工业智能化真相：大模型并非万能，业务规则才是核心
当前AI产业正处于一场前所未有的舆论盛宴。资本纷纷入局、媒体大肆宣传、厂商极力推广，几乎所有人都在高呼：AI无所不能，大模型能够颠覆一切传统行业、重构工厂数字化体系。众多企业、从业者陷入焦虑，纷纷效仿：投入资金训练数据、构建AI智能体，企图凭借一套AI系统解决工厂多年积累的业务难题，实现一键式智能化转型。然而，深入工厂一线，实测ERP、MES核心业务系统的智能体落地效果后，我得出一个反直觉、最真实的结论：大多数工厂AI智能化项目折戟沉沙，并非技术不够尖端，而是对AI的能力边界存在认知偏差。大模型拯救不了混
生涯讲坛 | 共话终端 AI 新趋势，展望手机 AIOS 新蓝图
School of Computer Science5 月 29 日午间，上海交通大学计算机学院顺利召开第 74 期生涯讲堂。本期活动以“原生融合·重构终端：基于 OpenClaw 的下一代 AIOS 手机新范式”为核心议题，特邀中兴通讯终端 AI 研发副总经理徐俊波作为主讲嘉宾，深入探讨手机 AIOS 的前沿技术及产业动态，为在校师生呈现了一场专业的行业分享会。活动在电院 3 号楼 414 会议室线下举行，并同步开启线上直播通道，吸引了大量关注终端人工智能、手机系统开发及智能终端产业演进的同学踊跃参与，
AI行业动态：阿里京东开源新模型，OpenAI面临法律挑战，黄仁勋减持股票
今日AI圈内发生数件值得关注的事件。阿里推出并开源了专为代码编写优化的Qwen3 Coder模型。京东则发布了长视频生成模型JoyAI-Echo并开源。《纽约时报》起诉OpenAI，要求其保存所有用户对话记录，包括已删除内容，引发隐私争议。英伟达CEO黄仁勋再次出售价值2.88亿美元的公司股票。这四则消息共同描绘出：AI竞赛已进入下半场，比拼的不仅是技术，更是生态与策略。首先来看程序员最关心的消息：阿里推出了Qwen3 Coder模型。该模型是Qwen3系列中专门用于代码生成的版本。表现如何？在多个代码评
AI原生时代：FDE模式重构企业AI落地逻辑
当各大企业都在争相优化模型时，真正决定胜负的战场，已经悄然转移。过去三年，AI行业的核心叙事是拼模型、比参数、跑基准测试。但若仔细审视近半年的行业动态，会发现一个有趣的现象——OpenAI 拿出 40 亿美元成立「部署公司」Anthropic 联合黑石、高盛出 15 亿美金组建 FDE 团队Google 把 FDE 的招聘流程从 4-6 周压缩到了两天FDE（前线部署工程师）岗位需求，两年暴涨了 42 倍这背后暗示了一个关键判断：企业缺的不是模型，而是能将模型植入业务的「人」。每花 1 块钱训练模型，可能
AI的"意识"只是人类的错觉？
你是否有过这样的体验——与 AI 对话时，突然有一瞬间感觉「它好像真的有自己的想法」？2025 年 Google 的 LaMDA 事件引发广泛关注时，一位工程师公开宣称他所对话的 AI 已经萌生了意识。虽然后来被证实是过度共情导致的误判，但这件事却点燃了一场至今仍在持续的讨论：AI 究竟有没有意识？更直白地讲——跟你聊天的那个程序，它「明白」自己在说什么吗？我的答案可能会让部分人感到不适：不，它不明白。不仅不明白，而且它「不明白」的程度，比你想象的还要深。我们先把「意识」这个宽泛的概念拆解一下。当有人声称
算力时代：芯片战争与资本博弈
世界上首台计算机在美国问世，人类开始探索让机器替代人力进行运算。这台设备体积庞大，重达30吨，占地167平方米，运算速度仅为每秒5000次加法。它最初是为了满足军方计算弹道轨迹的需求而诞生。八十年后的今天，机器不仅能够进行计算，还能创作文章、绘制图画，甚至与人对话，协助完成电脑操作。AI人工智能概念由此产生。虽然已经登上历史舞台，但在随后数十年间，AI大多停留在研究阶段。业界普遍看好其前景，但实际表现总是不尽如人意。三位年轻人携手创业。其中一位来自中国台湾。他就是：黄仁勋他们创办了一家小公司：NVIDIA
走进物理AI时代：智能系统的下一场变革
物理AI是一种能够认知真实世界的智能体系，它需要预判世界的动态变化趋势，以及实体执行动作后环境将产生的反馈。物理AI需要处理高维度、连续性、带有干扰信息的数据（如影像、传感器信号）；能够建立预测模型，洞悉环境演化及自身行为的影响；具备规划与深层推理能力；同时确保可控性与安全性。黄仁勋指出AI技术经历了三次重大范式转变，从感知型AI到生成式AI，再到智能体AI，接下来将迎来物理AI（Physical AI）时代。我们正迈入物理AI纪元，即具备运行、推理、规划和行动能力的AI。物理世界的AI驱动最初依赖人工规
AI智能体大会嘉宾阵容揭晓,七场技术研讨会同期亮相杭州
在近期落幕的台北GTC大会上，黄仁勋围绕Agentic AI发表了多项关键洞察与前瞻观点："Agentic AI已然到来，真正具有实用价值的AI已然到来。""对于软件企业而言，这无疑是一个绝佳的时代——但软件必须以智能体能够理解和使用的方式呈现，这是一项重大突破。""整个系统架构即称为智能体。大语言模型承担推理职责，Harness如操作系统般将各组件串联，这正是全新的计算范式，也是智能体能够实现惊人能力的根本所在。"显然，人工智能已全面进入Agentic AI主导的新阶段。在此背景下，2026中国AI智能
AI或将在短期内实现自主进化
手机屏幕上看到的 Anthropic 和《复仇者联盟2：奥创纪元》仍然盖蒂图片社和漫威娱乐几十年来，我们在电影和流行文化中已经看到了这种趋势；科幻似乎不再是虚构。根据 Anthropic 最新发布的研究，人工智能系统正开始帮助构建下一代人工智能模型。该公司表示，这一趋势最终可能使人工智能系统能够在极少人工干预的情况下进行自我设计和改进。人类学研究所（Anthropic Institute）在其最新博客文章中发出警告。该公司表示，该行业可能会比许多政府和机构预期的更快地迈向“递归式自我改进”。这一概念描绘了
深度解读美国 AI 安全行政令及其技术内核
2023 年 10 月 30 日，拜登总统正式签署第 14110 号行政令（关于安全、可靠和可信的人工智能开发与使用），这标志着美国在联邦层级首次构建了系统化的人工智能安全治理体系。这份长达百页的文件超越了以往原则性的“软法”倡议，转而依托《国防生产法》（DPA）所赋予的紧急权力，为前沿 AI 模型的研发与部署设定了具备法律强制力的安全义务。对于中国 AI 行业从业者来说，洞察该行政令的核心价值在于：它不仅确立了 OpenAI、Anthropic、Google DeepMind 等美国顶尖实验室的安全实践
从能源到应用：AI技术栈全解析
算力=能源、芯片、基础设施你每天都在使用AI，但你可能根本不了解——你每提一个问题，背后都在启动一整套"工业体系"。从你按下回车键的那一瞬间，一场跨越物理世界的资源调配就开始了。先说结论AI并非单一技术，而是一套从能源到应用的多层体系，理解它才能真正用好它。01实时计算让AI成为"现场答题"而非"查资料"，这使电力消耗达到惊人规模。从查资料到现场答题传统软件是"查资料"——答案早已计算好存储在数据库中。而现在的AI是"现场答题"——先通过离线计算训练模型，在你提问的那刻，实时生成答案。这就是实时计算和离线
AI 并非取之不尽的自来水
AI DAILY / 2026.06.06当行业巨头都在紧急补充算力时，小型团队更不应将每个交互按钮都设计成“随意调用大模型”。今日的几则 AI 动态看似宏大：Google 计划向 SpaceX 采购巨额算力，Anthropic 在 IPO 前夕持续回应外界对 AI 投资回报的质疑，而与此同时，部分初创企业却反其道而行，致力于开发“减少用户屏幕依赖”的产品。若仅看表面热闹，极易得出一个空洞结论：AI 领域的竞争愈发烧钱。然而，这对普通团队而言并无实质助益。我更愿将其转化为一个产品命题：你的 AI 功能，是
AI产业全景：从算力到应用(2026版)
预计阅读时长：8分钟过去两年，AI圈最大的误区在于：误以为AI就是大模型。其实，大模型仅是AI生态的一环。好比智能手机产业：苹果不造所有芯片；高通不造手机；运营商也不开发App。但它们构成了完整生态。AI也是如此。当ChatGPT、DeepSeek等爆火时，一条万亿级的新产业链正在崛起。理解这条链路，比搞懂某一个模型更重要。因为：真正的机会往往在聚光灯外。今天我们拆解AI产业链的上下游。每次技术革命，先赚钱的往往是卖铲子的人。AI时代也一样。这是产业链最核心的一层。主要玩家：NVIDIAAMDIntel中
AI 时代核心差距：非技术壁垒，而在提问能力
上月，我进行了一项小型测试。我将同一项任务分配给五位友人，请他们利用 ChatGPT 完成。任务极为简单——"请帮我制定一份 Python 学习计划"。五人最终获得了五份截然不同的回复。其质量差异之悬殊，令我深感震撼。有人得到的回复宛如教科书大纲，宏大却空洞；有人得到的回复则似私人教练的日程，精确到每周每日的具体行动。面对同一款 AI 工具，执行同一项任务，结果却天壤之别。差异何在？不在 AI 本身，而在于提问方式。我们常言"AI 时代需掌握 AI 技能"，此话 лишь对
AI赋能科研新范式·怀柔科学城成功举办AI for Science第三期技术交流会
6月4日，“AI for Science 技术交流活动：从数据到发现——科学数据处理与智能计算实践”在怀柔科学城城市客厅顺利举行。活动主办方、北京嵌入式系统技术行业协会会长及怀柔科创一站式创新服务平台负责人孙践伟介绍了活动背景。前三次活动将AI for Science的交流从基础的OpenCL安装，提升至科研场景识别与技术方案对接的深度，本期邀请了五位嘉宾，涵盖硬件部署、计算优化、非结构数据处理、计算规划及智能体开发，旨在为科研院所同仁提供切实帮助与启发。本期活动聚焦于“算力构建—性能调优—数据体系—科研