人工智能入局医疗，传统医者何去何从？
编者按：新华网“AI赋能千行百业一线观察”系列融合报道，走进产业一线，聚焦人工智能和“人工智能+”产业发展，以真实场景、典型案例与实践成效，反映新质生产力推动中国经济高质量发展。AI赋能千行百业一线观察│AI诊疗（上）：当医院来了“AI新同事”人工智能正悄然改变人们的就医方式。从大型医院的CT影像阅片，到乡镇卫生院的远程诊断，再到手机端的在线问诊，一位不知疲倦的医疗“AI新同事”已上岗。它能在几秒内精准圈出病灶，24小时不间断回应咨询，还能大幅缩短罕见病患者的确诊时间。这位“新同事”究竟如何工作？它为医生
摩根士丹利万亿接口开放：AI理财时代来临，人工操作彻底终结?
金融圈近日悄无声息地爆出重磅信号，足以重塑未来十年财富管理的底层逻辑。未做任何预热，华尔街巨头摩根士丹利低调宣布，正式开放旗下逾1.2万亿美元的资管AI接口。简而言之：合规的私人AI智能体，终于能直连顶级投行的核心资管系统，自主完成理财分析、资产配置、市场研判及组合优化。无需人工盯盘，无需理财经理分析，更无需用户手动操作软件。AI智能体将化身每个人、每家企业的“专属私人财富管家”，全天候接管万亿级金融资源。许多人仅读懂了表面的“AI理财”，却忽视了变革内核：传统人工理财时代正式落幕，金融行业的Agent智
智启未来：学习科学视域下的人工智能教育新篇
尚俊杰、王淑文（分别担任北京大学教育学院副院长兼学习科学实验室执行主任、中国高等教育学会学习科学研究分会常务副理事长兼秘书长；北京大学教育学院教育技术系博士研究生）人工智能技术的飞跃式进步，正引发教育领域的深层革命。以 ChatGPT、OpenAI 等智能体为先锋，AI 已全方位渗透至教学、学习、评价及管理的各个环节。当写作、编码乃至科研任务皆能由 AI 高效达成，一个时代命题随之浮现：在人工智能纪元，人类是否还需学习？学为何物？何以学之？又该如何学得卓越？学习将成为促成人的全面发展的核心实践中国机器人及
智能浪潮下 企业凭什么构建竞争壁垒
在智能化时代，企业真正的竞争壁垒并非那些可以被轻易模仿的技术方案，而是围绕人工智能应用而重新构建的崭新组织形态。延续传统的管理模式已难以适应智能时代的发展需求，企业必须重新定义人、流程与AI之间的关系：人应当从单纯的执行者升级为AI的训练者、架构设计者以及风险控制者，而AI则负责处理标准化的高效执行工作。通过组织模式的深度变革与企业文化的有力建设，这才是企业实现快速增长的根本保障。企业在实践中需要摒弃零散的工具化思维，构建人机协作的底层操作系统，包括制度机制和企业文化建设，从而完成系统性的组织变革。重新设
夏立新：智教时代好老师的“三维”画像
回望历史长河，每次技术跃迁都引发教育逻辑巨变。如今生成式AI正重塑教育生态，改变知识获取、课堂交互与人才标准。技术越渗透，教师作用越不可替。正如习总书记所言，教师是传播知识真理、塑造灵魂生命的工作。无论AI多智能，教师铸魂育人使命不变，好老师永远是刚需。志向坚定的“人师”学高为师，身正为范。AI可精准推送知识，却难指人生航向；可模拟逻辑，却难传理想信念。在信息爆炸、价值多元的今天，“人师”弥足珍贵。好老师应怀教育信仰、高尚品格与赤诚温度，做学生数字浪潮中的精神灯塔。传道者必先明道。AI改变认知方式，好老师
五月AI风云录：价格腰斩、资本热潮、监管收紧
2025年5月，全球人工智能产业涌现出三件表面独立、内在关联的重要事件。国产AI模型价格一次性下调75%，从高不可攀的专业工具转变为普惠大众的日常应用。与此同时，大洋彼岸的美国AI公司正紧锣密鼓筹备上市，资本市场从追逐概念转向验证实际成果。此外，多个国家和地区纷纷为AI发展设定边界，监管体系正在快速成形。这三件事综合来看，呈现的并非零散的新闻碎片，而是一个明确的趋势：AI正从技术竞赛阶段，全面迈入商业化深度发展阶段。5月22日，DeepSeek官方发布了一则震动全行业的公告。DeepSeek-V4-Pro
AI 入校后，变革课堂表象，重塑学习本质
提及 AI 进入校园，人们脑海中首先浮现的往往是极具画面感的场景。教室内配备了巨大的显示屏。每位学生手中都握有平板电脑。教师借助 AI 生成教学课件。作业平台实现自动批阅。课堂数据能够实时分析。这些听起来显得颇为高端。然而，我想讲一句或许有些泼冷水的话：倘若 AI 进校园仅仅是为了让课堂表面显得更热闹，那么这种变化实则相当浅显。真正深刻的变革，并不存在于屏幕之上，而是发生在学生的思维深处。这并非是给课堂增添了一件工具，而是学习的方式正在发生根本性转变。据中国政府英文网站 2026 年 4 月报道，中国已公
六、AI技术引领高等教育回归教育本源
教育数字化转型：变革方向与实施路径客观分析人工智能技术的底层逻辑、核心优势与局限性人工智能为教育领域带来哪些赋能价值每个人都应掌握的人工智能技术：积极学习、快速普及、共创智能未来人工智能时代：我们需要掌握哪些基础认知？应尽快在高校必修课程体系中加入人工智能通识课程人工智能技术应用中的安全风险与应对人工智能教育与人工智能赋能教育之间的差异普通教育工作者如何应对人工智能赋能教育的新局面？人工智能持续演进对职业发展的影响及个人应对措施人工智能时代如何构建个人的认知体系AI已至，请勿用陈旧的思维限制未来的可能AI
亿万富翁发出警告：九大领域正在衰退，创业者需提高警惕
随着人工智能加速渗透各行各业，无数企业正处于关键的转型路口。有人蜂拥追逐AI带来的新机遇，也有人冷静思考：哪些看似盈利的业务，实际上正面临深层的结构性危机？美国著名投资人、亿万富翁马克·库班近期多次公开表示，部分行业正同时遭受AI技术颠覆、经济周期波动、政策调整以及商业模式缺陷的多重夹击。对创业者和投资者而言，与其盲目追逐热点赛道，不如先识别那些正在急剧恶化的领域。以下九类行业，正是他认为需要格外审慎对待的方向。过去，电影公司、电视台和传统媒体凭借对传播渠道的垄断，享有绝对的话语权。但如今，AI创作工具、
AI 实战手记：拒绝空想，一日将构想变现超畅快
我组建了一个成都小圈子，汇聚了长期关注 AI 领域的开发者、销售、产品经理及运营人员。今年以来，我的关注焦点转向了「AI 组织力」与「企业 AI 组织变革」这一议题。我尤为重视——一家成功部署 AI 数字员工的企业，会呈现出怎样的 Before & After 对比效果。对于渴望引入 AI 数字员工的企业，我该如何提供 Before & After 的解决方案。01 初心：切勿对 AI 置身事外02 幻想：若有个企业 AI 数字员工方案智能体该多好03 落地：我的行动（22 点启动，耗时 1 小时）04
AI没有抢走程序员饭碗,反而成了职业升级的推手
过去两年，每当硅谷大厂公布裁员计划，社交媒体上总会涌现一条获赞最多的评论——"都是AI惹的祸"。ChatGPT能编写程序了，Claude能重构整个项目了，Cursor能自动实现完整功能了。码农们是不是该打包走人了？普林斯顿大学学者Arvind Narayanan和数据专家Sayash Kapoor联合发布了一篇深度分析，标题开门见山：Why AI hasn't replaced software engineers, and won't。知名技术博主Simon Willison读后评价，这是他见过最有说服
AI能力跃迁指南：如何高效驾驭智能工具
2025年，AI领域最引人注目的动态是Meta以巨额代价招募人才。该公司聘请了前苹果基础模型团队负责人庞若鸣，其综合薪酬突破2亿美元，约为库克年薪的三倍。对企业而言，更迫切的需求是那些既精通业务又熟悉AI技术、且乐于学习新技能的人才。统计表明，中国AI人才缺口已超500万。59%的企业表示，他们最紧缺的不是模型训练专家，而是懂场景并能将AI融入业务的复合型人才。为何存在如此巨大的差距？关键在于工具本身，更在于使用者对问题的定义能力。同样利用AI进行数据分析，存在两种截然不同的方式：一种是将数据直接抛给AI
谷歌I/O 2026放大招:AI主动出击替你盯梢,搜索行业规则被重写
这听起来像是普通的功能更新？错了。这是谷歌在I/O 2026开发者大会上投下的一枚重磅炸弹，代号信息智能体（Information Agents）。目前仅向AI Ultra订阅用户开放，每月费用从99.99美元起。贵不贵？确实不便宜。但这贵有贵的缘由——因为谷歌出售的东西，本质上已经发生了根本性转变。传统搜索解决的是一个核心问题：我现在想了解什么。你输入关键词，它返回一堆链接，你选一个点击进入。交互就此结束。下次想知道新事物，再来敲一次门。信息智能体解决的则是截然不同的问题：世界上发生的与我相关的事情，你
大模型时代知识创造的新变革
作者简介：孙茂松，清华大学人工智能研究院常务副院长，计算机科学与技术系教授知识创造与两个核心环节紧密相连：知识的生成与知识的扩散。两者相互促进：高质量的知识是广泛传播的源泉，而有效的传播通过知识的“教化”功能，在人们运用所学解决实际问题的过程中催生更多优质知识。自古至今，这一过程“循环往复，始终延续”，持续充实着人类的知识积累。在漫长的历史进程中，知识的创造与拓展，长期带有少数“智者”留下的深刻印记。随着时代进步，“智者群体”的规模会逐步扩大，但在整个人口中相对仍属少数。进入现代特别是互联网时代，这一状况
AI趣闻124:RLVR重构推理力，开启企业开发新纪元
自2024年起，AI领域经历了一场颠覆性的技术飞跃：OpenAI o1、DeepSeek-R1、Kimi k1.5、Qwen3等主打强推理能力的大模型相继问世，在数学运算、代码生成及复杂科学问题等硬核领域实现性能的大幅跃升。驱动这一质变的核心技术，便是可验证奖励强化学习（RL with Verifiable Rewards，简称RLVR）。以往大模型训练高度依赖人工标注与昂贵的人类反馈，而RLVR彻底重塑了模型训练的闭环逻辑，不仅显著降低了专业大模型的研发成本，更推动行业从“比拼标注预算”转向“较量验证器