Leo：专为机械设计打造的AI助手
Leo 的定位非常明确：它并非取代 SolidWorks、NX、Creo 等建模工具，而是为机械与 CAD 工程师量身打造的工程智能助手。它专注解决以下几类核心需求：工程问答 可直接询问材料特性、结构设计、制造工艺、行业标准、计算公式或装配难题。关键在于，它专为机械工程场景优化，非通用聊天机器人。基于 CAD/装配提问 可围绕当前 CAD 模型、装配关系或现场问题提问，获得贴合实际设计语境的精准建议。工程计算 Leo Chat 支持基础数值运算与分析，能自动查找公式、输入参数、执行计算并标注来源，适用于初
追觅俞浩：不打价格战，靠技术与高端突围
专题：2026第十七届夏季达沃斯论坛 6月23日至25日，世界经济论坛第十七届新领军者年会（2026大连夏季达沃斯论坛）在大连举行，追觅创始人俞浩出席并参与分享。 俞浩表示，“追觅现有超5万名员工，每天的费用也是很高的”。他还透露，“我们这些年，追觅在第一轮中花了5000万，在上一轮投资时，投资方也很支持我们，但实际上追觅一直是盈利的，所以我们前期只投了5000万，后续业务就靠自身营收滚动起来了。” 他提到，在经营方面追觅做了三件事情，实现了商业上比较完善的闭环： 第一，技术的复用。追觅的马达技术、机械臂
AI时代“软件”新形态：从调用接口到构建系统的范式变革
2023 年，AI 圈的关键词是"调 API"——拿 GPT-4 的接口写几行代码，就能让产品"接入 AI"。但很快就会撞到三个硬约束：所以你不能卖"概率性的客服"，不能卖"通用型的医生"，不能卖"没 SLA 的代码助手"。用户要的是确定的、可审计的、能上 SLA 的产品。怎么把概率性的内核，包装成确定性的产品？答案只有四个字：加约束层。用一张分层图把这件事说清楚：这其实是软件史的一次重演：大模型 = 新的"操作系统&
港中大首创光讯号处理器，为AI数据流通铺设光速通道
AI当你沉浸于AI带来的便利与灵感之际是否曾遭遇漫长的等待甚至为了一张图像耗费十数小时？随着人工智能技术日新月异，当代AI系统早已突破单机或单数据中心的范畴。现今诸多大型生成式AI模型，动辄需要数以千计的图形处理器（GPU）及专用加速器，分散于各地协同作业。欲使这些系统高效运转，各运算单元间必须实现海量数据的快速、稳定交换。故而，除却运算效能本身，高带宽、低时延及低能耗的通信技术，已然成为AI演进的核心支撑。香港中文大学（港中大）主导的研究团队日前成功开发出一款新型集成式全光信号处理器（all-optic
AI代写变现新机遇
分类维度核心内容关键数据/案例项目特点项目定位AI代写服务（商业/学术/情感/公文/教育类内容）教案、微课、PPT、简历等单日500+元高频刚需、客单价几十至上千元目标群体教师（2000万群体）、企业客户、学生教案设计需求最大，单笔400-1000元低内卷、教师需求持续增长操作流程1. AI生成初稿2. 人工优化3. 交付客户简历15分钟/单，PPT模板化操作工具依赖（Word/PPT）、提示词技巧为核心收益模式按单结算，分层接单（新手低客单→熟练后高客单）学员案例：- 单日500+元- 月入1.3万~2
携手爱拍哥，将AI深度融入你的商业实战
AI共创营将内容、销售、咨询与AI系统，真正融合进你的业务。近期，我与众多从业者深入交流。包括企业主、创业者、咨询师、教练及内容操盘手。大家表面常说：“我想学习AI。”但我听出了更深层的诉求：“AI发展如此迅猛，我的业务究竟该如何对接？”并非为了制作几张炫目的图片。也非收藏大量提示词。更非学完一个新工具，徒增维护的焦虑。而是让销售逻辑更清晰。让内容产出可持续。让咨询服务产品化。让团队减少重复性消耗。让你过往积累的经验、表达与方法，不再仅存于个人脑海。因此，这次我将联合爱拍哥，共同举办这场AI商业落地共创营
提示词工程：让AI输出稳定可复用
AI 应用基础系列｜提示词工程很多人初次使用 AI，常把它当作一个问答工具：想到什么就问，能答就继续，答得不好就换说法。这种随意提问能应付临时需求，但若想将 AI 融入工作流程，仅靠“乱问”远远不够。因为同一任务，提示词稍作调整，输出的质量、格式与稳定性就可能大相径庭。提示词工程的目标，正是如何更清晰、稳定且可复用地向模型传达任务。TEXT大模型并非传统搜索框，也不是执行固定指令的程序。它依赖输入的指令、上下文、示例与输出要求来生成结果。若输入模糊，模型会自行补全背景；若无格式约束，它可能输出易读但难接入
AI工作流正在从概念走向落地
当前AI领域最值得关注的核心趋势，并非某个模型的性能评分，而是"AI技术逐步融入实际业务流程"。Codex正尝试将演示操作转化为可重复使用的工作流，Google AMIE从单次诊断向慢性病管理延伸，Kimi K2.7 Code持续聚焦长周期编程代理。与此同时，Cursor将编程代理推入长期自动化循环，indium供应链也向我们揭示：AI一旦进入生产环境，工作流程、运营成本和基础设施将成为企业竞争的关键要素。OpenAI在6月18日的Codex更新日志中发布了Codex app 26.616版本，新增mac
AI一键生成视频，告别熬夜剪辑
做企业短视频运营的人，大概率都有过这样的崩溃瞬间： 硬盘里囤了千G的厂区实拍、产品素材、门店活动、客户案例，真正要用的时候，翻遍文件夹找不到一条能用的镜头； 没有专职剪辑师，运营、设计兼职剪视频，手动分类、逐帧找素材、写脚本、拼画面，大半天才能剪出一条片； 员工一离职，积攒的素材直接作废，新员工接手又要从头整理、重新拍摄，人力物力反复浪费…… 短视频已然成为企业获客、品牌宣传的核心渠道，但素材闲置、效率低下、成本浪费、素材流失这四大难题，一直困住绝大多数中小微企业的视频产出节奏。 今天给大家重磅解锁一款企
全光信号处理器诞生，破解AI数据中心传输难题
由香港中文大学（CUHK）主导的研究团队研制出一款创新型集成全光信号处理器（OSP），旨在满足新一代人工智能系统对庞大数据传输量的需求，特别是多数据中心间的高速互联互通场景。该全光信号处理器采用硅光子芯片工艺制造，可在光信号维持光态的情况下，即时修正信号畸变，无须先行转换为电信号再进行处理。简单来说，它能够更加迅捷、更加高效地处置高速传输过程中的信号损耗，有益于增强大规模AI系统中服务器与数据中心间的通信效能。实测数据表明，这款全光信号处理器可在1.6 Tb/s（太比特每秒）的合计数据速率下实现实时运算，
AI编程避坑指南：拒绝重复造轮子
第2125篇原创内容大家好，欢迎做客公众号：AI财友。我是吴俊驰，一位AI产品经理，也是与你携手利用AI创造财富的伙伴。深夜两点，你在AI的协助下终于攻克了那个困扰你全天的Bug。你长出一口气，关闭对话框，暗自庆幸：搞定。三周过去，另一个模块竟出现了几乎一致的报错。你盯着屏幕发愣了三秒，这场景为何如此眼熟？随后你做了什么？你再次启动AI，从头开始，将同样的错误，原封不动地，又经历了一次。问题并非出在AI，而在于你将它的输出视作“一次性用品”。我们愈发习惯于让AI协助编写代码、修复漏洞、制定方案。它确实高效
肖特韦尔：SpaceX投资重点在于星舰与星链
专题：SpaceX成功登陆纳斯达克 创下史上最大IPO纪录 针对投资者关心的核心指标，肖特韦尔建议，应高度聚焦于重型全复用火箭“星舰”的研发进展。 此外，她强调需留意星链在个人与企业客户增长、移动业务方面的表现，以及xAI推出的Grok聊天机器人的最新动态。 肖特韦尔表示，公司目前正处于多条业务线并行高速发展的阶段。 责任编辑：郭明煜 新浪财经声明：此消息系转载自合作媒体，新浪财经登载此文出于传递更多信息之目的，文章内容仅供参考，不构成投资建议。 郑重声明：1.根据《证券法》规定，禁止编造、传播虚假信息或
SpaceX 上市前瞻：太空、互联与 AI 的深度融合
此为 SpaceX 2026 年 6 月 IPO 推介资料，企业计划于 6 月 11 日登陆纳斯达克，拟发行 5.556 亿股，定价每股 135 美元，所得资金将投入 AI 算力、发射设施及卫星星座扩容等领域。企业构建了太空、卫星互联、AI 三大核心业务闭环，自 2023 年起掌控全球超 80% 的入轨载荷份额，猎鹰系列火箭复用率突破 95%，星链在轨卫星数量逾 9600 颗，服务覆盖全球 164 个区域，用户规模超 1030 万。业务进展方面，星舰 V3 预计 2026 年下半年执行轨道载荷发射任务，显
AI原生与传统协作模式对比
参考资料：《AI-Native 工程成熟度评价标准（通用版）》。本文将深入剖析两套标准的不同之处：探讨在 AI 时代，传统的“高效协作”评价中哪些已过时、哪些保持不变、哪些是全新维度，以及传统团队如何实现转型。传统视角关注“个人或团队产出了多少成果”；而 AI-Native 视角则关注“构建了多少放大器（即提升他人产出能力的工具）”。考核重心由个人产能转向杠杆效应与可复用资产。鉴于 AI 已将“编写代码”的边际成本降至极低，若仍单纯以产量论英雄，将导致系统性误判。v1 · 配套《AI-Native 工程成
AI 核心使命：让隐性经验显性化
近期与 AI 深度协作，我愈发清晰地意识到：AI 最大的价值，不在于迅速产出一篇文稿，也不在于一次性生成多少方案，而在于它能将那些原本深藏于脑海中的经验，逐步转化为清晰的规则。例如，什么样的标题更具吸引力，何种提示词结构最为稳健，哪些内容值得收录，哪些操作仅限只读不可直接修改，以及在排查故障时应优先查看数据、配置还是日志。过去，这些往往依赖经验判断。你虽知道如何操作，却未必能每次都清晰阐述背后的原因。引入 AI 后，真正有趣的转变在于：每一次协作都在促使你将判断标准表达出来。当你说“这个标题吸引力不足”，