AI+机器人加速钙钛矿：两团队分别冲破效率新高
过去十年里，钙钛矿太阳能电池的光电转换效率从 3.8% 持续攀升到 26% 以上，几乎以“光伏史上罕见”的速度接近甚至跨过传统晶硅路线。但长期以来仍有一处难题难以跨越：材料开发与器件制作高度依赖科研人员的经验，反复试错不仅让周期变长、成本居高，也带来更关键的痛点——实验结果在不同实验室、不同批次之间差异明显，复现性不足直接卡住了从实验室走向规模化的道路。近日，发表于《Engineering》和《Nature》的两项研究分别从不同角度回应了上述挑战。值得注意的是，尽管技术路线各有侧重，但最终指向的是同一条主
AI智能体：驱动日常工作的高效闭环
AI智能体处理日常任务，核心在于“理解→规划→调用→执行→复盘”的自主闭环，通过LLM大脑、记忆系统、工具调用和行动执行这四大模块协同运作。一、核心架构（四大模块） - 认知大脑（LLM）：负责理解自然语言、分解目标、进行推理和决策（例如GPT-4/通义千问）。 - 记忆系统：包含短期（当前对话）和长期（用户偏好/历史记录）记忆，以支持对话的连贯性和个性化体验。 - 🔧 工具调用：能够自主选择并调用API或应用程序（如搜索、日历、支付、Excel、邮件等），从而扩展LLM自身的能力范围。 - ⚡ 行动与反
武汉AI短剧产业大会启幕
AI短剧并非遥远的未来宣言，而是正在汹涌奔来的现实浪潮。在中国，“微短剧漫剧”全年产值已迈入千亿级，和长视频、院线电影共同构成“三足鼎立”的新视听格局。当数字内容与人工智能持续加速融合，一个新的行业命题随之浮出水面：技术与内容如何真正做到互相赋能、共同成长？拥有亿级用户之后，又该怎样稳步实现商业化落地？AI赋能短剧的全产业链机制要如何形成闭环？光谷不只是讲理念，光谷更愿意搭建让故事得以发生的舞台。4月28日，光谷AI短剧产业发展大会将在武汉光谷皇冠假日酒店拉开帷幕。立足“数字内容+AI”的行业盛会背后，光
AI时代企业战略重塑与创造力崛起
“几十人组成的团队，每年就能做出数十亿美元的收入规模——过去几乎难以想象。”（以下内容为创新学校墨丘利书院唐老师在《未来先修课》“商业模式及企业战略在人工智能时代的演变”课堂中的授课实录）如今只需一个人、几台电脑，以及少数AI代理，就能在后台把以前必须依赖整支团队才能完成的事情自动跑完：编写代码、做市场调研、调整定价方案、解读并分析用户数据。这并不是“未来”。而是当下已经发生的现实。困扰企业的重点，也不再是——公司靠什么继续做大，而变成了——公司是否还“有必要”继续膨胀。那么问题转到AI时代：我们该如何应
AI加速网站建设智能化
AI正在重构网站建设：从原本的高门槛走向智能化，建站流程迎来系统性升级。在数字化加速的今天，网站已成为企业呈现形象、触达客户、延伸业务的重要入口。与此同时，人工智能的持续突破正在打破以往建站的诸多限制：无论是搭建效率、界面设计与开发、内容运营，还是最终的用户体验，都被重新组织与优化。过去繁琐漫长的建站步骤，如今逐步变得更顺畅、更智能、更高效。传统网站建设通常要经历需求讨论、版式设计、代码编写、测试与上线等一系列工作，周期往往拉长到数周甚至数月。它不仅对技术人员依赖度高，还会带来较高的费用，同时还可能出现沟
AI 真进业务后：最先被重写的不是岗位
最近我问得越来越少的一个问题是：AI 会不会把某个岗位取代掉。这件事当然不算小，但它太容易把讨论带偏。因为在真正的业务现场里，AI 最先动的往往不是“岗位本身”，而是信息要怎么传递、关键判断要在哪儿落地、后续动作如何继续顺畅推进。不少团队把 AI 接进来后，表面上仍是原班人马，组织架构也没怎么动，可流程里的“等待”“转述”“补资料”“反复确认”会开始重新分布。谁越早看清这一点，谁就越可能更快拿到实际结果。图 1：AI 最先改变的，通常不是岗位数量，而是这条业务链路上的交接方式。为什么我现在更愿意先看交接链
技术越炸裂，产品越眼熟：AI大厂的生存游戏
近年间，AI领域最耐人寻味的现象莫过于：技术迭代日新月异，发布会轮番上演“颠覆未来”的戏码，然而真正走向规模化落地的，却仍是那几款“老面孔”——宛如盛夏大排档里一锅锅翻热的招牌小龙虾。不少人将此解读为简单的跟风吐槽。但倘若深入项目一线便会明白，现实更为残酷：这并非“缺乏野心”，而是“生存优先”的无奈选择。AI并非一锤子买卖，而是一台永不停歇的烧钱机器。算力开销、推理成本、工程人力、交付运维，无一不是持续吞噬现金的无底洞。重压之下，企业的首要目标不再是“打造最炫方案”，而是“推出最易成交、最快变现、最可复用
SpaceX冲刺万亿级上市：会不会让特斯拉“失血”？
SpaceX拟在2026年下半年推进IPO，目标估值约1.75万亿美元。若顺利落地，它不仅可能跻身历史最大规模IPO之列，也或将把特斯拉(365.815, -10.48, -2.79%)投资者的“信仰”分走一部分。 叙事迁移：从电动车到星辰大海 眼下，特斯拉正处在转型的磨合期：尽管一季度净利润同比回升，但与近阶段高点相比仍有差距；市场寄望的Robotaxi与Optimus机器人也尚未带来可观的新增营收。相比之下，SpaceX的发射业务与Starlink卫星互联网合计年收入已约220亿美元，再叠加“太空AI
海淀推出“AI+养老”三年行动方案（2026—2028）
为全面落实国务院《关于深入实施“人工智能+”行动的意见》以及积极应对人口老龄化国家战略，充分用好区域科技创新资源，北京市海淀区民政局于2026年4月正式发布《海淀区“人工智能+养老”三年行动计划（2026-2028年）》。该计划以“五创一园”为总体框架，推动人工智能与养老服务全链条深度嵌入与融合，力求探索形成可复制、可推广的“海淀模式”，为全国养老领域智能化升级提供政策借鉴与实践路径。行动计划描绘了“五创一园”的建设蓝图，主要包括：围绕上述目标，计划从六个维度明确了21项具体任务：现将文件核心内容发布如下
国能安全数智平台上线五大AI能力场景
4月21日，在国家能源集团公司安环部的指导协调与统一安排下，由数科公司智慧管理二部建设的安全生产管理体系数智化平台完成重要迭代升级，隐患问题标准智能判定、平台操作手册及典型问题智能问答、个人资质与企业证照智能识别等五大AI场景能力正式投入运行。上述功能将人工智能技术与安全生产管理业务深度结合，推动安全管理向智能化迈进，进一步夯实集团公司安全生产管理基础。随着安全生产管理体系持续落地以及“数智国能”建设不断深化，集团公司对安全生产管理的数智化支撑能力提出了更高标准与更强需求。数科公司智慧管理二部依托技术研发
AI会执行，却不会判断
上周我让 AI 排查一个线上工单。权限给得很全，日志能看、数据库能连，它可以自己检索、自己分析。它翻了几遍日志，又查了一轮数据，代码位置定位得很准，分析过程也挺专业，可最后的结论还是错的。我还想着再补一些背景信息，毕竟它分析得有板有眼，感觉就差最后一步。团队里一个做了五年的同事刚好路过，看了一眼工单说明，三秒钟：用户操作有问题。不看日志，不跑数据。就是一眼看出来。你精心喂了半小时信息，还不如人家扫一眼来得准。先说一个很多人都踩过的坑。让 AI 帮你写 SQL，你复制到数据库里执行，报错了，再把错误信息贴回
智能汽车赛道投资新研判
当自动驾驶算法不断迭代、数据驱动深入核心环节时，为何L4级商业化落地依旧迟迟未能全面展开？在整车硬件利润持续压缩的情况下，企业管理层应怎样搭建可长期延续的软件与服务盈利模式？面对特斯拉FSD进入中国市场以及本土车企加速竞逐，投资者又该如何识别真正的“算法壁垒”与“硬件堆砌误区”？人工智能汽车行业正在从“技术验证阶段”快速迈向“规模化商用前夕”。市场重心已由硬件比拼转向软件与服务生态的实际落地，但整个行业仍未形成稳定的盈利闭环。人工智能汽车是指将传感器感知、决策规划、车辆控制与云端协同等AI能力深度融合的智
物理AI崛起：机器开始推开现实之门
过去十八个月里，全球最聪明的一群人都沉浸在一场空前热闹的“文字竞赛”中。大语言模型学会了写诗、写代码、通过律师考试，甚至还流露出一种让人不安的共情感。投资者们为此押上了数千亿美元，硅谷的用电曲线几乎一路陡升。但就在这股喧嚣抵达高点时，一种更安静、却可能更具颠覆性的变化正在发生。它的标志不是论文，也不是发布会，而是一扇被推开的门。去年年底，一家中国初创企业放出了一段视频：一只接入AI系统的机械臂，第一次尝试打开一扇弹簧门。这并非预先写好的动作——因为它从没见过这扇门。它必须理解“铰链”的物理关系，判断门的重
2026北京车展：奇瑞全域AI答卷，定义汽车新边界
4月24日，2026北京国际汽车展正式启幕，主题为“领时代·智未来”。值得关注的是，当多数车企忙于新款车型角逐时，奇瑞展台呈现出独特的叙事逻辑。除去传统汽车，奇瑞还展示了全球首款量产增程电动摩托车、AR眼镜车控、车载无人机、沉浸式光场影院、智能电致变色膜等车载生态技术，以及行业首个车规级交管执法机器人“墨甲智警”。别人聚焦于展示车辆，奇瑞更像是在构建生态体系。这种策略并非无本之木。今年初，奇瑞发布“全域AI”战略，核心在于将AI能力从单一汽车场景向外拓展，推动AI从“单一功能”向“底层能力”转变。此次奇瑞
Momenta曹旭东：物理AI是未来方向，必须依靠现金流业务支撑研发
新浪科技4月26日消息，近日2026北京国际车展揭幕，Momenta在展会期间举行了主题为“Momenta R7，物理AI序章”的分享活动。活动结束后，Momenta首席执行官曹旭东接受了新浪科技等媒体的采访。 曹旭东表示，物理AI的发展是必然趋势，在数字AI技术趋于成熟之后，其应用必然会向物理世界扩展。 他预测，物理AI的关键在于数据闭环与商业闭环的建立，两者形成正向循环，将使得AI在达到人类水平后迅速实现超越。自动驾驶作为物理AI的开端，已率先实现规模化的双闭环；而机器人领域要达到这一阶段尚需时日。