对企业而言，谋求高质量发展，保持和提升市场竞争力，数字化转型升级，既是战略性选择，更是企业精细化运营的必经之路。

HPE在本周一推出了最新版本的HPE GreenLake for Block Storage built on HPE Alletra Storage MP

两个月前，我们面向戴尔易安信员工发出“Data Domain十年新征程，我和Data Domain的故事”征集，收到的文稿中，有讲述打单心路历程的，有发表关于Data Domain技术独特见解的，也有分享心目中最牛Data Domain案例的……

IPv6因地址空间巨大，在应对部分安全攻击方面具有天然优势，在可溯源性、反黑客嗅探能力、邻居发现协议、安全邻居发现协议以及端到端的IPSec安全传输能力等方面提升了网络安全性。

缓解CIO和CISO之间经常会出现分歧。

MIT和Jina AI联合开发的jina-code-embeddings代码嵌入模型，通过改造预训练代码生成模型实现高效代码检索。该模型支持自然语言查询代码、技术问答和跨语言代码搜索，尽管参数规模较小（0.5B-1.5B），但在25项基准测试中表现优异，为AI辅助编程和智能开发环境提供了高性价比的基础工具。

日本大阪大学和捷克技术大学研究发现，CLIP等AI视觉模型能从图像中识别相机型号、压缩方式等技术细节，准确率超80%。这种能力会影响模型对图像语义的判断，导致检索和识别结果出现偏差。研究分析了47种模型，发现视觉语言模型最敏感，自监督模型相对较好。团队还发现训练时使用数据增强技术可降低这种敏感性，为改进模型提供了方向。

8月28日，AICC 2019人工智能计算大会（AICC2019）将在北京举行，其中的AI＋视觉计算主题论坛邀请了视觉计算领域的多位大咖，探讨AI视觉计算的前沿技术与最新应用。

希捷已经将Catalog的DNA存储技术引入其“片上实验室”（lab-on-a-chip）项目，希望用更小巧的设备快速读取存储在DNA中的数据。那么，“片上实验室”究竟是什么？希捷又为什么要力推这个概念？

在ChatGPT公开发布一周年即将到来之际，IT领导者们正在推动生成式AI试点，以及在生产环境中使用这项被视为重新定义行业且充满未知的技术。

AI不懂创意混搭，它恐怕也不会消除真正的创造性工作。

中国的IT预算预计增长2.8%，与去年的0.7%有了明显的变化，但是相比22年之前的IT预算还处在低位。

斯坦福和伯克利联合开发了DeepScholar-Bench系统，专门评估AI进行学术研究综述的能力。研究通过让AI撰写论文的"相关工作"部分，从知识综合、检索质量和可验证性三个维度测试AI表现。结果显示最先进的AI系统综合得分不超过19%，表明AI学术研究能力仍有巨大提升空间，为未来AI助手发展指明了方向。

这些奇奇怪怪的产品，究竟长什么样？

OPPO AI团队发布TaskCraft系统，通过自动化工作流程生成高质量AI智能体任务。该系统采用原子任务构建和深度/宽度扩展策略，能够自动创建需要多步骤、多工具配合的复杂任务，生成约36000个不同难度任务。相比传统人工标注，TaskCraft大幅降低成本，任务通过率达43%，显著优于直接生成方法的18.5%。

站在加州圣何塞分部的办公桌前，Arm公司CEO Simon Segars正摆弄一部上世纪八十年代产的、像块小砖头般的摩托罗拉DynaTAC手机。

这项由清华大学领导的研究提出了Bench-V，首个专注于评估AI模型视觉推理中多模态输出能力的基准测试。通过803个涵盖数学、物理、计数和游戏的精心设计问题，研究揭示即使是最先进的OpenAI o3模型也仅达到25.8%准确率，远低于人类专家的82.3%。实验结果表明，仅增加模型规模或使用文本推理无法有效解决视觉必需推理问题，未来AI需要发展真正的多模态思维能力才能缩小与人类的差距。

智能手机、平板电脑，随着移动智能设备的普及，网络中的主流应用也正在从浏览器上通过URL地址访问的网页应用向APP应用进行转变。虽然数据还是在采用Web应用协议进行传输，但是其背后的系统架构已经不再是由Web服务+数据库所主宰。

英特尔院士 Aditya Navale 分享图形处理器从实现更好的像素绘制到解决人类复杂计算挑战的演进历程。

UC伯克利研究团队发现，仅用17000个训练样本就能让AI获得强大推理能力，关键在于推理的逻辑结构而非具体内容正确性。即使训练数据包含错误答案或错误计算，AI仍能学会推理，但一旦打乱逻辑结构，性能就会急剧下降。该发现颠覆了AI训练需要海量完美数据的认知，为资源有限的团队提供了经济高效的AI推理能力培养方案。