零基础四天掌握 AI 编程！聚沙夜校学员借力 Claude Code 打造专属应用
无需编写任何代码，仅通过中文指令对话，即可构建官方网站、制作数据仪表盘、开发个人专用工具？在聚沙 AI 创业夜校 L1・AI 编程基础班中，众多零基础的创业者与职场人士，凭借 Claude Code 卓越的代码生成实力，历经四天全真操练，每人都交付了完整且可运行的个人项目！本课程由辽宁省中小企业 AI 专委会提供专业指导，专为辽宁地区的中小微企业主及创业群体量身定制，门槛低、重实战，成果真实可见。许多人一提及“编程”便心生畏惧，担忧语法复杂、害怕出现报错、顾虑耗时过长。聚沙 AI 夜校 L1 课程彻底打破
曼昆支持 | AI落地困局：效率与合规如何平衡？
活动介绍人工智能技术正加速融入实际业务场景。从内容创作、智能客服、数据处理，到企业知识管理、AI Agent、自动化流程，越来越多的团队开始探索将AI融入产品、业务与服务环节。然而在实际落地过程中，诸多挑战也随之而来：AI应用难以推进，瓶颈究竟在何处？ 琳琅满目的AI产品中，企业该如何抉择？ 在追求效率提升的同时，数据安全、隐私保护、合规要求令人担忧，两者能否兼顾？ 当AI Agent开始参与业务决策，产品、法务与合规团队应如何配合？针对上述议题，AI合规圈携手三七互娱，将于6月16日在广州举办一场小规模
杭州站启幕！伯俊 AI 汇聚焦零售智能化转型新机遇
当人工智能浪潮席卷零售领域，如何让技术切实落地业务、驱动增长？伯俊科技倾力打造「伯俊 AI 汇」系列活动，2026杭州站即将启幕，邀您共赴一场前沿AI与零售增长的思想碰撞！本次沙龙定于2026年6月10日在杭州拉开帷幕，以「洞见 AI・智领增长」为核心议题，深度剖析AI应用方向：从星合UnionStar运用AI驱动业务全链路自动闭环，到品牌AI可见性解锁流量新玩法，从AI-POS重构终端销售场景，再到搭建全球AI模型集成与管理平台实现技术效能倍增，全方位覆盖零售业务全链路增长场景。整场活动干货密集输出，为
AI赋能教育，开启发展新篇章
政策指引竞赛助力AI技术赋能教育，开启发展新篇章在教育强国战略与数字技术革新的交汇处，AI正在重塑教育生态并激发创新活力。教育部等五部门发布了《“人工智能 + 教育” 行动计划》，为行业指明了顶层设计方向；2025至2028学年的教育部竞赛白名单扩大了范围，多项AI赛事入选，为青少年提供了实践平台。政策引导与赛事落地，使得AI与教育的深度融合成为新时代教育的主流趋势。政策定调：深入解读AI教育顶层设计AI教育，落地生根教育数字化是教育现代化的核心动力，AI与教育的结合是培养新时代创新人才的必由之路。《“人
实训行动启动 人形机器人迈向实战
新华社北京6月9日电 记者9日获悉，工业和信息化部、国务院国资委日前印发关于联合开展2026年度人形机器人与具身智能实景实训专项行动的通知，旨在通过真实场景训练，持续优化具身智能模型算法，积累高质量真机数据，提升本体关键部组件性能，探索构建人形机器人及具身智能产品全生命周期管理和保障机制。 当前，我国人形机器人与具身智能正处于从实验室走向真实场景、从演示验证转向常态化作业的关键阶段，模型算法、本体性能、场景适配、真机数据积累等仍存在短板。实景实训是破解上述瓶颈的关键抓手，可有效避免场景重复建设和资源浪费，
AI代码生成率超六成，为何企业研发效率仍未突破？
AI代码生成比例突破50%，研发周期却未见缩短；非技术背景者借助Vibe Coding开发软件，但对其可靠性存疑。AI Coding能力已如此强大，企业级开发应用究竟卡在何处？近期，InfoQ《极客有约》X AICon直播栏目特别邀请贰贰壹咨询合伙人&蜂量科技CEO张子天担任主持，与小红书AI Coding总架构师郑鑫祺、快手AI Coding负责人李京共同探讨，在AICon全球人工智能开发与应用大会2026上海站即将开幕之际，AI Coding在企业落地过程中面临的核心挑战。部分核心观点如下：善用AI工
AI赋能广东制造：从车间到全场景的智能跃迁
开源鸿蒙开发者大会2026在广州开幕夜幕降临，东莞新途动力公司的AI质检员依然在岗。过去，人工质检需要用肉眼每12秒完成一次高强度识别，一个夜班下来，漏检率高达15%。如今，这位AI质检员每0.3秒就能完成一次拍摄，云端大模型实时输出结果，正负极方向识别准确率达99%，远超人工水平。这是广东制造业车间里的寻常一幕。放眼全省，一场由AI驱动的产业变革正悄然渗透进每一个角落。从珠三角的智能工厂到粤东西北的中小企业车间，从城市交通到临床一线，AI以一种润物无声的方式，融入这片经济热土的每一条经脉。“AI应用第一
曹操出行成立独立AI部门 高薪招募首席AI官
新浪科技讯 6月9日上午消息，曹操出行拟成立独立的AI事业部，全面深化公司AI战略的执行。公司近日在招聘平台发布了“首席AI官”职位，整体薪酬待遇超过千万元人民币。 根据职位描述，该首席AI官并非常见的传统技术高管岗位。其职责不仅涵盖AI技术的实际应用，还涉及制定公司AI转型的战略方向、促进生态合作以及提升行业影响力，旨在助力公司从传统出行平台向AI时代的智能出行服务基础设施转型。 此外，该职位还将致力于AI组织的搭建与人才梯队的培养：组建并管理AI算法及工程团队，打造一支能应对挑战的高水平技术力量；推动
AI FDE：破解银行智能落地难题的核心引擎
去年岁末，与某银行科技部负责人聚餐时，他的一句感慨让我印象深刻：“我们高薪聘请了三位算法博士，斥资数百万引入大模型，然而上线半年，业务部门却无人问津——要么无法对接老旧核心系统，要么无法通过合规审查，再优秀的模型也沦为橱窗里的摆设。”其实，困扰这位负责人的并非个例。近两年，几乎所有银行都在探索智能化转型：大模型已购入、AI实验室已建成、预算已获批，但真正落地时，十个项目中有八个卡在“最后一公里”——技术与业务语言不通，旧系统与新模型难以兼容，严苛的合规要求使得标准化产品无法贴合银行具体场景。此刻，银行界悄
黄仁勋提出的AI产业投资框架：五层结构的完整产业链解析
过去两年，市场的目光几乎都聚焦在英伟达这家企业。但从更长期的视角来看，AI并非只是一家公司的机会，而是一条涵盖能源、芯片、数据中心、模型平台和应用软件的完整价值链。黄仁勋曾多次强调，AI革命本质上是一场系统工程，可以用“五层AI投资蛋糕”来概括。第一层是能源层。 AI的实质是将电力转化为算力。随着数据中心规模的不断扩大，电力已成为制约AI发展的关键瓶颈。美股中的Vistra、Constellation Energy、GE Vernova，以及A股中的国电南瑞、特变电工、阳光电源、华明装备等，均属于AI时代
物理 AI 重塑机器人格局：三大驱动力加速产业爆发
人工智能的浪潮，正由虚拟空间席卷至实体世界。近日，《智能机器人：物理 AI 开启产业加速度》专题报告深度剖析了该领域的最新动向。随着英伟达推出物理 AI 基础模型、特斯拉提速第三代机器人量产、以及政策端明确扶持人形机器人规模化应用，多重利好叠加，物理 AI 已成为引爆智能机器人产业的核心变量，一场崭新的产业革命正蓄势待发。 🚀 新引擎：物理 AI 模型落地，点燃量产希望 物理 AI 的技术突破，正从底层重塑智能机器人的研发节奏。英伟达最新发布的开放世界基础模型 Cosmos 3，使机器人能在训练数据稀缺、
AI新机遇！这4家企业需重点关注
AI应用大爆发！行业格局或将重塑！近期AI领域可谓热闹非凡！众多巨头接连发布AI新品，从智能助手到具身智能，应用场景全面铺开。可以说，此次AI落地的速度，远超多数人预期！政策层面持续发力，资金正加速流入该赛道。AI赛道的底层逻辑已变！不再单纯比拼参数规模，而是看谁能将AI转化为实际收入。拥有技术、场景及业绩支撑的企业，才最值得聚焦。真正实现落地的企业，未来有望实现重大突破。我们梳理了AI赛道热门企业，甄选出4家值得重点关注，供您参考！特别声明：以下内容绝不构成任何投资建议、引导或承诺，仅供学术研讨1. 科
AI应用崛起：207亿资金涌入实体赛道
最近A股AI概念出现重大转折，资金从高热的硬件领域逐步撤出，转而大量流入AI应用相关板块。据数据统计，AI应用方向单日主力资金净流入达207.42亿元，多个低位AI办公、AI教育、AI电商及AI机器人等实体应用类股票同步上涨。整个AI行情正由早期的硬件炒作阶段，迈入以实际落地、业绩增长和场景拓展为核心的全新周期，新一轮补涨机会已经全面启动。1. 政策推进加速：全国范围内通用人工智能试点项目广泛展开，各行业AI赋能政策密集出台，商业化应用场景进入规模化发展阶段。2. 企业降本需求强劲：实体企业对AI工具的需
AI应用迈入实用阶段
这一周，AI行业最值得关注的变化，不是又一个模型参数刷新，也不是又一场发布会刷屏。它们看起来分属不同赛道：一个在城市商业空间，一个在全球产业场景，一个在智能交通体系。但放在一起看，指向的是同一个趋势：AI正在从“会说、会写、会生成”，走向“能跑、能送、能服务、能承担真实责任”。这件事的看点，不只是机器人数量。机器人不再只是在展厅里表演，也不只是在实验室里完成标准动作，而是直接进入商场，面对儿童、家长、店铺、客流、噪声、路线遮挡、临时互动这些真实变量。这才是AI应用最难的一关。实验室环境是可控的，展会观众是
人工智能学习的关键障碍分析
深入研究AI学习过程后，发现众多学习者的核心困扰并非“缺少工具”，而是： 1. 硬件选择压力：犹豫选购何种电脑、配置需要达到什么级别； 2. 操作效率低下：截图、录屏、桌面、触控板、多任务切换都不熟练； 3. 工具选择困惑：面对众多模型、Agent、知识库，不知如何抉择； 4. 应用难以落地：AI仅停留在对话、撰写文案、解答疑问层面； 5. 企业转型受阻：管理层期望AI化，但团队缺乏认知，高层缺少带头示范； 6. 资料管理混乱：电脑中文件、视频、学习资源、项目素材堆积如山； 7. 工作连续性差：AI无法持