英特尔亚洲人工智能销售技术总监伊红卫也表示，在加速人工智能行业落地的过程中，英特尔可以从硬件、软件和生态三个方面进行赋能。

近年来，世界各国的HPC大师们正纷纷转向超大规模与云设施领域。但不同于在供应商处任职，他们往往更倾向在自己熟悉的岗位上不断深耕。劳伦斯利弗莫尔国家实验室计算部门的首席技术官Bronis de Supinski就是其中之一。

这是首份关于自动驾驶领域视觉-语言-行动模型的全景调研，由清华大学等多校团队完成。研究梳理了让汽车能看、能说、能开的VLA4AD技术发展历程，从早期语言解释器到最新推理增强系统的四个阶段，分析了20多个代表性模型，整理了相关数据集和评估方法，并指出了实时性能、安全验证、多模态融合等关键挑战和未来发展方向。

在浪潮信息，有这样一群工程师们，他们在好奇心的驱动下，通过各种方式寻找算力提升的路径，无论进步大小，自豪感都在驱使着他们继续探索未知，甚至像一个科学家一样琢磨各种跨界的技术，并用于解决各类工程难题。

9月24日，高通公司中国区董事长孟樸在GMIC LIVE开幕式上发表主题为“随5G，至万物”的演讲，展望5G等领先科技为千行百业及人类生活带来的未来变革。

天津大学研究团队开发出Embodied-R1智能机器人系统，通过创新的"指向"技术和强化学习训练，成功解决了机器人视觉理解与实际操作之间的鸿沟。该系统具备四种核心指向能力，在11项基准测试中表现卓越，在未见过的环境中实现56.2%仿真成功率和87.5%真实任务成功率，相比基线模型提升62%，展现出强大的零样本泛化能力和实用潜力。

2023年会是3D数字人的元年，数字人在这一年将真正跨越2D时代。

Moonshot AI发布了新一代视觉语言模型Kimi-VL，该模型采用混合专家架构，仅用2.8B激活参数就能媲美大型模型性能。其创新包括原生分辨率视觉编码器、128K长上下文处理能力和长链思考推理机制。在多项基准测试中，Kimi-VL在数学推理、文档理解、智能体任务等方面表现出色，证明了小参数高效能的设计理念，为AI技术的普及和可持续发展提供了新思路。

NVIDIA研究团队在最新研究中指出，小语言模型(SLM)将成为AI智能代理的未来。他们论证了SLM不仅足够强大，还在操作上更适合且经济性更高。研究显示现代SLM已可媲美更大模型的性能，同时推理成本降低10-30倍，微调更快捷。论文提出了从大型模型向小型模型转换的算法，并通过案例研究证明在实际智能代理中40-70%的LLM调用可被SLM替代。这一转变将大幅降低AI运营成本，推动更可持续的AI发展。

转型之路道阻且长，要想实现劳动力数字化、提升员工体验、培养符合未来趋势的新技能以及永久改变我们的工作方式，我们还有许多工作要做。

通常来讲，1-2岁的婴幼儿不能戴口罩。N95口罩透气度较差，不适合孩子使用。对于儿童，推荐佩戴儿童专用的防护口罩，且家长需随时注意孩子有无呼吸困难等不适情况。

2023年会是3D数字人的元年，数字人在这一年也将真正跨越2D时代。

9月16日，由中国卫生信息与健康医疗大数据学会健康卡应用与管理专业委员会主办、腾讯健康协办的“全国电子健康卡（码）高质量发展交流会”系列会议召开。

大部分国内企事业单位的网络安全的现状是不容乐观的，这一点从这几年相关部门组织的全国性实战攻防演练行动可以看出来。

5月21日在北京富力万丽酒店，由美云智数主办，中国软件行业协会、New Stein协办的“2021年美云智数城市巡展·北京站”，200多家企业代表共聚一堂探索企业数字化转型之道。

HPE新任GreenLake全球合作伙伴和服务提供商销售副总裁Ulrich Seibold希望确保合作伙伴了解GreenLake在多云方面的实力，以及使用GreenLake计量功能提供单一的多云消费客户账单功能。

中科院与美团联合推出MoTE技术，通过"三值专家混合"架构巧妙解决大模型内存消耗问题。该技术保留原模型的全精度共享专家，同时添加多个内存高效的三值路由专家，在3B参数规模下内存消耗减少60%以上，性能反而提升1.6%。这项突破为在普通设备上部署强大AI模型开辟了新路径。

2018年1月17日 —— GMIC大会主办方长城会（GWC）在北京举办了以“我们的十年”为主题的GMIC北京2018启动发布会暨长城会十周年会员年会。

在中国AIGC产业峰会的现场，20位大咖展开激辩。从软件应用、智能终端乃至具身智能等，AIGC正在全面席卷，「你好，新应用！」成为本届AIGC峰会主题。

这篇论文探讨了强化微调（RFT）如何增强多模态大语言模型（MLLMs）的推理能力。研究指出，作为一种后训练算法，RFT已在各种模态（视觉、音频、GUI等）、任务和领域中取得显著成功。论文详细分析了现有工作，总结了RFT在多模态推理中的五大成功：多样化模态应用、广泛的任务与领域支持、算法改进、丰富的评测基准和完善的工程框架。作者还提出五个未来研究方向：提升跨模态泛化能力、结合不同奖励范式、加强安全性研究、探索数据增强技术以及开发更优算法和应用场景。