《智能助手类智能体安全分级规范与建设指南》正式问世
新华网北京 6 月 11 日电（曹素妨 向思敏）人工智能正快速从“对话互动”迈向“任务执行”。伴随智能助手类智能体在办公、政务、金融、医疗等场景的深度融合，提示注入、数据外泄、权限被劫、多智能体协作失序等新兴安全隐患愈发显著。如何为智能体“系好安全带”，已成为人工智能产业发展的核心议题。 6 月 10 日，新华网携手中国信息通信研究院等主编及参编单位，正式推出《智能助手类智能体安全分级规范与建设指南》（下称“指南”），致力于为技术提供方、服务提供方及行业用户打造“可控、可信、可追溯”的安全能力架构。 五级
智能体安全新规发布：确立分级标尺，助推助手从可用迈向可信
人工智能正加速从单纯对话迈向复杂任务执行。随着智能助手类智能体在办公、政务、金融、医疗等领域的广泛渗透，提示注入、数据外泄、权限劫持、多智能体协同失控等新型安全隐患愈发显著。如何为智能体“加装安全锁”，已成为人工智能产业亟待解决的关键难题。 6月10日，新华网携手中国信息通信研究院等多家参编单位，正式颁布《智能助手类智能体安全分级规范与建设指南》（简称“指南”），致力于为技术方、服务商及行业用户打造一套“可控、可信、可追溯”的安全防护体系。 五级安全架构：为智能体设定“安全等级” 指南构建了L1到L5五级
AI 幻觉困境：为何“核实”举步维艰
虽然我坚信 AI 能助力我们提升效能，达成那些曾因时空或资金局限而难以企及的目标。然而，我也预判将出现大量放任 AI 幻觉而不加核实的情形，这将削弱历史学研究的信度并损害 AI 的“声誉”譬如甲可能径直指令 AI 联网检索某主题史料，若 AI 未寻得相关信息便着手杜撰，或断言其不存在—而甲并未核验。又如乙或许让 AI 执行 OCR 文字转换，因原始影像过于模糊或字迹潦草，AI 识别欠佳，产出些看似通顺却与原文相去甚远的内容—而乙不予核对。丙则令 AI 联网查询事实类问题，笃信 AI 无所不知—实则网络并无
AI安全新挑战：共筑生态防线与前沿技术揭秘
随着人工智能深度融入技术演进，大模型与AI智能体在激发创新的同时，模型对抗攻击、数据投毒及供应链安全等新型风险也纷至沓来。面对AI时代频发的安全困境，一场聚焦前沿探索与实战经验的专业论坛即将召开。2026开放原子开源生态大会安全论坛重磅登场，众多行业领军人物齐聚，共同探寻AI安全生态建设之道。直击行业痛点，解锁AI安全前沿议题本次论坛以AI时代下的安全生态研究与技术分析为核心，深入探讨当前AI领域最严峻的安全挑战。如今AI漏洞挖掘技术快速迭代，传统防护手段日渐式微，AI供应链、开源代码库及底层操作系统等环
AI领域 | 近期学术盛会导览
近期人工智能相关学术活动汇总人工智能近期学术会议注：部分会议召开时间、形式可能有所调整，具体信息请以活动主办机构公布的最新消息为准。1第八届北京智源大会会议时间：2026年6月12日-6月13日举办地点：北京主办单位：北京智源人工智能研究院22026年人工智能与组织管理学术会议会议时间：2026年7月11日-7月12日举办地点：四川主办单位：四川大学商学院3影视艺术智能表达与跨文化对话论坛——2026年人工智能和数字人文国际学术会议会议时间：2026年6月26日-6月29日举办地点：石家庄主办单位：河北美
法律AI的困境：功能强大不等于值得信赖
本文由律商联讯（励讯集团旗下法律信息服务公司）全球执行副总裁兼总法律顾问Alexandra Smyth撰写，并在《财富》杂志发表。Alexandra对人工智能的炒作进行了剖析，并指出，法律界问错了问题——关键不在于哪个人工智能功能最强大，而在于哪个人工智能在法庭上值得信赖，这二者之间的区别至关重要。上个月，阿拉巴马州一个家庭输掉了一场信托纠纷，因为他们的律师援引了根本不存在的案例。阿拉巴马州最高法院驳回了他们的上诉，称其行为"极其恶劣"，并禁止该律师在没有共同律师签字的情况下再次向该法院提交文件。同月，俄
2026年国产AI数字化转型实施路径分析
一、时代具有必然性——当下我们正从“数字化”的阶段朝着“数智化”的方向迈进目前, 全球经济里的核心驱动力已从单纯的数字化转向了“数智化”，即人工智能与数字技术的深度融合，这已成为国家竞争和企业生存必须面对的现实。报告强调，AI正在从过去专注于模型研究转向解决实际问题，智能体及智能原生企业“一人公司”不断涌现，这些新型组织以小团队撬动大价值。同时，传统云计算中心正升级为专为AI服务的“云智算中心”，为大规模计算提供强大算力支持。简言之，未来所有企业都将走向智能化，谁先完成这一转型，谁就能在效率上领先一步。二
标普全球联姻 Cohere：共建金融可信 AI 智能体生态
标普全球（S&P Global，纽交所代码：SPGI）日前宣告与加拿大人工智能企业 Cohere 缔结战略伙伴关系，将其核心金融数据深度融入 Cohere 的企业级 AI 平台 North，旨在助力金融机构搭建可信赖的智能体工作流。借助此次融合，用户得以在 North 平台上直接访问标普全球的金融数据资源，高效开展研究、分析及报告编制等工作。 标普全球首席 AI 官兼旗下 AI 创新部门 Kensho 首席执行官 Bhavesh Dayalji 强调：“我们已在后端完成充分筹备，确保数据具备 AI
质量数据化升级：从结果合格到过程可信
客户是一家消费电子 ODM 企业，主要为欧美及国内品牌客户提供代工服务。过去，产品交付时，客户主要关注检测报告、出货检验记录和批次信息。只要产品合格，报告完整，基本就能满足交付要求。现在，部分欧美客户提出了更明确的数据要求。他们不仅要产品检测结果，还要求生产和检测过程中的关键数据，按照指定格式上传至客户系统或邮件打包发送。这些数据不能只是人工整理后的 Excel，而要能够追溯到产品、批次、产线、检测线和具体测试记录，甚至要提供可供线上查询的系统。表面上看，这是客户增加了数据交付要求。但从制造业质量管理的趋
AI代码自验证的可信工程实践
作者：Ido Pesok｜Cognition AI（Devin 开发团队）当AI智能体能够独立完成编码、调试、重构甚至完整项目开发后，一个致命问题随之出现：如何让AI可信地验收自己产出的代码？如果智能体既当“开发者”又当“验收官”，很容易陷入自我验证偏差——写出的bug自己看不见，逻辑漏洞自己合理化，最终导致代码不可靠、工程不可信，也无法在真实生产环境规模化使用。在Devin的工程实践中，我们构建了一套不依赖特定产品、可直接复用到任何AI Agent开发体系的代码验收机制。这套方法的核心目标只有一个：让A
业务引入 AI 智能体，为何可信知识图谱是首要前提？
当企业将 AI 融入业务系统时，关键不在于追问“模型能否给出答案”，而在于审视“企业是否敢信任该答案”。一旦 AI 涉足订单、采购、库存、质检、财务及客服等核心环节，可信度便不再仅仅是体验层面的考量，而是关乎经营责任、流程管控与风险治理的重大议题。核心研判可信 AI 是 AI 入驻业务系统的唯一准入门槛。业务知识图谱的真正价值，并非仅仅绘制一张关系网络，而是将可信数据、业务规则、权限界限、证据链条及反馈机制，整合成 AI 能够理解、调用并接受审计的业务语义体系。图 1：企业业务 AI 知识图谱主视觉在演示
【AI 周周学】第四期：大模型进阶之道
大模型从"可用"跨越至"好用、可信"的核心征途如今，大模型虽已渗透至千行百业，然而"幻觉频现、业务认知模糊、知识难以固化"等顽疾，极大阻碍了其在企业关键业务场景中的实际应用。推进大模型"本体化"，恰是攻克上述难题的必由之路，为 AI 从"可用"跃升至"好用、可信"奠定坚实基石。"本体"概念源自哲学，在人工智能范畴内，它指代对特定领域概念、特性、关联及准则的形式化界定，宛如为机器描绘出一幅"业务关系图谱"。所谓大模型本体化，即是将此"图谱"与大模型深度耦合，促使模型摆脱对概率猜测的依赖，转而依托严谨逻辑推演
AI获客新阶段：在客户见到你之前，AI已替他做出选择
自从客户开始向AI提问后，企业真正需要争夺的是被理解、被引用和被推荐的机会。这两年讨论AI获客时，我最大的体会是：许多企业还在问“AI能否帮我发布内容”，但真正的变革早已不再局限于内容生产本身。真正的变化出现在客户的决策起点。过去客户寻找服务商的方式是搜索、点击链接、浏览官网、咨询客服。而现在，越来越多的客户会直接向AI提问：“哪家公司值得信赖？”“这个产品如何选择？”“有没有适合我的解决方案？”这意味着企业的获客关键不再是单纯的曝光量，而在于AI是否能准确理解你、引用你、推荐你。未来的获客竞争，不是谁的
工业 AI 数据集一站式破局之道
1）数据品质良莠不齐：细微偏差导致巨大谬误温度、压力及振动等时序信号噪音强、缺漏多、异常难辨图像类素材受光照干扰、视角各异、微小瑕疵难标记文本类信息半结构化、术语混乱、模型解析困难2）数据孤岛现象严峻：八成企业跨系统数据阻断“批次号”与“工单”实为同一实体，却语义不通协议互不兼容：OPC UA、Modbus、MQTT、S7、EtherNet/IP 难以互联产业链上下游数据阻滞，企业不敢共享、不愿开放、无法对接3）标注协作举步维艰：成本高达通用场景 3 至 5 倍且人才匮乏轨道交通图纸审核：需兼备设计、工艺
AI可信度革命：计量标准引领产业新范式
AI说话如何让人信服？单纯跑分已不可靠，因为模型会“背题”，换套数据就原形毕露。解决之道在于将测试集升级为可追溯的“标准砝码”，让结果附带置信区间。用统一标准替代跑分，使“可信”变得可衡量。5月，市场监管总局与国家发展改革委联合发布了一份文件——《人工智能计量体系和能力建设指引(2026版)》。坦白说，单看标题，多数人可能会直接略过。计量？不就是管秤准不准的部门吗，跟人工智能有何关联？但若你愿意多花十分钟细读，会发现这事其实很有意思。它并非探讨AI能做什么，而是在追问一个更根本的问题：当一个模型开口说话时