特朗普媒体高价卖言论数据，华尔街与法律界齐声质疑
特朗普媒体科技集团最近上线了名为“Truth API”的企业级数据接口服务，向金融机构以及专业投资者出售社交平台“真实社交”特定账号的实时数据订阅权限。因为该服务允许付费用户提前获取包括美国总统特朗普在内的关键账号言论，且预估每月订阅费高达数万美元，立刻在华尔街、学术界及法律界引发关于内幕交易、市场不公以及政商利益冲突的强烈拷问。 据知情人士透露，该数据接口服务于当地时间8月1日开始向机构客户开放。订阅客户可以通过该接口获取毫秒级的平台数据推送，其中包括经常对宏观经济与地缘政治发表言论、进而引发市场波动的
英国NHS拟调整Palantir数据平台评估标准 此前员工对统计方式提出质疑
英国国家医疗服务体系（NHS England）打算修改其对备受争议的Palantir数据平台效果的评估手段。此前内部员工曾表示相关分析方法存在不足，涵盖两项最常提及的关键绩效指标：运用该平台的医院"额外开展11万例手术"以及"出院延迟降低15%"的统计手段将进行修正。 根据邮件内容，NHS England官员对评估基准线提出疑问，认为将平台启动后六个月的手术量与启动前六个月加以对比，可能因明显的季节性起伏而产生偏差。另一名官员在审核出院延迟计算方法时也提出了类似看法。NHS England于6月11日表示
四部门规划AI人社应用：2026年20个场景，2027年50条路径
过去两年，人工智能政策的高频词是大模型、算力、智能体和安全治理。这份由四部门联合发布的实施意见，关注点更具体：如何把 AI 放进就业服务、社会保险、人才培养、劳动争议、人力资源服务和政务治理。它不是一份单纯的产业鼓励文件，而是一张行业落地路线图：给出了明确的时间节点、场景数量、基础设施结构和数据治理要求。对 AI 公司来说，这意味着一个新的采购与应用市场正在形成；对传统人力资源服务商来说，竞争对象开始从软件厂商扩展到大模型、智能体和数据平台公司。文件把“人工智能＋人社”的建设目标拆成了三个阶段。这三个数字
AI光互连爆发增长，技术革新催生千亿市场，八家企业抢占先机
7月21日，英伟达发布了一项重大突破。Vera Rubin NVL72每兆瓦Token吞吐量，是前代Grace Blackwell NVL72的10倍。这意味着什么？相同能耗下，效率提升十倍。CoreWeave的首次基准测试，直接把这个数据公之于众。谷歌云、微软Azure、甲骨文云相继上线相关机架，Vera Rubin的供应链覆盖30个国家、350座工厂，规模创英伟达历代平台之最。AI工厂的竞争，已不再局限于堆砌GPU，而是系统级架构的全方位重塑。紧接着，英伟达发布了新一代Spectrum-6以太网交换系
AI 员工自主操作浏览器完成工作
AI 仅限于闲聊吗？你的智能AI助手已启动浏览器执行任务可访问外网检索 · 可进入内网操作 · 网页任务自主完成立智安· 专注于企业级华为昇腾智能体一体机服务📋 文章导航自主检索外部网络信息外部资讯，指令即搜可接入企业内部网页系统飞书、钉钉、内部知识库不仅能阅览，更会归纳浏览热搜后，自动生成早报具体业务能力四大典型业务场景为何选择“内置”方案内置浏览器对比外部工具太极数字员工此次升级，集成了原生浏览器功能。此前它仅能对话——你提问，它回答。然而企业中的许多工作都存在于网页端：待审批的OA流程、CRM中缺失
AI短剧制作、全媒体运营等6大新方向！AI+岗位能力证书等你来考
嗨，各位中午好！给大家带来一个喜讯——上一批报名的学员已顺利通过考核，顺利拿到资格证书啦！为这些同学点赞🎉新一轮考核安排在8月份，有意愿报名的同学可联系三节课的老师了解详情～如果对AI认证还不太熟悉？那今天这篇文章，就把证书种类、学习内容、考核方式等一次性讲清楚～无论你是否有相关基础，只要你愿意学，都可以报名参加考核。👇扫码立即咨询👇这20项AI+证书谁来教？怎么学？请放心，只要你通过三节课报名这20项AI证书，我们不仅会提供报考渠道，还会为你配备完整的学习方案，确保你真正掌握证书所对应的核心技能。从方向
2026 Data+AI 半年回顾：企业领导者，敢让智能体处理真实业务吗？| 直播预告
随着智能体逐渐深入企业核心流程，迈向智能体驱动企业的关键问题愈发凸显：一家公司特有的业务概念、关联与规则，如何被智能体精确理解，并进一步转化为可信、可追溯的判断与行动依据？8 月 4 日 19:00，Snowflake 与 InfoQ 联合举办「2026 Data+AI 半年回顾」直播。Snowflake 亚太区解决方案工程总裁杨扬、Snowflake 全球 AI 技术战略架构负责人贾天下、数势科技创始人兼 CEO 黎科峰，以及白鲸开源创始人兼 CEO、Snowflake 雪花大使郭炜，将从 2026 上
新东方-S盘中涨幅逾5% 全年净利同比上升27.80%
新东方-S(46.8, 1.52, 3.36%)（09901）盘中涨幅超过5%，截至发稿，股价上升3.58%，现报46.90港元，成交额1.18亿港元。 新东方最新财报数据显示，2026财年第四季度，新东方实现净营收15.295亿美元，同比上升23.0%。股东应占净利润6220万美元，同比增长775.8%。2026财年，公司实现营收为56.61亿美元，同比增长15.5%；股东应占净利润为4.75亿美元，同比增长27.8%。 里昂发表报告指，新东方教育股价在绩后上行，业绩及指引均好过预期。管理层对K12增长
华为电力模块再度登顶国内市场，技术创新铸就行业标杆
快科技8月2日资讯，日前，国内知名调研机构赛迪顾问（CCID）正式发布《2025-2026中国电力模块市场研究年度报告》。报告数据显示，2025年华为电力模块继续领跑中国电力模块市场，蝉联榜首之位。 步入AI时代，数据中心正面临前所未有的功率密度变革——单机柜功率从十千瓦级别向百千瓦乃至兆瓦量级跃升，AIDC基础设施迎来系统性重构。 在供配电领域，传统“搭积木”式构建模式存在占用空间广、施工周期冗长、运维效率欠佳等短板，已无法适配高密AIDC的严苛标准。 华为电力模块依托一体化架构，整合从变压器到馈线柜的
智慧病房迎爆发式增长 标准缺失制约普及
输液系统实时追踪剩余药量、体征设备自动记录监测数值、防跌倒系统识别异常自动预警……目前智慧病房的应用范围正不断延伸。 业内预测，至2029年，国内20%的新建医院及重大改造工程将配备AI驱动的智慧病房。专家指出，虽然行业正处于高速扩张期，但底层结构性短板依旧明显。标准不一、软硬件适配不佳、建设运维成本高昂、数据合规风险，这些因素阻碍了行业的规模化推广与高质量进步。 借助智慧输液系统，医护与患者无需时刻盯着输液瓶；智能床头屏整合了费用清单、检查报告等查询功能，极大缩短了咨询等待时长；床旁血压计、体温枪测得的
智能医疗病房规模化推进 标准化体系建设亟待完善
数据采集师近日在贵阳市云岩区的一家数据采集企业内为医疗智能穿戴设备进行数据采集。新华社记者 刘续 摄 智能输液管控平台实时监测药液剩余量、生命体征设备自动存储监测数据、防跌倒智能预警系统识别异常并主动响应……眼下智能医疗病房应用场景持续丰富。 业内人士预测，到2029年，国内20%新建医疗机构及重大改扩建工程将搭载AI赋能的智能病房。相关专家表示，智能病房行业正步入快速扩张期，头部企业争相布局，但底层结构性短板依然突出。行业规范缺失、软硬件落地适配困难、建设运营投入大、医疗数据合规风险等问题，制约着行业规
德适-B盘中飙升超11%，携手伙伴共建医疗AI生态
德适-B（02526）盘中涨幅超13%，截至发稿，股价上涨11.18%，报360港元，成交额687.67万港元。 德适近期宣布，其自主研发的iMedLoop全球医疗影像数据平台已正式启用。iMedLoop整合了iMedImage医疗影像基座大模型、iMedStudio智能标注工具及iMedMaaS在线模型训练与发布平台，围绕医疗数据汇聚与治理、智能标注、模型训练、模型发布及临床应用构建完整闭环。 同时，德适科技与杭州数据交易所、杭州市数据要素创新中心正式签署战略合作框架协议。据悉，三方合作已取得实质性业务
人工智能的本质解析：从概念到应用
说到人工智能（AI），人们或许会联想到科幻片中具备自我意识、能独立思索的超级机械，或是手机里常见的语音助手、智能推送这类小应用。人工智能究竟指什么，它的“智”是否代表真正拥有“智慧”，又和我们传统认知中的计算机程序有何根本不同？从日常消费、办公创作到工业生产、自动驾驶，人工智能早已脱离实验阶段，成为深入渗透的基础技术。那么，究竟怎样理解人工智能？根据专业界定，人工智能是结合计算机科学、数学、统计学、认知科学的综合性技术框架，其核心在于模拟、拓展和增强人类的智能活动。通俗地说，就是让机器执行那些原本需要人类
人工智能专业深度分析：热度虽高，半数毕业生转行
哈工大（深圳）203组：662分 / 1807位中山大学213组：666分（含计算机创新班、AI方向）；214组：650分 / 3795位华南理工205组：646分 / 4933位南科大201组：656分 / 2680位（入学不分专业）深圳大学250组：622分 / 14529位广东工业206组：609分 / 23006位专业代码、学制、学位、毕业生规模：教育部阳光高考平台（），数据截至2025年12月学科评估：教育部第四轮学科评估官方公示（）；第五轮未官方公示完整名单，仅供参考广东投档数据：广东省202
工业AI落地的实践路径：从数据积累迈向智能决策
因此，我越发觉得，工业AI落地不应以“挑选哪个大模型”作为起点，也不能简单视作给现有系统叠加一个智能问答接口。它真正需要攻克的难题，在于如何重新串联起数据采集、存储、分析、判断与执行的各个环节，使工业体系从“记录发生了什么”，逐渐演进为“理解为何发生、预判即将发生什么，并驱动下一步动作”。这并非一次局部工具的迭代升级，而是工业企业运用数据与积累知识模式的深层变革。以往工业数字化建设的核心，是率先实现设备互联、数据上采与系统搭建。此阶段虽化解了“数据有无”的问题，却未彻底解决“谁来使用、怎样使用、何时使用”