思科推出AppDynamics Cloud云服务，这是一个云原生可观察力平台，适用于基于日益复杂的分布式架构和服务构建的现代应用。

近期，Gartner发布了《2022中国智慧城市与可持续发展技术成熟度曲线报告》（Hype Cycle for Smart City and Sustainability in China, 2022）。

Akamai Connected Cloud，是一款涵括云计算、安全防护和内容交付的大规模分布式边缘和云平台，可使应用程序和体验更靠近用户，帮助用户远离威胁。

随着新能源电力装机的快速发展，电力系统面临不断的进化，电力储能技术将成为解决新能源电力稳定供应的关键一环。

HPE公司宣布其将为2026年米兰-科尔蒂纳冬奥会提供网络基础设施，这是HPE与其收购的Juniper Networks首次在重大赛事中联合部署技术服务。本届冬奥会覆盖超过2.2万平方公里，是史上地理分布最广的奥运会，拥有40多个场馆。HPE部署了包括4900多个接入点、1500多台交换机等设备，运用AI原生的HPE Mist平台和Marvis Copilot提供智能网络管理，确保为3000名运动员、媒体转播商和观众提供奥运级别的网络稳定性和安全性。

AI与印地赛车之间的关联似乎并不明显，但从量化指标的角度来看，参加印地赛事的每辆车上都有约140个数据传感器，且每辆车每场比赛都会产生约1TB的数据。换言之，我们在很大程度上已经能够从纯数字的角度理解这一知名赛事。

一款新药研发到最终上市最少花费10年，耗资最少10亿美元，被公认为医药研发的“双十定律”，AI能解决这个问题吗？

作为卷烟生产的重要一环，制丝工艺的优劣直接影响卷接工序的工作效率。烟丝中的梗签、梗片是引起卷烟机频繁停机的元凶之一，不仅造成原材料浪费，而且会严重降低烟支的可燃性，导致“熄火”和“爆花”现象产生。

Google 在生成式 AI 领域起步较晚，但近期 Gemini 发展迅速。最新发布的 Gemini 2.5 Pro (实验版)在基准测试和用户体验方面均有显著提升，有望挑战 ChatGPT 的主导地位。Google 表示，这得益于长期投资的成果开始发挥作用。新版本在推理能力、性能效率等方面都有进步，但在技术细节透明度方面仍有待改进。

富士通扫描仪的产品线如何划分？其又有哪些核心亮点与优势？带着这些疑问，至顶网采访了富士通信息系统（深圳）有限公司技术专家李杰明先生，围绕富士通扫描仪的产品与核心技术等问题进行了深入沟通。

与企业共同成长，意味着Infor自己的成长速度要快于企业，只有如此，才能在瞬息万变的时代始终满足客户的需求。

在网易云信副总经理沈青松看来，伴随中国数字经济的不断发展壮大，PaaS市场在2018年会迎来爆发之年，并最终与IaaS、SaaS在中国云服务市场上"重分天下"。

IBM（纽约证券交易所：IBM）于美国东部时间9月13日发布其下一代LinuxONE服务器。

三星和SK海力士将与OpenAI合作在韩国建设星门数据中心，这是OpenAI全球基础设施推进计划的一部分。星门项目总投资5000亿美元，计划到2029年建设20个AI数据中心。两家韩国内存制造商将把芯片产能扩大至每月90万片晶圆，主要生产HBM等高带宽内存。该合作预计为三星和SK海力士带来超过1000万亿韩元的增量需求。

过去七年中，基于机器学习的AI工具几乎完全自动化了地震学的基础任务——地震检测。AI模型能够检测到比人工分析师更小的地震，特别是在城市等嘈杂环境中。斯坦福团队开发的地震变换器等模型使用一维卷积和注意力机制，在包含120万个人工标记样本的数据集上训练。这些工具通常能发现比传统方法多10倍以上的地震，为火山结构成像和地质研究提供了更全面的地震目录。

HoloLens正在为人类提供一种新的工作、学习、交流和做事的方式。

Trinity-RFT是阿里巴巴团队开发的开源框架，专为大语言模型的强化微调设计。它采用三位一体结构，包含RFT核心（探索者、训练者和缓冲区）、智能体-环境交互和数据流水线三大核心组件。框架支持同步/异步、在线/离线和策略内/外等多种训练模式，能优雅处理复杂的现实场景如延迟反馈和环境失败。Trinity-RFT还提供了丰富的数据处理功能和人机协作界面，并通过Trinity-Studio实现无代码操作。

说起SAP，可能大家首先想到的是大名鼎鼎的企业资源规划（ERP）、客户关系管理（CRM）、供应链管理（SCM）、商业智能（BI）等广为人知的明星产品。

一款新药研发到最终上市最少花费10年，耗资最少10亿美元，被公认为医药研发的“双十定律”，AI能解决这个问题吗？

电子前沿基金会(EFF)更新政策，明确要求代码贡献者必须理解其提交的代码，注释和文档须由人工编写。该组织并未完全禁止AI编程工具，而是通过要求开发者承担代码责任来提升质量。专家认为这种方法巧妙地将重点从检测AI代码转向确保开发者理解和解释其代码，通过文档要求和抽查机制来执行。这一策略可能为企业和开源项目应对AI低质量代码问题提供可行模板。