AI南职｜智能工程学院：智造未来 铸就匠才
编 者 按南宁职业技术大学是一所全日制综合性本科层次职业院校，先后获评国家示范性高职院校、国家优质高等专科学校、中国特色高水平高职学校。2025年5月，学校被中央宣传思想文化工作领导小组认定命名为"全国文明校园"。2025年7月，学校入选"中国特色高水平高职学校和专业建设计划（2025—2029）"高水平学校建设单位，正式成为技能型高校"国家队"成员。为方便广大考生填报志愿，学校官微特别推出《AI南职》系列推文，带您直观了解各学院及专业特色。院校代码：11355。愿每一位追梦学子，都能在南宁职大遇见更优秀
百亿果汁大亨跨界芯材料，股价提前连板引监管关注
炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！ 来源：雷达Finance 雷达财经出品 文|周慧 编|孟帅 市值逼近300亿元的果汁巨头安德利(86.100, 7.69, 9.81%)，打算涉足集成电路领域。 根据安德利6月15日发布的公告，公司已与JIANGQI HE、QIANG YUAN、宁波源路载科技合伙企业（有限合伙）及目标企业甬强科技签订了《股权转让框架协议》。 依照协议，安德利拟受让上述三位标的公司股东手中的部分股份，同时出让方将配合促成上市公司拿下甬强科技的控制权，
人工智能热潮助推新加坡电子出口飙升至历史新高
在全球人工智能设备需求旺盛的带动下，新加坡上月电子产品出口实现有史以来最强劲的增长。 根据新加坡企业发展局周三发布的数据，5月份出口总额同比增长近95%，达到71亿新元（约合55亿美元）。其中，集成电路依旧是核心增长引擎，同比大涨81%。该城邦国家的非石油类国内出口整体攀升38%。 今年以来，半导体、电子产品及其他AI关联产品的市场需求急剧膨胀，有力拉动了韩国、日本等多个亚洲经济体的增长。 责任编辑：江学思 新浪财经声明：此消息系转载自合作媒体，新浪财经登载此文出于传递更多信息之目的，文章内容仅供参考，不
果汁巨头突飙70%！跨界收购芯片材料引爆市场
每经记者|曾子建每经编辑|袁东 今日（6月16日），港股大盘表现低迷，小幅低开。 早盘伊始，恒生指数报24826.19点，下滑16.48点，跌幅为0.07%；恒生科技指数则报4765.49点，微跌0.09点。 市场焦点转向安德利果汁，该股盘中一度飙升逾70%，备受瞩目。尽管今年食品饮料板块并非主流热点，但安德利年内累计涨幅已接近190%。 作为A+H股上市公司，安德利A股（605198）今日早盘同样强势封板，年内累计涨幅达到89%。 从基本面来看，安德利成立于1996年，隶属于山东安德利集团，是全球浓缩果
人工智能浪潮下光电器件与前沿封装论坛于甬江实验室召开
伴随大模型参数量的不断激增，以及算力需求呈现爆炸式扩张，当前信息系统正遭遇全新考验——数据传输怎样更极速、运算处理如何更高效、能源消耗又何以降至极低？以往数十载，芯片性能的飞跃大多倚仗晶体管体积的持续微缩。然而，随着摩尔定律日益迫近物理天花板，业界逐渐将探索视线转向芯片外围。光电子器件、光子集成与先进封装等技术，正化作赋能下一代信息科技跨越的核心路径。从数据中心的超速互联到AI计算，从自动驾驶到智能感知，一场以“光”和“芯”为核心的技术革新正加速推进。6月12日，“AI时代光电子器件与先进封装研讨会在甬江
安德利果汁早盘飙升超七成 计划跨界并购芯片材料商
安德利果汁 (26.22, 3.42, 15.00%)（02218）开盘即大涨超过 80%，截至今日发稿时，其股价涨幅达 72.63%，现价报 39.36 港元，成交金额已达 1.29 亿港元。 6 月 15 日晚间，安德利发布通告称，公司已与宁波甬强科技有限公司（简称“甬强科技”）的股东签订了《股权转让框架协议》，计划以 6 亿至 8 亿元的总对价收购目标公司的控制权，从而切入高速高频及 BT（一种高性能电路板基材）类基板材料领域。公告同时指出，该交易尚存较大变数，目前仅属意向性约定，具体交易金额与方案
芯联集成连亏七年后迎转机 携资200亿建芯片产线布局汽车AI双赛道
截至2025年，芯联集成(7.730, 0.42, 5.75%)已连续亏损七年，但在此期间，公司营收翻了30倍，毛利率也从负值转正为5.51%，其财务底色已发生深刻转变。 其中，2024年是芯联集成业绩发生关键变化的一年，当年公司毛利率首次转正至1.03%，同时公司EBIDA同比增长131.86%，这说明在产品盈利能力的持续优化之下，芯联集成已产生比较强的现金收益能力，但利润表现仍旧被大额折旧摊销、资产减值、研发投入等因素压制。 2025年，芯联集成实现营收81.80亿元，同比增长25.67%，归母净利润
三场科创盛会同步启幕 推动AI、芯片与文博创新融合
近期，三场2026中关村论坛系列活动相继举行。2026中关村论坛系列活动——AI产业应用大会在北京召开。会议由腾讯云计算(北京)有限责任公司承办，主题为“Agent进场，效能生长”。超过300位来自产业界、技术研发领域及生态合作伙伴的代表齐聚一堂，共同探讨AI Agent的实际应用场景。会议期间，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生与腾讯AI首席科学家姚顺雨展开对话，分享AI下半场腾讯的战略布局与思考，首次阐释腾讯在大模型及产品研发方面的深度Co-Design理念。汤道生指出，腾讯基于实
人工智能点燃中国出口增长新引擎
从义乌小商户运用AI工具，到百亿美元级别的芯片出口，人工智能已突破科技产业边界，成为影响更广泛经济领域的重要力量。“自从引入AI系统后，运营成本骤降96%，工作效率提高了90%。”在义乌国际商贸城，人工智能带来的深刻变革令卓恒珠宝负责人林沐昀倍感振奋。他表示，AI有效解决了饰品行业拍摄成本高昂、上新周期冗长、内容创作困难等长期痛点，去年助力电商客户业绩提升12%。义乌珠宝商人的经历，仅仅是AI在中国生根发芽的一个缩影。从更宏观的视角审视，AI正深刻改变着中国对外贸易的结构。海关总署公布的数据显示，5月以美
AI进入新阶段：模型实力需转化为商业与治理能力
AI 资讯 / 公司动态 / 技术产品 / 资本市场如果把 2026 年 6 月 8 日到 6 月 10 日这几天连起来看，AI 行业最明显的变化已经不是“谁又放出一个更强模型”，而是头部公司开始同时回答三件更难的问题：能不能被资本市场审视、能不能把最强能力安全交付、能不能真正进入开发者和企业的日常系统。热度还在，但故事的主语已经从发布会变成兑现能力。01OpenAI 于 2026 年 6 月 8 日发布公告，确认已经向美国证监会保密提交 S-1。它没有给出上市时间，但这个动作本身已经说明，Openai
8x8劳动力管理客户激增，呼叫中心告别传统工具
云通信平台供应商8x8 Inc.近日公布，自2025年11月发布劳动力管理解决方案以来，其客户数量增长近三倍。这表明呼叫中心行业正快速从分散的传统工具转向集成化平台。 8x8首席产品官Hunter Middleton指出，传统独立的劳动力管理工具主要面向全球大型复杂呼叫中心，导致中型运营团队依赖电子表格和直觉管理。8x8通过将劳动力管理功能整合入平台，使中型呼叫中心也能获得企业级管理能力，无需高昂的实施成本和IT支持。 相比传统工具需数月实施周期、IT部门参与和前期投资，8x8劳动力管理功能可由呼叫中心主
Sky公司一月速建HPE私有云AI安全环境
日本科技企业Sky株式会社近期公布，已部署HPE私有云AI方案，仅耗时一个月便构建起安全的本地AI开发平台。该方案依托严苛的本地数据治理体系，既保障了机密数据的安全使用，又显著提升了AI驱动的开发效能。 作为一家专注于软件开发与系统集成的企业，Sky长期经手大量涉及客户业务及系统信息的敏感数据。公司早已确立严格的数据治理准则，在探索AI应用时始终秉持谨慎态度。Sky总裁大浦淳司强调，AI应用虽依赖数据，但公司首要任务是确保客户信息与业务数据等机密资料的安全处理。 为兼顾安全需求与AI应用落地，Sky选用了
AI系统架构师职位详情
一、工作职能：1、负责 AI 与智能制造融合的整体设计与执行，促进 AI 技术在生产环境中的实际部署；2、引领 AI 应用与企业现有系统（MES / MOM / ERP / OA 等）的架构设计及集成工作；3、探索生产现场业务需求（品质、设备、生产、管理），助力 AI 应用从概念到实施的全过程；4、承担 AI 相关项目的技术策略评审、执行监控及成果评估；5、担当生产现场、IT 团队和外部合作方之间的技术协调者，促进多部门协同作业；6、参与制定 AI 技术标准、数据管理及应用准则，并持续改进。二、任职资格：
六家巨头联手落地Rubrik AI安全新平台
Rubrik于本周二在FORWARD大会上透露，六家国际系统集成商将协助企业客户部署专为Anthropic Claude Code设计的Rubrik Agent Cloud平台。参与“沙漏计划”的伙伴涵盖高知特(52.62, -0.37, -0.70%)、德勤、LTM、HCL科技、NTT Data及威普罗，这些集成方拟把该平台融入其网络安全与数字化升级服务中。 Rubrik Agent Cloud专为自主AI系统提供监控及管理功能，核心支持包括可回滚的“代理回溯”、代码库复原，以及针对AI代理行为的配置备
详解堆叠泛化：《人工智能 - 现代方法》19.8.3 节
19.8.3 堆叠泛化技术与自助聚合法在不同数据子集上训练同类模型不同，堆叠泛化（stacked generalization，简称堆叠）旨在整合基于相同数据但采用不同模型类训练出的多个基学习器。作为一种先进的集成学习策略，其核心理念在于：构建出“基模型层”叠加“元学习器层”的双层架构，故而得名“堆叠”。该方法通过元学习器来学习如何最佳地“权衡”各基模型的输出，从而显著优化整体预测效能。以餐厅等待问题数据集为例，假设首行数据表现为：x1=Yes,No,No,Yes,Some,$$$,No,Yes,Fren