AI淘汰的从来不是人,而是管理AI能力缺失的那批人
你好，我是Kevin，专注AI、低空经济与机器人领域的连续创业者，目前base在深圳。最近看到一个数据，差点让我手里的咖啡洒出来。Gartner在2026数据分析峰会上公布了一组预测：到2027年末，全球超过40%的智能体AI项目将面临终止。项目终止的原因并非技术不成熟，而是成本超支、业务价值模糊、风险管控缺位。同期，德勤发布了涵盖24个国家、3200多名企业高管的《2026企业AI应用现状报告》。报告中几个数字同样令人警醒：通俗来讲就是：资金投入不少，但真正敢大规模应用的寥寥无几；试点项目开展了不少，但
AI应用现状与技术前瞻：企业智能化转型路径分析
1. AI落地，多数企业还在“假装奔跑”超过六成的CIO预测, 在五年之内, AI将主导决策, 然而, 多数企业现在仍然停留在实验阶段。欧洲在这方面尤其落后, 中国和美国已经在AI创收以及降本上领跑。AI并非技术方面的问题, 而是涉及结构、文化, 还有投资的全方位转型。2. 数据地基不牢，AI永远在试飞仅约22%的企业, 具备AI就绪的数据基础, 语义标准化是分水岭, 没有统一的数据语义, 再强的模型也无法使业务运行通畅, 瓶颈并非在于算法, 而是在于杂乱无章的数据“地下室”。3. 从中央集权到一线赋能早
AI数据基建论坛探讨行业智能升级路径
在2025年华为创新数据基础设施论坛期间，一场以'AI数据基础设施，加速AI行业化应用落地'为主题的专题分论坛顺利举行。该活动汇聚了产业界、技术供应商和学术界的专家，共同讨论AI系统建设、高质量语料供应及智能体应用等关键议题，为AI从实验阶段迈向广泛商业应用提供了系统性策略与实践指导。当前，人工智能正在制造、医疗、金融和媒体等行业快速渗透，而稳定高效且可扩展的数据基础设施成为实现AI能力落地的核心支撑。数据作为AI模型训练的基础资源，其质量与管理方式直接影响模型在真实场景中的表现，包括可靠性、合规性和成本
揭秘AI如何“洞察”人类思维的运作机制
AI具备“洞察”人类思维的背后，是海量数据中蕴含的模式积累。人类的话语表达、情感宣泄和行为方式表面上看似随机，实际上遵循着一定的规律。AI的训练过程，实际上就是大规模学习人类对话、文本和行为样本的过程。通过对海量数据的训练，模型能够精确归纳出人类的语言习惯、思维模式、情感表达特点，熟练掌握不同情境下的表达方式与潜在诉求，从而为准确预测人类想法奠定数据根基。支撑这一能力的关键技术，在于大模型的向量嵌入与自注意力机制。计算机无法直接理解文字和语境，AI会将所有语言、语气转换成专用的高维数字向量，构建语义数字表
华为推出AI DC全栈数据基础设施方案 助力企业智能化升级
快科技5月22日消息，据华为官方宣布，华为正式推出AI DC数据基础设施全栈解决方案，旨在帮助企业快速构建AI数据中心，推动人工智能规模化应用落地。该方案的核心组件之一——OceanStor Pacific全闪分布式存储，以11PB/2U的业界领先高容量密度实现最优TCO，高效存储海量数据。其依托DME Omni-Dataverse统一数据空间，支持多模态、跨站点数据实时入湖、全局可视可管，同时具备千亿千维向量数据的秒级检索能力，实现高质量数据的汇聚与供给。面向超大规模推理集群场景，华为推出业界首个支持异
欧洲消费业AI困局：高投入难见实效
原文链接https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-ai-paradox-in-europes-consumer-industries-more-spending-elusive-impact#/或点击底部“阅读原文”官网阅读英文原文2026年5月4日欧洲企业高管在人工智能领域的投资覆盖面史无前例——却难以将资金投入转化为可量化的成果。今年，欧洲消费品行业的每位高管或许都经历过相似的对话：董事会询问人工智能资金的流
Snowflake报告：AI落地挑战与互操作湖屋解决方案
报告核心内容导读：Snowflake发布了一份名为《人工智能领导者数据策略：建造互操作湖屋》的报告。报告强调，要实现人工智能的规模化应用，强大的数据基础设施至关重要。然而，当前企业普遍面临数据孤岛、架构复杂以及数据治理碎片化等诸多挑战。报告提出，“互操作湖屋”是解决这些问题的最佳方案，其核心在于三大支柱：双向互操作性、规模化简化以及AI通用治理。该方案基于Apache Iceberg开放表格格式，支持跨供应商、多引擎的读写操作，实现了供应商中立性。这种创新的架构融合了数据仓库和数据湖的优点，能够支持跨云和
企业AI落地：夯实基础才能长久稳定
许多企业满怀热情投入AI项目，耗费数月资金。上线初期老板很满意，但几周后就无人问津。为何？生活上AI或许有用，但处理正事时，它给出的建议往往不准，数据更新滞后，甚至比人工操作更繁琐。最终系统沦为服务器里的“僵尸”。其实非AI不行，而是落地前的地基没打好。若想让AI在企业中稳定运行并创造价值，必须先理清这些根本问题。许多AI项目的起步便已偏离正轨。原因何在？老板受短视频或课程启发，觉得AI神奇，便对技术方喊话：“我们要搞AI。”技术问“做什么？”，老板说不清，只强调“你自己看着办”。这如同看病，只说“开药”
从人工智能角度审视新零售体系：ERP在AI时代是否依然不可或缺？
本文基于《NEXT 新零售数字化平台.pdf》15页的内容，从人工智能的视角进行深入剖析，阐述在AI时代为何依然离不开ERP系统。人工智能固然强大，但其需要“养分”来滋养。这个养分，就是数据。近期与几位零售业的朋友交流，听到一种看法：“现在AI如此先进，还需要ERP吗？”我的答案非常肯定：需要，并且比以往任何时候都更需要。因为无论AI多么强大，都需要数据来“喂养”。缺乏优质的数据基础，AI就如同空中楼阁。一、AI的核心事实：输入决定输出在AI时代，我们常常讨论：AI销量预测AI智能补货AI会员分析AI营销
午修邀请 | AI创新投资的利弊分析
✓关于话题AI创新投资的利弊分析AI投资既蕴含机遇，也暗藏风险。基于中国上市企业数据的分析表明，保持行业平均水平的AI投入属于最优策略，有助于控制风险并优化现金流；若因过度自信或竞争压力而盲目追随潮流，反而会显著提升企业违约概率。高质量数据能够放大合理投资的成效，却无法弥补激进决策带来的损失。因此，企业进行AI创新投资的核心要点在于：参照行业标准、强化数据基础、设置风险防线。本次午修环节，将通过中国A股上市公司的大规模面板数据进行实证分析，探讨传导路径、数据作用及决策主体等因素，帮助大家掌握客观评估AI投
2026文旅AI试点申报指南
点击蓝字 关注我们2026年3月，文化和旅游部正式开启“人工智能+文旅”试点申报工作。这标志着AI与文旅产业的结合已进入国家层面的深度推进阶段。申报时间有限，机会难得，本文将带你全面解析从政策解读到材料准备的完整流程。01申报要点概览：时间、方向与主体此次试点申报并非随意的技术应用，而是具有明确目标、严格规范和时间限制的国家级项目。掌握以下核心信息，是成功申报的基础。·重要时间点申报截止：2026年5月15日。部分地区（如北京）的市级材料提交截止可能更早（如2026年5月8日），需及时关注地方文旅部门通知
迅策获机构看好，目标价上调至245港元
国泰君安国际日前发布研究报告，继续推荐迅策（03317），并将其目标价从86.0港元显著提升至245.0港元，增幅约为185%。该行预测公司2026-2028年的收入将分别达到20.52/29.60/34.61亿元，并给予公司 2027年 24 倍 PS估值。 该行对迅策持积极态度，主要理由包括：1）在AI Agent与Token经济领域保持强劲增长；2）资产管理行业稳步发展且利润率提高；3）随着更复杂AI大模型的部署，ARPU有望进一步提升。 ARPU大幅增长。预计2025年公司的ARPU值将从2024
国家AI医疗中试基地成果发布
国家级人工智能医疗中试基地在国家发展改革委与国家卫生健康委的指导下，由上海市多部门支持，以中山医院为核心单位，于2025年启动建设。目前，该基地已构建起涵盖算力基础、语料知识库、医疗大模型及智能体、临床多场景验证与评估的中试验证平台，为“人工智能+临床医学科研”技术的广泛应用奠定了坚实基础。此次发布的五大核心成果包括——一是打造了集计算、存储、网络与开发工具链于一体的新型算力服务平台，形成贯穿“模型研发—验证迭代—推理服务—安全治理”的算力资源底座，实现国产化适配，性能达到国际领先水平；二是推出6大医疗垂