英伟达携手联发科与微软：AI PC新纪元即将开启
全新一代英伟达 + ARM / 联发科 + 微软的 AI PC全新一代英伟达 + ARM / 联发科 + 微软的 AI PC 即将面世。此前市场热议的 N1X Windows on Arm 平台，业界普遍预期：英伟达将与联发科联手打造 ARM PC SoC，联发科负责 ARM CPU 复杂运算单元的设计，英伟达则提供 Blackwell/RTX GPU 及配套软件生态。如今新增关键变量是 Windows 官方账号同步介入，这表明该产品很可能并非 Linux 开发工具 / DGX Spark 变体，而是针对
AI日报速递|5月30日|OpenAI进军实时翻译,专用模型成新趋势
各位好，欢迎来到StarAI资讯站。今日AI圈相当精彩，OpenAI放出了大招，直接切入实时翻译领域。与此同时，国内这边，阶跃星辰也开源了一款性价比超高的Agent模型。接下来我们逐一了解。先快速浏览一下今日要点。第一，OpenAI推出了实时翻译模型，支持70种语言输入，翻译成13种输出语言。我认为这个信号比产品本身更值得关注，因为OpenAI正在走专用模型路线。第二，阶跃星辰开源了Step 3.7 Flash模型，近2000亿参数，但实际只激活110亿。在Agent评测中位居榜首，还能在Mac上本地运行
AI技术应用新动态速递
1. Microsoft Copilot Studio：「桌面控制AI助手」正式发布微软近期推出Copilot Studio重要升级，亮点功能「桌面控制助手」（Computer-Using Agents）正式进入通用版本（GA）。该助手无需API接口，能够像真人一样操控各类桌面软件和网页应用——包括点击界面元素、填写表单内容、读取屏幕信息等操作，充分释放企业老旧系统自动化的可能性。2. xAI正式发布Grok Custom Skills，可快速构建个性化日常任务流程xAI近期上线Grok Custom S
AI限流成趋势，企业算账求稳
📏 全文约2000字 | ⏱️ 阅读约4分钟 | 📅 统计截至2026年5月31日🔥 本日关注5月30日，《华尔街日报》披露，美国企业界正兴起一股新潮流——AI配给制，即公司限制员工使用AI，缘由十分直接——成本过高。报道称，鉴于AI工具的运行成本不断攀升，众多美国公司正着手对AI使用进行配额管控。措施涵盖：限制单人每日用量、建立分级审批制度、设定部门预算上限等。这预示着企业AI应用已告别“能上尽上”的粗放扩张期，步入精细化运营的管理新阶段。AI为何变得昂贵？主因有二。其一是算力消耗，即推理成本，每次调用
AI独角兽Fireworks融资估值达1000亿
AI推理平台Fireworks AI正在进行新一轮融资谈判，公司估值已攀升至150亿美元（约合1000亿人民币）。这意味着又一家千亿元级别的独角兽企业诞生。这个成就仅用了四年时间——2022年，Fireworks AI正式成立，专注于为企业提供开源AI模型运行服务，并采用Token计费模式。目前该平台日均处理Token量已达30万亿，通过Token销售实现快速发展。背后的领导者令人印象深刻——Lin Qiao（乔琳），本硕均毕业于复旦大学，正是在这里开启了她的AI职业生涯。借助AI行业的发展机遇，她带领团
智能跃迁|AI从文字到现实的进化之路
从语言、推理到机器人，重新理解正在发生的智能跃迁内容提要：AI或许并非从公式开始理解世界，而是首先通过人类书写的语言进入文明，再借助数学、代码和工具进入行动层面，最终走向现实世界。真正需要关注的，不是某个"更擅长对话"的软件，而是一套正在融入工作、产业和物理世界的新型智能基础设施。说明：文中"文学 → 数学 → 工学"是一种理解AI演化路径的比喻，不是模型严格的训练课程表；"硅基智能启动器"是思考命题，而非已被证明的科学结论。开篇那句让我停下来的话最近有一种观点，让我思考了很久：AI先学文学，再学数学，最
AI账单压力与组织变革同步发酵
乾昌AI商业内参2026-05-30 · 主理人老张栏目导语5月30日这盘棋很直白：一边是企业拼命压AI token账单，一边是Meta、字节把「可被SOP化」的岗位直接砍掉。今天只聊能落到利润表和组织图上的事。Glean年收破3亿美元：企业终于愿意为「少烧Token」买单AI生产力工具核心资讯企业搜索独角兽Glean宣布年化收入达3亿美元，15个月从1亿翻三倍。CEO Arvind Jain强调其「上下文图谱」能对接企业内部系统，让AI少做无效检索、少耗Token。Google、微软、OpenAI、An
AI顶尖人物洞察 | 2026/5/20 - 业界领袖最新思考
AI领域从来不缺乏热点和深度思考。今日多位顶尖专家分享了对AI未来演进的最新看法：从MoE架构的效率提升，到世界模型的发展路径，再到算力投入的指数级增长，这些业界领袖的洞见值得我们仔细研读。X 🔥 热度指数👉 MoE架构的核心在于精准激活仔细研究完GPT-5的推理代码后，Karpathy最受触动的是MoE路由的改进。在MoE架构中，每个token仅需激活少数专家，GPT-5里每个token仅激活2/128的专家，却依然表现出色。他想传达的核心并非模型规模，而是架构的效率提升。这给我们一个重要启示：未来AI
《人工智能基础》(2002年版)内容精要
该资料为高济、朱淼良、何钦铭主编的《人工智能基础》（2002年出版，面向21世纪课程教材）。全书共九章，分为绪论、基础篇与提高篇三大部分，全面介绍人工智能的基本理论、问题解决方法、知识表达方式、专家系统、机器学习等核心主题。内容覆盖符号主义主流思想、多种搜索与推理算法、不同知识表达形式及智能系统的实际应用，适合本科与研究生分层次教学使用，并配有丰富的练习题和工程实践案例，同时梳理了人工智能的发展脉络、研究原则、当前挑战及未来趋势。项目详细信息书名人工智能基础主编高济、朱淼良、何钦铭出版社高等教育出版社出版
AI助力罕见病诊断与技术革新并进
波士顿儿童医院携手OpenAI研发出“副驾遗传学家”系统，融合基因数据、表型信息及全球医学文献，已成功协助确认40余例此前无法确诊的罕见病例，并发现新的基因靶点和潜在治疗路径。OpenAI承诺投入5000万美元支持该项目。核心功能：Co-pilot Geneticist系统整合基因组数据 + 表型描述 + 实时医学文献，支持医生跨越传统信息处理瓶颈突破成果：已实现40+例“此前被认为不可能的诊断”，并识别出新基因靶点及潜在治疗途径投入规模：OpenAI承诺专项投入$5000万美元；这是OpenAI迄今最大
上海AI实验室联合中科大发布SpectrumWorld，打造谱学智能新基建
谱学作为鉴定、表征、测量及预测物质结构的“基石工具”，在新材料研发、药物筛选和生命科学领域扮演着不可或缺的角色。近年来，人工智能大模型为谱学数据的智能化分析开辟了全新路径，但该领域研究长期受困于四大核心难题：高质量实验数据匮乏且分布不均、计算光谱与真实实验环境存在巨大域间差距、多种光谱模态（如IR、NMR、MS）难以统一对齐，以及缺乏标准化基准导致模型评估碎片化。这些问题严重阻碍了谱学智能从“单点突破”向“系统创新”的跨越。为突破上述瓶颈，上海人工智能实验室联合中国科学技术大学等机构，共同推出了谱学智能研
AI 快讯|Anthropic 冲刺万亿估值，Claude 可调度百 Agent 协同
今日 AI 领域最震撼的消息，均围绕 Anthropic 展开。一方面，Claude Opus 4.8 在发布 43 天后迅速推出新版，直接展示“动态工作流”——单次任务能调度数百个子 Agent 并行执行。另一方面，650 亿美元 H 轮融资到位，估值高达 9650 亿，距离万亿大关仅一步之遥。将这两件事结合来看，信号十分清晰：Anthropic 不仅在打磨更优秀的模型，更是在押注 Agent 时代的基础设施。Opus 4.8 的升级逻辑颇具深意——不追求参数量的爆发式增长，而是聚焦解决开发者最头疼的“
AMD AI转型潜力巨大，Wolfe Research大幅上调目标价至450美元
鉴于AI基础设施投资重心正从模型训练向推理及实际应用环节转移，华尔街知名机构Wolfe Research预测，AMD有望在下一波AI浪潮中拔得头筹，其服务器CPU业务的强劲增长将显著提升公司盈利水平。 Wolfe分析师近期将AMD股价目标由340美元上调至450美元，并继续给予“跑赢大市”评级。报告显示，AMD在Q1和Q2的营收及每股收益均超出了市场预期，这主要得益于服务器CPU和GPU的持续热销。Wolfe预计，到2027财年，AMD营收有望达到800亿美元，每股收益14美元，这一乐观预期建立在服务器C
AI推理新纪元：芯片逻辑重塑
从英伟达的巨额投资，到初创企业密集推出产品，再到资本市场对这些企业展开估值，可以清晰看出，在AI推理阶段，行业竞争焦点已从“更大模型”逐步转向“更高效模型”。AI芯片产业的核心逻辑，正从训练算力向推理效率转变。在2022年生成式AI爆发初期，行业竞争的核心集中在模型训练上。谁能训练出最强模型，谁就占据竞争优势。因此，大量资本涌入参数规模和芯片资源堆叠，以追求模型能力与规模的飞跃。但随着AI服务进入常态化部署阶段，成本结构已发生改变。训练属于高资本投入、低频次的研发行为，而推理则是高频、长期的持续性成本，并
SpectrumWorld：构建光谱智能标准化平台
谱学作为物质结构鉴定、表征、测量、预测的"核心工具"，在新材料发现、药物筛选及生命科学研究中发挥着不可替代的作用。近年来，人工智能大模型为谱学数据的智能化分析开辟了新路径，然而该领域研究长期面临四大核心瓶颈：高质量实验数据稀缺且类别失衡、计算光谱与真实实验环境存在显著域间鸿沟、不同光谱模态（如IR、NMR、MS）难以统一对齐，以及缺乏标准化基准导致模型评估碎片化等问题，严重制约了谱学智能从"单点突破"迈向"系统创新"。为解决上述问题，上海人工智能实验室联合中