聚焦WAIC：智象未来推出全球首款无限时长创作智能体“vivago R1”
专题：2026世界人工智能大会（WAIC） 新浪科技讯 7月20日下午消息，在2026世界人工智能大会暨人工智能全球治理高级别会议上，智象未来落地多项产业核心成果，现场发布全球首款无限时长内容创作多模态智能体vivago R1，联合中科类脑等机构组建“一带一路”Token出海联盟，牵手飞捷科思等发起“物理智能创新联合体”共同倡议。 在中国信息通信研究院主办的论坛上，智象未来创始人兼CEO梅涛发表了题为《迈向世界模型：原生全模态推动智能体能力跃迁》的主旨演讲，系统阐述了大模型与智能体双向并进、走向世界模型的
OpenAI CFO力推「每美元有用智能」指标：AI投资回报评估新标准
数据窗口：2026-07-18 08:30 ~ 2026-07-19 08:30 (UTC+8) 本期采集 14 个源 / 原始约 65 条条目 / 20 条入选 ⚠️ 数据覆盖说明：周日多源未更新；Google DeepMind、Meta AI、xAI、Mistral、GitHub Trending、HN、HuggingFace、机器之心、量子位今日未成功采集（网络限制）；arXiv 周六日无新投稿，本期论文为周五（7月17日）最新批次。今日无新发布。今日未成功采集（网络限制）。今日未成功采集（网络限制
AI 替代关键在手册，不在模型
昨天晚上，我做了一个测试。我让一直负责系统日常工作的爱马仕暂时下线，改由claude code代替爱马仕，执行每天晚上的系统结算。结果是，晚间结算成功跑通了。今天早上，我又继续测试，让claude code替爱马仕，执行早间的“今日修行”流程。流程也能运行。从表面上看，这次替换已经成功了：爱马仕不在线，换一个 AI，工作照样能够继续。但是在测试过程中，我发现了一个非常重要的问题。一、AI 能执行流程，不代表它真正理解这个岗位今天早上，我对claude code说：“开始今日修行。”它收到指令以后，马上就替
AI科研提速20倍，上海发布‘书生·端砚’平台
AI做实验，比人快20倍。这不是科幻，是昨天WAIC现场发布的东西。7月18号，上海人工智能实验室在世界人工智能大会的科学前沿论坛上，发布了一个叫"书生·端砚"的科学发现平台。名字取自文房四宝里的砚台。听着很文艺，干的事很硬核。先说结果。清华大学张数一课题组，拿这个平台做蛋白质定向进化研究。以前这种研究怎么干？科学家一轮一轮试，几个月甚至半年才能磨出一个好结果。现在呢？AI只跑了2轮迭代，就发现了新的突变组合。实验验证显示，功能比国际顶尖期刊报道的最佳结果还提升了77%。验证周期从原来的几十轮，缩短到原来
AI智能体开发十大范式完整指南:90%的团队选型错误的根源与解决方案
各位好，我是灰白花AI大叔。目前各类企业、创业者、技术团队都在争相布局AI智能体、数字员工、行业Agent。但我深耕AI工程落地两年，发现90%的团队存在致命问题：缺乏分层意识、不区分场景、盲目套用同一种开发模式。简单项目过度设计导致成本浪费；复杂项目投入不足，造成幻觉严重、链路崩溃、无法商用；有的场景明明需要微调却堆砌提示词，有的场景适合流程编排却盲目自研框架。Agent开发最大的陷阱，从来不是技术能力不足，而是「场景与开发方式不匹配」。今天我正式公开企业标准化《AI智能体十种开发方式技术规范白皮书》。
AI Agent 系统学习路径指南
2026 · 四阶段进阶从概念入门到项目实战的逐步成长路线——精通"规划-执行-反思"循环，成为Agent时代的技术架构师。理论基础 → 编码实操 → 知识整合 → 工业级落地 📚认知升级 掌握Agentic Workflow核心 🚀动手起步 构建首个Agent项目 🏗️框架整合 工业级协议与体系 ⚙️落地实战 有状态图计算1理论模块· 认知重塑在编码之前，先树立清晰的Agent思维框架。📖 关键资源Anthropic《Building Effective Agents》https://www.anthr
观察 | AI 智能体成关键变量，唯有深度融合业务方能释放价值
2026 年，AI 智能体将成为核心驱动变量，数字化转型正式从流程线上化迈向认知驱动新纪元。本文结合 Gartner 与麦肯锡权威报告，深度解析转型三大主战场的演变，将 AI 落地划分为实验探索、规模量产、平台化三阶段，强调数据治理作为 AI 前置基建的重要性，梳理 AI 权限管控、数据泄露等四大安全风险，并给出以价值为导向的完整落地路径，助力企业跳出无效技术试错，真正通过数字化实现增长突破。本文共计 4128 字"我们已部署 ERP、CRM 及 BI 系统，为何数字化成效仍不明显？"过去
精选百份“AI+军事”智能防务报告合集
强力推荐！【DARPA终身学习机器（L2M）】《自主系统中用于感知和行动的终身学习》美空军、宾大2022最新234页技术报告《多智能体交互的深度强化学习》爱丁堡大学10余位作者2022最新论文《以无人机为核心的海军力量投射新纪元》最新报告欧洲、威慑与远程打击能力强力推荐！全面了解美陆军AI布局 |《人工智能的战场应用》130页报告人机协同：《基于强化学习的有人-无人飞机编队任务规划： 敌方防空压制（SEAD）任务》最新论文《综述：多智能体系统（MAS）中的任务分配技术》美国空军项目支持强力推荐！《人工智能
2026企业AI智能体三大核心趋势解析
近年来，企业在AI落地方面的形态经历了显著变革。结合权威机构报告与众多实体企业实践，可以梳理出一条清晰路径：AI智能体不再局限于简单的问答功能，而是朝着流程自主、组织协同、安全可控三个方向持续演进，这三大趋势正重塑各企业的数字化竞争力。早期企业部署的AI，大多只能完成单一问答和零散任务，难以串联跨部门业务。进入2026年后，主流的落地架构统一转变为“总指挥Agent + 垂直专业Agent集群”，多种智能体自主分工、跨系统联动，构建起企业专属的数字劳动力网络。整套协作逻辑高度契合真实企业运营模式：总指挥A
涌生智能联手上海人工智能实验室发布重磅成果,构建生命科学领域的Physical AI体系
AI for Bio的行业竞争，正在从一个老问题走向一个新问题：不再只是 “模型能不能回答生命科学问题”，而是“模型能不能真正进入科研流程，能不能面对真实的实验室”。谁在关注这个命题？最近一年，以OpenAI、Anthropic为代表的海外科技巨头，纷纷把目光投向了更下游、更主动的方向：假设生成、实验设计、参数空间探索、药物发现、蛋白工程、自动化实验。说明了什么？AI for Bio正站在从量变到质变的临界点上。这个节点之上，华大智造子公司涌生智能携手上海人工智能实验室，最新发布了自研突破性成果：一个自进
AI时代,教育必须回答"人如何成为人"——我在AI-PBL/PjBL多智能体系统中整合SEL的思考
近年来，我始终在探索一个核心问题：人工智能融入教育领域后，究竟只是让教学更快捷、更精确、更有成效，还是能够真正支持学生实现更有价值的成长？AI能够创造知识、阐释概念、规划任务、给予反馈，甚至协助教师重新构建课程体系。然而，教育的根本使命，从来不只是帮助学生"找到答案"，更关键的是引导他们认识自我、理解他人、建立联结、肩负使命，并逐步确立自己的人生方向与专业认同。正是在这一认知基础上，我开始深入关注并研究：SEL｜Social and Emotional Learning，社会情感学习。我日益清晰地意识到，
智能协作重塑软件交付：多智能体驱动的AI DevOps新架构
本文范畴界定：本文重点探讨AI DevOps的协同框架、基础能力层和规范化构建，涉及从需求到上线的完整多智能体协作模式。有关AI时代的DevOps度量体系（如AI智能体效能评估、交付品质指标、智能体协同效率衡量等），将在后续篇章单独阐述。关于需求评估：在实际研发流程中，产品经理递交需求文档后往往会经过需求评估环节——由技术、测试、业务等多方对需求进行校准和共识，评估通过后方才正式启动开发流程。本文的架构设计以需求评估完成、需求文档已确定为出发点，需求评估阶段本身不在本文讨论之列。作者背景：云原生及AI D
AI Agent 进阶指南：构建多智能体协作系统的实战路径
2023 年，ChatGPT 让全球见识了“大模型能对话”。2024 年，Copilot 让“AI 辅助办公”成为日常。到了 2026 年，决定胜负的关键不再是单次交互的质量，而是 Agent 的实际落地水平。所谓 Agent，核心在于：为大模型赋予工具、记忆与执行力，使其不仅能“回答问题”，更能“执行任务”。本文不讲枯燥理论，而是提供一条实操路径——从构建首个单体 Agent，到搭建多智能体协作体系，最终在业务中实现自动化闭环。文中包含具体工具推荐、架构设计与避坑指南。一个完整的 Agent 系统包含四
智源 2026·安远 AI：探索自主 AI 防御新路径——智能体安全论坛总结
开幕致辞议题一：自主智能体的前沿隐患南洋理工大学讲席教授及人工智能交叉研究院院长安波作为首秀嘉宾，强调智能体安全需聚焦三大维度：模型层面的幻觉与推理偏差、智能体层面的训练稳固性，以及多智能体层面的协同调度。基于多智能体系统研究，安波指出单一技能或许安全，但多项技能组合可能引发潜在危机。同理，AI 智能体在自我提升时，虽各组件不断进化，却可能导致整体效能衰退。议题二：打造可信智能体架构北京智源人工智能研究院大模型安全中心研究员易婧玮深入剖析了 AI 欺骗风险。她指出，AI 欺骗涵盖破坏型、谄媚型及故意藏拙三
SkillOpt-Lite：一行指令实现智能体高效自我进化
2026年07月09日星期四SkillOpt-Lite: 通过简单指令实现更优更快的智能体自我进化🤗 17针对现有智能体技能优化方法流程复杂的问题，本文提出一种基于零阶优化的最小可行框架SkillOpt-Lite。其核心是三个确保收敛与泛化的原则：基于文件系统的轨迹探索、共识属性挖掘和独立验证门控。该方法不仅加速收敛，且在多个模型上超越完整版SkillOpt，例如将GPT-5.4-nano的性能提升至超越标准SkillOpt优化的GPT-5.4。该框架已集成至VSCode Copilot等生产环境，开发者