2025 年 11 月 25 日戴尔科技集团 公布了 2026 财年第三财季业绩报告,以及2026 财年第四财季及全年的业绩指引。公司同时正式任命David Kennedy为首席财务官。
SCU35 评估套件起售价为 229 美元,现已通过 AMD 及其全球分销合作伙伴发售。
英国宠物慈善机构PDSA数据显示,超过半数宠物主担心无法承担兽医费用。科技公司正通过AI和物联网技术解决这一市场需求。在伦敦兽医展上,多家初创公司展示了创新技术:AI for Pet利用视觉AI分析宠物眼部、皮肤等图像提供健康洞察;Sylvester.ai开发AI模型识别猫咪疼痛表情;VEA整合患者数据自动化诊断。此外,智能项圈等物联网设备可追踪宠物健康症状。这些技术有助于宠物主采取预防措施,降低兽医费用。
北欧国家启动统一人工智能产业计划,旨在通过合作在全球舞台上竞争,获得微软和谷歌支持。10月成立的新北欧AI中心获得350万英镑初始预算,但谷歌和微软是唯一提供资金支持的科技公司,具体金额保密。该中心将开发生成式AI系统并建设应用AI服务的系统。北欧教育部长承诺追加资金开发大型北欧语言生成AI模型。尽管资金有限,但北欧国家希望通过联合力量在AI竞赛中提升地位。
加州大学河滨分校研究显示,2019至2023年间,加州数据中心污染对健康的潜在影响增长了两倍。报告警告,若缺乏新的缓解政策,到2028年这一影响可能再增长72%。研究将健康影响激增与数据中心用电量近乎翻倍联系起来,预计2028年全州用电量将达到2019年的三倍。报告呼吁逐步淘汰柴油发电机,采用更严格的选址和排放标准,提高数据中心环境影响透明度。
英伟达SCADA技术是一种新型存储数据IO方案,GPU可直接启动和控制存储IO操作。与现有GPUDirect协议不同,SCADA不仅接管数据路径,还控制IO控制路径。该技术特别适用于AI推理工作负载中小于4KB的小块数据传输,能显著提升处理速度。英伟达正与Marvell、美光等存储生态合作伙伴开发SCADA兼容的SSD和控制器产品。
Hammerspace在IO500基准测试中取得突破,其标准Linux加NFS系统软件实现了HPC级性能,无需专有并行文件系统的复杂性。在SC25的10节点生产环境测试中排名第18位,这是NFS系统有史以来最快的结果。该公司使用标准Linux、上游NFSv4.2客户端和商用NVMe闪存实现了总分85.23的成绩,证明HPC级性能不再需要专有客户端或特殊文件系统。
甲骨文在阿布扎比云区域部署了中东地区首个由英伟达Blackwell GPU驱动的OCI超级集群,旨在加速阿联酋主权AI发展,支持阿布扎比到2027年成为全球首个完全AI原生政府的目标。这项部署是该地区最重要的高性能AI计算投资之一,使政府和受监管行业能够在本地运行训练、推理和研发工作负载,同时保持严格的数据驻留和主权控制。该超级集群为中东政府和企业提供了世界最先进的AI计算能力。
英国领先电信运营商EE在推出5G独立组网(现称为5G+)一年多后,宣布在全国5G+项目中迈出重要一步,为超过50万拥有兼容智能手机的客户提供5G+服务。EE已将5G+覆盖扩展至66%的英国人口,提前五个月超越原定目标。新增20个城镇的5G+服务,惠及160万人。该网络提供比4G高100倍的容量,支持更流畅的流媒体、视频通话和移动游戏体验。
德勤调研显示,三分之二的CIO渴望成为CEO,认为自己具备必要的领导技能和推动创新的能力。52%的CIO表示其IT团队被视为收入创造者而非服务中心,体现了IT部门地位的转变。36%的CIO目前管理损益表,这可能激发了新的职业抱负。专家认为,CIO角色已从IT运营转向业务增长的关键驱动者,在客户体验到收入模式等各方面发挥重要作用。
20世纪90年代末,作者在德州大学聆听了计算机科学巨匠Dijkstra和Wirth的演讲。Wirth通过Pascal到Oberon的语言设计历程,展现了控制软件复杂性的重要性。他和合作者仅用200KB内存就构建了完整的操作系统。随着硬件性能爆炸式增长,软件设计纪律逐渐丧失。如今面对大语言模型时代,我们更需要Wirth倡导的简洁设计原则,避免盲目将LLM应用到已经臃肿的系统架构中。
IBM亚太区总经理汉斯·德克斯表示,随着地缘政治紧张局势加剧和数据主权法律要求,亚太地区首席信息官越来越担心过度依赖少数几家主要云服务商。IBM正将自己定位为中立的技术经纪人,通过Red Hat开源软件作为"万能血型",让应用在本地服务器和各种公有云之间自由迁移。公司专注于混合云、企业AI和量子计算三大技术领域,通过"客户零号"项目在内部实现70个工作流程整合,降低成本45亿美元,为客户提供独立建议帮助其重获灵活性和控制权。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。
卡内基梅隆大学研究团队开发出AutoGEO智能系统,能够自动分析AI搜索引擎的偏好规律并优化网页内容。系统包含高端版AutoGEOAPI和经济版AutoGEOMini,分别可提升50.99%和20.99%的内容可见度。与传统SEO不同,该系统采用合作性优化方法,在提升内容关注度的同时保证搜索结果质量,为AI时代的内容优化提供了科学解决方案。
MIT等顶尖院校研究团队首次系统探索AI评判游戏能力,通过121个全新棋盘游戏测试发现:AI推理能力越强,反而越可能偏离人类直觉。研究揭示"计算完美"与"人类体验"间的根本差异,为AI如何更好理解人类价值观提供重要启示。
微软研究院联合德国法兰克福大学发现AI推理过程的内在"轨迹密码",通过观察模型内部表征变化预测答案质量。研究提出三个轨迹信号,在保持甚至提升准确性的同时,将计算资源消耗减少48%,采样数量减少58%。这项突破为优化AI推理效率、理解模型内在机制提供了全新视角。
这项由乔治亚理工学院和Meta AI等机构联合完成的研究揭示了当前AI长文档处理能力的真实状况。研究团队构建了基于完整维基百科网络的HaystackCraft测试平台,发现传统测试过于简化,无法反映真实应用中的复杂性。研究显示不同信息检索策略会显著影响AI表现,而多轮推理反而可能导致错误累积,即使先进如GPT-5的模型也存在自我纠错能力不足的问题。
Meta团队通过超过40万GPU小时的大规模实验,首次为AI强化学习训练建立了科学预测方法。他们发现AI训练遵循S型增长规律,并开发出ScaleRL标准配方,能根据小规模实验准确预测大规模训练效果。该研究成功预测了10万GPU小时训练结果,将强化学习从"艺术"转变为"科学",为AI训练的可预测性和成本控制提供了重要突破。
这项由德州大学奥斯汀分校与InterDigital公司合作完成的研究,通过创新的Dedelayed系统解决了云端AI处理的延迟难题。该系统让云端模型学会预测未来状态,与本地实时观察融合,在100毫秒延迟下仍能显著优于传统方案,为自动驾驶、无人机等实时AI应用开辟了新路径。