当我们使用导航应用听取路线指引，或者让数字助手朗读新闻时，我们听到的AI语音正在变得越来越自然，但仍然存在明显的局限性。传统的语音合成技术往往需要大量特定说话者的录音样本才能生成接近自然的语音，而且在切换到不同说话者、不同语言或不同情绪风格时往往表现不佳。

佐治亚理工学院正引领高等教育机构适应 AI 驱动的未来。学院通过开放 AI 超级计算机、提供跨学科 AI 教育、支持学生开发实际应用等方式，培养具备 AI 技能的全方位人才。这种创新模式不仅提升了学生的就业竞争力，也为产业界输送了能够驾驭 AI 技术的新生力量，推动各行各业的数字化转型。

上海交通大学团队通过"推理时间扩展"技术让AI学会深度思考，在医学诊断中取得突破。研究发现AI思考时间越长诊断越准确，仅用500个样本就实现6%-11%准确率提升。AI模型展现出类似医生的临床推理能力，能进行差异诊断和证据权衡，特别在复杂罕见疾病诊断方面表现出色，为AI医学应用开辟新方向。

根据IDC全球WLAN季度追踪报告显示，2020年第三季度全球消费者和企业WLAN市场同比增长12.0％，其中企业细分市场同比增长7.4％，收入为17亿美元。

腾讯Hunyuan3D-Omni通过统一框架整合点云、体素、边界框和骨架四种控制信号，实现精准可控的3D物体生成。采用渐进式训练策略和统一控制编码器，解决了传统单一输入源导致的几何失真问题，为3D内容创作提供了更高的精度和灵活性，在动画制作、游戏开发等领域具有重要应用价值。

Meta等机构研究发现，让大语言模型学会使用外部工具比死记硬背所有知识更高效。研究通过数学证明和实验验证，传统的参数记忆存在严格容量限制，而工具学习能实现无限扩展且不损害原有能力。这为AI发展提供了新思路：从堆叠参数转向构建智能工具协作系统。

研究人员发现,廉价的贴纸可以有效欺骗自动驾驶汽车的交通标志识别系统。他们还发现这些系统会"记忆"标志位置,即使标志被遮挡也会假定其存在,导致攻击成功率低于预期。研究人员测试了多种攻击方法,包括使标志"消失"或制造虚假标志。这项研究填补了商业自动驾驶系统漏洞研究的空白,为提高系统安全性提供了重要信息。

在今天的Red Hat Summit大会上，红帽公司推出了三款新的和增强的产品，加强对软件容器编排管理器Kubernetes的支持。

斯坦福大学与微软研究院联合开发的通用用户模型（GUM）突破了传统用户模型的局限性，实现了跨应用、跨情境的用户理解。这项研究通过分析用户日常计算机使用行为，构建置信度加权的自然语言命题，精确捕捉用户行为、知识与偏好。研究团队基于GUM开发了Gumbo助手，能主动发现并执行用户潜在需求的任务，如为婚礼找租西装地点或创建搬家计划。实验证明GUM提供高准确度(76.15%)和良好校准的用户理解，为实现计算机真正理解人类需求的愿景铺平了道路。

KAIST研究团队开发了CLEANMOL框架，解决了大语言模型理解SMILES分子表示法的关键难题。传统模型即使在简单任务如计数分子环数时也表现不佳，因为SMILES编码中结构信息常呈非连续分布。研究通过设计官能团匹配、环计数等确定性任务，大大提升了模型对分子结构的理解。实验表明，预训练后的模型在逆合成等下游任务上表现优异，精确匹配率从45.6%提升至58.1%。这一突破无需昂贵实验数据，为药物开发和材料设计提供了低成本高效的AI支持方案。

一直致力于记录和推动数字化创新的知识传播机构的至顶传媒，长期以来，以帮助金融、制造、商业、能源和新零售等行业的数字化技术的决策者和从业者为己任，作为2019可信区块链峰会的协办方，积极参与到峰会的各个环节当中。

首尔大学团队提出QWHA方法，通过沃尔什-阿达马变换和智能参数分配策略，有效解决了AI大模型压缩后性能下降的难题。该方法在保持模型精度的同时大幅提升计算效率，特别在极低精度量化场景下优势明显，训练速度比传统方法快3-5倍，为AI技术在移动设备和边缘计算中的普及应用开辟了新路径。

Meta以1亿美元天价争夺AI人才之际，CFO苏珊·李揭秘资本配置艺术："当扎克伯格一年烧掉600亿建设AI时，我的工作不仅是算清每笔账，更要向骂街的投资者证明——疯狂支出终有回报。"这位19岁闯华尔街的财务奇才，用17年见证了Meta从社交媒体到AI巨头的蜕变。

硬件只是阿里巴巴人工智能实验室2018春季新品中的陪衬，AliGenie2.0人机交互系统挑大梁。AliGenie2.0是阿里打造人工智能生态的使者，它承载着家庭智联网不能沦为遥控器的重任。

微步在线宣布完成E轮5亿人民币融资。本轮融资由CPE源峰领投，老股东云晖资本等继续跟投。这是微步在线在半年之内的第二次融资，此前的2020年9月，微步在线刚刚完成了3亿左右的D轮融资。

想象一下，你是否曾经在网购衣服时犹豫不决，因为无法确定那件衣服穿在自己身上会是什么效果？虚拟试穿技术正是为解决这一问题而生。然而，传统的虚拟试穿技术往往只能处理静态图像，而在处理视频时，则会面临更大的挑战：如何确保人物运动过程中，衣物的细节和纹理保持真实自然的一致性？这正是阿里巴巴研究团队在这项工作中着力解决的核心问题。

随着GenAI技术的迅速发展和应用，全球超过58%的技术提供商已经在他们的产品中内嵌了GenAI技术。这种技术虽然为企业带来了创新的机会，但同时也引入了新的安全挑战。

据报道，计算机图形芯片制造商Nvidia赢得了一场竞购战，收购以色列热门初创公司Mellanox，而这家公司曾吸引了英特尔和微软的关注。

香港理工大学研究团队开发了突破性医学AI系统GEMeX-ThinkVG，让人工智能在分析胸片时能像医生一样详细解释诊断过程。该系统不仅能准确回答医学问题，还能标注具体的影像区域并提供完整的推理链条，解决了传统医学AI"黑盒子"问题。通过创新的强化学习训练方法，仅用八分之一数据就达到了传统方法的性能水平，为可解释医学AI开辟了新方向。

新一代信息技术产业已然崛起，随着新兴应用在企业级市场加速落地，数据价值越发凸显，而数据安全也已经上升为影响国家安全的重要因素之一。