随着首席信息官的角色不断发展，数字化转型需要业务做更多的努力，利用技术来实现目标。但要做到最有效，CIO们需要打破多年来的一些坏习惯。

韩国研究团队开发出全球首个能够同时生成语音和面部表情的AI系统JAM-Flow，突破了传统技术分离处理音频和视觉的局限。该系统采用多模态扩散变换器架构，通过联合注意力机制实现音频与表情的完美协调。在多项测试中表现优异，用户体验测试显示其生成效果明显优于现有系统。这项技术为虚拟主播、影视制作、教育培训等领域带来革命性进展，代表了多模态AI发展的重要里程碑。

对于气候变化的问题，人工智能的收集和过滤能力已经证明了这种技术是一种非常强大的工具。

重型设备制造商约翰迪尔正在与英特尔合作，试图将计算机视觉用于加快发现并纠正自动焊接过程中的缺陷。

科技改变生活，如今智能家居时代的来临，智能门锁作为智能家居窗口级的门类和用户追求智能化生活的入门产品，从进入人们视野起就备受欢迎。

边缘网络将人与物连接到数字世界中，是创造数字体验的平台。为了支持这些新的体验，并满足持续增长的业务需求和用户越来越高的期望，越来越多的企业开始大量部署物联网设备，以便为员工、客户和访客提供非凡的数字体验，Aruba就是其中之一。

北京通用人工智能研究院的研究团队开发了名为RuleReasoner的创新训练方法，成功让小型AI模型在规则推理任务上超越了OpenAI的o1等大型模型。该方法采用领域感知动态采样策略和强化学习，使8B参数模型在多个困难推理任务中领先10.4个百分点，同时显著提高了训练效率，为AI推理能力发展开辟了新路径。

麻省理工学院与IBM研究团队共同开发的TANGO框架通过强化学习同时训练大语言模型的生成器和验证器，实现双向互促进的能力提升。不同于传统方法使用固定验证器，TANGO的验证器随生成器共同演进，提供精确的步骤级反馈。实验证明，这种"探戈式"协作方式使模型在数学竞赛问题上平均提升25.5%，特别是在最具挑战性的AIME 2025竞赛上准确率翻倍。TANGO还将训练效率提高3.3倍，验证器在无需步骤级标注的情况下也达到了业界领先水平，为大语言模型的推理能力增强开辟了新思路。

云服务提供商时下都在愈发努力地寻找x86架构的替代品，英特尔和AMD则试图找到进一步赢取或保持市场地位的方法，其中包括内置安全功能及与其他商家的服务和伙伴关系结盟。

在展会上，致力于高端密码处理器、高性能网络安全芯片设计研发与销售的方寸微电子展出了T680网络安全存储芯片、T660网络安全存储芯片、T620安全存储芯片等自主研发的产品

2019年5月16日，美国把华为放入实体清单后，供应商在几天内就通知对华为断供停服，这些供应商包括从芯片、操作系统、中间件到应用软件各个层面。所以华为需要从内向外烧了一遍啊。

实用化 AI 算力又升上了一个新台阶。

当这家南非工程与采矿承包商因全面云迁移而身陷泥潭之际，Murray & Roberts公司CIO Hilton Currie给出了艰难却卓实的建议——重返传统IT堆栈。

这项研究展示了如何用极少的计算资源训练出高性能的多模态大语言模型。加州大学团队仅用220小时GPU就训练出了2B参数的Open-Qwen2VL，性能超越了使用277倍训练数据的同类模型。关键创新包括高质量数据过滤、多模态序列打包和动态图像分辨率策略。更重要的是，该项目重新定义了AI模型的"完全开源"标准，公开了训练代码、数据过滤技术和全部训练数据，为学术界提供了宝贵的研究资源。

百度智能云将会不断打造平台型产品，与行业合作伙伴一起推动行业智能化的应用，实现更大范围的降本增效，被更多制造业企业所接受，享受到新技术带来的红利。

在德国柏林举行的OpenStack峰会上，OpenStack执行董事Jonathan Bryce宣布，这将是最后一次OpenStack峰会，明年将由Open Infrastructure Summit取代。

AI可能是我们人生中面临的最大的产业机遇。这个机遇是颠覆性的，我们希望能够和合作伙伴一起通力协作，面对这样一个百年难遇的人生机遇，携手共同努力，迈向AI的新时代。

对于远程协同的繁杂场景化需求，由宝利通和缤特力合并而来的Poly博诣就像一场“及时雨”，利用业界领先的软硬技术，以及产品组合形式，在应用场景中“打包”好一套解决方案，践行着Poly博诣“应用多元化，硬件统一化”的创新大布局。

香港科技大学团队发现AI可通过"零RL训练"直接学会深度思考，无需预先教授基础知识。研究测试了10个不同规模AI模型，发现它们能在数学推理训练中自发展现验证、反思等高级认知行为，部分模型出现"顿悟时刻"。研究还发现预训练反而会限制AI探索能力，最直接的学习方式可能最有效。该成果为AI教育提供了新思路，强调思维能力比知识记忆更重要。

这项由13家国际研究机构联合开发的研究介绍了Maya——一个突破性的多语言视觉AI模型。Maya能够用8种语言理解和描述图片内容，包括理解不同文化背景的视觉概念。研究团队通过创新的数据构建方法，将55万个英文样本扩展为440万个高质量多语言样本，并采用两阶段训练策略。Maya在多语言基准测试中表现优异，特别是在阿拉伯语等复杂语言上超越了同类模型，为教育、医疗、旅游等领域的全球化应用开辟了新路径。