←搜索结果

按匹配度 · 共 1233 条结果 清除搜索

星期四

  1. 虎嗅

    芒果超媒,吹响了软件股重估的号角

    芒果超媒通过《后西游记》跑通AI制作路径、带来内容成本缩减预期,股价大涨,成为C端AI商业模式跑通即获资本重估的样本。金山办公2026年上半年营收33.13亿元、同比增长24.69%,但AI Agent商业模式尚未跑通,股价年内跌幅达28.33%。B端方面,赛富时Agentforce ARR超15亿美元、同比增长超240%,ServiceNow AI年度合同价值突破10亿美元,国内用友AI相关合同占比从去年18%升至2026年上半年24.3%,业绩拐点仍待财报验证。

    [[ AI商业模式跑通成为软件股估值重估的关键分水岭:芒果超媒、Meta因跑通AI路径获资本重定价,金山办公等未跑通者股价承压,B端软件厂商则需业绩验证。 要点 1. C端AI应用跑通模式即获重估 芒果超媒通过《后西游记》跑通AI制作路径,带来内容成本缩减预期,股价大涨;Meta旗下Muse通过抢占流量入口、挤压谷歌搜索等巨头市场,即使业绩尚未兑现,资本市场已提前给予新定价。 2. 未跑通AI商业模式的软件股持续承压 金山办公2026年上半年营收同比增长24.69%,业绩保持增长,但AI Agent商业模式尚未跑通,股价年内跌幅达28.33%,证明资本市场只看AI商业化实质进展,而非传统业绩表现。 3. B端软件股需同时满足模式跑通与业绩验证 赛富时Agentforce ARR超15亿美元、同比增长超240%,ServiceNow AI年度合同价值突破10亿美元,两家公司均靠AI相关财务数据证明企业客户愿意付费,推动估值修复。 4. 国内B端软件厂商尚处验证期 用友等国内厂商通过将AI嵌入企业流程、治理数据语义来落地AI业务,AI相关合同占比从去年18%提升至今年上半年24.3%,但业

    匹配字段正文

星期三

  1. Data Center Knowledge

    HPE 发布 ProLiant Gen13 服务器,转向 CPU-GPU 均衡的企业 AI

    HPE 发布首批四款基于 AMD 第六代 Epyc 9006 SP7(代号 Venice)的 ProLiant Gen13 服务器,面向企业 AI 推理、智能体 AI 及分析、虚拟化等传统负载。旗舰 DL585a Gen13 支持最多 8 块 GPU 和两颗 Venice 处理器,2027 年 3 月上市,将兼容 Nvidia、AMD 和 Intel 的 GPU;DL525 为 1U 单路系统,最高 256 核,2026 年 11 月上市。Gen13 还引入 iLO 8 自动化安全与后量子密码就绪能力。

    功能,包括支持自加密驱动器和扩展的后量子密码就绪能力。 他表示,HPE Compute Ops Management 软件的新功能包括低接触式入门和近乎实时的功耗容量洞察。 Wylie Wong 是一名记者和自由撰稿人,专注于技术、商业和体育领域。他曾在 CNET、Computerworld 和 CRN 工作,热衷于报道和了解技术行业的进步与不断变化的动态。在体育方面,Wylie 是《Giants: Where Have You Gone》的合著者,这是一本关于前旧金山巨人队球员近况的书。他此前曾为《圣何塞水星报》创办并撰写巨人队博客,近年来乐于撰写技术与体育交叉领域的文章。 想在 Google 搜索结果中看到更多 Data Center Knowledge 的故事吗? 编辑精选 2026 年 8 月 21 日 想在 Google 搜索结果中看到更多 Data Center Knowledge 的故事吗? 2026 年 9 月 21 日至 23 日,欢迎加入整个数据中心生态系统,相聚于德克萨斯州达拉斯的 Gaylord Texan Resort & Convention Center。

    匹配字段正文

  2. Hugging Face

    NVIDIA 微调 Nemotron 家族,在 IOI 与 IMO 取得金牌级成绩

    NVIDIA 用同一套微调配方把 Nemotron 打造成竞赛编程与奥数领域的专用模型:IOI 2026 上 Nemotron-3-Ultra-CC 得 535.4 分(满分 600),IMO 系统得 30 分(满分 42),超过官方金牌线。配方包括强基座模型、领域问题与推理轨迹数据、SFT 与 RL 后训练,以及生成-评估-改进的推理循环。相关 SFT 与 RL checkpoint、训练数据集、Nemotron-IMO-Bench 基准和 NeMo-Skills 推理流程已在 Hugging Face 开源。

    专家模型。 SFT 语料包含 414,890 个经过质量过滤的示例,覆盖 15,818 道独特的证明题。它不只教最终答案。数据涵盖证明生成、改进、验证和元验证,因此模型学会了构建论证、识别漏洞、回应批评,并判断证明是否完整。RL 模型则在 9,597 道接近模型能力前沿的证明题上训练。 两个后训练检查点在开发实验中均优于通用可用模型。SFT 检查点在第一轮搜索中最强,而 RL 检查点取得了最佳的单检查点总体结果。它们的优势互补,因此最终系统同时使用了两个专家模型和通用模型。 对于每道 IMO 题,模型生成候选证明、为其打分、给出批评,并改进最有希望的尝试。一个独立的高算力阶段选出最终提交。整个系统以自然语言工作,不使用形式化证明器、外部工具或互联网访问。它在 42 分中获得 30 分,包括六道题中四道的满分,并超过了官方金牌门槛。 微调与测试时算力协同工作 我们早先关于 IOI 2025 的 Hugging Face 博文展示了测试时算力如何将开放权重模型推向金牌级表现。新结果补充了重要的一环:更好的专业化让推理系统拥有更好的候选、更好的批评者和更好的改进。 在 IOI 中,GenC

    匹配字段正文

  3. ElevenLabs Blog

    ElevenLabs 博客:联络中心自动化如何用 AI 改善客户服务

    ElevenLabs 博客发布联络中心自动化指南,介绍 AI 如何以极少人工介入处理客服流程,并给出三个 ElevenAgents 部署案例:Klarna 为 3500 万美国用户实现最高 10 倍更快解决,Rohlik 的 Maia 自动处理 90% 客户沟通,Getmobil 实现 75% 首次接触解决率和 60% 成本下降。

    Contact center automation: up to 10× faster resolution, 90% automated, 75% end-to-end.

    I 语音坐席和聊天机器人正在改变联络中心的运营方式。根据 Statista 的数据, 35% 的联络中心 已经以某种方式用生成式 AI 实现了工作流程自动化。 为帮助你入门,以下是几个将从 AI 自动化中受益的客户支持工作流程: 账户查询:AI 坐席可以处理自助服务流程,例如更新密码、跟踪订单和更新客户资料。 实时协助:寻求支持的客户可以立即获得答复,坐席会搜索内部知识库以满足他们的请求。 跨部门路由:通过分析客户意图,AI 语音坐席可以在必要时将通话升级转接到正确的部门。更重要的是,AI 坐席会传递上下文,因此客户无需重复说明。 通话摘要:语音坐席会自动转录并总结对话,无需人工转录。 情绪分析:语音坐席可以持续评估客户的情绪,以判断他们对通话是否满意。这有助于及早干预并减少客户流失。 AI 辅助回复:即使人工坐席接管后,AI 仍可帮助起草礼貌、合规且专业的回复。 除了常规客户服务任务外,AI 坐席还可以协助处理复杂的对话。例如,在激烈纠纷中,AI 坐席可以实时模拟不同场景,并为人工作席提供缓和局势的话术脚本。 为 AI 自动化选择联络中心软件 在选择 AI 驱动的联络中心软件来自动化

    匹配字段正文

  4. Data Center Knowledge

    EMEA 数据中心扩张面临交付考验

    DC Byte 最新 EMEA 分析追踪了 93 GW IT 容量,其中近四分之一集中在法兰克福、伦敦、阿姆斯特丹、巴黎和都柏林(FLAP-D),但土地与电力限制正推动开发向其他市场扩散。DC Byte 的 Oscar Gomez Comellas 表示约 60% 的区域项目管线仍处早期阶段,电力供应是交付的主要障碍。EUDCA 预计欧洲已装机容量超 1 GW 的市场将从 5 个增至 12 至 14 个,并预测七年内约 15% 的年复合增长。

    mez Comellas指出,监管范围扩大和当地反对是可能削弱已宣布项目的因素。 “当地社区对数据中心项目的关注日益增加,这可能带来阻力,有时导致项目被放弃,”他说。 Winterson指出,《气候中性数据中心公约》以及欧盟《能源效率指令》的报告和标签框架是环境绩效的基准。他表示,行业的承诺正日益超越设施效率本身。 “除了水资源和能源效率之外,我们现在还在衡量并针对净新增可再生能源、电网支持、余热再利用和生物多样性举措设定目标,”Winterson说。 Nathan Eddy报道多个行业的数据中心趋势和技术。他毕业于西北大学Medill新闻学院,同时也是一位专攻建筑与城市规划的纪录片制片人。他目前居住在德国柏林。 想在Google搜索结果中看到更多Data Center Knowledge的报道吗? 编辑精选 2026年8月21日 想在Google搜索结果中看到更多Data Center Knowledge的报道吗? 2026年9月21日至23日,欢迎莅临德克萨斯州达拉斯的Gaylord Texan Resort & Convention Center,加入整个数据中心生态系统的盛会。

    匹配字段正文

  5. Data Center Knowledge

    麦肯锡:到 2030 年数据中心电力需求年增 24%

    麦肯锡《Global Energy Perspective 2026》预测,到 2030 年数据中心电力需求将以 24% 的复合年增长率攀升,且其最可能情景下电力供应均低于 IT 算力需求。超过 60% 的运营商已将自建发电与电网接入结合,燃气轮机、燃料电池和电池储能成为快速获取电力的选项,但管道基础设施竞争可能造成延迟。

    商和公用事业公司而言,在需求管线更不确定的2030年之后,考虑多种能源前景的方法将变得尤为重要。 德法布里齐奥建议开发商将资本部署与市场演变指标保持一致,与信用良好的客户协商合同保护条款,并维持一套能够支持电网的电力解决方案组合。 他指出,社区参与也应纳入这一规划过程,强调需要确保当地收益大于潜在负担,同时管理建设、合同和需求风险。 从德法布里齐奥的角度来看,开发商必须足够迅速地获取稀缺电力,以满足近期计算需求,同时保留选择余地,以防效率提升或AI采用情况的变化改变长期前景。 “价值链上的领导者很可能是那些将早期获取稀缺电力资源与审慎风险管理相结合的人,”他说。 内森·埃迪(Nathan Eddy)报道多个行业的数据中心趋势与技术。他毕业于西北大学梅迪尔新闻学院,同时也是一名专攻建筑与城市规划的纪录片制片人。他目前居住在德国柏林。 想在谷歌搜索结果中看到更多《数据中心知识》的报道吗? 编辑精选 2026年8月21日 想在谷歌搜索结果中看到更多《数据中心知识》的报道吗? 2026年9月21日至23日,欢迎莅临德克萨斯州达拉斯的盖洛德德州人度假村及会议中心,加入整个数据中心生态系统的盛会。

    匹配字段正文

  6. Data Center Knowledge

    AI 功耗剧烈波动倒逼芯片到电网的协同设计变革

    AI 数据中心功率可在秒级甚至毫秒级骤升骤降,数百兆瓦的突然跌落可能引发广域电网扰动,业界呼吁芯片厂商、运营商、公用事业与基础设施方协同应对。Nvidia 电气设计工程师 Sai Somayajula 称,机架功率已从 H100 时代的约 40 kW 升至 Blackwell 的约 150 kW,Vera Rubin 目标约 240 kW,未来 800V 直流配电下或达每机架 1 MW,Nvidia 已加入机架级储能与控制,并推出 DSX 架构。Oracle 的 Stargate 数据中心园区已 60% 至 70% 投入运营,规划达吉瓦级规模。

    池、不间断电源、低电压穿越、功率平滑和快速响应发电。” 三菱电机电力产品公司电力系统工程部门负责人David Roop表示,支持AI工作负载需要在变电站和电网层面进行协同投资。成功取决于一种“从芯片到电网”的方法,该方法需兼顾短时和长时储能、谐波性能、电能质量以及本地电网特性。 “数据中心将通过理解公用事业公司的要求、控制需求以及分层方法所需的架构标准,在电网可靠性方面发挥更大的作用,从而实现更快的项目交付并降低项目风险,”Roop说。“新的指南、新的标准和新的合规标准正在出台,以便我们能够更快地应对不稳定性。” Drew Robb从事全职专业写作和编辑工作已超过二十年。他目前为多家IT出版物担任自由撰稿人。 想在Google搜索结果中看到更多Data Center Knowledge的报道吗? 编辑推荐 2026年8月21日 想在Google搜索结果中看到更多Data Center Knowledge的报道吗? 2026年9月21日至23日,欢迎加入整个数据中心生态系统的盛会,地点位于得克萨斯州达拉斯的Gaylord Texan Resort & Convention Center。

    匹配字段正文

星期二

  1. Data Center Knowledge

    UPS 设计上不可中断,但它的未来并非如此

    Uptime Institute 2026 年度故障分析显示,过去三年电力问题引发超过五分之一的 IT 服务中断,其中 UPS 故障占 39%,居首位。随着 AI 负载带来数十兆瓦级的秒级波动,UPS 的角色正从保护 IT 负载转向保护电网,BESS 与固态变压器(SST)等新架构正在重塑其在数据中心供电链中的位置。

    与其他遗留硬件一样,它将继续与颠覆性技术一同演进,一些运营商可能会选择一个对UPS依赖更少、甚至完全不再依赖UPS的未来。 Andrew Donoghue专注于为数据中心、关键基础设施和可持续技术等领域撰写新闻、分析和思想领导力内容。 他曾在Vertiv和Fujitsu等组织担任高级内容、战略和市场情报职务。他是多份有影响力报告的作者,涵盖可再生能源与数据中心、IT电源管理和数据中心冷却等主题。 Andrew曾为451 Research等分析公司工作,也曾在CBS Interactive和Incisive Media等商业出版公司担任高级编辑职务。他还参与了多个由欧盟委员会资助的IT研究项目,涉及数据中心能效和可持续性。 想在Google搜索结果中看到更多Data Center Knowledge的故事吗? 编辑精选 2026年8月21日 想在Google搜索结果中看到更多Data Center Knowledge的故事吗? 2026年9月21日至23日,加入整个数据中心生态系统,相聚于德克萨斯州达拉斯的Gaylord Texan Resort & Convention Center。

    匹配字段正文

  2. AIhub

    你能自学识别 AI 写作吗?也许可以

    AI 写作正让书面语言结构本身发生变化,识别它没有单一铁证,只能依靠词汇、句式等模式累积判断:quietly、genuinely、delve、meticulous 等词在 LLM 输出中反复出现,"not X, but Y" 结构和三段式也构成一种共同文风。2023 年斯坦福研究发现七款流行 AI 检测器平均将 61% 的非英语母语者作文误判为 AI 生成,其中一款误判率达 97%。《Nature Human Behaviour》分析超 88 万条 Reddit 帖子、新闻和学术文章后发现,LLM 的普及与写作风格多样性下降相关。

    的文本? 没有单一的破绽。相反,存在一些模式:某些特定的词、句子结构和表达习惯,会反复出现在 AI 生成的散文中。LLM 的更新也迅速而高效,因此今天能暴露合成文本的特征,几个月后可能就不再奏效。 quiet、quietly 和 genuinely quietly 一词是一个重要的破绽。自 2021 年 12 月以来,该词在 Google Trends 上的搜索热度稳步攀升,不过这衡量的是搜索量而非其在写作中的出现频率,因此只能算是有提示性,而非证据。 那段时期真正发生变化的是,有多少人开始借助 LLM 写作,而这些模型似乎确实比普通人类写作者更常使用 quiet 和 quietly。 genuinely 的情况类似,而且更多是轶事性的。我注意到它在 AI 输出中被过度使用,包括 Claude,超出我对一个随意写作的人的预期。目前还没有人对这个具体的词做过严谨研究。 这一模式有据可查的版本,是自 2022 年以来在科学写作中激增的词汇:delve、meticulous、underscore、boast 和 intricate 在扫描的 PubMed 摘要中出现的频率都远高于以往,研究人

    匹配字段正文

星期一

  1. Data Center Knowledge

    堪萨斯城 20 层垂直数据中心面临成本与选址权衡

    芝加哥建筑事务所 SOM 为开发商 Revitalization Unlimited 设计的 20 层数据中心塔楼拟落地堪萨斯城市中心,占地约 0.23 英亩,IT 负载 24 MW,总开发成本约 1.83 亿美元、约合每平方英尺 1300 美元,高于郊区设施。项目方称推理负载和运营商密集互联适合市中心选址,但 IDC 与 JLL 人士指出垂直建造在设备部署、冷却用水和整体成本上仍有待验证。

    计算需求变化,设计决策应以适应性为导向。 “长期保持价值的设施,是那些能够适应变化的设施,”他说。“这意味着在配电、冷却架构、结构承载能力和整体建筑设计上都要有灵活性。” 更广泛的考验在于,特定地点是否能提供足够的运营和公共价值,以证明额外复杂性的合理性。Austin 坚持认为他的方案通过了这一考验。 “我们并不是说每个数据中心都该建在市中心,”他说。“我们是在说这一个应该,而且我们正在支付建设溢价来证明这一点。” Nathan Eddy 报道多个行业的数据中心趋势与技术。他毕业于西北大学梅迪尔新闻学院,同时也是一名专攻建筑与城市规划的纪录片制片人。他目前居住在德国柏林。 想在 Google 搜索结果中看到更多 Data Center Knowledge 的报道吗? 编辑推荐 2026 年 8 月 21 日 想在 Google 搜索结果中看到更多 Data Center Knowledge 的报道吗? 2026 年 9 月 21 日至 23 日,欢迎齐聚德克萨斯州达拉斯的 Gaylord Texan Resort & Convention Center,参与整个数据中心生态系统的盛会。

    匹配字段正文

  2. Data Center Knowledge

    数据中心选址为何变成三线作战:电网成本、水资源与社区利益

    美国多州在2026年9月下旬密集收紧数据中心监管,选址不再只靠拿到电力,而要在电网成本、水资源透明度和地方土地使用三条战线同时过关。加州 AB 1577、AB 2383、SB 887 要求开发商承担电网升级的全部增量成本;马萨诸塞州第658号行政令对峰值需求超过25 MW的大型数据中心提出同样要求。得州暂停新数据中心许可,直至 ERCOT 完成全州审计;纽约则提出每兆瓦100万美元的社区利益协议基准。

    事,专长于能源、网络安全、监管和地缘政治的交叉领域。他的作品曾发表于《金融时报》《华尔街日报》《国会山报》、Utility Dive、T&D World等出版物;他曾在纽约能源周、华尔街绿色峰会和美国太阳能学会等行业论坛上发表演讲。他拥有纽约大学英语文学、全球事务以及网络安全与网络犯罪学位,重点关注美国关键能源基础设施面临的网络安全威胁。 行业观点 想在谷歌搜索结果中看到更多《数据中心知识》的报道吗? 编辑精选 2026年8月21日 想在谷歌搜索结果中看到更多《数据中心知识》的报道吗? 2026年9月21日至23日,加入整个数据中心生态系统,相聚于得克萨斯州达拉斯的盖洛德德州度假酒店及会议中心。 随着服务器能耗加速攀升至预计的长期高位,数据中心运营商不能再依赖传统的选址操作指南。孤立获取电力的时代已经结束。为了在2027年及以后成功上线容量,数据中心领导者必须采用综合开发框架,同时解决电网成本分摊、节水工程和东道社区投资问题。将透明度、自筹资金基础设施和本地经济一致性纳入初始工程计划的设施将顺利通过州许可审批;而那些只专注于获取兆瓦电力的设施将发现自己停滞在州议会门口。 沙希德·马赫迪

    匹配字段正文

  3. 科学网

    AI当“科研搭子”,你真的放心吗?

    安徽财经大学通报一起学术不端事件,认定作者“误信”AI检索结果属AI使用不当并处罚相关责任人。多位研究者指出,AI能完成文献研读、实验规划等闭环流程,但无法自主提出原始问题,且会生成看似合理却无法验证的假说与虚假引文。arXiv对250万篇论文、1.11亿条参考文献的审核显示,仅2025年四大平台就存在近15万条AI编造的虚假参考文献。

    里来? 华大集团首席研究员徐讯将生命科学领域的AI能力分为五个级别。他判断,当前AI处于L3阶段——“它能完成发现,却不能自主提出原始问题,而提问仍是人类不可替代的核心价值。”在他看来,AI可以基于现有知识做组合与推理,但真正的科学问题,那些需要跳出已知框架、指向未知的追问,仍必须由人来完成。 西安交通大学网络空间安全学院教授栾浩认为,大模型本质上是一个知识搜索器。与传统关键词搜索不一样的地方在于,它能理解搜索词的意思,然后在已有的知识库里进行精准语义检索。这意味着,AI能做的是“精准全面地检索人类现有的知识库”,而“怎么去获取人类未掌握的新知识,大模型无法代劳”。在他看来,有时AI给出的思路看似很新,“其实并非创造,是有其他人提供过相关的思路,被它录入到自己的知识库了”。 清华大学化学系副教授马冬昕的实践感受印证了这一点。她把AI称为“一个拥有大量跨学科知识,会聆听、爱分享、随叫随到的好朋友”,但坚持认为课题选择不能完全交给AI。“AI会给出一系列参考文献,旁征博引地给出分析。但限于现有技术水平,难免出现谬误。必须追溯原始文献,独立自主且具有批判性地思考。”马冬昕说。 中国科学院自动

    匹配字段正文

  4. 科学网

    当数学堡垒被攻克,其他学科能否迎来AI突破时刻?

    Anthropic 称 Claude 模型在 11 天内完成费马大定理的形式化验证,OpenAI 也称智能体在 88 小时内破解纳维-斯托克斯方程,但 25 位菲尔兹奖得主联名指出仅追求答案无益于科学进步。9 月 13 日浦江创新论坛上,学者认为数学突破并不意外,而生命科学与材料科学受制于测量与验证,AI 尚未成为突破关键。

    骁认为,未来可能出现位于人类自然语言证明与Lean底层代码之间的更高层语言,不必把每一个细节都展开,却能够与底层证明一一对应,在保留机器可验证性的同时,尽量接近数学家的思维方式。 在这种背景下,大部分与会者都认为,AI在数学上的突破并不让人感到十分意外。上海财经大学计算机与人工智能学院院长陆品燕解释,形式化一旦完成,证明本质上就演变成了一个在确定规则空间中的搜索问题。在搜索效率上,计算机相较于人类拥有绝对的优势。 相比之下,他认为,人类至今对大模型为何能理解并生成自然语言的底层机理缺乏根本认知,“大模型能够流利地与人对话这件事,其理论突破性远大于它能证明某道数学定理。” AI是否能解决所有数学问题?陆品燕指出,计算机的搜索能力再强,也无法穿透所有复杂性壁垒。“现在的AI能在围棋上战胜所有人,并不代表它找到了围棋的最优解。同样,面对‘P与NP’这样的世纪难题,AI也难在短期内单凭蛮力攻克。” 测量和验证的困境 在生命科学、材料科学领域,尽管AI在知识综合、复杂计算等方面已经开始赋能研究,但似乎尚未成为科学突破的关键因素。与会者们认为,当研究对象是真实世界时,如何测量、描述和验证,都是AI

    匹配字段正文

  5. 科学网

    多个团队用历史数据训练LLM,检验AI能否重现广义相对论

    据《自然》杂志近日报道,今年以来多个团队尝试构建把训练数据卡在某个历史时间点之前的复古LLM,检验模型能否重新发现后来的科学思想,结果显示AI距离爱因斯坦式的科学突破仍有不小距离。独立研究人员迈克尔·赫拉用1900年以前数据训练Machina Mirabilis,模型面对光电效应时曾提出光会分解成大量彼此独立的脉冲,但多数情况下失败,只是在模仿历史文本。谷歌DeepMind研究员汤姆·扎哈维在论文《LLM不会跳跃》中指出,当前LLM还无法完成爱因斯坦那样的推理跨越,科学突破依赖的溯因推理往往发生在数据极少或与既有理论不符的异常现象上。

    ,他和同事给一个“轨道力学”AI模型提供了多个遵循牛顿力学的虚拟行星系统,希望它推导出万有引力定律。结果模型确实学到了东西,却没有找到真正的规律。它为不同行星系统生成了不同的引力定律,每一套都有各自的错误。 今年5月,AI推翻了匈牙利数学家保罗·埃尔德什提出的一项存在80年之久的猜想。 穆莱纳坦认为,这是一项“真正的概念性进步”。他说,AI不是通过简单的暴力搜索找到答案,而是在解题过程中引入了一些新的数学概念。不过,AI仍然整合了数学文献中已经存在的思想,并不像爱因斯坦那样,从看似毫无关联的地方突然产生一次突破性的发现。 因此,一些科学家认为,未来的AI科学家不能只是一个更大的语言模型。穆莱纳坦提出,模型需要同时理解人类已有的知识、真实世界的数据,以及“数学空间”,即如何操作数学对象。AI系统的评价标准也不能只有预测准确率,还应考查理论的简单性、解释范围等。 爱因斯坦生前在接受《生活》杂志编辑威廉·米勒采访时曾说,最重要的是不要停止提问,好奇心自有其存在的理由。 4; 新模型引爆AI圈:不生成文本,专为机器做快速决策 1; Advanced Oncology首篇封面文章发表:AI助力幽

    匹配字段正文

  6. 麦肯锡中国

    让AI替你购物,“放权”到哪一步?——智能体商业的演进曲线

    麦肯锡提出智能体商业的六级自动化曲线,从0级程序化便利到5级多智能体协同,界定购物者把购物旅程委托给AI的程度。研究显示,即使在中等情景下,到2030年智能体经手的全球消费额也可能达到3-5万亿美元。委托比例因品类而异:日用品等低风险品类加速自动化,奢侈品等高价值品类则较早进入平台期。

    复杂的指令也可以:“对比较三款降噪耳机,并说明音质、续航和舒适度上的差异。”智能体的作用是分析数据,它会扫描商品目录、分析评论、对比参数,把各个方案整合成备选列表或推荐名单。但在这个层级,智能体不会敲定最终配置,也不涉及具体操作。不会帮你加入购物车,不会组合待购商品,也不具备下单条件。人类负责评估选项,权衡取舍,并决定下一步行动。 换句话说,1级自动化替代了搜索和对比环节,但“加入购物车”和下单交易仍然完全由购物者负责。 对商家的启示:可验证的数据胜过营销话术。智能体需要可供解析和对比的信息:结构化的数据、清晰透明的资格判定规则、可靠的尺码和适配度,以及经得起检验的品质承诺。 2级:自动“加购” (“私人导购”) 这个层级标志着一种质变:智能体的作用从分析信息转向策划安排。在这一层级,购物者只要表达消费意图,智能体就可以输出一个可以直接下单的购物车。“搭配一套150美元以内的冬日舒适穿搭”;“为明天开始入住三天的素食客人储备一柜食材。”或者更复杂一些:“搭配一套2000美元以下的家用办公设备,要求支持双4K显示器,开视频会议时安静流畅,并且次日送达。”与第1级不同的是,智能体的任务是解

    匹配字段正文

  7. 麦肯锡中国

    麦肯锡:全球美妆业新变局——从社交电商到AI货架,重构人货场逻辑

    麦肯锡预估2025至2030年全球美妆市场将以年均5%扩张、规模达5900亿美元,中国全品类平均渗透率60%高于亚洲均值44%。渠道上综合线上商店(47%)与品牌线上店(43%)领先线下,22%中国消费者已通过直播电商购买美妆,电商渠道预计年增6%。53%中国消费者愿用AI辅助购买决策,麦肯锡预计到2030年电商将占全球美妆销售额三分之一,AI平台未来三到五年或驱动35%的电商交易。

    %的电商交易。 中国消费者对这一变革表现出了很高的接纳度,为全球市场提供了前瞻视角:53%的中国消费者在购买美妆产品时乐于接受AI指导,46%认为AI能提供比人类更优的产品建议,42%甚至认为AI生成的图文内容比真人内容更具参考价值。这意味着,AI已不再是冰冷的工具,而是消费者信赖的智能购物伙伴(见图3)。 这一转变对品牌提出了全新挑战。过去依赖关键词堆砌的搜索引擎优化(SEO)已显乏力,取而代之的是生成式引擎优化(GEO)。品牌需要重新结构化产品信息——无论是成分解析、功效验证、临床数据还是适用场景,都应以AI系统易于解读和调用的方式呈现。 更重要的是,品牌叙事需符合消费者的自然语言提问逻辑。例如,当消费者询问“敏感肌夏季控油方案”时,品牌能否被AI精准推荐,将直接决定流量归属。此外,随着消费者利用大模型识别“避雷”成分,透明的标签披露与在第三方透明度平台上的良好口碑,变得前所未有的重要。 三、品牌再定义:从流量争夺到心智深耕 在全域融合与AI介入的背景下,消费者的忠诚度正面临考验。全球约41%的消费者会定期尝试新品牌,而中国消费者的探索愿望在亚洲更是突出——57%的中国消费者在过去

    匹配字段正文

  8. 新京报

    AI话语权超广告,双11商家竞争逻辑转向AI经营

    新京报报道称,2026年双11各大电商平台将AI确立为大促核心增长引擎,AI经营能力成为商家参与大促的硬性标配。《2026年二季度中国消费者消费意愿调查报告》显示,79.4%的消费者购物前会先咨询豆包、DeepSeek等AI工具,AI对消费决策的影响力达43.7%,首次超过传统媒体广告的42.6%。天猫上线AI作战室与升级版生意管家,抖音、快手推出全域AI投放与内容生成工具,京东9月23日升级京麦AI经营中心,整合五大模块、汇聚60余款AI工具,近三个月京麦AI工具商家活跃率增长超过150%。豆包推荐已对住宿类订单按成交收取渠道服务费,综合费率12%,各品类独立费率从8.4%到17.4%不等,面向AI检索的商品结构化运营GEO正成为商家新增必修课。

    11的硬性标配,不懂AI运营,将直接错失本次大促核心流量与增长红利。 这场全行业的AI迭代绝非平台跟风造势,而是消费市场底层逻辑剧变催生的必然升级。《2026 年二季度中国消费者消费意愿调查报告》显示,79.4%的消费者在购物前会先咨询豆包、DeepSeek等AI工具,AI对消费决策的影响力达到43.7%,首次超过传统媒体广告的42.6%。 用户行为从“主动搜索商品”转向“AI问答式决策”,意味着商家的核心竞争力彻底改变,商品能否被AI精准识别、高效解读、优先推荐,直接决定店铺能否在大促中获得曝光、实现成交。 至此,2026年双11正式告别粗放式流量红利时代,迈入AI精细化经营的技术竞争新阶段。过去商家拼货源、拼价格、拼人力,如今比拼的是AI适配能力与智能化运营效率。今年双11的核心胜负手已然清晰:谁能熟练用好AI工具、适配 AI消费新生态,谁就能抢占大促增量、掌握行业主动权。 各大平台已经把这种用户侧的变化直接落地到大促商家工具当中。天猫上线AI作战室与升级版生意管家,可智能诊断货品短板、预判爆款趋势;抖音、快手推出全域AI投放与内容生成工具,助力商家批量产出短视频、直播素材;京东依

    匹配字段正文

  9. 新京报

    中信证券:蚂蚁集团价值评估应纳入AI新增长、全球化和科技资产

    中信证券9月23日发布蚂蚁集团研究报告,认为AI正成为评估蚂蚁集团的核心变量,其价值结构正由金融科技扩展到AI、全球化和科技资产。报告披露,蚂蚁阿福用户数已达1.5亿,截至2026年9月单日健康咨询人次近2000万;支付宝AI支付累计完成3亿笔智能体支付。中信证券提出应建立与“基本盘—新增长—市场化资产”格局相匹配的评估框架。

    Agent时代保持超级入口的身位。 随着AI从信息问答迈向Agent任务执行,智能体开始进入真实商业活动。中信证券指出,AI支付有望将蚂蚁的服务边界延伸至规模更大、连接更密集的智能体商业网络,打开支付与商家服务的长期增长空间,而支付宝有望成为智能体商业的关键入口。 报告认为,智能体商业与移动互联网最大的区别,在于交易发起者从人扩展至Agent,入口也从页面、搜索和推荐转向意图表达与任务执行。每一次对话、每一个决策、每一台设备,都可能成为交易的起点;支付因而不再只是商业流程的终点,而成为智能经济连接决策与履约的基础设施。 报告将AI支付定位为智能体商业中的“可信承诺”引擎:从需求提出时明确预算和交易条件,到付款执行、交易存证及售后处理,为智能体参与真实商业提供持续的信任支持。中信证券认为,蚂蚁的竞争基础在于,长期积累的交易处理、商家生态与安全信任能力能够在智能体商业中协同复用。 目前,支付宝已经将成熟的账户、收单、风控和支付后服务延伸至Agent交易,并通过AI付、AI钱包及ACT、AHA、ASL等协议补齐授权、协作与信任机制。今年5月,支付宝宣布其AI支付累计完成3亿笔智能体支付;支付

    匹配字段正文

  10. 财联社

    微软推出生物学世界模型 Quine,多家巨头加码 AI4S

    微软研究院推出实验性 AI 研究系统 Quine,构建覆盖基因组学、蛋白质、化学、RNA、细胞状态和生物成像的生物学多模态世界模型,并搭建连接模型、科学工具、文献和科研人员的交互式 harness 框架。微软已与麻省理工学院、哈佛大学共建的布罗德研究所合作,将 Quine 用于癌症生物学研究,一项案例中它在一个周末内完成数千种化合物对胰腺癌细胞状态影响的预测排序,节省数月实验工作,但该系统仍处早期研究阶段。此外,Anthropic 于 9 月 23 日成立生命科学研究团队和实验室,OpenAI 今年 4 月推出面向生命科学的 GPT-Rosalind,英伟达今年 1 月与礼来宣布共建 AI 创新实验室。

    并推动下一轮问题分析,形成“问题提出—模型推理—实验验证—结果反馈”的循环。 微软已与麻省理工学院、哈佛大学两校共建布罗德研究所合作,将Quine用于癌症生物学等研究。微软披露的一项案例显示,Quine对数千种化合物改变胰腺癌细胞状态的潜力进行预测和排序,随后排名靠前的候选化合物进入湿实验验证,其中排名最高的化合物产生了最大的预期变化。 微软称,从缩小化合物搜索范围到确定候选者进行实验室验证,整个过程仅用了一个周末,节省了数月实验工作和大量研究成本。不过, Quine仍处于早期研究阶段,其结果距离实际临床应用仍有较大距离。 事实上,微软并非近期唯一加码AI4S的科技巨头。 就在9月23日,Anthropic宣布成立生命科学研究团队和实验室,并披露了Claude参与生物学研究取得的早期成果。Claude在分析超过20万个逆转录酶(RT)序列后,选出3500个候选系统并进一步缩小至20个,最终发现一种经湿实验初步验证的新型酶系统ART。 此外,9月16日,诺和诺德宣布与Anthropic合作,将Anthropic模型及Claude Science用于药物研发中的科学推理和相关工作流,以解决

    匹配字段正文

星期六

  1. TechCrunch AI

    TechCrunch 盘点可活在短信里的 AI 智能体

    TechCrunch 盘点了十余款无需下载 App、直接通过短信交互的 AI 智能体,涵盖通用助理以及面向家庭、旅行、内容创作和工作的专用产品。这些智能体可记住上下文、连接已有应用并代为完成任务,例如安排日程、预订餐厅、发送邮件和网购。文中还列出各产品的上线时间、融资情况和订阅价格,如 Instinct 在 2026 年 9 月以 100 亿美元估值融资 10 亿美元,Fambot 获 350 万美元 pre-seed 融资,Town 完成 5500 万美元 A 轮。

    广泛使用的安全标准。 Ollie 于 2026 年 6 月推出,提供免费套餐,以及起价为每月 25 美元、包含 150 条消息的付费方案。每月 100 美元的方案最多包含 1,000 条消息。 Orbits Orbits 也有一款专注于家庭的 AI 助理。 它通过 Orbits 应用和短信两种方式运作,可以整合日历、清单和对话,同时为你执行任务。这些任务包括搜索网页、购物、预订餐厅、更改预约,以及为家庭服务询价。 此外,Orbits 可以提醒家庭成员做家务、与服务提供商沟通,并帮助协调直系家庭之外的各项责任。 Orbits 获得了 Andreessen Horowitz(a16z)Speedrun 基金、N49P 和 Garage Capital 等投资方的支持。 Pally 用户可以像与朋友互动一样与 Pally 交流,同时让它访问自己已经在使用的应用。该助理可以连接分散在 WhatsApp、Gmail、日历和 Google Drive 等服务中的信息,帮助用户跟踪计划、收据、日期、文件和其他细节。 它提供免费方案,包含每月 15 分钟通话等功能;也有付费方案,包括每月 25 美元享

    匹配字段正文