这个世界需要加速计算，需要云，需要NVIDIA和百度智能云，一起深入客户一线，一起发现、优化，加速最重要的计算任务，需要业务、工程、优化工程师的紧密合作！

虽然智慧城市解决方案的交付需要一个总体规划，但往往最终一次只部署一个项目，而专注于大局实际上已经放慢了思科在智慧城市方面的计划，思科公司首席执行官罗卓克这样说。

在数字经济中,数据就是氧气,为创新赋予生命力。而保障数据安全对于组织建立信任和创造价值至关重要。

明灯科技团队开发了名为Mano的智能GUI助手系统，能够像人一样"看懂"电脑界面并自动执行复杂操作任务。该系统采用三阶段训练方法，结合基础技能培训、策略优化和实战适应，在Mind2Web和OSWorld测试中取得显著性能提升。系统还包含智能数据采集、验证和身份认证等辅助模块，通过持续学习机制不断自我改进，为GUI自动化领域带来重要突破。

“云原生AI”意味着数据从采集、落地到使用都是在云上直接实现，而且通过人工智能运用这些数据，产生更有效的模型进行投产，让模型基于云化。

悉尼科技大学等机构联合提出REARM框架，通过元网络过滤模态共享特征噪声，运用正交约束保护独特信息，并深度挖掘用户兴趣与商品关联关系，在多个电商数据集上显著提升推荐准确性，为多模态推荐系统的个性化与精准化提供了新的技术路径。

宝光股份于2020年开始实施并建成了国内首条灭弧室数字化生产线，同期，对传统手动生产线进行精准配送物流线改造。

英特尔公司数据中心部门总经理兼执行副总裁Navin Shenoy在本周三的以数据为中心创新峰会上，正式开始将这一全新产品线成果交付至谷歌平台副总裁Bart Sano手中。

韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架，解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略，将存储需求压缩至原来的12%，同时保持高准确性，让手机和AR眼镜也能实时理解超长视频内容。

在本届AI Day大会上，伊隆·马斯克把“擎天柱”人形机器人当成了宣传重点。

尽管AI领域充满疲劳情绪的报道，但资金流动并未放缓。2025年上半年全球创业投资达1628亿美元，其中64%来自AI交易。以色列风投公司Glilot Capital宣布募资5亿美元，将管理资产总额提升至10亿美元以上。该公司专注于网络安全与AI基础设施领域，认为这些领域将产生持久回报。投资者正从追求快速收益转向长期价值创造，特别关注具有明确盈利路径的AI原生公司。

10月29日，在青岛市工业与信息化局指导下，由软控股份有限公司和深信服共同发起的“解码3D 设计终端建设创新之路——共筑安全高效办公空间研讨会”在青岛举行。

模型蒸馏技术在Gartner 2025年AI技术成熟度曲线中已达到"启蒙斜坡"阶段。虽然中国DeepSeek近期将其推向聚光灯下，展示了如何用模型蒸馏训练出可媲美OpenAI的大语言模型，但该技术并非新发展，可追溯至2006年。随着基础模型计算成本高昂，企业开始寻求以10%成本获得80%性能的解决方案。模型蒸馏作为创新与可扩展性的桥梁，正获得商业关注。

Vinton Cerf曾在四十年前协助创造了互联网，如今他仍在努力帮助世界各地的人们建立联系。

Overstock.com早在2014年就开始接受比特币作为付款方式之一。

斯坦福大学等国际研究团队通过对比GPT-3.5、GPT-4o等六个主流大语言模型在印地语、波斯语和中文对话中的表现，发现AI在不同语言中的"幻觉"现象存在显著差异。研究显示中文表现最稳定，幻觉现象最少，而印地语和波斯语中AI经常出现答非所问的情况。这一发现揭示了训练数据质量对AI语言能力的决定性影响，为多语言AI公平性发展提供重要参考。

密歇根大学研究团队首次破解AI编程语言选择机制，开发出G-ACT智能控制系统。该技术能精确引导AI选择C++等高性能语言，解决科学计算中AI语言偏好不当问题。实验显示控制准确率提升15%，为构建可靠AI智能体奠定基础。这项发表于2025年6月的研究标志着从"训练AI"向"控制AI"的重要转变。

文章介绍了AI大语言模型中最新的深度研究功能，这是目前最令人印象深刻的新功能之一。作者详细解析了ChatGPT、Claude和Gemini等主流模型的使用方法，并重点展示了深度研究功能的实际应用。通过实际测试，作者用ChatGPT 4.5的深度研究功能生成了一份关于1990-2025年最令人厌烦歌曲的详细报告，展示了AI如何通过思维链进行深度研究和分析。文章还提到了语音交互模式将进一步改变用户与AI的交互体验。

伊利诺伊大学香槟分校研究团队开发了Router-R1，一个能让多个AI模型像团队一样协作的智能调度系统。该系统通过强化学习，学会在"思考"和"调用专家"之间灵活切换，能根据任务复杂度动态协调不同AI模型，同时平衡性能与成本。在七个问答数据集的测试中，Router-R1显著超越现有方法，平均准确率提升约20%，并展现出对未见过模型的强泛化能力。

加州大学伯克利分校、MIT和斯坦福联合研发的SVG2技术通过语义感知排列实现了视频生成的重大加速。该方法巧妙解决了现有稀疏注意力机制中的两大瓶颈：识别不准确和计算浪费。通过k-means聚类对像素按语义特性分组并重排，SVG2在保持高质量的同时将生成速度提升至2.3倍，使原本需30分钟的视频生成缩短至13分钟，为实用化AI视频创作铺平了道路。