微软绝大部分的业务部门表现都很好，公司年收入超过了1100亿美元。

目前，私营性质的高性能计算巨头DDN公司正着手收购软件定义存储厂商Nexenta，并希望借此转型成为一家全面的企业级存储方案供应商。

阿里巴巴推出Ovis-U1统一多模态模型，仅用36亿参数实现图像理解、文字生成图像、图像编辑三大功能。该模型在多项测试中超越专业模型，证明统一训练能相互促进不同AI能力。研究采用六阶段渐进式训练，创新设计精炼器模块提升性能，为开发全能AI系统提供新思路。

蒙纳什大学研究团队提出了一套基于不确定性驱动的自动化过程奖励数据构建框架，解决了训练数学推理AI的关键难题。该方法通过识别AI推理中的不确定性来精准定位错误步骤，显著提高了数据标注效率，同时开发了两种创新的输出聚合策略，结合群体智慧与专家判断，在多个数学推理数据集上取得了显著的性能提升。

AI视频领域真的卷麻了，比2023年的大模型还卷。自从可灵1.6发了之后，明显感觉所有家都坐不住了，基本都把自己的牛逼货加速推了出来。整体看了一下Vidu2.0的效果，在模型质量上，比较惊艳，能跻身T1梯队。

UC伯克利研究团队发现了一种革命性方法，能够在不重新训练的情况下修复AI视觉系统的注意力异常问题。他们识别出少数"寄存器神经元"是造成注意力噪点的根源，并开发出"测试时寄存器"技术，将这些异常重定向到专门区域。该方法在多项视觉任务中表现出色，性能媲美专门训练的系统，同时还能抵御印刷攻击，为AI视觉技术的实际应用提供了简单高效的改进方案。

西门子Xcelerator将成为中国企业，尤其亟需数字化转型的4800万国内中小企业的一个数字增长新引擎。

这项由阿里巴巴菜鸟无人车部门联合浙江大学完成的突破性研究，开发出全球首个能同时处理摄像头和激光雷达数据的4D分割模型SAM4D。该技术通过统一多模态位置编码和运动感知记忆机制，实现跨模态提示交互和时间一致性保持，为自动驾驶感知系统提供更强鲁棒性，有望显著提升智能驾驶安全性和标注效率。

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。

根据相关公告所言，Cedexis公司专注于处理大部分企业外围流量，“以动态方式优化跨公有云、数据中心、CDN以及ISP的网络流量”，旨在借此提高混合云与多云应用性能。

这项由阿里巴巴云计算联合浙江大学、南京理工大学开展的研究提出了Repair-R1方法，革命性地改变了自动化程序修复的思路。不同于传统的"先修复后测试"方式，该方法要求AI首先生成诊断性测试用例来理解错误根因，再进行针对性修复。通过强化学习框架同时优化测试生成和代码修复能力，在四个基准数据集上取得显著改进：修复成功率提升2.68%-48.29%，测试生成成功率提升16.38%-53.28%。这种"理解驱动"的修复策略为智能编程助手开辟了新方向。

字节跳动联合哥伦比亚商学院推出首个开源金融搜索AI评测基准FinSearchComp，通过635个专业问题测试21个AI模型的金融数据搜索能力。研究发现最优AI模型在全球市场达到68.9%准确率，接近人类专家75%水平，但在复杂分析任务上仍存在显著差距，为AI在专业领域应用提供了重要的能力基准。

华为技术团队发布突破性研究，首次系统阐述如何通过强化学习训练AI研究助手。研究涵盖数据合成、训练方法、系统框架、协作机制和评估标准五大核心领域，提出从"模仿学习"向"探索学习"的范式转变，让AI具备类似人类研究员的多步骤推理、工具使用和知识综合能力，为AI研究助手的实用化部署提供完整技术路径。

安森美的Hyperlux LP系列图像传感器即具备上述的Wake on Motion低功耗技术。在增强了设备的侦测能力的同时，有效地降低功耗。

随着Anthropic进军印度市场，一家当地软件公司向法院提起诉讼，声称自2017年起就在使用"Anthropic"名称。该印度公司要求法院确认其优先使用权，并索赔1000万卢比。Anthropic去年10月在印度设立办事处，并任命前微软印度总经理领导当地业务。法院已向Anthropic发出传票，但拒绝了临时禁令申请。此案凸显了AI公司全球扩张与本土企业的潜在冲突。

2023 Amazon DeepRacer中国系列活动正式启动，同时亚马逊云科技宣布与中国教育学会科创教育协作体及上海市人工智能行业协会达成战略合作。

Salesforce首席执行官马克·贝尼奥夫表示，公司正大力推进人工智能应用，AI代理现在承担了公司30%至50%的工作。他认为员工应适应AI替代人工的趋势，转向更高价值的工作。然而，这一变化导致约1000名员工被裁，虽然公司计划招聘同等数量新员工，但主要专注于销售AI技术。这一趋势在科技行业普遍存在，今年已有超过63000个科技岗位消失，AI被认为是重要原因之一。

南卫理公会大学研究团队通过递归神经网络视角重新解析Softmax注意力机制，发现其可分解为无穷多个递归网络的叠加，每个网络捕捉不同阶数的特征交互。研究证明线性注意力仅为Softmax的一阶近似，缺乏高阶交互能力，并发现Softmax分母可用简单向量归一化替代，为优化AI计算效率提供新思路。

这项研究分析了82,845个真实开发者与AI助手的编程对话，发现AI回复比开发者提问长14倍，68%为多轮对话。Web开发和机器学习是最热门话题。AI代码质量存在问题：Python代码83.4%命名不规范，JavaScript代码75.3%有未定义变量。研究为改进AI编程助手提供了重要参考。

沃达丰发布的《2024年顺应未来报告》（以下简称“顺应未来”报告）中揭示了一个激动人心的趋势：中国企业在拥抱数字化转型方面表现积极，在亚太地区排名第二，仅次于新加坡。然而，报告也引发了人们的疑问：人工智能的迅速发展究竟是信任的催化剂，还是担忧的制造者？中国企业如何在科技创新与社会责任之间取得平衡，并利用技术赢得消费者信任，实现长期增长？