算力突围与AI实战：新一代信息技术专委会闭门研讨聚焦投资新范式
导语当摩尔定律触及物理边界，华为提出的“韬光养晦定律”是技术突破还是营销噱头？当芯片制程的“平房”无法继续扩张时，“向天空要空间”的3D封装方案能否支撑中国半导体产业的下一个十年？7月7日下午，天使百人会新一代信息技术专委会以“韬定律”为切入点，开展了一场关于AI如何从理论转化为实际生产力的深度研讨。光年纪元量子技术有限公司创始人 刘勇以“驾驭AI的实践路径”为题，历时三个小时的实战经验分享，系统梳理了从芯片底层架构到投资决策的完整逻辑链条。韬光养晦定律解读：半导体“立体化”时代的结构性机遇探讨AI之前，
AI发展全景：从大模型到多模态的机遇与挑战
摘要：本报告系统回顾1950年以来人工智能70年演进历程，划分符号主义、神经网络、深度学习大模型三大发展阶段，分析两次AI寒冬的根源。深入解读图灵测试、达特茅斯会议、深蓝、AlexNet、AlphaGo、Transformer、ChatGPT等十大关键节点，剖析算力、数据、算法三大核心驱动力。涵盖NLP、计算机视觉、机器人等主要分支，对比BERT与GPT的开源与闭源路径，梳理国内外主流大模型布局。聚焦医疗、金融、自动驾驶、内容创作等六大落地场景，深入探讨幻觉、可解释性、算力成本、AI治理等核心难题，展望A
三元组数据投喂：构建高可信AI商家库
在GEO优化实战中，多数商家误入无效优化的歧途：执着于长期发布大量软文、宣传稿及案例，虽内容体量庞大，却难以被AI有效抓取、采信与展示。根本原因不在于内容匮乏，而是形态不符大模型向量检索逻辑，非结构化的营销散文成为AI收录的最大拦路虎。AI大模型无法自动梳理冗长、碎片化且充满主观修饰的营销文本，仅能识别标准化、可量化、可溯源及可核验的事实数据。因此，实体-属性-数值三元组结构化投喂成为2026年GEO高阶优化的核心技法，通过标准化数据重构，能显著提升商家内容的AI引用率，使其精准入驻大模型核心知识库。所谓
AI驱动汽车革新：2026智能网联汽车技术年会主论坛在上海圆满举行
5月22日上午，第十三届智能网联汽车技术年会（CICV 2026）‘人工智能赋能汽车产业创新发展’主论坛暨2026中国汽车工程学会人工智能分会年会在上海成功举办。来自政府部门、行业组织、整车企业、零部件企业、科技企业、高校和研究机构等近200位专家代表参加了会议。会议由中国汽车工程学会人工智能分会主任委员、清华大学车辆与运载学院及人工智能学院教授李升波主持。中国汽车工程学会副理事长、中国工程院院士、清华大学教授、智能绿色车辆与交通全国重点实验室主任、国家智能网联汽车创新中心首席科学家李克强出席会议。上海国
华尔街资本重新布局AI投资版图
STAR ENERGY中国是除美国外唯一拥有完整AI生态体系的市场，蕴藏3万亿至4万亿美元增量市值，全球投资者正从观望转向实质性参与。正文共：3205字预计阅读：9分钟在全球人工智能产业走到关键节点之际，美中两国的AI发展格局正经历微妙而深刻的结构性转变。近日，华尔街投研机构的重磅发声、中美大模型高达两个数量级的价差，以及硅谷科技巨头的产品延期，共同指向一个事实：美国大模型长期依赖的算力优势正面临经济学底线的严峻考验，而专注于供应链本土化与极致性价比的中国AI生态，似乎正成为全球资本重新锚定的新方向。01
我国人形机器人年产量将超10万台
新华社上海7月7日电（记者龚雯、周圆）7日，工业和信息化部科技司副司长甘小斌在2026世界人工智能大会暨人工智能全球治理高级别会议新闻发布会上表示，我国大模型、智能体等加速迭代，今年人形机器人全年整机产量有望突破10万台。 当前，人工智能这一‘关键变量’，正成为经济高质量发展的‘强劲增量’。甘小斌介绍，目前，我国规上工业企业人工智能应用普及率已超30%，工业和信息化部正会同各方深入实施‘模数共振’‘人形机器人与具身智能实景实训’等专项行动，挖掘高价值应用场景。 良好生态是人工智能发展必不可少的‘阳光雨露’
AI时代程序员职业前景如何？薪资待遇大揭秘
近期，许多同行都在热议：在AI浪潮下，程序员这条路是否依然值得坚持？几天前浏览脉脉时，留意到一组统计信息：今年1至5月，校招AI职位同比增长47.3%，市场渗透率从26.41%攀升至37.56%。也就是说，每新增10个校招岗位，就有近4个与人工智能相关。我随即登录Boss直聘，查询了“大模型”和“RAG”的相关职位。目前，AI Agent研发工程师薪资在40-70K，RAG应用开发为20-40K，大模型应用开发30-60K，AI产品经理35-55K。相比之下，传统开发的竞争已白热化，而这些AI相关岗位的待
年内我国人形机器人整机产量或将超10万台
新华社上海7月7日电（记者龚雯 周圆）7日，工业和信息化部科技司副司长甘小斌在2026世界人工智能大会暨人工智能全球治理高级别会议新闻发布会上表示，我国大模型、智能体等加速迭代，今年人形机器人全年整机产量有望突破10万台。 当前，人工智能这个“关键变量”，正成为经济高质量发展的“强劲增量”。甘小斌介绍，目前，我国规上工业企业人工智能应用普及率已超30%，工业和信息化部正会同各方深入实施“模数共振”“人形机器人与具身智能实景实训”等专项行动，挖掘高价值应用场景。 良好生态是人工智能发展必不可少的“阳光雨露”
中国AI大整顿：1.4万款应用被下架，大模型创业空间持续收窄
监管的利剑终于落在了大模型领域，这次不再是征询意见的草案，而是实实在在的整改命令。2026年上半年，中国国家互联网信息办公室（CAC）发起了一场规模空前的AI行业清理运动，累计下架大约1.4万款AI应用，清除了数百万条所谓"违规内容"。这是AI产业发展至今遭遇的最强硬的一次监管风暴。01 清理的核心方向整顿行动重点瞄准三类顽疾：尚未完成算法登记备案的生成式AI服务、内容安全审核机制形同虚设的对话类产品、以及数据
智能项目管理新时代已至
尊敬的阁下：您好！项目管理是一个复杂而系统的过程，影响项目成功因素诸多。项目经理集"十八般武艺"于一身也时感疲于奔命力不从心，项目上需要操的心太多一刻不敢懈怠。所幸，终于，AI革命性的浪潮来了！项目经理能因此获得解放被AI拯救吗？项目管理日常简单重复的任务占比不小AI首先是可以帮助完成减轻一定工作量。进一步，在项目计划、决策、风控等核心任务方面AI也大可作为，随着大模型快速迭代升级及AI+项目管理进一步融合发展，项目管理全过程智能化水平不断提升，项目管理体系将重构，在项目风险动态监测处置、流程优化、项目分
AI Agent 到底是什么：写给非技术人的智能体科普
AI 实用课 / Agent 入门如果说聊天机器人相当于"问答窗口"，那么 Agent 更接近于"能接任务、会拆解、会调用工具、会检查结果的数字同事"。它的优势不只是更会聊天，而是更接近于"帮你把事情办完"。图：Agent 的关键不是"会说"，而是能围绕目标组织步骤、工具和反馈。这篇文章不讲解复杂术语，只回答三个问题：Agent 究竟是什么？一个 Agent 内部通常包含什么？普通用户和企业可以用它做哪些事？Agent，就是一个能围绕目标自主推进任务的 AI 执行者。你给普通 AI 一个问题，它回答你；你
华尔街资金大挪移：重仓中国AI赛道，14家产业链龙头全面剖析
别忘了给公众号点亮星标⭐️，确保第一时间收到推送！七月初，华尔街知名智库量子策略（Quantum Strategy）发布了一份震动全球市场的研报，明确喊出“减持AI（除中国外）和美股科技七巨头”，将资金从美国科技巨头转向中国AI应用相关股票。这一调仓并非孤立现象。刚刚过去的六月，美股“科技七巨头”单月市值合计蒸发约2.3万亿美元，七巨头指数单月暴跌10%；对冲基金早在五月就开始缩减七巨头风险敞口，同步增持阿里巴巴、百度、拼多多等中概科技股。从追捧英伟达、微软的“算力暴力美学”，到转向中国AI的“极致性价比
性价比突出，美企加速拥抱中国 AI 大模型
IT之家 7 月 7 日消息，据 CNBC 报道，随着中国人工智能模型不断缩小与美国头部竞品的性能差距，且使用成本显著更低，这类模型正逐渐获得美国企业的青睐。 DeepSeek、智谱 AI 等中国企业近期推出的多款模型，在许多业内人士看来，综合竞争力足以对标 Anthropic、OpenAI 等厂商的顶尖前沿大模型。在美国多家人工智能实验室上调旗舰模型词元（token）计费价格后，企业使用 AI 技术产生的成本大幅超出预期，而中国模型的性能进步恰好契合了市场的降本需求。 IT之家注意到，聚合多家大模型、供
AI物理化浪潮席卷2026下半年
AI 速递 2026.07.08AI 速递2026.07.081 马斯克xAI更名SpaceXAI，航天+AI帝国正式合体 7月7日xAI正式更名SpaceXAI，整合SpaceX、特斯拉、xAI三条AI战线。Grok 5仍在训练，月更模型目标不变。全球唯一同时拥有火箭、电动车、机器人和大模型的人——马斯克的AI牌终于合在一手打。 📰 腾讯新闻 https://new.qq.com/rain/a/20260707A05M4M001 马斯克xAI更名SpaceXAI，航天+AI帝国正式合体7月7日xAI正式
AI为何会一本正经地胡说八道？揭秘大模型“幻觉”机制
它给出的回答看起来很周全，语气平稳，逻辑也貌似合理。可你细究一下，会发现其中有些内容压根就是错的：最棘手的情况并非它无法回答，而是它回答得让人信以为真。这便是大模型中一种普遍存在的现象：幻觉。接下来，我想通过三个方面来聊聊这个话题：先从最基础的定义谈起。若大模型输出了看似合理、语气笃定，但事实存疑甚至纯属虚构的内容，这通常便被称作“幻觉”。例如以下情况，都属于此类：因此，“幻觉”并非指它突然失控。更精准的描述是，在理应给出回答时，它生成了一段语言通顺但事实未必准确的内容。要理解这一点，首先得接受一个前提：