宁波均胜电子股份有限公司（简称“均胜电子”）与微软中国今天签署战略合作备忘录，双方将充分发挥在各自领域的优势，实现双方在汽车产业云应用、智能语音、现代协同办公、研发体系完善等领域的合作，并全力助推均胜电子的全球化部署和数字化转型。

随着混合工作的不断发展，特别是员工越来越多地使用非常耗费带宽的视频协作工具，企业发现他们的局域网（LAN）越来越难以满足混合工作员工使用应用程序的需求。为了解决这个问题，英国电信（BT）宣布HPE Aruba Networking合作，推出新的托管LAN服务。

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。

今日，英特尔携手微软在线上举办了2022中国AI开发者峰会。

Check Point Research 指出，Emotet 仍然是最猖獗的恶意软件，Agent Tesla 在多起恶意垃圾邮件攻击活动后从第四位升至第二位

谷歌地图不仅仅是一款导航应用，它还是旅行者的得力助手。从机场导航到餐厅预订，从离线地图到实时位置共享，谷歌地图提供了多种功能来简化你的旅行体验。本文介绍了7个实用的隐藏功能，包括AI驱动的行程规划和沉浸式目的地预览，让你的旅行更加个性化和轻松自在。

想象你正在选择一辆汽车。传统观念认为，想要强大的性能就必须购买大排量的豪华车型，但如今的技术让紧凑型车也能通过精巧的工程设计获得令人惊讶的动力和效率。这正是Bielik v3语言模型背后的理念。

本文回顾了 Pure Storage 如何利用其元数据引擎、拆分架构及并行处理优势研发 FlashBlade//EXA 系统，实现性能线性扩展，满足高 GPU 训练需求。

在日前举办的全球顶级超算大会SC22上，有着HPC领域诺贝尔奖之称的戈登贝尔奖揭晓，来自NVIDIA与芝加哥大学等机构的研究员凭借共同开发的一个处理基因组规模数据的先进模型，获得旨在表彰基于高性能计算的COVID-19研究的“戈登贝尔特别奖”。

密歇根大学研究团队首次破解AI编程语言选择机制，开发出G-ACT智能控制系统。该技术能精确引导AI选择C++等高性能语言，解决科学计算中AI语言偏好不当问题。实验显示控制准确率提升15%，为构建可靠AI智能体奠定基础。这项发表于2025年6月的研究标志着从"训练AI"向"控制AI"的重要转变。

全球领先的信息技术研究和顾问公司Gartner发布的最新数据显示，全球公有云服务市场将从2018年的1824亿美元增至2019年的2143亿美元，增幅达17.5%。

Adobe 正在为 Photoshop 内置 AI 助手，简化多步操作流程，同时升级 Firefly 应用，整合图像、视频、音频及矢量生成工具，并引入第三方模型，加强创意设计的效率与精准度。

中国香港中文大学深圳分校研究团队开发了TaDiCodec语音编解码技术，实现了极低6.25Hz帧率和0.0875kbps比特率的高效语音压缩。该技术通过文本感知扩散解码器和端到端训练，在保持优异语音质量的同时显著提升压缩效率，在零样本语音合成中达到2.28%英语和1.19%中文词错误率，为AI语音系统提供了革命性的解决方案。

实现高达3,300万次IOPS，性能提高57%；低至39微秒响应延迟，降低44%；全新压缩加速器模块提高数据缩减性能

西门子数字工业软件近日推出了Tessent(TM) Hi-Res Chain 软件，旨在解决集成电路（IC）设计和制造团队在先进技术节点上面临的关键挑战。

人工智能的“性格”是如何形成的？

OpenAnolis 龙蜥开源社区是由阿里云、统信软件、龙芯、中科方德等国内外头部操作系统厂商、芯片厂商、运营商等联合发起的操作系统开源社区，旨在构建一个开源、中立、开放的 Linux 上游发行版社区及创新平台。

Muddit是一种创新的统一生成框架，它使用离散扩散技术同时处理文本和图像生成。由北京大学等机构联合开发，该模型整合了预训练文生图模型的强大视觉先验，使其能高效并行地处理多模态内容。尽管仅有1B参数，Muddit在GenEval、MS-COCO和VQAv2等多项基准测试中表现卓越，推理速度比主流模型快4-11倍。其核心创新在于采用单一架构处理跨模态任务，证明了离散扩散方法在统一多模态生成中的巨大潜力。

南京大学研究团队提出T2MIR架构，通过令牌级和任务级专家混合机制，解决了强化学习中多模态数据处理和多任务适应的关键挑战。该方法让AI系统能像专家团队一样分工协作，显著提升了学习效率和任务适应能力，为构建更智能的自适应AI系统提供了新思路。

韩国成均馆大学研究团队开发了首个机器遗忘可视化评估系统Unlearning Comparator，解决了AI"选择性失忆"技术缺乏标准化评估的问题。系统通过直观界面帮助研究人员深入比较不同遗忘方法，并基于分析洞察开发出性能优异的引导遗忘新方法，为构建更负责任的AI系统提供重要工具支持。