人工智能在健康领域正迎来重要时刻。从能够将医疗指南翻译成地方语言的聊天机器人，到能在几秒钟内检测贫血的手机应用，再到减少疾病诊断错误的数字显微镜，新的人工智能驱动解决方案似乎每天都在推出。然而，单纯的技术“惊艳”只讲述了部分故事。当人工智能与人类的同理心、文化理解和理想价值观相结合时，它才真正具有变革性。这种合成被称为混合智能，确保技术能够满足真实需求，而不是追求新奇。

自数字图书馆的概念提出以来，多地高校及公共图书馆纷纷着手开展图书馆的数字化建设工作，这一过程不可避免地要面对海量的数据及随之而来的存储、管理需求。

要快速稳妥地推进中国数字新基建建设工作，必须同步夯实数字化研发和数字化工厂，而这正是西门子数字化工业软件Xcelerator数字化双胞胎的核心价值。

挑战与机遇总是并存的，全新的变化为整个互联网行业带来了全新的挑战，借助“新基建”的春风，原本那些陈旧的、不合时宜的IT系统架构已经不再适应如今的全新需求。

量子 AI 结合量子计算与人工智能，为全球 UBI 提供可能，通过优化资源分配和经济建模推动公平与稳定，激发创新和人类潜能，迈向从生存到繁荣的新纪元。

训练AI算法需要用到大量GPU算力资源，那么大模型时代下，如何才能把可用的算力资源，变成好用的算力资源？

微软推出的Phi-4-Mini-Reasoning模型仅用38亿参数就在数学推理任务上击败了70-80亿参数的竞争对手。通过创新的四阶段训练方法（大规模中期训练、监督精调、回滚偏好学习、强化学习），该模型在AIME24、MATH-500等测试中表现卓越。这项研究证明了"精巧胜于庞大"的AI设计理念，为资源受限环境下的高性能AI应用开辟了新路径，在教育、科研等领域具有广阔应用前景。

“空间产业是第一大产业，空间智能化在这个赛道前景无比广阔。” 华为公司常务董事、终端BG CEO、智能汽车解决方案BU CEO 余承东在华为方舟壹号空间智能开放实验室揭幕仪式上讲到。

Elon Musk提出了对AI能力增长的预测。他提到，虽然难以精确量化AI的发展速度，但他个人感觉AI每年至少在以10倍的速度进步。基于这一速度，他预测在未来几年内，AI的能力将增长到1万倍，如果按照这个速度继续发展，那么在大约4年后，AI的能力可能会增长到10万倍，AI将能够执行任何人类能够完成的任务，并且他预测这可能在一两年内实现。

训练AI算法需要用到大量GPU算力资源，那么大模型时代下，如何才能把可用的算力资源，变成好用的算力资源？

Moonshot AI发布了新一代视觉语言模型Kimi-VL，该模型采用混合专家架构，仅用2.8B激活参数就能媲美大型模型性能。其创新包括原生分辨率视觉编码器、128K长上下文处理能力和长链思考推理机制。在多项基准测试中，Kimi-VL在数学推理、文档理解、智能体任务等方面表现出色，证明了小参数高效能的设计理念，为AI技术的普及和可持续发展提供了新思路。

上海交大团队发现多模态AI在数学推理中存在视觉信息利用不充分的问题，纯文本模型配合图像描述竟能超越直接处理图像的多模态模型。研究提出三种视觉扰动策略：分心物拼接、保持主导混合和随机旋转，通过增加适当的视觉"挑战"来提升AI的感知鲁棒性。实验显示该方法在多个数学推理基准上实现了持续性能提升，平均改进约2个百分点，证明了"更好的推理始于更好的观察"这一核心理念。

OpenAI CEO职位的争夺战不论是一场公司内部权力斗争的宫斗剧还是关系到“人类福祉”的AI伦理及风险的深刻讨论的路线分歧。生成式AI（GenAI）都已成为科技公司们争夺的科技高地。

着IT部门越来越多地与关键业务合作伙伴共同推动新的举措，技术领导者有机会培养组织形象，让每个人都专注于业务数字化转型，以实现战略目标。

“在云原生里环境里，所有东西都是动态的，而且数量等都会随着访问压力进行调整，如果仍然采用传统的监控手段就会变得非常困难。”

作为信创工委会的会员单位，杭州宏杉科技股份有限公司（以下简称“宏杉科技”）正依靠自研实力不断在信创存储领域开疆拓土。

在柳州银行一站式OCR智能平台的建设实践中，可利邦、合合信息与浪潮信息基于元脑生态，合力诠释如何以生态之力“建立金融行业 ● 场景共同体”，跨越产业化AI落地的鸿沟，打通金融数智化转型的最后一公里。

“2023全球生成式AI领军者榜单”围绕基础设施、大模型、场景应用三大领域，综合考量品牌知名度、技术领先度、市场认可度、生态合作等因素，最终评选出全球60家具有代表性的生成式AI公司和机构，其中亚马逊云科技位列榜单第四名。

华盛顿大学等顶尖机构联合推出地理视觉代理概念，让AI能够分析街景、用户照片等视觉数据，回答"咖啡店门在哪里、是否无障碍"等具体问题。团队开发了三个原型：帮助盲人探索街景的StreetViewAI、为残障人士评估环境的Accessibility Scout，以及个性化骑行路线规划的BikeButler，展现了AI与地理信息结合的巨大潜力。

AI模型的开发与运营，本质上是一项资源密集型活动，其本质可视为一种高成本投入的游戏。 当AI技术从实验室走向现实世界，致力于改善人们的生活时，它依然需要充足的资金作为推动其发展的[燃料]。