/
Anthropic产品负责人Cat Wu：AI未来将在你开口前就预判你的需求
Anthropic今年表现亮眼，估值有望达9500亿美元，超越OpenAI。其产品负责人吴凯特（Cat Wu）接受专访，分享了Claude的产品战略思路：团队专注于保持AI前沿能力，而非跟随竞争对手。她指出，AI代理管理是新兴核心技能，但人类仍需具备领域专业知识。展望未来六个月，她最期待的是AI的"主动性"——Claude将能理解用户工作习惯，自动设置相关工作流程，真正做到预判需求、主动服务。
Notion将工作空间升级为AI智能体协作中枢
Notion正式迈入智能体时代。这家以协作笔记应用著称的生产力软件公司，推出了全新开发者平台，支持自定义AI智能体扩展、外部智能体接入，以及跨数据库的多步骤自动化工作流构建。通过打造编排层，Notion不再只是带有AI功能的笔记工具，而是升级为人与智能体协同工作的核心基础设施平台，矛头直指主流工作流自动化平台市场。
加州大学戴维斯分校打造的AI"模型红娘"：从数十万个AI模型中为你找到最合适的那一个
这篇来自加州大学戴维斯分校等机构的研究（arXiv:2605.07075）提出了MODELLENS框架，通过从162万条公开评测记录中学习模型-数据集交互规律，无需在目标数据集上运行任何候选模型，即可从4.7万个AI模型中为新任务推荐最合适的候选池，在多个评测场景下超越现有方法，并将下游路由性能提升21%至81%。
苹果公司与俄亥俄州立大学联手：用"导航罗盘"训练AI写作，速度比原来快128倍还更准确
苹果公司与俄亥俄州立大学联合发布的TS-DFM研究，揭示了AI文本蒸馏训练中一个被长期忽视的瓶颈：不是学生模型能力不足，而是训练范例本身存在缺陷。通过引入导航罗盘在训练时筛选高质量中间轨迹点，TS-DFM让学生模型以8步推理超越原需1024步的教师模型，速度快128倍，且推理阶段零额外成本。
Android推出基于AI的"情境建议"功能，可从用户习惯中学习
谷歌正在Android系统中引入基于设备端AI的"情境建议"功能，通过分析用户的日常活动与位置数据，预测并提供个性化建议。该功能默认开启，运行于设备本地加密空间，数据不会上传至谷歌或第三方应用。目前该功能已在搭载Android 16及Google Play服务26.18版本的Pixel 10系列上开始推送，暂未覆盖旧款机型或Android 17 Beta版本。
深入现代汽车超级工厂：机器狗巡检焊缝，机器人军团重塑制造业
现代汽车集团斥资126亿美元在美国乔治亚州埃拉贝尔建造的"超级工厂"Metaplant，被称为北美自动化程度最高的汽车制造基地。工厂内850台机器人与300辆无人导引车协同运作，波士顿动力的机器狗Spot负责检测焊接缺陷，人形机器人Atlas也即将投入使用。工厂年产能50万辆，目前仅需1340名工人即可维持两款Ioniq车型的连续生产，同时规划2030年实现100%可再生能源供电。
无人机竞速识别并扑灭野火，XPrize大赛激战正酣
XPrize基金会发起野火扑救竞赛，吸引包括马里兰大学Crossfire团队在内的13支队伍参与半决赛。参赛团队需在10分钟内，于1000平方公里复杂地形中定位并扑灭火源，优胜者将获350万美元奖金。各团队普遍采用无人机结合AI图像识别技术，实现火情探测与抑制。Crossfire团队利用水气球空中引爆技术，大幅提升灭火精准度与用水效率，为野火应急响应提供新思路。
Intrinsic首席产品官Stefan Nusser：传统自动化"成本过高且过于僵化"
Alphabet旗下机器人公司Intrinsic首席产品与商务官Stefan Nusser指出，传统工业自动化模式在高混合、小批量生产环境中愈发难以为继。Intrinsic正构建一套软件平台，通过AI与机器视觉赋予工业机器人更强的适应性，将自动化投资周期从单一产品延伸至7至10年的硬件使用周期。与富士康的合作验证了AI驱动自动化的大规模落地可行性，未来工厂或将向软件定义的柔性生产模式演进。
人工智能需求持续增长，助推思科业绩再超预期
思科系统本季度调整后每股收益1.06美元，高于华尔街预期的1.04美元；营收同比增长12%至158.4亿美元，超出市场预期。净利润达33.7亿美元，同比大幅提升。CEO罗宾斯透露，公司今年来自AI基础设施领域的订单已达53亿美元，全年预计超90亿美元。与此同时，思科宣布裁员不足4000人，并完成对以色列网络安全公司Astrix Security及AI可观测性初创公司Galileo Technologies的收购。
Alexa接替Rufus，成为亚马逊全新AI购物助手
亚马逊正式推出"Alexa for Shopping"，取代原有的AI购物助手Rufus，面向全美用户开放。新功能融合了Rufus的商品专业能力与Alexa Plus的个性化推荐，支持比价、价格追踪、历史价格查询、定期购买提醒等功能。用户无需Prime会员资格，登录账号即可免费使用，覆盖Amazon购物App、网页端及Echo Show设备。此外，Alexa还可通过"Buy for Me"功能帮助用户在第三方零售网站完成购买。
Zopa携手22家合作伙伴正式推出金融行业AI技能培训计划
英国金融科技公司Zopa银行联合信用评级机构ClearScore，携手22家合作伙伴共同发起"Jobs2030"计划，旨在为英国金融行业员工提供免费AI技能培训。该计划目标是到2030年完成10万名金融从业者的AI技能培训，预计首年覆盖6000至8000人。课程涵盖生成式AI应用、智能编程、客服AI工具使用等模块，通过Zenarate平台结合Gemini、ChatGPT、Claude等主流大模型开展教学。
思科裁员近4000人：AI与网络业务强劲增长下的战略调整
思科宣布将在第四季度裁减不足4000名员工，占总员工人数不到5%。尽管第三季度营收创纪录达158亿美元，同比增长12%，但公司表示将战略性地将资源集中于硅芯片、光学、安全及AI领域。AI基础设施订单从去年6亿美元跃升至19亿美元，全年预计达90亿美元。企业数据中心交换机订单同比增长超40%，校园网络订单创历史新高。
谷歌与SpaceX洽谈将数据中心送入轨道
据《华尔街日报》报道，谷歌与SpaceX正就在太空建设轨道数据中心展开谈判。此次合作洽谈恰逢SpaceX筹备今年高达1.75万亿美元的IPO，同时也是SpaceX收购xAI后积极扩展算力布局的重要举措。谷歌亦在与其他火箭发射公司接触，并计划于2027年前发射原型卫星。不过，有分析指出，综合卫星建造与发射成本，轨道数据中心目前仍远比地面数据中心昂贵。
Horse Powertrain在斯科夫德工厂部署AI视觉检测系统实现发动机质检自动化
Horse Powertrain旗下Aurobay Technologies部门已在瑞典斯科维德发动机生产工厂部署西门子Inspekto视觉检测系统。该AI驱动系统通过协作机器人上的视觉摄像头，在数秒内完成缺陷分析，取代了原有的人工检测流程。系统兼容塑料、金属等多种材料，无需机器视觉专业经验即可操作，安装后两小时内即可投入使用，并可灵活部署于产线各环节。
软件开发者转型为AI代码审查者，生产力衡量标准面临重构
AI编程正在重塑软件开发角色，但传统代码行数已不再是衡量开发效率的有效指标。AI软件交付平台Harness对美英印法德五国700名开发者的调查显示，89%的受访者认为生产力指标有所提升，但81%表示花在审查AI生成代码上的时间明显增加。平均而言，开发者每天有31%的时间用于AI相关的"隐性工作"，却未被纳入考核。96%的受访者对用AI数据评估个人绩效表示担忧。
从谷歌AI发展历程预判Google I/O 2026走向
谷歌过去一年在AI领域全面发力：Gemini 3凭借领先能力赢得苹果青睐，图像与视频生成模型持续迭代，智能眼镜与Pixel 10等AI硬件加速落地，搜索、文档、邮件、地图等几乎所有软件产品均深度集成Gemini。随着I/O 2026临近，谷歌在智能体AI、创意媒体生成及个性化搜索等方向的新动向值得期待。
iPhone 20无边框屏幕或存在画面失真问题，苹果2028年计划改进
韩国供应链报告显示，苹果计划在2027年iPhone 20周年纪念版上采用四边弯曲无边框显示屏，但现有技术存在画面失真风险。三星和LG均已备产相关面板。报告指出，2027款将使用镁银合金阴极层，可能出现失真问题，计划于2028款改用氧化铟锌（IZO）透明电极加以解决。目前该报道内容前后存在矛盾，可信度有待进一步观察。
Android 2026 AI 全面升级：Gemini 智能体自动化、AI 小组件功能详解
谷歌将在I/O大会前提前披露Android AI新功能。未来数月，Android将在Gemini Intelligence品牌下推出更多AI特性，包括跨应用自动化操作、AI驱动的自动填表功能，以及全新的"Create My Widget"AI生成小组件。其中，跨应用自动化支持外卖、购物、打车等场景；Auto Browse功能将于6月底登陆Android 12及以上设备；AI小组件支持自定义提示词创建，并兼容Material主题与自由缩放。
阿里巴巴、人大、清华联手打造"舞蹈AI导演"——让音乐自动生成高质量舞蹈视频的系统来了
MACE-Dance是由阿里巴巴AMAP、中国人民大学、清华大学等机构联合开发的音乐驱动舞蹈视频生成系统（arXiv:2512.18181）。它将任务拆分为两个专家模块：Motion Expert负责从音乐生成三维舞蹈动作，Appearance Expert负责将动作渲染到参考人物图片上生成视频，在三维舞蹈生成、姿态驱动动画和最终视频生成三项任务上均达到当前最优水平。
图像分类AI的"地图"里到底有没有"洞"？图宾根大学团队用数学方法给神经网络做了一次拓扑体检
这项来自图宾根大学的研究（arXiv:2605.06380）探索了图像分类AI决策区域的拓扑性质，具体研究决策区域是否"单连通"，即区域内的封闭圆圈能否被填满而不越出同类别区域。研究团队提出了一套自适应四边形网格填充方法，在六种主流模型和6000个测试圆圈上均取得100%成功率，为AI决策区域的全局拓扑完整性提供了系统性实证支持。
京公网安备 11010802021500号
