AI 赋能 TAVR 实战：上海六院团队巧用 Evolut PRO 攻克复杂瓣膜病
上海市第六人民医院依托 AI 技术助力，成功为一名高龄且高危的重度主动脉瓣狭窄伴二尖瓣狭窄患者实施了 TAVR 手术。此次手术首次引入了 AI 三维重建、瓣周漏风险预测及冠脉风险研判等前沿手段。鉴于该病例对植入深度有着极高要求，团队利用术前模拟制定了精准的个性化方案，彰显了定制化策略的优势，为高危病患开辟了更为安全、优化的微创治疗新路径。近期，由上海市第六人民医院沈成兴教授与金贤教授领衔的医疗团队，选用 Evolut PRO 26mm 瓣膜，圆满完成了一例极具挑战性的经导管主动脉瓣置换术（TAVR）。该患
人大AI之夏：从生成式到求解型AI的机制与决策
点击上方【北大清华讲座】关注，知识重塑未来！世人往往单纯，屈从于当下的必然，致使欺诈者总能寻得受骗之人。——[意]尼科洛·马基雅维利“AI之夏”研招系列学术讲座第14讲：从生成式人工智能到求解型人工智能：大模型时代的机制设计与复杂决策AI之夏研招讲座“AI之夏”研招系列学术讲座第14讲，由人大高瓴人工智能学院祁琦副教授主讲。讲座详情讲座主题：从生成式人工智能到求解型人工智能：大模型时代的机制设计与复杂决策活动时间：7月13日下午13:00-14:00直播入口：抖音号：dyjnmwmnh3bc或抖音关注 @
从文本智能到世界认知：AI 重塑水产养殖新未来
点击上方蓝色文字关注我们International AquaFeed & Fish Farming Technology致力于分享“水产饲料与鱼类养殖”领域全球顶尖的科学技术、生产设备、创新产品及解决方案，同步推送国际行业热点与前沿资讯。从文本智能到世界认知：AI 重塑水产养殖新未来作者：托尼・陈，美国曼诺林公司首席执行官截至目前，GPT、Gemini、Claude 等大型人工智能系统主要依靠文本、图像及互联网海量信息进行训练。这也正是它们能够总结文档、流畅写作、回答问题、识别图像中物体的原因。当
AI进阶真相：告别单一对话模式
揭示一个残酷的真相。许多人认为，自己与AI专家的距离，在于提示词不够精妙，或是存在技术短板。然而事实并非如此复杂。关键在于，你们所使用的工具截然不同。你目前是如何使用AI的？启动豆包、ChatGPT或其他聊天界面，提出问题，复制回复，再粘贴至文档。一旦出错，便再次复制错误信息回去询问。如此循环往复，AI在出谋划策，而你却沦为AI与项目之间的“人工传输带”。因此，若仅是AI入门，豆包尚且适用；但若追求进阶，我强烈建议将其替换为Codex、Claude Code或WorkBuddy等Agent类工具。首先明确
智能时代工程教育新路径：复杂工程问题教学创新与认证实践
人工智能正在深刻改变工程问题的本质特征，新版工程教育认证标准对计算机类专业人才培养也提出了全新要求。本分论坛邀请产学研领域资深专家，围绕工程教育认证核心主线，深入探讨标准与AI技术的融合之道及教学改革方向，共同探索智能时代工程人才培养的新模式。FCES 20262026年7月27日至29日，第十届CCF未来计算机教育峰会（FCES 2026）将在重庆召开，大会以“未来教育：颠覆还是改良？”为核心议题。大会期间将举办《智能时代计算机类专业复杂工程问题探究》分论坛，论坛聚焦AI背景下计算机类专业复杂工程问题的
AI浪潮下真正的核心竞争力
人工智能时代什么最重要 人工智能时代，首先消灭掉的是知识付费时代，知识的获取变得非常的便捷和廉价。 可数据化、可总结性的单一技能，变得不再重要。客观理性的分析、方案的制定变的容易。 面对复杂的现实世界，如何执行和落地，才是最重要的。同时在单一的知识和逻辑下，如何构建出解决现实问题的复杂体系变得非常重要。 新疆 , 2小时前 ,人工智能时代，首先消灭掉的是知识付费时代，知识的获取变得非常的便捷和廉价。 可数据化、可总结性的单一技能，变得不再重要。客观理性的分析、方案的制定变的容易。 面对复杂的现实世界，如何
生成式AI监管的渐进转型路径研究
摘要:尽管包容审慎监管已成为生成式AI监管的普遍共识，但在我国当前传统监管仍占主导的现实背景下，新旧监管体系如何实现平稳衔接？这一转型为何在中国具备独特可行性与实践基础？成为学界与实务界亟待破解的课题。本文基于复杂适应系统理论，构建‘压力催生—反馈识别—认知重构—政府调适’的链式演化机制；通过对中央与地方监管实践的梳理发现：监管机构作为新框架的推动者，主要通过制度模块植入、组织结构嵌入、工具体系更新三类方式，逐步构建起包容审慎的规范化体系。本研究不仅从理论上阐明了我国生成式AI监管转型的内在逻辑，还提出了
人工智能赋能航空制造，产学研聚力破解曲面加工难题
6月17日，宁庆空天智能装备 (南京) 股份有限公司总经理蔡晶一行、南京农业大学工学院陈光明副教授到访千机智能。公司董事长赵建军热情接待，三方围绕AI智能编程、叶轮叶盘复杂曲面加工技术开展专项座谈交流。座谈会上，各方聚焦航空航天叶轮、叶盘等高精度零部件加工中的实际痛点，围绕AI+CAM自动编程算法、复杂曲面刀路优化、产学研成果转化等方向展开深度交流。结合装备制造企业的实操需求与高校的前沿科研优势，交换技术思路与产业化落地构想，探寻多元协同合作模式。此次交流有效连接了企业、高校三方资源链路，为深化产学研协同
AI时代，人类的独特价值在哪里？
AI并非会彻底取代人类，而是将重塑人类的工作形态与价值定位，未来人们需要专注于AI难以企及的独特能力，投身于更具「人文温度」的领域。具体可从职业路径和核心竞争力两个维度进行分析： 一、AI根本无法取代的核心职业领域 这些职业高度依赖人类独有的情感洞察力、创造力、复杂判断力以及手工技艺，AI只能扮演辅助角色，无法真正替代人类本身： 情感关怀类：幼教工作者、心理咨询师、医护人员（特别是外科/急诊领域）、护理员、月嫂。这类工作的本质在于深度共情与人际联结，例如幼教工作者需要敏锐感知孩子的情绪波动，心理咨
AI 浪潮下，普通人最该坚守的核心竞争力
日前，与一位友人闲谈。他任职于单位，主要负责综合材料的撰写。往昔，为了完成一份汇报或梳理一套方案，往往需翻阅大量文件、检索数据并调整格式，耗费大半日光景。如今，借助人工智能工具，许多流程骤然提速。初稿生成，仅需数分钟；标题构思，瞬间可获十余个选项；段落润色，只需输入指令，便能更加通顺得体。起初，他倍感振奋，以为终于从繁杂事务中解脱。然而时日稍久，不安之感油然而生。他坦言：“若这些工作人工智能皆能胜任，那我自身的价值究竟何在？”此言看似是个体的职业焦虑，实则是众多普通人正共同面对的时代课题。昔日，我们深信能
AI时代最稀缺的能力：指挥AI而非使用AI
今天在开发 data agent 的过程中，有同事提出了一个很现实的问题：面对 900 个指标，已经有些力不从心了。 这句话让我深有同感。 过去我们常说，一个人能力强，是因为他能处理很多事情。但现在越来越明显：真正难的已经不是单点处理事务，而是在复杂系统里，懂得如何拆解问题、如何调度 AI、如何验证结果、如何持续优化。 换句话说，AI 时代最重要的能力，可能不是“会不会用 AI”，而是“能不能明智地指挥 AI”。 一、900 个指标背后，不只是数据问题 900 个指标摆在面前，表面看是数据治理问题，实际上
AI智能体：从辅助工具到全能员工的变革
常规AI助手与搜索软件，仅能提供资讯并协助操作，处于“旁观”层面。而我们的AI智能体，基于核心数据库，扎根实际业务环境：剖析数据、改良流程、产出决策方案，并在关键环节主动修正执行策略。它是能代替你工作的全能员工，协助你应对高难度、高风险事务，将人们从重复性劳作中解脱出来。评估AI价值的标尺，不在于演示多么华丽，而在于其能否在复杂场景中真正落地。这正是智能体与传统工具的分界线：能处理繁杂事务、能肩负决策重任，而非仅仅“显得聪明”。智能体的能力源于数据、规则与模型的深度融合。此模式，使AI不再只是辅助手段，更
AI 的极限与人类的“应急开关”
人工智能与“应急开关”给一个“复杂的自行发展的系统安一个应急开关”意味着什么？或者换个说法大家就懂了：给每一个活人按一个应急开关意味着什么？以上文献片段截取自 1977 年苏联人工智能（控制论）专家 B.M.格鲁什科夫与莫耶夫的对话。这两个片段大体位于对话录的收尾。可以发现，格专家的观点前后矛盾：一开始他旨在说明人工智能无所不能，为了强调这种无所不能，他不惜掩耳盗铃地否认、抹煞人在智能之外还有“灵性”的一面；最后他又说人工智能的这种无所不能也有“例外”，即人工智能对人的模拟做不到百分之百，总有它模拟不了的
AI“超级码农”遗留的混乱困局
Jesse Skinner 在 HN 上发表了一篇引爆热议的文章，题为《替 AI 明星级开发者收拾残局》。该文斩获 415 个赞与 303 条评论。阅毕深感，这或许是本年度对 AI 编程最为透彻的一次反思。他打了一个精妙的比方。任何团队都曾遭遇过那种“明星程序员”——入职便将系统全部重构，排斥他人的代码提交，写出的逻辑唯有自己能懂。待其离职，继任者往往需耗费一周才能让项目在本地运行。半数代码源于冷门语言，另半数则依赖鲜为人知的库。此人技术固然超群，留下的却是一片狼藉。如今，将主角换作 AI。AI 代理能在
AI 热潮下的铜需求：是机遇还是变数？
自青铜时代跨越至智能纪元，铜再度跃升为投资风口的主角。逻辑十分直观。数据中心亟需庞大的线缆网络、散热系统及电力支持，这直接转化为对铜的巨大消耗。而人工智能数据中心的需求更是成倍增长。标普全球市场情报的数据揭示，每兆瓦加密货币数据中心需耗铜 21 吨，相比之下，中国一个人工智能训练中心的用铜量竟高达 47 吨。全球范围内愈演愈烈的人工智能角逐，势必拉升铜的需求底线。然而，具体增幅几何？标普全球预估，数据中心及其配套设施的铜消耗量，将从 2025 年的 110 万吨攀升至 2040 年的 250 万吨。不过，