近日，华为云TechWave全球技术峰会（人工智能&数据）在上海举办，在数据使能分论坛上，华为云技术专家携手梦饷集团、金蝶云、帆软等客户及合作伙伴，共同分享如何通过数据领域的技术创新实践加速企业业务敏捷创新，释放数据价值。

最近一段时间，随着越来越多的消费者开始倾向于选择更新鲜、加工少的“农场到餐桌”类直送菜品，生菜污染引发的食物中毒等严重问题在美国的食品供应链体系当中持续爆发。而如果不对此采取行动，我们接下来可能还将不断遭遇类似的大规模食品污染危机。

Rob Mills 作为 Tractor Supply 公司的高管,在推动公司快速增长、提高盈利能力和打造世界级客户体验方面发挥了重要作用。他从 CIO 起步,逐步扩大影响力,如今担任执行副总裁兼首席技术、数字和企业战略官。Mills 分享了他如何通过技术创新、数据分析和以客户为中心的策略,帮助这家农村生活方式零售商实现了显著增长。他强调了运营稳定性和安全性的重要性,同时注重打造敏捷文化,快速推出新功能以满足客户需求。Mills 还谈到了公司的价值观如何指导决策,以及重视员工反馈对公司成功的关键作用。

Meta公司FAIR实验室的研究团队提出了多令牌注意力机制，这是一种突破性的AI注意力计算方法。通过引入卷积操作，新机制让AI能够同时关注文本中的多个位置并协调整合信息，解决了传统注意力机制"一心一用"的根本局限。在大规模语言模型和长文本任务中，该技术显著提升了AI的信息检索和理解能力。

经历了5年多的摸索，出门问问李志飞在昨天的2018战略新品发布会上，第一次对外更新出门问问的公司定义，即出门问问是一家以语音交互和智能硬件为核心的人工智能公司。

微软拥有40万个成员的合作伙伴生态系统对于中小型客户（SMC）群体取得成功“至关重要”，2025财年这个群体的总潜在市场规模为6610亿美元。

约翰霍普金斯大学研究团队开发了MMBERT多语言AI模型，采用渐进式学习策略训练超过1800种语言。该模型通过逆向掩码调度和温度采样等创新技术，在多项基准测试中超越XLM-R等现有模型，甚至在部分小语种任务上超过OpenAI o3和Google Gemini。模型运行速度比同类产品快2-4倍，已开源发布。

福特CEO在阿斯彭创意节上坦言，AI将取代一半白领工作者，这是高管首次公开承认企业内部已讨论数月的现实。摩根大通、亚马逊等公司高管也预测大幅裁员。然而，这些工作并非完全消失，而是转化为零工经济模式。目前36%的美国员工已成为独立工作者，零工经济增长速度是整体劳动力的三倍。企业正将固定劳动成本转为可变零工成本，白领零工经济转型分四阶段推进，最终企业将保留20%全职员工但拥有500%更多零工关系。

今年7月，甲骨文推出基于Hyperledger Fabric构建的Oracle区块链云服务，帮助企业实现实时的信息共享，逐步将企业应用扩展至外部。对此，区块链负责人熊光樑在接受记者采访时表示，甲骨文的目的是让自己承担更多的工作，让企业能以更低的门槛用上区块链技术。

加拿大滑铁卢大学研究团队发现，让AI学会"批评"错误答案比学会"模仿"正确答案更能提升数学推理能力。这种"批评微调"方法仅用5万样本训练1小时，就达到了传统方法用250万样本的效果，在六个数学基准测试中平均提升4-10%，为AI训练开辟了新路径。

约翰霍普金斯大学发布DOTRESIZE技术，通过最优传输理论实现AI大模型智能压缩。该方法将相似神经元合并而非删除，在保持性能的同时显著降低计算成本。实验显示，压缩20%后模型仍保持98%性能，为AI技术普及和可持续发展提供新路径。

字节跳动发布了新一代大语言模型Seed-Thinking-v1.5，专注于推理和思考能力。该模型采用混合专家架构，在科学、技术、数学等领域表现出色，接近或超越了Google和OpenAI的先进模型。其创新点包括强化学习技术、数据策略和基础设施优化，为企业AI应用提供了新的可能性。

Flatiron研究院团队探索了在压缩的"潜在空间"中进行物理模拟的新方法，发现即使压缩1000倍，AI模型仍能准确预测复杂物理现象如流体流动和湍流。研究对比了扩散模型和神经求解器两种方法，发现扩散模型不仅更准确，还能处理系统的不确定性。这项技术将物理模拟速度提升数十倍，为天气预报、工程设计等领域带来革命性改进。

这两家公司，一个是向内拷问人性的AI先锋，一个是向外探索物理极限的AI长跑者，却都将事业锚点，落在漕河泾开发区时，一个题目浮现了：这片土地的科创引力从何而来？

在这个人机协作时代，人类的智慧和机器的能力将以前所未有的方式结合在一起，共同创造一个更加美好的世界。

上海交大研究团队开发的VideoREPA是一种突破性的视频生成框架，通过令牌关系蒸馏技术将视频理解模型中的物理知识转移到文本到视频（T2V）扩散模型中。与传统方法不同，VideoREPA关注空间和时间关系的对齐，使生成的视频更符合物理常识。实验表明，这种方法在VideoPhy基准测试中将物理常识分数提高了24.1%，明显优于现有技术。该研究为创建更真实的AI生成视频提供了新思路，展示了理解能力与生成质量间的密切关联。

纵览计算机的发展史，用三国定律“分久必合，合久必分”来形容可以说毫不违和。

想象你有一个超级聪明的朋友，能看懂图片并回答关于图片的问题。但这位朋友有个古怪的习惯：无论你给他看什么图片——简单如一张白纸上的小圆点，还是复杂如一整个城市街景——他都会花同样多的时间仔细研究。这听起来很奇怪，对吧？为什么简单的图片不能更快处理完成呢？

新加坡南洋理工大学研究团队开发的STREAM3R系统革命性地改变了3D重建方式，采用流式处理技术像阅读故事一样按序处理图像，而非传统的同时处理所有图像。该系统实现每秒12-33帧的实时处理速度，准确度高达94.7%，特别擅长处理动态场景，为自动驾驶、机器人导航和虚拟现实应用开辟了新可能。

我们将讲述AI的一位被遗忘的“表亲”——IA，即智能增强。长久以来，人们思考的一直是人类大脑如何对抗人工硅脑的问题。但在IA层面，我们需要探讨的则是如何让人类大脑与人工硅脑共同合作。