诚聘 AI 技术专家：赋能服装与制造全链路
AI 技术岗岗位职责1、深度解析公司中长期战略规划，将其拆解为可执行的 AI 技术任务，全面覆盖服装设计、生产制造、供应链管理及市场营销全链条，并拓展至制造业、零售业等跨行业场景。2、主导 AI 应用场景从零到一的构建，主要涵盖：服装领域：AI 辅助创意设计、3D 仿真打版、面料及成品智能质检、库存预测与智能补货、AI 智能商业拍摄、用户精准营销；跨界应用：工业 AI 质量检测、智能排产系统、零售推荐算法、通用 AI 能力平台搭建等。3、独立承担模型选型、训练、优化及部署的全流程工作，攻克落地环节的兼容性
微软试图摆脱对OpenAI的依赖
从紧密捆绑到相互留退路，微软与OpenAI都不愿将所有赌注压在对方身上。文｜动点科技据外媒日前报道，微软正寻求与人工智能初创企业达成合作，为未来不再完全依赖OpenAI做准备。知情人士透露，这类合作将有助于微软补充AI人才，并支撑其到明年打造前沿人工智能模型的目标。报道提到，微软目前接触的对象之一是AI初创公司Inception，不过相关讨论仍在进行，未必会最终形成合作。此前，微软还曾考虑收购Cursor，但由于旗下已有GitHub Copilot，内部担心这笔交易可能面临监管阻力，最终选择放弃。这一动向
AI 赋能瓷都游：昌南名坊园开启智慧文旅新篇章
游览瓷园担忧受骗？对陶瓷文化一知半解？如今，在景德镇市昌南新区名坊园，这些难题迎刃而解！位于此地的景德镇国家陶瓷版权交易中心，正式推出深度游 AI 文旅小程序。游客只需轻点手机，即可解锁名坊园全域游览新模式，沉浸式体验正宗景德镇陶瓷文化，巧妙避开消费陷阱，让瓷都之行更加从容惬意！据介绍，景德镇国家陶瓷版权交易中心与 AI 深度游平台于去年末达成携手，首站便聚焦名坊园这一核心板块。名坊园汇聚了百余家非遗工坊、大师工作室及国瓷展馆，完整传承传统制瓷七十二道工序，是领略地道瓷文化的理想之地。此次上线的 AI 小
新品速递 | AI 赋能控制原理系列教学方案
产品概览AI+ 控制原理系列实训装备，涵盖智能倒立摆与智能球杆系统，聚焦控制领域中典型的高阶、非线性、强耦合及不稳定被控对象。其核心教学目标在于为控制类核心课程搭建从理论至工程、从仿真到实物的全链路实践桥梁，助力学生精通控制理论建模、算法构建、系统调试及工程验证的全流程技能。作为新工科背景下的升级之作，该系列不仅适用于自动控制原理、现代控制理论、控制工程基础及智能控制等课程实验，更支持基于人工智能的深度强化学习控制实验。整个实践教学过程深度融合数理建模、软件仿真与实物部署，彰显工程教育特色，推动控制科学迈
深度学习驱动的工业视觉检测平台：四大核心模块实现智能化质量控制
面向工业场景的AI模型训练平台，集成图像采集、智能检测、数据标注、模型训练四大核心功能模块开源项目https://www.gitcc.com/deep-ai-show/gongye-ai-platform采用深度学习架构的低代码AI模型训练平台，涵盖图像采集、智能检测、数据标注、模型训练四大核心功能模块。模型训练该平台以低代码开发理念为基础，全面覆盖工业视觉检测全流程，四大模块具体功能如下：在消费电子产品生产、汽车零配件制造、食品加工等领域，运用该平台对产品的外观、尺寸、缺陷等进行自动化检测。例如，在消费
AI教育革新者Andrej Karpathy
【AI人物志】AI教育布道者-Andrej Karpathy 在AI的星辰大海中，Andrej Karpathy 是一个无法被忽视的名字。他是 OpenAI 的创始元老，曾执掌特斯拉 Autopilot 视觉团队，更是全球数百万工程师心目中的“金牌讲师”。 1. 缘起：物理学、第一性原理与“Badmephisto” 1986年，Karpathy 出生于布拉迪斯拉发。东欧严谨的数理教育在他心中种下了“第一性原理”的种子。15岁移民加拿大后，他在多伦多大学攻读计算机科学与物理学双学位，并遇到“深度学习教父”H
数智新解：AI 非稚子，实为人心之镜
不妨先沉思片刻：在你心底，AI 究竟似何物？现今许多人士将 AI 视作“需悉心抚育的孩童”，笃信投喂何种资讯，便会塑造出怎样的“性情”。然而，在与业界翘楚及大型模型深入对谈后我们发觉：AI 实则更像一面“明镜”，绝非“稚子”——它 devoid 自我、 devoid 情绪、devoid 记忆，仅能如实映射发问者的认知层级、态度倾向与潜在动机。01—“稚子”抑或“明镜”：三大核心差异，洞悉 AI 本质孩童能构建自我，AI 却无法做到；孩童会内化个性、积淀情绪、改写成长路径；AI 缺乏主体意识、无自我架构，自
AI、3D可视化与手术机器人融合引领视网膜手术新趋势
#AI与手术机器人1. AI实时辅助手术迈向临床应用新阶段2026年3月《Artificial Intelligence in Vitreoretinal Surgery》综述系统梳理AI在眼底手术中的应用进展；同期多篇临床研究验证AI模型预测手术预后价值。技术优势：基于606帧标注玻切手术帧训练的DL模型，可实现术中器械检测、器械尖端分类、视网膜标志点分割；基于OCT+超广角眼底图像的DL模型预测RRD术后视力，优于单一模态模型；基于696眼OCT的DL模型预测特发性黄斑前膜术后视力，略优于视网膜专科医
AI 浪潮下的教育真话
AI 似乎向教育抛出了众多新难题，但更关键的是它揭开了许多陈旧的伤口。往昔我们称赞孩子“字迹工整、效率高”，如今 AI 表现更佳。若 AI 能轻易搞定，那这项练习究竟在培养什么？致学生：从“完成任务”转向“深思熟虑”杜威曾言：反思是对既有观念的主动审视。AI 虽能给出标准答案，但唯有你能自问——“我为何持有此观点？这一结论将我引向何方？”⚠️ 莫做“危险的浅尝者”。借助 AI 无妨，坦承“我正利用 AI 辅助思考”，因为思考的过程本身最具价值。⚠️ 切勿仅关注结果，一旦思考被外包，学习便只剩空壳。若连作业
门内见光 智启未来 | 深度解析地产AI进阶之路
本次会议由华发股份副总裁梁晓东全程主持。他在开场致辞中强调，当前房地产行业已告别规模红利期，步入高质量发展与精细化运营的深水区，而国家“模数共振”行动的实施，正为行业指明了“数据与模型协同互促、以AI驱动新质生产力”的核心方向。梁晓东指出，数字化与AI已不再是房企的“锦上添花”，而是降本增效、构建核心竞争力的“必答题”。华发股份正以开放姿态拥抱数智变革，此次与深度智联的深度对话，正是企业响应国家号召、推动AI与业务深度融合的关键举措。他期待双方以实战为锚点，破解行业AI落地难题，让数智技术真正成为企业高质
AI 进阶指南：解析智能演进历程与行业实战
类别运行原理数据体量代表场景机器学习人工构建特征结合统计建模数千至数万级垃圾邮件拦截、信贷评估深度学习多层神经网络自主提炼特征百万至十亿级面部识别、语音转写大模型超大参数量网络加预训练微调数万亿级文本令牌DeepSeek、GPT-4o、豆包、文心一言、通义千问✅核心记忆点：领域落地实例效能飞跃医疗AI 自动生成 CT 诊断书阅片耗时由 30 分钟缩至 5 分钟，漏诊率降低 20%制造AI 辅助汽车零部件设计研发周期由 6 个月减为 3 个月，成本下降 30%教育AI 定制个性化习题错题攻克率提升 40%，
腾讯AI Lab十年演进：从学术高地到产业落地的转型之路
作者丨成仲轩 梁丙鉴2015年，腾讯总裁刘炽平从李嘉诚家族等人士处，首次获悉DeepMind的存在——一家当时尚未引起大众关注的AI企业。鲜有人知的是，这条线索的源头，隐藏在一段华裔血脉之中。DeepMind创始人兼CEO Demis Hassabis的母亲是新加坡华人，Demis与香港投资圈也有着密切联系。实际上，李嘉诚本人就是DeepMind的LP，他坦言"能参与DeepMind早期投资是珍贵的缘分"。借助香港资本圈的这层关系，刘炽平得知DeepMind正在秘密研发一款划时代的围棋AI。渴望在腾讯内部
AI驱动的Path2Space模型助力空间基因表达预测
美国国家癌症研究所等机构的研究人员近日开发出一种新工具，能够直接从组织病理学切片中预测空间基因表达。空间转录组学分析正在彻底改变我们对肿瘤异质性的认识，但高昂的成本也限制了其在大规模生物标志物发现研究中的应用。美国国家癌症研究所等机构的研究人员近日开发出一种新工具，能够直接从组织病理学切片中预测空间基因表达。这项研究成果于5月8日发表在《Cell》杂志上，能够更快、更经济地确定肿瘤组织中表达的基因，从而让更多患者得到个性化癌症治疗。这个名为Path2Space的深度学习模型是在大量乳腺癌空间转录组数据上训
现象学共读：重拾深度思考
编者导言你是否曾因哲学书籍的艰深而止步不前，或习惯依赖AI工具完成阅读总结与课件制作？你是否发现课堂展示看似流畅，实则缺乏对文本的真正理解，是思维的缺席，是无声的“认知外包”？当AI工具替代我们进行阅读与思辨，表面提升了效率，却丢失了深度思考能力，如同依赖导航会削弱空间记忆，过度依赖AI同样会导致判断力与思维能力的退化。然而现象学始终提醒我们：真正的理解，在于觉察和把握事物向我们呈现的方式，是亲身阅读、追问与感知的具身体验。正如一位学生在课程随笔中所写：“在生成式人工智能陪伴我走过三年学习历程之后，我渴望
AI与教育深度融合的场景化落地路径研究
一、研究背景与依据（一）国内外研究现状及发展趋势人工智能与教育融合已成为全球教育数字化变革的关键方向，学术界在技术赋能教学、场景应用落地、风险防控治理等领域展开了持续深入的研究探索。在国际研究方面，Yin（2018）构建了多案例研究在教育领域的应用框架，为跨场景、跨区域的教育技术实践分析提供了方法论基础。Tshitoyan等（2019）首次将无监督词嵌入技术引入材料科学文献分析，验证了人工智能可显著提升科研效能，为教育科研领域的技术应用提供了参考借鉴。2023年成为国际研究的重要节点，美国教育部发布《人工