陈天奇团队新研究：自动优化深度学习工作负载
华盛顿大学计算机系博士生陈天奇、以及上海交通大学和复旦大学的研究团队提出一个基于学习的框架，以优化用于深度学习工作负载的张量程序。该研究使用基于机器学习的方法来自动优化张量运算核心并编译AI工作负载，从而可以将最优的性能部署到所有硬件。
阿里云RPA：助力企业自动化升级和数字化转型
读取信息、录入单据、订单分类、发送邮件，这些重复而繁琐的工作占据了大量的时间，现在RPA的出现将彻底改变这一现状，“将重复的事交给RPA做”，这句话已经由标语变为现实。随着技术升级、算法精进，机器人流程自动化（Robotic Process Automation，RPA）由一个陌生的词汇逐渐为人们所知。
大规模深度学习优化技术在PAI平台中的应用及实践
工业界和学术界也先后推出了用于Deep Learning建模用途的多种开源工具和框架，这里详细解读下阿里云推出的PAI(Platform of Artificial Intelligence)。其致力于通过系统与算法协同优化的方式，来有效解决Deep Learning训练工具的使用效率问题，目前PAI集成了TensorFlow、Caffe、MXNet这三款流行的Deep Learning框架，并针对这几款框架做了定制化的性能优化支持，以求更好的解决用户建模的效率问题。
