从提高效率到增强公共安全，再到足以改变病患生活的诊疗工具，本文将带大家深入了解爱立信、Abpro和Hexagon等厂商如何运用AI之力改善现实、拯救生命。

在交通运输部发布的2022年上半年十大沿海主要港口集装箱吞吐量榜单中，联接东盟和中国西部腹地的北部湾港集团，同比增速排名第一。

“我们既不是集成也不是被集成，而是邀请合作伙伴一起造一艘‘船’，然后和企业一起驶向‘数字世界’。”浪潮云董事长兼CEO肖雪在日前的2020浪潮云生态合作伙伴大会上说。

古典经济学认为，生产随需求而变化，供应商根据需求的升降来调整生产。因为需求下降，价格也下降，迫使供应下降。这种摩擦或者生产的滞后，给传统市场带来周期或者不稳定性，就叫做：摩擦经济。

清华大学联合多家机构发表突破性研究，提出AI训练数据的五层分级管理框架（L0-L4），从原始数据到精炼知识逐层优化。研究发现高质量数学数据具有"超级食品"效应，不仅提升数学能力还增强跨领域表现。实验证明分层训练比传统方法性能提升1.49个百分点，团队已开源相关工具和数据集供社区使用。

这项由浙江大学周晓巍教授团队联合牛津大学、蚂蚁集团等机构开发的SpatialTrackerV2系统，实现了仅用普通摄像头就能精确追踪视频中任意点的三维运动轨迹。通过创新的统一框架和大规模数据训练，该技术在权威测试中相比前代方法准确率提升50%以上，运行速度快50倍，为机器人、自动驾驶、VR等领域提供了突破性的技术基础。

惯性的力量不容小觑，新晋竞争者必须给出真正有吸引力的体验。

英伟达（Nvidia）的人工智能故事理所当然地吸引了投资者的目光，不过竞争对手也在准备替代方案。AMD、英特尔、Cerebras、Tenstorrent、Groq、D-Matrix 和所有云服务提供商将如何影响市场呢？

7月5日,“加速‘人工智能+’ 构筑新质生产力”主题活动在上海徐汇举行。值得一提的是,这是中央广播电视总台研究院自6月揭牌以来牵头主办的第一场落地活动。

虽然中兴事件得以平息，但代价太大了。是什么卡住了我们的脖子而必须接受那些苛刻的条件?

复旦大学团队开发出Ask-to-Clarify机器人框架，让机器人首次具备主动询问澄清模糊指令的能力。该系统采用双组件架构和两阶段训练策略，在8项真实任务中全面超越现有技术，成功率达90-98%。这一突破将机器人从被动执行者转变为主动合作伙伴，为家庭服务机器人的实用化扫清重要障碍。

2018年的领域驱动设计中国峰会是一次对国内DDD实践的检阅和展望，希望和业界同行一起探索DDD，同时希望在软件行业可以更大范围和更深层次的展开实践的道路与前景。

一直拥有领先的认知是很难的,我们唯一可以做的是保持开放的心态,并主动获取新信息,从而不断地促进认知升级。

云原生的魅力在于，能赋予企业IT架构极大的灵活性，加快企业开发和部署的节奏，支持企业快速创新、降本增效。

这项研究提出了CompeteSMoE，一种创新的稀疏混合专家(SMoE)训练方法，通过引入竞争机制来优化大型语言模型。传统SMoE依赖独立路由器分配任务，而CompeteSMoE让所有专家直接处理输入并选择反应最强的进行计算。理论分析证明该方法比传统softmax路由具有更好的样本效率，实验显示在视觉指令调整和语言预训练任务上均优于现有方法。该研究为高效训练大型AI模型提供了新思路，特别是在改善专家选择和提高训练效率方面具有重要价值。

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。

从“库存驱动生产”到“订单驱动生产”转型，从以往大批量、少批次的传统生产方式向小批量、多批次转变，甚至向个性化需求定制C2M（柔性制造）发展。新一代信息技术与制造业的深度融合正在引发影响深远的产业变革，形成新的生产方式、产业形态、商业模式…

AutoIntent是俄罗斯研究团队开发的革命性自动化文本分类工具。它能够自动选择最佳的嵌入模型、分类算法和决策阈值，让普通用户无需专业知识就能构建高效的意图识别系统。在标准测试中，AutoIntent不仅准确率超过现有工具，训练效率也提升一倍以上，特别在多标签分类和超范围检测方面表现突出，为AI技术普及化开辟了新路径。

上海AI实验室联合多家顶尖机构开发出全球首个科学推理大模型SciReasoner，该模型在2060亿科学数据上训练，支持103个科学任务，能够像科学家一样进行逻辑推理并展示思考过程。它实现了化学、生物学、材料科学等多领域知识整合，在分子设计、性质预测、文献分析等方面表现出色，为科学研究提供了强大的AI助手工具。

随着网络从使用基于频分双工（FDD）的通信链路发展到使用时分双工（TDD），不仅出现了频率方面的需求，同时还产生了对精确相位和时间同步的需求。