随着市场环境的快速变化，传统的应用开发对于企业来说越来越难以适应，这时低代码平台也随之出现。2019年，低代码成为一个被市场看好的技术，最近SD Times杂志又宣布2021年是低代码平台之年。

最新研究显示,混合型工作方式还将继续下去,突显了员工体验从未如此重要

韩国NXN Labs开发的Voost系统实现了虚拟试衣技术的重大突破，能够同时处理"试穿"和"脱衣"两个相反任务。该系统使用统一的AI模型和创新的双向学习方法，在图像质量、细节保持和结构准确性方面都超越了现有技术，为电商购物和时尚行业带来革命性改变。

随着我们全面进入自主转型时代，AI代理正在改变企业运营和创造价值的方式。面对数百家声称提供"AI代理"的供应商，企业需要透过炒作，真正理解这些系统的能力及其适用场景。关键不在于简单替代现有工作，而是通过SPAR框架（感知、规划、行动、反思）识别全新的价值创造机会。

谷歌I/O大会的第一天，Google联合创始人Sergey Brin（谢尔盖?布林）高调现身，与Google DeepMind首席执行官Demis Hassabis，来了一场炉边谈话。全程只有半小时，但信息密度很高，话题涵盖了：AI的前沿模型、AGI的定义与路径、AI伦理、智能眼镜、谷歌AI战略等一系列热点话题。整体看下来，是这家以工程师文化为底色的公司，在经历了外部冲击与内部整合后，对其“AI信仰”的一次再确认与再出发，它关乎的不仅是AGI的星辰大海，更是如何脚踏实地将Gemini真正融入物理世界。

这项由德国博世人工智能中心和卡尔斯鲁厄理工学院联合开展的研究，创造了名为TAPAS的多智能体机器人规划框架。该系统巧妙结合大型语言模型和符号规划，让机器人能够理解复杂自然语言指令并动态适应新任务需求。在多个测试中表现优异，为未来智能机器人发展指明方向。

通用AI是一种能够像人类一样进行思考、学习和推理的人工智能系统。

HashiCorp 2023 年云战略现状调查显示：如今几乎十分之九的IT环境都混合了公有云和私有云， 多云战略已然成为当下的IT新常态。

我们连续三年的企业开源研究讲述了一个清晰的故事。IT领导者广泛地将企业开源软件视为具有更高质量，更多创新，甚至比其他替代品更高安全性的高级软件形式。

荣耀“拍了拍”华为，正式说了一声“再见”。供应链不再是影响荣耀品牌发展的“绊脚石”，但是随之而来的问题也很多，首当其冲的就是——独立后的荣耀，没有了华为的支持，路究竟要怎么走呢？

字节跳动联合浙江大学发布了ImmerseGen系统，这是一个能根据文字描述自动生成VR世界的AI工具。该系统采用轻量化代理和RGBA纹理技术，用AI代理协作完成从地形生成到物体布置的全流程，还能添加动态效果和环境音效。相比传统方法，它生成的场景效率提升数十倍，在移动VR设备上达到79帧流畅运行，为VR内容创作带来革命性突破。

目前，在基础科学研究领域，基于ChatGPT的研究已产生较多突破性成果，大语言模型技术在辅助科研人员进行研发工作或理解基础科学问题的同时，也在改变甚至颠覆基础科研生态。

斯坦福大学研究团队开发出概念组合学习框架，让AI系统像人类一样学会"举一反三"。该技术将复杂学习任务分解为基础概念模块，通过灵活组合处理新任务，学习效率比传统方法提高10倍。实验显示在多概念组合任务中准确率达78%，并具备跨领域迁移能力。这项突破为通用人工智能发展奠定重要基础，预计将在医疗、教育、自动驾驶等领域率先应用。

华为诺亚方舟实验室开发出名为OmniEVA的智能机器人系统，它具备两项核心创新：任务自适应3D建模机制能根据具体任务智能切换2D/3D视觉模式，身体感知推理框架让机器人制定计划时考虑自身物理限制。该系统在8个公开测试中有7个达到最佳成绩，复杂操作任务成功率提升28.95%-50%，已成功部署到真实机器人并能自主完成日常辅助任务。

这项由北大团队开发的OmniManip系统，通过创新的物体中心表示方法和双重闭环控制，让机器人能够理解自然语言指令并在复杂环境中精确操作。系统在12项真实任务测试中达到68.3%成功率，远超传统方法，展现了从服务机器人到工业制造等广泛应用前景。该技术为实现真正智能的通用机器人奠定了重要基础。

阿里巴巴DAMO院推出开源多语言大模型Babel，支持全球25种主要语言，覆盖90%世界人口。采用创新的层扩展技术而非传统继续训练，推出9B和83B两个版本。在多语言任务评估中表现出色，83B版本接近GPT-4o性能，特别关注印地语、孟加拉语等被忽视的大语言群体，推动AI技术的包容性发展。

Forrester Research研究发现，内存和存储已经如今限制人工智能和机器学习发展的非常重要的因素。

大模型打开AI新世界,Vision Pro 引领空间计算,AI芯片驱动万物,新硬件层出不穷……对于一直走在全球前沿的中国智能硬件,通过技术创新来构筑产品优势的品牌变得越来越多。

慕尼黑工业大学研究团队首次将"grokking"现象成功应用于真实世界的复杂推理任务，通过巧妙的数据增强策略，让仅有1.24亿参数的小型AI模型在多步推理任务上达到95-100%准确率，超越了GPT-4o等大型模型。更令人惊讶的是，即使训练数据中包含错误信息，也能增强而非削弱模型的推理能力。

“经过这次疫情，我们发现，在社会剧烈变动的情况下，最终生存下来的其实不是最聪明的，也不是最强壮的，而是数字化程度最高的。”