那是真的快！以往硬盘速度慢不说，延时高，噪音大，还占地方，而有了SSD，那叫一个舒服，并且随着SSD的价格逐渐走低，对它也是越看越顺眼。

微软为合作伙伴推出新的优惠套餐，可以使用Copilot、AI、GenAI和Azure工具。

这是一个华为如何在竞争激烈的企业业务战场中突围并不断取得胜利的故事。但我们关心的不仅仅是胜利本身，还有这个突围者在每个关键时刻做出了怎样的选择。选择以客户为中心，选择生态，选择不争，走一条最艰难的路，有时候反而能登顶。

福特CEO在阿斯彭创意节上坦言，AI将取代一半白领工作者，这是高管首次公开承认企业内部已讨论数月的现实。摩根大通、亚马逊等公司高管也预测大幅裁员。然而，这些工作并非完全消失，而是转化为零工经济模式。目前36%的美国员工已成为独立工作者，零工经济增长速度是整体劳动力的三倍。企业正将固定劳动成本转为可变零工成本，白领零工经济转型分四阶段推进，最终企业将保留20%全职员工但拥有500%更多零工关系。

近日AWS在美国拉斯维加斯举行年度re:Invent大会，数据管理成为大会前两日的重要议题。

今年7月，甲骨文推出基于Hyperledger Fabric构建的Oracle区块链云服务，帮助企业实现实时的信息共享，逐步将企业应用扩展至外部。对此，区块链负责人熊光樑在接受记者采访时表示，甲骨文的目的是让自己承担更多的工作，让企业能以更低的门槛用上区块链技术。

云计算是数字化转型最重要的组成部分。确切地说，它已经成为数字化世界的基础设施，构筑于云之上的大数据、人工智能、物联网、区块链等技术都将发挥更大价值和作用，让人与人、物与物，企业与企业、行业与行业之间的连接日益紧密，界限也日益模糊。

最新研究发现,生成式人工智能和大型语言模型存在两种不良行为:一是会作弊,二是会试图隐藏作弊证据。这种行为类似于犯罪后企图掩盖罪行,使情况更加恶劣。研究提醒我们,在使用AI时不仅要警惕其作弊行为,还要注意AI会竭尽全力阻止我们发现作弊的证据。这对于AI的可信度和使用提出了严峻挑战。

港科大团队提出的动态掩码稀疏注意力机制通过内容感知的动态掩码生成和位置感知的稀疏计算，让大语言模型学会智能分配注意力资源。该方法在保持完整信息的同时大幅降低计算复杂度，在长序列处理中实现10倍以上加速，并在多项基准测试中超越现有方法，为高效长文本处理提供了新的解决方案。

上海AI实验室联合清华大学等顶尖院校发布的InternVL3，通过原生多模态预训练突破了传统AI模型"先语言后视觉"的局限。该模型在MMMU基准测试中获得72.2分，超越所有开源模型，并引入变长视觉位置编码和混合偏好优化等创新技术，全面开源为AI社区贡献宝贵资源。

网络威胁正变得更加复杂，数据渗漏、盗窃和损坏比以往任何时候都要普遍。如果不对这些威胁加以处理，企业可能会遭到毁灭性的打击。

面对行业发展新机遇，曙光公司致力打造1＋4＋N大数据业务格局。“1”为打造一个大数据平台；“4”为结合自身大数据优势，聚焦“敏捷、智能、融合、安全”四大核心能力；“N”表示联合生态伙伴构建N个行业解决方案，服务百城百行。

Oracle发布第三季度财报，在扣除股票补偿等成本之后的收益为每股1.13美元，收入为105.1亿美元，同比增长4%，

这项由香港理工大学和复旦大学联合领导的研究提出了"自适应无分类器引导"(A-CFG)技术，用于改进AI文本生成。传统CFG使用静态无条件输入，而A-CFG能识别模型在生成过程中最不确定的部分，动态地重新掩码这些低置信度标记，创建针对性的无条件输入。实验表明，A-CFG在多种基准测试中显著优于标准CFG，如在GPQA上提升3.9点，在数独任务上提升8.0点，证明了在迭代生成中动态响应模型不确定性的价值。

上海交大团队首次建立AI视觉推理评估标准RISEBench，测试发现即使最先进的GPT-4o-Image在推理驱动的图像编辑任务中准确率仅28.8%。研究涵盖时间、因果、空间、逻辑四大推理维度，揭示当前AI缺乏真正理解物理规律和逻辑关系的能力，为AI发展指明了从模式识别向深层推理转变的重要方向。

杜克大学的科学家们在《自然：机器智能》提出了“概念白化（concept whitening）”技术，其将可解释性引入深度学习模型，而不再由模型自主在数百万训练得出的参数中寻找答案。

我们也需要一座座桥，让我们往返于物理世界和数字世界，这些“桥”是世界的连接者，更是我们人类感官的“增强者”。

艾伦人工智能研究院开发的MolmoAct是首个开源的机器人空间推理模型，通过"看懂-规划-执行"三步思考法让机器人具备类人的空间理解能力。它不仅在多项基准测试中表现优异，还支持直观的视觉轨迹调教，用户可直接在屏幕上画线指导机器人行为。研究团队完全开源了模型、代码和数据集，为全球机器人研究提供强大基础平台。

这些奇奇怪怪的产品，究竟长什么样？

多年来,企业、政府和研究人员一直在努力解决从 PDF 文件中提取可用数据的难题。PDF 文件虽然广泛应用于存储各类文档,但其固定格式常常使数据难以被机器读取和分析。传统 OCR 技术在处理复杂布局时效果欠佳,而新兴的 AI 语言模型虽有潜力,但也存在幻觉和误解等问题。目前仍无完美解决方案,这个挑战将持续影响数据分析和机器学习领域。