人工智能的五个层次
https://blogs.nvidia.com/blog/ai-5-layer-cake/这次的变革不只是单个程序、应用或模型，而是像人类发现火、电力和互联网那样，从底层改变了基础设施。影响非常深远，目前还处于早期阶段。今年相比去年的最大变化，是从“有趣”转向了“实用”，真正能干活做事，让人离不开。过去的工程需要预先设计、结构化存储，花大量时间沟通和设计；但现在有了人工智能，可以实时推理，这是一个巨大的飞跃。每一段话都可能产生不同结果，都是实实在在的智能。不再是提前设计，而是实时推理，因此所有底层都需要
遏制AI数据污染
随着生成式人工智能深入应用至各行业，它已成为公众获取信息、辅助判断与整合知识的核心工具。然而，AI并非无中生有的‘全能系统’，其能力高度依赖数据、模型、算法及使用场景。AI的‘智能’实质是其训练数据与底层算法的映射，这种深度依赖催生了一种名为AI‘投毒’的新型安全威胁。AI‘投毒’不同于传统网络攻击中常见的系统瘫痪或数据窃取，它是一种针对逻辑与知识根基的隐性攻击。攻击者通过在AI训练数据、模型微调过程或插件接口中注入虚假信息与恶意指令，使模型在保持语言流畅、专业外观的同时，输出误导性结论或偏颇立场。作为一
马斯克预测中国AI明年Q1达Fable水准，智谱AI回应
虽说跑分数据漂亮，但从实际应用价值看，哪怕明年一季度也能令人惊叹。Anthropic找准了方向，致力于提升实用智能，这些优势虽不体现在跑分里，却实实在在地转化为了营收。翻译：虽说基准测试成绩不错，但若论实际使用价值，即便是在2027年第一季度，其表现也相当出色。Anthropic的路线非常正确，致力于构建真正有价值的智能系统，这种优势在测试榜单上看不到，但在营收上却一目了然。阿菊认为这句话的核心在于：商业变现比单纯的技术能力更关键。这种难得的良性互动也表明，马斯克始终在关注着中国AI技术的演进。据悉，GL
企业AI应用：别只顾速度，找对方向才是关键
一个让众多公司徒劳无功的根本误解谷歌曾有一套令人费解的招聘机制：每位候选人需经历约二十次面试。单看效率，这简直是个噩梦。招一个人耗时半年多，面试官的时间开销、候选人的等待成本，怎么算都不合算。但谷歌的逻辑是：一旦人选合适，他可能在公司干上十几年，持续带来正面价值。那么，花半年找到这个对的人，与花一小时招个凑合的人，哪个更值得？这正是效率与效能的差异。效率聚焦于“把事情做得快”，效能则强调“做该做的事”。我在调研时发现，国内企业特别精于“效率”。一个项目，能否一周出成果？一个需求，能否三天上线？这种速度在全
物理AI时代：重塑实体世界的智能变革
黄仁勋多次在CES和GTC上发声，宣告物理AI时代的到来。与侧重于信息处理和内容生成的数字AI不同，物理AI是能够理解、预测并主动干预现实世界的智能系统。它瞄准了约50万亿美元的制造与物流产业，市场潜力远超数字领域。预计到2026年，随着工具链的成熟和量产的推进，物理AI将正式开启商业化，标志着AI下半场的序幕。AI的发展一直遵循着“能力边界拓展”的轨迹：从感知AI处理数字信息，到生成式AI创造内容，再到Agentic AI的规划决策，每一次范式转移都拓展了应用边界。而物理AI的出现，让AI的能力首次突破
AI片场丨《AI影像融合创制行业观察报告》正式揭晓
第28届上海国际电影节首次设立的“AI片场”单元，自亮相以来便备受关注。今日，该单元正式发布由中国传媒大学戏剧影视学院担任学术观察团撰写的《AI影像融合创制行业观察报告》，并同步开源创作过程资料。“AI片场”采用“影视创作者+AI超级创作者”的1+1融合创制机制，四组团队历时一个月完成了从创意到成片的全链路AI影像实验。学术观察团围绕生产流程、岗位分工、协作磨合等环节展开持续观察，这份报告以真实案例回答了行业普遍关心的问题：AI如何进入创作流程？传统影视经验如何在AI制作中继续发挥作用？AI在提升效率的同
Aiioii游戏摄影功能更新通知
《Aiioii游戏摄影功能更新通知》2026.6.19.0012026年6月19日内容更新通知（001）【妄想山海】-拍照功能：-新增灵视拍照模式；-新增界面隐藏UI图标拍照模式；-新增界面显示UI图标模式（透明度9%）-具体内容可查看《妄想山海游戏摄影服务指南》，《妄想山海游戏摄影功能更新通知》【燕云十六声】-拍照功能：-新增拍照模式；-具体内容可查看《燕云十六声游戏摄影服务指南》，《燕云十六声游戏摄影功能更新通知》【洛克王国世界】-拍照功能：-新增手持拍照模式；-新增自拍拍照模式；-新增支架拍照模式；
2026年6月AI行业动态汇总
2026年6月AI行业完整资讯汇总（截至6月19日，全球及国内重大事件）一、全球重磅突发：美国严厉限制顶尖海外AI服务，海外模型大规模暂停对华开放Anthropic最新旗舰Fable5、Mythos5发布仅3天，美国BIS商务部直接下达强制禁令：立即停止所有外籍访问渠道、关闭海外API接口、禁止模型权重/框架/推理能力对外输出，无任何例外。企业被迫全面下线全球服务，此前估值飙升至3000亿美元的产品线直接腰斩，这是近期最严格的AI出口管控政策，直接推动国内AI全面转向自主研发路线。Claude Opus4
AI种菇：数据驱动的蘑菇革命
蘑菇是"算"出来的走进中国智能菇房，看AI怎么当"菇农"你脑海里的蘑菇种植，是不是这样——一个大棚，一个大爷，一壶水，蹲在菌棒旁边摸摸温度、看看干湿，全凭经验，靠天吃饭。但今天，我想带你看另一个画面。一栋没有窗户的厂房里，机械臂24小时不停歇地搬运菌瓶；传感器每秒采集一次温湿度、光照、CO₂浓度；所有数据汇总到中控屏上——算法决定什么时候通风、什么时候降温、什么时候催菇。一个人？不需要。一台电脑就够了。同一颗蘑菇，两个平行宇宙。全程"算"出来的菇房，长什么样？雪榕、众兴、华绿、丰科——这些名字你未必听过，
AI时代，真正的人才从不靠培养
前阵子和一位创始人聊天，他说了句话让我印象很深：“我现在招人，不看简历上的技能，只看他是不是那块料。因为只要是块料，什么技能他都能自己学会。”这话糙，理不糙。过去我们总说“企业要重视人才培养”，这句话在AI时代可能需要重新审视一下了。绝大多数的知识，甚至相当一部分认知，在今天都已经唾手可得。你想学财务知识，有免费的公开课；你想了解行业趋势，AI能给你整理一百页报告；你想提升管理能力，顶尖商学院教授的课程在网上一搜就有。当知识不再稀缺，什么才稀缺？是“愿意学”的意愿，是“主动成长”的本能。所以我越来越觉得，
AI新药冲刺FDA：首个人工智能原创药物的破局时刻
2026年2月，Lirafugratinib作为全世界首个向FDA提交上市申请的AI原创分子，迈出了历史性一步。整个行业历经五年跋涉，从探讨“AI能否造药”的质疑，迈入了“AI造出的药能否获批”的实战检验期。这并非单纯的技术狂欢，而是对全新方法论的一次严苛考核。双十法则与效率神话的边界 旧制药界的“双十法则”：十年光阴、十亿美金，临床成功率仅一成左右。全球顶尖药企九成研发最终折戟沉沙。效率低下的症结在于新药发现充满极端的信息鸿沟——在无垠的分子宇宙中寻觅，靶点认知残缺，分子反应难以精准预判，临床结局充满变
从随性编码到规范流程：我的AI编程进化之路
最初借助AI写代码的方式就是纯粹对话——后来人们给这种风格起了个名字，叫vibe coding。提需求、等结果、发现偏差、再纠正、再等待，效率尚可，但总有几个痼疾难以回避。首当其中的便是需求漂移。一个功能讨论到后半程，AI已然忘却了最初的目标，只保留最近几轮交互的内容。我不得不一次次将原始需求重新粘贴。其次是代码水准起伏不定。状态在线时它能产出整洁优雅的实现，状态欠佳时则抛出一堆能运行却不堪入目的代码。测试环节基本由我兜底。再者是Bug修复的恶性循环。修补一处，冒出两处。每次只做表面文章，深层根因无人追查
智能安全防护探讨
点击上方蓝字谈思实验室获取更多汽车网络安全资讯本文综合考虑智能技术在模型、数据、承载系统上对安全性的要求，我们用保密性、完整性、鲁棒性、隐私性来定义智能技术的安全模型，并且给出了智能安全目前面临的三大威胁：智能模型安全性问题、智能数据与隐私安全性问题，智能系统安全性问题。针对不同的安全威胁，提出了不同防御方法，包括数据投毒攻击、对抗样本攻击、数据隐私威胁。但在实际场景中， 智能系统遇到的威胁往往十分复杂，仅靠单一的防御技术无法有效抵御实际威胁。因此本文总结国内大厂采用的智能安全解决方案，然后再从这些方案中
多种AI工具各尽其用
【1】元宝充当我的「新闻推送专家」。它有个独特的优势，能按我的需求每天定时发送最新资讯。只需输入一个指令，比如「每日上午9点为我搜集并推送AI相关动态」，它便会准时执行这个例行任务，向我传递消息。【2】豆包是我的「日常帮手」。它有两个轻松上手的应用场合：1. 常规知识查询：碰到不明白的术语，我会直接向它提问。启动后使用语音输入，识别准确率很高。2. 视频互动功能：当我在户外遇到不认识的植物，就马上启用它的视频交流功能进行咨询。【3】微信搜索作为我的「信息查找专家」。在我需要搜寻材料并期望获取可靠来源时，会
AI界面设计规范库：让AI真正懂设计
如果你经常用 AI 做界面，会遇到一个问题：你说“高级一点”。 AI 回你“差不多一点”。问题不在 AI。 问题在于：你没有给它一套明确的设计规则。今天分享一个很适合设计师、产品经理、前端开发者收藏的项目：awesome-design-skills，它是一个开源设计 Skill 集合，收录了67 个设计系统 skill，里面收录了多种 UI 设计风格，可以直接给 Codex、Cursor、Claude 等 AI 工具使用。简单说，它的作用是：把设计风格，变成 AI 能执行的规范。比如你想做：以前你只能反复