金融服务正在变得无处不在。这让银行的服务方式有了更多可能性，产品更加多元化，但同时，也给银行带来了很多前所未有的挑战。

沙特阿拉伯misraj.ai团队开发了Kuwain 1.5B，一个仅15亿参数的阿拉伯语-英语双语AI模型。他们创新性地提出"语言注射"技术，在英语模型基础上增加8个新层专门处理阿拉伯语，同时保持原有层冻结。通过扩展26000个阿拉伯语词汇和9:1的数据配比，实现了阿拉伯语性能8%提升，英语能力完全保持，训练成本降低70%。该方法可推广到其他语言，为多语言AI发展提供了高效经济的新路径。

在P40手机发布会后的采访中，余承东回忆任正非的话，“这怎么能打的过我们呢”。

作为2018年中国进口博览会的指定物流商，我们为“会飞的汽车”AeroMobil提供了到港以后的清关、仓储、运输一条龙服务。

不过，亲爱的读者，李枫不能再等，您也无需再等：微软中国正在双十一大促，Office 365商业协作版在双十一结束前购买，每用户每月仅需要16元。

法国奥尔良大学研究团队开发出WGAST系统，首次实现利用人工智能将1公里粗糙卫星温度数据转换为10米高分辨率地表温度图。该系统融合Terra MODIS、Landsat 8和Sentinel-2三种卫星数据，采用创新的弱监督学习策略，在保持每日更新频率的同时大幅提升空间精度，为城市规划、农业监测和气候研究提供了强大工具。

从最近针对AI技术发展与影响进行的调查、研究、预测以及其他量化评估结果来看，消费者对于数据隐私、AI给工作带来的影响以及AI优先层面的竞争，普遍抱有困惑且矛盾的态度。

作为第一个向OpenAI进行风险投资的投资人（也是一个鹰派），Khosla在2019年向该公司投资了5000万美元，这笔投资如今价值超过40亿美元，成为其投资生涯中最具传奇色彩的案例之一。在这次深度访谈中，他预测人工智能将在未来15年内重塑几乎所有行业，到2040年将迎来一个"工作不再为生存而必须"的富足时代。

清华大学研究团队提出了一种名为"硬负样本对比学习"的创新方法，显著提升了大型多模态模型在几何理解与推理方面的能力。通过构建图像和文本两类负样本，以及开发MMCLIP训练策略，他们的MMGeoLM模型在四个几何基准测试中表现卓越，甚至以7B参数规模与GPT-4o相媲美。实验证明，仅4K个真实图像负样本的效果就超过了100K个文本负样本，为AI细粒度视觉理解开辟了新路径。

AI落地时代开始了，英特尔的机会也来了？

百度智能云本着“让客户花好钱”、“让客户挣好钱”的服务理念，在存储技术做了大量创新，推出了多种独具特色的云存储服务，赢得用户的广泛认可。

4月16日，2020中国数字企业峰会通过网络直播形式盛大开幕。作为国内规模最大的数字化决策者网络盛会，中国数字企业峰会已举办两届，今年主题为“后疫情时代，智能提速新法则”，开幕当日超过2万人次数字化管理人士在线收看。

Facebook发布了首款消费级电子产品——Portal与Portal+。这是Facebook推出的智能音箱，能够进行视频通话，还能够与亚马逊公司的Alexa通话，播放来自Spotify、Pandora以及iHeartRadio的音乐内容。

IBM研究团队通过CRAFT系统揭示AI助手在面对恶意用户时的脆弱性。该研究发现，即使最先进的AI助手在遭遇精心设计的诱导攻击时，政策违反率高达70%，远超传统攻击方法。团队开发的τ-break测试集专门评估AI在政策遵守方面的表现，结果显示现有防御措施效果有限。这项研究为AI安全评估提供了新视角，强调需要考虑恶意用户场景，对未来AI系统的安全部署具有重要指导意义。

2018年可以说是软件定义数据中心的一年，大量自动化和人工智能研发力量致力于打造下一代可扩展的、灵活的数据中心。对于数据中心领导厂商Dell和HPE来说这是开创性的一年，Dell的全球销售处于领先位置，HPE加大了在可组合式基础设施上的力度。

所谓的“51%攻击”早已成为一种众所周知的高危加密货币攻击向量。

腾讯研究团队首次开发出RLVER框架，通过可验证的情感反馈训练AI理解人类情感。该方法让70亿参数的小型AI模型在情感智能测试中从13.3分跃升至79.2分，达到大型商业模型水平。研究创新性地使用虚拟用户的真实情感变化作为训练信号，并发现"先思考再回应"模式显著提升AI的共情能力。这项突破为AI情感智能发展开辟新路径，有望在心理健康支持、教育和客户服务等领域产生广泛应用。

2021年4月24日，由腾讯云 TVP 主办的首届 Techo TVP 开发者峰会「数据的冰与火之歌——从在线数据库技术，到海量数据分析技术」在深圳深铁皇冠假日酒店成功举办。

近期，随着Filecoin挖矿服务器的大举扩张，AMD CPU变成了香饽饽，Filecoin的复制证明（PoRep）倾向于在AMD处理器上运行。

想象一下，你有一辆非常省油的汽车（比如BitNet b1.58这样的1比特模型），但每次加油都必须使用高级燃油（8比特激活值）。虽然车辆本身很节能，但燃油成本仍然不低。这正是当前大语言模型面临的困境。