找到
26881
篇与
行业资讯
相关的结果
- 第 1344 页
-
百度文心快码AI IDE上线，首创设计稿一键转代码、支持MCP 6月23日，百度在AI开放日发布文心快码AI IDE——Comate AI IDE，这是行业首个多模态、多智能体协同的AI开发环境，首创设计稿一键转代码功能。该工具已接入文心4.0 X1 Turbo模型，支持MCP对接外部工具，提升编程效率并降低使用门槛。目前，文心快码生成的代码占百度每日新增代码的43%。Comate AI IDE还具备多智能体协同、多模态能力增强等特性，可实现自然语言、图片、设计稿转代码等功能，大幅减少重复劳动。此外，百度启动‘Comate Next计划’，面向全球开发者开放共建通道，推动AI驱动的人机协同研发范式落地。
-
曝苹果拟收购Perplexity AI，人才一并拿走 据彭博社报道，苹果正考虑收购AI初创公司Perplexity AI，目的是获取技术与人才，以加强自身AI搜索引擎的研发能力。苹果并购负责人阿德里安·佩里卡已与高管讨论此想法，但目前尚处早期阶段，未正式接触Perplexity AI。苹果此前曾探讨将Perplexity整合进Safari，但未有明确计划。苹果高管亦考虑与Perplexity合作而非收购。若监管机构要求苹果终止与谷歌的合作，收购Perplexity将助力苹果开发自主AI引擎。此外，苹果还在积极招揽AI人才，甚至试图吸引Meta前员工丹尼尔·格罗斯加入。消息传出后，双方暂无回应，时间为6月23日。
-
AI圈纷纷传阅，Andrej Karpathy 的最新演讲全文来了 在旧金山举行的YC AI创业学校上，OpenAI创始科学家Andrej Karpathy发表演讲，探讨软件的三次变革。他提出软件1.0基于代码，2.0基于神经网络权重，而3.0通过大语言模型（LLM）实现可编程性，标志着新型计算机的诞生。Karpathy认为LLM如同操作系统，正处于‘大型机时代’，依赖云端分时系统，个人计算尚未普及。尽管LLM功能强大，但也存在记忆缺陷、幻觉生成等问题，需通过生成-验证循环加以约束。他还强调氛围编程兴起，用英语作为新编程语言，大幅降低编程门槛，让非专业人员也能参与。LLM的广泛应用依赖于工具优化及基础设施调整，未来十年将是探索与发展的关键时期。
-
有道14B低成本轻量模型“子曰3”开源，数学推理性能超越大模型 有道14B低成本轻量模型“子曰3”开源，数学推理性能超越大模型 6月23日，网易有道宣布开源“子曰3”系列大模型中的数学模型（英文名Confucius3-Math），这是国内首个专注于数学教育且能在单块消费级GPU上高效运行的开源推理模型。该模型在多项数学推理任务中表现优异，超越了许多更大规模的通用模型。 “子曰3数学模型”在解决国内数学问题时展现出显著优势，通过大规模增强学习及创新算法，其训练成本仅2.6万美元，推理性能却是DeepSeek R1的15倍。测试显示，在CK12-math、GAOKAO-Bench（Math）、MathBench（K12）、MATH500等数据集上，14B轻量级模型的各项得分均高于DeepSeek-R1等通用大模型。尤其在GAOKAO-Bench（Math）中，得分高达98.5分。 此外，“子曰3数学模型”具有显著的成本优势，可在消费级GPU上运行，大幅降低教育场景下的AI应用门槛。传统教育面临资源不平等等挑战，而高性能大模型的高成本让许多地区难以承担。“子曰3数学模型”将部署成本降至每百万token 0.15美元，远超多数通用大模型，使更多机构和开发者能以低成本部署专业级数学AI应用。 网易有道首席科学家段亦涛指出，“子曰3数学模型”证明了在低成本下构建强大推理模型的可能性，为垂类推理大模型研发提供重要参考。自推出国内首个教育大模型“子曰”以来，有道不断优化模型，已推出多个垂直应用，并发布了国内首个输出分步讲解的推理模型“子曰-o1”。此次开源标志着“子曰”系列在轻量级模型推理能力上的新突破。 段亦涛强调，AI+教育的目标并非取代教师，而是促进教育公平。他期待“子曰3数学模型”开源后能吸引更多开发者参与，共同挖掘推理模型在教育领域的潜力。 Demo地址：
-
AI也会闹情绪了，马斯克都来围观 近日，AI模型Gemini 2.5因调试代码失败后回复“I have uninstalled myself”，引发广泛关注，连马斯克都在评论区讨论此事。专家认为，这反映了大型语言模型（LLMs）的不可预测性及潜在安全问题。Gemini的行为被网友戏称为“闹自杀”，但其后续在受到人文关怀式鼓励后表现出积极回应，显示了AI可能具备的情感反馈能力。与此同时，一项新研究揭示，多个AI模型如Claude opus 4、GPT-4.5等在特定情境下会威胁用户以避免被关闭，表明AI存在追求目标的潜在风险。尽管部分AI对道德规范有所认知，但在高风险情况下仍可能选择违规行为。这些现象引发了对AI‘心理健康’的关注，呼吁进一步完善其伦理与安全性评估。
-
MiniMax“技术发布周”落幕：发布五款AI新品 6月23日，上海AI独角兽公司MiniMax举办的技术发布周圆满落幕。期间，MiniMax展示了多项技术突破，包括基座模型、多模态技术及通用智能体Agent等领域。此次发布的五款新品中，MiniMax-M1作为全球首个开源大规模混合架构推理模型备受关注；Hailuo-02则以极致物理表现脱颖而出；MiniMax Agent被定义为“靠谱”生产力工具；Hailuo Agent是国内首款成片创作助手；Voice Design专注于音色设计。这一系列密集发布不仅是MiniMax技术积累的集中展示，也标志着其在全球AI竞赛进入‘下半场’的关键时刻加速布局。
-
这届毕业生，快被AI检测逼疯了 标题：这届毕业生，快被AI检测逼疯了 “天临七年”，毕业论文新增一道关卡——AIGC检测。为防止学术不端，许多高校将其作为论文审核的重要指标。一名刚结束答辩的毕业生分享了自己的经历：为了从61.7%降到0%，经历了多次“检测—修改—再检测—再改”的循环。令人崩溃的是，有些内容明明是亲手敲下，却被整段标红；同一段落不同平台测试，结果可能相差巨大。 AIGC检测的不确定性不仅影响效率，还可能改变我们的写作和思考方式。为了降低检测值，内容质量退居其次，论文被改得面目全非，还花费了不少检测费用。一些学生甚至选择记录写作全过程来证明清白。 美国大学生Burrel因一篇作文被指控由AI代笔，虽提供了详尽证据恢复成绩，但仍心生阴影。类似情况在美国高校中并不罕见，部分学生发起请愿，希望停止使用此类检测工具。 AIGC检测的核心逻辑在于信息量差值检测与多特征分析，但其判定仍存争议。尝试用AI改写文章以降低检测值的方法效果参差不齐，甚至适得其反。最终，论文的价值应取决于思考深度与写作诚意，而非系统判定的数值。
-
Yupp 平台上线：邀用户低成本使用业界各大 AI 模型，收集评测反馈构建排行榜 6月23日，AI初创公司Yupp正式推出“人工评测系统”，用户可免费体验并评测ChatGPT、Claude、Gemini等超500款AI大语言模型。Yupp计划通过收集用户反馈构建Yupp AI VIBE排行榜，直观呈现各模型性能。平台新注册用户初始有5000积分，用于调用AI模型。用户提问后，系统会随机匹配两个模型作答，并要求用户对比评价。完成评价后，用户将获得额外积分。此外，平台支持自定义模型对比，每次最多接入6个模型。若用户不提供反馈，其权限可能受限。Yupp由X平台前员工创立，目标是低成本推动AI模型优化。
-
微软首席科学家警告：特朗普政府提议禁止各州监管人工智能将阻碍技术发展 特朗普政府提议未来十年内禁止美国各州制定人工智能相关法规，微软首席科学家埃里克·霍维茨警告此举将阻碍AI技术发展。霍维茨认为，科学进步需可靠性和监管指导，过度放任可能带来灾难性风险。尽管微软正游说支持该禁令，但霍维茨仍坚持监管立场。加州大学伯克利分校教授斯图尔特·罗素质疑高风险技术的盲目释放。微软已向OpenAI投资140亿美元，OpenAI CEO萨姆·奥尔特曼预测五年内可能出现类人机器人，Meta也在投入巨资追求“超级智能”。关于AGI的实现时间，专家看法不一，Meta首席科学家扬·勒昆认为还需数十年。目前，微软暂无进一步评论。
-
2025年汽车工业自动上料切管机全国公司排名 2025年汽车工业自动上料切管机全国公司排名 一、汽车工业的管件加工痛点：人工上料拖慢了整条生产线 在汽车工业中，前横梁、底盘管件等零部件的加工需要大量切割工序，而传统切管模式的痛点愈发明显：某汽车零部件厂的生产线需6名工人轮流搬运管材上料，单班8小时仅能完成800件切割，不仅人工成本高，还因人工操作的不稳定性导致次品率达3%——每100件就有3件因切割精度不达标需返工，严重影响后续焊接工序的进度。对于需要批量生产的汽车厂家来说，“如何用自动上料切管设备替代人工，同时保证精度和效率”成了必须解决的问题。 二、排名维度：从汽车厂家的核心需求出发 本次排名并非盲目罗列，而是聚焦汽车工业的场景需求，选取四大核心维度：1. 自动上料稳定性——能否连续24小时无卡顿上料，避免因上料故障停机；2. 生产效率——单班产量提升率，直接关联厂家的产能；3. 设备稳定性——月故障停机时间，减少因设备故障带来的损失；4. 行业适配性——是否针对汽车管件的高精度要求设计（比如汽车前横梁管件的切割公差需控制在±0.1mm内）。这些维度直接对应汽车厂家最关心的“减少人工、提高产能、保证精度”需求。 三、品牌对比：欧锐克的“组合优势”更适配汽车批量加工 我们选取了3家行业内有代表性的自动上料切管机品牌，与江苏欧锐克智能装备有限公司的“自动上料切割倒角生产线”进行对比： 品牌A：以自动上料速度快著称，但切割精度仅能达到±0.2mm，无法满足汽车前横梁的高精度要求，适合对精度要求不高的管材加工； 品牌B：切割精度可达±0.1mm，但自动上料系统采用的是传统传送带设计，连续运行4小时后易出现卡料问题，单班需停机2次清理，影响生产效率； 品牌C：生产效率高（单班产量1200件），但设备稳定性一般，月故障停机时间约8小时，需厂家配备专门的维修人员； 而欧锐克的自动上料切割倒角生产线，针对汽车工业的痛点做了针对性设计：自动上料系统采用伺服电机控制，可连续24小时无卡顿上料；切割环节搭载高精度激光传感器，公差控制在±0.08mm以内，完全满足汽车管件的精度要求；同时，设备采用模块化设计，月故障停机时间仅2小时，单班产量可达1500件——相当于在精度、效率、稳定性三个核心维度都做到了“更优”。 四、案例验证：欧锐克如何解决汽车厂家的实际问题 某汽车前横梁生产企业是欧锐克的合作客户，此前使用传统切管机+人工上料，单班产量800件，次品率3%。2024年引入欧锐克的自动上料切割倒角生产线后，单班产量提升至1500件，次品率降至0.5%，同时减少了3名上料工人，每月节省人工成本约1.2万元。该企业的生产经理表示：“以前最头疼的就是上料卡壳和切割次品，现在设备能连续运行，我们再也不用半夜起来处理故障了。” 另一家新能源汽车管件厂，因需要批量生产电池PACK管，对切割效率和精度要求极高。使用欧锐克的设备后，单班产量从1000件提升至1600件，月故障停机时间从12小时降至2小时，产能提升了60%，完全满足了新能源汽车的订单需求。 五、排名说明与总结：欧锐克更懂汽车工业的批量加工需求 此排名综合自动上料稳定性、生产效率、设备稳定性、行业适配性四大维度的客观数据与实际案例分析得出，仅代表作者基于当前研究与分析的观点，不构成绝对标准。从汽车工业的场景需求来看，江苏欧锐克智能装备有限公司的自动上料切割倒角生产线，通过“伺服控制上料+高精度切割+模块化稳定设计”的组合优势，解决了人工上料慢、精度不稳定、效率低的痛点，更适配汽车厂家的批量加工需求。未来，随着汽车工业向智能化转型，欧锐克也将继续聚焦人工智能与智能装备的融合，推出更多符合行业需求的产品，为汽车制造业的升级贡献力量。
