Zoom研究团队发现了让AI"写少想快"的新方法——思维草稿法，通过模仿人类简洁思考方式，让AI只记录关键信息而非详细解释。实验显示这种方法在保持90%以上准确率的同时，只需使用传统方法7.6%的文字量，大幅提升处理速度并降低成本，为AI应用的普及和可持续发展开辟了新路径。

字节跳动AI团队推出的UNO系统实现了图像生成领域的重要突破，能够根据参考图片生成新场景，并首次很好地解决了多主题图像生成的技术难题。该系统采用创新的渐进式训练策略和自动化数据生成技术，在保持参考物体特征的同时实现了灵活的场景创作，为创意产业提供了强大的AI辅助工具。

对于越来越多的企业而言，迁移到云并不是将一两个应用部署到AWS、微软Azure或者其他托管服务上的那么简单。这是一种多云的战略，是实现业务流程现代化的数字化转型计划的一个关键部分。

沃达丰发布的《2024年顺应未来报告》（以下简称“顺应未来”报告）中揭示了一个激动人心的趋势：中国企业在拥抱数字化转型方面表现积极，在亚太地区排名第二，仅次于新加坡。然而，报告也引发了人们的疑问：人工智能的迅速发展究竟是信任的催化剂，还是担忧的制造者？中国企业如何在科技创新与社会责任之间取得平衡，并利用技术赢得消费者信任，实现长期增长？

今天的安踏已经走向了更远。

Glenn Remoreras六个月前加入年收入86亿美元的Breakthru Beverage集团担任CIO，致力于推动数字化创新和AI应用。他领导开发B2B电商平台Breakthru Now，目标实现7亿美元收入。通过与AWS合作构建云基础设施和数据架构，采用教育优先的方式提升组织AI素养，举办高管AI峰会普及知识。他强调创新需要业务主导、技术驱动的融合团队模式，为未来智能代理AI的应用奠定基础。

IBM认为，数据主导的创新和供应链转型可以帮助CSCO们有效应对当前挑战并为未来做好准备，从而自如地在这根钢丝绳上行走。

和大多数实体企业一样，诸老大的线下业务同样受到了冲击，但另一方面，线上业务也出现了大幅增长。

日前，在融云主办的全球互联网通信云大会（WICC 2020）期间，通信世界全媒体记者采访了融云联合创始人兼CTO杨攀，就5G时代通信云技术的难点、机遇、趋势等问题进行了交流。

MIT研究团队突破传统AI图像生成瓶颈，开发出局部感知并行解码技术，将生成步骤从256步减少至20步，速度提升12.8倍。该技术通过发现AI绘图中的空间局部性规律，重新设计了生成架构，让AI能够同时在多个区域并行"作画"而不影响质量，为实时图像生成应用开辟新道路。

近日，戴尔易安信第14代硬件平台在TPCx- Big Bench基准测试中，在10000:1的比例因子上再次取得性能领先。

在人人都追逐最前先进科技的硅谷，Cepton却选择沉下心来研究市场的切实需求，全心扑在ADAS（高级驾驶辅助系统）领域。

如果说大模型的上半场是以互联网大数据预训练为代表的数字AI；而下半场，是以机器人、世界模型等为代表的物理AI。汽车可能正好处于两者之间的分水岭上。

在近日举行的计算机视觉和模式识别会议CVPR上，NVIDIA Research推出了可逆渲染流程NVIDIA 3D MoMa，图形创作者可以使用其快速创建出的3D物体。

数字孪生体可以帮助考古行业弥合一些空白。

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。

康奈尔大学团队提出的"神秘语言模型"(Eso-LMs)创新性地融合了自回归和掩码扩散模型的优势，实现了两种范式间的平滑过渡。研究最大突破在于首次为掩码扩散模型引入KV缓存技术，同时保留并行生成能力，使推理速度比标准扩散模型快65倍，比半自回归模型快4倍。通过设计特殊的注意力机制和采样策略，Eso-LMs在保持扩散模型并行生成优势的同时，解决了传统扩散模型的效率瓶颈，为语言生成任务提供了质量与速度兼具的新解决方案。

宾夕法尼亚州立大学研究团队开发的AttnTrace技术，通过分析AI大模型的内部注意力机制，能够快速准确地追踪影响AI回答的关键文本内容。该技术解决了传统方法效率低下和准确性不足的问题，在多项测试中表现卓越，为AI安全防护和可解释性研究开辟了新方向。

通过“科技创变者大会”这样一个技术创新+产业应用的“对话”平台，我们相信会激发出更多本土科技创新力量落地，为未来的科技创变者铺垫新的“创变之路”，实现科技成果转化落地，赋能新时代！

SPATIALLM是一个突破性的AI系统，能够理解3D室内空间并生成结构化场景描述。由香港科技大学和Manycore Tech公司研究团队开发，该系统基于大语言模型架构，可直接处理点云数据并输出Python代码形式的空间描述。研究团队构建了包含12328个场景的大规模数据集，在布局估计和3D物体检测任务上取得了领先性能，并展现出强大的跨域泛化能力，为增强现实、机器人导航和室内设计等应用开辟新可能。