黄河实业达成股份互换协议 收购AI公司拓展科技领域
黄河实业(0.88, 0.25, 39.68%)（00318）宣布，于2026年4月29日（交易时段结束后）签署了股份互换及优先购买权协议，主要内容如下： a） 该公司以2400万港元代价从交易对手方购入 Slencor AI 40%的股份。 b） 本次收购包含优先购买权条款，据此，公司可优先购买更多 Slencor AI 股票，执行该权利时的购股价格将参考第三方报价确定，但若该价格超出与 Slencor AI 历史收益相关的预设计算公式，则需向下调整，且所有优先购买权行使的累计总额不超过 1.2 亿港元
长三角铁路客流高峰持续，夜间高铁加密运行
5月4日，据中国铁路上海局集团有限公司（简称“上铁集团”）消息，随着“五一”假期接近尾声，长三角铁路的客运量持续攀升，预计当日发送旅客达402万人次，较去年同期增长2.3万人次。自4月29日假期运输启动以来，上铁集团已累计发送旅客1997.1万人次，日均约399.4万人次，显示出旅客出行需求依然十分旺盛。为应对持续高位客流，上铁集团加强了运输组织和运力投放。重点满足长三角周边省份及区域内的热门出行需求，并强化了长三角地区与福建、江西、山东、河南等地的直通运输能力。同时，针对上海至南京、杭州、蚌埠，合肥至杭
别把个人AI误作企业AI
Gartner与MIT在2025年的调研表明：八成企业在尝试AI，然而大多只是提高了个人效能，仅有5%的企业级系统实现了组织变革。显而易见，技术火热，组织却遇冷。究竟为何如此？今天咱们探讨一下企业AI如何落地。 个人AI不等于企业AI：切勿将“效率利器”视作“组织引擎”。 诸多老板困惑：员工几乎全员使用AI，许多人效率看似提升了十倍，为何客户投诉未减、决策效率未增、营收增长也未达标？ 问题的关键，在于搞混了“个人AI”与“企业AI”的根本区别——前者属于“单兵作战的利器”，后者则是“协同作战的体系”。个人
AI 智能体工作流助力宇宙 GEO 营销全程自动化
AI 智能体技术正以前所未有的方式重塑企业营销流程，让营销人员从大量繁琐且重复的事务中脱身出来。宇宙集团将 AI 智能体能力持续深入到营销环节，搭建出一套贯穿全流程的 AI 智能体工作流，从而推动营销实现真正的自动化运营。宇宙 GEO 的 AI 智能体能够以“拟人化”的方式运行营销工作路径，独立完成从需求分析到效果优化的各项任务。在需求分析阶段，智能体会自动汇总并解读用户搜索行为数据，提炼用户的真实需求与关键痛点，随后输出更具针对性的营销方案；在内容生产阶段，智能体可依据方案自动生成多模态营销内容，并同步
AI革新交易：AIBITUP如何通过AI大模型重塑加密货币市场
"程序化量化"迈向："AI Agent 智能交易系统"目录前言近几年来，数字货币领域最大的变革，并非 BTC 价格刷新高点，也非 Meme、AI、RWA 等主题轮番登场。真正的转变在于：获利难度持续攀升。众多投资者察觉到：过去有效的策略，正在快速失效。以往依赖：* 分析K线图追踪市场传闻高频短线操作押注单一方向人工监控盘面尚能获得盈利。但如今：市场已迈入："AI 与 AI 的对抗时代"越来越多资金方逐渐明白：真正稳定获利的，不再是"方向判断"能力。而是：对市场结构性错误定价的持续识别能力。这也解释了为何：
企业AI运维新范式：基础设施重构与自主化演进
如果您对行业前沿动态、产业发展走向或特定细分领域感兴趣，欢迎在评论区留言告知；若有任何宝贵的建议或创意，也请随时与我们交流。您的每一个意见都将化作指引我们前行的星光，期待与您共同探讨成长之道！伴随着大语言模型（LLM）及自主智能体从实验室走向大规模生产应用，企业 IT 运维的核心焦点正经历一场深刻的变革。传统 IT 运维侧重于硬件存活、网络通畅及资源水位，但当人工智能系统成为业务逻辑的中枢时，一个新课题随之浮现：当模型本身演变为一种“基础设施”，谁来确保其稳定性？谁来管控其非确定性的输出？又由谁来优化其高
AI点亮高中数学：5个可直接上课的教学案例思路
项目一：函数图像变换的“动态实验室”教学目标理解函数图像平移与函数表达式之间的对应关系把握“左加右减，上加下减”的几何含义能够依据图像变换过程写出相应函数的解析式所需工具腾讯混元（用于代码生成与动态交互）、GeoGebra网页版（备选）、函数图像记录表、参数调控实验单操作流程第一阶段：课前准备教师进入腾讯混元，输入指令：“请生成一个HTML页面，用于二次函数y=ax²+bx+c的图像动态演示。要求：支持滑块分别调整a、b、c三个参数，图像随之实时更新，并在图像上标出顶点坐标。”将生成的HTML保存为本地文
Bing发布AI报告：网站“被引用”数据首次可视化
你的素材有没有被 AI 采纳或引用？最近，Bing 在站长平台内上线了 AI Performance 报告，初次尝试解答这个疑问。这也预示着，搜索分析正由“点击统计”向“内容影响力”演变。AI Performance 属于 Bing 站长工具的新增板块，旨在评估网站内容在 AI 生成回复时的“被引用程度”。它主要涵盖以下场景：换言之，该报告不再聚焦于用户点击与否，而是侧重于：你的内容是否介入了 AI 回复的构建这在以往是完全无法观测的。该报告提供了一套全新的 AI 搜索指标：统计网站内容被 AI 回复引用
AI转向纯智能优先发展:生成式AI社会风险显现 | 硅谷最新动态
硅谷核心叙事转向Codex的"ChatGPT时刻":从编程工具蜕变为自主长时间电脑代理，更强大的模型仍是首要目标，开源轻量模型与社会负面反馈同步涌现。🔥 从"更快更经济"到"智能至上"的优先级回归💡 叙事转向:Sam Altman历史观点长期强调模型成本与速度优化，而今日推文明确承认"强大能力仍然是最重要的"，标志着行业从效率工程转向纯智能扩展的重大转变。这一转变与历史记忆中他对GPT-5.5和Codex的乐观形成呼应，但也反映了对过往"认知偏差"的自我修正。🗣️ @sama | OpenAI CEO"我
我被裁后靠AI翻身：第一桶金到手
失业那天，我才真正看清AI在职场里的样子。被裁后的头一个星期，我像没头的苍蝇一样到处投简历，足足投了八十七份，但回音寥寥。在招聘软件上，“会用AI工具”几乎成了默认门槛，而我从来没把GPT系统地用明白，更别提熟练操作了。后来有朋友拉我进了一个失业互助群，群里三百多人，设计师、文案、翻译、原画师都有，大家对“AI抢饭碗”的抱怨几乎把气氛压得像葬礼一样。有人每天发外卖红包，有人讲面试踩坑的经历，我起初只是潜水两周，慢慢察觉到一个很怪的规律：焦虑的人往往只会反复怨天尤人；而那些把时间留给赚钱的人，早就悄悄换了打
利用零值的AI芯片突破
对人工智能模型而言，算力规模往往决定上限。尽管一些AI从业者提醒，像大规模语言模型（LLM）这类技术的效果提升可能正在出现边际递减，企业依旧持续发布规模更大的AI产品。Meta 最近推出的Llama模型就配备了高达2万亿个参数。模型越大，能力通常也越强。但与此同时，它的用电量和运行时间也会随之上升，进一步推高碳排放。为降低这些代价，人们转而采用更小但能力更有限的模型，并尽量用更低精度的参数配置。不过还有另一条思路：既保留大模型的高性能，又能显著减少运行时间与能耗。关键在于“善待”大模型内部的零值（This
AI落地实战：设计人机信任，让AI成为你的得力助手
德鲁克曾言：“管理在于正确地做事，领导在于做正确的事。”此刻，我想探讨的是——如何利用AI，既选对方向，又执行到位。我深知近期你定被各类AI概念狂轰滥炸。有人恐吓“不用AI即死”，有人展示“大模型代写周报”，还有人承诺“助你实现全自动化”。但你内心定在盘算：这玩意儿真能帮我降本吗？会不会斥资几十万却买回一堆“人工智障”？今日我不谈技术细节，不聊代码编写，也不讲算法原理。你或许会认为：AI自动化不就是用软件替代人工点击鼠标吗？事实并非如此。市场上90%的RPA（机器人流程自动化）项目，最终结局如何？不过是将
AI智能体如何影响我在德国大厂与日常生活（直播连麦咨询105）
@留德华叫兽 是【DIY飞跃计划】留学｜科研社区的创办者。先后在美国Top 50攻读运筹学硕博并深造三年，随后转入欧盟玛丽居里博士项目；在德国海德堡大学人工智能方向完成数学博士。期间曾赴意大利博洛尼亚大学交流、在IBM实习半年，并在巴黎综合理工访问一季。如今就职于德国某大厂自动驾驶部门，担任资深研发工程师，累计协助不下200位学员完成DIY飞跃。2023年11月19日起，我（留德华叫兽）正式启动【连麦直播陪伴申请】。每个周末我都会在视频号直播间与大家见面，同时也会邀请全球的博士/教授嘉宾做座谈；每场连麦
AI自设计：热潮背后，真正的变革在别处
AI自设计：热潮背后，真正的变革在别处神经架构搜索（NAS）总被包装成「AI创造AI」的概念，这描述虽准确，却掩盖了更深层的疑问：为何人类耗费数十年才醒悟，自己始终在用最原始的方式搭建神经网络？2012年，AlexNet震撼登场，开启了深度学习的腾飞之路。然而鲜有人关注到另一事实：AlexNet的整体结构，是Alex Krizhevsky纯手工逐层构建的。他历经多次尝试，依靠直觉微调，凭借经验拍板。这种方式，与19世纪工程师靠试错建造桥梁，本质上并无二致。这并非嘲讽任何人。这正是2010年代AI领域的普遍
AI颠覆电商系统：告别高昂投入，拥抱灵活高效
近几年投身电商行业，我有一个深刻体会：电商系统，价格一直居高不下。两三年前，在我电商业务开展顺利的时期，也曾为购置系统投入不少资金。那时为了优化店铺的发货、财务及库存管理流程，我购置了一整套电商服务系统。整套下来，总计花费超过二十万元。这套系统包含了发货模块、库存管理、财务相关功能，以及一些经营数据统计分析工具。当时我觉得这是很自然的。因为当电商业务发展到一定规模后，你会发现，许多事务无法再仅仅依靠人工表格来处理。发货需要系统支持。库存管理需要系统。财务核算需要系统。数据分析同样需要系统。除了这套核心系统