天津大学和清华大学研究团队开发的FuxiMT是首个中文为中心的多语言翻译模型，基于BLOOMz模型并整合了混合专家技术，支持65种语言的翻译。其采用两阶段训练策略：先在50亿中文句子上预训练，再通过课程学习方法在多语言并行语料上微调。实验表明，FuxiMT在各种资源水平的语言对翻译任务中均优于主流基线，尤其在低资源语言和零样本翻译中表现突出，为跨语言交流提供了新解决方案。

在技术至上的背景下，作为科技领域最顶尖的计算力代表，HPC也正在面临一个新的时代，当HPC真正做到“平民化”，这支略显陈旧的“酒瓶”，才会散发出令人陶醉的酒香。

随着ChatGPT为代表的AIGC火爆全球，人工智能、大模型等高密度业务应用带来的数据量和计算量呈爆发式增长，市场对算力的需求也越来越大。

在3月推出Data Warehouse Cloud之外，Oracle今天再次加码自主功能，推出了面向其分析、集成和可视化云服务的内置人工智能和机器学习算法。

这是Meta首款能够理解图像和文本的旗舰视觉模型。

在浪潮信息副总裁、浪潮服务器产品部总经理沈荣看来，云计算走过十年历程，全球公有云市场规模增长4倍以上，成为带动服务器市场的主要增长点。浪潮抓住契机，以远高于全球服务器市场平均增长水平的速度快速成长。

Mercury Research的2024年第三季度市场份额统计刚刚公布，我们将结果与Gartner的出货量与收入历史趋势相对比，希望帮助大家了解数据中心x86 CPU的市场发展究竟走到了哪一步。

腾讯和深圳大学联合开发的多视角语言理解技术取得重大突破，通过创新的训练方法让人工智能具备接近人类水平的语言理解能力。系统能准确识别讽刺、情感变化等复杂语言现象，在多项测试中表现优异，已在客服、教育、医疗等领域开始应用，未来有望广泛改善人机交互体验。

数据库市场经过40多年的演进，不少人认为其技术已经趋于成熟，市场趋于稳定。事实证明，技术从来不会停止创新的脚步，在云、AI等技术的带动下，数据库市场依然充满活力，值得期待。

2024年最受关注的监控事件是北爱尔兰警察局 (PSNI) 和伦敦警察厅非法监控记者及其信息来源的丑闻。调查发现警方在14年间对500多名律师和300多名记者实施了监控，引发了公众对新闻自由和隐私保护的广泛讨论。

今日，在HUAWEI CONNECT 2018——“+AI，迈向智能云数据中心的创新之路”的峰会期间，华为云授予哈药集团、新浪微博、恺英网络、金域医学四家企业“超级用户奖”，并在此基础上分设专项领域奖。

微软研究院推出rStar-Math系统，通过创新的"深度思考"训练方法，让小型AI模型在数学推理能力上达到甚至超越OpenAI o1水平。该系统采用代码验证、过程偏好模型和四轮自进化训练，将70亿参数模型的数学能力从58.8%提升至90.0%，在美国数学奥林匹克竞赛中达到前20%水平，证明了精巧方法比模型规模更重要，为AI发展开辟了新路径。

根据网络安全公司 NCC Group 的数据，2024 年 12 月勒索软件攻击数量创下新高，达到 574 起。新出现的 Funksec 团伙贡献了其中 100 多起。工业领域仍是最常受攻击的行业，北美和欧洲是受攻击最严重的地区。专家警告，企业需加强网络安全措施，提高应对不断演变的勒索软件威胁的能力。

近期，伴随网易创新企业大会的圆满收官，网易智企旗下的通信与视频云服务平台网易云信竞争力再度加码：发布新一代音视频技术架构以及系列核心产品、解决方案，以 “音视频技术+即时通讯技术+其他”的融合通信业务模式

随着电商及物流的快速发展，仓库的货品数量越来越多，出入库更加频繁。然而，在疫情以及大环境的影响下，制造产品变得更加复杂，供应链更容易中断。

这篇来自韩国科学技术院（KAIST）的研究介绍了ReFoCUS，一种创新的视频理解方法。不同于传统视频AI模型使用固定的帧采样策略，ReFoCUS通过强化学习教会模型选择最相关的视频帧来回答特定问题。研究团队巧妙地将策略优化从输出文本转向输入视觉层面，让AI能够像人类一样识别关键视觉证据。实验结果表明，这种方法在多个视频问答基准测试中显著提升了性能，特别是在处理复杂的长视频内容时。ReFoCUS代表了视频AI的一个重要范式转变，未来有望应用于更智能的视频内容理解系统。

IBM 研究部门 IBM Research将旗下人工智能超级计算机 Vela 的容量增加了一倍，以应对 watsonx 模型的强劲增长。

本届大会以“未来先行（Future First）”为主题，聚焦“超越5G”“人工智能经济”“数智制造”三大子主题。

针对AIGC时代高算力的GPU或CPU服务器供电与制冷问题，充分满足客户不同计算场景需求，秦淮数据联合合作伙伴首次发布AIGC时代数据中心全栈解决方案。

KAIST研究团队开发出RL-ZVP方法，首次让AI从训练中的"无用数据"学习。传统方法遇到全对或全错答案时会停止学习，但RL-ZVP通过分析词汇重要性给予精确反馈。在数学推理测试中，该方法比现有技术提升高达8.6个准确率点，且训练过程更稳定。这项突破重新定义了AI训练范式，证明了被忽视的训练数据实际蕴含巨大学习潜力。