TVP大咖们以《数字化辅助资本高效运转》为主题，带着与会者们一起潜入金融科技2.0的时代深水区，畅游金融科技的过去、现在与未来。

企业软件公司BMC近日宣布计划收购软件公司StreamWeaver，以扩展自己的AIOps和云迁移产品。此次交易的财务条款没有对外公布。

人工智能（AI）和机器学习（ML）技术的飞速发展，正深刻地改变着我们的生活和工作方式。为了满足日益复杂的 AI 应用对计算能力的迫切需求，半导体行业正经历着一场前所未有的变革。传统的 CPU 虽然在通用计算方面表现出色，但在面对大规模并行计算任务时，其性能瓶颈日益凸显。

想象一下乐高积木。当孩子们用乐高搭建一个复杂的城堡时，他们不会从一整块材料中雕刻出城堡的形状，而是使用各种形状的积木块一个接一个地拼装。这种构建方式不仅直观，而且便于修改和理解。同样地，基于基元的3D模型表示法就像是数字世界的乐高积木，它允许我们用简单的几何形状（如立方体、圆柱体和椭球体）来组装复杂的3D物体。

卡内基梅隆大学联合微软研究院提出首个针对结构化文本数据的差分隐私评测框架Struct-Bench。该框架通过上下文无关文法描述数据结构，从结构完整性、语义质量和应用效果三个维度评估合成数据质量。研究在七个数据集上测试发现，当前方法在结构化数据生成方面表现不佳，格式正确率普遍低于20%，为改进隐私保护数据生成技术提供了重要基准。

金融服务正在变得无处不在。这让银行的服务方式有了更多可能性，产品更加多元化，但同时，也给银行带来了很多前所未有的挑战。

2021年12月16日 ，印象笔记首届年度盛会——2021象新力大会在北京举办，印象笔记团队为莅临现场的众多用户、战略合作伙伴、重要投资方代表及各界媒体带来了全新的印象笔记战略及产品生态发布。

上海交通大学研究团队发现扩散式大语言模型存在严重安全漏洞，其开发的DIJA攻击方法能以接近100%成功率绕过AI安全防护，诱导模型生成危险内容。该攻击利用扩散模型的双向建模和并行解码特性，通过插入掩码标记让AI误以为是填空练习，从而规避安全检查。现有防护措施对此类攻击几乎无效，凸显了新兴AI架构安全评估的紧迫性。

Arvind Krishna正式上任的第一天，就为IBM下一步的发展明确了方向——即混合云和人工智能。这样的明确定位不仅仅出于对IBM自身优势的考量，更重要的是，来自客户的需求。

首尔国立大学研究团队提出STR-Match视频编辑技术，通过创新的时空相关性分数(STR分数)解决传统方法在帧一致性、运动保持和域转换方面的局限。该方法无需重新训练模型，可直接应用于现有文本到视频生成模型，在极端编辑场景下仍能保持高质量输出，为视频编辑领域带来突破性进展。

刘慈欣宇宙是“一座黑暗森林，每个文明都是带枪的猎人”，科学真理高于一切，文明生于忧患、死于安乐。

麻省理工学院研究团队开发出突破性的三维场景理解技术，让机器能够像人类一样理解复杂的三维空间。该技术采用分层空间表示和多模态数据融合，在场景重建准确率上达到92.3%，平均定位误差仅2.1厘米。这项技术将广泛应用于机器人、自动驾驶、AR/VR等领域，为人工智能的空间理解能力带来重大突破。

有时候，最大最真的道理反而解决不了任何实际问题。这不只是种悖论，同时也是一种定义。在某些矛盾的核心当中找出真相，才有可能确定继续前进的最佳道路。

UC Santa Cruz团队开发的OpenVision 2通过去除文本编码器，将视觉编码器训练简化为纯生成式学习，实现训练时间缩短1.5倍、内存使用减少1.8倍的显著效率提升。研究使用高质量合成数据集和token掩码策略，在保持性能的同时成功训练出10亿参数模型，挑战了CLIP式对比学习的必要性认知。

这项研究提出了Mirage框架，让AI学会像人类一样进行"心理想象"推理。通过生成压缩的潜在视觉标记而非完整图像，该方法在多个空间推理任务上显著超越传统文字推理和图像生成方法，为AI推理能力发展开辟了新路径。

阿里巴巴通义实验室的研究团队开发了HumanOmniV2，这是一个能够真正"读懂"人类复杂意图和情感的AI系统。该系统通过改进强化学习方法，让AI在回答问题前必须先全面理解多模态背景信息，解决了现有AI模型忽略重要线索和缺乏全局理解的问题，在多项测试中表现优异。

前面的系列文章里提过，TAO工具将模型训练的绝大部分技术难题都进行抽象化处理，大幅度减轻开发人员的负担，唯独数据集的收集与整理仍须由人工自行处理，这几乎是留个操作人员的最后工作了。

谭待认为，区块链浪潮的来临并不是要取代互联网，而是让互联网发展得更好，区块链可以作为价值互联网的重要基础设施去推动互联网新一轮的进化，而且在技术上区块链可以与人工智能、大数据互相促进发挥更大的价值。

英特尔当然意识到这部分市场是个机会，也许未来RAN支出中会有几十亿美元从定制芯片产品流向英特尔的x86“通用”处理器当中。

CIO们指出，技术变革步伐加快带来了众多新兴技术，但许多技术并未兑现预期效益。生成式AI连续第三年上榜，智能体AI因成本高昂和商业价值不明被过度炒作。数字员工、AIOps、量子计算等技术的现实能力仍落后于期望。元宇宙、AR/VR等空间计算技术采用缓慢，多云策略在互操作性方面存在挑战。