AI 日报：法律尘埃落定，新战场开启
大模型法律纠纷暂告段落，开发者生态与安全防护崛起为新焦点2026 年 5 月 19 日 星期二今日 AI 前沿展现三大维度：法律上，马斯克起诉 OpenAI 一案因程序原因败诉，为 OpenAI 上市铺平道路；基建方面，Modal 将推理冷启动时间缩短 40 倍，无服务器 GPU 迈入秒级响应阶段；安全领域，Cloudflare 实测显示 Claude Mythos 已具备自动串联漏洞利用的能力。企业应用、开发者生态及安全防护，正演变为大模型竞争的三大核心阵地。Agora-1 问世：首款多智能体实时世界模
AI4Protein 最新论文精选 | 2026-05-19
今日热点 / Relevant Today AI4Protein 前沿动态 1.跨越桥梁的熵：用于流与薛定谔采样器的条件 - 边缘离散化 日期：2026-05-15 作者：Bruno Trentini, Dejan Stancevic, Michael M. Bronstein 等人 AI 深度解析 本研究提出了一种名为 AlphaFlow 的新方法，致力于优化高维扩散模型采样中的时间步长分配难题。研究指出，经典的布朗桥理论（例如 U 形收缩模式）仅适用于高斯分布，而通用模型需采用自适应的边际项来匹配学习
2026 互联网新变局：AI 告别炫技，务实落地定成败
回顾过去两年，AI 领域充斥着概念狂欢：百模争锋、参数内卷、AGI 迷梦、对话式 AI 刷屏，众人皆在追逐“更善言辞、更炫技术”的噱头。然而迈入 2026 年，行业已得出最理性的共识：AI 的终极意义，绝非展示技巧，而在于实际应用。虚假热度全面消退，浮躁风气彻底离场，科技互联网正式迈入务实应用阶段。这不仅是技术的简单升级，更是牵动职场、商业及行业格局的关键转折。一、AI 最大转折：由对话工具，转变为执行主体2023 至 2025 年是 AI 问答时期，AI 仅作为被动接收指令、输出内容的工具，撰写文案、回
AI一周动态：智能体与Token经济
AI周报速递见微知著，从细微处洞察AI大势2026年5月18日 | 第24期 | 5月11日-5月18日“2026年标志着AI大规模应用的开端。本周，智能体从单纯的对话进化为能执行任务的助手，Token经济正式进入家庭，载人机甲从科幻变为现实——普通人要跟上AI浪潮，无需掌握编程，而是要学会‘管理’。”[百度]文心5.1上线，5月9日突然官宣，通过“多维弹性预训练”技术，仅以同规模模型约6%的预训练成本，就实现了基础效果的领先。这意味着大模型训练的“烧钱时代”即将结束，效率竞争正式开启。[DeepSeek
智元WITA：国内首款具身智能交互大模型完成合规备案
新浪科技5月18日讯，依据上海市网信办发布的最新生成式人工智能服务备案清单，智元WITA已获准备案，成为国内首个合规的具身智能交互大模型，这预示着国内该行业正式从“技术研发”迈向“合规运营”的崭新纪元。 据透露，基于智元“三智一体”的全栈技术架构，WITA主要服务于人形机器人(16.190, 0.10, 0.62%)的交互体验，推动机器人角色由单纯的“发声工具”转变为具备连续性与人格特征的“硅基伙伴”，为具身智能产品的实际落地部署提供关键技术保障。 编辑：宋雅芳 新浪财经提示：本文转载自合作方，旨在传递更
工作日志 | 人工智能应用落地的实践探索与启示
摘要本文依据人工智能专题培训班的学习心得，阐述人工智能在实际场景中应用的建议与思考。通过深入解读“1+5+N”农业数字化模式、数据资源整合与大模型本地化部署、数字人矩阵建设等典型案例，探索人工智能与地方特色产业的有效融合路径，并针对政务服务、文旅、电商等领域提出数字人应用方案。文章还从生产力提升与生产关系调整的维度，分析人工智能对资源分配、所有制形态及社会关系重构的潜在影响，突出技术创新对社会发展的推动作用。为期三天的人工智能专题培训班通过系统的理论讲解和丰富的案例分析，使我对人工智能这一前沿技术有了更加
企业AI迈入执行时代——大模型行业洞察20260518
点击蓝字，关注我今日概要5月18日，AI与ToB行业的重要变化继续围绕“Agent执行能力”“企业AI基础设施”“模型公司资本竞争”和“AI治理”展开。OpenAI被曝进一步强化Operator体系，尝试让Agent直接执行跨系统企业任务；Anthropic发布Claude企业安全能力更新，重点强化权限控制和审计机制；国内方面，百度智能云发布企业级Agent协同框架，强调“数字员工编组”；OpenClaw/小龙虾生态则继续向企业内部流程和团队协同延伸。与此同时，AI算力与基础设施投资仍保持高位，越来越多企
解析 | 2026年人工智能训练师认证指南：报考要求、流程与补贴详解（AI产业融资热潮起，并购活跃度攀升）
近日，我国人工智能行业掀起大规模融资浪潮，国有资本与产业基金纷纷加码AI赛道，领先大模型企业及底层算力服务提供商接连获得大额资金注入，行业发展迈入快速应用落地的新时期。国内一线AI大模型企业融资纪录不断刷新，DeepSeek开启首轮最高500亿元融资计划，整体估值或将超过3500亿元，众多产业资本及国有投资机构已表达投资意愿。月之暗面（Kimi）累计融资总额已超过376亿元，投后估值突破200亿美元，年经常性收入已达2亿美元以上，商业变现能力稳步提升。AI基础算力设施板块成为资本关注焦点，无问芯穹完成超7
湖北 AI 公服平台推行按 Token 计费，赋能 OPC 低成本创新
日前，湖北省发布新政，鼓励 OPC（一人公司）等创新力量入驻模数荆楚联合创新工场，借助湖北省人工智能公共服务平台及“东湖大模型”，享用便捷普惠的开发工具与算力支持。该平台由湖北大数据集团数据开发公司承建运营，现已接入 DeepSeek、通义千问、智谱、MiniMax 等多个主流大模型及垂直行业模型，汇集工业、金融、医疗、政务、教育、科研等多领域智能体，具备文本生成、图像处理、语音交互及视频生成等多元 AI 能力。平台通过整合算力、模型、智能体与行业应用等资源，助力企业、高校、科研院所、园区孵化器及 OPC
防越狱能力评估：超越成功率的新维度
AI正在重塑安全边界，与其被动应对，不如主动出击！大模型为何会遭遇越狱？简而言之，大模型本质上是一个“接话续写”的概率引擎，它被训练得“乐于助人”。尽管安全对齐给它套上了缰绳，但只要手段够巧妙，它依然会防线崩塌。当前流行的越狱技术主要分为七大类别：在这七大门派中，概率探测流、策略优化流和对抗学习流占据了绝对主导。为何？因为它们目标明确，有的放矢，要么自动化程度极高，要么深谙大模型“顺从”的本质，构成了当前最具威胁的黑盒攻击！⚔️这些越狱手段究竟有多厉害？研究人员将全网最热门的多代大模型聚集到同一个“角斗场
谷歌I/O聚焦AI商业化，大模型变现时代全面开启
2026年5月，谷歌将举办年度I/O开发者大会及Google Marketing Live，议题重点已从单纯展示模型能力转向人工智能技术的实际应用。据此前披露，人工智能在推动搜索广告增长、拓展云业务及实现产品生态变现方面发挥着核心作用。在搜索广告板块，AI搜索工具正把用户的搜索行为转化为商业投放意图。谷歌管理层在一季度财报会上透露，借助AI-O、AI-M及Gemini处理的更深层、复杂的查询，平台获得了更多基于意图的数据。用户搜索不再局限于短关键词，而是输入预算、场景、偏好及限制条件，让谷歌捕捉到更精准的
2026年度上海AI赋能及科学智能项目征集工作启动
为积极响应《国务院关于深入实施"人工智能+"行动的意见》（国发〔2025〕11号）文件精神，加快推进人工智能技术赋能各行各业发展，推动科学智能领域实现更高质量发展，构建人工智能产业战略高地，市经济信息化委正式启动2026年度上海市"人工智能+"和科学智能"百团百项"项目征集工作，具体事项如下↓本次征集活动设置"人工智能+"和科学智能"百团百项"2个重点方向。专题一：人工智能+重点支持方向：①大模型行业垂直应用示范。促进大模型、智能体在智能终端、自动驾驶等关键领域，以及在生产性服务业、金融、教育、医疗健康、
厦门大学"阿究"哲学论证AI系统正式亮相 推动智能与人文交叉研究
5月15日上午，由厦门大学哲学系主办、山西大学哲学学院共同参与的"厦门大学哲学论证大模型发布会暨人工智能哲学专题研讨会"在厦门大学召开。会议开始，厦门大学哲学系主任高和荣教授致开幕辞。他首先对山西大学哲学学院的各位老师与同学的到来表示热烈欢迎，并对山西大学相关团队所提供的技术支持表示衷心感谢。随后，高教授回顾了厦门大学哲学系的发展历程，介绍了哲学系在"人工智能+哲学"的跨学科探索，逐步形成了教学、科研与实践相融合的发展模式。他指出，本次发布的"阿究"哲学论证大模型是系内近年来推动交叉研究的重要阶段性成果。
政企共话AI未来：龙湾区副区长池邦芬一行考察安世腾
5月14日，龙湾区副区长池邦芬率队造访安世腾，进行实地考察与深入探讨。考察组先后走访了集团智能工厂及展厅，随后与安世腾团队展开了热烈交流。双方重点聚焦人工智能、算力基建、具身智能数据采集训练及家庭智能终端等前沿方向，共同擘画合作愿景。考察组首站深入集团智能工厂，实地观摩自动化终端生产线，详细了解产品研发、制造工艺及全球化市场布局。对于企业在高端制造及核心技术自主研发方面取得的成就，考察组给予了高度评价。紧接着，双方举行了专项研讨会。安世腾副总裁高振山向考察团详述了公司核心业务、技术优势及战略蓝图。安世腾深
AI赋能工业软件：融合路径的深度剖析
当前人工智能的热潮引发了广泛关注，其向工业软件乃至工业应用场景的渗透与融合趋势日益显著。无论是企业用户还是软件服务商，都必须认真思考并做出相应的战略调整。然而对企业而言，这里存在一个值得深思的矛盾。如果企业的数字化建设已经相当成熟，可能反而并不迫切需要人工智能介入太多，或许仅需在某些环节进行优化提升即可。反之，若企业的数字化基础仍然薄弱，寄望于通过人工智能一次性、系统性地解决所有业务痛点，恐怕也缺乏现实基础。人工智能的有效运作通常依赖于高质量的数据集，而这往往是一道难以逾越的门槛。无论是理论层面的探讨还是