2016年9月8日,英特尔与福建升腾资讯有限公司携手,推出金融柜面专用可信智能终端(Trusted Smart Terminal),致力于通过智能O2O让金融服务更贴心。作为连接客户的纽带和桥梁,银行柜面是金融服务的“最后一公里”,体验品质通过客户的口碑传播,最终关系银行的生存与发展。英特尔与升腾推出的可信智能终端,助力银行业可信计算生态环境打造,提供更为便捷、高效、可靠的金融服务,全面提质增效,提升竞争力。
英特尔携手升腾共同推出金融柜面可信智能终端
提升银行服务效率、优化服务体验,这是英特尔与升腾此次合作推出新款瘦客户机的愿景。目标的达成源自内在的实力,这款可信智能终端业界领先、性能卓越、可靠易用,通过提升“内涵”以满足银行不断增长的应用需求。基于Skylake微处理器架构的第六代智能英特尔酷睿处理器以及英特尔博锐技术为其高性能提供关键支持,它具备很强的可管理性、可扩展性并且可靠易用:采用嵌入式操作系统,可根据客户需求,进行灵活定制开发,并具有系统自主还原保护和快速一键还原功能;采用升腾桌面管理系统轻松进行统一管理,结合AMT主动管理技术,实现设备非开机状态下的运维工作,并支持对安全芯片的管理、平台密钥的集中管控和数据恢复工作。这款可信智能终端是自主研发设计、生产,并通过各种软硬件技术对平台进行加固,确保产品供应链的可控。
基于第六代智能英特尔酷睿处理器的金融柜面专用可信智能终端(Trusted Smart Terminal)
推出这款产品,是英特尔与升腾把握需求变化、着眼未来趋势的创新之举。当下,智能化浪潮势不可挡,各行各业都以自己的方式拥抱变革。对于银行业而言,在向智慧银行转型的过程中,对智能设备的需求越来越多,通过“科技+金融”,提升业务办理效率,优化客户体验,让客户更舒心、更满意。同时,随着银行专用网与互联网的进一步交互,病毒、木马等严重威胁着金融数据和系统的安全,可信计算应运而生,变消极被动的封堵查杀为计算机的主动免疫。而据 IDC 预测,到 2020 年中国瘦客户机市场的年复合增长率可以继续维持在 4% 以上,瘦客户机的市场前景非常乐观。
“智慧银行正在成为现实,人们将更多、更好地体验到智能设备带来的便利。”英特尔公司物联网事业部零售平台市场总监 Alec Gefrides 表示,“智慧银行系统需要大量的信息技术和产品,作为跨越无数创新领域的驱动者,英特尔把智慧银行作为重要发展领域,将不断以自己的技术创新、产业合作推动智慧金融的发展。”
作为中国瘦客户机市场的引领者,福建升腾资讯有限公司总裁郑宏表示:“变消极被动的封堵查杀为计算机的主动免疫,这样的可信智能终端产品是新一代瘦客户机的发展趋势。升腾始终以创新的眼光和技术推动行业发展,将持续加强与英特尔的合作,洞察市场需求,力推技术创新,为智慧银行的发展不断提供新的动力。”
智慧银行大势所趋,智慧金融势在必行,英特尔将与产业伙伴一起,通力合作、持续创新,助力传统金融业转型,让银行与客户在“最后一公里”实现共赢。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。