现在，我们开始思考未来的十年，思考我们在这个瞬息万变的世界中，需要云计算带来哪些不一样的创新。

专家们表示我们已经进入了量子计算的新时代，不少企业也开始推出商业化产品。

2022年7月18日，数字化射频创新企业深圳得翼通信技术有限公司宣布公司完成近亿元人民币的Pre-A轮融资。

斯坦福团队开发LMEnt系统，首次实现对AI语言模型知识获取过程的精确追踪。该系统通过精细标注维基百科、构建高精度检索系统和训练多个模型，揭示了AI学习知识的动态过程——高频事实更易学会但也易遗忘。这项研究为理解AI内部机制、改进模型设计提供了重要工具和洞察。

小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化，在数学推理和编程任务上超越了320亿参数的大模型，甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施，将训练速度提升2.29倍。该成果已完全开源，为AI民主化发展提供了新思路。

阿里巴巴研究团队发现传统AI专家混合模型训练中存在"大锅饭"问题：系统在每个小数据批次中都强制专家均衡分工，阻碍了专业化。他们提出全局批次负载均衡方法，让专家在更大数据范围内实现专业化分工，实验显示新方法显著提升了模型性能和专家专业化程度，同时只增加不到3%的计算开销。

DeepReinforce团队开发的CUDA-L1系统通过创新的对比强化学习算法，实现了GPU代码的自动优化，在KernelBench测试中平均性能提升3.12倍，最高达120倍。该系统无需人工专业知识，仅通过执行速度反馈就能学会各种优化技巧，并展现出跨GPU架构的良好泛化能力，为解决当前GPU资源紧张问题提供了新的技术路径。

AREAL是一个由清华大学和蚂蚁研究院开发的全新异步强化学习系统，专为提升大语言模型的推理能力而设计。与传统同步系统不同，AREAL完全解耦了生成和训练过程，推理工作器持续生成新输出，训练工作器则在收集到足够数据时更新模型。通过创新的过时性感知训练和解耦PPO目标函数，AREAL成功解决了异步训练中的数据过时和策略不一致问题。实验表明，AREAL在数学和代码推理任务上实现了高达2.57倍的训练加速，同时保持或提高了模型性能。

简而言之，RAID分层技术就是把来自主机的数据以RAID 10的方式写入磁盘，然后利用内部机制，在线完成数据到RAID 5的转换，实现实际占用空间的节约。

Selene背后蕴含的是通过系统专业知识将高性能计算带入数据中心的故事。

北京大学团队发现AI训练中的"个性化"秘密：不同词汇在推理过程中承担不同角色，传统方法一视同仁效率低下。研究团队开发HAPO方法，根据词汇重要性动态调整训练策略，在数学推理任务上准确率提升16.6%，为AI训练的精细化控制开辟新方向。

多年来，企业一直想要集中池化，随后再任意分割服务器的各种细粒度物理资源（如CPU、内存、GPU、PCIe、网络带宽等），以使他们能够更有效地运行工作负载，降低功耗并提高利用率。

2022年2月10日，加州交通管理局DMV发布全新2021年全年自动驾驶数据，中国与美国头部自动驾驶公司继续占据排行榜前列。

我认为，金融行业作为实体经济的血脉，也是信息应用的前沿阵地，实现金融行业可持续发展，将有力支持和牵引整个经济社会的绿色低碳和可持续转型。

在生命科学领域，数字孪生的应用尚处于起步阶段。不过随着数字化的中心效应愈发明显，众多企业也开始纷纷投身于这个极具前景的创新概念。

蚂蚁集团AWorld团队发表突破性研究，创建动态多智能体协作系统解决AI稳定性难题。研究灵感来源于船舶导航，通过执行智能体和守护智能体的协作机制，在GAIA测试中准确率达67.89%，稳定性提升17.3%，荣登开源项目排行榜第一名。该系统为构建可靠智能系统开辟新路径，具有广阔应用前景。

2021年9月23日，华为全联接大会以线上形式举行，今年的全联接大会以“深耕数字化”为主题，汇聚了业界思想领袖，商业精英，技术大咖，生态伙伴等，探讨如何深入业务场景，把数字技术与行业知识深度结合，共筑开放共赢的行业生态。

算力在当下的重要性不言而喻。近日，记者参加了2023中国算力大会，本届算力大会可谓是成果显著，彰显了我国算力产业的繁荣发展。

从整体大环境来看，疫情给经济以及各行各业带来一定程度的负面影响，加速了整个产业链洗牌的速度，使得第三产业向制造业转移。

2024年11月17日，备受瞩目的第十三届中国创新创业大赛纳米产业技术创新专业赛全国总决赛，在广东粤港澳大湾区国家纳米科技创新研究院圆满落幕。