这项研究开发了CellForge系统，通过多个AI专家协作自动化虚拟细胞建模全流程。系统在六种不同生物学场景测试中全面超越现有方法，预测误差最高降低40%，相关性提升20%。该技术将传统需要数月专家协作的工作压缩至几小时，成本从数千美元降至几美元，有望大幅降低科研门槛并加速生命科学发现。

威廉·史特劳斯和尼尔·豪在他们的代际变迁理论中，解释了历史如何按“季”推移演进。以季为单位，历史总是遵循出生、成长、衰落与更新等几个迭代周期，并呈现出总体性的觉醒与崩溃趋势。而每一季之间往往由危机划分，最终成就前所未有的全新社会秩序。

生物识别技术、人工智能和机器学习的深度融合，正推动身份验证从被动识别向主动风险评估和持续监控转变，尤其在对抗深度伪造等新兴欺诈手段方面，展现出不可或缺的关键作用。

IBM和腾讯联合发布的名为《无边界零售》的白皮书带来了最新的洞察与解决方案。

伊利诺伊大学团队开发了PhysRig系统，突破传统角色动画技术局限。该系统通过嵌入真实物理原理，将虚拟角色建模为具有弹性材料特性的立体结构，解决了传统线性混合蒙皮技术中的体积变形、不自然弯曲等问题。研究创新性地提出材料原型概念，大幅降低参数学习复杂度，在多项评估中显著优于传统方法，为动画制作、游戏开发和虚拟现实应用提供了更真实的角色动画解决方案。

《华为地产行业数字化白皮书》是“懂行人”华为携手克而瑞，在深入调研行业TOP 50企业后共同发布的中国房地产数字化转型新解读。

回顾联想集团去年发布的2020科技预测，其中提及的科技至今仍以惊人的速度发展，而在新常态影响下联想预测以下科技趋势将对2021年甚至更远的未来产生深远影响。

“在以客户为中心的理念指导下，我们正在通过产品的升级不断为客户创造更好的体验。当下，这对我们来说是最重要的。”甲骨文公司执行副总裁Philippe Mathieu在日前的2019甲骨文云大会演讲中强调。

斯坦福大学推出DynaGuide技术，让机器人无需重新训练就能通过视觉示例学会新任务。该系统采用独立的动态模型为机器人提供实时行为指导，成功率达70%，在处理模糊指令时比传统方法强5.4倍。技术支持多目标引导和即插即用部署，已在真实机器人上验证成功，为个性化机器人服务开辟新路径。

这个发布会，让坐在身后的记者直呼：“吓到我了！”

本文深入探讨了一个普遍的误解：人工通用智能(AGI)最终会演变成一个庞大的统一系统。作者认为，基于当前AI发展态势，更可能出现多个独立但相互关联的AGI系统。文章分析了AGI之间可能的竞争与合作关系，以及这种分布式发展模式对人类社会的潜在影响。

Supermicro 多元的 X13 产品组合包含SuperBlade、Hyper、BigTwin、GrandTwin、SuperEdge、FatTwin、支持SXM、OAM 和 PCIe 的 GPU 服务器、CloudDC、WIO 及 Petascale 储存系统

过去几十年来，英特尔一直是秉承生态之道，推动跨架构计算创新、开放式创新、深化协作创新，从而带动产业链升级，把握用户的需求、整合优势、广泛连接，打造基于中国本土化的产品和本土化的业务。

作五休二不再「天经地义」，颠覆性转变或将开启新时代。

西湖大学等多所高校联合研究发现，现有AI模型存在"浅层探索陷阱"问题，即倾向于快速给出第一个答案而缺乏深度思考。研究团队提出"长度激励探索"方法，通过奖励详细思考过程同时惩罚无效重复，成功让AI学会在单次对话中进行深度探索。实验显示该方法可提升4.4%准确率，并激发更多类人认知行为。

上海人工智能实验室等机构联合开发了SEAgent，这是一个能够自主学习使用新软件的AI系统。不同于传统需要大量人工标注的AI助手，SEAgent通过自我探索和试错学习，在五种专业软件上将成功率从11.3%提升至34.5%。该系统采用"专家到通才"的训练策略，先培养各软件专家再整合知识，最终性能超越专家组合。研究已开源，为构建真正智能的自适应AI助手提供了新思路。

多年前，AMD曾占据x86服务器处理器市场25%的份额。苏姿丰博士一直坚信数据中心市场是AMD的重大机遇，并且其回报也相当丰厚，近几年，AMD持续并不断加大对数据中心市场进行投资，在该领域开发新产品，保持市场整体的活力。

施耐德电气中国软件研发中心AI创新负责人张毅与阿里云智能集团公共云华北大区解决方案总经理陈立伟、意言科技联合创始人兼COO王以宁、施耐德电气博利德自动化系统（上海）有限公司总经理王冬梅，最近也展开了一场关于AI如何推动快消品企业在市场营销、供应链管理、产品研发与创新以及客户服务等领域实现智能化转型的深入探讨。

联想迎来40周年，全面展示算力基础设施完整布局

CIO们正面临众多复杂挑战，其多样性值得关注。除了企业安全和成本控制等传统问题，人工智能快速发展和地缘政治环境正在颠覆常规业务模式。主要挑战包括：AI技术快速演进、IT部门AI应用、AI网络攻击威胁、AIOps智能运维、快速实现价值、地缘政治影响、成本控制、人才短缺、安全风险管理以及未来准备等十个方面。