标签

光谷AI医院正式启动建设,打造智能化医疗服务新模式

6月11日,在光谷首届人工智能医疗大模型创新与应用大会上,光谷AI医院正式启动建设,将以光谷人民医院(武汉大学中南医院光谷院区)作为运营载体。光谷人民医院计划于7月投入运营后,光谷AI医院应用示范展厅和创新中心将逐步对外开放。AI医院是运用人工智能技术的智能化医疗机构,借助AI大模型、机器视觉等技术手段,协助医生完成智能分诊、影像诊断、病历生成、手术机器人操作等工作。此外,该系统还可预测床位使用情况、管理药品库存,实现医院智能化运营管理。光谷人民医院(武汉大学中南医院光谷院区)光谷AI医院由东湖高新区携手

2026-06-12 09:43:29  |  14 阅读

AI企业转型新阶段:从技术突破到商业可行性验证

AI 行业动态 / 企业动向 / 技术进展 / 投资趋势当前人工智能发展的核心议题已不再是推出更强大的编程或推理模型,而是领先企业开始正视“技术落地后如何持续运营”的关键问题。Anthropic 投入 1.5 亿美元启动 Claude Corps 计划,OpenAI 发起经济影响研究项目,GitHub 则将智能体执行记录、安全检查和模型选择整合进开发者日常工作流程。行业持续快速发展,但最值得关注的变化在于:AI 企业不仅要展示技术实力,更要证明自身能够被社会、企业和日常工作流程所接纳。01Anthropi

2026-06-12 04:18:31  |  18 阅读

益博睿发布智能用工验证服务,覆盖全美绝大多数劳动者

全球数据与技术巨头益博睿(Experian)近日推出了名为Experian Verify for research verification的全新解决方案,致力于推动传统人工用工验证流程的数字化升级。该服务现已全面登陆美国市场,服务范围几乎涵盖全美所有劳动人口。 据悉,这一新方案融合了对话式人工智能代理、面向企业的安全在线表单,以及益博睿现有的呼叫中心资源,旨在大幅降低人工验证负担并缩短处理周期。在实际操作中,虽然验证流程仍由益博睿呼叫中心启动,但新系统为雇主提供了更灵活的响应方式:既可通过加密在线表单直

2026-06-12 00:07:32  |  16 阅读

AI时代最稀缺的能力:指挥AI而非使用AI

今天在开发 data agent 的过程中,有同事提出了一个很现实的问题:面对 900 个指标,已经有些力不从心了。 这句话让我深有同感。 过去我们常说,一个人能力强,是因为他能处理很多事情。但现在越来越明显:真正难的已经不是单点处理事务,而是在复杂系统里,懂得如何拆解问题、如何调度 AI、如何验证结果、如何持续优化。 换句话说,AI 时代最重要的能力,可能不是“会不会用 AI”,而是“能不能明智地指挥 AI”。 一、900 个指标背后,不只是数据问题 900 个指标摆在面前,表面看是数据治理问题,实际上

2026-06-11 22:31:48  |  12 阅读

AI搜索为何看不见你的品牌

上周碰巧遇到一位经营装修业务的老板,当我们聊起获客渠道时,他抛出了个疑问:"我在成都做了8年装修,口碑一直不错,客户转介绍也很多。但前两天我一个客户想推荐给朋友,朋友问'你找的那家装修公司怎么样',客户就去问AI,结果AI说'没有找到相关信息'。客户很尴尬,最后单子差点黄了。你说邪不邪门?"这种遭遇并非孤例。近期我接触了十余位成都本地中小企业主,发现一个有趣的现象:尽管他们在本地深耕多年,积累了真实的客户和口碑,但在AI搜索结果中,这些品牌却几乎是隐形的。今

2026-06-11 11:31:28  |  21 阅读

AI 测试快讯 | 2026-06-11 | 测试人的职业上限,正由 AI 重新定义

OpenAI 全力奔向超级应用、苹果正式入局 Agent 角逐、AI 实现漏洞自动修复、微软 Agent 深度融入开发全流程。不必再纠结于测试用例的编写技巧,未来的测试工程师核心竞争力在于“驾驭 Agent 的能力”。标签 #AI 测试 #软件质检 #嵌入式系统 #无人驾驶 #自动化测验 #大语言模型 #DevOps🤖 一、软件测试新动向(5 条)1. OpenAI 开启 ChatGPT 超级应用蓝图 📝 核心观点:ChatGPT 正从对话工具转型为工作平台。 🔍 深度解析:OpenAI 拟将 Codex

2026-06-11 08:42:35  |  28 阅读

AI辟谣实操:用AI揭露AI生成的虚假信息

“3秒查出13种早期癌症,准确率吊打三甲主任医师”、“FDA连夜批准,下周就上线”、“800万医生即将失业”……这两天,你的朋友圈是不是也被这条“谷歌DeepMind医疗AI”的新闻刷屏了?说实话,第一次看到这条消息时,我的心跳也漏了一拍。毕竟谁都怕生病,谁都会被“比医生还准的AI”这种说法吸引。但等等,这真的可能吗?我曾经了解过,最不容易被AI替代的就是医师、律师等职业。抱着怀疑的态度,我试着用AI工具去验证这条新闻。结果让我大吃一惊——这不仅是一条彻头彻尾的假新闻,而且它精心设计的手法,恰好暴露了AI

2026-06-11 02:24:20  |  19 阅读

AI投资逻辑正在转变

市场每天在剧烈波动中反复切换我觉得有必要重新审视一下当前行情而不是每天都陷入到追涨杀跌的节奏里面今天A股下跌也在预期之内,哪怕今天没有低开而是往上走,节奏上资金都有兑现的需求。更何况还要看外围市场的脸色,才能决定好坏。既然跟随美股表现,那么市场下跌的原因显而易见,就是全球资金开始关注美国是否加息,对高估值资产如何定价。再加上今天晚上CPI数据公布上升到4.2%,市场也进一步确认了通胀压力的变化方向。市场大概率要重新修正一下未来的利率路径,修正一下全球资产定价模型,主要还是出于对未来资金成本的新判断。过去一

2026-06-11 01:06:46  |  19 阅读
华大九天实现Chiplet设计重大进展

华大九天实现Chiplet设计重大进展

快科技6月9日讯 今日华大九天在投资者互动平台宣告重要技术进展,其先进封装EDA平台现已全面具备支撑高端AI芯片、GPU、高性能处理器等Chiplet芯粒设计的能力。在3DIC(三维集成电路)这一后摩尔时代关键技术领域,华大九天已前瞻构建覆盖异构集成三维芯片协同设计到验证的全流程解决之道,是目前国内唯一具备该全流程能力的EDA提供商。值得一提的是,华大九天推出的首款Argus 3DIC物理验证平台全面支持2.5D/3D异构集成封装设计,可实现从协同设计到封装的全链路物理验证。该平台独创的3D数据编织技术可

2026-06-10 19:42:54  |  25 阅读

AI 重塑制造:智能设计与虚拟验证的三阶进化之路

专题连载33 个核心场景AI 赋能制造数智化连载 4人工智能在智能设计与虚拟验证闭环场景中的应用智能设计与虚拟验证构成了产品研发的关键枢纽。借助人工智能技术的分阶段注入,企业能够实现从辅助设计、智能闭环到自主进化的层级跨越,从而显著压缩研发周期、削减试制开支并增强产品可靠性。依据技术纵深及应用成熟度,该过程可拆解为三个实施阶段,各阶段的核心要点与执行方法如下。一、第一阶段:AI 辅助设计与基础仿真,达成设计—验证初步联动此阶段聚焦于降低成本与提升效率、规范作业流程,主要依靠 AI 工具取代重复性设计任务,

2026-06-10 11:51:53  |  23 阅读

AI检测领域CNAS认证申请关键点解析

伴随人工智能技术在各个行业的快速落地,AI产品的质量、安全和性能评估需求持续增长。自2024年8月1日起,中国合格评定国家认可委员会(CNAS)发布的《实验室认可领域分类》(CNAS-AL06:20240801)正式将“人工智能产品与系统”设为独立认可领域(编号15),表明人工智能检测已进入国家认可体系。不过,由于AI检测技术仍在快速发展中,其方法与传统软件测试存在显著差异,实验室在申请CNAS资质时面临不少挑战。本文将从政策背景、认可类别及申请重点出发,深入分析AI领域申请中的关键难点,为相关机构提供参

2026-06-10 09:57:11  |  25 阅读

人形机器人实景训练行动启动 加速迈入规模化应用阶段

记者9日从相关部门获悉,工业和信息化部、国务院国资委日前联合发布2026年度人形机器人与具身智能实景实训专项行动通知,计划通过实际场景中的系统化训练,持续改进具身智能核心算法,积累高质量实体数据,优化本体核心部件性能,研究建立人形机器人及具身智能产品全生命周期管理和服务保障体系。 现阶段,我国人形机器人与具身智能正处于从实验环境迈向实际应用、从概念展示转向持续运行的重要转折期,在算法模型、硬件性能、场景适配、实体数据积累等方面仍面临挑战。实景实训成为突破上述难题的核心手段,能够有效防止场景重复建设与资源浪

2026-06-10 09:53:26  |  31 阅读

AI智能进阶与验证之道

我一直在探索如何增强AI的能力,所以记录了关于缩放定律、数据量和推理时间的笔记。最近我发现,大家的关注点转向了验证。实际上,当模型的某项能力超越人类平均水平时,便是大规模落地的契机,比如计算机视觉物体识别率突破93%左右,就开始大量取代人工操作。目前大语言模型在许多任务上的表现已超越人类平均水平,但若要真正取代人类,尤其是处理严肃任务,必须建立验证机制。今天看到一篇帖子,谈及AI编程确定性管理的两大兜底手段:要么是人工深度理解以兜底,要么是借助数学形式化证明工具自动验证(当然这也存在局限)。难怪最近刷屏全

2026-06-09 22:57:07  |  10 阅读

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

2026-06-09 04:32:53  |  25 阅读

AI应用潜在隐患解析

AI并非单纯工具,而是"需验证的协作伙伴"——信任但须核实。五大关键注意点维度风险应对策略信息准确度AI可能"严肃地编造内容"(幻觉现象)核心事实需自行确认,特别是数据、法规与医疗领域隐私安全对话内容或用于模型训练切勿输入身份证号、密码、商业秘密或个人隐私版权归属生成内容的所有权尚未明确商业场景中,AI生成物不可直接作为原创使用思维依赖长期依赖AI思考将导致判断力下降AI适合提供初稿,最终决策必须由人完成场景滥用医疗诊断、法律裁决、投资判断这些领域AI仅能作为参考,不可替代

2026-06-08 11:39:05  |  11 阅读