不只是春招「静悄悄」，2022年应届毕业生也「静悄悄」地首次突破“千万大关”，应届毕业生面临着比往年更为严峻的就业形势；从企业来看，2022年校招更是「虽静但卷」，而且难。

随着2025年的到来，CIO们面临的IT格局与一年前大不相同。AI曾经被视为一种新鲜的创新，现在已经成为主流，影响着企业的方方面面。在接下来的12个月里，IT领导者将会看到有更多的创新，以及一些严峻的挑战。

2023年6月10日上午，2023第五届双态IT北京用户大会两大主题峰会之一的“云原生运维峰会”成功举办。

上海交通大学团队开发了MemOS记忆操作系统，让AI拥有真正的长期记忆能力。该系统统一管理参数记忆、激活记忆和明文记忆三种类型，通过MemCube智能单元实现记忆的生命周期管理和跨类型转换。在LOCOMO基准测试中，MemOS在所有推理任务上均获得最佳成绩，特别在多跳推理和时间推理中表现突出。

Allen Institute for AI推出首个能实时追溯大语言模型输出到万亿训练数据来源的系统OLMOTRACE。该系统通过创新的并行算法，可在几秒内找到AI回答中与训练数据完全匹配的文本片段，为AI行为分析开创了新范式。支持事实核查、创意溯源等应用，已在AI2 Playground开放使用。

这项研究开发了首个轻量级物理推理评估框架，测试四种主流视觉语言模型在抛射运动、碰撞动力学、力学和流体动力学四个领域的表现。结果显示中等规模的Qwen2.5-VL-7B意外击败最大模型获得最高分0.815，揭示了当前AI模型更擅长公式应用而非真正物理理解的局限性。研究为科学推理评估提供了可复制的工具，并指出概念性错误是主要问题，为未来AI发展指明方向。

曼彻斯特大学团队开发了TerminalTraj系统，突破了大规模AI终端操作训练的技术难题。该系统通过智能化数据生成流水线，构建了32000个Docker环境，生成50733个高质量训练轨迹。训练后的AI模型在终端操作任务上性能提升显著，32B模型达到与480B模型相当的效果，为开发智能编程助手和自动化运维工具奠定基础。

我们经常看到这样的情形，那些进军数据保护市场的初创企业，往往会宣扬他们的重复数据删除技术或与公有云有着很好的结合。不过事实上是，戴尔易安信在这个领域早已深耕多年。

以“共生·互生·再生——英特尔携手生态，加速城市数字新基建”为主题的圆桌论坛于近日举办

今日，科技旗舰荣耀Magic3系列新品正式发布，荣耀Magic3、荣耀Magic3 Pro、荣耀Magic3 至臻版三款机型集中亮相。

卡内基梅隆大学与本田研究所日本分部的研究团队通过数据扩充和清洗技术，打造了新一代开源语音模型OWSM v4。研究者们开发了一套三步数据清洗流程，从原始YODAS数据集中提取出166,000小时高质量语音数据，涵盖75种语言。基于此数据训练的OWSM v4模型系列在多语言语音识别、语言识别和翻译任务上大幅超越先前版本，甚至在多个场景中与工业级模型Whisper和MMS比肩。该研究证明，即使在学术资源有限的条件下，开源模型通过有效的数据清洗也能实现卓越性能。

值此年末之际，思杰首席技术官Christian Reilly展望并梳理了即将影响2019年的9大关键思路、趋势与技术。

这项由电子科技大学、香港中文大学等机构联合完成的研究，创建了PersonaFeedback基准来评估AI的个性化能力。研究包含8298个测试案例，分为三个难度等级，发现即使最先进的AI模型在个性化任务上表现也不理想。研究还发现推理能力提升不等于个性化能力提升，直接提供用户信息比让AI推测更有效。

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。

至顶网有幸采访到了国内一家知名的制造企业系统架构师王先生，他向我们揭示了，IT在生产型企业中所起到的作用

数字孪生（也称为数字影子、复制品或镜像）是实体资产的数字呈现。根据 buildingSMART 的说法，“实体孪生和数字孪生相互关联，在整个 PBOD（计划-建造-运营-退役）生命周期及使用阶段定期交换数据。人工智能、机器学习、传感器和物联网等技术促进了动态数据收集和实时数据交换。”

想象一下，你正在观看一场长达两小时的烹饪直播。主厨正在展示一道复杂菜品的制作过程，从准备食材到最终装盘。在这个过程中，你可能会在聊天框中提问："主厨用了多少盐？"或者"之前切洋葱的那把刀现在去哪了？"甚至是"你觉得这道菜最后会是什么味道？"

以色列理工学院研究团队开发了AdaptiVocab技术，通过为大语言模型定制专业领域词汇表来提升AI效率。该方法将常见专业词汇组合（如"量子力学"）整合为单个处理单元，减少了25%以上的计算步骤，同时保持文本生成质量不变。这种"精工定制"思路为AI优化提供了新方向，有望显著降低专业领域AI应用的运营成本。

腾讯AI实验室联合多所大学开发出Vision-SR1方法，通过"观察-描述-验证"的训练策略解决视觉语言模型的两大问题：依赖文字线索猜答案的"语言捷径"和描述不存在内容的"视觉幻觉"。该方法要求AI先详细描述图片内容，再仅凭描述回答问题，强化真实视觉理解能力。实验显示在多个测试集上效果显著提升，为开发更可靠的AI视觉系统提供重要技术基础。

这篇研究介绍了KVzip，一种创新的查询无关KV缓存压缩方法，通过上下文重建机制为大型语言模型提供高效存储解决方案。该技术能将KV缓存大小减少394倍，同时提高解码速度约2倍，在各种任务上性能几乎不受影响。不同于传统查询相关的压缩方法，KVzip创建可在多种查询场景下重用的通用压缩缓存，特别适合个性化AI助手和企业信息检索系统。研究在LLaMA3.1-8B、Qwen2.5-14B和Gemma3-12B等多种模型上进行了验证，处理长度高达17万词元的文本，并能与KV缓存量化等其他优化技术无缝集成。