日前，AVEVA World 2018年大中华区用户大会在重庆隆重举行。此次会议上，AVEVA 不仅展示了全面的、强大的解决方案，还邀请了行业内已经成功实施转型的客户介绍了他们的成功经验，分享了具体实施、如何落地的方法。

近日，紫光旗下新华三集团在研发创新领域喜获殊荣。新华三的《路由收敛方法及设备》荣获2018年度浙江省专利金奖，《一种路由切换的方法和装置》则从众多参评项目中脱颖而出，荣获第二十届中国专利银奖。

日前，首届“828 B2B企业节”圆满落幕，为中小企业创新发展注入了新活力，也让我国软件产业发展迈上了新台阶。

字节跳动种子团队提出熵调制策略梯度EMPG方法，解决AI智能体在长期任务中的稀疏奖励学习难题。通过自校准梯度缩放和未来清晰度奖励双重机制，根据步骤不确定性动态调整学习信号强度。在WebShop、ALFWorld和Deep Search三大基准测试中，EMPG显著提升了模型性能和训练稳定性，域外泛化能力尤为突出，为复杂AI系统的可靠训练提供了新的解决方案。

科技巨头IBM周一表示，机器学习和人工智能（AI）可以用于取代现存的阿尔茨海默氏症侵入性及昂贵的检测。

Nvidia在人工智能（AI）数据中心的主导地位持续巩固，最新季度财报显示收入增长16%，与去年同期相比增长93%。该公司的数据中心业务季度收入为356亿美元，全年收入为1150亿美元，同比增长142%。Nvidia首席执行官黄仁勋表示，推理AI将推动对Blackwell的需求，认为新AI模型将进一步提升计算需求。尽管云服务提供商（CSP）正在开发定制芯片以优化AI工作负载，但他认为Nvidia的GPU仍将长期受益于企业客户的增长。

Veritas专用资源和回报机制赋能MSP提供更完善的解决方案,助其企业客户提升盈利空间并更好地掌握安全数据管理能力

随着“数据中台”（data middle office, DMO）的普及，中国企业机构希望能更好地管理和利用数据中台背后的数据资产。

Perplexity本周发布的Comet AI浏览器标志着智能代理应用时代的到来。该浏览器采用AI原生设计，配备能够理解网页内容的AI助手，可在侧边栏中实时回答用户问题。OpenAI随即宣布将推出自己的AI浏览器，验证了这一趋势。智能代理应用不同于传统的AI功能增强产品，而是围绕AI能力重新构建整个工作流程。企业需要从SEO转向AEO优化，为AI发现做好准备。

这项研究由IDEA、华南理工大学和北京大学联合开发的Rex-Thinker系统，通过模仿人类的链式思考方式来解决物体指代问题。与传统直接输出边界框的方法不同，它采用规划-行动-总结的三步骤推理，使AI能像人类一样逐步分析图像中的候选物体，并在找不到匹配物体时拒绝作答。通过构建90,824样本的HumanRef-CoT数据集和两阶段训练方法，系统在精度、可解释性和泛化能力上均取得了显著进步。

戴尔科技集团刚刚在2018全球合作伙伴峰会上发布，公司正在投资新计划、激励措施和解决方案，旨在快速提高其渠道合作伙伴面向客户的数字化、IT、安全和劳动力转型的交付能力。

微软公布2025财年第四季度业绩，营收764亿美元，同比增长18%。CEO纳德拉首次透露Azure云平台年营收超750亿美元，同比增长34%。公司计划在2025财年投入800亿美元资本支出建设AI数据中心。尽管分析师质疑AI变现能力，但投资者反应积极，推动微软股价上涨8%，市值突破4万亿美元大关。

Bonree ONE 2023 春季正式版全新发布。带来更轻更强更智能的新一代一体化智能可观测平台，是国内首个真正实现智能运维的一体化智能可观测性平台。

上海交通大学高性能计算中心副主任、CCF高性能计算专业委员会常务委员林新华本次发布的白皮书以综合评价指标作为评估系统性能的新方法

本文探讨了7种可能严重影响企业运营的技术债务类型,包括数据债务、数据管理债务、开源依赖债务、AI债务、架构债务、AI实施中的安全债务以及文化债务。文章分析了这些债务的成因、潜在风险,并为CIO提供了应对建议,以帮助企业避免或减少技术债务对业务转型的阻碍。

人工智能市场在短短两年内爆发式增长,引发了深刻的社会变革。一方面,企业领导者对AI的潜力充满热情;另一方面,创意人员和基层知识工作者面临失业威胁。这种分歧反映了AI带来的阶层鸿沟正在加剧。文章探讨了如何在推动AI发展的同时,兼顾公平性和道德,并为不同群体提出了应对建议。

就像建筑行业的大多数企业一样，瑞典土木工程公司Svevia的数字化起步相对较晚。但是该公司首席信息官Maria Wester详细介绍了他们是如何为整个公司构建基于云的数字基础设施，并启动多个创新项目的。

当前的GPT-4等模型已经在代码补全和生成方面为程序员节省了大量的时间。但是，大多数编程领域的大模型应用都是单行代码补全或者单个函数生成的方式。

Meta研究团队开发了MR.Q算法，这是一种能够用单一参数设置处理多种不同强化学习任务的通用算法。该算法在118个测试环境中展现出优秀的综合性能，同时保持了高效率和轻量化特点。MR.Q巧妙结合了模型方法和无模型方法的优势，通过统一的内部表示处理不同任务类型，为构建通用人工智能系统提供了新思路。

「 “那天早晨，我冲进总经理的办公室，发现人力资源总监也在，我说：真巧，真好，两位都在，我要辞职！”今天推荐 TF男孩，一个中年重新开始，转行算法教育领域的前互联网程序员故事。」