总部位于阿联酋的全球技术集团G42与思科签署了谅解备忘录,旨在深化双方在人工智能和基础设施开发领域的战略合作。该协议标志着阿联酋成为全球负责任AI创新中心这一雄心壮志的重要里程碑。
该谅解备忘录由G42集团首席执行官彭晓和思科董事长兼首席执行官Chuck Robbins正式向阿布扎比王储谢赫·哈立德·本·穆罕默德·本·扎耶德·阿勒纳哈扬殿下递交。此次合作建立在G42快速扩张的AI生态系统和思科在安全数字基础设施方面的全球专业知识基础上,目标是在公共和私营部门提供可扩展的高性能AI解决方案。
该协议的核心是双方共同致力于构建安全、高效且全球可及的AI基础设施。合作将探索联合市场推广举措,将思科的AI原生解决方案和安全产品组合与G42的区域领导地位和基础设施能力相结合。两家公司旨在支持AI技术在阿联酋和国际范围内的推广应用。
"与思科签署的这份谅解备忘录反映了我们在探索如何负责任且安全地跨市场扩展AI基础设施和创新方面的共同利益,"彭晓表示。"随着G42不断扩大其国际足迹,我们欢迎与重视开放合作、可信生态系统和长期影响的组织结盟的机会。我们期待确定我们的综合能力能够支持政府、企业和社区充分利用AI潜力的领域。"
除了市场扩张之外,该谅解备忘录还概述了共同开发AI驱动的网络安全解决方案和为高性能计算环境量身定制的参考架构的计划。该架构将整合思科的网络、安全和基础设施技术,帮助客户构建AI就绪的数据中心并更有效地部署AI工作负载。
"AI正在根本性地改变我们的世界,为了真正释放其潜力,我们需要构建一个强大的全球生态系统。思科很自豪能与G42携手,为我们的客户大规模提供尖端的AI和数字基础设施解决方案。思科致力于支持G42对AI的变革性愿景,"Robbins说道。
该公告发布之际,阿联酋正在迅速巩固其作为全球AI领导者的地位。作为首个任命AI国务部长并建立专门AI大学——穆罕默德·本·扎耶德人工智能大学的国家,阿联酋已展现出对在该领域培养创新和人才的长期承诺。G42-思科合作伙伴关系与阿联酋2031年国家AI战略紧密契合,该战略旨在将国家定位在负责任AI开发和部署的前沿。
G42与包括微软和现在的思科在内的美国技术领导者不断增长的战略联盟网络,反映了其通过合作、基础设施投资和全球推广来塑造AI未来的雄心。该公司对可信生态系统和可扩展解决方案的关注使其成为下一波AI变革的关键参与者。
随着AI继续重新定义从医疗保健和金融到能源和教育的各个行业,G42-思科合作伙伴关系是跨境合作的一个例子,旨在加速创新,同时关注安全性、可持续性和包容性。
Q&A
Q1:G42与思科合作的主要目标是什么?
A:G42与思科合作的主要目标是深化双方在人工智能和基础设施开发领域的战略合作,构建安全、高效且全球可及的AI基础设施,在公共和私营部门提供可扩展的高性能AI解决方案,支持AI技术在阿联酋和国际范围内的推广应用。
Q2:这次合作会开发哪些具体的技术解决方案?
A:合作将共同开发AI驱动的网络安全解决方案和为高性能计算环境量身定制的参考架构。该架构将整合思科的网络、安全和基础设施技术,帮助客户构建AI就绪的数据中心并更有效地部署AI工作负载。
Q3:这次合作对阿联酋AI发展战略有什么意义?
A:这次合作与阿联酋2031年国家AI战略紧密契合,该战略旨在将国家定位在负责任AI开发和部署的前沿。这标志着阿联酋成为全球负责任AI创新中心这一雄心壮志的重要里程碑,进一步巩固了阿联酋作为全球AI领导者的地位。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。