近日,全球最大技术专业组织IEEE电气电子工程师学会发布了“IEEE全球研究报告:2024年及未来技术影响”。报告显示,人工智能、扩展现实(XR)、云计算、5G和新能源汽车位列2024年最重要的五大技术。
人工智能(AI)将成为2024年最重要的技术,在全球经济中将以多种方式被使用并发挥作用。根据报告研究显示,2024年AI技术和算法将以多种方式被广泛应用,比如用于优化数据、执行复杂任务以及像人类一样做出准确决策。
对于明年AI的潜在应用领域,54%技术领袖选择实时网络安全漏洞识别和防护,成为选择比例最高的领域。
IEEE新标准立项委员会副主席、IEEE标准协会理事、IEEE数字金融与经济标准委员会主席、IEEE分布式元宇宙计划主席林道庄表示,网络安全的重要程度始终处于数字化转型整体过程中的第一要素。网络安全实际上是一个博弈的过程,它无时无刻不在发展,谁慢一步就会吃很大的亏。实时保持网络安全的意义某种程度上超过了物理世界。
对于AI应用于网络安全漏洞识别和防护,林道庄进一步解释道,一方面,企业可以利用AI来模拟出一些进攻,提前侦测到潜在的漏洞,并把这些漏洞弥补上,不断优化网络安全能力。另一方面,通过AI能够自动学习识别、预测一些可能的潜在风险和威胁,然后再自动隔离这些风险。在这种实时识别并快速反应方面,AI能够做的比人更快、更好、更准确。
同时,在网络安全领域,技术领袖认为在2024年前三大网络安全问题与去年相同:数据中心漏洞、云安全漏洞以及与移动和混合办公的员工使用自己的设备相关的安全问题。不过,研究发现,2024年将会出现其他更具威胁的网络安全问题,包括勒索软件攻击、网络钓鱼攻击以及内部威胁。
除了实时网络安全漏洞识别和防护外,还有不同比例的技术领袖选择在2014年将AI应用于以下这些领域:增加供应链和仓储自动化效率(42%) 、协助和加速软件开发(38%) ,自动化客户服务(35%)、加速候选人筛选、招聘和录用 (34%) 、加速疾病筛查诊断和药物发现(32%) 、自动化和稳定公共用电(31%) 。
此外,根据IEEE的调查,使用扩展现实(XR)和数字孪生技术进行虚拟模拟,以更高效地设计、开发和安全地测试产品原型和制造流程,将在2024年变得非常重要(63%认为非常重要,29%认为有些重要)。
将近九成全球技术领袖(88%)认为,2024年6G将继续研发,在未来3-5年实现标准化。此外,绝大多数(94%)全球技术领袖认为,为移动连接开发通信卫星会在2024年将一些偏远和发达地区的互联通信水平提升到一致水平。
86%的受访者认为,2024年量子计算将因其显著提高的计算能力(高出今天最先进超级计算机一万亿倍)以及在后量子密码学和网络安全方面的应用而备受关注。
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。