传统网络通常被视为“哑管道”，对于高度敏捷企业中的开发团队而言，传统网络的沉重运维成本和低效率将会成为其发展的障碍。为此，许多人试图从网络着手解决这些问题，却发现这种方法存在缺陷。

无论是在高速互连中协同工作的高性能AMD EPYC CPU和Radeon Instinct GPU，还是AMD开放的生态系统支持的开源AMD ROCm异构计算软件，都为HPC用户带来了足够靓眼的成绩。

清华大学和上海人工智能实验室联合开发的AutoMat是一个突破性工具，能自动将电子显微镜图像转换为精确的晶体结构模型并预测材料性质。系统整合了模式自适应降噪、物理引导模板匹配、对称感知结构重建和机器学习性质预测四大模块，由大语言模型代理协调运行。在自创的STEM2Mat-Bench基准测试中，AutoMat远超现有多模态大语言模型，为桥接显微镜成像与原子模拟提供了自动化解决方案，显著加速了材料科学研究流程。

蓝宝石创投合伙人高凯茜指出，2025年创业公司面临矛盾的资本市场：资本并不稀缺，但获取资本变得更加困难。她强调，只有五分之一的A轮公司能进入C轮融资。投资者不再追逐增长势头，而是寻求确定性和市场领导地位。C轮公司需具备类别领导者地位、高效增长和可持续发展能力。创始人应将融资视为市场推广活动，提前建立投资者关系，并确保获得多家公司兴趣信号后再启动融资。

2018年可以说是软件定义数据中心的一年，大量自动化和人工智能研发力量致力于打造下一代可扩展的、灵活的数据中心。对于数据中心领导厂商Dell和HPE来说这是开创性的一年，Dell的全球销售处于领先位置，HPE加大了在可组合式基础设施上的力度。

中国电信上海公司（下称“上海电信”）创新打造首个“翼企秀”线上VR展厅，打破时空限制，让广大政企单位能随时随地了解上海电信云网能力、产品和优秀实践案例，令他们在数字化转型中少走弯路，决胜未来。

人工智能和机器学习正在为西班牙顶级足球联赛带来数据增强的策略和体验，该联赛已经成立了一家科技子公司，为体育和娱乐行业提供平台和服务。

产业界正迅速行动，将中央的精神转化为推动技术创新和产业升级的实际行动。

除了医疗领域，人工智能的创新无处不在，Gartner的数据显示，未来几年人工智能的发展将进一步加速，到2020年人工智能和机器学习将成为超过30％的CIO的五大投资重点之一。

这项研究开发了LITMUSVALUES框架，通过道德困境测试揭示AI模型的价值观优先排序，并证明这些排序能预测风险行为。研究发现所有旗舰模型都高度重视隐私，但在关怀等其他价值观上存在分歧；同时发现诚实、尊重和自由能降低多种风险，而创造力和关怀可能增加某些风险。该框架不仅能识别已知风险，还能预测未观察到的潜在风险，为AI安全提供了基于价值观的全新评估方法。

作为全球领先的ICT基础设施与智能终端提供商，华为于9月14日成功举办了“AI上有信仰的云——华为云中国行2018”济南站活动。在本站活动上，华为提出，在+AI时代，华为云为城市产业转型升级和科技创新进步提供扎实的技术支持，助力城市发展的新旧动能转换

近几年来，汽车的电动化、智能化、网联化和共享化进程明显，汽车电子在汽车中所占的比重越来越大。

近期一项调查显示,大型企业正大幅增加对生成式人工智能的投资和应用。本文分析了五个原因,解释为何生成式人工智能的实施将主要由业务部门而非IT部门主导,包括应用范围广、培训需求大、业务导向强等。这意味着技术主管需要做好准备,以更灵活的模式为多样化的需求提供支持。

近日，至顶网总经理兼总编辑高飞、中国科学院计算技术研究所研究员张云泉、英特尔行业解决方案集团首席技术官吴闻新进行了一场主题为“新动能、新机遇，从超级计算到超越计算”的高峰对话。

全球领先的开源解决方案提供商红帽公司近日宣布正式发布红帽OpenShift Lightspeed。该产品是一款基于生成式AI（gen AI）的虚拟助手，已集成至红帽OpenShift。

联想推出了21款全新存储产品（含液冷HCI系统），帮助企业快速构建AI基础设施，推动IT现代化、提高数据管理效率、降低能耗，并满足多种企业级AI与数据更新需求。

秒杀所有机器人？

在信创化浪潮中，虽然“一云多芯”作为一个新的技术名词频频出现在行业报告、产业宣传中，但是相信大部分读者对其了解不够深入。

邻里社交应用Nextdoor推出重新设计版本，新增本地新闻、实时警报和名为"Faves"的AI功能，用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容，通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型，为用户提供本地化AI推荐服务，帮助用户找到最佳餐厅、徒步地点等本地信息。

法国国家科研中心开发的OpenMed NER是一套开源医学文本AI识别系统，能从医学文献中自动提取疾病、药物、基因等关键信息。该系统采用创新的领域自适应预训练和LoRA微调技术，在12个测试数据集中的10个创造了新纪录，特别在临床数据识别方面提升显著。整个训练过程仅需单GPU运行12小时，碳排放不到1.2千克，展现出卓越的效率和环保性。