Gartner近日公布了影响数据科学和机器学习（DSML）未来的主要方向。

AWS正在为系统架构的彻底改变指路。

由重庆市人民政府、科学技术部、工业和信息化部、中国科学院、中国工程院等单位共同主办的首届中国国际智能产业博览会(以下简称：智博会)于2018年8月23日-26日在重庆国际博览中心隆重召开。明略数据，作为大数据、人工智能领域的科技企业参与了本次智博会。

华威大学和牛津大学的研究团队开发了FedPS框架，首次系统性解决联邦学习中的数据预处理难题。该框架通过统计信息聚合实现分布式数据的统一预处理，支持18种预处理方法，包括缩放、编码、变换等，并提供详细的通信成本分析。实验表明，相比本地预处理，FedPS在非均匀数据分布下能显著提升模型性能，最高改进幅度达17%。

中科曙光公司提出“1+4+N”的大数据业务布局，持续强化从硬件到软件、到整个系统的能力，致力于通过软硬一体化的交付为用户提供开箱即用的功能，让各种应用能快速在平台上构建，以便最大程度地展现数据价值。

谷歌DeepMind开发的GenCast AI系统在天气预报领域实现重大突破，在97.2%的测试指标上超越传统数值预报系统。该系统基于扩散模型和四十年历史数据训练，能在8分钟内完成全球七天天气预报，比传统方法快数十倍。GenCast采用概率性预报方法，为决策者提供多种天气情景，在极端天气预测方面表现尤为出色，为农业、能源、交通等领域带来广阔应用前景。

上周，我与分析师同事Steve McDowell、Matt Kimball以及Patrick Moorhead一同参与了线上召开的2021戴尔科技世界大会。此次会议的要点主要集中在APEX IT即服务产品，旨在帮助企业客户简化各类技术方案的使用与部署。

慕尼黑大学研究团队发现当前多模态AI存在"视觉盲区"问题，在学习时过度依赖文字而忽视图像信息。他们开发的DARA技术能够动态调节AI的注意力分配，用约100个参数实现10%性能提升，并创建了TrueMICL数据集来准确评估真正的多模态学习能力。该研究为多模态AI的发展指明了新方向。

中科院团队首次实现机器人视觉、语言、动作三位一体统一建模，开发出UniVLA模型。该模型采用创新的"世界模型"训练策略，通过观看视频学习物理规律，在多个基准测试中创下新纪录。LIBERO测试成功率达95.5%，比此前最好成绩提升10个百分点。技术突破在于将不同模态信息转换为统一数字令牌，实现端到端学习，为通用机器人智能奠定基础。

本周，年度KubeCon + CloudNativeCon North America 2018大会在西雅图举行，这次活动将让云计算产业有机会评估一下Kubernetes到底发展到什么程度了，此外也探讨了可能阻碍Kubernetes平台发挥全部潜力的各种问题。

Inclusion AI的Ring团队开发了Ring-lite，一个仅有2.75亿活跃参数却能匹敌8亿参数模型的推理AI。该模型采用专家混合架构和创新的C3PO训练方法，在数学竞赛、编程竞赛和科学推理等任务上表现优异，完全开源可免费使用。

中国香港中文大学（深圳）研究团队开发了SRLAgent智能学习系统，通过Minecraft游戏环境结合AI助手帮助大学生培养自主学习能力。实验显示该系统能显著提升学生的学习规划和过程监控能力，但也发现过度AI支持可能产生依赖性，提出需要平衡支持与独立能力培养的重要性。

Gartner在2009年发布了《Defining the Next-Generation Firewall》报告，将下一代防火墙（NGFW）定义为在不同信任级别的网络之间实时执行网络安全政策的联机控制。而后，每年都有“下一代防火墙”的面世。

深度学习擅长在大量数据中发现模式，但无法解释它们之间的联系，而图灵奖获得者Yoshua Bengio想要改变这一点。

Dens3R是一个革命性的3D视觉基础模型，能够仅从普通照片中同时提取深度、法线、点云等多种三维几何信息。通过创新的两阶段训练策略和共享编码器-解码器架构，系统在多个标准测试中取得了领先性能，特别是在处理高分辨率输入和复杂场景方面表现卓越。该技术在自动驾驶、增强现实、机器人导航等领域具有广泛应用前景，代表了三维计算机视觉的重要突破。

自2020年新冠肺炎疫情发生以来，越来越多的企业开始“云办公”“线上经营”“智能化制造”“无接触生产”，数字经济的新模式、新业态快速发展。“大智移云物”等新一代信息技术催生信息化的广度和深度发生根本性的变化。

为助力企业数字转型挑战，锐捷网络面向企业行业发布的“数字原力觉醒计划”，旨在通过极简光、三擎云桌面、SD-WAN解决方案，以光、云、智之力，助力企业觉醒数字力量，使客户悦享转型体验。

斯坦福大学研究团队开发出SynthesizeMe方法，能让AI通过观察用户的选择自动学习个人偏好，无需填写复杂资料。该方法通过三步流程分析用户互动，生成个性化画像，在理解用户偏好方面准确率提升4.4%。研究还构建了PersonalRewardBench测试平台，为AI个性化能力评估提供标准。这项技术有望应用于智能客服、教育和内容推荐等领域。

AI技术带来的碳排放已经不容忽视；如果行业趋势继续下去，那么情况将很快失去控制。除非我们愿意重新评估并改革当今的AI研究议程，否则人工智能领域很可能在不久的未来成为引发气候变化的罪魁祸首。

NVIDIA的重点在云侧和生成式AI，Intel在云侧生成式、端侧判定式同时出击，而随着越来越多的AI跑在端侧，更贴近普通用户日常体验，所带来的提升越来越明显，Intel更是大有可为。