在赣南，科技的枝芽早已深入农业生产、乡村治理、政务系统，乃至工厂产线的各个角落。

华南理工大学研究团队开发出Grounded-VideoDiT系统，突破了AI长视频理解的关键技术瓶颈。该系统通过扩散时间潜在编码器、实体感知分割跟踪和混合标记策略三大创新，让AI具备了精确的时间定位、物体跟踪和多模态推理能力。在多项测试中表现优异，为教育、安防、医疗、体育分析等领域的视频应用开辟了广阔前景。

7月7日，在2023世界人工智能大会（WAIC）期间，由上海市浦东新区青年联合会、优刻得、达观数据联合主办“AI生成与垂直大语言模型的无限魅力”主题论坛线上线下同步召开。

随着企业数字化转型的进行和后疫情时代的转型加速，计算需求大幅增加。

IDC最新报告显示，2025年第一季度全球服务器销售额达952亿美元，同比增长134.1%。该机构预测X86服务器市场2025年将增长39.9%至2839亿美元，配备GPU的服务器销售额增长46.7%，将占全球服务器收入近半。然而，AMD的AI加速器市场预测与IDC服务器预测存在巨大分歧，AMD预计2028年AI加速器市场将达11310亿美元，远超IDC的整体服务器销售预测，显示AI设备需求预测面临重大不确定性。

戴尔科技集团宣布推出戴尔易安信PowerOne自治基础架构，通过将戴尔科技集团产品家族的计算、存储、网络、数据保护、以及虚拟化为一体，真正实现大道至简。

复旦大学和字节跳动团队开发的Agent-R框架，通过让AI学习从错误中恢复而非仅模仿完美示例，实现了AI自我反思和纠错能力的突破。该研究在三个交互环境中验证了AI错误恢复能力的显著提升，平均性能提高5.59%，为智能助手向更灵活适应的问题解决者转变奠定了基础。

新思科技中国区软件应用安全技术总监杨国梁告诉记者，DevSecOps、云化转型、风险管理成为企业确保AppSec的重要趋势。 现在，企业开始意识到AppSec与构建、部署和运行软件的方式密不可分。

这项由Mohamed bin Zayed人工智能大学研究团队主导的研究首次建立了针对大型音频语言模型的安全性测试基准。研究发现，当前主流音频语言模型在面对特定音频扰动时，即使是微小的声学变化也能显著降低其安全防护能力，导致生成有害内容。研究团队构建了包含1,495个对抗性音频样本的数据集，并开发了音频扰动工具包来生成更具挑战性的测试样本。实验评估了七种主流模型，结果显示没有一个模型能在所有安全维度上保持一致的鲁棒性，这为音频AI安全研究提供了重要基础和方向。

北电数智首席战略官杨震先生分享了《构建算力新生态，助推数字经济蓬勃发展》的演讲。

伊利诺伊大学研究团队开发的Search-R1系统让AI学会了像人类一样边思考边搜索的能力。通过强化学习，AI能够主动决定何时搜索外部信息、如何整合搜索结果进行推理。该系统在七个问答数据集上平均提升20-24%的准确率，代表了从封闭知识系统向开放学习系统的重要转变，为构建更智能的AI助手奠定了基础。

这项研究提出了"下一事件预测"作为培养视频AI时间推理能力的新方法。研究者将视频分为过去和未来部分，让AI预测未来事件，而不仅仅是描述所见。他们创建了V1-33K数据集（包含33,000个视频片段）和FutureBench测试基准，实验证明这种方法显著提升了模型的时间推理能力。研究发现，演绎推理（通过下一事件预测）比归纳推理（视频问答）和溯因推理（先前事件预测）更有效，简单的监督式微调就能取得良好效果，且增加数据量超过5K后效果提升不明显。

OmniResponse是由KAUST和埃克塞特大学研究团队开发的创新系统，首次实现了在线多模态对话响应生成（OMCRG）任务。该系统能够实时处理说话者的视频和音频输入，并生成与之同步的听众面部表情和语音反馈，通过引入文本作为中间模态并利用Chrono-Text和TempoVoice两个关键模块解决了多模态同步生成的难题。研究团队还构建了ResponseNet数据集作为评估基准，实验表明OmniResponse在语义内容、音视频同步和生成质量方面显著优于基线模型，为人机交互、元宇宙体验和心理健康干预等应用领域开辟了新可能。

本文探讨在处理海量遥测数据的电商平台中，如何构建AI驱动的可观测性系统。作者提出利用模型上下文协议(MCP)解决数据碎片化问题，通过三层架构设计：上下文丰富的数据生成层、MCP服务器数据访问层、AI驱动分析引擎层，实现从日志、指标、链路追踪中自动提取洞察。该方案可显著降低异常检测时间，提升根因分析效率，减少告警噪音，为工程团队提供主动式而非被动式的系统监控能力。

Anthropic在这次更新中不仅提升了模型的整体性能，还在专业领域如编程、视觉理解等方面取得了显著进步。特别是新增的计算机使用能力，虽然仍处于早期阶段，但展现出了AI与计算机交互的新可能性。

每个人都可以根据自己的具体目标定制和调整指标和或关键绩效指标，但以下的五个例子可以很好地说明领导者如何衡量数字化转型的成功。

SWE-bench-Live是微软与上海人工智能实验室联合开发的持续更新基准测试平台，解决了现有代码修复评估工具的数据老化、覆盖有限和人工依赖问题。核心创新是REPOLAUNCH自动化流水线，能从GitHub抓取2024年后的1,319个真实问题，自动配置Docker环境。研究发现最先进的AI代码助手在该平台上的解决率仅为19.25%，远低于静态基准测试表现，尤其在处理多文件修改和大型代码库时存在明显局限。

本文探讨2025年人机合作新趋势，AI负责处理数据密集型任务，人类侧重创意、情商和伦理决策，企业高层须通过透明与负责任的变革管理，实现人机优势互补。

尽管人工智能可以自动完成非常耗时的发布任务，并且帮助预测人们想要阅读的内容，但它仍然无法很好地完成写作——至少到目前为止，还不行。

亚马逊在生成式AI爆发初期便敏锐意识到了人工智能培训的重要性，2023年宣布启动“AI就绪（AI Ready）”计划，通过系统化的人才培养架构，不仅着眼解决当下企业AI应用的人才缺口，更为全球数字经济发展构建了AI人才储备体系。