水星东大距：今年最佳观测时刻
新华社天津6月14日电（记者周润健）今年观赏水星的最佳窗口已开启。6月16日，水星将运行至东大距位置。若届时天气晴朗，在此次大距的前后几天里，国内天文爱好者极有可能在暮色西天看到这颗平时难以捉摸的行星。 这是2026年6月10日在天津市吉兆桥附近拍摄的水星。（杨婧 摄） 水星与太阳距离较近，常被强烈的光芒掩盖。许多人虽然见过金星、木星、火星和土星，却鲜少真正目睹过水星。想要观测水星，通常需等待“大距”时刻，即水星与太阳的地心距角达到最大值之时。 大距分为东大距和西大距。若水星位于太阳东侧，即为东大距，此时
在世界之巅的科学守望
二十余载光阴流转，那个夜晚至今仍被人时常忆起—— 凌晨两点，蜷缩在行军床上的科考人员被呼啸的风声唤醒。睁眼望去，头顶不见帐篷，唯有满天星斗。 凛冽的寒风穿透睡袋，大帐篷已被狂风"拔地而起"，小帐篷因有人压住，勉强得以留存。 "有人摸索手电，有人检查仪器与氦气瓶，有人奔忙着去追被风卷走的帐篷。"时任中国科学院珠峰站站长的马耀明追忆道，"气象设备监测显示，当夜风力超过十一级。" 西藏珠穆朗玛特殊大气过程与环境变化国家野外科学观测研究站——这座矗立于世界最高峰北坡的综合观测基地，正是这般在狂风中拔地而起。 这是
金星木星夜空"约会" 这场天象奇观你欣赏了吗
6月9日夜晚，金星与木星的天体相遇如约而至。这场天文奇观，你是否有幸目睹？ 一般情况下，金星、木星是夜空中最耀眼的两颗星，即便身处灯火辉煌的都市，也能轻松辨识它们的身影。 这是6月9日在黑龙江省富锦市拍摄的金星（右上）与木星（左下）。新华社发（曲玉宝摄） 金星合木星，指的是金星和木星的地心视赤经或视黄经相同。在地球上望去，两颗行星在视觉上靠得很近，但二者实际相隔数亿公里。 金木相合并非每次都能顺利观测，一旦距离太阳过近，就很难被看到。在可观测的前提下，出现在傍晚的金木相合更适合公众观测。这次金木相合正好在
AI 赋能遥感：从传统作业到智能服务的跨越
近些日子，伴随人工智能技术的迅猛崛起，遥感领域正加速蜕变，从过往依赖人工判读与传统数据处理，转向智能化处理、分析及服务的新阶段。作为获取与应用空间信息的核心途径，遥感技术与 AI 的深度耦合，正不断拓宽对地观测的能力疆界。中国四维身为航天科技集团旗下专注卫星遥感应用的专业实体，紧扣市场脉搏与技术前沿，大力推动人工智能同遥感技术的融合创新。公司着力强化关键技术研发、工程化实施及综合服务能力的构建，促使遥感数据迅速转化为可积累、可运营、可增值的数字资产，为行业革新与产业升级注入强劲的“四维动能”。AI 重构遥
Elastic发布Kubernetes智能调查功能，帮助SRE即时诊断故障
Elastic（纽约证券交易所代码：ESTC）近日发布了一项基于代理的Kubernetes调查工作流，以及基于模型上下文协议的可观测性技能。该功能能够在告警触发瞬间自动诊断问题，当站点可靠性工程师（SRE）查看告警信息时，根因分析、证据链和修复建议已全部准备完毕。 对于大规模部署Kubernetes的团队来说，从接收到告警到定位问题的时间间隔，不仅会拉长故障持续时间、加重服务中断后果，还会让值班工程师不堪重负。Elastic通过自动启动调查流程，在工程师收到通知前就已开始工作，有效弥补了这一缺口。 这一新
中泰联手建超级观测站 赋能曼谷科学治霾
近些年来，大气污染已演变为泰国首都曼谷面临的严峻环境挑战。今年 4 月，矗立于曼谷北部的泰国农业大学大气环境超级观测站正式启用。作为中泰“曼谷清洁空气”合作项目的关键阶段性成就，该站正利用实时追踪颗粒物成分、气态污染物及气象波动，为曼谷污染源的精准定位与科学管控奠定坚实基础。 2025 年 6 月，中国环境科学研究院携手曼谷市政府、泰国工业联合会及力合科技（湖南）股份有限公司，共同签署了“曼谷清洁空气”项目合作备忘录，大气环境超级观测站构成其中的核心板块。 记者：万后德、夏康静、孙玮彤 新华社国际传播融合
金星木星即将亲密接触
新华社天津6月7日电（记者周润健）在长达一个月的相互追逐后，金星终于赶上了木星。6月9日，金星与木星相合，两星将上演近距离接触。天文科普专家表示，这将是本月最引人注目的天象，具有很高的观赏价值。如果天气晴朗，天黑后，我国各地公众用肉眼就可能欣赏到这两颗亮星同框的美丽画面。 2026年6月6日，在北京市丰台区拍摄的金星（右下）和木星（左上）。新华社发（王俊峰 摄） 通常而言，金星和木星分别是夜空中最亮和第二亮的星体，每年它们都有机会相聚，形成金星合木星的壮观景象。 中国天文学会会员、天津科学技术馆天文科普专
星空有约丨六月天象大戏即将连播
自 6 月 9 日起，苍穹舞台将接连上演多场盛大的天文“演出”。届时，金星、木星、水星及月亮等天体将相继在黄昏的西边天空“汇合”。这般精彩且罕见的天象“连续剧”，仅凭肉眼即可欣赏，感兴趣的公众切勿错过。 6 月 9 日，这场“连续剧”正式“启航”。太阳系中最耀眼的金星与次亮的木星将率先“相遇”。据中国科学院紫金山天文台科普主管王科超介绍，当天日落后不久，望向西方天空，两者将近距离同框，角距离约 1.6 度。其中更亮的是金星，视星等达 -4；另一颗为木星，视星等为 -2，木星处于左下方，金星位于右上方。两天
特朗普政府将拆除价值数亿美元的海洋监测网络
特朗普政府决定移除联邦海洋观测网络的大部分设备，总价值达3.86亿美元。此举将使科研人员失去一个独一无二的数据采集渠道，这些数据原本用于研究气候变化对重要洋流和海洋生态系统的具体影响，以及预测沿海地区洪水风险的加剧程度。 “目前没有任何其他系统能够提供如此完整的数据，”美国国家海洋和大气管理局前代理首席科学家、现任海洋基金会高级研究员克雷格·麦克莱恩指出。虽然其他监测网络也能提供有价值的信息，但只能展示整体监测数据的“局部细节”。 根据美国国家科学基金会5月下旬公布的方案，这套名为“海洋观测计划”的系统—
AI气象新势力：泡沫还是革命？
近期，一家名叫 WindBorne Systems 的美国初创企业激起了气象界的广泛热议。部分观点指出，其研发的 WeatherMesh-6 人工智能模型，在预测时效、精度及部分关键指标上已优于欧洲中期天气预报中心（ECMWF）的系统，预示着 AI 气象进入了新纪元。不过，亦有质疑声响起：一家成立时间不长的创业公司，怎可能击败几十年来耗资数十亿、拥有全球最强算力和顶尖科研团队的欧洲气象体系？这究竟是技术革新，还是又一次 AI 虚火？这种争论在所难免。气象预报向来被视为科学计算领域的明珠，而 AI 正在冲击
三年后罕见再现“双蓝月亮”天文奇观
5月31日夜晚，一轮明月高悬天际。这轮圆月不仅是当月迎来的第二次满月——即所谓的“蓝月亮”，还是本年度最为袖珍的满月天体。 图为2026年5月31日在黑龙江省富锦市拍摄的月亮。（庚喜庆 摄） 天文学专家表示，“蓝月亮”现象并不常见，若想再次目睹其风采，需等待至2029年，而那一年将会出现两次“蓝月亮”，实属难得一见。 在通常情况下，一个公历月份仅会有一次满月。然而由于月亮的朔望周期为29.53天，而公历月份多为30天或31天，若月初便出现满月，月末便可能再度迎来满月。这第二次满月，人们赋予其浪漫的名称——
六月天象预告：火星合月等多重奇观即将登场
六月临近，“天象剧场”好戏连台。金星木星相会、火星伴月、水星东大距、明月辉映金木等景象将交替呈现，更有金星邂逅蜂巢星团、“飞龙在天”奇景以及北斗高悬夜空，邀您共赏。 一般而言，金星是夜幕下最耀眼的星辰。未来数月，它将以“长庚星”之姿守候西方天际。木星亮度通常位居第二，几乎每年都有机会与金星“相聚”。今年，这两颗亮星定于 6 月 9 日相合。据中国天文学会会员、天津市天文学会理事杨婧介绍，此次金木相合发生于 20 时 30 分前后，观测时机极佳，爱好者切勿错过。 2025 年 8 月 13 日，于江苏苏州捕
AI 智能体乱上线？缺失治理等于埋雷
关键资讯，D1 即时送达！企业网 D1net企业界正涌现 AI 智能体部署浪潮，但众多企业在未建立可观测性、治理框架及审计机制时便仓促上线，潜藏巨大隐患。专家警示，AI 智能体不同于传统 RPA，它们拥有自主决策权，传统安全架构难以察觉其异常举动。当下，许多企业甚至无法阐明“智能体窥探了何物、启用了哪些工具、因何作出该决策”。更严峻的是，过度依赖人工审批将拖慢规模化落地进程。AI 时代的真正核心竞争力，正从“谁率先部署智能体”转变为“谁能有效治理智能体”。有专家称，未部署可观测性流程与工具便上线 AI 智
云迁移后AIOps实施中的挑战与应对策略
这确实如此。但另一方面，如果可观察性实践没有同步更新，系统可能变得难以排查问题、难以追踪根源、容易产生告警泛滥，甚至导致事故响应成本持续上升。本文通过一个虚拟金融公司“时序折叠”的案例，解析一次企业级 AIOps 落地过程：它不是购买某个 AI 工具，也不是简单地将告警接入大模型，而是一套从问题识别、工具评估、数据治理、事故响应到业务结果度量的完整工程体系。时序折叠是一家大型金融服务机构，业务涵盖个人投资、储蓄、企业退休计划管理、商业投资和保险。它有几个显著特点：首先，业务结构复杂。 不同业务线有大量应用
AI开发进阶指南：年薪50万如何实现
普通职场人月薪10-15K，而精通AI应用开发的你，年入可达50万。这不是一碗鸡汤，而是正在重塑的职业格局。浏览招聘平台时，你是否留意过这样的数据：相同工作年限，薪资却相差3到5倍。这并非你不够勤奋，而是你正站在一个正在下坠的梯子上。适合哪些人群？核心心法：聚焦一个点反复阐述。许多人失败并非学不会，而是学得过于杂乱、讲得太过宽泛。AI应用开发具有清晰的技术边界，找准切入点，深耕到底。基础层（必须掌握）：进阶层（拉开差距）：关键认知：不少人一上来就死磕大模型原理，结果面试时连一个完整的Agent项目都说不明