标签

工业AI赋能预测性运维:让设备管理从被动转为主动

在工业制造领域,设备运转的稳定性直接影响生产效率和经济效益。据相关数据显示,我国规模以上工业企业超过51.2万家,庞大的设备保有量使得运维管理面临巨大挑战:约44%的企业每月至少遭遇一次非计划停机事件,而单次停机造成的经济损失高达63.6万元/小时。一旦核心设备发生突发故障,不仅会严重扰乱正常生产秩序,还可能导致紧急抢修、订单延期交付以及巨额经济损失。针对传统运维模式中存在的人工巡检效率低下、设备运行状态难以量化、早期潜在风险难以察觉、维修经验无法有效积累等难题,中电鸿信推出了工业AI与预测性智能运维深度

2026-09-04 22:08:31  |  2 阅读

西藏吉隆G216救援沿线排查发现58处地灾隐患 含7处高风险点

新华社西藏吉隆9月4日电(记者翟永冠、李键、格桑朗杰)记者从西藏自治区吉隆县"8·26"泥石流灾害应急救援指挥部获悉,灾情发生后,西藏当地政府迅速对吉隆口岸区域开展地质灾害隐患排查工作。截至9月2日,针对G216救援通道实施专项排查,共发现地质灾害隐患58处,其中高风险隐患7处,中风险隐患39处,低风险隐患12处。同时完成3个受灾村庄的隐患排查与风险评估,确定了2处临时避险场所选址,并积极指导应急避险场所的建设。

2026-09-04 20:38:20  |  3 阅读

AI学习笔记⑰|七成AI项目折戟同一原因:启动前缺乏精算

90天AI成长计划 · 第17讲据Gartner对782名AI项目负责人的调研,仅28%达成了预期的投资回报率,20%直接以失败告终;麦肯锡的报告数据更为严峻——88%的企业已部署AI应用,但真正能称得上「高绩效」的只有6%。这些项目的折戟,几乎都不是源于「模型能力不足」,而是在启动前缺乏精细的收益测算。L16的二维矩阵(可行性×价值)能迅速锁定价值甜点区,但它忽略了三个关键要素——而这恰恰是Gartner所指出的失败根源:L17将粗筛迭代为四维精算模型:可行性×价值×成本×风险,各项独立打分后按「价值÷

2026-09-04 20:06:53  |  1 阅读

Meta取消AI用量绩效指标,员工评估不再参考Token消耗

据最新消息,Meta 公司内部传出的一份备忘录透露,公司高管 Maher Saba 与 Santosh Janardhan 于本周二联合向全体工程师公布了新的绩效评估标准。该备忘录强调,Meta 不会借助 AI 采用率仪表板或 Token 消耗量来衡量员工的工作产出。此次更新的绩效指引中,此前涉及特定 AI 工具的内容以及针对个别任务的 AI 应用要求均被删除,取而代之的是以工作品质与实际业务成果为核心的评估框架。备忘录同时透露,Meta 内部高达 93% 的代码改动目前已由 AI 智能体协同完成,并指出

2026-09-04 10:25:19  |  6 阅读

LLM裁判实战:AI评AI的原理、偏置与应对

B1 已介绍完人工评审的关键要素:评估维度、评分锚点、双盲机制、一致性系数 κ。人工评审的核心瓶颈在于效率低和成本高——100 条数据尚可应对,若每周产出 1000 条呢?每次模型迭代都需要重新评估呢?破解之道就是本文重点:LLM-as-Judge,即让大模型担任裁判角色。AI 选型系列 B3 曾借助 RAGAS 实战演示了「AI 评 RAG 答案」的全流程,本文将深入剖析其底层机制、常见偏差及应对策略——同时厘清:何种情形可信赖它,何种情形必须慎用。自动评估为何值得单独成篇?关键在于它是目前唯一能实现「

2026-09-04 09:52:16  |  3 阅读

湘雅三医院五维评估与AI驱动的战略升级路径

学科能力科研与教学硬件配置概述:中南大学湘雅三医院作为一家三级甲等综合医院,在移植医学、微创技术、健康管理三大领域形成鲜明特色,学科基础扎实,科研教学产出突出,是湖南省乃至全国医疗卫生行业的标杆单位。这是一个非常有深度和专业价值的问题。您将经典管理理念(如《向世界最好的医院学管理》系列)、国际通用的质量评价体系(如PROMs、患者体验)以及多层级应用场景相结合,构建了一套"理想化"的医院综合评价体系。这对于深度解读像中南大学湘雅三医院这样一家快速崛起的中国顶级医院,具有重要的参考意义。湘雅三医院,作为"湘

2026-09-04 02:20:16  |  1 阅读

动物育种智能化:AI的核心价值在于表型重塑

近年来,人工智能已渗透至各个领域,动物育种自然也在其列。然而,一个亟待解答的现实问题是:AI 在该领域究竟有何最佳应用?它是否会迅速取代传统的遗传评估手段?近期,我研读了一篇发表于 2026 年的综述,题为“Artificial intelligence in animal breeding and genetics: applications, opportunities, and challenges”。研读后,我认为该文的核心价值不在于单纯吹捧 AI 的强大,而是厘清了该领域的发展脉络:AI 的主要

2026-08-29 11:40:40  |  11 阅读

AI医疗周报:盖茨发文警示AI风险;FDA拟增设AI副局长;亚太启动医疗AI价值评估框架

点击上方蓝字关注我们吧📑【海外AI医疗周报】本期导读:医疗AI正加速从“技术探索”迈向“实际落地”,与此同时,监管机制、效果评估、伦理规范与公众接受度也在同步推进。从比尔·盖茨对AI风险的提醒,到FDA将AI纳入更核心的监管体系,再到HIMSS尝试建立医疗AI价值评价标准,行业正在回答的不再只是“AI能做什么”,而是“AI如何安全地用、如何证明有效、又如何真正创造医疗价值”。与此同时,从AI辅助卒中治疗,到34%的美国成年人已经使用AI聊天机器人处理健康问题,AI正在越来越深入医疗服务的实际场景。近期,微

2026-08-29 10:09:36  |  10 阅读

Anthropic推出物理世界AI工具,AI长出行动能力

Anthropic 推出物理世界 AI 工具,AI 长出行动能力。Anthropic 最新发布的 MHS,让人工智能具备了操控物理设备的能力。 解决硬件接口混乱:以往实验室里各类设备各自为政,工程师常常要耗费数周时间编写代码才能将它们联通。MHS 充当了一个「通用翻译官」的角色,AI 接入后短短几分钟便能识别设备指令并发出操控命令。 实验室场景已落地:例如在细胞迁移观测中,它能自动调节显微镜进行追踪拍摄;也可直接驱动机械臂完成测量与校准;甚至能为量子计算机精准调节激光参数。 效率提升明显:制药巨头基因泰克

2026-08-29 00:39:40  |  13 阅读

AI工程师实战笔记本精要

以你在真实面试中会遇到的形式,掌握应用型大语言模型技术栈:不依赖框架、使用免费 API,从提示词设计一路延伸至模型服务、微调,以及红队基准测试。面向 AI 工程师 / 前线部署工程师(FDE)技能栈的可执行 Colab 笔记本。你在基础模型之上,使用原始 API(而非框架)搭建可运行的系统(模型 API、RAG、评估、智能体、模型适配、服务部署)。本套内容的独到之处有意不依赖框架。你首先从原始 API 调用出发,亲自编写智能体循环、RAG 与评估逻辑,这样在接触 LangChain/LlamaIndex

2026-08-28 18:45:59  |  8 阅读

科技筑牢校园心育防线!夏邑育才学校AI心理空间启用,全天候护航学子心灵

8月27日,夏邑县育才学校AI智能心理空间正式启动。作为校园"数字赋能心育"的创新平台,该智慧心理区域整合多模态AI感知技术,既可为学生提供全天候私密情感陪伴,又可协助教师开展精细化心理评估,进一步拓展传统心理咨询的服务范围,为县域学校心理健康教育带来崭新动力。在夏邑县育才学校,技术专家现场向教师们阐述AI智能心理空间的运行机制与操作要领。在夏邑县育才学校AI智能心理空间内,教师正通过手机端查阅心理评估数据。在夏邑县育才学校,南京市第二十九中学德育处及学生发展中心主任王瑞立进行心理健康教育专题讲座。在夏邑

2026-08-28 16:38:14  |  12 阅读

AI安全每日课·第18讲 应用层防护:内容审核接口选型攻略

产品经理视角 · 五分钟轻松读完昨日我们讨论了红队评估——以"模拟攻击者"的思路来挖掘模型缺陷。今天要介绍的内容审核接口,相当于在应用层为模型输出增设一道"安全检查屏障",将红队发现的风险拦截在用户感知之外。老李是某K12教育SaaS平台的产品主管。其AI辅导助手投入运行三个月后,收到了家长的反馈:学生让AI"帮我检查作业",经过几轮交互,AI直接输出了完整的解题过程——等同于变相泄露试题。团队感到困惑:"我们已接入阿里云的内容审核接口,违规关键词都被屏蔽了。"问题恰恰出在这里——敏感词过滤与内容安全本质

2026-08-28 14:01:09  |  8 阅读

智能体产业迎来爆发期,ACMM 评估成合规试金石,企业如何抢占 AI 发展新高地

随着 “人工智能 +” 战略持续深化,智能体领域呈现井喷式增长态势,企业在智能体方面的布局已由探索阶段迈入追求可信赖、可管控的新时期,ACMM 智能体管理能力成熟度评估,正逐渐演变为衡量行业水准的关键标尺。国务院《关于深入实施 “人工智能 +” 行动的意见》清晰指出,2027 年智能体等应用的普及程度将突破 70%,2030 年更进一步攀升至 90%,助力我国加速踏入智能经济和智能社会的新时期。伴随着大模型技术日新月异的演进,智能体已全面融入政务、制造、能源、医疗、零售等众多领域,企业级 AI Agent

2026-08-28 12:32:15  |  17 阅读

软件开发_AI时代的网络演进

本报告由亚瑟·利特尔(Arthur D.Little)与P3机构携手,于2026年正式发布,聚焦人工智能时代的网络发展议题。研究指出,网络评估体系正经历革新,传统以网速为核心的衡量方式已难以全面反映AI应用的实际表现,报告新增了AI服务层级评测体系,涵盖AI终端连接、即时响应、会话完成度等关键指标,并展开了实地测试。借助美国、德国、巴西三国样本的横向比对,揭示出不同市场间AI终端延迟的显著差异,倡议电信运营商超越单纯的带宽比拼,将AI交互质量纳入核心绩效考核指标,以此构筑差异化竞争的新优势。

2026-08-27 13:46:52  |  19 阅读

单一AI引擎打通全身五大血管区,东软迈入全球动脉智能评估领先行列

一位患者,经历了多次检查,手中握有多份报告,冠脉、头颈与下肢的病变均被逐一检出,却始终缺少最关键的答案——他全身血管的整体状况究竟如何?这依然是全球血管疾病诊疗领域共同面对的结构性难题:动脉粥样硬化常累及多个血管区域,但临床检查路径与报告体系往往按专科与部位划分。心内科聚焦冠脉,神经科聚焦颅内及头颈血管,血管外科聚焦主动脉与下肢——不同部位分别检查、分别判读、分别出具报告。每一个局部诊断或许都准确,但当这些结论无法有效串联,医生看到的仍是一块块孤立的拼图,而非患者完整的全身血管风险图景。东软Vasis A

2026-08-13 17:51:23  |  31 阅读