AI赋能临床试验：从探索尝试到规范应用——2026年行业应用全景分析
人工智能与临床试验融合的发展前景━━━━━━━━━━━━━━━━━━━━━━━━━━━━一、开篇：人工智能已非"可选项"倘若您仍在纠结"临床试验是否应当引入人工智能"，恐怕已经处于落后位置。Medidata 2025年12月公布的全球调研结果给出了清晰指向：93%的制药企业、生物技术公司及CRO已采纳或打算部署人工智能。更值得关注的是，73%的已应用者反馈"达到或超越预期"——这表明人工智能在临床试验领域的应用，已跨越概念验证阶段，正步入大规模推广阶段。然而
博杰股份光耦合设备研发取得新进展
证券日报网5月24日报道，博杰股份(121.550, 11.05, 10.00%)在回应投资者关切时指出，当前光耦合设备已实现初步技术积累与方案规划，相关研制工作正按计划稳步推进。该产品的核心技术源自公司在摄像头模组领域长期深耕的AA（主动对焦/自动校准）等相关技术，并成功将其延伸至光模块的光耦合适配领域。公司将持续加大投入，致力于打造下一代全自动光耦合设备，力求实现更高的精准度与更高的生产效率。
AI训练营第46天：AI工程化落地的四大核心要素
发布日期：2026-05-11 阅读时长：约 22 分钟 系列：AI Engineering - 让 AI 从能力到落地在前一篇文章中，我们详细剖析了 AI 落地的四大挑战：场景模糊、成本失控、质量波动、集成困难。这些挑战揭示了一个核心矛盾：AI 的强大能力并不能天然转化为业务价值，中间需要一套系统化的工程方法作为桥梁。本文将阐述 AI Engineering 的核心方法论体系。该体系由四大核心要素组成：需求工程、方案设计、质量保障、持续运营。每个要素都对应着 AI 落地过程中的一个关键阶段，四个要素协同
AI浪潮下，真正驾驭技术的仍是专业能力
当前，AI在港口物流行业中的发展速度非常快，在举国推动的大环境下，其落地应用也不断更新。AI在为大家带来便利的同时，也让业内不少人产生焦虑：个人担心被AI取代，开发企业则担心无法跟上变化，在行业选择中失去竞争力；与此同时，也希望借助AI减少人力投入，实现降本增效。正因如此，不少企业和个人都把学习AI、使用AI放在了极其重要的位置，甚至上升到了战略层面。作者自己也会持续关注、思考并尝试应用，不过总体上受限于时间和日常工作的范围，目前仍处于有限使用阶段，因此这些看法和体会未必足够全面。在我看来，重视AI当然是
AI赋能射频设计：五大主流一键生成方案
针对射频系统、板级电路、射频模块及封装器件，介绍5种2020年后主流且可落地的AI辅助设计方法，核心在于结合器件库与参数输入实现多维度设计的自动化。 1. 基于深度学习的逆向设计及参数合成（Deep Learning Based Inverse Design & Parameter Synthesis） 技术成熟期（权威依据） 2019至2020年间，IEEE TMTT（微波顶刊）发表了多篇相关论文；Keysight ADS于2020年1月推出了商用ML逆向设计模块，标志着该技术在工业界的应用。