东京理科大学电机工程系团队开发了一种创新的双重可扩展退火处理系统，该系统能提升全耦合伊辛机在求解调班、交通调度和药物研发等复杂问题时的容量与精度，标志着在构建高效求解器方面迈出重要一步。

Facebook的研究人员就是这样做的，他们周一发表了有关用机器学习调整运行在社交网络服务器基础设施上的服务器设置的文章。

英特尔和谷歌云宣布在多个服务区域全面推出基于第4代英特尔至强处理器的新型机密计算实例。

Panmnesia 开发的 GPU 内存扩展方案荣获 CES 创新奖。该技术通过 CXL 技术将外部内存快速接入 GPU 统一虚拟内存空间，有效解决大规模 AI 训练中 GPU 内存不足的问题，显著降低 AI 基础设施成本。该方案比传统方法延迟更低，引起了 AI 数据中心行业的广泛关注。

为了使该模型能在手机、平板、笔记本等移动设备上部署使用，Meta使用了带有LoRA适配器的量化感知训练和SpinQuant进行了大幅度性能优化，平均减少了41%的内存使用、减少56%的模型规模，但推理效率却提升了2—4倍。

业务成功的关键驱动力在于企业开发和交付软件的速度。团队任务是不断寻找尽可能高效的工作新方法，通常会借助开源库和组件来加快交付速度。事实上，有研究表明市场上多达97%的应用程序都使用开源软件。

11月8日，MIUI11稳定版开启第二批机型的升级推送。截至目前，包括此前发布的小米9、小米9 Pro 5G、Redmi Note 7等机型在内的15款机型都可以升级到最新MIUI11操作系统。

Docker 推出基于容器化的 MCP 目录、工具包以及模型运行器，实现了 AI 组件部署、安全管理和标准化集成开发，兼顾传统应用和 AI 系统需求。

根据Gartner预测，到2022年将有75％的数据库被部署到或者迁移到云平台，只有5％的数据库在内部部署的环境中，而这一趋势主要归结于用于分析的数据库以及SaaS模式。

2022年度风险评估系统平台奖

特斯拉和英伟达在AI系统训练方面采取了不同策略。英伟达推出Cosmos平台,利用合成数据加速物理AI系统开发。而特斯拉则坚持使用真实世界数据,认为合成数据无法完全模拟复杂的现实场景。两种方法各有优劣,未来可能需要平衡使用以创造真正的商业价值。

正所谓DevOps微服务一相逢，便胜过单体无数。

近日，国内某音乐院校通过浪潮信息采用AI算力服务，顺利完成音乐分离模型的研发部署，并将模型训练效率提升5倍。

Anthropic 推出了 Claude 3.7 Sonnet 模型，这是首个"混合推理模型"，能根据用户需求进行即时回答或逐步思考。新模型强化了编码和前端开发能力，并推出了 Claude Code 工具，可直接在终端界面执行编码任务。此次更新旨在提供更统一、无缝的用户体验，满足企业实际需求。

人工智能（AI）是一种与人类相似的思维和行为能力，被用来帮助抵御潜在的网络攻击。利用人工智能和机器学习来检测漏洞大大增强了人类的能力，因为人工智能可以在一个人可能需要的很短时间内分析和报告数百万网络威胁。

苹果公司正努力检测飞马间谍软件，但新报告显示其当前仅能发现约一半受感染设备。iOS 系统内置代码旨在检测未知漏洞，并通知可能受感染用户。然而，第三方安全公司 iVerify 的数据表明，许多受害者并未收到苹果的威胁通知，显示出当前检测方法的局限性。这凸显了移动安全面临的持续挑战。

ReaQta公司成立于 2014 年，提供的端点安全平台利用人工智能来识别和管理威胁，同时自动保持不被攻击者检测到。ReaQta的Active Defense Intelligence Platform平台为客户提供了先进的检测和响应能力，无需额外的技术人员或者资深技术人员。

蛋白质的形状直接影响其行为，因此，了解蛋白质的形状是许多研究项目中重要的一步，DeepMind开发的AlphaFold AI系统可以协助科学家完成此项任务。

OpenAI宣称已经开发出一种使用其最新的生成式人工智能模型GPT-4进行内容审核的方法，以减轻人工团队的负担。

8月16日-17日，2022年可信AI峰会在北京举办。