AI能力边界：还有太多事它搞不定
最近一直在探索如何让AI在企业环境中发挥更大效用。AI确实强大，但有一点可以确定——今天它是能力最弱的一天。灵机一动，想到可以开个"AI无能为力"的专题，记录那些我在测试或实际工作中发现的、AI暂时或根本无法胜任的任务。期待大家一起来补充。不管大模型厂商和自媒体如何夸大其词，把AI吹得天花乱坠。但在实际场景中，确实还有很多，很多AI无法处理的事情。先不谈人际关系这类复杂领域。就举一个非常有意思的例子。在飞书生态里，目前AI能够在多维表格中生成工作流程。所谓工作流程，就是那些可以明确预见的规则化操作步骤。而
AI 重塑企业应用：未来仅存两大交互入口
从事企业软件领域的人士普遍有个深刻体会：近年来系统数量激增，界面愈发繁杂。一名新员工从入职到熟练，仅学习操作各类系统便需耗费数月。设备管理依赖 EAM，生产制造依靠 MES，质量管控需 QMS，财务核算用 ERP，供应链管理靠 SCM，此外还有各类自研的小工具与平台。每个系统均拥有独立的界面、账号及操作逻辑。员工每日工作便是在这数十个系统间反复切换，进行数据录入、查询及报表导出。此状况不仅导致效率低下且易出错，更关键的是，它让员工大量精力消耗在“操作系统”本身，而非“解决问题”上。AI 时代的降临，或许能
AI赋能企业实战|《AI在企业中的应用》3月4-5日沈阳开课
在数字化洪流的推动下，人工智能技术已跃升为驱动社会演进与商业革新的核心引擎。AI技术的迅猛发展不仅重塑了传统商业模式与行业准则，同时也给企业的运营管理带来了全新考验。为顺应这一变革，企业与个人亟需深入理解并精通AI技术。AI技术的广泛落地，不仅显著提升了企业的生产效能与品质，更为企业开辟了前所未有的商业蓝海。从智能制造到智慧物流，从智能客服到个性化推荐，AI正深刻重构企业的运营模式与业务流程。此外，AI技术还赋予企业强大的数据分析能力，助力企业深度挖掘市场潜力，精准洞察用户需求，从而制定更为科学严谨的市场
人工智能时代的思考札记
决定在此记录一些关于人工智能发展的心得与观察。如今的AI时代，人们常说要把各种信息都灌输给智能体，却发现人脑中那些最深层、最抽象的知识很难用文字表达。庆幸的是，AI领域变化之快令人目不暇接，过去的认知很快就会面临淘汰和遗忘。那么就从今天起，用文字留下一个独立个体对人类文明最后的思考吧。前面几篇记录了年初接触openclaw的经历，第一次面对「智能体」时的震撼。半年后的今天，openclaw仍在运行，但竞争者愈发强大。Hermes作为拥有更便捷「自主记忆」功能的智能体框架，在5月迅速在开发者群体中流行。随后
AI效率提升迎来关键期！多家企业高管共话智能升级
2026全球数字经济大会正在北京召开，多位行业领军企业代表在发言中指出，人工智能（AI）正快速渗透到各个行业，大幅激发企业生产潜力，在显著降低生产成本的同时提升生产效率与质量，将全面重构社会生产体系。 北京人形机器人(18.310, 0.52, 2.92%)创新中心副总经理王海华表示，过去几年大模型的突破使AI实现了认知革命，如今具身智能正引领AI完成行动革命，让AI真正从虚拟空间走向物理世界，拥有了感知环境、适应场景以及自主执行任务的实体能力。 京东集团技术委员会主席、京东云总裁曹鹏指出，如今众多企业在
智能体革命前夕：2026年企业需关注的五大核心动向
MBot智能助手 · 周四 · 2026年07月02日 🔮 前沿洞察 AI智能体/虚拟员工/智能自动化新兴趋势MBot智能助手 · 周四 · 2026年07月02日🔮 前沿洞察AI智能体/虚拟员工/智能自动化新兴趋势随着大型模型从“擅长交流”升级为“能够执行任务”，AI智能体正成为2026年最为明确的技术赛道。从Gartner的分析预测到IDC的统计报告，从WorkMate的企业应用案例到多智能体协同框架的完善，这场智能体变革不再是空穴来风，而是切实落地的产业景象。 {IMG_1} ▲ AI智能体正在从辅
从ReAct论文到万亿产业：AI智能体的发展演进之路
2022 年 10 月，在普林斯顿大学的某间研究室内，博士研究生姚顺雨将一篇仅有十页的学术论文上传至 arXiv 平台。论文标题相当直白——ReAct: Synergizing Reasoning and Acting in Language Models。两个月后， ChatGPT 横空出世，全球焦点都集中在对话式机器人领域，这篇编号 2210.03629 的论文几乎无人问津。时隔三年回望，姚顺雨那个夜晚上传的文档，奠定了价值万亿美元产业的基础。2026 年上半年， AI 产业的核心议题毫无悬念地聚焦于
AI产业观察:资本重新审视AI赛道,大模型竞争进入新阶段
2026年6月29日 先看结论 如今观察AI领域，不能只盯着哪家厂商又推出了新模型。真正需要关注的四个关键维度是：模型能力是否已渗透到实际产品中，算力瓶颈是否正在重塑成本结构，企业级应用是否从实验阶段升级为常态化流程，合规与信任体系是否被纳入产品设计。 AI已从“技术发布会时代”迈入“产业效益核算时代”。谁能将模型、算力、数据、应用场景与合规要求整合到统一体系中，谁就能在下一阶段竞争中占据优势。 今日五大维度 01｜大模型与产品：AI Watch: OpenAI names India MD, Googl
人工智能三要素是否已经过时？重新审视数据、算法与算力
在过去的十几年里，每当人们聊起人工智能，几乎都会提及一个经典方程式：人工智能 = 数据 × 算法 × 算力这个等式曾经十分精准。它阐明了深度学习为何能够蓬勃发展，解释了大规模语言模型为何需要海量训练语料和强大的GPU计算集群，也说明了为何全球科技巨头在过去几年里围绕芯片、模型和数据资源展开激烈角逐。然而，当人工智能真正开始渗透到企业运营、工厂生产、研发设计、供应链管理以及经营决策体系时，我们或许需要重新审视一个问题：数据、算法和算力，真的是人工智能时代最关键的生产要素吗？答案或许是：从技术层面来看，确实如
AIPC市场解析：真AI还是伪概念？各家布局揭秘
当前市面所谓的AIPC，要么是披着AI外衣的普通电脑，要么只是生硬嵌入智能体功能。先谈谈我眼中的AIPC，绝非如今“加块NPU、塞个对话框”的简单换壳。关键在于，它必须是深度基于PC的AI原生应用。这是一台从底层重构、能懂人话、可代劳的“单机数字替身”：1. 单机主导与少量云端协同调度它能在完全断网下独立运行，却拥有极高智能。海量机密文件与个人数据在本地自动向量化处理，AI运算全程依托本地NPU，不发热、不上云，几乎无需向云端付费。2. 彻底告别繁杂菜单（系统级智能体接管）软件界面不再布满工具栏，AI成为
AI 周报特别篇：新闻背后隐藏的深层变革（一）
本周，AI 领域看似仅有零散资讯OpenAI 涉足芯片制造人形机器人价格下调顶尖大模型遭遇监管机器人进入工厂务工豆包发布专业版本然而，真正引人注目的并非新闻表象而是这些消息折射出 AI 领域正在发生的根本性转变数年间，AI 界最聚焦的是模型本身。谁的模型更强大。谁的回复更机智。谁的智能体更具人性。但如今，竞争已转向更深层面。OpenAI 携手 Broadcom 推出首款自研 AI 推理芯片 Jalapeño，旨在满足 ChatGPT、Codex、API 及未来智能体产品的大规模推理需求；Reuters、T
AI应用冰山解析：从挑战到策略
2024至2026年间，中国商业领域开展了一场规模空前的AI探索。从大型科技企业到中小型公司，从个人开发者到百人团队，所有人都在探索同一个课题：利用人工智能取代人力，实现成本降低和效率提升。然而，实验结果令人意外。一位消耗了海量计算资源的技术高管感叹道："我本以为AI会让我轻松，结果现在每天要耗费更多精力编写指令、调整AI输出、纠正AI失误、审查AI生成的计划。以前我只需管理业务，如今还得管理AI。"这并非个别案例，而是行业普遍现象。引入AI后，管理者的工作天数并未缩短，反而新增了三类任务
AI不再靠你传数据：MCP协议打通系统直连
喜欢就点星标吧～上周有个制造业老板问我："老陶，我用AI分析生产数据，每次都要先从ERP导出Excel，再上传给AI，太麻烦了。AI能不能直接连我们系统的数据库？"我说：能。这事儿MCP协议就是干这个的。他一脸懵：MCP是什么？MCP，全称Model Context Protocol（模型上下文协议），说白了就是给AI开了一扇门，让它能直接读取你外部系统的数据——数据库、API接口、IoT设备、云服务，统统可以连。不用导出Excel，不用复制粘贴，AI直接去你的系统里查数据、调接口、拿结果。今天这篇，老陶
AI 客服上线前，这份评估表必须看
JitAI 观察近期 Nubank 发表的一篇论文，非常值得企业管理者研读。其价值不在于探讨更庞大的模型，而在于阐述了一个更本质的道理：部署 AI 客服，绝不能仅凭“看似能回答”就贸然上线不少企业尝试 AI 客服时，首要动作仅是测试几个问答。若回答尚可，便认为可以投入使用。然而，真实业务中的隐患，往往并不在于“完全无法作答”。真正的风险隐藏在那些看似已回应，却未实质解决问题的场景里例如客户询问交付周期，AI 仅回复标准话术，却未关联订单实际状态。客户已有明确购买意向，AI 却将其视为普通咨询，未触发销售跟
AI日报：算力投入与合规门槛，如何左右人工智能商用进程
观物如实-拒绝碎片认知。本文基于公开资料整理，聚焦AI产业技术演进、企业应用、成本效率和合规建设。本文仅作产业观察，不构成投资、法律或合规意见。2026年6月19日，AI产业的主线不是单一模型更新，而是“能否规模化、低成本、合规地用起来”。硬件侧，AI基础设施继续向光通信、高速互连、能源供给和数据中心工程延伸。算力竞争不再只看GPU数量，而要看芯片、网络、光模块、电力、制冷和运维能否形成稳定系统。软件侧，企业AI进入预算管理阶段。模型能力越强，越需要配套用量统计、费用控制、权限分层和调用审计，否则AI工具