除了以新奇特来吸引眼球，有的厂商则是以实力来说话。比如英特尔，其举行了主题为“智能驱动创新”（Innovation through Intelligence）的新闻发布会，这场发布会请来了英特尔CEO和两大部门的高管，可谓是“众星云集”。

统计数据显示，自2010年以来，停机时间的平均成本上升了38%，平均每起事件成本超过74万美元，相当于每分钟损失成本近9000美元。在这种背景下专业的数据中心全生命周期服务开始赢得关注，一些富有前瞻性的公司也开始大力布局。

借助云、网的天然优势，将云安全与云网深度融合，形成“云网安”的一体化能力。并通过AI与云安全的结合，对未知威胁进行主动防护，将成为新华三未来云安全技术的重要演进方向。

新IT浪潮已经到来，超融合就是诸多风口之一。对于超融合，业界目前比较普遍的共识是——软件定义的分布式存储层和虚拟化计算是超融合架构的最小集。

如今面向2023年，John Roese表示新的一年，希望通过更加具体的建议和行动方向，来帮助客户为来年做好准备。

这项由西南大学和新加坡国立大学联合完成的研究，首次建立了全球最大规模的验证码攻防测试平台MCA-Bench。研究发现AI在简单视觉识别任务上成功率超96%，但在交互式操作任务上仅为2.5-55%，揭示了当前AI技术的能力边界。基于实验结果，团队提出了"深度模态耦合"、"行为锚定验证"、"会话特定语义个性化"三大设计原则，为构建更安全的人机验证系统提供了科学指导。这项研究不仅为验证码安全性评估建立了标准化基准，也为AI时代的网络安全防护指明了新方向。

Zebra Technologies从专业打印业务起步,现已扩展到打印、扫描、移动计算等领域,并逐步涉足机器视觉和人工智能等先进技术。公司致力于为企业提供实时洞察,帮助其优化零售、制造和仓储等场景的运营效率。Zebra CEO Bill Burns分享了公司的发展战略、未来愿景,以及新技术如何改变一线工作。

哥伦比亚大学研究团队通过精巧实验发现，经济稀缺性会像"认知病毒"一样占用大脑资源，导致注意力、工作记忆和认知灵活性下降，使人们更易做出短视决策。研究开发了注意力训练、认知重构等有效干预方法，并在就业援助、教育、医疗等领域成功应用，为重新理解贫困本质、设计认知友好政策提供了科学依据。

加利福尼亚大学和萨里大学研究团队开发了一种创新的AI系统，能够仅通过简单的手绘素描就在复杂照片中精确识别关键点。这项技术突破了传统机器学习需要大量同类数据的限制，实现了真正的跨模态学习。系统在动物关键点识别任务中达到了39%的准确率，超越现有方法约5个百分点，并且在真实手绘素描测试中表现稳定。该技术有望在生物学研究、医疗诊断、工业检测等多个领域找到广泛应用。

想象一下，你正在参加一场智力测试。主考官给你看了一张图片，并要求你找出图案的规律，预测下一个图形会是什么样子。对我们人类来说，这种视觉推理任务虽然有难度，但通常还算可行——我们能够观察图案变化、识别规律，然后做出合理推测。

希伯来大学研究团队开发的Story2Board系统实现了从文字故事到专业故事板的自动转换突破。该系统采用潜在面板锚定和相互注意力数值混合两项核心技术，在保持角色一致性的同时实现丰富的视觉表现力。系统无需训练即可运行，能够生成电影级构图效果的连续画面，为内容创作、教育和娱乐产业提供了强大的AI辅助工具，代表了人机协作创作的新模式。

网易有道研究团队开发了Confucius3-Math，这是一个专门针对中国K-12数学教育的14B参数AI模型。该模型在多项数学推理测试中表现出色，超越了许多规模更大的竞争对手，训练成本仅需2.6万美元，推理速度比DeepSeek-R1快15倍，能在消费级GPU上高效运行，旨在通过降低AI教育成本来促进教育公平。

IDC、Forrester等知名市场分析机构及全球最大的上市咨询服务公司埃森哲近来都不约而同将焦点汇聚在“未来”这一话题，包括未来工作、未来运营、未来技术、未来文化、未来企业……。

浙江大学和新加坡国立大学联合开发的AutoSteer系统，为多模态大语言模型提供了创新的安全防护机制。该系统通过安全意识评分自动识别AI内部最佳监控点，结合智能毒性检测器和拒绝机制，实现了既强大又安全的AI防护。实验显示，AutoSteer在显著降低攻击成功率的同时，完全保持了AI系统的正常功能，为AI安全领域提供了实用的解决方案。

企业“出海”除了事先要做更全面细致的“攻略”以外，不可或缺的还有一个坚实可靠的“数字底座”，以保证在当地快速、顺利地开展业务，实现国内国外体验的一致性，以及安全合规的运营。

2023年5月11日，由中国电子学会联合中国电子技术标准化研究院主办，工业和信息化部电子第五研究所协办的2023数据中心绿色发展大会在四川省成都市召开。

AI、机器学习（ML）以及物联网传感器，能够为算法提供丰富的实时数据，借此提高农业生产效率、提高农作物产量并降低食品生产成本。

华为技术团队发布突破性研究，首次系统阐述如何通过强化学习训练AI研究助手。研究涵盖数据合成、训练方法、系统框架、协作机制和评估标准五大核心领域，提出从"模仿学习"向"探索学习"的范式转变，让AI具备类似人类研究员的多步骤推理、工具使用和知识综合能力，为AI研究助手的实用化部署提供完整技术路径。

现代数据栈的演进也从本地不断向云端迁移，比如从早期的Oracle、Teardata到Hadoop、Greenplum到Snowflake、Azure云数据仓库、云数据湖。

以逆向工程思维，通过对5G标准的深度理解和软件开发的丰富经验来让5G边缘计算技术迅速适配到制造业关键场景中，这是这个群雄纷争年代艾灵网络的成长机会，也是中国智造的5G机会。