我国科研团队突破光学超材料规模化制造难题
中国科学院化学研究所科研人员领衔的研究团队，提出了打印多尺度光学超材料的全新范式，实现了材料光学特性与结构设计的协同优化。他们自主研发出的卷对卷增材纳米打印制造设备，首次突破了光学超材料在低成本、规模化、个性化量产难以兼顾的长期困境，实现了多尺度光学超材料的大规模可控制备与精准集成，让超材料生产“像印报纸一样简单”。研究成果于北京时间4月22日在国际学术期刊《自然》（Nature）上发表。
Nature综述：AI逆向设计赋能超表面与大规模光子系统
（开篇：传统光子设计往往依赖人工经验、手动调节参数以及直觉试错，这使得性能瓶颈难以突破；尽管逆向设计能够创造出性能卓越的非传统结构，但长期以来受限于器件尺寸偏小、难以在实验室外制备、难以与商业制造工艺兼容以及跨材料适配性差等问题，导致其难以实现规模化量产和系统级应用）在过去的二十年中，光子逆向设计photonic inverse design已成为一种强有力的手段，用于制造性能更佳或具有新功能的光子器件。前十年里，研究重点主要在于大学实验室中的概念验证器件设计与制造；然而，在最近5到10年间，重心已转移至
低成本储能电池正在接管全球电网
今年，全球各地一批大型电池储能项目正陆续接入电网：从得克萨斯州的太阳能中心，到内蒙古的草原，再到悉尼北郊一处前燃煤电厂旧址。 成本下降与数据中心激增的能源需求，早已为电池产业快速增长奠定基础。中东战乱进一步推高了对昂贵化石燃料替代品的需求，加速了这一趋势，让 2026 年成为电池在全球能源体系中占据重要地位的一年。彭博新能源财经（BNEF）分析师此前已预计，在欧洲、中东、非洲和拉美地区扩张的带动下，今年储能装机量将跃升约三分之一。如果燃料供应中断持续，这一增长势头还将进一步增强。 行业加速扩张的信号已经显
为何半数AI项目折戟POC阶段？深挖数据基座背后的"豆腐渣工程"——质量堪忧的数据如何拖累AI价值实现
导语：2025年底的一项调查揭示，超过半数的生成式AI项目在完成令人眼前一亮的概念验证后，便悄然搁浅。为何在管理层面前演示得天花乱坠的AI，一到真实生产环境就原形毕露？原因很直接，却常被忽视：你的数据根基，根本撑不起AI的宏图。在AI浪潮中，企业常被各类大模型的炫酷能力所吸引，却往往低估了"喂养"这些模型所需的数据准备工作。今日，我们深入剖析数据质量为何成为AI大规模落地的最大障碍，以及CIO们应如何突围。在概念验证阶段，技术团队通常会精挑细选最整洁、结构最完善的数据集，并在严格受控的环境下运行模型。在这
从实验到规模化收益：生成式AI与智能体AI的价值实现之道
2026年，智能体技术将在企业场景实现哪些关键进展？立即获取《2026年度AI与数据趋势预测》白皮书，掌握专家前沿洞察，率先适应全新工作模式！AI应用正突破实验性尝试，开始产生可量化的实际效益。当企业从测试环境迈向生产部署，关注焦点也由"技术能做什么"转向"投资能带来多少回报"。虽然AI在提升效能与生产力方面蕴藏巨大潜能，但唯有将其深度融入真实业务流程，价值才能充分释放。最高的投资回报率并非源自独立的试点项目，而是来自于将AI整合进核心业务运营，并依托可靠数据、完善治理体系及适配的技术能力。唯有如此，AI
彭志辉：智元机器人暂处领先，特斯拉量产步伐稍显迟缓
新浪科技报道 4月17日早间资讯，在今日召开的APC2026智元生态伙伴峰会中，智元机器人(14.910, -0.10, -0.67%)联合创办人、总裁兼首席技术官彭志辉指出，机器人产业已步入大规模量产时期。 他谈到特斯拉时称，对方目前正全力推动规模化生产，甚至暂停了部分汽车产线，计划将其转用于自家机器人制造。 “显然特斯拉在现阶段相较于智元的进展仍有一定差距，未来半年我们还能暂时体验一把领先的愉悦。”彭志辉坦言。（撰文：文猛） 责任编辑：张乔松 新浪财经说明：该资讯源自合作方媒体，新浪财经发布本文旨在传
破解AI转型三重门：平安知鸟企业AI落地课程体系发布
当前AI浪潮正重塑全球产业格局，众多企业在AI转型征程中普遍遭遇三大核心挑战：战略规划摇摆不定，难以锁定明确的突破口；优质场景识别困难，试点项目难以扩大；实施过程缺少系统支撑，投入巨大却难获持续成效。若无法跨越这三重障碍，AI应用将始终停留在理论阶段。如何破局？平安集团依托万亿级业务体量沉淀的实战经验，提供了一套解决方案。万亿规模实战检验：平安AI成绩单实力彰显平安集团率先开启金融业数字化变革，经过多年技术深耕与战略升级，在保险、银行、医疗健康等领域积淀了丰富的AI应用实践。伴随"AI in All"战略
国家能源局启动“人工智能+”能源试点
11月28日，国家能源局综合司正式印发通知，部署开展“人工智能+”能源试点工作。依据《国家发展改革委 国家能源局关于推进“人工智能+”能源高质量发展的实施意见》，本次工作涵盖八大类场景、37项重点任务及百余项具体应用。坚持“少而精”原则，面向能源企业征集迫切需求的高价值场景，旨在打破供需间的信息壁垒。通过技术方“揭榜挂帅”承接任务，双方合作制定方案，经审核后确立试点项目，探索可复制推广的融合发展新模式，助力能源行业智能化升级。何谓高价值应用场景？需求端需瞄准长期制约发展的痛点，例如利用AI辅助电力调度断面
汇天李锐谈飞行汽车规模化生产：或将成为家庭新选择
专题：第六届中国国际消费品博览会4月13日晚间消息，第六届中国国际消费品博览会（以下简称“消博会”）于4月13日至18日在海口举行。消博会期间，广东汇天航空航天科技有限公司副总裁李锐与新浪财经对话。对话中，李锐介绍了汇天分体式飞行汽车陆地航母的亮点。他表示，陆地航母的原型车已成功试飞。汇天是全球首个在生产线上生产飞行器的企业，这一模式有望让飞行汽车真正走进千家万户。李锐以百年前的福特T型车为例指出，正是流水线的出现，让汽车在保证质量和安全的同时，价格不断下降，最终惠及全球用户。而传统飞行器，无论军用还是民
智聚AI运营管理平台丨融合生态破解孤岛推动企业级AI规模化部署
当前，行业智能化转型浪潮汹涌澎湃，AI技术能力持续渗透到各个业务场景。如何实现AI资源的可视化监控？怎样提高资源使用效率？碎片化问题如何解决？这些挑战的突破，直接关系到AI能否真正为企业创造价值。智聚·AI运营管理平台，通过整合内外部生态资源，攻克AI运营管理难题，驱动智能化升级进程。智聚·AI运营管理平台构建支撑企业级AI规模化落地的"开发+运营"双轮驱动平台能力体系——强化模块化AI应用快速构建与多模态融合开发能力、Token运营能力、异构AI资源的统一纳管能力、AI应用的全面可观测能力，以及AI可量
瑞银：中国AI应用迈入规模化落地新阶段
1. 生成式AI突破试验期，全面展开规模化应用根据瑞银Evidence Lab首度发布的《中国人工智能企业调研》显示，中国企业的生成式AI应用已明显跨越"试验阶段"，正式进入大规模生产应用时期。调研数据显示，78%的受访企业已完成实际部署，其中51%在至少一个职能部门实现应用，27%在多个业务单元完成规模化落地。相比之下，仅22%的企业仍处于概念验证或更早阶段，预计平均需要9.3个月才能进入规模化生产。这表明中国企业在技术采用上不仅位居全球前列，在实际业务落地过程中也展现出较高的执行效能。📊 图表1：生成
透视 | 五千AI公司疾驰：为何快速扩张者难盈利？
2026年，全球AI创业浪潮汹涌，逾五千家中国企业杀入赛道，却普遍陷入"光鲜的困局"。产品在封闭测试中表现惊艳，一旦规模化推广便屡遭挫败，用户攀升的同时成本却形成无底洞，初期打法难以复用。芝加哥大学教授约翰·A·李斯特于《势能效应》一书，揭穿AI创业规模扩张的五大暗礁：伪阳性数据、特例式成功、天才主厨依赖、负面外溢效应、规模反经济。本文透过真实商战实例，剖析科学扩张的方法体系，为疾行中的AI创业者打造理性认知地图，绕开增长陷阱，达成可持续发展。2026年，AI创业正以令人目眩的节奏疾驰。杭州、硅谷、北京、
AI产业规模化发展与场景落地路径解析
3.1.1由"试验性探索"迈向"常态化、产业化"新阶段（1）整体体量：增长势头不减，但结构性差异日益凸显综合中国信通院、工信部及多家权威机构的研判，2024年前后我国人工智能产业整体规模已逼近或跨越万亿元大关，其中"生成式AI/大模型相关业务"贡献占比约20%-30%，其扩张速度远超传统算法和应用服务领域[1][2]。尽管各机构对2025-2030年的具体数值预测略有出入，但"高增长+结构分化"的趋势判断高度一致：生成式AI与通用智能领域的投入将维持20%-30%的年均复合增速，而各细分领域的发展步调差距
AI底层架构揭秘
上一期我们讨论了RL，它主要处理大模型"持续优化"的课题。然而深入探究，还存在一个更为根本的议题：👉 这些强悍的AI功能，其根基究竟是什么？由此便引出今日的核心话题——AI Infra。AI Infra即Artificial Intelligence Infrastructure的简称，中文通常译为"AI基础设施"。究竟何谓AI基础设施？不妨这样来理解：AI Infra，实则为支撑大模型运转与进化的底层架构。若将大模型视作"应用"，那AI Infra便是：👉 承载这些应用的"基石"不妨采用一个更形象的比喻
AI推演世界新格局
人工智能并未遵循人类设定的"三选一式"框架作答，而是开创性地构建出"层级化世界"体系——顶层竞争科技、中层角逐产业、底层争夺生存。决定国家地位的并非话语权力，而是电力供应、制造实力与运行AI的能力。颇具深意的是，AI还揭示了美国"擅长破坏秩序却无力重建秩序"的尴尬处境。当推演主体由人类转为AI，全球格局的研判视角正发生微妙转变。倘若人类依据AI的推演采取行动，世界将走向更有序还是更失序？在我看来，AI的意义并非替代人类，而是增强专业效能，使有限的经验智慧通过智能体达成大规模迁移与实践。