"的机会，现在投资将确保未来的强劲回报。亚马逊已在生成式AI、Alexa助手升级和Anthropic等方面进行了大量投资，计划在2025财年将资本支出增加到1000多亿美元，主要用于扩建AI数据中心能力。Jassy相信AI将重塑几乎所有客户体验，并实现以前只能幻想的新体验。

在制药界，流传着一个残酷的“三十定律”：一款新药的诞生，平均需要耗费十年光阴、投入数十亿美金、而最终成功率却不足10%，这是悬在每一家药企头上的达摩克利斯之剑。在这个以高投入、高风险、长周期为标签的行业里，不确定性，是永恒的主题。

谷歌DeepMind发布AlphaEvolve：会自己编程进化的AI智能体，破解56年未解数学难题

央视频“数字雪花”一系列新颖玩法的背后，少不了黑科技的助力。其中，“定制专属数字雪花”利用了AI图像识别技术，通过华为云基于千亿级参数的盘古CV大模型，毫秒级精准识别用户照片中的人脸，结合特定的预设和风格，生成个性化的数字雪花形象。

过去几年来，整个业界一直在关注量子计算的发展路线图以及这项技术本身的快速推进。尽管这项计算范式的实践落地无疑是一项伟大的壮举，但将全新技术推向市场也面临着重重挑战。

META公司FAIR实验组开发的V-JEPA 2系统通过观看100万小时视频实现了AI的重大突破，首次让机器同时具备理解、预测和规划三项核心能力。该系统在视频理解、行为预测和机器人控制等多个任务上创下新纪录，特别是仅用62小时训练就能零样本控制机械臂，为通用人工智能发展提供了新路径。

对企业而言，数据恢复永远是一个争分夺秒的过程。每多一分钟的恢复时间，就意味着多一分损失。灾备事件发生后，企业要在第一时间确定哪些数据应该被恢复，从而减少损失。

北卡罗来纳大学教堂山分校研究团队提出MEXA框架，通过动态选择和聚合多个专业AI模型来处理复杂的多模态推理任务。该方法无需额外训练，在视频理解、音频分析、3D场景理解和医学诊断等多个基准测试中显著超越现有模型，为AI系统设计提供了新思路。

加州州立大学系统与 OpenAI 合作，在 23 个校区为近 50 万学生提供 ChatGPT Edu 服务，成为全球高等教育领域最大规模的 AI 应用。该计划旨在培养学生 AI 实践技能，提升教学研究水平，并为加州 AI 驱动型经济培养人才，有望成为全球高校 AI 应用的标杆。

或许AI的下一波创新，不仅是比拼谁的模型更大，还要看谁能让AI更轻便、更普及、更贴近生活。

卡内基梅隆大学研究团队开发了一种创新的航拍图像车辆检测技术，通过生成式AI和跨域适应解决了不同地区环境差异导致的检测性能下降问题。该方法利用扩散模型生成合成训练数据，结合多通道注意力机制实现精确标注，在多个数据集上相较现有方法提升显著，为智能交通、城市规划、应急响应等领域提供了实用的技术解决方案，并贡献了两个高质量的航拍车辆检测数据集。

新加坡AI初创公司Sapient Intelligence开发出层次推理模型(HRM)，在复杂推理任务上匹配甚至超越大语言模型性能，同时显著降低数据和内存需求。该架构模仿人脑双系统运作机制，通过高层抽象规划模块和低层快速计算模块协同工作，避免了链式思维推理的局限性。在极难数独和迷宫问题上，HRM仅用1000个训练样本就达到近完美准确率，而先进语言模型完全失败。

荣耀9X PRO就是这样一款几近全能的手机。在两周的实测体验中，我们也看到这款荣耀最新旗舰机的深厚“功底”，也揭开一些首度在荣耀9X PRO公开的“秘密”。

回顾2017年，安全领域出现了几个重大事件，一个是2017年6月《网络安全法》的实施，让安全问题有了法律的保护，用户的身份信息能够得到更加妥善的保护，而企业也能够在法律要求下进行网络安全方面的提升与防护，这对我们每一个人而言都是一个重大事件。

利用NVIDIA Jetson和Amazon SageMaker平台通过使用云+端结合的方式，我们将打造一个边缘智能的方案（整体方案架构如下）。

HUAWEI CONNECT 2018（华为全联接大会）上周在上海落下帷幕。个人认为全联接大会在全球来看都是最顶级的技术创新和思想交流盛会。

新加坡科技设计大学团队开发了SonicVerse音乐描述AI系统，通过多任务学习架构同时进行音乐特征识别和自然语言生成，能够像专业音乐评论家一样准确描述音乐的技术特征和艺术内容。该系统不仅在短片段描述上表现出色，还能通过AI链式处理为完整歌曲生成详细的时序化描述，为音乐产业的内容标注、教育培训和智能推荐等应用提供了新的技术路径。

没有多少人会想到“大数据”或“人工智能”，而最近的几次谈话让我相信大数据和人工智能领域在这方面的重要性，二者可以帮助我们的文明蓬勃发展及帮助其在下一个世纪得以生存。