AI参与AI研发：技术进化的全新阶段
近日，我留意到 Anthropic 官方账号发布的一则消息。其中一句话让我陷入了思考：Claude 正在推动 AI 的发展进程。换句话说，AI 已经开始协助人类开发更先进的 AI 系统。这种说法初听之下有些超现实，甚至令人不安。许多人的第一反应或许是：AI 是否即将觉醒？人类是否将失去主导权？机器是否会自主进化？但仔细阅读 Anthropic 的文章后，你会发现，它所描述的并非机器人反叛，也非电影中的末日场景。它揭示了一个更为现实的转变：AI 正在越来越多地介入自身的研发过程。Anthropic 发布的这
Anthropic呼吁全球放缓AI研发，Claude自主编写超八成代码
今日头条：Anthropic向全球发出呼吁，要求减缓前沿AI的研发速度，理由是“AI自我进化下一代”可能比预想更快。作为头部模型厂商，这是首次以官方身份喊“刹车”，极具深意。6月4日，Anthropic通过路透社、Axios等主流媒体发声，主张前沿实验室应放慢研发节奏，并提议建立协调性暂停机制——一旦AI能力或安全风险触及阈值，主要实验室需同步停工，待社会治理与对齐研究跟进而行。Anthropic的判断相当强硬：“递归自我改进”这一AI自主设计、测试并优化下一代模型的机制，可能比业界预想的来得更早。一旦进
现代汽车携手英伟达拟在韩建AI研发基地
据韩国经济日报报道，现代汽车在韩国政府支持下，正与英伟达进行最后阶段谈判，计划在韩国建立人工智能技术中心，新万金地区成为首选地址。 该研发基地将被打造为英伟达全球顶尖研发中心，此类高规格基地目前仅在新加坡、中国台湾等少数区域设立；去年10月英伟达与现代汽车已签订合作备忘录，确定GPU芯片供应及AI研发基地共建事宜。 英伟达CEO黄仁勋本周访韩期间，将可能确定基地选址和建设时间安排，他定于周五与现代汽车集团会长郑义宣等业界高管会面。 由于现代汽车计划在新万金投资9万亿韩元建设氢能、AI数据中心和机器人产业园
智能算法能打造热销饮品，却无法赋予品牌独特精神
京东七鲜日前迈出重要一步：首款全程由人工智能主导研发的饮品——"粉芭乐樱樱茶"，上市首周即售出10万瓶**。**从项目启动到产品落地仅耗时三个余月。常规研发周期通常需要半年至一年。更值得关注的是，AI并非扮演"协助"角色——它拥有最终拍板权。这则消息背后，折射出整个食品行业产品研发流程正在经历根本性变革。来看看人工智能具体承担了哪些工作：需求解析：面对"春日、粉色、樱花"这类抽象描述，AI精准识别出"芭乐"为社交平台热议话题、"樱花"具备小众增长潜力，并快速完成原料供应链可行性评估。多维度研发：视觉层面—
从AI应用者进阶为AI研发者：岭大MResADS项目解析
AI正在渗透每一个行业企业渴求懂原理、能做研究能解决复杂问题的数据科学家面对这场席卷职场的技术革命我们该如何系统升级、避免自己被替代？岭南大学数据科学学院推出高级数据科学研究硕士（MResADS）为有志深耕数据科学领域的人才提供一条研究型进阶快车道欢迎感兴趣的朋友报名参加PART ONE-宣讲会详情议程首发：40分钟深度报告 + 20分钟直面答疑宣讲会议程*直播平台：MBAChina微信视频号主讲人：香港岭南大学数据科学学院人工智能学部教学助理教授东承祖15:00-15:40主题分享 / 报告演讲15:4
探索智能研发新趋势
在AI技术蓬勃发展的时代，智能代码正成为推动企业工程效率提升和数字化转型的核心驱动力。当AI技术风靡各行各业，企业正通过智能化研发来增强工程效能并实现数字化升级，这正是行业变革的“核心密钥”。由四川万裕德高网络主办，阿里云与神州数码联合支持的「阿里云AI创享日・成都站」即将拉开帷幕！本次活动将聚焦智能代码研发工具的实践应用，邀请您与业界专家、技术伙伴共同探讨企业研发效率提升的新思路和新方法，开启数字化研发的新动力!本次活动汇聚了阿里云生态的资深专家，分享来自一线的实践经验和前沿洞察：✅ 深入掌握智能代码研
富瑞调低阿里健康目标价至5.3港元 维持买入建议
富瑞发布研究报告表示，阿里健康（00241）推出的“氢离子”应用程序将其定位为面向医疗从业者的早期人工智能先驱，携手《英国医学杂志》（BMJ）提供基于循证的临床决策支撑。初步产品评估表明其可用性突出、错误率低且临床推理能力扎实。管理层预期2027至2029财年间，年度AI研发投入将达2至3亿元人民币，目标三年内实现200万月活跃用户（MAU），并预期“氢离子”在2029年达成盈亏平衡。该投行将阿里健康目标价由6港元下调至5.3港元，以反映商业化进程等因素，但仍维持“买入”评级。在业绩预测方面，阿里健康管理
AI制药颠覆传统，打破研发“十年魔咒”
在新药研发的起点，最具挑战性的便是早期的分子筛选阶段。传统的药物筛选本质上是一次依赖经验和运气的“烹饪”。化学家们依靠直觉，在广阔的化学空间中合成化合物，逐一测试其药效和毒性。这个过程平均耗时18个月，而能进入临床试验的候选分子通常不到1%。研发一款药物就像一次高风险投资——十年、十亿美元，成功率不到10%。中国药企已经沿用了这种模式三十年，但2026年正在发生变化。5月中旬，在合肥的制造业峰会分论坛上，广药集团高管被几家药企的数字化负责人包围。他们询问的不是战略或愿景，而是同一个具体问题：“你们的AI药
英伟达新加坡设立AI研发中心，聚焦具身智能技术
人工智能芯片领军企业英伟达宣布将在新加坡建立研发中心，这也是新加坡本周三宣布的多项人工智能战略举措中的重要一项。 这处新建的设施是英伟达在新加坡的首个研发基地，同时成为其在亚太区域部署的第二个同类研发中心。近年来，英伟达在具身智能领域持续深耕，推出了多款面向机器人应用的模型、系统及芯片。新设实验室将聚焦具身智能技术研发，致力于提升AI基础设施性能，并携手高校科研团队、行业合作伙伴及政府部门开展合作。 尽管国土面积有限，新加坡正积极构建东南亚人工智能枢纽，致力于营造适合AI解决方案研发、测试和部署的优质环境
上海AI实验室破解KrF光刻胶树脂量产瓶颈，AI重塑半导体材料研发格局
2026年5月，在2030新一代人工智能国家科技重大专项的整体规划下，上海人工智能实验室携手厦门大学、苏州国家实验室等伙伴，依托“书生”科学大模型及“书生”科学发现平台，成功打造了“AI决策+自动化合成”的闭环研发模式，实现了高纯度、高一致性、高效率的KrF光刻胶树脂制备。这一突破让高端光刻胶树脂的稳定生产不再受制于少数供应商的“黑箱技术”，为全球芯片材料领域开辟了一条可标准化、快速迭代的新道路，同时也为AI赋能半导体制造提供了极具参考价值的实践案例。值得注意的是，聚焦AI与半导体领域的深度交融，第一届第
AI助力光刻胶研发：国内实验室实现技术突破
如何利用AI研发光刻胶？国产光刻胶产业正在加速推进小结更多热点文章阅读特斯拉百万年薪招人！数据标注行业迎来第二春？具身智能全产业链爆发！关节模组到世界模型：超40家月内获投，最高4.55亿美元我国第四代超导量子计算机本源悟空-180上线2040年超50亿连接！国内6G技术试验频率获批，通信产业"奇点"来了？英伟达砸重金"买光"！联手康宁建三座新厂，这背后藏着什么大棋？点击关注 星标我们喜欢就奖励一个"在看"吧！
“人工智能+”行动计划实施近一年：稀土永磁行业如何实现场景化落地？
国务院印发《关于深入实施“人工智能+”行动的意见》已近一年。相比政策刚发布时的热烈讨论，如今更值得关注的是：这一轮“人工智能+”正在从顶层设计进入产业落地阶段。稀土永磁材料作为高端制造、新能源汽车、风电、机器人、节能电机等领域的重要基础材料，长期处在产业链关键位置。随着下游应用不断扩张，对稀土永磁行业来说，问题已经不是“要不要拥抱AI”，而是AI如何真正进入研发、生产、质量、仓储、供应链和经营决策等关键场景，转化为看得见的效率提升与管理改善。一、政策红利来了，但真正的机会属于“有场景的人”这次“人工智能+
AI自主进化倒计时：2028年或迎全自动研究时代
人工智能领域正经历一场根本性的范式转移：从依赖人类的探索模式，转向完全自主、递归式的自我提升（Recursive Self-Improvement）阶段。Anthropic联合创始人Jack Clark近期分析指出，随着AI工程能力的爆发式增长，到2028年底，我们有超过60%的概率见证能够独立训练后续版本的AI系统，全程无需人类介入。与此相呼应，OpenAI首席执行官Sam Altman也公开明确了时间表：OpenAI计划在2026年9月前推出“自动化AI研究实习生”，并于2028年3月前实现“真正的自
人工智能重塑油田化学剂研发：破解性能成本难题，开启智能优化新纪元
在油田化学剂研发行业，"开发出可用配方"并非最大挑战，真正的症结在于如何同时达成四大目标：性能提升、成本管控、周期压缩和结果可重复性。长期以来，这一类似"不可能三角"的难题始终制约行业发展：提升性能通常需要增加助剂投入，从而抬高成本；而削减成本又会造成性能下降，无法满足油田实际应用需求。研发者不得不在不断试错中寻找平衡，不仅耗资巨大、耗时漫长，而且研发成果极度依赖个人能力，难以实现标准化推广和大规模应用。当前，人工智能技术的引入正从根本上颠覆这一传统研发模式。戴纳科技开发的表面活性剂AI自进化无人实验室，
Momenta曹旭东：物理AI是未来方向，必须依靠现金流业务支撑研发
新浪科技4月26日消息，近日2026北京国际车展揭幕，Momenta在展会期间举行了主题为“Momenta R7，物理AI序章”的分享活动。活动结束后，Momenta首席执行官曹旭东接受了新浪科技等媒体的采访。 曹旭东表示，物理AI的发展是必然趋势，在数字AI技术趋于成熟之后，其应用必然会向物理世界扩展。 他预测，物理AI的关键在于数据闭环与商业闭环的建立，两者形成正向循环，将使得AI在达到人类水平后迅速实现超越。自动驾驶作为物理AI的开端，已率先实现规模化的双闭环；而机器人领域要达到这一阶段尚需时日。