随着AI服务成本上升和数据隐私担忧加剧，越来越多用户开始尝试本地部署大语言模型。硬件性能提升和软件工具优化使得在个人设备上运行AI模型变得可行。通过量化技术降低模型精度要求，配合llama.cpp等开源工具，用户可在消费级硬件上运行各类专业模型。虽然本地模型在通用性上仍逊色于云端大模型，但在特定场景下已能满足需求，且在隐私保护和成本控制方面优势明显。

曼彻斯特机场集团正在寻找数据主导的技术，以帮助他的企业在运营活动和客户体验方面获得竞争优势。

数据保护，自企业IT建设的第一天起就始终如影随形，它平时很安静，安静到用户常常忽略它的存在，然而一旦出事，往往都是大事。

这项研究分析了82,845个真实开发者与AI助手的编程对话，发现AI回复比开发者提问长14倍，68%为多轮对话。Web开发和机器学习是最热门话题。AI代码质量存在问题：Python代码83.4%命名不规范，JavaScript代码75.3%有未定义变量。研究为改进AI编程助手提供了重要参考。

2月20日，由人民网与微众银行共同打造的普惠金融展示中心正式揭幕，微众银行副行长兼首席信息官马智涛与微众银行科技创新产品部负责人姚辉亚，就如何利用数字科技推动普惠金融发展，与媒体进行了交流。

谷歌首席执行官Sundar Pichai在会上提到许多人关心的问题“谷歌为什么会考虑重新返回中国？”时，明确将该公司在中国市场上采取的活动称为“探索性尝试”。

戴尔作为全球大型IT基础设施提供商，能提供多种网络安全能力来构建现代安全，帮企业提高业务弹性。

提到HPC，很多人觉得离我们非常遥远，听过某某国家实验室，也知道我国的神威、银河等，但这是多么高大上的东西，跟咱们普通人没关系。

苹果与英特尔的分道扬镳终成定局，这标志着科技行业中最具影响力的一对合作伙伴将不再携手，而苹果也表现出全面控制自家产品制造体系的坚定决心。

加州大学伯克利分校研究团队首次系统分析多智能体AI系统失败原因，发现即使先进的AI团队成功率也仅30%左右。通过分析200多个案例，他们识别出14种失败模式，归类为规格说明、智能体协调和任务验证三大问题，并开发了MAST诊断工具。研究揭示失败根源在于系统设计缺陷而非AI能力不足，为改进AI团队协作提供了重要指导。

高通所在的通信和AI领域，技术本身晦涩难懂，技术型公司往往难讲故事，但莫珂东本人，从2016年加入高通公司至今，可以说是这家技术巨头近十年来向消费者世界“布道”的关键人物。

字节跳动Seed团队推出的Seedance 1.0是一个突破性的AI视频生成模型，能够根据文字描述或静态图片快速生成高质量视频。

近日，一年一度的全球超算盛会——ISC2019正在德国法兰克福举行。NVIDIA在ISC2019上宣布CUDA支持Arm CPU，并将于年底前向Arm生态系统提供支持，这将有助力业界构建具有极高能效水平的百万兆级AI超级计算。

当前，最著名的技术准则之一当数摩尔定律。在过去超过55年时间里，这一“定律”成功概括并预测了晶体管尺寸不断缩小，每两年左右实现一次技术节点升级的趋势。

浙江大学团队开发的LAPO方法成功解决了AI推理模型"过度思考"问题，通过两阶段训练让AI学会根据问题复杂度自主调整推理深度。实验显示该方法将计算用量减少40.9%的同时准确率提升2.3%，为AI系统的智能化和实用化发展提供了重要突破。

KAIST研究团队开发的Chain-of-Zoom(CoZ)技术突破了传统图像超分辨率的限制，实现了高达256倍的极端放大。不同于传统方法在训练倍率外表现崩溃的问题，CoZ通过尺度自回归框架，将低分辨率到高分辨率的转换分解为多个中间状态，像爬楼梯般逐步放大。研究团队还创新性地运用视觉-语言模型生成多尺度感知提示，并通过GRPO算法优化提示质量，使其更符合人类偏好。实验证明，这种方法在极端放大倍率下保持了惊人的图像质量和细节保真度，为医学影像、卫星监测等领域提供了新的可能性。

腾讯WeChat AI、香港科技大学与约翰·霍普金斯大学联合开发PHYSICO测试，通过自然语言和抽象网格图案的双重考验，首次定量证实AI模型存在"随机鹦鹉"现象。研究发现，先进AI模型在文字描述物理概念时准确率达95%，但在理解抽象图案时仅25-45%，远低于人类90%水平，揭示了AI缺乏真正概念理解的根本局限。

自适应推理模型(ARM)解决了大型推理模型的"过度思考"问题，能够根据任务难度自动选择合适的推理格式。研究团队通过创新的Ada-GRPO算法训练，使ARM在保持性能的同时平均减少30%的计算量，并提供自适应、指令引导和共识引导三种工作模式。这一突破使AI更接近人类思维方式，在简单问题上直接作答，复杂问题上才详细推理，极大提升了计算效率。

作为数字化浪潮中的践行者，华为聚焦ICT基础设施平台，不断使能数字化转型。为此，我们走进华为深圳坂田基地，对话华为IT智能计算产品线副总裁卢广，畅谈他眼中的智能IT。

上海人工智能实验室研究团队开发了MMSI-Bench，这是首个专注于多图像空间智能评估的全面基准。研究人员花费300多小时，从12万张图像中精心构建了1000道问题，涵盖了位置关系、属性和运动等多种空间推理任务。评测结果显示，即使最先进的AI模型也仅达到41%的准确率，远低于人类的97%，揭示了AI空间认知能力的重大缺陷。研究还识别了四类主要错误：物体识别错误、场景重建错误、情境转换错误和空间逻辑错误，为未来改进提供了明确方向。