沪港共探AI驱动经济新未来论坛
7月17日下午，香港贸易发展局在上海主办了AI驱动经济前沿与全球协同论坛，香港特区政府创新科技及工业局局长孙东、上海市人民政府副秘书长朱民等嘉宾到场参与。朱民在发言中指出，沪港AI协作成果显著，“沪港人工智能产业加速联盟”启动，“香港研发+内地应用”模式不断深化，两地企业携手拓展全球市场，展现了“双城联动、双向赋能”的强劲合力。上海将坚持开放、合作、共赢的原则，与香港共同构建创新协作高地，激发技术落地新活力；共建产业融合生态，开拓商业应用新领域；共搭全球合作平台，增强产业国际竞争力。孙东在发言中表示，香港
熊星图灵携手南京场景平台推出AI驱动CAD设计及仿真加速方案
南京熊星图灵科技有限公司南京熊星图灵科技有限公司由MIT人工智能博士周睿带领成立，基于大量顶级学术成果构建多模态空间智能技术优势。公司以自主研发的空间智能引擎为核心，打造UrsaGen（生成式CAD工业设计）、UrsaCAE（AI仿真）、UrsaTwin（数字孪生）、UrsaVision（3D工业检测）四大完整产品体系，贯穿“设计—工艺—生产—预测”全链条。AI辅助CAD生成与仿真加速综合平台1. 高端制造业三维CAD设计过度依赖专家经验，制图耗时且试错代价高；2. CAE物理仿真计算常需数小时，延缓研发
扬州早茶论：AI OPC的破局与机遇
7月16日，“OPC Tea&Talk”扬州早茶宴暨“苏创助跑”创客交流会在扬州市广陵区皇冠假日酒店盛大开幕。作为 AI OPC 社区，36创创始人、阿里 & 蚂蚁创业校友会发起人蔡素卿受邀出席，并就《AI 时代下 OPC 的发展机遇与挑战》进行了深度剖析。她指出，AI时代技术产品迭代极快，生产力和生产关系发生巨变：1 个碳基人 + N个 Agent 构成新型生产力，公司形态称为 OPC（One Person Company），团队形态称为 OPT（One Person Team），百倍效
AI时代CPU的重构：从辅助到核心编排
人工智能 (AI) 基础设施正迈入全新关键阶段。生成式 AI 的初始阶段以加速器规模化为核心，聚焦 GPU、NPU 与定制 AI 加速器的部署、供电、散热与互联能力。该阶段虽未终结，但已难满足当前演进需求。下一阶段的核心是机架级系统协同：通过异构 AI 机架，将不同计算资源分别优化至智能体 AI 工作流的各环节。由 CPU、加速器、内存、网络设备构成的专用机架，正被整合为吉瓦级 AI 超级集群，每台机架作为高密度计算单元，承担特定任务。AI 推理正从单次模型调用，演变为多步骤智能体流水线。基础设施设计重心
2026上海人工智能大会
2026世界人工智能大会展会时间：2026年07月17日至07月20日展会地点：上海世博展览馆经国务院批准，世界人工智能大会（WAIC）由外交部、国家发改委、工信部、教育部、科技部、国资委、网信办、中科院、中国科协及上海市人民政府联合主办。自2018年创办以来，大会已成功举办八届，始终致力于国际化、高端化、专业化及年轻化发展，已成为全球人工智能领域最具影响力的行业盛会，是国家与上海市共同打造的国际高端合作交流平台。2026年，大会将继续发挥“科技风向标、应用展示台、产业加速器、治理议事厅”的作用，构建“会
AI驱动新质生产力 望京街道联合星禾领创共建AI智体创新谷 打造区域AI产业高地
AI驱动新质智启新增长望京街道联合星禾领创打造AI智体创新谷构建区域AI产业新标杆7月16日下午，望京街道办事处携手星禾领创集团，在望京SOHO T2座20层路演大厅举办“AI驱动新质·智启新增长——星禾AI智体创新谷启动暨望京新质产业加速器周年沙龙”。朝阳区人才局、中关村朝阳园管委会、朝阳区投资促进服务中心相关领导出席活动，科研院所、创投机构、产业平台、AI科创企业代表等近90名嘉宾齐聚现场，共同见证望京培育新质生产力、布局AI产业生态的关键里程碑。党建引领强根基三大服务载体集中揭牌仪式上，望京街道工委
研华边缘AI白皮书：视觉与生成式技术融合详解
概述研华科技近日发布了《2026研华AIR边缘AI解决方案》，该方案提供可扩展、高安全性且面向行业场景的人工智能计算能力，覆盖从推理到二次训练的全流程，融合视觉AI与生成式AI技术，并配备集成化软件工具包，实现即插即用，在边缘端完成实时数据分析与智能决策。研华全系列产品支持CPU、NPU、GPU多维加速。无论您的应用是视觉识别还是大模型推理，总有一款配置适合您的业务需求。边缘AI服务器AIR-500/400系列适配大模型、医学影像等海量数据边缘AI场景，采用服务器级处理器与多GPU加速。边缘AI推理系统A
RISC-V与AI融合：开放指令集的演进之路
今年1月，英伟达宣布美国RISC-V IP核企业SiFive加入其核心生态，RISC-V处理器由此具备通过NvLink与英伟达芯片实现高速一致性互联的能力。3个月后，英伟达进一步参与SiFive的4亿美元G轮融资。开放指令集与AI算力的协同演进，正于2026年前逐步成型。从开放指令集的发展脉络看，两大关键规范的发布——2021年向量扩展1.0（RVV 1.0）与2024年高性能配置文件（RVA23 Profile），标志着RISC-V产业进入三阶段跃迁。RISC-V产业演进三阶段自2010年加州大学伯克利
AI硬件主线切换：业绩落地、扩产加速与国产超节点共振
今日要点若聚焦今日最明确的信号，答案仍是业绩。沪电与深南二季度利润持续上行，背后并非仅是出货回暖，而是AI高阶订单、BT载板、mSAP工艺及泰国产能爬坡共同驱动。与此同时，CCL环节的涨价已从原材料传导至终端，生益、金安国纪、华正等企业均实现顺价与产品结构升级同步推进。这标志着算力链条中两大质疑——需求是否因情绪波动消退、利润是否被上游侵蚀——均获得实质性回应：需求未减，利润未被吞噬。对资金而言，此类真实业绩远胜任何题材炒作。招商电子：PCB/CCL产业链中报预告及观点更新PCB业绩预告点评：整体符合或超
Nature报道：哪款AI工具最适配你的实验室？
面向科研的通用人工智能工具，例如Claude Science，有望推动研究提速。但哪一款更契合你的需求？2010年，加州斯坦福大学的遗传学家兼心脏病专家尤安·阿什利（Euan Ashley）主导了人类基因组的首次临床解析，其31人团队耗时9个月才完成该任务。本周假期结束整理行李时，阿什利尝试让AI工具克劳德（Claude）以同等标准分析其自身基因组。该工具由加州旧金山的Anthropic公司研发。整个分析仅耗时30分钟，并准确识别出阿尔茨海默病风险等位基因及影响药物代谢的基因变异（阿什利曾在2012年分析
AI冲击下科研人员的自我重塑
随着人工智能在代码生成、数学推导等领域的突破性进展，AI科研人员正面临前所未有的身份焦虑。自AI浪潮兴起以来，软件工程师与众多知识型从业者早已深陷类似困境：若AI能完全替代我们的工作，未来何去何从？ 本周我赴首尔参加国际机器学习会议（ICML）—— 全球AI领域规模最大的年度盛会之一，这一议题成为全场热议的核心焦点。 普林斯顿大学计算机系教授阿尔温德・纳拉亚南发表题为《还有什么工作留给人类？》的演讲，认为科研人员无需恐惧被AI全面取代。他指出，与其它行业相同，当前AI尚缺乏实现AI领域根本性创新所需的原创
人工智能浪潮下5nm以下晶圆代工格局：竞争版图与中国路径
生成式AI及大模型训练与推理需求正重新定义先进逻辑晶圆代工领域。5nm以下制程的角逐已超越单纯的晶体管微缩，转变为良率、产能规模、设计技术协同优化、HBM、先进封装及客户生态的全面较量。本文依据晶圆代工企业财报、投资人材料、监管文档及公开拆解数据，对2025至2026年全球5nm以下逻辑代工市场展开系统性剖析。分析指出：台积电在先进逻辑代工方面建立了远超其整体代工份额的压倒性优势；三星是当前唯一具备大规模先进节点基础的第二供应源；Intel Foundry与Rapidus分别象征美国本土制造和日本产业复兴
加速进化推出Booster T2，树立人形机器人算力新标杆
新浪科技讯 7月10日晚间消息，加速进化正式推出具身开发旗舰平台Booster T2。作为一款专为未来实际场景打造的新一代人形机器人(16.330, -0.33, -1.98%)，Booster T2集成了顶尖的腿足运动控制技术、顶级智能计算单元、稳健的工程设计以及开放的开发生态，致力于推动人形机器人从“会动”升级为“实用”，促使具身智能由技术探索转向落地应用。 在人形机器人赛道上，Booster T2依托加速进化多年深耕的腿足运动控制经验，借助高度仿生的机体构造与前沿运动算法，赋予机器人更自然、稳定且灵
三星AI PC专用加速芯片"GAIA"曝光：4nm制程、剑指2027年大规模量产
三星电子正在研发一款专用于人工智能个人电脑（AI PC）的加速芯片，研发代号为“GAIA”，预计将在2027年进入量产阶段。据业界消息透露，GAIA由三星电子设备解决方案（DS）部门旗下的系统LSI事业部主导研发。当前，三星已向联想、惠普等主流个人电脑制造商提供工程样品，开展性能评估与适配验证工作。GAIA采用4nm先进制程，核心架构围绕神经网络处理器（NPU）构建。区别于传统的中央处理器（CPU）和图形处理器（GPU），该芯片专注于生成式人工智能相关运算任务。此外，三星正在积极推动GAIA与存内计算（P
AI重塑新人成长路径：企业如何高效培养未来人才
前三篇，我们谈了三笔账。第一，AI时代，企业为什么越来越偏好成熟人才？第二，当AI可以完成很多基础工作，新人为什么看起来越来越“不划算”？第三，新人短期看是成本，长期为什么仍然是组织能力的种子？昨天我们特别谈到一个判断：新人短期看是成本，长期看是组织能力的种子。但这并不意味着企业应该回到过去，继续按原来的方式培养新人。现实更复杂。AI已经改变了基础任务的成本结构，企业也面临增长放缓、利润承压、降本增效和效率提升的多重压力。所以，真正的问题不是简单地说“要投”或“不投”。而是：企业如何既不因为短期效率压力放