在今年I/O的第二天，谷歌在美国总部(Googleplex 2000)组织了一场小范围专访，包括谷歌母公司Alphabet兼谷歌CEO桑达尔·劈柴(Sundar Pichai)在内的四位核心管理层，接受了包括科技行者Techwalker、CNBC、《朝鲜日报》、意大利纸媒《La Repubblica》、巴西纸媒《Folha de S. Paulo》、英国电视台等全球媒体的提问。

3月28日，2023微信公开课PRO·微信之约在广州正式开讲。

7月6日，2023世界人工智能大会（WAIC）在上海隆重开幕。

不久之前，谷歌方面正式决定中止为美国国防部提供对无人机拍摄内容进行分析的人工智能方案。除此之外，全球还有不少科技巨头一直在广泛关注人脸识别技术中的种种不成熟迹象，以及可能由此造成的危害影响。

炽橙科技自2015年成立后就深耕于XR技术领域。

小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化，在数学推理和编程任务上超越了320亿参数的大模型，甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施，将训练速度提升2.29倍。该成果已完全开源，为AI民主化发展提供了新思路。

Raffaele Spazzoli是红帽PaaS和DevOps咨询部架构师，在加入红帽之前 ，他在超级KeyBank担任解决方案架构师，实现了将交付周期从3个月变成一周，在本文中，他将以第一视角讲述这段神奇的经历。

近日微软高管Judson Althoff在微软合作伙伴活动中宣称：“VMware自去年11月被芯片制造商博通收购以来，其价格和其他变化给世界带来了最棒的礼物”。

高通公司技术标准副总裁李俨发表题为《迈向AI原生的通信系统设计》的演讲，分享了随着AI技术高速发展，如何把AI引入到无线通信系统之中，并提升无线通信的性能等方面的思考和探索。

鲲鹏生态已经有超过200万开发者，开发了12000多个创新解决方案，其中有5000多个解决方案由成立于2019年的北京鲲鹏联合创新中心孵化。

在科技领域，经历了百年时间打磨的IBM，足以称得上是一位“技术巧匠”，如今，他正在把鲁班的匠人精神融入到自己的产品与服务中，并在日前宣布推出了一个极具中国传统文化特色的“鲁班计划”。

企业数据中心的灾备和业务连续性解决方案的架构和实施对于企业已经越来越重要。企业需要参考业界实践来制订或实施切合自身实际情况的方案，或对现有的实现进行改进提高。本文主要介绍IBM GDPS解决方案家族和实际应用在站点双活或站点快速切换实施上的一些实践

来自哈佛大学等顶尖学府的研究团队在这篇论文中挑战了传统观念，认为Token压缩不仅仅是提高AI模型运行效率的工具，更应成为生成式AI模型设计的核心原则。研究表明，精心设计的Token压缩策略可以促进多模态深度整合、减轻AI"幻觉"问题、增强处理长序列输入的能力，并提高训练稳定性。论文详细分析了现有方法的局限性，并提出了算法创新、强化学习指导和硬件协同设计等未来研究方向。

随着云计算、大数据、深度学习等技术的成熟，软件产业正处于一个变革的重要节点。如何依托软件产业助力城市数字经济发展和行业数字化转型成为各方关注的焦点。

而现在的AWS首席执行官Andy Jassy至少公开接受那些“混合”云设置的说法，即建自己的数据中心“有点古怪”。笔者上周独家专访了他。他在位于西雅图的家中设了个运动吧，记者在运动吧向他了解了有关AWS下一阶段的更多信息。

Meta研究团队发现仅通过对比学习训练的AI视觉模型，内部竟隐藏着语言理解、空间定位等多种专业能力。他们开发了Perception Encoder系列，通过"对齐技术"激活这些隐藏技能，在图像分类、视频理解、目标检测等多个领域都达到了最先进性能，证明了"一个模型胜任多种任务"的可能性，为AI发展提供了新思路。

TPU 的设定，只能在 TensorFlow 中执行推理，但它的性能非常好。我们认为，TPU 与 TensorFlow 的良好适配，能够发挥出 1+1＞2 的效果。深度学习计算中的芯片部署都不是零和博弈。现实世界的深度学习网络需要系统的 GPU 与其他 GPU 或诸如 Google TPU 之类的 ASIC 通信。GPU 是理想的工作环境，具有深度学习所需的灵活性

2019年11月，中国武汉报告第一例COVID-19感染病例。在疫情爆发初期，当地主管机构曾试图控制病毒外流，但随着病例的大面积扩散，整个湖北省开始实施封锁措施。

11月30日下午，由中国商业联合会互联网应用工作委员会指导，亿欧主办的2018亿欧创新者年会—企业智能服务创新者论坛在北京顺利举办。

本研究首次系统评估了大型语言模型在真实代码性能优化任务中的能力。研究团队构建了包含140个真实案例的SWE-Perf基准，发现当前最先进的AI模型在性能优化方面仍远落后于人类专家。AI倾向于进行基础设施层面的修改，而人类专家更擅长高层次的系统优化。研究揭示了AI在复杂系统优化中的局限性，为未来AI编程工具的发展指明了方向。