国产AI算力突破万亿参数训练,韩国呼吁AI利润共享,Claude代码自动化率达八成,亚马逊仓储机器人升级,Meta商务AI全球铺开
深圳河套学院AI训练平台项目团队联合多方力量，依托昇腾910C国产AI算力集群，顺利完成了1.6万亿参数大模型DeepSeek-V4-Pro的全参数后训练。这一成就充分证明了国产AI芯片完全能够支撑世界级超大参数模型的训练需求，标志着国产AI算力已具备承担顶级大模型训练的能力，相关技术路线切实可行。这项突破对中国AI自主可控战略具有重大里程碑意义。韩国劳动部长公开发表演讲，呼吁科技公司与供应商及员工共享人工智能带来的超额收益。这一提议反映出AI技术在提升生产效率的同时，也引发了劳动价值分配不均衡的问题。韩
AI Agent开发实战：让AI从"能说"走向"能执行"
AI Agent开发实战 让AI从"能说"走向"能执行" MCP协议 × Function Call × 扣子平台实战 × 工作流卡片优化MCP协议 × Function Call × 扣子平台实战 × 工作流卡片优化过去使用AI时，它给出建议后，你还得自己去系统里操作执行。现在不同了？AI给出指令后直接执行——查询CRM客户信息、发送邮件、预订机票、回写数据，全流程自动化闭环。这个转变的关键，取决于三件事：MCP协议为AI建立了统一的"执行标准"，Function Call让AI能够精确调用工具，扣子(
AI 工具进阶四：MCP 如何打造万能接口？
前三节我们探讨了 CLI（人类指令计算机）、Function Calling（AI 调用工具）以及 API（软件间交互）。本节将聚焦一个更前沿且关键的概念——MCP。若你已掌握前三节内容，便会发现新痛点：各软件 API 千差万别，AI 需逐个‘适配’，极其繁琐。是否存在一种方案，能让 AI 标准化、统一地连接所有工具？答案是肯定的，即 MCP（Model Context Protocol）。本节将继续采用通俗易懂的语言与生活化比喻，彻底解析 MCP。MCP 全称为 Model Context Protoc
MCP协议助力AI实现外部世界连接
在人工智能快速进步的当下，大型语言模型 (LLM) 正在从基础的“对话机器人”进化为能独立处理复杂任务的“智能体” (Agent)。这一进化的关键点在于怎样使LLM动态获取训练数据之外的知识，以及怎样安全、高效地与外部环境互动，比如访问数据库、调用API、操作文件系统等。MCP(Model Context Protocol)协议应运而生，由Anthropic在2024年11月发布，为LLM与外部数据、应用之间的通信提供一种安全且标准化的协议。作为桥梁，MCP使 AI 成为一个能够检索最新信息并执行各类操作
华尔街投行先行一步 摩根士丹利向企业AI智能体敞开万亿财富管理大门
摩根士丹利即将向数千家企业的人工智能智能体敞开其核心财富管理业务的大门，这标志着华尔街大型投行首次向第三方AI工具平台开放系统接入权限。摩根士丹利职场业务首席产品官马克·米切尔透露，此次落地后，企业端的AI智能体将无需通过传统的用户界面操作，可直接对接券商股权管理平台ShareWorks和Equity Edge获取数据与分析结果。摩根士丹利高管此前表示，通过企业职场财富布局，公司已汇聚规模达1.2万亿美元的受托资产。米切尔认为：“在我们预见的发展趋势中，企业客户将不再需要手动登录ShareWorks与Eq
AI赋能新能源：能源智能化发展新蓝图
近日，思格新能源携手弗若斯特沙利文共同发布《2026年AI+新能源白皮书》。该白皮书以"AI智能体推动能源系统迈向自治化"为主线，全面分析全球AI产业、AI智能体与新能源行业融合趋势，并首次构建能源智能化五级评估体系EIL（Energy Intelligence Level 1–5），为AI+新能源领域建立更加明确、可衡量、可持续进化的智能能力标准。白皮书强调，伴随光伏、储能、充电设施、热泵、智能负荷、虚拟电厂及电力交易等应用场景持续整合，能源系统面临的挑战已从单一设备优化升级为多设备、多站点、多主体、多
LLM智能客服架构重构与优化
一次从"让 LLM 自由发挥"到"用状态机精确控制"的架构重构实践最近我对自研的 AI 智能客服系统做了一次比较彻底的架构重构——V4 版本。这次重构的核心变化是：从向量记忆驱动转向了状态机驱动。V4架构图：简单说就是：以前每个环节都丢给 LLM 去"自由发挥"，现在用结构化状态 + 显式规则来控制流程。效果很直接——Token 消耗大幅降低、流程完全可控、可观测性也好了很多。这篇文章分享一下这次重构的思路、做法和一些具体的代码实现。先快速回顾一下这个系统的
AI攻防实战专题：智能体安全与风险对抗论坛精彩内容
AI攻防实战：智能体安全与风险对抗分论坛本论坛聚焦实战攻防视角，全面剖析大模型与智能体安全范式、AI红队攻击面、恶意技能攻防、视觉AI对抗防御及MCP攻击风险等核心议题，通过技术对抗与工程实践相结合的方式，助力提升AI系统主动防御与应急响应能力。AI攻防实战：智能体安全与风险对抗分论坛作为TiD2026质量竞争力大会首届AI Safety & Security 人工智能安全与风险治理大会的并行分论坛，将于7月30日至8月1日TiD2026大会期间同步举行，会议地点位于北京海淀中关村国家自主创新示范区会议中
微博天气通上线专业气象 MCP，百万次调用仅需一分
近期，微博麾下的专业气象应用“天气通”，正式向 AI 开发者群体发布了天气通 MCP Server。这款工具以低门槛接入、功能完备及预报精准为核心卖点，旨在为 AI 开发者与企业提供高精度、实时的气象查询与预测服务。其能力涵盖实时天气状况、未来天气预测、灾害预警发布、空气质量监测以及各类生活指数等多个关键领域，全力助推 AI 应用迅速整合专业气象功能。当前，天气通 MCP Server 已成功登陆阿里云市场、百炼平台以及扣子（Coze）平台。 在阿里云市场与百炼平台中，天气通推出了“天气通旗舰版”，集结了
Anthropic垂直化AI战略：金融服务业自动化运营的深层变革
智能金融的新纪元：Anthropic 垂直化 AI 战略与企业自动化运营的结构性重塑当前，前沿人工智能开发商之间的竞争已经发生了根本性的结构转变，正在从提供通用的通用大型语言模型（LLMs），转向为高度监管的行业提供标准化的垂直软件解决方案。随着生成式人工智能基础设施支出的激增，模型本身的商品化趋势日益明显，人工智能公司迫切需要向应用层转移以获取价值。在这一背景下，Anthropic 于2026年5月5日正式推出了一系列专为金融服务业打造的自治代理（Autonomous Agents）模板。这一战略布局标
告别 MCP：AI Agent 为何重新拥抱命令行
2024 年底，MCP 协议横空出世。其宏愿是让 AI 能够连通各类外部工具，无论是代码托管、项目管理还是文档协作，统统打通。媒体戏称其为“AI 世界的 USB-C”。听起来很美好。一个接口统御所有工具，就像 USB-C 统一了充电线一样。然而一年半过去，真正高频使用的开发者心态变了。并非 MCP 无用，而是其实际效能与宣传大相径庭。本文将剖析 MCP 的痛点，并解释为何众多人回归一种更古老、更纯粹的路径——命令行。在探讨问题前，需先厘清几个概念。不懂技术的读者可略过，文中后续会解释。LLM：即 Chat
AI技术在渗透中的应用
免责声明：本文仅作学习用途。近期在渗透测试及攻防演练中，人工智能的应用比例显著提升。https://github.com/Ta0ing/claude-code_evil+depsek V4+cc switch服务端验证绕过技巧：正在参加AWD比赛，使用了五行缺德模型。使用的模型：depsek V4 或者 某米MiMo客户端验证绕过工具：claude-code_evil 或者 clawgod目前项目仍在迭代，但足以满足自动化渗透需求。核心限制在于防止AI越界。后续计划开发相关技能，作为渗透必读指南。通常在.
Java 开发者 30 分钟上手：Spring AI 与 MCP 构建智能体指南
近期后台私信爆满，大家问得最凶的问题莫过于：大佬，我天天只会写 CRUD，现在 AI 这么火，Java 是不是要凉了？过两年我会不会直接失业？上周跟一位从业三年的 Java 工程师聚餐，他吐槽公司新开的 AI 项目全招 Python 开发，自己想插手却无从下手。看着自己苦练多年的 Java 技艺似乎即将失效，他焦虑得寝食难安。我当场就安抚他：别慌，Java 开发者玩转 AI 无需转行，沿用你熟悉的 Spring 体系，半小时就能搭建一个能调用本地工具的 AI 智能体。今天就把这套方案分享出来，看完你定会对
Digimarc 发布自主 AI 工作流溯源验证新基建
Digimarc 公司日前正式揭晓了一套创新的溯源与验证基础架构，致力于為日益盛行的自主 AI 工作流提供可靠的身份认证支持，以应对企业在部署代理型 AI 过程中遭遇的安全隐患与审计难题。 伴随企业广泛采纳具备内容生成、流程编排及低人工干预执行能力的 AI 系统，构建可信的溯源机制与可验证的真实性已成为关键所在。Digimarc 推出的新架构能协助机构在 AI 代理开展下游操作之前，精准甄别其生成或处理的数字内容与制品是否值得信赖。 依据 OWASP 发布的 2026 年代理型应用十大安全风险报告，制品完
告别AI写代码API过时问题！5万星开源工具让AI实时获取最新文档
各位好，我是小小。你是否遇到过这样的场景：使用Claude Code或Cursor编写代码时，提供的API用法可能是过时的，运行时会直接报错。更令人惊讶的是，AI可能会使用根本不存在的API，你需要查阅大量文档才能发现这个方法从未发布过。问题不在于AI不够聪明，而是__训练数据的延迟__。2025年发布的库，AI可能完全不了解；最近修改的API，AI仍在使用旧版本的写法。每次都需要手动查阅文档，然后复制粘贴给AI查看。反复查阅，效率始终没有提升。直到我发现了Context7。Context7是Upstas