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前沿速递：三大热点解析
今日AI领域呈现三大重要进展：其一，字节跳动发布原生音视频全双工模型SeedRealtime，达成“视听说”一体化的实时多模态交互。其二，微信朋友圈开启“AI帮写”功能灰度测试，AI悄然渗透至日常生活社交领域。其三，商汤科技发布SenseNova 6.8 Flash Lite预览版，打造轻量级多模态智能体。🔥实时交互字节SeedRealtime原生支持音视频全双工，摒弃传统拼接式多模态的高延迟。⚡社交AI微信朋友圈“AI帮写”功能首次进驻日常社交圈，提供简洁、幽默、文艺三种文案风格。🚀轻量化模型商汤Sen
AI入门第一课：先懂边界，再学提示词
第1章 AI基础认知入门篇缺少手绘头像内容加载中....AI定义 · 应用场景 · 实际操作流程AI初探：定义、边界及规范用法编者按本章旨在阐明 AI 的核心概念。你将依次了解：AI 的定义、适用范围、哪些结果不可全信，以及入门阶段需掌握的术语。关于训练、参数、算法等底层逻辑，暂不深入探讨。01PART一、本章学习目标学习目标完成本章学习后，你应能：用自己的话解释AI 定义是什么。判断一项任务是否适合交给 AI。区分生成式 AI 和多模态 AI。看懂ML、DL、NLP、LLM这些常见名称。用一套清楚的步骤
怎样使 AI 能够识别并理解你的业务？
据2025年企业服务行业调研数据显示，68% 的 B 端决策者在筛选供应商、了解行业解决方案时，会优先使用 DeepSeek、豆包等 AI 工具检索相关信息，但近7成中小企业的公开资料仅面向人类受众创作，无法被 AI 有效识别、引用，导致大量潜在客户在 AI 检索阶段就直接流失。很多企业会有疑问：我们官网、宣传册信息很全，为什么 AI 还是 “看不见” 我们？核心原因在于 AI 的 “阅读逻辑” 和人类完全不同：人类会被有感染力的宣传文案打动，但 AI 优先提取结构化、可验证的事实类信息，零散的感性描述、
AI短剧前沿动态 | 阿里推出全新视频生成模型Wan3.0；陆川50天编写万行代码研发AI编剧系统
数据窗口：8月9日18:00—8月10日 18:00●阿里推出全新视频生成模型Wan3.0，巨日禄AI率先接入并发布"星海3.0"，AI短剧批量化制作迎来全新基础设施。Wan3.0在长视频生成、多模态理解、画面一致性等关键领域取得重大进展。巨日禄AI基于此发布汇聚创作灵感的"星海3.0"，核心亮点体现在"长叙事生成"功能上——连贯镜头运动、复杂情节呈现、完整情感表达均成为现实，有望助力AI剧行业加速迈向批量化制作新阶段。资讯
上海国投先导AI产业前沿观察第八十七期
人工智能 产业观察INDUSTRYINSIGHTS上海国投先导（第八十七期）01本周AI速览1.1 模型/Agent进展（1）OpenAI推出Astra数学模型，攻克十项数十年悬而未决数学难题OpenAI近期推出Astra数学模型内测版本，在高维几何、群论、格密码等艰深数学方向完成十项全新证明。模型借助自主推理产出完整推导流程，并联合Lean形式化工具完成校验，部分成果涉及Connes嵌入问题及Erdős经典猜想，展现大模型在复杂科研推理场景中的进一步突破。-先导洞见-Astra是一类针对复杂科研推理任务
陈瑞 | AI智能体教师融入下的人机协同双师教学模式探究
✦•✦文章引自：陈瑞.融入AI智能体教师的人机协同双师模式研究[J].现代教育技术,2026,(6):114-125.MET摘要：随着生成式人工智能技术与数字化课堂的深度融合，多模态大模型驱动的AI智能体正逐渐成为教学活动的关键载体。参考AI智能体的组成结构，结合AI智能体的相关研究成果，文章设计了AI智能体教师、阐释了其技术架构并探索了其教学实现。在此基础上，文章依托人机协同“双师共教”模式，以双过程认知发展理论和建构主义教学理论作指导，进一步构建了融入AI教师智能体教师的人机协同双师模式，并介绍了其部
AI风暴模型开源落地，智能体安全攻防新进展
🌀 WeatherNext：十年气象研究浓缩为一次开源飞跃。Google DeepMind 的 WeatherNext 已在《自然》正式刊发，同时在 GitHub 公开代码与模型权重。该系统依托近 20 TB 全球大气资料和约 5000 个历史气旋样本进行训练，可在 TPU 上不到一分钟产出 15 天概率集合预报，单个风暴输出 1000 种情景，同步预测路径、强度与风场分布。其 3 天预报准确度对标此前模型 2 天的水准，平均为防灾多争取 24 小时；在 2025 年飓风 Melissa 的快速增强和登陆
2026年人工智能展望：从智能体崛起至科研突破
2026年，人工智能正从单纯的“技术实验”迈向“深度应用”。经历了ChatGPT掀起的大模型热潮，再到AI智能体对工作流的改造，以及端侧智能的普及——AI早已不再局限于实验室的课题，而是成为了覆盖各行各业、深入各类终端的基础设施。本文将探讨2026年五大关键的AI技术走向，并分析其对产业格局产生的深远变革。若说2024年是“大模型普及的开端”，那么2026年则是AI智能体全面爆发的元年。智能体已不再是简单的聊天机器人，而是具备自主规划任务、调用工具及执行复杂多步骤操作的智能系统。在企业应用中，智能体已开始
AI新纪元：执行体上岗
2026年3月11日，对深耕AI领域的人来说，是一个颇为奇特的节点。并非某家企业甩出惊雷，而是中美欧多个关键动作恰好挤在同一天向外涌出，回首望去，各方似乎达成了一种无言的默契：聊天机器人主导的纪元，于此日正式落幕。谷歌祭出Gemini Embedding 2——首个原生多模态嵌入模型，将文字、图像、音频、视频、PDF统一塞进同一向量空间，AI的"记忆"首次突破纯文本的边界。英伟达同日开源Nemotron 3 Super，1200亿参数的MoE架构，支持百万级token上下文，在PinchBench上斩获8
AI入门知识精要速览
人工智能，即AI，核心本质在于依托历史数据来推演未来趋势，凭借其强劲、高速、精准的存储与运算能力，打破了资本、技术和资源方面的壁垒，让普通人也能随时接入顶级知识库、运用顶级创作工具、享有顶级的执行效率，进而触发一场深层次的生产力与生产关系变革——劳动者由"体力技能型"向"创新复合型"升级，劳动资料由"单一工具"向"智能生态"转变，劳动对象由"物质资源"向"数实融合"拓展，在此背景下，人唯一的核心竞争力便是：理性深度与情感温度。面对AI的高速迭代，作为人类，我们也应借助AI持续推动自我认知的更新换代。因此，
2026年AI智能体开发指南:选准工具少走弯路
不少人花了重金学习课程，最终搭建的智能体却只会简单对话。事实上，2026年的技术格局早已不同，工具的选择远比埋头苦干更重要。 别再只盯着大模型本身 当前开发者社区存在一个认知偏差，认为模型足够强大就能让智能体自动完成所有任务。这其实是个误区。最新行业数据显示，2026年国内AI智能体相关服务商数量已超过300家，市场规模预计突破430亿元，年增长率高达300%。这反映出什么？说明各方都在快速布局，但真正具备实用价值的工具并不多。许多人把精力放在调参上，却忽视了智能体所需的工具调用和持续运行的稳定性，这好比
AI发展史(二十五)：当AI获得视觉与听觉，它看见了更广阔的世界，但并非每个行业现在都需要它
此前的语言模型主要是借助文本来认知世界。我们提交一份病历，它便为我们提炼病情要点。抛出一个疑问，它便输出一段解答。这类AI恰似一位博览群书的长者，底蕴深厚，且善于表达。然而现实世界远不止文字这么简单。患者的表情、呼吸的声响、胸部的CT影像、心电图的曲线、监护设备的波形、外科手术的画面、病理切片的图像。这些信息很难用寥寥数语完整呈现。于是AI获得了新的能力：多模态。什么是多模态？“模态”这个词听起来晦涩，本质上就是：信息以何种形式呈现。文字属于一种模态。图像属于一种模态。声音属于一种模态。视频也是一种模态。
“模型”与“模态”之别：人工智能中的model、modal与modality解析
在人工智能的各类文献中，model和modal这两个词频繁出现。它们的拼写仅有一字之差，中文译名“模型”和“模态”听起来也很类似，因此人们常将它们混淆为同一事物。事实上，两者不仅词性不同，所处的概念层次也有显著差异：简而言之，模型是负责信息处理的计算系统，而模态则是信息被呈现或感知的方式。英语中的model可以泛指对某个实体、系统或过程的简化表示。比如，地球仪是地球的实体模型，数学公式能构成物理过程的数学模型，经济学模型则可展现不同经济变量间的关联。在人工智能和机器学习领域，model的含义更为特定。根据
54个AI核心术语速通指南：零基础也能读懂
近两年，AI领域涌现出大量新概念。Token、Transformer、RAG、MCP、Agent、Skill、Vibe Coding……这些词汇似乎人人皆知，但要真正讲明白又不容易。普通人无需先掌握高等数学，也不必把自己塑造成算法专家。抓住20%的关键概念，就能弄懂大多数AI产品的运行逻辑、为何时灵时钝，以及后续的学习路径。我将这些概念归纳为七个模块。不急着一一背诵，让我们沿着一条主线逐步理解：模型如何习得能力，为何能产出内容，人怎样与之交流，它怎样对接外部资源，又是如何演化为Agent和实际产品的。训练