2020年，对任何企业都是极富挑战性的一年。从年初开始逐渐蔓延的新冠疫情，在过去的整整半年时间里，持续对企业的生存提出巨大的挑战。

近日，作为“新玩家”，海航旗下的易建科技在京高调推出6大云新品，在主要企业云应用场景上实现了产品首次基本完整覆盖。

Riot Games通过内核级防作弊系统 Vanguard 利用 Windows安全功能识别和封禁作弊者，并运用硬件指纹与策略渗透，成功将 Valorant 排位赛作弊率降至1%以下。

德国研究团队开发出MedSAMix技术，这是一种无需训练的AI模型融合方法，专门用于医学图像分割。该技术通过智能组合现有的通用型和专用型AI模型，在25个医学影像任务上实现了显著性能提升，单任务场景下提升6.67%，多任务场景下提升4.37%。与传统需要大量GPU和数天训练的方法相比，MedSAMix仅需2-4块GPU和数小时即可完成优化，大幅降低了医疗AI的应用门槛和成本，为医疗机构提供了更经济高效的智能诊断解决方案。

IBM中国“AI深耕”计划是一次探索“AI+产业”深度融合的新起点，企业AI的应用场景正在逐步展开，创新机遇也正在加速成型。

英迈国际执行副总裁兼亚太区总裁Mike Zilis提出英迈国际继续致力于基于围绕合作伙伴解决方案技术的生态系统战略，打造一个满足未来经济基础一站式新体验的服务和解决方案。

浙江大学等联合研究发现，AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时，单样本训练、错误奖励等非常规方法也有效；但面对陌生任务时，这些方法失效，只有标准训练有用。研究团队通过大量实验证实，这种"舒适圈"现象比数据污染更能解释训练差异，为AI训练策略优化提供了新思路。

ETH科学家突破AI图像生成经典难题，提出频率解耦指导方法，让AI在低指导条件下也能生成高质量图像。该方法通过分别控制图像的低频结构和高频细节，完美平衡了图像质量与多样性，无需重训练即可应用于所有现有模型，在多个基准测试中均显著超越传统方法。

在信息技术快速发展和数字化浪潮席卷全球的今天,中国企业正积极迎接数字化转型的挑战和机遇。

西班牙巴斯克大学领导的国际团队开发出专门针对阿拉伯语的增强搜索系统，通过创新的"注意力相关性评分"机制，让机器能更精准理解阿拉伯语问题并找到准确答案。该系统在Top-1准确率上达到37.01%，比现有最佳系统提升0.91个百分点，为阿拉伯语用户带来更好的智能搜索体验。

清华大学研究团队开发了MATE多智能体翻译系统，这是首个专为残障人士设计的开源AI辅助工具。该系统能在文字、语音、图像间智能转换，如将图片转为语音描述、语音转文字等。系统包含8个专业智能体协作，准确率达91.7%，支持本地运行保护隐私，为视听障碍等用户群体提供了强大的信息获取工具。

“技术变革”与“生态传承”的故事每天在发生，同样正发生在5G时代。

德州大学研究团队开发的PRvL系统成功将大语言模型应用于个人信息保护，实现了99.4%的识别准确率和极低的隐私泄露风险。该系统支持多种模型架构和训练策略，具备跨语言处理能力，完全开源可本地部署，为医疗、法律、金融等敏感领域提供了实用的隐私保护解决方案。

在日前高交会期间举行的2019亚太智慧城市发展论坛上，华为提出了“5G＋AI，开启智慧城市孪生新时代”的全新理念。

Hugging Face团队发布SmolLM2语言模型研究报告，详细阐述了17亿参数小型模型的创新训练方法。该研究通过多阶段精细化训练策略和三个全新数据集(FineMath、Stack-Edu、SmolTalk)的创建，证明了小模型在数据质量优化下可达到优异性能。模型在多项基准测试中超越同规模竞品，为人工智能技术的普及化和可持续发展提供了新的技术路径。

这项由尼日利亚阿雷瓦数据科学学院主导的国际研究，通过对比DenseNet、ResNet、EfficientNet和Vision Transformer四种深度学习模型，为非洲野生动物保护提供了AI技术解决方案。研究发现DenseNet-201在实用性和准确率间达到最佳平衡，并成功部署了在线识别应用，为AI技术服务野生动物保护事业提供了完整的从理论到实践的范例。

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。

展望未来，自动驾驶发展进入快车道，其对信息安全的需求得到释放，云驰未来持续投入，专注于自动驾驶安全和智能汽车安全，持续赋能汽车产业的信息安全防护。

清华大学和理想汽车联合开发的ReflectDrive系统，首次为自动驾驶引入"反省机制"，让AI司机具备自我纠错能力。通过将驾驶空间离散化和两阶段路径生成，系统能在规划路径后主动检查安全性，发现问题时智能修正。在NAVSIM基准测试中，该系统综合得分达91.1分，接近人类驾驶水平，为自动驾驶安全性和智能化开辟了新路径。

斯坦福大学研究团队开发了史上最具挑战性的AI数学推理测试系统Putnam-AXIOM，基于威廉·洛威尔·普特南数学竞赛的522道大学级难题。测试结果显示，即使最强的AI模型也只能达到42%的正确率，远低于它们在传统测试中的表现。研究还创新性地引入了变形题目生成和教师强制准确率评估方法，有效识别了AI对训练数据的记忆依赖问题，为真实评估AI数学推理能力提供了新标准。