随着组织减少实验性项目，转向实现商业价值，生成式AI的游戏时代或已结束。企业正聚焦于更少、更有针对性的应用场景，以提高业务绩效。调查显示，大多数高层决策者表示对生成式AI试点项目感到疲劳，正将投资转向能改善业务表现的项目上。未来企业将采取更有针对性的方法，关注特定于其业务的应用场景，以实现AI战略的价值。

在本期的突破性分析中，我们想分享一下我们对数据业务状况的评估。我们将介绍一下数据网格的概念，并以一个领先的金融机构——摩根大通的一个部门为例，介绍他们是如何运用这种相对比较新的理念，面向下一个十年调整其数据架构的。

5G的到来为整个行业带来巨大的商业想象空间。国内5G时间表已经明确，2018年5G组网试验，2019年预商用，2020年正式商用。那么，5G到底是什么技术，它如何提升我们的业务体验呢？

剑桥大学研究团队发布突破性研究，提出通过逆强化学习让AI从人类行为中推断真实意图的新方法。该方法解决了大语言模型训练中的关键挑战，包括缺乏明确奖励信号、计算资源需求巨大等问题。通过观察人类偏好数据而非直接指令，AI能更好地理解复杂的人类价值观，在对话、数学推理等领域表现显著提升。

企业软件支出快速增长，在IT预算中占比不断提升，给IT组织带来管理挑战。这一趋势源于对SaaS平台依赖加深、AI等领域软件产品激增。虽然更好的软件采用规则和治理结构有助控制支出，但部署困难。CIO通过减少工具扩张来控制成本，同时提升数据一致性和产品质量。专家建议建立软件资产清单，设立企业目录，并预测未来十年软件可能占IT预算一半以上。

拼多多要扶持的“新质商家”是什么人？

OpenAI首席执行官阿尔特曼表示，公司计划在不久的将来投入数万亿美元用于AI基础设施建设，包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象，类似于90年代互联网泡沫，但AI技术本身是真实且重要的。他承认GPT-5发布存在问题，并表示OpenAI未来可能会上市。

过去这几年发生的疫情、封锁、运输困境、集装箱船停在港口外和其他造成严重破坏的一系列问题，使得数据驱动型供应链仍然是一个热门话题。

拟化巨头VMware今天宣布收购软件开发平台厂商Pivotal Software和网络安全厂商Carbon Black。

数据保护和管理软件开发商Veeam近日在美国拉斯维加斯举行的VeeamON 2022大会上，发布了Veeam旗舰数据保护技术的最新版本——Veeam Backup & Recovery v12。

缺乏信任是阻碍市场加快增长的最大瓶颈，而未来几周时间内，速度将是至关重要的。

英伟达最小的Grace-Blackwell工作站DGX Spark本周正式上市，搭载GB10系统级芯片，可提供高达1千万亿次稀疏FP4性能，配备128GB统一系统内存和200Gbps高速网络。起售价约3000美元，预装Ubuntu Linux系统。该产品主要面向AI和机器人开发者、数据科学家等专业用户，可运行高达2000亿参数的模型。支持双机互联，可处理4050亿参数模型推理。

IT和OT正在融合、数字技术以及数据日益重要，Huber公司首席信息官Dwain Wilcox领导创建了该公司跨职能的、跨业务的创新引擎。

意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly，能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件，旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元，已向谷歌和多个机场销售超120台设备，计划融资300万美元并拓展美国市场。

如今，我国的两艘航母均系出同源（瓦良格号），这就意味着它们可以共享同样配置的舰载机、舰员和飞行员，操作使用经验和战术也能够通用。

斯坦福大学研究团队开发出名为"投机采样"的AI训练新方法，通过引入小型草稿模型提供候选方案，让主模型无需从零开始计算，训练速度提升2-640倍，同时将能源消耗降低80%以上。这项技术大幅降低了AI模型训练成本，让普通人和小团队也能负担得起高质量AI模型开发，有望推动AI技术民主化普及。

近日，Check Point 研究人员发现了一个严重漏洞，该漏洞使攻击者能够完全控制您的 Windows DNS 服务器，而 Windows DNS 服务器是所有 Windows 网络环境的重要组件。

特种卡车制造商Oshkosh的IT负责人认为，对战略契合度和客户价值的不懈关注以及业务的热情参与，推动了他们技术支持的转型。

汉诺威保险集团正在利用数字工具来简化财产和意外伤害(P&C)保险价值链中从承保到索赔的各方面内容。

随着AI系统复杂性不断增加，AI对齐技术成为确保系统安全可靠的关键。研究人员正通过人类反馈强化学习、合成数据训练、红队测试等技术手段，以及AI治理、伦理委员会等管理方法来引导AI行为。然而，价值观的多样性和AI系统的"迎合性"行为带来了新挑战。最新研究表明，我们可以理解并调整AI内部表征参数来控制系统输出。控制AI不仅是技术挑战，更是道德和政治选择问题。