6月24日，阿里巴巴钉钉在深圳召开2018春夏新品发布会，发布一揽子产品升级及硬件新品，其中软件升级包括推出钉钉新校招、新商业套件等，硬件则有智能门禁D2、智能打印云盒P1。

随着中国电动汽车公司在全球各地扩张，匈牙利成为了一个很受欢迎的地方。

近日，思科针对新兴渠道业务提出了“一带新思路”战略。据思科表述，这是对思科现有渠道战略基础上的有效补充，并不会脱离现有的渠道战略单独存在。

GameForge AI 是一款基于人工智能的游戏开发平台，可帮助用户轻松创建自己的游戏世界。本文介绍了 GameForge AI 的功能和使用方法，包括创建角色、场景和任务等。虽然 AI 生成速度较慢，但平台对游戏设计师、桌游爱好者和学生等用户都很有吸引力。与其他 AI 创作工具相比，GameForge AI 更注重构建复杂的叙事驱动型世界。

借助IBM混合云的敏捷性和企业级AI所提供的智能，借助IBM开放的生态圈，能够让企业的“上云用数智”之路变得更加简单。

Black & Veatch首席数字技术官Mike Adams在AI、数据中心和能源转型推动关键基础设施需求的背景下，分享了其20多年领导经验。Adams通过"Mike Drops"等创新沟通方式，将复杂挑战转化为简明语言，促进组织协调。他强调故事叙述在领导中的重要性，通过实例说明数字化能力对关键基础设施的价值，并介绍了"建立滩头阵地"等领导理念，帮助团队挑战现状、推动创新。

微软Project Bonsai以图形化的方式，连接那些通过编程可执行AI功能的软件模块，工程师们无需利用数据科学，就可以实现AI驱动的自动化。

这项研究揭示了大语言模型推理中的一个重要问题：数值精度会显著影响结果的可重现性。研究团队发现，即使使用相同设置，不同硬件配置下模型输出可能截然不同，准确率差异可达9%。他们提出了LayerCast解决方案，在保持内存效率的同时提供高精度计算，为AI研究的可重现性提供了实用工具。

ChartLens是马里兰大学与Adobe研究院合作开发的创新技术，专门解决多模态大型语言模型在图表理解中的"幻觉"问题。这项研究提出了"后验细粒度视觉归因"方法，能够将AI对图表的分析结果与图表中的具体视觉元素（如特定柱形或数据点）精确关联起来，使AI的回答变得可验证。研究团队还创建了ChartVA-Eval基准测试集，并证明他们的方法比现有技术提高了26-66%的归因准确率，为金融分析、政策制定和科学研究等领域提供了更可靠的图表理解工具。

印尼科技巨头GoTo正在实施"务实且问题驱动"的AI战略，基于其完成的"最复杂和具有挑战性的云迁移之一"。该公司在九个月内将一半基础设施迁移至阿里云，涉及数万PB数据和9000项服务，实现零停机时间。目前GoTo使用阿里云MaxCompute大数据平台和PolarDB数据库，为其交通、电商和金融服务提供支持，并开发了自有大语言模型Sahabat AI。

随着国家医疗政策、医改政策、医保政策的改变，也带动着医疗行业的快速变化，同时行业监管和合规要求也日益严苛，食品药品安全要求“四个最严”（最严谨的标准、最严格的监管、最严厉的处罚、最严肃的问责）。

戴尔今日宣布更新PowerEdge服务器系列，将支持AMD的第四代EPYC GenoaCPU。

VxRail提供给客户的是业内真正的软硬件一体化升级方案，VxRail将所有的升级包验证，排序打包，帮助客户简化运维，规避风险。

西安交通大学研究团队开发了DenseDiT，一个基于生成式AI的视觉分析框架，能在仅使用15张训练图片的情况下处理25种复杂现实场景的视觉任务。该系统巧妙利用已训练生成模型的视觉知识，通过参数复用和轻量级分支设计，在数据效率上比传统方法提升1000倍以上，为数据稀缺的AI应用场景提供了全新解决方案。

4月9日下午FONE上海总部一番热闹、欢快的景象，FONE公司创始人 CEO 曾晓丹、COO 欧阳高晖等公司领导携全体员工齐聚一堂，举行了上海总部乔迁Party，共同庆祝乔迁之喜，为公司发展翻开崭新的篇章。

西门子低代码先后为上汽乘用车做了大量的验证和项目，从使用和性能各方面证明了西门子低代码方案的可行性和先进性，能有效节省项目开发时间和费用成本。

企业级对象存储因为可扩展、经济性、快速适配现代化应用程序以及丰富的API等特点，越来越受到企业的关注。

这项研究探索了一种全新的AI文本生成方式："弗兰肯文本"。灵感来自《弗兰肯斯坦》小说，研究者让大型语言模型在一个极端条件下创作：90%的内容必须直接复制自人类写作片段。尽管限制严格，但像Gemini-2.5-Pro这样的模型能生成既符合写作提示又保持连贯的故事。令人惊讶的是，这些混合文本常常逃过AI检测工具的识别——多达59%被误判为人类写作。这项研究不仅挑战了现有AI检测技术，还为混合作者归属研究提供了宝贵数据，并为人类-AI协作写作研究创造了可控的实验环境。

“企业正处在一个关键的平台期，也是决胜未来的窗口期，需要做出影响深远的重要决定：选择面向未来的技术架构和值得信赖的技术伙伴，打造面向未来的智慧企业。”

MIT研究团队开发的调制掺杂技术首次在硬件层面解决了AI芯片的"灾难性遗忘"难题。该技术通过在忆阻器中加入特殊掺杂原子，创造双层记忆系统，让AI芯片能像人脑一样持续学习而不遗忘旧技能。测试显示，该技术让AI对原任务的准确率保持在85%以上，同时减少70%的训练能耗。这项发表于《自然电子学》的研究将为智能手机、自动驾驶汽车等设备带来革命性改进，预计三到五年内实现商业化应用。