人工智能科学：基础学科体系范式的全域重塑
点击上方蓝色字体即可关注北美新书人工智能科学：基础学科体系范式的全域重塑作者：贾海东摘要：人工智能技术的迭代演进催生出前所未有的第五科研范式，彻底瓦解了经典基础科学沿袭已久的固有研究架构与认知藩篱。数学、物理学、化学、生物学等传统基础学科，已不再囿于古典推演与实验验证的单一路径，正经历着全域性、根本性的范式重塑，并由此衍生出AI数学、AI物理学、AI化学、AI生物学四大崭新平行学科体系。与浅层级的技术赋能截然不同，基础科学领域的AI变革实质上是科研范式、认知逻辑与学科架构的底层重塑，构建起传统基础科学与A
用AI抵御AI：加州启动首个AI网络安全防护项目，守护水电交通核心系统
加州州长办公室于本周一正式公布，全美首个“人工智能网络防御项目”正式启动，意味着加州在借助AI应对网络风险领域实现了突破性进展。此项目的关键在于，于加州网络安全集成中心（Cal-CSIC）内部引入AI赋能的防御体系，承担漏洞检测、即时防护以及安全事件应急响应等任务，着重保障供水、电力、交通和紧急通信等关键基础设施的安全。依据最新规定，州内各级政府机构必须设立一名“人工智能网络安全官”，专项负责本部门AI相关网络风险的统筹协调工作。此外，该项目还将向地方政府和关键基础设施运营方开放更多尖端网络安全工具的使用
探讨意识本质与人工智能的边界
今天继续跟大家分享：意识的本质究竟是什么（深度探讨）？这篇深度文章评论区中的精彩留言。读者甲：“我有一个困惑，意识是不是必须依赖生命才能存在，一旦失去生命意识便不复存在？照此推断的话，是不是必须给AI赋予生命，或者某种模拟的生命形式，让AI获得真实的体验感才行？”作者回应：“从当前科学层面来讲，我们所能觉察到的主观意识，诸如自我认知、情感感受、认知世界的主体感，的确建立在生命的物质根基之上。像大脑的神经元活动、身体的感受系统，这是目前实证研究中最清晰的定论。就AI而言，当下的人工智能本质上仍是算法对数据的
AI应用层面的若干思考
关于AI应用层面的若干思考。最近留意到一个趋势，前沿的AI正在集中攻克基础性难题。前些天是GPT-5.6 sol和Claude Fable 5合力破解了一道悬而未决25年的问题，今天Anthropic正式宣布，一个尚未对外公布的Fable模型在黎曼猜想研究上获得重大推进。更令人意外的是，此次黎曼猜想的突破，竟是Anthropic一名员工通过反复让模型重试实现的。第一句话是："请尝试证明黎曼猜想。"失败之后，就说"再试一次"。然后不断鼓励Claude继续，让它相信自己。就这样，Claude独立完成了证明。这
麦肯锡：AI年度潜力高达4.4万亿美元，社会跃迁序幕刚刚拉开
"人工智能是驱动新一轮科技革命与产业变革的战略性技术力量，正日益成为培育新质生产力的关键引擎。"当这一论断从政策文本落地于产业实践，市场真正聚焦的问题随之浮现：人工智能究竟能在何种程度上拉动生产力跃升，又将怎样转化为可感知的社会福祉？作为研究者的我们的判断是——这一命题在方向上站得住脚，且已积累了一批可量化的早期实证支撑；但红利的兑现并非水到渠成，它遵循一条"基础设施率先铺开、组织重构随后跟进、宏观收益最终释放"的J型曲线。看清这条曲线，远比追逐叙事更有价值。经典增长理论把产出归于劳动与资本的投入。本轮人
AI入门第一课：先懂边界，再学提示词
第1章 AI基础认知入门篇缺少手绘头像内容加载中....AI定义 · 应用场景 · 实际操作流程AI初探：定义、边界及规范用法编者按本章旨在阐明 AI 的核心概念。你将依次了解：AI 的定义、适用范围、哪些结果不可全信，以及入门阶段需掌握的术语。关于训练、参数、算法等底层逻辑，暂不深入探讨。01PART一、本章学习目标学习目标完成本章学习后，你应能：用自己的话解释AI 定义是什么。判断一项任务是否适合交给 AI。区分生成式 AI 和多模态 AI。看懂ML、DL、NLP、LLM这些常见名称。用一套清楚的步骤
AI创意课堂开课啦!|桂城人才中心周末AI班火热招募中
人工智能+实操体验=？当AI融入学习与日常远不止"会用"，更要懂得理解、驾驭与创造【周末班系列】——AI游戏开发&智能创作课程带孩子们玩转AI"看得见、听得懂、会思考、能互动"！零基础也能轻松入门先一睹课程安排吧👇课程引领孩子零代码踏入AI编程领域🤖借助独特的"提示词卡片" ，逐步引导孩子梳理底层逻辑💡、发出明确指令孩子们将亲自动手把语数英知识转化成趣味十足的闯关小游戏🎮️让主科学习变得轻松有趣学习图像识别、语音分析、文本理解与动作捕捉📖亲手训练AI模型实现各类智能应用以趣味实践解锁AI核心原理零基础也能
两万亿美元押注AI
美国四大科技巨头（谷歌、Meta、微软、亚马逊）已承诺在未来几年内投入近2.4万亿美元，主要用于数据中心建设、算力基础设施、芯片采购等领域。这些投资涵盖短期支出和长期布局，旨在争夺AI基础设施主导权。政府投资美国政府通过“AI创世纪”计划等政策，投入资金用于支持AI研发、基础设施建设及与企业的合作。例如，美国能源部与24家科技企业签署合作备忘录，首批资金3.2亿美元，重点投向电力、数据中心、高性能芯片等领域。投资逻辑与影响美国企业投资的核心逻辑是争夺“算力主权”，通过大规模投资构建AI基础设施，以支撑大模
AI产业应用图谱调研｜探访诺雅克电气：聚焦高端制造AI落地实况与行业难点
01@Empower全链路AI赋能，实现智造降本增效调研团依次参观诺雅克电气智慧展示厅与智能生产车间，系统了解企业战略布局与智能制造建设成效。诺雅克电气隶属正泰集团高端全资子品牌，聚焦智能电气设备、新能源及数据中心配套产品，业务遍及全球四十多个国家与地区。企业研发实力雄厚，千人团队中研发人员逾300人，硕博人才占比32%，依托全球三大研发中心，打造研产销服一体化运营体系。据介绍，诺雅克自启动智能化升级以来，历经十余年迭代演进，完成从手工生产到自动化、智能化产线的全面升级，最终于2021年建成一体化智能工厂
瑞银重申长和"买入"评级 目标价维持101港元
瑞银发布研究报告指出，继续给予长和(72.4, -0.60, -0.82%)（00001）101港元的目标价，并维持"买入"投资评级。该行提到，根据相关媒体报道，长和持有76%股权的附属公司长江基建集团(61.3, -0.10, -0.16%)（01038）已聘请摩根士丹利与巴克莱，负责出售其所持有的澳洲可持续分布式能源企业EDL Energy（长和实际持股比例为36%），预计交易估值在20至30亿澳元之间。报道显示，EDL Energy的业务涵盖清洁及可再生电力、可再生天然气以及偏远地区可再生能源等领域
学术报告丨可扩展 AI 基础设施的全链路端到端解析
RESEARCH SEMINAR · 学术报告可扩展 AI 基础设施端到端视角◂ 左右滑动查看 ▸📢 香港科技大学（广州）功能枢纽微电子学域联合 IEEE EDA 广州分会，特邀香港中文大学（深圳）余旻晨助理教授带来题为《Towards Scalable AI Infrastructure: An End‑to‑End View》的专题学术报告。讲座主题：Towards Scalable AI Infrastructure: An End‑to‑End View●时间2026‑08‑13（周四）10:00
AI动漫制作就业班课程详情
AI动漫制作就业班课程介绍2026年，AI影视动漫市场呈现井喷式发展态势。AIGC动漫师新人月薪7k-12k，AI漫剧导演/编导新人月薪8k-15k，资深人员月薪可达25k以上。但全年AI影视复合型人才缺口高达50万，供需严重不平衡，企业求贤若渴。因此，我们开设了AI动漫制作就业班，专注AI动漫短剧全流程制作，30天线下集训助力零基础学员迅速掌握AI动漫制作关键技能，完成从工具学习到职业创作的转变，直通高薪就业岗位。课程介绍招生对象/ Admission Targets应届/32岁以下往届生，大专及以上
AI基础设施涵盖哪些内容？
AI基础设施不能简单等同于“显卡”，它是一个多层次的技术体系，通常可划分为硬件、计算平台、开发工具和数据处理四大维度。我用一个“造车”的比喻来帮你理清：· 第一层：硬件层（芯片与算力）——好比“发动机”。核心力量是NVIDIA的GPU（如H100），以及谷歌TPU、AMD MI系列等AI芯片。它们承担AI模型的大规模并行运算。这一层还包括搭载这些芯片的服务器、定制化的高速网络（如InfiniBand）和存储系统，用以突破数据传输的瓶颈。· 第二层：计算平台层（资源调度）——好比“生产线”。主要是云计算平台
企业落地 AI 问数,先想清这 5 件事
不少企业在评估 AI 问数时，往往第一反应是：能不能马上查数？更可靠的路径，是先梳理清楚 5 个底层问题。只有这些基础打牢，AI 问数才有机会在日常业务中稳定运转。其一，数据源头来自何处？若只对接一张临时表，AI 难以支撑复杂的经营分析。其二，指标定义由谁统一？营收、GMV、毛利率、转化漏斗等口径必须保持一致。其三，各岗位的数据可见范围如何划分？AI 需要准确识别用户身份与权限边界。其四，业务术语与字段含义由谁标注？内部黑话、字段说明、枚举值都需转化为 AI 可理解的语义上下文。其五，常见分析场景能否沉淀
企业落地AI问数：先理顺数据，再谈模型接入
企业在推进AI问数时，往往最先聚焦于模型选型、提示词设计与对话界面搭建。然而真正落地到业务场景后，率先遇到瓶颈的通常并非模型本身，而是数据层面：数据存放在何处、如何保持更新、字段含义如何说明、指标口径如何对齐、不同角色的访问权限如何界定。若数据接入环节出现偏差，AI只能在残缺的语境下给出答复。企业的数据往往散落在ERP、CRM、各类数据库、业务系统以及众多轻量级表格之中。完成数据汇集仅仅是开端，更关键的在于实现统一存储、消除冗余、积累指标体系、补充字段说明，并将其转化为AI可直接调用的数据形态。否则AI所