国内的低代码领域，已经从成长期开始进入成熟期。这是否预示着，大企业数字化转型的低代码时代将要到来？

在步入数字化转型2.0后，传统企业数字化转型的首要任务在于，核心业务上云和新老业务的云上融合。如何帮助企业跨越这些门槛，青云QingCloud对此进行了积极探索。

常常在思考一个问题，传统企业，尤其是传统小微企业，如何实现数字化转型？最近刷抖音里，刷到一个00后帮父母卖袜子的小妹，还有两个卖牛肉的中年油腻大叔，他们这么做算不算是数字化转型？

KAUST研究团队开发的Mind-the-Glitch系统首次实现了AI图片生成中视觉一致性的精确检测和定位。该系统通过分离扩散模型的语义和视觉特征，创新性地解决了传统方法只能给出整体评分却无法指出具体问题位置的难题。其提出的VSM指标在测试中显著优于CLIP、DINO等现有方法，为AI图片生成质量评估提供了新的标准工具。

进入2018年，网络安全行业仍将受到WannaCry勒索软件工具和Equifax数据泄露的影响，受影响规模超过1.43亿人。厂商和解决方案提供商在准备应对新威胁的同时，他们也需要帮助客户应对从5月开始生效的欧盟通用数据保护条例（GDPR）。

在近日举行的主题为“共塑·未来”的2020西门子中国数字化创新峰会上，西门子诠释了对于后疫情时代创新模式的洞察和主张。

上海人工智能实验室的研究揭示了视觉语言模型具有"视觉拼接"能力，可以整合训练中看到的分散图像碎片。研究者将图像切分成不同粒度的碎片进行测试，发现模型不仅能根据完整图像识别相关信息，还能通过纯文本引用进行推断。这种能力虽有助于模型泛化，但也存在安全隐患：有害内容可被切分成看似无害的碎片绕过内容审核，而模型仍能将它们重组理解。研究团队建议开发超越样本级别的审核技术，以应对这一新兴安全挑战。

加州大学伯克利分校研究团队开发出"分层运动预测网络"，让AI通过观看视频学会预测复杂物体运动，无需精确物理计算。系统在简单运动预测中达91%准确率，复杂场景78%，某些情况下超越人类判断。技术有望应用于机器人、自动驾驶、家庭服务等领域，为AI理解物理世界开辟新路径。

微软的精神，在于多元和包容。在过去的三到五年里，微软一直非常重视多元和包容文化氛围的建设，一方面微软认为这是在做一件对的事情，另一方面这对于微软的业务发展也很重要。

折叠屏成为许多厂商探索创新的救命稻草，2023年会是折叠屏手机的新拐点吗？折叠屏手机在未来能否成为主流？

云计算、微服务、容器等技术由于能够提供更低成本、更高效率、更灵活配置的开发环境和开发方式，注定将成为保险行业，甚至整个金融行业数字化转型的基调。

总有人说“百岁”的IBM在新时代已经掉队，但笔者更愿意称其为“拓荒者”。

在大多数人的印象里，去医院看病的体验并不太好。门诊大厅里，挂号、收费、取药和办理手续的人们大排长龙，等待就诊的患者拥挤在诊室的门口，患者家属带着检查结果在各个楼层来回奔波，伴随患儿的哭闹声，一切场面都让人揪心又烦心。

作为工业领域的“头部玩家”，西门子一直以创新的姿态，推动业界不断拥抱从概念到技术的诸多革新，对大模型的创新探索也是如此。

上海交通大学研究团队提出Iwin Transformer，这是一种无位置编码的分层视觉变换器，通过创新的交错窗口注意力和深度可分离卷积协作，能直接从低分辨率微调到高分辨率。该方法用注意力连接远程令牌，用卷积连接邻近令牌，在单模块内实现全局信息交换，克服了Swin Transformer需要两个连续块的局限。在ImageNet-1K上达到87.4%准确率，在语义分割和视频识别等任务中表现出色。

在华为的伙伴体系中，软通动力无疑是一支重要的力量。

这篇来自麻省理工学院研究团队的论文提出了"统一微调"(UFT)方法，创新性地融合了监督式微调(SFT)和强化式微调(RFT)的优势。传统上，SFT擅长让模型"记忆"标准答案但易过拟合，RFT则培养模型"思考"能力但依赖基础模型强度。UFT通过部分解答提示和混合目标函数，让模型同时获得"学习"和"思考"的能力，实验证明它在不同规模模型和各类推理任务上均优于现有方法，且理论上能将RFT的指数级采样复杂度降至多项式级，大幅提升训练效率。

具身智能由专家建模求解转为数据驱动学习训练，由模块解耦分离转向感控一体端到端。

具身智能由专家建模求解转为数据驱动学习训练，由模块解耦分离转向感控一体端到端。

11月18日，在2022中国电子云峰会上，中国电子云曹心驰发布了中国电子云分布式云战略以及仓海CeaStor分布式海量存储16000系列产品。