/
超越能源使用：数据中心可持续运营策略
随着AI广泛应用推动数据中心建设热潮，运营商面临可持续发展挑战。2024年底美国已建成或批准1240个数据中心，能耗激增引发争议。除能源问题外，服务器和GPU更新换代产生的电子废物同样严重。通过采用模块化可修复系统、AI驱动资产跟踪、标准化数据清理技术以及与认证ITAD合作伙伴合作，数据中心可实现循环经济模式，在确保数据安全的同时减少环境影响。
剑桥大学突破性研究：如何让AI在对话中学会真正的自信判断
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷，容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法，但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导，强调了开发更可信AI系统的紧迫性。
2026年超大规模数据中心运营商发展前瞻：全球最大数据中心运营商的未来走向
超大规模云数据中心是数字经济的支柱，2026年将继续保持核心地位。AWS、微软、谷歌、Meta、甲骨文和阿里巴巴等主要运营商正积极扩张以满足AI和云服务需求激增，预计2026年资本支出将超过6000亿美元。然而增长受到电力供应、设备交付和当地阻力制约。截至2025年末，全球运营中的超大规模数据中心达1297个，总容量预计在12个季度内翻倍。
威斯康星大学研究团队破解洪水监测难题：AI模型终于学会了“眼观六路“
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统，通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力，在国际标准数据集上创造最佳成绩，参数效率提升93%，为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。
TOTOLINK EX200存在未修复固件漏洞可被完全远程接管
CERT协调中心披露TOTOLINK EX200无线扩展器存在未修复安全漏洞CVE-2025-65606。该固件上传错误处理逻辑缺陷可能导致设备意外启动未认证的root级telnet服务。已认证攻击者可通过上传恶意固件文件触发异常状态，获得设备完全控制权限，进行配置篡改或任意命令执行。TOTOLINK尚未发布补丁且产品不再维护。
华为新方法让AI看图更准确：视觉语言模型的“对比感知“训练法
华为研究团队提出CPPO方法，解决视觉语言模型中感知与推理能力混淆的问题。该方法通过熵变化自动识别依赖视觉信息的词汇，采用三元组对比学习优化感知能力，在多个基准测试中显著提升了AI的视觉理解准确性，为多模态AI训练提供了新的精细化能力管理方案。
Ring推出Fire Watch功能，利用家庭摄像头追踪野火威胁
洛杉矶大火一年后，亚马逊Ring安全服务推出Fire Watch功能以降低野火风险。该功能集成在Ring应用的邻里版块中，计划今春全美推广。系统依托非营利组织Watch Duty的野火预警，当检测到野火时会通知附近用户，符合条件的户外摄像头将启用AI图像识别监测火情。Ring还推出AI异常事件预警和主动警告功能。但隐私问题仍存争议，多个州因隐私法限制相关AI功能使用。
哈佛大学学者发明“思维压缩器“ 让AI推理速度飞跃5倍
哈佛大学等机构研发的ORION模型通过"心智语言"技术，让AI推理效率提升5倍、成本降低9倍，同时保持90-98%的准确率。该技术模仿人类简洁思维模式，用符号化表达替代冗长推理，在数学问题求解中实现了4-16倍的文字压缩，为AI实用化部署开辟新路径。
Snowflake与Google Gemini深度整合，全云环境支持数据分析
数据平台Snowflake将谷歌Gemini模型集成到其Cortex AI中，让客户在数据环境边界内访问基础模型。Cortex AI支持跨云推理，无论客户环境运行在AWS、Azure还是谷歌云上。该平台已支持OpenAI、Anthropic等多家模型提供商，采用按需付费模式。客户可通过SQL或API直接访问模型，分析多模态数据并构建AI应用场景。
当机器人长出“第三只手“：帝国理工学院的仿人机器人平衡术革命
帝国理工学院研究团队开发出突破性分层控制系统，解决装备额外机械臂的仿人机器人行走稳定性难题。通过"分工合作"策略，低层控制器负责基础行走，高层控制器指挥机械臂动态平衡，实验显示机器人行走模式与正常状态相似度提高47%，为多功能机器人应用奠定技术基础。
联想和摩托罗拉推出自有设备端AI助手
联想宣布将于本季度晚些时候推出跨设备AI助手Qira，支持联想电脑和摩托罗拉智能手机。该助手运行在系统级别，无需用户主动开启即可使用。Qira能够撰写邮件、转录翻译会议内容并提供摘要。在隐私保护方面，联想表示Qira采用混合架构，优先进行设备端处理，未经用户许可不会收集客户数据。
UCSB研究团队推出革命性视频理解系统：一个点击就能构建完整场景关系图
这是一项关于用户引导视频场景理解的突破性研究。加州大学圣巴巴拉分校团队开发了Click2Graph系统，用户只需在视频中点击一次，系统就能自动追踪目标对象，发现相关互动物体，并预测它们之间的关系，生成完整场景图谱。该系统创新性地结合了交互式分割和语义推理，为机器人、自动驾驶等领域提供了可控制、可解释的视频理解解决方案。
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
