2022年4月23日，由华为主办，以“创未来 享非凡”为主题的昇腾AI开发者创享日活动即将在西安隆重举办。

作为一家全球性的能源和石化企业，壳牌（Shell）正在努力地以数据为驱动，推动业务发展，让数据科学变得和石油物理学一样重要。

清华大学提出MoveGCL框架，首次实现在完全不共享敏感出行数据的前提下，多城市协作训练全球通用人工智能出行预测模型。该技术通过生成虚拟轨迹传递知识，结合混合专家系统和渐进式学习策略，在六个美国主要城市的测试中展现出优异性能，为隐私保护下的协作学习提供了新范式。

FuriosaAI团队提出突破性的Draft-based Approximate Inference框架，通过小模型预测指导大模型智能管理资源。研究开发了SpecKV和SpecPC两种方法，分别用于KV缓存管理和文本压缩，在保持高准确性的同时显著降低内存使用和计算延迟，为长文本AI推理提供了高效可行的解决方案。

从企业发展的角度来看，10到20年前，ERP大多是本地部署。随着企业对持续创新的需求不断增加，如今企业ERP也逐渐开始上云。

这篇研究介绍了Moonshot AI团队开发的G1模型，该模型通过强化学习显著提升了视觉语言模型在游戏环境中的决策能力。研究团队首创了VLM-Gym训练环境，包含多种视觉游戏与统一接口，并开发了两代模型：G0通过纯强化学习实现自我进化，G1则结合感知增强冷启动与强化学习，在所有游戏中超越教师模型。最关键的发现是感知和推理能力在学习过程中相互促进，为解决视觉语言模型的"知道-行动"差距提供了新方向。

戴尔Dell Lifecycle Hub（戴尔生命周期中心）解决方案，实现端到端设备全生命周期管理。

由浙江杭州未来科技城管理委员会、高通（中国）控股有限公司（Qualcomm）、中科创达软件股份有限公司三方联合成立的“杭州未来科技城oQualcomm（高通）中国o中科创达联合创新中心暨Qualcomm（高通）AI创新实验室”在杭州揭牌并投入使用。

明尼苏达大学团队开发的MPO系统让AI评判具备了类似人类的元认知能力，能够自我反思并动态调整评价标准。该系统有效解决了AI训练中的"奖励欺骗"问题，在文章写作、文档总结、道德推理和数学推理四个任务中都表现出显著优势，为构建更智能、更可靠的AI系统开辟了新路径。

再来说说国内，2020年3月，中国工信部官网公示了《汽车驾驶自动化分级》推荐性国家标准报批稿，并拟于2021年1月1日开始实施，未来将成为“中国版自动驾驶分级标准”。

作为国家网络安全宣传周的重要活动，第四届“强网杯”全国网络安全挑战赛、第四届“强网杯”全国网络安全挑战赛——创新作品赛、全国网络安全挑战赛青少年专项赛圆满结束。

从C端产品发力，到C+B端联动，合合信息走的路子，始终离不开AI。

9月2日,脑虎科技首款脑机接口集成式颅顶半植入医用级BCI产品在2022年世界人工智能大会正式发布,同时发布的还有高频脑电信号处理仪及软件算法云平台。

思科近日发布第二季度财报，尽管业绩结果超出了华尔街的预期，但是主要的基础设施业务仍然深陷困境，以及其他细分业务销售额低于预期，导致思科股价在盘后交易中下跌。

9月8日，以“新IT，新引擎”为主题的第七届联想创新科技大会（Lenovo Tech World 2021）成功举办。在主论坛，联想集团高级副总裁、基础设施方案业务集团（ISG）中国区总裁童夫尧发表《智能基础架构 构建新IT底座》主旨演讲

作为最活跃的经济细胞，如今中小微企业遍布各行各业，为国民生计与社会发展做出了重要贡献。然而中小微企业虽然数量庞大，但规模小、资金少，抵御经济波动和行业竞争冲击的能力较弱。

清华大学团队开发了CAMS智能框架，这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹，通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法，为城市规划、交通管理等领域提供了强大工具。

微软联合多所知名高校开发了SwS框架，让AI模型能够自主识别学习弱点并生成针对性练习题进行自我改进。该方法在数学推理任务上取得显著效果，7B和32B模型平均性能分别提升10%和7.7%。通过"弱点诊断-针对性出题-强化训练"的三步流程，AI首次实现了真正意义上的自我反思式学习，不依赖外部知识灌输即可持续优化自身能力，为人工智能的自主学习开辟了新道路。

全新的 Java 版本提供 7 个 JDK 增强建议，帮助开发人员提高工作效率，优化 Java 语言并提升平台的性能、稳定性和安全性。

腾讯AI实验室联合多所知名高校开发了一种名为CDE的新型AI训练框架，通过模仿儿童的好奇心学习机制，让大语言模型能够自主探索未知领域。该方法使用两套"好奇心传感器"指导模型学习，在数学推理任务上平均提升3个百分点，同时解决了传统方法中的"校准崩塌"问题，为开发更智能自主的AI系统开辟了新路径。