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。
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÷
通用AI风险管理框架2.0亮相:化学红线入列,AI失控风险划定清晰边界
2026年7月19日，安远AI联合上海人工智能实验室在世界人工智能大会（WAIC 2026）上正式推出《前沿人工智能风险管理框架2.0》（下文简称《框架》）。该文件专为通用人工智能模型开发者打造，系统阐述了如何前瞻性地识别、衡量、消减并管控可能危及公共安全与国家安全的重大风险。要点可归结为一点：通用型AI模型潜藏的灾难性威胁。何为灾难性？它具备三个要件：要么后果极其恶劣（如大规模人员伤亡），要么一旦发生便难以遏制（如病毒外泄），要么波及范围史无前例（如全球网络崩溃）。该文件将风险划分为四大类别：第一类为滥
AI赋能肠癌早筛：从经验判断迈向动态精算
摘要：结直肠癌是我国高发恶性肿瘤，发病年轻化趋势日益明显，超过七成病例与后天可控因素有关。息肉演变为癌症通常存在八至十年的关键干预期，实施分层早筛是降低死亡风险的重要手段。传统筛查主要依赖固定风险问卷，评估维度有限且更新缓慢，难以反映人体代谢、菌群及环境暴露的动态变化，容易漏掉年轻、无家族史但实际高危的人群。人工智能凭借多源数据融合、风险变量自动挖掘和模型持续迭代，突破传统筛查边界，使经验式判断升级为个体化、量化、动态化的风险评估。本文结合最新权威指南与前沿研究，系统梳理结直肠癌风险谱系，分析传统筛查短板
排水管网淤积智能研判与清淤增效 从人工巡检迈向AI精准管护的运维革新
我国城镇排水管网累计里程已突破120万公里，服役超20年的管段占比超35%。住建部2026年排查数据显示，存在淤积隐患的管段占比高达42%，每年因内涝和溢流造成的直接经济损失超200亿元。《城镇排水管网运维"十五五"专项规划》首次将"管网淤积智能研判与预防性养护"列为重点方向，要求2030年管网完好率达90%以上。排水管网养护正经历从"堵了再疏"到"未堵先防"的范式跃迁——CCTV机器人、声呐检测、AI图像识别等智能感知技术，结合多源数据风险评估模型与AI清淤决策优化引擎，正在重塑运维的底层逻辑。本文从淤
编码易得，真正的挑战是什么?
近期大家都在讨论：编写代码其实并非最棘手的环节。体验过AI编程助手的人大多表示认同。构建网页、编写脚本、搭建接口，速度提升显著。因此有人断言：未来开发者无需精通代码，核心应转向需求拆解、项目统筹与团队沟通。程序员对此并不买账。写出几行可运行的代码自然不算最困难。真正的挑战在于上线之后。谁来负责权限管理、性能优化、异常处理及遗留问题？谁该为数据失误买单？这些难题最终都归结于代码本身。需求描述可以天花乱坠，PPT也能做得完美无缺。真正的麻烦往往在产品正式运行后才浮出水面。AI能迅速将原型推向及格水平，但要将其
OpenAI暂停Astra部分研发：顶级网络安全风险暂难排除
OpenAI 正对一款尚未面世模型的部分研发进程进行减速，症结并非性能欠缺，而是内部评测揭示：该模型或许已逼近公司安全体系中最高层级的网络防护能力红线。该模型内部代号为 Astra。OpenAI 透露，目前尚不能断言它已触及"关键（Critical）"层级，但同样无法彻底排除这一风险。为此，企业叫停了所有尚未达到强化安全管控标准的 Astra 内部项目，并加大测试、隔离、监测及外部协同力度。OpenAI 于 8 月 7 日对外发布声明，最近数日对 Astra 的内部评测显示，其在自主编程与网络攻防领域取得
AI赋能企业职业卫生管理：六大落地场景、避坑指南与实施路径
前段时间我去一家中等规模的制造企业开展EHS（环境、健康与安全）审核，职业卫生负责人小李把他的桌面展示给我——桌上铺满了十几份Excel电子表格：职业病危害因素监测报告、职业健康检查汇总、个人防护装备领用台账、培训出勤记录、应急演练档案等等。他告诉我，每年最让他犯难的有两件事：一是体检报告出来后，必须逐个员工核对岗位信息、筛选异常指标、安排复查，几百人的数据要处理两到三周；二是主管部门来督查时，随手翻档案，心里始终没有把握。我盯着那堆表格沉思了很久。这些工作本质上都是"数据的搬运与匹配"—
摩根大通警示气候黑天鹅 投资者评估资产冲击
大型投资机构正努力了解，一旦气温持续攀升触发摩根大通所称的“气候黑天鹅风险”，其资产组合将遭受何种影响。 包括Allianz Global Investors和Standard Life Plc在内的投资者表示，他们正以更严肃的态度对待这一情景。 “这确实是我们必须认真思考的问题，”Standard Life可持续投资研究主管Hetal Patel指出，该机构计划明年启动围绕气候临界点的风险管理研究。其中包括对其3170亿英镑（4250亿美元）投资组合进行模拟，以评估各类资产可能面临的影响。 Patel表
AI为何要先思考再回答
为什么让AI"先思考再回答"，答案质量会出现明显差距？思维链 = 引导AI一步步推理后再给出答案不直接问结果，而是让AI把"思考过程"写出来，再得出结论。大模型本质是"猜词器"——你问一个问题，它直接猜最可能的"答案词"。但复杂问题没法直接猜，需要先推理中间步骤。思维链就是让AI把推理过程"写出来"再给答案，效果远好于直接回答。场景举例：合同条款风险评估❌直接问："这份施工合同有风险吗？"
过半企业AI智能体曾出故障，多数仍欲全自动运行
今年6月，科技媒体VentureBeat发布了两项针对企业AI智能体的调研。将两组数据并列观察，会呈现出一个略显矛盾的画面。第一项调研覆盖了157家员工超过百人的企业。其中50%表示，过去一年里，他们曾上线过内部评估全部通过、但在真实客户面前出现问题的AI智能体或功能。四分之一的企业，这类故障发生过不止一次。与此同时，仅有5%的企业表示完全信任自动化评估。第二项调研的问题是：接下来的计划是什么？66%的企业回答，已经允许或正在推动智能体在自动化评估通过后直接上线，全程无需人工介入。一半的企业被证实测试不可
Tetra Tech 赢得 EPA 两五千万水质监测大单
Tetra Tech（纳斯达克代码：TTEK）近期公布，美国环保署辖下水资源办公室的标准与健康保护部门已与其签署一份长达五年、总金额达 2500 万美元的协议，旨在提供尖端技术支援，用以评估并管控人类健康及水生态环境所面临的风险。 依照协议条款，Tetra Tech 的科学团队及技术专才将联手美国环保署、各州及地方社区，致力达成并维系清洁水源，确保饮用水质安全，同时满足渔业与休闲用水标准。核心任务涵盖：提供风险评估、高阶数据分析及经济剖析，辅助水质标准确立；追踪鱼类体内化学污染物及地表水中的微生物病原体，
AI赋能决策：中小企业告别拍脑袋时代
老板最怕的三件事：选错品、投错项目、定错价。 一旦决策失误，真金白银就打水漂了。 过去靠经验，现在靠数据。 AI不是替你做决定，而是让你看得更清楚、想得更明白。你是不是也经常遇到这种情况？🔴 场景1：选品决策"这个产品看起来不错，要不要上？"凭感觉选了10款，结果8款滞销，库存积压20多万。🔴 场景2：投资决策"这个项目有没有搞头？要不要投？"听朋友说挺好，投了50万进去，半年后发现方向完全错了。🔴 场景3：定价决策"这个价格定多少合适？"定高了没人买，定低
AI问诊靠谱吗？亲身测试告诉你真相
首先，为了不让大伙儿走弯路，我通常不会依赖AI来诊断病情。平日里我更倾向于咨询我的专属太保医生。他们专业度很高，至少在使用的两三年间，从未出现过误诊的情况。上个周末，台风来袭，窗外狂风呼啸。家中母亲烹制了一条热气腾腾、香气四溢的鱼。本想着边享用红烧鲫鱼，边聆听窗外风雨声，倒也惬意。但生活总爱随机开些玩笑。正吃得香时，不慎被鱼刺卡住了喉咙！吃鱼多年，头一回遭遇此境，顿时有些不知所措。自我感觉卡得不深，并非每次吞咽都有异物感。蔡先生还趁机给娃上了一课：看，你妈妈这就叫“如鲠在喉”。我甚至把剩菜全吃完后，才通过
AI能否预判孩子近视风险？——儿童青少年近视预测模型的系统综述与Meta分析
核心结论人工智能模型在预判儿童及青少年近视发病方面展现出良好的应用前景。不过，现有证据仍受限于研究间的异质性、潜在偏倚风险以及外部验证匮乏等问题。未来亟需开展高质量、多中心的研究，推动AI预测模型从实验室科研工具迈向临床诊疗与公共卫生实践。AI用于预测儿童青少年近视的价值，并非取代医生进行诊断，而是将防控关口前移：在儿童尚未出现近视前，结合眼部生物学特征、遗传背景及行为环境数据，提前锁定高风险人群。近视已成为儿童青少年中普遍且日益严峻的公共卫生挑战。传统防控策略多聚焦于近视发生后的控制，而预测模型的意义在