/
福特对AI失望，重新雇用350名经验丰富的工程师
据彭博社报道，福特汽车因AI和自动化质量控制系统未能达到预期效果，决定重新招募约350名经验丰富的工程师。福特硬件开发负责人Charles Poon坦言："我们误以为只需引入AI并输入设计要求，就能生产出高质量产品。"这批被内部称为"灰胡子"的老将工程师，将负责在零部件进厂前识别缺陷。福特表示不会完全放弃AI，这些老工程师同时将协助培训年轻员工并优化AI工具。
大语言模型助力机器人理解模糊指令并聚焦关键细节
麻省理工学院CSAIL研究人员开发了"Masked IRL"方法，利用大语言模型（LLM）帮助机器人理解模糊操作指令。该系统通过两个LLM协同工作：一个将模糊提示转化为具体描述，另一个筛选环境中的关键信息并忽略无关细节。相比基准方法，Masked IRL所需演示数据减少近五倍，任务偏好识别准确率提升最高15%，已在真实机械臂上验证有效性，相关成果将于2026年IEEE机器人与自动化国际会议上发表。
Excel中的Copilot新增技能功能与更强管控能力
微软持续推进Excel中的生成式AI功能，新增"技能"（Skills）特性，允许用户定义Copilot可执行的流程，如现金流分析、差异分析等。同时推出"计划"（Plan）模式，让用户在AI操作电子表格前可审批、编辑或提问，提升对输出结果的控制力。Copilot还支持接入Moody's、CB Insights等第三方数据平台。自定义技能现已通过Insider渠道开放，下月正式上线。
AI真的能为你的脸型推荐完美发型吗？
AI发型推荐工具正在改变美发行业的客户沟通方式。用户只需上传几张自拍，系统便能通过面部特征检测，快速识别脸型并推荐匹配发型。这类工具在视觉呈现上已相当逼真，有助于消除客户对改变发型的恐惧。然而，AI无法感知发质密度、生长方向、自然卷曲等物理特性，也无法评估染发史带来的化学限制。专业发型师建议：将AI生成图视为灵感参考，而非执行蓝图，最终结果仍取决于理发师的专业判断。
我用AI编写4700行代码，两天内击退WordPress垃圾邮件大规模攻击
作者的WordPress网站遭遇大规模垃圾注册攻击，数据库膨胀至3.9万用户账号、72万条元数据记录，托管商发出警告。作者联合Claude Cowork与OpenAI Codex展开反击：用Claude诊断漏洞、分析数据库，用Codex编写修复代码。整个周末投入约20小时，新增4700行代码，修补8处注册漏洞，构建多阶段垃圾账号清理工具，最终删除逾1.5万个垃圾账号，成功恢复网站正常运行。
麻省理工学院媒体报道：好奇心驱动的科学研究是美国成功的关键要素
《科学美国人》发布特别专题"美国青年科学家"，聚焦MIT教职人员、学生及校友对基础科研的坚守。MIT校长Sally Kornbluth强调，投资美国科学是有历史保障的事业，而非赌博。专题涵盖脑芯片疗法、核聚变商业化、AI语言模型优化等前沿研究，同时多位教授对联邦科研经费削减表达了担忧，认为基础科学的持续投入对国家经济与社会发展至关重要。
从传统CRM迈向智能化客户互动的转型之路
生命科学企业在全渠道战略和AI平台上投入巨大，但成效往往不尽如人意。问题根源不在于技术本身，而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段，原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型，企业需优先建立统一的数据基础和跨团队协作机制，并将AI能力嵌入日常工作流程，而非将其视为独立模块。
遗留系统与数据缺口制约香港企业财资中心发展
香港金融科技协会与FinStep Asia联合发布报告指出，遗留系统、数据碎片化、网络安全风险及端到端整合薄弱，是香港企业资金管理转型的主要障碍。报告建议，AI、云计算、API、区块链及代币化等技术可提升资金运营效率，但需配套完善的数据治理基础。香港政府已推出行动计划，通过税务改革和人才培育吸引跨国企业资金管理业务落户。
Anthropic推出专为制药研究人员设计的Claude Science
Anthropic正式推出Claude Science，这是一款专为生命科学研究人员设计的AI工作台，目前处于测试阶段。该平台内置逾60项功能，涵盖基因组学、蛋白质组学、结构生物学等领域，支持研究人员在统一环境中调用数十个数据库与分析工具。据称，该工具可将部分药物设计流程提速10倍。Anthropic同时宣布提供最高3万美元使用积分，申请截止日期为7月15日。
Albertsons借助Databricks构建零售商品智能决策平台
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台，整合产品、定价、促销与陈列等决策功能，目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据，通过Unity Catalog与AI Gateway实现数据治理，并借助AI智能体Genie支持自然语言查询，帮助商家洞察销售趋势，提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
AI编程Token成本将与开发者薪资持平，企业如何应对？
Gartner预测，未来两年内，企业为开发者AI Token使用所支付的费用可能赶上甚至超过软件工程师的月薪。随着生成式AI和智能代理工具的普及，加之厂商转向基于消耗量的许可模式，Token成本正急剧攀升。Gartner建议企业建立完善的治理框架，设置Token使用阈值，推行上下文工程优化，并根据任务复杂度合理选择模型，在不牺牲AI价值的前提下有效控制成本。
调整GPU时钟频率可将大语言模型训练能耗降低14%
荷兰特文特大学研究团队发现，通过动态电压与频率调节技术（DVFS），在大语言模型训练过程中按GPU内核级别精细调整时钟频率，可在几乎不影响训练速度（仅慢0.6%）的前提下，节省高达14%的能耗。相较于此前按迭代阶段调频的粗粒度方案，该方法将调频精度细化至单个计算内核级别，显著提升了节能效果。团队目前正在开发可自动实现最优频率调节的工具。
在Pixel上加速Gemini Nano模型的冻结多Token预测技术
谷歌推出一种创新方法，将多令牌预测（MTP）技术嵌入已冻结的Gemini Nano v3生产模型，无需训练独立的草稿模型。该技术通过共享主模型的KV缓存，实现零拷贝架构，减少内存占用达130MB。在Pixel 9设备上，与独立草稿器相比，推理速度提升50%以上，同时降低能耗。目前已应用于AI通知摘要和文本校对等功能。
我同时在用两个Siri，苹果涨价让更多人面临同样困境
作者目前同时使用两种Siri：iPhone上运行iOS 27 beta的智能Siri AI，以及HomePod上的经典Siri，两者交互方式截然不同。新版智能Siri暂不支持所有设备，包括现有Apple TV 4K。苹果虽计划将Siri AI引入HomePod和Apple TV，但近期对相关硬件大幅涨价，让设备升级成本远超预期。
CIO如何弥合管理层AI热情与员工抵触情绪之间的鸿沟
调查显示，48%的Z世代员工认为AI风险大于收益，而73%的AI专家持乐观态度，两者之间存在巨大落差。CIO在推动企业AI落地时，需正视员工对岗位安全、工作强度及环境影响的顾虑。本文从使用数据监测、员工沟通机制、内部倡导者培育等角度，探讨CIO如何在满足董事会期望的同时，缓解员工焦虑，避免因强推AI而引发人才流失或工具闲置的双重风险。
挪威医院如何在不增加人手的情况下提升手术室产能
挪威洛维森堡女执事医院在不增加人员编制的前提下，通过引入AI驱动的手术排程系统，成功将手术完成量提升21%，并显著减少了加班情况。该系统与医院现有电子病历基础设施集成，能够处理复杂的排程变量，包括人员配置、手术室利用率和床位容量等。该方案由临床人员全程参与共同开发，有效释放了医院现有产能，为欧洲各地面临类似挑战的医疗机构提供了可借鉴的路径。
Arbor：为AI编程智能体构建持久性假设树
来自中国人民大学高岭人工智能学院与微软研究院的研究人员联合提出了一种名为Arbor的"持久化假设树"系统，旨在解决AI编程智能体因上下文窗口重置而导致研究成果丢失、重复试错的问题。Arbor通过长生命周期协调器管理整体研究策略，短生命周期执行器并行测试不同假设，实验结果持续更新树结构。测试显示，Arbor在相同资源预算下，性能表现比标准AI编程智能体提升2.5倍。
AI浪潮下，初级技术岗位正在加速消失
据SignalFire最新报告，主要科技公司（如微软、谷歌母公司Alphabet、亚马逊）对入职不足一年员工的招聘量，相较2019年基准下降了65%，远超同期整体25%的招聘收缩幅度。随着AI工具普及推动组织架构扁平化，这一趋势自2022年起明显加速。企业越来越青睐具备业务判断力与经验的成熟人才，但专家警告，若忽视对初级人才的培养，将威胁未来技术人才的供给。
Gartner：优先完善AI治理，破解行业泡沫迷局
Gartner分析师在悉尼数据与分析峰会上指出，尽管近八成企业正在加大AI投入，但若缺乏清晰目标与有效治理，投资将难以转化为业务价值。研究显示，对数据管理、治理与人才等基础工作投入更多的企业，AI成果满意度显著更高。Gartner建议企业将现有风险、数据与网络安全治理团队整合为统一的AI治理机构，并将治理理念从合规导向转变为业务价值加速器，同时加大人员培训投入，构建人机协作的融合型团队。
AI编程智能体配置文件存在"异味"问题，影响代码开发效率
巴西米纳斯吉拉斯联邦大学研究人员发现，用于指导AI编程智能体（如Claude Code、Codex等）的配置文件普遍存在"代码异味"问题。在100个热门开源项目中，91个含有至少一种异味，包括冗余规则（Lint泄漏）、上下文膨胀、技能泄漏、指令冲突、初始化固化和盲目引用等六大类型。这些问题会浪费token、增加成本并降低智能体可靠性。研究人员建议定期审查并精简配置文件以提升效果。
京公网安备 11010802021500号
