如果我有“机器猫”，我要叫他“小叮当”，竹蜻蜓、任意门和时光机能去任何的地方。

在下个十年，我们都将进入“边缘”生活时代。来自“边缘”的数据将会对企业造成极大影响。边缘计算的核心就是在数据中心之外远程运行任务关键型应用。

雅典研究团队开发了全球首个希腊语金融AI系统Plutus，包括评估基准Plutus-ben和专业模型Plutus-8B。通过测试22个大型语言模型发现，即使是GPT-4这样的顶级AI在希腊语金融任务上也表现不佳，而专门训练的Plutus-8B却取得了最佳成绩，证明了语言本地化和领域专业化在AI发展中的重要性。

北京邮电大学联合腾讯团队开发的We-Math 2.0系统，通过构建491个知识点的数学知识体系、创新的三维难度建模和渐进式强化学习框架，让AI模型获得了真正的数学推理能力。该系统仅用9800个高质量样本就达到了与大规模数据训练相当的性能，在多个基准测试中表现优异，为AI数学教育应用开辟了新道路。

“模型即算子”已经不再是一个“if”，而成了正在发生的事。

在本期栏目中，青岛诺亚信息技术有限公司（以下简称“青岛诺亚”）董事长刘伟畅谈了他眼中的制造业转型，作为制造业企业改如何利用IT技术驱动变革以及青岛诺亚自身的业务转型。

随着企业家们不断学习、试验并迭代对AI流程和工具的使用方法，AI技术的采用率也在2022年内跃升至35%。但参加各种会议、阅读关于技术进展的文章和盲目测试各种应用程序只是表面功夫，甚至是单纯在浪费时间，结果才是我们真正的诉求。原始采用数字并不能说明实际情况，投资回报才是衡量效能的最佳指标。

“模型即算子”已经不再是一个“if”，而成了正在发生的事。

正所谓人红是非多，存储领域也是一样，坊间一直流传着关于分布式存储的各种流言蜚语。好事的笔者今天就来探寻一番，揭开谎言背后的真相。

近日，全新NVIDIA RTX A6000和NVIDIA A40正式发布，该GPU基于NVIDIA Ampere架构，采用了全新RT Core、Tensor Core和CUDA Core加速图形、渲染、计算和AI，与上一代产品相比增速显著。

一位生命科学教授要走的路。

面对激烈竞争、快速变化的商业环境，品牌方一致认可数字化这把利器，但如何用好数字化、用什么样的数字化却一直是个难解的问题。

最近我们留意到，阿拉温德在哈佛商学院2025创业峰会上，与Xfund管理合伙人Patrick Chung有一场深度对话，他大谈创业心得。从印度的电气工程学生，到改变搜索引擎格局的CEO，阿拉温德的故事提醒我们，在技术领域，最具变革性的创新，往往来自于能够跨越学术与商业鸿沟之处。

这项由南京大学和蚂蚁集团合作的研究开发了PyAGC基准平台，解决了图聚类算法无法处理工业级大规模数据的难题。研究团队构建了统一的理论框架，开发了小批量训练技术，并建立了包含12个数据集的全面测试体系，成功实现了对1.11亿节点网络的高效处理，为图聚类技术的产业化应用铺平道路。

俄罗斯莫斯科国立大学研究团队开发出MEMFOF光流估计新方法，在保持顶尖精度的同时将1080p视频分析的GPU内存消耗从8GB降至2GB，实现约4倍内存节省。该方法通过三帧策略、相关性体积优化和高分辨率训练在多个国际基准测试中取得第一名成绩，为高清视频分析技术的普及奠定基础。

实现2030年前碳达峰、2060年前碳中和（简称“双碳”）目标是党中央经过深思熟虑作出的重大战略部署，也是有世界意义的应对气候变化的庄严承诺。而园区作为一个城市的关键单元，如何降低能耗、减少碳排放助力“双碳”达标，已经成为各个园区的关注重点。

医疗保健无疑是受数据泄露影响最大的行业之一，每起数据泄露事件平均造成920万美元损失。在此类违规案例当中，最常暴露在风险之下的信息类型正是敏感客户数据。

亚利桑那州立大学研究团队开发出IRMA框架，通过输入重构技术显著提升AI助手在复杂环境下的工具使用准确率。该系统采用记忆、约束和工具建议三模块协同工作，相比传统方法准确率最高提升19.1%，在航空和零售领域测试中表现卓越，为智能客服等实际应用提供了实用解决方案。

恐怕还要等上几年时间……

NAVER和KAIST研究团队发现，先进AI模型在数学题自我修正方面存在严重缺陷。他们创建的MMRefine基准测试揭示，即使是GPT-4O等顶级模型也只能成功修正约23%的错误答案，而且经常将正确答案改错。研究发现不同模型在处理六种错误类型时表现差异巨大，特别是小型模型在空间推理修正上竟然超越了大型模型，颠覆了"越大越好"的认知。