武汉协和医院斥资1298万采购AI新药临床试验模型训练服务：专病智能体迈向临研基础设施
导语：2026年7月10日，华中科技大学同济医学院附属协和医院AI赋能新药临床试验算法模型训练服务项目正式公布中标结果，由湖北精诊医疗科技有限公司以1298万元成功中标。该项目核心聚焦于多模态医学数据治理与医疗AI模型训练，覆盖肿瘤、心脑血管、呼吸、消化、代谢及免疫等多个专病智能体领域。尤为值得关注的是，此项目并非单纯采购若干医学模型，而是将知识库、知识图谱、数据标注、模型训练与推理能力深度嵌入受试者精准筛选、疗效跟踪、消化道早癌预警等临床试验及诊疗全流程中，传递出医疗AI从单点算法迈向多模态科研协同系统
AI工具使用指南：建立系统，而非依赖模型
近两年AI领域最常见的误区，是把AI工具视作信仰。前天大伙还在吹捧Claude，昨天又觉得Codex无解，今天新模型一发布，大家立马倒戈换旗帜。我无意加入任何阵营。我更看重三个核心：任务能否闭环，责任如何界定，迁移平台后资产是否保留。搞懂这三点，我对AI的认知其实很朴素。很多人热衷于探讨AI是否有意识、是否具备类人智能。但对普通用户而言，这些宏大概念未必具有实际意义。一个工具的真正价值，在于以更低廉的成本，将想法转化为可检验的成果。昔日开发小工具耗时三日，如今三小时即可产出初版，这就是价值所在。然而，速度
AI究竟能否助力你提升思维能力？
几个月前有一段时间常琢磨一个问题：到底哪些内容该亲自动手写，哪些内容适合交给AI来生成？今天就把琢磨出来的答案分享给各位~湛卢曾出版过一本斯科特·佩奇的《思维模型 The Model Thinker》，其中有一个相当不错的模型可以拿来参考：这张图展示了"智慧层次结构（wisdom hierarchy）"~数据：广泛存在，却缺乏明确含义、组织或结构；信息：把数据进行整理、构建框架、赋予价值；知识：对信息进行更深层的提炼，往往以模型形态呈现；智慧：在精通多种知识（模型）的基础上，针对不同情境灵活运用知识的能力
一篇文章理清AI、机器学习、深度学习、大模型与AIGC的关系
刚接触AI学习时，不少人还没被编程拦住，就被一堆专业术语搞糊涂了：人工智能、机器学习、深度学习、大模型、生成式AI、AIGC、大语言模型……每个词似乎都见过，但又说不出区别。其实，这些词并不复杂。容易混淆的根本原因在于：它们并不是按同一个维度来分类的。有的指研究范畴，有的指技术手段，有的指模型体量，还有的指生成的结果。今天，我们给这场“AI名词大聚会”重新安排一下座位。人工智能，英文是Artificial Intelligence，缩写为AI。它并非某种具体技术，而是一个庞大的研究领域。其目标是让机器胜任
人工智能驱动科研提效与智能体开发实战研修—中国科学院人才交流开发中心
编程陷入自我怀疑：Matlab/Python/R，算法落地、参数优化、bug定位，一个模型耗时一周，头发稀疏一片。数据堆积难以消化：实验数据动辄几十个G，人工清洗、标注、解读，眼花缭乱，Excel崩溃。文献浩如烟海：领域相关论文每年发表上千篇，追赶前沿力不从心，综述撰写几近崩溃。图示粗糙惨遭退稿：技术路线图、机制示意图如同手绘草图，审稿人过目即摇头。申报书修改到疲惫：国家自然基金、省级课题，技术路线、研究方案反复打磨，年年陪跑无果。AI听闻却未曾上手：了解ChatGPT、DeepSeek、Claude，却
265 万元 AI 办公项目中标揭晓：讯飞位列首位（中）
项目规模概述：本项目定位于企业级 AI + 办公应用场景打造，系统可承载 2 万名注册用户的并发使用，支持企业内部多组织架构、多层级用户的访问与应用调用。知识库规模约 5000 份文档（约 5 万页），涵盖制度文件、政策法规等结构化与非结构化资料，并具备良好的可扩展性，能够持续动态更新，契合企业级知识服务与智能化应用的需求。招标范围说明：本次招标涵盖但不限于以下内容：AI + 办公场景应用建设服务，含 AI 办公平台搭建与实施服务两大板块。AI 办公平台搭建涉及企业知识库、智能问答、智能问数集成、公文写作
日知录253：AI变革下的商业新机遇
近期，注意到一家，在AI浪潮中悄然获利的企业。其核心业务，是为各大人工智能研究机构，匹配来自不同领域的专业人才。以供模型训练，与算法迭代之用，进而抽取相应佣金。表面来看，是一项传统且小众的，居间服务。然而，其收入与盈利能力却十分出众，广受资本市场青睐。这其中蕴含的逻辑，远不止简单的资源撮合。而在于，在新形势下，默默搭建起，人工智能时代的人才底座。在AI这场，划时代的技术革命之中。众多看似微小的商业机会，将不断涌现。【免责声明】本文仅为作者对AI时代商业模式与新兴业态的随感，不构成任何投资建议。文中所引案例
Meta推出开源权重AI模型：超级智能步入全民化新阶段
2026年8月10日，Meta正式发布开放权重人工智能模型Muse Glimmer，并同步推出公司首席执行官马克·扎克伯格撰写的AI未来主题文章《The Future is for Everyone》。Meta强调，人工智能的演进不应被少数科技巨头所把控，而应借助开放透明的模型架构，使广大开发者与普通用户能够自行构建贴合自身需求的AI助理。这一举措，进一步巩固了Meta在开放模型领域的战略布局，也意味着AI产业竞争逻辑正经历深层变革：相比追逐规模更大的模型，让AI真正惠及大众，已上升为行业发展的核心方向。
AI 越强大,算力为何可能反向涨价?
摘要：AI 越强大，单位算力能产生的价值也随之攀升。当需求增速超过芯片与数据中心的供给能力时，算力价格为何会出现阶段性上扬？过去多年，技术发展已经让我们形成一种固定预期：同样的支出，明年总能换来更强的性能。存储容量不断攀升，流量费用持续走低，同样面积的芯片也能集成更多晶体管。按照这一趋势推测，AI 理应遵循同样的规律——模型效率日益提升，芯片性能逐代增强，每一次对话、每一张图片的开销理应持续走低。这种直觉在供给端并无问题，但难点在于，AI 本身也在重塑需求。当它仅限于闲聊、整理几段文字时，用户愿意支付的费
AI井喷之年
2024至2025年间，梁文锋在投资方交流场合给出的预判区间同样是1至2年，但着重指出差异核心聚焦于算力储备而非人才储备，并且这种差距有望被压缩至半年甚至一个季度。抛开一些博人眼球的论调，不得不钦佩这些领军人物求真务实的洞察力，在行业制高点上锚定趋势与落差。如今两年光阴流转，2026年8月也已走过大半，差距已从当初的两年鸿沟收窄为三到六个月的相对距离，这是何等坚定的信念与集体合力，中国的大众群体也在这一时期内为其输送养分，推动这场强势逆袭。2026年6月，施密特公开发声，将原有的“两到三年”评估修正为“半
AI人力资源每日资讯 | 8月11日速览
导语：今天为你梳理 4 条 AI 在人力资源领域的最新动态——国内 3 条、海外 1 条，覆盖公共就业服务、互联网大厂 AI 校招、海外 HR SaaS 厂商 AI Agent 布局三个方向。国内动态1. 人社部联合三大地图厂商上线全国就业公共服务地图日前，人力资源社会保障部联合腾讯地图、百度地图、高德地图开发"全国就业公共服务地图"，将全国 4400 余家公共就业服务机构的点位信息集成展示。劳动者可通过扫码或打开地图 APP 进入服务入口，定位最近的公共就业服务机构，查看工作时间、联系电
AI应用与GEO新风口：豆包启动交易抽佣引爆分成浪潮
AI应用/GEO（生成式引擎优化）这一概念，关键要点为：2026年8月10日豆包对跳转至抖音来客的订单正式按成交抽佣（酒店品类综合约12%），这象征着AI流量入口由'砸钱换日活'切换至'交易征税'新阶段，A股市场中拥有'C端高活跃+文档/知识库能力+可承接GEO交易分润'的，其中1.83亿月活对应的合合信息688615，产品涵盖扫描全能王/启信宝）将迎来价值重估。一、核心事件：豆包抽佣=AI流量明码标价• 2026/8/10起，豆包入口跳转抖音来客成交订单独立结算：住宿类11.4%软件服务费+0.6%支付
英伟达自研Nemotron 4开源模型 既抢客户又推芯片销量
英伟达正大力押注开源领域，投入资源自研一款重磅大模型。公司意图通过该模型刺激硬件销售，但这同时也意味着它可能会与现有的客户和合作伙伴产生直接冲突。 多位参与Nemotron项目的人士透露，英伟达计划打造Nemotron 4系列中规模最大的基础模型，其性能目标对标全球顶尖的开源大模型。英伟达上一代旗舰大模型论文有570名作者，内部人士表示Nemotron 4的研发人员规模将进一步扩大。一名前员工表示：“目前大家都希望能参与其中。” 英伟达近期不断发布开源模型，此次研发建立在之前的基础上。周二，英伟达推出了N
2026世界人工智能大会核心观点与产业趋势深度解读
日前，2026世界人工智能大会暨人工智能全球治理高级别会议在上海举办，大会以"智能伙伴 共创未来"为主旨，汇聚全球政产学研各界力量，既是国际AI治理共识的凝聚平台，也是AI技术与产业落地成果的集中展示舞台。当前全球AI产业正处于从模型能力突破向规模化实体落地转型的关键拐点：治理层面，全球首个政府间人工智能合作组织正式成立，多边治理框架初步成型；技术层面，AI正从静态数据训练的语言智能，向经验驱动的物理智能、自主决策的智能体范式跃迁；产业层面，AI加速渗透工业、医疗、消费终端、内容创作等千行百业，核心产业规
AI新手必知10大基础概念:从大模型到工作流,一文带你入门AI世界
近年来，AI技术飞速发展，从ChatGPT、Midjourney到各种AI绘画、AI视频工具，越来越多的人开始尝试接触和运用人工智能。不过，许多初学者在学习过程中都会碰到一个困惑：为什么别人用一句提示词就能产出令人惊艳的作品，自己却始终效果平平？为什么别人张口就是"大模型""工作流""LoRA""Agent"，自己却一头雾水？事实上，学好AI不仅仅是掌握某个工具的操作，更在于理解其底层的基本原理。正如学习设计软件前需要先弄懂图层、路径、蒙版一样，踏入AI领域同样要先吃透一些基础概念。以下这10个高频词汇，