IBM和腾讯联合发布的名为《无边界零售》的白皮书带来了最新的洞察与解决方案。

日前，专注于销售科技（SalesTech）的AI企业服务公司——循环智能（Recurrent AI）举办主题为“智见未来，有迹可循”的云端发布会，重磅发布其包含三大产品矩阵在内的整体产品方案及“盘古”零样本NLP平台

施耐德电气中国软件研发中心AI创新负责人张毅与阿里云智能集团公共云华北大区解决方案总经理陈立伟、意言科技联合创始人兼COO王以宁、施耐德电气博利德自动化系统（上海）有限公司总经理王冬梅，最近也展开了一场关于AI如何推动快消品企业在市场营销、供应链管理、产品研发与创新以及客户服务等领域实现智能化转型的深入探讨。

字节跳动研究团队推出X-Streamer技术，首次实现从单张照片生成具有无限对话能力的数字人。该系统采用思考者-行动者双架构，统一处理文本、语音和视频生成，支持实时交互和长时间稳定对话。在双GPU配置下可达25fps生成速度，在多项指标上超越现有方法，为数字人技术的实际应用奠定了基础。

全球信息通信技术正进入技术架构大迁徙时代，企业数字化转型正在经历从基于传统IT架构的信息化管理，迈向基于云架构的智能化运营。

随着人工智能技术的迅猛发展企业对AI的应用需求正在经历场前所未有的变革。

面对多样化安全诉求，戴尔借助自身技术、产品和平台以及现代化手段，帮助企业加强数据安全、提高网络弹性、克服安全复杂性，让企业在构筑韧性安全的同时，能够在未来行稳致远。

当前，我们正处在一个互联网的多元化时代，无论是工作还是生活都离不开网络的支撑，而网络也逐渐开始走向了多元化，包括多云、5G、Wi-Fi、AI、大数据，安全都融入到现有的网络当中，这些改变也给网络架构提出了全新的挑战。

5月17日，在天津举办的第二届世界智能大会进入第二天，议程围绕“方略：智能社会与美好生活”展开。华为云BU副总裁陈崇军在全体大会上发表主题为《AI，智以致用》的演讲，分享华为云对人工智能的理解，以及华为云在人工智能领域的探索实践。

当微软全球执行副总裁、微软人工智能及微软研究事业部负责人沈向洋博士与来自南京理工大学的硕士研究生宋昊旻站在2018微软AI人工智能大会现场，借助微软语音翻译服务顺利进行中英文对话时，会议现场响起了热烈的掌声。

数据中台热潮之下，传统关系型数据库（RDBMS）、数据仓库（EDW）、Hadoop、各种NoSQL中哪一个最适合作为数据中台的数据平台，完成数据服务共享的大任？

据相关数据显示，采购数字化近年来一直保持20%以上增速，预计2022年市场规模将超200亿元。

印度理工学院等机构研究发现，即使是最先进的AI模型如GPT-4o、Claude等，在面对间接表达、干扰信息或背景过载的"混淆问题"时，准确率会从70-80%骤降至25-40%。研究团队开发的ObfusQAte评估框架首次系统性揭示了大语言模型的这一重要缺陷，为改进AI推理能力和提高实际应用可靠性提供了重要基准。

在整个供应链中，AI增强技术正在提升生产力、减轻全球劳动力短缺影响，并帮助企业找到更好、更安全的商品运送方法。从生产车间到消费者手中，AI对供应链的渗透将全面爆发。

清华大学研究团队提出"AI智能体行为科学"新范式，通过观察AI在虚拟环境中的自发行为发现其具备规划、适应和社交能力。研究涵盖个体行为、群体互动和人机协作三个层面，并借鉴福格行为模型建立了能力-动机-触发器的行为适应框架，为负责任AI发展提供了行为导向的测量和优化方法。

第九届中国（天津滨海）国际生态城市论坛暨2018中国国际数字经济创新峰会于9月7日-8日在天津举行。智联招聘副总裁姬鹏展出席大会，并做了题为《人力资本价值决定产业质量》的演讲。

今年7月份，干燥无比的中东热带沙漠地区，多天出现罕见暴雨，引发内涝；而北极圈的温度却一度飙升，北极的科学家们甚至穿着短袖短裤打起了冰上排球。

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。

希伯来大学研究团队通过狼人杀游戏验证了AI在异步群体交流中的能力。他们开发的双阶段AI系统能够自主决定发言时机和内容，在21场真人游戏中表现出色。AI的发言时机与人类高度相似，超过40%的人类玩家无法识别AI身份，游戏胜率与人类相当。研究首次实现了AI在群体对话中的主动参与，为AI融入现实社交场景奠定了技术基础，在教育、医疗、客服等领域具有广阔应用前景。

蚂蚁集团研究团队提出了γ-PO方法，通过动态调节AI训练中的目标边距来提升大语言模型对齐效果。该方法能够自动识别训练数据中答案质量差距的大小，对明显好坏的答案对加大学习强度，对模糊不清的答案对适当降低学习强度，避免AI被不确定信息误导。实验显示该方法在多个基准测试中平均提升4.4%性能，且几乎不增加计算成本，具有良好的即插即用特性。