AI 应用前沿论文综述：智能体架构与自动化 (1/20)
2026 年 07 月 13 日星期一Agentic AI for IPoDWDM Network Lifecycle Automation: An MCP-Enabled Architecture本研究设计了一种去中心化且跨厂商的多 MCP 架构，旨在实现基于 SDN 的跨供应商、多层级 IPoDWDM 网络的自动化与自主管控。该体系架构支持全链路服务生命周期的自动化，并借助 GNPy 模型及光遥测技术达成闭环跨层控制。相关成果已在 IPoDWDM 测试环境中完成实验验证。AI-IoT-Robotics
AI自研芯片时代来临：九个月造芯颠覆行业
Michael | 五源资本投资人2026年6月，OpenAI与博通联合发布了一款名为Jalapeño的推理芯片。其具体参数未公开，但两点突破更引人注目：第一，这颗芯片完全由OpenAI基于自身模型架构、未来路线图与推理体系从零定义，博通负责硅片实现——OpenAI不再满足于采购通用算力，而是追求量身定制的硬件。第二，这款逼近光罩极限的先进制程芯片，从立项到流片仅耗时九个月，据双方称，创下高性能芯片开发速度的历史纪录。缩短周期的关键助力，正是OpenAI自研的AI模型。AI芯片的上半场已告一段落，英伟达是
人工智能推理效能评估解析
AI推理评估旨在检验模型与硬件间的协同效率，直接关系到智能终端的工作表现。其运作机制为载入模型后，借助GPU、NPU执行张量运算和特征抽取，最终呈现结果。评估需兼顾运算能力、响应延迟、处理吞吐和精确度。TOPS作为推理算力的专属度量，1 TOPS意味着每秒可执行一万亿次计算，常用于衡量INT8精度下边缘芯片的运算实力。测试一般遵循MLPerf行业规范，设定好精度与数据批量，运行基准模型，计算出实际算力、算力利用率、推理延迟以及每秒产出token的速率。芯片宣称的峰值TOPS数值高并非代表真实表现优异，若硬
arXiv人工智能前沿论文速览 2026-07-12
1. 突破数据库绑定：基于智能代理的高性能存储读取器自动重建实现绕过数据库引擎 原文标题: Breaking Database Lock-in: Agentic Regeneration of High Performance Storage Readers for Database Bypass 发布时间: 2026-07-08 论文链接:http://arxiv.org/abs/2607.07696v1 外部数据库平台承载的分析型负载存在根本性局限：数据获取完全依赖数据库驱动（如JDBC或ODBC），
AI前沿速递：2026年7月12日全球动态
BAIA DAILY2026.07.12▷▷▷每日全球AI动态分享今日热点导览智谱启动TouchHigh两年AGI计划MiniMax创始人设股份激励和开源基金阶跃星辰推出Step Edge端侧模型中科可控AI工作站支持100B推理百度AI将升级智能体产品矩阵AI批量造App暴露权限维护风险长鑫科技披露AI存储扩产数据物理AI覆盖机器人家电场景英伟达RTX Spark笔记本可跑120B模型Meta暂停Muse Image生成图像功能三星拟提前龙仁AI芯片工厂投产旧金山抗议游行要求“Stop the AI R
智慧调度Token制造中心：AI计算架构的变革性深度分析报告（综合完善版）
到2026年，中国每日Token使用量超过140万亿次，对比2024年初增幅逾1400倍（央视财经，2026年3月），这标志着AI计算架构从"资源租用阶段"过渡到"Token制造阶段"。英伟达首席执行官黄仁勋在GTC 2026大会上首次推出"Token制造经济学"，把计算设施的输出标准由FLOPS转变为Token产出量（Token Throughput），并预计到2027年AI运算需求将至少触及1万亿美元（NVIDIA GTC 2026）。▸然而，Token制造中心解答了"怎样高效产出Token"的难题，
人工智能日报速览 | 7月12日：智谱挑战AGI，OpenAI发布新型训练模型
【人工智能日报速览 | 7月12日】智谱挑战AGI，OpenAI发布新型训练模型🔥热门焦点：智谱启动“摸高项目”，推迟短期盈利全力攻克AGI🔥热门焦点：OpenAI GPT‑5.6系列全面推出，Sol独立后训练Luna模型🔥热门焦点：GPT‑5.6 Sol首次通过ARC‑AGI‑3推理测试，推理性能进入“信号阶段”🔥热门焦点：济南已有24个大型模型通过国家网信办生成式AI服务登记🔥热门焦点：阶跃星辰宣布7月13日推出AI终端品牌与全球首款AI智能助手手机🔥热门焦点：努比亚宣布7月17日在WAIC首发“全球
AI的“前额叶”究竟藏身何处？
Anthropic的最新研究成功定位了AI神经网络中“思考”的物理坐标。这不仅是一项学术上的重大突破，更为AI协作提供了实用的操作手册。基于Anthropic于2026年7月发布的论文《Verbalizable Representations Form a Global Workspace in Language Models》底层颠覆：Anthropic在AI神经网络中发现了专司深度推理的物理区域——J-space（全局工作空间），这宛如AI的“前额叶”。一旦该区域被切除，其多步推理能力将瞬间消失。惊人
OpenAI发布GPT-Rosalind：生命科学专用推理模型深度解析
GPT-Rosalind生化推理模型：OpenAI前沿技术解读#GPT#Rosalind#OpenAI#生命科学人工智能#药物研发#生化推理#生物技术AI#制药研发#蛋白质工程#生物信息学核心概要GPT-Rosalind是OpenAI在2026年4月发布的一款垂直领域先进推理模型，致力于推动生命科学探索、新药开发及转化医学应用。该模型以DNA双螺旋结构发现者Rosalind Franklin命名，专为复杂科研流程定制，在化学合成、蛋白质改造与基因组研究方面展现出卓越洞察力。当前，模型通过授权访问计划提供研
AI企业盈利困局：每笔API交易背后的烧钱真相
▌ 前言2026年，OpenAI年收入突破400亿美元大关，却仍未实现盈利。Anthropic年度烧钱超过50亿美元，估值600亿却连毛利率都秘而不宣。Mistral自称欧洲最强开源模型，收入却不足1亿欧元。AI企业究竟能否盈利？这个问题远比表面看起来复杂。AI企业的成本结构与传统的软件公司截然不同——每一笔API调用背后，都在消耗实实在在的GPU算力、电力以及冷却资源。本文深入剖析AI企业的单位经济模型：收入来源何处、资金消耗在哪些环节、究竟需要多少付费用户才能覆盖成本。▲ API定价趋势图：大模型价格
Nature：面向疾病管理的对话式AI，多次就诊模拟中媲美基层医生
近期，Google DeepMind和Google Research的科学家在《Nature》期刊上发表了一篇研究，标题为“迈向疾病管理的对话式人工智能”。该研究将原本用于临床诊断交流的AMIE平台拓展至疾病管理领域，打造了一个针对多轮就诊、长期病情演变、疗效监控和用药决策的对话式AI系统。结果显示，在一项随机、双盲的虚拟OSCE试验中，AMIE在处理100个多轮就诊案例时，与21位基层医生相比，展现了同等的疾病管理推理水平，并在治疗与检查建议的精准度、临床规范一致性方面获得了更优评分。背景近段时间，大语
AI科研日报 | 自主生物医学Agent最新动态
扫描时间：2026-07-11 09:50 (Asia/Shanghai) 数据源：arXiv、PubMed、产业新闻 覆盖方向：AI/ML、计算机视觉、NLP、生物医学+AI 交叉核心亮点：关键结论：核心创新：关键结果：核心优势：愿景与意义：7月9日多方消息透露，OpenAI计划发布GPT-5.6，推理速度达到750 Tokens/s，可能采用覆盖100张晶圆的全新架构。大模型推理效率竞争迈入新阶段。腾讯混元团队推出Hy3模型，基于MoE架构，总参数量295B、激活参数量21B。幻觉率从12.5%下降至
人工智能的训练三部曲
前文我们解释了 AI 的本质。本文探讨最引人关注的问题，这样的系统，人类是如何构建出来的？别紧张，不谈复杂算式，我们用“炼丹”来比喻——大模型这枚“灵丹”，需要经历三个阶段，缺一不可。 数据喂养（预训练） 大模型的起始，是“喂养”。将网络上可获取的图书、文本、网页、程序代码，数以千亿计的词汇，大量输入其中。这个环节称作“预训练”。 输入后做什么？让它进行一个填字游戏：把语句中的词语隐藏，让它猜测被遮盖的内容。猜错就调整参数，猜对则继续。经过亿万次循环，它便将人类语言的模式、知识、推理，都“浸泡”进那数千亿
AI算力：异构芯片的混战格局
类别核心障碍资金流向对HBM的依赖度Training（训练）全面需求算力+带宽+互联全拉满极高Prefill（读题）计算能力算力核心中等Decode（答题）内存带宽HBM带宽或SRAM高推荐/检索容量+随机访问超大容量内存（CXL/DRAM）低MoE路由/Agent通信交换互联带宽+极低时延低模型规模INT4量化后大小能否放进44GB？7B3.5 GB轻松70B35 GB勉强（KV Cache空间极小）405B（Dense）200 GB完全放不下671B（MoE，激活37B）~18 GB放得下CoreWe
KESAR：融合知识推理的古籍图像分割与识别新范式
论文题目：Knowledge-Enhanced Historical Document Segmentation and Recognition作者：En-Hao Gao、Yu-Xuan Huang、Wen-Chao Hu、Xin-Hao Zhu、Wang-Zhou Dai作者单位：南京大学新型软件技术国家重点实验室；南京大学人工智能学院；南京大学智能科学与技术学院发表会议：The Thirty-Eighth AAAI Conference on Artificial Intelligence，AAAI