今日，“Hello 叠加态——智工作 享生活”戴尔Latitude 2021新品沙龙在优客工场举办。优客工场与戴尔Latitude宣布双方战略合作，共建“优客工场x Latitude智慧办公体验空间”。

2021年05月20日，深圳 —— 英特尔公布了第五期AI百佳创新激励计划创新团队名单，并在2021第二届深圳（国际）人工智能展暨智能制造产业创新高峰论坛中，与德勤和深圳人工智能行业协会发布了《中国成长型AI企业研究报告》-。

这项来自南洋理工大学和商汤科技的开创性研究，首次系统性地为GUI自动化AI赋予了人类般的自我反思和错误纠正能力。通过创新的三阶段训练框架和自动化数据生成技术，成功让AI学会了识别错误、撤销操作和从失败中学习，在复杂任务上的成功率提升了138%。这一突破不仅推动了GUI自动化技术的发展，更为构建真正智能的AI系统提供了新的范式。

今天，在纽约举行的“让AI无处不在”活动上，英特尔推出一系列出色的AI产品组合，旨在助力用户从数据中心、云、网络，到边缘和PC等各个领域打造无处不在的AI解决方案。

换而言之，对于已加入华为体系的伙伴来说，可以放心继续深耕客户；而对于仍处在观望中的潜在伙伴而言，现在就是加入的好时机。

2018年，在云计算诞生的第十二年，渐劲的东风正在重构业界对于全球云力量的认知。新年伊始，拥有175年历史的全球财经旗舰媒体英国《经济学人》就对“中国云计算行业发力赶超西方”的话题进行了全面报道。

东北大学研究团队提出一种突破性的人体动作生成方法，摒弃传统的相对坐标表示，转而使用全局空间中的绝对关节坐标。这种看似简单的改变带来显著提升：生成动作质量更高，文本对齐更准确，控制性更好，且支持直接生成网格顶点动作。研究表明简单方法有时比复杂解决方案更有效，为虚拟现实、游戏和动画领域提供了新工具。

2018的深秋，多了几分淡淡的哀愁。这不只是天上的、地上的天灾人祸，还有你未曾料想到或近或远的人们离开，还有整个全球经济在各种不确定因素中、和不敢消停的折腾中风雨飘摇。

黄仁勋表示：“在将来的某一天，人们会意识到，智能手机革命只是物联网革命的第一步。在物联网革命中，万物皆是智能的。”他明确地表示NVIDIA将为企业网络边缘和虚拟无线接入网（vRANs）中的AI赋能，助力新一代5G无线服务。

借助云、网的天然优势，将云安全与云网深度融合，形成“云网安”的一体化能力。并通过AI与云安全的结合，对未知威胁进行主动防护，将成为新华三未来云安全技术的重要演进方向。

现如今，“数字化”已经悄悄地替代了“信息化”，成为一个在IT圈之外也并不陌生的词汇。虽然在不同的时代，数字化转型的含义都有着些许的不同，但他们都有着统一的目标，即使用技术来重塑企业的竞争力。

如今面向2023年，John Roese表示新的一年，希望通过更加具体的建议和行动方向，来帮助客户为来年做好准备。

希伯来大学研究团队开发的Story2Board系统实现了从文字故事到专业故事板的自动转换突破。该系统采用潜在面板锚定和相互注意力数值混合两项核心技术，在保持角色一致性的同时实现丰富的视觉表现力。系统无需训练即可运行，能够生成电影级构图效果的连续画面，为内容创作、教育和娱乐产业提供了强大的AI辅助工具，代表了人机协作创作的新模式。

数据成为企业数字化转型成败的关键因素，可是数据安全是否也得到了企业的同等重视？在未来的数字化时代，企业将如何应对数据威胁的挑战？为此在第二十四期DWorks中对《数字化转型云安全问题》展开了调研。

当前AI智能体炒作过热，企业追求能处理一切问题的开放世界系统并不现实。真正有价值的AI智能体应专注于有明确边界的封闭世界问题，如发票匹配、合同验证等企业日常任务。企业级智能体应采用事件驱动的微服务架构，具备自主性和连续性，通过将非确定性模型包装在确定性基础设施中来确保可靠性。相比追求通用人工智能，企业更需要可测试、可部署的实用解决方案。

本研究提出了MuToR，一种通过在输入序列中插入"寄存器令牌"来改进大语言模型训练的创新方法。与传统的"下一个词预测"方法相比，MuToR使模型能够同时预测多个未来词，从而提供更丰富的学习信号。这种方法不需要改变模型架构，仅增加极少量参数，并且在微调预训练模型时表现尤为出色。研究团队在数学推理、文本摘要和图像生成等多种任务上验证了其有效性，证明MuToR不仅能提高模型性能，还能在保持推理速度的同时增强模型的规划能力。

毫米波是谈及5G的热门词汇。高频段的毫米波带来的大带宽，为5G需求的高速率提供了想象空间，然而毫米波在大气中传播衰弱严重的弱点也成为其商用道路上的致命伤。不过，近日高通在毫米波的攻坚中率先破题，推出全球首款5G毫米波天线模组。

人类很难相信自己无法理解的机器，并最终阻碍了我们从这一创新技术中切实受益。

2月7日，一加正式发布 Ace 系列重磅新品一加 Ace 2。

本文探讨了一种防范通用人工智能（AGI）和人工超级智能（ASI）存在性风险的方法：将它们置于计算机仿真世界中进行测试。虽然这种方法看似合理，但存在诸多挑战。AGI可能会隐藏恶意行为，或因被欺骗而转向恶意。此外，仿真环境可能无法完全模拟真实世界，导致测试结果不准确。构建高质量仿真系统的成本和技术难度也不容忽视。文章认为，仿真测试虽有价值，但并非万能解决方案。