人工智能 关键字列表
AI正在终结传统营销模式:下一个时代将会如何?

AI正在终结传统营销模式:下一个时代将会如何?

AI正在彻底改变营销行业。IDC预测到2028年,五分之三的营销功能将由AI处理。传统搜索引擎优化正被"生成式引擎优化"取代,品牌需要在AI回答中被提及而非仅仅排名靠前。AI代理将实现自主商务交易,营销、销售和客服边界正在消失。78%的营销人员预计三年内四分之一的工作将被自动化。品牌实力和第一方数据成为关键资产,企业必须重新构想AI中介世界中的客户关系。

HPE全面押注智能体AI技术变革企业运营

HPE全面押注智能体AI技术变革企业运营

HPE在2025年Discover大会上发布GreenLake Intelligence代理式AI框架,将AI代理集成到网络、存储管理等各个系统中。虽然被称为"自主式",但仍需人工监督决策。HPE高管表示,在明确定义的单一领域内AI代理已实现自主运行,但企业全面自主化仍需时间。此外,HPE还发布支持英伟达Blackwell GPU的新硬件系统,扩大AI工厂联盟合作。

谷歌发布可在机器人本地运行的新Gemini模型

谷歌发布可在机器人本地运行的新Gemini模型

谷歌DeepMind发布了名为Gemini Robotics On-Device的新语言模型,可在机器人上本地运行任务而无需互联网连接。该模型基于3月发布的Gemini Robotics模型构建,能够控制机器人动作,开发者可通过自然语言提示进行控制和调优。谷歌称其性能接近云端版本,在演示中展示了机器人执行拆袋和折衣等任务。

情感智能成为AI发展新赛道,新数据揭示语言模型发展趋势

情感智能成为AI发展新赛道,新数据揭示语言模型发展趋势

AI发展重心正从逻辑推理转向情感智能。开源组织LAION发布EmoNet工具套件,专注于语音和面部情感识别。研究显示主流AI模型在情感智能测试中已超越人类表现。这一转变旨在让AI助手更好理解和处理人类情感,但也带来操控风险。专家认为情感智能既是挑战也是解决方案,关键在于训练过程中的平衡把控。

Pythagora推出专业AI代理团队革新情感编程体验

Pythagora推出专业AI代理团队革新情感编程体验

创业公司Pythagora发布全新AI编程平台,通过14个专业AI代理实现从前端到后端的全栈应用开发。该平台支持开发者和非技术用户仅通过自然语言提示创建应用程序,涵盖规划、编码、测试、调试和部署全流程。与传统AI编程工具不同,Pythagora提供端到端解决方案,AI代理可自动处理前后端开发、API连接、数据库管理等任务,并具备专门的调试功能,让用户无需实际编写代码即可创建完整应用。

AI初创公司Context携手高通推出智能代理自动驾驶系统

AI初创公司Context携手高通推出智能代理自动驾驶系统

Context公司推出AI驱动的自动驾驶平台,可同时启动数千个AI代理执行深度研究、数据分析和报告生成等工作。该公司与高通建立战略合作,支持AI代理在骁龙神经处理单元上本地部署,实现在用户个人电脑而非云端运行的AI自动化。平台类似中国AI平台Manus,通过大语言模型执行复杂任务,包括企业搜索、代码解释、文档生成等应用,已完成1100万美元种子轮融资。

每位首席信息安全官必须回答的十个网络安全关键问题

每位首席信息安全官必须回答的十个网络安全关键问题

随着CISO地位和责任的提升,首席安全官角色变得更加复杂。除了持续评估安全态势外,现代CISO还必须与业务保持一致,支持关键业务目标。面对个人责任风险,CISO需要不断评估安全技术栈、团队文化、业务状态和方向。本文汇总了安全领导者必须回答的10个紧迫问题,涵盖业务促进作用、风险平衡、董事会沟通、技术风险传达、团队授权、客户需求、数据位置、AI影响和未来威胁等关键领域。

前沿模型推动人工智能边界突破

前沿模型推动人工智能边界突破

前沿模型代表了最先进的AI系统,具有多模态、零样本学习和智能体行为等关键特征。OpenAI的GPT-4o和谷歌的Gemini 1.5等为典型代表。专家指出,这些模型需要大量资源投入,在质量与成本之间寻求平衡。基准测试虽然重要但存在局限性。未来发展方向包括AI智能体、跨学科技术和非Transformer架构。预计十年内,前沿模型将成为无处不在的后台智能体,通过语音、视觉和情感等多种方式与人类自然交互。

Salesforce发布Agentforce 3,支持AI智能体可观测性和MCP协议

Salesforce发布Agentforce 3,支持AI智能体可观测性和MCP协议

Salesforce发布Agentforce 3平台重大升级,新增指挥中心提供AI智能体实时性能监控,支持MCP开放标准实现与数百种企业工具无缝集成。数据显示AI智能体使用量六个月内激增233%,超8000家客户部署该技术。百事可乐等全球企业已将其深度集成到业务运营中。新版本还提供50%更低延迟、增强安全性和200多个预配置行业操作模板,帮助企业快速部署功能性AI智能体。

MIT新框架让AI模型具备自我学习和持续适应能力

MIT新框架让AI模型具备自我学习和持续适应能力

MIT研究人员开发出自适应语言模型(SEAL)框架,让大型语言模型能够持续学习并通过更新自身内部参数进行适应。SEAL教会模型生成自己的训练数据和更新指令,永久吸收新知识并掌握新任务。该框架采用双循环系统和强化学习算法,让模型学会创建个性化学习指南。在知识整合测试中准确率达47%,在少样本学习中成功率达72.5%。这对企业AI应用具有重要意义,特别适用于动态环境中的AI智能体,但仍存在灾难性遗忘等局限性。

亚马逊AI助手Alexa+用户突破100万,月费定价19.99美元

亚马逊AI助手Alexa+用户突破100万,月费定价19.99美元

亚马逊确认其升级版数字助手Alexa+用户数已超过100万。该服务由生成式AI驱动,目前仍处于邀请测试阶段,尚未公开发布。Alexa+提供更自然的对话交互、智能家居集成和AI扩展功能,早期访问期间免费使用,正式发布后Prime会员免费,非Prime用户每月收费19.99美元。用户反馈不一,但亚马逊表示已推出近90%的预告功能。

Salesforce发布Agentforce 3,提升AI智能体可见性和连接性

Salesforce发布Agentforce 3,提升AI智能体可见性和连接性

Salesforce发布Agentforce 3,这是其企业级人工智能产品的重大升级,新增AI代理观察和控制功能。该平台帮助企业构建、定制和部署生成式AI代理,自主辅助员工工作。新版本推出命令中心,提供完整的可观察性和模型上下文协议支持,实现与其他代理和服务的即插即用兼容性,并新增100多个预构建行业操作,加速标准化AI代理部署。

Grok将推出电子表格编辑功能挑战微软谷歌

Grok将推出电子表格编辑功能挑战微软谷歌

泄露代码显示xAI正在为Grok开发高级文件编辑器,支持电子表格功能。该功能允许用户在编辑文件的同时与Grok对话并获得AI助手支持。这标志着xAI正努力与OpenAI、谷歌和微软竞争,将AI副驾驶嵌入生产力工具中。此举可能是马斯克将X打造成集文档、聊天、支付和社交媒体于一体的"超级应用"计划的重要一步。

智能芯片如何解决AI能耗危机

智能芯片如何解决AI能耗危机

随着AI发展推动数据中心能耗激增,预计2030年将增长160%,微软等科技巨头甚至重启核电站以满足算力需求。然而,真正的解决方案可能不是更大的基础设施,而是更智能的芯片。以色列初创公司Proteantecs通过芯片遥测技术,已帮助大型数据中心降低14%的AI服务器功耗。Arm公司专注于能效架构设计,而Cadence则利用AI设计更智能的硅芯片。这些技术代表了AI基础设施的新层次,通过智能设计和实时监控回收每一瓦特能耗。

谷歌为Chromebook带来全新Gemini功能,首推设备端AI

谷歌为Chromebook带来全新Gemini功能,首推设备端AI

谷歌为Chromebook推出多项AI新功能,包括图像生成、文本摘要等内置系统功能。配备现代CPU和8GB以上内存的Chromebook Plus设备将获得Lens视觉搜索、Quick Insert图像生成、Help Me Read文档摘要等功能。联想Chromebook Plus 14搭载MediaTek Kompanio Ultra处理器,支持50 TOPS AI算力,实现智能标签页分组和本地AI照片编辑等设备端AI功能,售价749美元。

欧洲半导体巨头加速应对AI能耗挑战

欧洲半导体巨头加速应对AI能耗挑战

在2025年格勒诺布尔Leti创新日大会上,能耗问题成为焦点。随着AI驱动计算需求激增,数据中心规模和能耗急剧膨胀,部分数据中心功耗将达500兆瓦。CEA-Leti启动Resolve计划,目标到2032年实现能效提升1000倍。大会展示了3D集成、光子互连等节能技术,以及无PFAS芯片制造方法。业界呼吁通过先进封装、宽禁带功率器件等实用技术,平衡AI发展与可持续性需求。

联想推出新一代AI优化数据中心系统

联想推出新一代AI优化数据中心系统

联想集团推出专为人工智能工作负载优化的数据中心系统产品组合。主打产品ThinkSystem SR680a V4计算设备集成近二十个处理器,推理工作负载运行速度比上一代硬件快11倍。该系统配备8块英伟达Blackwell B200显卡、6个英特尔至强6处理器,以及8个英伟达SuperNIC和BlueField-3 DPU。同时发布基于SR675服务器的两个系统和四个混合AI优势产品包,涵盖制造、酒店、安全和零售等应用场景。

AI系统现代架构优化的六大发展方向

AI系统现代架构优化的六大发展方向

随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。

Meta斥资143亿美元投资Scale AI强化模型训练

Meta斥资143亿美元投资Scale AI强化模型训练

Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。

认知负债并非不可改变的宿命

认知负债并非不可改变的宿命

MIT最新研究显示,过度依赖大语言模型的学生出现神经连接减弱、记忆衰退等"认知负债"现象。面对AI工具的普及,我们需要采用更明智的方法来平衡人机协作。文章提出"4A因子"框架:态度上明确使用动机,方法上协调价值观与算法,能力上培养双重素养,雄心上放大而非替代人类潜能。通过有意识的认知训练和混合智能模式,可以将短期便利转化为长期的创造力红利。