但是,CTV 上还有一个应用类别表现强劲,那就是游戏。从应用数量来看,游戏类应用在 Amazon Fire TV 和 Apple TV 端均占第二位

基于Xtacking(R)2.0架构的第三代三维闪存芯片，让闪存潜能再释放

作为首款电动赛车的真正先驱，Cupra Racing成为许多此类赛事的卫冕冠军也就不足为奇了。Cupra E-Racer不仅为高性能赛车设定了标准，还重塑了人们对电动赛车的看法。

利用源自人工智能机器视觉技术所产生的强大且实时的数据，制造商可以获得更多的正常运行时间、获得预防性维护的能力、提高生产力和确保工人安全等等诸多受益。

清华大学团队突破性开发"零样本量化"技术，让AI模型在不接触真实数据的情况下完成高效压缩，性能反超传统方法1.7%，为隐私保护时代的AI部署开辟新路径。

2020年5月14日，NVIDIA宣布推出具有云原生支持的NVIDIA®Jetson Xavier™ NX开发者套件，并将此支持扩展到用于自主机器的整个NVIDIA Jetson™边缘计算产品系列。

这项由ETH和Google联合开展的研究开发了AGENTSNET基准测试工具，专门评估多个AI智能体的协作能力。通过五个分布式计算问题测试，研究发现即使最先进的AI模型在大规模协作方面仍存在显著局限性，但为未来开发能够真正团队协作的AI系统指明了方向。

康奈尔大学研究团队提出了"价值引导搜索"方法，通过训练标记级价值模型来优化大型语言模型的推理过程。他们收集了250万个数学推理轨迹，训练了15亿参数的评估模型，实现了基于块的高效搜索。这种方法不需要预定义"步骤"概念，也无需昂贵的每步标注。在四个数学竞赛基准测试中，该方法使DeepSeek-1.5B模型达到了45.7%的平均准确率，与更大模型相当，同时显著减少了计算资源需求。研究团队开源了数据集、模型和代码，为高效人工智能推理提供了新范式。

今天我们暂时离开元宇宙，回到现实世界，来聊聊声网自研的 Agora Lipsync（唇音同步） 技术是如何实现无需打开摄像头，无需面部捕捉技术，只需上传一张/多张人脸头像就可以通过说话人的语音音频信号，来驱动静态人脸头像的嘴部运动。

这项由香港大学和Salesforce AI Research联合开展的研究解决了AI助手操作电脑时的关键障碍：GUI定位能力。研究者创建了新的OSWORLD-G基准测试（564个样本）和JEDI数据集（400万示例），通过将复杂界面交互分解为基础组件重新训练模型。实验证明这种方法大幅提升了AI在精确操作计算机方面的能力，使OSWorld基准测试成功率从5%提高到27%，为构建更自然的人机交互系统奠定了基础。

亚马逊机器人部门宣布已部署超过一百万台仓储机器人，并推出DeepFleet人工智能系统。该系统如交通控制器般协调机器人运行，提高移动效率并避免拥堵。从2012年开始测试至今，这些机器人已成为亚马逊履行中心的主力，遍布300多个仓库。DeepFleet基于AWS构建，能实时重新规划机器人路径，将行进时间缩短约10%。亚马逊表示机器人创造了更多技术岗位而非取代人工。

在IM与音视频技术领域深耕多年的“大厂”网易云信的技术团队看来，实时音视频将在此轮世界杯的媒体大战中显示出日渐成熟的姿态，发挥定海神针的作用。

文章探讨了互联网从以人为核心向为AI代理优化转型，未来网络将以高速、透明、可验证的机器接口为主。

企业数据基础设施正从回答"发生了什么"转向支持AI实时决策。传统架构无法满足AI对语义理解的需求，知识图谱通过节点和边的方式组织信息，提供实体间的关系和上下文。谷歌十多年的知识图谱实践表明，从"字符串到实体"的转变是现代AI的核心特征。随着智能代理AI的发展，知识图谱将作为智能层为自主代理提供上下文支持。

从浅到深的定制化，从服务器、存储、工控机到网关，从专业到专家团队，戴尔易安信OEM“花式”改造，助力您轻松应对数字化转型变化。

想象一下，你正在寻找一双舒适的鞋子。卖家递给你一双"通用型"鞋子，声称它适合所有人。你试着穿上它，却发现这双鞋对你而言要么太紧，要么太松，总之就是不合脚。在人工智能评估领域，这个问题同样存在——目前我们使用的是"一刀切"的评估方式，用同样的提示词（prompts）来评估不同的AI模型，却忽略了每个模型都有其独特的"脚型"。

运营数据中心的企业可以部署一些特殊的措施，以降低成为勒索软件攻击受害者的风险。当你控制了基础设施和托管设施的各个方面时，就可以采取一些措施来降低勒索软件威胁，而这在其他方面是不可能的。

丰田是世界上最大的汽车制造商之一，它已开始实施一个项目，以改变其数字化员工体验（DEX）。

复旦大学研究团队开发了Domain2Vec方法，通过将数据集分解为260个"元域"特征，实现了无需试错就能找到AI训练最优数据配比的突破。该方法仅用传统方法0.26%的计算资源就能达到同等效果，在验证集上性能提升2.83%，为AI训练提供了科学化的数据配比方案，有望大幅降低AI开发门槛和成本。

道熵分布式存储是分布式技术与磁盘阵列技术相融合的新一代分布式存储平台。