HDFC银行的企业数据管理负责人和我们讨论了当今数据领导者面临复杂的平衡之术，阐明了如何在不忽视良好数据治理的情况下从数据中获取价值。

当前，高性能计算的重要性不断凸显，而与人工智能的融合更是让HPC焕发了新的生机，NVIDIA以软硬全栈技术持续推动超级计算机的发展，

这项突破性研究由法国瓦雷奥公司联合荷兰高校团队完成，开发出名为Franca的开源AI视觉模型。该模型仅使用公开数据训练，却在图像分类、物体检测、语义分割等多项任务中达到或超越了谷歌、Meta等科技巨头的私有模型性能。研究团队创新性地引入"套娃式"多层记忆系统和空间偏见消除技术，并完全开源了模型、代码和训练数据，为AI技术民主化做出重要贡献。

成本与可持续性密切相关。

数字化时代，数据已成为企业和个人最重要的资产之一，数据安全治理也成为亟待解决的问题。用友具有丰富的数据治理经验，能帮助企业高效构建数字防火墙，有效保障企业数据资产。同时，数据安全治理需要人人参与，共同为数据要素激活和释放数据价值保驾护航。

CES开幕演讲的第二天，英伟达创始人兼CEO黄仁勋接受了全球媒体的采访，持续1小时的采访中，黄仁勋回答了关于英伟达策略、全球投资、AI生态格局、AGI时刻、Agentic AI、自动驾驶、物理AI等26个问题。

近年来，加快建设制造强国，推动制造业高端化、智能化、绿色化发展，成为很多企业认真落实制造业转型的升级战略，西部数据公司绝对是其中的佼佼者。

“2020上海智慧城市体验周”重磅压轴活动——“智慧上海·进而有为”上海城市峰会2020在今日成功举办。

约翰霍普金斯大学研究团队发现，即使给AI模型提供近乎完美的外部反馈，它们仍然无法完全吸收并达到理论最佳表现，这种现象被称为"反馈摩擦"。研究通过九项不同任务测试了多个先进AI模型，发现所有模型都存在这一局限性，且主要原因是模型的反馈抗拒而非反馈质量问题，为AI自我改进研究指明了新方向。

虽然“云混搭”的方式可以很好满足企业对于各类业务的不同负载需要，兼顾成本和性能需求，但是要让这个复杂架构变成一个“有机整体”，“搭配和混合”的技巧就会很重要。

清华大学研究团队通过MotionBench发现，当前最先进的AI视频理解模型在精细动作理解方面存在严重不足，准确率不足60%。他们提出的通过编码器融合技术TE Fusion有效改进了这一问题。这项研究揭示了视频AI理解的基础能力缺陷，为该领域发展指明了新方向。

阿里巴巴研究团队开发出ProgCo方法，让AI像程序员一样生成验证程序来检查和纠正自己的答案。该方法在数学问题和指令遵循任务上表现卓越，准确率提升超过7%，同时具有比传统方法更高的计算效率，为AI自我纠错开辟了新的技术路径。

汽车维权的这出戏码，二十年来都没学会换剧本，即维权的成功与否，取决于谁能“搞出动静”。

精准农业一词是指为水、农药和化肥等农业投入找到“黄金地带”的技术组合，以最大限度地提高产量和效率。这是关于这些投入的适量性——不要太多以至于多余的投入被浪费，也不要太少以至于农民的产量低于他们的能力。

沿着这条「遗忘小径」走一走，看看那些曾经风靡一时、最终却被智能手机普及所淘汰的技术。

芝加哥大学研究团队通过创新的"分支因子"测量工具，发现经过对齐训练的AI模型生成选择比原始模型减少近十倍，解释了现代AI助手回答相似的原因。研究还发现这种"保守化"在复杂推理中反而提升了稳定性，并提出了通过引导方式平衡AI可靠性与创造性的方法，为AI技术发展提供重要指导。

企业的灾难恢复计划可能更侧重于核心技术元素、数据中心、关键基础设施和系统；而业务连续性计划则立足于更广的视角，着眼于整个企业，从而尽量降低或完全避免业务中断对企业日常运营造成的影响。

MIT等顶尖机构联合提出SparseLoRA技术，通过动态稀疏性实现大语言模型训练加速1.6倍，计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分，在保持模型性能的同时显著提升训练效率，已在多个任务上验证有效性。

本文探讨了云原生环境中 AI/ML 负载激增带来的变革，强调借助 Kubernetes 等新型工具实现规模、敏捷和便携优势，并以 Pizza Hut 案例说明云原生开发如何驱动业务升级。

破除迷雾，来看看开源AIOps工具与专有AIOps工具的优缺点。