奕境汽车推出「天穹智盾」安全系统，全面覆盖六维防护
几乎所有汽车发布会都会强调安全是最大的豪华，但真正以此为主题召开专场发布会的并不多，奕境汽车却这样做了。 7 月 2 日，奕境汽车首次公开了其安全架构「天穹智盾」，并在央视新闻的《超凡一步 | 中国汽车新跨越》大型特别直播中亮相。该架构与华为乾崑智驾 ADS 5 深度整合，涵盖智驾安全、主动安全、被动安全、电池安全、营救安全和健康安全六大领域，旨在将新能源车的安全能力从单一的碰撞防护，拓展到事前预警、事中保护和事后救援的完整链条。 在智能汽车的发展进程中，安全的内涵正在演变。以往，用户更侧重车辆在事故后的
理想汽车架构重组：整车与智驾团队并入研发
新浪科技讯 7 月 3 日下午消息，据业界报道，理想汽车正筹划新一轮组织变革，聚焦产品决策流程优化，拟把产品部部分核心职能剥离，划归研发部门。对此，理想汽车官方目前尚未作出回应。 现阶段，理想汽车产品部由高级副总裁范皓宇统领，业务范畴涵盖电动本体、空间智能、自动驾驶终端产品、交互设计、平台运营以及 App 与官网等板块。 消息指出，本次调整重点针对电动本体及自动驾驶等关键产品定义团队。其中，电动本体产品定义团队将拆分并融入由整车电动高级副总裁刘立国掌舵的整车研发部门；自动驾驶终端产品团队则并入由基座模型负
AI 系统工程师招聘详情
一、主要职责：1、统筹 AI 与智能制造应用的规划及实施，推动 AI 在制造一线的实际应用；2、主导 AI 应用与既有系统（MES/MOM/ERP/OA 等）的架构设计与融合；3、深入挖掘制造现场业务场景（涵盖质量、设备、生产及管理），推动 AI 场景从零开始落地；4、负责 AI 相关项目的技术方案评估、执行推进及成效验证；5、充当制造现场、IT 团队及外部供应商间的技术纽带，促进跨部门协同；6、参与 AI 技术规范、数据治理及应用标准的制定与持续优化。二、任职要求：1、本科及以上学历，计算机、信息系统、
人工智能如何渗透美国顶级医院？
近期，我深入考察了中国民营医疗单位的人工智能应用现状，并参与了与三甲医院的内部研讨，产生了一些感想和体会。具体的细节不便详述，但可以归纳出几个普遍存在的难题：虽然大家资金有限，但这一轮AI浪潮是必然的发展方向。大家迷茫的，不仅是AI是否有效，更是究竟应该从何处开始实施。管理团队关注的是：病患从哪儿来？凭什么信任我们？就诊前有没有AI的引导？医师的工作效率能否缩减？服务感受能否改善？信息能否累积？AI 最终能否转化为机构的竞争力？我尝试将这段时间的思索，配合对几家有代表性的美国私立医疗机构的研究，整理成一条
AI动态回顾：2026年7月2日重点汇总
补录7月2日AI领域动态：今日关于人工智能模型及服务的信息较为集中。1、美国放宽对 Anthropic Fable 5 及 Mythos 5 的部分管制，前沿模型迈入“先审后放”的新阶段。2、Anthropic 重新开放 Fable 5 权限，Mythos 5 依旧限于受信任机构，AI 能力开放呈现分层态势。3、传闻 Meta 正筹备云业务，拟出售过剩 AI 算力，以回收巨额基础设施投入。4、Meta 消息提振股价，同时给 CoreWeave、Nebius 等 AI 云厂商带来预期冲击。5、Togethe
华为乾崑ADS 5暗光挑战：高速逆光精准捕捉14cm小目标 奕境X9三季度来袭
【TechWeb】7月2日消息，奕境汽车今日携手华为乾崑亮相央视新闻特别直播节目。奕境汽车董事长汪俊君、华为公司高级副总裁及引望公司CEO靳玉志与总台主持人尼格买提共同参与，现场对奕境X9进行了全网首次实车深度拆解，并顺利完成了华为乾崑智驾ADS 5的首次暗夜场景实测演示。 直播期间，奕境汽车正式推出了名为"天穹智盾"的整车安全架构体系。据官方介绍，该架构与华为乾崑智驾ADS 5实现系统级深度协同，涵盖智驾安全、主动安全、被动安全、电池安全、营救安全、健康安全六大核心领域。 被动安全层面的
智能体时代来临：AI不会被单一企业掌控
本文并非简单的投资宣言，而是对AI未来架构的深度展望。基于个人经验，本文将以通俗生动的手法，全面梳理并深化原文内容，助你全面把握Agentic AI的技术全貌、发展历程、驱动因素、核心技术层及未来机遇。无论你是开发者、企业高管，还是AI爱好者，都能获得清晰的认识与启发。（全文约3000字，预计阅读~10分钟）试想：数年前，我们兴奋地与ChatGPT对话，它如同一位聪慧的助手，能编写代码、讲述故事、解答疑问。但如今，AI已迈入智能体时代。究竟什么是Agentic AI？智能体并非单一的对话界面，而是如同"数
打造企业级AI预测引擎：从数据积累迈向智能决策
在数字化转型进入深水区之际，企业面临的挑战已从单纯的“如何获取数据”，转变为“怎样从海量数据中挖掘前瞻性价值”。传统商业智能（BI）多聚焦于描述性分析，即利用历史数据复盘“已发生之事”；而现代竞争的核心已转向预测性分析，即借助人工智能（AI）技术推演“将发生何事”。构建一套高效、精准的AI预测分析体系，已成为企业实现从经验驱动向数据驱动、从被动应对向主动预判跨越的关键路径。打造一套高性能的AI预测分析系统，其底层架构设计直接决定了系统的稳定性、扩展性以及处理海量数据的能力。一个完备的预测分析架构通常包含数
AI前沿精选：揭示模型偏见与推理新策略（7.3）
LG - 机器学习 CV - 计算机视觉 CL - 计算与语言1、[CL] Distill to Detect：通过插件蒸馏暴露大语言模型的隐秘偏见 2、[LG] QuasiMoTTo：拟蒙特卡洛推理时扩展方法 3、[CL] DiscoLoop：融合离散嵌入与连续隐状态的循环架构用于多跳推理 4、[CL] 图原生强化学习借助概念重组实现可追踪的科学假设构建 5、[LG] 正确且恰当：结合可验证奖励与人类示例的语言模型训练摘要：利用插件蒸馏技术揭示大语言模型的隐性偏见、基于拟蒙特卡洛的推理时计算扩展、面向多
银行AI落地真相：咨询话术与工程实现的双重视角
阅读指南：本文面向银行高管、业务负责人、架构师、产品经理及AI解决方案提供商。如果你看了无数架构图仍不知下午该写哪行代码，本文正是为你而作。核心摘要：咨询派推崇“语义脱耦层”，工程派主张“结构化工单+MCP封装ESB”。本文揭示两者背后的统一本质，拒绝空谈——我们将抽象的“任务工厂”转化为一段真实的Java Config工单模板，并附上一份从0到1的“7天极简实操指南”，让架构师阅后即动。🎁 阅读本文你将获得三样关键成果：1. 一张认知地图——咨询派的“语义脱耦层”与工程派的“结构化工单+MCP+@Too
Java工程师AI转型路径：你的七成技能已可直接应用
你不必从头学习AI，你需要的是一幅从Java迈向AI的导航图。2024年下半年，我在科大讯飞主管一个教育资源检索平台——利用Elasticsearch实现全文搜索，多个LLM负责内容生成，视频经ASR转录后进行知识点分割。简单说就是一个“具备AI功能的搜索工具”。当时团队里已经有人讨论RAG、Agent、MCP，我听得一知半解。作为一个有8年Java经验的人，我的本能反应是：“这些与我何干？我又不是算法专家。”直到公司启动一个新项目——知了AI助手平台，需要从零规划RAG检索系统、Agent工作流引擎、M
AI算力耗电飙升：服务器电源何以成为AI赛道新风口？
2026年6月，AI基础设施的焦点，正从GPU向“供电保障”延伸。近期，多家研究机构与供应链透露，伴随AI服务器功耗不断攀升，服务器电源迈入全新升级周期。同时，英伟达早前发布的800V HVDC高压直流数据中心供电架构蓝图再度引发热议：该架构计划在2027年前支撑单机柜超1MW的功率，以适配下一代AI集群部署。此外，近期关于AI数据中心建设的报告持续强调，未来AI基建的最大瓶颈已非GPU产能，而是电力、散热及电网负荷。为适应“高效供电”，越来越多机房正重构整体设计。AI服务器性能愈发强悍，可一旦供电滞后，
AI浪潮席卷财税咨询：98.7%精准度下，谁将出局？
点击蓝字关注我们我在财税领域摸爬滚打了十五个年头，亲历过政策调整、市场波动，也听过无数次“狼来了”的预言。但这一次，我确实感到不安。并非源于政策收紧或竞争加剧，而是一个冰冷的事实摆在眼前：AI在发票识别、税务申报、风险预警这三大核心场景中的准确率，已攀升至98.7%。没错，你没有听错，就是98.7%。这意味着什么？过去需要资深会计耗费半天核对的发票，AI几秒即可完成，且错误率远低于人工。企业税务申报从发票录入到报表生成，AI能实现全流程自动化。那些依赖经验才能察觉的税务风险，AI通过数据比对即可提前预警。
防范显性AI支出陷阱
企业AI（人工智能）花费隐匿在供应商续费清单、按需收费账单以及各业务线独立预算三种途径中。少数CIO（首席信息官）可以彻底洞悉AI开销的全局，但绝大多数难以做到。图源：Rob Schultz / ShutterstockAI的迅猛蔓延让多数CIO难以看清AI实际给企业带来的花销。Protiviti的《2026 AI Pulse Survey/2026年AI行业脉搏调研》表明，近三分之二的企业反映员工在缺乏适当监管下使用AI，近半数大型企业无法彻底掌握员工正使用哪些AI工具。同时，IBM的《2026 Tec
AI原生开发范式深度解析
一、总体范式：AI Native系统结构 AINative研发的核心并非"以AI取代系统"，而是搭建一套分层架构： -Operator（原子化执行单元） - Skill（可复用策略/能力编排） - IR /DAG（结构化任务表征） - Runtime（执行与优化引擎） - LLM（意图解析 +规划生成 + 结构编排）完整链路： User Intent → LLM → Skill Graph / IR → Runtime DAG → OperatorExecution → Feedback → Evolut