大模型浪潮下，AI与其背后的通信网络存在密不可分的联系，可以总结为Network for AI和AI for Network两层关系—— 我们用网络加速AI训练推理，通过AI手段让网络变得更加安全可靠。
多模态理解与生成一体化模型，致力于将视觉理解与生成能力融入同一框架，不仅推动了任务协同与泛化能力的突破，更重要的是，它代表着对类人智能（AGI）的一种深层探索。
可控视频生成，对于自动驾驶技术而言，同样非常重要。
大语言模型（LLM）在自然语言处理领域取得了巨大突破，但在复杂推理任务上仍面临着显著挑战。现有的Chain-of-Thought（CoT）和Tree-of-Thought（ToT）等方法虽然通过分解问题或结构化提示来增强推理能力，但它们通常只进行单次推理过程，无法修正错误的推理路径，这严重限制了推理的准确性。
基于昇腾算力的矩阵运算改进求解器框架，大幅提升Local Optimum跳出能力。
12月14日，昇思人工智能框架峰会召开，现场18家单位发布基于昇思的原生开发大模型成果。伴随AI框架生态进入“深水区”，昇思朋友圈也在持续扩容，多家上市公司已成为昇思生态建设的主力军。
携手原华为车BU首席科学家
最新计算集群，Base青岛！ 华为云华东（青岛）数据中心刚刚正式开服。
IT桔子最近在盘点各家大公司出来的AI创业者团队。今天写写华为系的AI创业者。
Sora 的发布让广大研究者及开发者深刻认识到基于 Transformer 架构扩散模型的巨大潜力。作为这一类的代表性工作，DiT 模型抛弃了传统的 U-Net 扩散架构，转而使用直筒型去噪模型。鉴于直筒型 DiT 在隐空间生成任务上效果出众，后续的一些工作如 PixArt、SD3 等等也都不约而同地使用了直筒型架构。
