今年的re:Invent上，Andy Jassy再次为全球40多万名注册观众带来长达三小时的主题演讲，并且一口气发布27项创新的云服务和功能（当天总共发布43项新服务和功能），令到场的媒体和分析师惊叹。

Grindfest是以生物学中的“研磨（grinding）”命名的，或许我可以将其描述为一种医疗朋克亚文化。

气候变化是当今人类面临的最紧迫威胁。而21世纪，AI是应对气候变化的强大工具之一。

美团团队开发的TreeCUA系统通过创新的树状探索方法，让AI能像人类一样操作软件界面。该系统采用多智能体协作框架，实现了完全自动化的GUI轨迹合成，在OSWorld基准测试中达到34.6%的成功率，显著超越现有开源方案，为构建通用计算机使用代理奠定了重要基础。

最大的难题在于如何在当今世界同时完成上述目标，也就是在从根本上转变我们工作方式的同时，还要改变我们与客户进行互动的方式。我们将其称为构建智能化企业的过程。

这项研究提出了一种通过"替身模型"训练视觉编码器并实现零样本嫁接到大型语言模型的创新方法。研究团队分析发现大语言模型内部存在明显的处理阶段转折点，据此构建的替身模型保留早期处理层而压缩后期层。使用替身训练的视觉编码器可直接插入目标大模型而无需额外训练，或作为全面训练的高效起点。实验证明，这种方法不仅能将Llama-70B的训练成本降低约45%，还在部分基准测试中实现了超越全面训练的性能。

中美研究团队发现AI使用工具后会出现"思维混乱"现象，提出ARPO训练方法，让AI学会在困惑时智能探索、清晰时高效执行。该方法在13个复杂任务上全面胜出，工具使用效率提升一倍，为构建更智能的AI助手奠定基础。

不可否认，每一项新技术或新鲜事物的到来，市场总是充满着狂热与迟疑、追逐与观望、渴望与纠结、贪婪与恐惧，特别是当一项技术的影响是覆盖全民全行业，甚至上升到国家战略层面时。历史是如此，5G也是如此。

2005年，我在AT&T（美国电报电话公司）贝尔实验室开始了我的职业生涯。当时，电信产业正受困于价格战和来自无线运营商的竞争，看着一个又一个同事离职，前往谷歌和雅虎这样正蓬勃发展的消费互联网产业寻求职业发展机会时，我不禁也开始思考自己的下一步。

紫光以全新姿态——国产品牌商用计算机新势力正式宣布进入计算机市场，并推出了全新的Unis系列台式机和Unis系列显示器产品。

未来，数据离不开智能，从数据驱动到智能运营，用友已经在深化布局数智应用服务能力，构建数据要素生态，让数据真正成为企业价值资产。

今年7月22日，Melissa Di Donato接替宣布退休的Nils Brauckmann，担任SUSE CEO，Melissa Di Donato也是SUSE首位女性CEO。随着SUSE新任CEO的到任，退出OpenStack，启动百日计划，一个全新的SUSE正在慢慢呈现。

今天，英特尔在北京举办以“AI 无处不在，创芯无所不及”为主题的2023 英特尔新品发布会暨 AI 技术创新派对。

这项研究提出了"多轮分解"(MinD)方法，将大型推理模型的冗长思维链重构为结构化的多轮对话形式，每轮包含一个思考单元和一个答案。通过监督微调和强化学习相结合的训练策略，MinD在MATH等基准测试上实现了高达70%的标记使用量和首个标记延迟(TTFT)降低，同时保持了竞争性能。研究表明，传统推理模型中存在大量冗余思考过程，而MinD通过"完成比完美更重要"的理念，使模型学会生成更简洁高效的推理过程。

软思维是一种创新方法，让AI能在连续概念空间而非离散语言中思考。通过保留词汇表的完整概率分布而非选择单个词，这种无需训练的技术让大型语言模型能同时考虑多种推理路径。实验表明，软思维在数学和编程任务上提高了准确率（最多2.48%），同时减少了生成长度（最多22.4%）。这一研究打破了AI推理的传统限制，展示了更接近人类抽象思维的推理方式。

MIT研究团队开发的调制掺杂技术首次在硬件层面解决了AI芯片的"灾难性遗忘"难题。该技术通过在忆阻器中加入特殊掺杂原子，创造双层记忆系统，让AI芯片能像人脑一样持续学习而不遗忘旧技能。测试显示，该技术让AI对原任务的准确率保持在85%以上，同时减少70%的训练能耗。这项发表于《自然电子学》的研究将为智能手机、自动驾驶汽车等设备带来革命性改进，预计三到五年内实现商业化应用。

上海AI实验室联合复旦大学提出MIG方法，通过构建语义标签图和最大化信息增益来自动筛选AI训练数据。该方法能用5%的精选数据达到完整数据集的训练效果，在多项评估中提升1-6%，计算效率比传统方法快100倍以上，为AI训练提供了高效的数据选择解决方案。

尽管区块链技术的确能有效提高跨境支付效率，且能以消除中间商的方式降低成本，但其尚未证明自己可以是工业规模型工具。

Google DeepMind最新研究发现，视频生成AI模型Veo 3展现出惊人的零样本学习能力，能够在未经专门训练的情况下完成图像分割、边缘检测、迷宫求解等多种视觉任务。研究团队通过18,384个视频样本验证了这一发现，认为视频模型正朝着通用视觉智能方向发展，可能引发类似大语言模型的行业变革。

ByteDance研究团队推出的M3-Agent是首个具备长期记忆能力的多模态AI代理。它能同时处理视频、音频信息，像人类一样积累经验和知识。系统采用情节记忆和语义记忆双重机制，以实体为中心组织信息，并通过多轮推理解决复杂问题。在专门构建的M3-Bench测试中，M3-Agent全面超越现有技术，为智能助手的发展开辟了新方向。