微软的生态，其一面向开发者，其二面向合作伙伴。从目前来看，前者重点在于开源，后者重点在于微软智能云。

11月15日，由国家信息中心、深圳市政务服务数据管理局指导，华为主办的“华为智慧城市峰会2019”在深圳隆重召开，700多位来自全国各地的智慧城市建设者、参与者及行业权威专家参与了本次峰会。

QVGen是一项突破性研究，致力于解决视频扩散模型在低比特量化时的性能挑战。研究团队通过理论分析发现，降低梯度范数是改善量化感知训练收敛性的关键，因此引入了辅助模块来减轻量化误差。为消除这些模块在推理阶段的开销，他们创新性地提出了秩衰减策略，通过奇异值分解和基于秩的正则化逐步移除低影响组件。实验证明，QVGen是首个在4比特设置下达到与全精度相当性能的量化方法，其3比特实现也显著优于现有技术。这一成果为高效视频生成在普通设备上的应用铺平了道路。

华为云提出新的“护城河理论”基石——云原生2.0。

面对制裁，“补洞”只是一时之举，解决全人类面对的未知问题，才是华为在无人区的奋斗之本。

ITMO大学与MWS AI联合开发的ROCKET技术实现了AI模型压缩的重大突破，能将大型语言模型压缩50%的同时保持90%以上性能。该技术采用差异化压缩策略和动态资源分配，无需重新训练，效率比传统方法提升100倍。研究已验证其在文本、视觉、语音等多模态应用中的有效性。

Mellanox网络以技术创新为驱动，赋能全球最快的前10台的超级计算机之6台， 包括美国最快、中国最快和日本最快超级计算机。Mellanox HDR InfiniBand网络已被广泛使用与世界各国的多台超级计算机中，包括微软Azure公有云的HPC云中。

DTS三十而立。

这项研究提出了量化零阶优化（QZO）方法，解决大型语言模型微调时的内存瓶颈问题。研究团队通过创新性地结合模型量化（将权重从16位压缩到4位）和零阶优化（通过前向传递扰动估计梯度），同时消除了对梯度和优化器状态的存储需求，将总内存消耗减少了18倍以上。实验表明，QZO在各种自然语言处理任务上表现优异，甚至能在单张24GB的消费级GPU上微调13B参数的模型和Stable Diffusion 3.5 Large。这一技术突破为资源有限的研究者提供了微调大模型的可能性。

由于在执行和推动变革所需的技术、领导和业务技能方面存在差距，IT领导者经常会发现自己在关键业务转型工作方面落后了。

清华大学研究团队开发了HERMES系统，让机器人能通过观看人类操作视频学会复杂双手协作任务。该系统融合多源数据，采用通用奖励机制和虚实结合训练方法，配备精确导航定位能力。实验显示平均成功率达67.8%，在医疗、制造、家庭服务等领域展现广阔应用前景，代表了机器人从数据驱动向理解式学习的重要进展。

十九大报告明确指出，加速创新型国家建设，将创新转化为经济增长的新动能，成为国家战略方向。此前，国务院发布并实施《国家创新驱动发展战略纲要》，以通过创新驱动发展来实现科技体制改革和经济社会领域改革。

据人社局统计，我国目前有超过2亿的灵活就业人口，在近9亿的劳动人口中占22.3%。阿里研究院预测，在2036年，这个数字还要翻一番，灵活就业人口将达到4亿。

“兵法云，兵之情主速，乘人之不及”。在“战疫”的上半场，很多企业被打了个措手不及；进入后疫情时代，中国企业智慧转型绝不能再打“无准备之仗”。

清华大学团队通过创新的"模式感知重排序"技术，解决了AI视频生成中注意力机制计算效率低下的问题。该技术将复杂分散的注意力模式重新整理成规整的块状结构，结合专门设计的稀疏化和量化策略，在保持生成质量的同时将计算速度提升1.9-2.7倍，为AI视频生成的普及应用铺平道路。

加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体，通过《卡坦岛拓荒者》桌游测试，这些AI能在游戏过程中自主修改策略和代码。实验显示，具备自我进化能力的AI显著超越静态版本，其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性，为复杂决策场景中的AI应用开辟新路径。

千叶珠宝把会员管理分成三步：第一，建立会员系统，积累会员数据；第二，完善会员权益和服务，增加会员粘性；第三，搭建大数据决策平台，实现精准分析。如今，千叶珠宝已经迈上了前两个台阶，而在未来的一年里，大数据决策平台的搭建将成为其核心目标。

国元证券在财富业务的核心链条中运用人工智能技术，提出了“基于人工智能的前瞻性资产配置方案”研究课题。

做过应用迁移的都知道，基于传统平台的应用软件迁移到新的创新架构平台，要考虑众多因素

北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准，这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架，包含11个细粒度任务，并构建了涵盖38,522个问答对的数据集，针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明，即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战，而测试时扩展技术可明显提升时间逻辑推理能力。